高速公路交通事件评级机制研究

陈元元， 杜世贝， 冯松宝*， 葛大鹏， 巩舜妹

(1.宿州学院 资源与土木工程学院， 安徽 宿州 234000； 2.浙江高信技术股份有限公司， 浙江 杭州 310016； 3.安徽省交通规划设计研究院， 安徽 合肥 230000)

高速公路是我国道路交通运输的主要方式之一，对经济的发展起着重要作用。当高速某路网范围内发生多起交通事件时，管理部门需从事件交通影响程度的角度掌握情况，对事件关联路段进行流量管控与疏导，以避免拥堵的发生及扩散。因此，根据交通事件的影响程度对其进行等级划分，以指导制定相应的应急疏导方案是非常有必要的。

现有交通事件的研究集中在交通事件的成因及影响分析上，采用的方法主要有排队论和交通波理论。有学者对不同交通状况下交通事件的延误做了分析，提出了基于交通波理论的交通事件延误计算方法[1]；有学者在对交通事件的影响分析中，利用交通波理论进行定性分析[2]。在交通事件等级划分方面，现有研究主要从交通安全的角度，围绕交通事故造成人员伤亡或车辆损坏程度展开[3]，也有学者从高速公路运营管理的角度出发，研究高速公路交通事件处置等级划分[4]。

目前，交通事件对交通流影响程度(如排队扩散速度)的等级划分方法研究较少。本文从高速公路事件对交通运行影响程度的角度进行研究，分析交通事件影响等级划分的影响因素，建立合理的事件影响等级划分指标及机制，用于指导高速公路道路交通管理部门，对不同交通事件影响等级做出合理的响应和资源配置，从而实现事件影响的分级管理，提高高速公路应急管理水平。

1 高速公路事件分析

1.1 交通事件类型分析

高速公路交通事件类型较多，可根据不同标准对其进行划分，如事件类别、事件的持续时间、事件的影响车道数等。其中，不同事件类别又包括施工占道、交通事故等。选取2019年浙江省内部分高速公路主线的事件类型进行了统计分析，所有事件数据中，交通追尾事故占比最高，约为58.25%，事件类型统计如图1所示。

图1 事件类型统计

高速公路交通事件对车道的占用可以分为占用硬路肩、部分行车道被占用、全部车道被占用。对浙江省内部分高速公路主线2019年发生的追尾事故进行统计，87.2%的事故对道路的影响为占用部分车道。对部分车道被占用的情况进行了统计，追尾事故中占用一个行车道的情况占比约为64%；仅占用硬路肩的事故占比约为30%；占据两个和三个行车道的情况占比分别为6%和0.2%。针对主线各个车道占用情况，统计结果为硬路肩、一车道(最内侧车道)、二车道、三车道、四车道的占用情况分别为33.6%、44.9%、16.3%、2.8%、2.5%，所有追尾事故中硬路肩和一车道的占用率最高，事件占用车道数统计如图2所示。

图2 事件占用车道数统计

1.2 事件交通影响程度时空因素分析

当高速公路发生交通事件时，事件对交通运行影响的程度主要取决于事件持续时间、上游实际交通需求、通行能力变化等因素。交通事件持续时间主要包括：事件发现、事件响应、事件处置3个部分，如图3所示。交通事件持续时间越长，事件的影响程度越严重。

图3 事件持续时间

根据“Rubbernecking”效应[5]，即使不发生车道占用也可能导致通行能力下降，其主要原因是驾驶员因受事件影响而发生的换道和减速行为。因此，当事件仅占用硬路肩时也会对理论通行能力产生一定的影响；当事件占用行车道时，随着事件占用车道数的增加，通行能力会加速下降。上游实际需求越大，事件的交通运行影响程度越严重。

2 事件交通影响评级机制

2.1 交通事件严重程度评级流程

假定高速公路某路段的通行能力为Q，当前道路的实际交通量为βQ(0<β<1)，交通事件场景分析如图4所示。若路段某处发生了交通事件，导致路段实际通行能力减小形成了瓶颈区，其分割断面为A、B，导致受影响的区段通行能力减小，变为αQ(0<α<1)。当αQ<βQ时，即上游交通需求小于事件导致的剩余通行能力时，则造成路段拥堵及排队。

图4 交通事件场景分析

根据对交通事件影响程度的因素分析，造成的排队长度演变情况主要由事件延误时间、上游交通需求和占用车道数(或剩余通行能力)共同决定。本研究以排队长度的变化作为判断依据对事件的严重程度进行评级，将事件的交通影响程度分为4个等级。

一级：基本无影响。事件一般占用硬路肩或发生于交通需求较小的路段，对实际交通运行影响较小，不会造成排队，路段交通运行系统处于稳定状态。

二级：轻度影响。事件发生时占用行车道，但仅造成小范围的交通运行紊乱，排队长度增速较小，路段交通运行系统处于基本稳定状态。

三级：中度影响。事件发生时占用行车道，排队长度逐渐增加，事件的影响已经突破了交通运行系统的自我调节范围，需要采取一定的事件管控措施。

四级：重度影响。事件发生时占用多条行车道或上游交通需求较大，排队长度迅速增加，需要采取一些严格的管控措施，拥堵恢复时间较长。

事件影响的评级流程：首先，对上游交通需求和剩余通行能力进行分析；其次，基于上游交通需求和剩余通行能力分析结果，建立延误时长和排队长度的预测计算模型；最后，基于预测计算得到的延误时长和排队长度，对交通事件的影响进行评级。事件影响评级机制与流程如图5所示。

图5 事件影响评级机制与流程

2.2 基于排队论的事件评级方法

交通事件发生后，需对事件发生路段通行能力和上游交通需求进行标定，基于排队论方法对事件造成的排队长度演变进行预测。

2.2.1 通行能力与交通需求标定

美国《道路通行能力手册HCM2000》中道路剩余通行能力的建议值为剩余与原始道路通行能力的比值[6-7]，如表1所示。实际计算时可对其进行修正，依据高速公路的实时状况对剩余通行能力参数进行标定。

事件发生后的上游交通需求可通过对将到达事件发生位置的车流量进行预测获得。近年来，机器学习算法的引入大大提升了路径流量的预测精度，常用的机器学习预测模型包括XGBoost、GBDT、LSTM、SAEs等[8-10]。将预测的交通需求(即预期抵达事件发生路段的小时车流量)作为排队分析的输入，对事件的严重程度进行评级。

2.2.2 基于排队扩散速度的事件评级

对交通事件造成的排队及延误的分析最常用的是排队论方法[11-12]。基于排队论的排队长度分析如图6所示，qa(t)表示事件发生后时段t内的单位时间交通需求量；qb表示事件发生后的路段剩余通行能力；qc表示事件清理后的道路通行能力。

图6 基于排队论的排队长度分析

事件发生后T个单位时间后，理论上事件造成的排队长度(排队车辆数)L(T)可由如下公式计算：

(1)

式中：TX表示从事件发生到事件清理完成后的总时间。由于在实际应用中，事件的响应及清理时间未知，本研究以事件未被清理前(即t≤TX)的排队扩散速度为事件评级的参考指标。排队长度的平均扩散速度W(即排队长度单位时间内的增加或减少量的平均值)的计算公式：

W=L(T)/T

(2)

事件评级指标标准如表2所示。提出一种基于排队长度扩散速度的事件评级方法，排队扩散速度阈值(即W1、W2、W3)可由历史数据进行标定。在实际应用中，可从历史事件数据库中，选取前5%(或10%)严重程度的交通事件，运用排队论方法计算此类事件发生后15 min(或30 min)的平均排队扩散速度Wm，以Wm为基准，分别确定W1、W2、W3的经验值(例如W3=0.8Wm)。

表2 事件评级指标标准示例

3 仿真分析

3.1 仿真场景介绍

为进一步验证事件评级机制的有效性，利用微观交通仿真软件SUMO进行了不同情境下的交通事件仿真建模分析。SUMO作为常用的开源仿真软件，被运用于多项交通研究中[13-14]。仿真输入参数如表3所示，本文选取4车道高速公路为仿真场景路网结构。仿真场景相关参数设置：道路限速设置为120 km/h，车型及比例设置为小车85%、中型车5%、大型车10%，道路限行设置为禁止大型车内侧两车道行驶。仿真中车辆的跟驰及换道行为，选择SUMO中默认的Krauss和LC2013模型。

对最常见的两类交通事件(即事件造成1、2车道无法正常使用)进行分析，可以得到事件发生后0～30 min的排队长度扩散速度(基于SUMO中返回排队过程中队尾车辆与事件发生点间的距离计算得到)。

表3 仿真输入参数

3.2 仿真案例分析

对两类事件造成的排队长度随时间的演变情况进行分析，结果如图7所示。同一类型事件，造成排队扩散的严重程度与上游交通需求有关，交通需求越大，排队扩散速度越快；相同交通需求下，事件占用车道数越多，排队的扩散速度则越快。

(a) 占用一个车道 (b) 占用两个车道

为进一步量化拥堵传播速度与交通需求的关系，对多次重复仿真的排队长度结果进行分析，对得到排队长度扩散速度均值与交通需求的关系进行线性回归拟合，结果如图8所示。交通事件占用一个车道和两个车道时，排队扩散的最大速度(即Wm)分别为5.96 km/h和9.89 km/h。

(a)占用一个车道 (b)占用两个车道

以占用一个车道的事件为例，当交通流量约在2 800 辆/h以下时，道路的拥堵排队长度基本不变，较为稳定，排队扩散速度为1 km/h以下；当交通流量约在4 000 辆/h以下时，道路的拥堵排队长度增长较为缓慢，排队扩散速度为1.7 km/h；当交通流量在5 400 辆/h以下时，道路的拥堵排队长度增长较为迅速，排队扩散速度大于。因此，针对占用一个车道的事件，可采用W1=1.00 km/h、W2=3.12 km/h、W3=4.00 km/h为评级的排队扩散速度阈值。同理得到事件占用两个车道时的扩散速度评级阈值。不同交通需求下两类交通事件的评级结果如表4所示，在实际应用中，考虑到现实环境与仿真环境的差异性，仿真结果仅作为阈值标定的参考。

表4 四车道流量与事件等级对应关系 单位:辆/h

4 结 语

基于事件发生后道路交通的排队扩散速度，建立了高速公路事件严重程度的评级机制。首先，提出了一种基于排队论的交通事件排队扩散速度预测方法，输入数据来源于高速公路管理中通行能力和交通流量需求分析的结果，具备一定的实用性。其次，基于SUMO仿真分析验证了该评级机制在不同高速场景下的应用效果，包括不同的交通流量和事件占用车道数(或通行能力)场景下的效果,能够应用于未来高速公路事件检测系统，有助于提高道路交通运营管理水平，辅助交通管理者针对不同的事件严重程度，及时合理地采取相应的事件应急处置预案，从而提高道路的通行效率。