基于AnyLogic的道路交通擁堵仿真分析

劉格格 萬傳風(fēng) 李欣 劉睿

（1.北京交通大學(xué)土建學(xué)院，北京 100044；2.中公通達(dá)（北京）認(rèn)證有限公司，北京 122000）

隨著我國城市道路交通迅速發(fā)展，人民生活水平不斷提高，高效、舒適、智能的出行方式逐漸成為人們的追求。對此，各國專家學(xué)者對城市道路交通擁堵的預(yù)測和快速疏解做了大量的研究。

雖然很多學(xué)者使用數(shù)學(xué)模型詳細(xì)地研究了交通擁堵的產(chǎn)生和疏散機(jī)理，但并沒有提出疏解交通擁堵的有效措施。隨著先進(jìn)的信息技術(shù)應(yīng)用于交通管理領(lǐng)域，交通擁堵的實時預(yù)測和快速疏解技術(shù)也逐漸成為研究重點。

本文著眼于交通擁堵仿真模型，從具體路段入手，實地調(diào)研，收集并研究了某一段時間內(nèi)早晚高峰的交通數(shù)據(jù)，運用AnyLogic軟件仿真得到初步交通擁堵模型，然后對其不斷優(yōu)化，從而提出疏解擁堵的有效措施。

一、路段基本交通情況調(diào)查和擁堵原因分析

（一）路段基本交通情況調(diào)查

選取北京交通大學(xué)附近的高梁橋斜街-榆樹館橋-展覽館路為研究對象，該路段北起大慧寺路與高梁橋斜街交叉口，南至車公莊交叉口，長約2.5公里?；疚恢萌鐖D1所示，周圍商業(yè)建筑多，銜接多條道路，分布有北京交通大學(xué)、北京建筑大學(xué)等人流密集地點（用紅色方框標(biāo)出），交通壓力大，在早晚高峰時間段易形成擁堵。

（二）道路實地調(diào)研分析

在2020年9月25日至11月6日實地調(diào)研路段車流量，處理并分析調(diào)研數(shù)據(jù)。圖2為路段衛(wèi)星觀測圖，圖中標(biāo)注了在實地調(diào)研中選取的7個特征明顯的觀測點。

圖1 路段區(qū)位位置圖

圖2 路段衛(wèi)星觀測圖

通過處理分析各測點的數(shù)據(jù)發(fā)現(xiàn)，相同時間內(nèi)通過測點1（由南向北）的車輛數(shù)多于測點7（由北向南）；各測點通過車輛數(shù)量峰值不同，測點1最高，為70輛/min，測點7最少，為15輛/min；相同時間內(nèi)通過同一測點不同方向的車輛大概相差10輛，由南向北的交通量大于由北向南。由此經(jīng)初步分析得出，該路段早高峰時段由北向南較反方向更為擁堵。

（三）道路擁堵原因分析

北京交通大學(xué)西門距路段北側(cè)交叉口不足150m，在早晚高峰陸續(xù)有車輛排隊駛?cè)胛鏖T，造成后續(xù)東流剎車減速甚至完全停下來，易形成擁堵。

車公莊西交叉口處，南北信號燈通行時間分別為53s和30s，時間較短。早晚高峰時段，龐大的車流量，可能無法一次性通過交叉口，易造成二次排隊，形成擁堵。

道路交通擁堵很大程度受駕駛員駕駛習(xí)慣的影響[1-3]。新手上路容易緊張，反應(yīng)不及時，容易急剎車減速，形成一個隱形十字路口，使得后車剎車減速，形成擁堵。在多車道路段，司機(jī)為了超車或走快速車道而改變行駛路徑時，都可能造成后方車輛的擁堵[4]。

二、基于速度的交通擁堵狀態(tài)評價模型

建立用速度和車頭間距共同判斷交通擁堵情況的評價模型。車頭間距是指在同一車道上行駛的車輛隊列中，前后相鄰兩車車頭之間的距離。計算公式如下：

式中：hs是車頭間距，m；ht是車頭時距，s；v是汽車行駛速度，km/h。

安全距離是指后方車輛為了避免與前方車輛發(fā)生意外碰撞在行駛中與前車所保持的必要間隔距離。當(dāng)車輛以車速v行駛時，通過下式得到車輛間的安全距離：

式中：v是車輛的行駛速度，km/h；t是駕駛員的感知反應(yīng)時間，取2.5s；g是重力加速度（g=9.8m/s2）；φ是滑動摩擦系數(shù)，一般取0.6；i是坡度，按0.5%計算。

代入城市快速路判斷擁堵的分級速度(km/h)，計算得到對應(yīng)的安全距離(m)如表1所示：

表1 分級速度對應(yīng)的安全距離

車頭間距=安全距離+標(biāo)準(zhǔn)汽車長度，其中標(biāo)準(zhǔn)汽車長度取3m，則計算得到與城市快速路判斷擁堵的分級速度相對應(yīng)的車頭間距（m）如表2所示：

表2 分級速度對應(yīng)的車頭間距

通過車頭時距和汽車行駛速度計算得到實際車頭間距，并與表2比對，判斷路段擁堵情況。

三、基于AnyLogic的模型仿真分析

研究使用AnyLogic作為分析交通擁堵[5-8]的工具，形象地展示了交通擁堵的全過程。AnyLogic建模仿真的基本流程為：建立基本的道路模型和車輛運行流程圖、設(shè)置各模塊參數(shù)、運行模型、仿真模擬、展示三維效果、輸出數(shù)據(jù)。

（一）建立基于AnyLogic的交通擁堵模型

從谷歌地圖獲得研究路段的矢量數(shù)據(jù)[9]，導(dǎo)入軟件作為底圖，建立該路段物理模型。圖3為建模效果圖，圖中標(biāo)注了在后期數(shù)據(jù)分析中選取的重點橫斷面。根據(jù)路段實際交通狀況，建立運行邏輯圖，主要確定交叉口各方向的交通流量[10]和車輛行駛路徑，如圖4所示。然后設(shè)定模型參數(shù)，將交通調(diào)查數(shù)據(jù)及通過Python爬取的交通態(tài)勢數(shù)據(jù)輸入軟件中，運行模型。

圖3 建模效果圖

圖4 模型運行邏輯圖

（二）交通仿真數(shù)據(jù)分析

分析仿真輸出數(shù)據(jù)，該路段車流量在早高峰7∶00～8∶00達(dá)到峰值，平均行駛速度在8∶20達(dá)到最小值，接近30km/h，持續(xù)約1h，如圖5所示。

圖5 車輛行駛的平均速度

圖6為由北向南和由南向北交通量隨時間變化的情況：早高峰時段，均約在8∶10達(dá)到峰值，之后逐漸減小。由北向南交通量峰值為280輛，持續(xù)時間約10min，相反方向峰值為170輛，持續(xù)時間為5min左右。

圖6 交通量隨時間的變化情況

圖7為由北向南和由南向北車輛平均行駛時間：早高峰時段，由北向南車輛平均行駛時間均值為5.36min；相反方向均值為2.4min。由北向南車輛平均行駛時間明顯高于反方向，說明由北向南的擁堵情況比反方向嚴(yán)重。

圖7 路段中車輛的平均行駛時間

分析輸出數(shù)據(jù)，路段中車輛平均速度降低的時間滯后于擁堵發(fā)生時間[11]，說明只靠速度變化來預(yù)測擁堵發(fā)生時間有一定的延遲性，與實地調(diào)查得出的結(jié)論一致。結(jié)論如下：

一是在早高峰時段，該路段隨著交通量增大逐漸形成擁堵，8∶20擁堵狀況最嚴(yán)重。

二是擁堵主要發(fā)生在交叉口、出入口匝道、大量車輛變道點。

三是交通擁堵的發(fā)生不是瞬時的，是經(jīng)過一段時間積累的[12]。該路段交通量開始增加且持續(xù)大約20min后，發(fā)生嚴(yán)重交通擁堵，在這個時間段內(nèi)及時采取交通疏導(dǎo)措施，能夠疏解該路段的交通擁堵。

（三）交通擁堵狀況評級指標(biāo)分析

在本文中采用新的評價指標(biāo)即路段平均速度和車頭間距判斷擁堵情況。選取早高峰6∶00～9∶00，南向北C斷面和北向南B斷面的一個車道計算其平均速度和平均車頭間距，得到路段不同斷面擁堵級別，評級結(jié)果如圖8和圖9所示。

圖8 斷面C的交通擁堵級別

圖9 斷面B的交通擁堵級別

該路段從北向南擁堵狀況較由南向北嚴(yán)重，且擁堵主要集中在7∶30～8∶40。同樣分析其他斷面不同車道的擁堵級別，結(jié)果接近實際情況，驗證了交通擁堵狀況評級指標(biāo)的準(zhǔn)確性。

四、結(jié)語

分析實地調(diào)研數(shù)據(jù)，得到該路段早高峰從7變化00開始擁堵，7變化40～8變化40為嚴(yán)重?fù)矶聲r段，9變化00擁堵開始消散。結(jié)合調(diào)研數(shù)據(jù)，在AnyLogic中建立交通擁堵仿真模型，經(jīng)過優(yōu)化，得到該路段形成擁堵的可能發(fā)生點，并驗證了擁堵規(guī)律。道路交通擁堵會受到各種復(fù)雜因素的影響，且持續(xù)時間較久。因此，城市道路每天的交通量變化大致遵循相同的規(guī)律，交通量變化曲線大多具有一定的周期性和穩(wěn)定性[13]。

結(jié)合實際情況，建立以速度和車頭間距為指標(biāo)的交通擁堵狀態(tài)評價模型，驗證了模型的準(zhǔn)確性，更好地為交通管理與規(guī)劃提供了決策依據(jù)。由結(jié)論可知，利用AnyLogic的交通仿真功能，識別路段中易發(fā)生擁堵的地點，提出改善措施，加強(qiáng)對該地點的監(jiān)控管理具有實際意義。同時，AnyLogic能夠模擬仿真優(yōu)化后的交通狀況，評價疏導(dǎo)措施的有效性。

治理道路交通擁堵要從源頭做起，一方面要實時預(yù)測道路交通量，提前做出預(yù)報；另一方面要準(zhǔn)確評價道路擁堵狀況，合理引導(dǎo)交通流，實現(xiàn)交通流均衡分配。