基于多指標(biāo)融合的單交叉口運行狀態(tài)實時評價方法*

蔣歡昕 王 濤 程一一 郭建華▲

（1. 東南大學(xué)智能運輸系統(tǒng)研究中心 南京210018；2. 江蘇省公安廳交通警察總隊 南京210049）

0 引 言

交通狀態(tài)的有效判別是制定交通管控措施的前提和基礎(chǔ)。在城市交通網(wǎng)絡(luò)中，城市信號交叉口處于瓶頸位置。交通流在交叉口處匯集并進行方向性分離，使得交叉口處的交通運行狀況十分復(fù)雜，由此帶來了一系列交通問題，如增加出行延誤、影響出行效率、交通事故發(fā)生率上升等。對交叉口的運行狀態(tài)進行準(zhǔn)確、實時的評價，掌握交叉口處的交通運行狀態(tài)，可以為城市道路交叉口的交通管控提供決策依據(jù)，促進交通流在交叉口處合理的時空分配，提高交叉口運行效率，保障城市交通網(wǎng)絡(luò)的平穩(wěn)運行。

評價指標(biāo)的選擇是交叉口運行評價的核心要素之一。在選取評價指標(biāo)時，傳統(tǒng)的交通數(shù)據(jù)檢測技術(shù)，如線圈、地磁、微波、超聲波等[1]，只能按照預(yù)設(shè)的時間段，收集路段上某個斷面的交通數(shù)據(jù)，而難以獲得交叉口范圍內(nèi)的路段交通狀態(tài)數(shù)據(jù)，同時也難以匹配相應(yīng)的信號周期，導(dǎo)致難以有效支撐交叉口運行的評價。隨著當(dāng)前智能交通技術(shù)的迅猛發(fā)展，以視頻監(jiān)測為代表的交通數(shù)據(jù)檢測技術(shù)也日益多樣化，傳統(tǒng)的交通數(shù)據(jù)采集瓶頸也逐漸被突破，可直接獲取的交通參數(shù)的種類也日益豐富，為交叉口評價指標(biāo)的選擇提供了較大的余地。

評價方法是交叉口評價的關(guān)鍵。雖然目前已有諸多交叉口運行評價方法，但受到交通檢測數(shù)據(jù)的限制，這些方法或者只利用少量的交通數(shù)據(jù)，通過設(shè)定理想的交通運行環(huán)境，不考慮道路狀況、交通基礎(chǔ)設(shè)施、道路環(huán)境等方面對于交通運行狀態(tài)的影響，估算諸如延誤、停車率等交通參數(shù)；或者需要準(zhǔn)確、全面的流量、飽和度等交通參數(shù)，難以在交叉口處的全部獲取，導(dǎo)致不能適應(yīng)實際的交叉口運行環(huán)境。此外，這些方法多是針對一段時間內(nèi)交叉口的交通參數(shù)均值進行評價，以信號周期為評價單位的實時評價較少，難以滿足實際應(yīng)用的需要。

因此，本文以單交叉口的運行狀態(tài)評價為目標(biāo)，在充分考慮以視頻技術(shù)為代表的現(xiàn)代交通檢測技術(shù)發(fā)展的基礎(chǔ)上，針對交叉口運行評價，確定了流量比、車速比、空間占有率和排隊長度比4 個指標(biāo)，并借鑒可拓物元法的評價框架，建立了基于多指標(biāo)融合的單交叉口運行狀態(tài)實時評價方法，為單交叉口的運行管理和控制提供支撐。

1 研究現(xiàn)狀

近年來，國內(nèi)外專家學(xué)者都對平面交叉口評價問題進行了深入研究，主要涉及評價指標(biāo)的選取、指標(biāo)權(quán)重的確定以及評價模型的建立3部分。

在評價指標(biāo)的選取上，國內(nèi)外學(xué)者已經(jīng)進行了一系列研究。Zheng 等[2]基于仿真數(shù)據(jù)研究了排隊長度和延誤評價指標(biāo)。Chin 等[3]研究了包括行駛里程、平均行駛速度、總延誤3個指標(biāo)的交通擁堵評價指標(biāo)體系。Zheng 等[4]基于視頻檢測數(shù)據(jù)研究了飽和度、平均排隊長度和延誤3 個交叉口運行狀態(tài)評價指標(biāo)。飯?zhí)锕Ь碵5]給出的交通系統(tǒng)運行評價指標(biāo)主要包括:通行效率、道路網(wǎng)密度、交通事故死亡率、交通事故率、交叉口延誤和交通運行負(fù)荷度等。中國公安部在《城市道路交通管理評價指標(biāo)體系》[6]中制定了燈控率、交叉口阻塞率、延誤和車速等指標(biāo)。陳征等[7]研究了基于射頻識別技術(shù)（radio frequency identification，RFID）和視頻檢測數(shù)據(jù)的行程時間和速度評價指標(biāo)。Su等[8]從點、線、面3個維度出發(fā)，研究了包括流量、平均速度、行程時間、擁堵持續(xù)時間、等的評價指標(biāo)體系。葛興等[9]基于現(xiàn)場觀測數(shù)據(jù)提出了沖突率、嚴(yán)重沖突比例和單車事故影響指數(shù)等在交叉口安全評價指標(biāo)。

現(xiàn)有的評價指標(biāo)在選取時受制于交通數(shù)據(jù)采集現(xiàn)狀，只能采集到少量的如車速、流量等傳統(tǒng)的交通數(shù)據(jù)，然后假定理想的交通運行環(huán)境，計算延誤、飽和度等作為評價指標(biāo)；或者通過人為現(xiàn)場觀測獲得所需的數(shù)據(jù)，沒有考慮實際應(yīng)用中這些數(shù)據(jù)獲取的可能性。但隨著各種數(shù)據(jù)檢測技術(shù)的發(fā)展，可以準(zhǔn)確獲取到的交通參數(shù)種類日益豐富，為評價指標(biāo)的選取提供了更多的可能性。

交叉口評價指標(biāo)權(quán)重的確定是評價模型建立的關(guān)鍵環(huán)節(jié)。梁心雨等[10]研究了基于三角模糊數(shù)的權(quán)重算法。郭秀珍等[11]在評價公交服務(wù)水平時，研究了基于層次分析（analytic hierarchy process，AHP）法的指標(biāo)權(quán)重的研究。葛興等[9]研究了基于vague集的指標(biāo)定權(quán)方法。陳陽[12]結(jié)合層次分析法，研究了0～1強制評分法在綜合交通運輸發(fā)展體系中的指標(biāo)權(quán)重判定。Zhang等[13]在評估道路交叉口的信號控制效率水平時，研究運用了專家打分法確定指標(biāo)權(quán)重。王麗娟等[14]引入高斯白化函數(shù)、等面積法則確定參數(shù)和基于信息熵的聚類權(quán)的標(biāo)定法，研究提出了改進的灰色定權(quán)聚類優(yōu)選模型。龍思卿等[15]研究了基于IOWA（induced ordered weighted averaging）算子的RFID數(shù)據(jù)有效性指標(biāo)的權(quán)重確定方法。

由上可見，權(quán)重確定方法研究較多。根據(jù)是否依據(jù)決策者主觀信息賦權(quán)，將權(quán)重確定方法大致分為以下3種:客觀賦權(quán)法、主觀賦權(quán)法和主客觀綜合賦權(quán)法。客觀賦權(quán)法需要大量的歷史數(shù)據(jù)，主觀賦權(quán)法又會受人主觀因素的影響，可綜合多位專家的意見來賦權(quán)。

交通運行狀態(tài)評價方法的研究也已有比較完善的理論。常用的評價方法有層次分析法、灰色關(guān)聯(lián)度法、模糊綜合評價法、神經(jīng)網(wǎng)絡(luò)評價法等。張鵬等[16]研究了一種基于蒙特卡洛模擬的交叉口服務(wù)水平綜合評價方法。Chen等[17]研究了一種新型的交通網(wǎng)格模型，用于評價和判斷整個城市道路網(wǎng)交叉口的交通狀況和延誤。張彭等[18]研究了基于出行時間指數(shù)（travel time index,TTI）概率分布模型的道路擁堵概率估計方法，可以應(yīng)用于交通運行評價。Lin 等[19]研究了基于城市宏觀交通流理論的雙流體模型的城市道路網(wǎng)運行評價模型。劉明林等[20]進行了基于數(shù)據(jù)包絡(luò)模型的公共交通運輸效率評價的研究。戢曉峰等[21]研究了基于熵權(quán)物元可拓模型的公共交通優(yōu)先發(fā)展度評估模型。Zhang等[22]研究了基于層次分析法和灰色關(guān)聯(lián)分析結(jié)合的道路進口交通流運行狀態(tài)評價。

分析可得，現(xiàn)有評價方法在應(yīng)用時需要較多的歷史數(shù)據(jù)進行模型參數(shù)的迭代，在提高評價準(zhǔn)確性同時，影響了模型的計算速度。同時，這些方法往往是針對一段時間內(nèi)的平均交通數(shù)據(jù)，逐周期的實時評價研究較少，評價結(jié)果有滯后。

綜上所述，當(dāng)前的單交叉口運行評價中尚存在幾個需要解決的問題。首先，交叉口運行評價指標(biāo)的選擇往往受到傳統(tǒng)交通數(shù)據(jù)采集技術(shù)的限制，沒有考慮交通檢測技術(shù)發(fā)展而帶來的豐富數(shù)據(jù)源，導(dǎo)致了在實際應(yīng)用中存在局限性。其次，交叉口評價指標(biāo)的權(quán)值確定是交叉口評價的核心環(huán)節(jié)之一，需要實現(xiàn)客觀賦權(quán)與主觀賦權(quán)的綜合平衡。最后，當(dāng)前交叉口運行評價方法往往針對一段時間內(nèi)的交通運行平均狀態(tài)，并且通常需要較長一段時間的歷史數(shù)據(jù)進行模型初始化，導(dǎo)致評價的實時性不高，難以適應(yīng)現(xiàn)實交叉口交通管理的要求。針對上述問題，本文充分考慮以視頻技術(shù)為代表的交通數(shù)據(jù)采集方法，選擇多個評價指標(biāo)，并基于專家打分，利用層次分析法實現(xiàn)指標(biāo)的賦權(quán)，最后基于可拓物元框架，構(gòu)造基于多指標(biāo)融合的交叉口運行狀態(tài)實時評價方法。

2 評價方法

由于影響城市信號交叉口運行狀態(tài)的因素較多，單用一個指標(biāo)已經(jīng)不足以滿足交叉口運行狀態(tài)評價的需求。所以如何在評價模型中融合多指標(biāo)一直是一個需要重視的問題。基于可拓學(xué)的物元評價方法采用“事物、特征、量值”三要素描述與分析待評價的事物，可以較好的融合多種指標(biāo)，將待評對象轉(zhuǎn)化為定量的數(shù)學(xué)模型。因此，本文借鑒基于可拓學(xué)的物元評價方法框架，建立城市信號交叉口運行的實時評價模型。

2.1 方法整體流程

基于多指標(biāo)融合的單交叉口運行狀態(tài)實時評價方法的整體流程包括5 步:①評價指標(biāo)確定；②模型固定參數(shù)確定，包括指標(biāo)權(quán)重的確定和經(jīng)典域及節(jié)域物元矩陣的確定；③關(guān)聯(lián)系數(shù)計算；④綜合關(guān)聯(lián)度計算；⑤評分結(jié)果確定。本方法的整體流程見圖1。

圖1 方法整體流程圖Fig. 1 Overall flowchart of the proposed method

2.2 評價指標(biāo)選擇

評價指標(biāo)的選取是交叉口運行評價的初始步驟，對評價結(jié)果具有重要影響。隨著視頻檢測技術(shù)的逐漸成熟，可以準(zhǔn)確、實時的獲取許多之前無法采集的交通參數(shù)，為評價指標(biāo)的選擇提供了多種選擇?？紤]城市交叉口運行狀況的影響因素，重點分析視頻采集技術(shù)可獲得的交叉口處的交通參數(shù)，本文選取了流量比、車速比、空間占有率和排隊長度比共4個代表性指標(biāo)，分別說明如下。

1） 流量比。流量比定義為實際流量與車道的設(shè)計流量的比值，取值范圍為0～1。該指標(biāo)值越大表示交叉口的流量越接近設(shè)計流量，當(dāng)接近1時，表明交叉口處的交通量接近交叉口處的設(shè)計流量。若實際檢測到的流量超過設(shè)計流量，流量比取1。

2） 車速比。車速比定義為交叉口處機動車的實際行駛速度與相應(yīng)車道上的參考車速的比值，取值范圍為0～1。該指標(biāo)值越大表示交叉口的運行效率越好，當(dāng)接近1時，表明交叉口處的車速接近交叉口處的參考車速。若實際檢測到的車速超過參考車速，車速比取1。車道的參考車速為車道設(shè)計車速與車道限制車速中的最小值。

3） 空間占有率?？臻g占有率定義為觀測路段上的車輛總長度與該路段長度之比，取值范圍為0～1。該指標(biāo)值越大表示交叉口的運行效率越差，當(dāng)接近1時，表明停駛在交叉口處的車輛已接近占滿整個交叉口區(qū)域，擁堵嚴(yán)重。

4） 排隊長度比。車輛在交叉口進口道遇到紅燈會產(chǎn)生排隊現(xiàn)象，本文取排隊車輛長度與設(shè)計最大排隊長度的比值作為評價指標(biāo)，取值范圍為0～1。排隊長度比的值越大表示交叉口的運行效率越差，當(dāng)接近1 時，表明交叉口處車輛的排隊長度已經(jīng)接近最大設(shè)計排隊長度，擁堵嚴(yán)重。若實際檢測到的排隊長度超過最大設(shè)計排隊長度，排隊長度比取1。

2.3 模型固定參數(shù)確定

2.3.1 指標(biāo)權(quán)重確定

指標(biāo)權(quán)重是交叉口評價方法的重要輸入?yún)?shù)。本文基于專家打分，選用層次分析法確定指標(biāo)權(quán)重,實現(xiàn)主觀賦權(quán)與客觀賦權(quán)的綜合平衡，主要分為3步，即構(gòu)造判斷矩陣、計算待定指標(biāo)權(quán)重和判斷矩陣一致性檢驗，其流程圖見圖2。

圖2 賦權(quán)流程圖Fig. 2 Weighting flowchart

首先，構(gòu)造判斷矩陣。判斷矩陣由兩兩指標(biāo)的相對重要性比值組成?；谇笆龅牧髁勘?、車速比、空間占有率和排隊長度比4 個指標(biāo)，本文構(gòu)造的判斷矩陣A 見式（1）。

式中，aij為第i（i=1，2，3，4）行指標(biāo)比第j（j=1，2，3，4）行指標(biāo)的相對重要度，并滿足aij= 1/aji的條件，其中下標(biāo)1，2，3，4分別對應(yīng)流量比、車速比、空間占有率和排隊長度比4個指標(biāo)。

判斷矩陣中的相對重要度來源于專家打分。在本文方法中，專家打分需要參考9級評分標(biāo)準(zhǔn)，如表1。該9級評分標(biāo)準(zhǔn)是用從1～9的數(shù)字來表示2個評價指標(biāo)的相對重要性比值?？梢?，2個評價指標(biāo)的相對重要性比值互成反比。根據(jù)表1，專家對評價指標(biāo)兩兩比較打分，評判2 指標(biāo)之間的相對重要性。在實際操作中，為消除主觀打分的人為因素影響，可以邀請多位專家打分，分別計算指標(biāo)權(quán)重，并取權(quán)重結(jié)果的算術(shù)平均值作為最終結(jié)果。

表1 9 級評分標(biāo)準(zhǔn)Tab. 1 9-level scoringstandard

其次，計算判斷矩陣對應(yīng)的待定指標(biāo)權(quán)重。待定指標(biāo)權(quán)重為判斷矩陣最大特征根組對應(yīng)的特征向量，記為W。計算時，將判斷矩陣中的每個元素除以其所在列的和，得到規(guī)范化判斷矩陣Ag（見式（2）），然后計算規(guī)范化判斷矩陣每一行的算術(shù)平均值，得到判斷矩陣的最大特征根對應(yīng)的特征向量[23]，即為指標(biāo)權(quán)重。因為此時計算得到的指標(biāo)權(quán)重還沒有進行一致性檢驗，所以記為待定指標(biāo)權(quán)重。

最后，對判斷矩陣進行一致性檢驗。為避免在比較打分時出現(xiàn)邏輯錯誤，如當(dāng)指標(biāo)A 比指標(biāo)B 重要，指標(biāo)B 比指標(biāo)C 重要時，誤判指標(biāo)A 不如指標(biāo)C 重要，應(yīng)檢驗判斷矩陣的一致性。一致性檢驗就是要計算一致性比率CR 是否滿足特定條件:如CR ＜0.1，則判斷矩陣的不一致程度在容許范圍之內(nèi)，可判定判斷矩陣和得出的權(quán)重都為有效，分配合理，得到的待定指標(biāo)權(quán)重即為4個評價指標(biāo)的權(quán)重；否則，需要重新構(gòu)造判斷矩陣，直到符合要求為止。

一致性比率CR 的計算公式見式（3）～（5）。

式中，CI 為一致性指標(biāo)，其計算方法見式（4）；RI 為平均隨機一致性指標(biāo)；n為指標(biāo)的個數(shù)，本文中為4；λmax為判斷矩陣的最大特征根；( AW )i為判斷矩陣A 與特征向量W 相乘所得向量AW 的第i個元素。

常用的1～10 階判斷矩陣的RI 已由Saaty[24]計算出，見表2，其中階數(shù)即為指標(biāo)的個數(shù)。其他表中未給出的任意k 階判斷矩陣的RI 可按以下方法計算:從1，2，…，9 和1/2，1/3，…，1/9 共17 個數(shù)中按1/17的平均概率均勻隨機抽取k2個數(shù)，組成k 階判斷矩陣，依據(jù)式（4）計算此判斷矩陣的CI ，重復(fù)多次抽樣計算，求CI 的平均值，即為k 階判斷矩陣的平均隨機一致性指標(biāo)RI 。

表2 平均隨機性一致性指標(biāo)RITab. 2 Mean Random Consistency Index RI

2.3.2 經(jīng)典域及節(jié)域物元矩陣確定

交叉口運行狀態(tài)評價指標(biāo)的經(jīng)典域矩陣由各級評價等級對應(yīng)的指標(biāo)取值范圍組成，節(jié)域矩陣由為全體評價等級對應(yīng)的指標(biāo)取值范圍組成。本文中各指標(biāo)均作了歸一化處理，所以指標(biāo)的節(jié)域取值范圍為[0,1]，評價等級劃分為100級，每一級指標(biāo)的經(jīng)典域取值區(qū)間長度為0.01。因此，交叉口運行評價經(jīng)典 域的第j 級經(jīng)典域矩陣記為Rj，見式（6）。

式中:j 為第j 級評價等級；C1,C2,C3,C4分別為流量比、車速比、空間占有率和排隊長度比4 個評價指標(biāo)；v1j，v2j，v3j，v4j分別表示4個評價指標(biāo)在第j級評價等級的取值范圍；[ ]aij,bij，i = 1,2,3,4 為第j級評價等級取值范圍的上下限值。

評價指標(biāo)的節(jié)域矩陣記為Rp，見式（7）。

式中:P 為全體評價等級；v1p,v2p,v3p,v4p為評價指標(biāo)對于全體評價等級p的取值范圍；[ ]aip,bip，i =1，2，3，4為全體評價等級p取值范圍的上下限值。

2.4 關(guān)聯(lián)系數(shù)計算

關(guān)聯(lián)系數(shù)的計算是本文交叉口運行評價方法中的關(guān)鍵步驟。該步驟計算得到待評價交叉口的運行狀態(tài)與各等級評價指標(biāo)的關(guān)聯(lián)程度，即關(guān)聯(lián)系數(shù)，其值越大表示待評價交叉口的指標(biāo)評價分?jǐn)?shù)與這一級指標(biāo)對應(yīng)的評價分?jǐn)?shù)越接近。

在計算關(guān)聯(lián)系數(shù)前，需要將實際的待評交叉口的指標(biāo)參數(shù)值以矩陣的形式進行表達，構(gòu)成交叉口待評物元矩陣，記為R0，見式（8）。

式中:P0為待評物元；v10，v20，v30，v40為待評價指標(biāo)的實際值。

關(guān)聯(lián)系數(shù)的計算見式（9）～（12）。根據(jù)點與區(qū)間的位置關(guān)系，關(guān)聯(lián)系數(shù)的計算分為3種情況:①vi0的取值在區(qū)間vij內(nèi)；②vi0的取值不在區(qū)間vij內(nèi)時，P( vi0,vij)的含義是指實軸上點vi0與區(qū)間vij=(aij,bij)之前的距離，且不等于0；③vi0的取值不在區(qū)間vij內(nèi)時，且距P( vi0,vij)等于0。

式中:Kij(vi)為第i 個指標(biāo)的第j 級的關(guān)聯(lián)系數(shù)；vi0為第i個指標(biāo)的交叉口實際值；[ aij,bij]為第i個指標(biāo)第j級取值范圍的上下限；vip為第i個指標(biāo)的全體評價等級的取值范圍；[aip,bip] 為第i 個指標(biāo)全體評價等級的取值范圍上下限。

2.5 綜合關(guān)聯(lián)度計算

綜合關(guān)聯(lián)度表示待評交叉口的運行狀況與各級評價等級相符的程度，計算時在關(guān)聯(lián)系數(shù)中考慮評價指標(biāo)權(quán)重的影響，見式（13）。

式中:Kj( R0)為待評價交叉口與第j 評價等級（分?jǐn)?shù)為j）的綜合關(guān)聯(lián)度；kij(vi0) 為第i 個指標(biāo)的第j 級的關(guān)聯(lián)系數(shù)；wi為第i個指標(biāo)的權(quán)重。

2.6 評分結(jié)果確定

計算出待評價交叉口對應(yīng)于每一等級運行狀態(tài)的綜合關(guān)聯(lián)度后，確定出最大的綜合關(guān)聯(lián)度（見式（14）），此時對應(yīng)的評價等級j 即為待評交叉口的評價分?jǐn)?shù)。

式中:Kmax最大綜合關(guān)聯(lián)度；Kj( R0)為待評交叉口與第j評價等級的綜合關(guān)聯(lián)度；j是評價等級。

3 實例分析

3.1 交叉口概況

豐縣地處江蘇省徐州市西北部，近年來機動車數(shù)量增加迅速，而豐縣老城區(qū)道路老舊，擁堵問題日益突出。本文選擇豐縣老城區(qū)人民路-向陽路、人民路-工農(nóng)路和人民路-支農(nóng)路3個交叉口作為研究對象，驗證本文評價方法的有效性。3個交叉口的概況見圖3。

圖3 實例交叉口平面圖Fig. 3 Diagram ofselected intersections

3.2 仿真數(shù)據(jù)準(zhǔn)備

3.2.1 模型參數(shù)設(shè)置

Vissim 是一款微觀交通建模與仿真軟件工具，通過在軟件中設(shè)定實際交通系統(tǒng)中的車道形式、車型比例構(gòu)成、信號配時方案等交通條件，實現(xiàn)對交通系統(tǒng)的運行仿真，生成可視化的交叉口交通運行狀況，并輸出交叉口各種統(tǒng)計數(shù)據(jù)，如平均車速、行程時間、排隊長度等。本文采用Vissim 仿真軟件工具進行方法的實際驗證，為此，根據(jù)圖3所示的實例交叉口平面圖，建立Vissim交通仿真模型。

為了研究在不同的交通狀態(tài)下，本文提出方法的有效性，在Vissim 仿真模型中分別設(shè)置了3 種不同的交通狀態(tài)。為此，在Vissim交通模型中，將圖3所示3個交叉口的A～H共8個進口路段交通量分別設(shè)置為100，500，1 200 pcu/h，分別對應(yīng)交叉口交通運行的暢通狀態(tài)、中等狀態(tài)和擁堵狀態(tài)，這樣，分別運行3 種狀態(tài)下的Vissim 交通仿真模型，可以采集到不同狀態(tài)下的交叉口交通仿真運行數(shù)據(jù)，支撐不同狀態(tài)下的交叉口運行評價驗證。需要說明，對每一種狀態(tài)而言，仿真模型中的所有8 個交叉口的流量設(shè)置都相同。

此外，本文選擇的交叉口都有信號控制，均為4相位信號控制交叉口，各個交叉口的信號配時方案設(shè)置見圖4。

3.2.2 仿真數(shù)據(jù)統(tǒng)計

為了獲取交叉口運行評價所需的仿真數(shù)據(jù)，需要激活相應(yīng)的Vissim交通參數(shù)檢測模式，使用Vissim的仿真數(shù)據(jù)采集功能。在本文工作中，在Vissim仿真模型中每個交叉口的每條車道上設(shè)置了相應(yīng)的行程時間檢測器、數(shù)據(jù)采集檢測器、排隊計數(shù)器，并開啟了相應(yīng)的行程時間檢測模式、數(shù)據(jù)采集點模式、排隊計數(shù)器模式3 種模式，同時將計數(shù)周期設(shè)置為信號周期，得到了每條車道的長度，同時獲得了車道上的流量、平均車速、空間占有率和排隊車輛數(shù)等交通數(shù)據(jù)，并輸出為Excel兼容格式文件。在仿真過程中，觀察到檢測器位置的設(shè)置會使測得的交通參數(shù)會有小范圍的波動，但對評價結(jié)果的影響可以忽略不計，近似可以忽略檢測器安裝位置對評價結(jié)果的影響。

圖4 交叉口信號配時方案Fig. 4 Timing schemes of selected instersections

在獲得不同交通狀態(tài)下的仿真數(shù)據(jù)基礎(chǔ)上，將收集到的數(shù)據(jù)按照本文提出的評價指標(biāo)的定義，計算得到各個進口道的流量比、車速比、空間占有率和排隊長度比。在計算過程中，依據(jù)中國《2006年快速路和主干道交通狀況調(diào)查報告》[25]中排隊長度的劃分等級，結(jié)合交叉口的實際情況，將最大排隊長度定為150 m。然后以各個進口道的流量在交叉口流量之和中的占比為權(quán)重，將各指標(biāo)做加權(quán)平均值，從得到交叉口的4個指標(biāo)參數(shù)值。

在本次仿真實驗中，針對3種交通狀態(tài)，每個交叉口每種狀態(tài)分別統(tǒng)計5個信號周期，共計45組數(shù)據(jù)。

3.3 模型固定參數(shù)確定

3.3.1 指標(biāo)權(quán)重確定參考劉飛強[26]和陳海清[27]等的研究，邀請10 位專業(yè)人員進行打分，根據(jù)打分結(jié)果，利用層次分析法，分別計算出10組指標(biāo)權(quán)重，并求其平均值，作為最終指標(biāo)權(quán)重。下面僅以一位專家為例，說明運用層次分析法計算指標(biāo)權(quán)重的過程。

首先，構(gòu)造判斷矩陣。專業(yè)人員參照9 級評分標(biāo)準(zhǔn)，對評價指標(biāo)兩兩比較打分，評判指標(biāo)的相對重要性，由各分值構(gòu)造判斷矩陣，見式（15）。

根據(jù)該矩陣，如第1行第2個數(shù)為0.5，表明該專家認(rèn)為流量比相對于車速比的相對重要度為0.5，即相對流量比而言，速度比對評價交叉口運行狀況更為重要。

其次，計算待定指標(biāo)權(quán)重。在實際計算時，將判斷矩陣中的每個元素除以其所在列的和，得到規(guī)范化判斷矩陣，并計算規(guī)范化判斷矩陣中每一行的算術(shù)平均值，得到判斷矩陣的的待定指標(biāo)權(quán)重，結(jié)果見表3。

表3 待定指標(biāo)權(quán)重Tab. 3 Undetermined Index Weight

根據(jù)10 位專業(yè)人員打分計算出的指標(biāo)權(quán)重如下表4，計算平均值，最終得到本文4 個評價指標(biāo)的權(quán)重，分別為0.27，0.17，0.23，0.33。

3.3.2 經(jīng)典域及節(jié)域物元矩陣確定

因為本文中各指標(biāo)均作了歸一化處理，所以各個指標(biāo)的整體取值范圍（即節(jié)域）為[0,1]。此外，本文采用百分制評價交叉口運行狀況，評價等級劃分為100 級，每一級指標(biāo)的經(jīng)典域取值區(qū)間長度為0.01。以第1級為例，將第1級經(jīng)典域矩陣記為R1，見式（16）。

表4 指標(biāo)權(quán)重計算結(jié)果Tab. 4 Result ofindex weight

該矩陣表示由取值范圍均在第1 級的4 個評價指標(biāo)組成的矩陣。 C1,C2,C3,C4分別表示本文的4個評價指標(biāo)，即流量比、車速比、空間占有率和排隊長度比，右側(cè)的取值范圍分別表示在第1 級下各個指標(biāo)的取值范圍。

評價指標(biāo)的節(jié)域矩陣見式（17）。

式中:P 為全體評價等級；v1p,v2p,v3p,v4p表示評價指標(biāo)對于全體評價等級的取值范圍，本文中均為[0,1]。如流量比指標(biāo)C1在經(jīng)過歸一化處理以后，取值范圍為[0,1]。

3.4 關(guān)聯(lián)系數(shù)計算

在確定了固定參數(shù)后，可以進行關(guān)聯(lián)系數(shù)的計算。以100 pcu/h的交通量輸入水平為例，針對每一個交叉口選擇1 組數(shù)據(jù)，共計3 組數(shù)據(jù)，進行關(guān)聯(lián)系數(shù)計算過程的展示。對該3 組數(shù)據(jù)而言，首先計算得到3組交叉口評價指標(biāo)，見表5。

由表5，選取每1個交叉口的指標(biāo)平均值，得到針對3組數(shù)據(jù)的3個待評物元矩陣，分別記為式（18）～式（20）。

表5 交叉口評價指標(biāo)Tab. 5 Indicators of instersections

針對上述3組待評物元矩陣，計算關(guān)聯(lián)系數(shù)，見圖5?？梢?，首先，3 個交叉口的關(guān)聯(lián)系數(shù)都有明顯的峰值；其次，各個交叉口不同指標(biāo)所對應(yīng)的評價等級各不相同，說明不同指標(biāo)對交叉口運行評價的作用不同；最后，不同交叉口的評價指標(biāo)峰值也各不相同，說明各個交叉口的運行狀況也不相同。上述觀察說明本文選擇的指標(biāo)具有較好的交叉口運行狀況區(qū)分度。

3.5 綜合關(guān)聯(lián)度計算

在計算完關(guān)聯(lián)系數(shù)后，按照指標(biāo)權(quán)重將關(guān)聯(lián)系數(shù)加權(quán)求和，得到待評交叉口每一等級的綜合關(guān)聯(lián)度。計算3 個交叉口在3 種不同交通量水平下某一周期數(shù)據(jù)的綜合關(guān)聯(lián)度，見圖6。

圖5 關(guān)聯(lián)系數(shù)計算實例Fig. 5 Correlation coefficient examples

由圖6可以看出，首先，各交叉口的綜合關(guān)聯(lián)度曲線均有峰值，表明針對每1組交叉口運行指標(biāo)，都可以計算得到某一評價等級，表明了本文方法的可行性。其次，對每1個交叉口，不同的交通狀態(tài)下的綜合關(guān)聯(lián)度各不相同，且按照暢通、中等、擁堵的順序，所得到的綜合關(guān)聯(lián)度順次降低，表明了本文方法的有效性。最后，在同等交通量輸入水平之下，不同的交叉口的綜合關(guān)聯(lián)度也不同，表明本文方法可有效區(qū)分交叉口的實際運行狀態(tài)。

3.6 評分結(jié)果確定

按照本文方法，再計算得到1～100 級的各級綜合關(guān)聯(lián)度后，找出最大綜合關(guān)聯(lián)度，其對應(yīng)的評價等級即為該交叉口的運行評價得分。針對前述45 組交通數(shù)據(jù)，批量計算得到各個交叉口在不同交通量輸入水平下的評價分?jǐn)?shù)，見表6。

由表6可得以下結(jié)論。

圖6 實例綜合關(guān)聯(lián)度Fig. 6 comprehensive degree of correlation

1） 本文方法可以以信號周期為評價時段，完成對交叉口逐周期的運行狀態(tài)評價，表明本文方法具有實際工程應(yīng)用的可行性。

2） 當(dāng)交叉口各進口道的交通量發(fā)生變化時，評價分?jǐn)?shù)也相應(yīng)的發(fā)生改變。特別的，當(dāng)各路段進口的流量分別設(shè)置為暢通、中等、擁堵3 種狀態(tài)時，評價分?jǐn)?shù)也相應(yīng)的由高到低發(fā)生變化，表明本文方法的評價結(jié)果與Vissim仿真中各交叉口的運行狀況一致，具有有效性。

3） 比較各交叉口的評價得分，發(fā)現(xiàn)人民路-工農(nóng)路交叉口在3種交通量輸入水平下的運行評分均為最低。深入分析該交叉口的交通和環(huán)境特性，發(fā)現(xiàn)該交叉口的車道寬度較窄，并且在南進口道存在右轉(zhuǎn)車道和直行車道合并行駛的情況，交通流的交織穿插更為復(fù)雜，更易造成交通擁堵，影響交叉口的運行。因此，在同等條件下，該交叉口的評價分?jǐn)?shù)在3個交叉口最低，表明本文方法能區(qū)分不同類型的交叉口運行狀態(tài)，具有一般適用性。

表6 交叉口評價得分Tab. 6 Evaluation scores of selected instersections

4 結(jié)束語

有效的交叉口運行狀態(tài)評價是提升交叉口管理與運行效率的前提和基礎(chǔ)。本文在分析現(xiàn)有交叉口運行狀態(tài)評價指標(biāo)和評價方法基礎(chǔ)上，結(jié)合當(dāng)前以視頻檢測為代表的先進交通檢測技術(shù)，設(shè)計了流量比、車速比、空間占有率和排隊長度比共4個評價指標(biāo)。然后，運用層次分析法，在咨詢多位專家意見基礎(chǔ)上，綜合確定了各指標(biāo)的權(quán)重。最后，應(yīng)用可拓物元法框架，構(gòu)建了基于多指標(biāo)融合的交叉口運行狀態(tài)實時評價方法。

在方法研究基礎(chǔ)上，本文選擇江蘇省徐州市豐縣主城區(qū)的3 個交叉口為研究對象，運用Vissim 仿真軟件獲得了不同交通量輸入水平下的各指標(biāo)參數(shù)，展示了本文方法的應(yīng)用步驟，并實際評價了所選交叉口的運行狀態(tài)，表明了本文方法具有可行性、有效性和對不同交通狀態(tài)的適應(yīng)性。

在當(dāng)前研究的基礎(chǔ)上，下一步工作主要有2 個方面:①考慮應(yīng)用人工智能等先進的方法，充分挖掘并利用海量的交通數(shù)據(jù)，實現(xiàn)評價方法的自主優(yōu)化，提高其自適應(yīng)性；②從人、車、路3 個方面考慮影響交叉口運行狀況的因素，擴展并設(shè)定更加全面的交叉口運行評價指標(biāo)，從而實現(xiàn)交叉口運行更為深入、系統(tǒng)的綜合評價。