物聯(lián)網(wǎng)環(huán)境下高速公路交通事故影響范圍預(yù)測(cè)技術(shù)

張敖木翰++張平++曹劍東

摘 要：交通事件在高速公路上經(jīng)常發(fā)生，其時(shí)間與空間上的不確定性，以及對(duì)上游路段和相鄰國(guó)省道帶來(lái)的動(dòng)態(tài)衍生影響，使得提前制定具有針對(duì)性的預(yù)案難度很大。如何在復(fù)雜路網(wǎng)環(huán)境下快速預(yù)測(cè)交通事件的影響范圍，成為高速公路應(yīng)急處置管理的基礎(chǔ)。提出基于物聯(lián)網(wǎng)技術(shù)，用于實(shí)時(shí)、快速預(yù)測(cè)復(fù)雜路網(wǎng)環(huán)境下交通事件發(fā)生后未來(lái)短時(shí)間內(nèi)的交通擁堵發(fā)展態(tài)勢(shì)?；谠摷夹g(shù)，開(kāi)發(fā)了公路網(wǎng)交通運(yùn)行狀態(tài)預(yù)測(cè)系統(tǒng)，通過(guò)實(shí)際數(shù)據(jù)的測(cè)試，證明提出的技術(shù)可以很好地為高速公路應(yīng)急處置提供快速、科學(xué)的決策支持。

關(guān)鍵詞：物聯(lián)網(wǎng)；交通事件；擁堵排隊(duì)；需求預(yù)測(cè)；交通仿真

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2015）05-00-03

0 引 言

高速公路交通事故是影響平安交通的重要因素。如果事故發(fā)生時(shí)路段交通量較大，路段通行能力受事故影響大幅度下降甚至無(wú)法通行時(shí)，就會(huì)產(chǎn)生擁堵排隊(duì)現(xiàn)象并快速向路段上游傳播，甚至溢過(guò)互通立交形成網(wǎng)絡(luò)層面的大范圍擁堵。此時(shí)，上游到達(dá)車(chē)輛受氣象環(huán)境、能見(jiàn)度以及路面制動(dòng)性能的影響，如果未能提前發(fā)現(xiàn)前方擁堵排隊(duì)的隊(duì)尾并及時(shí)減速，或者可變情報(bào)板對(duì)擁堵排隊(duì)隊(duì)尾的估計(jì)與實(shí)際存在偏差，極易在隊(duì)尾發(fā)生追尾碰撞形成二次事故，導(dǎo)致更嚴(yán)重的人員及財(cái)產(chǎn)損失。因此，進(jìn)行高速公路二次事故預(yù)警的關(guān)鍵，是在不同氣象、地質(zhì)、路面條件環(huán)境下，進(jìn)行快速準(zhǔn)確的預(yù)測(cè)初次事故發(fā)生后對(duì)路段運(yùn)行狀態(tài)的影響，尤其是預(yù)測(cè)短期擁堵排隊(duì)的發(fā)展態(tài)勢(shì)，為之后的道路限行管控、可變情報(bào)板引導(dǎo)提供科學(xué)的依據(jù)。

高速公路交通事故影響時(shí)空范圍的預(yù)測(cè)研究一直是國(guó)內(nèi)外交通安全研究領(lǐng)域的前沿與熱點(diǎn)。其主要研究?jī)?nèi)容集中在對(duì)于擁堵引發(fā)的車(chē)輛排隊(duì)長(zhǎng)度的預(yù)測(cè)研究，常用方法主要包括累計(jì)到達(dá)-離開(kāi)模型、確定性排隊(duì)模型、隨機(jī)性排隊(duì)模型以及基于交通波理論的模型等。早期的累計(jì)到達(dá)-離開(kāi)模型[1-4]利用路段交通量的輸入和輸出量來(lái)統(tǒng)計(jì)事故排隊(duì)車(chē)輛數(shù)，進(jìn)而估計(jì)排隊(duì)長(zhǎng)度。這種確定型排隊(duì)估計(jì)方法假設(shè)路段交通量的輸入和輸出都是事先確定的固定值，這種假設(shè)與真實(shí)交通運(yùn)行狀況存在一定差距，由于沒(méi)有對(duì)交通流運(yùn)行密度的動(dòng)態(tài)模擬，往往導(dǎo)致對(duì)排隊(duì)長(zhǎng)度的低估。目前的研究[5-8]主要利用交通波理論模擬交通事件影響下路段交通流堵塞波向事件上游傳播，同時(shí)疏散波向事件下游傳播的過(guò)程，通過(guò)對(duì)交通密度變化過(guò)程的解析描述來(lái)估算車(chē)輛排隊(duì)長(zhǎng)度所代表的事件影響范圍。上述研究主要考慮了高速公路交通流運(yùn)行狀態(tài)對(duì)交通事故影響范圍的影響，但誘發(fā)二次事故的氣象、路面條件等因素的影響因?yàn)槿狈Σ杉侄味鴽](méi)有考慮，這會(huì)導(dǎo)致預(yù)警范圍與實(shí)際需求存在偏差，影響預(yù)警效果。物聯(lián)網(wǎng)技術(shù)能夠?qū)崿F(xiàn)對(duì)交通流狀態(tài)、氣象環(huán)境、路面結(jié)冰積水狀況的實(shí)時(shí)感知和反饋，并依托現(xiàn)代交通流理論和分析技術(shù)，自動(dòng)分析二次交通事故的預(yù)警范圍。

1 交通擁堵傳播短時(shí)預(yù)測(cè)技術(shù)

1.1 影響范圍構(gòu)成分析

高速公路的預(yù)警范圍主要由三部分組成：（1）事故現(xiàn)場(chǎng)的保護(hù)區(qū)長(zhǎng)度Lp；（2）事故上游進(jìn)行可變情報(bào)板、警示標(biāo)示提示時(shí)擁堵排隊(duì)長(zhǎng)度Lq；（3）車(chē)輛在當(dāng)前氣象能見(jiàn)度、路面狀況下的停車(chē)視距Ls。

因此，進(jìn)行高速公路交通事故預(yù)警的范圍為：

LH=Lp+Lq+Ls （1）

其中，Lp的長(zhǎng)度與初次交通事故的等級(jí)和事故現(xiàn)場(chǎng)形態(tài)密切相關(guān)，由事故現(xiàn)場(chǎng)處理人員根據(jù)事故嚴(yán)重程度以及相應(yīng)的處置規(guī)章設(shè)置；Lq基于交通流采集設(shè)備的信息，通過(guò)仿真模型對(duì)路段交通運(yùn)行狀態(tài)進(jìn)行模擬獲得；Ls由綜合考慮氣象環(huán)境對(duì)駕駛員的有效視距以及道路的路面條件的影響分析獲得。

1.2 基于物聯(lián)網(wǎng)技術(shù)的停車(chē)視距檢測(cè)方法

為了保證駕駛安全，要求行駛中的車(chē)輛在一定距離外就能清晰確認(rèn)前方道路上的障礙物，該距離即停車(chē)視距Lq。根據(jù)惡劣天氣對(duì)交通安全影響因素的分析，氣候環(huán)境既影響了駕駛?cè)说挠行б暰郤d，又影響了輪胎與路面的摩擦系數(shù)δ。同時(shí)，也需要考慮人的必要知覺(jué)反應(yīng)時(shí)間td。

物聯(lián)網(wǎng)環(huán)境下的氣象環(huán)境監(jiān)測(cè)設(shè)備為大氣能見(jiàn)度數(shù)據(jù)的量測(cè)以及路面冰雪覆蓋、積水情況影響下的路面摩擦系數(shù)量測(cè)提供了有效的解決手段。

當(dāng)氣象條件良好，通過(guò)物聯(lián)網(wǎng)氣象傳感設(shè)備量測(cè)的能見(jiàn)度Hd≥Sd時(shí)，車(chē)輛能夠保證在最高安全行駛狀態(tài)下行駛。若能見(jiàn)度較差，Hd

（2）

其中，Hd為通過(guò)物聯(lián)網(wǎng)能見(jiàn)度監(jiān)測(cè)設(shè)備量測(cè)的大氣能見(jiàn)度（米）；La為停車(chē)安全距離，包含車(chē)輛長(zhǎng)度；ρ為路段的坡度；v為車(chē)輛當(dāng)前行駛速度。

摩擦系數(shù)在很大程度上決定了車(chē)輛安全行駛的速度。通常，干燥清潔的瀝青路面摩擦系數(shù)會(huì)穩(wěn)定在0.50以上，車(chē)輛在這種路面上行駛能夠進(jìn)行安全的減速、剎車(chē)等駕駛行為；當(dāng)路面有積水時(shí)，摩擦系數(shù)處于0.50至0.35之間，車(chē)輛制動(dòng)距離變長(zhǎng)，安全行駛車(chē)速降低，當(dāng)摩擦系數(shù)低于0.35時(shí)，車(chē)輛制動(dòng)性能顯著降低，車(chē)輛必須低速行駛并注意保持車(chē)距，否則交通事故數(shù)量或?qū)⒊杀对鲩L(zhǎng)；當(dāng)路面積雪或結(jié)冰時(shí)，摩擦系數(shù)降至0.20 以下，路面已經(jīng)不具備安全行駛的基本條件，甚至需要帶隊(duì)通行或者限行。

通常情況下，利用物聯(lián)網(wǎng)路面狀況監(jiān)測(cè)設(shè)備對(duì)路面條件進(jìn)行量測(cè)，可以感知路面是否干燥、積水、積雪、結(jié)冰，針對(duì)不同情況，對(duì)路面摩擦系數(shù)進(jìn)行等級(jí)劃分[9]，見(jiàn)表1。

表1 高速公路路面摩擦系數(shù)分摩擦系數(shù)范圍 路面狀況 交通運(yùn)行影響

δ≥0.50 干燥 正常運(yùn)行

0.35≤δ<0.50 積水 注意降速

0.20≤δ<0.35 積雪 限速通行

δ<0.20 結(jié)冰 限制通行

1.3基于仿真的交通事件擁堵傳播

當(dāng)區(qū)域路網(wǎng)發(fā)生交通事件時(shí)，事發(fā)地點(diǎn)的通行能力就會(huì)下降，當(dāng)下降到低于交通需求時(shí)，交通流就會(huì)受到影響，產(chǎn)生偶發(fā)性交通擁擠。事件誘發(fā)的擁擠最初多發(fā)生在單個(gè)路段上，車(chē)輛在該路段上排隊(duì)，排隊(duì)逐漸向上游延伸，影響上游節(jié)點(diǎn)的車(chē)輛流入該路段而產(chǎn)生繼發(fā)性交通擁擠。原發(fā)性交通擁擠持續(xù)時(shí)間較長(zhǎng)，隨著交通需求的增長(zhǎng)，原發(fā)性交通擁擠所在路段上游節(jié)點(diǎn)和繼發(fā)性交通擁擠所在路段上游節(jié)點(diǎn)的車(chē)流受阻，影響節(jié)點(diǎn)其他入口路段車(chē)流的流出而產(chǎn)生擁擠，若這種情況快速蔓延最后可能導(dǎo)致整個(gè)交通系統(tǒng)癱瘓，給交通出行者帶來(lái)極大的不便和經(jīng)濟(jì)損失。交通影響擴(kuò)散研究的目的就是要找到擁擠產(chǎn)生的源頭，以便及時(shí)阻止擁擠的快速擴(kuò)散，保證交通系統(tǒng)運(yùn)行通暢。

通過(guò)物聯(lián)網(wǎng)交通流監(jiān)測(cè)設(shè)備對(duì)每個(gè)路段的交通狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)某一路段發(fā)生交通事件時(shí)，及時(shí)將事件有關(guān)數(shù)據(jù)、區(qū)域交通需求數(shù)據(jù)等輸入微觀交通仿真平臺(tái)，利用平臺(tái)中根據(jù)路面狀況、氣象條件等因素標(biāo)定的交通流仿真模型，對(duì)區(qū)域路網(wǎng)內(nèi)車(chē)流量、行駛車(chē)速等交通流的運(yùn)行狀態(tài)進(jìn)行再現(xiàn)，對(duì)短時(shí)期內(nèi)交通流排隊(duì)長(zhǎng)度的時(shí)空發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，確定事件未來(lái)短時(shí)期的影響擴(kuò)散范圍。

交通仿真以交通流模型為基礎(chǔ)，可以通過(guò)模擬的方法表現(xiàn)不同密度的交通波在道路上的傳播過(guò)程，并通過(guò)該手段分析交通事故影響范圍的時(shí)空演化過(guò)程，為實(shí)施相應(yīng)的交通管控措施和解決交通擁堵及相關(guān)問(wèn)題提供依據(jù)，從而達(dá)到防患于未然，超前預(yù)控，控制事故蔓延的目的。當(dāng)駕駛員發(fā)現(xiàn)前方狀態(tài)異常后，通過(guò)如下跟馳模型減速：

（3）

其中，gn為前車(chē)車(chē)尾距離后車(chē)車(chē)頭的距離，an-1、an分別為前后車(chē)的加（減）速度，vn-1、vn分別為前后車(chē)當(dāng)前的行駛速度。

路面摩擦系數(shù)是車(chē)輛動(dòng)力學(xué)仿真模型建立時(shí)一個(gè)非常重要的路面輸入?yún)?shù)。當(dāng)出現(xiàn)雨、雪、冰凍天氣時(shí)，路面摩擦系數(shù)會(huì)顯著下降。如果仍按照正常狀況下的速度行駛， 實(shí)際停車(chē)視距就會(huì)增加， 設(shè)計(jì)停車(chē)視距可能小于實(shí)際停車(chē)視距， 形成安全隱患， 此時(shí)需要適當(dāng)?shù)慕档蛙?chē)速，使行駛條件不好（濕滑路段及幾何條件受限）的路段仍能滿(mǎn)足實(shí)際停車(chē)視距。不同路面狀況下路段j的安全行駛車(chē)速為：

（4）

在交通仿真模型中，車(chē)輛i在道路j的最高限速取決于車(chē)輛的性能及路面狀況，即：

（5）

2 仿真算例

2.1 模型搭建

在對(duì)該方法進(jìn)行在線(xiàn)應(yīng)用之前，需要對(duì)示范高速公路的道路屬性、立交節(jié)點(diǎn)、收費(fèi)站、出入口、設(shè)計(jì)車(chē)速、速度限制等信息進(jìn)行詳細(xì)的設(shè)置。如圖1～3所示。

圖1 測(cè)試路段模型搭建

當(dāng)需要進(jìn)行模型應(yīng)用時(shí)，輸入數(shù)據(jù)庫(kù)中測(cè)試路段各收費(fèi)站和車(chē)檢器的實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，根據(jù)交通事件發(fā)生時(shí)間的不同，通過(guò)動(dòng)態(tài)OD矩陣估計(jì)與預(yù)測(cè)方法，對(duì)當(dāng)前時(shí)段的OD需求矩陣進(jìn)行估計(jì)，并對(duì)未來(lái)短期內(nèi)的OD需求矩陣進(jìn)行預(yù)測(cè)。將估計(jì)與預(yù)測(cè)的OD需求矩陣導(dǎo)入仿真系統(tǒng)矩陣文件中。

圖2 仿真參數(shù)設(shè)定（車(chē)輛特征）

圖3 仿真參數(shù)設(shè)定（道路特征）

當(dāng)模型應(yīng)用場(chǎng)景在進(jìn)行交通事件影響下的擁堵排隊(duì)范圍預(yù)測(cè)時(shí)，通過(guò)配置仿真系統(tǒng)的交通事件映射文件，在路網(wǎng)上設(shè)置Incident事件屬性（包括事件位置、事件影響車(chē)道、事件發(fā)生時(shí)間、事件持續(xù)時(shí)間、事件斷面通行速度等），使車(chē)輛在規(guī)定時(shí)間內(nèi)模擬交通事件的發(fā)生和發(fā)展，并通過(guò)設(shè)置在路網(wǎng)中的虛擬車(chē)檢器采集交通仿真的輸出數(shù)據(jù)，從而分析其對(duì)道路的影響并預(yù)測(cè)擁堵排隊(duì)長(zhǎng)度，如圖4所示。

圖4 交通事件場(chǎng)景仿真

2.2 結(jié)果分析

估計(jì)算法較為準(zhǔn)確的描述了當(dāng)前動(dòng)態(tài)OD情況，并通過(guò)網(wǎng)絡(luò)加載仿真，分析各路段上的平均流量、平均速度、平均密度以及轉(zhuǎn)彎流量等，可以看出結(jié)果較為恰當(dāng)?shù)慕o出了當(dāng)時(shí)的網(wǎng)絡(luò)狀況。

針對(duì)示范路段事故黑點(diǎn)，隨機(jī)選取四次交通事件，根據(jù)事件發(fā)生的時(shí)間和上游車(chē)檢器交通流參數(shù)受影響的時(shí)間來(lái)推測(cè)事件影響范圍，對(duì)基于交通仿真的交通狀態(tài)預(yù)測(cè)方法的結(jié)果進(jìn)行校核，見(jiàn)圖5、表2。

圖5 仿真系統(tǒng)仿真輸出與車(chē)檢器對(duì)比

表2 仿真系統(tǒng)預(yù)測(cè)結(jié)果與車(chē)檢器對(duì)比誤差分析（%）

5 min 10 min 15 min

速度平均誤差 2.97 3.72 5.3

速度最大誤差 9.65 11.15 14.44

流量平均誤差 7.7 12.56 16.61

流量最大誤差 15.83 20.81 22.93

由模型運(yùn)算的流量、速度、擁堵排隊(duì)長(zhǎng)度等指標(biāo)與實(shí)際交通運(yùn)行情況的比較可以看出，用基于物聯(lián)網(wǎng)條件下的交通仿真方法進(jìn)行交通運(yùn)行狀態(tài)預(yù)測(cè)具有比較高的精度，見(jiàn)表3。特別是針對(duì)交通事件情況下，可以預(yù)測(cè)交通事件所引起的短時(shí)擁堵排隊(duì)長(zhǎng)度這種直觀指標(biāo)，為交通管理者做相應(yīng)的應(yīng)急處置和管控決策提供支撐。

表3 仿真系統(tǒng)擁堵排隊(duì)15分鐘預(yù)測(cè)結(jié)果

事件發(fā)生時(shí)刻 預(yù)測(cè) 實(shí)際 精度

6：35 750 m 930 m 80.6%

10：21 2 170 m 1 990 m 90.9%

15：36 1 860 m 1 600 m 83.8%

20：17 1 120 m 1 380 m 81.1%

3 結(jié) 語(yǔ)

本文針對(duì)高速公路交通事件的態(tài)勢(shì)預(yù)測(cè)進(jìn)行研究，提出了一種物聯(lián)網(wǎng)環(huán)境下基于交通仿真的事件擁堵排隊(duì)長(zhǎng)度預(yù)測(cè)方法，該方法借助物聯(lián)網(wǎng)技術(shù)廣泛的感知手段，在充分感知路網(wǎng)的交通、氣象、構(gòu)造物等狀態(tài)條件下，用于實(shí)時(shí)、快速預(yù)測(cè)復(fù)雜路網(wǎng)環(huán)境下交通事件發(fā)生后未來(lái)短時(shí)間內(nèi)的交通擁堵發(fā)展態(tài)勢(shì)。通過(guò)算例分析可以看出，該方法能夠預(yù)測(cè)事件發(fā)生后未來(lái)短期內(nèi)的交通運(yùn)行發(fā)展態(tài)勢(shì)，尤其是事件引起的擁堵排隊(duì)長(zhǎng)度的變化情況，為高速公路管理人員針對(duì)應(yīng)急處置需求，了解事件發(fā)展態(tài)勢(shì)，為合理的管控方案提供科學(xué)量化的決策支持，能夠在一定程度上提升運(yùn)營(yíng)管理效率。

參考文獻(xiàn)

[1] Michalopoulos P G， Pishaody V B. Deriation of delays based on improved macroscopic traffic models[J].Transportation research part B，1981（15）：299-317.

[2] Morales M J. Analytical procedures for estimating freeway traffic congestion[J].Public Road，1986，50（2）：55-61.

[3] Newell G F. A simplified theory of kinematic waves in highway traffic， Part II： Queueing at freeway bottlenecks[J]. Transportation research part B， 1993，27（4）：289-303.

[4] Lawson T W， Lovell D J，Daganzo C F，et al. Using the input-output diagram to determine the spatial and temporal extents of a queue upstream of a bottleneck[J]. Transportation Research Record 1572， TRB， National Research Council， Washington， D. C.，1997：140-147.

[5] Sheu J B， Chou Y H. Stochastic modeling and real-time prediction of incident effects on surface street traffic congestion[J]. Applied Mathematical Modeling， 2004，28（5）：445-468.

[6] Chen， Q.，W. Li. Influence range of emergency under special events based on CTM [J].Journal of Southeast University， 2009，25（2）： 257-261.

[7]郭冠英.用集散波計(jì)算道路交通阻塞長(zhǎng)度[J].上海公路，1997（2）：39-41.

[8]臧華，彭國(guó)雄.高速道路異常狀態(tài)下車(chē)輛排隊(duì)長(zhǎng)度的預(yù)測(cè)模型[J].交通與計(jì)算機(jī)，2003，21（3）：10-12.

[9]李長(zhǎng)城，劉小明，榮建.路面濕滑指數(shù)開(kāi)發(fā)及其在交通運(yùn)行管理中的應(yīng)用[J].公路交通科技，2010，27（11）：132-136.