网络交通流宏观基本图研究综述_廖大彬

网络交通流宏观基本图：回顾与前瞻马万经;廖大彬【摘要】文中对MFD相关研究成果进行系统地回顾,分析总结在MFD的基本性质、影响因素以及基于MFD方法的网络交通分析、管理与控制等三个主要方面的研究成果.进而从MFD方法本身及其应用两个角度,提出了未来潜在的研究方向.在城市交通拥挤问题日益突出的背景下,成果可以促进更加深入的MFD相关理论研究,并推动其在网络交通拥挤分析与缓解策略等方面的应用.【期刊名称】《武汉理工大学学报（交通科学与工程版）》【年(卷),期】2014(038)006【总页数】8页(P1226-1233)【关键词】交通工程;MFD;基本性质;影响因素;网络控制【作者】马万经;廖大彬【作者单位】同济大学道路与交通工程教育部重点实验室上海 201804;同济大学道路与交通工程教育部重点实验室上海 201804【正文语种】中文【中图分类】U4910 引言长期以来，交通政策预期效果评估，网络演化分析以及状态预测等，依赖于交通需求预测模型.因而模型的准确性和可靠性对评价结果至关重要.为提高这些预测分析模型性能，诸多方法被提出，模型所需数据的粒度和复杂度也逐渐上升.从20世纪50 年代提出的“四步骤”模型（four-step model），发展到70 年代的非集计模型（disaggregate demand model）和网络均衡模型（network equilibrium），再到90年代的动态仿真模型（dynamic simulation）.理论上，计算机可以基于这些模型对交通网络进行分级预测分析.但正如Daganzo［1］指出，如下问题的存在使得这些模型的应用存在缺陷：（1）模型需要太多输入参数，比如动态OD（origin-destination，OD）；（2）行者的选择行为是一个不可预测的博弈过程；（3）饱和网络的行为非常复杂.与这些模型不同，宏观基本图（macroscopic fundamental diagram，MFD）直接利用网络检测数据，从宏观角度对网络进行集计分析，进而对网络进行监控和管理.由于这一方法避免了前述诸多问题，其提出后即引起了广泛关注.本文试图对相关研究成果进行总结和分析，并梳理出具有潜在价值的研究问题和方向.推动MFD 理论研究及其在交通网络分析和拥挤管理等多方面的应用.1 MFD 的总体研究脉络2007年Daganzo和Geroliminis［2］通过日本横滨的数据发现，单个检测器数据的流量占有率关系具有很大的离散型，见图1.然而，将整个网络的所有检测器的流量和占有率集聚后，可以形成一个离散度很小的曲线，见图2，并基于此提出了反应网络交通流状态的宏观基本图概念.图1 单个检测器流量与占有率关系图2 多检测器流量与占有率／密度关系MFD 反映了整个网络交通量与网络运行水平的普遍关系，其不仅仅描述了网络流量与占有率的关系，也反映出网络内车辆数和流出网络车辆数之间的关系，以及车辆运行里程与运营时间之间的关系等.通过对MFD 的分析，Daganzo发现其基本曲线形式为抛物线，但在实际的分析中常简化为三角形或梯形［3］.MFD 引起交通网络分析、管理和控制等多领域的广泛关注.相关学者主要围绕其基本性质、影响因素及应用方向等方面展开研究.主要研究脉络见图3.图3 MFD 总体研究脉络2 MFD 基本性质研究MFD 被揭示之后，首先开展其基本性质的研究，主要集中在其存在性、获取方法及拓展研究等几个方面，见图4.这些研究逐步从不同角度揭示了MFD 的特征和影响因素，为MFD 在交通状态分析、管理和控制等各领域的研究和应用奠定了基础. 图4 MFD 基本性质研究框架Daganzo在提出MFD 时指出，一个网络只有在其内部交通状态处于“同质性”时，即整个小区要么全部处于拥挤状态要么全部不处于拥挤状态，才存在离散度低的MFD.随后，大量学者就各种原因导致的网络“非同质性”对MFD 的影响展开了研究，探索了不同影响因素对MFD 离散度的影响.继日本横滨发现MFD 的存在后，MFD 的存在性也在不同的地方通过不同的数据得到验证.Gonzales等［4］通过仿真方法验证了内罗毕路网MFD 的存在，姬杨蓓蓓等［5］通过仿真研究发现阿姆斯特丹的城市路网同样存在MFD；Gao等［6］运用斯德哥尔摩的交通数据（包含检测器数据和出租车数据）发现在该城市存在MFD；He等［7］利用检测器数据验证了北京三环线构建的交通网络存在MFD. MFD 除可以通过仿真和实际数据获取，也可以通过解析模型构筑.Leclercq等［8］提出依据路径的拓扑结构，以及变分理论来获取MFD，该方法克服了以往获取MFD 的规则条件，对现实许多“非同质性”的网络也适用；Geroliminis等［9］对变分理论做了一定的扩展与改进，模型中主要考虑了整个网络的最大通行能力以及最大密度；Xie等［10］考虑了小汽车交通和公共交通，提出了两种获取城市干道网络MFD 的方法.方法一是结合内部公共交通运行与移动瓶颈理论来获取MFD；方法二则在方法一基础上考虑了外部公共交通.Daganzo等［11］利用旧金山网络数据提出了一个精确的分析表达式，来表达MFD.Courbon等［12］对比分析了获取MFD 的三种方法：分析法、基于路径的方法、检测器法，并通过仿真对上述方法进行了评价.分析法具有最严格的约束，但在仿真中需要大量参数标定；检测器法虽然很容易获取MFD，但有时所得到的结果具有比较大的离散性，而且需要布设大量检测器；基于路径的方法可以获取MFD 但车辆路径的获取难度较大.由此可见，虽然MFD 可以通过实际检测器获取，但对于一个大的城市路网，可能会出现有效检测器数量不足以获取整个城市的MFD，解析方法则可以在更少的数据条件下，获取小区的近似MFD 表达式.在MFD 图形的基础上，Knoop等［13］提出的双变量（密度、网络中总交通量）宏观基本图（TVMFD），对处于“同质性”及“非同质性”条件下的网络均适用.在此基础上，提出了表示流量与平均密度，以及密度不均衡性之间的关系的GMFD，能很好地解释MFD 的“滞回现象”［14］.3 MFD 影响因素研究在MFD 基本性质和存在性研究的基础上，对MFD 的影响因素的研究也逐渐深入.可归结为以下4个方面：交通条件、道路条件、管控条件以及选择行为，基本研究框架见图5.图5 MFD 影响因素研究框架对MFD 影响因素的研究，最先引起大家注意的是Geroliminis发现的“滞回现象”［15-16］.所谓“滞回现象”就是流量与占有率比例关系图为封闭曲线，而不是线性曲线.Geroliminis发现引起这种现象的主要原因为网络密度的不均匀性，以及数据量不足.由此揭开了对MFD 影响因素研究的序幕.总体而言，不同因素，最终都是通过对网络密度的影响，进而对MFD 产生各方面的影响.3.1 不同交通条件对MFD 的影响许多学者在研究过程中同样观测到了“滞回现象”，并进行了解析.He通过对北京城市快速路网MFD 分析，发现由于匝道上车辆的频繁变道使得匝道上密度分布不均匀进而产生了该现象.许菲菲等［17］发现在外部需求变化大时，会出现上述现象.朱琳等［18］通过研究外部需求在不同总量和时变比例下，对MFD 的影响，发现在初期，总量和时变影响较小，到了后期两者对MFD影响的差距很大.Mahmassani等［19］在城市网络处于过饱和条件下通过对MFD“滞回现象”的研究，提出了一种可以描述整个网络处于非同质性下的新模型，从而克服了MFD 的不足.在研究有关转向交通流对MFD 的影响时，Geroliminis等［20］发现，交叉口处左转交通流的存在减小了MFD 的最大值.Boyaci通过变分理论研究转向交通流对MFD 的影响也得到了同样的结论.Geroliminis等［21］通过研究巴塞罗那城市混合交通网络下的宏观交通流特征，探索了不同比例公交及私人小汽车出行对MFD 离散度的影响，发现小汽车出行比例越大，曲线离散度越大.Zheng等［22］探讨了不同交通方式的空间分布及各种模式所占比例对MFD 的影响，发现随着公交专用道在整个城市所占比例的提升，整个小区的内部车辆数将不会达到MFD 的最大值.王玉等［23］通过仿真研究了交通事故、占路施工、恶劣天气对MFD 的影响，发现交通事故以及占道施工发生的位置对曲线形状影响不显著，而恶劣天气这种影响全局的事件对整个路网的影响更显著.3.2 不同道路条件对MFD 的影响不同道路条件对MFD 影响研究，主要集中在专用道的性质、路网中关键路径，以及路网结构等级3个方面.许菲菲等研究了公交专用道以及关键路径对MFD 的影响，发现设置公交专用道会在一定程度上降低路网的通行能力，进而降低了MFD 最大值，并确定了路网中对MFD 有决定性作用的关键路段.Buisson等［24］探讨了城市网络、穿越城市的高速网络与环城高速网络对MFD 的影响.研究发现MFD 的形状与道路网络的形状有很大关系，高速网络不存在MFD，因此不同类型路网的混合最终会到导致无法得到网络的MFD.朱琳等通过对比西三环路网及其子路网MFD，发现路网结构越均匀，各路段交通状态差异越小，路网整体性能越高.3.3 不同管控条件对MFD 的影响在对MFD 影响因素的研究中，对不同管理及控制措施和参数的研究最为突出.许菲菲发现道路禁行不仅会降低路网服务水平，也会改变MFD 的形状.马莹莹等［25］则通过仿真发现信号周期对MFD 形状几乎没有影响.Jin等［26］通过元胞传输模型发现在自由流状态下，网络稳定时MFD 很稳定，而间断流状态下信号控制使得网络交通流不稳定，进而影响到MFD 形状.Qian等［27］将2种不同的管理方式（匝道控制和增减车道）运用到网络中，对于匝道控制法，采取控制前后的MFD 差不多，匝道控制会加快高速路网拥挤的消散，但使城市网络拥堵情况加剧.Gonzales等［28］通过将无信号控制的环岛改为信号控制交叉口，发现改变前后MFD 形状发生变化.Zhang运用元胞自动机模型对比分析了城市干道路网3 种不同自适应交通控制模式（SCATS-L，SCATS-F，SOTL）对MFD 的影响，发现由于SOTL 控制方式主要是为了使网络的交通均匀分布，因此采用该模式时网络宏观交通状态最好.Buisson研究发现在一个城市网络中，检测器距信号控制位置的距离不仅会改变MFD的形状，也使得数据的离散度增加.Courbon 发现，检测器距离较远时，该位置检测到的数据都是车辆处于自由流状态，因此对MFD 初始部分形状没有影响，而当检测器位置距离信号控制位置很近时，由于其检测到的都是拥堵状态的数据，对饱和状态下的MFD 形状没有影响.3.4 不同选择行为对MFD 的影响除了有关交通条件、道路条件以及管控条件以外，有关不同选择行为对MFD 的影响研究也取得了一定的成果.朱琳研究发现，不同路径选择方式影响了路网MFD 的形状，改变了路网阻塞密度.Leclercq研究了不同路径选择模型（Wardrop模型、Logit模型、系统最优模型）对MFD 的影响，发现无论网络是否处于处于稳定状态下，Wardrop模型下的网络MFD 是一致的.Zhao等［29］同样通过仿真研究了实时的交通出行信息以及驾驶员路径选择行为对MFD 的影响，研究发现，不同路径选择通过网络密度的影响，进而对MFD 最大值产生影响，消息预知比例越高，最后MFD 最大值会相应增大.4 MFD 在交通网络分析与控制等领域的应用研究随着对MFD 基本性质及影响因素的深入研究，人们对如何将MFD 运用到实际中去产生了极大的兴趣.在运用MFD 时，首先需要解决的是基于MFD 的网络交通小区划分的问题.在此问题上不少学者也做了许多研究.随后一系列有关MFD 运用的研究逐步开展起来.基本研究框架见图6.图6 MFD 实际运用研究框架基于MFD 的交通小区划分方法的研究被许多人关注.其中最典型的研究当属于Ji等面向MFD 的小区划分问题研究.其依据在一个特定时间内的拥挤特征来划分整个网络，并最后拓展到对小区的动态划分问题上［30-31］.Haddad等［32］在研究2个小区之间基于MFD 的最优控制问题，提出了基于MFD 的边界控制模型，并在此基础上形成了一个新的模型用以对小区的划分.随后，李刚奇等［33］在宏观交通流理论基础上研究了小区划分方法，提出了对子区划分进行控制的小区划分标准.马莹莹等［34］也利用谱方法以相邻交叉口的关联性作为划分依据，对交通小区进行划分.虽然各种划分方法考虑的因素不太相同，但最终目的都是为了使得划分后的小区具有交通流的同质性.4.1 MFD 在网络控制中的运用随着对MFD 研究的不断深入，对宏观基本图的运用也有了比较初步的认识.Daganzo 和Geroliminis论述了MFD 可以通过控制交通需求来提高道路可达性，并以此来确定城市的驶出车辆占车辆总数的比例.随后，其研究了通过边界控制策略来控制2个小区，使得各小区内交通量能均衡的分布在保证小区驶出流量最大时的总流量位置处［35-37］.Haddad等以2 个交通小区为研究对象，提出了一种最优边界控制方法.最后以城市不同拥挤程度下MFD 的稳定性作为分析指标，证明该方法比反馈调节算法更优［38-39］.王福建等［40］总结了对趋于拥堵的路网区域实施边界控制策略思想，并提出了基于MFD 性质的一些城市管理的措施.Mehdi等［41-42］基于网络MFD 研究了的反馈闸门控制方法.通过仿真对干尼亚州网络进行闸门控制，取得了很好的效果.Yoshii等［43］将MFD 运用到过饱和网络控制中，提出了一种区域计量控制方法.文章通过对阪神快速路网络的仿真研究，验证了该方法的有效性.4.2 MFD 在构建新模型方面的运用将MFD 运用到网络交通控制中已经取得了很多成果，对于MFD 在构建新模型方面的运用方面也展开了许多研究Ramezani等［44］探讨了由高速路网络与城市网络共同形成的网络的宏观交通流关系，采用元胞传输模型以网络总延误最小为目标，构建了混合道路网络的最优控制模型.Daganzo等［45］研究了将宏观交通流模型与经济学模型相结合，进而使得对私人小汽车及公用交通的合理均衡的利用，这对决定在何时何地将有限的资源给何种运输方式有很大的作用.4.3 MFD 作为评价手段的运用将MFD作为评价手段的研究主要围绕以下二方面展开：一方面将MFD 的稳定性作为评价指标；另一方面则与MFD得到的结果作对比分析.Knoop等［46］运用MFD 分析了交通控制与传统采用大量数据复杂算法之间优劣，研究发现运用详细的复杂算法控制效果比使用MFD 效果要好，但基于MFD 同样可以进行有效的控制.Lin等［47］提出了2个用于评价网络控制模型的指标并通过分析网络MFD 的稳定性说明以上两个指标是合适的.Zheng等［48］结合城市路网交通拥挤宏观模型以及基于智能体的模拟器研究了拥挤收费策略.通过苏黎世城市路网首先证明了运用智能体模拟器获得的结果与通过MFD 所得到的结果的一致性，随后在基于MFD 控制下提出了一种动态拥挤收费策略.Horiguchi等［49］将MFD 公式化，然后通过公式化后的MFD 来表达反映网络目前的运营情况的两个变量：流动性指标和突出性指标.Gayah等［50］利用网络的MFD 及浮动车的数据实时预测网络交通密度.该方法主要优势在于所需的实际数据少，计算简单.虽然在非拥挤情况下预测结果不准，但是在拥挤情况下预测结果令人信服.5 总体分析MFD 提出至今，相关研究已取得许多成就，对MFD 的认识也逐步清晰.相关学者主要围绕其基本性质、影响因素及运用方向等方面展开研究.综合相关成果，尚有如下问题值得进一步深入探索.1）MFD 影响因素的定量分析模型的一般形式及其参数确定方法相关研究大多基于具体网络数据进行了MFD 影响因素的分析及其存在性的证明.在MFD 能够被更广泛地应用到网络交通管理和预测等领域之前，建立各因素与MFD曲线关系的定量分析模型，并给出相关参数的确定方法至关重要.这一问题的解决与否，直接影响着MFD 的理论意义与应用价值.2）面向MFD 的小区最优划分方法小区是研究MFD 及其应用的基本单元.到目前为止的研究大多集中在静态小区划分上.如何做到小区划分与MFD 的最佳匹配，如何根据实际交通状态进行小区动态划分，都需要进一步研究.3）网络需求分布特征及其影响的刻画现有研究对小区内部需求采用固定值或浮动车数据，但只能获取大致的情况.如何更精确的反应出小区内部到达率以及各种不同需求组合对MFD的影响，是另一个值得深入探索的领域.4）基于MFD 的交通网络管控策略研究目前的研究大多将小区视为一个单元进行简化的管理控制策略分析.如何针对不同类型的网络及其需求模式，研究具体的基于MFD 的管控策略，是影响MFD 在交通工程领域发挥作用的关键.6 结束语MFD 作为小区的特有属性，与外部交通需求无关，少量数据下即可获取MFD.基于以上特点，在已知小区MFD 的前提下，即可依据检测器数据及不同控制方法及措施实现对小区的控制，使得整个小区处于稳定的交通状态.由此可以看出，相较于其他网络分析模型，MFD 理论上应用价值和潜力更大.因而，有关MFD 的研究将进一步走向深入.而随着前述诸多问题的解决，MFD 将在网络交通分析和管控领域发挥更大的作用.参考文献［1］DAGANZO C F.Urban gridlock：Macroscopic modeling and mitigation approaches［J］.Transportation Research Part B：Methodological，2007，41（1）：49-62.［2］GEROLIMINIS N，DAGANZO C F.Existence of urban-scale macroscopic fundamental diagrams：Some experimental findings ［J］.Transportation Research Part B：Methodological，2008，42（9）：759-770.［3］CASSIDY M J，JANG K，DAGANZO C F.Macroscopic fundamental diagrams for freeway networks［J］.Transportation Research Record：Journal of the Transportation Research Board，2011（2）：8-15.［4］GONZALES E J，CHAVIS C，LI Y，DAGANZO C F.Multimodaltransport modeling for Nairobi，Kenya：Insights and recommendations with an evidencebased model［R］.UC Berkeley Center for Future Urban Transport，2009.［5］姬杨蓓蓓，WINNIE D.阿姆斯特丹城市道路线圈检测器布设方法研究［J］.重庆交通大学学报：自然科学版，2010，29（5）：754-757.［6］GAO F.Macroscopic fundamental diagrams for Stockholm using FCD data［D］.KTH：School of Architecture and the Built Environment（ABE），2011.［7］HE Z，HE S，GUAN W.Figure-eight hysteresis pattern in macroscopic fundamental diagrams for urban freeway network in Beijing，China［C］∥Transportation Research Board 92nd Annual Meeting，2013：13-1760. ［8］LECLERCQ L，GEROLIMINIS N.Estimating MFDs in simple networks with route choice［J］.Procedia-Social and Behavioral Sciences，2013，80（7）：99-118.［9］GEROLIMINIS N，BOYACI B.The effect of variability of urban systems characteristics in the network capacity［J］.Transportation Research Part B：Methodological，2012，46（10）：1607-1623.［10］XIE X，CHIABAUT N，LECLERCQ L.Macroscopic fundamental diagram for urban streets and mixed traffic：cross-comparison of estimation methods［C］∥Transportation Research Board 92nd Annual Meeting，2013：103-105.［11］DAGANZO C F，GEROLIMINIS N.An analytical approximation for the macroscopic fundamental diagram of urban traffic［J］.Transportation Research Part B：Methodological，2008，42（9）：771-781.［12］COURBON T，LECLERCQ L.Cross-comparison of macroscopic fundamental diagram estimation methods［J］.Procedia-Social and Behavioral Sciences，2011，20：417-426.［13］KNOOP V，HOOGENDOORN S.Two-variable macroscopic fundamental diagrams for traffic networks［C］∥Ninth International Conference on Traffic and Granular Flow，2011：1208-1220.［14］KNOOP V L，HOOGENDOORN S P，LINT J W C V.The impact of traffic dynamics on the macroscopic fundamental diagram［C］∥Transportation Research Board 92nd Annual Meeting，2013：1123-1135. ［15］GEROLIMINIS N，SUN J.Properties of a well-defined macroscopic fundamental diagram for urban traffic［J］.Transportation Research Part B：Methodological，2011，45（3）：605-617.［16］GEROLIMINIS N，SUN J.Hysteresis phenomena of a macroscopic fundamental diagram in freeway networks［J］.Procedia-Social and Behavioral Sciences，2011，17：213-228.［17］许菲菲，何兆成，沙志仁.交通管理措施对路网宏观基本图的影响分析［J］.交通运输系统工程与信息，2013，13（2）：185-190.［18］朱琳，于雷，宋国华.基于MFD 的路网宏观交通状态及影响因素研究［J］.华南理工大学学报：自然科学版，2012，40（11）：138-146.［19］MAHMASSANI H S，SABERI M.Urban network gridlock：theory，characteristics，and dynamics［J］.Procedia-Social and Behavioral Sciences，2013，80（7）：79-98.［20］BOYACI B，GEROLIMINIS N.Exploring the effect of variability of urban systems characteristics in the network capacity［C］∥TransportationResearch Board Annual Meeting，2012：1612-1623.［21］GEROLIMINIS N，DANÉS J M，ESTRADA A.Multimodal macroscopic fundamental diagram for“car-bus”mixed traffic signalized corridors：application in city of Barcelona，Spain［C］∥Transportation Research Board 92nd Annual Meeting，2013：1013-1089.［22］ZHENG N，GEROLIMINIS N.On the distribution of urban road space for multimodal congested networks［J］.Procedia-Social and Behavioral Sciences，2013，80（7）：119-138.［23］王玉，段征宇.偶发性交通事件对网络交通状态的影响分析［C］∥第七届中国智能交通年会，2012：22-27.［24］BUISSON C，LADIER C.Exploring the impact of homogeneity of traffic measurements on the existence of macroscopic fundamental diagrams［J］.Transportation Research Record：Journal of the Transportation Research Board，2009（12）：127-136.［25］马莹莹.面向交通小区的交通控制策略研究［D］.上海：同济大学，2010. ［26］JIN W L，GAN Q，GAYAH V V.A kinematic wave approach to traffic statics and dynamics in a double-ring network［C］∥Transportation Research Board 92nd Annual Meeting，2013：2813-2870.［27］Qian X，Baggen I J H，Daamen I W，et al.Application of macroscopic fundamental diagrams to dynamic traffic management ［D］.ITS Edulab：Rijkswaterstaat &Delft University of Technology，2009. ［28］ZHANG L，GARONI T M，GIER J D.A comparative study of macroscopic fundamental diagrams of arterial road networks governed by adaptive traffic signal systems［J］.Transportation Research Part B：Methodological，2013，49：1-23.［29］ZHAO T T，LI Z H，MU B P，et al.Exploring the influence of real-time traveler information on the macroscopic fundamental diagrams ［C］.11th International Conference of Chinese Transportation Professionals（ICCTP），2011：155-161.［30］JI Y，GEROLIMINIS N.On the spatial partitioning of urban transportation networks［J］.Transportation Research Part B：Methodological，2012，46（10）：1639-1656.［31］JI Y，GEROLIMINIS N.Spatial and temporal analysis of congestion in urban transportation networks［C］∥Transportation Research Board Annual Meeting，2011：1791-1808.［32］HADDAD J，GEROLIMINIS N.On the stability of traffic perimeter control in two-region urban cities［J］.Transportation Research Part B：Methodological，2012，46（9）：1159-1176.［33］李刚奇，赵娅丽.基于宏观交通理论的交通控制子区划分方法［C］∥第七届中国智能交通年会，2012：31-38.［34］马莹莹，杨晓光，曾滢.基于谱方法的城市交通信号控制网络小区划分方法［J］.系统工程理论与实践，2010，30（12）：2290-2296.［35］ABOUDOLAS K，GEROLIMINIS N.Perimeter flow control in heterogeneous networks［C］∥13th Swiss Transport Research Conference，2013：1055-1081.［36］ABOUDOLAS K，GEROLIMINIS N.Perimeter and boundary flow control in multi-reservoir heterogeneous networks［J］.Transportation Research Part B：Methodological，2013，55：265-281.［37］ABOUDOLAS K，GEROLIMINIS N.Feedback perimeter control for multi-region large-scale congested networks［C］∥2013European Control Conference，2013：106-114.［38］HADDAD J，RAMEZANI M，GEROLIMINIS N.Model predictive perimeter control for urban areas with macroscopic fundamental diagrams ［C］∥American Control Conference（ACC），2012：1051-1066.［39］GEROLIMINIS N，HADDAD J，RAMEZANI M.Optimal perimeter control for two urban regions with macroscopic fundamental diagrams：a model predictive approach［J］.Intelligent Transportation Systems，IEEE Transactions 2013，14（1）：348-359.［40］王福建，韦薇，王殿海，等.基于宏观基本图的城市路网交通状态判别与监控［C］∥第七届中国智能交通年会，2012：72-79.［41］EKBATANI M K，KOUVELAS A，PAPAMICHAIL I，et al.Exploiting the fundamental diagram of urban networks for feedback-based gating ［J］.Transportation Research Part B：Methodological，2012，46（10）：1393-1403.［42］EKBATANI M K，PAPAGEORGIOU M，PAPAMICHAIL I.Urban congestion gating control based on reduced operational network fundamental diagrams［J］.Transportation Research Part C：Emerging Technologies，2013，33：74-87.［43］TOSHIO Y S，YU J，YONE Z W，et al.Evaluation of an area metering control method using the macroscopic fundamental diagram［C］∥Transportation Research Part B Annual Meeting 2010：1110-1141. ［44］RAMEZANI M，HADDAD J，GEROLIMINIS N.Cooperative trafficmanagement of mixed freeway and urban networks［C］∥Transportation Research Board 92nd Annual Meeting，2013：1813-1825.［45］DAGANZO C F，GONZALES E J，GAYAH V.Traffic congestion in networks，and alleviating it with public transportation and pricing［R］.Institute of Transportation Studies，University of California，Berkeley，2011.［46］KNOOP V，LINT J V，HOOGENDOORN S.Routing strategies based on the macroscopic fundamental diagram［J］.Transportation Research Record：Journal of the Transportation Research Board，2012，2315（1）：1-10.［47］LIN S，ZHOU Z，XI Y.Analysis of performance criteria for model-based traffic congestion control in urban road networks［C］∥Transp ortation Research Board 92nd Annual Meeting，2013：1713-1775. ［48］ZHENG N，WARAICH R A，AXHAUSEN K W，et al.A dynamic cordon pricing scheme combining the macroscopic fundamental diagram and an agentbased traffic model［J］.Transportation Research Part A：Policy and Practice，2012，46（8）：1291-1303.［49］HORIGUCHI R，IIJIMA M，HANABUSA H.Traffic information provision suitable for TV broadcasting based on macroscopic fundamental diagram from floating car data［C］∥Intelligent Transportation Systems （ITSC），2010：1051-1071.［50］GAYAH V V，DIXIT V ing mobile probe data and the macroscopic fundamental diagram to estimate network densities：tests using micro-simulation［C］∥Transportation Research Board 92nd AnnualMeeting，2013：1413-1493.。

城市路网多种交通方式宏观交通流建模与分析随着城市化进程的加快，城市交通问题日益突出，如何合理规划和管理城市道路网络成为一项重要任务。

城市道路网络中存在多种交通方式，如汽车、公共交通、自行车等，它们之间的交通流互相影响，需要进行宏观交通流建模与分析。

宏观交通流建模是指将城市道路网络中的交通流量进行整体抽象，以模型的方式描述交通流的运行情况。

建模的目的是为了更好地理解交通流的特征和规律，为制定交通规划和管理政策提供科学依据。

这种模型可以从整体上考虑城市不同交通方式的交互作用，以及交通流的时间和空间分布等因素。

宏观交通流分析是指对建模结果进行定性和定量分析，揭示其中的规律和问题，为制定交通管理策略提供指导。

分析的过程可以通过统计数据、模拟实验和数学模型等方法来进行。

通过分析城市道路网络中的交通流，我们可以得出不同交通方式的使用情况和拥挤程度，进而评估交通系统的效率和可持续性。

在进行宏观交通流建模和分析时，需要考虑以下几个方面的因素。

首先是交通需求，即不同交通方式的出行需求量。

这可以通过调查和统计等方法来获取。

其次是交通网络的结构和连接性，不同交通方式的道路网络连接情况对交通流的分布和流动产生重要影响。

最后是交通管理和控制措施，如交通信号灯、公交优先等，它们对交通流的分配和调控也是重要的因素。

通过宏观交通流建模与分析，可以为城市交通规划和管理提供科学支持。

例如，可以根据模型结果预测未来交通流的变化趋势，从而制定相应的交通政策。

同时，还可以评估不同交通方式的效益和影响，为城市道路网络的发展提供指导。

总之，城市路网多种交通方式的宏观交通流建模与分析是一项重要的研究工作。

通过对交通流的建模和分析，可以更好地理解城市交通系统的运行规律，为交通规划和管理决策提供科学依据，进一步优化城市交通系统，提高交通效率和可持续性。

交通规划中的交通流量模型交通规划是城市发展和交通管理的重要组成部分，它涉及到交通基础设施建设、车流组织、交通安全等多个方面。

而在交通规划中，交通流量模型扮演着至关重要的角色。

本文将探讨交通规划中的交通流量模型，并分析其在实际应用中的意义和局限性。

交通流量模型是通过对交通流动进行建模，以预测和评估交通网络中的车流量、交通拥堵程度和道路性能等指标。

它可以帮助规划者确定交通设施的需求，优化道路网络布局，提高交通系统效率。

常见的交通流量模型包括宏观模型和微观模型。

宏观模型是基于全局交通流的模型，通常用于城市交通规划的初步分析。

它将整个交通网络划分为交通分区，通过交通分配模型计算不同分区之间的交通流量和路径选择。

这样可以评估不同规划方案对整体交通流量和道路瓶颈的影响。

宏观模型的优点在于简单快速，适用于大范围的交通规划。

然而，它忽略了个体车辆的特性，不能准确描绘拥堵情况和交通行为。

微观模型则更为详细地模拟个体车辆的行为和交通流动。

它运用交通流动理论、行为学和信息技术等多学科知识，根据车辆行为规则来模拟车辆之间的互动和道路上的交通状况。

通过微观模型，可以实现对交通拥堵、交通信号灯优化等细节的模拟和分析，从而提供更准确的交通规划建议。

然而，微观模型对数据要求较高，且计算量较大，因此在规划过程中的应用还受到一定的限制。

在实际交通规划中，交通流量模型扮演着至关重要的角色。

它可以帮助规划者预测城市未来的交通需求，评估不同规划方案的可行性，制定交通管理政策。

例如，在城市新区的规划中，交通流量模型可以根据预测的人口增长和用地分配，推测未来的交通流量，并结合已有交通设施的能力进行评估，以确定是否需要增加交通网络容量。

此外，交通流量模型还可以用于优化交通信号灯配时、车道划分和车流组织等方面，从而改善道路的通行能力和交通系统的效率。

通过模型模拟和仿真，规划者可以比较不同方案的效果，选择最佳的交通规划策略。

然而，交通流量模型也存在一些局限性。

结合宏观基本图建立高峰时期城市交通网络中巡航停车的模型作者：刘辰韬杨晓芳付强来源：《物流科技》2017年第05期摘要：宏观基本图（MFD）广泛运用于城市网络中，它可以用于评估道路网络水平、区域交通控制、建立宏观模型和改善交通条件。

文章结合宏观基本图提出了一个高峰时期巡航停车的模型，可用于减缓高峰时期交通拥堵的影响。

结果表明，提早出行可以减少高峰时期巡航停车的时间，出行者也可以通过乘坐公共交通避免巡航停车带来的额外时间消耗。

同时，优化交通出行费用可使交通出行效率更高。

关键词：宏观基本图；巡航停车模型；交通拥堵；交通出行效率中图分类号：F570 文献标识码：AAbstract： The macroscopic fundamental diagram（MFD）exists in urban networks. It can be used to estimate the level of road networks， control regional transportation， establish the model and improve traffic condition. The papers combine the macroscopic fundamental diagram to establish a model about cruising-for-parking， which can reduce the influence of traffic congestion. Result indicate that depart earlier to enjoy less cruising time， travelers can take public transportation to avoid the cruising-for-parking. Also， optimize the traffic tolls will enhance efficiency in traffic.Key words： macroscopic fundamental diagram； cruising-for-parking； traffic congestion；efficiency in traffic0 引言城市网络中高峰时期的停车拥堵现象日趋恶化，它严重影响了城市健康有序的发展和人们文明和谐的生活，就目前来说由于停车而造成的拥堵仍是一个急需解决的问题。

交通流量模型的研究与应用随着城市化进程的加速，城市交通问题已经成为城市管理面临的一个急需解决的问题，而交通流量模型的应用已经逐渐成为城市交通问题的研究前沿。

本文将探讨交通流量模型的研究与应用。

一、交通流量模型的概述交通流量模型是指基于交通理论和交通数据建立的用于描述交通流量变化规律的数学模型。

交通流量模型旨在提高交通运输效率和安全性，主要是通过预测和优化车辆的流动来实现这一目标。

交通流量模型的建立需要较多的交通数据以及对交通理论的深入研究，因此交通流量模型研究常常需要跨学科的合作，如物理学、运筹学、计算机科学、交通工程等。

二、交通流量模型的分类依据交通流量模型的应用目的和模型过程的不同，可以将交通流量模型分为如下几类：1. 宏观交通流量模型宏观交通流量模型旨在对整个交通流量进行建模和分析，比如基于城市交通较短时间段内交通网络中的跨区域流量的均衡分配、城市周边区域的交通流的合理配置等。

宏观交通流量模型主要考虑了交通系统的大规模特征和整体变化趋势，对于城市交通规划实施和运营具有重要的参考价值。

2. 中观交通流量模型中观交通流量模型旨在对城市中不同区域的交通流量进行分析，如基于城市交通分区分区域分时的流量分析等。

中观交通流量模型主要考虑了流量变化的空间特征和时间特性，可以为城市交通更详细的规划和城市交通管制提供参考。

3. 微观交通流量模型微观交通流量模型旨在对车辆之间行驶状态和行为的交互进行建模和分析，如车辆之间距离、速度、转向等行为规律的模拟。

微观交通流量模型主要考虑了车辆行驶行为和路段交通情况，对于城市交通安全和交通运营预测具有很大的参考价值。

三、交通流量模型的应用随着模型技术的不断提高和数据收集的不断完善，交通流量模型的应用越来越广泛，以下列举几个典型的应用案例：1. 城市交通规划交通规划是城市规划的重要组成部分。

城市交通规划需要对不同时间、不同区域内的交通流量进行建模和分析，在这个过程中，交通流量模型可以为决策者提供关键的参考信息。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910114744.9(22)申请日 2019.02.14(71)申请人 同济大学地址 200092 上海市杨浦区四平路1239号(72)发明人 田野　李宇迪　孙剑　(74)专利代理机构 上海科盛知识产权代理有限公司 31225代理人 蔡彭君(51)Int.Cl.G06K 9/62(2006.01)G08G 1/01(2006.01)(54)发明名称基于交通流宏观基本图的自适应交通分析路网简化方法(57)摘要本发明涉及一种基于交通流宏观基本图的自适应交通分析路网简化方法，包括：步骤S1：根据路网交通流状态数据绘制出交通流宏观基本图，应用聚类方法，将MFD按路网表现进行时段划分；步骤S2：分别对每个子时段的路网进行简化；步骤S3：将简化后的若干个不同分辨率的路网组合后进行基于仿真的动态交通分配。

与现有技术相比，本发明具有能够根据不同的路网交通状况自适应地调整时段划分，更加符合真实的交通状况，路网规模的减小提高了交通分析的效率，大大降低了仿真和分配的计算量。

权利要求书2页 说明书6页 附图5页CN 109858559 A 2019.06.07C N 109858559A1.一种基于交通流宏观基本图的自适应交通分析路网简化方法，其特征在于，包括：步骤S1：根据路网交通流状态数据绘制出交通流宏观基本图，应用聚类方法，将MFD按路网表现进行时段划分；步骤S2：分别对每个子时段的路网进行简化；步骤S3：将简化后的若干个不同分辨率的路网组合后进行基于仿真的动态交通分配。

2.根据权利要求1所述的一种基于交通流宏观基本图的自适应交通分析路网简化方法，其特征在于，所述步骤S1具体包括：步骤S11：选取分析时段内的路网交通流数据，得到平均流量和平均密度；步骤S12：对路网平均流量、平均密度进行聚类，使目标函数达到最小，得到若干个路网表现近似相同的簇P＝{P 1,,,P K }，每个簇的端点就是各个子时段的时间节点；步骤S13：根据路网实际交通状况，预设一个合理的时段数S，选择使各个时段路网密度标准差之和最小的方案作为最优方案，同时得到对应的惩罚项；步骤S14：将分类情况通过交通流宏观基本图体现，对于不同的交通状况，生成不同的分类方案。