第19卷 第3期
2006年5月
中 国 公 路 学 报
China Journal of Highway and Transport
Vol. 19 No. 3
May 2006
文章绷号:1001-7372(2006)03-0082-05
道路交通拥挤事件判别准则与检测算法
庄 斌,杨晓光,李克平
(同济大学 交通运输
学院,上海 200092)
摘要:针对中国城市道路中存在的交通拥挤现象,通过对城市道路路段上环形线圈采集到的交通流
流量和占有率数据进行对比性
和统计推导,从理论上论证了交通拥挤产生的原因;提出了交通
拥挤现象出现与消散过程的相对增量判别准则,并利用给出的判别准则构造出相应的拥挤检测指
标,给出了城市道路路段上交通拥挤的平均占有率自动检测算法;最后结合实际调查的数据,对算
法的正确性进行了验证。
关键词:交通工程;交通拥挤;理论分析;检测算法;流量增量;占有率
中图分类号:U491. 265 文献标志码:A
Criterion and Detection Algorithm for Road Traffic
Congestion Incidents
ZHUANG Bin, YANG Xiao-guang, Ll Ke-ping
(School of Traffic and Transportation Engineering, Tongii University, Shanghai 200092,China)
Abstract:Authors studied the basic relationship between flow and to propose a new
criterion for identifying the onset of congestion in the road networks.
occupancy
With thecriterion,
derived some
traffic stream
new guidelines for detectingcongestionincidents, and could alsom easure
into four
for
stages. Finally, with the research in
road traffic congestion incidents which
above,authors advanced
authors
off the
a new
detection algorithm was validated by using the data
from actual investigation.
Key words:traffic engineering; traffic
increment;occupancy
congestion;theoretical analysis;detection algorithm; flow
0 引 言
目前,对交通拥挤事件的自动检测算法研究相
对较少,仍然处于初始阶段。按照国外的经验,通常
把交通拥挤事件归为交通异常事件,利用异常事件
检测算法原理来研究交通拥挤。在中国普遍采用的
城市道路交通拥挤自动检测算法主要是以路段上车
流速度的降低、道路占有率的增加以及有拥挤车流
的存在为依据。算法依据实际的路网通行能力,设
定流量和占有率的极限值来划分交通是否处于拥挤
状态。该算法还规定只有当检测器在3个连续的时
间段内,车流速度均降至极限值以下或道路占有率
超过极限值或车流量都在非拥挤区域之外时,才判
定为有交通拥挤存在。此外,在连续的两个检测周
期内,如果速度、流量和占有率中任意两个指标超过
了极限值也可认为路段处于拥挤状态〔‘〕。
由于城市交通拥挤现象的复杂性,首先必须能
够对拥挤行为的特征变量进行深人的分析,才能构
建出及时、准确、可靠性高的自动检测模型〔2-4]。本
文中主要针对城市快速路网中典型的两交叉口之间
收稿日期
甚金项目
作者简介
:2005-08-18
:国家自然科学基金项目(70122201);教育部高等学校博士学科点专项科研基金项目(20020247036)
:庄 斌(1978-),男,江苏无锡人,工学博士研究生,E-mail:zhuangbin_ 01)163. como
第3期 庄 斌,等:道路交通拥挤事件判别准则与检测算法
的路段,结合交通流的时间和空间分布规律,考虑交
通拥挤条件下车流的运行特征,以流量、占有率这两
个重要的检测指标为基础,通过理论推导和统计分
析,构造出恰当的拥挤判别指标,从而实现对拥挤事
件的自动检测,为交通管理部门提供及时、准确的决
策依据。
(l+ d)二生v 生
T n份J v;
1
kb fi 4Iq, 二 (l+d)k (2)
把式(2)代人式(1)得
q=了干万-v (3)
1 判别准则
由于道路上交通流的复杂性,在路网中行进的
车流运行状态随着时间的变化而时刻改变。在运行
行为上,可以用正常、拥挤和消散3个状态来简单描
述。通常采用车流的排队队长L、平均排队延误D,
速度的变化率△v等指标来反映车流拥挤和消散过
程。这些指标在一定程度上确实能够反映出车流的
运行状态,但往往不是难以计算求得,就是不能够快
速地反映出交通状态的瞬息变化。在如图1所示的
城市道路网中两相邻交叉口之间的路段上,一旦发
生交通拥挤事件,则在上游的检测器A处的流量减
少,占有率增加;同时下游检测器B处的流量和占
有率都将相对减少。仅从流量或者占有率的增加、
减少来对交通拥挤事件做出判断,往往不能反映出
拥挤过程的实质,比如,上游检测器在单位时间
(min)内检测到流量从3 veh增加到了16 veh,占有
率也从2%增加到了8%,这样的过程属于哪种状态
呢?事实上,由于在单位时间内检测到的车辆数增
加,如果车速保持不变,必然导致占有率的增长,但
如果流量的相对增量大于占有率的相对增量,则可
以判断出车流在这一时间内是处于消散状态,反之
可以判断出车流处于拥挤形成状态。假设交通流是
不间断的连续流,则交通流基本模型成立〔5-11],即
q=kv (1)
式中:q为流量;k为车流密度;v为平均车速。
由式(3)可以看出,当速度不变时,流量和占有
率成正比,且变化率相等,因此,可以得到:
(1)当流量的相对增量大于占有率相对增量时,
车流趋于消散;
(2)当流量的相对增量小于占有率相对增量时,
车流趋于拥挤。
显然,上面结论成立的必要条件是车流在正常
运行状态下,流量的相对增量等于占有率相对增量。
通过对大量调查数据的分析结果
明,流量的
相对增量与占有率的相对增量确实存在着很大的线
性相关性(Ra = 0. 845),通过分析两者之间的关系
(图2)并进行曲线拟合得到最佳拟合方程
y=1. 03x+0. 01 (4)
式中:x为流量的相对增量;y为占有率的相对增
量。近似地,两者的关系可以用y=x来表示。从
图3中可以看出:落在y=x上方区域的那些点代
表了流量的相对增量小于占有率相对增量的情况,
此时车流趋于拥挤;落在y=x下方区域的那些点
代表了流量相对增量大于占有率相对增量的情况,
此时车流趋于消散。
4r
??????????
? ?
?
。
。
?
?
????????
?
???????
?
趋 于拥挤
,?
,
?
,??
?
?
?
?
?
?
?
一1 L 2 3 4 5
相对流量增量
图2 相对流f增f和相对占有率增f关系
Fig. 2 Relation of Relative Increment Between
Flow and Occupancy
图1 城市道路路段上检测器的布设
Fig. 1 Assignment of Detectors in Urban Link
为了便于讨论,假定车流中车长固定为l,检测
线圈宽度为d,则根据占有率C的基本定义
又
)为检
测器A处第j个周期内流量的相对增量,AgA(j)=
常、较拥挤
范围如表1
、拥挤
所示
、堵塞。这4个状态的a和月取值
裹1 交通流状态的划分
Tab. 1 Division of Traffic Flow State
交通流状态 a取值范围 Q取值范围
正 常 a流程,可得
拥挤事件判别指标的时序,见表30
表2 上下游检测点采集到的甚本数据
Tab. 2 Basic Data Achieved from Upper and Lower
Detection Points
时 刻 10:4010:4110;4210:4310;4410:4510;4610:47
流量/
(veh·m-1)
上游 17 17 1 3 8 32 20 32
下游 14 13 9 8 10 16 29 21
速度/
(km·h-')
上游 81 81 33 54 32 38 49 67
下游 72 67 80 82 71 75 58 62
占有率/%
上游 9 9 2 3 I1 35 18 20
下游 8 8 5 4 6 8 20 14
表3 平均占有率检测算法判别
图8 平均占有率检测算法流程
Fig. 8 Flow Process of Detection Algorithm of
Average Occupancy
2.4 交通流状态的划分及参数的标定
对于上面构建的交通拥挤事件的平均占有率检
测算法,需要标定的参数为a和a,这两个值的标定
必须建立在大量统计数据分析的基础之上。a和P
的值随时间和地点的不同将有所改变,在实际工程
应用中,必须针对特定的道路交通条件,选择恰当的
值,从而保证拥挤事件检测的精确性。本文中以上
海市内道路路段上的环形线圈采集到的交通流基本
数据为例,对。和R进行标定,并且依据实际情况,
以a和月的取值范围,把交通流划分为4个状态:正
Tab. 3 Criterion on Detection Algorithm of
Average Occupancy
时 刻 10:40 10:41 10:42 10:43 10:44 10:45 10:46 10:47
流量相
对增量
0 一0. 941 2.000 1.667 3.000 一0. 375 0:600
占有率相
对增量
0 一0.778 0.500 2. 667 2.182 一0.486 0.111
是否拥
挤警报
否 是 否 是 否
否
(消散)
否
平均占有
率绝对差%
一0.042一0.086 1.444 0.500 0.775 0.594 0.210 -0.042
平均占有
率相对差%
一0.074-0. 140 2.600 1.000 1. 292 1.188 0.305 一0.062
拥挤情况 正常 正常 拥挤 较拥挤 较拥挤 较拥挤 正常 正常
中 国 公 路 学 报 2006年? ?
由上面的判断过程可以看出,平均占有率检测
算法不仅能够检测出拥挤事件的存在,而且能够对
交通流状态进行实时监督,对拥挤和消散现象给出
及时的提示。这样将更有助于在交通拥挤情况发生
之前采取适当的管理控制措施,避免交通拥挤的
发生。
4 结 语
通过分析中国城市道路中普遍存在的交通拥挤
现象,利用交通流基本理论知识,对城市道路路段上
环形线圈采集到的交通流流量和占有率数据进行比
较分析和统计推导,从理论的角度解释了交通拥挤
产生的原因;同时,结合交通拥挤条件下车流的运行
特征,提出了交通拥挤现象出现与消散过程的增量
判别准则。通过对流量、占有率这两个重要的指标
进行理论推导和统计分析,构造出恰当的拥挤检测
指标,并用这些指标对交通流状态进行划分,从而实
现对拥挤事件的自动检测与判别。从给出的实例分
析中可以看出,平均占有率检测算法能够及时地反
映出交通流的拥挤和消散过程,并且能对拥挤事件
作出正确的判断。判断过程和检测过程简单明了,
易于实现,具有相当高的应用价值。
参考文献:
References:
[1] 邓 卫.高速公路常发性与偶发性交通拥挤的判别
[J].东南大学学报:自然科学版,1994,24(2) :60-65.
DENG Wei. Study of Highway Recurrent and Un-re-
current Congestion Automatic Detection Methods[J].
Journal of Southeast University: Natural Science Edi-
tion,1994,24(2):60-65.
仁2] 韩 直.交通异常自动检测系统「D].上海:同济大
学,1994.
HAN Zhi. Automatic Detection System on Abnormal
Traffic[D]. Shanghai: Tongji University, 1994.
[3] 刘伟铭,尹湘源,管丽萍.基于检测器脉冲数据的高速
公路事件自动检测算法研究仁J].中国公路学报,
2004,17(2):90-93.
LIU Wei-ming, YIN Xiang-yuan, GUAN Li-ping.
Freeway Incident Detection Algorithm Based on Pulse
Data of Loop Detector[J]. China Journal of Highway
and Transport, 2004,17(2):90-93.
李 彬.高速公路与城市道路交通异常自动检测方法
研究[D].上海:同济大学,1997.
LI Bin. Study of Abnormal Traffic Automatic Detec-
tion Methods of Freeway and Urban Road[D]. Shang-
hai:Tongji University, 1997.
马万经,林 瑜,杨晓光.多相位信号控制交叉口行人
相位设置方法[J].交通运输工程学报,2004,4(2):
103-106.
MA Wa叫ing, LIN Yu, YANG Xiao-guang. Design
Method of Pedestrian Phases at Multi-phase Signal
Intersection[J]. Journal of Traffic and Transportation
Engineering, 2004,4(2):103-106.
郑为中,史其信.基于贝叶斯组合模型的短期交通量
预测研究〔J].中国公路学报,2005,18(1):85-89.
ZHENG Wei-zhong, SHI Qi-xin. Study of Short-Term
Freeway Traffic Flow Prediction Based on Bayesian
Combined Model[J]. China Journal of Highway and
Transport,2005,18(1):85-89.
陆 建,王 炜.城市出租车拥有量确定方法〔J].交
通运输工程学报,2004,4(1):92-95.
LU Jian, WANG Wei. Confirming Method of Urban
Taxi Quantity[J]. Journal of Traffic and Transporta-
tion Engineering, 2004,40):92-95.
刘建民.高负荷循环交通网络模型[J].长安大学学
报:自然科学版,2004,24(4):71-73.
LIU Jian-min. Cyclic Transportation Network Model
in Heavy Traffic[J]. Journal of Chang'an University:
Natural Science Edition,2004,24(4):71-73.
白 玉,薛 昆,杨晓光.基于路网容量的停车需求预
测方法[J].交通运输工程学报,2004,4(4):49-52.
BAI Yu, XUE Kun, YANG Xiao-guang. Forecasting
Method of Parking-Demand Based on Capacity-of-
Network仁J]. Journal of Traffic and Transportation
Engineering, 2004,4(4):49-52.
ATHOL P. Interdependence of Certain Operational Char-
acteristics Within a Moving Traffic Stream[J]. Highway
Res Rec,1965,72(1):58-87.
陈 红,崔世华.交通量观测站宏观布设方法「J].交
通运输工程学报,2004,4(3):64-68.
CHEN Hong,CUI Shi-hua. Macro Layout Method of
Traffic Count Stations [ J].Journal of Traffic and
Transportation Engineering, 2004,40):64-68.