CN101814235A - 预约集港模式下的港区交通疏导配流方法 - Google Patents

Abstract

本发明属港区交通管理技术领域，涉及一种预约集港模式下的港区交通疏导配流方法，用于有两个目标终点的港区交通疏导配流，按照下列几个方面实现疏导配流：建立和初始化知识库；评价诱导策略；阶段判断；诱导学习；生成路网状态对应的诱导策略。港区交通管理部门可根据本发明方法在各关键路口设置诱导标志，使集港交通流均衡，充分利用交通设施特别是港区道路通行能力，从而达到对群体诱导的有益效果。

Description

预约集港模式下的港区交通疏导配流方法

技术领域

本发明属于港区交通管理技术领域，涉及一种港区交通疏导配流方法。

背景技术

随着地区和国际贸易的发展，港区交通拥堵现象日益严重。如何缓解港区交通拥堵，提升港口的综合通过能力和服务水平成为研究的热点。现实表明，单纯依靠修建道路、增加交通设施和采用传统的管理方式来解决港区交通问题，其效果是十分有限的，难以有效地解决港口存在的交通问题。因此寻求新的交通管理、组织方法，借以指导、检验和再现港区道路交通规划设计工作，使方案能够做到土地利用集约、交通供给高效、规划设计与管理结合密切等要求，成为当前港区交通管理亟待解决的重要工作之一。

早在30多年前人们就提出了智能交通系统(ITS)的概念，它被认为是本世纪解决交通问题最重要的措施之一，这也为缓解港区交通问题指出了新的方向。在ITS涉及的各种手段和方法中，疏导配流(诱导)是真正能够提高系统效能、保证交通安全的交通管理手段之一。预约集港模式下，以后方堆场为出发点，前方堆场为目的地的交通流向较为稳定，这为港区交通疏导配流提供了条件。

发明内容

本发明的目的是提供一种适用于港区交通管理的港区交通疏导配流方法，以缓解港区交通拥堵现象，提升港口的综合通过能力和服务水平。为此本发明采用如下的技术方案。

一种预约集港模式下的港区交通疏导配流方法，用于有两个目标终点的港区交通疏导配流，在确定预约集港模式下的港区交通流状态拓扑结构后，对于需要建立交通疏导配流的路段g(h)，设置诱导信息标志h显示屏，在显示屏上动态显示诱导策略，并按照下列几个方面实现疏导配流：

(1)建立和初始化知识库：建立一个用来存储路网状态-诱导效果-诱导策略的知识库，并存储根据诱导效果更新下次诱导策略的更新方向信息，初始化知识库；

(2)评价诱导策略：以目标区域均衡度为目标函数，在下一诱导周期对上一诱导周期诱导效果进行评价，评价步骤如下：

a.从上游第u_m(h)级路段开始，将该路段的交通流往其下一级路段折算，折算的依据是该路段在下一周期被诱导的交通流量，最后形成上游路段交通流状态分量N_T ^h级饱和度。

b.计算g(h)下游目标区域路段r_d交通流状态分量饱和度： $S_{g\left(h\right)}^d\left(r_d\right)=\frac{N_T^h}{C_{l_d}}\left({\mathrm{\β}}_{r_d}\frac{l_{r_d}^x{N}_V^{r_d}}{l_{r_d}}\right),$ 其中

为路段r_d的通行能力，

为路段r_d在目标区域的长度与路段r_d的实际长度之比，

为路段r_d当前车辆数， ${\mathrm{\β}}_{r_d}=\frac{l_{r_d}^x/v_{r_d}+l_{r_d}^s/v_{r_d}^s}{T},$ 其中

表示路段r_d上车辆的平均行驶速度，

表示路段r_d上车辆通过其下游路段的路径长度，

表示路段r_d下游路径的平均行驶速度；

c.计算各个目标区域的饱和度 $S_{g\left(h\right)}^{o_i}=\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{\mathrm{\γ}}_{r_j}{S}_{g\left(h\right)}^d\left(r_j\right),$ 其中，

为g(h)上的诱导信息标志诱导的交通流目标终点o_i对应的目标区域内的路段数量，

为路段r_j的权重， ${\mathrm{\γ}}_{r_j}=\frac{N_V^{r_j}}{\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{N}_V^{r_j}};$

d.设待计算的诱导周期为p，计算诱导信息标志h在周期p均衡度：

其中，

表示诱导周期p目标区域oⁱ的饱和度， $S_{g\left(h\right)}^o\left(p\right)=\underset{i\∈o_h}{\mathrm{\Σ}}{S}_{g\left(h\right)}^{o_i}\left(p\right)/N_h$ 表示诱导周期p所有目标区域的平均饱和度；N_O ^h表示诱导单元h的目标区域数量；O_h表示诱导单元h的目标区域集合。

(3)阶段判断：如果当前阶段为学习阶段，根据目标区域均衡度，当前诱导策略连续δ次优于次最优策略，则进入稳定阶段；如果当前阶段为稳定阶段，且目标区域均衡度连续ω次比最优目标函数值差，则进入学习阶段；

(4)诱导学习：设两个目标终点为i，j  ，若 $S_{g\left(h\right)}^{o_i}\left(p\right)>S_{g\left(h\right)}^{o_j}\left(p\right),$

θ为诱导强度变化阈值，则诱导标志诱导学习规则是：下游中间路段按实际饱和度显示诱导强度；如果d_i＝0，目标区域i，j对应下游路段诱导强度不变化；如果d_i等于1，则在诱导强度的取值范围内，提高目标终点j对应下游路段方向的诱导强度；如果d_i大于等于2，则在诱导强度的取值范围内，提高目标终点j对应下游路段方向的诱导强度，降低目标终点i对应下游路段方向的诱导强度。

(5)生成路网状态对应的诱导策略：如果是学习阶段，则将学习结果生成的诱导策略更新为路网状态对应的诱导策略；如果是稳定阶段，则将最佳诱导策略设置为路网状态对应的诱导策略。

港区交通疏导配流方法，若诱导影响的上游路段交通流范围包含两级路段，则g(h)上游路段交通流状态分量饱和度计算公式可以为：

$S_{g\left(h\right)}=\frac{N_T^h}{C_{g\left(h\right)}}({\mathrm{\α}}_{g\left(h\right)}{N}_V^{g\left(h\right)}+\underset{k=1}{\overset{n_u\left[g\left(h\right)\right]}{\mathrm{\Σ}}}{r}_{g_u^k\left(h\right),g\left(h\right)}{\mathrm{\α}}_{g\left(h\right)}{N}_V^{g_u^k\left(h\right)})$

其中N_V ^g(h)为诱导信息标志所在路段h上的车辆数；

为从路段g_u ^k(h)转入到路段g(h)的转弯率；

C_g(h)为路段g(h)的通行能力；

α_g(h)为路段g(h)上车辆数对诱导的影响程度，其估计公式为 ${\mathrm{\α}}_{g\left(h\right)}=\frac{l_{g\left(h\right)}^s}{l_{g\left(h\right)}}\frac{(T-l_{g\left(h\right)}/{2v}_{g\left(h\right)})}{T},$ 公式中第一项

为从上游路口到最近可视点的距离与路段g(h)长度的比；l_g(h)/2v_g(h)表示路段g(h)上下一周期进入诱导目标区域的平均行驶时间，T-l_g(h)/2v_g(h)表示路段g(h)上车辆在下一周期目标区域的平均统计时间。

本发明的有益效果有：驾驶员可根据诱导方向选择下游路段，保证在选择的路径基础上以较短的时间到达目标终点，一方面满足了其出行需要，另一方面也保证其下次服从诱导信息，从而达到对个体诱导的有益效果。港区交通管理部门可根据本发明方法在各关键路口设置诱导标志，使集港交通流均衡，充分利用交通设施特别是港区道路通行能力，从而达到对群体诱导的有益效果。

附图说明

图1诱导信息标志的设置示意图。

图2港区交通流状态拓扑结构。

图3出口业务流程。

图4上下游路段交通流状态。

图5预约集港模式下的港区交通诱导框架。

图6仿真路网图。

图7无诱导情况下港区路网均衡度曲线图。

图8有诱导，状态变量不包含交通需求分量港区路网均衡度曲线图。

图9有诱导且包含状态需求分量港区路网均衡度曲线图。

具体实施方式

1 港区交通诱导模式及交通流状态拓扑结构分析

1.1 港区交通疏导配流模式

港区交通诱导采用分目标终点群体诱导模式。由于港区路网较为简单，预约集港模式下交通流主要流向明确且目标终点较少，可在关键路段设置诱导信息标志，显示针对不同目标终点的诱导信息。如图1所示。

诱导信息标志采用悬挂式设计，设置位置在距路口100米左右。诱导信息标志显示的诱导信息是用不同颜色箭头表示的针对不同目标终点的诱导强度，驾驶员根据诱导强度，以一定的诱导服从率通过前方路口。目标终点是根据前后方堆场位置及交通调查数据确定的，通常港区港区目标终点少，2个就够了，路段交通流对应的目标终点在2-3个左右。诱导强度是考虑下一个诱导周期预测交通流及诱导服从率之后的综合诱导信息，分为三级，分别用绿、黄、红三种颜色表示，对应颜色的箭头意义如下表1所示。

      表1 不同颜色箭头对应的诱导强度

数据库存储值	颜色	拥堵状况
			2	绿	指示对应路径通畅
1	黄	指示对应路径一般拥堵
			0	红	指示对应路径很拥堵

1.2 基于交通诱导的港区交通流状态拓扑结构分析

预约集港模式下二次集港期间，港区交通流主要方向为后方堆场到前方堆场，根据前方堆场的位置分布，可将这些堆场分片划分为不同的目标终点，用标志性地名表示，在诱导信息标志上显示。如图2所示，路段30上设置了诱导信息标志，将交通流引导到下游路段14、路段2和路段1，这些引导到下游路段的交通流将分向目标区域1、目标区域2和目标区域3。生成诱导强度时，不能仅仅考虑与路段30相邻的下游路段14、2、1的拥堵程度，还应考虑从这些下游路段到各目标终点路径的拥堵程度，如将大部分目标终点2的交通流引导到路段2时，经过路段2、路段5到达目标终点2的路径行驶时间应该比其它路径短得多。目标区域是引导后的交通流下个诱导周期在路网上的分布区域，一方面用来得到引导到下游路段后的交通流到目标终点可能的路径分布，另一方面用来对上周期的诱导效果进行评价，作为生成更好的诱导信息的基础。

2 预约集港模式下的集港业务流程

以集装箱出口业务为例，采用“预约集港”模式后，其集港简易流程可用图3表示。由船公司委托船代A，船代向天津港(集团)业务部发布预报B；业务部向指定作业码头公司C，相应码头向业务部申请动态D；业务部向船代、码头公司、引航、交关中心等单位下发动态E。船代收到动态后，通知货代G，货代通知货物所在的后方堆场，准备车辆发货H，货物从后方堆场运送到前方堆场I，准备装船。

从以上过程可以看出，在“预约集港”模式下，业务部下发的动态信息经过船代、货代(多个)，直接影响多个后方堆场，而这种由船代到货代，货代到后方堆场的对应关系是确定的，这为港区交通需求预测提供了便利。

3 预约集港模式下的港区交通流影响因素分析

预约集港模式下，港区交通流由业务部下发动态信息驱动，经船代、货代传递后形成从后方堆场到前方堆场的交通流，而诱导路段短时交通流的诱导受上游路段和下游目标区域的交通状况影响。因此，影响路网交通流状态的因素包含三个方面，一是上游路段交通流状态，二是下游目标区域的交通流状况，三是交通需求。

3.1 上游路段交通流状态

诱导的交通流是在下一诱导周期看到诱导信息的驾驶员，因此需要考虑一个周期内进入路段诱导信息可见范围内的车辆。如图4所示，图中诱导信息可视距离表示驾驶员在离诱导信息标志这个距离范围内，如果诱导信息发生改变，也不会改变已根据上个诱导信息选择的下游路段。路段34上设置诱导信息标志，目标终点1、目标终点2如右边黑色矩形所示，设诱导周期长300秒，考虑交通信号灯的影响，车辆在路段34及上游路段的平均行驶速度为10m/s，则一个周期内被诱导的交通流的范围应为从诱导信息可视点(图4中圆点)向上游路段延伸3000米，即图中扇形区域覆盖范围内的路段22，16，19及34(粗虚线所示)。由于路段34的上游路段22，16，19的交通流不会完全进入路段34被诱导，因此需要考虑路段34上游路段的转弯率，这可以根据上N_s个诱导周期的加权平均转弯率加以预测。

3.2 下游目标区域的交通流状况

下游路段交通流状态一方面可用来判断上一周期的诱导效果，如果一个周期距离范围内的下游路段组成的路网交通流分布均衡，则诱导效果明显，否则有待改善。另一方面，下游路段拥堵程度可作为生成诱导信息的依据，例如路段52非常拥堵，则诱导单元1生成诱导信息时将考虑这一因素，将更多的交通流引导到更通畅的路段38，路段39。同上游路段交通流状态类似，下游目标区域也需要考虑一个诱导周期行驶距离内的路段范围，如图4粗实线表示的路段。

3.3 交通需求分析

与城市交通需求不同，预约集港模式下的港区交通需求主要与集港船舶数量，船舶容量大小，集港时间，揽货风格及货代特征有关。集港船舶数量、船舶容量大小对集港交通需求总量有直接影响，决定着集港时间段内从后方堆场到前方堆场OD总量的大小。集港时间主要影响交通流时间分布规律，从集港开始到集港结束，不同时间段交通总流量的大小服从一定规律。揽货风格及货代决定了集港交通流的空间分布，每类揽货风格的集港船及货代揽货时都集中相对比较固定的后方堆场，从而也就决定了从后方堆场到前方堆场交通流的主要路径。由于港口有多个泊位，因此存在多只船舶同时集港的现象，这些船舶产生的交通需求在统计其时间和空间分布规律后可以直接叠加。交通需求预测的准确性是诱导有效性的重要条件，经过多年运营后的港口有巨量历史数据，可根据本节分析提取相应特征，采用非参数回归方法进行预测。

4 预约集港模式下的港区交通诱导路网设计

4.1 诱导单元路段的表达

设诱导信息标志h所在路段记为g(h)，与g(h)相邻的上游(用符号u标识)路段(g(h)的第一级上游路段)依顺时钟方向分别用g_u ¹(h)，g_u ²(h)，…，

表示，其中n_u[g(h)]为g(h)的第一级上游路段数；与g_u ^j(h)(j＝1，2，…，n_u[g_u ^j(h)])相邻的上游路段(即g(h)的第二级上游路段)依顺时钟方向分别用g_u ^j1(h)，g_u ^j2(h)，…，

表示，依此类推，设在一个诱导周期内，g(h)的上游路段最大级数为u_m(h)。类似地，对与g(h)相邻的下游(用符号d标识)路段依顺时钟方向分别用g_d ¹(h)，g_d ²(h)，…，

表示(g(h)的第一级下游路段)，其中n_d[g(h)]为g(h)的下游路段数量；与g_d ^j(h)(j＝1，2，…，n_d[g_d ^j(h)])相邻的下游路段(即g(h)的第二级下游路段)依顺时钟方向分别用g_d ^j1(h)，g_d ^j2(h)，…，表示，依此类推，设在一个诱导周期内，g(h)的下游路段最大级数为d_m(h)。图4中，g(1)为路段34，g_u ¹(2)为路段19，g_u ²(2)为路段16，其它路段依此类推。

4.2 上游路段交通流状态分量设计

由3.1分析可知，上游u_m(h)级路段都是在下一周期被诱导的交通流，因此都应进行考虑。考虑到描述的复杂度及预测收敛性的要求，本发明用一个分量表示上游路段交通流状态。采用的方法是从上游第u_m(h)级路段开始，将该路段的交通流往其下一级路段折算，折算的依据是该路段在下一周期被诱导的交通流量，最后形成的上游路段交通流状态分量用N_T ^h级饱和度表示。具体计算方法参见钟石泉，马寿峰，贺国光撰写的交通诱导系统路网交通状态描述方法及仿真研究(出处：系统工程学报.2009，24(1)：25-31)一文。设诱导影响的上游路段交通流范围包含两级路段，则g(h)上游路段交通流状态分量饱和度计算公式为：

$S_{g\left(h\right)}=\frac{N_T^h}{C_{g\left(h\right)}}({\mathrm{\α}}_{g\left(h\right)}{N}_V^{g\left(h\right)}+\underset{k=1}{\overset{n_u\left[g\left(h\right)\right]}{\mathrm{\Σ}}}{r}_{g_u^k\left(h\right),g\left(h\right)}{\mathrm{\α}}_{g\left(h\right)}{N}_V^{g_u^k\left(h\right)})---\left(1\right)$

其中N_V ^g(h)为诱导信息标志所在路段h上的车辆数；

为从路段g_u ^k(h)转入到路段g(h)的转弯率；

C_g(h)为路段g(h)的通行能力；

α_g(h)为路段g(h)上车辆数对诱导的影响程度。

上式中α_g(h)主要考虑当前路段的交通流量进入到下游目标区域后，在下一诱导周期的总行驶时间，由诱导覆盖的上游路段长度、最小诱导信息可视点位置及该路段的车辆平均行驶速度决定。其估计公式为 ${\mathrm{\α}}_{g\left(h\right)}=\frac{l_{g\left(h\right)}^s}{l_{g\left(h\right)}}\frac{(T-l_{g\left(h\right)}/{2v}_{g\left(h\right)})}{T},$ 公式中第一项

为从上游路口到最近可视点的距离与路段g(h)长度的比，意义是当前路段g(h)上的车辆在下一周期进入诱导目标区域的比例；l_g(h)/2v_g(h)表示路段g(h)上下一周期进入诱导目标区域的平均行驶时间，T-l_g(h)/2v_g(h)表示路段g(h)上车辆在下一周期目标区域的平均统计时间。因此α_g(h)表示的意义是当前路段车辆在下一诱导周期对目标区域的影响程度，其取值范围是(0，1)。

4.3 下游目标区域的交通流状况

下游目标区域的当前交通流状况影响下一诱导周期目标区域的拥堵程度，但不同路段的影响程度是不一样的，主要由当前车辆在下一诱导周期内在目标区域路段停留的时间决定。则g(h)下游目标区域路段r_d交通流状态分量饱和度计算公式为： $S_{g\left(h\right)}^d\left(r_d\right)=\frac{N_T^h}{C_{l_d}}\left({\mathrm{\β}}_{r_d}\frac{l_{r_d}^x{N}_V^{r_d}}{l_{r_d}}\right),$ 其中为路段r_d的通行能力，

为路段r_d在目标区域的长度与路段r_d的实际长度之比，

为路段r_d当前车辆数，

为路段r_d对目标区域拥堵的影响程度系数，

与路段r_d的车辆通过目标区域的时间决定，通过的时间长则影响大，时间短则影响小， ${\mathrm{\β}}_{r_d}=\frac{l_{r_d}^x/v_{r_d}+l_{r_d}^s/v_{r_d}^s}{T},$ 其中

表示路段r_d上车辆的平均行驶速度，

表示路段r_d上车辆通过其下游路段的路径长度，表示路段r_d下游路径的平均行驶速度。目标区域的饱和度是区域内各路段饱和度的加权平均，即 $S_{g\left(h\right)}^{o_i}=\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{\mathrm{\γ}}_{r_j}{S}_{g\left(h\right)}^d\left(r_j\right),$ 为g(h)上的诱导信息标志诱导的交通流目标终点o_i对应的目标区域内的路段数量，

为路段r_j的权重， ${\mathrm{\γ}}_{r_j}=\frac{N_V^{r_j}}{\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{N}_V^{r_j}}.$

4.4 交通需求状态分量设计

虽然从路网交通流拓扑结构直观上分析，在一个周期内交通需求对诱导交通流的影响并不大，但实际上还存在很多影响诱导交通流的潜在的因素，主要路段交通流构成比例、从上游路段进入诱导区域的转弯率，这些都需要根据交通需求的特征进行分类后，由统计规律确定，因此路网状态的描述应该包括交通需求部分。交通需求状态分量设计考虑不同时段上游路段车辆进入路段g(h)的转弯率区间及综合后路段g(h)上的不同目标终点的车辆构成比例这两个因素。第p诱导周期上游路段g_u ^k(h)到路段g(h)的转弯率 $r_{g_u^k\left(h\right),g\left(h\right)}^p=\mathrm{\θ}\underset{i=p}{\overset{p-2}{\mathrm{\Σ}}}{r}_{g_u^k\left(h\right),g\left(h\right)}^i/3+\left(1-\mathrm{\θ}\right)r_{g_u^k\left(h\right),g\left(h\right)}^t\left(p\right),$ 即考虑上三个诱导周期的平均转弯率与根据交通需求特征统计的该时段转弯率的加权平均，θ为交通需求特征系数。

4.5 路网交通流状态向量的构造

不同的路网结构，交通流状态向量组成是不一样的，状态向量分量的数量与路网结构、主要目标终点位置及数量、诱导周期和平均车速等因素有关。本发明标准十字路口和两个目标终点为例介绍路网交通流状态向量的构造。因为上游路段的交通流都能通过公式(1)转化到路段g(h)，因此可采用一个分量描述上游路段交通流，即g(h)上游路段交通流饱和度。下游目标区域的数量为目标终点数量，本例的目标区域数量为2，因此采用两个分量对其进行描述。计算交通流到不同目标终点的比例构成时，只要知道目标终点数量减1个比例后，最后一个目标终点交通流的比例为剩下部分。因此交通需求分量数量为路段g(h)直接相交的上游路段数量与目标终点数量的和减1。以图4为例，路网交通流状态向量的构造如下表所示。

         表2 交通流状态向量的构造

分量位置	描述	图1中对应路段
			1	上游路段转化到g(h)的饱和度	34
2	目标终点1对应的目标区域饱和度	39，50，52
			3	目标终点2对应的目标区域饱和度	38，52，54
4	上游路段到g(h)的转弯率1	19-34
			5	上游路段到g(h)的转弯率2	16-34
6	上游路段到g(h)的转弯率3	22-34
			7	路段g(h)上目标终点1对应的交通流比例	-

4.6 目标区域均衡度

智能交通诱导系统的目标是路网交通流的均衡，使交通流均匀地分布在各路段上，从而达到充分利用道路网通行能力的目的。诱导信息标志h在周期p均衡度

计算公式为

其中

表示诱导周期p目标区域oⁱ的饱和度， $S_{g\left(h\right)}^o\left(p\right)=\underset{i\∈o_h}{\mathrm{\Σ}}{S}_{g\left(h\right)}^{o_i}\left(p\right)/N_h$ 表示诱导周期p所有目标区域的平均饱和度。N_O ^h表示诱导单元h的目标区域数量；O_h表示诱导单元h的目标区域集合。

5 预约集港模式下的港区交通诱导框架

预约集港模式下的港区交通诱导框架如图5所示。

初始化知识库：知识库是用来存储路网状态-诱导效果-诱导策略的数据库，并存储根据诱导效果更新下次诱导策略更新方向信息。知识库的初始化主要是生成各状态对应得初始诱导策略。本发明方法初始化时，采用对所有路网状态的初始策略都是将交通流均匀分配到下游路段。如诱导标志所在路段有三条下游路段时，采用的初始诱导策略是都显示绿色，即诱导强度均为2∶2∶2。

评价诱导策略：诱导效果在当前周期是无法评价的，根据目标区域的设置特点，本发明采用的是在下一诱导周期对上一诱导周期诱导效果进行评价，目标函数为目标区域均衡度。

阶段判断：阶段判断是决定是否学习的模块。学习阶段是没有确定路网状态对应的最佳诱导策略，有待学习的阶段；稳定阶段是已经确定了路网状态对应的最佳诱导策略，稳定适应该策略的阶段。如果当前阶段为学习阶段，且当前诱导策略连续δ次优于次最优策略，则进入稳定阶段；如果当前阶段为稳定阶段，且目标区域均衡度连续ω次比最优目标函数值差，则进入学习阶段。本发明初始化时，所有路网状态对应的诱导策略都是学习阶段策略，δ＝3，ω＝4。

诱导学习：诱导学习模块的功能是决定学习方向，生成更好的诱导策略。设具诱导区域有两个目标终点i，j， $S_{g\left(h\right)}^{o_i}\left(p\right)>S_{g\left(h\right)}^{o_j}\left(p\right),$

θ为诱导强度变化阈值，取θ＝0.15。则诱导标志诱导学习规则是：下游中间路段按实际饱和度显示诱导强度，即饱和度0-0.5诱导强度为2，0.5-0.75诱导强度为1，0.75-1诱导强度为0；如果d_i＝0，目标区域i，j对应下游路段诱导强度不变化；如果d_i等于1，则目标终点j对应下游路段方向的诱导强度加1(为2时不操作)；如果d_i大于等于2，则目标终点j对应下游路段方向的诱导强度加1(为2时不操作)，目标终点i对应下游路段方向的诱导强度减1(为0时不操作)。

生成路网状态对应的诱导策略：如果是学习阶段，则将学习结果生成的诱导策略更新为路网状态对应的诱导策略；如果是稳定阶段，则将最佳诱导策略设置为路网状态对应的诱导策略。

6 仿真实验及分析

6.1 仿真实验

为了说明本发明设计的上述港区交通诱导路网状态描述方法的有效性及态提取参数对诱导效果的影响，本发明设计了三组比较实验，分别为无诱导、有诱导但状态变量不包含交通需求分量，有诱导且包含状态需求分量三种情况，分别用实验一、实验二、实验三表示。仿真实验在开发的基于元胞自动机原理的微观仿真平台上进行，采用的路网为天津港北疆港区交通路网，如图6。诱导周期设为200s，诱导信息标志设置在路段6上，将4个前方堆场划分为2个目标终点，两个目标区域如下表2所示。后方堆场主要分布在路段1，2，4，7，8附近，主交通流方向为后方堆场到前方堆场，如图中大箭头所示。仿真路网主要数据如表3所示，仿真参数见表4。

                    表3 路网主要路段数据

路段	长度(m)	通行能力(pcu/h)	平均车速(km/h)	所属诱导区域
					1	740	1800	19	-
2	1360	2400	22	上游路段
					3	490	1600	17	上游路段
4	740	1900	19	-
					5	310	1500	17	目标区域1，2共有路段
6	740	1800	19	诱导标志所在路段
					7	740	1900	20	-
8	740	1900	20	-
					9	480	1600	17	目标区域1路段
10	480	1500	18	目标区域1路段
					11	420	1500	17	目标区域1路段
12	270	1400	17	目标区域2路段
					13	740	1900	19	目标区域2路段
14	640	1700	19	-
					15	640	1700	18	目标区域1路段
16	640	1700	19	目标区域1路段
					17	340	1400	17	目标区域1，2共有路段
18	340	1400	17	-
					19	270	1300	17	目标区域2路段
20	340	1300	17	目标区域2路段
					21	310	1500	17	目标区域2路段
22	310	1500	17	目标区域2路段
					23	330	1400	17	目标区域2路段
24	310	1500	17	-
					25	290	1300	16	目标区域2路段
26	810	1900	20	-
					27	480	1600	18	-
28	480	1600	18	-
					29	420	1600	17	-
30	270	1400	17	目标区域2路段

路段	长度(m)	通行能力(pcu/h)	平均车速(km/h)	所属诱导区域
					31	330	1300	17	目标区域2路段
32	290	1400	16	-
					33	580	1700	18	-

6.2 实验结果

采用式(2)来评价诱导效果，3次仿真试验1000个诱导周期内的均衡度如下表4，图7-9所示。

               表4 不同情况下的港区路网均衡度

周期	1-200	201-400	401-600	601-800	801-1000
						实验一	0.79	0.81	0.81	0.80	0.81
实验二	0.77	0.87	0.79	0.90	0.91
						实验三	0.80	0.91	0.93	0.95	0.95

6.3 实验分析

1)由表3及图7可知，在无诱导条件下，路网均衡度度较差，仿真1000周期内，均衡度波动幅度较大且各时间段内平均值无明显变化，说明无诱导下，路网能力存在利用不充分的情况，部分路段拥堵严重，交通状况较差。

2)由表3及图8可知，在有诱导但状态变量不包含交通需求分量条件下，200诱导周期后诱导效果较为明显，随着仿真的进行，路网均衡度有逐步变高的趋势，801-1000诱导周期内均衡度已经达到0.9以上，路网能力利用较为充分。从图8可看出，在480-600诱导周期内有一段均衡度较差的时段，这是因为从450诱导周期开始，增加了一个前方码头作业。实验二条件下，交通需求特征系数θ取值为0，表示预测g(h)所在路段交通量时没有考虑交通需求特征的影响，完全按照前三个周期的转弯率进行预测，因此当交通需求特征发生改变时，该诱导状态分量不能在短时间内反映交通流的真实状况，所以均衡度出现了约150周期的较大波动。

3)由表3及图9可知，有诱导且包含状态需求分量条件下，400诱导周期后取得了明显的诱导效果，均衡度稳定在0.93以上，波动较小，交通流几乎均匀分布在各路段上，路网能力得到充分利用。与实验二相比，实验三条件下诱导效果稳定时间较长，这是因为考虑需求特征后，交通诱导路网状态状态向量增加了3个分量，导致其诱导效果收敛速度相对较慢，但是400诱导周期的真实时间约2个小时，相对于一般集港几十个小时的时间，诱导效果收敛速度完全可以接受。另外，400周期后，实验三条件下的路网均衡度比实验一和实验二条件下分别高16.9％和8.8％，说明实验三条件下的诱导效果更为明显。

Claims (2)

1.一种预约集港模式下的港区交通疏导配流方法，用于有两个目标终点的港区交通疏导配流，在确定预约集港模式下的港区交通流状态拓扑结构后，对于需要建立交通疏导配流的路段g(h)，设置诱导信息标志h显示屏，在显示屏上动态显示诱导策略，并按照下列几个方面实现疏导配流：

(1)建立和初始化知识库：建立一个用来存储路网状态-诱导效果-诱导策略的知识库，并存储根据诱导效果更新下次诱导策略的更新方向信息，初始化知识库；

(2)评价诱导策略：以目标区域均衡度为目标函数，在下一诱导周期对上一诱导周期诱导效果进行评价，评价步骤如下：

a.从上游第u_m(h)级路段开始，将该路段的交通流往其下一级路段折算，折算的依据是该路段在下一周期被诱导的交通流量，最后形成上游路段交通流状态分量N_T ^h级饱和度。

b.计算g(h)下游目标区域路段r_d交通流状态分量饱和度：

$S_{g\left(h\right)}^d\left(r_d\right)=\frac{N_T^h}{C_{l_d}}\left({\mathrm{\β}}_{r_d}\frac{l_{r_d}^x{N}_V^{r_d}}{l_{r_d}}\right),$ 其中

为路段r_d的通行能力，

为路段r_d在目标区域的长度与路段r_d的实际长度之比，

为路段r_d当前车辆数， ${\mathrm{\β}}_{r_d}=\frac{l_{r_d}^x/v_{r_d}+l_{r_d}^s/v_{r_d}^s}{T},$ 其中

表示路段r_d上车辆的平均行驶速度，

表示路段r_d上车辆通过其下游路段的路径长度，

表示路段r_d下游路径的平均行驶速度；

c.计算各个目标区域的饱和度 $S_{g\left(h\right)}^{o_i}=\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{\mathrm{\γ}}_{r_j}{S}_{g\left(h\right)}^d\left(r_j\right),$ 其中，

为g(h)上的诱导信息标志诱导的交通流目标终点o_i对应的目标区域内的路段数量，

为路段r_j的权重， ${\mathrm{\γ}}_{r_j}=\frac{N_V^{r_j}}{\underset{j=1}{\overset{N_d^{o_i}\left(g\left(h\right)\right)}{\mathrm{\Σ}}}{N}_V^{r_j}};$

d.设待计算的诱导周期为p，计算诱导信息标志h在周期p均衡度：其中，

表示诱导周期p目标区域oⁱ的饱和度， $S_{g\left(h\right)}^o\left(p\right)=\underset{i\∈o_h}{\mathrm{\Σ}}{S}_{g\left(h\right)}^{o_i}\left(p\right)/N_h$ 表示诱导周期p所有目标区域的平均饱和度；N_O ^h表示诱导单元h的目标区域数量；O_h表示诱导单元h的目标区域集合。

(3)阶段判断：如果当前阶段为学习阶段，根据目标区域均衡度，当前诱导策略连续δ次优于次最优策略，则进入稳定阶段；如果当前阶段为稳定阶段，且目标区域均衡度连续ω次比最优目标函数值差，则进入学习阶段；

(4)诱导学习：设两个目标终点为i，j，若 $S_{g\left(h\right)}^{o_i}\left(p\right)>S_{g\left(h\right)}^{o_j}\left(p\right),$ θ为诱导强度变化阈值，则诱导标志诱导学习规则是：下游中间路段按实际饱和度显示诱导强度；如果d_i＝0，目标区域i，j对应下游路段诱导强度不变化；如果d_i等于1，则在诱导强度的取值范围内，提高目标终点j对应下游路段方向的诱导强度；如果d_i大于等于2，则在诱导强度的取值范围内，提高目标终点j对应下游路段方向的诱导强度，降低目标终点i对应下游路段方向的诱导强度。

(5)生成路网状态对应的诱导策略：如果是学习阶段，则将学习结果生成的诱导策略更新为路网状态对应的诱导策略；如果是稳定阶段，则将最佳诱导策略设置为路网状态对应的诱导策略。

2.根据权利要求1所述的港区交通疏导配流方法，其特征在于，设诱导影响的上游路段交通流范围包含两级路段，则g(h)上游路段交通流状态分量饱和度计算公式为：

$S_{g\left(h\right)}=\frac{N_T^h}{C_{g\left(h\right)}}({\mathrm{\α}}_{g\left(h\right)}{N}_V^{g\left(h\right)}+\underset{k=1}{\overset{n_u\left[g\left(h\right)\right]}{\mathrm{\Σ}}}{r}_{g_u^k\left(h\right),g\left(h\right)}{\mathrm{\α}}_{g\left(h\right)}{N}_V^{g_u^k\left(h\right)})$

其中N_V ^g(h)为诱导信息标志所在路段h上的车辆数；

为从路段g_u ^k(h)转入到路段g(h)的转弯率；

C_g(h)为路段g(h)的通行能力；

α_g(h)为路段g(h)上车辆数对诱导的影响程度，其估计公式为 ${\mathrm{\α}}_{g\left(h\right)}=\frac{l_{g\left(h\right)}^s}{l_{g\left(h\right)}}\frac{(T-l_{g\left(h\right)}/2v_{g\left(h\right)})}{T},$ 公式中第一项为从上游路口到最近可视点的距离与路段g(h)长度的比；l_g(h)/2v_g(h)表示路段g(h)上下一周期进入诱导目标区域的平均行驶时间，T-l_g(h)/2v_g(h)表示路段g(h)上车辆在下一周期目标区域的平均统计时间。

Images