智能交通科技阻断报告

国外公路运行现状日本：拥堵度（Degree of Congestion, CD）日本在道路交通形势调查中使用拥堵度作为交通畅通性的评价指标。

拥堵度定义为某路段实际交通量与一天24小时或白日12小时的评价基准量之比。

评价基准交通量可由规划等级和设计通行能力、峰值率、同方向率求出。

式中：Q12：白日12小时交通量；γT ：γT = （1-T/100）+ET*T/100；T：大型车辆混入率；ET：大型车辆的小客车当量系数；C12：评价基准12小时交通量。

根据日本道路交通情势调查资料分析结果得知，在拥堵度小于1.0时，白日12小时不发生交通拥堵、车辆能畅通行驶，但大于1.0时，拥堵时段逐渐增加，拥堵度大于1.75时，道路上呈现慢性拥堵状态。

拥堵度是反映白日12小时交通状态的指标，而不能直接反映各时刻、各地点的交通状态。

因此，该指标应限于进行宏观性评价。

日本有关方面估计，如果现在所有的城市高速公路有20%能够使用VICS(Vehicle Information And Communication System)，那么它们的交通拥挤将减少10%，如果使用数量达到30%，由于交通拥挤所导致的经济损失将减少6%。

美国有一大“怪”，即铁路不是全国交通运输的老大，铁路在交通运输中扮演着十分有限的角色。

与此相对照的是密如蜘蛛网、遍布全国的高速公路系统。

高速公路宽敞、干净、周边服务设施周到，在美国的经济发展以及民众生活中起到了无可替代的作用，是工商业发达的产物，也是经济发展的象征。

美国的高速公路由四个不同的系统组成，这四个系统是州际高速公路（Interstate Highways）、美国国道（U.S. Highways）、州内高速公路（State Highways）以及郡内公路（County Highways）。

需要特别指出的是，在高速公路系统内，美国国道虽然号称“国道”，但国道在交通方面所起的作用远不及州际高速公路。

目前，美国大部分城市已经建成了集交通信号控制系统、交通流信息采集系统、公交优先通行系统、交通电视监控系统、交通事故报警系统（911系统）、交通信息综合处理系统、交通信息服务系统（511系统）于一体的智能化交通管理系统。

在美国明尼阿波利斯市，由于交通管理设施实行联网，“交通量自动调节系统”可以根据前方道路上的交通负荷情况，通过高速道路引道上的信号灯，自动调节进入高速道路上的车流量。

仅这项措施酒把高速道路上的车速提高了35%，事故率减少25%。

在圣安东尼奥的高速公路上，每隔0.5英里（约800米）装有一台车检器，上面配有摄像机。

这些设备随时收集路况信息，一旦发生事故，摄像机当即抓拍现场，检测器在15秒内把情况传送给管理中枢，救援人员马上行动处理。

这就是“交通事故监控系统”，有了这种设施，该市清理交通事故是过去的1.5倍。

美国的交通信息化系统包含了采集、发布及管理功能，该系统能对信息进行有效整和利用。

交通信息采集一般由交通控制中心通过线圈检测、视频检测、交通监控、巡逻车、巡逻直升飞机、无线报告等多种手段来实现。

美国对于交通管理信息的共享非常重视，其交通控制中心通过各种媒体或交通管理设施能够及时将交通管理信息转换成公共信息，从而可以及时与交通参与者进行信息沟通，实现双方的互动，最大限度地发挥和体现交通管理设施的效益。

美国政府还设立了免费出行交通信息网站，出行者要知道到达目的地的行车路线，只需上网查询，输入起终点的具体地名，就可得到行驶路径，包括转弯的路口，这样既便民，又避免不必要的绕行，减少交通总量，减轻交通压力。

交通安全管理信息系统在美国已经全国联网，各州均设有安全管理信息系统，它包括：事故统计信息、违章信息、驾驶员信息、车辆信息、道路及相关设施信息、紧急救援信息等子系统。

各州和大都市还建立了交通管理指挥信息系统，现代科学技术成果被大量采用，如电视监视，卫星定位以及救援、医疗、消防联动系统等。

美国交通拥堵定义指标简介:拥堵定义指标是判断拥堵发生和严重程度的指标。

指标主要有以下几种：A 道路拥堵指数（Roadway Congestion Index, RCI）美国德克萨斯州交通研究院于1994年提出道路拥堵指数，用来评价城市交通的相对拥堵水平。

道路拥堵指数定义为不同等级道路（包括高速公路和主干路）每公里平均日交通量的加权平均值。

这里的每公里平均日交通量定义为区域范围内的车辆行驶里程（Vehicle-miles of travel, VMT）与车道里程（Lane-miles）的比式中：A1：高速公路车辆行驶里程（车英里）；A2：主干路车辆行驶里程（车英里）；B1：高速公路的车道里程（车道数×线路长度）；B2：主干路的车道里程（车道数×线路长度）。

道路拥堵指数反映了城市交通拥堵的程度，已被广泛应用于美国大中城市。

在应用上，如果上式得出的RCI值大于或等于1.0，则说明交通情况处于交通拥堵状态。

B 拥堵持续指标（Lane kilometer duration index, LKDIF）美国加州35个城市采用LKDIF作为评价周期性交通拥堵严重程度的指标。

每个城市区域的LKDIF值是每个单独路段上发生交通拥堵的车道长度和持续时间共同作用的结果。

评价发生交通拥堵的标准是：用年平均日交通量与通行能力的比值（AADT/C）指标来计算，当V/C比大于1.0（LOS为F级）或者AADT/C比值大于9.0时定义发生交通拥堵。

c 拥堵严重度指标（Congestion Severity Index, CSI）美国联邦公路管理局在其公路运行监控系统（Highway Performance Monitoring System, HPMS）数据结果分析报告中应用拥堵严重度指标作为量化拥堵的指标，拥堵严重度指标被定义为每百万车公里出行总的车辆延误时间。

如果只考虑高峰期间，并且该指标统计标准定义为千车公里出行时，拥堵严重度指标的值可由下式计算：通过上述分析，可知上述四个拥堵程度指标虽然表达形式不一样，但都用于对交通拥堵程度作量化的评价，以直观的数值大小来衡量交通拥堵的严重程度。

从指标意义、数据需求和适用性来看，上述四个拥堵严重程度指标有以下特点：指标意义上：道路拥堵指数、车公里持续时间指标与拥堵度指标的意义都类似于饱和度的概念，反映了道路交通量与实际交通量（或者基准交通量）的比值，交通量的基准值通常采用全天或12小时的修正数据，反映统计时间段内的交通拥堵程度。

拥堵严重度指标从每辆车每千米出行的平均延误角度来反映拥堵的严重程度；数据需求上：四个指标对数据的需求都涉及到实测交通量，可以用检测器直接测量或者通过交通调查获取；拥堵严重度指标的计算还涉及车辆延误的计算，需要车辆速度数据；适用范围上来看：道路拥堵指数、车公里持续时间指标、拥堵度和拥堵严重度指标都用于宏观的整个区域交通拥堵的评价，反映整个区域拥堵的严重程度。

国外治堵方法：在国外，缓解交通拥堵主要用匝道控制和价格调节两种方法。

匝道控制的方法是当高速公路的交通量饱和时，后续车辆要在入口匝道排队等候，这样，只要是进入高速公路的车辆，就都能够在良好的道路环境下行驶。

第二种办法是在拥挤时段调高通行费，通过经济手段来调节交通需求，使部分车辆能够错开交通高峰期。

不过，这两种方法，目前都不能适应国内的实际情况。

全程监控高速公路的交通状况，融合各分离路段的监控信息，便于管理者实时掌握整个路网动态，实现预见性报警，从而在交通状况恶化前，就根据拥堵报警自动进行整个路况分析，制定出合理分流方案，有效地化解可能到来的拥堵。

同时，在发生交通事件或拥堵时，系统也能将路况信息通过互联网、手机短信或情报板等方式，及时告知司乘人员，从而从根本上加强高速公路的信息服务能力，提高高速公路的管理和服务水平。

高速公路管理通过调整交通和道路参数提高道路通行能力，抑制和转移需求量，实现供求动态平衡。

高速公路上的交通需求超过或接近通行能力时，需要采用分流与控制车辆运行速度的方法。

在发生影响道路通行能力的异常情况下，应该对进入该路段的交通交通量进行实时的控制，主要措施是控制上游路段车辆的行驶速度与邻接匝道入口的车流量，以迅速的恢复该路段的通行能力，防止该路段发生严重拥挤甚至堵塞的情况。

根据统计分析，在德国巴伐利亚州A9高速公路上采用的诱导示警系统，可提高交通流量达35.9%，将事故发生率降低3.44%，降低人员伤亡率，特别是在事故发生时明显降低受伤尤其是重伤以及出现二次追尾等交通事故再次发生率降低达31%。

在A9高速公路上投资建设的诱导示警系统共计1300万欧元的费用，而每年减少的经济损失约为1300万欧元，其作用可见一斑。

《交通阻断的研究》关于交通阻断的研究主要集中在两个方面:一是对反映交通畅通度的交通流参数(流量、密度、占有率等)的模拟和预测,二是对引发交通阻断原因之一的交通事故的研究与分析,寻找交通事故发生的潜在规律.但是,对于交通阻断的系统性的研究,特别是引发交通阻断的成因分析和评价相对缺乏.因此,本文对真实交通阻断数据进行分析,归纳总结造成道路交通阻断的各项原因(因素),并对各项因素的风险性进行量化评价.风险矩阵法(RMA)是风险管理中一种基于历史统计数据的半定量评价方法,通过研究各种不确定性因素发生不同变动幅度的概率分布及其对项目经济效益指标的影响,对影响项目的各项风险指标进行评价.风险矩阵法及其变体的核心是风险指数R的计算,基本公式为R=PS,其中,R为风险指数,P为因素发生的概率指数,S为因素发生产生的影响指数.针对RMA中概率和严重度分类的局限性问题,将数据挖掘中的经典K-means聚类算法引入风险矩阵的构建中,通过迭代,实现对概率和严重性的动态等级划分.加入K-means聚类算法后,得到图1所示的改进的eRMA评价方法.首先,分别计算每类原因造成交通阻断的概率和严重程度;利用K-means算法,将概率和严重程度聚成c(c=2,3,…,m)簇,确定每簇的数值范围;在此基础上得到每个成因对应的概率指数和严重度指数;然后,基于R=PS,计算每类原因对应的风险指数;最后根据风险指数进行风险的定量评价.定义1:每类原因引起道路交通阻断的概率p,p= {p(i),i= 1,2,…,m},其中p(i)为第i种原因F(i)引起的交通阻断的概率.假设某一阻断原因F(i),在T时间内,导致的交通阻断事件数总数为n(i),T时间内发生的交通阻断事件总数为n,F(i)导致交通阻断事件的概率为p(i),则由贝努力定律可知,对于任意正数ε>0,有limn→∞{|n(i)/n-p(i) |<ε} = 1.也就是说,当n很大时,原因F(i)引发的交通阻断频率n(i)/n收敛于该原因引发交通阻断的概率p(i).因此,可以将交通阻断事件发生的频率n(i)/n 近似看做交通阻断事件发生的概率p(i).定义2:每类原因引起道路交通阻断的概率指数P.设定将概率指数划分为c(c= 2,3,…,m)类,默认采用3级制将因素引发道路交通阻断的概率聚类为低、中、高3个等级.每个等级的取值范围,利用K-means算法对每类原因引起道路交通阻断的概率P进行聚类.定义3:每类原因引起道路交通阻断严重程度s.交通阻断严重程度s描述交通阻断发生后,对道路交通通行能力的影响.其计算方法如下:交通阻断严重性=交通阻断持续时间×交通阻断里程(公里·天).s为交通阻断严重性的集合,s= {s(i),i=1,2,…,36},其中s(i)为第i种原因F(i)诱发的交通阻断的严重程度.定义4:每类原因引起道路交通阻断的严重性指数S.设定将严重度指数划分c(c= 2,3,…,m)类,默认采用3级制将因素引发道路交通阻断的严重性分为高、中、低3个等级.每个等级的取值范围,利用K-means算法对每类原因引起道路交通阻断的严重度s进行聚类.定义5:每类原因引起道路交通阻断的风险指数,R—B(P,S),R—B(P,S) =PS.通过确定每一类成因中各子成因引发交通阻断事件的概率指数和所造成的阻断严重程度的评价指数,即可计算每种子成因的阻断风险指数.根据每种子成因的阻断风险指数大小,评价子成因之间的相对风险水平即危险程度,目的是区别其间的相对风险水平,进而得到最需要关注的子成因。