孫祥龍 陸 建

（東南大學(xué)交通學(xué)院 南京 210096）

公交站點間行程時間的估計是公交智能化調(diào)度、公交電子站牌應(yīng)用的基礎(chǔ)．根據(jù)估計方法的不同，分為以下5類：時空模型［1］，回歸模型［2－3］，神經(jīng)網(wǎng)絡(luò)模型［4－5］，卡爾曼濾波模型［6］，支持向量機模型［7］等，這些模型忽略了交通狀況隨機、偶然的因素，不能明確的反映路段和交叉口的交通狀況對行程時間的影響，而且這些模型有地域的局限性．本文選擇宏觀交通流理論來研究分析公交站點間的行程時間．

1 行程時間劃分

圖1為公交站點示意圖．公交從站點A駛向站點F的時間除了在A點的進(jìn)站時間，還要經(jīng)過路段AB，BC，CD，DE，EF 的行駛時間，交叉口B，C，D，E的信號延誤時間等，當(dāng)站點位于交叉口進(jìn)口時（如站點A），進(jìn)站時間和信號延誤時間可能會部分重合，在站點間行程時間估計時要合并計算，而當(dāng)站點在交叉口出口時，這兩部分時間要單獨計算，因此，站點間行程時間可以劃分為2個部分：?？垦诱`時間（進(jìn)站時間或信號延誤時間）、路段行駛時間．

圖1 公交站點示意圖

2 ?？垦诱`時間

2.1 公交站點位于交叉口進(jìn)口

2．1．1 模型假設(shè) 假設(shè)：（1）公交停靠占用的車道內(nèi)，不考慮車型的影響，所有車輛均折合成標(biāo)準(zhǔn)車型；（2）不考慮綠燈亮起時起動波的傳播時間；（3）不考慮公交專用信號的情況．

2．1．2 模型參數(shù) 建模的基本參數(shù)為：紅燈時間r，信號周期c，公交車到達(dá)交叉口時刻ta，停車線至公交站點距離l，公交站點被堵塞的時間tl，公交進(jìn)站停靠時間ts．

2．1．3 公交到達(dá)時刻臨界點

1）公交紅燈時間到達(dá)，到達(dá)時站點未被堵塞（ta＜tl）公交車能順利進(jìn)入站點?？浚绻卉嚽『迷谑Ｓ嗉t燈時間內(nèi)完成上下客服務(wù)并剛好在通過交叉口時趕上前車，此時，公交進(jìn)站?？繒r間與紅燈相位延誤重合，當(dāng)公交車到達(dá)早于此點時，公交?？垦诱`時間就要經(jīng)歷進(jìn)站停靠時間和等待紅燈延誤時間兩部分，則公交到達(dá)時刻ta＝r－ts為能否充分利用紅燈時間完成?？康囊粋€臨界點，見圖2．

圖2 公交運行時間－距離軌跡圖

2）隨著公交到達(dá)時刻往后推移，當(dāng)公交車進(jìn)站完成?？糠?wù)以后恰好能在綠燈時間末尾通過交叉口，即ta＝c－ts，此時又產(chǎn)生了一個臨界點，當(dāng)公交車晚于此臨界點到達(dá)，公交進(jìn)站?？糠?wù)以后將不能在本信號周期通過交叉口．

3）如果公交在紅燈時間到達(dá)時，公交站點已經(jīng)被交叉口車輛排隊所堵塞，即ta＞tl．由于公交車不能駛?cè)胍驯徽紦?jù)的?？空?，因此只能等綠燈起亮后才能駛?cè)牍煌？空具M(jìn)行上下客服務(wù)，因此，tl為公交能否順利進(jìn)站的一個臨界點．

根據(jù)公交車能否充分利用紅燈時間完成進(jìn)站停靠，能否在一個周期內(nèi)通過交叉口，是否在?？空就馀抨牭却葪l件，確定了公交到達(dá)時刻的3個臨界點：r－ts，c－ts，tl．

2．1．4 分情況的?？垦诱`時間計算 公交達(dá)到時刻的3個臨界點中，由于tl與r－ts大小關(guān)系無法確定，所以很難用統(tǒng)一的表達(dá)式計算?？垦诱`時間，要根據(jù)tl，r－ts與r的大小關(guān)系分段討論停靠時間tw：

假設(shè)公交車輛到達(dá)時刻ta服從（0，c）內(nèi)的均勻分布，其分布密度函數(shù)為［8］

將式（1）～（3）代入式（5），即可求得則各種情況下車輛的平均?？繒r間．

2.2 公交站點位于交叉口出口

當(dāng)公交站點位于交叉口出口時，車輛的?？垦诱`時間主要是由交叉口信號產(chǎn)生的延誤，在不考慮交叉口初始排隊的情況，公交在交叉口的平均?？垦诱`時間為

3 公交進(jìn)站停靠時間

公交進(jìn)站?？繒r間ts主要包括停靠服務(wù)時間t1、加速減速損失時間t2、公交開關(guān)門所產(chǎn)生的附加延誤時間t3．

?？糠?wù)時間與本站上下車人數(shù)以及上下車的平均服務(wù)時間有關(guān)，對于“前門投幣（刷卡）上車，后門下車”這種目前普遍使用的公交車類型，服務(wù)時間應(yīng)該是上車時間與下車時間二者之中最大，則有t1＝max（na·tu，nb·td）．式中：na為上車人數(shù)；nb為下車人數(shù)；tu為每位乘客上車的平均時間，取2．5s；td為每位乘客下車的平均時間，取1．5s．t2＋t3的均值［9］參見表1．

表1 t2＋t3的平均值

4 路段行駛時間

路段行駛時間是指節(jié)點之間（如圖1）的平均行駛時間

速度與交通流密度緊密相關(guān)，目前常用的速度密度模型一般都只適用于某一種交通流狀態(tài)．為了更準(zhǔn)確的描述速度密度之間的變化規(guī)律，Liu Hao［10］等對速度與密度的關(guān)系進(jìn)行了調(diào)查和仿真研究，結(jié)果表明，速度隨密度的增加而降低，當(dāng)密度達(dá)到某一點時，速度急劇下降，速度隨密度的變化曲線大致可以描述如圖3所示．

圖3 速度－密度關(guān)系曲線

圖3 中的曲線變化近似于Logistic函數(shù)曲線，因此，速度與密度之間的關(guān)系可以用Logistic函數(shù)近似，速度密度函數(shù)表示為

式中：vmax為路段最大速度；ρ為路段的密度；Nin，Nout為某時段內(nèi)路段起終點積累的交通量；N0為累計時刻開始時，路段上的交通量；a，b為參數(shù)；α為密度的調(diào)整系數(shù)．

5 算例分析

為驗證模型，對南京市公交11路車北極會堂站至雞鳴寺站站點間行程時間進(jìn)行了調(diào)查，以信號燈和站點作為節(jié)點將2站點間劃分為5個路段，道路和站點的基本情況見圖1、表2．實測數(shù)據(jù)包括公交車輛到達(dá)站點的時間、離開站點的時間、上下車人數(shù)等．表3列出北極會堂站至雞鳴寺站的部分實測數(shù)據(jù)．

公交站點被堵塞的時間tl＝l／（q·hs）．式中：q為車輛平均到達(dá)率；hs為停車線前排隊車輛平均車頭間距，根據(jù)調(diào)查平均到達(dá)率約為1／3輛／s，hs取8m，算得tl＝27．7s．

表2 信號交叉口及站點基本參數(shù)

表3 北極會堂站至雞鳴寺站實測數(shù)據(jù)

如圖1所示，北極會堂站點位于交叉口進(jìn)口，根據(jù)表2，表3中數(shù)據(jù)，可以算出0＜tl＜r－ts，所以用式（1）計算平均停靠延誤，將式（1）代入式（5）有

以表3中第一組數(shù)據(jù)為例，計算出公交在第一個交叉口的?？垦诱`時間為27．3s，在其他交叉口前?？垦诱`時間由式（6）計算，分別為37．9，27．1，3．4s，則總的?？垦诱`時間為95．7s．

下面計算路段行駛時間，首先要計算平均速度，對式（8）進(jìn)行線性變化，得到：ln［（vmax－v）／v］＝ln a＋bρ，標(biāo)定參數(shù)a，b，得a＝0．039，b＝0．045，則式（8）可寫為

本文通過人工觀測的方法獲取路段的流量，統(tǒng)計站點間正常行程時間內(nèi)（取2min），通過節(jié)點的交通量、路段上的初始流量，如在09：31：43時刻開始統(tǒng)計通過節(jié)點A，節(jié)點F交通量，以2min為間隔，得到通過節(jié)點A，F(xiàn)的流量為135輛、111輛，路段的初始流量統(tǒng)計為157輛，則根據(jù)式（9）計算出密度為59．7輛／km（為了簡化計算，α＝1），代入上式算出平均速度為37．7km／h，則A到F的平均路段行駛時間為96．3s．

則以表3中第一組數(shù)據(jù)為例，站點AF之間行程時間的估計值95．7＋96．3＝192s，其他組的估計時間方法同上，估計值見圖4．

圖4 估計結(jié)果與實測值對比圖

由圖5可見，實測值與估計值存在一定的誤差（評價誤差21．4s），分析原因，可能是由于在計算?？垦诱`時間時，沒有考慮初始排隊的長度和排隊消散時間，另外平均速度的估計可能也有一定的偏差，但估計值與實測值總體的誤差還是可以接受的，說明這種方法是可行的．

圖5 實測值與估計值之間誤差

6 結(jié) 論

1）分析了公交在站點之間的運行過程，把站點間行程時間估計劃分為停靠時間估計和路段行駛時間估計兩部分．

2）以宏觀交通流理論為基礎(chǔ)，確定了當(dāng)公交站點位于交叉口進(jìn)口時，公交到達(dá)交叉口時刻的3個臨界點，分3種情況建立了公交?？繒r間模型；當(dāng)公交站點位于交叉口出口時，根據(jù)信號燈對車輛?？康挠绊?，建立了公交平均?？繒r間模型．

3）速度隨密度的增加而降低，當(dāng)密度達(dá)到某一點時，速度急劇下降，根據(jù)速度與密度的這一變化規(guī)律，利用Logistic曲線對速度密度關(guān)系進(jìn)行了擬合，建立了速度密度的Logistic模型．

4）對南京市11路公交車進(jìn)行了調(diào)查，利用實測數(shù)據(jù)對理論計算結(jié)果進(jìn)行了檢驗，平均相對誤差較小，理論值與實測結(jié)果吻合較好．

［1］戴 帥，朱 晨，陳艷艷．城市公交系統(tǒng)的時間可靠度研究［J］．武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2008，32（5）：869－871．

［2］PATNAIK J，CHIEN S．Estimation of bus arrival times using APC data［J］．Journal of Public Transportation，2004，7（1）：1－3．

［3］楊兆升，保麗霞，朱國華．基于Fuzzy回歸的快速路行程時間估計模型研究［J］．公路交通科技，2004，21（3）：78－80．

［4］JEONG R，RILETT L R．Bus arrival time prediction using artificial neural network model［C］／／Proc．，IEEE Intelligent Transportation Systems Conference，Washington，D．C．，2004：988－993．

［5］CHIEN I J，DING Y，WEI C．Dynamic bus arrival time prediction with artificial neural networks［J］．Journal of Transportation Engineering，2002，128（5）：429－438．

［6］溫惠英，徐建閩，傅 惠．基于灰色關(guān)聯(lián)分析的路段行程時間卡爾曼濾波估計算法［J］．華南理工大學(xué)學(xué)報：自然科學(xué)版，2006，34（9）：66－69．

［7］于 濱，楊忠振，曾慶成．基于SVM和Kalman濾波的公交車到站時間估計模型［J］．中國公路學(xué)報，2008，21（2）：89－92．

［8］王 茜，楊小光．信號控制交叉口進(jìn)口道公共汽車?？坑绊懛治觯跩］．土木工程學(xué)報，2004（1）：58－74．

［9］葛宏偉，王 煒，陳學(xué)武．信號交叉口上游公交站點實際?？垦诱`模型［J］．哈爾濱工業(yè)大學(xué)學(xué)報，2008，40（12）：2063－2067．

［10］LIU Hao，HENK J van Zuylen，HANS van Lint，et al．Prediction of urban travel times with intersection delays［C］／／Intelligent Transportation Systems，2005：402－407．