作为城市交通路网的重要组成部分,平面交叉口是多股车流交汇的地方,在交叉口区域内,各方向的车流是共享空间、共享时间,其通行能力与路段相比会明显下降。平面交叉口是交通流持续运行受阻的最直接因素,也是最容易产生延误和拥堵、发生交通事故的关键部位。只有最大程度的提高交叉口通行效率,才有可能缓解整个城市路网的拥堵。交叉口通行效率的提升往往需要综合考虑多个因素,如交叉口的信号控制,需要结合各种流量特征,以制定合理的配时方案;需要利用标志标线导流设施的相互配合,以调整交叉口的视距;需要控制行人、非机动车、机动车的行走线路和频率,使交叉口的冲突点尽量减少,交叉口的冲突区域尽量简化,交叉口冲突的频率尽量降低。总的来看,就是要通过合理的渠化组织和智能的信号控制,实现交通流的时空优化。2020年10月23日,公安部交通管理局正式签发了(公交管〔2020〕302 号)《关于进一步加强城市道路交通信号控制应用工作的指导意见》,其中明确指出要“精细设计交通信号控制方案”+“配套优化调整交通组织措施”。我国的智能交通系统建设可以追溯到20世纪,经过数十年的发展,外场建设无论是从数量上、智能化程度上来看,都有了很大的提升。以视频监控为例,从最早的只能计数,到实现可检测车型、车头时距、车头间距、排队长度、车辆速度等指标,再发展为可与雷达配合进行路口轨迹分析、目标跟踪等高级功能,越来越多的数据可以获取,如何充分利用这些数据,实现单个交叉口精细化的时空资源优化,是未来智能交通领域需要研究的重点方向。本文将从以门头沟双峪路口(滨河路-双峪路)为例,从空间+时间2个维度,列举一些常见的利用互联网数据实现精细化管理的手段,希望为同行提供参考。
一、空间优化
交叉口的面积优化:交叉口的物理区域根据其实际功能可以划分为实际物理区(从各进口道的停止线像两侧延伸形成的区域)和理论物理区(以交叉口路缘石的延长线相交形成的区域)。当实际物理区/理论物理区的比值越大时,交叉口的资源浪费越严重,交通安全问题会越多。利用互联网路网数据+轨迹数据可以确认路口的停车线位置,以停车线位置围成的区域即为实际物理区,通过对城市路网的计算可以对路口面积进行排序,路口面积过大的极有可能存在资源浪费情况。
实际物理区/理论物理区=8000/2500=3.2。该比值越接近1越佳,越大风险越大。进口道的流畅性优化:车辆在路段行驶的过程中没有具体的流向,均为直行,在交叉口会区分出掉头、左转、直行、右转4个流向,因此城市交叉口进口道会进行展宽,如下图所示,双峪路口的东进口由路段的3条直行车道展宽为3左+2直。但是过渡段并无任何导流措施,导致直行车沿正常路线前进时,会直接进入左转车道,如需继续直行,需要快速完成向右的变道。通过轨迹数据及实地勘察,发现绝大部分直行车进入路口前有一个急剧的向右变道过程。通过这种源自轨迹数据的急变道情况,可以为路口渠化提出建议。
路缘石半径优化:以东进口的右转车为例,该路口采用了行人安全岛的模式,经实地测量,该路口的右转弯半径接近50m,转弯半径越大,车辆行驶速度越快,对行人过街的威胁越大。根据下图相关研究表明,随着右转弯速度的提升,事故死亡率会迅速升高。通过大数据分析,东进口右转车的速度变化如下图所示,平均达到35公里/小时以上,而《道路交通安全法实施条例》第四十六条 规定机动车行驶中遇到“掉头、转弯、下陡坡时”时,右转弯车辆的速度不可超过30公里/小时。
右转车车速与事故严重程度
右转车车速(滨河路-双峪路)
二、时间优化
时段优化:通过对该路口进行延误聚类的分析,区分工作日和周末,将一天切分为144个时间片,每个时间片时长为10分钟。每个时间片里的所有轨迹的总延误的平均值为这个时间片的延误值。在原始轨迹数据预处理的基础之上,我们以144个时间片以及每个时间片所对应的延误为基础优化时段切分,可以对该路口的时段进行精细化调整。
绿信比优化:该路口是门头沟区前往是北京其他区域的必经路口之一,通勤现象明显,利用轨迹数据的可回溯特性,采用1周工作日的数据进行分析,发现早高峰西北(左转)、西(直行),晚高峰东(直行)为关键车流,同时可以得到各进口道流向级的延误分布,是进行绿信比优化的重要依据。
三、总结
在传统的交通信号控制系统中,其交通状态检测的技术主要依赖固定点的检测器。然而我国城市发展速度飞快,以南方某城市的数据看,其全城3000+交叉口,仅有1000个路口有检测器(线圈、视频),且其中线圈的完好率常常不足20%。总体来看,互联网数据与传统检测器的数据,对于交通状态检测和交通信号优化来讲, 优劣势对比如下:1、传统的基于固定检测器的信号控制系统,对检测器的性能及部署方式具有高度依赖。不同的系统功能对检测器的布设位置要求不同,比如出口道检测器、排队检测器、溢流检测器、停车线检测器等,一组检测器不足以支持所有控制应用。2、基于固定检测器的信号控制系统需要前期的大量基础设施投入,系统运维成本高。尤其是我国还处在快速城镇化的阶段,很多城市有道路扩建、地铁施工等大量的基础设施建设工作,对检测器的持续维护是很大的挑战。我国很多城市传感器布设密度低,很多交叉路没有部署传感器,同时传感器的损坏率高,导致这类信号控制系统在很多城市是降级使用。3、固定检测器采集的数据为断面流量数据,依赖过车量和占用时间百分比来感知断面的拥堵状态,对拥堵点的上下游无感知。当城市的交通拥堵到达区域级,检测器很难覆盖全部范围,有限的断面数据并不足以支撑区域的自适应控制。4、现有自适应系统大多能在基准方案附近对长时间的、小幅度的交通变化有比较好的响应,但是对持续的、较大幅度的交通变化自动化应变能力不足。特别是自适应系统中的背景方案和其他系统参数的优化,需要大量的对系统熟悉的专业人员,缺乏直观有效的背景方案自动化调参机制。5、以断面流量为基础的信号优化系统缺乏完善的评价手段。目前畅通工程和国家标准中,通常要求采用停车次数、排队长度、延误时间、平均行程速度等参数进行评价,但这些很多是断面检测设备无法直接获取的。以空间优化为例,要获取车辆在进口道的详细轨迹信息,传统的采集方式只能利用雷达+视频融合的手段实现,成本较高,且由于雷达的可检测范围一般只有200米,检测的范围有限。以时间优化为例,要获取路口流向级的指标,需要在路口布设流量检测器,但无法保证检测器长时间全天正常运行。通过以上的2个案例,可以看出互联网数据因其具备广覆盖、低成本、可回溯等特点,在城市交叉口的组织优化、配时优化中可以起到很好的作用。
作者简介:木子李,硕士,2015年毕业于吉林大学,从事智能交通相关工作6年(4年智能交通系统集成+2年互联网交通),对行业始终保持敬畏与好奇心。