张瑞

摘 要：文章根据模糊数学的概念、流体力学等知识，在筛选海量数据后得出其相互关系，建立了道路畅通模型、拥堵预测模型以及新增车辆预测模型，分析道路畅通程度及预测道路拥堵状况，并进行了新增车辆的拥堵预测，最后对模型的合理性进行检验。

关键词：模糊数学；绿信比；拥堵阈值

中图分类号：TP274 文献标志码：A 文章编号：2095-2945（2019）19-0063-02

Abstract： In this paper， according to the concept of fuzzy mathematics， fluid mechanics and other knowledge， after screening massive data， the relationship between them is obtained， and the road smoothing model， congestion prediction model and newly-added vehicle prediction model are established. The smooth degree of road and the prediction of road congestion are analyzed， and the congestion prediction of new vehicles is carried out. Finally， the rationality of the model is tested.

Keywords： fuzzy mathematics； green signal ratio； congestion threshold

1 研究背景

交通基础设施是要素跨区域流动的重要媒介，通过时空大数据的积累，以要素流动所构成的交通流网络指示区域空间关系逐渐成为主流手段[1-2]。交通流网络在时空尺度上不断进行着动态演变，监测的数据具有动态性、多维性以及海量性。在城市道路交通管理中，通过对路面交通信息的采集、分析和应用，交通部门能够更好地掌握道路交通流现状，对交通流进行管理、调节和诱导，提高路网交通效率。本文基于2018年深圳杯D题，根据深圳市交通警察局提供的局部区域道路的交通卡口监测数据、出租车为主的浮动车数据以及互联网导航平台数据，对这些不同的道路交通监测数据进行融合分析。

2 道路畅通程度模型

2.1 道路畅通程度模型的建立

本文使用模糊数学的概念处理道路畅通度的问题，将畅通度分为“不畅通”、“不甚畅通”、“基本畅通”、“标准畅通”和“非常畅通”五类[3]。道路是否通畅可以通过当前速度与畅行速度之比稱之为行驶速度比Vr以及当前密度与阻塞密度Kj的比称之为流量密度比Kr来衡量。本文用行驶速度比和流量密度比来描述道路的畅通程度。

2.2 道路畅通程度模型的分析

本节建立的道路畅通程度模型结合主成分分析方法，利用SPSS软件，得出行驶速度比和流量密度比所占的权重，从而确定畅通程度与行驶速度比和流量密度比的线性关系为Cr=？琢（0.70×vr+0.28×kr），可计算得出修正系数？琢=1.02。基于已有数据随机选取主干道、支路、环路，每个路段分别抽取25日、26日、27日数据作为样本。结果如图1所示，从图中可以直观地看出，环道畅通程度指数最大，其次为主干道，最后为支路。结合视频数据，与该模型的结果相近，因此模型的合理性得到了验证。

3 拥堵预测模型

3.1 模型的建立

在交通流饱和的状态下，由于受周期时长的限制，交通需求大于信号交叉口的通行能力，信号交叉口会出现不同程度的拥挤堵塞现象，因此要根据信号交叉口绿信比预测道路拥堵变化[4]。利用流体力学的模型，结合莱特希尔和惠特汉[4]推导的车流波传播公式vw=vf（1-2？浊），可得出停车产生的波为v1=-vf？浊1，发车产生的波为v2=-vf？浊2。因此可以求出红灯时段内累计的车辆数L1=Tr×（-vf？浊1）；同理可得，绿灯时段内放行的车辆数L2=Tg×（-vf？浊2）；其中，Tr为红灯持续时间（小时），Tg为绿灯持续时间（小时）。当|L2|？叟|L1|时；即Tg|Vf|？叟Tr|Vf|？浊1，Tg？叟Tr×？浊1，。

3.2 模型的分析

依据格林希尔兹[4]提出的指数模型k1=（1-）kj，不同级别道路中畅行速度vf和阻塞密度kj不同，根据不同路段畅行速度与阻塞密度的不同，求出不同道路拥堵阈值，如图2所示。结果表明，根据交叉路口信号的绿灯与红灯的持续时间之比以及车辆行驶平均速度可以了解道路拥堵情况。依据实际情况，不同等级的道路拥堵阈值不同。在拥堵阈值以内会发生拥堵，在阈值以外道路畅通。通常情况下，比值越大，速度越小，越容易造成道路拥堵。结合视频数据，与该模型的结果近似，因此模型的合理性得到了检验。

4 新增车辆拥堵预测

4.1 新增车辆单一影响

5 模型评价

本文从大量指标中选取最基本的三个指标衡量交通流的状态，把复杂问题简单化；同时使用模糊数学的概念处理道路畅通度的问题，简化实际问题；根据不同道路级别的拥堵阈值与畅行速度的关系曲线图得出拥堵阈值，能快速准确地对实际道路畅通程度作出预测。但本文的模型仅考虑了道路正常运转时的交通情况，具有一定的局限性，还可以在特殊状况导致道路拥堵的条件下对该问题进行深入研究；其次，一些次要因素对实际结果的影响被忽略，使结果精度降低，导致最终结果存在一定误差，与实际情况存在出入。最后经过对缺点的详细分析，得出改进方式如下：应对更多指标进行深层次分析，并在研究道路畅通程度时考虑多种因素，减少数据误差，使结果与实际情况更加接近。

参考文献：

[1]王海江，苗长虹.中国中心城市铁路客运的空间联系及其结构图谱[J].地理研究，2015，34（I）：157-168.

[2]罗震东，何鹤鸣，耿磊.基于客运交通流的长江三角洲功能多中心结构研究[J].城市规划学刊，2011（2）：16-23.

[3]刘元林，刘勇，李红伟，等.道路畅通度模糊评价及其模型[J].武汉大学理工学报，2011，35（5）：892-895.

[4]李作敏.交通工程学（第2版）[M].人民交通出版社，2000.