城市交通流路段行程时间预测模型(1)

文章编号:100021506(2001)022*******

城市交通流路段行程时间预测模型

杨　昊,钟　雁,钱大琳

(北方交通大学交通运输学院,北京100044)

摘　要:建立较为精确的城市交通流路段行程时间预测模型是建立诱导系统的关键.本文所建

的预测模型充分考虑了交通延误变化的灵敏性,将汽车在路段上的运行时间分为两部分,分别预测.经过实测数据检验,该模型具有很好的效果.关键词:交通流;交通诱导;交通延误;占有率中图分类号:U121 文献标识码:A

Forecasting Model About T ravel Time

of C ars in T raff ic Section of R oad

YA N G Hao ,ZHON G Yan ,Q IA N Da 2li n

(College of Traffic and Transport ,Northern Jiaotong University ,Beijing 100044,China )

Abstract :While an exact model that is used to forecast the cars ’travel time in a section of road is the key job of the guiding system.In the forecasting model of this thesis ,having realized the sen 2sitivity of the traffic delay ’s change ,the author divided the whole time of the cars ’traveling into two and forecasted each of them separately.The forecasting model was proved to be very good by factual data.

K ey w ords :traffic flow ;traffic guidance ;traffic delay ;occupancy ratio

城市交通状况是否良好直接影响着城市经济的发展.我国自改革开放以来,由于城市人口及城市车辆增长迅猛,城市交通状况、特别是大城市交通状况越来越糟,虽然政府一直在扩建道路,但仍满足不了居民出行的需求.尽快、有效地治理交通堵塞已成为许多城市亟待解决的问题.

治理交通堵塞的措施目前主要有两大类:扩建道路、改善运输管理体系.其中,第二类措施可以以较小的花费来改善交通状况.许多专家曾断言:交通流诱导系统将成为21世纪现代化地面运输管理体系的模式和发展方向.而建立交通流诱导系统的关键是要能较为精确地预测未来一段时间内车辆在路段上的行驶时间.因此,对城市交通流路段行程时间预测模型的研究有着十分重大的意义.

1　预测模型研究的现状

近年来,世界上许多国家都在为建立智能交通系统而进行着不懈的努力,其中一些国家已经取得了一定的阶段性成果,但经过检验,他们所建的对城市交通流路段行程时间预测的模型精度均不是很高.所以,虽然各发达国家的技术装备比较先进,但其诱导系统却因这个原因而迟迟没有实施.

在我国,许多专家和学者也在从事交通流诱导系统的研究,其中天津大学贺国光教授[1]、吉林大学杨兆升教授[2]在这一领域取得了较为卓越的成就,他们分别依据多维时间序列、智能神经网络建立了较为精确的城市交通流路段行程时间预测模型.但当其模型用于交通流密度较大时精度不是很高,作者认为这主要是

收稿日期:2000207222

作者简介:杨昊(1978—

),男,安徽宿州人,硕士生.em ail :liwupu -00@ 第25卷第2期2001年4月 北　方　交　通　大　学　学　报JOURNAL OF NORTHERN J IAO TON G UN IV ERSIT Y

Vol.25No.2

Apr.2001

因为他们在建模时对交通延误考虑不足所致.由于车辆在下游出口附近经常要排队等待绿灯,使得在这一区域产生了交通延误.为便于以后的描述,称存有排队车辆的这一区域为下游高密区,相应的称该路段上没有排队车辆的区域为上游低密区.车辆在下游高密区产生的交通延误时间随着交通流密度的变化而有非常敏感的差异,从而使得下游高密区车辆总的运行时间变化比上游低密区灵敏得多.而现有的模型均没有考虑到这一点,建模时人们通常把整个路段视为相同的情况来考虑,致使他们的预测模型虽在交通流密度不大时有较好精确度,而当交通流密度较高时,即交通高峰期效果不好.

2　建立预测模型

由前面所述可知,要使模型在交通流密度较高时仍有很高的精确度,必须充分考虑到下游高密区交通延误的影响.为此作者把车辆在路段上的行程时间T分为如下两部分:①假设不存在下游交通延误,将车辆视为在整个路段内以上游低密区内的平均速度运行时,所对应的车辆运行时间,记为T1;②车辆在下游所产生的延误时间,记为T2.则有如下公式成立

T=T1+T2(1)在预测车辆在路段上的行程时间T时,可分别预测出T1、T2值,再利用式(1)计算出T.

2.1　预测T1

首先,利用检测器测出各时段的平均交通流量和平均车辆交通占有率,并根据交通占有率计算出路段上车辆数.时段是指一个时间间隔.时段间隔的时间越短,时段内的平均交通流量和平均车辆交通占有率越接近实时值,但是随着时段间隔的缩小,时段数量将增大,各种数据就越多,因此计算机的处理速度将变慢,所以时段间隔并非越小越好,这里取5min为一个时段的时间长度.车辆交通占用率是指一个时段内车辆通过检测器的累积占用时间与时段间隔之比,其值可由检测器直接提供.根据定义,车辆交通占用率值又等于路段上车辆的平均总长度与路段长度之比,即有如下公式成立

θ=s3a/L(2)式中,θ为路段交通占有率;s为时段内路段上平均车辆数,辆;a为标准小客车的长度(可取各类车辆长度的平均值,这里可取为5m);L为路段长度,m.式(2)转化为

s=θ3L/a(3)利用式(3)即可根据交通占有率计算出路段上车辆数.

然后,将近期几天内各时段的路段上平均车辆数s和交通流量v作平均处理,得s0和v0;再利用泰勒公式计算出所要预测时段的T1部分.由于通常情况下,城市交通网络在一定时期(一年或几个月)内几何线型不会发生重大的变化,而且交通需求情况较稳定(或变化缓慢),可以认为日交通流的时空分布也较稳定,从而各路段上交通流的几何线形基本上可视为固定的.我们知道当x位于x0附近时泰勒公式转化为

f(x)≈f(x0)+f′(x0)Δx(4)分别将s,v视为关于时间t的函数,当所预测的时段距当前时刻较近时,根据式(4)知有下面两式成立

s(t)≈s(t0)+s’(t0)Δt(5)

v(t)≈v(t0)+v’(t0)Δt(6)式中,s(t)、v(t)分别为所要预测时段的路段上车辆数和交通流量值,s(t0)、v(t0)分别为当前时段时路段上的车辆数和交通流量值,Δt为所要预测的时段距当前时段的时间间隔.

由前面所述可知,每天的交通曲线基本相同,因此上面两式又可转化为

s(t)≈s(t0)+s0’(t0)Δt(7)

v(t)≈v(t0)+v0’(t0)Δt(8)式中,s0′(t0)为过去几天内该时段路段上车辆数的平均值;v0’(t0)为过去该时段交通流量的平均值. s0′(t0)、v0’(t0)又可作如下近似处理

s0′(t0)≈s0(t0+Δt′)-s0(t0)

Δt′(9)

v0′(t0)≈v0(t0+Δt’)-v0(t0)

Δt’(10)

66北　方　交　通　大　学　学　报 第25卷