王殿海，蔡正義，曾佳棋，張國政，郭佳林

(浙江大學建筑工程學院智能交通研究所，杭州310058)

0 引 言

隨著城市化和出行機動化進程的發(fā)展，城市交通擁堵已成為各大城市面對的共同問題.城市交通擁堵趨勢已經(jīng)從高峰時段擁堵演變?yōu)槿旌驌矶?，成為城市尤其是大城市交通的常見現(xiàn)象，緩解交通擁堵成為城市管理者迫切需要解決的問題.國內(nèi)外實踐證明，單純依靠道路建設(shè)不能有效解決城市交通擁堵問題，采用先進的城市交通控制技術(shù)和管理手段調(diào)整交通流，提高交通效率并緩解交通擁堵，越來越被交通管理者所重視.

交通信號控制是針對在空間上無法實現(xiàn)分離的地方采用在時間上給交通流分配通行權(quán)的一種交通管理措施[1].交通數(shù)據(jù)、控制策略和控制算法是交通信號控制系統(tǒng)三要素，其中，交通數(shù)據(jù)是控制策略制定和控制算法設(shè)計的基礎(chǔ)，決定了交通控制系統(tǒng)的適用性、可靠性和先進性.

隨著信息采集技術(shù)、計算機技術(shù)、通信技術(shù)與網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，交通數(shù)據(jù)采集途徑和方法不斷革新，使交通控制系統(tǒng)發(fā)生了一系列變化.交通控制已逐步由傳統(tǒng)的定時方案控制轉(zhuǎn)向依據(jù)檢測設(shè)備得到的交通流運行特性實時進行優(yōu)化的智能控制.已有研究表明[2]，交通控制系統(tǒng)在發(fā)展過程中不得不等待技術(shù)進步來實現(xiàn)性能方面的階段性改變.在大數(shù)據(jù)背景下，從數(shù)據(jù)演變視角對交通控制系統(tǒng)進行深度分析，總結(jié)城市交通控制數(shù)據(jù)采集和方法研究，探討城市交通控制的未來演變方向，具有非常重要的意義.

1 用于交通控制的交通數(shù)據(jù)采集與處理

交通數(shù)據(jù)采集是交通控制系統(tǒng)的初始環(huán)節(jié)，為控制策略和控制算法提供基礎(chǔ)數(shù)據(jù).常見的數(shù)據(jù)采集手段有線圈、微波、超聲波、視頻、車載GPS、電子標簽等，采集數(shù)據(jù)主要包括交通流量、飽和流率、時間占有率、速度、行程時間等.檢測數(shù)據(jù)按照檢測器是否固定和數(shù)據(jù)是否有車輛標識可歸納為3 種：固定式無標識數(shù)據(jù)、移動式檢測數(shù)據(jù)和固定式有標識數(shù)據(jù).

1.1 固定式無標識檢測數(shù)據(jù)

1.1.1 線圈檢測數(shù)據(jù)

環(huán)形線圈是一種技術(shù)成熟、應(yīng)用十分廣泛的傳統(tǒng)車輛檢測設(shè)備，也是目前應(yīng)用最廣泛的檢測設(shè)備.將帶有一定工作電流的環(huán)形線圈埋入地下，根據(jù)車輛經(jīng)過線圈引起線圈內(nèi)電流變化檢測并計算車流量、速度、占有率、車長等信息.環(huán)形線圈檢測特點主要有：檢測精度較高，受環(huán)境影響較小，技術(shù)成熟，應(yīng)用廣泛.環(huán)形線圈也存在以下缺點：一是安裝時施工量大，施工過程破壞路面，影響道路使用壽命；二是容易受到路基下沉、冰凍等因素影響，后期維護費用昂貴；三是受檢測原理限制，在擁堵條件下，檢測精度大幅降低.

環(huán)形線圈用于交通檢測的研究始于上世紀60年代.W. Schempers[3]和Anderson R. L.[4]分析了用于交通控制的線圈檢測器的類型和3種檢測原理，證明了感應(yīng)線圈用于交通檢測的可行性.感應(yīng)線圈分為通過型和存在型兩種，通過型感應(yīng)線圈主要檢測車流量，存在型感應(yīng)線圈還可以檢測占有率、飽和度等.Woods D.L.等[5]詳細論述了利用雙線圈檢測器計算車速，車長等數(shù)據(jù)的可行性，并分析了車型、車長、線圈距離、線圈匝數(shù)等因素對檢測精度的影響，擴大了線圈采集數(shù)據(jù)的范圍.

在速度檢測方面，早期采用的線圈多是單線圈，無法滿足交通控制對速度、車長等數(shù)據(jù)檢測的需求，而將單線圈升級為雙線圈費用昂貴，這引發(fā)了大量利用單線圈檢測車輛速度的研究.Athol等[6]首先提出單線圈速度計算模型，其主要思路是將占有率轉(zhuǎn)化為密度，利用速度—密度—流量關(guān)系計算速度；該方法在車型比較復(fù)雜的路段中，由于車輛長度的差異無法取得滿意的速度估計值.Carlos Sun等[7]提出了一種基于提取車輛到達和離開時線圈采集的電流波形的變化率特征分析相關(guān)指標的方法，通過研究該特征與車速的相關(guān)關(guān)系推算車輛速度，最后采用線性回歸的方式得到擬合曲線；將擬合數(shù)據(jù)與實際數(shù)據(jù)對比后發(fā)現(xiàn)，該方法較之前方法，精度有顯著提高.遺憾的是，如果需要得到更精確的速度值，依然需要使用雙線圈檢測器.Dailey[8]和Zhirui Ye[9]等采用時間序列分析方法處理交通流參數(shù)，采用擴展卡爾曼濾波和無跡卡爾曼濾波方法對速度估計的非線性模型進行濾波處理，得到了速度估計模型.金盛等[10]基于貝葉斯網(wǎng)絡(luò)，采用EM 算法完成參數(shù)訓練，建立了使用單線圈檢測密度的模型.

在排隊檢測方面，既有方法可以分為兩大類[11].第一類是輸入輸出模型，重點考察從交叉口的到達和離開過程的累積到達隊列長度；另一類是基于交通流激波的模型，該模型通過對交叉口處隊列形成和消散過程建模估計隊列長度.

輸入輸出模型是一種常用的估計車輛排隊方法，如Jiang[12]和Das[13]的研究，在路段上下游設(shè)置檢測器，認為上游累計到達與下游累計流出車輛的差值是排隊長度；該方式為避免換道帶來的影響，上游檢測器距離下游檢測器不能過遠，而過近又可能導致隊尾超出上游檢測器.Muck J.[14]和Henry X.Liu 等[15]結(jié)合交通波理論，利用與交叉口有一定距離的單線圈采集得到的交通數(shù)據(jù)估算排隊長度，推斷排隊最遠點.Qing Cai 等[16]結(jié)合固定檢測器數(shù)據(jù)和浮動車數(shù)據(jù)，運用交通波理論，提出適合低飽和、欠飽和及過飽和交通狀態(tài)的排隊長度估計方法.祁宏生等[17]提出一種利用固定檢測器結(jié)合交通狀態(tài)檢測排隊長度的方法，可以對車輛不均勻到達情形進行修正，仿真表明，其模型在一定檢測間隔下具有較好的估計效果.Yilong Ren等[18]提出在路段上游設(shè)置線圈檢測器檢測速度數(shù)據(jù)進行自適應(yīng)控制配時，防止排隊溢出；檢測器設(shè)置在路段上游的合適位置，在排隊形成期間，一旦檢測速度值低于某個計算得到的臨界速度值，表明排隊即將到達檢測器，可能發(fā)生排隊溢出；在排隊消散期間，為防止排隊溢出，當檢測器檢測得到速度不為0 時，則上游才可以釋放車輛；實際應(yīng)用時，可根據(jù)上游檢測器速度，對進入路段的車輛相位提前截止或綠燈補償.不過，該研究只考慮了孤立交叉口在固定信號周期和綠信比的情況下的自適應(yīng)配時，難以用于區(qū)域協(xié)調(diào)配時研究.金盛等[19]綜合考慮了影響檢測器布設(shè)的各種因素，通過系統(tǒng)分析不同交叉口流量之間的時空關(guān)系，提出一種基于交通流路段相關(guān)性的檢測器優(yōu)化布設(shè)方法.

1.1.2 地磁檢測數(shù)據(jù)

地磁傳感器是一種通過檢測地磁因車輛經(jīng)過而產(chǎn)生變化來記錄交通流信息的車輛檢測設(shè)備，其使用方式和采集信息方式與線圈法相似.由于低速車輛引起的地磁變化微弱，地磁檢測器無法檢測靜止車輛和低速車輛.

地磁檢測器被提出并用于交通檢測是在上世紀90年代.1991年加州大學伯克利分校Shladover[20]提出一種利用地磁檢測車輛位置的方法，由于鄰道車輛干擾等原因，數(shù)據(jù)檢測精度較低.Sing Yiu Cheung等[21]研究了磁性傳感器用于檢測流量、速度時的精度問題，利用三軸地磁傳感器的X和Z軸波形獲得車輛類型等數(shù)據(jù)；他們通過分析伯克利大道采集的數(shù)據(jù)后發(fā)現(xiàn)，地磁傳感器能夠檢測到99%的車輛，車速與車長的檢測精度也超過90%；對同一地點的通過車輛進行分類，單檢測器下的分類精度可達60%.Christopher M. Day等[22]測試了地磁傳感器和線圈傳感器的精度，實驗發(fā)現(xiàn)，兩種傳感器的漏檢和錯檢情況相近.

在速度檢測和排隊估計方面，地磁檢測器與線圈檢測器檢測技術(shù)相似.Li H.等[23]提出利用單地磁檢測器檢測車輛速度的3種方法：根據(jù)檢測器得到的車輛分類結(jié)果確定車輛長度，結(jié)合通過檢測器時間計算速度；利用雙芯片地磁傳感器中記錄的具有一定時間間隔的雙波形，結(jié)合兩芯片之間的距離計算速度；以兩個波形結(jié)合車輛長度計算得到的速度均值作為車輛速度.實驗效果表明，3 種速度計算方法的精度依賴于車輛類型的準確檢測.Haijian Li 等[24]提出一種利用停止線處單地磁檢測器估計排隊長度的方法，根據(jù)車輛跟馳理論計算車隊中每輛車在綠燈啟亮后通過停止線處檢測器的理論占用時間，如果理論占用時間與實際占有時間誤差在一定范圍內(nèi)，則認定該車屬于排隊中的車輛，否則認為前一輛車為排隊隊尾，統(tǒng)計得到排隊車輛數(shù)和排隊長度.

地磁檢測器可以利用三軸特性對車輛進行唯一標識并結(jié)合上下游匹配計算車輛的路段行程時間.2010年Kwong K.等[25]利用三軸檢測器檢測得到的XYZ三軸波形的6 個峰值對車輛建立標簽，結(jié)合速度信息和理論旅行時間建立了上游檢測得到的車輛和下游車輛的匹配模型，最后由匹配車輛計算路段旅行時間.

1.1.3 微波檢測數(shù)據(jù)

微波檢測器是一種非接觸式交通檢測設(shè)備，通過發(fā)射微波并接收反射波檢測車流量、速度、占有率和車型等交通信息.微波檢測器分為連續(xù)波雷達檢測器和調(diào)頻雷達檢測器：連續(xù)波雷達檢測器運用微波的多普勒效應(yīng)檢測車輛速度，但無法檢測低速和靜止車輛；調(diào)頻雷達檢測器利用車輛反射波與背景反射波的差異檢測車輛位置，進而檢測流量、密度、排隊長度等信息，但無法獲得旅行時間與延誤信息.雷達檢測器安裝在路側(cè)時雖可以檢測多車道，但大型車阻擋小型車反射波時會產(chǎn)生檢測誤差；將檢測器安裝在路中則需要布設(shè)龍門架，為保證檢測區(qū)域，雷達檢測器的布置高度不宜過低，限制了雷達檢測器在城市道路中的應(yīng)用.

Denning N.E.[26]在研究了微波檢測器與線圈檢測器檢測的速度數(shù)據(jù)后發(fā)現(xiàn)：雷達檢測得到的速度值低于線圈數(shù)據(jù)，并提出引入校正因子進行修正的計算思路；校正后的雷達數(shù)據(jù)與線圈數(shù)據(jù)的檢測效果相近，證明使用雷達檢測器的可行性；同時指出雷達檢測器對低速車輛漏檢、誤檢率高，易受大車阻擋和路旁構(gòu)筑物影響等缺點.Seoungbum Kim[27]研究了SpeedInfo公司生產(chǎn)的無線微波雷達檢測器在交通檢測中的適用性，同樣發(fā)現(xiàn)，交通檢測性能與線圈相近，但易受天氣因素影響.

總的來看，固定無標識檢測數(shù)據(jù)只能提供在離散空間點測得的交通流信息[28]，需要建立特殊模型來估計其他空間位置的交通狀態(tài).目前還沒有任何流量模型或估算方法是完美的，融合不同來源的交通流量信息以提高估算精度[29]可能是未來的發(fā)展方向.

1.2 移動式檢測數(shù)據(jù)

裝備了無線定位設(shè)備的車輛稱為探測車(Probe Vehicle,PV).探測車產(chǎn)生的軌跡數(shù)據(jù)作為一種新的數(shù)據(jù)源，吸引了大量的研究工作.相比于固定檢測器，探測車的優(yōu)點主要在于安裝靈活，理論簡單，可以獲得更詳盡的車輛行駛狀態(tài)信息[30].早期的現(xiàn)場試驗表明[31-32]，GPS信息能較好地滿足交通信息收集的需要.較低的GPS探測車滲透率，就能較準確地估計交通參數(shù)；這些現(xiàn)場實驗為GPS探測車數(shù)據(jù)的應(yīng)用打下了堅實基礎(chǔ).

與網(wǎng)聯(lián)車輛(Connected Vehicle, CV)不同的是，探測車不與交叉口控制設(shè)施相連(V2I)，因此現(xiàn)有的研究通常將GPS產(chǎn)生的軌跡數(shù)據(jù)轉(zhuǎn)化為交通流量、行程時間、延誤模式、排隊長度等參數(shù)，用于交通信號的離線優(yōu)化.

使用探測車數(shù)據(jù)進行交通參數(shù)估計的方法主要有兩種：基于概率論的方法和基于交通流激波理論的方法.

交通流量和排隊長度是交通控制的重要參數(shù).基于探測車的流量和排隊估計，大多基于車輛到達服從一定的概率分布，在探測車滲透率已知等假設(shè)下進行建模.利用探測車數(shù)據(jù)，Comert等[33]證明了當探測車滲透率已知，且探測車在車流中均勻分布時，排隊長度只與隊列中最后一輛探測車的位置有關(guān)，并給出排隊長度邊際概率分布已知時的排隊長度的期望與方差的解析式.

此外，為應(yīng)對周期內(nèi)無探測車的情況，Comert[34]融合停車線檢測器和探測車的信息，將探測車滲透率、車輛到達速率作為已知條件，假設(shè)交叉口車輛到達是一個泊松過程，建立了交叉口車輛到達流率期望值解析式，比較幾種在不同已知信息組合下的探測車滲透率和交叉口車輛到達流率的期望解析式.

考慮到“車流到達是泊松過程”這一確定性假設(shè)忽略了交通流隨機性且不能完全描述城市干線交通流特征，Hao 等[35-36]分別用非齊次泊松過程和對數(shù)正態(tài)分布描述車隊到達和釋放，并應(yīng)用貝葉斯網(wǎng)絡(luò)方法捕捉交通流的隨機性，估計探測車的車輛索引(Vehicle Index，定義為探測車在一個周期車隊釋放時的順序編號)，最終得到車輛索引的概率分布.該模型被進一步拓展到逐周期的交叉口排隊長度分布估計.Zheng 等[37]假設(shè)車輛到達過程服從時變的泊松分布，使用期望最大化(EM)算法估計交通流量，該方法在較低的滲透率(低于12%)下也可獲得較好效果，不過計算出的流量顆粒度較粗(以30 min和1 h為間隔的MAPE為9%～12%，以10 min 為間隔的MAPE 為19%).Zhao 等[38]針對需要預(yù)設(shè)探測車滲透率或排隊長度分布等信息的局限性，分析了探測車排隊位置的統(tǒng)計分布，建立了基于貝葉斯理論的排隊長度分布.

部分學者結(jié)合交通流激波理論和探測車數(shù)據(jù)研究了交通控制輸入?yún)?shù).Yao 等[39]提出一種利用探測車軌跡估計交叉口流量的方法，使用激波理論估算排隊車輛的數(shù)量，假定車輛到達速率服從時變的泊松分布，以估計不排隊通過交叉口的車流量；與Zheng 等[40]的結(jié)果對比，其方法可動態(tài)獲取逐周期的流量，對滲透率的魯棒性更優(yōu).

少量研究通過探測車信息推導交通參數(shù)用于信號控制優(yōu)化.Zhang 等[41]提出一種利用探測車軌跡數(shù)據(jù)進行逐周期信號相位優(yōu)化的方法，利用軌跡數(shù)據(jù)更新自由流速度和交叉口通行能力，并應(yīng)用軌跡臨界點的概念計算最大排隊長度，作為實時相位調(diào)整的參數(shù)；仿真實驗表明，該理論具有一定實用價值.Yao等[42]提出一種干道協(xié)調(diào)控制模型，根據(jù)激波理論計算所有探測車在信號交叉口的延誤，以所有探測車延誤之和最小為目標，用多子群粒子群優(yōu)化(multi-sub-swarm Particle Swarm Optimization)算法優(yōu)化干道信號配時.

總的來看，大多數(shù)關(guān)于探測車數(shù)據(jù)的早期嘗試都研究了使用無線定位技術(shù)的基于探測車的交通監(jiān)控系統(tǒng).無線定位技術(shù)或全球定位系統(tǒng)(GPS)被用來記錄這些探測車輛及其行程中的特定位置(緯度/經(jīng)度)；基于采樣數(shù)據(jù)估計交通流量的具體測量值(如排隊長度和行程時間)[43].與固定式無標識傳感器相比，移動式檢測方法能夠提供更多的交通流信息，提高了交通狀態(tài)感知能力.

1.3 固定式有標識檢測數(shù)據(jù)

固定式有標識數(shù)據(jù)檢測設(shè)備包括藍牙、RFID和高清攝像頭，該類檢測器均能夠識別車輛ID，布設(shè)在路側(cè)或道路上方，對通過車輛進行掃描或識別.檢測數(shù)據(jù)分別為藍牙數(shù)據(jù)、自動車輛識別數(shù)據(jù)和自動車牌識別數(shù)據(jù).

每個藍牙設(shè)備都有一個唯一的電子標識符，即MAC 地址.上下游斷面的藍牙掃描儀通過MAC 地址識別車輛內(nèi)的藍牙設(shè)備.但藍牙數(shù)據(jù)由于通過時刻不精確，噪音數(shù)據(jù)難以剔除等問題在交通場景下還沒有得到廣泛應(yīng)用.

自動車輛識別數(shù)據(jù)和自動車牌識別數(shù)據(jù)都是基于自動識別技術(shù)獲取通過車輛的ID和通過時刻數(shù)據(jù).自動車輛識別利用安裝在路側(cè)或者道路上方的射頻識別(Radio frequency identification，RFID)讀取器讀取通過車輛上的電子標簽，其樣本量取決于RFID 讀取器站點的建設(shè)和電子標簽的滲透率.自動車牌識別對高清攝像頭捕獲的通過車輛的照片進行光學字符識別，記錄車輛車牌和通過時刻、車道號等信息，其樣本量取決于高清攝像頭的安裝點位數(shù)量和捕獲率[44].

近年來，我國許多城市大量安裝自動違法抓拍系統(tǒng)，主要目的是記錄闖紅燈行為，附帶自動車牌識別功能.高清攝像頭位于停車線上游約10 m處.該系統(tǒng)可以收集許多交通參數(shù)，如交通流量、占用率、車輛牌照，駛離停車線時間.

相比傳統(tǒng)檢測器，自動車牌識別系統(tǒng)可記錄任何通過停車線車輛的牌照和相應(yīng)的時間點[45-46].這種數(shù)據(jù)優(yōu)勢引發(fā)了越來越多的研究，例如車輛出行OD 識別，出行軌跡重建，基于行程時間的排隊長度估計等.孫劍等[47]提出一種車牌自動識別環(huán)境下的車輛出行矩陣估計方法.阮樹斌等[48]對出行軌跡進行補全重構(gòu)，提出基于車牌識別數(shù)據(jù)的機動車出行軌跡提取算法，可支撐城市交通需求結(jié)構(gòu)和時空分布特性研究.付鳳杰[44]利用基于高清智能卡口的自動車牌識別數(shù)據(jù)研究城市道路路段行程時間及路徑行程時間.

在交通參數(shù)獲取方面，如果來自上游交叉口的車輛牌照可以與離開下游停車線的車牌相匹配，則可基于匹配時間差進一步計算下游路段上每個車道中所有車輛的路段行程時間[49].這些數(shù)據(jù)可用于導出其他基于車道的參數(shù)，例如最大隊列長度.基于路段行程時間提取交通流量參數(shù)并估算交通狀態(tài)正成為研究熱點.Ban 等[50]通過路段采樣的車輛行程時間研究了交叉路口延遲模式，發(fā)現(xiàn)每個周期中排隊的車輛，其行程時間從紅燈開始后的最大值開始線性減少，這種一個周期的行程時間減少的下降趨勢與交通需求呈正相關(guān)，可使用線性形式擬合，稱之為行程時間減少率模型.Ban等[43]分析了引起這些延遲模式的原因，提出基于延遲模式的周期排隊長度計算方法.

Zhan[51]結(jié)合交通波模型和車輛到達—駛離規(guī)律，利用車牌識別數(shù)據(jù)，提出一種車道級的排隊估計方法.該模型結(jié)合輸入—輸出和交通波模型的優(yōu)點，利用高斯插值重構(gòu)累計的車輛到達—駛離曲線，利用完整的到達和離開信息，基于行車跟蹤的仿真方法估算每個車道的實時隊列長度.

Ma D.[52-53]在Ban 等提出的行程時間減少率模型基礎(chǔ)上建立了一個虛擬信號周期概念下車輛檢測到達排隊模型.虛擬周期指的是在一個虛擬周期內(nèi)進入路段的所有車輛剛剛在一個信號周期內(nèi)從下游停車線釋放.改進了每個周期中排隊車輛的出行時間減少率模型，并提高了不同條件下估算基于車道的交通需求的算法精度.

2 討論與研究展望

從上述研究可以看出，城市交通控制系統(tǒng)的數(shù)據(jù)采集方式經(jīng)歷了固定式無標識數(shù)據(jù)到移動檢測數(shù)據(jù)再到固定式有標識數(shù)據(jù)的演變.在與之相對應(yīng)的交通參數(shù)獲取模型的研究領(lǐng)域，基于固定式無標識數(shù)據(jù)的相關(guān)交通參數(shù)模型已基本成熟，而基于移動檢測數(shù)據(jù)和固定式有標識數(shù)據(jù)研究正在成為當前的研究熱點并不斷取得新的成果.

根據(jù)研究現(xiàn)狀分析，未來城市交通控制系統(tǒng)的數(shù)據(jù)采集和交通參數(shù)研究仍然存在發(fā)展空間和現(xiàn)實需求，其要點可以歸納為：

(1)宏觀上，城市交通控制系統(tǒng)的重要趨勢是其信息范圍已經(jīng)擴展到區(qū)域和路網(wǎng)層級，例如，基于自動車牌識別數(shù)據(jù)能夠獲取區(qū)域出行時空分布和出行路徑，這些信息為制定新的控制策略和控制算法提供了思路.現(xiàn)有不少研究仍集中于單點控制、干線協(xié)調(diào)控制等基于固定式檢測數(shù)據(jù)的交通控制框架上，缺少對交通網(wǎng)絡(luò)控制等新控制策略和控制算法的研究，這值得引起注意.

(2)隨著數(shù)據(jù)采集方式的演變，交通參數(shù)估計研究的重點已轉(zhuǎn)向提高參數(shù)估計的實時性與精度等領(lǐng)域，如排隊長度、車輛延誤等指標的估計精度，直接關(guān)聯(lián)于交通控制與交通管理的效率與水平.如何結(jié)合交通檢測技術(shù)的新進展，研究提出新的交通參數(shù)估計模型與交通控制策略是未來的一個重要研究方向.

(3)整體上看，城市交通控制中的交通參數(shù)研究仍然過于理論化.雖然部分研究開展了一些案例分析，但如何結(jié)合我國城市交通系統(tǒng)運行中的不確定性因素，如檢測環(huán)境差異導致的數(shù)據(jù)誤差率的變化，交通流到達規(guī)律的變化，道路上不同種類交通流間的交叉干擾等實際應(yīng)用因素，使方法與模型能有效地指導我國復(fù)雜的交通控制實踐仍任重道遠.