陳 浩，韓 印，王嘉文，杭佳宇

（1 上海理工大學(xué) 管理學(xué)院，上海 200093；2 常州大學(xué) 機(jī)械與軌道交通學(xué)院，江蘇 常州 213164）

0 引言

道路突發(fā)事件、如交通事故仍是普遍存在的［1］，特別是在高密度城市道路網(wǎng)絡(luò)中超過50%的交通擁堵是由交通突發(fā)事件導(dǎo)致的［2］。如果突發(fā)事件發(fā)生在相鄰交叉口、特別是短連線交叉口的連接路段，排隊(duì)車輛會(huì)迅速溢流至上游交叉口，隨著進(jìn)入交叉口的車輛增多，車輛會(huì)溢出擴(kuò)散到其他交叉口，并可能導(dǎo)致區(qū)域性交通擁堵［3］。事故區(qū)域也可能發(fā)生二次事故［4］。道路上的任何交通事故都有可能導(dǎo)致災(zāi)難性的交通堵塞［5］。這將間接導(dǎo)致時(shí)間資源的浪費(fèi)［6］。因此，研究相鄰交叉口事件發(fā)生后合理的信號(hào)控制策略對于縮短交通參與者行程時(shí)間的意外延誤具有重要意義。

目前，城市道路交通事故的研究主要集中在緊急車輛的信號(hào)搶占緊急車輛（Emergency Vehicle，EV），可以挽救生命并減少財(cái)產(chǎn)損失。Qin 等人［7］提出了2 種EV 信號(hào)搶占控制策略。第一種策略中開發(fā)了一種實(shí)時(shí)控制方案，可以使信號(hào)從正常運(yùn)行過渡到EVSP（EV signal pre-emption）；另一種控制策略通過優(yōu)化算法，將信號(hào)從EVSP 轉(zhuǎn)換回正常信號(hào)。Obrusník 等人［8］提出一種依賴于應(yīng)急車輛和交通燈控制器之間的無線車輛到基礎(chǔ)設(shè)施（Vehicle-To-Infrastructure，V2I）通信，該方法使激活時(shí)刻適應(yīng)實(shí)際交通條件，使搶占時(shí)間盡可能短。Wu 等人［9］提出了一種EV 車道預(yù)清理策略，通過與周圍聯(lián)網(wǎng)車輛（Connected Vehicle，CV）的協(xié)同駕駛來優(yōu)先考慮這些道路上的EV。

關(guān)于事故區(qū)域控制方面，許多學(xué)者也進(jìn)行了研究。Long 等人［10］開發(fā)了4 種疏散控制策略，并展示了所提策略在雙向矩形網(wǎng)格網(wǎng)絡(luò)中分散基于事件的交通擁堵的有效性。Li 等人［11］提出了一種固定時(shí)間的信號(hào)邊界控制，以緩解交通網(wǎng)絡(luò)中的擁堵。Wang 等人［12］進(jìn)一步分析了交通事故對車輛密度與效率性能關(guān)系的影響，提出了一種反饋邊界控制策略方法，提高了車輛平均速度，并減少了受事件影響的交通的總延誤。

綜上，目前國內(nèi)外學(xué)者積累了很多突發(fā)事件下交通信號(hào)優(yōu)化策略的研究成果。然而，對車輛通過事件交叉口時(shí)通行效率的研究較少。同時(shí)，邊界限流控制方法應(yīng)對交通事故導(dǎo)致?lián)矶聲r(shí)，往往以全局最優(yōu)為控制目標(biāo)，不能精準(zhǔn)調(diào)控強(qiáng)關(guān)聯(lián)交叉口，且控制效果有延時(shí)。因此，有必要提出一種針對事件強(qiáng)關(guān)聯(lián)交叉口的信號(hào)優(yōu)化方法，迅速、精準(zhǔn)應(yīng)對交通事故。

為了彌補(bǔ)以上空白，本文主要做出以下2 點(diǎn)貢獻(xiàn)：

（1）以可接受間隙理論為基礎(chǔ)利用概率的方法，對突發(fā)事件下道路通行能力的公式進(jìn)行了數(shù)學(xué)推導(dǎo)。

（2）建立了一個(gè)考慮事件的相鄰交叉口信號(hào)優(yōu)化模型，該模型適用于單車道的場景。為了對該模型進(jìn)行求解，將蒙特卡洛方法引入遺傳算法。

1 問題描述

在城市道路網(wǎng)絡(luò)中，交通事故會(huì)對信號(hào)控制交叉口的運(yùn)行性能產(chǎn)生影響。本文實(shí)現(xiàn)的具體場景如圖1 所示。圖1 為城市道路中一個(gè)兩相位相鄰交叉口，第一相位為東西方向通行，第二相位為南北方向通行。突發(fā)事件可能隨機(jī)發(fā)生在相鄰交叉口連接路段中的任意位置。事件發(fā)生后，由于是單車道，從上游交叉口駛?cè)脒B接路段的車輛通過另一方向車道的車流間隙離開事故影響路段。為防止連接路段車輛溢流導(dǎo)致上游交叉口堵塞使擁堵擴(kuò)散，不僅需要控制由上游交叉口A流向下游交叉口B方向的車輛，還要確保對向到達(dá)車輛排隊(duì)隊(duì)列長度，以滿足車輛通過對向車道繞行通過事故區(qū)域。

圖1 事件影響下相鄰交叉口車輛運(yùn)行機(jī)理Fig. 1 Vehicle operation mechanism at adjacent intersections under the influence of traffic incidents

根據(jù)不同的交通特征，常用的車頭時(shí)距分布有負(fù)指數(shù)分布、移位負(fù)指數(shù)分布、M3 分布、Erlang 分布等。其中，負(fù)指數(shù)分布擬合單車道交通流車頭時(shí)距分布時(shí)，較小的車頭時(shí)距出現(xiàn)的概率大，與實(shí)際情況不符；移位負(fù)指數(shù)分布是在克服負(fù)指數(shù)分布局限性的基礎(chǔ)上引入的分布函數(shù)，但該分布假定主路車輛是自由行駛的，與實(shí)際情況不符。由于連接路段發(fā)生突發(fā)事件，到達(dá)的車輛通過對向車道的車流間隙繞過事故路段。因此對向車道的車輛分布對交叉口運(yùn)行效率影響更大。這里將進(jìn)入相鄰交叉口系統(tǒng)的車輛簡化為固定的到達(dá)率。由于受到信號(hào)控制的影響，車輛到達(dá)停車線的車頭時(shí)距用Cowan M3 分布來描述更符合實(shí)際［13-14］。

本文需做出如下假設(shè)：

（1）發(fā)生事故時(shí)，后方車輛在確保安全的情況下利用對向車道的車流間隙繞過事故區(qū)域，對向車道上行駛的車輛不受影響。

（2）經(jīng)信號(hào)燈放行的對向車道車輛服從Cowan M3 分布。

2 信號(hào)優(yōu)化模型

2.1 機(jī)動(dòng)車延誤模型

交叉口機(jī)動(dòng)車平均信號(hào)控制延誤模型，采用了美國交通研究委員會(huì)的《道路通行能力手冊》中的延誤計(jì)算方法。模型表述如下：

其中，為交叉口車輛的平均延誤；d1為均勻延誤；d2為增量延誤；d3為初始排隊(duì)延誤；C為交叉口周期時(shí)長；gi為第i相位的有效綠燈時(shí)間；X為車道組的v／c比，也作飽和度；T為調(diào)查交叉口的觀測時(shí)間；K、I為修正系數(shù)；qij為第i相位第j個(gè)進(jìn)口道的車流量；c為車道組通行能力。

2.2 突發(fā)事件影響下通行能力公式

為了在突發(fā)事件下對相鄰交叉口信號(hào)進(jìn)行優(yōu)化，本文以可接受間隙理論，引入概率的方法推導(dǎo)突發(fā)事件下通行能力公式。在對向車道上車輛服從Cowan M3 分布的條件下計(jì)算事件發(fā)生在連接路段后道路的通行能力。Cowan M3 的車頭時(shí)距分布認(rèn)為，當(dāng)交通擁擠時(shí)，一部分車流以車隊(duì)的狀態(tài)行駛，而另一部分車輛以自由流狀態(tài)行駛。分布函數(shù)如下：

其中，t為車頭時(shí)距；τ為最小車頭時(shí)距；α為自由流比例；λ為衰減參數(shù)，λ ＝

設(shè)p為滿足（0，1）均勻分布的隨機(jī)數(shù)，令p ＝F（t），代入后求得車頭時(shí)距的反函數(shù)為：

由式（6）可得：

其中，ht，k為對向來車第k輛車的車頭時(shí)距；pk為對向來車第k輛車的車頭時(shí)距為ht，k的概率。在仿真過程中，計(jì)算得到的車頭時(shí)距存在小于2 s 的情況，為了符合實(shí)際情況，將小于2 s 的車頭時(shí)距修正為2 s，其他情況不變。

本文將車輛通過事件區(qū)域劃分為2 種場景，分別是：對向車輛車頭時(shí)距滿足通過臨界間隙時(shí)和對向車道沒有車輛時(shí)，因此該路段一個(gè)周期內(nèi)的通行能力即為周期時(shí)間內(nèi)這2 段時(shí)間通過車輛數(shù)之和。在事故影響下一個(gè)周期內(nèi)可以通過的車輛數(shù)為：

其中，N1、N2為對向車道第一、二相位分別到達(dá)的車輛數(shù)；tc為車輛穿越對向車流的臨界間隙，該值需要根據(jù)事件的長度和寬度來確定；tf為繞行車輛以車隊(duì)形式通過時(shí)的車頭時(shí)距。

由于事故發(fā)生在連接路段，在一個(gè)周期內(nèi)對向車道出現(xiàn)足夠的時(shí)間間隙時(shí)都可以繞行通過事故地點(diǎn)駛向下游交叉口進(jìn)口道停車線的位置。其中，為對向車道有來車時(shí)車輛之間車頭時(shí)距間隙所能通過的車輛，判斷了每一個(gè)車頭時(shí)距間隙可通過的車輛并向下取整數(shù)。為對向車道、特別是車流量較小的情況，一個(gè)相位時(shí)間內(nèi)對向車道來車已全部通過但相位仍未結(jié)束時(shí)車輛以車隊(duì)形式通過事件地點(diǎn)的通行能力。

由公式可看出車輛通過事件地點(diǎn)的通行能力受到下游交叉口來車以及信號(hào)配時(shí)參數(shù)的影響。此時(shí)由公式（8）得到的是一次數(shù)值模擬的通行能力。本文在求解算法中引入蒙特卡洛方法，對該通行能力公式進(jìn)行多次計(jì)算，得到通行能力的期望值。使用通行能力的期望值作為突發(fā)事件下車道折損后的通行能力進(jìn)行信號(hào)配時(shí)參數(shù)的優(yōu)化。則通行能力的期望值為：

其中，cx表示通行能力可能的取值；Px為cx對應(yīng)發(fā)生的概率。

2.3 目標(biāo)函數(shù)

延誤是信號(hào)交叉口運(yùn)行效率和服務(wù)水平的重要衡量指標(biāo)，不僅反映了駕乘人員的舒適程度、受阻油耗和行駛時(shí)間損失，還反映了信號(hào)配時(shí)的合理性。因此，本文將進(jìn)入相鄰交叉口系統(tǒng)車輛的平均延誤視為信號(hào)交叉口運(yùn)行效率的度量指標(biāo)。目標(biāo)函數(shù)的定義如下式所示：

2.4 約束條件

（1）周期時(shí)長約束。上下游交叉口周期應(yīng)介于最小、最大周期時(shí)長之間。計(jì)算公式具體如下：

其中，H為每相位啟動(dòng)損失時(shí)間；A為每相位黃燈時(shí)長；Ii為相位i的綠燈間隔時(shí)長。

（2）有效綠燈時(shí)長約束。最小綠燈時(shí)長應(yīng)滿足到達(dá)車輛能夠駛離該交叉口。計(jì)算公式具體如下：

（3）排隊(duì)長度約束。當(dāng)相鄰交叉口的連接路段發(fā)生事故時(shí)，通行能力會(huì)明顯下降，受事故影響的連接路段會(huì)很擁擠，車輛會(huì)出現(xiàn)排隊(duì)現(xiàn)象。為了防止車輛排隊(duì)溢出影響到上游交叉口，還需添加約束控制連接路段雙向車道的排隊(duì)車輛長度。設(shè)L0為交通事故地點(diǎn)與上游交叉口之間的距離，單位為m；L1為交通事故后方排隊(duì)車輛隊(duì)列長度，單位為m；L2為發(fā)生事故車道對向車道停車線處排隊(duì)車輛隊(duì)列長度，單位為m。L1排隊(duì)長度應(yīng)小于L0，使事故地點(diǎn)后方排隊(duì)車輛不會(huì)溢出至上游交叉口。事故車道對向車道車輛排隊(duì)隊(duì)列長度應(yīng)小于L0-hs，使得對向車道預(yù)留出足夠的空間給事故地點(diǎn)后方排隊(duì)的車輛能夠繞行。數(shù)學(xué)公式具體如下：

其中，qij，t、qij，r、qij，l分別為第i相位第j個(gè)進(jìn)口道的直行、右轉(zhuǎn)、左轉(zhuǎn)車流量。

2.5 突發(fā)事件下相鄰交叉口優(yōu)化模型

至此，研究得到的突發(fā)事件下相鄰交叉口優(yōu)化模型可用如下數(shù)學(xué)公式進(jìn)行描述：

3 優(yōu)化算法

由于突發(fā)事件發(fā)生在道路上使得道路通行能力受到折損，且通行能力受到下游交叉口信號(hào)配時(shí)和交通量的影響將無法直接求解，因此本文將蒙特卡洛方法嵌入遺傳算法中對其進(jìn)行求解。蒙特卡洛方法也稱統(tǒng)計(jì)模擬方法，是以概率統(tǒng)計(jì)理論為指導(dǎo)的一類非常重要的數(shù)值計(jì)算方法。蒙特卡洛方法的基本思想為：當(dāng)所求解問題是某種隨機(jī)事件出現(xiàn)的概率，或者是某個(gè)隨機(jī)變量的期望值時(shí)，以這種事件出現(xiàn)的頻率估計(jì)這一隨機(jī)事件的概率，或者得到這個(gè)隨機(jī)變量的某些數(shù)字特征，并將其作為問題的解。

遺傳算法直接對結(jié)構(gòu)化問題進(jìn)行操作，對目標(biāo)函數(shù)的導(dǎo)數(shù)和連續(xù)性沒有任何限制。其主要目標(biāo)是在不同環(huán)境中使得在所需的效率和有效性之間取得平衡。因此，遺傳算法在理論上或經(jīng)驗(yàn)上不斷得到改進(jìn)開發(fā)以在復(fù)雜的解決方案空間中提供穩(wěn)健的搜索。而且，由于遺傳算法具有簡單、易于實(shí)現(xiàn)、應(yīng)用效果明顯等優(yōu)點(diǎn)，現(xiàn)已應(yīng)用于模式識(shí)別、機(jī)器學(xué)習(xí)、組合優(yōu)化等諸多領(lǐng)域。由于遺傳算法是一種通用的優(yōu)化算法框架，不依賴于任何具體問題，因此在城市交通信號(hào)控制的優(yōu)化中也得到了廣泛的應(yīng)用。對于研發(fā)流程步驟，擬做闡釋分述如下：

（1）初始化。設(shè)置進(jìn)化迭代計(jì)數(shù)器為x ＝0，設(shè)置最大進(jìn)化代數(shù)G，隨機(jī)生成N個(gè)個(gè)體作為初始群體P（0）。

（2）根據(jù)隨機(jī)生成的初始種群代入通行能力公式，進(jìn)行多次求解，并取其期望值作為突發(fā)事件下影響的通行能力。

（3）個(gè)體評價(jià)。計(jì)算群體P（t）中各個(gè)個(gè)體的適應(yīng)度。

（4）選擇運(yùn)算。將選擇算子作用于群體，根據(jù)個(gè)體的適應(yīng)度，按照一定的規(guī)則或方法，選擇一些優(yōu)良個(gè)體遺傳到下一代群體。

（5）交叉運(yùn)算。將交叉算子作用于群體。對選中的成對個(gè)體以某一概率交換個(gè)體之間的部分染色體，產(chǎn)生新的染色體。

（6）變異運(yùn)算。將變異算子作用于群體。對選中的個(gè)體以某一概率改變某一個(gè)或一些基因值為其他的等位基因。

（7）循環(huán)操作。群體P（t）經(jīng)過選擇、交叉和變異運(yùn)算之后得到下一代群體P（t ＋1），計(jì)算其適應(yīng)度值。根據(jù)適應(yīng)度值進(jìn)行排序。準(zhǔn)備進(jìn)行下一次遺傳操作。

（8）終止條件判斷。若x≤G，則x ＝x ＋1，轉(zhuǎn)到步驟（2）；若x ＞G，則此進(jìn)化過程中所得到的具有最大適應(yīng)度的個(gè)體作為最優(yōu)解輸出，終止計(jì)算。

4 仿真驗(yàn)證

4.1 通行能力模型驗(yàn)證

本節(jié)將對提出的交通事故下相鄰交叉口車輛繞行通過事故區(qū)域的通行能力模型建立Vissim 仿真平臺(tái)進(jìn)行驗(yàn)證。并使用Matlab 對通行能力模型編程進(jìn)行數(shù)值模擬。在相同環(huán)境的條件下，將計(jì)算得出的通行能力與Vissim 仿真中統(tǒng)計(jì)的通過車輛數(shù)進(jìn)行對比分析。

由于Vissim 無法直接模擬車輛通過對向車道繞過事故區(qū)域的場景，因此需要進(jìn)行一些特殊的處理。首先，將事故點(diǎn)處由西向東方向的車道與對向車道重合，設(shè)置好該條道路上車輛的路徑。然后在該處設(shè)置沖突區(qū)域和讓行規(guī)則。這時(shí)，若對向車道沒有來車，到達(dá)的車輛就會(huì)直接行駛到重疊部分車道通過事故區(qū)域，若對向車道有來車，到達(dá)的車輛就會(huì)停下，待對向來車車頭時(shí)距滿足繞行的臨界間隙或?qū)ο蜍嚨罌]有來車時(shí)擇機(jī)通過。

在同一環(huán)境下進(jìn)行Vissim 仿真時(shí)，設(shè)置5 組隨機(jī)種子進(jìn)行多次仿真，得出不同的迭代結(jié)果。實(shí)驗(yàn)的輸入由下游交叉口駛?cè)脒B接路段的交通量取不同的飽和度來計(jì)算連接路段事故點(diǎn)處的通行能力。上游交叉口的輸入在確保不溢出的基礎(chǔ)上盡可能大。如對向車道飽和度為0.3 時(shí)，上游流入下游車流輸入值為812 veh／h 時(shí)發(fā)生了溢流導(dǎo)致交叉口堵死，因此適當(dāng)減少車流輸入值。并且只考慮了上下游交叉口流向連接路段的車流輛，分別為上游交叉口北進(jìn)口道左轉(zhuǎn)車流、南進(jìn)口道右轉(zhuǎn)車流、西進(jìn)口道直行車流。下游交叉口分別為北進(jìn)口道右轉(zhuǎn)車流、南進(jìn)口道左轉(zhuǎn)車流、東進(jìn)口道直行車流。并且假設(shè)左右轉(zhuǎn)車輛比例分別為1 ∶3，其他方向車流直接駛出了該相鄰交叉口系統(tǒng)，不影響連接路段的通行能力，因此不需要特殊考慮，只需要滿足提出場景綠燈時(shí)間內(nèi)能夠通過即可。仿真使用的環(huán)境和車輛數(shù)見表1、表2，仿真結(jié)果見表3。

表1 交叉口信號(hào)配時(shí)Tab.1 Timing of intersection signals s

表2 交叉口流量Tab.2 Traffic volume at the intersection

表3 實(shí)驗(yàn)結(jié)果對比Tab.3 Comparison of experimental results

由表3 可知，在相同的環(huán)境下，飽和度小于等于0.6時(shí)數(shù)值實(shí)驗(yàn)結(jié)果和仿真結(jié)果誤差在可接受范圍內(nèi)。當(dāng)路段發(fā)生事故、且對向車道車流量較大時(shí)，此時(shí)折損后的通行能力很難滿足交通需求，使得相鄰交叉口系統(tǒng)魯棒性變差。對于連接路段車輛溢流堵塞上游交叉口的情況，一種可能的解釋是這種場景下仿真通行能力小于計(jì)算通行能力的值，且差值較大。

4.2 信號(hào)優(yōu)化模型驗(yàn)證

本節(jié)將對該優(yōu)化方法進(jìn)行數(shù)值實(shí)驗(yàn)，其中考慮了各種因素，以研究其對突發(fā)事件下相鄰交叉口優(yōu)化效果的影響。為了說明所提出模型的適用性。在本節(jié)中，對受到交通事故影響的兩相位信號(hào)控制交叉口的信號(hào)配時(shí)進(jìn)行優(yōu)化。在數(shù)值模擬中，假設(shè)該相鄰交叉口受到交通事故的影響。表4 總結(jié)了關(guān)鍵的參數(shù)取值［14］。

表4 關(guān)鍵參數(shù)取值Tab.4 Key parameters values

該驗(yàn)證場景中，東西方向?yàn)楦删€交通流，南北方向?yàn)榉歉删€交通流。將本文所提出的方法與Webster 分為2 種情況進(jìn)行討論，分別是非干線交通量流量較低時(shí)（100 veh／h）與非干線交通量流量較高時(shí)（300 veh／h）兩種場景下將干線交通逐漸增加進(jìn)行數(shù)值模擬。在突發(fā)事件影響下利用通行能力公式進(jìn)行驗(yàn)證表明在下游交叉口流向連接路段駛?cè)肷嫌诬嚵黠柡投瘸^0.6 時(shí)誤差較大，因此在信號(hào)優(yōu)化模型驗(yàn)證中沒有考慮對向車道飽和度大于0.6 的情況。圖2 顯示了非干線車流在低流量狀態(tài)下優(yōu)化前后的效果。當(dāng)非干線車流在低流量狀態(tài)，主線車流從100 到400 之間時(shí)，優(yōu)化沒有明顯效果。但是當(dāng)主干線車流量增加到500 時(shí)，優(yōu)化效果顯著。

圖2 非干線車流流量低時(shí)優(yōu)化前后車輛平均延誤Fig. 2 Average delay of vehicles before and after optimization when non-arterial traffic flow is low

圖3 顯示了非干線車流在高流量狀態(tài)下優(yōu)化前后的效果。當(dāng)非干線車流大，干線車流從100 到200 之間時(shí)，優(yōu)化沒有明顯效果。但當(dāng)干線車流從300 到500 之間時(shí)，優(yōu)化效果顯著提高，相鄰交叉口系統(tǒng)內(nèi)的車輛的平均延誤有明顯的降低。此時(shí)，將優(yōu)化結(jié)果代入得到各路段的飽和度，各路段飽和度均大于或接近0.5。

圖3 非干線車流流量高時(shí)優(yōu)化前后車輛平均延誤Fig. 3 Average delay of vehicles before and after optimization when non-arterial traffic flow is high

對優(yōu)化結(jié)果進(jìn)行分析，對于交通流飽和度較低（s≤0.5）的交叉口系統(tǒng)，受到事件影響通行能力出現(xiàn)折損時(shí)，折損后道路的通行能力仍能滿足需求，交通事故對交叉口整體運(yùn)行效率影響有限，原有信號(hào)控制方案仍能發(fā)揮作用，所以此時(shí)優(yōu)化效果不明顯。而對于交通流飽和度較高（s ＞0.5）的交叉口信號(hào)控制的魯棒性變差了。當(dāng)受到交通事故影響通行能力出現(xiàn)折損時(shí)，路段的飽和度會(huì)很快達(dá)到飽和或者過飽和，導(dǎo)致原有的信號(hào)控制方案失效。因此，這時(shí)對該信號(hào)交叉口系統(tǒng)信號(hào)控制進(jìn)行優(yōu)化使得該交叉口系統(tǒng)整體的運(yùn)行效率得到明顯提升，車輛通過該交叉口系統(tǒng)的平均延誤明顯降低。對于非干線車流量小的情景，當(dāng)干線交通量達(dá)到500 veh／h 時(shí)，車均延誤降低了27%。當(dāng)非干線車流量大時(shí)，干線交通量從300 增加到500，車均延誤分別降低了33%、37%、20%。

5 結(jié)束語

本文提出了一種相鄰交叉口信號(hào)配時(shí)協(xié)同優(yōu)化方法，該方法考慮了相鄰交叉口連接路段發(fā)生突發(fā)事件下的影響，使得進(jìn)入該相鄰交叉口系統(tǒng)的車輛因突發(fā)事件造成的行程時(shí)間意外延誤顯著減少。并通過模型仿真和數(shù)值分析驗(yàn)證了該方法的有效性。本次研究得出以下結(jié)論：

（1）對提出的通行能力模型搭建仿真平臺(tái)驗(yàn)證發(fā)現(xiàn)，該研究場景下通行能力很大程度上受到下游交叉口的信號(hào)配時(shí)和下游駛?cè)脒B接路段的車流量的影響。當(dāng)下游駛向上游連接路段飽和度小于0.6時(shí)，提出的模型計(jì)算結(jié)果較準(zhǔn)確。

（2）對提出的信號(hào)優(yōu)化模型進(jìn)行了數(shù)值模擬，發(fā)現(xiàn)交通流飽和度較高的相鄰交叉口系統(tǒng)受到道路突發(fā)事件的影響通行能力出現(xiàn)折損，路段的飽和度會(huì)很快達(dá)到飽和或者過飽和導(dǎo)致原有的信號(hào)控制方案控制效果不理想，此時(shí)本文所提出的方案優(yōu)化效果顯著。