高速公路分合流区车流元胞模型的构建及应用

doi:10.12141/j.issn.1000-565X.220008

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (10): 11-18.doi: 10.12141/j.issn.1000-565X.220008

所属专题： 2022年交通运输工程

高速公路分合流区车流元胞模型的构建及应用

漆巍巍¹ 马思维¹周南杰²

^1.华南理工大学土木与交通学院，广东广州 510640
^2.广州北环智能交通科技有限公司，广东广州 510030

收稿日期:2022-01-05 出版日期:2022-10-25 发布日期:2022-05-06
通信作者: 周南杰（1973-），男，工程师，主要从事高速公路营运和养护工程管理研究. E-mail:13802756582@139.com
作者简介:漆巍巍（1985-），男，博士，副教授，主要从事交通系统优化、交通安全管控研究。E-mail:ctwwqi@scut.edu.cn.
基金资助:
国家自然科学基金资助项目(52072131);广东省普通高校重点研究项目(2019KZDXM009);广东省自然科学基金资助项目(2022A1515010123)

Construction and Application of Cellular Automaton Model of Traffic Flow in Freeway Diverging and Merging Areas

QI Weiwei¹ MA Siwei¹ZHOU Nanjie²

^1.School of Civil Engineering and Transportation，South China University of Technology，Guangzhou 510640，Guangdong，China
^2.Guangzhou Northring Intelligent Transport Technology Co. Ltd. ，Guangzhou 510030，Guangdong，China

Received:2022-01-05 Online:2022-10-25 Published:2022-05-06
Contact: 周南杰（1973-），男，工程师，主要从事高速公路营运和养护工程管理研究. E-mail:13802756582@139.com
About author:漆巍巍（1985-），男，博士，副教授，主要从事交通系统优化、交通安全管控研究。E-mail:ctwwqi@scut.edu.cn.
Supported by:
the National Natural Science Foundation of China(52072131);the Key Research Projects of General Colleges and Universities in Guangdong Province(2019KZDXM009);the Natural Science Foundation of Guangdong Province(2022A1515010123)

摘要/Abstract

摘要：

高速公路的运营和管理优化方案往往需要依据瓶颈段的通行能力制定。由于高速公路瓶颈段交通流特性的复杂性，目前所采用的瓶颈段通行能力通用计算公式受很多假设条件的限制，其精度不高且误差较大。文中尝试构建一种高速公路瓶颈段通行能力计算方法，并进行实测验证。首先，采用无人机航拍和Tracker软件动态识别，获取高速公路分合流区跟驰和换道数据共680组，得到位置、速度、加速度、车头间距等参数；然后，根据获得的交通流参数建立了考虑驾驶人特性的换道规则模型和概率模型，并对经典的GHR跟驰模型进行参数标定；最后，运用分区思想构建了基于元胞自动机理论的高速公路车流仿真应用模型。依据GHR跟驰模型来刻画车辆的加速度需求，并采用车辆换道次数和小时交通量两个指标验证模型的有效性，其中，平均换道次数误差率为12.06%，平均交通流量误差率为3.19%。结果表明，该模型可以有效地计算高速公路分合流区的通行能力，同时也可应用于变速车道长度等道路参数设计。在本研究案例中，对广州市北环高速公路岑村立交段进行交通流仿真测试，模拟其道路线型特征、车辆到达情况和交通流运作机制，得到该区段分流区与合流区的通行能力依次为5 456和5 253 pcu/h，该分流区与合流区变速车道长度的优化设计值分别是125和200 m。文中所构建的车流元胞模型可为高速公路分合流区的微观车流仿真和道路参数设计提供科学依据，有利于提升高速公路的服务水平和运营质量。

关键词: 高速公路, 分合流区, 元胞模型, 车流仿真, 通行能力

Abstract:

The operation and management optimization schemes of freeway always need to be formulated according to the traffic capacity of bottleneck sections. Due to the complexity of the traffic flow characteristics of the bottleneck sections of freeway, the current general calculation formulas of the traffic capacity are limited to many assumptions, and the accuracy is not high and the error is large. This paper attempted to construct a calculation method of traffic capacity in freeway bottleneck sections and verify it by actual measurement. Firstly, UAV technology and software Tracker were used for aerial video recording and dynamic identification and 680 groups of traffic flow data for car-following and lane-changing on freeway was obtained, including position, speed, acceleration, headway and other parameters. Then, the probability models and rule models of lane-changing considering driver characteristics were established according to the obtained traffic flow parameters, and the classical car-following model GHR was calibrated. Finally, a simulation application model of freeway traffic flow based on cellular automaton theory was constructed by the partitioning method, the acceleration requirements of following vehicles were characterized with GHR model, and the effectiveness of the model was verified by the indicators of vehicle lane-changing times and hourly traffic volume with error rates of 12.06% and 3.19%, respectively. The results show that this model can effectively calculate the capacity of freeway diverging and merging areas and design the road parameters such as the length of speed-change lane. In this case, a traffic flow simulation test was conducted on Cencun interchange sections of Guangzhou Northring Freeway, in which the road geometry characteristics, vehicle arrival conditions and traffic flow operation mechanism were simulated. The capacity of the diverging and merging areas is 5 456 and 5 253 pcu/h, respectively, and the optimization design values for the length of speed-change lanes in the diverging and merging areas are 125 and 200 m, respectively. The cellular automaton model of traffic flow constructed in this paper provides scientific basis for microscopic traffic flow simulation and road parameters design of freeway diverging and merging areas, and helps to improve the level of service and operational quality.

Key words: freeway, diverging and merging areas, cellular model, traffic flow simulation, capacity

中图分类号:

U491.4

漆巍巍, 马思维, 周南杰. 高速公路分合流区车流元胞模型的构建及应用[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 11-18.

QI Weiwei, MA Siwei, ZHOU Nanjie . Construction and Application of Cellular Automaton Model of Traffic Flow in Freeway Diverging and Merging Areas[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(10): 11-18.

图/表 7

图1

表1

表2

图2

图3

图4

表3

参考文献 18

1	KWON J W， CHWA D ．Adaptive bidirectional platoon control using a coupled sliding mode control method ［J］．IEEE Transactions on Intelligent Transportation Systems，2014，15（5）：2040-2048.
2	ALI Y， ZHENG Z， HAQUE M M，et al ．A game theory-based approach for modelling mandatory lane-changing behaviour in a connected environment ［J］．Transportation Research Part C：Emerging Technologies，2019，106：220-242.
3	刘伟铭，邓如丰，张阳，等．高速公路出匝分流区超车道车辆车道变换模型［J］．公路交通科技，2012，29（8）：106-111.
	LIU Wei-ming， DENG Ru-feng， ZHANG Yang，et al ．Vehicle lane-changing model for overtaking lane in freeway off-ramp diverging area ［J］．Journal of Highway and Transportation Research and Development，2012，29（8）：106-111.
4	许伦辉，胡三根，罗强，等．基于驾驶员类型的车辆换道模型［J］．华南理工大学学报（自然科学版），2014，42（8）：104-111.
	XU Lun-hui， HU San-gen， LUO Qiang，et al ．Lane-changing model based on different type of drivers ［J］．Journal of South China University of Technology（Natural Science Edition），2014，42（8）：104-111.
5	钟异莹，陈坚，邵毅明，等．强制性换道的空间特征对分流区交通流的影响［J］．交通运输系统工程与信息，2020，20（5）：114-120.
	ZHONG Yi-ying， CHEN Jian， SHAO Yi-ming，et al ．Spatial feature of mandatory lane changing and its impact on traffic flow at diverging area ［J］．Journal of Transportation Systems Engineering and Information Technology，2020，20（5）：114-120.
6	贾洪飞，谭云龙，李强，等．考虑驾驶员特征的快速路合流区间隙接受模型构建［J］．吉林大学学报（工学版），2015，45（1）：55-61.
	JIA Hong-fei， TAN Yun-long， LI Qiang，et al ．Gap acceptance model of expressway weaving area based on driver characteristics ［J］．Journal of Jilin University（Engineering and Technology Edition），2015，45（1）：55-61.
7	ZHOU B， WANG Y， YU G，et al ．A lane-change trajectory model from drivers’vision view ［J］．Transportation Research Part C：Emerging Technologies．2017，85：609-627.
8	CHONG L， ABBAS M M， MEDINA FLINTSCH A，et al ．A rule-based neural network approach to model driver naturalistic behavior in traffic ［J］．Transportation Research Part C：Emerging Technologies，2013，32：207-223.
9	杨晓芳，郭倩，付强．基于车车通信合流影响区外侧车辆决策模型［J］．系统仿真学报，2015，27（5）：1112-1119.
	YANG Xiao-fang， GUO Qian， FU Qiang ．Decision strategy models of merge influence area for outside vehicles based on vehicle-vehicle communication［J］．Journal of System Simulation，2015，27（5）：1112-1119.
10	胡笳，安连华，李欣．面向新型混合交通流的快速路合流区通行能力建模［J］．交通信息与安全，2021，39（1）：137-144.
	HU Jia， AN Lian-hua， LI Xin ．A capacity model of freeway merging areas with partially connected automated traffic ［J］．Journal of Transport Information and Safety，2021，39（1）：137-144.
11	PAN S， WANG Y， WANG K ．A game theory-based model predictive controller for mandatory lane change of multiple vehicles ［C］∥Proceedings of the 2020 4th International Conference on Vehicular Control and Intelligence（CVCI）．Hangzhou：Institute of Electrical and Electronics Engineers Inc.，2020：731-736.
12	CHEN T， WONG Y D， SHI X，et al ．A data-driven feature learning approach based on Copula-Bayesian Network and its application in comparative investigation on risky lane-changing and car-following maneuvers ［J］．Accident Analysis & Prevention，2021，154：106061-1-23.
13	贾若，戴昇宏，黄霓，等．交通拥堵判别方法研究综述［J］．华南理工大学学报（自然科学版），2021，49（4）：124-139.
	JIA Ruo， DAI Shenghong， HUANG Ni，et al ．Literature review on traffic congestion identification methods ［J］．Journal of South China University of Technology（Natural Science Edition），2021，49（4）：124-139.
14	YE L， YAMAMOTO T ．Modeling connected and autonomous vehicles in heterogeneous traffic flow ‍［J］．Physica A：Statistical Mechanics and ITS Applications，2018，490：269-277.
15	ZHU M， WANG X， TARKO A，et al ．Modeling car-following behavior on urban expressways in Shanghai：A naturalistic driving study ［J］．Transportation Research Part C：Emerging Technologies，2018，93：425-445.
16	彭博，王玉婷，谢济铭，等．城市干线短交织区元胞自动机多级换道决策模型［J］．交通运输系统工程与信息，2020，20（4）：41-48.
	PENG Bo， WANG Yu-ting， XIE Ji-ming，et al ．Multi-stage lane-changing decision model for urban trunk road’s short weaving area based on cellular automata ［J］．Journal of Transportation Systems Engineering and Information Technology，2020，20（4）：41-48.
17	刘敬华，吉文超，李帅．基于驾驶行为的城市道路车辆主观换道模型研究［J］．城市道桥与防洪，2021（7）：232-237.
	LIU Jing-hua， JI Wen-chao， LI Shuai ．Study on subjective lane changing model of urban road vehicles based on driving behavior ［J］．Urban Roads Bridges & Flood Control，2021（7）：232-237.
18	公路路线设计规范：［S］.

区域	换道类型	车均换道次数^1）		准确率/%
区域	换道类型	实际观测值	元胞仿真值	准确率/%
分流区	强制性换道	1.261	1.367	92.24
分流区	选择性换道	0.142	0.176	80.68
合流区	强制性换道	1.000	1.000	100.00
合流区	选择性换道	0.116	0.147	78.90

区域	车道类型	进口道驶入流率			出口道驶出流率
区域	车道类型	元胞仿真值/（辆·h^-1）	实际观测值/（辆·h^-1）	误差率/%	元胞仿真值/（辆·h^-1）	实际观测值/（辆·h^-1）	误差率/%
分流区	内侧车道	1 528	1 520	0.53	1 530	1 475	3.73
	中间车道	1 464	1 459	0.34	1 175	1 142	2.89
	外侧车道	1 025	1 011	1.38	860	936	8.12
	匝道	—	—	—	452	437	3.43
合流区	内侧车道	1 519	1 553	2.19	1 487	1 608	7.52
	中间车道	1 648	1 614	2.11	1 663	1 669	0.36
	外侧车道	796	847	6.02	1 156	1 138	1.58
	匝道	383	401	4.49	—	—	—

分流影响区			合流影响区
变速车道长度/m	渐变段长度/m	通行能力/（pcu·h^-1）	变速车道长度/m	渐变段长度/m	通行能力/（pcu·h^-1）
95	70	3 317	155	60	3 273
110	80	3 403	180	70	3 324
125	90	3 556	200	80	3 442
145	100	3 642	230	90	3 476

[1]	黄炎, 符锌砂, 曾彦杰, 等. 基于激光雷达里程计的高速公路三维建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 129-138.
[2]	林培群, 张扬, 罗芷晴, 等. 融合多源数据的高速公路路段车流碳排放精细测算方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 100-108.
[3]	林培群, 龚敏平, 周楚昊. 面向运输风险识别的高速公路货车用户画像方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 1-9.
[4]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[5]	吴娇蓉, 黄正文, 邓泳淇. 都市圈分层空间结构的交通网络密度发展规律[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 111-121.
[6]	胡郁葱, 韦湖, 曾强. 基于空间广义有序Probit模型的高速公路事故严重程度分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 114-122.
[7]	杨洋, 胡嫣然, 袁振洲, 等. 高速公路交通事故时空影响动态效应的传播分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 123-133.
[8]	吴艳霞, 周彤, 黄帅, 等. 基于驾驶员注意力分布模型的路侧环境安全性研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 49-57.
[9]	林旭坤, 张扬, 罗芷晴, 等. 高速公路网车辆碳排放测算方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 22-28.
[10]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[11]	何永明, 冯佳, 权聪, 等. 基于联合仿真的超高速公路车辆制动避撞系统[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 19-28.
[12]	王晓飞刘永李思雨. 公路空间曲率连续性衰退与事故频数影响关联模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 26-34.
[13]	林培群夏雨周楚昊. 引入时空特征的高速公路行程时间预测方法[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 1-11.
[14]	马新露, 樊博, 陈诗敖, 等. 基于实时交通流的事故风险评估与分析模型[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 19-25,34.
[15]	温惠英张璇曾强. 高速公路单车事故等级的影响因素分析[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 12-18.

高速公路分合流区车流元胞模型的构建及应用

Construction and Application of Cellular Automaton Model of Traffic Flow in Freeway Diverging and Merging Areas

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价