城市道路占道施工条件下基于速度-流量的交通疏解预测模型

2023-03-15裴玉龙何庆龄徐慧智杨钰泉

公路交通科技 2023年1期

裴玉龙，何庆龄，徐慧智，侯琳，杨钰泉

(东北林业大学交通学院，黑龙江哈尔滨 150040)

0 引言

随着城镇化进程的加快，以地铁、快速路、供热管线为主的城市基础设施建设逐年增多。城市道路占道施工期间，路段通行能力降低，区域路网原有容量减少，提高了交通拥堵发生的可能性。研究表明，交通拥堵不仅增加出行成本，而且会增加驾驶员的精神负荷、心理疲劳和应激水平[1]，产生交通外部成本，增加社会平均经济损失[2]。

Tay等[3]认为占道施工期间道路服务水平降低，施工结束后，道路服务水平恢复至原有状态，在交通流量不变的条件下，服务水平的降低主要是因道路原有通行能力受到重型车辆、驾驶员人数、施工围挡和施工现场作业活动的影响[4]。同时Chelugo[5]研究表明占道施工期和竣工恢复期为城市交通事故的多发期。Raju等[6]认为占道施工作业期间通过道路指示标志及信息媒体等手段提示驶入施工作业区的驾驶员，在交通流量不变的条件下，路段行程车速可提高28.5%。Aschauer等[7]认为合理的交通组织可提高路网整体通行效率，减少区域内交通瓶颈和拥堵概率，降低出行成本。

道路通行能力手册依据施工作业占据车道时间，将占道施工区划分为短期占道施工区和长期占道施工区，并指出车道宽度对占道施工区通行能力有重要影响[8]。邵长桥等[9]认为改扩建道路中间带开口长度对道路运行速度和通行能力有较大影响。于玲等[10]认为主次干路在城市道路网中的作用是影响通行能力的主要因素。张锐等[11]探究了突发交通事件下交通流失效机理，构建了基于尖点突变模型的交通流失效分析模型。徐程等[12-13]采用阈值法和时间序列法筛选剔除恢复交通数据，在分析10种典型的交通流速度-密度关系模型的基础上，采用非线性最小二乘法对北京快速路实测数据进行了拟合，得到了适应于我国快速路交通流特性的结论。Weng等[14]提出通过占道施工区容量分配确定速度-流量关系的方法。孙然然等[15]分析了交通事故风险与交通流状态的变化关系，构建了基于支持向量机的危险交通流状态识别模型。戴学臻等[16]以连续通过道路断面的车流量作为划分时间间隔依据，提出了基于集对分析理论的交通运行状态评价方法。Yuan等[17]根据交通运行状况的实时性和动态性，建立了城市道路服务水平综合评价指标体系，构建了交通运行状况综合计算模型。张萧萧等[18]提出以施工范围、工期、影响流线等为整合因素，利用周边路网分流，确保主流向通行。宋永朝等[19]提出以道路饱和度和区间平均车速为评价指标，制定施工期间交通组织优化方案。

国内外占道施工的研究主要是以城市基础建设为背景，以调查数据为基础，通过建立占道施工影响区域内速度、流量、密度之间的关系，探讨占道施工对道路通行能力、驾驶行为和出行成本的影响及变化规律，提出交通组织方案，以道路服务水平、交通安全和经济成本为指标，构建交通组织疏解方案的评价模型。

1 研究对象与数据处理

1.1 研究对象

占道施工以建设周期为标准可划分为短期、中期、长期占道施工；按照施工围挡位置及封闭形式可分为完全、部分占道施工和基本不占道施工。占道施工期间路段通行能力降低，施工重型车辆增多，原有交通运行环境改变，交通运行状态出现阻滞中断现象的可能性增加。占道施工期间的交通组织是根据工程建设周期和施工需要，结合周边路网容量，以均衡施工期路网交通负荷为目标，通过合理的组织诱导疏解，降低施工期间交通影响，提高出行效率，节约社会平均成本的措施。

本研究以哈尔滨市2019年供热主管线施工区域33条路段(包括施工道路和疏解道路)为研究对象，施工建设为期3个月，属于中期施工，施工围挡宽度为7～8 m，属部分占道施工(路侧、路中)。施工道路总长6.89 km，其中主干路约5.83 km，次干路约0.42 km，支路约0.64 km。施工道路周边比邻主次干路路网见图1。

图1 施工道路周边比邻主次干路路网Fig.1 Construction road is adjacent to network of main and secondary roads

1.2 数据预处理

数据预处理是以《城市道路工程设计规范》(CJJ 37—2012)中规定的道路设计通行能力及设计车速作为最大阈值，以每5 min扩充后的交通流量和车速为判断依据，通过阈值法对原始调查数据进行异常诊断剔除，剔除后的数据采用基于时间序列的方法恢复。阈值法判断异常数据的标准见表1。

表1 异常数据判断标准Tab.1 Criteria for judging abnormal data

时间序列数据恢复方法公式为：

(1)

采用阈值法及时间序列方法从3 168条现状交通流量与车速调查样本中剔除恢复交通流量样本54条，车速样本24条；从3 168条施工期交通流量与车速调查样本中剔除恢复施工期交通流量样本52条，车速样本18条，共计148条。

1.3 数据分析

数据分析是指通过交通流量和车速定量反映路网交通运行状态，明确道路设施利用情况，发现空置资源及路段可疏解分担量，均衡交通负荷，确保交通参与者从道路运行状况、交通与管制条件、道路运行环境等交通状态所能得到的服务水平最高。服务水平评价是指以饱和度和车速为衡量指标，通过道路通行能力、交通流量和车速计算划分交通运行状况等级的评价方法。

由图2(a)和图2(b)，并结合表2可知，现状和施工期间的高峰交通流量均值分别为986 pcu/h和911 pcu/h，交通流量主要集中在500～1 500 pcu/h，占道施工期间交通流量整体降低7.6%。由图3(a)和图3(b)，并结合表2可知，现状和施工期间的速度均值分别为13.9 km/h和13.0 km/h，现状高峰时期车速主要集中在10～20 km/h，施工期主要集中在5～15 km/h，占道施工期间车速整体降低6.4%。现状和施工期交通调查数据频率散点见图2和图3，数据统计分析结果见表2。

图2 路段流量频率散点图Fig.2 Road volume frequency scatter plots

图3 路段速度频率散点图Fig.3 Road speed frequency scatter plots

由表2可知，施工期间区域路网交通流量均值下降，施工期中值高于现状，车速均值和中值均下降。由图4(a)和图4(b)可知，施工期以饱和度为指标的评价结果相较于现状变化幅度不大，主要原因是以饱和度为衡量指标的服务水平评价方法适用于非饱和流交通运行状态评价，现状和施工期高峰交通流量均处于饱和流状态，故评价结果基本一致。施工期以车速为衡量指标的服务水平等级占比结果较现状：C，F分别增长1.2%，12.8%；D，E分别下降11.1%，12.9%，主要原因是占道施工期间通行能力降低，道路负荷增加，交通流处于过饱和状态，车速降低。以饱和度为衡量指标的服务水平评价侧重于道路通行能力和交通流量，以车速为衡量指标的服务水平评价侧重于道路设计速度和车辆实际行驶速度，由于车辆行驶速度受驾驶员驾驶行为和交通运行环境等多方面的影响，在高峰期间车辆行驶速度与设计车速相差较大，导致以车辆行驶速度为衡量指标的道路服务水平相较于以饱和度为衡量指标的道路服务水平较低，两者的评价结果相差较大。现状和施工期交通服务水平见图4。

表2 不同时期交通调查数据统计分析Tab.2 Statistical analysis of traffic survey data in different periods

图4 路段交通服务水平Fig.4 Road traffic service level

2 模型构建

2.1 方法思路

占道施工期间的交通疏解预测是以交通流三参数模型为基础，结合现状道路交通调查数据构建的区域道路路段单车道速度-流量二次关系模型。该模型假定施工期间道路交通流量不变，以区域道路服务水平均衡为目标，根据施工占道计划及路段交通基础设施，结合路段饱和度及车速，判断施工道路需要疏解交通流量及疏解道路可分担交通流量，疏解预测区域道路施工期间的路段交通流量、行程车速及综合服务水平。

该模型以区域道路实际路段交通流量及车速为依据，忽略区域OD出行量调查与分析，减少了工程前期的交通调查难度与工作量，从占道施工实际需求出发，疏解预测施工期间区域道路路段交通流量和行程车速，并计算综合服务水平，可均衡交通负荷，降低因施工期间交通路网拥堵瓶颈出现的风险，提高交通参与者的整体出行效率。

2.2 模型步骤及参数标定

疏解预测模型步骤如下：

(1)以区域道路现状路段交通流量和速度调查数据为基础，构建区域单车道速度-流量二次关系模型；

(2)明确施工占道计划及道路交通基础设施；

(3)确定道路现状服务水平，明确施工期道路通行能力；

(4)结合实际初步计算施工道路疏解交通流量及疏解道路可分担交通流量；

(5)计算疏解后的区域道路车速；

(6)判断是否符合评价标准，符合，则计算结束；不符合，则回到步骤(4)重新计算。

疏解预测模型流程见图5。

图5 施工期交通疏解预测流程Fig.5 Traffic dispersion prediction process during construction

根据现状交通调查数据，区域路段速度-流量单车道疏解预测模型拟合散点见图6(a)，模型拟合曲线见图6(b)，拟合模型摘要及参数估算值见表3。

图6 速度-流量单车道二次拟合散点及曲线Fig.6 Speed-volume single-lane quadratic fitting scatters and curve

表3 现状速度-流量二次曲线拟合模型摘要和参数估算值Tab.3 Current speed-volume quadratic curve fitting model summary and estimated parameter values

现状区域道路单车道速度-流量疏解预测模型为：

y=-1.27x2+56.68x-36.28，

(2)

式中，y为流量；x为车速。

2.3 模型结果

由图7(a)、图7(b)和图7(c)，并结合表4可知，占道施工期间施工道路疏解流量范围为150～650 pcu/h，区域整体疏解预测交通流量集中在500～2 000 pcu/h，整体较现状降低1.8%，较施工期实际调查数据增加6.3%。施工道路疏解后车速主要集中在10～20 km/h，整体较现状降低2.9%，较施工期实际调查数据增加3.8%。占道施工期间疏解预测交通数据频率散点见图7(a)、图7(b)和图7(c)，数据统计结果见表4。

图7 施工期间疏解预测交通数据频率散点图Fig.7 Dispersion predicted traffic data frequency scatter plots during construction

表4 施工期交通疏解数据统计Tab.4 Statistics of traffic dispersion data during construction

由表4可知，施工期间区域路网疏解后的交通流量均值下降，施工期中值较现状较高，行程车速均值和中值均下降。由图8可知，占道施工期间以饱和度为衡量指标的服务水平等级占比结果较现状：D，E分别增长14.0%，4.6%，A，B，C分别降低13.5%，3.6%，1.5%；以车速为衡量指标的服务水平等级占比结果较现状：C，F分别增长15.1%，14.8%，D，E分别降低13.9%，16.0%。占道施工期间以饱和度为衡量指标的服务水平等级占比结果较施工期间实际调查数据：B，D分别增长3.8%，12.2%，A降低13.5%；以车速为衡量指标的服务水平等级占比结果较施工期间实际调查数据：C增长13.3%，D，E，F分别降低2.8%，3.1%，7.4%。