1 概述
动态应急车道 ( Hard Shoulder Running ) 作为 调整路段交通流运行现状的重要管理手段, 可以在短时间内提供道路供给, 有效提升瓶颈路段的通行 能力。 早在 21 世纪初 , 欧美国家就已经通过开放 应急车道缓解的方式来解决路段的交通拥堵[ 1 - 2 ] , 但其控制方式主要是在固定时刻提供给特种车辆的 专用道, 属于静态的控制手法 。 然而高速公路交通 瓶颈的产生具有高频率、 持续时间短的特点 , 不像 城市快速路那样具有明显的早晚高峰。 如果依然采 用这类静态的管控方式, 不但不能在固定时段发挥 其充分的车道资源效益, 在非瓶颈时期开放的应急 车道还会带来一定的管理风险。 因此 , 结合道路实际通行需求, 动态决策应急车道的启用与否是十分 有意义的。 本文着眼于沪宁高速大流量路段无锡段动态应急车道应用现状, 通过分析历史数据分析法确定应急车道开放决策阈值, 建立动态应急车道开放决策管控模型, 为应急车道智能化管控提供理论参考。
2.动态应急车道开放决策模型
2.1交通拥堵指数
交通状态评价标准作为应急车道开放决策模型 中动态应急车道开放的先决条件, 主要依据交通拥 挤程度决定。 为此 , 项目以交通拥堵指数衡量交通拥挤程度, 交通拥堵指数 ( Traffic Performance Index, 即 “ TPI ” ) 是根据道路通行情况设置的综 合反映道路畅通或拥堵的概念性指数, 相当于对拥堵情况进行了量化处理。 交通指数取值范围为 1 ~ 10, 分为 5 个级别 ( 即 “ 畅通 ”、 “ 基本畅通 ”、 “轻度拥堵 ”、 “ 中度拥堵 ”、 “ 严重拥堵 ” ) , 数值越高表明交通拥堵状况越严重。 具体数据规定如表 1 所示 。
.2 决策模型建立
基于现状沪宁高速通行交通流量、 车流速度 , 及占有率 , 构建交通状态评价算 法, 基本算法如下 :
评判过程在设定阈值后 , 由上述交通拥挤指数可判断道路的拥堵情况, 即与阈值相比较从而判断是畅通或者拥堵。 但该计算结果仅为交通流判定的初步状态, 可能存在一定程度的误判 。 为保证分结论的稳定性和准确性, 通常需要对检测维持其持续性, 利用式 ( 2 ) 可确立更为准确地评判 。
在给定交通拥挤指数和持续评判思想之后 , 通 过判定交通拥堵状态, 决定动态应急车道开放策略 , 基于交通数据的车道管控决策流程图如图1 所示 。
3.决策阈值确定
3. 1 阈值确定方法
本文确定的阈值用以路段应急车道动态开放与 关闭决策, 在交通拥挤指数超过阈值后 , 区段在短
时间内即会出现交通拥堵现象 ; 在交通拥挤指数低 于规定阈值时, 区段不会出现交通拥堵现象 。 为了 确定合理的应急车道开放阈值, 本文基于沪宁高速 历史交通拥堵数据, 利用路段信息采集设备采集的 易发拥堵路段处的速度、 流量和占有率数据 , 确定应急车道开发阈值[ 8 ] 。 历史数据分析法主要包括 以下 3 个步骤 :
a评估拥堵点的拥堵现象 , 确定交通拥堵现象发生模式, 量化时空上的拥堵程度 。
b. 评估拥堵概率 , 基于历史数据 , 在拥堵瓶颈点应用概率方法来识别拥堵事件并量化拥堵时间
出现时的交通流量 。
c. 估计初始决策阈值 , 基于交通流量和速度数据确定。
3. 2 拥堵评估
通过对沪宁高速无锡段某常发拥堵点速度 - 时间分布进行统计分析, 以下是该数据采集点速度 - 时间分布图。
3. 3 拥堵概率评估
拥堵概率评估需要利用信息采集设备收集速 度、 流量和密度等数据 , 信息采集设备应该布设于
现有所有瓶颈点和潜在瓶颈点上游位置 。本文基于当前时间间隔中区段车流流速和交通量状况,以此确定下一时间间隔内交通流出现中断 ( 交通拥堵)的概率。Brilon 等人基于细化的交通流量数据,构建交通流中断概率模型[9 - 10],模型如下:
为了对拥堵概率分布进行参数估计 , 必须预先 确定分布的函数类型。 可以通过应用最大似然技术来估计分布参数。 对于容量分析 , 似然函数为 :
3. 4 估计初始决策阈值
3. 4. 1 拥堵速度阈值选择
通过对沪宁高速无锡段某常发拥堵点 2019 年全年可能出现拥堵的时间段内的各车道车辆速度、 流 量进行统计, 得到速度 - 流量关系图 , 如图 3 所示 。
从图 3 可以看出 , 车辆平均速度超过 80 km /h 表示不拥堵状态; 车辆平均速度低于 60 km /h 表示
拥堵状态 ; 车辆平均速度在 60 ~ 80 km /h 表示可能 出现拥堵状态。 故速度阈值选择 60 km /h 。
3. 4. 2 拥堵流量阈值选择
通过分析处理沪宁高速无锡段某常发拥堵点 2019 年全年可能出现拥堵的时间段内的各车道车
辆速度 、 流量数据 , 并结合上一节交通流中断概率 模型, 得出拥堵概率与交通流量分布情况 , 如图 4 所示。
从图 4 可以看出 , 拥堵速度范围内 , 不同交通 流量下对应的拥堵概率基本相同。 由图 4 还可以看 出, 单车道交通流量达到 1 600 veh / ( h · ln ) 时 , 在接下来 15 min 内 , 不同速度下交通流拥堵概率 超 50% 。 考虑到应急车道开放前需要 5 ~ 10 min 供 管理人员检查应急车道是否通畅, 选取单车道交通 流量 1 600 veh / ( h · ln ) 为应急车道开放阈值符合现场要求。
4 工程应用
4. 1 工程概况
沪宁高速作为长三角地区客货运输的主要干 线, 从总体流量来看 , 截至 2018 年 , 沪宁高速日
均断面流量已达 12. 65 万 pcu , 东段达到了 18. 2 万 pcu, 远远超过了八车道设计饱和流量 11. 5 万 pcu 。 面对日益增长的通行保畅压力, 2019 年 , 沪宁高 速在超饱和流量路段无锡段率先实施动态应急车道 管控, 以东桥枢纽至无锡枢纽间 , 共构建了 42 km 范围的管控区域。 管控期间 , 控制人员根据路段流量和交通拥堵状况, 动态分区段开放应急车道 。
4. 2 效果验证
4.2.1管控效果
2019 年国庆前 ,项目组在沪宁高速无锡段应用智慧管控决策模型,实现了车流自主感知、运行
状态自动判别和管控策略自主决策的智慧化管控 , 解决了前期依赖人工判别启闭应急车道的问题, 全 面提升路段管控智能化。 管控期间 , 通行流量 、 通 行速度明显提升, 拥堵次数 、 拥堵长度和交通事故 明显降低, 管控效能显著提升 。
4. 2. 2 决策模型阈值的验证
一般情况下 , 道路通行能力一定时 , 道路处于 正常通行状态下, 车流运行速度与交通流量之间存 在一定关系。 为了进一步准确评价路段实时交通运 行状态, 选取上一节南京方向与上海方向流量均较 大的无锡枢纽至无锡东互通流量高峰期间单位小时 流速 - 流量数据 , 得出速度 - 流量散点图 。 由图 5 和图 6 可以看出 , 无论是南京方向还是 上海方向, 速度 - 流量分布趋势基本相同 , 具有以 下变化特征: 流量在 0 ~ 3 000 veh /h 时 , 车流速度集中在速 度上游, 平均速度在 60 ~ 80 km /h 之间 , 且平均速 度随流量增加基本不变, 这说明此时交通流处于稳 定交通流状态, 这与路段此时处于一级服务水平情 况相符。 流量在 3 000 ~ 4 800 veh /h 时 , 平均速度产生 波动, 整体波动范围随着流量的增加逐渐变小 。 此 时车速以 60 ~ 80 km /h 区间车速为主 , 部分车辆处
于较低速度状态 。 流量大于 4 800 veh /h 时 , 车辆速度平均分布 在 30 ~ 80 km /h 之间 , 整体波动范围随着流量的增 加逐渐变小。 此区间整体车流速度波动较大 , 说明 此时车流处于不稳定状态, 车辆间的相互影响较 大。
为了进一步确定拥堵状态下的流量 - 速度 , 对沪宁高速无锡段交通道路养护、交通事故等全方面
进行统计分析 , 并匹配对应时间下的交通流量 - 速 度值。 在发生事故后 , 如果接下来一段时间内路段 速度下降明显, 这说明事故导致路段缓行或者拥 堵, 选取此类特征点得到交通事故和养护期间交通 缓行、 拥堵状态下路段车流运行速度与流量关系 图, 如图 7 所示 。
从图 7 可以看出 , 交通缓行 、 拥堵状态下路段 交通速度基本低于 60 km /h ; 而缓行 、 拥堵状态
下 , 交通流量均匀分布于 3 000 ~ 6 000 veh /h 之 间, 故选取速度阈值作为判断交通拥堵条件更为合 理。 而现在管控模型中流量阈值为 6 400 veh /h ,速度阈值 60 km /h , 管控模型阈值符合实际情况 。