收费口站前广场拥堵排队模拟与诱导方法

文/张鑫

1 前言

在高速公路系统中，收费站一直是以“瓶颈”的形象存在，影响着我国高速公路运输业的发展。对收费口站前广场的车辆排队情况建立模型进行预测，根据预测结果可以对高速公路出入站交通流进行交通管理，及时对交通流进行有效疏导，缓解收费站的服务压力，降低收费站造成的延误，提高收费站的出入站交通量。

2 收费站区域交通特性分析

本研究选取了重庆市南岸区迎龙收费站作为研究对象，该收费站是G5001 重庆绕城高速南岸区的一个收费站。该收费站的车辆车头时距情况如图1所示。

图1 车头时距分布频数图

从图1 看出，收费站的到达车辆的车头时距分布符合负指数分布，根据研究表明，在车头时距符合负指数分布的情况下，车辆到达分布符合泊松分布，选用泊松分布（式1）来描述收费站区域车辆的到达特性。

式（1）中：λ 为车辆平均到达率；t 为计数时间间隔；P(k)为在t 时间内到达k 辆车的概率。

对于采取不同收费方式的车道，服务时间是不一样的。由于电子不停车收费系统（Electronic Toll Collection， 简称：ETC）和人工收费系统（Manual Toll Collection，简称：MTC）在服务水平上有很大差异，因此对ETC 车道和MTC 车道的服务时间分别进行分析。ETC 车道的服务时间特性相对简单，其影响因素主要是驾驶员的驾驶技术、汽车性能以及收费站ETC 车道限速条件。在交通量较小，收费广场区域无排队时，车辆不用停车，只需减速到限速阈值以下即可快速通过收费车道完成收费，其服务时间等于车辆通过ETC 车道的时间。MTC 车道需要车辆停车进行人工收费，其服务时间相对于ETC 车道要花费更多的时间，即使在交通量较小时，只要收费通道中存在车辆在接受服务，后续到达车辆就需要排队等待。通过实际调研，MTC 车道的服务时间符合正态分布[1]。

车辆从主线道路进入收费广场，通常情况下车辆会在上游路段开始进行适当减速，驾驶员再根据车辆类型和收费站各收费通道的实际情况进行变道。如一般安装了ETC 设备的小汽车，在上游路段会更倾向于左侧车道行驶；货车由于需要称重过磅，货车会在上游路段倾向于右侧车道行驶。在进入收费广场后，车辆会进一步减速并根据收费站各收费车道的排队长度选择合适的收费车道进行收费。MTC 车辆到达收费亭后需要停车进行人工收费，收费结束后才会加速驶离。ETC 车辆进入ETC 车道无须停车等待，通常以20km/h 的速度通过ETC 车道，然后加速驶离。车辆通过收费车道的时间与车辆类型、驾驶员和收费系统有关[2]。

在此将影响收费站车辆运行特性的区域进行划分，主要划分为：上游区域、减速区域、收费区域、加速区域以及下游区域，如图2 所示。

图2 收费站区域划分示意图

3 收费站排队仿真模拟

排队问题中各种相关要素组成的有机整体称为一个排队系统。排队系统主要有三个基本组成部分：输入过程、排队及排队规则、服务机制。通过VISSIM平台对迎龙收费站收费排队进行模拟，建立仿真方案如下：

第一步，设定收费站的收费车道为3 条。其中，ETC 车 道2 条，MTC 车道1 条，ETC 车道与MTC 车 道流量比为9∶1，初始车辆到达率为1500veh/h 每次仿真增加100veh/h，增加至2500veh/h 结束。

第二步，分别将收费车道数量设置为3、4、5、6。其中，MTC 车道设置为1 条。分别仿真不同车道数量不同到达率情况下，各个收费车道的车辆排队长度并记录分析数据。

VISSIM 平台的输入模块中，车辆的到达分布选择泊松分布，车辆跟驰模型选择驾驶生理-心理模型。ETC 车道为不停车收费，通过设置减速区域实现仿真，设定通过速度为20km/h，MTC 车道需要停车收费，通过停车标志实现仿真，停车时间符合正态分布，期望为10 秒，方差为4s2。

运行模块中，设置排队计数器记录最大排队长度以及平均排队长度。由于VISSIM 平台在仿真的前600s 中交通量是不稳定的，因此设定仿真时间为4200s，分析后3600s 的仿真车辆排队长度。

运用SPSS 对收费站车辆平均排队长度数据进行分析，发现平均排队长度与车辆到达率和收费站车道数呈线性关系。拟对平均排队长度进行多元线性回归分析，得到多元线性回归方程（式2）。

式(2)中：Y 为收费站车辆平均排队长度；x1为收费站车辆到达率（veh/h）；x2为收费站车道数量[3]。

根据线性回归分析结果显示，拟合度为89.71%，车辆到达率的显著性水平sig = 0.0023 ＜0.05，收费站车道数量显著性sig = 0.0016 ＜0.05，因此该回归模型能够较好预测收费站的车辆平均排队长度。

同时运用SPSS 对收费站最大排队长度进行分析，发现收费站车辆最大排队长度与收费站车辆到达率和车道数量呈线性关系，以此拟建立多元回归模型对车辆最大排队长度进行拟合，得到多元线性回归方程（式3）。

式(3)中：Z 为收费站车辆最大排队长度。

根据线性回归分析结果显示，拟合度为86.84%，车辆到达率显著性水平sig = 0.036 ＜0.05，收费站车道数量显著性sig = 0.0010 ＜0.05，因此该回归模型能较好预测收费站车辆最大排队长度。

4 交通诱导方案

交通诱导是现代智能交通系统的重要组成部分，通过现代化信息技术手段向即将出行或者在途交通发布实时交通信息，引导未出行者出行方式和在途交通选择出行路线，将交通流合理分配在路网中。通过对迎龙收费站附近路网的实地调查，迎龙收费站的车流量主要来自石塔立交方向，经过T 型交叉口进入收费广场。迎龙收费站距离主线道路茶园大道很近，车辆经过交叉口后就直接到达收费广场，因此，当收费站发生拥堵，收费广场已经无法容纳全部车辆时，交叉口等待车辆无法进入收费广场，收费站的拥堵也会导致茶园大道该交叉口的拥堵。

根据“远端分流、逐级分流”原则，对于茶园大道前往迎龙收费站的车辆，选择石塔立交和生态园立交两个分流点进行诱导分流。其中石塔立交分流路线为：路线1——由石塔立交左转进入通江大道，再由开迎路经石渝收费站进入重庆绕城高速，全程约9.3km；路线2——由石塔立交右转进入通江大道-长生路-210 国道-惠西路从惠民收费站进入绕城高速，全程约12km。生态园立交分流路径：路线3——由生态园立交左转进入富源大道，经开迎路到达石渝收费站进入绕城高速，全程约5.3km。

通过移动手机平台和可变情报板来发布诱导信息。其中手机平台主要分为短信和地图APP 导航分别以文字、图像和语音的形式发布诱导信息。可变情报信息板设置在路侧或者中央分隔带，以文字、符号和数字的形式发布实时交通运行状况，发布信息实现交通诱导分流。

5 结语

采取了VISSIM 仿真模拟和SPSS 数据拟合分析，对收费站排队现象进行了研究，提出了针对收费站拥堵排队现象的诱导方案，并以迎龙收费站为例设计了交通诱导方案。

本研究还存在着一些不足之处，在仿真方案设计上，MTC 车道的设置始终保持1 条车道，这在实际中存在不合理性。在数据拟合阶段，由于只采取了迎龙收费站的数据进行模拟，回归模型的实际运用中，对其他收费站的预测误差可能较大。