基于速度变化的偶发性交通拥堵时空分布特性研究

交通运输系统工程与信息 ›› 2019, Vol. 19 ›› Issue (2): 196-201.

基于速度变化的偶发性交通拥堵时空分布特性研究

孙建平^{1, 2}，郭继孚^{* 1, 2}，张溪²，徐春玲²

1. 北京交通大学交通运输学院，北京 100044；2. 北京交通发展研究院，北京 100073

收稿日期:2018-11-13 修回日期:2019-01-09 出版日期:2019-04-25 发布日期:2019-04-25
作者简介:孙建平(1978-)，女，河北秦皇岛人，博士生.
基金资助:
北京市科技计划项目/Beijing Science and Technology Plan Project(Z181100005818001, Z171100004417024).

Spatial and Temporal Distribution of Occasional Congestion Based on Speed Variation

SUN Jian-ping^{1, 2,} GUO Ji-fu^{1, 2}, ZHANG Xi², XU Chun-ling²

1. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China; 2. Beijing Transportation Research Center, Beijing 100073, China

Received:2018-11-13 Revised:2019-01-09 Online:2019-04-25 Published:2019-04-25

摘要/Abstract

摘要：

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积，从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先，基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性；接着，根据交通事故信息和事故路段流量与速度数据，建立了一种基于速度差异的拥堵判定模型，并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述；最后，依托仿真数据与北京市真实事故数据进行效果验证.结果表明，该方法可以有效地描述交通事故引起的拥堵时空分布特性.

关键词: 城市交通, 交通事故, 交通拥堵, 时空分布, 拥堵时长

Abstract:

The occurrence of traffic accidents will lead to the decrease of traffic speed and the accumulation of traffic flow in the upstream section, thus causing traffic congestion. This paper studies the spatial and temporal distribution characteristics of traffic congestion caused by traffic accidents on urban roads. Firstly, the vehicle speed variation characteristics under the impact of traffic accident were analyzed based on the accident data and segment speed data of Beijing. Then, a congestion judgment model based on speed difference was established, that on the base of traffic accident information, traffic flow and speed data of accident sections. The constraint conditions of its spatial and temporal dimensions are limited. The spatial and temporal scope of congestion caused by accident was quantitatively described, and the effect verification was conducted based on the simulation data and the real accident data of Beijing. The results show that this method can effectively describe the spatial and temporal distribution characteristics of traffic congestion caused by traffic accidents. This model is of great significance to clarify the spatial and temporal distribution characteristics of traffic congestion caused by accidents, to predict traffic congestion caused by accidents, and to formulate policies to alleviate traffic congestion.

Key words: urban traffic, traffic accident, traffic congestion, spatial and temporal distribution, congestion time

中图分类号:

U491

孙建平，郭继孚，张溪，徐春玲. 基于速度变化的偶发性交通拥堵时空分布特性研究[J]. 交通运输系统工程与信息, 2019, 19(2): 196-201.

SUN Jian-ping, GUO Ji-fu, ZHANG Xi, XU Chun-ling. Spatial and Temporal Distribution of Occasional Congestion Based on Speed Variation[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(2): 196-201.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19819.shtml

http://www.tseit.org.cn/CN/Y2019/V19/I2/196

参考文献

[1] 周东阳. 城市道路交通事故影响范围分析及疏导控制方案研究 [D]. 济南: 山东大学, 2013. [ZHOU D Y. Study on urban traffic accident influence range analysis and diversion control programs[D]. Jinan: Shandong University, 2013.]

[2] SHED J B, CHOU Y H, WENG M C. Stochastic system modeling and optimal control of incident-induced traffic congestion[M]. Elsevier Science Publishers B. V., 2003.

[3] 赵小强. 交通事故持续时间预测理论与方法[D]. 北京: 清华大学, 2010. [ZHAO X Q. Theory and method of the incident duration prediction[D]. Beijing: Tsinghua University, 2010.]

[4] 张轮, 施奕骋, 杨文臣, 等. 城市快速路交通拥堵持续时间分布特性研究[J]. 武汉理工大学学报(交通科学与工程版), 2014(1): 1-6. [ZHANG L, SHI Y C, YANG W C. Distribution characteristics of traffic congestion duration time for urban expressway[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2014(1): 1-6.]

[5] SRINIVASAN D, CHAN C W, BALAJI P G. Computational intelligence-based congestion prediction for a dynamic urban street network[J]. Neurocomputing, 2009, 72(10): 2710-2716.

[6] SMITH B L, WILLIAMS B M, OSWALD R K. Comparison of parametric and nonparametric models for traffic flow forecasting[J]. Transportation Research Part C, 2002, 10(4): 303-321.

[7] 张晓利. 交通事故引起的拥堵蔓延模糊神经网络预测方法与实例分析[C]// 2014 中国智能交通年会大会, 2014. [ZHANG X L. Incident- induced congestion spreading prediction method and case analysis[C]// The Annual Conference of ITS China in 2014, 2014.]

[8] BEER C, RIEDL A. Modelling spatial externalities in panel data: The spatial Durbin model revisited[J]. Papers in Regional Science, 2012, 91(2): 299-318.

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[4]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[5]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[6]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[7]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[8]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[9]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[10]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[11]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[12]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[13]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[14]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.
[15]	牟振华, 汪寒冰, 林本江, 陈逸群, 金程程, 陈艳艳. 基于演化博弈的违章停车动态罚金策略效用仿真评价[J]. 交通运输系统工程与信息, 2022, 22(1): 152-162.