基于降雨影响的交通疏导子区划分方法研究

常丽君

（吉林建筑科技学院，吉林 长春130014）

降雨作为常见的天然现象，对城市交通的影响不容忽视。从微观层面上讲，城市降雨会降低公路路面附着系数和司机能见度，使交通司机对周边环境的感知能力和对车辆的操作能力大幅度下降，引起城市交通车辆行驶速度和车距等的不良变化，最终影响城市交通安全。从宏观层面上讲，降雨现象会改变城市交通宏观车流量、车速甚至车辆密度等诸多因素，不同程度地降低城市交通系统的通行能力，使城市交通拥堵问题成为困扰城市环境治理的重要技术难题。现代城市解决交通拥堵问题的方法包括修建新交通路线，减轻原有交通主干道负担，但由于城市空间较为狭小且有限，该方法并不能成为城市交通疏导的有力途径，因此，研究降雨影响下的城市交通流疏导模型，探讨交通疏导子区划分方法具备重要的理论意义和现实价值。

1 降雨对城市交通的影响分析

在城市交通网络体系中，当出现降雨天气时，平时稳定的交通常态现状需求与供给将会向不稳定的非常态化的交通需求与供给方向转变，因此会呈现出特殊时期交通网络系统需求与供给趋势变化，将在一定程度上出现城市交通网络行程延误、道路通行能力降低甚至出行分布方式不均匀等诸多问题，不同降雨程度对城市交通网络的影响分析如表1 所示。

2 降雨天气下交通流数据采集及微观交通流特性分析

笔者结合实际经验，在对交通流数据信息采集以及微观交通流特性进行分析的过程中，以吉林省长春市某道路为交通调查对象，借助现场勘查和实地调研等采集模型计算过程中所需的参数信息，利用翻斗式雨量计采集降雨量信息，得到调查时段内的降雨强度。再借助autoscope 视频检测器采集路段交通流量、交通密度、交通速度、车头车距、车头间距等相关参数，辅以激光检测仪校正，以不断提高数据采集准确度。

通过分析微观交通流量特性可知，不同强度的降雨对城市交通网络体系的影响有所不同，以我国气象部门所划分的降雨类型为标准，可以运用数理统计方法分析不同类型降雨强度下的车速、车间距等变量的分布特征。在此过程中，应剔除降雨强度随时间发生变化而造成的车头间距、车头时距以及车速变化影响，从而准确反映出不同降雨强度对城市交通流的作用。

3 雨天环境下交通流模型构建

城市交通流模型主要是考虑城市交通流量、交通速度、交通密度等因素之间的关系，并对其进行计算关系拟合得出的。在雨天环境下的城市交通网络体系中，根据实际测量得到的交通数据信息，分析各类参数关系后可得到雨天环境下的交通流模型。由于交通流模型种类繁多，本文为进一步增加交通流模型模拟的准确度，选择Van Aerde 模型为雨天环境下交通流模型基本结构，其计算公式如下：

其中，q 为流量，k 为交通流密度；v 为速度；vf为自由流速度；vc为最大流量对应的临界速度；kj为堵塞密度；qc为通行能力；c1、c2、c3为中间变量。

4 基于降雨影响的交通疏导子区划分方法

4.1 拥堵指数预测

城市交通堵塞指数是综合反映某一区域内城市交通路网运行现况的重要指标，以评价城市交通体系拥堵时的时空特征和强度。数据越高，则城市交通堵塞越严重。本文预测了吉林省长春市未来3 小时内每5 分钟的交通堵塞情况，并监控造成城市交通堵塞的降雨情况。选择基于K 近邻交通拥堵指数的预测模型，有效应对了城市交通网络体系的随机复杂性，也避免了预测过程中黑匣子存在对预测数据造成的影响。通过宏观观察城区交通拥堵影响因素，构建K 近邻模型的状态向量，根据状态向量对历史数据信息的归纳存储，计算未来状态向量和历史向量间的差距，搜寻最短的前k 个历史状态向量值，并计算出相应的预测值。在此过程中，对状态向量的构建、距离计算规则的设计以及预测值的计算方法设计为整个拥堵指数预测的重要内容。以状态向量设计为例，探讨基于降雨影响的拥堵指数预测，状态向量是比较未来数据与历史数据差异的根本所在，而本文预测模型包括的状态向量既有中期预测状态向量，也有短期预测状态向量。其中，短期预测状态向量是对历史数据信息的分析，对交通拥堵指数变化趋势相对稳定状况的预测，因此，在中期预测向量基础上增加当前时刻拥堵指数和拥堵指数变化趋势，以及未来一定时间内降雨趋势等因素，就可得到短期预测向量，判别降雨天气影响下的城市交通拥堵值。

4.2 影响范围的区域划分

在对吉林省长春市降雨天气下交通流数据采集以及微观交通流特性分析的基础上，判断该地区降雨影响下的拥堵系数，并进一步对降雨影响的交通范围进行区域划分。影响范围主要是指在预测的交通降雨持续时间内，在研究区域中降雨天气所引起的交通流堵塞，由此所构成的直接影响范围，且包含在交通路段堵塞产生时本该进入该直接影响范围的出行车辆，选择其外围路线绕行而产生的交通拥堵的影响范围，并将该部分影响范围作为降雨天气持续时间内的间接影响范围。也就是说，在降雨天气环境下，影响范围的区域划分包括直接影响范围和间接影响范围两大类。为了更科学、更具针对性地对降雨天气的影响范围进行控制，本文根据交通实现参数以及路网条件等相关指标，将预测范围划分为处置区、控制区及预警区，结构示意图如图1 所示，再针对不同区域进一步提出相应疏导措施，使降雨影响下的交通区域拥堵最小化。

图1 影响范围区域划分示意图

4.3 基于正交试验设计及蚁群算法的交通流疏导模型

所谓正交试验设计，也就是利用正交表进行试验设计，研究多因素多水平问题下的重要数理统计方法，该方法能够确定不同因素对试验指标的影响规律，判断不同因素之间的主次排序和交互影响作用，并最终选出各因素的水平组合，使待检测的指标值达到最优化。在本文基于正交试验的降雨影响的交通疏导子区域中，主要根据交通疏导最小化这一目的，选择相应评判指标，确定评判因素和评判对象和适宜正交表，在确定实验方案的基础上获得实验结果，通过分析试验方案、试验结果的极差、方差等统计数据，对正交试验结果进行合理解释。蚁群算法则是模拟生物蚂蚁群体觅食行为的仿生类研究算法，是借助局部路径信息在一定单位时间内对应路径上信息元素的更新，以此判断单位时间内所释放信息元素的影响因子，剔除路径长短对最终评判指标的不良影响。

本文在对降雨事件造成的交通影响范围控制区内实行的疏导方式主要包括交通管制和交通信号控制，达到交通拥堵最小化的基本目的。然而，现实城市交通网络体系中的交通流并非恒定不变，而是具有实时变化的动态性，尤其是在交通区事故发生后，该类动态性尤为突出，因此，为了最大限度反映城市交通现状和动态特质，制定更加科学合理的疏导方法，以动态化为基本原则，配备相应网络配流，继而得到网络配流的最优解，实时调控降雨天气影响范围内控制区的交通管制方案及交通信号控制方案，达到快速缓解交通拥堵的基本目的。

在这一过程中，对于降雨天气所影响的交通流疏导模型，可将其问题简单概括为多起点和多终点的城市路网选择问题，在起点已知和变动终点需求上，找到最短的总行程路径方案。在车辆出行过程中，车辆的路径选择主要包括车辆司机对出行前的路径信息以及出行过程中的实时路况反馈。以动态交通流匹配为基本原则，研究高动态交通需求路网中总行程最小的基本路径，构建基本函数关系如下：

其中，Z 表示总行程时间，xa（t）表示t 时刻路段a 上的出行者数，ca表示出行者以自由速度通过路段a 所需的时间。

5 结论

总之，在明晰降雨天气对城市交通不良影响的基础上，探讨降雨天气下城市交通流数据采集以及微观交通流的特性，构建符合城市现状的雨天环境下交通流模型，预测降雨天气下交通疏导区域的拥堵指数，对其直接影响范围和间接影响范围进行区域划分，最后以正交试验设计和蚁群算法为理论支撑，探讨雨天环境下交通流疏导模型，为城市交通网络的正常运行提供有效解决思路。