图状路况信息诱导下城市快速路的仿真研究

曾繁荣

（上海电科智能系统股份有限公司 上海 200063）

摘要：运用交通流理论和控制领域先进成果、计算机仿真技术，对城市快速路上图状路况信息板（GRIP）交通诱导策略进行考察和仿真测试。在 GRIP 诱导仿真研究中，根据 GRIP交通信息显示原理、信息元素及刷新频率，构造交通信息诱导下的响应规则。采用交通信息响应规则修正后的宏观交通流模型，结合算例路网开发仿真程序进行GRIP诱导仿真实验。实验结果表明，GRIP 诱导能有效改善道路拥堵，GRIP 中信息单元长度和刷新频率对诱导效果有显著的影响。

关键词：交通控制策略；城市快速路；宏观交通仿真；图状路况信息

Simulation study of Urban Expressway Based on GRIP

Zeng Fanrong

(Shanghai SEARI Intelligent System Co.，Ltd.，Shanghai 200063)

Abstract: In this paper， applying traffic flow theory and computer simulation technology， a simulation system for urban expressway is proposed to examine and test graphical route information panel (GRIP). According to the GRIP traffic information display principle， the information element and the refresh frequency， the traffic information response rule is constructed in the GRIP induced simulation study. Based on the macroscopic traffic flow model modified by the traffic information response rule， the GRIP simulation experiment is carried out with the example of the road network simulation program. The experimental results show that GRIP can effectively improve the road congestion， and the length of GRIP unit and refresh frequency have a significant impact on the results.

Keywords: Traffic Control Strategy， Freeway Network， Macroscopic Traffic Simulation， Graphical Route Information Panel

1 引言

国内外学者从不同角度对VMS信息诱导的相关问题做了大量研究，以提高路网运行效益。例如，对驾驶员获取交通信息后的响应行为（如择路行为）进行微观分析与建模，应用网络均衡分析等方法或模拟技术，考察交通信息对路网运行效益的影响、以及设定信息内容（行程时间）的方法、探索VMS选址优化等问题。Richards和McDonald等运用问卷调查的方法评估了城市交通路网中用户对VMS信息反应的情况[1]。Erke和Sagberg等探讨了VMS对驾驶员出行过程中，路径选择、速度、刹车行为等的影响[2]。Levinson通过离散概率选择模型估计驾驶员选择不同特征信息的比例，评估了VMS路径诱导的有效性[3]。Mammar等分析了Aalborg城市的VMS信息诱导系统设计、应用，评价了部分城市道路网络的运行效益[4]。Papageorgiou 等对路径诱导策略进行了建模和仿真研究[5]。Gan 分析了上海市GRIP应用现状，并运用宏观仿真方法探讨了GRIP对城市快速路网运行效益的影响[6，7]。在对以往研究进行分析和综述的基础上，本文的工作是对实时图状路况信息交通诱导进行仿真研究，采用交通信息响应规则修正后的O-D宏观动态交通流模型，探索实时交通信息诱导下城市快速路交通状态的改善情况，以及GRIP工作过程中信息单元长度和信息刷新周期对诱导效果的影响。

2 图状路况信息中交通状态的显示

图状路况信息板利用地图化的图形界面，能使驾驶员了解其所在的位置，进而提升驾驶员的空间感和方位感，其界面通过路段颜色、行程时间的不断更新能让驾驶员了解实时的交通信息。图状路况信息板显示的路径颜色是影响驾驶员路径选择的重要因素。

依照交通工程和人因工程学的相关理论，若取路段密度为参考比较值，则当密度小于临界密度时，流量随着密度的增加而稳步增加，交通流表现为畅通状态，显示为绿色；当密度达到临界密度时，流量达到最大，此时流量为路段通行能力；经该点之后，流量随着密度增加而减小，路段出现拥挤，显示为黄色；超过某一设定值时，表现为堵塞，显示为红色。若取路段的速度为参考比较值，则当路段速度大于临界速度时，交通流表现为畅通状态，显示为绿色；当路段速度小于某一设定值时，交通流表现为堵塞状态，显示为红色；当路段速度介于二者之间时，交通流表现为拥挤状态，显示为黄色。交通流密度一般可作为评价道路交通状态的主要依据，但是从交通活动参与者个体而言，在整个出行过程中，车辆行驶速度和行程时间显得更加直观。可采用与交通流密度相对应的交通流速度作为评价道路拥挤状态的依据，并以此界定道路的拥挤程度。

交通状态显示规则及期望值的设定可按以下界定条件：

① 在城市快速路主干道上，由于交通流受干扰的因素较少，且考虑到交通参与者的出行体验，交通状态的显示以交通流速度为依据。期望值代表的是在该速度区间内出行者对交通状态的期望指数，设置了三个级别期望值，分别是E、E2、0，期望值越大则对此时交通状态越令人满意。具体临界值及期望值如表1所示。

② 在城市快速路与地面道路连接的出口匝道上，交通状态与地面道路的交通状态紧密相连，且匝道限速一般为 30km/h，在出口匝道处，交通状态显示以交通流密度为依据。具体界定值及期望值如表2所示。

3 图状路况信息诱导问题的构造

在本文中，结合宏观动态交通流模型综合考虑交通需求和路段特性随时间变化的性质，能瞬时地反映交通流空间分布状态，更准确地描述出交通流不同时间段（早高峰、晚高峰、平峰等）的拥挤特性，从而可以对交通阻塞在时间上和空间上的分布进行分析和预测。

3.1 O-D宏观动态交通流模型

在对城市快速路进行仿真中，采用O-D宏观动态交通流模型作为过程模型，能够确切地展现城市快速路动态非线性特征，解释现实交通状态中冲击波、产生拥堵、拥堵消散和停停走走的现象。该模型由路段模型、节点模型和排队模型三部分组成，是由 Papageorgiou 等针对高速道路（包括高速公路和城市快速路）的相关特性而提出来的，并在阿姆斯特丹、巴黎等城市快速路上做了大量的实证研究。

在城市快速路的研究过程中，一般采用交通效益评价指标有总行程时间（TTT）、总排队时间（TWT）和总花费时间（TTS）等，单位为veh · h。

上述O-D宏观交通流模型及交通效益评价指标的数学表达式见文献[8][9]。

3.2 图状路况信息诱导模型的构造

（1）模型假设

实时交通状态对出行群体路径决策影响的仿真实验依据以下假设：

假设①：整个交通出行群体对交通状态评估后会得到一个期望值，通常来说，实时状态越接近理想的交通状态，期望指数越高，期望值也越高。假设交通状态评估的期望值服从上述表中期望值的规律。

假设②：出行者在更改原始路径的时候不会做出太大的变动，只会提前一个出口匝道离开城市快速路，不会延后一个出口匝道离开城市快速路再从地面道路折回。

假设③：图状路况信息刷新存在一定的滞后。显示的信息为前一个刷新周期里交通状态的均值，刷新周期为l，时长相当于Nl ·T，Nl为整数。以主干道交通流速度和出口匝道交通流密度为例：

（2）交通流模型更正

根据实时交通信息反馈到的期望值，在模型中引进了期望系数的概念。需要依据交通状态的期望值计算出期望指数，表示在对节点n处，初始目的地为 j进入路段m的交通分流比率进行调整。

式中，和Ωj分别为路段m＇（距原打算离开城市快速路出口匝道的最近上游路段）上和出口匝道处交通状态的实际期望值；E为理想状态下的期望值；Nm＇为路段m＇上小段个数。

当图状路况信息板进入驾驶员群体的视野时，有些出行者会根据交通信息重新选择路径，还有些出行者会继续保持现有的出行路径。在研究过程中，把这段会影响驾驶员决策的部分视作一个节点。在这个特殊节点处，交通流会重组形成新的交通流组成比例γ＇m,i,j(k)：

式中，γm，i，j(k)为k时刻原有的交通组成比例；γm＇，i，j(k)为在交通信息影响下校正后的交通组成比例；Jm为最末端出口匝道的编号。

4 图状路况信息诱导仿真案例

4.1 仿真情景设定

仿真路段由4个起点、4个终点和若干个路段构成，仿真路网拓扑结构如图1所示。其中，O1为主干道上游流入口，O2、O3、O4匝道入口，J1、J2、J3为匝道出口，J4为主干道下游流出口。路段编号如图1所示，每段小段长度为0.5km，其中路段m1和m7为2 km，路段m2、m4和m6为1km，路段m3和m5为 3km。自由流车速取 110km/h，临界密度取33.5 veh/km/lane，主干道上游处O1的单车道通行能力为2000辆/h，入口匝道处O2的单车道通行能力为1500辆/h。

假设，在路段m1末端（即路段m1、m2和出口匝道J1三处交汇处上游）有一块图状路况信息板。当车辆驶入m1，4上时，可以获取下游路段的实时交通状态信息，图状路况信息如图2所示。出行群体获得实时路段信息后，在节点处完成交通组成比例的重组，并形成了新的交通分流比例流入下一个路段。假设，没有实时交通状态信息的影响，在节点no处交通流组成比例如表3所示。

交通需求量和O-D组成比例由采集到的历史数据构成，如图3所示。

图3为交通需求量变化曲线，横轴表示仿真时间，从早上6:30到9:30，时间跨度为3个小时；纵轴表示交通流需求。在本次仿真实验中，仿真步长为5s，共计2160个仿真步长，交通需求数据采集周期为20s。图3中，O主表示主线上游O1汇入该段城市快速路的交通流量，O匝表示匝道入口O2、O3、O4三处的交通需求量。

图 4 为出口匝道处交通流密度的变化情况。由于本研究着重研究城市快速路上图状路况信息板对出行者群体的影响机制，不免对出口匝道出的交通状态予以考虑。同时出口匝道处的交通状态也是地面交通状态的一种体现，一般来说地面交通状态越拥挤，城市快速路上的车辆离开城市快速路越缓慢，更严重的还会滞留在出口匝道上逐步形成拥堵，并扩散到出口匝道上游路段；而地面交通状态较好，城市快速路上的车辆离开越是顺畅，对城市快速路不会产生任何影响。图4中三条折线分别为J1、J2、J 3三个出口匝道处的交通流密度。

根据对图状路况信息板中元素分析，并结合各部分元素在交通工程学中的指导意义，选取了图状路况信息板中显示交通信息的单元长度（LG）和刷新周期（TG）两个参数为决策变量。考察当信息单元长度和刷新周期对于交通信息诱导作用是否产生影响，进行仿真实验。

4.2 仿真结果

根据上述产生的交通需求量和能充分反映地面道路交通状况出口匝道处的交通密度，设定图状路况信息刷新周期为60s，单元信息长度为500m，进行图状路况信息板诱导仿真实验。在图状路况信息板中交通信息的诱导下，一部分出行群体会选择避开拥堵路段提前一个出口离开城市快速路，选择地面道路到达目的地；而更多的出行群体保持原来的出行路径。因此，会有一部分流量从城市快速路中消失，最终总的行程时间和总的排队时间相对于没有交通信息影响时有不同程度的降低，总花费时间也会随着降低。仿真结果如表4所示。

由表4可得，在图状路况信息板的诱导下，总的行程时间减少了226.53辆·h，总排队时间减少了669.84辆·h，总的花费时间减少了896.38辆·h，改善率达23.85%。通过图状路况信息板实施的交通诱导策略，使得部分驾驶员提前一个匝道下车。根据实验数据绘制图5，图中实线部分表示原打算从出口匝道J2处离开城市快速路的群体提前到从出口匝道J1处离开城市快速路，虚线部分表示原打算从出口匝道 j3处离开城市快速路的出行者提前从出口匝道J2处离开城市快速路。

（2）信息诱导的影响因素

图状路况信息系统中，信息单元长度（LG）和面板刷新周期（TG）均会对交通诱导效果产生影响。在实验过程中，面板刷新周期（TG）取值分别为60s，80s，100s，120s，140s，160s，180s，涵盖了1～3min；信息单元长度（LG）分别考察了实际长度约为500m和1km两种情况。对两个参量进行组合，在随机扰动下进行了多组实验，采取总花费时间（TTS）为交通诱导效果评价指标，单位为veh.h，实验结果如图6所示。

为了减少交通需求数据的随机性带来的干扰，将得到的五组实验结果进行求和平均化处理。对平均后的数据进行分析，如图 7 所示，可以明显看到面板刷新周期越短，交通诱导的效果越好，总花费时间越少。同时，与面板中信息单元长度为500m时相比，信息单元长度为1000m时，图状路况信息板的诱导效果更好。

5 结语

在图状路况信息诱导仿真研究中，根据交通信息显示原理、信息元素和刷新频率，构造了出行群体在实时交通信息下的响应规则。采用交通信息响应规则修正后的 O-D 宏观动态交通流模型，结合算例路网开展图状路况信息板诱导仿真实验。实验发现，图状路况信息诱导能有效地缓解交通拥堵，合理配置道路资源，明显改善城市快速路的运行效率。图状路况信息能准确地发布前方道路预警信息，及时更新和发布交通信息，使得一部分驾驶员提前离开城市快速路；在图状路况信息显示中，信息单元长度越长、信息刷新周期越短，则图状路况信息的诱导效果越好。具体表现在，以较长的1000m为最小信息单元长度，带来的交通诱导效果远好于以较短的500m为最小信息单元长度的图状路况信息；图状路况信息刷新的频率越快，刷新周期越短，交通诱导效果也越明显。

参考文献

［1］Richards A，Mcdonald M.Questionnaire surveys to evaluate user response to variable message signs in an urban network［J］. Iet Intelligent Transport Systems，2007，1（3）：177-185.

［2］Erke A，Sagberg F，Hagman R.Effects of route guidance variable message signs （VMS） on driver behaviour［J］. Transportation Research Part F Traffic Psychology & Behaviour，2007，10（6）：447-457.

［3］Levinson D.The value of advanced traveler information systems for route choice［J］.Transportation Research Part C Emerging Technologies，2003，volume 11（1）：75-87.

［4］Mammar S，Messmer A，Jensen P，et al.Automatic control of Variable Message Signs in Aalborg［J］.Transportation Research Part C Emerging Technologies，1996，4（3）：131-150.

［5］Papageorgiou M.Dynamic modeling，assignment，and route guidance in traffic networks［J］.Transportation Research Part B Methodological，1990，24（6）：471-495.

［6］Gan H C，Sun L J，Chen J Y，et al.Advanced Traveler Information System for Metropolitan Expressways in Shanghai， China［J］.Transportation Research Record Journal of the Transportation Research Board，2006，1944（1）：35-40.

［7］干宏程，叶昕.行程时间波动性对路径选择影响的离散选择分析［J］.交通运输系统工程与信息，2010，10（1）：140-144.

［8］M.Papageorgiou，“Dynamic modeling，assignment，and route guidance in traffic networks，” Transportation Res.B， 1990，24：471-495.

［9］Apostolos Kotsialos，Markos Papageorgiou，Christina Diakaki，Yannis Pavlis，Frans Middelham .Traffic Flow Modeling of Large-Scale Motorway Networks Using the Macroscopic Modeling Tool METANET［J］.IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS，2002，3：282-290.