冰雪天气下的区域交通状态实时判别

杨庆芳，张 彪，韩振波，梅 朵

（1.吉林大学 汽车仿真与控制国家重点实验室，长春 130022；2.吉林大学 交通学院，长春 130022；3.天津市河西区科学技术委员会，天津 300202）

目前，冰雪条件下针对交通的研究主要包括冰雪灾害对交通流的影响分析［1－4］和冰雪条件下的交通流状态划分［5－6］两个方面。而对冰雪条件下的路网交通状态的研究较少，本文从冰雪灾害对路网通行能力的影响分析出发，针对路段和交叉口分别选取行程速度、占有率和饱和度作为交通状态判别指标，同时考虑路段通行能力、路段长度及交叉口疏散能力，提出冰雪条件下的路网区域交通状态判别方法，实现路网交通状态的快速判别。

1 判别参数的选取

道路交通状态判别结果的有效性与交通流参数的选取有着直接关系［7－8］。灾害条件下交通状态判别参数的选取，要遵守可获取性、可靠性以及敏感性等原则。当发生冰雪灾害以后，车辆运行速度变低，导致交通流量降低、占有率增加。针对路段交通状态判别，考虑部分固定检测器可能因冰雪灾害而无法正常工作，本文选用行程速度和占有率这两种参数作为判别指标，因为行程速度能更好地反映路段上交通流运行情况，同时行程速度数据可以通过配备GPS装置的车辆比较方便地获取，为了消除单一参数对判别精度产生的不利影响，本文同时选用占有率这个参数。针对交叉口的交通状态判别，选取最易获取的交叉口关键相位饱和度作为判别指标。

2 冰雪天气下通行能力的修正

正常情况下利用式（1）计算路段理论通行能力 N［9］:

式中:S为车辆1h行驶的距离（m）；L为安全车头间距，L为驾驶员反应时间内车辆行驶距离L1、车辆刹车距离L2、汽车自身长度L3、安全距离L4之和；v为车辆限制速度。

利用式（2）计算车辆的行驶距离L1:

式中:t为驾驶员反应时间，一般取1s或1.5s，冰雪条件下t的值建议取3s。

汽车制动距离L2的计算公式:

式中:φ为车轮与路面间的摩擦因数；i为道路纵向坡度。

L3一般取值5～10m，L4一般取值3～5m。

式（1）可改写成:

由式（4）可知，理论通行能力N是v与φ的函数。摩擦因数φ的值越强，L2的值越小，得到的通行能力就越大。当发生冰雪灾害以后，路面摩擦因数φ显著降低［10］，如表1所示。

表1 各种路面状态下的摩擦因数Table 1 Friction coefficient of different road surface

当发生冰雪灾害以后，便可以根据v、φ得到不同程度灾害条件下的路段通行能力。

通过对2012年3月24日长春地区普降大雪条件下人民大街与繁荣路交叉口7∶00至9∶00连续两个小时的观测，得到数据如表2所示。

表2 冰雪天气下交叉口饱和流率及交通量Table 2 Saturation flow and volume of intersection under snow－ice weather

由表2可得:冰雪条件下的饱和流率和交通流量较正常情况都会有所下降，近似取交叉口通行能力的折减系数为0.74，饱和度的折减系数为0.88。

3 路网交通状态自动判别

3.1 路段交通状态判别

当发生冰雪灾害以后，要充分考虑车辆的运行情况。此时，影响路段上行驶车辆的因素主要是天气、道路状况及其他车辆。路基型检测器布置在上游交叉口出口处，可以比布置在下游交叉口入口处提前一段时间反映路段的交通状况。路段状态值利用式（5）计算:

式中:Vij是冰雪灾害下路段Lij的最高限速；vij是路段行程速度，当vij＞Vij时，取Vij＝vij；oij是路段的时间占有率；α是模型参数，取值范围（0，1）。行程速度越大，占有率越低，PIij越大，表明交通状态越好。

该公式综合考虑了路段行程速度和占有率两个参数。当某一参数因天气原因或样本数量过少而导致无法正常获取时，通过调整α的值可以实现不同状况条件下路段交通状态的实时判别。

3.2 交叉口交通状态判别

城市路网中，交叉口的作用至关重要，是车辆实现转向的关键节点，而且交叉口由不同等级道路相交而成，交叉口包含多个进口道，每个进口道的交通流都会影响整个交叉口的实时交通状态。受交叉口的实时交通状态影响，与之相连的上游路段和交叉口交通状态都与该交叉口密切相关。本文在对交叉口的交通状态进行判别时，选用交叉口状态模型如式（6）所示:

式中:qi是5min内关键相位检测到的交通量；c是交叉口关键相位的饱和流率。

进行交叉口饱和度计算时，分母采用的是饱和流率，此处的饱和流率是根据交叉口相位绿灯时间来计算的。之所以采用饱和流率是考虑到冰雪这种灾害条件下，采集到的交通量与常态下相比肯定有很大的差别，而饱和流率是根据实时交通量推算出来的，这样可以更好地反映冰雪条件下的实际交通状况。

3.3 区域路网交通状态判别

当发生冰雪灾害以后，针对路网中的路段，考虑道路的等级、路段的通行能力还有路段长度，首先将状态判别区域内各等级道路的整体车公里数作比较，将此值作为主干道、次干道和支路的权重。然后根据路段的通行能力dij和路段长度lij，确定路段Lij的综合权重为

式中:ak是不同道路等级的权重；a1代表主干路；a2代表次干路；a3代表支路。

根据路段的权重来求交叉口的权重。在发生非常态事件以后，需要重点考虑的是交叉口的疏散能力。因此，以该交叉口为中心，以出口路段为标准对该交叉口的权重进行判断:

式中:n为与i交叉口相连的交叉口数目；j为与i交叉口相连的第j个交叉口。

得到wi和wij以后，利用如下公式求区域的拥堵度:

4 方法验证

以图1为例，对冰雪灾害发生以后区域内的道路交通状态判别算法进行验证。

图1 冰雪灾害发生以后区域路网仿真图Fig.1 Regional road network simulation under snow－ice weather

仿真路网为某城市中心区域，包含6条主干道及9个关键交叉口。以图中东西方向最下边那条主干道右侧路段由西向东交通流为例，假定大雪的灾害级别是重大级，从早上7∶30持续到上午10∶00。该路段上车辆限速为20km／h，仿真得到的8∶05至9∶00的数据如表3所示。

表3 仿真路网得到的参数数据Table 3 Parameters data got from simulation network

首先计算大雪发生后该路段的通行能力。取大雪条件下的限制车速v＝20km／h，大雾条件下t的值取3s，φ值取0.6，i值取0，L3取8m，L4一般取4m。则由式（4）可以得到理论通行能力N的值约为640veh／h。

然后计算路段的时间占有率o89。假定小汽车的长度为5m，利用检测到的路段密度k换算成的路段时间占有率如表4所示。

表4 路段时间占有率Table 4 Section time occupancy

将路段行程速度v89和时间占有率o89代入式（5），可以得到大雾条件下该路段的PI89值，如表5所示。

表5 大雾条件下路段交通状态PI89值Table 5 Section traffic status PI89under fog condition

在进行阈值确定时，依据专家知识，选用限制车速20km／h的0.3倍和0.7倍作为三种交通状态的划分节点，同时将三种交通状态下占有率划分节点［11］带入式（5）获取交通状态PI的阈值。验证时，选用仿真路网中路段平均行程时间延误来对判别结果准确性进行检验。在仿真的路网中，路段平均行程时间延误是较容易得到的数据，该路段的路段平均行程时间延误如表6所示。入不同的流量值以及设置不同的种子数量进行了20次同一强度大雪事件下的路网仿真，对通过两种方法得到的320个判别结果的对比分析可知，得到的判别率为90.3%，平均判别时间为3.9s。

表6 路段平均行程时间延误Table 6 Section average travel time delay

根据本文方法，得到的部分路段及交叉口的交通状态值如表7所示。

表7 部分路段及交叉口的交通状态值Table 7 Traffic status of some sections and intersections

利用式（7）和式（8）计算路段和交叉口的权重，部分结果如表8所示。

表8 部分交叉口及相邻路段交通状态权重值Table 8 Traffic status weights of some intersections and adjacent sections

利用式（9）计算交叉口5、交叉口8以及周围12条路段组成的区域交通状态值，结果如表9所示。

表9 大雪条件下区域交通状态值Table 9 Regional traffic state values of heavy snow

通过分析表7中路段及交叉口的交通状态值、对比表9中区域交通状态结果和表10中正常情况下区域交通状态值，我们得到以下结论:当发生冰雪灾害以后，大多数路段和交叉口的拥堵状况更加严重（路段58、交叉口8等），整个区域的交通拥堵恶化，体现了大雪灾害对道路交通的严重性影响；在整个研究时间段内，区域交通状态较长时期处于严重拥堵状态，变化幅度相对较小，体现了大雪灾害对道路交通的持续性影响；同时，冰雪灾害发生以后，常态下交通拥堵的上下班高峰格局被打破，体现了大雪灾害对道路交通的随时性影响。

表10 正常情况下区域交通状态值Table 10 Regional traffic state values of normal weather

5 结束语

冰雪灾害下的道路交通状态判别是交通领域研究的难点。本文充分考虑冰雪灾害对交通的不利影响，在对路段和交叉口的交通状态进行实时判别的基础上，考虑道路的等级、路段的通行能力还有路段长度，确定路段和交叉口的交通状态权重，然后对区域交通状态进行综合判别，并利用仿真路网对本文方法进行验证。验证结果表明，本文所提出的冰雪条件下道路交通状态实时判别方法在准确度和预测时间方面都有较好的表现，为冰雪条件下交通状态研究提供了新的思路。

［1］Datla S，Sharma S.Impact of cold and snow on temporal and spatial variations of highway traffic volumes［J］.Journal of Transport Geography，2008，16（5）:358－372.

［2］Maki P J.Adverse weather traffic signal timing［C］∥Proceedings of the 69th Annual Meeting on the Institute of Transportation Engineers，Las Vegas，Nevada，1999:347－355.

［3］隽海民，裴玉龙，朱从坤.冰雪覆盖条件下城市道路通行能力分析［J］.哈尔滨建筑大学学报，1998，31（2）:104－108.Juan Hai－min，Pei Yu－long，Zhu Cong－kun.Analysis on the capacity of urban road covered with snow［J］.Journal of Harbin University of Civil Engineering and Architecture，1998，31（2）:104－108.

［4］任园园.冰雪条件下城市道路交通流特性及管理对策研究［D］.长春:吉林大学交通学院，2008.Ren Yuan－yuan.Study on the characteristics of traffic stream and management countermeasure at urban road under the condition of snow and ice［D］.Changchun:College of Traffic，Jilin University，2008.

［5］Kerner B S，Rehborn H.Experimental properties of phase transitions in traffic flow［J］.Physical Review Letters，1997，79（20）:4030－4033.

［6］景鹏，孟祥海.基于模糊聚类的冰雪融冻期交通流状态分析［J］.东北林业大学学报，2007，35（4）:46－49.Jing Peng，Meng Xiang－hai.Traffic flow situation during snow melt period based on fuzzy clustering［J］.Journal of Northeast Forestry University，2007，35（4）:46－49.

［7］姜桂艳.道路交通状态判别技术与应用［M］.北京:人民交通出版社，2004.

［8］王伟，杨兆升，李贻武，等.基于信息协同的子区交通状态加权计算与判别方法［J］.吉林大学学报:工学版，2007，37（3）:524－527.Wang Wei，Yang Zhao－sheng，Li Yi－wu，et al.Weighting calculation and judging method of regional traffic state based on information coordination［J］.Journal Jilin University（Engineering and Technology Edition），2007，37（3）:524－527.

［9］张起森，张亚平.道路通行能力分析［M］.北京:人民交通出版社，2002.

［10］龚雪雪，李志强.冰雪灾害下道路通行能力动态交通分配修正［J］.公路与汽运，2010（1）:41－45.Gong Xue－xue，Li Zhi－qiang.Dynamic traffic assignment correction of road capacity in the snow disaster［J］.Highways ＆ Automotive Applications，2010（1）:41－45.

［11］翟雅峤，翁剑成，荣建，等.多元数据融合的区间车辆速度预测算法研究［J］.交通信息与安全，2009，27（3）:74－77.Zhai Ya－qiao，Weng Jian－cheng，Rong Jian，et al.A travel speed forecasting algorithm based on multisource data fusion［J］.Journal of Transport Information and Safety，2009，27（3）:74－77.