第1章 绪论
1.1 研究背景和意义
随着经济的快速发展，城市汽车拥有量的急剧增加，交通拥挤已经成为世界各大城市难以解决的通病。交通拥挤不仅降低了通勤和运输效率，在一定程度上还阻碍了经济的发展，并且随之带来的交通安全和环境污染等问题已经影响到人们的生活水平。建设新的道路是解决拥挤问题的传统手段，但是基础设施的建设在很大程度上取决于土地资源和当地的财政状况；另外，据资料显示，城市道路的利用率普遍不高，而单纯靠基础设施的建设并不能完全解决交通拥挤的问题。若从提高道路的利用效率着手，不仅提高了资源的利用率，而且可能探索出交通拥挤的解决之道。从城市道路拥挤的发生过程来看，通常是由于某一个路段的车流量增加或者某处发生事故而产生排队现象。当车辆的排队现象影响到上游交叉口时，上游路段便开始出现车辆排队的现象，如此发生下去，道路拥挤便从单个路段扩展到多个路段，进而导致更大范围的拥堵。简单的说，交通拥挤是由局部拥挤导致了路网的堵塞甚至瘫痪。若能及时检测到城市道路中的局部拥挤，甚至对车辆排队的变化趋势作出预估，那么便可采取相应手段对车流进行控制和疏导，从而达到提高路网利用效率的目的，避免交通拥挤的发生。
........
1.2 国内外研究现状
利用探测车数据对排队长度进行估算的研究很少，目前只有两篇论文可供参考。2009 年，Gurcan Comert 等人研究了利用探测车位置信息进行排队长度的估算模型及其样本大小对估算精度的影响。该文提出了基于条件概率分布的估算模型，给出了排队长度均值和方差的表达式。该模型在车流量较大的情况下能够有效的对排队长度进行估算。2011 年，Jeff Ban 等人提出了一种利用手机信号产生的旅行时间对有信号交叉口的实时排队长度进行估算的方法。该文在假设车辆为均匀到达、排队延迟线性减少的前提下，提出了队前无延迟到达时间（QRNAT）的概念，将其与排队延迟和排队长度的变化联系起来，并通过现场研究和仿真验证对其模型进行了检验，得到了较好的结果。国内对于旅行时间和排队长度的估算研究取得了很好的结果。2010 年，李强等人在其博士论文的研究基础上提出了旅行时间和队前初始排队长度的估算模型。该模型将信号灯配时、上下游交叉口的饱和流率、车辆直行率等参数联系起来，能够利用探测车数据进行小样本估计。作者已经将该模型进行了部分仿真验证，得出结论认为在上下游交叉口饱和流率相等的情况下模型是可靠。
.......
第2章 文献综述
2.1 以往研究成果
传统的旅行时间和排队长度估算模型都以感应线圈为数据获取来源。感应线圈通常埋设在路段的中间位置，能够获取流量、速度等宏观交通数据，通过经典交通流理论推导路段车辆的平均旅行时间。当交通出现拥堵状况时，感应线圈便难以得到可靠的数据，对旅行时间的估计便会出现较大误差。而目前对于用探测车数据进行旅行时间的预测中，通常以 5 分钟为集计时间对旅行时间进行估算。这种方法忽略了信号灯对旅行时间的影响，并且假设旅行时间服从正态分布，因此也产生了较大的误差。对于以感应线圈为数据来源的排队长度估算方法，目前有两种模型。第一种为 Webster(1958)提出并由其他多为学者改进过的车流输入.输出模型。这种模型描述了排队过程，但 Michalopoulos 和 Stephanopolos(1981)认为该模型不能得到排队长度与时间和空间的关系。而当队列超过线圈时则无法估算排队长度。第二种模型为 Lighthill 和 Whitham(1955)以及 Richards(1956)提出的基于交通波行为的针对非间断交通流的模型。但是这个模型需要精确的车辆到达数据，当路段拥挤时感应线圈被静止的车辆占用，而无法获取车流数据，因此无法估算排队长度。
.......
2.2 最新研究成果
李强在其博士论文的研究中发现，通过同一路段的车辆分为九种。如图 2.1所示，进入上游交叉口的车辆有左转进入、直行进入和右转进入，而驶出下游交叉口的车辆同样有左转驶出、直行驶出和右转驶出三种，因此通过同一路段的车辆共九种。大多数情况下，通过同一路段的车辆均为直行进入直行驶出（简
称为 TT 车辆）的类型。通过对这一类车辆的路段旅行时间的研究发现，其统计分布特征并非通常假设的那样为正态分布，而是呈双峰分布的特征。将同一信号周期内进入路段上游交叉口的车辆的旅行时间的平均值定义为路段旅行时间，通过仿真手段可以画出如图 2.2 所示的流量、总体旅行时间和平均旅行时间的关系图。图中红线为流量，蓝线为平均旅行时间，黑色 X 型标记为旅行时间。当流量逐渐增加时，平均旅行时间在稳定一定时间段后也开始逐渐增加，并且从2700 秒开始，旅行时间分为两个部分。
......
第 3 章 VISSIM 路网仿真模型的建立 ....................12
3.1 制作模型底图 ...........................12
3.2 车道数的确定和道路的铺设 .................13
3.3 信号灯的配置 ................13
3.4 车辆的输入 .................15
3.5 检测器的设置 .............................17
3.6 模型试运行及修正 ..........................18
3.7 本章小结 ..........................20
第 4 章 旅行时间和排队长度估算模型的仿真验证 .................21
4.1 估算算法介绍 .........................21
4.2 估算模型中参数的标定 .......................24
4.3 仿真验证结果及分析 ............................24
4.4 本章小结 ..................33
第6章 交通状况的量化划分标准
6.1 交通状况的量化划分标准
第 3 章已经详细分析了队前初始排队长度估算公式。当车流量少于 p = 1时的流量时，车辆不会遇到红灯延迟，故车流量的变化不会对车辆的旅行时间造成影响，本文将这种状态定义为自由流状态。当车流量大于 p = 0时的流量时，所有车辆都至少遇到一个红灯延迟，随着流量的进一步增加，旅行时间明显增加，队前初始排队长度明显增加，本文将这种状态定义为堵塞状态。当车流量介于 p = 1和 p = 0时的流量之间时，有部分车辆遇到红灯延迟，部分车辆没有遇到红灯延迟。由式 2-1 至式 2-4 推导得知路段平均旅行时间与 p 成线性关系（式
6-1），若α 不变则当p 逐渐减小时，平均旅行时间线性增加；由式 4-3 可知，队前初始排队长度与 p 值也成线性关系（式 6-2），若α 不变则当p 逐渐减小时，队前初始排队长度线性增加。
........
第7章 总结与展望
7.1 全文总结
本文在基于实际城市道路的 VISSIM 路网仿真模型的基础上对旅行时间和队前初始排队长度估算模型进行了相关研究，主要内容包括：首先，通过文献调研总结了旅行时间和排队长度估算模型方面的研究成果，发现了在以往的研究中利用感应线圈对旅行时间和排队长度进行估算的方法的不足之处，同时发现利用探测车数据对旅行时间和排队长度进行估算的研究非常之少。在此基础上，引入了李强和邹海丹利用探测车数据对其进行估算的最新研究成果。其次，本文详细介绍了李强和邹海丹的旅行时间和排队长度估算模型。该模型中，将路段旅行时间定义为直行驶入上游交叉口并且直行驶出下游交叉口的车辆的平均旅行时间，并提出队前初始排队长度的概念。所谓队前初始排队长度就是在某一信号灯周期内进入上游交叉口的车辆加入下游队列时，下游交叉口前的队列长度。该模型已经在一种较为理想的路段得到了仿真验证。第三，本文建立了基于实际城市道路的 VISSIM 路网仿真模型，用来对李强和邹海丹的估算模型进行进一步的仿真验证。该仿真模型中有 24 个有信号交叉口，路段车道数和渠化情况接近实际情况。该路网仿真模型不仅能够用于本文的验证研究，还为后续研究打下了基础。第四，本文详细分析了估算模型中各参数的灵敏度，说明了每个可能产生误差的参数在不同情况下对估算精度的影响大小。从而使估算模型离实际运用更近了一步。最后本文根据对排队长度估算模型的临界情况的分析，改进了邹海丹对路段交通状况主次层级的划分标准，提出了可测量的量化划分标准。这使得人们对交通状况的划分更加清晰客观，不仅为智能交通系统提供了更具有实用价值的参考指标，也为旅行时间的短时预测提供了理论依据。
.........
参考文献（略）