交通流隨機性特征及Breakdown概率模型研究.pdf

1、本文以交通中最司空見慣的、由暢通交通流短時間內(nèi)變化到擁擠交通流這一現(xiàn)象--交通流的breakdown現(xiàn)象作為展開研究的出發(fā)點和研究核心，透過現(xiàn)象解析交通擁堵問題的本質(zhì)。該研究的意義在于從交通流自身演變的規(guī)律中尋求交通擁堵發(fā)生的時機，從而為針對緩解交通擁堵的交通管理提供理論的依據(jù)及關鍵參數(shù)。
　　 首先，本文以交通流基本圖為載體，將一系列交通現(xiàn)象，如交通流breakdown現(xiàn)象、通行能力突降(capacity drop)、相變(p

2、hase transition)、交通遲滯(traffic hysteresis)等等聯(lián)系起來，綜合考慮時間因素和空間因素，對它們之間的關系給予全面的理解和驗證。實測發(fā)現(xiàn)，breakdown現(xiàn)象常常在未達到通行能力的一個“暢通且密集”的交通流區(qū)域發(fā)生，并引起了一連串的其他現(xiàn)象的發(fā)生。根據(jù)上海市快速道路的實測數(shù)據(jù)，筆者發(fā)現(xiàn)了上述現(xiàn)象，然而遲滯現(xiàn)象卻并不總是呈現(xiàn)順時針方向。在從暢通到擁擠的狀態(tài)跳轉(zhuǎn)及其反過程中，交通流參數(shù)并無固定的大小關系。

3、此外還提出了利用這些現(xiàn)象進行交通控制的思路。
　　 論文從微觀角度入手解析了breakdown產(chǎn)生的過程。交通擾動的傳播造成了交通流的不穩(wěn)定，不穩(wěn)定的交通流將很容易發(fā)生breakdown(或相變)。對擾動誘發(fā)交通流不穩(wěn)定的機理利用圖解的方法進行了解析，得到的主要結(jié)論有以下幾點：外部的道路條件、環(huán)境因素和密集交通流的隨機波動都可能引發(fā)交通擾動；交通擾動是交通流不穩(wěn)定的誘因，擾動是否引發(fā)交通流不穩(wěn)定的影響因素主要有背景交通狀況、駕駛

4、員特征和車隊的均一性；要保持交通流穩(wěn)定，駕駛員應在擾動到來之前感應到擾動的存在，預測出擾動到達自身的時間，并在此時間之內(nèi)作出反應。
　　 對breakdown的研究中一直存在一個爭論，即breakdown是否可以自發(fā)產(chǎn)生，這一問題爭論的焦點實際上在于引起breakdown的起因。筆者認為交通流是一個由存在相互作用的大量車輛組成的非均衡交通系統(tǒng)，車輛的行駛速度及其與前車的間距都不是均勻的，即交通流中存在隨機擾動，使得breakdo

5、wn可能在遠離瓶頸的地方自發(fā)的產(chǎn)生。論文明確的定義了影響交通流breakdown的外部因素和內(nèi)部因素，從而定義了“自發(fā)”和“誘發(fā)”breakdown。Breakdown與三個因素有關，交通狀況即流量水平、擾動和駕駛行為，其中擾動又包括擾動誘因、擾動頻率、初始擾動振幅和初始擾動持續(xù)時間。在不考慮擾動誘因和擾動頻率的情況下，breakdown過程實際上就是擾動在交通流中的傳播演變過程，這也是本文所研究的純粹自發(fā)breakdown過程。

6、>　　 交通流的隨機性是自發(fā)以及誘發(fā)交通流breakdown的重要原因，論文討論了交通流隨機性的幾個主要體現(xiàn)：車間距的離散性、反應時間的隨機性，以及駕駛行為的多樣性。利用美國NGSIM實測數(shù)據(jù)對不同速度水平下的車間時距分布用Gamma分布進行了擬合，并總結(jié)了受擾交通與非受擾交通、減速階段與加速階段擬合參數(shù)的差異，從而獲得了在breakdown問題建模中考慮遲滯現(xiàn)象的方法。對反應時間的分析和討論表明，駕駛員不能作為。個整體對待，而應加以

7、分類；僅當跟年狀態(tài)下車間距縮小到一定程度時駕駛員才會對前車的動作(刺激)作出反應。根據(jù)美國NGSIM的數(shù)據(jù)，分析了駕駛行為的差異使穩(wěn)定交通流變得不穩(wěn)定的示例。較大的車問距、較短的反應時間、較遠的視距，對穩(wěn)定交通流都是有利的，而車隊的均一性對交通流穩(wěn)定性有雙面作用。
　　 論文提出了一個新的交通流白發(fā)breakdown的概率模型。該模型基于跟車理論，充分考慮了實際交通流中可能存在的通行能力降低和遲滯現(xiàn)象，考慮了駕駛員類型因素、駕駛

8、行為因素，即將駕駛員分為“冒險型”和“保守型”兩種，它們遇到擾動后的反應行為分為“繼承”和“改變”兩種。此外還考慮了“二次擾動”現(xiàn)象并進行了必要假設。該模型符合實際交通流中減速波、加速波，以及車輛在任何狀態(tài)中的速度都是變化的這一事實，改進了已有類似模型的不足，既能夠描述擾動幅度的變化，也能夠描述擾動覆蓋空間范圍的變化。同時，模型計算結(jié)果也表明，在密集交通流狀態(tài)下，車輛之間存在跟車行為之后，交通流容易受到擾動的影響并可能逐步演變成brea