城市交通事件的影响和疏导策略

2023-09-26 理论教育版权反馈

【摘要】：在传统的CTM 模型中，交通事件对交通流的影响主要通过折减事发路段所在元胞的通行能力来反映，其折减系数则仅取决于事件影响下的阻塞车道数。因此，为了更加充分、真实地反映事发后元胞的交通流状态，本节将考虑包括通行能力、阻塞密度、临界密度及激波速度在内的多个主要特征参数的变化情况。另外，为了提高模型的准确性，本节将以实际采集的交通事件下的检测器数据为依据，对事发后的主要特征参数进行标定。

在传统的CTM 模型中，交通事件对交通流的影响主要通过折减事发路段所在元胞的通行能力来反映，其折减系数则仅取决于事件影响下的阻塞车道数。然而，除了通行能力以外，事发元胞的其他主要交通流特征参数也会发生不可忽视的变化。因此，为了更加充分、真实地反映事发后元胞的交通流状态，本节将考虑包括通行能力、阻塞密度、临界密度及激波速度在内的多个主要特征参数的变化情况。另外，为了提高模型的准确性，本节将以实际采集的交通事件下的检测器数据为依据，对事发后的主要特征参数进行标定。

在所有受影响的交通流特征参数中，元胞通行能力是最能体现交通事件对交通流影响的参数。理论通行能力的降低可以通过交通事件导致的阻塞车道数计算得出，然而实际通行能力的降低却并非直接由阻塞车道数来决定的，它还受阻塞车道所处位置、阻塞车道车速、大型车比例、发生阻塞时驾驶人的观望情绪等因素的影响。早在20 世纪70 年代，Goolsby^[29]便提出当交通事件造成三车道路段中的一条车道阻塞时，实际通行能力将降低50%；当造成其中的两条车道阻塞时，实际通行能力将降低79%。而Qin 和 Smith^[30]采用美国弗吉尼亚州某条道路的实际采集数据，分析得出三车道路段中的一条车道或两条车道阻塞时，实际通行能力的降低比例达到63%和77%。

如上文所述，实际通行能力损失的比例显然超出交通事件影响下的阻塞车道数所占比例。因此，仅以阻塞车道数作为通行能力折减的依据是不够准确的。为了提高模型的准确性，本书将依据实际采集的交通事件下的检测器数据对交通事件影响下的元胞通行能力 pagenumber_ebook=42,pagenumber_book=29 进行标定。具体方法如下：

以图2-6 为例，假设在元胞i-1 与元胞i 之间发生一起交通事件，导致上游元胞发生拥堵，而下游元胞仍处于自由流状态。此时，假定第k 时段进入元胞i-1 的流量为进入元胞i 的总流量为 pagenumber_ebook=42,pagenumber_book=29 （元胞i 折减后的通行能力），离开元胞i 的总流量为vi ρi (k)，而且从其他路径驶入元胞i的流量yi, r (k)均小于元胞i 所能容纳的最大流量Ri (k)。结合式2.13，可将元胞i-1 与元胞i 的密度表达式分别描述如下：

pagenumber_ebook=43,pagenumber_book=30

其中，进入元胞i 的总流量　，其中yi (k)为第k 时段从当前路径元胞i-1 进入元胞i 的流量，yi, r (k)为第k 时段从其他路径进入元胞i 的流量。采用已有的yi (k)与yi, r (k)的实测值，可以通过下式对事发后的路段通行能力 pagenumber_ebook=43,pagenumber_book=30 进行标定：

pagenumber_ebook=43,pagenumber_book=30

式中，KM 是指交通事件发生后至的这段时间集合。其中，是指函数　y i ( k )+　yi ,r ( k)达到最大值时所对应的时刻。

pagenumber_ebook=43,pagenumber_book=30

图2-7　受交通事件影响的流量-密度图

另外，由图2-7 中所示的基本图变化可知，随着交通事件的发生，除了通行能力之外，事发路段所在元胞的阻塞密度、临界密度、激波速度均会有一定程度的折减，由原本的ρJ, ρo, w 折减为ρ′J, ρ′o, w′。具体标定方法如下：

首先，结合检测器实测的流量数据，通过下式确定元胞i 折减后的临界密度值：

pagenumber_ebook=43,pagenumber_book=30

式中，qi (k)为元胞j 在(k, k+1)时段的实测流量。

然后，通过研究流量与密度之间的关系，采用约束最小二乘法对折减后的激波速度 pagenumber_ebook=44,pagenumber_book=31 及阻塞密度这两个参数进行标定。由于在此标定过程中只需使用拥堵状态下的流量-密度数据组，因此将密度超过临界值的数据组全部筛选出来作标定之用，并令其对应的k 值构成时间集KN，且同时，依据最小二乘法，令作为下式的解：