蔡曉禹，呂亮，盧凱明，唐小勇，高志剛

(1.重慶交通大學(xué)，a.交通運(yùn)輸學(xué)院，b.山地城市交通系統(tǒng)與安全重慶市重點(diǎn)實(shí)驗(yàn)室，重慶400074；2.重慶市城市交通大數(shù)據(jù)工程技術(shù)研究中心，重慶400020)

0 引言

信號(hào)交叉口運(yùn)行效率評(píng)價(jià)是交叉口問題研判與方案優(yōu)化的首要任務(wù)，交叉口供需平衡、整體及局部運(yùn)行最優(yōu)是交叉口運(yùn)行效率評(píng)價(jià)的最終目標(biāo)。采用省時(shí)、便捷、準(zhǔn)確且可實(shí)施性強(qiáng)的評(píng)價(jià)方法，能夠更好地輔助信號(hào)交叉口系統(tǒng)優(yōu)化，支持交通管控方案的決策實(shí)施。

為多角度評(píng)價(jià)交叉口服務(wù)水平，學(xué)者利用多個(gè)指標(biāo)進(jìn)行綜合評(píng)價(jià)。Igor Dakic[1]利用評(píng)價(jià)時(shí)段內(nèi)綠燈到達(dá)車輛數(shù)占比，方向延誤，連續(xù)周期內(nèi)平均單位綠燈到達(dá)車輛占比3個(gè)指標(biāo)評(píng)價(jià)自適應(yīng)信號(hào)交叉口的運(yùn)行效率。Xiaoyan ZHENG[2]等利用信息熵理論，選取平均延誤、飽和度、排隊(duì)長度作為主要指標(biāo)。該類代表性研究的主要特點(diǎn)為：①數(shù)據(jù)主要來源于實(shí)測(cè)小樣本數(shù)據(jù)，指標(biāo)體系較為豐富，但同步獲取難度大；②需要先確定不同服務(wù)水平下各評(píng)價(jià)指標(biāo)的分級(jí)標(biāo)準(zhǔn)，我國現(xiàn)階段對(duì)某些指標(biāo)并沒有相應(yīng)的劃分依據(jù)，而這是影響評(píng)價(jià)結(jié)果的重要因素。

隨著傳統(tǒng)浮動(dòng)車數(shù)據(jù)(出租車、公交車GPS 數(shù)據(jù))和車聯(lián)網(wǎng)數(shù)據(jù)(滴滴、駕圖等)不斷匯集，圍繞軌跡數(shù)據(jù)的指標(biāo)估算方法不斷產(chǎn)生。Huang J.[3]等通過定量分析非飽和狀態(tài)下停車延誤與車輛排隊(duì)位置距交叉口停車線距離之間的函數(shù)關(guān)系，利用歷史公交車GPS 軌跡數(shù)據(jù)構(gòu)建了延誤估計(jì)實(shí)用模型。Liu X.L.[4]等基于Hadoop 和MongoDB 對(duì)GPS 原始軌跡數(shù)據(jù)進(jìn)行預(yù)處理并實(shí)現(xiàn)地圖精準(zhǔn)匹配，提出利用主曲線法估計(jì)交叉口轉(zhuǎn)向延誤。陳艷艷[5]提出一種新的基于浮動(dòng)車停車點(diǎn)數(shù)據(jù)計(jì)算交叉口車輛排隊(duì)長度的方法，能夠推算出一個(gè)時(shí)間段內(nèi)交叉口排隊(duì)長度的平均值。何兆成[6]為彌補(bǔ)傳統(tǒng)排隊(duì)檢測(cè)模型大多基于線圈檢測(cè)器，模型假設(shè)過于理想化的缺陷，提出一種面向低采樣率浮動(dòng)車數(shù)據(jù)的信控交叉口最大排隊(duì)長度檢測(cè)方法，驗(yàn)證該方法在浮動(dòng)車比率較高的主干路交叉口精度相對(duì)較高。

總體而言，信號(hào)交叉口運(yùn)行效率評(píng)價(jià)主要分為4個(gè)階段：第1階段，主要靠人工統(tǒng)計(jì)交通參數(shù)，計(jì)算評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià)；第2階段，主要依靠仿真，結(jié)合人工調(diào)查，實(shí)現(xiàn)信號(hào)交叉口運(yùn)行評(píng)估；第3階段，突破單指標(biāo)評(píng)價(jià)的約束，從多角度全面評(píng)價(jià)交叉口運(yùn)行效率，但更多地趨向于評(píng)價(jià)模型的套用，且數(shù)據(jù)來源仍主要以人工采集為主；第4階段，以浮動(dòng)車軌跡數(shù)據(jù)為例，利用交通大數(shù)據(jù)估算信號(hào)交叉口延誤、排隊(duì)長度兩項(xiàng)核心指標(biāo)，但并未針對(duì)交叉口服務(wù)水平評(píng)價(jià)提出一套完整的體系。因此，本文以出租車、公交車、駕圖多源GPS軌跡數(shù)據(jù)為基礎(chǔ)，從個(gè)體車輛交通參數(shù)提取入手，構(gòu)建滿足信號(hào)交叉口技術(shù)需求的客觀、全面、可操作性強(qiáng)的評(píng)價(jià)方法體系。

1 軌跡數(shù)據(jù)特征

軌跡數(shù)據(jù)包含車輛唯一標(biāo)識(shí)(ID)、坐標(biāo)等信息，以重慶市主城區(qū)出租車、駕圖、公交車3類軌跡數(shù)據(jù)為例，分別以15 s、10 s、1～15 s 為時(shí)間間隔穩(wěn)定回傳，原始關(guān)鍵字段如表1所示。

表1 GPS原始數(shù)據(jù)樣例Table 1 GPS raw data sample

2 交通參數(shù)提取

2.1 原始數(shù)據(jù)預(yù)處理

(1)出租車、駕圖GPS數(shù)據(jù)

利用SQL server 對(duì)原始數(shù)據(jù)進(jìn)行清洗，借助ArcGIS平臺(tái)獲取待評(píng)價(jià)交叉口范圍內(nèi)軌跡數(shù)據(jù)，形成備用數(shù)據(jù)集。

(2)公交車GPS數(shù)據(jù)

公交車GPS數(shù)據(jù)缺少進(jìn)、出站時(shí)間，下客流量等微觀數(shù)據(jù)，故對(duì)公交車GPS數(shù)據(jù)進(jìn)行如下分類處理。

情形1 交叉口附近無公交站，預(yù)處理方式與出租車GPS步驟類似。

情形2 交叉口附近有公交站，需篩選在交叉口范圍不停車的公交車線路。公交線路與公交車牌(ID)無對(duì)應(yīng)關(guān)系，故采取以下解決方案：

Step 1 選取研究時(shí)段(如6:00-18:00)通過指定交叉口的所有車輛ID集合。

Step 2 選取交叉口附近公交站發(fā)生?？康乃熊囕vID集合。

Step 3 求以上兩者差集，得到交叉口附近停靠站不停車的車輛，形成公交車GPS數(shù)據(jù)集。

(3)有效樣本集構(gòu)建

不同信號(hào)方案下，不同停車次數(shù)對(duì)應(yīng)軌跡速度序列變化特征規(guī)律有明顯區(qū)別，基于此構(gòu)建交叉口樣本分類方法，利用Python對(duì)交叉口范圍備用數(shù)據(jù)集進(jìn)行批處理，并形成有效樣本集。

2.2 個(gè)體車輛運(yùn)行交通參數(shù)提取

(1)初始排隊(duì)長度設(shè)停車線代表點(diǎn)的坐標(biāo)為A(XLat0,YLong0)，車輛在進(jìn)口道減速排隊(duì)時(shí)，第1 個(gè)小于5 km·h-1的速度對(duì)應(yīng)軌跡點(diǎn)為“初始停車點(diǎn)”，其坐標(biāo)為B(XLat1,YLong1)，則兩點(diǎn)間實(shí)際距離為

式中：R為地球的平均半徑，取R≈6371.004 km

(2)通行時(shí)間

定義車輛初始停車點(diǎn)(V≤5 km·h-1)為通過交叉口起始時(shí)刻T0，當(dāng)速度大于V0(根據(jù)不同的道路等級(jí)取值有所差異，默認(rèn)為30 km·h-1)時(shí)，且不再發(fā)生減速、停車(即不出現(xiàn)速度小于等于5 km·h-1)，判定該軌跡點(diǎn)為“駛離軌跡點(diǎn)”，其回傳時(shí)刻為T1，則車輛經(jīng)過交叉口的通行時(shí)間T=T1-T0，利用“初始停車點(diǎn)”“駛離軌跡點(diǎn)”位置判別進(jìn)口及轉(zhuǎn)向。

(3)構(gòu)建車輛運(yùn)行參數(shù)信息表

針對(duì)交叉口有效樣本集，提取各進(jìn)口道不同轉(zhuǎn)向樣本車輛停車次數(shù)，初始排隊(duì)長度，通行時(shí)間，形成車輛群體運(yùn)行信息數(shù)據(jù)表，如表2所示。

3 交叉口運(yùn)行效率評(píng)價(jià)指標(biāo)構(gòu)建

3.1 評(píng)價(jià)指標(biāo)體系

利用多源軌跡數(shù)據(jù)，從交叉口車輛通行過程時(shí)間利用率，車道或進(jìn)口空間利用率，兩次停車車輛數(shù)表征的車道組(或進(jìn)口道)飽和程度3 個(gè)角度出發(fā)，構(gòu)建以綜合運(yùn)行指數(shù)為一級(jí)指標(biāo)，交叉口平均通行時(shí)間，第95%分位排隊(duì)長度，兩次停車率為二級(jí)指標(biāo)的評(píng)價(jià)指標(biāo)體系，綜合描述和評(píng)價(jià)交叉口運(yùn)行狀態(tài)和效率。

表2 車輛運(yùn)行參數(shù)信息表Table 2 Information table of vehicle operating parameters

3.2 第2級(jí)評(píng)價(jià)指標(biāo)計(jì)算方法

3.2.1 平均通行時(shí)間

本文重在利用有限代表性樣本反映交叉口所有通過車輛總體運(yùn)行水平，故以有效樣本車輛為研究對(duì)象，計(jì)算車輛在交叉口平均通行時(shí)間為時(shí)間效率指標(biāo)。計(jì)算方法為

式中：Ti為任意軌跡樣本i的交叉口通行時(shí)間；n為評(píng)價(jià)時(shí)段內(nèi)駛過交叉口的多源軌跡有效樣本數(shù)。

3.2.2 第95%分位排隊(duì)長度

圖1為某交叉口平峰時(shí)段各進(jìn)口道樣本排隊(duì)長度分布，單個(gè)進(jìn)口道中，除少數(shù)離群點(diǎn)外，總體較為集中，不同進(jìn)口道之間存在一定差異性。為盡量避免交叉口進(jìn)口道上游個(gè)別異常停車點(diǎn)對(duì)最大排隊(duì)長度產(chǎn)生誤判，統(tǒng)一采用第95%分位排隊(duì)長度作為最大排隊(duì)長度。

圖1 排隊(duì)長度分布箱線圖Fig.1 Queue length distribution box plot

3.2.3 兩次停車率

常規(guī)定義兩次停車率為交叉口發(fā)生兩次停車車輛數(shù)與交叉口總過車數(shù)之比，但實(shí)際兩者很難同時(shí)準(zhǔn)確獲取。多源軌跡數(shù)據(jù)僅占總過車數(shù)的15%～20%，且平峰和高峰有所差異；當(dāng)軌跡樣本數(shù)一定時(shí)，使用有效樣本中兩次停車樣本數(shù)與總樣本數(shù)比值衡量運(yùn)行水平，易與總體產(chǎn)生較大誤差。因此，本文將兩次停車率定義為兩次停車樣本數(shù)占有效樣本數(shù)的比例，用來表征飽和程度。

式中：q2為有效樣本中兩次停車樣本數(shù)；qe為有效樣本數(shù)。

4 綜合評(píng)價(jià)指標(biāo)及方法

4.1 綜合評(píng)價(jià)指標(biāo)模型構(gòu)建

本文將平均通行時(shí)間，第95%分位排隊(duì)長度，兩次停車率進(jìn)行融合，構(gòu)建綜合評(píng)價(jià)指標(biāo)模型，模型結(jié)構(gòu)為

式中：RI為綜合評(píng)價(jià)指標(biāo)(運(yùn)行指數(shù))，用來表征某進(jìn)口道第j個(gè)轉(zhuǎn)向、交叉口第j個(gè)進(jìn)口道和整個(gè)交叉口的運(yùn)行水平；當(dāng)用來評(píng)價(jià)某轉(zhuǎn)向時(shí)，m=1；當(dāng)用來評(píng)價(jià)某進(jìn)口道及整個(gè)交叉口時(shí)，m為某進(jìn)口道轉(zhuǎn)向數(shù)或交叉口進(jìn)口道數(shù)。評(píng)價(jià)第j個(gè)轉(zhuǎn)向或第j個(gè)進(jìn)口道時(shí)，表示第j個(gè)轉(zhuǎn)向樣本平均通行時(shí)間(s)；當(dāng)評(píng)價(jià)整個(gè)交叉口時(shí)，表示第j個(gè)進(jìn)口道樣本平均通行時(shí)間。Lj評(píng)價(jià)第j個(gè)轉(zhuǎn)向或第j個(gè)進(jìn)口道時(shí)，表示第j個(gè)轉(zhuǎn)向樣本第95%分位排隊(duì)長度(m)；當(dāng)評(píng)價(jià)整個(gè)交叉口時(shí)，表示第j個(gè)進(jìn)口道樣本第95%分位排隊(duì)長度(m)。ψj評(píng)價(jià)第j個(gè)轉(zhuǎn)向或第j個(gè)進(jìn)口道時(shí)，表示第j個(gè)轉(zhuǎn)向樣本兩次停車率；當(dāng)評(píng)價(jià)整個(gè)交叉口時(shí)，表示第j個(gè)進(jìn)口道樣本兩次停車率。Tmax為駕駛員可接受的最大通行時(shí)間(s)；Lmax為交叉口可接受的最大排隊(duì)長度(m)；ψmax為可接受的最大兩次停車率；W1為平均通行時(shí)間權(quán)重系數(shù)；W2為第95%分位排隊(duì)長度權(quán)重系數(shù)；W3為兩次停車率權(quán)重系數(shù)。

二級(jí)指標(biāo)歸一化處理時(shí)，充分考慮駕駛員可接受的最大交叉口通行時(shí)間，交叉口幾何設(shè)計(jì)，相鄰交叉口間距約束下可接受的最大排隊(duì)長度，穩(wěn)態(tài)運(yùn)行下可接受的最大兩次停車率等要素，實(shí)現(xiàn)從轉(zhuǎn)向、進(jìn)口、交叉口3個(gè)層次細(xì)化評(píng)價(jià)內(nèi)容。

4.2 第2級(jí)評(píng)價(jià)指標(biāo)權(quán)重系數(shù)確定

通過問卷調(diào)查3類出行群體對(duì)不同指標(biāo)的敏感度及可接受度以確定權(quán)重，調(diào)查內(nèi)容如圖2所示。本次調(diào)查共回收342 個(gè)樣本，其中，交管部門占比13%，環(huán)保部門占比8%，普通社會(huì)出行者占比79%。通過統(tǒng)計(jì)分析得知，通行時(shí)間對(duì)于不同群體敏感性均為最大。普通社會(huì)出行者對(duì)通行時(shí)間，排隊(duì)長度，兩次停車的敏感性依次遞減；交管部門更重視對(duì)信號(hào)交叉口排隊(duì)長度的控制；環(huán)保部門更關(guān)注車輛反復(fù)加、減速過程的排污程度，對(duì)兩次停車的關(guān)注度略高于排隊(duì)長度。

圖2 調(diào)查問卷設(shè)計(jì)內(nèi)容Fig.2 Questionnaire design content

為避免因調(diào)查群體占比不均勻引起的權(quán)重計(jì)算偏差，利用各群體樣本分別計(jì)算出各評(píng)價(jià)指標(biāo)的權(quán)重值，再取平均值作為最終各指標(biāo)的權(quán)重，最終確定平均通行時(shí)間權(quán)重系數(shù)為0.435，第95%分位排隊(duì)長度權(quán)重系數(shù)為0.291，兩次停車率權(quán)重系數(shù)為0.274。

4.3 模型關(guān)鍵參數(shù)確定

(1)可接受最大排隊(duì)長度Lmax

交叉口最小間距因滿足紅燈期間車輛最大排隊(duì)長度，且進(jìn)口道總設(shè)計(jì)長度中展寬漸變段長度和展寬段長度應(yīng)滿足《城市道路交叉口設(shè)計(jì)規(guī)程(2010版)》的要求。事實(shí)上，各類型交叉口受多種因素影響，對(duì)于不同類型交叉口范圍取值難以統(tǒng)一劃定。因此，參照規(guī)范中不同等級(jí)道路進(jìn)口道展寬段與展寬漸變段長度設(shè)計(jì)值之和上限值作為可接受的最大排隊(duì)長度。

(2)可接受最大通行時(shí)間Tmax

根據(jù)問卷調(diào)查結(jié)果顯示，高峰時(shí)段開車經(jīng)過一個(gè)信號(hào)交叉口可接受最大等待時(shí)間為2 min的樣本占比最大，為33%。以自由流車速駛過交叉口范圍的時(shí)間相比等待時(shí)間極小，因此將2 min 作為交叉口可接受的最大通行時(shí)間，即Tmax=2 min。

(3)可接受最大兩次停車率ψmax

平峰時(shí)段交叉口通常不易發(fā)生大面積擁堵，運(yùn)行狀態(tài)相對(duì)比較穩(wěn)定，認(rèn)為該情形下交叉口運(yùn)行處于可接受水平。選取4個(gè)典型信號(hào)交叉口，對(duì)平峰時(shí)段兩次停車率進(jìn)行統(tǒng)計(jì)分析，由圖3各進(jìn)口道統(tǒng)計(jì)分布可知，除少數(shù)進(jìn)口道信號(hào)配時(shí)不合理，交通需求較大等可能原因致使兩次停車率明顯較大外，其余均小于0.3，且小于0.2的約占55%，因此，本文選取0.2作為可接受的最大兩次停車率。

圖3 平峰交叉口進(jìn)口道兩次停車率分布Fig.3 Two-stop rate distribution at entrance of flat peak intersection

5 服務(wù)水平等級(jí)劃分

5.1 綜合評(píng)價(jià)指標(biāo)統(tǒng)計(jì)分析

計(jì)算上述4個(gè)典型交叉口不同分析時(shí)段的綜合評(píng)價(jià)指標(biāo)。圖4為某交叉口3個(gè)時(shí)段內(nèi)RI統(tǒng)計(jì)分布情況，早高峰1.49，平峰0.92，晚高峰1.85，可看出該運(yùn)行指數(shù)具有一定的時(shí)變性，平峰與高峰相比總體運(yùn)行效率較高，符合實(shí)際交通運(yùn)行規(guī)律。

圖4 典型信號(hào)交叉口3個(gè)時(shí)段RI 統(tǒng)計(jì)分布Fig.4 Statistical distribution of RI in three periods of typical signalized intersection

5.2 評(píng)價(jià)等級(jí)劃分

通過大量綜合評(píng)價(jià)指標(biāo)計(jì)算及統(tǒng)計(jì)結(jié)果，基于高斯混合聚類模型對(duì)指標(biāo)各等級(jí)區(qū)間閾值進(jìn)行模糊劃分。首先對(duì)降序排列的綜合評(píng)價(jià)指標(biāo)(165 條數(shù)據(jù))進(jìn)行聚類，類別數(shù)k分別取5和6兩種情形，聚類效果如圖5和圖6所示。

圖5 k=5 時(shí)聚類結(jié)果Fig.5 Clustering results when k=5

圖6 k=6 時(shí)聚類結(jié)果Fig.6 Clustering results when k=6

由圖5和圖6可以看出：當(dāng)k=5時(shí)，各區(qū)間閾值變化較均勻，除兩端(RI小于0.7和大于2.0)變化較為明顯，中間3 個(gè)類別RI以接近0.4 的梯度逐漸增大；當(dāng)k=6時(shí)，RI大于1.5時(shí)被分成兩個(gè)等級(jí)，且RI最大區(qū)間差值接近1，最小區(qū)間差值接近0.2，整體分布比較離散。結(jié)合表3可得，當(dāng)RI大于2.0時(shí)，平均通行時(shí)間，第95%分位排隊(duì)長度，兩次停車率均遠(yuǎn)遠(yuǎn)超出各指標(biāo)最大可接受水平，故已處于嚴(yán)重堵塞狀態(tài)。因此，采用五級(jí)評(píng)價(jià)標(biāo)準(zhǔn)對(duì)交叉口的運(yùn)行進(jìn)行評(píng)價(jià)，參考HCM 評(píng)價(jià)標(biāo)準(zhǔn)給出對(duì)應(yīng)服務(wù)水平下交通運(yùn)行狀態(tài)描述。

表3 二級(jí)評(píng)價(jià)指標(biāo)及綜合指標(biāo)對(duì)應(yīng)列表(RI＞2.0)Table 3 Corresponding list of secondary evaluation indicators and comprehensive indicators (RI＞2.0)

6 案例分析

6.1 基于VISSIM的交叉口運(yùn)行仿真評(píng)價(jià)

為驗(yàn)證方法的技術(shù)可行性，選取重慶市巴南大道-渝南分流道信號(hào)交叉口進(jìn)行交通流仿真。圖7為仿真運(yùn)行場(chǎng)景。

圖7 VISSIM交通仿真模型Fig.7 VISSIM traffic simulation model

6.2 基于多源軌跡數(shù)據(jù)交叉口運(yùn)行評(píng)價(jià)

對(duì)軌跡樣本進(jìn)行分類，計(jì)算得到有效樣本運(yùn)行交通參數(shù)信息。該交叉口為主路與主路相交路口，參照規(guī)范，可接受最大排隊(duì)長度為140 m，最大通行時(shí)間為120 s，最大兩次停車率為0.2。從而得到轉(zhuǎn)向級(jí)、進(jìn)口道級(jí)、交叉口級(jí)評(píng)價(jià)指標(biāo)結(jié)果及相應(yīng)服務(wù)水平。表4為早高峰評(píng)價(jià)結(jié)果樣表。

6.3 評(píng)價(jià)結(jié)果對(duì)比分析

6.3.1 最大排隊(duì)長度

將本文估算的最大排隊(duì)長度，仿真檢測(cè)的最大排隊(duì)長度與實(shí)際調(diào)查結(jié)果進(jìn)行對(duì)比。實(shí)測(cè)最大排隊(duì)長度由最大排隊(duì)車輛數(shù)乘以平均車間距計(jì)算而得，平均車間距為車身長與安全停車間距之和，停車間距受道路條件(坡度)、駕駛員特性、車輛性能等因素影響，且實(shí)例分析中的道路存在較大縱坡，且不同車輛類型占比也不確定，因此通過查閱相關(guān)文獻(xiàn)[7-8]，本文取6.5 m。統(tǒng)計(jì)得到3 個(gè)時(shí)段各進(jìn)口直行、左轉(zhuǎn)最大排隊(duì)長度對(duì)比結(jié)果如圖8～圖10所示，主要特征可歸納為以下幾點(diǎn)：

(1)本文估測(cè)值與實(shí)際值相比略小，且在平峰、高峰誤差相對(duì)比較均勻，誤差在10%～20%。

(2)仿真總體比實(shí)際值偏大，在過飽和(飽和度大于1)時(shí)，偏大程度更加明顯，這是因?yàn)榉抡孢^程車輛靜態(tài)路徑選擇時(shí)在交叉口進(jìn)口道易產(chǎn)生異常停車、換道行為，夸大排隊(duì)覆蓋范圍。如晚高峰仿真平均相對(duì)誤差為72.5%，本文為9.8%，仿真誤差明顯偏大。

表4 本文方法評(píng)價(jià)結(jié)果(早高峰)Table 4 Evaluation results of this method(morning peak)

(3)低飽和度下(如平峰時(shí)段)仿真和本文提取的最大排隊(duì)長度與實(shí)測(cè)值誤差均較小。平峰時(shí)提取結(jié)果平均相對(duì)誤差均接近15%。

圖8 早高峰最大排隊(duì)長度對(duì)比Fig.8 Comparison of maximum queue length in morning peak

圖9 平峰最大排隊(duì)長度對(duì)比Fig.9 Comparison of maximum queue length of flat peak

6.3.2 服務(wù)水平

表5為采用仿真與本文方法得到的服務(wù)水平評(píng)價(jià)結(jié)果，兩種方法評(píng)價(jià)指標(biāo)和標(biāo)準(zhǔn)均不同，故將評(píng)價(jià)結(jié)果與實(shí)際觀測(cè)交通運(yùn)行狀態(tài)進(jìn)行對(duì)比分析。主要可歸納為以下幾點(diǎn)：

(1)對(duì)比不同轉(zhuǎn)向服務(wù)水平可知，兩種方法的評(píng)價(jià)結(jié)果總體趨勢(shì)基本一致。如早高峰南進(jìn)口直行和左轉(zhuǎn)仿真評(píng)價(jià)結(jié)果為C級(jí)和E級(jí)，本文方法評(píng)價(jià)結(jié)果為A級(jí)和B級(jí)，而實(shí)際情況由于左轉(zhuǎn)通行能力不足，運(yùn)行效率較直行明顯偏低，表明兩種方法均對(duì)交通狀態(tài)具有敏感性。

圖10 晚高峰最大排隊(duì)長度對(duì)比Fig.10 Comparison of maximum queue length in evening peak

(2)低飽和度下(如平峰時(shí)段)，仿真與實(shí)際運(yùn)行水平的偏差較小，且與本文評(píng)價(jià)結(jié)果比較接近。過飽和情形下，仿真因異常停車、排隊(duì)使停車延誤明顯增加，服務(wù)水平降低。如晚高峰各進(jìn)口均處于過飽和狀態(tài)，仿真評(píng)價(jià)結(jié)果與實(shí)際偏差明顯較大。

(3)仿真評(píng)價(jià)結(jié)果會(huì)掩蓋不同流向失衡現(xiàn)象，本文方法評(píng)價(jià)結(jié)果更符合實(shí)際。如早高峰、平峰東進(jìn)口直行和左轉(zhuǎn)車流，仿真評(píng)價(jià)均處于D級(jí)及以上水平，屬非穩(wěn)定或擁堵狀態(tài)；本文方法評(píng)價(jià)結(jié)果能夠反映左轉(zhuǎn)明顯劣于直行運(yùn)行水平。

(4)多源軌跡樣本量的多少會(huì)顯著影響本文方法的評(píng)價(jià)結(jié)果。當(dāng)有效樣本量較少時(shí)，評(píng)價(jià)結(jié)果會(huì)優(yōu)于實(shí)際交通運(yùn)行水平。如早高峰、平峰北進(jìn)口左轉(zhuǎn)服務(wù)水平的評(píng)價(jià)結(jié)果均比實(shí)際運(yùn)行水平樂觀。

表5 服務(wù)水平對(duì)比表Table 5 Service level comparison table

7 結(jié)論

本文對(duì)原始多源軌跡數(shù)據(jù)進(jìn)行處理分類，構(gòu)建面向交叉口不同轉(zhuǎn)向、不同進(jìn)口方向及交叉口整體的綜合評(píng)價(jià)模型。選取重慶市典型干線信號(hào)交叉口進(jìn)行評(píng)價(jià)，得到以下結(jié)論：

(1)當(dāng)評(píng)價(jià)時(shí)長為2 h 時(shí)，能夠從轉(zhuǎn)向、進(jìn)口、交叉口3 個(gè)層次較為準(zhǔn)確地評(píng)價(jià)信號(hào)交叉口運(yùn)行效率。

(2)在過飽和情形下(飽和度大于1)，本文方法明顯優(yōu)于仿真，更貼近實(shí)際交通運(yùn)行狀態(tài)；非飽和情形下，本文方法和仿真評(píng)價(jià)結(jié)果與實(shí)際運(yùn)行狀態(tài)均比較接近。

(3)樣本量充足時(shí)，評(píng)價(jià)結(jié)果較為準(zhǔn)確，當(dāng)部分轉(zhuǎn)向有效樣本量不足時(shí)，本文方法會(huì)明顯影響評(píng)價(jià)結(jié)果準(zhǔn)確度。