基于車流波動理論的匝道達到控制與仿真效果評價

康誠，潘新福，嚴欣，范欣煒

摘要：以匝道達到控制為主體的合流區主動交通管控是高速公路與城市快速路在提升交織區通行能力與交通安全采用的重要方法。采用歷史真實交通數據，結合優化的速度波動理論模型，構建車輛在擁擠流交織過程中的運行狀態模型，量化分析混合控制決策下最優化的管控方案，并通過優化的仿真平臺，獲取車輛軌跡、分布及沖突狀況等信息，驗證結論的實際效果。以秦洪立交為例進行模型試驗論證，對比匝道單一控制與匝道主線混合控制的優化效果。結果表明，相對于無管控狀態，單一匝道控制下沖突減少52.5%，但車輛延誤增長20.5%；混合控制下沖突減少68.1%，且車輛延誤降低12.0%。由此可知控制模型對匝道交通安全與效率有明顯優化效果。其中，采用匝道主線混合控制時效果最佳，有效提升匝道通行效率和交通安全效益。

關鍵詞：車流波動理論；交通組織；入口匝道控制；交通仿真；交通安全評價

中圖分類號：U491文獻標識碼：A文章編號：1006-8023（2024）01-0191-10

Ramp Metering and Simulation Effect Evaluation Based?on Traffic Fluctuation Theory

KANG Cheng， PAN Xinfu， YAN Xin， FAN Xinwei

（CATARC Automotive Proving Ground Co.， Ltd.， Yancheng 224100， China）

Abstract：The active traffic control in the merging area， which takes ramp arrival control as the main body， is the main means adopted by the expressway and urban expressway to improve the capacity and traffic safety of the weaving area. In this study， the historical real traffic data and the optimized theoretical model of speed fluctuation are used to build the vehicle arrival model in the process of congestion and queue weaving， and the optimal control scheme under the mixed control decision is quantitatively analyzed. Through the optimized simulation platform， the vehicle trajectory， distribution and conflict status are obtained， and the actual effect of the conclusion is verified. This study takes Qinhong Interchange as an example to demonstrate the model test， and verify the optimization effect of ramp single control and ramp main line mixed control under the optimization effect. The results show that the conflict under ramp control is reduced by 52.5% and the vehicle delay is increased by 20.5% compared with the uncontrolled state. The conflict and vehicle delay under hybrid control are reduced by 68.1% and 12.0%， respectively. It can be seen that the control model has obvious optimization effect on ramp traffic safety and efficiency. One of the most effective control strategies is the ramp mainline mixed control， which leads to significant improvements in ramp traffic efficiency and traffic safety.

Keywords：Traffic fluctuation theory; traffic organization; on-ramp control; traffic simulation; traffic safety evaluation

0引言

當前我國城市快速路交通流量急劇增加，各種交通問題也隨之出現，尤其是由匝道匯入的支線車輛與快速路主線車輛在合流區發生并道合流所形成的交織區范圍內。在該路段由于強制的換道行為與交通沖突導致局部交通擁堵、匝道排隊溢出以及交通事故頻發，嚴重影響了城市快速路以及匝道上游連接道路的通行秩序和通行效率，解決入口匝道交通問題刻不容緩[1-2]。因此，本研究基于真實場景的歷史交通數據，構建符合我國城市快速路交通特性的微觀交通模型，基于車流波動理論，設計匝道優化控制模型系統框架，并通過仿真模型來模擬和分析所提出的控制策略在應用時可取得的效果。

目前研究的入口匝道控制方案大多是對匝道交通流進行調節控制，或采取快速路車速誘導及限速的協調控制方案，從而實現交通流量的控制和交通擁堵事故的疏散，而對快速路主線車輛的通行權則不加以控制[3-4]。同時，針對匝道控制的模型多半為單目標或者多目標的開環/閉環控制，這種單一性的控制方案無法很完美地覆蓋當下匝道多車道復雜環境下的效率與安全性問題[5-6]。在以往針對匝道控制的研究過程中，Hossain[7-8]應用微觀交通仿真模型分析了匝道合流過程的通行能力和飽和流量；隨后，Elefteriadou等[9]應用微觀交通仿真系統 MITSIMLab評估快速路的匝道控制。Lertworawanich等 [10]采用Vissim微觀仿真模型研究了車輛換道行為和車輛運行軌跡對匝道交織的影響；Vieira等[11]研究了微觀交通模型與交通管理策略對匝道控制影響的關系。Ngoduy等[12]基于交通流的特性，運用交通波理論研究造成擁堵的臨界條件，并將其拓撲特征分解為一系列單向鏈路，并在此基礎上研究復雜條件下的匝道交織情況。

基于上述問題，本研究充分結合城市快速路的交通現狀，利用車流波動理論和交通管控策略，構建匝道控制優化模型。城市快速路入口匝道交織區交通管控策略旨在緩解交通擁堵，提高道路通行效率和安全性，目前常見的管控策略包括交通信號燈控制[15]、車道限行[16]和車輛分流[17]等?，F有策略存在以下核心不足：1）策略部署約束。當前管控策略依賴于道路旁的傳感器和交通信號燈等設施，僅在有限范圍內布設，無法應對城市道路網絡復雜的交通狀況；2）管控效果不佳。往往只能緩解部分情況下的交通擁堵，無法解決交通瓶頸本質問題，且在高峰期和節假日等特殊情況下效果非常有限；3）數據支持薄弱。目前城市交通數據采集和分析的技術并未大面積投入實地使用，數據質量和實時性存在一定問題。通過研究交織區當前的交通行為與車輛軌跡發現，目前當城市快速路上的交通量趨于飽和時，車輛經常采取與前車保持較小的間距以爭取在入口匝道合流區的優先通行權，而快速路車流的車頭間距過小直接導致入口匝道上的車輛無法及時匯入快速路，從而導致匝道車輛擁堵及排隊溢出現象頻繁發生，嚴重擾亂了入口匝道上游相鄰道路的行車秩序。城市交通系統內各元素的性能、狀態及其之間的規律聯系由多方面影響因素共同作用，單一的結構模型與管控方式通常難以對其進行準確詳細的描述和評估分析，因此，需要從交通系統角度出發，結合道路幾何特征、交通需求結構和匝道信號設置的影響機理。本研究利用路網的歷史交通信息和實時采集信息，采用交通分配和最優路徑理論，結合微觀交通仿真驗證的方法，驗證了管控策略在真實交通流量下的實際效果。

1基于車流波動理論的匝道優化管控模型

1.1優化的車流波動理論

根據車流波動理論，道路上交通流量的變化會引起車流的疏密程度變化，這種變化可以理解為車流中存在的交通波。該波以速度uw穩定地朝向某一方位進行傳播，反映道路交通的運行情況。當車流從高速低密狀態逐漸轉變為低速高密狀態時，道路上的交通流可能會出現擁堵現象，形成集結波，這種現象會導致車流量速度下降。當主車道和匝道車輛在合流區域匯合形成較少車道數的車流時，交通流特性發生相應變化，可能導致該匯合區域的實際通行能力低于其設計通過能力，從而形成交通瓶頸區段，如圖1所示[13-14]。

uw為集結波波速；u1為高峰時段區間平均速度；u2為平峰時段區間平均速度；k1為高峰時段車流密度；k2為平峰時段車流密度。

uw is the gathering wave velocity; u1 is the average speed during peak hours; u2 is the average velocity in the normal peak period; k1 is the density of traffic flow during peak hours; k2 is the traffic flow density during normal peak hours.

依據車流波模型，集結波波速見式（1）。

uw=u1k1－u2k2k1－k2=q1－q2k1－k2=ΔqΔk。（1）

式中：uw為集結波波速；u1為高峰時段區間平均速度；u2為平峰時段區間平均速度；q1為高峰時段流量；q2為平峰時段流量；k1為高峰時段車流密度；k2為平峰時段車流密度；Δq為高峰時段與平峰時段流量差；Δk為高峰時段與平峰時段車流密度差。

1.2匝道車流運行情況

匝道車輛的時空軌跡圖如圖2所示。由圖2可知，當匝道交叉口信號燈為紅燈時，駛入匝道的車輛均在停車線O處等候，導致集結波ω1朝向上游方向進行傳播運動，斷面O向后的排隊長度也會不斷增大。當匝道交叉口信號燈轉為綠燈后，車流將以飽和流率Sr逐漸消散。斷面O處消散波ω2開啟朝向上游進行傳播運動，而集結波ω1將以原有速度開啟朝向后方進行傳播，從而導致排隊車輛隊列進一步增長。此后，消散波將在斷面O'追上集結波，排隊車輛隊列完全消散，后續車輛將不再需要進行排隊等候。

圖中O為車輛排隊起始位置，即停車線；O′為車輛排隊結束位置；tr為綠燈啟動損耗時間；gr為正常綠燈時間；lr為車輛排隊長度；ω1為集散波；ω2為消散波。

由車流波動基礎理論，匝道上集結波ω1與消散波ω2的波速可以通過以下公式計算得出。

ω1=Qr/nr－0k1－kj。（2）

ω2=0－Sr/nrkj－k2。（3）

式中：Qr為入口匝道上的車流量；k1為入口匝道的到達車流密度；nr為入口匝道車道條數；kj為排隊時的阻塞車流密度；Sr為入口匝道停車線處的飽和流率；k2為入口匝道停車線處車輛疏散密度。

匝道排隊隊列的消散時間取決于多個因素，包括車輛進入匝道的速度、匝道的長度和容量、進入匝道的車流量以及匝道出口道路的流量等。通常情況下，當匝道排隊隊列達到一定長度時，需要采取措施減少排隊隊列，避免交通堵塞和事故的發生。研究中匝道排隊隊列的消散時間（tr）可定義為消散波ω2追上集結波ω1所需的時間，具體計算方法如下所示。

tr=ω1（C－gr+tr）ω2－ω1。（4）

匝道最大排隊長度可通過計算消散波或集結波的傳播距離來確定，具體計算方法見式（5）。

lr=ω2×tr。（5）

為保證排隊隊列末尾的車輛能夠順利通過交叉口，匝道信號燈的綠燈時間應當被延長，以確保該車輛能夠從斷面O'行駛到斷面O處，即

gr≥tr+lrvr。（6）

式中：gr為綠燈時間；vr為車輛在入口匝道正常行駛的速度。

此外，受限于入口匝道長度問題，為避免匝道車流排隊溢出，在控制過程中應該避免出現次生匝道擁堵現象，即在交織區交通控制情況下，形成的擁堵尾部向上游傳播，并覆蓋了瓶頸上游的幾個進、出匝道。由于擁堵區域的交通流量低于上游到達流量，出匝道流量相應下降。因此，駛往活動瓶頸上游出口的車輛也會由于交通擁堵加速了交通擁堵的空間增長。因此，匝道控制必須滿足的約束條件為一個周期內的最大排隊長度應不超過匝道總長（L），即：

lr≤L 。（7）

因此，在匝道控制的方式選擇上，需要著重考慮匝道交織過程中的匝道參數特性與車輛行駛特性。匝道控制需要基于交通流理論來進行流量分析和預測，以確定匝道的設計參數和控制策略，基于交通仿真技術來進行交通流模擬與測試，以評估控制策略的效果和優化控制參數。由于匝道合流區主線和匝道的交通流產生交織，與封閉路段不同，匝道車輛在加速車道中不保持最小安全距離跟馳行駛，其車速也不是自由流狀態或慢啟狀態的車速，而是在縱向行駛過程中尋找相鄰內側車道的可插車間隙。駕駛人通常與前車保持較大距離，觀察主線后方車輛，減速觀察后加速完成匯入，這樣的駕駛行為無疑會降低加速車道車輛在合流過程中的行駛速度，盲目地換道更可能造成交通沖突。駕駛員需要根據交通信號燈和路標的指示，及時調整車速和車道，以適應交通管控措施的變化。駕駛員需要及時感知、判斷和反應，以保證道路交通的安全和暢通。同時，由于匝道上車輛需要從靜止狀態開始加速進入高速公路，或者從高速公路上減速進入匝道，因此匝道上車輛的加速度和減速度通常比高速公路上的車輛更大?；谠训儡嚵髋c車輛行為的特性，在控制策略設計過程中，需要針對性地進行控制流量，同時提高交織區車速，尋找合適的可插車間隙并完成匯入。在此基礎上，對匝道組織的控制應考慮不同的交通流狀況，制定適當的控制策略。

1.3優化的匝道組織管控模型

高速公路與匝道銜接處布設信號燈的目的是控制匝道車輛高效有序駛入高速公路，有效分流匝道和合流區高速公路交通，從而提高交叉口運行效率，降低負面影響。優化匝道交通組織模型的基本原則是通過最小化交叉口各方向交通的車輛平均延誤，確保其服務水平，進而達到車輛運行效率的最佳效果，通常以交叉口飽和度來體現。為確保道路交通公平性，本研究將車流在一個周期內的平均延誤作為優化控制目標。

實際交通運行過程中受到多種因素的影響，并且該系統具有隨機性，導致其參數可能發生波動和變化，難以避免對原有模型準確性產生負面影響。為應對不確定性，可采用魯棒優化控制的方法，通過犧牲部分目標來構建相應的保護框架，以避免其不確定性可能帶來的約束條件失效。這種方法旨在提高匝道處交通組織系統的魯棒性，以確保在具有可變性情況下系統的穩定性和可靠性。該模型中的約束失效表明交通流的排隊長度超過入口匝道的長度，導致交通容量下降和交通沖突風險增加。交通流波動具有一定的不確定性，因此在設計優化策略時，需要考慮交通流的波動，以實現有效的交通控制。

以X表示交叉口飽和度的上限，以D表示一個周期內快速路-匝道交叉口車流總延誤，構建城市快速路入口匝道合流區交通組織優化模型（P1），針對總延誤最低的優化目標，控制參數通過最優化函數進行求解，目標函數與條件約束見式（8）—式（17）。

minD=minDC（Qe+Qr）。（8）

s.t.ge≥te+le/ve。（9）

gr≥tr+lr/vr。（10）

lr≤L。（11）

QeSe·gr/C<X。（12）

QrSr·gr/C<X。（13）

ge≥gemin。（14）

gr≥grmin。（15）

C≥Cmin。（16）

Mmax=M′+（k+1）ξ。（17）

式中：D為一個周期內交叉口車流平均延誤；D為一個周期內交叉口車流的總延誤；Qe、Qr分別為快速路與匝道的車流量；C為信號控制周期值；ge、gr為快速路綠燈時間、匝道綠燈時間；te、tr為快速路、匝道綠燈啟動損耗時間；le、lr為快速路、匝道車輛排隊長度；ve、vr為車輛在快速路、匝道正常行駛的速度；Se、Sr為快速路、匝道的飽和流率；gemin、grmin和Cmin分別為快速路有效綠燈時間、匝道有效綠燈時間以及信號控制周期最小值；X為控制目標參數；Mmax為單次迭代最大樣本數；M′為抽樣數量；k為解集的魯棒度；ξ為平衡參數。

式（12）和式（13）表明從匝道上游駛來的車輛始終需要在有效綠燈時間內通過路口，保證到達S（或S′）路段時不會遇到剩余車輛超過上一周期（否則多周期累計預留車輛會增加，較難實現目標調控效果）。式（14）—式（17）用于確保交叉口信號周期和各相位綠燈時間不低于相應最小值，避免過于頻繁的信號相位轉換和車輛行駛方向的反復變更，最大程度利用交叉口的時空資源，同時提升交通安全性。假定信號配時周期損失時間（包含車輛啟動損失與紅燈時間）為δ，基于信號控制配時原理與車流波動理論，各項參數滿足式（18）。

C=ge+gr+δ。（18）

2實例驗證及仿真分析

本研究以秦洪互通立交為例，運用所搭建的微觀仿真模型對設計的匝道控制方案進行相應模擬，并基于間接安全評價方法對比不同設計方案下的安全指標特性，進而得到最優解。

以左轉車輛（A）和直通車輛（B）為例，圖3展示了安全間接分析模型（Surrogate Safety Assessment Model，SSAM）各項交通指標的計算方法?；诮煌ò踩碚摵偷缆窙_突研究技術，通過對微觀仿真平臺輸出的車輛軌跡數據進行一系列分析，獲取車輛沖突數據、沖突的歸類和分布特征。通過特定的算法和交通安全理論對提取的道路沖突數據進行相應的數理計算和統計分析，進而選取出有效指標進行后續研究分析。

2.1微觀交通仿真模型建模與標定

連續型模型的仿真研究主要目的在于構建一個離散模型，以近似表達連續現象，通常采用常微分方程初值問題數值解法進行研究。仿真過程中假定仿真模型可以通過狀態方程來表示仿真系統的狀態，并在計算機上進行仿真。

單步法的優勢在于只需提供初始狀態即可進行仿真，使得計算簡單便捷。但是在處理交通仿真過程中，由于其復雜性和劇烈變化，可能會導致誤差積累，從而降低仿真精度。為克服歐拉法在精度方面的不足，可選擇使用Runge-Kutta法。該方法

同時考慮到計算的便利性，可以通過規定步長并使用預測校正技術來進行計算，從而提高仿真的準確性，具體計算方法見式（19）和式（20）。Runge首先提出間接采用Taylor展開方法，即用幾個節點上函數值（f）的線性組合來代替其導數，然后按Taylor展開，確定其系數，以期提高方法精度。

yn+1=yn+h∑Si=1 CiKi。 （19）

Ki=f（xn+aih，yn+h∑bisKs），i=1，2，…，S;a1=0。 （20）

式中：Ci為待定權因子;h為Euler法系數;S為使用的f的個數;ai、bis為參數;Ki為taylor展開子項，如式（20）所示。

在仿真模型中，基于研究對象和仿真需求等條件選擇不同的數學模型。相比歐拉法等其他數值計算方法，采用龍格-庫塔法可以保證仿真的高精度和精細化，同時也為仿真研究帶來更大的靈活性和自由度。該方法的主要特點包括在仿真過程中，只需了解前一時刻的系統狀態即可進行任意時刻的仿真計算，具有自啟動能力。此外，由于計算所需條件較少，內存占用也較少；該方法對遞推公式給出不同的參數，可有不同的計算方式，解不唯一，具有靈活性；該方法能夠根據精度要求來改變步長的值，在每一步的計算中都采用相同的步長來計算系數即可；該方法的仿真精度僅基于步長的選擇和所應用方法的階次，便于修正。

2.2匝道主線雙車道的方案一分析

方案一為無控制狀態下的交通流運行情況，研究目標匝道處為雙車道，即2個匯入口，主車道為雙車道且允許車輛變道。在匝道和主車道的車輛通行次序方面上，方案一假設主車道的車輛擁有道路的優先通行權。圖4為方案一秦洪立交路段示意圖。

由圖4可以看出，相較于其余路段的車輛平均延誤時間，匝道處的車輛平均延誤時間較高。對方案一的秦洪立交進行更加詳細的分析，基于SUMO仿真以及SSAM分析的結果，分別得到方案一的流量、速度和密度的時變圖。方案一的3個時變如圖5所示。

對圖5中的3個時變圖分析可以發現，流量在0～200 s內穩定增加，200 s之后流量開始逐漸下降；速度在0～200 s整體呈下降趨勢，在225 s時陡降至18.83 km/h，在225 s之后呈上升趨勢；密度在0～200 s內顯著增加，在195 s時陡增至353輛/km，在200 s之后整體呈下降趨勢。在獲取到方案一的流量、速度以及密度時變圖之后，通過SSAM軟件繪制得出在方案一情況下的秦洪立交路段沖突分布圖，如圖6所示。

對該路段沖突分布圖和時空圖分析可以看出，在原現狀的交通流運行情況下，即匝道處為雙車道，2個匯入口，主車道處為雙車道，與其他路段的車輛沖突相比，匝道處路段的車輛沖突分布較為密集。在7 200 s時，路段開始產生擁堵，1車道擁堵速度約為2 km/h，2車道的擁堵速度約為4 km/h，3車道擁堵速度約為6 km/h，4車道的擁堵速度約為12 km/h。路段由最內側車道向右側最外側車道速度逐漸降低，即匝道與主線合流時，對最外側車道的車流影響最大，最內側的車道車流影響最小。

2.3匝道單匯入口的方案二分析

試驗方案二通過限制匝道匯入車道數目試驗交通流主動控制，通過試驗限制匝道在交匯過程中為單車道，即單個匯入口，主車道為雙車道且允許車輛變道。在匝道和主車道的車輛通行次序方面上，假設主車道的車輛擁有道路的優先通行權。圖7為方案二秦洪立交路段示意圖。

對方案二的秦洪立交進行詳細的分析，基于微觀仿真以及SSAM分析的結果，分別得到方案二的流量、速度和密度的時變圖。方案二的3個時變如圖8所示。

對上述3個時變圖分析可以發現，流量在0～200? s內穩定增加，200? s之后流量開始逐漸下降；速度在0～50 s上升很快，在33 s時速度達到58.5 km/h，隨后在33 s之后整體呈下降趨勢，在225 s時陡降至14.33 km/h；密度在0～200 s內整體呈上升趨勢，在225 s時為356輛/km，之后密度就呈下降趨勢。在獲取到方案二的流量、速度以及密度時變圖之后，通過SSAM軟件繪制并得出在方案二情況下的秦洪立交路段沖突分布圖，如圖9所示。

對該路段沖突分布圖分析可以看出，在方案二的交通流運行情況下，與其他路段的車輛沖突相比，匝道處路段的車輛沖突分布較為密集。方案二匝道處為單個匯入口，主車道為雙車道且允許車輛變道，且主車道車輛擁有道路的優先通行權。從時空圖10可以看出，匝道擁堵程度嚴重，造成了排隊向上游蔓延，平均車輛延誤有所上升。其中，匝道擁

堵在6 800 s時開始產生，在12 500 s時開始消散，1車道的擁堵速度約為5 km/h，2車道的擁堵速度約為8 km/h，3車道的擁堵速度約為3 km/h。

2.4主線單車道的方案三分析

方案三通過限制主線交匯區域車道數目實現的交通流主動控制。此時的匝道處為雙車道，即雙匯入口，主車道通過控制形成單車道。在匝道和主車道的車輛通行次序方面上，假設主車道的車輛擁有道路的優先通行權。圖11為方案三秦洪立交路段示意圖。

對方案三的秦洪立交進行更加詳細的分析，基于微觀仿真以及SSAM分析的結果，分別得到方案三的流量、速度和密度的時變圖。方案三的3個時變如圖12所示。

對上述3個時變圖分析可以發現，流量在0～200 s內穩定增加，200 s之后流量開始逐漸下降；速度在0～200 s整體呈下降趨勢，在226 s時陡降至16.74 km/h，在226 s之后整體呈上升趨勢；密度在0～200 s內顯著增加，在225 s時密度為256輛/km，

在225 s之后呈下降趨勢。在獲取到方案三的流量、速度以及密度時變圖之后，通過SSAM軟件繪制得出在方案三情況下的秦洪立交路段沖突分布圖，如圖13所示。

對該路段沖突分布圖分析可以看出，在方案三的交通流運行情況下，與其他路段的車輛沖突相比，匝道處路段的車輛沖突分布依舊較為密集。方案三匝道為雙匯入口，由于該合流區長度較短，擁堵傳播較快，各區間擁堵均在約3 700 s產生，在約14 500 s時開始消散。依據車流波在合流區的沖突分析，匝道車輛匯入最容易影響主線外側車道，因此1車道速度相對較低。4車道時空圖顏色較淺，擁堵發生時速度約為70 km/h，在高峰時段速度受影響較小，因此很少擁堵，匝道交通效率實現有效提升，如圖14所示。

仿真并分析秦洪立交的3種設計方案，基于交叉口沖突、換道沖突以及追尾沖突，選取300 s的仿真時間，主要選用碰撞時間（Time To Collision， TTC）、后侵入時間（Post Encroachment Time， PET）和平均車輛延誤（Average vehicle delay）等指標進行交通安全風險評價，得到設計方案總評價表。表1為3個方案在SSAM各個評價指標下的運行結果。

為驗證優化控制模型對匝道交通安全和通行能力的提升效果，對3種設計方案的交通沖突數據進行提取采集。由表1可知，方案一為原現狀的交通流運行情況；方案二為限制匝道的交通流運行情況，即將匝道的2個匯入口限制為一個匯入口；方案三為限制主線車道的交通流運行情況，即將兩車道限制為單車道。相對于方案一，方案二的交通沖突數降低了52.5%，交通沖突時間增長5.9%，平均車輛延誤增長20.5%。同樣，相對于方案一，方案三的交通沖突降低68.1%，交通沖突時間增長17.6%，平均車輛延誤降低12.0%。由此可見，方案二、三沖突數均有明顯減少，優化控制模型對匝道交通安全有明顯的改善效果。方案三通過設計限制主線車道的交通流運行情況，有效減少匝道交叉口處的車

輛沖突和交通擁堵，降低車輛停車等待時間，進而提高道路通行效率。交通沖突得到較好緩解，車輛延誤和排隊長度有所降低，有效提升了匝道交叉口處通行效率和交通安全，實現入口匝道控制優化。

3結論

本研究根據車流波動理論對入口匝道車流運行時空特性進行了分析，通過當前城市快速路的交通現狀，研究了交織區在交通流量增加時的交通行為與車輛軌跡，構建了優化的車流波動模型。同時，針對現有問題提出了系統性的匝道組織管控方案。以交叉口整體車流延誤最小為目標，建立了城市快速路入口匝道交叉口交通控制優化模型，分析了不同匝道控制方案條件下的交通沖突指標。在此基礎上，研究以秦洪立交為例進行仿真試驗，分析了基于單種管控策略與主線+匝道混合管控策略下的實際交通運行狀況。根據試驗結果表明，通過混合管控策略可以使匝道通行能力和交通安全得到明顯改善，實現匝道控制優化，進而驗證基于車流波動理論的優化模型控制效果的有效性。

【參考文獻】

[1]劉蘭，孫劍，李克平.城市快速路入口匝道速度控制研究[J].交通信息與安全，2011，29（3）：15-19.

LIU L， SUN J， LI K P. On-ramp speed control of urban expressway[J]. Traffic Information and Safety， 2011， 29（3）：15-19.

[2]鐘連德，榮健，周榮貴，等.城市快速路與高速公路交通流特性的對比分析[J].公路交通科技，2005，22（1）：48-51.

ZHONG L， RONG J， ZHOU R G， et al. Contrasting analysis of traffic stream characteristics between urban and intercity expressways[J]. Journal of Highway and Transportation Research and Development， 2005， 22（1）： 48-51.

[3]BEN-AKIVA M， CUNEO D， HASAN M， et al. Evaluation of freeway control using a microscopic simulation laboratory[J]. Transportation Research Part C： Emerging Technologies， 2003， 11（1）：29-50.

[4]JIE L， VAN ZUYLEN H， CHEN Y， et al. Calibration of a microscopic simulation model for emission calculation[J]. Transportation Research Part C： Emerging Technologies， 2013， 31：172-184.

[5]鄭進炫.基于多層統計模型的城市快速路分流區通行能力影響因素分析[J].交通與運輸，2018，24（7）：72-77.

ZHENG J X. Research on influencing factors of traffic capacity in diverging area at urban expressway based on multilevel model[J]. Traffic and Transportation， 2018， 24（7）：72-77.

[6]PEL A J， BLIEMER M C J， HOOGENDOORN S P. A review on travel behaviour modelling in dynamic traffic simulation models for evacuations[J]. Transportation， 2012， 39（1）： 97-123.

[7]HOSSAIN M. Capacity estimation of traffic circles under mixed traffic conditions using micro-simulation technique[J]. Transportation Research Part A： Police and Practice， 1999， 33（1）： 47-61.

[8]HOSSAIN M. Estimation of saturation flow at signalised intersections of developing cities： A micro-simulation modelling approach[J]. Transportation Research Part A： Police and Practice， 2001， 35（2）：123-141.

[9]ELEFTERIADOU L， KONDYLI A， BRILON W， et al. Ramp metering enhancements for postponing freeway-flow breakdown[J]. Transportation Research Board Annual Meeting， 2011：348-357.

[10]LERTWORAWANICH P， ELEFTERIADOU L. A methodology for estimating capacity at ramp weaves based on gap acceptance and linear optimization[J]. Transportation Research Part B： Methodological， 2003， 37（5）：459-483.

[11]VIEIRA DA ROCHA T， CAN A， PARZANI C， et al. Are vehicle trajectories simulated by dynamic traffic models relevant for estimating fuel consumption[J]. Transportation Research Part D： Transport and Environment， 2013， 24：17-26.

[12]NGODUY D， HOOGENDOORN S P， HENK J V. Modeling and simulation of multilane and multiclass traffic flow at on and off ramps[A]. The 5th Triennial Symposium on Transportation Analysis[C].Berlin，2004：1-9.

[14]AWAD W H. Neural networks model to estimate traffic capacity for weaving segments[C]// Proceeding of the Fourth International Symposium on Uncertainty Modeling and Analysis， IEEE， 14 October 2003， College Park， MD， USA， 2003：1236144.

[15]錢國敏，凡俊生，何春光，等.智能網聯混行環境下交叉口時空資源配置優化[J].浙江大學學報（工學版），2021，55（6）：1019-1026.

QIAN G M， FAN J S， HE C G， et al. Optimization of spatial-temporal resources at intersections under environment of mixed traffic flow with connected and autonomous vehicles and human-driven vehicles[J]. Journal of Zhejiang University （Engineering Science）， 2021， 55（6）：1019-1026.

[16]汪宏晨，張霞，唐爐亮，等.時段交通限行的時空動態建模與路徑優化方法[J].長安大學學報（自然科學版），2017，37（5）：89-96.

WANG H C， ZHANG X， TANG L L， et al. Time and space dynamic modeling and route optimization method of time-dependent traffic restriction[J]. Journal of Chang'an University （Natural Science Edition）， 2017， 37（5）：89-96.

[17]張經緯.面向高速公路施工區的出入口匝道交通流管控研究[D].南京：東南大學，2021.

ZHANG J W. Research on traffic flow control of on-ramp ramp metering expressway construction area[D]. Nanjing： Southeast University， 2021.