CN103456163B - 城市快速路互通立交通行能力和运行状态判别方法与系统 - Google Patents

Abstract

本发明属于快速路互通立交通行能力和运行状态判别系统。本发明涉及互通立交通行能力研究方法以及互通立交关键结点运行状态评价模型，更具体地，涉及一种利用神经网络模型与数学建模方法实现城市快速路互通立交通行能力与运行状态的判别。该系统包括数据采集和处理模块、互通立交关键节点通行能力分析模块、互通立交整体通行能力分析模块和评价应用模块。本发明有利于改善城市互通立交桥区交通拥堵状况，为城市交通管理人员和互通立交设计人员提供一种自动化、更加科学合理的技术手段。

Description

城市快速路互通立交通行能力和运行状态判别方法与系统

技术领域：

本发明属于快速路互通立交通行能力和运行状态判别系统。本发明涉及互通立交通行能力研究方法以及互通立交关键结点运行状态评价模型，更具体地，涉及一种利用神经网络模型与数学建模方法实现城市快速路互通立交通行能力与运行状态的判别。该系统有利于改善城市互通立交桥区交通拥堵状况，为城市交通管理人员和互通立交设计人员提供一种自动化、更加科学合理的技术手段。

背景技术：

随着城市快速道路的建设，必然要修建大量互通立交，以实现道路之间空间交叉和行车方向的转换。一方面，城市互通立交用地紧凑，间距较小，相比公路立交，立交形式复杂、多样，往往采用组合式、多层式立交，设计难度大；另一方面，从互通立交功能来说，由于不同转向的交通在桥区受分流、合流、交织影响，需要频繁换道，因此快速路互通立交桥区经常发生交通拥堵，甚至个别互通立交区成为快速路系统的“瓶颈”，导致快速道路的功能不能正常发挥，甚至诱发交通事故。

综上所述，有必要开发一种城市快速路互通立交通行能力和运行状态判别系统，一方面，有利于提高互通立交设计的科学性和合理性；另一方面，有利于改善互通立交拥堵状况。

现有研究通行能力的方法有三类：基于统计分析的方法、基于间隙接受理论的方法和计算机仿真方法。基于统计分析的方法，以大量调查数据为基础，以经典“流量-速度”曲线为分析手段，从宏观角度分析交通流特性。基于间隙接受理论的方法，以车辆车头时距数据为基础计算某特定点的通行能力；计算机仿真方法是对上述两种理论分析方法的拓展，可利用计算机仿真软件模拟特定互通立交的交通行为，获得互通立交运行状况数据。

就上述三种方法而言，基于统计分析的方法和基于间隙接受理论的方法，均需要大量的观测数据，并且研究对象是城市已建互通立交，在普适性和应用性方面略显不足；计算机仿真方法可以对新建或改建互通立交进行通行能力和运行状态评价，但是仿真模型准确描述和刻画车辆在合流、分流、交织区的跟驰和换道行为比较复杂，另外，需要针对每一个具体的互通立交，分别建立仿真模型。

基于此，有必要开发一种操作便捷、面向城市互通立交设计和规划人员的互通立交通行能力和运行状态判别系统，针对互通立交桥区的交通运行特性，建立互通立交通行能力和运行速度与相关影响因素(例如：交通需求参数、互通立交设计参数)之间的关系，以实现不通过复杂的数学建模和仿真方法，提供一种普适性强、简单便捷的互通立交通行能力和运行状态判别方法。

发明内容：

城市快速路互通立交通行能力和运行状态判别方法，该方法包括以下步骤：

步骤一：利用数据采集模块，采集互通立交合流区、分流区和交织区的交通流数据；

步骤二：根据采集到的交通流数据，利用基于视频的数据处理设备，获得合流区、分流区、交织区分车道的运行速度、断面流量；

步骤三：基于获得的基础数据，确定GA-BP网络的数据输入和输出，进行网络训练，获得合流区、分流区、交织区的通行能力和运行速度与其影响因素之间的关系模型；

步骤四：调用步骤三训练好的GA-BP网络模型，以临界速度区域为判别规则，获得一定条件下的通行能力区域值，选择该区域范围内出现概率最大的数值作为通行能力值；

步骤五：调用步骤三训练好的GA-BP网络模型，输入交通需求和互通立交设计参数，输出断面交通流率和断面运行速度；

步骤六：建立互通立交整体的通行能力模型，以互通立交四个进口道总流量最大为目标函数，各方向分流区、合流区、交织区通行能力作为约束条件。对该模型进行优化求解，输出各种转向比例条件下的互通立交整体通行能力值。

依据本发明的方法，设计城市快速路互通立交通行能力和运行状态判别系统，该系统包括：

(1)数据采集和处理模块：读取合流区、分流区和交织区的交通流视频文件，通过车辆识别模块，获得分车道的运行速度和断面流量数据，将交通流数据按照所需的时间间隔进行集成。

(2)互通立交关键节点通行能力分析模块：包括数据输入模块、数据归一化处理模块、网络训练模块、关键节点通行能力分析模块。其中，数据输入模块包括两部分功能，一部分自动读取来自数据采集和处理模块的数据结果，另一部分，需要用户输入互通立交分合流区、交织区的设计参数数据，例如：加减速车道长度、加减速车道宽度、交织段长度等参数。读取完整数据后，利用数据归一化处理模块，对训练数据进行归一化处理，将处理后的数据直接进行网络训练，比较多次训练结果，保存误差较小的训练网络作为分流区、合流区和交织区的通行能力模型。关键节点通行能力分析模块调用保存的通行能力模型，读取迭代数据列，获得迭代数据列的交通量、运行速度，通过临界速度框定分流区、合流区和交织区的通行能力区域值，在该区域中，选择出现频率最高的数值作为分流区、合流区和交织区的通行能力值。

本发明中数据归一化处理，采用的方法为：

$x^{\′}=0.8\×\frac{x-x_{\min }}{x_{\max }-x_{\min }}+0.1$

(3)互通立交整体通行能力分析模块：互通立交整体通行能力是指在通常的道路、交通条件下，互通立交各个组成部分(分流点、合流点、交织区、匝道、匝道与主线连接处)均能正常运行条件下，互通立交整体所能疏导的最大交通量。本发明中，采用这一思路，建立了以互通立交各进口方向流量之和为最大，互通立交各关键节点受各节点通行能力为约束的单目标模型，从而得到典型互通立交整体的通行能力。该模块可以用于互通立交设计人员检验设计方案是否能够满足交通需求。

(4)评价应用模块：该模块建立在互通立交关键节点通行能力分析子模块的基础上，该模块的主要目的是用于互通立交设计或改造方案关键节点的运行状态评价。通过调用分流区、合流区和交织区的通行能力模型，输入交通需求预测结果和设计参数，获得给定节点的通过交通量和运行速度，用于判定互通立交布局改善方案的效果。

该系统的功能是利用MATLAB工具箱与C#开发工具实现的，其中，互通立交关键节点通行能力分析子模块和互通立交整体通行能力分析模块是该系统的核心模块，通过MATLAB工具箱实现。互通立交关键节点通行能力分析子模块的目的是建立互通立交分流区、合流区和交织区的通行能力模型，该模型是利用GA-BP(遗传算法改善的神经网络)实现的，通过建立GA-BP训练网络，根据实测数据，建立通行能力与多维不确定关系参数的关系，即建立输入参数和断面交通量和运行速度的关系，该训练好的网络模型被用于进行互通立交分流区、合流区、交织区的通行能力分析，并且可以用于进行互通立交关键节点运行状态的评价。

发明的效果：

本发明的有益效果是提供一种便捷的工具，辅助立交设计，并且从研究方法来说，具有普适性，操作上易于满足地区特性。由于影响立交通行能力和运行的因素很多，并且自变量和因变量之间是非线性关系，用GA-BP神经网络很容易处理这种非线性复杂系统，设计人根据需求输入自变量，直接获得交织区、合流区或分流区的交通量和运行速度，无需进行模型参数标定等，为设计人提供了一种便捷的操作工具。

本发明所建立的交织区、分流影响区、合流影响区通行能力分析模型，用实测的数据进行了网络训练效果验证：

(1)交织区通行能力分析模型效果

(2)分流影响区通行能力分析模型效果

(3)合流影响区通行能力分析模型效果

从验证结果来看，本发明采用GA-BP神经网络进行互通立交通行能力研究是可行的。

附图说明：

图1是城市快速路互通立交通行能力和运行状态判别方法与系统基本体系架构图；

图2是互通立交关键节点通行能力分析模块流程图；

图3是互通立交关键节点通行能力模型输入、输出变量；

图4是GA-BP网络训练过程图；

图5是互通立交整体通行能力实施例(半定向+环形匝道)的立交桥型示意图。

具体实施方式：

下面将给出实施例来说明发明的具体实施方式：

实施例1：

如附图1所示，城市快速路互通立交通行能力和运行状态判别方法，该方法包括以下步骤：

步骤一：利用数据采集模块，采集互通立交合流区、分流区和交织区的交通流数据；

步骤二：根据采集到的交通流数据，利用基于视频的数据处理设备，获得合流区、分流区、交织区分车道的运行速度、断面流量；

步骤三：基于获得的基础数据，确定GA-BP网络的数据输入和输出，进行网络训练，获得合流区、分流区、交织区的通行能力和运行速度与其影响因素之间的关系模型；

步骤四：调用步骤三训练好的GA-BP网络模型，以临界速度区域为判别规则，获得一定条件下的通行能力区域值，选择该区域范围内出现概率最大的数值作为通行能力值；

步骤五：调用步骤三训练好的GA-BP网络模型，输入交通需求和互通立交设计参数，输出断面交通流率和断面运行速度；

步骤六：建立互通立交整体的通行能力模型，以互通立交四个进口道总流量最大为目标函数，各方向分流区、合流区、交织区通行能力作为约束条件。对该模型进行优化求解，输出各种转向比例条件下的互通立交整体通行能力值。

所述步骤一的数据采集包括以下步骤：

(1)静态数据：针对互通立交分流区、合流区和交织区，采集加减速车道长度、加减速车道宽度、主线车道数。

(2)动态数据：利用视频采集设备，采集互通立交分流区、合流区和交织区主线各车道、出入口匝道的交通流量和运行速度。

所述步骤二的数据处理包括以下步骤：

(1)数据处理：基于视频处理设备，获取2分钟间隔的合流区、分流区和交织区的动态交通流数据；

(2)数据质量控制：以相邻2分钟的流量、速度数据为基础，对缺失数据采用插值法进行补齐、对异常数据进行平滑处理；

(3)数据集成：对经数据质量控制后的2分钟时间间隔流量、速度数据进行集成处理，获取15分钟各合流区、分流区和交织区的流率、速度数据。数据集成采用公式：

$Q_{\left(n\right)j}=\underset{n(j-1)+1}{\overset{\mathrm{nj}}{\mathrm{\Σ}}}{q}_i$

$V_{\left(n\right)j}=\frac{{\mathrm{\Σ}}_{n(j-1)+1}^{\mathrm{nj}}{q}_i\×v_i}{{\mathrm{\Σ}}_{n(j-1)}^{\mathrm{nj}}{v}_i}$

式中，Q_(n)j表示时间粒度为n，在j时间点的流量集成；q_i表示第i时间点的速度；V_(n)j表示时间粒度为n，在j时间点的速度集成；v_i表示第i时间点的速度。

所述步骤三互通立交关键节点通行能力分析包括以下步骤：

(1)确定输入和输出：根据影响通行能力的因素分析和设计阶段能够获取的数据情况，确定合流区、分流区和交织区的输入参数包括两部分，分别是：交通需求相关参数(上游主线交通量、出入口匝道交通量)、交通设计参数(加减速车道长度、加减速车道宽度、主线车道数)。输出为交织区断面、分合流影响区的断面交通量、运行速度。

(2)数据归一化处理：根据各输入参数的阈值范围，采用下述公式对数据进行归一化处理。

$x^{\′}=0.8\×\frac{x-x_{\min }}{x_{\max }-x_{\min }}+0.1$

(3)GA-BP网络训练：调用利用MATLAB编写的主程序，对采集的数据进行分组，一部分数据用于网络训练，剩余数据进行模型校验。GA-BP的网络训练过程，如附图4所示。

(4)模型校验：调用训练好的GA-BP网络，用剩余的数据组进行模型校验。通过比较多次训练结果，选择相对误差最小的一组网络，保存为交织区、合流区和分流区的通行能力模型。

所述步骤四互通立交关键节点通行能力确定方法包括以下步骤：

(1)迭代数据列的生成：根据合流区、分流区和交织区各输入参数的取值范围，各参数之间组合生成迭代数据，调用保存的交织区、合流区和分流区的通行能力模型，产生一系列断面流量和速度值。

(2)筛选通行能力区域：以合流区、分流区、交织区的临界速度对步骤5获取的数据进行筛选，剔除不在通行能力区域范围内的数据。

(3)确定通行能力值：对筛选后的数据进行频次分布拟合，按照分布规律，选择出现概率最高、相对稳定的值作为通行能力值。

所述步骤五为评价应用模块的一部分，其步骤包括：

(1)输入：对应模型参数输入交通需求预测结果、互通立交设计参数；

(2)调用步骤三获取的合流区、分流区和交织区的GA-BP模型，输出各节点断面流量和运行速度。

所述步骤六为互通立交整体通行能力研究，其步骤包括：

(1)设置各转向参数：各方向左、右转比例；

(2)调用步骤四的结果，作为约束条件；

(3)采用遗传算法(MATLAB编写)进行目标寻优。

互通立交整体通行能力模型为：

C＝max(q₁+q₂+q₃+q₄)

式中，C为互通立交整体的通行能力(pcu/h)；q₁，q₂，q₃，q₄分别为每个进口的交通量(pcu/h)，如附图5所示。

各进口道约束条件为：

式中，q_i表示第i个进口道上游主线交通量；q_id表示第i个进口道分流区出口匝道的流量；q_im表示第i个进口道合流区进口匝道的流量；C_jd为在分流量为q_id条件下的分流影响区通行能力；C_jm为在分流量为q_im条件下的合流影响区通行能力；C_ijr为在交织流量比为条件下的交织区通行能力；C₁为主线直行车道通行能力；n为合流影响区或分流影响区内内侧主线车道数(不含影响区内的两条车道)；m_i为第i个进口道上游主线车道数。

实施例2：

根据本发明基于GA-BP的互通立交关键节点通行能力研究方法，可以得到互通立交合流区、分流区和交织区的通行能力值。本发明以北京市互通立交的实测数据为基础，研究获得了互通立交合流影响区、分流影响区和交织区的通行能力推荐值见表1-表5所示。

表1互通立交分流影响区通行能力推荐表及其对比分析

对比分析	分流影响区通行能力(pcu/h)
		基于车头时距方法-实测	3680
仿真方法	3900
		本次成果	3480

表2互通立交合流影响区通行能力推荐表及其对比分析

表3互通立交交织区通行能力推荐表及其对比分析

上述表1-表3的研究成果为本发明通立交关键节点通行能力分析模块所得的结果，其核心程序GA-BP的计算过程以及通行能力获得过程，见附图2、附图3和附图4。

实施例3：

依据本实施例2的成果，以及附图1中互通立交整体通行能力分析模块，可以获得互通立交整体的通行能力值。本实施例中，以半定向+环形匝道的北京市某互通立交桥为例。该互通立交东西向为主线3车道，南北向为主线4车道。各进口的分合流设置如附图1所示。计算获得实施例中整体的通行能力推荐值如表4所示：

表4半定向+环形匝道互通立交整体通行能力推荐值

尽管结合附图对本发明进行了上述描述和实施例分析，但是本发明并不局限于上述的具体实施方式。本领域的普通技术人员在本发明的启示下，在不脱离本发明综合的情况下，可以将该发明灵活应用于各城市和各种组合形式的互通立交通行能力和关键节点运行状态评价。

Claims (7)

1.城市快速路互通立交通行能力和运行状态判别方法，其特征在于包括以下步骤：

步骤一：利用数据采集模块，采集互通立交合流区、分流区和交织区的交通流数据；

步骤二：根据采集到的交通流数据，利用基于视频的数据处理设备，获得合流区、分流区、交织区分车道的运行速度、断面交通流量；

步骤三：基于获得的基础数据，包括互通立交合流区、分流区、交织区的加减速车道长度、加减速车道宽度、主线车道数和步骤二获取的合流区、分流区、交织区分车道的运行速度、断面交通流量，确定GA-BP网络的数据输入和输出，进行网络训练，获得合流区、分流区、交织区的通行能力和运行速度与其影响因素之间的关系模型；

步骤四：调用步骤三训练好的GA-BP网络模型，以临界速度区域为判别规则，获得一定条件下的通行能力区域值，选择该区域范围内出现概率最大的数值作为通行能力值；

步骤五：调用步骤三训练好的GA-BP网络模型，输入交通需求和互通立交设计参数，输出断面交通流量和断面运行速度；

步骤六：建立互通立交整体的通行能力模型，以互通立交四个进口道总流量最大为目标函数，各方向分流区、合流区、交织区通行能力作为约束条件，对该模型进行优化求解，输出各种转向比例条件下的互通立交整体通行能力值。

2.根据权利要求1所述的城市快速路互通立交通行能力和运行状态判别方法，其特征在于所述步骤一的数据采集如下：

(1)静态数据：针对互通立交分流区、合流区和交织区，采集加减速车道长度、加减速车道宽度、主线车道数；

(2)动态数据：利用视频采集设备，采集互通立交分流区、合流区和交织区主线各车道、出入口匝道的交通流量和运行速度。

3.根据权利要求1所述的城市快速路互通立交通行能力和运行状态判别方法，其特征在于所述步骤二的数据处理规则为：

(1)数据处理：基于视频处理设备，获取2分钟间隔的合流区、分流区和交织区的动态交通流数据；

(2)数据质量控制：以相邻2分钟的流量、速度数据为基础，对缺失数据采用插值法进行补齐、对异常数据进行平滑处理；

(3)数据集成：对经数据质量控制后的2分钟时间间隔流量、速度数据进行集成处理，获取15分钟各合流区、分流区和交织区的流量、速度数据，数据集成采用公式：

$Q_{\left(n\right)j}=\underset{n(j-1)+1}{\overset{\mathrm{nj}}{\mathrm{\Σ}}}{q}_i$

$V_{\left(n\right)j}=\frac{{\mathrm{\Σ}}_{n(j-1)+1}^{\mathrm{nj}}{q}_i\×v_i}{{\mathrm{\Σ}}_{n(j-1)}^{\mathrm{nj}}{v}_i}$

式中，Q_(n)j表示时间粒度为n，在j时间点的流量集成；q_i表示第i时间点的流量；V_(n)j表示时间粒度为n，在j时间点的速度集成；v_i表示第i时间点的速度。

4.根据权利要求1所述的城市快速路互通立交通行能力和运行状态判别方法，其特征在于所述步骤三互通立交关键节点通行能力分析包括以下步骤：

(1)确定输入和输出：根据影响通行能力的因素分析和设计阶段能够获取的数据情况，确定合流区、分流区和交织区的输入参数包括两部分，分别是：交通需求参数、互通立交设计参数，输出为交织区断面、分合流影响区的断面交通流量、运行速度；

(2)数据归一化处理：根据各输入参数的阈值范围，采用下述公式对数据进行归一化处理；

$x^{\′}=0.8\×\frac{x-x_{\min }}{x_{\max }-x_{\min }}+0.1$

(3)GA-BP网络训练：调用利用MATLAB编写的主程序，对采集的数据进行分组，一部分数据用于网络训练，剩余数据进行模型校验；

(4)模型校验：调用训练好的GA-BP网络，用剩余的数据组进行模型校验，通过比较多次训练结果，选择相对误差最小的一组网络，保存为交织区、合流区和分流区的通行能力模型。

5.根据权利要求1所述的城市快速路互通立交通行能力和运行状态判别方法，其特征在于GA-BP网络训练步骤包括：

步骤1：读取训练数据，并将输入和输出数据进行归一化处理；

步骤2：对BP神经网络的运行参数进行赋值，参数包括：学习速率、动量因子、收敛误差阈值、隐层传递函数；

步骤3：构建三层BP神经网络，用遗传算法优化BP神经网络初始权值和阈值，将优化后的权值与阈值赋予神经网络，同时可得到均方误差变化曲线和适应度函数变化曲线；

步骤4：训练完成后，读取验证样本，调用训练网络，将模型结果反归一化输出，获得断面交通流量和运行速度；

步骤5：反复进行步骤2-步骤4，将输出结果与实测结果进行误差分析，保存模型输出结果与实测结果相对误差绝对值不大于15％的训练网络。

6.根据权利要求1所述的城市快速路互通立交通行能力和运行状态判别方法，其特征在于所述步骤四互通立交关键节点通行能力确定方法包括以下步骤：

(1)迭代数据列的生成：根据合流区、分流区和交织区各输入参数的取值范围，各参数之间组合生成迭代数据，调用保存的交织区、合流区和分流区的通行能力模型，产生一系列断面交通流量和速度值；

(2)筛选通行能力区域：以合流区、分流区、交织区的临界速度对步骤五获取的数据进行筛选，剔除不在通行能力区域范围内的数据；

(3)确定通行能力值：对筛选后的数据进行频次分布拟合，按照分布规律，选择出现概率最高、相对稳定的值作为通行能力值。

7.城市快速路互通立交通行能力和运行状态判别系统，由数据采集和处理模块、互通立交关键节点通行能力分析模块、互通立交整体通行能力分析模块和评价应用模块构成，其特征在于：

(1)数据采集和处理模块：读取合流区、分流区和交织区的交通流视频文件，通过车辆识别模块，获得分车道的运行速度和断面交通流量数据，将交通流数据按照所需的时间间隔进行集成；

(2)互通立交关键节点通行能力分析模块：包括数据输入模块、数据归一化处理模块、网络训练模块、关键节点通行能力分析模块；其中，数据输入模块包括两部分功能，一部分自动读取来自数据采集和处理模块的数据结果，另一部分，需要用户输入互通立交分合流区、交织区的设计参数数据；读取完整数据后，利用数据归一化处理模块，对训练数据进行归一化处理，将处理后的数据直接进行网络训练，比较多次训练结果，保存模型输出结果与实测数据相对误差最小的训练网络作为分流区、合流区和交织区的通行能力模型；关键节点通行能力分析模块调用保存的通行能力模型，读取迭代数据列，获得迭代数据列的断面交通流量、运行速度，通过临界速度框定分流区、合流区和交织区的通行能力区域值，在该区域中，选择出现频率最高的数值作为分流区、合流区和交织区的通行能力值；

(3)互通立交整体通行能力分析模块：建立了以互通立交各进口方向流量之和为最大，互通立交各关键节点受各节点通行能力为约束的单目标模型，从而得到典型互通立交整体的通行能力；

(4)评价应用模块：该模块建立在互通立交关键节点通行能力分析模块的基础上，该模块的主要目的是用于互通立交设计或改造方案关键节点的运行状态评价；通过调用分流区、合流区和交织区的通行能力模型，输入交通需求预测结果和设计参数，获得给定节点的断面交通流量和运行速度，用于判定互通立交布局改善方案的效果。