武帥 陳秀鋒 宋著賀

摘要：本文闡述了交通流動(dòng)力學(xué)理論雙組分模型參數(shù)變化的研究結(jié)果。研究了在不同交通條件下，網(wǎng)絡(luò)中同時(shí)停車的車輛與特定行駛時(shí)間和特定停留時(shí)間的比值。所獲得的相關(guān)性允許在考慮不同級(jí)別的交通組織的情況下預(yù)測(cè)交通狀況的變化。此外，本文還討論了利用探測(cè)車獲得的信息評(píng)估路網(wǎng)交通狀況的問(wèn)題，并提出了利用探測(cè)車模擬路網(wǎng)飽和所需水平的算法。

關(guān)鍵詞：交通流動(dòng)力學(xué);預(yù)測(cè);探測(cè)車;信息評(píng)估

中圖分類號(hào)：U491????? 文獻(xiàn)標(biāo)識(shí)碼：A

1 緒論

智能交通系統(tǒng)的發(fā)展使交通監(jiān)控能力顯著增強(qiáng)，實(shí)現(xiàn)交通過(guò)程控制和交通參與者信息支持[1]。現(xiàn)代監(jiān)測(cè)系統(tǒng)最重要的組成部分之一是浮動(dòng)車。在國(guó)外文獻(xiàn)中，“探測(cè)車”一詞近年來(lái)更為普遍。探測(cè)汽車收集了廣泛的信息，例如關(guān)于汽車位置、速度、行駛時(shí)間、事故和交通堵塞的數(shù)據(jù)。

然而，在應(yīng)用使用浮動(dòng)車獲得的數(shù)據(jù)之前，有必要驗(yàn)證收集信息的條件，并編制使用浮動(dòng)車收集的數(shù)據(jù)列表[2]。解決這些問(wèn)題引起了人們對(duì)基于不同基礎(chǔ)的交通流理論（雙流體模型）的雙組分模型的興趣。目前兩種流體模型的參數(shù)都是根據(jù)探測(cè)車采集的數(shù)據(jù)來(lái)應(yīng)用的[3]。然而，在許多情況下，在整個(gè)研究工作流程中，從獲取輸入信息到解釋結(jié)果的準(zhǔn)確性被忽視。本文論述了提高雙組分模型參數(shù)和浮動(dòng)車方法可靠性的幾個(gè)方面。

2 正文

2.1雙組分模型在交通狀況評(píng)價(jià)中的應(yīng)用

交通流動(dòng)力學(xué)理論的雙組分模型的基本關(guān)聯(lián)性涉及交通流在無(wú)障礙條件下的相關(guān)性、相關(guān)的出行和停車的具體參數(shù)以及具體的出行時(shí)間。交通條件的評(píng)價(jià)取決于滿足這些條件的穩(wěn)定性和參數(shù)組合。在建立兩組分交通流模型時(shí)，應(yīng)確定動(dòng)車與靜止車的關(guān)系。除將交通密度劃分為兩個(gè)分量模型外，還應(yīng)采用出行時(shí)間劃分[4]。公式如下：

如果變量n增加，那么在相同的特定行程時(shí)間下，特定的停留時(shí)間減少。另一方面，變系數(shù)n可以再現(xiàn)不同行駛時(shí)間、相同特定停留時(shí)間下的駕駛模式結(jié)構(gòu)。一般來(lái)說(shuō)，當(dāng)參數(shù)n=0且行程值為常數(shù)時(shí)，行程時(shí)間將隨著靜止時(shí)間的增加而成比例增加。如果n>0，那么增加停留時(shí)間將導(dǎo)致旅行時(shí)間的高速增長(zhǎng)，因?yàn)槁眯袝r(shí)間也在增長(zhǎng)。無(wú)障礙條件 下參數(shù)n和行程時(shí)間不同組合的實(shí)驗(yàn)記錄如圖1所示。

通過(guò)對(duì)公式2-4的分析，發(fā)現(xiàn)在無(wú)障礙條件下，對(duì)于較大的系數(shù)n和行程時(shí)間， 和t的依賴關(guān)系具有更大的傾角。對(duì)于傾斜角度較大的依賴項(xiàng)，改變停留時(shí)間會(huì)導(dǎo)致行程時(shí)間發(fā)生較大變化。當(dāng)無(wú)障礙條件下的行程時(shí)間增加時(shí)，系數(shù)n對(duì)時(shí)間行程與停留時(shí)間依賴關(guān)系變化的影響增大。以 和 之間的依賴關(guān)系為例，圖2顯示了參數(shù)p對(duì)雙組分模型中參數(shù)動(dòng)力學(xué)的影響。

2.2使用數(shù)據(jù)應(yīng)用程序評(píng)估交通狀況的特殊性

幾乎不可能想象在所有網(wǎng)段和任何時(shí)間使用探測(cè)車進(jìn)行測(cè)量的情況。因此，有必要通過(guò)探測(cè)車輛來(lái)確定覆蓋網(wǎng)絡(luò)所有部分的可接受概率水平。為此，可以使用以下模擬算法來(lái)確定道路網(wǎng)絡(luò)中探測(cè)車的所需數(shù)量級(jí)別：

根據(jù)生成的對(duì)應(yīng)矩陣，解決交通流在網(wǎng)絡(luò)中的分布問(wèn)題;

確定道路網(wǎng)絡(luò)中探測(cè)車取樣的數(shù)量，并與網(wǎng)絡(luò)中的總行程進(jìn)行比較;

解決探測(cè)車在路網(wǎng)中的行程分配問(wèn)題;

確定參與者的比例，探測(cè)車的數(shù)量與最初計(jì)算的值相對(duì)應(yīng)，并且可以使用探測(cè)車對(duì)交通狀況進(jìn)行可靠估計(jì);

如果道路網(wǎng)所有參與者的概率分布得到的結(jié)果小于規(guī)定值，則重復(fù)模擬步驟，直到達(dá)到所需的結(jié)果。該算法可應(yīng)用于利用探車提供的數(shù)據(jù)預(yù)測(cè)路網(wǎng)交通狀況的可靠性。顯然，實(shí)現(xiàn)該算法的關(guān)鍵在于開(kāi)發(fā)對(duì)應(yīng)矩陣，并對(duì)整個(gè)網(wǎng)絡(luò)和探測(cè)車的交通流動(dòng)態(tài)分配問(wèn)題提出挑戰(zhàn)[5]。

3 結(jié)論

交通流的兩個(gè)組成部分模型和探測(cè)車提供的信息相結(jié)合，可以評(píng)估和預(yù)測(cè)本地和網(wǎng)絡(luò)級(jí)別的交通狀況。所得數(shù)據(jù)揭示了雙組分模型的性質(zhì)，并表明了模型參數(shù)對(duì)交通條件的依賴性。關(guān)于使用探測(cè)車收集基線數(shù)據(jù)以進(jìn)一步用于兩組分模型的建議允許獲得有關(guān)交通管理效率的可靠信息。

參考文獻(xiàn)：

Wang F， Yam C Y， Chen G. Time-dependent density-functional theory/localized density matrix method for dynamic hyperpolarizability.[J].Journal of Chemical Physics，2007，126（24）：3-46.

李宇光.海量低頻浮動(dòng)車數(shù)據(jù)道路匹配及行程時(shí)間估算[D].武漢：武漢大學(xué)，2013.

廖孝勇.浮動(dòng)車交通參數(shù)檢測(cè)及在道路交通狀態(tài)分析中的應(yīng)用研究[D].重慶：重慶大學(xué)，2011.

朱順應(yīng)，鄧爽，王紅，管菊香，程陽(yáng).具有模糊特性變量的出行方式預(yù)測(cè)Logit模型[J].交通運(yùn)輸工程學(xué)報(bào)，2013，13（03）：71-78.

于堯.基于出行者行為的動(dòng)態(tài)交通分配建模與實(shí)現(xiàn)[D].長(zhǎng)春：吉林大學(xué)，2014.