一種宏微觀(guān)結(jié)合的主干路交通流狀態(tài)分類(lèi)方法

張小麗 郭志勇 李紅偉 周云月

(河海大學(xué)土木與交通學(xué)院1) 南京 210098) (武漢理工大學(xué)交通與物流工程學(xué)院2) 武漢 430070)(諸暨市交通運(yùn)輸局3) 紹興 311800)

0 引 言

交通流狀態(tài)的準(zhǔn)確識(shí)別是實(shí)施車(chē)路協(xié)同、檢測(cè)交通事件和快速路交通聯(lián)合控制[1]等智能交通管理手段的基礎(chǔ).目前，交通狀態(tài)分類(lèi)方法主要包括基于微觀(guān)交通流理論的車(chē)頭時(shí)距法、基于宏觀(guān)統(tǒng)計(jì)理論的聚類(lèi)方法以及基于宏觀(guān)交通流理論的相位法三種.

基于微觀(guān)交通流理論的車(chē)頭時(shí)距法通常利用車(chē)頭時(shí)距將交通流分為自由流和跟馳狀態(tài)兩種[2-3].王福建等[4]將跟馳行為進(jìn)一步分為強(qiáng)跟馳和弱跟馳，并證明了強(qiáng)跟馳和弱跟馳狀態(tài)的存在，但同時(shí)也指出強(qiáng)弱跟馳狀態(tài)的臨界值很難給出.基于微觀(guān)交通流理論的方法側(cè)重個(gè)體車(chē)輛之間而非交通流整體的物理意義.

基于宏觀(guān)統(tǒng)計(jì)理論的聚類(lèi)方法是基于交通流宏觀(guān)參數(shù)通過(guò)k-means、Fuzzy等聚類(lèi)方法進(jìn)行狀態(tài)劃分[5-6].通常按照道路服務(wù)水平標(biāo)準(zhǔn)或者聚類(lèi)效果評(píng)價(jià)指標(biāo)確定聚類(lèi)的數(shù)量，一般為3～6個(gè).該類(lèi)方法注重交通流整體的擬合效果，但不能解釋交通流的物理意義.

基于宏觀(guān)交通流理論的相位法主要是三相流法[7-8]，并在此基礎(chǔ)上進(jìn)一步劃分，達(dá)到4階段[9]或者6狀態(tài)[10].總體而言，相位法主要對(duì)非自由流進(jìn)行分類(lèi)，且很難獲得交通狀態(tài)的閾值，適用于高速公路匝道這些連續(xù)流交通設(shè)施，可得到交通流整體的物理意義，但忽略了個(gè)體車(chē)輛間的影響且無(wú)法給出各狀態(tài)的確切閾值，不能滿(mǎn)足交通管理實(shí)踐中對(duì)交通流狀態(tài)進(jìn)行判斷和評(píng)價(jià)的需求.

有學(xué)者結(jié)合宏觀(guān)交通流理論和統(tǒng)計(jì)理論建立新的交通狀態(tài)分類(lèi)方法.如，Silgu等[11]結(jié)合兩相法和k-means法設(shè)計(jì)了一種動(dòng)態(tài)交通流狀態(tài)分類(lèi)方法.Celikoglu等[12]則采用了多變量聚類(lèi)方法對(duì)動(dòng)態(tài)交通流模態(tài)進(jìn)行分類(lèi).此類(lèi)方法基于傳統(tǒng)兩相流法，使用仿真數(shù)據(jù)劃分交通流狀態(tài)，其劃分結(jié)果的有效性和可應(yīng)用性值得商榷.

由此可知，現(xiàn)有交通狀態(tài)劃分方法僅考慮宏觀(guān)參數(shù)或微觀(guān)參數(shù)，而且多用于高速公路、快速路等非阻斷交通流，針對(duì)城市道路阻斷交通流狀態(tài)分類(lèi)的研究則相對(duì)較少.與高速公路連續(xù)交通流運(yùn)行狀態(tài)不同，城市道路受信號(hào)控制的影響，綠燈放行時(shí)，紅燈期間排隊(duì)等待的車(chē)流以車(chē)群形式通過(guò)路段，而后續(xù)到達(dá)的車(chē)輛大概率無(wú)需排隊(duì)直接通過(guò).文中提出一種適用于城市阻斷交通流的狀態(tài)分類(lèi)方法.該方法基于實(shí)測(cè)數(shù)據(jù)，既考慮微觀(guān)交通流中車(chē)輛之間的相互作用，也考慮宏觀(guān)交通流中車(chē)流的總體特征，同時(shí)保證交通流整體的擬合性.與此同時(shí)，比較本文方法以及已有常用方法在城市主干路交通流劃分的效果，驗(yàn)證本文所提方法的有效性.

1 數(shù)據(jù)采集與預(yù)處理

1.1 數(shù)據(jù)采集

選擇南京市北京西路和中山北路作為調(diào)查道路，調(diào)查路段具體屬性如表1所示.根據(jù)李笑語(yǔ)等[13]的研究，南京主干道上工作日早上交通流量由低峰轉(zhuǎn)為高峰的時(shí)段為06:50-08:10時(shí)段.因此，選擇晴朗天氣的工作日上午06:50-08:10作為調(diào)查時(shí)間段，并采用錄像法進(jìn)行數(shù)據(jù)采集.

表1 調(diào)查路段屬性

北京西路為不可跨線(xiàn)路段，攝像機(jī)1、2、3分別放置在距上游交叉口出口道約75 m(斷面1)、路段中點(diǎn)(斷面2)、距下游交叉口入口道約75 m處(斷面3).中山北路為可跨線(xiàn)路段，攝像機(jī)1、2、3分別放置在距上游交叉口出口道約75 m(斷面1)、路段可跨線(xiàn)處(距出口道約135 m)(斷面2)、距下游交叉口入口道約100 m處(斷面3).

將車(chē)型劃分為小型車(chē)、中型車(chē)和大型車(chē)三類(lèi).北京西路共采集6 720輛車(chē)，小型車(chē)占96.63%，中型車(chē)占0.77%，大型車(chē)占2.60%，平均小時(shí)交通流量為1 500 veh/h，高峰小時(shí)交通流量為1 600 veh/h；中山北路共采集3 600輛車(chē)，其中小、中、大型車(chē)分別占79.42%、1.13%、19.45%，平均小時(shí)交通流量和高峰小時(shí)交通量分別為800，840 veh/h.北京西路車(chē)速范圍為[2.44,53.00 km/h]，平均車(chē)速為18.93 km/h.中山北路車(chē)速范圍為[2.64,64.51 km/h]，平均車(chē)速為19.61 km/h.兩條路段雖然限速值不同，但實(shí)際車(chē)速接近.

1.2 數(shù)據(jù)預(yù)處理

1) 車(chē)頭時(shí)距 僅考慮頻率較高的車(chē)頭時(shí)距區(qū)間.通過(guò)統(tǒng)計(jì)發(fā)現(xiàn)，北京西路車(chē)頭時(shí)距大于15 s和大于25 s的頻率百分比分別為10.70%和1.64%；中山北路車(chē)頭時(shí)距大于15 s和大于25 s的頻率百分比分別為13.20%和3.24%.因此，本文選取(0,25]s作為車(chē)頭時(shí)距頻率分布區(qū)間.

2) 車(chē)速 北京西路和中山北路超速車(chē)輛分別占總流量的0.65%和0.78%.違章行為不在本文的研究范圍內(nèi)，因此剔除超速車(chē)輛的交通數(shù)據(jù).

3) 超車(chē)換道 北京西路和中山北路超車(chē)換道車(chē)輛數(shù)占車(chē)輛總數(shù)的0.061%和0.076%，可知，超車(chē)換道行為在兩條道路發(fā)生頻率較少.因此，調(diào)查路段適合用微觀(guān)交通流理論對(duì)其交通狀態(tài)進(jìn)行分類(lèi).

1.3 統(tǒng)計(jì)間隔確定

穩(wěn)定性是交通流特征分析的必要條件.標(biāo)準(zhǔn)差是衡量交通流穩(wěn)定性的常用指標(biāo)，并受統(tǒng)計(jì)間隔的影響.文獻(xiàn)[14]建議公路交通流統(tǒng)計(jì)間隔是5 min，Jian等[15]選取1 min作為高速公路交通流數(shù)據(jù)的統(tǒng)計(jì)間隔.本文比較各統(tǒng)計(jì)間隔下的交通參數(shù)標(biāo)準(zhǔn)差以確定最佳的統(tǒng)計(jì)間隔.如圖1所示，北京西路和中山北路在各統(tǒng)計(jì)間隔內(nèi)流量的標(biāo)準(zhǔn)差均大于6 veh/period，速度標(biāo)準(zhǔn)差在1～3 min統(tǒng)計(jì)間隔內(nèi)大于5 km/h，在4 min以后逐漸趨于穩(wěn)定且小于5 km/h，當(dāng)速度標(biāo)準(zhǔn)差在5 min時(shí)達(dá)到最小.選擇5 min作為統(tǒng)計(jì)間隔.圖1也可以看出，速度比流量穩(wěn)定，更適合作為交通流狀態(tài)分析的參數(shù).

圖1 統(tǒng)計(jì)間隔與交通參數(shù)標(biāo)準(zhǔn)差的關(guān)系

2 方法和應(yīng)用結(jié)果

2.1 參數(shù)的選取

1) 宏觀(guān)參數(shù)的選取 交通流量、速度和密度是交通流狀態(tài)劃分的常用宏觀(guān)參數(shù).在實(shí)際應(yīng)用中，某一流量可能對(duì)應(yīng)兩個(gè)交通狀態(tài)(如自由流和擁堵流)，不足以準(zhǔn)確地反應(yīng)交通流狀態(tài).Wang等[16]對(duì)高速公路實(shí)際數(shù)據(jù)研究發(fā)現(xiàn)交通擁堵并不是隨著密度的增加而成比例的增加，密度不能準(zhǔn)確反映交通流擁堵?tīng)顟B(tài).對(duì)于速度，研究證明對(duì)擁堵交通流的分類(lèi)效果很好[17].本文選擇調(diào)查斷面間的平均速度作為交通流狀態(tài)分類(lèi)的宏觀(guān)參數(shù).

2) 微觀(guān)參數(shù)的選取 車(chē)頭時(shí)距是最常見(jiàn)的微觀(guān)參數(shù)，它既反映車(chē)輛之間相互跟馳情況，又反映交通流的隨機(jī)性以及駕駛員反應(yīng)時(shí)間等宏觀(guān)交通參數(shù)無(wú)法反映的交通信息.Li等[18]研究表明，流量-密度圖上的曲線(xiàn)形狀依賴(lài)車(chē)輛的車(chē)頭時(shí)距.Krbálek等[19]研究得出當(dāng)交通流擁堵時(shí)，車(chē)頭時(shí)距與速度相關(guān).因此，本文將車(chē)頭時(shí)距作為交通狀態(tài)分類(lèi)的微觀(guān)參數(shù).

2.2 方法設(shè)計(jì)

使用宏觀(guān)交通參數(shù)和微觀(guān)交通參數(shù)劃分交通流狀態(tài)的具體步驟如下.

步驟1利用k-means方法對(duì)速度進(jìn)行聚類(lèi)，得到初始交通流狀態(tài).

交通流通常被劃分為2～6個(gè)狀態(tài).本文基于5 min的車(chē)速數(shù)據(jù)，利用k-means聚類(lèi)法將交通流劃分2～6個(gè)狀態(tài)，并根據(jù)CH(Calinski-Harabasz)值選擇最優(yōu)的聚類(lèi)數(shù)量，CH值越大，聚類(lèi)效果越好.選取CH最大值對(duì)應(yīng)的簇?cái)?shù)作為最優(yōu)的交通狀態(tài)聚類(lèi)數(shù)量，并得到各交通狀態(tài)的速度閾值.

步驟2基于車(chē)頭時(shí)距法對(duì)各狀態(tài)交通流進(jìn)行自由流和跟馳狀態(tài)劃分.

對(duì)k-means聚類(lèi)出的每個(gè)狀態(tài)使用相對(duì)速度絕對(duì)值法進(jìn)行自由流和跟馳狀態(tài)的劃分.過(guò)程如下.

1) 在步驟1基礎(chǔ)上進(jìn)一步計(jì)算各個(gè)交通狀態(tài)內(nèi)的車(chē)頭時(shí)距和相對(duì)速度.假設(shè)在調(diào)查路段中車(chē)輛勻速行駛，車(chē)頭時(shí)距為斷面2測(cè)得的數(shù)據(jù).相對(duì)速度為

(1)

式中：Δv為相對(duì)速度，m/s；v前車(chē)和v后車(chē)分別為前車(chē)和后車(chē)的速度，km/h；Δt前車(chē)為前車(chē)通過(guò)斷面1和斷面3的時(shí)間差；Δt后車(chē)為后車(chē)通過(guò)斷面1和斷面3的時(shí)間差；X為斷面1與斷面3的距離.

2) 在各交通狀態(tài)內(nèi)，繪制車(chē)輛的車(chē)頭時(shí)距與相對(duì)速度絕對(duì)值的曲線(xiàn)，從而建立車(chē)頭時(shí)距與宏觀(guān)速度之間的關(guān)系.曲線(xiàn)橫坐標(biāo)為車(chē)頭時(shí)距，縱坐標(biāo)為各車(chē)頭時(shí)距下的相對(duì)速度絕對(duì)值的平均值.

3) 在各交通狀態(tài)中，尋找車(chē)頭時(shí)距與相對(duì)速度變化曲線(xiàn)里由傾斜轉(zhuǎn)化為水平的轉(zhuǎn)折點(diǎn).曲線(xiàn)傾斜表示交通流處于跟馳狀態(tài)，曲線(xiàn)水平說(shuō)明交通流處于自由流，轉(zhuǎn)折點(diǎn)則為自由流和跟馳狀態(tài)的分界點(diǎn).

步驟3利用坐標(biāo)轉(zhuǎn)換法得到明確的車(chē)頭時(shí)距閾值.

相對(duì)速度法可以將交通流劃分為自由流狀態(tài)與跟馳狀態(tài)，但不能得到確切的閾值.利用坐標(biāo)變換法得到確切閾值，轉(zhuǎn)換過(guò)程見(jiàn)圖2.

圖2 坐標(biāo)變換法確定自由流與跟馳狀態(tài)閾值的過(guò)程

1) 建立坐標(biāo)系 以車(chē)頭時(shí)距為x軸，相對(duì)速度絕對(duì)值為y軸，建立車(chē)頭時(shí)距與相對(duì)速度絕對(duì)值曲線(xiàn)坐標(biāo)系.標(biāo)出點(diǎn)A、C，點(diǎn)A和點(diǎn)C分別為車(chē)頭時(shí)距為1 s和25 s時(shí)的相對(duì)速度絕對(duì)值.

2) 建立新坐標(biāo)系 點(diǎn)A為新坐標(biāo)系的原點(diǎn)，直線(xiàn)AC的延長(zhǎng)線(xiàn)x’是新坐標(biāo)系的x軸，作直線(xiàn)AC的垂直線(xiàn)y’，y’為新坐標(biāo)系的y軸.

3) 計(jì)算曲線(xiàn)各點(diǎn)在新坐標(biāo)下的坐標(biāo)值 在車(chē)頭時(shí)距與相對(duì)速度曲線(xiàn)上任取一點(diǎn)，以點(diǎn)B為例.畫(huà)點(diǎn)B到新坐標(biāo)系x軸和y軸的垂線(xiàn)，垂足分別為點(diǎn)E和點(diǎn)F，直線(xiàn)BE和BF的長(zhǎng)度分別為B點(diǎn)在新坐標(biāo)系中的y值和x值.

4) 確定車(chē)輛自由流與跟馳狀態(tài)的閾值 新坐標(biāo)系中y值最大的點(diǎn)就是曲線(xiàn)ABC的轉(zhuǎn)折點(diǎn)，舊坐標(biāo)系與之對(duì)應(yīng)的x值，即自由流與跟馳狀態(tài)的車(chē)頭時(shí)距閾值.

2.3 案例應(yīng)用

利用k-means聚類(lèi)方法對(duì)速度進(jìn)行聚類(lèi).CH值與交通狀態(tài)種類(lèi)數(shù)量曲線(xiàn)見(jiàn)圖3.當(dāng)聚類(lèi)數(shù)量K為3時(shí)，兩條道路上的CH均為最大值.因此，交通流分為三種狀態(tài)：暢通、緩慢和擁堵，具體閾值見(jiàn)表2.

圖3 CH與聚類(lèi)數(shù)量關(guān)系

表2 基于k-means的交通狀態(tài)劃分結(jié)果 單位：km/h

在暢通、緩慢和擁堵三種交通流狀態(tài)下繪制的車(chē)頭時(shí)距與相對(duì)速度絕對(duì)值曲線(xiàn)見(jiàn)圖4.有圖4可知：①緩慢狀態(tài)下，車(chē)頭時(shí)距與相對(duì)速度曲線(xiàn)的關(guān)系發(fā)生變化.隨著車(chē)頭時(shí)距的增加，相對(duì)速度先線(xiàn)性增加，隨后在某一數(shù)值范圍內(nèi)水平波動(dòng).緩慢狀態(tài)存在自由流和跟馳兩種交通狀態(tài).②暢通狀態(tài)和擁堵?tīng)顟B(tài)下，車(chē)頭時(shí)距與相對(duì)速度關(guān)系未發(fā)生改變.暢通狀態(tài)下，隨著車(chē)頭時(shí)距的增加相對(duì)速度變化不大，交通流為自由流；擁堵?tīng)顟B(tài)下，相對(duì)速度與車(chē)頭時(shí)距線(xiàn)性正相關(guān)，交通流為跟馳狀態(tài).

圖4 不同交通流狀態(tài)下車(chē)頭時(shí)距與相對(duì)速度絕對(duì)值關(guān)系

對(duì)處于緩慢交通狀態(tài)下的樣本進(jìn)行坐標(biāo)轉(zhuǎn)換，結(jié)果見(jiàn)表3.由表3可知：不可跨線(xiàn)路段跟馳臨界值均為5 s，可跨線(xiàn)路段跟馳臨界值均為8 s.當(dāng)車(chē)頭時(shí)距大于跟馳臨界值時(shí)，為自由流狀態(tài)；車(chē)頭時(shí)距小于跟馳臨界值時(shí)，為跟馳狀態(tài).在同區(qū)域同時(shí)間段內(nèi)，可跨線(xiàn)路段比不可跨線(xiàn)路段更早出現(xiàn)跟馳行為.

表3 緩慢交通流坐標(biāo)轉(zhuǎn)換結(jié)果

由上文可知，基于速度的宏觀(guān)聚類(lèi)方法將交通流分為暢通、緩慢和擁堵3個(gè)狀態(tài).相對(duì)速度法又將緩慢交通狀態(tài)劃分為自由流和跟馳狀態(tài).因此，本文將交通流分為四個(gè)狀態(tài)，分別為暢通自由流、緩慢自由流、緩慢跟馳、擁堵跟馳.見(jiàn)表4.

表4 主干路交通狀態(tài)劃分

3 對(duì)比分析

3.1 基于微觀(guān)交通流理論的車(chē)頭時(shí)距方法

基于微觀(guān)交通流理論的車(chē)頭時(shí)距法中，選擇相對(duì)速度絕對(duì)值法進(jìn)行比較.圖5為按照車(chē)頭時(shí)距劃分的2狀態(tài)結(jié)果.任一數(shù)據(jù)點(diǎn)與原點(diǎn)所連直線(xiàn)的斜率表示當(dāng)前流量、密度下的速度.直線(xiàn)斜率越大，說(shuō)明交通流的速度越大.實(shí)際交通中，當(dāng)交通流為自由流時(shí)，密度隨著流量的增加而增加，由于車(chē)輛之間的相互影響較小，因此速度變化較??；當(dāng)交通流為擁堵?tīng)顟B(tài)時(shí)，密度繼續(xù)增加，車(chē)輛之間的相互影響增大，速度和流量隨著密度的降低而降低.在圖5中每條道路出現(xiàn)兩處與真實(shí)交通流不符的現(xiàn)象.如圖5中黑圈Ⅰ中的交通流速度極高，卻將這部分交通流劃分為跟馳；黑圈Ⅱ中的交通流密度極高，速度相對(duì)較小，卻將交通流劃分為自由流.說(shuō)明相對(duì)速度絕對(duì)值法會(huì)將自由流中前后車(chē)輛距離較近的交通流劃分為跟馳，例如，早高峰之前，流量尚未達(dá)到擁擠流時(shí)，路段上游交叉口等待的車(chē)輛在綠燈放行后，車(chē)流中車(chē)輛之間間隔較近，但此時(shí)，交通流為自由流.在擁堵?tīng)顟B(tài)時(shí)，擁擠的車(chē)輛由于路段下游交叉口綠燈的放行使得路段較空，車(chē)輛以較大的車(chē)頭時(shí)距通過(guò)路段，從而將交通流誤判為自由流.因此，基于微觀(guān)交通流理論的車(chē)頭時(shí)距法適用于高速公路等非阻斷交通流，在城市主干路上的應(yīng)用效果較差.

圖5 基于車(chē)頭時(shí)距劃分的交通流狀態(tài)劃分結(jié)果

3.2 基于宏觀(guān)統(tǒng)計(jì)理論的聚類(lèi)方法

對(duì)速度采用k-means法聚類(lèi)得到的3～6個(gè)狀態(tài)流量-密度，如圖6所示.由圖6可見(jiàn)：當(dāng)交通狀態(tài)數(shù)大于3時(shí)，自由流均被分為兩個(gè)狀態(tài)，兩個(gè)狀態(tài)數(shù)據(jù)分布在兩條夾角很小的區(qū)域內(nèi)且交替出現(xiàn)，無(wú)法達(dá)到聚類(lèi)對(duì)同簇?cái)?shù)據(jù)差異最小的要求.實(shí)際交通中，密度隨流量增大而增大，交通流狀態(tài)應(yīng)逐步過(guò)渡，不應(yīng)出現(xiàn)交通狀態(tài)近似周期性交替的現(xiàn)象.此種情況的出現(xiàn)，可能是由于交通流受城市主干路信號(hào)燈管控導(dǎo)致的.

圖6 基于k-means法的交通流狀態(tài)劃分結(jié)果

除自由流外，其他交通流狀態(tài)的速度不重合，符合密度越大速度越低的實(shí)際情況.由此可知，聚類(lèi)分析對(duì)擁擠狀態(tài)劃分的準(zhǔn)確性較高.其中，基于宏觀(guān)統(tǒng)計(jì)理論的聚類(lèi)方法所得到的三狀態(tài)分類(lèi)效果最符合實(shí)際交通狀態(tài).

3.3 基于宏觀(guān)交通流理論的三相位法

三相位法劃分的交通狀態(tài)流量-密度結(jié)果見(jiàn)圖7.由圖7可見(jiàn)，三相流理論將擁堵進(jìn)一步劃分為亞穩(wěn)態(tài)同步流與穩(wěn)定同步流，此結(jié)論與現(xiàn)有研究一致.亞穩(wěn)態(tài)同步流與穩(wěn)定同步流的速度范圍基本重合.即同一個(gè)速度的交通流，可能是亞穩(wěn)態(tài)同步流，也可能是穩(wěn)定同步流.但實(shí)際交通流中，密度與速度線(xiàn)性相關(guān)，不應(yīng)出現(xiàn)同一個(gè)速度對(duì)應(yīng)兩個(gè)交通狀態(tài)的情況.

圖7 基于三相位法的交通流狀態(tài)劃分結(jié)果

3.4 本文所提劃分方法

本文所提方法將交通流劃分為四個(gè)狀態(tài)，分別為暢通自由流、穩(wěn)定自由流、穩(wěn)定跟馳和擁堵跟馳，其中，暢通自由流、穩(wěn)定自由流均為自由流.分類(lèi)結(jié)果見(jiàn)圖8.圖中K1～K4為從坐標(biāo)軸原點(diǎn)畫(huà)出的直線(xiàn)，其斜率分別表示各狀態(tài)的速度閾值，由圖8可以看出：

圖8 本文方法劃分的交通流狀態(tài)

1) 暢通自由流狀態(tài)下，車(chē)流速度快，密度低，所有數(shù)據(jù)近乎在同一條從坐標(biāo)軸原點(diǎn)畫(huà)出的直線(xiàn)上.該狀態(tài)下所有點(diǎn)的斜率幾乎大于其他狀態(tài)下所有點(diǎn)的斜率.說(shuō)明該狀態(tài)下，車(chē)速近乎相同.此結(jié)論符合在低密度情況下，駕駛員自由駕駛，車(chē)輛幾乎不受前后車(chē)輛影響的實(shí)際情況.

2) 穩(wěn)定自由流狀態(tài)下，車(chē)流速度與暢通自由流狀態(tài)下的車(chē)流相比稍微降低.該狀態(tài)下的所有數(shù)據(jù)不在同一直線(xiàn)上，而是在兩條夾角很小的直線(xiàn)之間(K1與K2)，其中K1與自由流狀態(tài)下數(shù)據(jù)描繪的直線(xiàn)近乎重合，K2位于此條直線(xiàn)下方.說(shuō)明該狀態(tài)下，隨著流量的增加，車(chē)速稍有下降，道路依然保持暢通狀態(tài).

3) 穩(wěn)定跟馳狀態(tài)下，流量隨著密度的增加而降低.該狀態(tài)下，所有數(shù)據(jù)在K2與K3兩條直線(xiàn)之間，且K2與K3夾角大于穩(wěn)定自由流狀態(tài)下K1與K2的夾角.說(shuō)明在穩(wěn)定跟馳狀態(tài)下，速度降低幅度較大.這符合實(shí)際交通流中，當(dāng)?shù)缆吠ㄐ心芰_(dá)到最大值后交通逐漸擁堵，車(chē)輛之間的影響加強(qiáng)的實(shí)際交通流情況.

4) 擁堵跟馳狀態(tài)下，流量隨著密度的增加繼續(xù)降低.該狀態(tài)的數(shù)據(jù)位于夾角最大的K3與K4兩條直線(xiàn)之間.說(shuō)明該狀態(tài)下，速度、流量降低幅度最大.該情況符合在交通密度較高時(shí)交通開(kāi)始阻塞，整條道路交通流呈現(xiàn)同步跟馳的交通流情況.

綜上，本文將自由流分為暢通自由流、穩(wěn)定自由流符合城市主干道受路段兩端交叉口信控影響形成的阻斷交通流運(yùn)行特征.流量相對(duì)較少時(shí)交通處于暢通自由流階段，信號(hào)燈可以較好地適應(yīng)交通流的運(yùn)行情況，車(chē)輛大概率可以不停車(chē)直接通過(guò)交叉口，且不受前后車(chē)輛影響；自由流流量增加到一定數(shù)量時(shí)處于穩(wěn)定自由流階段，路段上游交叉口出現(xiàn)少量等待綠燈放行的車(chē)輛，當(dāng)綠燈亮起時(shí)，排隊(duì)等待的車(chē)輛成群通過(guò)路段，但群內(nèi)車(chē)輛之間的微小干擾使得車(chē)輛速度略微降低.除自由流外，穩(wěn)定跟馳和擁堵跟馳兩個(gè)狀態(tài)的速度不重合，符合密度越大速度越低，密度與速度線(xiàn)性相關(guān)的實(shí)際情況.

4 結(jié) 束 語(yǔ)

本文設(shè)計(jì)了一種適用于城市主干路的交通流狀態(tài)劃分方法，該方法克服了現(xiàn)有方法只包含微觀(guān)交通流信息或宏觀(guān)交通流信息的不足.將主干路交通流劃分為4個(gè)狀態(tài)，分別為暢通自由流、穩(wěn)定自由流、穩(wěn)定跟馳和擁堵跟馳.與車(chē)頭時(shí)距法相比，本文所提方法能有效區(qū)分自由流和擁堵流，不存在將擁堵流判斷為自由流，自由流判斷為擁堵流的情況.與k-means聚類(lèi)方法將自由流劃分為兩個(gè)在自由流階段交替出現(xiàn)的交通狀態(tài)相比，本文劃分的暢通自由流、穩(wěn)定自由流更符合聚類(lèi)同簇內(nèi)的數(shù)據(jù)差異較小，不同簇內(nèi)的數(shù)據(jù)差異較大的要求，與城市道路阻斷交通流運(yùn)行特征相符.與三相流相比，本文將自由流劃分為暢通自由流、穩(wěn)定自由流，該劃分符合城市阻斷交通流的運(yùn)行特征，符合密度與速度線(xiàn)性相關(guān)的實(shí)際情況，且本方法能得到確切的交通流狀態(tài)閾值.因此本文所提方法分類(lèi)效果優(yōu)于常用交通狀態(tài)劃分方法，能有效地對(duì)城市主干路交通流狀態(tài)進(jìn)行分類(lèi).未來(lái)將進(jìn)一步驗(yàn)證本方法是否適用于城市次干路、無(wú)信號(hào)控制路段以及高速公路.