基于多指标融合的单交叉口运行状态实时评价方法*

蒋欢昕 王 涛 程一一 郭建华▲

（1. 东南大学智能运输系统研究中心 南京210018；2. 江苏省公安厅交通警察总队 南京210049）

0 引 言

交通状态的有效判别是制定交通管控措施的前提和基础。在城市交通网络中，城市信号交叉口处于瓶颈位置。交通流在交叉口处汇集并进行方向性分离，使得交叉口处的交通运行状况十分复杂，由此带来了一系列交通问题，如增加出行延误、影响出行效率、交通事故发生率上升等。对交叉口的运行状态进行准确、实时的评价，掌握交叉口处的交通运行状态，可以为城市道路交叉口的交通管控提供决策依据，促进交通流在交叉口处合理的时空分配，提高交叉口运行效率，保障城市交通网络的平稳运行。

评价指标的选择是交叉口运行评价的核心要素之一。在选取评价指标时，传统的交通数据检测技术，如线圈、地磁、微波、超声波等[1]，只能按照预设的时间段，收集路段上某个断面的交通数据，而难以获得交叉口范围内的路段交通状态数据，同时也难以匹配相应的信号周期，导致难以有效支撑交叉口运行的评价。随着当前智能交通技术的迅猛发展，以视频监测为代表的交通数据检测技术也日益多样化，传统的交通数据采集瓶颈也逐渐被突破，可直接获取的交通参数的种类也日益丰富，为交叉口评价指标的选择提供了较大的余地。

评价方法是交叉口评价的关键。虽然目前已有诸多交叉口运行评价方法，但受到交通检测数据的限制，这些方法或者只利用少量的交通数据，通过设定理想的交通运行环境，不考虑道路状况、交通基础设施、道路环境等方面对于交通运行状态的影响，估算诸如延误、停车率等交通参数；或者需要准确、全面的流量、饱和度等交通参数，难以在交叉口处的全部获取，导致不能适应实际的交叉口运行环境。此外，这些方法多是针对一段时间内交叉口的交通参数均值进行评价，以信号周期为评价单位的实时评价较少，难以满足实际应用的需要。

因此，本文以单交叉口的运行状态评价为目标，在充分考虑以视频技术为代表的现代交通检测技术发展的基础上，针对交叉口运行评价，确定了流量比、车速比、空间占有率和排队长度比4 个指标，并借鉴可拓物元法的评价框架，建立了基于多指标融合的单交叉口运行状态实时评价方法，为单交叉口的运行管理和控制提供支撑。

1 研究现状

近年来，国内外专家学者都对平面交叉口评价问题进行了深入研究，主要涉及评价指标的选取、指标权重的确定以及评价模型的建立3部分。

在评价指标的选取上，国内外学者已经进行了一系列研究。Zheng 等[2]基于仿真数据研究了排队长度和延误评价指标。Chin 等[3]研究了包括行驶里程、平均行驶速度、总延误3个指标的交通拥堵评价指标体系。Zheng 等[4]基于视频检测数据研究了饱和度、平均排队长度和延误3 个交叉口运行状态评价指标。饭田恭敬[5]给出的交通系统运行评价指标主要包括:通行效率、道路网密度、交通事故死亡率、交通事故率、交叉口延误和交通运行负荷度等。中国公安部在《城市道路交通管理评价指标体系》[6]中制定了灯控率、交叉口阻塞率、延误和车速等指标。陈征等[7]研究了基于射频识别技术（radio frequency identification，RFID）和视频检测数据的行程时间和速度评价指标。Su等[8]从点、线、面3个维度出发，研究了包括流量、平均速度、行程时间、拥堵持续时间、等的评价指标体系。葛兴等[9]基于现场观测数据提出了冲突率、严重冲突比例和单车事故影响指数等在交叉口安全评价指标。

现有的评价指标在选取时受制于交通数据采集现状，只能采集到少量的如车速、流量等传统的交通数据，然后假定理想的交通运行环境，计算延误、饱和度等作为评价指标；或者通过人为现场观测获得所需的数据，没有考虑实际应用中这些数据获取的可能性。但随着各种数据检测技术的发展，可以准确获取到的交通参数种类日益丰富，为评价指标的选取提供了更多的可能性。

交叉口评价指标权重的确定是评价模型建立的关键环节。梁心雨等[10]研究了基于三角模糊数的权重算法。郭秀珍等[11]在评价公交服务水平时，研究了基于层次分析（analytic hierarchy process，AHP）法的指标权重的研究。葛兴等[9]研究了基于vague集的指标定权方法。陈阳[12]结合层次分析法，研究了0～1强制评分法在综合交通运输发展体系中的指标权重判定。Zhang等[13]在评估道路交叉口的信号控制效率水平时，研究运用了专家打分法确定指标权重。王丽娟等[14]引入高斯白化函数、等面积法则确定参数和基于信息熵的聚类权的标定法，研究提出了改进的灰色定权聚类优选模型。龙思卿等[15]研究了基于IOWA（induced ordered weighted averaging）算子的RFID数据有效性指标的权重确定方法。

由上可见，权重确定方法研究较多。根据是否依据决策者主观信息赋权，将权重确定方法大致分为以下3种:客观赋权法、主观赋权法和主客观综合赋权法。客观赋权法需要大量的历史数据，主观赋权法又会受人主观因素的影响，可综合多位专家的意见来赋权。

交通运行状态评价方法的研究也已有比较完善的理论。常用的评价方法有层次分析法、灰色关联度法、模糊综合评价法、神经网络评价法等。张鹏等[16]研究了一种基于蒙特卡洛模拟的交叉口服务水平综合评价方法。Chen等[17]研究了一种新型的交通网格模型，用于评价和判断整个城市道路网交叉口的交通状况和延误。张彭等[18]研究了基于出行时间指数（travel time index,TTI）概率分布模型的道路拥堵概率估计方法，可以应用于交通运行评价。Lin 等[19]研究了基于城市宏观交通流理论的双流体模型的城市道路网运行评价模型。刘明林等[20]进行了基于数据包络模型的公共交通运输效率评价的研究。戢晓峰等[21]研究了基于熵权物元可拓模型的公共交通优先发展度评估模型。Zhang等[22]研究了基于层次分析法和灰色关联分析结合的道路进口交通流运行状态评价。

分析可得，现有评价方法在应用时需要较多的历史数据进行模型参数的迭代，在提高评价准确性同时，影响了模型的计算速度。同时，这些方法往往是针对一段时间内的平均交通数据，逐周期的实时评价研究较少，评价结果有滞后。

综上所述，当前的单交叉口运行评价中尚存在几个需要解决的问题。首先，交叉口运行评价指标的选择往往受到传统交通数据采集技术的限制，没有考虑交通检测技术发展而带来的丰富数据源，导致了在实际应用中存在局限性。其次，交叉口评价指标的权值确定是交叉口评价的核心环节之一，需要实现客观赋权与主观赋权的综合平衡。最后，当前交叉口运行评价方法往往针对一段时间内的交通运行平均状态，并且通常需要较长一段时间的历史数据进行模型初始化，导致评价的实时性不高，难以适应现实交叉口交通管理的要求。针对上述问题，本文充分考虑以视频技术为代表的交通数据采集方法，选择多个评价指标，并基于专家打分，利用层次分析法实现指标的赋权，最后基于可拓物元框架，构造基于多指标融合的交叉口运行状态实时评价方法。

2 评价方法

由于影响城市信号交叉口运行状态的因素较多，单用一个指标已经不足以满足交叉口运行状态评价的需求。所以如何在评价模型中融合多指标一直是一个需要重视的问题。基于可拓学的物元评价方法采用“事物、特征、量值”三要素描述与分析待评价的事物，可以较好的融合多种指标，将待评对象转化为定量的数学模型。因此，本文借鉴基于可拓学的物元评价方法框架，建立城市信号交叉口运行的实时评价模型。

2.1 方法整体流程

基于多指标融合的单交叉口运行状态实时评价方法的整体流程包括5 步:①评价指标确定；②模型固定参数确定，包括指标权重的确定和经典域及节域物元矩阵的确定；③关联系数计算；④综合关联度计算；⑤评分结果确定。本方法的整体流程见图1。

图1 方法整体流程图Fig. 1 Overall flowchart of the proposed method

2.2 评价指标选择

评价指标的选取是交叉口运行评价的初始步骤，对评价结果具有重要影响。随着视频检测技术的逐渐成熟，可以准确、实时的获取许多之前无法采集的交通参数，为评价指标的选择提供了多种选择。考虑城市交叉口运行状况的影响因素，重点分析视频采集技术可获得的交叉口处的交通参数，本文选取了流量比、车速比、空间占有率和排队长度比共4个代表性指标，分别说明如下。

1） 流量比。流量比定义为实际流量与车道的设计流量的比值，取值范围为0～1。该指标值越大表示交叉口的流量越接近设计流量，当接近1时，表明交叉口处的交通量接近交叉口处的设计流量。若实际检测到的流量超过设计流量，流量比取1。

2） 车速比。车速比定义为交叉口处机动车的实际行驶速度与相应车道上的参考车速的比值，取值范围为0～1。该指标值越大表示交叉口的运行效率越好，当接近1时，表明交叉口处的车速接近交叉口处的参考车速。若实际检测到的车速超过参考车速，车速比取1。车道的参考车速为车道设计车速与车道限制车速中的最小值。

3） 空间占有率。空间占有率定义为观测路段上的车辆总长度与该路段长度之比，取值范围为0～1。该指标值越大表示交叉口的运行效率越差，当接近1时，表明停驶在交叉口处的车辆已接近占满整个交叉口区域，拥堵严重。

4） 排队长度比。车辆在交叉口进口道遇到红灯会产生排队现象，本文取排队车辆长度与设计最大排队长度的比值作为评价指标，取值范围为0～1。排队长度比的值越大表示交叉口的运行效率越差，当接近1 时，表明交叉口处车辆的排队长度已经接近最大设计排队长度，拥堵严重。若实际检测到的排队长度超过最大设计排队长度，排队长度比取1。

2.3 模型固定参数确定

2.3.1 指标权重确定

指标权重是交叉口评价方法的重要输入参数。本文基于专家打分，选用层次分析法确定指标权重,实现主观赋权与客观赋权的综合平衡，主要分为3步，即构造判断矩阵、计算待定指标权重和判断矩阵一致性检验，其流程图见图2。

图2 赋权流程图Fig. 2 Weighting flowchart

首先，构造判断矩阵。判断矩阵由两两指标的相对重要性比值组成。基于前述的流量比、车速比、空间占有率和排队长度比4 个指标，本文构造的判断矩阵A 见式（1）。

式中，aij为第i（i=1，2，3，4）行指标比第j（j=1，2，3，4）行指标的相对重要度，并满足aij= 1/aji的条件，其中下标1，2，3，4分别对应流量比、车速比、空间占有率和排队长度比4个指标。

判断矩阵中的相对重要度来源于专家打分。在本文方法中，专家打分需要参考9级评分标准，如表1。该9级评分标准是用从1～9的数字来表示2个评价指标的相对重要性比值。可见，2个评价指标的相对重要性比值互成反比。根据表1，专家对评价指标两两比较打分，评判2 指标之间的相对重要性。在实际操作中，为消除主观打分的人为因素影响，可以邀请多位专家打分，分别计算指标权重，并取权重结果的算术平均值作为最终结果。

表1 9 级评分标准Tab. 1 9-level scoringstandard

其次，计算判断矩阵对应的待定指标权重。待定指标权重为判断矩阵最大特征根组对应的特征向量，记为W。计算时，将判断矩阵中的每个元素除以其所在列的和，得到规范化判断矩阵Ag（见式（2）），然后计算规范化判断矩阵每一行的算术平均值，得到判断矩阵的最大特征根对应的特征向量[23]，即为指标权重。因为此时计算得到的指标权重还没有进行一致性检验，所以记为待定指标权重。

最后，对判断矩阵进行一致性检验。为避免在比较打分时出现逻辑错误，如当指标A 比指标B 重要，指标B 比指标C 重要时，误判指标A 不如指标C 重要，应检验判断矩阵的一致性。一致性检验就是要计算一致性比率CR 是否满足特定条件:如CR ＜0.1，则判断矩阵的不一致程度在容许范围之内，可判定判断矩阵和得出的权重都为有效，分配合理，得到的待定指标权重即为4个评价指标的权重；否则，需要重新构造判断矩阵，直到符合要求为止。

一致性比率CR 的计算公式见式（3）～（5）。

式中，CI 为一致性指标，其计算方法见式（4）；RI 为平均随机一致性指标；n为指标的个数，本文中为4；λmax为判断矩阵的最大特征根；( AW )i为判断矩阵A 与特征向量W 相乘所得向量AW 的第i个元素。

常用的1～10 阶判断矩阵的RI 已由Saaty[24]计算出，见表2，其中阶数即为指标的个数。其他表中未给出的任意k 阶判断矩阵的RI 可按以下方法计算:从1，2，…，9 和1/2，1/3，…，1/9 共17 个数中按1/17的平均概率均匀随机抽取k2个数，组成k 阶判断矩阵，依据式（4）计算此判断矩阵的CI ，重复多次抽样计算，求CI 的平均值，即为k 阶判断矩阵的平均随机一致性指标RI 。

表2 平均随机性一致性指标RITab. 2 Mean Random Consistency Index RI

2.3.2 经典域及节域物元矩阵确定

交叉口运行状态评价指标的经典域矩阵由各级评价等级对应的指标取值范围组成，节域矩阵由为全体评价等级对应的指标取值范围组成。本文中各指标均作了归一化处理，所以指标的节域取值范围为[0,1]，评价等级划分为100级，每一级指标的经典域取值区间长度为0.01。因此，交叉口运行评价经典 域的第j 级经典域矩阵记为Rj，见式（6）。

式中:j 为第j 级评价等级；C1,C2,C3,C4分别为流量比、车速比、空间占有率和排队长度比4 个评价指标；v1j，v2j，v3j，v4j分别表示4个评价指标在第j级评价等级的取值范围；[ ]aij,bij，i = 1,2,3,4 为第j级评价等级取值范围的上下限值。

评价指标的节域矩阵记为Rp，见式（7）。

式中:P 为全体评价等级；v1p,v2p,v3p,v4p为评价指标对于全体评价等级p的取值范围；[ ]aip,bip，i =1，2，3，4为全体评价等级p取值范围的上下限值。

2.4 关联系数计算

关联系数的计算是本文交叉口运行评价方法中的关键步骤。该步骤计算得到待评价交叉口的运行状态与各等级评价指标的关联程度，即关联系数，其值越大表示待评价交叉口的指标评价分数与这一级指标对应的评价分数越接近。

在计算关联系数前，需要将实际的待评交叉口的指标参数值以矩阵的形式进行表达，构成交叉口待评物元矩阵，记为R0，见式（8）。

式中:P0为待评物元；v10，v20，v30，v40为待评价指标的实际值。

关联系数的计算见式（9）～（12）。根据点与区间的位置关系，关联系数的计算分为3种情况:①vi0的取值在区间vij内；②vi0的取值不在区间vij内时，P( vi0,vij)的含义是指实轴上点vi0与区间vij=(aij,bij)之前的距离，且不等于0；③vi0的取值不在区间vij内时，且距P( vi0,vij)等于0。

式中:Kij(vi)为第i 个指标的第j 级的关联系数；vi0为第i个指标的交叉口实际值；[ aij,bij]为第i个指标第j级取值范围的上下限；vip为第i个指标的全体评价等级的取值范围；[aip,bip] 为第i 个指标全体评价等级的取值范围上下限。

2.5 综合关联度计算

综合关联度表示待评交叉口的运行状况与各级评价等级相符的程度，计算时在关联系数中考虑评价指标权重的影响，见式（13）。

式中:Kj( R0)为待评价交叉口与第j 评价等级（分数为j）的综合关联度；kij(vi0) 为第i 个指标的第j 级的关联系数；wi为第i个指标的权重。

2.6 评分结果确定

计算出待评价交叉口对应于每一等级运行状态的综合关联度后，确定出最大的综合关联度（见式（14）），此时对应的评价等级j 即为待评交叉口的评价分数。

式中:Kmax最大综合关联度；Kj( R0)为待评交叉口与第j评价等级的综合关联度；j是评价等级。

3 实例分析

3.1 交叉口概况

丰县地处江苏省徐州市西北部，近年来机动车数量增加迅速，而丰县老城区道路老旧，拥堵问题日益突出。本文选择丰县老城区人民路-向阳路、人民路-工农路和人民路-支农路3个交叉口作为研究对象，验证本文评价方法的有效性。3个交叉口的概况见图3。

图3 实例交叉口平面图Fig. 3 Diagram ofselected intersections

3.2 仿真数据准备

3.2.1 模型参数设置

Vissim 是一款微观交通建模与仿真软件工具，通过在软件中设定实际交通系统中的车道形式、车型比例构成、信号配时方案等交通条件，实现对交通系统的运行仿真，生成可视化的交叉口交通运行状况，并输出交叉口各种统计数据，如平均车速、行程时间、排队长度等。本文采用Vissim 仿真软件工具进行方法的实际验证，为此，根据图3所示的实例交叉口平面图，建立Vissim交通仿真模型。

为了研究在不同的交通状态下，本文提出方法的有效性，在Vissim 仿真模型中分别设置了3 种不同的交通状态。为此，在Vissim交通模型中，将图3所示3个交叉口的A～H共8个进口路段交通量分别设置为100，500，1 200 pcu/h，分别对应交叉口交通运行的畅通状态、中等状态和拥堵状态，这样，分别运行3 种状态下的Vissim 交通仿真模型，可以采集到不同状态下的交叉口交通仿真运行数据，支撑不同状态下的交叉口运行评价验证。需要说明，对每一种状态而言，仿真模型中的所有8 个交叉口的流量设置都相同。

此外，本文选择的交叉口都有信号控制，均为4相位信号控制交叉口，各个交叉口的信号配时方案设置见图4。

3.2.2 仿真数据统计

为了获取交叉口运行评价所需的仿真数据，需要激活相应的Vissim交通参数检测模式，使用Vissim的仿真数据采集功能。在本文工作中，在Vissim仿真模型中每个交叉口的每条车道上设置了相应的行程时间检测器、数据采集检测器、排队计数器，并开启了相应的行程时间检测模式、数据采集点模式、排队计数器模式3 种模式，同时将计数周期设置为信号周期，得到了每条车道的长度，同时获得了车道上的流量、平均车速、空间占有率和排队车辆数等交通数据，并输出为Excel兼容格式文件。在仿真过程中，观察到检测器位置的设置会使测得的交通参数会有小范围的波动，但对评价结果的影响可以忽略不计，近似可以忽略检测器安装位置对评价结果的影响。

图4 交叉口信号配时方案Fig. 4 Timing schemes of selected instersections

在获得不同交通状态下的仿真数据基础上，将收集到的数据按照本文提出的评价指标的定义，计算得到各个进口道的流量比、车速比、空间占有率和排队长度比。在计算过程中，依据中国《2006年快速路和主干道交通状况调查报告》[25]中排队长度的划分等级，结合交叉口的实际情况，将最大排队长度定为150 m。然后以各个进口道的流量在交叉口流量之和中的占比为权重，将各指标做加权平均值，从得到交叉口的4个指标参数值。

在本次仿真实验中，针对3种交通状态，每个交叉口每种状态分别统计5个信号周期，共计45组数据。

3.3 模型固定参数确定

3.3.1 指标权重确定参考刘飞强[26]和陈海清[27]等的研究，邀请10 位专业人员进行打分，根据打分结果，利用层次分析法，分别计算出10组指标权重，并求其平均值，作为最终指标权重。下面仅以一位专家为例，说明运用层次分析法计算指标权重的过程。

首先，构造判断矩阵。专业人员参照9 级评分标准，对评价指标两两比较打分，评判指标的相对重要性，由各分值构造判断矩阵，见式（15）。

根据该矩阵，如第1行第2个数为0.5，表明该专家认为流量比相对于车速比的相对重要度为0.5，即相对流量比而言，速度比对评价交叉口运行状况更为重要。

其次，计算待定指标权重。在实际计算时，将判断矩阵中的每个元素除以其所在列的和，得到规范化判断矩阵，并计算规范化判断矩阵中每一行的算术平均值，得到判断矩阵的的待定指标权重，结果见表3。

表3 待定指标权重Tab. 3 Undetermined Index Weight

根据10 位专业人员打分计算出的指标权重如下表4，计算平均值，最终得到本文4 个评价指标的权重，分别为0.27，0.17，0.23，0.33。

3.3.2 经典域及节域物元矩阵确定

因为本文中各指标均作了归一化处理，所以各个指标的整体取值范围（即节域）为[0,1]。此外，本文采用百分制评价交叉口运行状况，评价等级划分为100 级，每一级指标的经典域取值区间长度为0.01。以第1级为例，将第1级经典域矩阵记为R1，见式（16）。

表4 指标权重计算结果Tab. 4 Result ofindex weight

该矩阵表示由取值范围均在第1 级的4 个评价指标组成的矩阵。 C1,C2,C3,C4分别表示本文的4个评价指标，即流量比、车速比、空间占有率和排队长度比，右侧的取值范围分别表示在第1 级下各个指标的取值范围。

评价指标的节域矩阵见式（17）。

式中:P 为全体评价等级；v1p,v2p,v3p,v4p表示评价指标对于全体评价等级的取值范围，本文中均为[0,1]。如流量比指标C1在经过归一化处理以后，取值范围为[0,1]。

3.4 关联系数计算

在确定了固定参数后，可以进行关联系数的计算。以100 pcu/h的交通量输入水平为例，针对每一个交叉口选择1 组数据，共计3 组数据，进行关联系数计算过程的展示。对该3 组数据而言，首先计算得到3组交叉口评价指标，见表5。

由表5，选取每1个交叉口的指标平均值，得到针对3组数据的3个待评物元矩阵，分别记为式（18）～式（20）。

表5 交叉口评价指标Tab. 5 Indicators of instersections

针对上述3组待评物元矩阵，计算关联系数，见图5。可见，首先，3 个交叉口的关联系数都有明显的峰值；其次，各个交叉口不同指标所对应的评价等级各不相同，说明不同指标对交叉口运行评价的作用不同；最后，不同交叉口的评价指标峰值也各不相同，说明各个交叉口的运行状况也不相同。上述观察说明本文选择的指标具有较好的交叉口运行状况区分度。

3.5 综合关联度计算

在计算完关联系数后，按照指标权重将关联系数加权求和，得到待评交叉口每一等级的综合关联度。计算3 个交叉口在3 种不同交通量水平下某一周期数据的综合关联度，见图6。

图5 关联系数计算实例Fig. 5 Correlation coefficient examples

由图6可以看出，首先，各交叉口的综合关联度曲线均有峰值，表明针对每1组交叉口运行指标，都可以计算得到某一评价等级，表明了本文方法的可行性。其次，对每1个交叉口，不同的交通状态下的综合关联度各不相同，且按照畅通、中等、拥堵的顺序，所得到的综合关联度顺次降低，表明了本文方法的有效性。最后，在同等交通量输入水平之下，不同的交叉口的综合关联度也不同，表明本文方法可有效区分交叉口的实际运行状态。

3.6 评分结果确定

按照本文方法，再计算得到1～100 级的各级综合关联度后，找出最大综合关联度，其对应的评价等级即为该交叉口的运行评价得分。针对前述45 组交通数据，批量计算得到各个交叉口在不同交通量输入水平下的评价分数，见表6。

由表6可得以下结论。

图6 实例综合关联度Fig. 6 comprehensive degree of correlation

1） 本文方法可以以信号周期为评价时段，完成对交叉口逐周期的运行状态评价，表明本文方法具有实际工程应用的可行性。

2） 当交叉口各进口道的交通量发生变化时，评价分数也相应的发生改变。特别的，当各路段进口的流量分别设置为畅通、中等、拥堵3 种状态时，评价分数也相应的由高到低发生变化，表明本文方法的评价结果与Vissim仿真中各交叉口的运行状况一致，具有有效性。

3） 比较各交叉口的评价得分，发现人民路-工农路交叉口在3种交通量输入水平下的运行评分均为最低。深入分析该交叉口的交通和环境特性，发现该交叉口的车道宽度较窄，并且在南进口道存在右转车道和直行车道合并行驶的情况，交通流的交织穿插更为复杂，更易造成交通拥堵，影响交叉口的运行。因此，在同等条件下，该交叉口的评价分数在3个交叉口最低，表明本文方法能区分不同类型的交叉口运行状态，具有一般适用性。

表6 交叉口评价得分Tab. 6 Evaluation scores of selected instersections

4 结束语

有效的交叉口运行状态评价是提升交叉口管理与运行效率的前提和基础。本文在分析现有交叉口运行状态评价指标和评价方法基础上，结合当前以视频检测为代表的先进交通检测技术，设计了流量比、车速比、空间占有率和排队长度比共4个评价指标。然后，运用层次分析法，在咨询多位专家意见基础上，综合确定了各指标的权重。最后，应用可拓物元法框架，构建了基于多指标融合的交叉口运行状态实时评价方法。

在方法研究基础上，本文选择江苏省徐州市丰县主城区的3 个交叉口为研究对象，运用Vissim 仿真软件获得了不同交通量输入水平下的各指标参数，展示了本文方法的应用步骤，并实际评价了所选交叉口的运行状态，表明了本文方法具有可行性、有效性和对不同交通状态的适应性。

在当前研究的基础上，下一步工作主要有2 个方面:①考虑应用人工智能等先进的方法，充分挖掘并利用海量的交通数据，实现评价方法的自主优化，提高其自适应性；②从人、车、路3 个方面考虑影响交叉口运行状况的因素，扩展并设定更加全面的交叉口运行评价指标，从而实现交叉口运行更为深入、系统的综合评价。