行程时间可靠性研究

合集下载

道路交通网络路径行程时间可靠性计算方法

１．引言
行程时间可靠度蒙特卡洛
２－３行程时间可靠度的获得方法行程时间可靠度的获得，主要有两种方法：１）实测法；２）计算法．．实测法是直接测量评价对象的行程时间的多次重复测量值，然后计算其均值与方差，并根据某一假定的分布，求出其可靠度。计算法是指通过路网拓扑关系，由其已知的行程时间分布，获得评价对象的行程时问分布，再计算均值、方差、可靠度。路段的行程时间容易通过实测法直接获得。行程时间可以通过浮动车数据（ＦＣＤ）直接测量而得，也可以通过线圈数据结合一定的交通模型推算而得。路径行程时间，采用实测法与计算法获得。实测法是同路段采集到经过这一条路径的满意条件的行程时间重复测量值，并计算其均值与方差，从而得到可靠度。计算法是指根据已经知道的路径组成单元的信息，通过一定的计算方法计算得到路径的可靠度。３．路径行程时间可靠度计算方法
式【ｆ１：ｌ为行程时间可靠度；ｌ为路径行程时间随机变量；Ｔ为人们规定的时间闯值；Ｐ为路径行程ｎ￣ｌ￣ｑ小于觇定行程阈值的概率。从道路管理的角度ｆ｝Ｊ发，Ｔ值由道路管理部门取定，一般可以在平均行程的基础Ｊ乘以一个没定的系数ｋ。这个ｋ值越大，说明管理者对该道路可靠度的要求越低，反之，ｋ越小表示对其可靠性要求越高．根据经验，ｋ值
Ｒ＝Ｐ｛ｔ ≤Ｔ１（１）
路径行程时间，利用实测法测量具有较大刚难。一一方面是检测技术尚未完善，对于给定起始点Ｏ与目的地Ｄ的某一特定路径．很难具有足够高的检测车辆覆盖率，以获得足够的样本量。另一方而，即使检测车辆的足够，对于特定的路径，也不一定有足够的历史数据、这两方面的原因都导致了直接测量法样本量得不到满足因此，利用路网拓扑关系的计算法成为路径可靠度不可避免的研究问题。如图３，对于从０一Ｄ的路径，没有获得或者很少获得直接从（）到Ｉ）的行程时间测量值。但是具有其组成部分—— 路段①～ ⑥的样本地不等的行程时间重复测量值。如何求得从０一Ｄ的行程时间可靠度，就成为一个重要的问题。

基于公交出行时间可靠性的公交服务改善措施研究——以乌鲁木齐市公共交通系统为例

到达站点的距离；到达公交站后需要等候多长时间；是均衡性等方面的严重不足，这些不足将最终导致公交出
否需要换乘及换乘所需的时间；公交车沿线行驶需要多行者完成其出行活动的所花费的出行时间的不可靠，而
解释了公交出行时间可靠性意义及其在出行者出行决策中的重要作用，并结合乌鲁木齐市公交调查，
论述了出行者对公交服务在出行时间可靠性方面的关注是极其重要的。继而对乌鲁木齐公交系统出行
时间可靠性的影响因素进行分析，针对性地提出了改善乌鲁木齐公交服务的措施，对国内其他城市常
理性，以及公交出行时间的可靠性等。其中公交出行时公交运营管理者普遍忽略了公交出行时间可靠性的重要
间的可靠性要性性，以及其对居民出行方式的选择的影响。因此，我国已经＿公共交通研究领域得到广泛的认可（ｂｅＡｙ城市公共交通服务的提供者应该考虑从保证公交出行时任Ａｄｌｔ —
Ａｂｓｒｃ：Ｔｅｐｐｒｆｒｔｙｈｓａｒｖｅｏｈｅｅｒｈｏｒｖｌｔｍｅｒｌｂｌｙｉｈｒｎｐｒｎｄｓｒｎｈｗｓｉｓｔａｔｈａｅｉｓｌａｅｉｗｎｔｅｒｓａｃｆｔａｅｉｅｉｉｉｎｔｅｔａｓｏｔｉｕｔｙａｄｓｏｔａｔｉｐｒａｃｏｔｅｃｍｍｕｅｓｍｏａｈｃｅｉｉｎｍａｎ，ａｄａａｙｅｈｏｓｂｅｉｍｓｔａｕｄｉｍｏｔｎｅｔｈｏｔｒ ’ ｄｌｃｏｉｅｄｃｓｏ — ｋｉｇｎｎｌｓｓｔｅｐｓｉｌｔｅｈｔｗｏｌｍｐａｔｏｈｃｎｔｅｒｌｂｌｔｆｂｓｔｖｌｔｒｍｈｅｓｅｔｅｏｕｅｖｃ．ＩｉｈｅｎｉａｅｈｕｑｕｙｔｍｓａｃｓｅｉｉｙｏｕｒｅｉａｉａｍｅｆｏｔｅｐｒｐｃｉｆｂｓｓｒｉｅｔｎｔｅｍａｔｖｍｅｔｋｓｔｅＵｒｍｉｓｓｓｅａａｅｂａｄｐｅｅｔｔｍｐｒａｃｏｈｕｎｒｓｎｓｉｉｏｎｅｆｒｔｅＵｒｍｑｕｓｐｓｅｇｒｈｏｇｅｅｌｄｐｅｅｅｃｕｖｙＦｏｌｗｉｇｔｉｈｔｍｓｏｓｔｉｂａｓｎｅｓｔｒｕｈａｒｖａｅｒｆｒｎｅｓｒｅ．ｌｏｎｈｓｔｅｉｅｆＵｒｍｑｕｅｖｃｍｐｃｉｇｏｈｒｖｌｔｅｒｌａｉｔｅａａｙｅｎｈｍｐｏｉｇｍｅｓｒｓｆｒｔｅｂｓｓｒｉｅａｅｕｉｓｓｒｉｅｉａｔｎｔｅｔａｅｉｅｉｂｌｙａｎｌｚｄａｄｔｅｉｒｖｎａｕｅｈｕｅｖｃｂｎｍｉｒｏｒ

基于时间便利性的行程选择

随着社会的发展。出行者对时间成本看的越来越重。时间成本与时间长度和时间起始点有关，时间成本不仅
包含出行者的时间价值也包括早到或晚到的损失。相对于频率较快的地铁与公交，满足乘客长距离出行的火车的时间点对乘客出行的影响很大。本文通过对杭州与上海之间的城际高铁后，出行者在汽车、自驾车及高
ｃｓｎｌｄｓａｉｌｏｔｔｖｌｅｎｃｍｆｒｂｅｏｔＷｉｔｅｅｅｏｍｅｔｆｏｉｔ，ｔｖｅｓｏｔｃｕｅｃｐｔｃｓ，ｉｉａｍｅａｕａｄｏｏｔｌｃｓ．ａｔｈｄｖｌｐｎｏｓｃｅｙｉｈｍｅＭｕｉ
・
１时间对出行方式选择的重要性
时间的以下三个方面都会对出行满意产生很大影
响，这三点分别是时间长度、时间的可靠性与起讫点
３・３
２１０《０２１城市公凝交道》ｕＡ￣ＬＴＮＰ￣ＮＢＣＲＳＢＩＡＯ
的时间点。时间长度指完成这—段出行所需的全部时
ｕＡＰＢＰ《ＲＮＵＣＲｓｏ城市公共交通》２１．Ｏ８ＵＴ０２１
基于时间便利性的行程选择
吴凤兰
（海海事大学经济管理学院上
上海
２１０）０３６
摘要：出行者基于广义成本最小化选择最佳的出行方式。广义成本包含资金成本、时间成本与舒适成本。

北京市路网单位距离行程时间可靠性评价

第7卷第2期2007年4月交通运输系统工程与信息Journal of Transportation Systems Engineering and Informati on TechnologyVol 7No 2April 2007文章编号:1009 6744(2007)02 0072 05系统工程理论与方法北京市路网单位距离行程时间可靠性评价李先1,温慧敏1,高永1,陈琨2(1.北京交通发展研究中心,北京100053;2.北京交通大学,北京100044)摘要: 经过长期的交通基础设施建设和机动化发展,北京市道路网络已经形成并且道路网络系统的供给能力和服务需求日渐趋近,路网供需之间的平衡变得脆弱,路网的交通拥堵更加容易发生,而且偶然事件对整体网络的破坏性影响越来越大.路网可靠性评价是评估道路网络状态,相对传统评价指标,它能够更加灵敏地反映路网的真实状态,尤其是路网状态的变化.出租车是北京交通系统中主要的一种出行方式,其运行状态对北京市道路网络整体的状态具有代表性.以出租车车载智能卡采集的载客行程时间数据为基础,研究提出新的单位距离行程时间可靠性评价指标和方法,并使用该指标和方法对北京市路网进行实例评价.关键词: 路网可靠性;单位距离行程时间可靠性;评价指标中图分类号: U491.2文献标志码: ABeijing Road Network Rate Travel Time Reliability EvaluationLI Xian 1,WEN Hui min 1,GAO Yong 1,CHEN Kun2(1.Beijing Transportation Research Center,Beijing 100053,China; 2.Beijing Jiaotong University,Beijing 100044,China)Abstract : With the booming of urbanization and motorization,the road network in Beijing has been formed and the transportation system is becoming more unreliable due to the more furious conflict of supply and demand.On the other hand,transportation network reliability evaluation is developing in the world as a new technology which is used to evaluate the transportation network,especially stability.As a developing ci ty,Taxi is a major and universal mode of traveling in Beiji ng.The smart card which is installed in a taxi can record the traveling ti me and distance per trip by taxi.With the recorded data of a smart card,the rate travel time per trip can be calculated and the reg ulation of the rate travel time by taxi can be found from the cumulated taxi datum.In this paper,three new reli ability indices and methodologies about rate travel time have been provided and Beijing transportation network has been analyzed by using these indices and the taxi trip datum.Key words : road net work reliability;rate travel time reliability;evaluation i ndex CLC number : U491.2Document code : A收稿日期:2006 12 20基金项目:国家科学技术部项目(2005B A414B10);北京市科学技术委员会项目(Y0605008040591);北京市科技新星计划项目(2006B21);北京市优秀人才培养计划(2005ZG-65).作者简介:李先(1966-),女,山西人,北京交通发展研究中心高级工程师,北京工业大学在读硕士研究生,主要研究方向为城市交通规划、交通流理论.E mail:li x @0 引言系统工程中可靠性的定义是:在特定的时间里和给定的环境和运行条件下,实现某种预期的功能并达到可接受的运行水平的概率.路网可靠性是可靠性理论在交通领域的应用,它是衡量路网服务能力的指标.相对于传统评价指标,路网可靠性指标基于统计概率,更能够时变地反映路网的真实状态,尤其能够反映路网状态的波动情况以及路网承受该波动或偶发事件冲击的能力.路网可靠性的研究最初源于人们对灾害(如地震)情况下剩余路网保证运输功能的判断方法和指标需求.最初的路网可靠性指标是连通可靠性,或者是连通度,用于判断网络的部分线路断开情况下,两点之间的连通程度.随着出行者和管理者对交通系统稳定性的关注、系统状态评价准确性的要求提高,路网可靠性的技术领域开始扩展到行程时间、通行能力、出行风险、公平性等等多方面.到目前,已经提出了行程时间可靠性、通行能力可靠性等多种多样的评价指标和相应的评价方法,并且行程时间可靠性已经成为最主要的路网可靠性评价指标[1,2].日本和英国的学者最早开始研究路网可靠性技术,日本的Mine、Kawai、Iida和英国的Bell等人在该领域做出了杰出的贡献.到21世纪后,路网可靠性受到普遍关注,已经成为交通领域的一项重要学科,在日本、英国、美国等国家迅速发展起来,而且在每年的美国TRB会议中成为重要讨论内容.我国对路网可靠度评价技术的研究起步于1997年左右,随后在东南大学、上海交通大学、北京工业大学等院校迅速扩展开来,关注和研究的群体日渐壮大.本文在研究现有路网可靠性评价指标和评价方法的基础上,结合北京市的出租车运行特征和所采集的基础数据,遵循行程时间可靠性指标的一般原则,借鉴Lomax(2003)[3]提出的单位距离行程时间(出行的总出行时间除以总出行距离[3]),研究并提出单位距离行程时间可靠性指标和评价方法,并依托实际数据对北京市路网进行了实例评价.1 北京市道路网络与出租车运行情况截至2005年末,北京市城市道路总里程达4777km,形成了环路加放射线的道路网络系统,道路基础设施建设已经进入补充完善阶段,道路网络的供给能力和网络主体结构已经基本稳定.另一方面,全市机动车保有量快速增长,截至2005年末已经达到258.3万辆,工作日车辆总出行次数达893.7万次.道路网络的供给能力和运输需求更加趋近,路网供需之间的平衡变得脆弱,供需矛盾的冲突对路网平衡的影响更加突出.表现为路网中交通拥堵更加容易发生而且偶然事件对整体网络的破坏性影响越来越大,交通系统的不稳定使得单次出行的行程时间变化幅度极大,出行者难以准确预估出行时间而导致大量无谓的预留时间浪费.作为发展中的特大城市,出租车是北京市交通出行中的一个重要组成部分.根据2004年的!北京市出租汽车供需状况研究报告∀,北京市共有出租车66646辆,每辆车的日均运营时间为19.44小时,日均运行里程275.66km 天,日平均载客次数22.80次,日平均载客运行里程170.91km[4].从出租车每日运营的统计数据来看,北京市出租车具有运营时间长、出行次数多等特点,并且由于出租车服务的随机性,出租车出行的OD受乘客出行目的的影响而相对随机地分布在市区道路网中.另一方面,根据2004年北京市核查线的交通调查,出租车在全日机动车交通流构成中所占比例平均约为14%,且大部分相对均匀地分布在四环以内道路网络中.表1为2004年北京市核查线调查的北京市四环内主要道路上的出租车分布比例[5].表1 北京市核查线调查统计的出租车在断面机动车构成中的比例Table1 The proportion of tax i volume i n traffic flowalong the screen line道路名称出租车比例道路名称出租车比例西四环7.4%北四环11.8%西三环18.1%北三环24.9%西二环19.1%北二环20.8%东二环18.5%南二环14.9%东三环20.9%南三环11.2%东四环10.1%南四环 3.7%长安街14.9%两广路21.9%数据来源:北京交通发展研究中心!北京市交通发展年度报告2005∀2 出租车IC卡数据2.1 数据结构北京市的所有出租车统一安装了基于IC卡的电子收费系统,该IC卡在乘客上车时打开、下车时关闭,记录乘客乘坐出租车一次出行中的起始时间、总里程、总等待时间等参数,表2为典型的出租车IC卡记录数据属性结构.73第2期北京市路网单位距离行程时间可靠性评价表2 北京市出租车IC卡记录数据属性结构T able2 Record structure of taxi IC card车牌号日期起始时间终止时间金额(元)里程(km)等时京B779272003-3-100:4000:4814 5.700:00京B779272003-3-101:0301:192412.800:00京B779272003-3-101:2801:40209.600:00京B779272003-3-101:4401:55188.700:00京B779272003-3-102:1102:272513.100:01京B779272003-3-103:2603:503417.700:02京B779272003-3-104:5905:00110.800:00 数据来源:北京渔阳联合公司本文以2004年3月份的北京市出租车运营IC 卡记录数据为分析的基础数据.2.2 数据预处理在应用IC卡数据分析路网可靠性之前,对初始的IC卡数据进行了四个步骤的预处理工作,形成分析的基础数据库.预处理步骤如下:(1)在初始的IC卡数据中,包括一定的错误数据,如行程时间非常短、记录相互矛盾等,首先进行详细的数据排错工作.(2)考虑不同日路网交通状况的差异,选取周四、周五和周六的数据分别代表工作日、过渡期和节假日.(3)考虑到行程时间受出行距离的影响,为了使每一次出行的行程时间之间具有可比性,采用单位距离行程时间作为分析对象(计算方法为一次出行的总出行时间除以总出行距离[4]),计算每一个出行的单位距离行程时间.(4)选取早6点至晚8点的数据,以15分钟为统计间隔,统计15分钟内开始出行的所有出行记录的单位距离行程时间,形成分析数据库.图1即为北京市周四路网单位距离行程时间的分位数图.图1 周四的北京市路网单位距离行程时间的分位数图Fig.1 Travel rate ti me percentile on thursday3 单位距离行程时间可靠性指标的计算方法3.1 计划单位距离行程时间指标-PRTI2003年,美国德克萨斯州交通研究所在为联邦公路局编制的!2003年美国交通运行效率监测报告∀中引入了计划行程时间指标(Planning TimeIndex)用于评价路网的行程时间可靠性.其中,计划行程时间指标是指高峰小时内某路径行程时间的95%分位数,它反映了为保障该路径大部分出行的准时性,出行者需要的总时间[6].本文提出了计划单位距离行程时间指标(Planning Rate Time Index,缩写为PRTI)来描述路网的可靠性状态,它等于某一时间段内的单位距离行程时间的x%分位数与自由流状态下的单位距离行程时间的比值,计算公式如下:PRTI k=(x%)kfree-f low(1)其中 PRTI k###第k个时间段的计划单位距离行程时间指标;x%###在计划时间内完成一次出行的概率, 74交通运输系统工程与信息2007年4月此处x =95;(x %)k ###第k 个时间段内的单位距离行程时间的分位数,一般等于统计数据的95分位数;f ree -flow ###自由流状态下的单位距离行程时间,在实际计算中,采用相同日期凌晨0点至4点之间的单位距离行程时间数据的均值来代替.该方法假设出行者期望在计划时间内完成一次出行的概率达到x %, (x %)k 表示第k 个时间段内x %概率可靠完成出行目的的计划单位距离行程时间,与此同时,它通过与自由流做比来反映特定交通状况与自由流之间的差别.PRTI k 指标反映了路网在不同时段相对于自由流的特定交通状况.PRTI k 越大,说明出行者需要更多的计划出行时间,延误的风险也更高.该指标非常有助于预测出行时间,以及设计更多的有效路径.3.2 单位距离行程时间指标-TRTI单位距离行程时间指标(Travel Rate Time In dex,缩写为TR TI)是x %为50%时的计划单位距离行程时间,即它是某一时间段内的单位距离行程时间的均值与自由流状态下的单位距离行程时间的比值,计算公式如下:TRTI k =k f ree -flow(2)其中 TR TI k ###第k 个时间段的单位距离行程时间指标;k ###第k 个时间段内的单位距离行程时间的均值;在该方法中, k 表示在第k 个时间段内所有出行的单位距离行程时间算术平均值,反映了在某一时段出行的平均状况.TRTI k 意味着当前交通状况与自由流之间的差别,反映了这时段内交通系统的效率.该指标值越高,说明实现某一出行的平均单位距离行程时间越高,路网的交通运行状况越恶劣.3.3 波动单位距离行程时间指标-FRTIPRTI 和TRTI 分别从出行稳定性和出行效率两个层面来评价交通系统,波动单位距离行程时间定义为这两者的差值,即统计结果的95%分位数和平均值的差值,计算公式如下:FRTI k =PRTI k -TR TI k=(95%)k - kfree -f low(3)其中 FRTI k ###某一时段单位距离行程时间的波动性.该方法中,FRTI k 描述了交通出行的统计分布离散性,它也是一个相对变量.FRTI k 反映了行程时间的稳定性,同时间接反映了路网的可靠性.该指标值越高,统计数据的离散性越强,即说明出行时间更加不稳定,交通系统越脆弱、不可靠.针对PRI 和TRI 两个指标,以给定的时间间隔(本文的统计数据采取15分钟间隔)分析一天的连续数据,则可以看出在一天内,一次出行稳定性和系统整体稳定性的变化,从而看出交通系统可靠性的时变特征.4 北京市路网行程时间可靠性分析应用出租车智能卡中的基础出行数据,按照计算公式(1)、(2)、(3)分别计算TRTI 、PRTI 和FRTI,得出不同日期的分布趋势图,如图2所示.图2 北京市路网PRTI 、TRTI 和FRTI 的分布趋势图Fig.2 PRTI,TRTI and FRTI on thursday and friday in Beijing从图2可以看出:(1)周四和周五的PRTI 指标值在高峰期超过3.5,即该时能保证95%的概率在预期时间内到达的出行时间是理想值的3.5倍.因此在一次出行75第2期北京市路网单位距离行程时间可靠性评价中出行者将会潜在的浪费正常时间的2.5倍时间.(2)从周四和周五的TRTI指标值来看,在高峰时段TR TI值到达1.75以上,这说明在高峰时段北京市路网相当的拥堵.出行者需要花费相对于理想情况下1.5倍以上的时间.由此可以得出北京市的路网交通拥堵比较严重,这与对北京市路网的常规评价结论一致.(3)图2中的竖直线表示PRTI和TRTI之间的差值,从图中可以看出,在北京市的高峰时段,该差值达到1.5,也就是说,若一次出行平均需要30分钟,但是有5%(1-95%)的概率需要超过1个小时,而为了保证95%概率的准时到达,你需要预留出(很大可能是无效的预留)出1个小时的出行时间.这反映出在该时刻交通系统整体相当不稳定,难以可靠预测出行时间,出行者往往不得不花费比平常更多的出行时间.(4)从一天数据的持续变化来看,随着交通拥堵状态的变化,路网的稳定性也在迅速变化,尤其在工作日,这与由路网平均速度指标得出的路网状态变化曲线结果一致,即在高峰时段交通拥堵,导致平均车速降低,路网变得不稳定.因此可以得出结论:高峰时段行程时间可靠性差,出行情况难以准确预测;平峰时段,行程时间可靠性好,出行情况基本能够预测.5 结论和展望本文系统研究了行程时间可靠性的计算方法,并利用出租车IC卡数据对北京市路网整体的可靠性状态进行了实证分析.从目前的交通运行状况来看,无论工作日还是非工作日,北京市交通系统的稳定性较差,特别是在早晚高峰时段.与速度、服务水平等常规交通系统评价指标相结合,行程时间可靠性从另一个侧面反映道路交通网络的整体运行状态和特征,对于指导北京市道路网的建设和完善,具有重要的参考、指导价值.此外,由于出租车IC卡数据只能采集行程时间和行驶距离等信息,而不能记录所经过路段的地理空间信息,因此课题将结合浮动车的数据,开发新的方法进行北京市路网可靠性的空间分布特征分析,研究的成果将在后续相关论文中详细阐述.参考文献:[1] Chris Cassi r,Michael Bell,Yasunori Iida,Introduction[M] Reliabili ty of Transport Net work(Ed.Michael G HBell,Chris Cassir),page II-XI,2000.[2] Nicholson A J.Assessi ng transport reliabili ty:malevolenceand user knowledge[J].The Network Reliability of Transport:Proceedings of the1st International Symposium on Transportation Network Reliability(INS TR),Elsevier Science Ltd,2003:207-212.[3] Lomax T,Schrank D,Turner S and Margiotta R.Selectingtravel reliabili ty measures[R].FHWA,U.S.Departmentof Transportation,2003.[4] 北京市出租汽车供需状况研究报告[R].北京:北京交通发展研究中心,2004.[Supply and demand analysisof taxi cab in Beijing[R].Beijing:Beijing TransportationResearch Center,2004.][5] 北京市交通发展年度报告2005[R].北京:北京交通发展研究中心,2005.[Beijing transportation annual report2005[R].Beijing:Beijing Transportation Research Center,2006.][6] Turner S,Margiotta R and Lomax T.Monitoring urban freeways in2003:current conditions and trends from archivedoperations data[R].Publication FHWA-HOP-05-018,U.S.Department of Transportation,2004.76交通运输系统工程与信息2007年4月。

基于结构可靠性算法的停车换乘行程时间可靠性计算

基于结构可靠性算法的停车换乘行程时间可靠性计算李伟;周菁楠;周峰;徐瑞华【摘要】In order to quantitatively analyze the travel time reliability of park-and-ride ( P&R) trips, a solution algorithm is proposed and solved.The P&R trip is divided into four subchains, including au-to, parking search, walk, and metro.Based on the fitting and calibration of the travel time distribu-tion of each subchain, the Hasofer-Lind-Rackwitz-Fiessler ( HL-RF) algorithm, widely used in the calculation of structural reliability, is used to design a solution algorithm.First, the travel time distri-bution of each subchain is converted to the corresponding normal distribution according to the RF method.Then, the HL method is used to calculate the travel time reliability of the P&R trip.Finally, a case is used to prove the effectiveness of the proposed algorithm.The results show that this algorithm can concisely and efficiently calculate the travel time reliability of the P&R trip.In the calculation, the cases for travel time of subchains following different distributions are considered.%为了定量分析停车换乘（ P&R）出行方式的时间可靠性，提出了一种P&R行程时间可靠性计算算法并进行求解。

基于运达时间可靠性的快捷货运服务网络运输能力计算

［１］
货运服务网络的构成部分，而综合货运服务网络是以综合货运物理网络为载体的运输线路的集合，指以航空、铁路、公路、水运为载体、以货物快捷运输为重点，
１］。近相互衔接、协调配套的完整货运服务网络体系［
ＣａｌｃｕｌａｔｉｏｎｏｆＣａａｃｉｔｏｆｔｈｅＥｘｒｅｓｓＦｒｅｉｈｔＴｒａｎｓｏｒｔａｔｉｏｎｐｙｐｇｐＮｅｔｗｏｒｋｕｎｄｅｒＣｏｎｓｔｒａｉｎｔｏｆＤｅｌｉｖｅｒＴｉｍｅＳｅｒｖｉｃｅｙ
：ＡｂｓｔｒａｃｔＩｎｖｉｅｗｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｎｅｔｗｏｒｋｓｕｃｈａｓｍｕｌｔｉｏｄｅｏｅｒａ－ｍ－ｐｇｐｐ，ｔｉｏｎｓａｎｄｈｉｈｒｅｕｉｒｅｍｅｎｔｓｆｏｒｄｅｌｉｖｅｒｓｅｒｖｉｃｅｔｈｅｍｅｔｈｏｄｆｏｒｄｅｔｅｒｍｉｎｉｎｔｈｅｃａａｃｉｔｏｆｔｈｅｅｘｒｅｓｓｆｒｅｉｈｔｇｑｙｇｐｙｐｇｔｒａｎｓｏｒｔａｔｉｏｎｓｅｒｖｉｃｅｎｅｔｗｏｒｋｗａｓｕｔｆｏｒｗａｒｄｕｎｄｅｒｃｏｎｓｔｒａｉｎｔｏｆｒｅｌｉａｂｉｌｉｔｏｆｔｈｅｄｅｌｉｖｅｒｔｉｍｅ．Ｔｈｅｈｂｒｉｄｐｐｙｙｙ，ｉｎｔｅｌｌｉｅｎｔａｌｏｒｉｔｈｍｗａｓｄｅｓｉｎｅｄｗｈｉｃｈｉｎｔｅｒａｔｅｄｔｈｅｅｎｅｔｉｃｏｅｒａｔｉｏｎａｎｄＭｏｎｔｅＣａｒｌｏｓｉｍｕｌａｔｉｏｎ．Ｒｅｆｅｒ－ｇｇｇｇｇｐ，：Ｗｈｒｉｎｔｏｔｈｅｅｘｉｓｔｉｎｒｅｌｅｖａｎｔｌｉｔｅｒａｔｕｒｅｒｅｓｕｌｔｓｏｆａｎｕｍｅｒｉｃａｌｃａｓｅｓｈｏｗａｓｆｏｌｌｏｗｓｅｎｔｈｅｄｅｍａｎｄｌｅｖｅｌｏｆｇｇ，ｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｉｓｌｏｗｔｈｅｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｓｅｒｖｉｃｅｎｅｔｗｏｒｋｉｓａｂｌｅｔｏｆｉｎｉｓｈａｌｌｐｇｐｐｇｐ；ｗａｓｓｉｎｍｅｎｔｓａｔｔｈｅｒｅｕｉｒｅｄｄｅｌｉｖｅｒｔｉｍｅｈｅｎｔｈｅｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｄｅｍａｎｄｒｅａｃｈｅｓａｆｒｅｉｈｔｇｑｙｐｇｐｇ，，ｖｅｒｈｉｈｌｅｖｅｌｔｈｅｒｅｌｉａｂｉｌｉｔｏｆｔｈｅｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｓｅｒｖｉｃｅｎｅｔｗｏｒｋｄｅｃｒｅａｓｅｓｄｒａｍａｔｉｃａｌｌ．ｙｇｙｐｇｐｙｉ，，ｅ．ｉｎｔｈｅｃａｓｅｏｆｃｏｎｅｓｔｉｏｎｔｈｅｒｅｌｉａｂｉｌｉｔｏｆｏｎｔｉｍｅｄｅｌｉｖｅｒｉｓｈａｒｄｔｏｂｅｕａｒａｎｔｅｅｄ．－ｇｙｙｇ：；；；ｒ；Ｋｅｗｏｒｄｓｍｕｌｔｉｍｏｄａｌｔｒａｎｓｏｒｔａｔｉｏｎｅｘｒｅｓｓｆｒｅｉｈｔｔｒａｎｓｏｒｔａｔｉｏｎｎｅｔｗｏｒｋｄｅｌｉｖｅｒｔｉｍｅｅｌｉａｂｉｌｉｔｐｐｇｐｙｙｙ；ｔｒａｎｓｏｒｔａｔｉｏｎｃａａｃｉｔｈｂｒｉｄｉｎｔｅｌｌｉｅｎｔａｌｏｒｉｔｈｍｐｐｙｙｇｇ通常定义为货物运输中的货物运达时间可靠性，限定时间内货运网络ＯＤ对间成功运达货物的概率

交叉口高峰时段右转车辆通行时间可靠性研究

置系一・；（。６１６￣善信数ａ０Ｎ；）０５Ｚ１。（一・４一．。
１２Ｏ
李巧茹等：叉口高峰时段右转车辆通行时间可靠性研究交
２１０１年第５期
表３出行时间样本统计表
２可靠性模型建立
号路
图１交叉口示意图
表１非机动车及行人流量表
时间区间
００～００７：０７：５
次
时问区间
０２８：０～０２８：５
流量
１５１
时问区间
０４～０４７：０７：５
流量
２３０
流量
１２假设检验．
表２数据分布区间分布表
统量值一计的薹
一．６；６５分１３
１２
ｎ一．６因接。可为ｐ６５，此受Ｈ即认通ｉ１３ｏ，
行时间服从正态分布。
组数ｒ；知参数个数一２７ｍ一１一９未；－＂ —６取；
２１０１年第５期
李巧茹等：叉口高峰时段右转车辆通行时间可靠性研究交
１１Ｏ
本次调查以５ｒｉ计数间隔对非机动车及ｎ为ａ
行人数量进行记录，量数据见表ｌ由调查结流。果可知，峰期非机动车及行人数量相对稳定。高

基于行程-时间域的路段行程时间预测

基于行程一时间域的路段行程时间预测——张安泰柴干丁闪闪59基于行程一时间域的路段行程时问预测张安泰柴干丁闪闪(东南大学智能运输系统研究中心南京210096)摘要为了提高高速公路路段行程时间预测的实时性与准确性，提出了基于行程一时间域的路段行程时间预测算法。

该算法依据实时检测的交通数据和B P神经网络预测路段单元在不同时间单元的空间平均车速，构建车辆出行的行程一时间域，通过车辆穿越行程一时问域获得路段的预测行程时间。

通过比较行程一时间域算法与传统神经网络预测算法，揭示了行程一时间域算法在预测精度上优于传统神经网络算法。

以沪宁高速公路路段作为示例背景，基于V i ssi m仿真软件，验证了所提算法的准确性与可行性。

关键词行程时间；行程一时间域；B P神经网络；高速公路中图分类号：U491．1+4文献标志码：A doi：10．3963／j．i s sn1674—4861．2013．02．014O引言随着现代信息技术在高速公路智能运输系统(i nt el li gent t r ans por t a t i on sys t em，I TS)的广泛应用，动态路径诱导系统作为高速公路I TS的重要组成部分，目前正得到深入研究与开发。

路段行程时间预测是动态路径诱导系统的关键技术，也是I TS的研究热点。

交通运行状况的准确分析与出行路径的动态诱导，要求路段行程时间的估计与预测应当具有实时性、可靠性和准确性。

采用新的技术方法，实时准确预测路段行程时间，是智能化路径诱导系统建设的迫切需求。

就目前行程时间预测问题，研究人员已经提出很多的预测模型与方法，如基于卡尔曼滤波的预测[1]、基于回归分析的预测[2]、基于时间序列的预测口]、基于人工神经网络的预测[4]、基于支持向量机SV M的预测[5=】等多种预测模型与方法。

此外，A r ezoum andi[61通过研究可变限速系统对行程时间分布和可靠性的影响，提出了基于行程时间均值和标准差方法的行程时间预测，并利用密苏里州圣路易斯市I-270／I一255州际公路数据验证了算法的可行性。

基于乐观值和悲观值的不同风险态度行程时间预算

基于乐观值和悲观值的不同风险态度行程时间预算李小静;刘立舰;NAUMOV Stanislav【摘要】研究3种风险态度出行者的行程时间预算.首先从随机变量的α乐观值和α悲观值出发,对比收益函数和成本函数的乐观值和悲观值的概念及特征.然后从行程时间可靠度基本概念引出行程时间的机会约束规划(CCP)minimin和minimax 模型,通过假设路段行程时间服从正态分布,求出了路段和路径行程时间的α乐观值和β悲观值,又根据Hurwicz乐观系数准则建立2种极端情况的综合平衡模型.最后提出行程时间可靠度指标,并进行了算例分析.研究结果表明方法正确指标合理,可以进行不同风险态度的行程时间预算,并针对具体情况可采用不同的可靠度指标预算出行时间并评价道路性能.【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2015(046)004【总页数】9页(P1553-1561)【关键词】乐观值;悲观值;机会约束规划;Hurwicz准则;行程时间预算;可靠度指标【作者】李小静;刘立舰;NAUMOV Stanislav【作者单位】兰州交通大学交通运输学院,甘肃兰州,730070;兰州交通大学交通运输学院,甘肃兰州,730070;兰州交通大学交通运输学院,甘肃兰州,730070【正文语种】中文【中图分类】U491路网的可靠度评价指标主要包括3种，即连通可靠度、行程时间可靠度和容量可靠度[1−4]，其中的行程时间可靠度是出行者最为关心的一个重要指标。

我国很多城市出现了交通拥堵的问题，使得对行程时间可靠度的关注得到加强。

出行者不仅考虑行程时间最少，还要考虑行程时间的可靠性最大的道路出行。

行程时间由于各种随机因素的影响是一个随机变量，每一位出行者在出行前都要进行行程时间预测，估计一下最好和最坏行程时间并做出相应的决策。

Lo等[5]提出了行程时间预算(travel time budget, TTB)的概念，并定义TTB为期望出行时间与边际出行时间之和。

基于GPS数据的高速公路行程时间估计与可靠性分析

第38卷第3期2024年5月山东理工大学学报(自然科学版)Journal of Shandong University of Technology(Natural Science Edition)Vol.38No.3May 2024收稿日期:20230306基金项目:山东省自然科学基金项目(ZR2021MF109)第一作者:唐莺萍,女,tangyingping0810@;通信作者:商强,男,shangqiang@文章编号:1672-6197(2024)03-0014-06基于GPS 数据的高速公路行程时间估计与可靠性分析唐莺萍,商强(山东理工大学交通与车辆工程学院,山东淄博255049)摘要:准确地进行高速公路行程时间估计与可靠性分析对交通规划与缓解交通拥堵具有重要意义㊂针对目前行程时间估计准确性不高㊁可靠性分析不够全面的问题,提出基于BP 神经网络的高速公路行程时间估计模型,并利用该模型计算的行程时间分析高速公路上车辆行驶的行程时间可靠性㊂以广州机场高速公路GPS 浮动车数据为例进行实例验证,结果表明,与速度-时间积分法和位置-时间内插法相比,本文提出的模型提高了行程时间估计的准确度,同时能多方面地分析车辆行程时间的可靠性㊂关键词:GPS 浮动车数据;行程时间估计;行程时间可靠性;对数正态分布中图分类号:U491文献标志码:AExpressway travel time estimation based on GPS data and reliability analysisTANG Yingping,SHANG Qiang(School of Transportation and Vehicle Engineering,Shandong University of Technology,Zibo 255049,China)Abstract :Accurate highway travel time estimation and reliability analysis is of great significance fortraffic planning and traffic congestion alleviation.Aiming at the current problems of low accuracy of travel time estimation and insufficiently comprehensive reliability analysis,this paper proposes a highway travel time estimation model based on BP neural network,and uses the travel time calculated by this model to analyze the travel time reliability of vehicles traveling on highways.Taking the GPS floating car data ofGuangzhou Airport Expressway as an example for verification,the model proposed in this paper improves the accuracy of travel time estimation compared to the speed time integration method and the position time interpolation method,and can analyze the reliability of vehicle travel time in multiple aspects.Keywords :GPS floating vehicle data;travel time estimation;travel time reliability;lognormal distribution㊀㊀莜随着我国社会和科技的不断发展,居民的出行量和汽车的保有量逐年攀升,交通拥堵问题也日益严重㊂准确地进行行程时间估计与可靠性分析是解决交通拥堵的关键㊂行程时间估计与可靠性分析能帮助交通管理者及时发现交通拥堵问题,制定有效的解决方案,还能帮助出行者及时了解交通状况,做出合理的出行决策㊂目前,采集交通数据的交通检测器主要分为固定型交通检测器和移动型交通检测器㊂Horvath等[1]用单个线圈检测器数据推导行程时间,吴俏[2]以环形线圈检测器交通流数据为研究对象,提出数据预处理方法㊂固定检测器覆盖率低㊁不灵活㊁维修难度大㊁易受外界环境影响,因此移动型交通检测器开始广泛使用,其中移动检测器中的GPS 浮动车技术因具有覆盖率广㊁可靠性高㊁检测的连续性强等特点而被广泛应用㊂起初利用GPS 浮动车数据进行行程时间估计的方法有速度-时间积分法和位置-时间内插法㊂Byon [3]提出速度-时间积分法估计行㊀程时间,常安德[4]在位置-时间内插法的基础上,提出了假设车辆匀加速或者匀减速行驶来估计行程时间的方法㊂随着计算机技术的发展,研究者们开始采用更先进的方法来改进传统的行程时间估计与可靠性分析方法㊂宋承波等[5]采用加权融合的方法来融合速度-时间积分法和位置-时间内插法计算的行程时间,伊峰[6]针对位置-时间插值法和速度-时间积分法存在的不足,采用牛顿插值法和切比雪夫多项式拟合法设计了相应的改进方法㊂在行程时间可靠性方面,许必承[7]分析了路段行程时间分布特征,选择95%分位行程时间路段建立交通运行状态可靠性度量方法;陈伟[8]建立了VMS 信息下路径行程时间可靠性评价体系,路段行程时间可靠性评价指标选取为可容忍的行程时间边界,可靠性模型采用概率型指标㊂针对目前采用传统的行程时间估计方法准确度不高㊁先进的模型复杂㊁分析数据方法繁琐以及行程时间可靠性分析指标单一的问题,本文提出基于BP 神经网络的高速公路行程时间估计模型,采用传统与概率型指标相结合的方法对行程时间可靠性进行多角度评价,并利用广州机场高速公路GPS 浮动车数据进行实例验证㊂1㊀基于BP 神经网络的高速公路行程时间估计模型1.1㊀坐标-时间内插法坐标-时间内插法[9]假定起点与终点之间车辆是匀速行驶的,通过估算车辆到达起点与终点的时间,利用起终点的时间相减即可得到行程时间㊂如图1所示,GPS 浮动车行驶的路线上会有i 到j 的定位点,按照式(1)的方法计算车辆通过终点的时刻t N ,即t N =L '2(j -1)t (j )+L '2(j )t (j -1)L '2(j -1)+L '2(j ),(1)图1㊀坐标-时间内插法示意图式中:t N 为当前高速公路路段终点N 边界时刻,t (j )为第j 个定位点的定位时刻,t (j -1)为第j -1个定位点的定位时刻,L '2(j -1)为第j -1个定位点与当前路段终点边界的距离,L '2j ()为第j 个定位点与当前路段终点边界的距离㊂同理,可计算出车辆通过路段起点时刻t N -1,利用公式t =t N -t N -1可得到高速公路路段行程时间㊂1.2㊀速度-时间积分法速度-时间积分法[9]算法原理如图2所示,它用一系列连续的GPS 浮动车采集的瞬时速度来估计高速公路平均行程速度,并用高速公路路段长度除以行程速度得到行程时间的估计值㊂图2㊀速度-时间积分法示意图车辆在t i 到t j 时间段内行驶的距离为㊀㊀d '=ʏjiv d t ʈv i (t i +1-t i2)+ðj -1g =1v g (t g +1-t g -12)+㊀㊀㊀㊀v j (t j +t j -12)㊂(2)如果采用固定的GPS 采样间隔,式(2)可简化为d '=t c (vt 2+ðj -1g =1v g +v j2),(3)车辆在t i 到t j 时间段内行驶的平均速度为u =d 't j -t i ,(4)长为L 的高速公路路段,单车的行程时间为T =L u㊂(5)1.3㊀BP 神经网络BP 神经网络是一种按误差逆传播算法训练的多层前馈神经网络,在自主学习㊁非线性和容错性等多个方面有很大的优势,其组成如图3所示,包括指定数量的输入层㊁输出层以及隐含层㊂BP 神经网络51第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析的原理是在不断的训练过程中,通过学习正向反馈信息与反向反馈信息,不断减小误差来调整不同神经元的权重㊂不同层之间的神经元通过非线性计算寻找输入与输出之间的关系㊂图3㊀BP 神经网络拓扑结构每个输入输出层㊁隐含层与输入的函数关系为:x j =ðki =1w ij o i ,(6)o j =sigmod(x l )=11+e -xl,(7)式中:k 为隐藏层神经元个数,w ij 表示神经元i 与神经元j 之间连接的权重;o j 代表神经元j 的输出;sig-mod 是一个特殊函数,用于将任意实数映射到(0,1)之间㊂1.4㊀基于BP 神经网络的高速公路行程时间估计模型设计㊀㊀坐标-时间内插法和速度-时间积分法行程时间估计的原理和优势不同,可以利用BP 神经网络对2种行程时间估计方法的结果进行融合,提高行程时间估计的精确度㊂本文提出的基于BP 神经网络的高速公路行程时间估计模型框架如图4所示,用速度-时间积分法与位置-时间内插法的行程时间估计结果作为BP 神经网络的输入变量,当训练的均方误差达到要求即输出行程时间估计的结果㊂2㊀高速公路行程时间可靠性指标2.1㊀累积分布函数用累积分布函数表示的百分位数行程时间是一种常用的行程时间表示方法,可以用一些特殊的行程时间百分位数来计算行程时间的可靠性,例如15%㊁50%㊁90%等㊂累积分布函数为图4㊀行程时间估计方法框架F (t )=ʏt 0f (t )d t =1σ2πʏTexp -12(ln t -μσ)2éëêêùûúúd t =Φ(t -μσ)㊂(8)2.2㊀基于佛罗里达算法的行程时间可靠性㊀㊀佛罗里达算法[10]将行程时间可靠性定义为:出行者使用的行程时间小于该时间下路段的平均行程时间与可接受延误时间的和的概率㊂佛罗里达算法的行程时间可靠性公式为R φ(t )=P (t <t -+φt -),(9)式中:R φt ()为行程时间可靠性;t -为平均值;φt -为可接受的行程时间延误;φ为系数,一般取5%㊁10%㊁15%或20%;t -+φt -为可接受的行程时间阈值㊂2.3㊀变异系数CV变异系数[10]能较为清晰地反馈行程时间的离散程度与不确定性,可排除量纲的影响㊂变异系数一般不超过0.15,其计算公式为CV =σμ,(10)式中:σ为标准差,μ为均值㊂2.4㊀缓冲指数BTI缓冲指数[11]指一般条件下,出行者为了能在90%的分位行程时间内到达目的地要额外预留的缓冲时间,其计算公式为BTI =F (0.9)-t mt m,(11)61山东理工大学学报(自然科学版)2024年㊀式中:F (0.9)为90%分位行程时间,t m 为平均行程时间㊂2.5㊀单位距离平均行程时间行程时间反映了一定时间段内单位路段长度交通流的平均状况和运行效率㊂单位距离平均行程时间计算公式为t -=ðni =1t in ㊃l,(12)式中:t i 为第i 辆车行程时间,l 为车辆行驶的路段长度,n 为该路段上通过的车辆数㊂3㊀实例验证3.1㊀行程时间估计3.1.1㊀数据来源OpenData [12]开放的广州机场高速公路GPS 数据为地图配后的结果,可用来进行高速公路行程时间与可靠性分析研究㊂删除速度异常的GPS 浮动车数据,对数据进行排序分类,对浮动车的行驶方向㊁行驶地点和行驶时间㊁路段编号进行筛选,选出实验需要用的GPS 浮动车数据㊂高速公路行程时间估计实例验证的路段为新市-黄石㊂BP 神经网络融合方法的输入变量为速度-时间积分法与位置-时间内插法计算的行程时间,输出变量为行程时间估计值,共有125组数据,前96组数据作为训练集,97到101组数据为验证集,最后24组数据为测试集,输入层神经元设置为2个,隐藏层神经元设置为10个,输出层神经元设置为1个㊂3.1.2㊀评价指标本文采用相对误差(δRE )㊁平均相对误差(δARE )㊁最大相对误差(δMRE )来评估模型的有效性㊂评价指标越小,则模型的预测性能越好,各自的数学表达式如下:δRE=y (t )-y ɡ(t )y (t ),(13)δARE=1n ðn i =1y (t )-y ɡ(t )y (t ),(14)δMRE =max(y (t )-y ɡ(t )y (t )),(15)式中:y t ()为行程时间真实值,y ɡt ()为行程时间估计值㊂3.1.3㊀行程时间估计结果与分析3种方法估计的行程时间如图5所示㊂由图5可以看出,每辆GPS 浮动车分别采用速度-时间积分法㊁坐标-时间内插法㊁基于BP 神经网络模型的行程时间估计结果,为了检验本文提出模型的估计效果,采用真实值与3种方法估计结果的相对误差㊁平均相对误差与最大相对误差来分析㊂图5㊀3种方法估计的行程时间3种方法估计的行程时间与真实值的相对误差如图6所示,平均相对误差㊁最大相对误差如表1所示㊂由图6和表1可知,速度-时间积分法的5㊁6㊁15㊁19㊁21,24号车辆的估计误差较大,坐标-时间内插法的4㊁8㊁12㊁21㊁23号车辆的估计误差较大,基于BP 神经网络模型的3㊁11㊁12号车辆的估计误差较大,其他车辆的相对误差都较小㊂可以明显看出无论是相对误差还是平均相对误差与最大相对误,基于BP 神经网络的行程时间估计模型效果明显优于图6㊀3种行程时间估计方法的相对误差表1㊀3种行程时间估计方法的平均相对误差与最大相对误差方法名称δARE δMRE 速度-时间积分法0.08070.1681坐标-时间内插法0.08120.1717神经网络融合法0.05240.120971第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析速度-时间积分法㊁坐标-时间内插法的估计效果且其结果与真实值偏差更小㊁吻合度更高㊂3.2㊀行程时间可靠性分析根据本文提出的基于BP 神经网络的高速公路行程时间估计模型对三元里-黄石㊁黄石-平沙㊁平沙-蚌湖路段的387辆GPS 浮动车的行程时间进行估计,并利用估计的行程时间进行可靠性分析,以下以三元里-黄石路段为例进行分析㊂3.2.1㊀行程时间频数统计如图7所示,对三元里-黄石路段车辆的行程时间进行频数统计以进行行程时间分布拟合计算㊂3.2.2㊀行程时间分布拟合对行程时间的频数统计数据进行正态分布㊁威布尔分布㊁伽玛分布㊁对数正态分布模型拟合,分布拟合的结果如图8所示㊂利用三元里-黄石路段的4种模型的函数表达式进行误差平方和的计算,其计算公式为δSSE =ðni =1w i (y i -y -i )2,(16)式中:y i 为实际值;y -i 为拟合值;w i 为权重㊂图7㊀三元里至黄石南行程时间频数统计㊀㊀由表2拟合函数的误差平方和可知,对数正态分布的误差平方和最小,所以广州机场高速公路三元里-黄石路段的车辆行程时间分布由对数正态分布拟合效果最佳㊂㊀㊀对数正态分布的概率密度函数为f t ()=10.57073t 2πexp -12(ln t -2.64230.57073)2éëêêùûúú㊂(17)(a)正态分布㊀㊀(b)威布尔分布(c)伽玛分布㊀㊀(d)对数正态分布图8㊀拟合分布函数图81山东理工大学学报(自然科学版)2024年㊀表2㊀4种拟合函数的误差平方和路段正态分布威布尔分布伽玛分布对数正态分布三元里-黄石0.02280.02080.02050.02043.2.3㊀行程时间可靠性分析1)累积分布函数㊂三元里至黄石累积分布函数为F (t )=ʏtf (t )d t =10.57073t 2πexp -12ln t -2.64230.57073()2éëêêùûúú=φt -2.64230.57073()㊂(18)2)佛罗里达算法指标㊂由表3可以看出,在可接受的延误时间为概率统计拟合行程时间的20%的情况下,三元里-黄石与黄石-平沙两个路段的佛罗里达算法指标均未超过50%,说明两段路的行程时间可靠性较低,平沙-蚌湖路段的佛罗里达算法指标超过50%,说明该路段的行程时间可靠性较好㊂㊀表3㊀基于佛罗里达算法的行程时间可靠性㊀单位:%路段可接受延误时间的系数5%10%15%20%三元里-黄石31.1036.1241.1546.10黄石-平沙34.9438.8242.6446.36平沙-蚌湖39.3644.0148.5352.88㊀㊀3)其它行程时间可靠性指标㊂由表4变异系数CV 值可以看出,平沙-蚌湖的离散程度较低,说明车辆在该路段可用相对平稳的速度行驶,且对比全国高速公路单位距离的平均行程时间可知该路段的交通流运行速度较快,路段的行程时间可靠性高㊂三元里-黄石㊁黄石-平沙路段的离散程度较高,且交通流运行速度较慢,说明这两个路段的行程时间可靠性较差㊂表4㊀其他行程时间可靠性指标路段变异系数CV 缓冲指数BTI 单位距离平均行程时间/(min /km)三元里-黄石0.7594 1.2625 2.031黄石-平沙0.2955 1.5354 1.198平沙-蚌湖0.14581.73321.2844㊀结论针对目前行程时间估计准确性不高与可靠性分析不够全面的问题,提出了基于BP 神经网络的高速公路行程时间估计模型,并采用传统与概率型指标相结合的方法分析行程时间可靠性,在此基础上进行实例验证,得出以下结论:1)本文提出的模型能提高行程时间估计的准确性,与原有方法相比,相对误差㊁平均相对误差与最大相对误差均有大幅降低㊂2)采用传统与概率型指标相结合的方法分析行程时间的可靠性,可以改善行程时间可靠性分析指标单一的问题,多角度全面分析行程时间可靠性㊂3)对高速公路上车辆行驶的路段进行行程时间估计与可靠性分析,可以反映存在的交通问题,准确获得实时的交通信息,方便交通管理者发现并解决问题,帮助出行者及时采取正确的出行决策㊂参考文献:[1]HORVATH M T,TETTAMANTI T.Real-time queue length estimationapplying shockwave theory at urban signalized intersections[J].Pe-riodica Polytechnica Civil Engineering,2021,65(4):1153-1161.[2]吴俏.基于城市路网的行程时间估计及预测方法研究[D].杭州:浙江大学,2015.[3]BYON Y J.GISTT:GPS -GIS integrated system for travel time surveys [D].Toronto:University of Toronto,2005.[4]常安德.基于GPS 浮动车的路段行程时间采集方法研究[D].长春:吉林大学,2009.[5]宋承波,燕雪峰.一种浮动车技术的道路行程时间估计方法[J].小型微型计算机系统,2018,39(9):2098-2102.[6]伊峰.基于车载GPS 数据的交通流路段平均行程时间估计与预测方法研究[D].长春:吉林大学,2012.[7]许必承.城市路网交通运行状态可靠性度量[D].南京:东南大学,2021.[8]陈伟.VMS 信息下驾驶路径选择行为特性及行程时间可靠性分析[D].青岛:青岛理工大学,2021.[9]马超锋.基于低频采样GPS 数据的路段行程时间估计[D].北京:北方工业大学,2015.[10]蒲珂慧.高速公路行程时间可靠性计算方法研究[D].西安:长安大学,2015.[11]KAPARIAS I,BELL M G H,BELZNER H.A new measure of traveltime reliability for in-vehicle navigation systems[J].Journal of In-telligent Transportation Systems,2008,12(4):202-211.[12]OpenITS 联盟.OpenData V1.0-广州机场高速公路开放数据[EB /OL].[2023-02-16].https:// /openData1/626.jhtml.(编辑:郝秀清)91第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀唐莺萍,等:基于GPS 数据的高速公路行程时间估计与可靠性分析。

DB11T 785-2011 城市道路交通运行评价指标体系

道路交通运行水平划分道路交通运行指数tpi0tpi22tpi44tpi66tpi88tpi10道路网运行水平畅通基本畅通轻度拥堵中度拥堵严重拥堵52道路交通拥堵率521道路交通拥堵率指标定义特定时段内道路网处于中度拥堵和严重拥堵等级的道路交通运行指数之和与该时段内所有道路交通运行指数之和的比值综合反映特定时段内的交通拥堵程度值越大拥堵越严重
5
DB11/T 785—2011
BB
附录B （规范性附录） VKT 比例计算方法
以快速路为例，说明VKT计算方法。第1步：按照公式（B.1）计算统计时段内各路段的VKT值。
图B.1 路段示例
式中：
VKTSi = VSi × LSi ................................... (B.1)
VKTSi ——统计时段内路段Si的VKT值（单位：pcu•km）
VSi ——统计时段内通过路段Si的当量小汽车交通量（单位：pcu）
LSi ——路段Si的长度（单位：km）
第2步：按照公式（B.2）汇总得到统计时段内快速路的VKT值。
式中：
N1
∑ VKT快速路 = VKTSi ................................. (B.2) i =1
5.2.2 道路交通拥堵率计算方法
2
标准分享网免费下载
DB11/T 785—2011
道路交通拥堵率指标按照公式（1）计算：
式中：
∑TPI j
TCR =
j N
..................................... (1)
∑ TPI k
k =1
TCR ——道路交通拥堵率（%）
ICS 03.220.20 R85 备案号：30561-2011

路网运行状况分析报告

路网运行状况分析报告随着城市化进程的加速和交通运输需求的不断增长，路网的运行状况对于城市的发展和居民的生活质量起着至关重要的作用。

为了全面了解路网的运行情况，提高交通运输效率，保障交通安全，特对路网运行状况进行了深入分析。

一、研究区域及路网概况本次研究的区域涵盖了城市的主要城区以及周边的重要交通枢纽。

该区域的路网主要由高速公路、城市主干道、次干道和支路组成，形成了一个较为复杂的交通网络。

高速公路作为区域间快速连接的通道，承担着大量的长途运输任务。

城市主干道则是城市内部交通的骨架，连接着各个功能区。

次干道和支路则起到了分流和补充的作用，共同构成了完整的路网体系。

二、数据采集与处理为了准确评估路网的运行状况，我们采用了多种数据采集方法，包括交通流量监测设备、视频监控、GPS 定位等。

这些数据涵盖了不同时间段、不同路段的交通流量、车速、拥堵情况等信息。

在数据处理方面，我们运用了先进的数据分析软件，对原始数据进行了筛选、清洗和整合，以去除异常值和错误数据，确保分析结果的准确性和可靠性。

三、路网运行状况评估指标1、交通流量交通流量是衡量路网运行状况的重要指标之一。

通过对不同路段、不同时间段的交通流量进行统计分析，可以了解路网的承载能力和交通需求的分布情况。

2、车速车速反映了车辆在路网中的行驶效率。

平均车速较高通常表示路网运行顺畅，而车速较低则可能意味着存在拥堵或交通瓶颈。

3、拥堵指数拥堵指数是综合考虑交通流量和车速等因素计算得出的指标，用于直观地反映路网的拥堵程度。

拥堵指数越高，说明路网的拥堵情况越严重。

4、行程时间可靠性行程时间可靠性衡量了在一定时间段内，车辆从起点到终点所需时间的稳定性。

较高的行程时间可靠性表示路网运行较为稳定，而较低的行程时间可靠性则意味着行程时间的不确定性较大。

四、路网运行状况分析1、高峰时段拥堵情况在早晚高峰时段，城市主干道和部分高速公路路段出现了明显的拥堵现象。

其中，一些交通流量较大的路口和路段拥堵尤为严重，车辆排队长度较长，平均车速明显下降。

基于行程时间可靠性的车辆路径问题研究

的有机结合， ηｉｊ的设计是蚁群算法的关键。有当群体规模较大时，短时间内难以求得最优解，如果随机产生的某一路径
信息量变化过快，很容易出现搜索停滞现象［１４］，为控制信息
量的变化速度并考虑到路网流量导致线路通畅的可靠性，采
用如下方法选择下一个被访问的客户：
（８）
ａｉ≤ｓｉｋ≤ｂｉ， $ｋ∈Ｖ， $ｉ∈Ｎ
（９）
ｘｉｊｋ∈｛０，１｝， $ｋ∈Ｖ， $ｉ∈Ｎ
（１０）
在上述表达式中，约束条件（１３）表达了车辆在某个时间
窗内以指定概率完成某个顾客的服务要求；约束条件（１４）表
达了每个分店仅能被访问一次；（１５）表达了被调用的车辆
对于每条弧（ｉ，ｊ）（ｉ≠ｊ，ｉ≠ｎ＋１，ｊ≠０）和车辆ｋ定义变量ｘｉｊｋ：
"０，如果车辆ｋ没从节点ｉ到达节点ｊ
ｘｉｊｋ＝１，如果车辆ｋ从节点ｉ到达节点ｊ对于每个分店ｉ和车辆ｋ定义变量ｓｉｋ，它表示车辆ｋ在ｓｉｋ开始对分店ｉ进行访问，如果车辆ｋ不访问分店ｉ，则ｓｉｋ不表示任何意义。假设ａ０＝０，这样对所有车辆ｋ，ｓ０ｋ＝０，对于每辆车，设计一条费用最小的路径，此路径开始于顶点０，终止于顶点ｎ＋１，同时还要保证每个分店被精确地访问一次，但不能违背个时间窗口和车辆的能力约束。综上描述，给出以
信息素更新策略是蚁群算法的关键步骤之一，信息更新
过快将导致算法陷入局部最优甚至停滞，信息更新过慢则收
敛速度缓慢，无法搜索到最优路线。

路径行程时间的组合预测方法研究

目前,在行程时间预测方面,相关研究已经有了很大的发展,但还存在以下挑战:
1)传统的以单一路段为基本研究对象的行程时间预测已经很难满足路径规划的需求,出行者更关注其路径的行程时间。
2)现有的组合模型算法的模型比较复杂,不适于应用,各模型之间的权重分配方法很难满足数据实时更新的需要。
3)由于交通信息采集系统的实施,历史数据和实时检测数据在行程时间预测中应发挥更大的作用。
【期刊名称】《交通信息与安全》
【年(卷),期】2010(028)004
【总页数】5页(P13-17)
【关键词】路径行程时间;组合预测模型;聚类分析;权重系数更新;自回归;滚动处理
【作者】张硕;孙剑;李克平
【作者单位】同济大学交通运输工程学院,上海,201084;同济大学交通运输工程学院,上海,201084;同济大学交通运输工程学院,上海,201084
【正文语种】中文
【中图分类】U491.13
随着先进的出行者信息系统(advanced travelers information systems,ATIS)的逐步实施,特别是车内导行系统的推广应用,路径规划对出行者有着重要的参考,而其核心之一是动态路径行程时间估计及预测。动态路径行程时间估计及预测保证了在不同的交通状态下,可以提供出行者从出行起点到终点的行程时间信息,出行者藉此可进行出行模式、出行时间、出行路径选择等出行计划,进而避开拥挤路段,提高出行效率。
实例检验和分析
3.1 数据来源
选择上海市快速路系统3条典型路径的行程时间进行实例分析,数据来源于上海市区视频检测器的车牌识别数据,数据为2009年2月16日～2009年3月1日早高峰。07:00～09:00的时间间隔为1 min的原始视频数据。3条典型路径为:路径A。南北高架快速路。起点为共和新路立交出口/入口(CP27),终点为卢浦大桥浦西往浦东(CP68),将该路径分为5个独立的路段。路径B。延安高架快速路。起点为延安高架南侧虹井路/虹许路(CP25),终点为延安高架南侧西藏路出口/福建路出口(CP17),将该路径分为4个独立的路段。路径C。内环高架快速路。起点为逸仙高架西侧中环大柏树立交/中山北二路入口(CP37),终点为内环高架外圈漕溪路立交/吴中路(CP7),将该路径分为5个独立的路段。

考虑行程时间约束的快速公交网络可靠性

考虑行程时间约束的快速公交网络可靠性——丁亚民柳波55考虑行程时问约束的快速公交网络可靠性丁亚民1柳波h2(1．深圳综合交通设计研究院智能交通研究所广东深圳518003；2．长沙理工大学交通运输工程学院长沙410004)摘要在分析快速公交网络特性的基础上，构造了快速公交网络重图模型和可靠性指标矩阵，同时建立了行程时间可靠性约束模型。

然后采用组合优化的方法，建立包含可靠性指标和行程时间约束的快速公交网络的双层规划模型，其上层模型以系统最小资金投入为目标，下层模型满足用户平衡并以用户广义出行费用最小为优化目标，给出了求解算法。

最后进行了简单网络的算例测试，计算结果表明，该模型能更好地评估快速公交网络性能。

关键词可靠性；快速公交网络；双层规划模型；行程时间可靠性；用户平衡中图分类号：U491文献标志码：A doi：10．3963／j．i ssn1674—4861．2013．02．0130引言快速公交网络设计是公共交通网络设计的重要组成部分。

由于快速公交使用公交专用道，享有专用相位和优先路权，所以其网络也是较为简单的。

快速公交网络设计的核心在于更好地、更合理地利用交通空间，提高运行速度，降低人们在路网上所花费的时间。

这不仅包含减少公交网络上0D走行时间的内容，还包括增强公交网络的可靠性，避免造成乘客出行总时间的增加。

以往的研究多着眼于路网可靠性，刘海旭[1]构造了基于路段走行时间可靠性的路网容量可靠性双层规划模型，主要是对随机环境下混合交通流路网的整体性能的评价，对于公共交通网络并不能适用。

随着宋一凡口3等对公交网络平衡配流模型的研究，人们开始研究城市公交网络设计问题。

单连龙∞一等根据公交网络的具体特点对其进行了系统的描述，提出双层模型描述随机平衡公交网路设计问题。

毛林繁[41建立了城市公共交通网络重图模型，并依据定义的可靠性指标建立了城市公交网络可靠性双层规划模型。

陈城辉[51等以城市多模式公交网络为研究对象，建立行程时间可靠性评价模型。

应急条件下区域路网行程时间可靠性研究

应急条件下区域路网行程时间可靠性研究∗薛晓姣１,２㊀杨宏志１һ㊀任㊀楠１２(１．长安大学公路学院㊀西安７１００６４;２．中铁二院工程集团有限责任公司㊀成都６１００３１)摘㊀要:为了研究应急条件下的区域路网可靠性,建立绍兴市区域路网V i s s i m 仿真模型并进行校准.提出基于交通仿真和蒙特卡洛方法的应急条件下路段行程时间计算模型并结合实测与仿真数据对模型进行修正,并分析路网拓扑空间关系依次建立应急条件下路径㊁O D 对㊁路网行程时间可靠性模型.量化分级行程时间可靠性,对绍兴市典型路段和典型区域进行仿真与评价分析.研究结果表明,路网行程时间可靠性随应急事件的降低而降低,当越城区和诸暨市应急事件等级由正常降至一级,路网行程时间可靠性由０．５１９和０．５３４降低至０．２０１和０．１７３.同等应急条件对同一地区不同区域路网存在差异性影响,同等应急条件下诸暨市的路网行程时间可靠性下降比相对于越城区高４．５％~９．９％,主要由于其自由式路网交通疏散能力较差且非城区交通管理水平较低.关键词:交通工程;区域路网;V i s s i m 仿真;行程时间可靠性;应急条件中图分类号:U ４９１．１㊀㊀文献标志码:A㊀㊀d o i :１０．３９６３/j．i s s n ．１６７４Ｇ４８６１．２０１９．０２．００４T r a v e l T i m eR e l i a b i l i t y of R eg i o n a lR o a dN e t w o r ku n d e rE m e r g e n c y Co n d i t i o n s X U EX i a o j i a o １,２㊀Y A N G H o n gz h i １һ㊀R E NN a n １,２(１．S c h o o l o f H i g h w a y ,C h a n g ᶄa nU n i v e r s i t y ,X i ᶄa n ７１００６４,C h i n a ;２．C h i n aR a i l w a y E r y u a nE n g i n e e r i n g G r o u p C o ．L t d ,C h e n gd u ６１００３１,C h i n a )A b s t r a c t :T o s t u d y re l i a b i l i t y of r eg i o n a l r o a dn e t w o r ku n d e r e m e r g e n c y co n d i t i o n s ,aV i s s i ms i m u l a t i o nm o d e l o f a r e g i o n a l r o a dn e t w o r k i nS h a o x i n g i s d e v e l o p e da n d c a l i b r a t e d ．A m o d e l t o c a l c u l a t e t r a v e l t i m e o f l i n k s u n d e r e m e r g e n c yc o nd i t i o n sb a se d o n s i m u l a t i o n s a n dM o n t eC a r l om e t h o d i s p r o p o s e d ,a n dm o d if i e dw i t h a c t u a l a n d s i m u l a t e d d a t a ．T o po Ｇl o g i c a n a l y z e o f t h e r o a dn e t w o r k i s u s e d t o e s t a b l i s h r e l i a b i l i t y m o d e l s o f t r a v e l p a t h ,O D p a i r ,a n d r o a dn e t w o r ku n d e r e Ｇm e r g e n c y c o n d i t i o n s ．T y p i c a l l i n k s a n d t y p i c a l r e g i o n s o f S h a o x i n g a r e s i m u l a t e d a n d e v a l u a t e db y q u a n t i f y i n g a n d g r a d i n gt r a v e l t i m e r e l i a b i l i t y ．T h e r e s u l t s s h o wt h a t t h e t r a v e l t i m e r e l i a b i l i t y of r o a dn e t w o r kd e c r e a s e sw i t ht h ed e c r e a s eo f e Ｇm e rg e n c y l e v e l ．Wh e n e m e r g e n c y l e v e l o fY u e c h e n g Di s t r a c t a n dZ h uj i C i t y d e c r e a s e s f r o mn o r m a l t o f i r s t g r a d e ,t h e t r a v Ｇe l t i m e r e l i a b i l i t y o f r o a dn e t w o rk r e d u c e s f r o m０．５１９a n d ０．５３４t o ０．２０１a n d ０．１７３,r e s p e c t i v el y ．T h e s am e e m e r g en c y co n d i t i o n sh a v e d i f f e r e n t i n f l u e n c e s a t d i f f e r e n t r e g i o n a l r o a dn e t w o r k ．T h e r e d u c t i o n r a t i o o f t r a v e l t i m e r e l i a b i l i t y o f r o a d n e t w o r ka t Z h u j i C i t y i s４．５％－９．９％h i g h e r t h a n Y u e c h e n g D i s t r i c tu n d e r t h es a m ee m e r g e n c y c o n d i t i o n s ,w h i c hi s m a i n l y r e s u l t e d f r o mt h ew e a k r o a dn e t w o r k e v a c u a t i o n c ap a b i l i t y a n d p o o r t r a f f i cm a n a g e m e n t o f Z h u j i C i t y ．T o s t u d y re Ｇl i a b i l i t y of r eg i o n a l r o a dn e t w o r ku n d e re m e r g e n c y c o n d i t i o n s ,aV i s s i ms i m u l a t i o n m o d e l o f ar e g i o n a l r o a dn e t w o r k i n Sh a o xi n g i s d e v e l o p e da n d c a l i b r a t e d ．A m o d e l t o c a l c u l a t e t r a v e l t i m e o f l i n k s u n d e r e m e r g e n c y co n d i t i o n s b a s e d o n s i m u Ｇl a t i o n s a n d M o n t eC a r l om e t h o d i s p r o p o s e d ,a n dm o d i f i e dw i t ha c t u a l a n d s i m u l a t e dd a t a ．T o p o l o g i c a n a l y z e o f t h e r o a d n e t w o r k i su s e d t oe s t a b l i s hr e l i a b i l i t y m o d e l so f t r a v e l p a t h ,O D p a i r ,a n dr o a dn e t w o r ku n d e re m e r g e n c y co n d i t i o n s ．T y p i c a l l i n k s a n d t y p i c a l r e g i o n s o f S h a o x i n g a r e s i m u l a t e da n de v a l u a t e db yq u a n t i f y i n g a n d g r a d i n g tr a v e l t i m e r e l i a b i l i Ｇt y ．T h e r e s u l t s s h o wt h a t t h e t r a v e l t i m e r e l i a b i l i t y o f r o a dn e t w o r kd e c r e a s e sw i t h t h e d e c r e a s e o f e m e r g e n c yl e v e l ．W h e n e m e r g e n c y l e v e l o fY u e c h e n g D i s t r a c t a n dZ h u j iC i t y d e c r e a s e s f r o m n o r m a l t of i r s t g r a d e ,t h e t r a v e l t i m er e l i a b i l i t y o f r o a dn e t w o r k r e d u c e s f r o m０．５１９a n d０．５３４t o ０．２０１a n d ０．１７３,r e s p e c t i v e l y ．T h e s a m e e m e r g e n c y co n d i t i o n s h a v e d i f Ｇf e r e n t i n f l u e n c e s a t d i f f e r e n t r e g i o n a l r o a dn e t w o r k ．T h e r e d u c t i o n r a t i oo f t r a v e l t i m e r e l i a b i l i t y o f r o a dn e t w o r ka t Z h u j i C i t y i s ４．５％－９．９％h i g h e r t h a nY u e c h e n g D i s t r i c t u n d e r t h e s a m e e m e r g e n c y c o n d i t i o n s ,w h i c h i sm a i n l y r e s u l t e d f r o m t h ew e a k r o a dn e t w o r ke v a c u a t i o n c a p a b i l i t y a n d p o o r t r a f f i cm a n a g e m e n t o f Z h u j i C i t y ．K e y wo r d s :t r a f f i c e n g i n e e r i n g ;r e g i o n a l r o a dn e t w o r k ;V i s s i ms i m u l a t i o n ;t r a v e l t i m e r e l i a b i l i t y ;e m e r g e n c y c o n Ｇd i t i o n s５２应急条件下区域路网行程时间可靠性研究薛晓姣㊀杨宏志㊀任㊀楠收稿日期:２０１８Ｇ０９Ｇ０５㊀∗浙江省交通运输厅科研计划项目(２０１４H ３５)资助㊀㊀第一作者简介:薛晓姣(１９９２ ),硕士,助理工程师．研究方向:铁路㊁公路线路B I M．E Ｇm a i l :１０３１５３０７３４＠q q．c o m ㊀һ通信作者:杨宏志(１９７５ ),博士,教授．研究方向:道路路线工程㊁道路交通地理信息系统等．E Ｇm a i l :yh z ＠c h d ．e d u ．c n 0㊀引㊀言区域路网运行的稳定性对交通质量㊁交通安全等有重大影响.应急条件下,区域路网交通量和容量时变性增强,稳定性显著降低,研究应急条件下路网可靠性评价方法显得十分必要.对区域路网可靠性进行研究,可以协调路网服务能力与出行需求之间的关系,从而使得两者达到供需平衡.学者对路网可靠性的研究最初从连通可靠性开始,并逐渐扩展至对行程时间可靠性和容量可靠性的研究[１].行程时间可靠性研究对象方面,根据影响路网外部因素的可重复性与否,路网研究被分为２类:①日常情况下,道路拥堵与交通需求波动等对路网的影响;②应急条件下,交通事故等突发事件对路网的影响[２].对于行程时间可靠性的定义多从行程时间之比㊁给定条件下到达目的地概率,以及缓冲时间等方面给出.模型计算多采用用户平衡模型结合灵敏度分析或交通流模拟器等,或蒙特卡洛方法进行求解.对于第一类研究对象的研究较多,其分别研究了道路破坏导致路段通行能力下降[３],日常交通需求波动㊁路段通行能力约束,以及出行者路径选择[４Ｇ５],交通需求波动及出行者路况判断失误[６],城市主干路受交通拥堵影响[７]等情况下的行程时间可靠性问题.对于第二类研究对象考虑较少,I i d a 等[８]研究了路网行程时间可靠性受地震影响后的变化.L a m 等[９Ｇ１０]研究了受雨水天气影响的路网行程时间可靠性问题.W a k Ｇa b a ya s h i [１１]分析了行程时间可靠性在雨雪条件下的特征.但是,这些研究均从单一因素应急条件角度出发,没有考虑多因素应急条件的综合影响.仿真模型可靠性方面,目前研究主要解决德国V i s s i m 仿真平台应用于我国路网的仿真参数校准问题.校准方法主要有正交试验法[１２Ｇ１３]㊁遗传算法[１４Ｇ１５]㊁S P S A 算法[１６]及P S O 算法[１７]等.但是,以上校准研究较少涉及校准参数选择所必要的灵敏度分析,且模型验证均在小型路段或路网进行,无法验证其在大型路网的可靠性.因此,笔者研究多重应急因素影响下的区域路网行程时间可靠性问题.建立并校准绍兴区域路网交通仿真模型,建立基于交通仿真和蒙特卡洛方法的应急条件下路段时间可靠性模型,进而建立考虑路径㊁O D 对的路网时间可靠性模型.选择绍兴市典型路段和区域对仿真结果进行了多重修正和评价.1㊀应急条件下绍兴市区域路网仿真建模１．１㊀仿真平台选择和建模流程通过对比C o r s i m ,V i s s i m ,P a r a m i c s ,T r a n s M o d e l e r ,F l o w s i m５个仿真软件在路网描述㊁模型算法㊁功能特点３个方面的综合性能,最终选取综合性能较优的V i s s i m 作为仿真平台.仿真建模流程见图１.图１㊀仿真建模流程图F i g ．１㊀F l o wc h a r t o f s i m u l a t i o nm o d e l i n g１．２㊀仿真模型建立为保证路网仿真模型更符合绍兴市区域路网实际情况,在仿真建模过程中,解决了路网底图描摹㊁交通分配㊁交通冲突区优先规则设定㊁必要路段行驶规则设定等问题.根据仿真定义,利用绍兴市公路干线地图,并配合仿真所需的路网几何和运行数据建立绍兴市区域路网仿真模型.仿真路网中路网设置具体数据见图２,其中路段/连接器包含平面交叉口１３００余个,互通式立体交叉３０个,高速公路㊁国道㊁省道㊁县道等不同等级道路分别为５,２,５,１５４条,最后建立绍兴市区域路网见图３.１．３㊀仿真模型校准V i s s i m 软件的默认参数是根据德国交通条６２交通信息与安全㊀２０１９年２期㊀第３７卷㊀总２１７期图２㊀绍兴市区域路网仿真模型路网设置数量F i g ．２㊀S e t t i n g s o f r e gi o n a l r o a dn e t w o r k o f S h a o x i n gi nV i s s im 图３㊀绍兴市V i s s i m 仿真区域路网F i g ．３㊀R e g i o n a l r o a dn e t w o r ko f S h a o x i n gi nV i s s i m 件设定,不符合中国道路交通现状.为保证仿真模型的可靠性,需对其进行模型校准,避免其在大型区域路网仿真中的仿真失真.１．３．１㊀校准参数选择采用敏感性分析,解决仿真建模过程中待校准参数多且参数取舍缺乏依据等问题.根据敏感性分析结果,确定V i s s i m 中５个待校准参数,见表１.表１㊀校准参数仿真定义T a b ．１㊀S i m u l a t i o nd e f i n i t i o no f p a r a m e t e r s t ob e c a l i b r a t e d校准参数本次仿真定义范围最大协同减速度(M D C B )/(m /s２)－５~－２车道变换距离(D L C D )/m５０~２００跟驰随机振荡距离(C C ２)/m１~２期望车头时距(C C １)/s ０．５~２平均停车距离(C C ０)/m１~４１．３．２㊀参数校准首先,采用多因素校准性能较好的拉丁正交试验进行模型校准,其参数分级见表２.利用采用L １６(４５)正交表对通行能力进行校准.用检测点路段实际通行能力进行筛选,从１６组正交试验中选出３组较理想组合,进行进一步优化.采用T 检验的方法,在上述３组参数基础上,通过调整组合的方式产生新组合,并从中筛选３组更优参数组合.表２㊀各因素分级水平表T a b ．２㊀L e v e l o f e a c h f a c t o r参数水平M D C B /(m /s ２)D L C D/m C C ２/m C C １/s C C ０/m四－５２００９２．０４．００三－４１５０７１．５３．００二－３１００５１．０２．００一－２５０３０．５１．００㊀㊀其次,利用控制点实测流量及点速度数据对上述３组可行参数组合进行系统性能校准.即通过对比３组参数组合在监测点处的仿真值与实测值偏差,确定出１组综合偏差最小的最优参数组合.１．３．３㊀模型验证对于最优参数组合,再选用新数进行多次仿真实验验证.通过对比仿真结果与实测结果的误差,确保了其均在１０％以内,因此,该参数组合准确性较高.2㊀应急条件下行程时间可靠性模型２．１㊀应急条件分级笔者主要研究２类应急事件:①涉及人员伤亡类事故;②涉及恶劣天气类事故.根据单因素特征,将应急条件划分为４级[１８],应急条件最终级别由单因素评级中的最高级别确定.若同时出现２个或２个以上单因素最高级别,则应将应急条件最终级别相应提升１个等级.以涉及人员伤亡类事故交通紧急事件为例,应急条件级别划分如下.四级:一次造成轻伤１~２人.三级:一次造成重伤１~２人;或轻伤３人以上.二级:一次造成死亡１~２人;或者重伤３人以上１０人以下.一级:一次造成死亡３人或３人以上;或者重伤１１人以下;或者死亡１人,同时重伤８人以上;或者死亡２人,同时重伤５人以上.２．２㊀路段行程时间可靠性模型目前常见的路段行程时间可靠性定义难以评价不同服务水平下的可靠性.基于此,定义应急条件下路段行程时间可靠性为:相同应急事件等级下,同一道路类型和服务水平时,出行者在路段上的行程时间小于或等于期望行程时间概率,模型见式(１).R (T a )＝P (T a ɤT L O S )(１)式中:T L O S 为应急条件下单位距离行程时间期望值的最大值;T a 为应急条件下路段a 单位距离行７２应急条件下区域路网行程时间可靠性研究薛晓姣㊀杨宏志㊀任㊀楠程时间基于美国B P R路段行程时间模型.㊀㊀１)应急条件下路段行程时间模型修正.结合应急条件下路段交通特性等,经过２次修正得到.首次修正,引入应急条件下路段通行能力影响系数g c(I)和应急条件下自由行程时间影响系数g t(I)２个参数,建立模型见式(２),其中I为应急事件等级.此次修正保证了模型能较好地反映应急条件下驾驶员的驾驶行为和路网交通特性. T a(I)＝g t(I)t a[１＋β(x a g c(I)C a)n](２)㊀㊀二次修正,将路段a上的行程时间T a修正为应急条件下单位距离行程时间T a.此次修正解决了应急条件下不同长度路段的行程时间比较问题.最终建立应急条件下路段行程时间模型见式(３). T a(I)＝g t(I)t a[１＋β(x a g c(I)C a)n](３)㊀㊀２)应急条件下路段行程时间模型参数确定.不同应急条件下,对绍兴市高速路G９２㊁主干路S３０８㊁次干路X００４的路段单位距离自由行程时间和路段通行能力进行调查,得到g t(I)与g c(I)的取值,见图４和图５.回归分析g t(I)与g c(I),比较其计算值与实测值,参数精度较高,满足要求.图４㊀不同应急条件级别下g t(I)的取值F i g．４㊀T h e v a l u e o f g t(I)u n d e r d i f f e r e n t e m e r g e n c i es图５㊀不同应急条件级别下g c(I)的取值F i g．５㊀T h e v a l u e o f g c(I)u n d e r d i f f e r e n t e m e r g e n c i e s㊀㊀３)期望值界定.通过对绍兴市G９２,S３０８和X００４这３条不同等级道路的调查和仿真,得到其应急条件下路段单位距离行程时间,求解不同服务水平和道路类型路段下T L O S值,见表３.为避免不同服务水平带来的可靠性评价结果差异,根据我国路网规划要求,将可靠性评价的服务水平统一定为二级服务水平.４)应急条件下路段行程时间可靠性计算.蒙特卡洛仿真方法可以方便得到变量概率分布分布和相互关系,克服了数学解析法不易处理系统中不确定因素引发的变量间相互关系的缺点,适合计算应急条件下路段行程时间可靠性,其应用求解流程见图６.表３㊀单位距离内行程时间的期望值T a b．３㊀E x p e c t e d v a l u e o f t r a v e l t i m e p e r u n i t d i s t a n cT L O S/(s/k m)服务水平一级二级三级四级次干路计算＞１４６．６１０４．９~１４６．６７９．６~１０４．９＜７９．６仿真＞１４７．３１０５．６~１４７．３８０．２~１０５．６＜８０．２主干路计算＞１１９．３８５．３~１１９．３６４．７~８５．３＜６４．７仿真＞１１８．２８４．７~１１８．２６３．５~８４．７＜６３．５高速路计算＞８５．２６０．９~８５．２４６．２~６０．９＜４６．２仿真＞８５．８６１．３~８５．８４７．４~６１．３＜４７．４V/C＜０．６０．６~０．８０．８~１．０＞１．０２．３㊀路网行程时间可靠性模型根据拓扑空间关系,将路网拆分为路段㊁O D对和路径,建立应急条件下路段行程时间可靠性模型后,研究O D对㊁路径与行程时间可靠性的关系,进而组合为应急条件下路网行程时间可靠性模型.多路段串联形成路径,以路径为整体,定义路径行程时间可靠性为:在一定的条件下和一定的８２交通信息与安全㊀２０１９年２期㊀第３７卷㊀总２１７期图６㊀算法流程图F i g．６㊀F l o wC h a r t o fA l g o r i t h m时间段内,出行者以一定的服务水平通过路径上路段实际行程时间之和小于或等于该路径的期望行程时间的概率,模型见式(４).R k＝PðaɪAδs t a,k T aɤT k q,aɪA,∀kɪK s t T k q＝ðaɪAδs t a,k T a L O S,aɪA,∀kɪK s t(４)㊀㊀起终点相同路径互相并联形成O D对,考虑不同路径对O D对的差异性影响,定义O D对行程时间可靠性为:对O D对间所有路径行程时间可靠性取其加权平均值,模型见式(５).R s t＝ðk k＝１R k q k/ðk k＝１q k(５)㊀㊀O D对相互耦合形成路网,考虑不同O D对路网的差异性影响,定义路网行程时间可靠性为:对路网范围所有O D对行程时间可靠性取其加权平均值,模型见式(６).R＝ðs s＝１{[ðk k＝１R s kˑq s k/ðk k＝１q s k]ˑq s}/ðs s＝１q s(６)式中:R s k和q s k分别为路网中第s个O D对中第k 条路径的行程时间可靠性和交通量.3㊀应急条件下行程时间可靠性模型评价与验证㊀㊀根据相关经验和标准对行程时间可靠性进行６个等级的划分[１９].可靠性等级从一级至六级,可靠性值以０．９,０．７,０．５,０．３及０．１为临界值被划分为６个等级,其可靠性值从极高至极低逐渐降低,行程时间亦从极其稳定逐渐降低为极其不稳定.路网行程时间可靠性评价过程见图７.图７㊀可靠性评价流程图F i g．７㊀F l o wc h a r t o f r e l i a b i l i t y e v a l u a t i o n ３．１㊀路段行程时间可靠性模型评价与验证选取绍兴市G９２,S３０８和X００４这３条路段进行可靠性验证,其路段行程时间可靠性计算值㊁仿真值及调查值见图８.图８㊀路段行程时间可靠性F i g．８㊀T r a v e l t i m e r e l i a b i l i t y o f r o o d r e g m e n t s对比计算值和仿真值的绝对误差知,其基本控制在０．０６以内,故采用V i s s i m仿真值进行路段行程时间可靠性计算可行.对比调查值与计算值㊁仿真值的行程时间可靠性知,其相对误差基本在控制在１５％以内,模型较准确,可用于实际路段可靠性评价.３．２㊀路网行程时间可靠性模型评价与验证本节利用应急条件下区域路网行程时间可靠性的建模及求解算法,采用V i s s i m进行仿真建９２应急条件下区域路网行程时间可靠性研究薛晓姣㊀杨宏志㊀任㊀楠模,选取绍兴市越城区和诸暨市局域路网进行可靠性验证,以越城区为例.选取绍兴市越城区中某一区域路网见图９,该区域路网涉及高速及主㊁次干路,包括了杭州湾环线高速,G ３２９,G １０４,S ３０８,S ２１２,二环南路,S ３０８,X ００４,X ００５,X ００８,X １０６等路段.为减轻工作量,对等级低且交通量大的路段进行简化,简化结果见图１０.图９㊀绍兴市越城区局域路网F i g ．９㊀R e g i o n a l r o a dn e t w o r ko f y u e c h e n gd i s t r i c t i nS h a o x i ng图１０㊀绍兴市越城区局域路网简化F i g ．１０㊀S i m p l i f i e d r e gi o n a l r o a dn e t w o r k i n y u e c h e n g d i s t r i c t ,S h a o x i n g以O D (１,１４),O D (１４,１),O D (２,１７),O D(１７,２)为O D 对,用J a v a 编程求解模型.以四级事件为例,首先根据上述路段行程时间可靠性的求解方法,得到各路段可靠性见表４.其次,对各O D 对中每条路径的行程时间可靠性进行求解.O D (１,１４)中,部分路径行程时间可靠性见表５.然后,求解四级应急条件下O D 对行程时间可靠性见表６.最后,求解出四级应急条件下越城区路网行程时间可靠性为０．５２.表４㊀各路段四级事件下行程时间可靠性T a b ．４㊀T r a v e l t i m e r e l i a b i l i t y of e a c h l i n ku n d e r l e v e l f o u r表５㊀O D (１,１４)四级事件下路径行程时间可靠性T a b ．５㊀T r a v e l t i m e r e l i a b i l i t y ofO D (１,１４)u n d e r l e v e l f o u r 编号路径可靠性值路径１８Ｇ２１Ｇ３５Ｇ４８０．５２路径２８Ｇ２１Ｇ３０Ｇ３８Ｇ４１Ｇ４５０．５５路径３８Ｇ２１Ｇ３５Ｇ２１Ｇ４５０．５５路径４２Ｇ１０Ｇ２１Ｇ３０Ｇ３８Ｇ４１Ｇ４５０．５１路径５２Ｇ１０Ｇ２１Ｇ３５Ｇ４８０．４８路径６２Ｇ４Ｇ１１Ｇ２３Ｇ３８Ｇ４１Ｇ４５０．５１路径７２Ｇ４Ｇ６Ｇ１３Ｇ１８Ｇ２５Ｇ３９Ｇ４１Ｇ４５０．５０路径８２Ｇ４Ｇ６Ｇ１３Ｇ１５Ｇ２３Ｇ３８Ｇ４１Ｇ４５０．５３路径９２Ｇ４Ｇ６Ｇ１３Ｇ１８Ｇ２０Ｇ２７Ｇ３１Ｇ３９Ｇ４１Ｇ４５０．５３路径１０２Ｇ４Ｇ１１Ｇ１６Ｇ１８Ｇ２０Ｇ２７Ｇ３１Ｇ３９Ｇ４１Ｇ４５０．５１表６㊀四级事件下O D 对行程时间可靠性T a b ．６㊀T r a v e l t i m e r e l i a b i l i t y of e a c h O D p a i r u n d e r l e v e l f o u rO D 对(１,１４)(１４,１)(２,１７)(１７,２)可靠性０．５２０．５３０．５１０．５３㊀㊀采用类似的求解方法,得到各应急事件等级下绍兴市越城区和诸暨市路网行程时间可靠性计算结果见图１１.分析可知,路网行程时间可靠性与应急事件密切相关.当应急事件等级由正常降至一级,路网行程时间可靠性分别由０．５１９和０３交通信息与安全㊀２０１９年２期㊀第３７卷㊀总２１７期０．５３４降低至０．２０１和０．１７３.对比可知,同等应急条件下,诸暨市路网行程时间可靠性下降较越城区大４．５％~９．９％.主要由于诸暨市相较于越城区,自由式路网疏散交通能力较差,交通管理水平较低.图１１㊀各应急条件下绍兴市区域路网行程时间可靠性F i g ．１１㊀T r a v e l t i m e r e l i a b i l i t y o f r e gi o n a l r o a dn e t w o r k i nS h a o x i n g u n d e r v a r i o u s e m e r ge n c i e s 4㊀结㊀语１)建立了绍兴市区域路网V i s s i m 仿真模型,结合实测交通数据选择了指标校准模型,采用拉丁正交试验验证了模型仿真结果与实测结果误差在１０％以内,准确性较高.２)建立了应急条件下路段行程时间可靠性模型,通过绍兴市G ９２,S ３０８,X ００４路段验证了行程时间可靠性计算值和仿真值绝对误差基本控制在０．０６以内,其和调查值的相对误差基本控制在１５％以内,模型及其计算方法可用于实际路段可靠性评价.３)分析了路段㊁路径㊁O D 对,以及路网行程时间可靠性之间的关系,建立了应急条件下路径㊁O D 对㊁路网行程时间可靠性模型.结合绍兴区域路网仿真模型,研究了应急条件下区域路网行程时间可靠性.结果表明,应急事件等级由正常降至一级,越城区和诸暨市路网行程时间可靠性分别由０．５１９和０．５３４降低至０．２０１和０．１７３.同等应急条件下,诸暨市路网行程时间可靠性下降比较越城区约大４．５％~９．９％.４)应急条件下路网联通可靠性和容量可靠性同样具有较大应用价值,其还有待进一步研究.参考文献R e f e r e n c e s[１]㊀任楠．紧急事件下区域路网行程时间可靠性模型及仿真评价方法研究[D ]．西安:长安大学,２０１６．R E N N a n ．T h er e s e a r c ho fr e g i o n a l r o a dn e t w o r k t r a v e l t i m e r e l i a b i l i t y m o d e l a n d t h e s i m u l a t i o n e v a l Ｇu a t i o nm e t h o d i ne m e r g e n c y [D ]．X i ᶄa n :C h a n g ᶄa n U n i v e r s i t y,２０１６．(i nC h i n e s e )[２]㊀K N O O PVL ．R o a d i n c i d e n t sa n dn e t w o r kd yn a m Ｇi c s :E f f e c t s o nd r i v i n g b e h a v i o u r a n d t r a f f i c c o n g e s Ｇt i o n [D ]．D e l f t ,N e t h e r l a n d s :T R A I L R e s e a r c h S c h o o l ,２００９．[３]㊀A S A K U R A Y ,R e l i a b i l i t y m e a s u r e s o fa n o r i gi n a n dd e s t i n a t i o n p a i r i nad e t e r i o r a t e dr o a dn e t w o r k w i t hv a r i a b l e f l o w s [C ]．T r a n s po r t a t i o n N e t w o r k s :R e c e n tM e t h o d o l o g i c a lA d v a n c e s ．S e l e c t e dP r o c e e d Ｇi n g s o f t h e ４t hE U R O T r a n s p o r t a t i o n M e e t i n g,N e w c a s t l e ,E n gl a n d :E U R O ,１９９９．[４]㊀B E L L M ,L I D A Y．T r a n s p o r t a t i o nn e t w o r ka n a l y Ｇs i s [M ]．N e w Y o r k :W i l e y,１９９７．[５]㊀B E L L M ,C A S S I RC ,I I D A Y ,e t a l ．As e n s i t i v i t yb a s e d a p p r o ac h t o n e t w o r k r e l i a b i l i t y as s e s s m e n t [C ]．１４t hI n t e r n a t i o n a lS y m p o s i u m o n T r a n s po r t a Ｇt i o na n dT r a f f i cT h e o r y ,J e r u s a l e m ,I s r a e l :I S T T T ,１９９９．[６]㊀C L A R KS ,WA T L I N GD．M o d e l l i n g ne t w o r k t r a v Ｇe lt i m e r e l i a b i l i t y u n d e r s t o c h a s t i c d e m a n d [J ]．T r a n s p o r t a t i o n R e s e a r c h P a r t B :M e t h o d o l o gi c a l ,２００５,３９(２):１１９Ｇ１４０．[７]㊀董可然,朱自博,封春房,等．考虑拥堵关联的城市主干道运行可靠性建模[J ]．武汉理工大学学报(交通科学与工程版),２０１８,４２(５):８６２Ｇ８６７．D O N G K e r a n ,Z HUZ i b o ,FE N GC h u n f a n g ,e t a l ．R e l i a b i l i t y m o d e l i n g o fu r b a na r t e r i a l sc o n s i d e r i n gc o n g e s t i o nc o r r e l a t i o n [J ]．J o u r n a lo f W u h a n U n i Ｇv e r s i t y o f T e c h n o l o g y (T r a n s p o r t a t i o n S c i e n c e &E n g i n e e r i n g ),２０１８,４２(５):８６２Ｇ８６７．(i nC h i n e s e )[８]㊀I I D A Y ,K U R A U C H IF ,S H I MA D A H．T r a f f i cm a n a g e m e n t s y s t e ma g a i n s tm a j o re a r t h qu a k e s [J ]．I a t s sR e s e a r c h ,２０００,２４(２):６Ｇ１７．[９]㊀S HA O H ,L AM W H K ,T AM M L ,e t a l ．M o d Ｇe l l i n g r a i n ef f e c t s o n r i s k Ｇt a k i ng be h a v i o u r s o fm u l t i Ｇ１３应急条件下区域路网行程时间可靠性研究薛晓姣㊀杨宏志㊀任㊀楠u s e r c l a s s e s i nr o a dn e t w o r k sw i t hu n c e r t a i n t y[J]．J o u r n a l o fA d v a n c e dT r a n s p o r t a t i o n,２００８,４２(３):２６５Ｇ２９０．[１０]㊀L AM W H K,S HA O H,S UMA L E E A．M o d e lＧi n g i m p a c t s o f a d v e r s ew e a t h e r c o n d i t i o n s o n a r o a dn e t w o r k w i t hu n c e r t a i n t i e s i nd e m a n da n ds u p p l y[J]．T r a n s p o r t a t i o n R e s e a r c h P a r tB:M e t h o d oＧl o g i c a l,２００８,４２(１０):８９０Ｇ９１０．[１１]㊀WA K A B A Y A S H IH．S n o w f a l l w e a t h e rf o r e c a s ta n d e x p r e s s w a y n e t w o r k r e l i ab i l i t y a s s e s s m e n t[R]．R e l i a b i l i t y o f T r a n s p o r t N e t w o r k s,H e r tＧf o r d s h i r e:R S PL t d．,２０００．[１２]㊀张长春,牛学勤．基于正交试验法的交叉口V I SＧS I M模型参数标定[J]．交通科技,２０１１(２):１１０Ｇ１１３．Z HA N GC h a n g c h u n,N I U X u e q i n．P a r a m e t e r c a lＧi b r a t i o no f i n t e r s e c t i o nV I S S I M m o d e l b a s e d o n o rＧt h o g o n a l t e s t m e t h o d[J]．T r a n s p o r t a t i o nS c i e n c e&T e c h n o l o g,２０１１(２):１１０Ｇ１１３．(i nC h i n e s e) [１３]㊀于泉,王萌,邓小惠．基于正交试验法的单个信号交叉口仿真参数标定[J]．公路交通科技,２０１２,２９(增刊１):５７Ｇ６３．Y U Q u a n,WA N G M e n g,D E N G X i a o h u i．S i m uＧl a t i o n p a r a m e t e r c a l i b r a t i o no f s i n g l es i g n a l i z e d i nＧt e r s e c t i o nb a s e do no r t h o g o n a l e x p e r i m e n tm e t h o d[J]．J o u r n a lo f H i g h w a y a n d T r a n s p o r t a t i o n R eＧs e a r c ha n d D e v e l o p m e n t,２０１２(S１):５７Ｇ６３．(i nC h i n e s e)[１４]㊀李志明,闫小勇．基于遗传算法的交通仿真模型参数校正方法研究[J]．交通标准化,２００６(４):２１Ｇ２３．L I Z h i m i n g,Y A N X i a o y o n g．S t u d y o nc o r r e c t i o nm e t h o d o f t r a f f i c s i m u l a t i o nm o d e l b a s e d o n g e n e t i ca l g o r i t h m[J]．T r a n s p o r t a t i o n S t a n d a r d i z a t i o n,２００６(４):２１Ｇ２３．(i nC h i n e s e)[１５]㊀李振龙,王保菊,金雪,等．针对主辅路的V i s s i m 仿真模型参数标定方法[J]．交通信息与安全,２０１５,３３(２):４５５０．L IZ h e n l o n g,WA N G B a o j u,J I N X u e,e t a l．P aＧr a m e t e rc a l i b r a t i o n o f v i s s i m s i m u l a t i o n m o d e l sw i t ha f o c u s o nm a i n a n d s i d e r o a d s[J]．J o u r n a l o fT r a n s p o r t I n f o r m a t i o na n dS a f e t y,２０１５,３３(２):４５５０．(i nC h i n e s e)[１６]㊀章玉,于雷,赵娜乐,等．S P S A算法在微观交通仿真模型V I S S I M参数标定中的应用[J]．交通运输系统工程与信息,２０１０,１０(４):４４Ｇ４９．Z HA N G Y u,Y U L e i,Z HA O N a l e,e t a l．A p p l iＧc a t i o no fs i m u l t a n e o u s p e r t u r b a t i o ns t o c h a s t i ca pＧp r o x i m a t i o na l g o r i t h mi n p a r a m e t e rc a l i b r a t i o no fV I S S I M m i c r o s c o p es i m u l a t i o n m o d e l[J]．J o u r n a lo fT r a n s p o r t a t i o nS y s t e m sE n g i n e e r i n g a n dI n f o rＧm a t i o n T e c h n o l o g y,２０１０,１０(４):４４Ｇ４９．(i nC h iＧn e s e)[１７]㊀韩国华,傅白白．基于P S O算法的微观交通仿真模型参数标定[J]．山东建筑大学学报,２０１２,２７(３):２７２Ｇ２７５．HA N G u o h u a,F U B a i b a i．S t u d y o n p a r a m e t e rc a l i b r a t i o no fm i c r o s c o p i ct r a f f i cs i m u l a t i o n m ode lb a s e do nP S Oa l g o r i t h m[J]．J o u r n a l o fS h a n d o n gJ i a n z h uU n i v e r s i t y,２０１２,２７(３):２７２Ｇ２７５．(i nC h iＧn e s e)[１８]㊀王长君,方守恩．高速公路网应急交通组织技术[M]．上海:同济大学出版社,２０１１．WA N G C h a n g j u n,F A N G S h o u e n．E x p r e s s w a yn e t w o r ke m e r g e n c y t r a f f i co r g a n i z a t i o nt e c h n o l o g y[M]．S h a n g h a i:T o n g j i U n i v e r s i t y P r e s s,２０１１．(i nC h i n e s e)[１９]㊀冷军强．冰雪条件下城市路网行程时间可靠性研究[D]．哈尔滨:哈尔滨工业大学,２０１０．L E N GJ u n q i a n g．T r a v e l t i m er e l i a b i l i t y o fu r b a nr o a d n e t w o r k u n d e ri c e a n d s n o w f a l lc o n d i t i o n s[D]．H a r b i n:H a r b i nI n s t i t u t eo f T e c h n o l o g y．２０１０．(i nC h i n e s e)２３交通信息与安全㊀２０１９年２期㊀第３７卷㊀总２１７期。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

行程时间可靠性研究
现在深圳汽车保有量已达到322万辆,道路密度位居全国前列,城市道路交通呈现过饱和状态,对于城市交通道路而言,拥堵是交通供给与交通需求不平衡所产生的结果。

这就导致了道路经不起任何的干扰,哪怕一点点的扰动,都可能会给出行带来极大的不便,这种不稳定性也会加剧出行者的困惑,无法准确判断自己的出发时间。

因此行程时间可靠性的研究对提高出行者的出行满意度是十分有必要的。

本文主要基于车牌数据研究了城市道路行程时间可靠性问题,以路段行程时间分布形态为基础,构建路段行程时间累计分布函数,给出路段行程时间可靠性指标。

通过对数据样本的分析,发现相邻路段上行程时间数据具有正向相关性,在此基础上,计算路径行程时间,进而给出路径行程时间累计分布函数。

具体工作主要包括以下几个方面:首先,分批次对数据进行预处理,消除数据噪声。

本文研究基于获取的车牌数据,采用分批次处理的方法,对每一批次的行程时间数据进行处理。

在分批次数据中找到合理的下限值,消除可行时间的异常值,并确定需要保留的数值,改进了采取阈值进行数据去噪的方法,可以有效去除数据的噪声,提高数据的精准度。

其次,采用Monte Carlo模拟算法对路段行程时间可靠性进行研究。

通过本研究的数据样本发现行程时间并不服从于正太分布和对数正太分布,由于数据的复杂性,很难采用数学解析方法求解行程时间可靠性。

通过对路段行程时间分布情况的分析,发现路段行程时间呈现双峰分布,并且在不同的路段和时间段上,行程时间的分布形态具有一定的差异性,采用Monte Carlo模拟算法可以解决在行程时间不具有特定解析函数特征下的可靠性计算问题。

再次,进行了
路段的行程时间相关性研究。

发现两个相邻路段的行程时间数据具有一定的正向相关性,验证了并不是所有路段都是独立同分布的,并且通过回归分析的方法来验证相关性的存在。

最后,构建模型求解路径行程时间。

在相邻路段行程时间数据具有一定的相关性的前提下,构建相邻路段的行程时间关联矩阵来描述相邻路段之间行程时间的关联性。

通过Monte Carlo模拟算法构建路径行程时间分布函数和累计分布函数,给出不同可靠性下对应的路径行程时间,为出行者提供可靠的出行信息。