影响城市道路通行能力的因素和改进措施

2024-05-03

影响城市道路通行能力的因素和改进措施（精选6篇）

篇1：影响城市道路通行能力的因素和改进措施

影响城市道路通行能力的因素和改进措施

摘要：作为城市道路交通建设的一项基础性工作，城市道路通行能力及其影响因素研究，不仅可以确定城市道路建设的合理规模和模式还为城市道路路网规划，工程可行性研究，城市道路设计，交通管理与控制及评价等方面提供更为科学的理论依据。针对目前城市道路交通状况，对影响其通行能力的道路条件，交通条件，服务水平等因素进行分析，试图找出改善城市道路通行能力的措施。

关键词：城市道路，通行能力，因素，分析

Influence factors of city road traffic capacity and improvement measures Abstract: as a basic work of city road traffic construction, factors of city road traffic capacity and its influence, not only can determine the reasonable scale and pattern of city road construction for the city road network planning, project feasibility study, city road design, traffic management and control and evaluation to provide a more scientific basis.In view of the current traffic situation of City Road, the traffic capacity of the road conditions, traffic conditions, factors of service level and so on, trying to find out to improve the traffic capacity of city road measures.Keywords: City Road, traffic capacity, factor, analysis

引言近年来，随着我国经济快速增长和城市化进程加快，城市人口和车辆不断增加，我国城市交通面临着越来越艰巨的任务，城市交通拥堵、交通安全和环境污染问题日益受到人们的重视。为了实现城市交通系统快捷、安全、高效地运转，对我国城市交通发展现状进行分析，针对一些突出的问题提出对策建议显得尤为重要。城市交通系统作为现代国民经济中的一个重要组成部分，对于维持宏观经济的健康发展、保证人民的生活质量以及合理控制生态环境污染都起着举足轻重的作用。城市交通系统是由道路系统、流量系统和管理系统组成的一个典型的开放的复杂系统。城市交通系统中的交通流具有自适应性、动态、随机、反馈、多行为主体、非线性等基本特征。由此可以看出城市交通系统包括很多方面的因素，对城市交通现状及存在的问题进行分析是一项复杂的任务我国城市交通现状分析随着城市规模的不断扩大，人口在大城市中大量聚集，以及机动车数量快速增长，使得城市交通需求激增，因此，城市交通矛盾也越来越突出。

1.1 城市交通拥堵严重在我国快速城市化进程中，大城市机动车的急剧增长带来了严重的交通拥堵问题，严重影响了居民的日常生活，已经成为制约城市发展的瓶颈。主要表现为： “路上车挤车、车上人挤人”状况严重，平均出行时间较长，出行效率下降；交通量过于集中在干线道路而引起主要节点出现堵塞；道路网应变能力差，遇事故极易引起大范围交通瘫痪等。

1.2 城市交通带来的环境问题日益严重

交通运输业是继工业和建筑业之后的第三大排放源，城市交通的碳排放在城市整体的碳排放结构中占据较高的比例。近年来随着城市机动化水平的提高以及交通运输业对油品的消耗较大的用能特点，城市大气环境污染严重，环境质量每况愈下，所带来的环境问题也越来越严重。另外，交通噪声对居民的影响越来越严重。近年来，在我国环境投诉案件中，噪声投诉的比重正逐年提高，在特大城市已经高达40%以上，交通噪声的影响已经从单纯的环境问题逐渐发展成为社会问题。

1.3 机动化出行比例明显提高

随着我国经济的快速发展，机动化也进入高速发展期。据统计，2000年至2010年，全国民用汽车年均增长率为35%，私人汽车年均增长率为77%，2010年民用汽车和私人汽车保有量分别达到7801.83万辆和5938.71万辆，私人汽车占民用汽车比例由2000年的38.87%增至2010年的76.12%。

1.4 停车难问题突出

随着城市机动化水平的迅猛发展，尤其是私家车的急剧增长，城市“停车难、乱停车”等问题日益突出。乱停车不仅挤占道路资源，还直接影响城市交通安全，严重影响城市的可持续发展我国城市交通存在的问题随着城市经济的快速发展，人民生活水平显著提高，机动车保有量急剧上升，交通需求迅速增长，城市交通在需求、供给和运行方面呈现出不同以往的特征，更多地体现在对质的要求上，城市交通问题更加综合化、复杂化和多元化，城市交通发展滞后已成为制约城市经济社会发展和人民生活水平提高的瓶颈之一。

2.1 城市道路基础设施相对不足近年来，虽然我国城市道路基础设施的建设发展较快，大中城市的道路数量、道路等级都得到了前所未有的提高，很多城市对城市的道路空间利用的非常充分，尤其在一些大城市，地面交通和地下交通都很发达。但由于我国城市化进程加快，人口和车辆基数较大，因此出现了我国道路基础设施相对不足，道路网密度与其他国家比较相对低的问题。

2.2 城市公共交通发展缓慢

由于我国城市交通的法律法规建设严重滞后，以及对公共交通投入不足，公交优先战略落实不到位，城市公共交通行业改革滞后，市场运作不规范等，因此，我国城市公共交通发展缓慢。不足的地方主要体现在：公交分担率低、服务水平低、服务质量差、基础设施缺乏统一规划、公共交通网络规划不合理等方面

2.3 城市交通规划不尽合理在我国大中城市中，瓶颈路、断头路、畸形路口较多，且路网结构不尽合理，城区主干路、次干路、支路的比例国家规范为1∶1.5∶3.5，呈金字塔结构，以济南为例，济南市的比例为1∶0.41∶1.81，加之占道经营、违章建筑现象较突出，交通微循环不畅，致使过多的流量涌入主干路，造成交通拥堵[5]。

2.4 交叉路口的交通状况与道路相比，平面交叉口的交通行为更为复杂，更易遭受到交通环境、人流、车流等的影响。因为其交通安全性差，通行能力低而成为影响城市道路通行能力的“瓶颈”。据统计，机动车在城市市区中的旅行时间约有1/3花在了平面交叉口，60%以上的交通事故发生在平面交叉口及其周围，而且随着城市机动车社会保有量和年增长幅度的逐步提升，作为在城市道路网中起着转换交通流向作用的平面交叉口面临的交通矛盾日益突出，平面交叉口的交通治理在城市交通管理中就显得越来越重要。交通信号控制技术作为一种投资省、见效快的措施在平面交叉口的交通治理中作用就日渐突出。

2.5 交通管理水平相对落后

无论在交通政策的制定与实施，还是交通信息服务、公共交通管理等方面，整体水平有待提高。一是交通组织不合理，客流分布不均，影响交叉口路段的通行效率，导致路网交通拥堵；二是缺乏交通需求管理，目前我国仅有北京、上海、广州、成都等部分城市实施了少量的交通需求管理政策，而大部分城市仍然缺乏有效的需求管理措施，迅猛增长的交通需求与发展滞后的交通管理水平之间的矛盾日益突出[6]。城市交通发展的对策建议在大城市、尤其是特大城市中心区，道路建设永远不能满足汽车交通增长的需要。发达国家和国内部分先进城市的经验证明，要解决城市交通问题，不能只把注意力集中于交通基础设施的建设上面，而应给予交通规划、交通管理等以足够重视，才有可能找到解决城市交通难题的途径

3.1 实施智能运输系统智能运输系统是解决交通问题的有效且高效途径。它是通过对关键基础理论模型的研究，将先进的信息技术、通信技术、电子控制技术和系统集成技术等有效地应用于交通运输系统，从而建立起大范围内发挥作用的实时、准确、高效的交通运输管理系统[7]。

3.2 促进公共交通发展促进大容量、快速、便捷的公共交通的发展，确立公共交通的主导地位，形成以地面公共交通为主体，以客运轨道交通为骨干，各种交通方式协调发展的立体化、高效、安全、经济的现代化城市综合交通体系。[8] 3.3 加强交通需求管理

交通拥挤的矛盾其实就是交通供给和需求之间的矛盾[9]。传统的解决办法是加大城市道路基础设施的建设力度，增加交通供给，然而，往往会吸引更多的私人交通，导致公共交通的服务水平下降，并且随着公共交通的服务水平下降又会促使更多的人选择私人交通，最终使得道路又重新变得拥挤。因此，只有通过控制交通需求的增长才能从根本上解决交通拥挤的问题。

3.4 引导居民低碳出行

低碳出行是指以低能耗、低排放、低污染为基础的绿色出行。运用交通政策和市场机制引导和鼓励居民在出行中选择低碳交通方式，倡导尽量减少碳足迹与二氧化碳的排放，鼓励和推进以公共交通为导向的城市交通发展模式结语

交通在城市发展中的战略地位极为重要，城市交通的发展必须要适应经济社会的发展。现代城市交通正在进入以信息化为目标的新时期，一个包括道路建设、客货运体系和交通控制管理组成的快速、便捷、舒适、高效的城市交通系统，是衡量当前城市现代化水平的重要标志。

城市交通问题是涉及社会经济、城市规划、管理体制和政策法规的综合性问题。解决城市交通问题是一个长期的发展战略问题，最终的目标是实现城市交通和城市本身的可持续发展

参考文献：

[1]柳丹.长沙市交通现状及对策分析[j].企业家天地，2009,.[2]陈星光，周晶，朱振涛.城市交通出行方式选择的演化博弈分析[j].管理工程学报，2009, [3]邵源，宋家骅.大城市交通拥堵管理策略与方法[j].城市交通，2010，： [4]何建中.中国城市交通可持续发展对策[j].环境经济，2010, [5]杨兆升.智能运输系统概论[m].北京：人民交通出版社

[6]刘小明.城市交通与管理-中国城市交通科学发展之路[j].交通运输系统工程与信息，2010,（12）：11-21 ［7］城市道路设计规范（CJJ 37-90）【8】任福田、肖秋生、薛宗惠.城市道路规划与设计【M】北京：中国建筑工业出版社

1998 【9】国家统计局的《国民经济和社会发展统计公报》

篇2：影响城市道路通行能力的因素和改进措施

摘要

本文针对城市道路具有交通流密度大、连续性强等特点，分析了城市交通中道路发生事故，道路发生堵塞时，事故路段道路通行能力及堵塞排队长度随时间的变化过程，建立了堵塞排队长度与时间及车流密度（亦可理解为堵塞密度）的数学模型。

针对问题一：我们通过统计视频1上游和事故所处横断面单位时间内的车流量，以及每次绿灯亮时堵塞路段内滞留的各类型车辆数，交通流压力差函数P(t)来描述实际通行能力的变化，并分析了滞留车辆的车当量数N(t)随时间的变化过程，滞留车辆的车当量数随时间的推移而变大，由此可知，事故所处横断面的实际通行能力随时间推移而降低。

针对问题二：通过视频1的分析，我们着重分析了视频2滞留车辆的车当量数N(t)随时间的变化过程，通过与视频1的比较，视频2滞留车辆的车当量数的增长趋势较慢，可知，同一横断面交通事故所占车道不同对该横断面实际通行能力会产生影响，分析可知其产生的主要原因是下游车流转流量所占比例不同。针对问题三：参照流体力学一维管道的突发堵塞模型，我们建立了交通流动力学的模型，建立了分析道路内任意截面车流量和车流密度的函数关系式：

q0;tx通过方程：

dNq(b,t)q(a,t)dtq(x,t)u(x,t)(x,t)

N(t)(x,t)dx；

ab利用一阶线性方程的特征线解法以及数据拟合最优化求得(x,t)与N(t)的函数表达式，来间接描述q(b,t)、q(a,t)与N(t)的函数关系，建立了N(t)关于(x,t)的数学模型。并通过滞留车辆数N(t)和排队长度L(t)的线性关系来求得排队长度。

针对问题四：我们主要是用建立的模型对其进行了预测。

关键字：车流量交通流动力学模型特征线解法数据拟合

一．问题重述

车道被占用是指因交通事故、路边停车、占道施工等因素，导致车道或道路横断面通行能力在单位时间内降低的现象。由于城市道路具有交通流密度大、连续性强等特点，一条车道被占用，也可能降低路段所有车道的通行能力，即使时间短，也可能引起车辆排队，出现交通阻塞。如处理不当，甚至出现区域性拥堵。

车道被占用的情况种类繁多、复杂，正确估算车道被占用对城市道路通行能力的影响程度，将为交通管理部门正确引导车辆行驶、审批占道施工、设计道路渠化方案、设置路边停车位和设置非港湾式公交车站等提供理论依据。

视频1（附件1）和视频2（附件2）中的两个交通事故处于同一路段的同一横断面，且完全占用两条车道。请研究以下问题：

1.根据视频1（附件1），描述视频中交通事故发生至撤离期间,事故所处横断面实际通行能力的变化过程。

2.根据问题1所得结论，结合视频2（附件2），分析说明同一横断面交通事故所占车道不同对该横断面实际通行能力影响的差异。

3.构建数学模型，分析视频1（附件1）中交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系。

二．模型假设

1.假设上游交通十字路口右转向相位变化受信号灯控制。

2.忽略小区路口车辆对流量影响，假设其跟上游十字路口一致

3.假设车流（即）交通流与流体管流的运动相似，并且忽略交通流波的变化

三．符号说明

t x 时间

以事故截面为原点沿车道建立x轴

qin(t)上游入口t时刻车当量流量下游出口t时刻车当量流量 qout(t)

P(t)交通流压力差函数

N(t)t时刻滞留车辆的车当量数；

(x,t)：t时刻x处车流密度；

u(x,t)：t时刻x处的车流速度： q(x,t)：t时刻x处的车流量;L(x,t):t时刻的堵塞的排队长度；

四．模型建立

4.1 关于实际通行能力的统计分析

按30秒一次的交通灯换灯频率，我们对上下游车流量进行了的统计。由于不同类型的车的标准车当量数（pcu）不同，我们查阅资料，取一个比较适中的换算标准[1]，取小汽车的标准车当量数为1.0、公交车的标准车当量数为 2.0。我们给的车流量是车的当量流量。

4.1.1 对视频1进行统计分析统计数据如下表1所示

表1

时间

t/min 1 2 3 4 5 6 7 8 9 10 11 12 13 14 流入车当量流量

流出车当量流量qin/(pcu/min)16 13 17 15 21 18 18 21 29 20 24 14 14

qout/(pcu/min)21 16 17 15 20 21 21 21 17 15 18 19 32

交通流压力差

P(t)-5-3 0 0 1-3-3 0 12 5 6-5-18

运用Datafit软件对时间和出入率差的数据按如下函数进行非线性拟合。

P(t)a*t^3b*t^2c*td

拟合分析如下图1 其中

a=-0.1006958728 b=2.112497796 c=-12.13246068

d=16.77822178 拟合曲线图如图2：

图1

图2

从图像的趋势，可以定性的分析；在未发生事故时，一个红绿灯周期道路交通流压力差几乎为零，道路实际通行能力是非常大的；当发生交通事故，以分钟为单位，交通流压力差增大，道路的实际通行能力改变减弱。由于交通流的波动性，实际交通量是波动的，导致了交通流压力差曲线的波动。

当然，我们可以考虑，用t时刻滞留车辆的当量数 N(t)来反映道路的通行能力，我们的统计数据如下表2所示

表2 时间t/min 2 3 4 5 6 7 8 9 10 11 12 13 14

滞留车辆当量数N(t)10 15 12 17 16 21 23 26 27 35 33 26 26

用Datafit作非线性分析，按如下函数关系拟合

N(t)a*t^3b*t^2c*td

拟合分析如下图3：其中

a=-0.06986151104 b=1.562268614 c=-8.167070674

d=24.93306693 拟合曲线图如图4：

图3

图4 显然，从上图拟合曲线的走势，路段车辆的滞留车辆当量数随时间变化拟合相关性，可以判断，路段车辆滞留车辆当量数是时间的函数，且滞留车辆当量数随事故时间的持续，越来越大。我们知道车辆的滞留数越打，交通流的压力越大，实际交通能力下降。

4.1.2 对视频2进行统计分析

统计数据如下表3：

考虑用t时刻滞留车当量 N(t)来反映道路的通行能力

表3 时间t/min 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 公交车数 1 0 0 0 0 0 0 1 0 0 1 0 1 0 1 1 1 2

小汽车数 5 9 4 3 3 5 10 6 2 4 6 2 7 9 15 21 25 12

滞留车当量数N(t)7 9 4 3 3 5 10 8 2 4 8 2 9 9 17 23 27 16

运用Datafit作非线性分析，按如下函数关系拟合

N(t)a*t^3b*t^2c*td

拟合分析如下图5：其中

a=0.002521343466 b=0.06168831169 c=-1.345115798

d=9.799019608 拟合曲线图如图6：

图5 观察拟合曲线图4与图6，我们会发现视频2中滞留车当量数N(t)随时间的变化相对要平缓些，且并没有太大的波动；可以推测，当如视频2中的交通事故占道情况时，道路的实际通行能力变化并没有视屏1中交通事故占道情况变化剧烈。为何会出现这种情况呢？我们给3个车道进行编号G1、G2、G3，我们分析认为如附件3所示，当事故占道靠近路中线时即占用G2和G3，由于G1道靠近人行路边，必定留有一些非机动车空间，再者，三车道的下游流量比率不同，且从附件3中我们可以看到G1道的下游流量比率是最低的，当然占用G2和G3道时，上游车的换道比例要大一些。因此，在视频1事故区间中的滞留阻力要大一些，道路区间的单位时间滞留车标准车当量要大与视频2中的，且波动要大些。用Exce画视频1和视频2滞留车当量数N(t)与t的散点图如下图7：

图6

视频1与视频2单位时间滞留车标准车当量比较40N(t)(pcu/min)30201000510t/min1520单位时间滞留车标准车当量N(t)2单位时间滞留车标准车当量N(t)1图7

4.2 交通流动力学模型

考虑到在车流密度am时（m为道路畅行时的最大车流密度），且公路的长度远大于汽车的间距，因而我们把公路上的行驶的离散的一辆一辆的汽车看作连续流，公路就可以看作一个连续的流场，进而我们把0x240的这段公路作为研究对象，u(x,t)表示t时刻流场在x点的流速，流量q(x,t)表示单位时间通过x点处的车辆数，(x,t)表示表示t时刻流场在x点的汽车密度。显然，我们有

q(x,t)u(x,t)(x,t)

观察视频可知，进入研究对象axb的这段公路上的所有汽车只能通过事故断面处离开，因此我们假定此段公路无岔口，且不发生超车，掉队等情况，设t时刻在研究路段0,240内车数为N(t)，由车辆守恒的角度考虑，t时间内进入研究路段的车辆减去离开研究路段的车辆等于研究路段内车辆数的增量。

N(tt)N(t)q(b,tt)tq(b,t)t

在上式中我们取极限令t0，则有

q(b,t)q(a,t)dt

又由于N(t)是(x,t)关于x的积分，故有

N(t)(x,t)dx

ba将上面的两式联立，可以得到

ba dxq(b,t)q(a,t)t

在上式中利用积分中值定理，并令ba，易得

q0 tx考虑到车道数的影响，我们加入了修正因子A,A表示车道数，而且我们知道车流量qu，上式可以表达为

(A)(uA)0 tx

该方程可以表示研究路段内任意截面处车流密度和车流速度u关于时间t与距离x的关系。

上面的模型虽然是基于连续流的基础上建立的，但由于交通事故造成的道路堵塞是突然发生的，平稳均匀的交通流会在交通事故处出现堵塞，出现累积。之前在连续流基础上得到的守恒定则依旧是成立的，方程(A)(uA)0可进一步得到：

txuu0 txx

我们注意到这样一个事实：车流密度越小，车流速度u越大，车流密度 越大，车流速度越小，当车流密度达到其极限值时，车流速度u0，道路就出现了阻塞。且随着堵塞时间t的增长，车流速度u越来越小，而随着车辆从上游向事故发生地点的靠近，车速会越来越近，在此我们假定车速u与t、x呈线性关系：

u(x,t)axbt

将此关系式代入常微分方程中，化为一阶线性的偏微分方程，利用一阶线性方程的特征线解法，利用边界条件解一阶线性常微分方程。得到(x,t)关于x，t的函数表达式：

(x,t)f(x,t)

显而易见，研究路段内车辆堵塞的长度L(t)与研究路段a,b内车数N(t)成线性关系。

L(t)cN(t)d

又由前面的叙述可知

dNq(b,t)q(a,t)dtt10N(t)q(b,t)q(a,t)dt

由N(t)及(x,t)的含义，有

N(t)(x,t)dx

ab即：

则：

ba(x,t)dxq(b,t)q(a,t)dt

ot1L(t)c(x,t)dxd

ab观察视频资料，我们可知，在发生事故前，道路是畅通的，我们考虑一定长度的均匀路段0x240, 起初交通是均匀的, 拥有车流密度a、流量qa。假设事故在位置x = 0 处发生, 起始时间t = 0, 结束时间t=t0。在事故持续过程中, 通过x = 0 的流量减少到q= qf< qa , 密度增加到fa；在时间t=t0 后, 在位置x = 0 处的通行能力恢复到正常状况。t0,a,qqa;x0,fa,qqfqa,(0t0t0);x0,a,qqa,(tto).这是交通流动力学模型的全部方程。，五．模型求解

5.1 第一阶段模型的求解：

通过对视频的分析易知：由于堵塞时车辆换车道时，所产生的同时占据两道车道问题及堵塞时车辆排队车道数不确定等问题所产生的随机效应严重影响了堵塞长度L与研究路段故我们在此假定：堵塞排队a,b内车数N(t)的线性关系。时，车辆按三列进行排队，且两辆车之间除了安全距离外不存在其它距离，并且将所有车辆转换成以PCU为单位的值来进行计算。我们记录了事故视频中排队距离达到120m时堵塞的车辆数和排队列数，此三次车辆排布比较密集，且排队数为三列：

时间 16:50:42 16:51:41 16:52:46

车辆数 22 24 26

由于数据较少且其中一组数据排队组数虽为三组，但其中一组未排满。数据较少无法得出其最优解，我们联系实际车长、车距，并观察视频中排队长度随滞留车辆数的变化，结合单队列时排队长度达到120m时的车辆数，综上我们可以得到：

L(t)4.5N(t)12

5.2 第二阶段模型的求解：

根据交通流守恒方程：

(A)(uA)0.tx 因为A为路段宽度或车道数，故可认为A为常数，从而交通流守恒方程可简化为：

(u)u0 u0

txtxx 又因为uaxbt，故上式可化为：

(axbt)a0。tx根据初值条件，列写方程组 axbta0,120x120,t0, txx,0x,120x120.1，解上面方程组 2，求特征线

dxaxbt,t0, dt

x(0)c.解得x(t)bat(a1)ce。2a 2.令P(t)(x(t),t)

bdP(t)atP(t)(a1)ce dt a2P(0)(x(0),0)(c,0)c.(ca2b)atb112a2bbbte(c)e(12)（1）解得： P(t)32232aaaaaaa 由x(t)bat(a1)ce 2abbb得cx(t)t2eat2（2）

aaa 将（2）式代入（1）式并略去a和b的高阶无穷小量化简得：

25lnt (x(t),t)P(t)(ab)x(t)t1et(ab)x(t)t(b)lnx(t)b。

52at25lnt即 (x,t)P(t)(ab)xt1et(ab)xt(b)lnxb。

52at又因为 N(t)(x,t)dx。

0x0 根据视频1中每次绿灯亮时滞留的车辆数和时间等数据，通过拟合求得最优解

a0.64 

b0.65344故 u(x,t)0.64x065344t

车流密度

1lnt 2tx01lntdx

N(t)(0.01344xt1)et0.00512xt5.57lnx02t(x,t)(0.01344xt1)et0.00512xt5.57lnx13 最终得到排队长度 L(t)4.5N(t)12

5.3 问题四：

现已知交通事故所处横断面距上游路口距离为140米，且路段下游方向需求不变，以事故所处横断面距上游的路段为对象。求解如下：

问题四：现已知交通事故所处横断面距上游路口距离为140米，且路段下游方向需求不变，路段上游车流量恒定为1500pcu/h,以事故所处横断面距上游的路段为对象。求解如下：当x0140时，有： N(t)1400(0.01344xt1)et0.00512xt5.57lnx1lntdx，2t解上述方程可得

N(t)96.769et70lnt1.53t0.0893（4）t 因为L(t)140，将（4）式代入（3）式可得：

lnt 1404.596.769et701.53t0.089312。

t解得：

t5.387

六．模型优缺点分析

1.本模型利用车流密度随时间的变化来反映上游车流量和事故横断面实际通行能力对路段车辆排队长度的影响。进而对车流密度进行距离上的积分求得堵塞车辆数，最终利用堵塞车辆数与排队长度的线性关系求得排队长度。

2.本模型较好的实现了与视频排队长度的拟合。但是本模型是基于交通流是连续流的基础之上的，而本题中所处的城市交通环境下，由于红绿灯的周期性，交通流是非连续的，是离散的，本模型是在连续流基础上进行模拟和预测的，可能与实际情况存在差异，本模型更适用于高速公路等交通流更加趋向于连续流的状况。

参考文献: [1]沈继红，高振滨，张晓威《数学建模》北京：清华大学出版社，2011； [2]吴正《高速交通中堵塞形成阶段的交通流模型》

交通运输工程学报第三卷第二期 2003年

[3]2002年上海交通大学博士学位论文《交通流的数学模型、数值模拟及其临界想变行为的研究》作者：薛郁专业：流体力学附件3

视频1中交通事故位置示意图

所使用的软件：

篇3：影响城市道路通行能力的因素和改进措施

车道被占用是指因交通事故、路边停车、占道施工等因素,导致车道或道路横断面通行能力在单位时间内降低的现象。由于城市道路具有交通流密度大、连续性强等特点,一条车道被占用,也可能降低路段所有车道的通行能力,即使时间短,也可能引起车辆排队,出现交通阻塞。如处理不当,甚至出现区域性拥堵。

车道被占用的情况种类繁多、复杂,正确估算车道被占用对城市道路通行能力的影响程度,将为交通管理部门正确引导车辆行驶、审批占道施工、设计道路渠化方案、设置路边停车位和设置非港湾式公交车站等提供理论依据。

注:只考虑四轮及以上机动车、电瓶车的交通流量,且换算成标准车当量数。

2 问题分析

问题一通过观察分析,我们着重查找交通事故发生至撤离期间的道路车流变化。可以发现,在事故发生后,道路开始出现拥堵状况,即我们初步设定车道被占用的时间为20分钟。拥堵过程中不仅有各种型号的机动车辆陆续通过,还有自行车、三轮车以及来往围观的人群,而人流和车流的冲突都影响了道路的通行能力。进行实验观察的道路的上游有一个十字交叉口,有交通信号灯控制来往车辆。所以,在事故段上,一般以一分钟一批车辆的拥堵正持续发生,即推测信号灯的周期与通行状况有很大的联系。

我们通过调查每5分钟的停驶车辆数以及每60秒钟的道路内停车数,以及调查每时段内的总交通量,从而分析该事故路段的实际道路通行状况。

实际通行能力是指在设计或评价某一具体路段时,根据该设施具体的公路几何构造、交通条件以及交通管理水平,对不同服务水平下的服务交通量(如基本通行能力或设计通行能力)按实际公路条件、交通条件等进行相应修正后的小时交通量。为了计算本题目中的实际通行能力,首先统计出各个时间段内停驶车辆,得出车辆在该道路上的总延误时间,根据直行车道设计通行能力公式,可分析事故所处的横断面实际通行能力的变化过程。

3 基本假设

1)假设车辆在正常行驶在直行道的过程中,不存在忽然变道行驶的状况;

2)假设车辆在从交叉口行驶到横断面的过程中,速度是均匀的;

3)假设在出现占道事故之后,变成的单行道宽度增加到了3.5米以上,达到了折减系数所能产生的最大值;

4)假设在考虑的所有占道情况中,不存在两个事故同时发生的情况,也就是一个时间段的横断面上只发生一起占道事故;

5)假设道路比例流量在出现占道后保持不变,即不存在车主在发现堵车之后转弯另寻其他道路的情况;

6)假设在十字交叉口处,车辆启动后右行到达停车线的时间为2.96秒;

7)假设在事故发生时,通过横断面的车辆不存在故意围观停车的现象;

8)假设实验观察统计实际数据时,由于某些不可避免导致的系统误差不存在;

9)假设所参考的所有资料都真实可信。

4 符号说明

Cs:表示一条直行道的设计通行能力( pcu/h);T :表示十字交叉口信号控制灯的周期;tg:信号灯周期内绿灯的持续时间;t0:绿灯亮后,第一辆车启动,到达停车线的时间;ti:交叉口直行或右行的车辆到达停车线的平均时间;φ :表示十字交叉口的道路折减系数;C单:表示路段的单向通行能力;Ci:表示单向路段上第i条车道的通行能力;C0:表示一条通道的理论通行能力;n :表示单向路段的车道数目,在此题中,n = 3 ;φi条:表示单向路段中第i条车道的折减系数;φ交:表示十字交叉口对横断面的影响所产生的折减系数;φ车道:表示车道宽度对横断面的影响所产生的折减系数;Ls:表示排队系统的平均队长;Lq:表示排队系统的平均排队长;Ws:表示排队系统中车辆的在道路上的平均逗留时间;Wq:表示车辆在道路上排队的平均等待时间;Tb:表示横断面(服务台)的平均忙期;Pn:表示排队系统中稳态时系统状态为n的概率;kjam:表示道路的拥塞速度,辆 /km ;h :表示道路的最大允许流量(通行能力),辆 /h ;V :表示道路上自由流的速度,km/h ;W :表示由于拥堵引起的向后传播的扰动。

5 模型的建立与求解

问题一:描述事故所处横断面实际通行能力的变化过程

1)模型的建立:根据题意,我们建立模型I计算事故段的实际通行能力,其中直行车道的设计通行能力计算公式【1】:

Cs为一条直行道的设计通行能力( pcu/h);Cr为右转向道路的设计通行能力 (pcu/h) ;T为信号灯周期(s);tg为信号周期内绿灯时间(s);t0为绿灯亮后第一辆车启动,到达停车线的时间(s);ti为直行或右行车辆到达停车线的平均时间(s/pcu);φ为道路的折减系数。

2)模型的求解:据统计,车辆占道的时间大约为20分钟,过程中有很多车辆都被阻塞过,所以我们分区段统计每个小时间段车辆的延误情况。将占道时间分为四个小段,每段五分钟,统计五分钟内被延误或被迫停止过的车辆数目。为了统计数据的精确性,在五分钟内,我们又分为五个小段,每分钟一段,统计过往的不同型号的车辆数目。经讨论后决定将车型按照大、中、小三种车型来分,以家用轿车为换算基准,小型车主要包括四轮以上的电瓶车等类型;中型的车主要包括3-5吨运货车,小型载货车、中小型的大巴、家用轿车;大车主要包括公交车,大型的大巴、5吨以上的载货汽车等。具体调查数据如下:

通过对表1中数据的再次统计,我们计算出整个时间里各种型号的车辆数目总和,在通过换算系数【2】,得出标准车型的数目。统计车型的具体结果如下:

计算之后 ,可以知道在占道期间大约行驶过的标准车为478辆。要计算出该道路上的延误指标 ,根据公式 :总延误 = 总停车数×观测时间间隔(辆·s)可得出:

由现场观察可知,由于横断面上游交通信号灯的影响,在车占道的位置导致的交通拥堵并不是连续的,上游下来的车辆是由交通信号灯的周期决定的。统计得出,信号周期内绿灯的时间为30 s ,绿灯亮后第一辆车启动,到达停车线的时间为2.5 s ,直行或右行车辆到达停车线的平均时间根据视频无法准确得出,通过查阅上网资料,大约为2.96 s。由于车辆占道在了第一主干道,是公交车和大型货车的主要干道,所以此时我们假设折减系数φ为1

将上述数值代入公式(1)中,可以得到一条直行道的设计通行能力Cs为:

根据题目附件4的上游路口交通组织方案,我们可以看出,在十字交叉口,到达事故点的车辆来源于两个方向,一个是上式求出的直行道通行能力,一个是右转向通行能力,这个方向的车辆时不受信号灯控制的。所以计算公式为:

3)结果分析:通过表1可知,横断面阻断车辆最多的时间段在16:52:32—16:57:32,直到最后的疏通状态,整个延误车辆分布可呈现正态分布。同时,我们还计算了不同时间段内,由于占道被迫停驶的车辆数目。

通过查阅有关资料,可以知道国际上对于通行能力的规定值[3],具体如下表:

我们计算出的通行能力为872.83536pcu/h ,比国际规定值低,这也充分说明了车辆占道对城市道路通行能力的影响是很明显的。

6 模型的评价和改进

1)模型的优点:该文的前两个问题都采用函数模型的方法去解决,找到道路通行能力和道路宽度、距离交叉口长短、占用车道等条件之间的线性关系,方便直观的求出了通行能力。同时分析出在四种不同的情况下,通行能力大小的变化,进而找到其中的规律所在。函数模型的方法简单有效,便于去理解和解释。

2)模型的缺点:在问题一中,我们着重分析了由十字交叉口影响的直道通行能力。但是没有考虑到事故点在直行道路上与交叉口的距离。即我们把事故发生点默认在了离十字交叉口很近的地方,但又忽略了排队长度对十字交叉口的影响。所以,可以说使用的函数模型方法是一个假想的理想状态,与实际情况略有偏差。这是建立模型考虑的不完整性。

而且综观前两问,求的都是通行能力,但是站在解决时我们采取两个不同的考虑方法,得到的答案相差很大,这也是一个重大的失误点,为此我们寻求两种方法产生误差的原因。

3)模型的改进:对于问题一,由于没有考虑到距离交叉口长度240米这一点,导致两种方法解答的计算结果有误差,则可以引入折减系数来解决。根据表5-8,当距离为240米时,交叉口产生的折减系数为0.48。依据公式(1):

这个公式中的因变量主要有控制信号灯的时间周期,十字交叉口来往车辆通过停车线的时间和干道的折减系数。其中折减系数是直接相乘,成正比例关系的,所以可以直接引入交叉口距离系数,得到如下公式:

通过计算,得到的C′s为418.960pcu/h。在第二问的函数模型求解时,第一种情况的道路通行能力C1)为417.312pcu/h ,可以看出两者的相差不大,说明这种改进方法是真实有效的。

摘要：车道被占用是当今社会中一个非常普遍的现象,会对道路的实际通行能力产生严重影响。其影响因素有车道宽度、路段通道数、交通管理等。该文着重分析了因事故车辆对不同行车道的占用、单向车道宽度、上游车流量、交叉口信号控制灯等因素对道路通行能力的影响,采用了停车线法对十字交叉口进行分析,构造函数模型求解不同占道情况下的通行能力。通过建立排队系统模拟仿真交通车辆排队,搭建模型模拟交通流动力特性。

篇4：影响城市道路通行能力的因素和改进措施

关键词：实际通行能力；数据拟合；排队论；交通事故

道路通行能力也称道路容量，是道路的一种性能，能度量道路疏导车辆的能力。随着我国社会经济的持续快速发展，城市已成为经济增长的重要地区，机动车也随之迅猛增多。道路上发生的交通事故、路边停车、占道施工等行为使车道被占用而导致道路横断面通行能力在单位时间内降低，若是不能及时得到解决，则会导致交通堵塞，影响人们的正常生活。合理的分析道路被占用的各个因素及其联系，建立起相关模型，可以尽可能的解决道路被占用所带来的困扰。我们以交通事故这一典型事例为代表，观察分析视频中两次交通事故，研究了车辆被占用对对城市道路通行能力的影响，颇具代表性和合理性，这将为日后解决道路被占用而导致交通拥堵问题产生重大影响。以下是相关的实证分析。

一、事故所处横断面的实际通行能力

1.假设在理想的道路和交通条件下，当具有标准长度和技术指标的车辆，以前后两车最小车头间隔连续行驶时，单位时间内通过道路上指定断面的最大车辆数，记作N（辆/h）。

2.车道宽度对路段通行能力的影响：道路的通行能力C是车道宽度b的函数。车道的宽度达不到要求必然影响车速，车速的降低则意味着通行能力的减小。车道宽度对道路的通行能力和行车的舒适影响很大：从保证通行能力的角度考虑，必需的车道宽度b=3.50m。当车道宽度b大于3.50m时，不影响通行能力；当b小于3.50m时，则车速下降，通行能力减小；车道宽为3.25m时，通行能力修正系数a车道为0.94；车道宽为3.00m时，通行能力修正系数a车道为0.85；车道宽为2.75m时，通行能力修正系数a车道为0.77。

3.多车道对路段通行能力的影响：在一些城市主干道上，同一行驶方向的车道往往不止一条，在多车道的情况下，同向行驶的车辆由于超车、绕越、停车等原因影响另一条车道的通行能力。一般越靠近路中心线的车道，其影响越小，因此在无分隔带的同向车道上，靠近路中心线的车道通行能力为最大：靠近侧石的车道，其通行能力为最小，其影响用修正系数a条来表示。据观测，自路中心线起第一条车道的修正系数a规定为1.00，其余车道的修正系数依次为：第二条车道为0.80-0.89；第三条车道为0.65-0.78；第四条车道为0.50-0.65；第五条车道为0.40-0.52.为了统一数据，我们在本论文中第一车道a条采用数值1，第三车道a条采用数值0.72。

通过对图一中两折线图的对比，我们可以清晰得出事故从发生到撤离期间事故所处横断面的实际通行能力的变化趋势：在最开始的一小段时间内由于刚开始车辆较少，通行能力变化不大，但已有车辆开始滞留，过了一段时间之后由于上游路段绿色信号灯的作用，车辆的不断驶来，较多的车辆连续不断往事故处拥挤，使得此处的通行能力急剧下降，之后随着时间的推移，再加上上游信号灯固定的时间变化，事故处的实际通行能力开始回升，最后趋于相对平稳的范围内波动。

二、横断面车道三的实际通行能力.

折线图可以看出由于视频一与视频二所占车道不同，因而虽然是同一横断面，实际通行能力仍然存在着差异，这是由于在视频一中，车祸将直行车道、左转车道堵住，车辆只能从右转车道通过。而堵住的两个车道的流量比例占79%，处在这两个车道的车必须插入右转车道才能行使通过，由于被堵车道车多所以插入右转车道时间会比较长，故车祸发生后道路通行能力马上下降.道路通行能力减小到约为原来的三分之一，随着上游不断进来的车，事故发生点开始堵车，道路通行能力为实际通行能力，一直处于波动阶段，车祸撤离后恢复至原来的道路通行能力.在视频二中车祸发生点在右转车道与直行道处，直行、右转车道的车需要插入左转车道，由于左转车道的流量比例为35%，比右转车道高出很多，所以开始出现了不堵车的情况；当越来越多的车插入右转车道后才使得其通行能力下降使得道路被堵，直到车祸撤离后才缓解堵车现状，恢复到以前的道路通行能力。

三、实际通行能力和上游车流量与时间函数关系式的建立

我们假设道路发生事故的排队系统服从排队论中的成批到达的MkM1排队模型。这种模型是指上游车辆到达事故处为最简单流，即由于上游信号灯的影响，车辆到达事故处的时间间隔是服从负指数分布的排队系统。

为确定每批车辆到达的时间间隔和等待时间分布的方法，一般是按照统计学方法，用理论分布去拟合实测资料并估计其参数值。本问题用到的输入过程和理论分布分别是泊松流和负指数分布。

1.该系统的输入过程{M（t），t≥0}为Poisson流，平均到达速率为λ（单位时间内的到达次数，λ>0），但每隔一段时间到来的不是一辆车，而是一批车，设本问题中每批到达k辆车，车的数量为∞；

2.对于每辆车在此路段的停留时间{vn，n=1，2，…}相互独立并且都服从负指数分布，通过速率μ；

3.系统容量为有限值x，当有车辆到达该路段的时候，若该路段的通行能力正常，则该车辆可以正常通过，而当此处发生交通事故时，道路的实际通行能力下降，此时若有一批车辆从上游驶过来，则这些到达的车辆要在队列中排队等待行驶通过.

我们设N（t）表示t时刻系统的排队长度，由于系统容量为有限值，故N（t）的可能取值空间为I={0，1，2，…，x}，N（t）的取值空间就是状态空间，系统可在这些状态之间变化，相邻状态就是相差不大于1的车辆数.系统中下一时刻车辆的数目只可能增加一个、减少一个或保持不变，也就是该随机过程的一步转移只能发生在相邻状态之间，或者说，用“生”表示车辆增加一个，“灭”表示车辆减少一个。

假设某时刻系统中已经有n辆车，此时，当有一个批量为k的车辆到来后，系统中的车辆立即增加到n+k个，而事故处每次只能通行一辆车。

该系统在一定条件下是存在平稳分布的，即系统处于各个状态的概率均存在.如果我们根据以前的方法，依据平衡状态下流入流出量相等的原则列出等式，然后根据概率归一化条件求出概率分布，最后根据定义求L等参数会异常复杂。因此，下面我们使用了较为简单的方法求解。

由上面过程我们可以得出交通事故所影响的路段车辆排队长度：

L=L0+L2-L1

四、结束语

本文通过对问题的分析，合理地将问题进行模块化处理，使问题明朗化，并在一定程度上将其进行了简化。所建立的模型不仅适用于本事故，对于一般的城市道路事故也可使用，以便来解决实际问题，更好的舒缓交通，方便大家的通行。

参考文献：

[1]肖华勇.数学建模竞赛优秀论文精选与点评[M].陕西：西安工业大学出版社，2011.

[2]姜启源，金星俊.数学模型[M].北京：高等教育出版社，2011.

[3]曾勇，丽华，建峰.排队现象的建模、解析与模拟[M].陕西：西安电子科技大学出版社，2011.

篇5：影响城市道路通行能力的因素和改进措施

计算城市道路路段可能通行能力时,要考虑实际道路、交通与一定环境条件下的影响因素,并且以此条件下确定其折减系数,再乘以基本通行能力。折减系数的确定是该计算模型的重要环节。中国许多学者对此进行了相关研究,主要是在对实测的交通流数据进行统计分析的基础上,确定影响通行能力各因素的折减系数。另一些学者应用计算机仿真技术求解城市道路路段通行能力。目前国内的城市道路路段通行能力计算模型中,折减系数的确定只考虑道路条件和交通条件这2个典型的影响因素,忽视交通管理条件因素,不能适应现今的城市道路设计规划。各国对城市道路路段通行能力有不同程度的研究,根据国情编制各自的道路通行能力手册,其通行能力计算模型考虑了道路条件、交通条件、管制条件,但其中管制条件未涉及人行横道的步行管理,具有局限性。

本文分析交通管理条件对通行能力的影响,主要针对交通管理条件中的步行管理进行分析,建立考虑交通管理因素对路段通行能力影响的计算优化模型,及步行管理因素折减系数计算模型,并结合仿真用珠海路段实测数据对该计算优化模型进行验证。

1 城市道路路段通行能力计算优化模型的建立

1.1 可能通行能力计算模型

计算可能通行能力要考虑实际道路、交通与一定环境条件下的影响因素。并且以此条件下确定其折减系数,再乘以基本通行能力。影响通行能力不同因素的折减系数为:① 车道的折减系数a条;② 交叉口折减系数a交;③ 行人过街折减系数a人;④ 车道宽度折减系数a车道;⑤ 有快车和铁道口等影响的综合折减系数a综。

考虑上述折减系数,则路段上一条车道的通行能力为

目前由于a人,a综影响因素较复杂,通常忽略不计,因而上式可简化为

式中:C0为一条车道的基本通行能力,pcu/h

可以发现,以前的计算模型没有考虑交通管理因素对路段通行能力的影响。因此,考虑交通管理因素对城市道路路段通行能力影响的计算模型的提出显得尤为重要。

1.2 交通管理因素分析

有效的交通管理既能显著有效组织交通,改善交通状况;又能通过对交通流的管理进而影响路段的通行能力,因此,通行能力分析中交通管理因素不可忽略。交通管理因素包括:车速管理、车道管理、禁行管理、步行管理、停车管理。其中步行管理在交通管理中尤为重要。步行管理对路段通行能力的主要影响体现在对人行横道进行交通管理。步行管理包括:无信号控制、定时信号控制、按钮式信号控制、感应式信号控制、行人过街安全辅助设施。

定时信号控制的配时设计,可以根据美国《道路通行能力手册(HCM2000)》中的最短行人有效绿灯计算方法设计,也可以根据澳大利亚的计算方法设计。按钮式行人过街信号控制通常设置在一条比较长的路段上,车流是自由流状态,交通量变化大且不规则,且路段上的行人离散,流量波动大的情况下。由于这种情况下难采用定时控制,所以按钮式行人过街信号控制就被广泛应用。行人过街安全辅助设施包括“减速带”式人行横道,用于避免发生车辆侧翻;路段行人通道灯系统,用于警示驾驶员停车;智能人行道护栏,用于防止行人在护栏关闭后未及时通过路段而滞留。

笔者所提出的考虑交通管理因素对城市道路路段通行能力影响的计算模型,主要是指考虑步行管理因素,而这其中主要涉及到无信号控制、定时信号控制、按钮式信号控制这3种,定时信号控制参考了澳大利亚的计算方法。

1.3 模型的建立

考虑交通管理因素对城市道路路段通行能力影响的计算优化模型如下。

式中:am为交通管理因素的折减系数。

针对上述交通管理的步行管理,建立以下折减系数计算模型。

当路段人行横道上无步行管理时,

当路段人行横道设置行人信号灯时,

式中:T为行人过街信号灯周期;Gmin为行人过街所需的最短绿灯时间;vr为行人过街步行速度,采用1.2m/s;d为人行横道长度。可能通行能力由不考虑交通管理因素对路段通行能力影响的计算模型计算得到。即

2 计算实例

对珠海市设有无信号控制人行横道的路段,进行交通量和车速调查,根据交通管理因素对城市道路路段通行能力影响的计算模型,及针对步行管理的折减系数计算模型,分析路段通行能力,并通过交通仿真技术对该计算模型进行了验证。

2.1 无步行管理am值的计算

凤凰北路路段,是选取凤凰北-沿河东路与凤凰北-翠香路两交叉口之间的500m的路段,车辆平均运行速度v=20.69km/h,双向4车道,设计车速为60km/h。该路段道路中间由栅栏分隔对向交通,两端断面位置见图1。1,2,3号位置为无步行管理的人行横道,车道宽为3.75m,图1中的凤凰北-华海路交叉口处于该路段上。

通过调查100组流率(流率扩大为小时交通量)及平均车速数据,用SPSS软件对交通流量Q及速度V的进行相关性及回归分析,见图2,表1。

因变量为小时交通量,单位为pcu/h;自变量为平均车速,单位为km/h。流率与速度的关系图是一个二次函数的曲线模型,Sig.值是检验值的显著性水平,二次函数的Sig.=0.000,小于0.005,即认为速度变量服从假设的概率分布,回归模型成立,可得流量Q和速度V的二次函数关系式。

可得最大流量时(即最佳车速)的车速值Vm=21.6km/h,对应的最大流量值Qm=1 310pcu/h,即实际通行能力为1 310pcu/h。

根据规范,一条车道理想条件下的理论通行能力在限速60km/h的情况下为1 730pcu/h;路段第1条车道的折减系数α条=1.00,第2条取中间值为0.85;路段车道宽3.75m,根据《道路通行能力分析》查表得a车道=1;凤凰北研究路段交叉口间距离为500m,路段平均车速为20.69km/h,根据《道路通行能力分析》查表得a交=0.80。根据,得到:C1=1 730×1×0.8×1=1 384pcu/h,C2=1 730×0.85×0.8×1=1 176pcu/h,故C1+2=2 560pcu/h。现状行人过街无步行管理,根据折减系数计算模型,am=1 310/2 560=0.51。

2.2 无步行管理am值的验证

选取另一路段进行am值的验证。凤凰南路段与凤凰北路段相连接,双向4 车道,设计车速60km/h,现状凤凰南路设有栅栏分隔对向车流,先烈路没有栅栏,且2路相交的交叉口无信号控制,1,2处人行横道上无步行管理。先烈路是单向交通,凤凰南路北进口的车辆经T型交叉口左转进入先烈路,南进口的车辆右转进入先烈路。所选凤凰南路段是凤凰南-朝阳路与凤凰南-康宁路交叉口之间的450m路段,图3中的凤凰南-先烈路交叉口处于该路段上,分别调查该路段的流量和速度。根据现状数据及《道路通行能力分析》可得,C1+2=2 560pcu/h,与凤凰北路段相一致。根据折减系数计算模型,可推算得凤凰南路段的实际通行能力=am· 可能通行能力= 1 310pcu/h。

通过调查100组流率(流率扩大为小时交通量)及平均车速数据,用SPSS软件对交通流量Q及速度V的进行相关性及回归分析,见图4、表2。

该二次函数中,因变量为小时交通量(pcu/h),自变量为平均车速(km/h),Sig.=0.000,小于0.005,即认为速度变量服从假设的概率分布,回归模型成立,可得流量Q和速度V的二次函数关系式:

可得最大流量时(即最佳车速)的车速值Vm=37.16km/h,对应的最大流量值Qm=1 294pcu/h。该值与根据折减系数计算模型,推算得凤凰南路段的实际通行能力1 310pcu/h非常接近。可以证明路段人行横道上无步行管理时,am的计算模型对于城市路段是合理的,正确的。

2.3 步行管理am值的计算

为了提高路段通行能力,对行人过街进行交通管理。即对凤凰北路段1,2号位置行人过街信号灯采用定时信号控制,2个信号灯是一个控制机控制,避免车辆在两个人行道中间停车。3 号位置行人流量相对较少,采用按钮式信号控制设置行人信号灯。对凤凰南路段1 号、2 号位置设行人过街定时信号控制。

凤凰北路段人行横道长度d=24m,根据折减系数计算模型,可得Gmin=26s。行人最大等待时间是跟行人流的特征属性、当时的交通量和过街路段宽度有关,一般情况下路段上信号控制人行横道处的行人最大等待时间应该控制在60s以内,主干道在50~60s,次干道在40~50s。主要考虑高峰时段,因此可设置定时的行人信号灯周期为90s(考虑行人满足最大等待时间和加上机动车的黄灯时间,然后保证行人在最小绿灯时间能够满足行人流量)。因此,am= (90-26-3)/90=0.68,C路段=2 560×0.68=1 741pcu/h。采用改善后的交通管理方式,可以提高研究路段的通行能力。提高值为2 560×(0.68-0.51)=435pcu/h。

凤凰南路段人行横道长度是d=22m,根据折减系数计算模型,可得Gmin=24s。凤凰南路段设置行人等待时间与凤凰北路段一样为60s,因此信号周期为90s。am=(90-24-3)/90=0.7,C路段=2 560×0.7=1 792pcu/h。该路段通行能力也相应的提高了。

2.4 仿真实验

对以上的分析结果,采用Vissim交通仿真软件进行验证。当现状路段的几何模型、交通流参数和行驶规则设置完毕以后,运行仿真,得到Vissim现状交通状况的仿真结果。通过比较现状仿真结果和交通调查结果之间的差异,来考察所建立的仿真模型与实际路段交通运行情况的模拟程度。对路段的建模必须反复对上一步设置的交通参数和运行规则进行调整和重新标定,直到满足误差在许可的范围以内。

建模后,不断的增加道路车流量,直到路段交通超过其负荷,不能正常运行为止,此时获得的最大交通量即路段的最大通行能力。凤凰北路段现状路段最大交通量仿真图见图5。通过对2个路段有无步行管理2 种情况进行最大交通量的仿真,得到2种情况下的路段通行能力。

由表3可见,现状和采用交通管理后路段通行能力的计算值与仿真值很接近,两者的相对误差控制在5%以内,说明考虑交通管理因素对城市道路路段通行能力影响的分析是合理的,am的计算模型得到了验证。

3 结束语

篇6：城市道路动态通行能力模型

摘要：运用数学建模的相关知识，综合考虑车流密度、车辆行驶速度、因突发情况导致车道占用时长不定等多种因素，建立城市道路动态通行能力模型，为城市交通管理规划提供理论基础。

关键词：通行能力、中值检测、神经网络、遗传算法

中图分类号：U491.114 文献标志码：A

0 引言

当今世界，随着经济社会的不断发展，城市里人们的数量逐渐增长，车道上机动车的数目也随之日益增加，有时由于交通事故、信号灯时长等原因，便会导致车道被占用，从而引起交通的拥堵。当交通堵塞发生时，我们该如何应对？目前，由于道路通行能力所涉及的交通流的复杂性，传统的交通流模型以概率论和微积分为代表的数学思想为基础，其限制条件极为苛刻，很难拟合现实中灵活多变的道路通行状况。研究城市道路的通行能力成为了一项热门的话题，本文基于2013年全国数学建模大赛所提供的数据视频，利用边缘滤波、遗传算法优化后的BP神经网络等一系列建模思想展开分析与论述，力求为交通管理部门提供一份可靠满意的答卷。

1 建模准备

1.1模型假设

（1）视频提供信息真实可信，司机不存在醉驾的情况。

（2）假设只有电瓶车、小轿车和客货车。

（3）车身只要有超过一半通过横截面就算一个.

1.2图像处理

由于拍摄角度、相机像素等原因，使得视频画质不够清晰，所以我们需要对图像进行处理，首先我们利用rgb2gray函数将真彩色图像转化为灰度图像，再采用histep函数进行直方图均衡化，增强了图像的对比度，为了使图像更清晰，我们先加入椒盐噪声，之后使用medfilt2函数进行中值滤波，有效地控制住噪声，使得图像轮廓及边缘不被破坏，视觉效果好。分别见图1和图2：

图1直方图均衡化图2中值滤波

2 事故发生时的可能通行能力分析

2.1数据分析

在正式分析之前，我们应知道什么是通行能力，通行能力是指受到道路、交通等的影响，通过某条道路截面的最大交通量。它又分为基本通行能力、可能通行能力和设计通行能力，根据所提供的数据，上游路段的红绿灯交替为60秒，为了减小周期带来的影响，我们选择以60秒为周期进行计算。通过计算120米长的道路通过的车辆个数，来估算出车子的平均速度，进而推算出可能通行能力的大小。为了不同车辆在相同尺度下的交通流，在计算时统一化成标准当量，根据交通部的规定，具体换算见下表：

2.2模型建立

2.2.1基本通行能力

基本通行能力是指在理想的道路、交通条件下，单位时间里通过道路的最多车辆数。

它的计算公式是，其中v是指行车的速度（km/h），lo是指车头最小间距（m），

根据参考文献[2]，不控制出入多车道公路基本道路通行能力推荐值为2000pcu/h

2.2.2可能通行能力（理论）

可能通行能力是指考虑到实际情况对基本通行能力的系数进行修正后的值，修正系数包括：①车道宽度修正系数；②侧向净空修正系数；③纵坡度修正系数；④视距不足修正系数；⑤沿途条件修正系数 .道路的实际通行能力，我国规定的车道宽度是3.75m由于道路宽是3.25m，所以根据参考文献[3]，[4]得：γ1=0.94，γ2=1，γ3=1，γ4=0.69，γ5=0.91，因此我们计算出了理论道路通行能力大约是1180.4。

2.2.3可能通行能力（实际）

，单位是pcu/h，根据视频及前面所给的车辆换算系数，我们计算出的实际通行能力如下表所示（从16：42：20至16：58：20结束，每隔一分钟算一个时间点，出于谨慎，部分发生跳跃的视频我们直接忽略）

由上表可知：可能通行能力值总是在基本通行能力附近波动。在16：49：20左右，事故发生，此时通行能力急剧减小，这说明实际通行能力很大程度上受到了現实的制约，本质上还是由理论值决定。

3排队长度与事故所在截面通行能力、事故持续时间等因素间的关系

3.1 模型建立

3.1.1排队长度的计算

由于车辆所排的队并不是一条直线，有关曲线无法用线性比例尺计算出结果，因此我们采用非线性比例尺。

3.1.2基于遗传算法的BP神经网络测试

BP神经网络提出于1986年，是一种按误差逆传播算法训练的多层前馈网，其由输入层、隐含层、输出层组成，当输入样本从输入层神经元输入后，通过层层隐含神经元最后输出到输出神经元，在返回过程中不断修正权值因子。这样反复进行的过程将使得预测的效果越来越切合实际情况。然而，本项目中理论通行能力、占道时长、路段上游车辆都是影响因子，使用神经网络不能直观描述三个变量与排队长度的关系，因此本项目将根据样本情况采用一定策略将某两个变量统一，使得BP神经网络有两个输入层细胞、一个输出层细胞。但是由于其自身存在的冗余性和不稳定性，易受到局部极点的影响，收敛速度慢，因此我们采用遗传算法优化BP神经网络，这是一种优胜劣汰的算法，与单纯的BP神经网络算法相比，这样做处理的数量数量更多，适合于复杂的交通流分析，我们先用遗传算法通过选择、交叉和变异操作找到最优适应度对应个体，抛弃偶然性过强的样本，然后再用得到的最优个体设置神经网络初始权值和阈值，在此基础上上神经网络训练得出预测函数输出。

3.2结论总结

排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间息息相关，当排队长度增加时，事故横断面实际通行能力减少，事故持续时间增加，同时路段上游车流量增加。

4结语

4.1该模型的优点与不足

4.1.1该模型的优点

（1）采用图像处理，使得原视频不清楚的地方变得清晰，便于统计数据。

（2）在写参数时，我们在网上查阅了大量的资料，力求做到准确。

（3）使用基于遗传算法的BP神经网络进行分析，使得数据分析的更加全面。

4.1.2该模型的缺点

（1）考虑的因素还不够全面，我们仅仅只是考虑了车子的单向单车道行驶，未考虑多车道的情况，考虑的部分参数参照的是国外发达国家的标准，在我国不一定适用。

（2）在图像处理上还存在欠缺，因为情况的复杂性，未考虑对运动的物体实行跟踪。

4.2对交通管理部的建议