城市过江通道交通流速度和密度关系研究

摘要：为确定城市过江通道交通流特性是否符合经典的速度-密度关系模型，研究了四川泸州市沱江一桥上的过江交通流。利用视频检测技术，获取了包含高峰期、平峰期等各种交通运行状态的交通流流量、速度数据，经过数据清洗、转换后，对速度和密度数据进行了回归分析和显著性检验，并计算得到了交通流特征参数自由流速度和阻塞密度。结果显示，城市过江通道的进城方向更适宜Greenshields的线性关系模型，出城方向更适宜Underwood的指数关系模型。桥头段和桥中段交通流特征参数的差异性，表明了桥头交织段规划、设计与管理对提高过江桥梁衔接段通行能力的重要性，相关部门应合理组织进城方向下游、出城方向上游的交通流，以改善区域交通运行质量。

关键词：道路工程其他学科;交通工程;速度和密度关系;回归分析;过江通道

中图分类号：U491 文献标志码：A doi： 10.7535/hbgykj.2018yx02005

GAO Jianjie.Study of speed-density relationship of urban river-crossing passage[J].Hebei Journal of Industrial Science and Technology，2018，35（2）：104-108.Study of speed-density relationship of urban river-crossing passage

GAO Jianjie1，2

（1. Department of Transportation Management， Sichuan Police College， Luzhou， Sichuan 646000， China; 2.School of Traffic and Transportation， Chongqing Jiaotong University， Chongqing 400074， China）

Abstract：In order to determine whether traffic flow characteristics of urban river-crossing passage are consistent with the classical models of speed-density， the traffic flows on the First Luzhou Tuojiang River Bridge are researched.Video detection technology is used to obtain traffic flow and speed data including all kinds of traffic conditions， such as during fastigium and normal period. After data cleaning and conversion， speed and density data are regressive analyzed，  significance test is made， and traffic flow characteristic parameters， such as free-flow speed and jam density， are calculated. The results show that the linear model of Greenshields is more suitable for the direction of entering cities of urban river-crossing passage， while the exponential model of Underwood is more suitable for the direction of leaving cities. The difference of traffic flow characteristic parameters between bridge approaches and bridge mid pieces show that government departments should pay attention to the planning， design and management of the weaving segment on bridge approaches to improve the traffic capacity of cohesive segment of river-crossing bridge and organize reasonably the traffic flows of the downstream section of entering cities and the upstream section of leaving cities.

Keywords：other subjects of road engineering; traffic engineering; speed-density relationship; regression analysis; river-crossing passage

城市內过江通道的交通问题既有城市交通问题的共性又有其特殊性。过江桥梁作为连接城市内两岸区域的交通运输通道，对促进城市经济、社会发展和文化交流起着至关重要的作用[1-2]。过江交通相比高速公路、城市快速路具有不同的交通流特性，如交通流量集中、跟驰现象明显、速度分布不均匀等。已有的交通流参数模型研究对象多为高速公路和城市快速路[3-6]，如：PARK等[7]研究了高速公路速度方差与变道行为、车辆类别之间的关系，根据实际数据统计分析表明变道行为与大型车辆对速度方差的影响显著;李悦等[8]结合北京市典型快速路路段实测数据散点图，对各种速度-流量关系模型的适用范围及其适用程度进行对比分析，从而得出了Greenshields模型的拟合效果最好的结论;邵春福等[9]分析了不同车辆长度、阻塞停车间距和反应时间下的速度-密度关系，并对美国US-101，I-80两条高速公路的交通数据进行拟合，得到了拟合结果和绝对误差;徐程等[10]通过对10种典型的速度-密度模型的总结分析，采用北京快速路实测数据第2期高建杰：城市过江通道交通流速度和密度关系研究河北工业科技第35卷进行模型参数标定与误差分析，结果表明，Newell模型和Logisitic模型在不同的数据集下都表现出良好的稳定性。随着交通流自动检测设施的大规模安装，基于实证数据的交通流运行特征经验分析取得了重要进展，但以高速公路、城市快速路交通流数据为基础建立的交通流参数模型难以符合过江交通流运行的实际情况。本文根据实测获得的过江交通流速度和密度确定过江交通流参数的统计分布，分析交通流状态特性，对确定过江交通流状态基本模式具有应用价值，同时也可为分析解决过江通道交通问题提供理论基础。

1调查与数据处理

1.1调查对象描述

选取了四川省泸州市沱江一桥复线桥为研究对象，泸州市辖三区四县，城区内长江、沱江交汇，是典型的跨江河发展的城市。沱江一桥复线桥桥型为连续刚构桥，总长582 m，桥面宽20 m，双向4车道，按城市主干道I级标准建造，是连接江阳区与龙马潭区的主要通道，江阳区为老城区，常住人口60.70万人，龙马潭区为新城区，常住人口35.97万人[11]。

调查数据来自于沱江一桥的监控卡口系统，进城方向为龙马潭区至江阳区方向，监控卡口距桥头约50 m，出城方向的监控卡口位于桥梁的中段。

1.2数据采集过程

1）采集时间2017-05-16—2017-05-18连续3天的7：30～8：30和18：00～19：00早晚高峰期间以及9：30～10：30和15：00～16：00平峰期间[12]。

2）采集方法利用安装于桥上的监控卡口系统自动检测车速、流量数据，并通过观看监控录像人工统计的方法，校正视频检测出现的漏检现象。车辆智能监测记录系统（卡口）是由北京易华录信息技术股份有限公司研制的具有自主知识产权的200/300/500万像素一体机卡口系统，采用“车辆雷达检测+视频检测”兼容型技术对过往车辆进行检测的一体化系统。

3）统计时间间隔统计间隔直接影响到交通流数据模型曲线的形状，尤其是接近通行能力和拥挤区附近曲线的形状。要建立交通流参数关系模型，先要确定统计时间间隔。当统计间隔的数值增大时，数据分布的离散性将大幅度降低，数据的曲线更为平滑。统计间隔越短，交通流的随机因素造成的影响就越突出。交通流参数常用的统计间隔是15 min，HCM手册推荐的最小间隔为5 min，中国关于速度-流量模型研究的文献也有以20 s，1 min，3 min，10 min 作为统计间隔的[13-14]。考虑本次数据采集手段的实际情况，为增大样本量，准确分析道路交通流的变化状态，采取的统计间隔为1 min。

1.3数据处理

1）数据清洗一是根据城市过江通道交通流的一般规律，对奇异值进行剔除，比如交通流量为0和速度为120 km/h以上的数据;二是对缺失值填补，对比监控录像发现的漏检车辆，采用当前时刻前3辆车速度的平均值进行填补。

2）数据转换由于密度数据难以直接获取，采用流量、速度、密度之间的基本关系，交通流量等于区间平均车速乘以密度，可以换算得到平均密度数据。交通流量数据采用1 min交通量换算为1 h的交通流率值，区间平均车速采用1 min内的所有车辆速度的调和平均值。大型车（公交车）按照换算系数2.0换算为标准车。

2模型拟合结果

经典的交通流速度-密度关系模型[15]有线性关系模型、对数关系模型和指数关系模型，见表1。

利用泸州市沱江一桥复线桥交通流数据，采用Greenshields线性关系模型、Greenberg对数关系模型和Underwood指数关系模型，分别建立进出城方向的速度-密度关系模型，结果如下。

1）进城方向速度-密度关系拟合

依据1 min统计间隔获取的交通量、速度数据，进行数据清洗和转换处理后，得到进城方向兩条车道的速度-密度有效样本220个，将速度-密度数据点标定在横坐标为密度（veh/km）、纵坐标为速度（km/h）的坐标系上，利用最小二乘法分别对3种经典的交通流速度-密度关系模型进行数据拟合，得到的效果如图1和表2所示。

模型函数关系相关系数rGreenshields Model（1935）v=-0.228k+41.350.85Greenberg Model（1959）v=-7.47ln k+57.500.78Underwood Model（1961）v=42.00e-0.005 4k0.83

由表2可知，线性关系模型和指数关系模型拟合效果相差不大，而相关系数r越接近1，v与k的线性相关程度越高，故选用相关系数较大的简单的线性关系模型。利用最小二乘法计算出的回归模型，不能直接用于实际问题的分析，在不确定相关系数r值多大是合理的情况下，还必须对回归方程进行各种统计检验，包括回归方程的显著性检验、回归系数的显著性检验、残差分析等[16-17]。对于一元线性回归，这里只进行F检验，得方差分析表如表3所示，可知，回归分析F检验统计量的观察值为486.00，相应的概率p值小于0.01，即变量v和k之间存在非常显著的线性关系。

对其进行残差分析，制作回归标准残差的直方图如图2所示。由图2中的正态曲线可以看出，标准残差为2.55，均值约为0，标准化残差服从均值为0的正态分布，说明残差中不包含明显的规律性和趋势性，即回归方程能够较好地反映解释变量的特征和变化规律。

从线性关系模型中可得到沱江一桥复线桥进城方向自由流速度vf=41.35 km/h、阻塞密度kj=90.68 veh/（km·lane）。

2）出城方向速度-密度关系拟合

同理，对出城方向速度-密度关系进行数据清洗、转换及拟合回归分析，得到出城方向两条车道的速度-密度有效样本217个，对3种经典的交通流速度-密度关系模型进行数据拟合，见表4和图3。

由表4可知，线性关系模型和指数关系模型拟合效果相差不大，而相关系数r越接近1，v与k的线性相关程度越高，故选用相关系数较大的指数关系模型。为方便进行回归方程的统计检验，令Y=ln v，X=1/k，则指数模型转化为Y=ln 51.90-0.005 8X。进行F检验，得方差分析表如表5所示，回归分析F检验统计量的观察值为81.52，相应的概率p值小于0.01，即变量ln v和1/k之间存在非常显著的线性关系。对其进行残差分析，制作回归标准残差的直方图如图4所示，由图中的正态曲线可以看出，标准残差为0.11，均值约为0，标准化残差服从均值为0的正态分布，说明残差中不包含明显的规律性和趋势性，即回归方程能够较好地反映解释变量的特征和变化规律。

由指数关系模型可得到沱江一桥复线桥出城方向自由流速度vf=51.90 km/h，阻塞密度kj=86.21 veh/（km·lane）。

3讨论

综合对泸州市沱江一桥复线桥进出城方向速度-流量关系的分析，对比Greenshields模型、Underwood模型和Greenberg模型，讨论如下。

1）对于城市过江通道的交通流速度与密度之间的关系，Greenshields的线性关系模型和Underwood的指数关系模型拟合效果相差不大，进城方向应优先选择线性关系模型，出城方向应优先选择指数关系模型。

2）数据获取的时间段均匀地包含了高峰、平峰时段，从图1和图3的散点图可以看出，数据点主要集中在中等密度范围内，低密度和高密度的数据点较少，进城方向的数据点多集中在密度为40～60 veh/km的区间内，出城方向多集中在30～50 veh/km的区间内。说明城市过江通道交通流较稳定，且远低于阻塞密度86.21～90.68 veh/（km·lane），过江通道有较大剩余通行能力空間。实地调研中也发现进出桥梁的衔接道路拥堵状况明显，而过江通道路段交通流运行状况相对较好。因此，政府相关部门在规划设计、管理中应注重提高过江通道衔接段的通行能力，使之与过江通道的通行能力相匹配。

3）根据回归拟合得到的交通流模型可以看出，进城方向自由流速度vf=41.35 km/h、阻塞密度kj=90.68 veh/（km·lane），出城方向自由流速度vf=51.90 km/h、阻塞密度kj=86.21 veh/（km·lane）。从散点图中也可看出，进城方向交通流密度普遍高于出城方向，说明进城方向相较出城方向交通流运行质量更差。交通管理部门应根据进出城差异的特点，梳理过江通道上下游交通流管制措施，加强进城下游和出城上游的交通流疏导，以提高过江通道的交通运行质量和利用率。

4）交通流速度-密度关系模型在描述过江通道交通流运行状况时应根据桥梁的位置进行分段，至少包含桥头段和桥中段两部分。沱江一桥复线桥进城方向数据获取点位于桥头约50 m处的位置，出城方向数据获取点位于过江桥梁中段，因此，进城方向交通流受交织区域的影响较大，由速度-密度关系模型得到的自由流速度较小，阻塞密度较大。为提高桥头交织段交通运行质量，规划设计阶段应考虑适当增加交织段的车道数量，以提高过江通道整体的通行能力。

5）如何更好地利用过江通道带动城市区域交通拥挤状况的改善，仍需要做大量的研究和实践工作。下一步的工作，一是应采集更多的过江通道交通流数据;二是应对过江通道分段进行研究，包括分段的具体位置、分段的方法等;三是应将过江通道的衔接道路纳入整体研究范围，以综合改善过江交通的拥挤状况。

参考文献/References：

[1]郑世琦. 城市过江通道施工期影响区域交通组织方法研究[D].成都：西南交通大学，2016.

ZHENG Shiqi. Research on Methods off Traffic Organization on Influence Area During the Construction of Cross-River Pathway[D]. Chengdu： Southwest Jiaotong University， 2016.

[2]卢银桃，尹海伟. 南京过江通道建设对江北沿江地区可达性的影响[J]. 国际城市规划，2013，28（2）：69-74.

LU Yintao， YIN Haiwei. Accessibility in uence on north bank of Yangtze River in Nanjing from building river-crossing passage [J]. Urban Planning International， 2013，28（2）：69-74.

[3]马淑梅. 绕城高速公路交通流特征及交通流模型研究[D].兰州：兰州交通大学，2016.

MA Shumei. The Belt Freeway Traffic Flow Characteristics and Traffic Flow Model Research [D]. Lanzhou： Lanzhou Jiaotong University， 2016.

[4]张存保，万平，梅朝辉，等. 雨天环境下高速公路交通流特性及模型研究[J]. 武汉理工大学学报， 2013， 35（3）： 63-67.

ZHANG Cunbao， WAN Ping， MEI Chaohui， et al. Traffic flow characteristics and models of freeway under rain weather [J]. Journal of Wuhan University of Technology， 2013， 35（3）：63-67.

[5]孙煦，陆化普，吴娟. 北京市快速路速度-流量-密度关系研究[J]. 公路工程，2012，37（1）：43-48.

SUN Xu， LU Huapu， WU Juan. Research on speed-flow-density relationship model of Beijing urban expressway [J]. Highway Engineering， 2012， 37（1）：43-48.

[6]赵娜乐. 基于物理属性的城市快速路交通流特征参数模型[D].北京：北京交通大学，2010.

ZHAO Nale. Traffic Flow Characteristic Parameter Models of Urban Expressways Based on Physical Properties [D]. Beijing： Beijing Jiaotong University， 2010.

[7]PARK S， RITCHIE S G. Exploring the relationship between freeway speed variance， lane changing， and vehicle heterogeneity[C]// Proceedings of the 83rd Annual Meeting of Transportation Research Board. Washington DC： TRB， 2004： 9-13.

[8]李悦，陆化普，蔚欣欣. 城市快速路交通流特性分析[J]. 公路工程，2013，38（6）：87-91.

LI Yue， LU Huapu， YU Xinxin. Research on traffic flow characteristics of urban expressway[J]. Highway Engineering， 2013， 38（6）：87-91.

[9]邵春福，肖崇紫，王博彬，等. 最小安全间距约束下拥挤交通流速度-密度关系模型[J]. 交通运输工程学报，2015，15（1）：92-99.

SHAO Chunfu， XIAO Chongzi， WANG Bobin， et al. Speed-density relation model of congested traffic flow under minimum safety distance constraint [J]. Journal of Traffic and Transportation Engineering， 2015，15 （1）：92-99.

[10]徐程，陈晓明. 交通流速度-密度模型特性分析[J]. 公路交通科技，2014，31（2）：114-120.

XU Cheng， CHEN Xiaoming. Analysis of characteristics of traffic flow speed-density relation model [J]. Journal of Highway and Transportation Research and Development， 2014， 31（2）：114-120.

[11]泸州市统计局.泸州统计年鉴2016[M].北京：中国统计出版社，2017.

[12]刘冬，曹雪山，苗选. 基于潮汐交通的可变车道分流带设置研究[J]. 河北工业科技，2014，31（5）：372-377.

LIU Dong， CAO Xueshan， MIAO Xuan. Research on tidal traffic based variable lane isolation belt setting [J]. Hebei Journal of Industrial Science and Technology， 2014， 31（5）： 372-377.

[13]王晓宁，吴志涛. 低密度区高速公路平直段交通流速度和流量关系研究[J]. 公路交通科技，2014，31（11）：130-136.

WANG Xiaoning， WU Zhitao. Research of speed-volume relationship of expressway straight section in low-density area [J]. Journal of Highway and Transportation Research and Development， 2014， 31（11）：130-136.

[14]孙宇星，陈德望，吴建平. 北京市快速环路速度-密度模型研究[J]. 北京交通大学学报，2004，28（6）：70-73.

SUN Yuxing， CHEN Dewang， WU Jianping. Research on traffic stream speed-sensity model of Beijing urban expressway [J]. Journal of Beijing Jiaotong University， 2004， 28（6）：70-73.

[15]曹亚康，刘立英，王卫卫. 城市快速路交通流速度-密度模型研究[J]. 物流技术，2013，32（7）：166-169.

CAO Yakang， LIU Liying， WANG Weiwei. Study on speed-density model of traffic flow on urban freeways [J]. Logistics Technology， 2013， 32（7）：166-169.

[16]董春娇，邵春福，诸葛承祥，等. 基于实测数据的快速路交通流参数模型[J]. 交通运输系统工程与信息， 2013， 13（3）： 46-52.

DONG Chunjiao， SHAO Chunfu， ZHUGE Chengxiang， et al. Estimating traffic flow models for urban expressway based on measurement data[J].Journal of Transportation Systems Engineering and Information Technology， 2013， 13（3）：46-52.

[17]翟會君，翟亚锋，朱涛，等. 基于回归-ELM神经网络模型的滑坡变形及失稳预测模型[J]. 河北工业科技， 2017， 34（6）： 440-447.

ZHAI Huijun， ZHAI Yafeng， ZHU Tao， et al. Prediction model of landslide deformation and instability based on regression-ELM neural network model [J]. Hebei Journal of Industrial Science and Technology， 2017， 34（6）：440-447.