信号交叉口排队长度动态计算方法研究
第15卷 第3期2002年7月
文章编号:1001-7372(2002)03-0101-03
中 国 公 路 学 报
ChinaJournalofHighwayandTransport
Vol.15 No.3July2002
信号交叉口排队长度动态计算方法研究
荣 建,何 民,陈春妹
(北京工业大学交通研究中心,北京 100022)
摘 要:利用北京市道路交通的实测数据,对比分析了国外多种信号交叉口排队长度计算方法的结果。在此基础上,以SIGNAL94为基本模型,针对北京市交通的实际情况,建立了适合北京市交通特性和动态计算的排队长度优化模型。运用时间平滑处理方法减小了交通系统随机性对计算精度的影响。经过实际数据的验证:在通常的交通条件下,优化模型的相对误差保持在5%左右。关键词:排队长度;动态计算;信号交叉口中图分类号:U491.264 文献标识码:A
Dynamicmodelofcalculatingqueuelengthatsignalizedintersection
RONGJian,HEMin,CHENChun-mei
(TransportationResearchCenter,BeijingPolytechnicUniversity,Beijing100022,China)
Abstract:MeasurementsonseveralqueuelengthmodelswerecomparedwitheachotherbasedonthesurveydatafromDongdanintersection.ThenSIGNAL94wasselectedasthebasicmodelfordescribingthetrafficconditioninBeijing.Anoptimummodel,whichwassuitablefordynamiccalculation,wasputforwardbasedontheanalysisofoversaturatedflowandamethodoftimesmoothwasprovidedinordertoreducetheerrorduetorandomcharacteristicsoftrafficsystem.Basedonthesurveydataanalysis,theoptimummodelwasproven,andthequeuelengthpreci-sionwasabout95%underthepreveilingtrafficconditions.
Keywords:queuelength;dynamiccalculation;signalizedintersection
0 引 言
随着北京申办2008年奥运会的成功,尽管近年来北京在交通基础设施和交通管理方面取得了长足的进步,但相对全面、系统的交通管理还有相当的距离。为此,北京市进行了“北京市道路交通流动态显示系统”的研究,其中核心的工作就是建立道路交通流的评价指标体系,信号交叉口的排队长度作为重要的评价指标,具有举足轻重的作用。
笔者是在项目研究过程中,吸取国外此类研究先进经验的基础上,综合考虑北京市道路交通实际状况,提出了适用于北京实际情况且便于进行动态分析的信号交叉口排队长度优化模型,从而为北京市实施科学、规范的交通管理提供定量的基础依据。
收稿日期:2001-08-24
1 信号交叉口排队长度计算方法回顾
在交通流理论的研究过程中,先后提出了多种排队长度计算方法,其中较为经典的是MILLER、AKCELIK、SYNCHRO3、SIGNAL94、TRANSYT
排队长度模型[1],各模型的具体形式如表1所示。这些模型都是认为排队长度与来车强度和红灯时间有关。不同模型还考虑了不同的影响因素,提出不同的公式形式和参数。
2 各种模型的精度对比
笔者采用长安街东单路口2000年9月6日11:30-15:30的交通流数据,对上述模型的精度进行对比分析。
:,,.
102 中 国 公 路 学 报 2002年
表1 排队长度计算模型
公式名称SIGNAL94
Qn=Qn=
AKCELIK和SYNCHRO3
D=
公式
2qnR
2qnR+0.25v(x-1)
qnR
+Dq-11-S
exp[-1.33SG(1-x)/x]
2(1-x)qnR
2(1-x)
非饱和周期过饱和周期
说明
1)排队长度的影响因素包括来车强度、红灯时间及到达分布系数;2)排队长度与上述三者的乘积成正比
1)当前周期的排队长度等于分析时段内平均滞留车辆数与当前周期来车造成排队的车辆数之和;
2)当前周期来车造成排队的车辆数与来车强度和红灯时间的乘积成正比,与上一周期剩余饱和度成反比
1)当前周期排队长度等于平均滞留车辆数与当前周期红灯时间内到达的车辆数之和;
2)模型形式与AKCELIK模型类似,但没有考虑剩余通行能力对排队长度的影响
1)排队长度等于平均滞留车辆数与当前周期来车造成排队的车辆数之和;
2)当前周期来车造成排队的车辆数随交通流状态的变化而变化。当交通流处于非饱和状态时,它与来车强度和红灯时间的乘积成正比,当交通流处于饱和状态时,它与道路通行能力和红灯时间的乘积成正比;
3)当饱和度大于饱和度阈值时,平均滞留车辆数大于零,否则为零
MILIER
Qn=
TRANSYT
Q=Q0
qnR(x
QR(x≥1)Q0=
QT
x-1+0
(x-1)2+
4xQT
(x>X0)(x≤X0)
注:Qn为第n周期的最大排队长度(veh);Q0为分析期内平均滞留车辆数(veh);qn为第n周期的车辆达到流率(veh/s);R为红灯时间(s);
Dn为第n周期滞留的排队车辆数(veh);G为绿灯时间(s);S为饱和流率(veh/s);x为饱和度,x=q/Q,q为车辆平均到达率,在时间段T内不变;A为到达分布系数,在SIGNAL94中为2;X0为饱和度阈值(该值以下不会发生排队,该值和该值以上会发生排队),X0=0.67+
SG
;T为信号周期(s);Q为通行能力(veh/h);Qu为红灯期间积累的车辆数(veh)。600
2.1 确定路口饱和流率
饱和流率是计算排队长度的基本参数,指交叉口进口处有相当长的车辆排队等待时,有效绿灯时间内通过的最大小时流率。笔者采用了两种调查饱和流率的方法,一种是直接利用高峰时期内出现的
调查样本
绿灯开始时间绿灯结束时间绿灯时间起动损失时间
本周期通过车辆数/veh启动损失时间通过车辆/veh饱和流率/veh・(h・lane)-1
1
饱和周期直接观测,另一种方法是利用人工观测方法对非饱和周期中的饱和时段进行观测。
(1)饱和周期调查:根据实测数据处理了五个饱和周期,结果见表2。
(2)非饱和周期调查:非饱和周期从排队车辆中
样本214:29:5814:31:000:01:020:00:[1**********]
样本314:39:5514:41:080:01:130:00:[**************]
样本414:42:3014:43:430:01:130:00:[1**********]
样本514:46:2314:48:040:01:410:00:[1**********]
表2 饱和周期调查的饱和流率
样本114:20:2614:21:300:01:040:00:[1**********]
平均饱和流率/veh・(h・lane)-
的第4辆车经过停车断面线以后,开始统计。实测5s非饱和周期样本281个,结果见表3。
表3 非饱和周期调查的饱和流率
样本量
平均5s通过车辆数/veh平均5s通过车辆数方差/veh
平均车头时距/s饱和流率/veh・(h・lane)-1
2812.430.372.061747
的饱和流率为1750veh/(h・lane)。2.2 确定车辆到达率
北京现有的检测线圈是为原有SCOOT系统服务的,多数的检测器都埋设在交叉口的出口位置,长安街东单路口的线圈布设位置见图1,而排队长度计算模型需要入口引道的车辆到达分布。针对这种情况,分析断面B、D的交通量分布规律,利用最小二乘法标定车队从检测器断面到入口断面的离散系
第3期 荣 建,等:信号交叉口排队长度动态计算方法研究 103
计算方法,但是其计算方法经过实际验证,与北京市实际交通流情况相差甚远,因此,笔者提出如式(1)所示的排队长度优化模型。其中,第一项计算正常来
车引起的排队,第二项计算前一周期滞留下来的排队车辆数,D0=0。Qn=nR+Dn-1
图1 长安街东单路口实地观测
(1)
(Dn-1+qnC+L>GS)
2.3 对比路口排队长度模型精度
在2.1节饱和流率以及实测交通数据(包括绿
灯时间、交通量、通行能力)的基础上,对比实测排队长度与表1中排队长度计算模型得出的结果;然后将它们的结果与实测排队长度对比,结果见图2
。
Dn=
Dn-1+qnC-GS+L
0(Dn-1+qnC+L≤GS)
式中:C为周期长度(s);L为起动损失(veh);其他符号同表1。
显然,上述模型的初始条件应该是排队长度为零。在实际交通流中,要求分析周期的前一周期为不饱和周期。除了在高峰时期,很少有交叉口总是保持在饱和状态。可见,该优化模型具有较好的稳定性,能够从多数时刻启动,开始准确的排队长度递推计算。
4 排队长度优化模型的精度分析
4.1 各周期的计算精度分析
将实测数据分为11:30~12:30、13:00~13:30和14:30~15:30三个时段,按式(1)计算,对比排队
图2 计算排队长度模型对比
由图2可以看出:各计算方法的结果都能较好地反映实际排队长度时间的变化趋势;各计算结果都比实际排队长度小。因此,在选择现有排队长度计算模型的基础上,根据北京的实际交通状况,通过修正现有模型建立排队长度优化模型。
长度的计算值与实测值(图3)发现:前两个时段中,相对误差大于30%的周期数为2,占分析周期的4.0%;绝对误差小于3veh的时间占分析周期的80.0%。两个时段总的绝对误差平均值为1.09veh,相对误差平均值为11.0%。而最后一个时段,由于刚执行完勤务,信号灯一度改为手动控制。模型的初始最大排队长度近50veh,在此情况下,优化模型的计算精度有所下降,最大绝对误差为9.8veh,相对误差为20.9%。可见,优化模型能较好地描述通常交通状况下的排队长度,而计算拥挤状态的排队长度时精度有所下降。
3 建立排队长度优化模型
3.1 现有模型的筛选
在模型精度都有偏差的情况下,对现有模型的筛选主要考虑的是动态特性的需求。对于MILLER、AKCELIK、SYNCHRO3、TRANSYT等模型,尽管模型中的参数物理意义明确,但由于模型参数较多,不适于动态修正。相比之下,SIGNAL94模型中只有离散系数A需要标定,且利用现有检测线圈的检测数据能够很好地标定模型参数,因此,选定SIGNAL94模型作为优化模型的基本框架,通过分析该模型在实际交通流变化情况下的适用性,建立符合北京市交通流特性的排队长度优化模型。3.2 建立优化模型
当交通需求大于通行能力时,绿灯结束时仍有一定的滞留车辆在进口引道排队,此时,必须对公式
注:时段一为:11:32:16—12:28:56;时段二为:13:02:16—13:32:16;时段三为:14:34:38—15:17:11。
图3 各周期内优化模型精度对比
(
第3期 祁东辉,等:LPG/柴油双燃料发动机排放特性的研究 107加。另外,转速升高后,每循环燃烧所占的时间减少,碳烟生成后来不及进一步氧化而较多地排出机外。转速较低时,燃烧室内的气流运动较弱,混合气形成条件恶化,油气混合不均匀,引起局部缺氧,碳烟生成量增加。图5(b)为平均有效压力对碳烟的影响。随着平均有效压力的升高,烟度的排放明显提高,因为负荷增大,每循环喷油量增加,过量空气系数减小,燃烧向缺氧方向发展,从而使烟度升高。
(5)燃用LPG/柴油双燃料时小负荷应增加引燃油量而大负荷应减少。
(6)如何降低小负荷时的HC,以及使大负荷时NOx不过多增加,是双燃料发动机亟待解决的问题,可采用机电联合控制或电控喷气,控制不同工况下的气体燃料替代率来解决。参考文献:
[1] KARIMGA,ZHAODAY.Ananalyticalmodelfor
knockindualfuelenginesofthecompressionignitontype[J].SAEPaper,880151.
[2] KARIMGA,LIUZ,JONESW.Exhaustemissions
fromdualfuelenginesatlightload[J].SAEPaper,932822.
[3] KARIMGA,ZHIGANGLIU.Apredictivemodelfor
knockindualfuelengines[J].SAEPaper,921550.[4] 李 勤.现代内燃机排气污染物的测量与控制[M].北
京:机械工业出版社,1998.
[5] 胡逸民,李飞鹏.内燃机废气净化[M].北京:中国铁道
出版社,1994.
4 结 语
(1)燃用LPG/柴油双燃料时碳烟排放明显降低,在小负荷可以实现无烟燃烧。
(2)燃用LPG/柴油双燃料时CO排放在低转速,小负荷时非常高,而在高转速,大负荷时接近于柴油机,甚至低于柴油机。
(3)燃用LPG/柴油双燃料时HC排放明显高于柴油机,在大负荷较为接近。
(4)燃用LPG/柴油双燃料时NOx排放在小负荷时低于柴油机,而在大负荷时较高。(上接第103页)
4.2 时间平滑处理后的精度分析
由于交通流特性本身具有的随机性,可能导致结果的剧烈波动,为减少交通流随机性对优化模型精度的影响,选取了交通分析中通常采用的15min做时间平滑处理,结果见图4。结果发现:第一、二时段的相对误差分别由11.6%和9.9%下降到6.1%和5.2%,绝对误差也由1.09veh下降到0.89veh。时间平滑对第三时段提高精度尤为明显,其相对误差由29.6%下降到12.4%,绝对误差从4.4veh降为2.3veh。由此可见,通过简单的时间平滑处理,不
仅可以提高优化模型对通常交通流状况下排队长度
的计算精度,而且增强了该模型对变化剧烈的交通流状况的描述能力,同时也提高了计算精度。
5 结 语
笔者利用北京市东单路口的实测数据,在标定各
模型参数的前提下,对比分析了国外信号交叉口排队长度计算精度。在此基础上,选择了适合于动态分析的SIGNAL94作为描述北京市实际排队长度的基本模型,针对北京市交通状况,提出了排队长度优化模型,并根据实际数据分析结果,提出了15min时间平滑的数据处理方法。利用实测数据进行精度分析,证明了优化模型的有效性,其计算精度在通常交通流状况下可达到95%左右。排队长度优化模型的建立解决了“北京市道路交通流动态显示系统”的关键问题,为全面完成该系统打下了良好基础。参考文献:
[1] CINDYMYSTKOWSKI,SAROSHKHAN.Estima-tingqueuelengthsusingSIGNAL94,SYNCHRO3,TRANSYT-7F,PASSERⅡ-90,andCORSIM[A].The78thTransportationResearchBoardAnnualMeeting[C].Washington,D.C.,TransportationRe-searchBoard,1999.
图4 15min时间平滑处理后优化模型计算精度