基于交叉口交通流影响程度的不利天气分级方法

翁剑成，王茹，刘力力，荣建

（1.北京工业大学交通工程北京市重点实验室，北京市100124；2.北京公联交通枢纽建设管理有限公司，北京100161）

基于交叉口交通流影响程度的不利天气分级方法

翁剑成*1，王茹1，刘力力2，荣建1

（1.北京工业大学交通工程北京市重点实验室，北京市100124；2.北京公联交通枢纽建设管理有限公司，北京100161）

信号交叉口的交通流由于受到不利天气的影响呈现不同特征，根据不同级别不利天气设置有针对性的信号控制方案，是减少天气对交通运行影响的重要途径.本文选取北京市不同规模、不同类型的信号交叉口为观测对象，以视频采集方式获取了2012年4月–2013年2月期间不同类型和强度的不利天气条件下交叉口交通流数据，通过显著性差异分析、回归拟合的方法，分析了交叉口直行车道饱和车头时距、饱和流率及起动损失时间等特征参数的变化，构建了信号交叉口特征参数的影响模型，量化了降雨、降雪天气对交叉口交通流的影响.最后，基于不利天气对交通流特征参数的折减程度，将不同类别的不利天气统一划分为四级，并明确了各级不利天气对应的饱和流率折减范围，为制定天气响应型的交通控制方案提供了重要的参数基础.

城市交通；不利天气分级；折减模型；信号交叉口；交通流参数

1 引言

在不利天气条件下，由于能见度和地面摩擦系数的降低，使得交通流呈现不同的特征.传统的基于正常天气的信号控制方案无法适应变化的交通流，交叉口作为道路网络中的重要节点往往容易形成拥堵易发点.设置有针对性的交通管理和信号控制方案，是改善交叉口在不利天气条件下运行效率的重要途径.

针对信号交叉口在恶劣天气条件下的交通流特征参数折减，Perrin[1]等人得出在恶劣天气下交叉口车辆的饱和流率降低20%、平均速度降低30%、起动损失时间增加23%.Maki[2]得出在冰雪天气下，交叉口交通量减少了15%-20%，饱和流率从1 800降低到1 600，起动延误从2秒增加到3秒.刘伟东[3]等人研究了降雨条件下影响信号交叉口通行能力的主要因素，并得出了降雨条件下左转车辆与通行能力的关系模型.

在不利天气条件下信号配时方案的优化策略方面，Bernardin等[4]通过分析冰雪条件下交叉口交通流参数的变化，分析传统的信号配时在冰雪天气下的不适应性.Agbolosu-Am ison等[5]通过方差分析和折减分析评估了恶劣天气对信号交叉口的影响，并通过仿真得出在恶劣天气条件下重置信号配时会提高交叉口运行效率.胡明伟[6]研究了雪天对于信号配时的影响，并针对冰雪天气制定了配时优化方案.Gilliam等[7]将天气参数作为基本参数输入SCOOT系统，降低交叉口在恶劣天气条件下的拥堵水平.

由于缺乏不利天气和交通流状态的连续观测数据的支持，针对不利天气条件下交通流影响的研究不够系统，未能建立起统一的折减模型，交通管理控制方案缺乏能适应不同影响程度天气的针对性策略.本文拟通过对不利天气条件下城市信号交叉口交通流参数的提取和影响分析，建立不同程度降雨、降雪对信号交叉口交通流特征参数的影响模型，并对不同类型的不利天气进行统一分级，进而为交通流控制策略的制定提供定量化的依据.

2 数据采集与处理

研究选取2012–2013年期间的不同级别降雨、降雪天气的日期开展数据采集.选取北京城区和郊区主干路、次干路、支路分别相交的五种不同类型信号交叉口作为数据采集点.利用视频采集和人工观测的方法，共采集到各类型交叉口120小时的视频数据.研究开发了视频处理模块，利用视频中虚拟线圈的设计，记录车辆经过停车线的时间，自动化提取交叉口车流量、车头时距等交通流参数.

为了对交通数据和天气数据进行建模分析，需要根据样本特征对数据进行分组.数据分组包括交叉口类型分组，降雨天气分组和降雪天气分组.通过对各类型交叉口饱和车头时距数据进行显著性检验得到交叉口类型分组，结果表明，主干路和次干路的直行车道饱和车头时距无显著性差异.原始天气数据以5分钟间隔记录降水量，其中降雪条件下的降水量是指将雪转化成等量的水的深度.合并原始降水量得到天气数据分组，其中降雨量以小时降水量为统计单位，降雪量以累计降水量为统计单位.以“5%的截尾法”将异常值剔除后得到各小时降水量下饱和车头时距样本，如表1所示.

表1 小时降雨量汇总及对应交通数据样本量Table 1 Precipitation in one hour summary and samp le size

通过对北京市怀柔区交叉口的连续监测，获得了小雪、中雪、大雪条件下多个时段的视频数据.降雪对交通的影响有持续性和累积性，为了验证降雪对交通流影响的持续时间，研究分析了交叉口饱和车头时距与持续降雪时间的关系，如图1所示.

图1 饱和车头时距与持续降雪时间关系Fig.1 The Relationship between Saturation Headwayand Snow Duration

随着降雪的持续，饱和车头时距随累计降水量的增加而增加，而从第5个小时开始，车辆驾驶员逐渐习惯降雪环境，数据分析显示车辆的饱和车头时距趋于稳定，因此本研究以5小时作为降雪条件影响研究时长的上限.剔除异常值后获得不同累计降雪条件下的样本量，如表2所示.

表2 不同累计降雪条件下饱和车头时距样本量Table 2 Saturation headway sam p le size under different intensities ofsnow

3 交通流特征参数影响模型

考虑到交叉口交通管理和信号控制方案制定中交通流参数的需求，研究选取车头时距、饱和流率、起动损失时间三个参数，分析其在不同强度的降雨和降雪条件下的变化特征.

3.1 降雨条件下交通流参数分析

3.1.1 饱和车头时距和饱和流率

对不同降雨量条件下的饱和车头时距数据进行统计特征分析，如表3所示.可以看出随着小时降雨量的增加，平均饱和车头时距逐渐增大.

对降雨条件下的饱和车头时距数据进行回归分析，利用SPSS软件分别进行直线、二次曲线、三次曲线、指数曲线等的回归拟合.结果表明，三次曲线的拟合相关度最高，为0.997，且符合特征变化规律.因此，选择三次曲线作为降雨条件下信号交叉口饱和车头时距的拟合曲线，如图2所示.

表3 降雨条件下饱和车头时距参数统计特征Table 3 Descriptive statistics characteristics of saturation headway under rain

三次曲线回归方程如下：

在降雨初期，车头时距相对晴好天气会有较明显的上升，这与地面状况的突然变化和驾驶员对驾驶环境的适应有关.在降雨量达到15mm左右时，饱和车头时距曲线的斜率逐渐减小，表明驾驶员逐渐适应降雨环境，交通流影响程度变化趋缓.当降雨量增加到35mm左右时，三次曲线的斜率会逐渐增大，表明在暴雨条件下，饱和车头时距随降水量的增加而迅速增加，交叉口交通流发生明显变化.在降雨量达到50mm以后，饱和车头时距将达到4 s，此时路口通行能力将明显下降，容易导致交叉口拥堵.

图2 小时降雨量与饱和车头时距和饱和流率三次曲线拟合图Fig.2 Cubic curve regression between hourly precipitation and traffic parameters

饱和流率与平均饱和车头时距为负相关关系，对小时降水量–饱和流率进行回归分析，三次曲线的拟合相关度为0.994，拟合曲线如图2所示.回归方程如下：

当小时降雨量为0，交叉口饱和流率为1 597 veh/h，这与正常天气条件下的实际调查数据1 607基本接近，随着小时降水量的增加，饱和流率降低.

3.1.2 起动损失时间

研究对交叉口多个信号周期的数据进行分析，得到不同降雨强度下排队车辆的车头时距，前五辆排队车辆的平均车头时距相对于饱和车头时距的增量之和为起动损失时间.不同降雨量情况下的起动损失时间如表4所示.

表4 不同降雨量直行车道车辆起动损失时间Table 4 Start-up lost time ofstraight lane vehicles under rain

降雨对车辆起动过程造成明显影响，随着小时降雨量的增加，驾驶员感知外界交通环境变化的反应时间延长，加上路面状况的改变，驾驶员起动车辆比正常天气条件下更加小心，因此小时降雨量的增加导致起动损失时间加长.但起动损失时间的增加并不是单调的，在部分降雨量区间，保持了较为稳定值.

3.2 降雪条件下交通流参数分析

通过对北京郊区所选交叉口的连续观测，获得了不同降雪强度下交叉口视频数据.通过参数提取与分析，研究在不同降雪强度下，信号交叉口特征参数的变化特征.

3.2.1 饱和车头时距和饱和流率

通过数据处理与分组，得到12组累计降水量下的交叉口饱和车头时距数据，对其进行特征参数分析，如表5所示.可以看出随着累计降雪量的增加，平均饱和车头时距逐渐增大.

表5 降雪条件下饱和车头时距参数统计特征Table 5 Descriptive statistics characteristics of saturation headway under snow

以1mm为分析间隔，对累计降水量和饱和车头时距、饱和流率进行回归分析，通过曲线拟合得到图3.结果显示三次曲线的拟合相关度最高，但其回归方程的系数不具有显著性，从拟合曲线外推来看，三次曲线与实际的交通流特征变化规律不符.综合比较分析后采用复合模型作为回归模型，其拟合度为0.982，满足显著性要求，且模型趋势符合实际情况，曲线方程如下：

当降水量为0时，饱和车头时距为2.264 s，这与正常天气下的平均饱和车头时距统计值2.252 s近似相等.饱和车头时距随着累计降水量的增加而稳定增加，在累计降水量达到15mm时，饱和车头时距约将增加到4 s.

图3 累计降水量与饱和车头时距和饱和流率的曲线拟合Fig.3 Regression curvebetween accumulated precipitation and traffic parameters

同样，选用复合模型作为累计降水量–饱和流率关系模型的基础，回归方程如下：

晴好天气时，交叉口饱和车流率约为1 600 veh/h，随着降雪量的增加，饱和流率逐渐减少，当累计降水量达到15mm时，饱和流率将下降一半.持续的降雪使得信号交叉口车头时距增大，饱和流率减少，影响交叉口的通行能力.

3.2.2 起动损失时间

对多个信号周期的观测数据进行分析，得到不同降雪条件下的多组排队车辆的车头时距，分别计算起动损失时间，如表6所示.

表6 不同累计降雪量直行车道车辆起动损失时间Table 6 Start-up lost time of straight lane vehicles under snow

随着累计降雪量的增加，排队车辆的起动损失时间有所增加，由于天气状态的改变导致驾驶员反应时间和车辆起动时间延长.在降雪初期，起动损失时间有所增加，但受影响程度较小.小到中雪条件下，由于路面湿滑，起动损失时间快速增加，约增加50%–75%.而后由于路面条件和视线条件保持稳定，起动损失时间未发生明显变化.

4 基于交通流影响程度的不利天气分级

4.1 交通流参数折减

相对于正常天气，城市信号交叉口直行车道饱和车头时距在小到中雨条件下增加约9%–22%，饱和流率折减约为8%–19%，起动损失时间约增加30%；大雨条件下饱和车头时距增加约22%–34%，饱和流率折减约19%–24%，起动损失时间约增加50%；当小时降雨量达到30mm暴雨级别时，饱和车头时距增加约50%，饱和流率折减约30%，起动损失时间约增加75%.

降雪条件下，当累计降水量由0增加到3mm，饱和车头时距增加约15%，饱和流率降低约13%.当累计降水量逐渐增加到8mm时，饱和车头时距会持续增加，大约增加46%，饱和流率降低约30%.在降雪初期，起动损失时间增加约10%–20%.小到中雪条件下，起动损失时间约增加50%–75%.

不同类型的不利天气对交通流影响程度具有明显差异，给交通管理策略制定和信号控制系统优化带来新的要求，因此有必要基于交通流影响程度对不同类型的不利天气进行统一分级.

4.2 不利天气统一分级

研究选择饱和流率折减作为天气分级指标，采用K-均值聚类分析方法将不利天气下饱和流率分成4类，根据聚类结果，以及降雨和降雪条件对应的饱和流率回归模型，把同一折减范围内的降雨、降雪强度整合成同一级别的不利天气，并给出各等级不利天气的参数范围，如表7所示.

表7 基于交通流参数折减的不利天气分级Table 7 Adverse weathergrading based on the influence of traffic flow characteristic

5 研究结论

降雨和降雪的气象学分级仅仅考虑了天气影响，无法满足不利天气条件下的交通管理与控制策略制定的需要.饱和流率、车头时距和起动损失时间等交叉口交通流参数都会因不同级别不利天气的影响而变化，信号控制系统须与之相适应.本文以交叉口视频数据和提取的交通流参数数据为基础，分析了不同强度不利天气条件下，典型交叉口直行车道饱和车头时距、饱和流率及起动损失时间的变化特征.通过回归拟合得到降水量与特征参数的关系模型，量化了降雨、降雪对信号交叉口交通流的影响.

以不同强度的降雨和降雪对交叉口饱和流率的影响程度差异为基础，提出了将不利天气统一划分成4个级别.1–4级不利天气对应的饱和流率折减范围分别为0–13%，13%–30%，30%–60%，及60%以上.基于交叉口交通流特征影响的不利天气统一分级方法，打破了原有气象学分级标准，为不利天气条件下交通管理、信号控制方案优化提供统一的解决方案.

[1]Perrin H J，Martin P T，Hansen B G.Modifying signaltiming during inclement weather[J].Transportation Research Record：Journal of the Transportation Research Board，2001，1748：66-71.

[2]Maki P J.Adverse weather traffic signal timing[C]// Transportation Frontiers for the Next Millennium：69th Annual Meeting of the Institute of Transportation Engineers，Las Vegas，1999.

[3]刘伟东，崔淑华.降雨气象条件下城市道路信号交叉口通行能力研究[J].辽宁省交通高等专科学校学报，2007，9(4)：3-5.[LIU W D，CUI S H.Studies on capacity of the signalized urban road intersections influenced by rainfall climatic conditions[J].Journal of Liaoning Provincial College of Communications，2007，9 (4)：3-5.]

[4]Bernardin L，Associates，et al.Anchorage signal system upgrade-Final report[R].Alaska，1995.

[5]Agbolosu-Amison S J，Sadek A W，Eidessouki W. Inclement weather and traffic flow at signal intersections：Case study from northern New England[J]. Transportation Research Record：Journal of the Transportation Research Board，2004，1867(1)：163-171.

[6]胡明伟.不良天气对交通信号配时的影响分析[J].交通标准化，2007，169(9)：156-160.[HUMW.Analysis on adverse weather on traffic signal timing[J]. Communications Standardization.2007，169(9)：156-160.]

[7]Gilliam W J，Withill R A.UTC and inclementweather conditions[C]//IEEConference，1992：85-99.

Study on AdverseWeather C lassification Considering the Traffic Flow Influence Degree at Intersections

WENG Jian-cheng1,WANG Ru1,LIU Li-li2,RONG Jian1

（1.Beijing Key Laboratory of Traffic Engineering,Beijing University of Technology,Beijing 100124,China; 2.Beijing Gonglian Transportation Hub Construction ManagementCo.Ltd,Beijing 100161,China）

The traffic flow at signal intersection shows different characteristics due to the influence of adverseweather.Setting specific signal control scheme in adverseweather conditions is an importantway to reduce its negative influence on the traffic.The signal intersections of different types and scales in Beijing are selected as the investigation spots in this study.Based on theweather data and traffic flow data obtained from video detectors through themonths of April 2012 and February 2013,the characteristics of indicators including saturation headway,saturation flow rate and start-up lost time in different intensities of adverse weatherare analyzed.The relationshipmodels between the indicators and the precipitation are established by significance testing and regressionmodeling.Consequently,the influence of the rain and snow on the traffic flow of intersections is described quantitatively.Finally,the adverse weather is classified into four grades based on its influence degree on the intersection traffic.These traffic flow characteristics in every grade of adverseweather provideapplicable parameters for theoptimization of traffic controlscheme.

urban traffic;adverseweather classification;influencemodel;signal intersection;traffic flow parameters

1009-6744（2015）03-0172-07

U491.1

A

2014-12-02

2015-03-27录用日期：2015-04-07

国家自然科学基金项目（51108013）；国家科技重大专项2013年度“核高基”项目资助（2013ZX01045003-002）.

翁剑成（1981）男，浙江人，副教授.＊通信作者：youthweng@bjut.edu.cn