交通分析的常用公式:从基础计算到高级模型深度解析
在现代城市规划与交通工程领域,交通分析不仅是评估道路网络健康状况的听诊器,更是优化资源配置、缓解拥堵的关键工具。无论是繁忙的城市十字路口,还是高速公路上飞驰的车流,背后都隐藏着严密的数学逻辑。本文将深入探讨交通分析的常用公式,从最基础的流量-速度-密度关系,到复杂的宏观交通分配模型,为您提供一份详尽的技术指南。
许多初学者往往混淆了不同层级模型的应用场景。事实上,掌握交通分析的核心在于理解每个公式背后的物理意义及其适用边界。本文将通过结构化梳理,帮助您建立完整的知识体系。
基础交通流理论:流量、速度与密度
交通流三大基本参数是理解所有高级模型的基石。它们之间存在着不可分割的内在联系。
1.1 基本关系式
在稳态交通流中,流量(Flow, q)、速度(Speed, v)和密度(Density, k)满足以下基本恒等式:
其中:
- 流量 q:单位时间内通过某断面的车辆数,单位通常为 veh/h 或 pcu/h。
- 速度 v:车辆的平均行驶速度,单位通常为 km/h。
- 密度 k:单位长度道路上存在的车辆数,单位通常为 veh/km。
1.2 Greenshields 线性模型
James Greenshields 提出的线性模型是最经典的交通分析模型之一。该模型假设速度与密度之间呈线性关系:
其中 v_f 为自由流速度,k_j 为阻塞密度。将上述公式代入基本关系式,可推导出流量与密度的抛物线关系:
此模型表明,存在一个最大流量(通行能力),对应于临界密度 k_c = k_j / 2 和临界速度 v_c = v_f / 2。
⚡ 自由流状态
当密度 k 接近 0 时,车辆互不干扰,速度接近 v_f,流量较低。此时道路资源未被充分利用。
⚡ 稳定流状态
随着密度增加,流量上升。当达到临界密度 k_c 时,流量达到最大值,即路段的通行能力。
⚡ 不稳定流状态
当密度超过 k_c,车辆间干扰加剧,速度急剧下降,流量反而降低,直至阻塞。
交叉口分析:饱和度与延误模型
城市交通的核心痛点在于交叉口。评估交叉口运行效率的核心指标是饱和度和平均延误。
2.1 饱和度 (v/c 比)
饱和度是衡量交叉口负荷程度的最直观指标。其计算公式为:
其中 X 为饱和度,q 为实际到达流量,s 为饱和流量。当 X > 1 时,交叉口处于超饱和状态,排队将无限增长。
2.2 HCM 延误模型
美国《道路通行能力手册》(HCM)提供了计算信号控制交叉口平均延误的权威方法。总平均延误 d 由三部分组成:
- d_1:均匀延误(Uniform Delay),由信号周期控制引起的固定延误。
- PF:控制因子(Progression Factor),反映车流协调情况。
- d_2:增量延误(Incremental Delay),在非均匀到达流量下的排队延误。
- d_3:初始周期排队延误(Initial Queue Delay),通常在短时分析中忽略。
HCM 模型还引入了服务水平(LOS)概念,将延误分为 A 到 F 六个等级,其中 A 级表示通行自由,F 级表示严重拥堵。
| 服务水平 | 平均延误 (s/veh) | 运行特征 |
|---|---|---|
| A | 0 - 10 | 完全自由流,延误极小 |
| B | 10 - 20 | 稳定流,略有延误 |
| C | 20 - 35 | 稳定流,但开始受到其他车辆干扰 |
| D | 35 - 55 | 接近不稳定流,容忍度低 |
| E | 55 - 80 | 不稳定流,运行条件差 |
| F | > 80 | 超饱和,强制流,严重拥堵 |
排队论在交通中的应用
当到达率超过服务率时,车辆将形成排队。排队论(Queueing Theory)为分析这种现象提供了数学框架。
3.1 简单 M/M/1 模型
假设车辆到达服从泊松分布,服务时间服从负指数分布,且只有一个服务通道(如单车道收费站)。其核心公式包括:
其中 L_q 为平均排队长度,λ 为到达率,μ 为服务率。该模型要求 λ < μ,否则系统不稳定。
3.2 D/D/1 确定性模型
在短时交通分析中,常假设到达率和服务率均为常数。此时,排队长度随时间线性增长和消散。最大排队长度 Q_max 出现在饱和消散阶段结束时刻:
其中 T 为饱和持续时间。此模型常用于信号交叉口单周期内的排队分析。
概率模型 (M/M/1)
适用于随机到达的交通流。考虑了到达和服务时间的波动性,计算结果更为保守,适合长期规划分析。
确定性模型 (D/D/1)
适用于短时、高峰时段的精确分析。忽略了随机性,假设到达率恒定,计算简单直观,常用于信号配时优化。
宏观交通分配模型
交通分配是将OD(起讫点)矩阵中的交通量分配到具体路径上的过程。这是交通分析中最复杂的环节之一。
4.1 用户均衡 (User Equilibrium, UE)
根据 Wardrop 第一原理,用户均衡状态下,所有被使用的路径具有相等且最小的广义费用。数学表达为:
其中 C_w 为路径 w 的费用,f_w 为路径流量。常用求解算法包括 Frank-Wolfe 算法和 G-A 算法。
4.2 随机用户均衡 (SUE)
考虑到驾驶员对成本感知的误差,Logit 模型常被用于描述路径选择概率:
其中 θ 为灵敏度参数,反映驾驶员对费用差异的敏感程度。
〖 全有全无法 (All-or-Nothing) 〗
最简单的分配方法,将所有OD量分配给最短路径。未考虑容量限制,适用于低负荷路网。
〖 用户均衡 (UE) 〗
考虑了容量延误反馈,是工程应用中最主流的分配方法,符合驾驶员自利行为假设。
〖 系统最优 (SO) 〗
以系统总费用最小为目标,常用于公共交通或拥堵收费政策评估,需强制干预才能实现。
常见问题解答 (FAQ)
最常用的饱和度公式为 v/c = Q / C,其中 v 或 Q 代表实际交通流量(pcu/h),C 代表道路或交叉口的通行能力(pcu/h)。该比值反映了道路资源的利用程度。若 v/c > 1,表示超负荷,需优化信号或扩容。
HCM(美国道路通行能力手册)延误模型主要适用于信号控制交叉口。它计算均匀延误、增量延误和初始排队延误,用于评估交叉口服务水平(LOS)。对于无信号交叉口,通常使用冲突点法或停车线法。
用户均衡条件是指:在所有被使用的路径上,其广义出行费用(如时间、金钱)相等,且小于或等于任何未被使用路径的费用。即 Wardenrop 第一原理。这反映了驾驶员在已知路况下选择最短路径的自利行为。
自由流速度 v_f 通常通过实地轨迹数据拟合得到。在 Greenshields 模型中,它是密度为 0 时的速度。实际应用中,也可参考设计规范中的设计速度,并扣除环境修正系数。
© 2023 交通分析研究中心 | 专注于交通工程知识分享与技术交流