交通影响分析及改善研究

石济客专施工对石家庄市区道路交通

影响分析及改善研究

An Analysis of Influence and Improvement to the

Shi Jiazhuang's Road and Traffic of the Construction of High-speed Railway Shi

Jiazhuang to Ji nan

2014 届 交通运输 学院 专 业 学 号 学生姓名 指导教师

完成日期 2014年 6月8日

毕业设计成绩单

学生姓名 学号 班级 专业 交通工程 毕业设计题目 石济客专施工对石家庄市区道路交通影响分析及改善研究 指导教师姓名 金龙 指导教师职称 教授 评 定 成 绩 指导教师 评阅人 答辩小组 组长 成绩： 得分 得分 得分 院长签字： 年 月 日

毕业设计任务书

题 目 学生姓名 石济客专施工对石家庄市区道路交通影响分析及改善研究 学号 班级 专业 导师职称 教授 承担指导任务单位 交通运输学院 导师姓名 一、主要内容 1.现状调查及基本数据分析。包括道路几何尺寸和车道数，为后续仿真做好准备。 2.合成底图，建立影响范围内的路网，并输入流量，添加信号灯、冲突区、路径选择等设置。 3.分析项目建成后的车流量，预测为来年总的车流量。计算主要路口建成前和建成后的饱和度，将两者进行对比。再仿真分析项目建成前后主要路段的延误和停车率等评价指标。 4.提出合理的改善措施，根据每条措施仿真评价改善后的交通状况。 二、基本要求 1.掌握交通影响评价的方法，运用科学的思维创新性的解决实际问题。 2.学会数据处理方法，熟练操作VISSIM仿真软件。 3.能够根据交通影响程度提出合理的改善方案，用对比的方法对比改善前后进行评价，看优化的效果。 4.学习对待科学的严谨态度，为今后的学习奠定基础。 三、应收集的资料 1.线路走向和影响区域 2.石家庄市的道路交通状况 3.VISSIM仿真的操作步骤 4.交通影响分析方法 四、进度计划 第1周—第3周 充分了解设计内容，对设计做初步制作，调查交通现状。 第4周—第7周 分析影响区域范围内的道路网络情况，分析现状交通压力。 第8周—第10周 对项目建成后仿真评价，提出改善措施。 第11周—第12周 修改论文，对论文内容做进一步的完善。 教研室主任签字 时间 年 月 日

毕业设计开题报告

题 目 学生姓名 石济客专施工对石家庄市区道路交通影响分析及改善研究 学号 班级 专业 一、设计背景 石济客专线路横跨石家庄市区，必然会对市区道路交通产生一定的影响。而交通流量存在很多偶然因素，通过施工前的交通流量和道路状况模拟项目建成后对道路交通的影响。各方面分析并提出改善方案。 二、发展趋势及现状 石济客运专线建成通车后，太青客运专线将全线贯通，沟通山西、河北和山东三省。设计时速为250km/h，设计工期4年。在项目建成后，穿过石家庄市区的线路拟定为高架形式。主干路位于铁路线路下方，通过VISSIM仿真软件观测市区道路交通的流量变化。 关于交通仿真技术的发展，目前我国主要是引进多种国外交通仿真软件，并且进行应用，这些商业软件主要包括像微观的交通仿真软件，VISSIM、PARAMICS、TRANSMODELER、COSIM、AIM SUN，宏观交通仿真软件CUBE、TRANSCAD、VISUM等，然而以上软件大多数根据所在国家当地的交通条件所研发的，他们默认的参数都反映当地的交通的特性。PARAMICS是适合英国的道路交通状况的，VISSIM根据德国交通条件开发的，中国道路条件和上述国家应该说有着重要的区别。因此在应用的时候，需要对于这些软件模型做具体适应性的调整和校验。 三、设计的主要研究内容 1.划分影响交通流量的区域，调查施工前的交通流量，形成基础数据，为项目建成后路网提供车流量。 2.用VISSIM软件建立路网，仿真受影响区域的交通状况，综合分析道路通行能力及饱和流量等。提出有效的改善措施和方案。 3.项目完成后交通影响调查。根据石家庄机动车保有量，大致确定机动车增长幅度，预测高架建成后的交通量。判断其对道路交通的影响。仿真比较前后的车流量对道路交通的影响程度。 四、主要设计方法 项目完成后路网仿真及改善分析。项目施工完成后，由于新建设了铁路线路，在一些方面将对道路交通将造成一些永久性的影响。通过仿真分析这些影响，并提出合理的改善方案。 五、预计达到的目标 通过仿真手段研究石济线铁路施工完成后对城市交通的影响，用科学手段评估影响，根据仿真评价提出改善方案。针对相对应的改善方案，仿真改善后的交通评价指标，与仿真前对比，查看看优化结果。 指导教师签字 时 间 年 月 日

摘 要

石济客专是连接东西城市之间的高速铁路，其线路以高架桥形式穿过石家庄市区,市区的重大交通项目会对交通产生一定的影响。通过VISSIM仿真分析对比项目完成前后的交通影响程度。

通过调查现状交通流量的基础数据，调查分析影响区域的道路几何尺寸，建立仿真路网。用VISSIM仿真现状交通状况。项目建成后以高架桥的形式通过市区，分析高架桥的占地情况以及对路网产生的影响。预测项目建成后的交通流量，各个路网上流量分配情况，仿真得出项目建成后对市区交通的影响。

新的流量迭加到路网上，交通有一定程度的拥堵。为了改善拥堵的交通状况，结合路网状况，提出一些合理的改善措施。有的路段设置成了单向交通，大大提高了车流量通行效率，取得了显著的成效。打通断头路，使路段都和主干道相连接，能够合理分配交通流，减少车辆延误。综合分析每条措施所能改善的效果及相应措施的代价，并评价整体的经济效益。

关键词：VISSIM仿真 交通影响 单向交通 延误

Abstract

The dedicated high-speed rail from Shijiazhuang to Jinan links between the East and West city, which route cross through the Shijiazhuang city, the line type is viaduct by the urban part. Major urban transportation projects will have some impact traffic .And analysis the traffic impact of before complication and after complication by simulation project.

By surveying the based-data of the current traffic volume, investigation and analysis of road geometry of affected area .build the simulation network. simulation the current traffic conditions with VISSIM .The viaduct goes through downtown after the project is completed, analyze the impact of the viaduct and the road network covering the situation arising .And forecasts the traffic volume after completion of the project and the distribution of the various road traffic line, simulation the impact on urban traffic results after the completion of the project.

The new traffic volume superimpose on road network may cause some traffic jams. In order to improve traffic jam condition, its needs to put forward some reasonable measures to improve the conditions. Some rode sections set one-way traffic, Greatly improving the efficiency of traffic flow passage, achieved remarkable results .And open up the broken road, all sections can be connected to the main road, traffic can be a reasonable allocation, reduce vehicle delays. Take Consideration of a comprehensive analysis of each of the measures that could improve the results, and make the corresponding measures to evaluate the overall economic benefits.

Key words: VISSIM Simulation Traffic Impact One-way Traffic Delays

目 录

第1章 绪 论 ..................................................................................................................... 1

1.1 课题研究背景和意义 ............................................................................................. 1 1.2 国内外现状及发展趋势 ......................................................................................... 1 1.3 研究内容 ................................................................................................................. 2

1.3.1 现状分析及仿真 ........................................................................................... 2 1.3.2 交通需求分析 ............................................................................................... 2 1.3.3 项目交通系统研究 ....................................................................................... 3 1.4 小结 ......................................................................................................................... 3 第2章 石济线项目施工介绍 ............................................................................................. 4

2.1 线路概况 ................................................................................................................. 4 2.2 枢纽概况 ................................................................................................................. 4 2.3 地形特征 ................................................................................................................. 4 2.4 小结 ......................................................................................................................... 4 第3章 研究区域道路交通现状调查 ................................................................................. 6

3.1 道路网络几何尺寸调查及分析 ............................................................................. 6 3.2 交叉口渠划调查与分析 ......................................................................................... 6 3.3 交通流量调查及分析 ............................................................................................. 8 3.4 信号配时调查及分析 ............................................................................................. 9 3.5 小结 ....................................................................................................................... 10 第4章 仿真路网建立 ....................................................................................................... 11

4.1 道路网络设置 ....................................................................................................... 11 4.2 交通信号设置 ....................................................................................................... 12 4.3 交通流量输入 ....................................................................................................... 13 4.4 冲突区设置 ........................................................................................................... 13 4.5 路径选择设置 ....................................................................................................... 14 4.6 小结 ....................................................................................................................... 15 第5章 高架项目完成后交通影响仿真 ........................................................................... 16

5.1 路网通行能力分析 ............................................................................................... 16

5.1.1 路段通行能力 ............................................................................................. 16

5.1.2 交叉口通行能力 ......................................................................................... 17 5.2 背景交通量预测 ................................................................................................... 19 5.3 项目完成后交通量分布 ....................................................................................... 21 5.4 项目新增交通量影响程度分析 ........................................................................... 22

5.4.1 机动车交通量影响分析 ............................................................................. 22 5.4.2 非机动车交通量影响分析 ......................................................................... 23 5.4.3 公共交通影响分析 ..................................................................................... 23 5.5 小结 ....................................................................................................................... 24 第6章 交通影响改善仿真 ............................................................................................... 25

6.1 交通改善指导思想 ............................................................................................... 25

6.1.1 改善目标 ..................................................................................................... 25 6.1.2 改善原则 ..................................................................................................... 25 6.1.3 改善策略 ..................................................................................................... 25 6.2 项目占用土地分析 ............................................................................................... 26 6.3 机动车影响改善分析 ........................................................................................... 26

6.3.1 单向交通仿真分析 ..................................................................................... 26 6.3.2 打通断头路改善分析 ................................................................................. 30 6.3.3 增加公交车比例改善分析 ......................................................................... 34 6.4 区域交通组织改善分析 ....................................................................................... 36 6.5 小结 ....................................................................................................................... 36 结 论 ................................................................................................................................. 37 参考文献 ............................................................................................................................. 38 致 谢 ................................................................................................................................. 39 附录A 外文翻译 ............................................................................................................... 40 附录B 部分仿真数据及截图 ........................................................................................... 56

石家庄铁道大学毕业设计

第1章 绪 论

石济客专的修建为石家庄带来机遇和挑战，使石家庄与周边城市衔接变得更快，对当地的经济起着促进的作用。带动本地产业发展。但同时有了新的客运专线修建，在既有的道路网络条件下，也会增多原有的交通量。影响城市交通流量的的因素比较广泛，重大交通工程项目必将给城市交通的时空分布带来影响，还有可能影响到整个城市路网交通形态。

1.1 课题研究背景和意义

石济客专项目的建设，由于其本身具有交通功能的特性，因此其建设目的就在于适应交通需求的增长，从而促进当地的经济发展。但它同时又会给局部路网带来较大的交通压力，乃至影响城市交通形态，并给城市交通系统的整体服务水平带来影响，所以，该建设项目在可行性研究过程中进行交通影响分析非常必要。在建设项目工程可行性研究阶段，分析未来该项目建成后本身供需情况及给周围道路交通带来的影响范围和影响程度，对项目的建设规模和建设计划提出合理建议，并确定相关路网配套设施和交通管理措施，最终提高道路交通网络的整体水平。

当前我国经济增长速度较快，交通需求急剧增加，交通供需不平衡，导致道路拥挤日益升温，行车速度每况愈下。新的土地开发所产生的新增交通需求会使周边的交通设施乃至局部的路网交通压力剧增，带来如延误、出入口道路交通组织等交通问题，从而直接导致服务水平和通行能力降低。实施交通影响分析对于城市新建项目对道路交通有着重要的意义。

1.2 国内外现状及发展趋势

国内的理论研究交通影响分析起源于美国，目前很多国家均广泛运用，与此同时产生了不少理论研究成果。其中，美国最为系统和成熟。从20世纪40年代起，美国经济迅猛发展，城市化速度飞快，基础设施建设资金的筹措越来越困难，因此在许多经济高速发展地区开始探讨由开发商承担基础设施建设资金的可能性。交通影响分析就是在这种背景下提出的，它希望通过预测项目建成后对交通环境的改变来确定是否由开发商承担与开发项目产生影响相当的。

德国PTV公司开发一款用于交通仿真VISSIM软件应用最为广泛，而且VISSIM

1

石家庄铁道大学毕业设计

能直观、形象、详细地仿真出车辆、道路、交叉口、信号灯等随时间变化的三维动画状态，能真实、精确地重现交通网络交通运行状况，避免了在拟定交通控制方案及对方案进行评价时因无法直观观测车辆在道路及交叉口的运行状况而引起的不足。 将VISSIM交通仿真软件应用于城市交通网络交通运行状况仿真分析及交通方案的优化与评定，为在我国的复杂混合交通条件下确定交叉口乃至整个城市交通组织方案提供了一条切实可行的新思路和新方法，具有良好的操作性和实用性。VISSIM 还提供了图形化的界面，用2D和3D动画向用户直观显示车辆运动，运用动态交通仿真进行路径选择。动态交通仿真过程中，按道路最小费用搜索最短路径，找到所有可选路径，将OD分布量分配给可选路径，在每个仿真迭代结束时对系统中各路段、交叉口的交通流状态进行扫描，读取仿真数据库中的状态情况，判断它们所在的路段和交叉口的阻抗状态，每一步仿真结束后要更新道路阻抗，重新计算驾驶员路径选择概率，然后进行下一步迭代的计算，直至达到收敛标准。

1.3 研究内容

对石家庄市交通现状进行分析，划定施工期间的影响范围。再根据施工的位置确定阻断路口，新建线路通过市区是高架形式，这必然使横跨的道路会设成地道桥，形成道路两头高中间低，使得道路通行能力降低。项目建成后周围用地性质发生变化，会改变现有的交通量，在现阶段交通流量基础上，预测未来短期的交通增长量，评价项目建成后的交通影响。

1.3.1 现状分析及仿真

通过对石家庄市交通流量调查，并结合周围土地利用规划，分析项目影响范围内的交通状况。随着经济结构的转变，石家庄市的经济发展迅猛促进了城市化。现有的道路网络基本能够维持。随着项目施工完成后，经济进一步发展，城市化更加提高，给现有的交通系统带来很大的压力。因此需要从宏观上对未来交通状况予以把握。

1.3.2 交通需求分析

利用调查的数据资料和科学的分析方法，建立需求分析模型。分析项目建成后各交通方式的分布和规律，确定在不同时间段产生的吸引量。由于道路系统的复杂性，交通规划模型往往需要忽略道路网络的细部结构。而交通影响分析则强调微观性，它需要深入地研究土地开发项目周边的道路结构和交通条件，从而给出可靠地交通需求数据。交通需求分析提供的交通流量预测数据要求具体到周边道路网络每一路段上的

2

石家庄铁道大学毕业设计

流量变化，以及每一个交叉口转向流量的变化。交通需求预测主要有项目交通量的预测和背景交通量的预测。通过背景交通量分析不难发现，如果只从现状的通过式交通预测未来的通过式交通，则正好是一个完整的四阶段交通需求预测过程。

1.3.3 项目交通系统研究

运用交通评价指标如停车延误、停车率等进行评价，将未来年交通量迭加到现有的路网上，仿真模拟交通状况。未来年的交通量必然大于现有的交通量，在道路基础设施不变的情况下，会给路网带来压力，甚至导致路网瘫痪。这时需要对周边路网进行改善，优化交通组织，提出合理的交通管理措施。

1.4 小结

石济客专项目建成后，对周围的交通有一定的影响，在未来年中交通量持续增长，石家庄市区的交通状况将面临巨大压力。本文将着力解决这一状况。分析施工后交通流量的变化，模拟仿真道路交通状况，在不改变路网条件下改善交通状况，缓解交通流量增长带来的交通压力。

3

石家庄铁道大学毕业设计

第2章 石济线项目施工介绍

石济客运专线的修建成为沟通东西城市之间的重要通道，可带动石家庄当地的经济发展。建造这条线路具有重要的战略意义。

2.1 线路概况

石家庄至济南客运专线位于华北平原中部，起自河北省石家庄市，向东沿既有石德铁路出石家庄市，经藁城、辛集、衡水等市县，进入山东省德州市后折向东南，并行于在建的京沪高速铁路左侧，跨青银高速公路后向东南，于傅家庄跨黄河，跨济青高速公路和机场高速公路，接入胶济客运专线五里堂线路所，线路全长323.096km。其中河北省境内192.717km，山东省境内130.379km。沿线经过河北省石家庄市、衡水市、沧州市，山东省德州市、济南市。本线地处冀鲁平原，地形比较平坦。石济客专建成通车后，太原到青岛的动车将全部贯通。线路走向从东向西石家庄市区，目前该线路有些标段已经开始动工，石家庄市区内还没有开始施工。

2.2 枢纽概况

石家庄铁路枢纽位于华北平原西部，衔接京广、石德和石太客运专线，为典型的十字型枢纽。枢纽范围北起京广线的正定站，南至京广线的窦妪站，东起石德线的藁城站，西至石太线的获鹿站。枢纽内共有车站11个，其中石家庄客站为主要客运站，石家庄北站为辅助客运站；石家庄编组站是枢纽内主要编组站，站型为三级六场，石家庄西站为技术作业站，枢纽内石德电化、石太客运专线工程已经完成。

2.3 地形特征

沿线地貌为冀鲁平原，属华北平原的一部分，按成因分为山前冲洪积平原和冲积平原，济南市区局部为剥蚀残丘。地形平坦，开阔，稍有起伏，石家庄、济南地面高程40～80m，德州地面高程全线最低，约为20～30m。

4

石家庄铁道大学毕业设计

图2-1 石济线施工石家庄市区示意图

2.4 小结

确定石济客运专线的线路走向，有利于制定工期。对通过市区的部分，能较为准确的划分项目影响区域。这是项目前期的准备工作。

5

石家庄铁道大学毕业设计

第3章 研究区域道路交通现状调查

城市道路交通是经济发展的命脉，在进行交通仿真评价前需要对道路的基础数据进行调查。路段道路设施现状调查包括了解调查路段的道路性质与等级；道路路幅宽度及断面组成形式与几何尺寸；所调查道路两侧用地性质；调查道路板块形式、分隔设施、交通标志标线等。石济客专横跨石家庄市区，从北二环进入市区。在影响区域范围内，以谈固北大街为例，调查道路的几何尺寸，信号相位，车流量和车辆类型，形成基础数据。

3.1 道路网络几何尺寸调查及分析

从北二环与谈固北大街交叉口起往南，主干道是谈固北大街。在与二环路交叉口处，中间有一条民心河，交叉口处的车辆实现左转或直行时，由于交叉口冲突区范围较大，区域的车辆较多，容易造成拥堵。谈二路口进口车道宽度是3.25m，出口车道宽度3.5m，其余路口进口车到宽度和出口车道宽度与上相同。

3.2 交叉口渠划调查与分析

城市交叉口是影响城市交通的关键，交叉口的渠划是否合理直接影响路网的通行能力。在交叉口处除了通过信号等交通管理手段对车辆及行人进行控制外，交叉口渠划有利于提高道路及交叉口的通行能力、行车速度、缓解交通拥堵。具体渠划如下： 谈固大街与北二环交叉口东进口直左、直右3车道，车道宽度3.25m；南进口设直左右3车道，车道宽度3.23m；由于目前这段区域在施工，北进口被封闭，车道数为零；西进口设置直左、直右4车道。详见表3-1和表3-2。

表3-1 北二环与谈固北大街交叉口进口渠化现状信息列表(m)

进口

方向

车道数

东向 南向 西向

3 3 3

车道宽度 3.25 3.25 3.25

隔离带宽度 0 2 0

6

非机动车道宽度 3 6 3

车道划分说明 直 左 右 1 1 1 1 1 1 1 1 1

石家庄铁道大学毕业设计

表3-2 北二环与谈固北大街交叉口出口渠化现状信息列表(m)

出口

方向

车道数

东向 北向 西向

2 2 2

车道宽度 3.5 3.5 3.5

隔离带宽度 0 2 0

非机动车道宽度 3 6 3

谈光路口是典型的丁字路口，没有信号灯控制。东进口车道数是零；南进口有直左右2车道；西进口直左、直右车道1；北进口直左右2车道。见表3-3和表3-4。

表3-3 谈固北大街与光华路交叉口进口渠化现状信息列表(m)

进口

方向 车道

数

南向 西向 北向

表3-4 谈固北大街与光华路交叉口出口渠化现状信息列表(m)

出口

方向

车道数 2 2 2

车道宽度 3.5 3.5 3.5

隔离带宽度 0 2 2

非机动车道宽度 4 4 4

2 1 2

车道宽度 3.25 3.25 3.25

隔离带宽度 0 0 0

非机动车道宽度 4 4 4

车道划分说明 一条直左车道 一条直行车道 一条左、右转车道 一条直左车道 一条直行车道

东向 南向 北向

谈固大街与和平路交叉口是比较典型的十字交叉口，渠划后东进口直左、直右4

车道；南进口直左右2车道；西进口直左、直右4车道；北进口直左右3车道。见表3-5和3-6。

7

石家庄铁道大学毕业设计

表3-5 谈固北大街与和平路交叉口进口渠化现状信息列表(m)

进口

方向 车道

数

东向 南向 西向 北向

车道宽度 3.25 3.25 3.25 3.25

隔离带宽度 3 1.6 3 1.6

非机动车道宽度 6 6 6 6

车道划分说明 直 左 右 2 1 1 1 1 1 2 1 1 1 1 1

4 3 4 3

表3-6 谈固北大街与和平路交叉口出口渠化现状信息列表(m)

出口

方向

车道数

东向 南向 西向 北向

4 3 4 3

车道宽度 3.5 3.5 3.5 3.5

隔离带宽度 3 1.6 3 1.6

非机动车道宽度

6 6 6 6

注：车道宽度单位均为m。

3.3 交通流量调查及分析

交通流量调查采用人工计数法，实地调查记录十字型各进口道各流向的车数，本次调查时间段是自然状态的平均流量。所用工具有秒表、DV摄像机、记录版、米尺和摄像机脚架。以交叉口每个周期通过的车流量折换成每小时的流量。由于谈光路口 无信号灯，这里调查并记录十分钟通过该路口的车流量，再换算成每小时的车流量。见表3-4和表3-5。

8

石家庄铁道大学毕业设计

表3-4各交叉口机动车流量统计表（辆/小时）

方向 左

交叉口 谈和路口 谈光路口 谈二路口

30 0 419

东 直 1405 0 347

右 205 0 43

左 78 60 5

西 直 1297 0 116

右 321 480 651

表3-5各交叉口非机动车流量统计表（辆/小时）

方向 左

交叉口 谈和路口 谈光路口 谈二路口

0 0 87

东 直 234 0 260

右 88 0 43

左 29 42 11

西 直 166 0 19

右 68 238 108

左 10 210 65

南 直 176 108 65

右 30 0 108

左 15 0 0

北 直 161 170 0

右 88 68 0

左 166 180 0

南 直 317 480 434

右 88 0 119

左 263 0 0

北 直 527 600 0

右 102 120 0

3.4 信号配时调查及分析

交通信号控制车辆通过交叉口，合理的信号配时能提高车辆通行能力，缓解交通压力。在本次调查中，记录了各个交叉口的配时和相位。见表3-6。

表3-6 交叉口信号相位及时间

交叉口编号

交叉口名称

周期

相位1及时间 北二环直左右

1 2 3

谈二路口 谈光路口 谈和路口

83 无 123

30 无 和平路直右

45

注：各交叉口黄灯时间均为3s，全红时间为3s。

相位2及时间 谈固大街直左

右30 无 和平路左右

20

相位3及时间 谈固大街右转

15 无 谈固大街直左

右47

9

石家庄铁道大学毕业设计

3.5 小结

交通现状调查涉及到很多小的问题，比如非机动车道宽度、分隔带宽度，这是比较容易忽略的。在路网仿真之前应该采集好各种数据，只有实地去调查过才能得出更有效的数据。在调查过程中，有的路口正在施工，实际车流量在施工的路口为零。我们所调查的数据以实际的为准。有了前期的数据调查才能进行后面的仿真。调查的车流量、车道宽度和信号相位具有真实可靠性。

10

石家庄铁道大学毕业设计

第4章 仿真路网建立

交通仿真是交通流时间和空间上的变化。仿真路网建立包括设置道路网络，标志标线，机动车和非机动车的流量，信号灯等。通过仿真软件模拟交通状况。实际交通状况有较多的影响因素，我们通过仿真来评价交通是否通畅和合理。路网是车辆的载体，是交通的重要组成部分，因此正确建立仿真路网显得尤为重要。

4.1 道路网络设置

仿真的第一步就是先画路网。画路网之前需要将一张地图导入，按照地图上的线路走向绘制路网。在十字路口处，分为东、南、西、北四个进口，进口车道有起点和终点之分，是矢量路段。所绘制的道路也是有方向的。道路画错仿真将不能进行。输入的车道宽度和车道数为调查所得车道宽度。一般机动车道是3.5m，非机动车道不固定。两条路段之间是通过路段可以通过路段连接器连接，连接原则是终点和起点相连。一个进口有直行、左转和右转，每条车道和对应的出口车道相连。有很多情况是进口车道数增加，这是出现了两条不等数量的车道，如果要将这两条车道连接起来，又能使仿真不失真，可通过以下方法：假如2车道和3车道相连，可以通过两次连接连上。先是1、2车道与1、2车道连，然后将2车道和3车道相连。

底图的制作是在地图上分块截下来，按照相同的比例，再将每一块拼接起来形成一张完整的底图。有了底图才能按照上面的道路状况画出路段。以谈固大街为例，拼成的底图如图4-1。

图4-1 谈固大街底图合成

11

石家庄铁道大学毕业设计

非机动车道和机动车道画法相同，只是非机动车道是直、左、右混行，先画一条6m宽的路段，输入流量的时候设置路径选择。非机动车道只有一条，因此非机动车道相连的时候比较容易，图4-2是谈固大街与和平路交叉口截图。

图4-2 谈固大街与和平路交叉口截图

4.2 交通信号设置

交通信号灯控制车辆的运行和停止，是重要的交通管理基础设施。根据调查的信号相位为每个路口设置相位。信号灯设置在信号控制机下编辑完成。将设置好的信号相位添加到所需要控制的每条路段上。设置完成时在所设置处会出现一条红线，表明设置成功。谈固大街与和平路交叉口信号周期为123s，信号机设置如图4-3。

图4-3 谈固大街与和平路信号机示意图

12

石家庄铁道大学毕业设计

4.3 交通流量输入

交通流量包括机动车流量和非机动车流量，这两者是严格区分的。VISSIM流量输入默认的时机动车流量。这时要输入非机动车流量需要重新定义一个分机动车的类型，设置好行车速度。车流量输入4个进口分为东、西、南、北，每个路口都要按顺序输入。有的路口处于施工阶段，其中某一进口封闭，因此这样的进口车流量为零。车流量是构成仿真的关键，直接影响到后续的影响评价，如图4-4。

图4-4 机动车实际流量输入示意图

4.4 冲突区设置

在一个交叉口路段有的区域会发生冲突，如果不设置冲突区会发生有的车辆被碾压过去，这不符合常理。为了解决这一问题，仿真时候会涉及到设置合理的冲突区。例如同一个相位的机动车右转和非机动车直行有冲突，非机动车让行机动车，次干道上的车辆让行主干道上的车和左转车让行直行车辆。使得各个方向的车辆能安全通过交叉口。以谈固大街与和平路交叉口为例，图4-5为冲突区示意图。

13

石家庄铁道大学毕业设计

图4-5 谈固大街与和平路交叉口冲突区示意图

4.5 路径选择设置

在交叉口处，一条车道上输入流量，这些流量是各个方向车流量的总和，需要分配到各个路径。称为路径选择。VISSIM仿真之前需要设置好每条路径上的流量。路径选择用到了其中一条命令，先设置流量分配的起点，再分别选出各条需要分配的路径，确定分配终点。值得注意的是，每次设置路径选择是，选中起点后，鼠标不能随意乱动，必须一次完成，否则设置不成功，如图4-6。

14

石家庄铁道大学毕业设计

图4-6 路径选择图示

4.6 小结

基础路网搭建是仿真的基础，这是前期的准备工作。通过这些步骤的操作，使得对VISSIM有了更深的认识。虽然步骤繁琐，但这些工作都很有必要。微观仿真的精确性取决于车流量，由于人工计数调查难免出现误差，这也是可以理解的。在车道设置时，应该分别设置直行、左转和右转车道，使得车辆直左右分流。交叉口设置距离应尽量缩短，减少车流量通过冲突区的距离，提高车辆行驶效率。

15

石家庄铁道大学毕业设计

第5章 高架项目完成后交通影响仿真

项目完成后的交通量发生变化。新建的项目对路网有一定的影响。将新的交通量迭加到原有的路网，仿真分析项目建成后对道路交通的产生的影响，利用停车率和延误等仿真指标进行评价。

5.1 路网通行能力分析

通行能力是指所分析的道路、设施没有任何变化，假定其具有良好的气候条件和路面条件下的通行能力，如条件有所变化都会引起通行能力的变化，道路通行能力是随其影响因素变化而变动的疏解交通的能力。道路通行能力的类别可分为4类：较长路段畅通无阻的连续行驶车流的通行能力，称为路段通行能力；有横向干扰条件下，不连续车流的通行能力称为交叉口道路通行能力。

5.1.1 路段通行能力

所谓路段通行能力是指道路不受匝道立交及其附近合流、分流交叉影响的路段，它是道路的主干和重要组成部分。

基本通行能力计算公式为：

N1000vvv1223.6221000 (5-1)

1v143.62v其中v—行车速度；

—纵向黏着系数。

影响通行能力的因素很多，只能选择影响大的主要因素进行修正。 实际通行能力=基本通行能力宽度修正重车修正纵坡修正。

设和平路行车速度为40Km/h，忽略修正系数，则通行能力为1050pcu/h。谈固大街行车速度为30Km/h，通行能力为1150pcu/h。北二环路段行车速度也为40Km/h，通行能力为950pcu/h。见表5-1。

16

石家庄铁道大学毕业设计 表5-1 路段通行能力 （单位：辆/h）

路段

和平路

谈固大街

北二环

通行能力 1050 1150 950

5.1.2 交叉口通行能力

两条或两条以上的道路在同一平面相交称为平面交叉口，两条不同方向的车流量通过平交路口时会产生车流的转向、汇交与交叉，平交路口可能通过此相交车流的最大交通量称为通行能力。

交叉口信号是由红、黄、绿三色信号灯组成，用来指挥车辆的通行、停止和左右转向。随信号灯色的变换使车辆通行权由一个方向转移给另一个方向，根据信号周期长度及每个信号相所占时间的长短，可以计算出交叉口的通行能力。其运行线路相互交叉或交织，加上由色灯控制，指挥车辆前进和停止，这就不可避免的要减速、制动或启动、加速，同时还由于红灯周期性德定时出现，所以必然导致停车等候和时间损失。

计算方法：停车线法。它是以入口引道的停车线作为基准面，认为凡是通过该面的车辆就已经通过交叉口，称为停车线法。

1.一条专用直行车道的通行能力

tt损间Nt绿直=3600绿T周t (5-2)

式中： 周 —信号周期时间，一般采用60~90s，亦用到120s； Tt— 每一个周期内的绿灯时间；

—一个周期内的绿灯损失时间，包括启动、加速时间，通常在绿灯前的黄

损灯时间已做好准备，待下一个绿灯亮可开动。

2．一条右转车道的通行能力：

17

石家庄铁道大学毕业设计

N右=3600T右辆/h

(5-3)

式中： —前后两右转车辆连续试过停车线断面的间隔时间，根据观测大小车各占T右一半时平均值约为4.5s，单纯为小车时为3~3.6s。 3．一条左转专用道的通行力：

v左nt黄绿2at辆/h 左N左=n3600T辆/h 周式中：n—在一个周期内允许左转弯的车辆数；

t黄绿 —一个周期内专门用于通过左转车黄绿灯的时间；

v 左 —左转车辆的行驶速度；

a—左转车的平均加速度；

—左转车通过停车线的车头时距。

谈和路口的通行能力为：t左

2651×2+16×2=8630辆/h 谈二路口的通行能力为：

2972+1443=4415辆/h 建和路口的通行能力为：

2721×2+1194×2=7830辆/h 建二路口的通行能力为：

1888×2+1345×2=66辆/h 建光路口的通行能力为：

1496×2+341+301=3634辆/h 体和路口的通行能力为：

1402×2+1697×2=6198辆/h 体二路口的通行能力为：

2496×2+2613×2=10219辆/h

18

(5-4) (5-5)

石家庄铁道大学毕业设计 表5-2 交叉口通行能力及服务水平

路口名称 谈二路口 谈和路口 建和路口 建二路口 建光路口 体和路口 体二路口

通行能力(辆/h) 实际流量(辆/h)

4415 8630 7830 66 3634 6198 10219

2107 4844 6929 09 2681 5285 8592

饱和度 0.48 0.56 0.88 0.83 0.73 0.85 0.84

服务水平 一级 一级 四级 四级 三级 四级 四级

由上表可以看出，谈二路口和谈和路口服务水平等级是一级，对交通影响不大。有4个路口的服务水平等级是四级，车辆有一定的延误。

5.2 背景交通量预测

背景交通量预测是假设在项目没有开发的条件下，未来年周边道路交通量随着社会经济的发展，车辆保有量增加而自然增长的交通量。分析石济客专所在区域的用地性质，投入使用后会增加一定的交通量，根据石家庄的机动车拥有量的增长情况和道路交通增长趋势，预测为来年的交通量。

以基础年的交通量为背景，石济客专施工工期为4年。查阅相关资料目标年交通量的增长幅度为21.2%。当石济客专项目建成投入使用后所产生的交通流量为目标年的交通流量。各路口的背景交通量预测如下。

表5-3 谈固大街交叉口机动车背景预测流量（单位：辆/h） 方向 东 西 南 北 交叉口 谈二路口 谈光路口 谈和路口

981 0 1988

1613 6 2056

670 800 692

0 873 1081

19

石家庄铁道大学毕业设计

表5-4 建华大街交叉口机动车背景预测流量（单位：辆/h） 方向 东 西 南 北 交叉口 建二路口 建丰路口 建光路口 建和路口

2402 172 1 2538

1851 0 0 2951

1105 1166 527 1242

1197 1166 12 1667

表5-5 体育大街交叉口机动车背景预测流量（单位：辆/h） 方向 东 西 南 北 交叉口 体二路口 体丰路口 体华路口 体光路口 体和路口

1557 790 0 465 936

1481 1214 291 503 1197

3506 688 727 1259 1393

3934 1045 1127 1528 2880

表5-6 建设大街交叉口机动车背景预测流量（单位：辆/h） 方向 东 538 0 26 0 1865 0

西 598 1486 2921 0 2733 230

南 2322 2277 4501 3380 1401 985

北 1062 1 2203 3701 315 2582

交叉口 建光路口 建华路口 建和立交 建胜路口 平和路口 胜华路口

通过背景交通量预测得出各个路口的目标年交通量。采用的预测方法比较简单，增长幅度是根据石家庄机动车保有量假定的。预测年限是4年，即石济客专施工完成并投入使用后的交通量。

20

石家庄铁道大学毕业设计

5.3 项目完成后交通量分布

交通量随着时间和空间的不同会发生变化。交通分布是根据项目建成后的发生吸引量，确定各路段及交叉口的流量。在主要路口如和平路与各条街的交叉口交通量较多，在高峰时段容易造成拥堵。

石济客专以高架形式通过市区，对市区交通流分布产生一定的影响。高架对市区道路状况影响较小，不会占用过多的道路面积。对于有的断头路可以将其贯通，分担一部分的车流量。在高峰小时时间段，车流能够灵活的选择路径，减少不必要的延误。但是在主干道上，以和平路、谈固大街、体育大街和建设大街为主，高峰时段的车流量急剧增加，交通压力加大。由于石济客专本身具有交通特性，在距离车站较近的路口会有一定的交通吸引量，这是也加重了交通负荷。如图5-1，标记的区域为流量比较集中的地方。

图5-1 流量分布区域

21

石家庄铁道大学毕业设计

5.4 项目完成后对交通的影响程度分析

项目完成后新的交通量加到各个路网上，会对路网产生一定的影响。本次设计的方案是高架形式。高架桥建成后，当前的路段形式不改变，只是路段增加了一定的车流量。通过对背景年及目标年项目周边路网交通量的预测，进一步分析道路的服务水平，若服务水平变化较大，则认为项目的开发对周边交通造成了较大的影响，若服务水平没有明显变化，则认为该项目的影响从交通的角度来讲是可以接受的。

5.4.1 机动车交通量影响分析

城市交通通行能力瓶颈在于交叉口，往往堵车也是发生在交叉口处。在高峰期时，由于车流量过大在交叉口会发生拥堵。项目建成后新增的交通量使得交叉口处的饱和度升高，利用饱和度这一指标来评价。用以下两个典型路口为例说明。

表5-7 预测背景流量饱和度对比

路口名称 谈二路口 谈和路口 建和路口 建二路口 建光路口 体和路口 体二路口

通行能力(辆/h)

4415 8630 7830 66 3634 6198 10219

预测流量(辆/h)

32 5871 8398 6255 3250 06 9478

初始饱和0.48 0.56 0.88 0.83 0.73 0.85 0.84

建成后饱和

0.74 0.68 1.07 0.96 0. 1.03 0.93

服务水平 三级 二级 五级 五级 四级 五级 五级

谈固大街的两个路口，一个是谈固大街与北二环交叉口，从对比可以看出，项目建成后的饱和度升高很多，从0.48增加到0.74但在可接受的范围内，只是路段在高峰时段会有些堵，服务水平下降了两级。另一个谈固大街与和平路交叉口项目建成前饱和度是0.56，建成后略有升高，为0.68，总体来看交通压力不太大，也是在可接受的范围内。建和路口与体和路口饱和度大于1，交叉口比较拥堵。可能会造成较大的延误。

22

石家庄铁道大学毕业设计

南北通行的路段负荷相对较大，先仿真项目建成前的道路状况。项目建成后，新增了部分交通量，把新增的交通量迭加到路网上，运用VISSIM仿真分析项目建成前后的路段延误，看新增的流量对路网产生的影响。项目建成前后主要路段评价指标如下，表5-8。

表5-8 项目建成前后仿真指标

评价指标

前

谈固大街 建华大街 体育大街 建设大街

57.9 27.6 21.4 34.7 延误（s）

后 62.3 43.2 39.8 44.3

停车率 前 0.23 0.14 0.32 0.63

后 0.37 0.21 0.39 0.73

行程时间(s) 前 194 257.2 203.7 187.4

后 201.2 262.6 210.5 196.1

项目建成前后主要路段仿真指标相差不明显。短期的交通量增涨幅度不大，有的路段延误显得较大。也就是说新增的车流量对有的路段产生较大的影响，而有些区域影响较小。高峰时间段有相当大的一部分车流量通过谈固大街，造成延误较大。较大的车流使得行程时间也增加，交通流不畅通，这个时候需要疏导交通，让聚集的较大车流尽快疏散，保证行车质量，提高道路的服务水平。

5.4.2 非机动车交通量影响分析

在机动车和非机动车混行的路段，尽管机动车道和非机动车道之间有表现分离两种车流，有时候非机动车道负荷较大，出现分机动车进入机动车道行驶，在机动车道上就出现了混合交通流。并且非机动车行驶速度较慢，就产生了非机动车对路段交通流的影响，降低了机动车的通行能力，引起机动车延误。

非机动车是个体出行的行为，在混合交通流中相互影响，并且在在安全方面和机动车相比有较大差异。石家庄市区非机动车所占比例也比较大，在高峰时间段非机动车流分布不均。在机非分离路段，非机动车也能涌入机动车道，也能转入人行道的部分位置行驶，比较灵活。因此在路段处可以自由穿插行驶。当经过十字交叉口时，才需停下来等待信号放行。光华路就是典型的机非混合车道。

5.4.3 公共交通影响分析

由于项目建成后，高峰时段出行量增加。和平路是石家庄市的主要干线。调查分析和平路上的公次，最少的公交线路为7条，预测高峰小时最大出行人次为700人次/高峰小时。公交剩余载客容量计算如下：

23

石家庄铁道大学毕业设计

N0.7Oi60/fiCi

(5-6)

式中： f —高峰小时发车频率，取6min；

Ci—线路i单车载客人数，取50人；

O i—线路i的高峰载客率。

根据相关资料计算得：N=(0.7-0.48) ×60/6×50×7=770人次

通过上式得出剩余载客容量为770人次，而高峰时段最大出行人次为700人次，所以现状公交线路基本能满足出行要求。

i5.5 小结

通过项目建成前后的仿真情况来看，新增的流量对道路交通有一点影响，影响不是很大。基本上认为是在可接受的范围内。由于增长幅度是根据机动车保有量假定的，难免会产生误差。这一套程序坐下来，也遇到不少问题，比如行程时间检测器的设定，多次仿真出来的结果是零，仔细检查发现是位置设置不对。仿真的参数对于评价交通状况有很重要的意义。

24

石家庄铁道大学毕业设计

第6章 交通影响改善仿真

城市的发展离不开道路建设，石济客专项目完成后对市区道路产生不可恢复的影响。项目建成后仿真得出了道路评价指标，有的路段延误较大，为了让道路交通畅通运行，创造更好的交通环境应该根据实际情况提出合理的改善措施。

6.1 交通改善指导思想

市区道路交通状况和市民日常生活和工作关系密切，对于改善交通状况，提高车辆的通行能力和道路的服务水平有利于带动经济发展。创造安全、舒适的出行方式。与近期措施和远期规划相结合，基础设施建设与交通管理手段并重。应着眼与长远未来，树立远大的交通观。同时倡导市民遵守交通规则。完善道路基础设施。

6.1.1 改善目标

通过综合改善措施，使主要拥堵的路段交通压力得到缓解，道路服务水平有一定的提高。对延误较大的交叉口或路段实施科学的交通管理措施。优化道路行车秩序，合理分配路权，机动车和非机动车都严格遵守交通规则，各行其道。对车流量较大的路口进行分流，减少车辆延误，保证车辆畅通运行。

6.1.2 改善原则

通过对道路交通基础设施及对交通流进行分流和合理疏导，提高路网容量，均分交通负荷，提高道路交通系统的整体效率，缓解交通压力。同时对不合理的信号交叉口重新做信号配时，干线协调，提高交叉口的通行效率。

6.1.3 改善策略

石济客专项目完成后，随着车流量的增加，石家庄市区道路的拥堵越发严重，有的路段甚至不能满足交通需求。道路交通状况拥挤已成为制约经济和城市发展的重要因素。改善目前拥挤的交通成为焦点，一些措施必须实施，改善这一现状。着力改善交通拥堵现状，主要采取以下措施：

25

石家庄铁道大学毕业设计

(1)石济线路以高架的形式通过市区，对车道的占用面积较小，道路宽度基本不变。对有的道路没有和主干道连通的断头路，可将其打通。

(2)结合道路周边用地情况，从设施和管理多个方面协调解决。石家庄市区道路容量有限，在道路周边有空余用地可拓宽道路。

(3)单行道有极高的通行效率，可将谈固大街和建华大街设置成单行道，建华大街设置成往北通行的单行道，谈固大街设置成往南通行的单行道。

(4)主要交叉口干线协调，使车辆顺利通过，减少延误。

6.2 项目占用土地分析

高架桥通过市区，不会占用市区路网。高架桥能够有效节约用地，不改变车道宽度。石济客专高架从北二环由东向西跨过石家庄。上跨的主要街道是谈固大街、建华大街、体育大街和建设大街。在市区的高架桥可以充分利用土地资源，在交通繁忙的地区发挥作用尤为突出，对市区交通是有利的。

6.3 机动车影响改善分析

通过制定合理的改善措施，缓解拥堵路段的交通状况。机动车出行影响程度大于非机动车。在有的路段拓宽道路可增大路段的通行能力，使得单位时间内通过的车流量增加，同时也提高道路服务水平。

6.3.1 单向交通仿真分析

实施单向交通可以减少交叉口的冲突。避免夜间车辆的眩光影响，很大程度上提高了交叉口的安全性。同时单向交通能够提高道路通行能力，设置成单向交通后，所有车辆均沿一个方向行驶，互不干扰，行车速度快，超车容易。而且对于车道数为奇数时效果尤为显著。例如三车道的道路，实行单向交通前中间只有一条超车道，通行能力不高，而且容易发生事故。设置成单向交通后，中间车道得以利用，通行能力大为提高。交通流只朝着一个方向行驶，车流波动小，行车速度均匀且较稳定。而且设置单行道只需在交通组织上改善，可以节省成本，使得利益最大化。单向交通结合干线信号协调，使得沿一个方向的车流一路绿灯，尽可能的减少延误。以下对谈固大街和建华大街实施单行道措施，利用VISSIM仿真分析路段的延误等指标，前后比较改善效果。

26

石家庄铁道大学毕业设计

进行交叉口信号协调时，首先要确定相邻两个交叉口的信号时差，按(6-1)式确定。

Qffs×3600 v(6-1)

式中： Q —相邻信号间的时差(s)； s—相邻信号间的间距(Km)； v—车辆可连续通行的车速(Km/h)；

和平路建华大街交叉口与光华路建华大街交叉口信号时差：

0.45Qf30×3600s 光华路建华大街交叉口与丰收路建华大街交叉口信号时差：

1.2Qf30×3600144s 丰收路建华大街交叉口与北二环建华大街交叉口信号时差：

0.6Qf30×360072s 和平路谈固大街交叉口与北二环谈固大街交叉口信号时差： 2.4Qf30×3600288s

根据计算出的信号时差，设置单向交通线路上的信号协调。谈固大街设置成北向的单向交通，建华大街设置成南向的单向交通，示意图见图6-1。

图6-1 建华大街与谈固大街单向交通示意图

27

石家庄铁道大学毕业设计

实施单向交通后，车流量沿一个方向运行，行车速度变快，通过VISSIM仿真得出以下的评价指标，如表6-1。

表6-1 单向交通仿真指标

检测时间

行程时间(s)

220 280 340 400 460 520 580 0 700 760 820 880 940 1000 1060 1120 1180 平均

0.0 236.7 201.3 294.1 244.6 301.2 321.3 2.8 0.0 295.3 323.4 403.3 232.6 284.4 220.0 0.0 366.4 248.7

建华大街 延误(s)

停车率

行程时间(s) 0.0 301.7 0.0 269.1 302.5 256.2 324.4 267.0 0.0 282.6 216.7 279.8 284.0 0.0 278.8 202.9 260.2 194.4

谈固大街 延误(s)

停车率

0.0 0.0 44.7 53.2 35.7 62.8 0.0 27.5 0.0 62.8 0.0 0.0 45.9 55.0 0.0 44.7 38.9 40.6

0.00 0.00 0.20 1.00 0.36 0.13 0.00 0.12 0.00 0.42 0.00 0.00 0.28 0.46 0.00 0.13 0.20 0.18

0.0 0.0 0.0 2.5 84.4 63.2 20.1 15.6 0.0 43.8 77.0 23.6 75.8 23.9 0.0 30.2 67.9 61.1

0.00 0.00 0.00 0.07 0.83 0.00 1.00 0.18 0.00 0.40 1.00 0.27 1.00 0.32 0.00 0.35 0.50 0.33

28

石家庄铁道大学毕业设计

实施单向交通后，谈固大街变成单向3车道，建华大街单向4车道。建华大街往北行的车流量加到谈固大街，谈固大街往南行的车流量分到建华大街，通过仿真，得出改善前后的评价指标，见表6-2。

表6-2 单向交通改善评价指标 延误(s)

评价指标 谈固大街 建华大街

改善前 62.3 43.2

改善后 61.1 40.6

停车率 改善前 0.37 0.21

改善后 0.33 0.18

行程时间(s) 改善前 201.2 262.6

改善后 194.4 248.7

通过分析改善前和改善后的评价指标，实施单向交通后，延误和行程时间有了明显减少。谈固大街平均延误减少了2％，行程时间缩短了3.4％。建华大街平均延误减少了5.6％，行程时间缩短了5.3％。单向交通的车流量增加了行程时间和延误反而减少，可见在交通压力较大路段设置单向交通有显著效果。而且单向交通可以少拓宽道路，少拆迁房屋和破坏周围路旁的景观，使车流过于集中在少量的干道上。同时通过交通调整，提高了次干道的利用率和服务水平。还能节省资金，有利于城市整理规划和发展。仿真3D图见图6-2。

图6-2 单向交通仿真3D图

29

石家庄铁道大学毕业设计

6.3.2 打通断头路改善分析

一个道路系统有等级之分，不同等级的路段应该相连接。但是有的道路没有和主干道连接起来，这样的路段称之为断头路。断头路发挥的作用非常有限，不能构成整个路网。路段和路段之间需要有必要的连接衔接，路网才能发挥最佳效能，产生最大效益。通过打通断头路这一措施，可减少车辆绕行时间，将车流量合理分配到各个路段，对疏导交通有良好的效益。建设大街和体育大街之间的断头路较多，考虑经济效益和交通改善效果，将一部分断头路打通，如图6-3。

图6-3 断头路打通示意图

完善道路基础设施体现一个城市文明程度和发展水平。城市道路与市民出行息息相关，最终要实现主干路到次干路的级配结构。打通断头路对车辆通行提供有利的条件，解决出行困难、绕行的问题。从根源上解决分离车流量，使车流量在道路网络中分布更合理。由于经济发展，中心区域不断地扩张，既有道路在原有基础上不得不延伸，适应经济的快速发展和车流量的增长。对社会和城市发展都是有利的。

设置检测器，检测车辆的延误和行程时间，车辆通过检测区，记录车辆从检测器的起点到终点的延误和行程时间。行程时间设置有起始时刻和终止时刻，在这个时间段范围的车通过检测区的时间被记录下来，有的路段比较长，如果设置的时间较短可能检测不到车辆。设置如图6-4和图6-5。

30

石家庄铁道大学毕业设计

图6-4 延误配置示意图

图6-5 行程时间配置示意图

31

石家庄铁道大学毕业设计

通过仿真分析，记录得到以下的评价指标，和改善前对比，延误和行程时间有降低的趋势。见表6-3和表6-4。

表6-3 断头路打通建华大街与谈固大街仿真指标

检测时间 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 平均

建华大街

行程时间(s) 0.0 0.0 0.0 0.0 0.0 281.2 302.4 196.8 236.5 371.1 0.0 401.4 283.6 330.0 210.0 297.4 258.7 328.9 0.0 274.3 2.9

延误（s）

0.0 0.0 0.0 0.0 0.0 58.7 68 22 36.2 91 56.4 56.6 19.7 12 68.3 56 52.8 58 58.7 51.9 42.4

停车率 0.00 0.00 0.00 0.00 0.00 0.31 0.14 0.55 1.33 1.14 1.0 0.39 0.33 0.55 0.85 0.40 0.21 0.71 0.19 0.43 0.20

行程时间(s) 0.0 0.0 0.0 197.8 220.4 253.6 1.0 147.9 293.1 247.6 212.8 1.8 197.6 206.9 213.4 201.4 198.5 235.3 0.0 232.5 193.7

谈固大街 延误(s) 0.0 0.0 0.0 59.3 51.2 69.7 43.2 76.3 0.0 53.3 68.9 76.4 32.4 74.3 68.3 22.4 38.7 73.8 0.0 58.4 60.7

停车率 0.00 0.00 0.00 0.41 0.19 0.28 0.15 0. 0.00 0.20 0.24 0.29 0.12 0.57 1.03 0.36 0.42 0.73 0.00 0.52 0.34

32

石家庄铁道大学毕业设计

表6-4 断头路打通体育大街与建设大街仿真评价指标

检测时间 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 平均

体育大街

行程时间(s) 0.0 0.0 0.0 186.7 195.3 190.0 0.0 329.4 298.4 243.3 184.2 221.1 247.4 201.1 1.3 0.0 238.0 211.9 310.0 293.6 202.9

延误(s) 0.0 0.0 0.0 0.0 0.0 59.5 0.0 49.7 10.1 23.6 0.0 9.4 34.9 73.2 46.9 0.0 59.3 43.3 45.4 56.2 38.2

停车率 0.00 0.00 0.00 0.00 0.00 0.57 0.00 0.36 0.00 0.40 0.00 0.25 0.10 0.67 1.00 0.00 0.17 0.50 0.24 0.38 0.27

行程时间(s) 0.0 0.0 0.0 0.0 0.0 1.2 176.4 149.1 203.8 212.6 139.4 156.0 176.6 159.3 132.9 153.7 213.2 232.8 202.5 235.7 187.6

建设大街 延误(s) 0.0 0.0 0.0 0.0 0.0 0.0 68.1 21.3 10.9 13.1 58.3 22.8 41.5 76.5 41.7 29.0 65.7 52.2 31.3 55.1 40.1

停车率 0.00 0.00 0.00 0.00 0.00 0.00 0.75 1.00 0.40 0.75 0.59 0.78 0.51 0.82 0.63 0.57 0. 1.00 0.38 0.47 0.67

33

石家庄铁道大学毕业设计

通过与改善前的评价指标对比，可以看出改善后的延误、停车率和行程时间均有所减小。具体结果见表6-5。

表6-5 打通断头路改善评价指标

评价指标 谈固大街 建华大街 体育大街 建设大街

延误（s） 改善前 62.3 43.2 39.8 44.3

改善后60.7 42.4 35.3 38.7

停车率 改善前 0.37 0.21 0.28 0.73

改善后 0.34 0.20 0.19 0.

行程时间(s) 改善前 201.2 262.6 210.5 196.1

改善后 193.7 2.9 208.1 190.6

从表中可以看出，打通断头路后路段延误有减小的趋势，能够达到改善拥堵的交通状况。谈固大街延误减小了2.6％；建华大街延误减小了1.9％；体育大街延误减小了11.3％；建设大街延误减小了12.6％。

6.3.3 增加公交车比例改善分析

由于路网承担的交通压力较大，假设有一部分的小汽车出行方式改为公交，每辆公交车相当于20辆小汽车的出行量。这样总的交通量就减少了。

改善前车辆类型小汽车占0.92，货车所占的比例是0.02，公交车占0.06。假设有1/5的小汽车选择公交出行方式，则改善后小汽车的比例变为0.2；货车占的比例变成0.024，公交车占的比例为0.084。改善后总的车流量变为改善前的82.52％。车辆类型在VISSIM中修改如图6-6和6-7。

图6-6 改善前车辆类型

34

石家庄铁道大学毕业设计

图6-7 改善后车辆类型

理论上可以缓解过大的交通压力。通过计算，改善后的交通总量为改善前的82.52％。改善后的仿真指标如下，表6-6。

表6-6 增加公交车比例改善评价指标

评价指标 谈固大街 建华大街 体育大街 建设大街

延误（s） 改善前 62.3 43.2 39.8 44.3

改善后59.8 41.3 38.2 40.1

停车率 改善前 0.37 0.21 0.28 0.73

改善后 0.35 0.14 0.27 0.67

行程时间(s) 改善前 201.2 262.6 210.5 196.1

改善后 192.1 241.1 202.9 187.6

其中谈固大街延误减少了4％；建华大街延误减少了4.4％；体育大街延误减少了4％；建设大街延误减少了9.4％。

通过以上方案的比较，打通断头路降低延误最有效，但是其造价很高，不太经济。而设置单向交通也取得较好的效果，且比较经济合理，代价比较低。因此设置单向交通是最理想的改善措施。除了以上几种改善措施，还有其他的方法，比如干线信号协调和区域交通组织。

干线协调运用在一条干道上分布多个信号灯。在城市主干道上设置的交通信号灯，车辆会时常遇到红灯，时停时开，行车不畅，造成车辆延误较大。交叉口的通过能力是城市交通的瓶颈，为了使干线上的主要交叉口通过更多的车辆，使车辆到达交叉口时到下一交叉口仍然是绿灯。干线上的车辆形成绿波带，一路通行无阻地通过干线。其原理是车队在到达下一交叉口时还没有完全消散，通过交叉口间的协制，让车队在下游交叉口处也是绿灯，从而有效减少延误。

35

石家庄铁道大学毕业设计

干线协调适合在一条主干道上有多个信号灯时，当有的交叉口是处于饱和状态，即一个周期内排队的车辆没有全部放行，这时不宜采用干线协调。在一个绿波带时间内，由于交叉口的通行能力车辆不能全部通过，即使干线协调再优化也改善不了多少。石济客专项目建成车辆随着年限持续增涨，对有的路口需要进行干线协调，充分利用绿波带宽度。干线协调首先要确定每个交叉口的周期，所要做干线协调的交叉口周期必须一致。取最大的周期长度作为公共周期。再计算绿信比，协调绿波控制系统相邻信号间的时差，主要方法有图解法和数解法。

6.4 区域交通组织改善分析

城市区域交通是城市经济生活的重要组成部分，覆盖到城市的各个地方并连接着城市生活的各个领域。交通组织就是对交通流量进行控制，使车辆在有限的道路空间上，系统的科学的分时、分路、分车，使道路有序高效的运行。

交通组织从需求控制出发，按照道路压力时间空间的均分要求进行分配。特别是在高峰该时段，有的路网车流量明显过余饱和，然而其他路段车流量较少，考虑到均分交通流量，这时需要设置引流导向标志，将过饱和的路段车流引向欠饱和路段，这样不至于是某几条道路交通压力大而导致交通瘫痪。在宏观组织方面可以提倡低成本、顺畅的出行方式，形成出行方式转向大容量、高效率的交通方式上来。最大限度的发挥道路通行能力，缓解车多路少的困境。

6.5 小结

本章探讨了石济客专项目建成后对交通改善仿真的分析，制定了几套改善措施，每条措施都会取得一定的成效。每种法案侧重点不同，但最终目的是一样的。考虑路段实际情况和经济效益，有的方案成本高且所见成效不显著，不提倡这样的方案。改善后的交通状况有所优化，提高了车流量的通行效率，让市区道路交通压力得到缓解。对于没有提及的方案也有可行的。

36

石家庄铁道大学毕业设计

结 论

本文以石济客专项目建成后为背景，用VISSIM仿真软件分析项目施工前后路段和交叉口的评价指标，并提出项目完成后改善市区交通的措施。

石家庄市区横跨高架铁路线，为了分析市区交通影响，首先调查了影响区域的交通现状流量，道路的几何尺寸，为后续的仿真打下基础。再截下卫星地图拼成一张大的底图，导入VISSIM中建立路网，这是仿真的基础。施工前的交通状况基本满足路网需求，施工后由于项目本身具有交通特性，在此基础上又会增加新的交通量。根据石家庄机动车保有量预测项目完成后的交通流量。新的交通量迭加道路网上有的路段产生拥堵。高架通过市区占地面积较小，对路网影响也比较小，主要是新增的流量与现有的路网不匹配。考虑考有不少断头路，需要将其打通，与主干道相连，达到了分流的目的。有的路段适合适合做成单向交通，由于单向交通和极高的通行效率，车流沿一个方向，行车速度较稳定，仿真结果延误有一定的减小。在交叉口处，尤其是主干道上分布有几个信号灯，为了让车辆通过绿波带，一路遇到绿灯，需要做干线协调，这是城市交通重要的交通组织方式。

采取的改善措施只写了有限的几条，实际上改善措施不止这些。交通影响因素比较广泛，采取的措施应当以人为本，创造一个舒适安全的出行方式。

37

石家庄铁道大学毕业设计

参考文献

[1] 刘博航, 张通, 安桂江. 交通仿真实验教程[M]. 北京:人民交通出版社, 2012. [2] 徐立群, 吴聪, 杨兆升. 信号交叉口通行能力计算方法[J]. 交通工程学报, 2001.

[3] 陈昕, 张媛媛, 徐兆华, 苗晓坤. 锦州市区跨铁路的交通问题研究[J]. 辽宁工业大学学报,

2010.

[4] 王运霞, 邱红桐, 顾金刚, 李娅. 城市建设项目交通影响评价方法研究[J]. 交通管理科

学研究所, 2010.

[5] 王炜, 陈学武. 交通规划[M]. 北京:人民交通出版社, 2007. [6] 徐学谦, 陈学武. 交通工程总论[M]. 北京:人民交通出版社, 2008.

[7] 周翔, 韩印, 范炳全. 城市重大交通工程项目的交通影响分析研究[J]. 上海:上海市城市规划

设计研究院, 2006.

[8] 冯磊, 叶霞飞. 城市高架桥下空间土地利用形态的调查研究[D]. 同济大学道路与交通工程教

育部重点实验室, 2004.

[9] The Institution of Transportation Engineers. Transportation Impact Analyses for Site Development:

An ITE Proposed Recommended Practice[M]. 2006

38

石家庄铁道大学毕业设计

致 谢

时光冉冉，大学生活眼看就要结束了。本次的毕业设计是大学期间最后的工作任务，这都是在老师们悉心指导完成的结果。

历时将近3个月的时间终于将这篇毕业设计做完，在论文的写作过程中遇到的困难和障碍都在同学和老师的帮助下度过。非常感谢刘博航老师和金龙教授，在他们宝贵的时间中抽出休息的时间，对我进行了细心的指导和帮助，孜孜不倦。为了学生的前途操心不已。我有幸得到两位老师的指导，从他们身上我学到了严谨治学的态度和无私奉献的高尚情操。在此向帮助和指导过我的各位老师表示最中心的感谢！

感谢张世杰学长和吴永凯学姐，为我解决了不少困惑。感谢这篇论文所涉及到的各位学者。本文引用了多位学者的研究文献，如果没有各位学者的研究成果的帮助和启发，我将很难完成本本次毕业设计的写作。

由于个人能力不足，设计中可能出现一些误差，欢迎老师和同学们批评指正。

39

石家庄铁道大学毕业设计

附录A 外文翻译

Forecasting of Short-Term Freeway Volume with v-Support Vector

Machines

Yunlong Zhang and Yuanchang Xie

Predictions for short-term traffic volume provide important inputs for traveler information and traffic management. Traffic volumes in the near future are often estimated based on historical volumes. Because of the complicated nonlinear relationship between historical and futuretraffic volume data, many previous studies used neural networks to pre-dict short-term traffic volumes. In this research, a v-support vector machine (v-SVM) model, which has the particular strength of overcom-ing local minima and overfitting common to neural network models, is proposed for short-term traffic volume prediction. The v-SVM model is compared with a widely used multilayer feed-forward neural network (MLFNN) model using four data sets collected from three interstate free-ways. Testing results show that for both one-step and two-step forecasting, the v-SVM model outperforms the MLFNN model for all data sets in terms of mean absolute percentage error and root-mean-square error. Key issues in applying both models are also discussed in this article.

Short-term forecasting of traffic volumes on urban freeways is important to advanced traveler information systems and advanced traffic management systems. The predicted volumes can be used to provide traffic information to travelers in real time and for traffic management personnel to develop proactive traffic management and control strategies, such as ramp metering (1).

Since the 1970s, many studies have been focused on short-term traffic volume forecasting. The methods used in these studies can be generally classified into the following categories: spectral analysis (2), time series models (3–5), adaptive prediction system (6), nonarametric regression (7, 8), ATHENA (9), pattern recognition (10), Gaussian maximum likelihood model (11), Kalman filtering theory (12–14), and neural networks (1, 15–22). Neural networks are among the most widely used models. One reason for this is that they have very strong approximation abilities and can better describe the

40

石家庄铁道大学毕业设计

complicated nonlinear relationship between historical and future traffic volumes. In addition, using neural networks for traffic volumes forecasting is conceptually straightforward and flexible. Researchers donot have to specify an explicit model formulation as is usually required by other methods. Because of their good performance and flexibility, neural networks have also been extensively used in predicting other traffic flow parameters, such as travel time (23–25).

Although neural networks have been commonly used and achieved good results in some traffic volume forecasting applications, they have two major drawbacks inherently: overfitting and local minima. Overfitting leads to poor generalization ability and may produce inaccurate predictions with some particular testing data. The local minimum problem is associated with the training process of neural networks, which is to minimize the difference between the predicted outputs and the observed outputs by optimizing the net-work weights. This optimization problem is normally a nonconvex problem with many local minima. Therefore, the training process may fall into local minima easily and result in suboptimal network weights. Some empirical methods, such as properly choosing the number of hidden neurons and using the early stopping strategy, have been employed to improve the generalization ability. By using different initial network weights, the chance of falling into local minima may also be reduced. However, these methods are empirical in nature and do not theoretically guarantee better generalization ability and the avoidance of local minima. In addition, they are usually computational intensive.

Support vector machines (SVMs) are rooted in statistical learning theory and have been recently applied to many classifications and time series predictions. The success of SVMs is mainly due to their better performance on some standard testing data sets and the two major advantages over the traditional neural networks. First, SVMs are based on the structural risk minimization (SRM) principle (26) and theoretically have better generalization ability than the traditional neural networks that are based on the empirical risk minimization (ERM) principle. Second, the training of SVMs is to solve a convex optimization problem; thus a globally optimal solution is guaranteed regardless of the initial weights. SVMs can be generally classified into two types: -SVMs and v-SVMs. v-SVMs were developed based on v-SVMs by Schölkopf et al. (27). In this research, a v-SVM model is introduced for short-term freeway traffic volume forecasting.

The forecasting results from the v-SVM model are compared with those from a multilayer feed-forward neural network (MLFNN) model. MLFNNs are universal

41

石家庄铁道大学毕业设计

approximators. Hornik et al. (28) theoretically proved that if sufficient hidden neurons are provided, standard MLFNNs with sigmoid transfer functions in the hidden layers can approximate any continuous function with arbitrary accuracy. Because of their strong approximation ability, MLFNNs have been extensively used in nonlinear time series prediction. MLFNNs and some of their variations have also been successfully applied to forecast short-term traffic volumes (15, 18, 20). Therefore, in this research, a MLFNN model is used as the benchmark.

The rest of this paper is organized in the following manner. A brief theoretical background of the v-SVM model and the MLFNN model is presented first, followed by detailed discussions on some key implementation issues of the v-SVM and the MLFNN models. After that a brief description of the data source and test design is given. Finally, results analysis and conclusions are presented.

THEORETICAL BACKGROUND

Multilayer Feed-Forward Neural Networks

Figure 1 shows the structure of a standard three-layer MLFNN model. The transfer function for the hidden layer, fh, is a sigmoid function, and the transfer function for the output layer, fo, is a linear one. Thepredicted result yˆ (i) using this MLFNN structure is

yib2w2jZji (1)

HDj1Zlnifhw1j,mxmib1j jm1 (2)

where

b1(󰀀) and b2 = bias; In = number of input neurons; Hd = number of hidden neurons;

w2( j) = weights connecting hidden layer and output layer, j = 1, 2, ..., Hd;

w1( j,m) = weights connecting input layer and hidden layer, m = 1, 2, ..., In;

Zj (i) = the output of the jth hidden neuron for the ith input;

xk (i) = the kth element of the ith input; and x(i) = [x1(i), x2(i), x3(i), ..., xIn(i)], the

42

石家庄铁道大学毕业设计

ith input. The standard training process of MLFNNs is to optimize the net-work weights and biases, w1, w2, b1, and b2, such that the training error defined in Equation 3 is minimized.

21NError=yi2i1yi (3)

where N is the number of the training inputs, and yˆ (i) and y(i) are the predicted and the observed outputs for the ith input, respectively.

Support Vector Machines

Because v-SVMs are based on -SVMs, a brief description of both -SVMs and v-SVMs is provided here. Detailed discussions on SVMs and differences between the SRM and the ERM principles can be found in Suykens et al. (26), Schölkopf et al. (27), Chang and Lin (29), and Ma et al. (30).

Assume for a nonlinear time series forecasting problemthat the training input is {x(i)}Ni=1 and the corresponding training output is {y(i)}Ni=1,

where x(i) ∈RIn and y(i) ∈R1. The basic idea of 󰀀-SVMs is first to map x(i) into a feature space Rh (h>In) with higher dimension using a function Φ(x(i)). By so doing, the nonlinear relationship between x(i) and y(i) can be linearized, and the estimation function of y(i) is

yf(x)w(x)b9 (4)

Twhere w ∈ Rh and b ∈ R1 are coefficients. For 󰀀-SVMs, these coefficients can be obtained by solving the following optimization problem (27):

Min R=12wTwCNi1Ni iTxiby(i)iwT y(i)xibwi,0,i1......Nii (5)

where ξi and ξ* i are slack variables, and C is a regularization parameter. To solve this optimization problem, one needs to specify the value of . Because it is difficult to

43

石家庄铁道大学毕业设计

determine a proper value of  (29), Schölkopf et al. (27) proposed the v-SVMs by introducing a new parameter v into Equation 5. For v-SVMs, the coefficients w and b are obtained by solving the following optimization problem instead of Equation 5 (27):

The new formulation in Equation 6 is similar to the one in Equation 5, but has a new objective function and an additional inequality constraint ≥ 0. By introducing v and adding an inequality constraint  ≥ 0, the value of  can be automatically determined (27) and v is easier to determine than . To solve the optimization problem with inequality constraints for the v-SVMs, Lagrange multipliers α, α*, η, η*, and β are introduced, and Equation 6 becomes Equation 7 (27).

subject to Schölkopf et al. (27) showed that

where K(x(i), x( j)) =Φ(x(i))T Φ(x( j)) is the kernel function. There are several types of kernel functions, including linear, polynomial, radial basis, and sigmoid kernel functions. One of the most widely used kernel functions is the radial basis function, which is used in this research and defined in Equation 9.

Both optimization problems in Equations 5 and 6 are convex optimization problems, which means once the kernel function and the input parameters C, v, or  are determined, there will be a globally optimal solution for w and b. In this research, a v-SVM model with the radial basis kernel function is used; thus the parameters C, v, and γ need to be determined.

44

石家庄铁道大学毕业设计

MODELS IMPLEMENTATION

Input Data and Forecasting Horizon

Most short-term traffic volume forecasting studies are based on data aggregated into 5-min (1, 11, 14, 17, 19, 22, 31) or 15-min (5, 8, 12, 15, 18, 20, 32) intervals; 3-min (13), 9-min (10), and 30-min (9, 16) intervals have also been used but less frequently. The choice of interval duration mainly depends on how the prediction results will beused. Intervals of 15 min are commonly used for operational analyses as recommended by the recent versions of the Highway Capacity Manual (8, 20). Because the purpose of this research is to generate traffic flow estimations for up-to-date freeway traveler information and management systems, a 15-min aggregation interval is appropriate and thus adopted.

The training and forecasting process in this study can be illustrated by Figure 2, where x(i) and x(i + j) represents the traffic volumes for the ith and (i + j)th 15-min time intervals, respectively. At each forecasting step, a vector of the latest historical traffic volume data of length D is used as the input to the v-SVM and the MLFNN models. The predicted outputs are the traffic volumes of the next Nth intervals. If N is 1, then it is a one-step forecasting; if N is greater than or equalto 2, it is called multiple-step or two-step forecasting. Length D is a constant known as the input dimension. In the test design section, this paper discusses in detail how to determine this input dimension.

Implementation of MLFNNs

To implement the MLFNN model, the original data set is partitioned into training, validation, and testing data sets. The training and validation data sets are used for parameter tuning and model training. The testing data are set aside for model evaluation and comparison.

Like any other neural networks, MLFNNs may also suffer from overfitting and local minima, and proper measures are needed to alle-viate these two problems. In this research, two methods are used to reduce the overfitting problem. The first method is to choose a proper number of hidden neurons, and the second one is to use the early stopping strategy. Both approaches are discussed in detail in the following two sections. To avoid the local minimum problem, multiple runs for the same case with random initial network weights are conducted.

45

石家庄铁道大学毕业设计

Number of Hidden Neurons

The number of hidden neurons may significantly affect the generalization ability of MLFNNs. MLFNNs with inadequate hidden neurons can not fully learn the underlying patterns in the training data, while an excessive number of hidden neurons may easily lead to overfitting. In this research, the Akaike information criterion (AIC) (21, 33) is used to determine the number of hidden neurons. Based on the AIC defined in Equation 10, the number of hidden neurons that has the lowest AIC value is chosen.

where

Hd = number of hidden neurons,

np = total number of parameters (network weights and biases) to be optimized, and

N = number of training inputs.

The AIC values for different numbers of hidden neurons are calculated to determine the optimal number of hidden neurons for MLFNNs.

Training with Early Stopping Strategy

The standard training process of MLFNNs is to minimize the training error defined in Equation 3. However, this process may cause the overfitting problem, especially when the size of the training data is small. An effective way to prevent the overfitting and improve generalization is the use of the early stopping strategy (34). In addition to the training error, the implementation of the early stopping strategy requires that an additional validation error is calculated based on the validation data set using a formula similar to Equation 3. The training process still has the same goal of minimizing the training error, but if the validation error increases for a number of training iterations (15 iterations in this study), the training process will be terminated even if the training error keeps decreasing. The network parameters corresponding to the lowest validation error will then be used for future predictions. The early stopping strategy is also illustrated in Figure 3. For the training process shown in Figure 3, the network parameters at training Iteration 11 will be used for future predictions. The reason is that the validation error at this iteration is the

46

石家庄铁道大学毕业设计

lowest, and after this iteration, even though the training error continues to get smaller, the validation error keeps growing for more than 15 iterations. Based on the definition of early stopping strategy described previously in this paragraph, the training process will stop at Iteration 26, and the network parameters corresponding to the lowest validation error (Iteration 11) will be used for future predictions.

Implementation

The MatLab neural network toolbox (34) is used to implement the MLFNN model. The toolbox provides a number of training algorithms for MLFNNs, including the gradient descent, gradient descent with adaptive learning rate, conjugate gradient descent, and Levenberg-Marquardt. The Levenberg-Marquardt algorithm is chosen because of its better efficiency and performance (35). Implementation of v-SVMs

The v-SVM model is implemented using the LibSVM software package developed by Chang and Lin (36). To implement the v-SVM model, three parameters (C, v, and γ) need to be initialized first. These parameters can be determined by using the grid-searching algorithm included in the LibSVM package. However, Huang and Wang (37) recently combined a genetic algorithm with the LibSVM package to determine these parameters and compared it with the traditional gridsearching algorithm. This hybrid genetic algorithm was found to show obvious advantages over the grid-searching algorithm in terms of the resulting models’ prediction accuracy (37). Thus the genetic algorithm is adopted in this research for determining parameters C, v, and γ. After these initial parameters are determined, the LibSVM package is used to train the v-SVM model for future predictions. The original data set is also separated into training, validation, and testing data sets in the same way as it is done for the MLFNN model.

Genetic algorithms are not novelties and have beenwell documented in numerous literatures. Therefore, they are not described in this paper in great length. Readers can refer to Goldberg (38) for details. For the research described in this paper, the user-friendly genetic algorithm and direct search toolbox (39) included in the MatLab software were used, and additional MatLab codes were developed to integrate the LibSVM package with the genetic algorithm toolbox for parameters tuning. This hybrid parameter tuning method is illustrated in Figure 4. In this hybrid method, Nset of initial parameters is randomly

47

石家庄铁道大学毕业设计

generated first. Each set of parameters is a chromosome and all chromosomes constitute a population. The LibSVM package is used for evaluating the fitness performance of each chromosome. The fitness value is defined as the mean absolute percentage prediction error on the validation data set, and a lower fitness value means the corresponding chromosome is better. The genetic algorithm is used to evolve the chromosomes based on their fitness values in order to find the best one. As shown in Figure 4, these chromosomes, the training data set, and the validation data set are used as the input to the LibSVM pack-age. The outputs are the fitness values for each chromosome, which are fed into the genetic algorithm toolbox. Based on the fitness values, a set of genetic operations—such as reproduction, crossover, and mutation—are applied to the chromosomes such that updated chromosomes and a new generation of population are generated. These new chromosomes will again go through the same process until any of the seven stopping criteria defined in the MatLab genetic algorithm tool-box is met. The parameters tuning process is then stopped and the chromosome with the lowest fitness value is chosen.

48

石家庄铁道大学毕业设计

用V-支持向量机预测短期高速公路交通流量

张云龙 谢元昌

短期交通流量的预测为行人信息和交通管理提供了重要的输入信息。短期交通流量的预计通常以历史交通流量为基础，由于历史交通流量值和未来交通流量值之间存在复杂的非线性关系，之前的相关研究使用了一些类神经网络工具对短时间的交通流量进行预测。在本研究中，研究者采用一个v支持向量机（V-SVM）模型对短期交通量进行预测，该模型在克服神经网络模型常见的局部极小和过拟合等弊病上具有独特优势。将该模型和一种广泛使用的，使用从三条洲际公路收集的四个数据集的多层前瞻式神经网络（MLFNN）模型进行比较，研究显示，无论是一步预测还是两步预测，v-SVM 装置在所有数据集的平均绝对误差百分比和根均方误差中的表现都优于MLFNN装置，有关这两种模式的主要应用问题也将在本文中讨论。

城市道路的短期交通流量的预测对于先进行人信息系统和交通管理系统十分重要。预测出的流量数据可为实时行人提供交通信息，交通管理部门也可借此制定预先交通管理和管制措施，例如匝道交通调节。

十九世纪七十年代以来，许多研究都致力于对短期交通流量的预测。在这些研究中，使用到的方法大致归为以下类型：光谱分析（2），时间序列模型（3-5）自适应预测系统（6），非参数回归（7,8），ATHENA（9），模式识别（10），高斯最大似然模型（11），卡尔曼滤波理论（12-14）和神经网络（1，15-22）。其中，使用最为广泛的是神经式网络。原因之一是因为神经式网络拥有很强的估算能力，同时也可以更好地描述历史交通流量和短期交通流量之间复杂的非线性关系。另外，理论上讲，使用神经式网络装置预测交通流量也更加直接和灵活。研究人员不必像使用其他方法那样给出一个明确的公式。鉴于其良好的性能和灵活性，神经式网络也被广泛地用于预测其他交通流量参数，如交通时间。

尽管神经式网络被广泛地运用在一些交通流量的预测中，并且取得了良好的效果，但是也难掩两个其固有的弱点：过度拟合（过适）和局部极小。过适导致泛化能力差，可能产生与一些特定的测试数据不准确的预测。局部最小的问题与神经网络的训练过程有关，该训练过程通过优化网络工作权重，，最大限度地减少预计值输出和观察到的输出之间的差异，这个优化问题通常是一个具有许多局部极小的非凸问题。因此，在训练过程中可能轻易就会陷入局部极小，导致次优的网络权重。一些经验方法，例如适当选择隐藏神经元的数目，并使用提前终止策略，已被用来改善泛化能力。通过使用不同的初始网络的权重，陷入局部最小值的机会也可以减少。然而，这些方法是经验性的性质，并不能从理论上保证更好地泛化能力和避免局部最小值。此外，

49

石家庄铁道大学毕业设计

它们通常是计算密集型的。

支持向量机（SVM）是植根于统计学理论的，最近被应用到许多分支和时间序列预测中。支持向量机的成功，主要是由于在对一些标准测试数据集上的优良表现，和较传统的神经网络的两个主要的优点。首先，支持向量机基于结构风险最小化（SRM）的原理（26），理论上具有比基于经验风险最小（ERM）原则的传统神经网络更好的泛化能力。第二，训练支持向量机是为了解决一个凸优化问题，因此，忽略掉初始权重，存在一个全局最优解决方案。支持向量机通常可以分为两种类型：支持向量机和v支持向量机。 v支持向量机是在Schölkopf等人（27）基于SVM向量机的基础上研发出来的。在本研究中，将把V-SVM模型用于短期高速公路交通量预测。

将从V-SVM模型预测出的结果与那些从多层前馈神经网络（MLFNN）模型进行比较， MLFNNs是通用逼近。Hornik等人从理论上证明了，如果提供足够的隐层神经元、有隐藏层s形的传递函数的标准MLFNNs可以近似于任意的准确度下的任意连续函数。由于其强大的逼近能力，MLFNNs已被广泛应用于非线性时间序列预测。MLFNNs及其相关演变装置也已成功地应用于预测短期交通量（15，18，20）。因此，在本研究中，将把MLFNN模型用作基准。

本文的其余部分按下列方式分布：首先是关于V-SVM模型和MLFNN模型理论背景介绍，其次是对V-SVM和MLFNN模型的一些关键的运用问题进行详细讨论，然后是对所给定的数据源和测试设计的一个简要说明，最后是结果分析和结论。

理论背景

多层前馈神经网络

图1显示了一个标准的三层MLFNN模型结构。隐藏层的传递函数FH是S形函数，输出层的传递函数FO是线性函数，使用该MLFNN结构的预测结果yi 为

HDji (1) yib2wj12ZjZji这里

lnfhw1j,mxmib1j (2) m1b和b12偏压;

ln=输入神经元的数目; HD =隐层神经元数;

W2（J）=连接隐层和输出层的权重;

50

石家庄铁道大学毕业设计

W1（J，M）=连接输入层与隐含层的权重;

ZJ（I）=第j个隐含神经元的第i个输入端的输出端; XK（I）=第i个输入的第k个元素;

X（ⅰ）= [X1（i），X 2（i），X3（i），...，]第i个输入端。

MLFNNs的标准训练过程是为了优化网络工作权重和偏移，W1，W2，b1和b2，这样的训练使得方程（3）中的定义误差最小化。

21NError=yi2i1yi (3)

其中N是训练输入的数目，而yi和yi分别是对第i个输入端预测和观察到的输出结果。

支持向量机

因为V形支持向量机是基于SVMs的，这里将对两者进行一个简要的介绍。有关SVMs的详细介绍和SRM和ERM的具体区别可以在 Suykens. (26), Schölkopf (27), Chang 和 Lin (29), Ma (30)等人的著作中找到。

假设一个非线性时间序列预测的问题：若训练输入为{x(i)为{y(i)Ni1Ni1 } ，相应的输出

}，这里x(i)Rln,y(i)R1。支持向量机的基本思想是首先将x(i)用一个

使用Φ(x(i))的更高维度映射到特征空间Rh (h >)。如此一来 x(i)与y(i)之间的非线性关系就线性化了，y(i)的估计函数为

yf(x)w(x)b (4)

其中wR,bR为系数。对于支持向量机，这些合作的系数可以通过求解以下优

Th1化问题（27）来获得 ：

51

石家庄铁道大学毕业设计

Min R=12wTwCNi1Ni iTxiby(i)iwT (5)

y(i)wxibi,0,i1......Nii其中ξi，ξ*是松弛变量，C是正则化参数。为了解决这个最优化问题，需要指定。Schölkopf（27）等通过将一个新的参数的值,因为要确定的值是很困难的（29）

V引入代入式5，提出了V-支持向量机。对于v-SVMs支持向量机，系数w和b 是通过求解以下优化问题，而不是方程式5（27）得到的：

等式6中的新参数是一个类似于方程（5）中的参数，但有一个新的目标函数和一个额外的不等式约束 ≥0。通过引入V和增加一个不等式约束≥0，则的值可以通过（27）自动确定而v是比较容易确定的，为了解决V-支持向量机的不等式优化问题，引进了拉格朗日乘子α，α*，η，η*和约束β，等式6变为等式7（27）。



(7)

（27）式表示Schölkopf等人给出了以下方程式：

52

石家庄铁道大学毕业设计

其中Kxi,xjxixj是核函数。核函数类型有几种，包括线性，多项

T式，径向基和S形核函数。其中使用最广泛是径向基函数，这个研究中，方程9就用到了径向基函数。

方程5和6这两个优化问题都是凸优化问题，这意味着一旦内核函数和输入参数C，V或者被确定，将有一个全局对于W和B的最优解。在这项研究中，使用了一个径向基核函数V-SVM模型，因此需要确定参数c，v，。

实施模式

输入数据和预测地平线

大多数短期交通量预测研究是基于数据聚合到间隔5分钟（1，11，14，17，19，22，31）或15分钟（5，8，12，15，18，20，32）; 虽然3分钟（13），9分钟（10），和30分钟（9，16）间隔也被使用，但不频繁。这种间隔持续时间的选择主要取决于预测结果的具体用途。15分钟的间隔，通常用于运行分析所推荐的道路通行能力的最新版本手册（8，20）。鉴于本研究的目的是为最多最新的高速公路出行者信息和管理制度生成流量估算， 因此，采用15分钟聚集间隔较适当。

这项研究中的测试和预测过程可以由图2说明，其中x（i）和x（i+ j）分别表示第i个和第（i + j）个15分钟时间间隔的交通量。在每个预测步骤中，以最新的历史交通量数据的矢量长度D用作输入到V-SVM和MLFNN模型。预测输出的车流量为下一N个时间间隔的流量。如果N是1，则它是一个单步预测;如果N大于或等于2时，它被称为多步或两步预测。长度D常称为输入维度。在试验的设计部分，本文详细讨论了如何挖掘这个确定性的输入维数。

MLFNNs的实施

为了实现MLFNN模型，对原始数据集进行分区进入测试，分为训练数据集、验

53

石家庄铁道大学毕业设计

证数据集和测试数据集。训练和验证数据集用于参数调整和模型调试，测试数据将保留用作模型评估和比较。

跟其他的神经网络一样，MLFNNs也有过拟合和局部极小的弱点，所以需要采取适当的措施来缓和这两个问题。在本研究中，使用了两种方法来减少过拟合问题。第一种方法是选择一个适当的隐藏神经元号数，而第二个是使用早停战略。这两种方法都在以下两部分做了详细介绍。为了避免局部极小问题，需多次运行同样的情况与随机初始网络权重。

隐层神经元数

隐层神经元数对MLFNNs的泛化能力有重大影响。若MLFNNs的隐层神经元数不足，便不能充分了解测试数据的基础模式，而隐层神经元数量过多容易导致过拟合。本研究中，赤池信息量准则（AIC）（21，33）是用于确定隐藏神经元的数目。根据公式10中定义的AIC，隐层神经元的数目的确具有最低的AIC选择值。

其中

Hd =数字隐层神经元，

np参数（网络权重和偏置），总数达到最优化， N =输入测试数据量。

不同数量的隐层神经元计算的AIC值是确定隐含神经元为MLFNNs的最佳数量。

提前终止测试策略

MLFNNs的标准测试过程是为了最小化方程3中定义的测试误差。但是，这个过程可能会导致过拟合问题，尤其是当训练数据很小的时候。早期终止策略的使用可

石家庄铁道大学毕业设计

有效防止过度拟合和提高一体化。此外，除了测试误差，要想实现早期停止战略，要求一个基于使用类似于方程公式3得出的有效验证数据集，从而计算出一个额外的合理错误。测试过程也是为了最小化训练误差，但如果合理（合法性）错误上升到一定的迭代次数（在此研究中，15次迭代），即使训练误差不断减少，训练过程也将被终止，和最低验证错误（合理误差）对应的网络参数将被用于未来的预测。早期停止策略也示于图3。在图3中所示的训练过程中，在训练迭代11的网络参数将用于未来的预测。其原因是，验证错误在本次迭代中是最低的，而本次迭代之后，即使训练误差继续变得更小，验证错误也会持续增长至超过15次迭代。根据本段前面描述的提前终止策略的定义，训练过程会停在迭代26，并且对应最低验证错误（迭代11）的网络参数将被用于未来的预测。

实际运用

MatLab神经网络工具箱（34）用于实现MLFNN模型。该工具箱提供了许多用于MLFNNs的训练算法，包括梯度下降、具有自适应学习率、共轭梯度下降法和Levenberg-Marquardt。选择使用Levenberg-Marquardt算法是因为它更好的效率和性能（35）。

V型支持向量机的实现

在V-SVM模型使用由张和林（36）开发的LIBSVM软件包实现的。为了形成V-SVM模型，需要先设置三个参数（C，V，和γ）。这些参数可通过使用LIBSVM软件包里的网格搜索算法来确定。然而，黄和王（37）最近将遗传算法与LIBSVM软件包整合起来，以确定这些参数，并与传统的网格搜索算法进行了比较。发现表明，这种混合遗传算法在运算结果模型的预测精度（37）上明显优于网格搜索算法。因此，本研究采用遗传算法确定参数C，V，和γ。初始参数确定后，用LibSVM软件包训练V-SVM模型进行未来预测。原始数据集也分为训练，验证和测试数据集，因为它是为MLFNN模型服务的。遗传算法并不新奇，在许多文献中均有案可查。因此，本文对其没有大篇幅的说明，读者可以参考戈德堡（38）以咨详情。

文所述的这项研究使用了便捷的遗传算法和MatLAB软件中的直接搜索工具箱（39），额外的MatLab代码被开发出来将LibSVM软件包与遗传算法工具箱进行整合用于参数调谐。这种混合参数调谐方法示于图4。在这种混合方法中，首先随机生成初始参数NSET。每组参数类似于一条染色体，所有染色体的集合便是一个种群。

55

石家庄铁道大学毕业设计

附录B 部分仿真数据及截图

表1建华大街增加公交延误表

Time VehC No.: 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 Total

Delay All 1 0 0 0 0 0 0 52.7 0 0 35.2 25.8 0 19.4 0 27.7 24.8 0 38.2 35.4 41.3

Stopd 1 0 0 0 0 0 0 39.7 0 0 100.7 111.8 0 150.1 0 237.2 197.4 0 238.2 265.3 161.6

Stops 1 0 0 0 0 0 0 0.67 0 0 1.33 1.2 0 0.56 0 5 2.33 0 0.4 0.6 0.14

Veh 1 0 0 0 0 0 0 3 0 0 6 1 0 9 0 1 6 0 1 5 32

Pers. 1 0 0 0 0 0 0 52.7 0 0 35.2 25.8 0 19.4 0 27.7 24。.8 0 38.2 35.4 41.3

Pers

1 0 0 0 0 0 0 3 0 0 6 1 0 9 0 1 6 0 1 5 32

56

石家庄铁道大学毕业设计 表2 谈固大街增加公交延误表

Time VehC No.: 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 Total

Delay all 2 0 0 0 0 103.3 48.1 31.6 33.3 56.5 68 49.7 60.2 2.6 58.6 57.3 0.1 1 59.7 78.4 59.8

Stopd 2 0 0 0 0 83.2 46.2 16.6 20.6 50.2 60.4 34.5 51.1 0 53.2 45.8 0 0 52.7 67.9 38.6

Stops 2 0 0 0 0 1 0 0.83 0.67 1 1 1.3 1.33 0 1 1.33 0 0 1 1.5 0.35

Veh 2 0 0 0 0 1 1 6 6 1 1 10 6 2 3 9 1 2 2 6 57

Pers. 2 0 0 0 0 103.3 48.1 31.6 33.3 56.5 68 49.7 60.2 2.6 58.6 57.3 0.1 1 59.7 78.4 59.8

Pers 2 0 0 0 0 1 1 6 6 1 1 10 6 2 3 9 1 2 2 6 57

57

石家庄铁道大学毕业设计 表3 体育大街增加公交延误表

Time VehC No.: 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 Total

Delay All 3 0 0 0 0 0 0 0 0 0 0 62.8 0 0 76.7 0 45.2 0 0 79.4 38.2

Stopd 3 0 0 0 0 0 0 0 0 0 0 36.1 0 0 60.6 0 27 0 0 31.4 42.9

Stops 3 0 0 0 0 0 0 0 0 0 0 3 0 0 3 0 2 0 0 2 0.27

Veh 3 0 0 0 0 0 0 0 0 0 0 3 0 0 1 0 1 0 0 1 6

Pers. 3 0 0 0 0 0 0 0 0 0 0 62.8 0 0 76.7 0 45.2 0 0 79.4 38.2

Pers 3 0 0 0 0 0 0 0 0 0 0 3 0 0 1 0 1 0 0 1 0.27

58

石家庄铁道大学毕业设计 表4 建设大街增加公交延误表

Time VehC No.: 30 90 150 210 270 330 390 450 510 570 630 690 750 810 870 930 990 1050 1110 1170 Total

Delay All 4 0 0 0 0 0 14.6 16.9 7.5 7.6 16.5 76.6 32.7 36.5 38 52.4 33.1 35.9 46.1 46.4 40.1

Stopd 4 0 0 0 0 0 6.9 12.1 4.4 2.1 0.4 26.9 10.5 10.2 13 9.9 9.7 7.2 7.4 20.7 10.4

Stops 4 0 0 0 0 0 0.75 1 0.17 0.5 0.5 1.8 1.67 1 2 1.5 0.71 2 1.8 0.33 0.67

Veh 4 0 0 0 0 1 4 2 6 2 2 5 3 5 2 2 7 1 5 3 50

Pers. 4 0 0 0 0 0 14.6 16.9 7.5 7.6 16.5 76.6 32.7 36.5 38 52.4 33.1 35.9 46.1 46.4 40.1

Pers 4 0 0 0 0 1 4 2 6 2 2 5 3 5 2 2 7 1 5 3 50

59

石家庄铁道大学毕业设计

60

石家庄铁道大学毕业设计

61