一种特长隧道交通事故拥堵排队动态预测及控制方法

1.本发明涉及交通拥堵预测技术领域，特别是涉及一种特长隧道交通事故拥堵排队动态预测及控制方法。


背景技术：

2.目前，国内外对车辆排队的研究方法主要集中在以下几个方面：基于冲击波理论的研究方法、概率方法、基于输入输出模型的研究方法和机器学习方法等，其中，以交通流理论为核心交通波模型一直占据着较为重要的地位，同时随着估算机技术和智能算法的发展，人工智能算法也逐渐流行。
3.上述研究大多以高速公路以及城市主干路为对象，以特长隧道为对象的事故排队长度研究较少，对于事故发生到解除过程中，拥堵产生、蔓延、消散全过程的车辆排队长度实时动态预测研究更为少见；因此，本发明提出一种特长隧道交通事故拥堵排队动态预测及控制方法。


技术实现要素：

4.本发明的目的在于提供一种特长隧道交通事故拥堵排队动态预测及控制方法，探究特长隧道交通事故下拥堵产生、蔓延、消散全过程的排队长度演变特征及规律，建立特长隧道交通事故下拥堵产生、蔓延、消散全过程的车辆最大排队长度模型和车辆排队长度实时估算模型，实时掌握车辆排队长度，为隧道交通管控提供关键技术方法和数据支持，有助于提高隧道交通运行效率、降低运行安全风险。
5.为解决上述技术问题，本发明是通过以下技术方案实现的：
6.本发明为一种特长隧道交通事故拥堵排队动态预测及控制方法，首先对事故后隧道各路段实时流量、密度数据进行采集，再基于交通流冲击波理论，结合如下步骤，实现对特长隧道交通事故车辆排队长度演变分析与建模，步骤包括；
7.s1：将隧道划分为n段路，对发生事故的各路段实时流量、密度数据进行滤波处理，得到平滑后的数据，之后定性分析交通事故下车辆排队由产生到蔓延再到消散这一过程的变化特征，为s3做理论铺垫；
8.s2：分析事故发生不同阶段隧道内车辆排队长度并且判断事故类型来确定隧道背景交通量与剩余通行能力的关系，若背景交通量大于剩余通行能力则进行s3；
9.s3：基于冲击波理论构建隧道交通事故车辆排队长度模型来预测车辆最大排队长度；
10.s4：结合隧道内实施采集的交通流数据并引入滑动平均滤波方法构建车辆排队长度实时估算模型并计算；
11.s5：利用s4实时估算出车辆的实时排队长度之间的关系以及时间关系判断隧道内车辆排队情况；
12.s6：针对不同的排队长度发展阶段采取不同的管控措施。
13.所述s1-s2中包括隧道内车辆排队产生、隧道内车辆排队蔓延和隧道内车辆排队消散，所述隧道内车辆排队产生基于交通流基本图，用流量和密度关系来对交通流状态进行划分，所述隧道内车辆排队蔓延在事故发生后，隧道管理部门会在控流点实施流量控制，避免大量车辆汇入造成拥堵加剧，以及避免发生二次事故；
14.所述s3中包括几何解析和模型建立，所述几何解析结合交通流冲击波理论、前一节分析的交通事故下车辆排队长度演变过程以及全过程中流量、密度、速度的变化特征，做出事故全过程的车辆时间-空间运行轨迹线图，所述模型建立通过对排队变化全过程的几何解析分析之后，构建以流量、密度、速度、事故发生位置与洞口之间的距离为变量的最大排队长度模型；
15.所述s4-s5中环节包括车辆排队长度实时估算实施流程、车辆排队长度实时估算模型、时间间隔确定方法和引入滑动平均滤波改进模型，所述车辆排队长度实时估算实施流程中当隧道内发生事故后，当上游交通量大于事故断面剩余通行能力时，事故点因通行能力下降形成一个交通瓶颈，大量车辆无法及时、顺畅通过便会产生拥堵现象，反之则不会，车辆排队长度实时估算模型中通过对车辆排队长度演变过程的分析，影响排队长度变化的主要是拥堵区和非拥堵区之间的冲击波波速大小以及波速方向，事故发生后，冲击波向车流方向传播时，排队长度会减小，向车流反方向传播时，排队长度会增加，所述时间间隔确定方法中由于车辆到达具有随机性，不同时间间隔内提取的流量、密度数据差异显著，不同时间间隔t估算出的实时排队长度有差异，所述引入滑动平均滤波改进模型具体包括滑动平均滤波的原理、改进模型建立和准确率对比。
16.所述s6包括进行特长隧道交通事故下动态控制策略分析、特长隧道交通事故下动态控制模型约束条件和特长隧道交通事故下动态控制模型构建，所述特长隧道交通事故下动态控制策略分析具体包括排队增长期、排队消散期、排队结束，所述特长隧道交通事故下动态控制模型约束条件具体包括通行效率函数和运行风险函数，所述特长隧道交通事故下动态控制模型构建具体包括目标约束条件和模型构建。
17.本发明具有以下有益效果：
18.本发明特长隧道交通事故拥堵排队动态预测及控制方法，能够揭示特长隧道内交通事故下车辆排队产生、蔓延、消散的过程机理。定性对隧道内不同路段上的车流进行状态划分，并通过交通流冲击波理论，解释各不同交通状态下的车流间产生的冲击波对车辆排队长度的影响规律。
19.本发明特长隧道交通事故拥堵排队动态预测及控制方法，通过建立车辆排队长度实时预测模型，预测最大排队长度准确率可达95.62％，全过程排队长度准确率到达84.34％，该模型能够实时反映出隧道内车辆排队长度的变化情况，为管理部门采取下一步管控措施提供理论依据，并为管理部门实时提供反馈。
20.本发明特长隧道交通事故拥堵排队动态预测及控制方法，实现对交通事故下车流运行状态的调控，在保障隧道内运行安全的前提下，动态控制模型可提前120s进行管控，提升的通行效率可以达到7526veh
·
km
·
h-1
，隧道内交通动态控制可以减少车辆拥堵排队的同时保障隧道通行能力得到充分利用，该方法为隧道管控提供科学、精准的决策支持，让隧道及所属路段快速恢复高效、安全运行，使隧道发挥最大的经济效益和社会效益。
21.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
22.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1为本发明特长隧道交通事故拥堵排队动态预测及控制方法技术流程图；
24.图2为本发明隧道内车流正常运行状态下流量-密度示意图；
25.图3为本发明隧道内车流正常运行示意图；
26.图4为本发明隧道内车流事故发生时流量-密度示意图；
27.图5为本发明事故发生时隧道内车流运行示意图；
28.图6为本发明隧道内车流事故发生后流量-密度示意图；
29.图7为本发明管控后隧道内车流运行示意图；
30.图8为本发明隧道内车流事故发生后流量-密度示意图；
31.图9为本发明管控后车辆与排队车辆相遇时车流运行示意图；
32.图10为本发明隧道内车流事故清除后流量-密度示意图；
33.图11为本发明事故清除后车流运行示意图；
34.图12为本发明隧道内车流事故清除后流量-密度示意图；
35.图13为本发明排队消散时车流运行示意图；
36.图14为本发明车辆时间-空间运行轨迹线图；
37.图15为本发明流量-密度关系图；
38.图16为本发明特长隧道事故下车辆排队长度估算实施流程图；
39.图17为本发明冲击波模型车辆排队长度估算示意图；
40.图18为本发明不同时间间隔t排队长度对比示意图；
41.图19为本发明时间间隔t取30s各排队长度对比示意图；
42.图20为本发明排队长度增长示意图；
43.图21为本发明排队长度消散示意图；
44.图22为本发明动态控制流程图；
45.图23为本发明通行效率示意图；
46.图24为本发明速度相遇过程示意图；
47.图25为本发明特长隧道交通事故拥堵排队动态预测及控制方法操作流程图。
具体实施方式
48.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
49.请参阅图1和图25所示：本发明为一种特长隧道交通事故拥堵排队动态预测及控制方法，首先对事故后隧道各路段实时流量、密度数据进行采集，再基于交通流冲击波理论，结合如下步骤，实现对特长隧道交通事故车辆排队长度演变分析与建模，步骤包括；
50.s1：将隧道划分为n段路，对发生事故的各路段实时流量、密度数据进行滤波处理，得到平滑后的数据，之后定性分析交通事故下车辆排队由产生到蔓延再到消散这一过程的变化特征；
51.s2：分析事故发生不同阶段隧道内车辆排队长度并且判断事故类型来确定隧道背景交通量与剩余通行能力的关系，若背景交通量大于剩余通行能力则进行s3；
52.特长隧道内交通事故排队长度可分为排队产生、排队蔓延、排队消散三个阶段。
53.1、隧道内车辆排队产生
54.首先基于交通流基本图，用流量和密度关系来对交通流状态进行划分，如图2所示，q
m1
为隧道内正常通行能力，k
m1
为隧道内通行能力最大时的最佳密度，k
j1
为阻塞密度；定义在k
m1
左侧的交通状态为畅通，右侧为拥堵。此时隧道内车流运行状况如图3所示，此时隧道内车流平稳顺畅运行。
55.当事故发生时，事故车辆占道，隧道内正常流量-密度关系与事故断面的流量-密度关系如图4所示，事故断面通行能力骤减，此时隧道内事故断面通行能力由q
m1
减小为q
m2
，k
m2
为隧道内事故路段通行能力最大时的最佳密度，k
j1
为事故路段的阻塞密度；此时隧道内车流运行状况如图5所示，状态1为畅通状态，状态2’为拥堵状态，状态2为拥堵状态，状态2”为畅通状态。
56.当事故发生后，由于此时的车流量大于事故路段的剩余通行能力，事故路段车流由原来的状态1变为状态2，事故路段形成交通瓶颈，无法及时通过的车辆开始产生排队，事故断面上游邻近路段车流运行状态由原来的状态1变为状态2’，不同交通状态的车流相遇，将产生冲击波w
2'1
，如图6箭头线1-2’所示。事故路段状态2与上游的状态2’与之间会产生冲击波w
22'
，事故路段状态2与下游的状态2”之间会产生冲击波w
22”，如图6箭头线2-2”所示。
57.此时，因为q2＝q
2'
,k2＜k
2'
,由冲击波公式可得冲击波w
22'
的波速为：
[0058][0059]
冲击波w
22'
波速为0，不会向上游或下游传播，同理冲击波w
22”波速也为零。因为q1＞q
2'
,k1＜k
2'
,冲击波w
2'1
的波速为：
[0060][0061]
冲击波w
2'1
波速小于0为负值，说明冲击波沿着与车流方向相反的方向传播，即向上游传播，拥堵产生，车辆排队开始产生。
[0062]
2、隧道内车辆排队蔓延
[0063]
当事故发生后，隧道管理部门会在控流点实施流量控制(假设控流点位于隧道入口)，避免大量车辆汇入造成拥堵加剧，甚至发生二次事故等。控流点实施流量控制后，进入隧道的车流量开始减小，此时隧道内的车流运行状况如图7所示，各状态的流量-密度如图6所示。
[0064]
实施流量控制管理后，事故断面到控流点的车流运行状态可分为五类(控流点以外的车流状态不做考虑)，依次为畅通状态2”、流量等于事故断面剩余通行能力的畅通状态2、拥堵排队的状态2’、保持事故前正常运行的畅通状态1和控流后流量减小的畅通状态3。
状态3的车流与状态1车流相遇时产生冲击波w
13
，因为q3＜q1,k3＜k1，冲击波w
13
的波速为：
[0065][0066]
冲击波w
13
波速大于0，说明冲击波沿着与车流方向相同的方向传播，即向下游传播，不会促使车流产生拥堵现象。此时，集结波w
2'1
持续向上游传播，状态1的车流逐渐向状态2’转变，车辆排队长度增大。
[0067]
3、隧道内车辆排队消散
[0068]
当集结波w
2'1
经过所有状态1的车辆后，此时隧道内的车流运行状况如图9所示，各状态的流量-密度如图8所示。
[0069]
当集结波w
2'1
经过所有状态1的车辆后，状态1的车流全部转变为状态2’，事故断面到控流点的车流运行状态可分为四类，依次为畅通状态2”、流量等于事故断面剩余通行能力的畅通状态2、拥堵排队的状态2’、和控流后流量减小的畅通状态3。此时流量较小的状态3车流与拥堵排队的状态2’车流相遇，两个状态不同的车流相遇，产生冲击波w
32'
，如图7线3-2’所示。状态3的车流与状态2’车流相遇时产生冲击波w
32'
，因为q3＜q
2'
,k3＜k
2'
，冲击波w
32'
的波速为：
[0070][0071]
冲击波波速大于0，说明冲击波w
32'
性质与冲击波w
13
相同，不会在队尾继续产生拥堵现象，且冲击波w
32'
为前进波，排队长度不再增加，排队队尾位置开始向前移动，即车辆排队长度开始减少。
[0072]
当占道的事故车辆被清除后，事故断面通行能力恢复正常，此时隧道内的车流运行状况如图11所示，各状态的流量-密度如图10所示。
[0073]
当占道的事故车辆被清除后，事故断面的通行能力由q
m2
增大为q
m1
，通行能力恢复正常，此时事故断面流量开始增大，假设事故路段车流状态达到饱和，事故路段到控流点的车流运行状态可分为三类，达到饱和流率的状态4、拥堵排队的状态2’以及流量较小的状态3。上游排队积压的车辆开始逐渐提速通过，因此事故路段及下游由原来的状态2变为状态4，状态2’车流向状态4转换，产生冲击波w
42'
，如图10线2
’‑
4所示。
[0074]
此时，q4＞q
2'
,k4＜k
2'
，冲击波w
42'
的波速为：
[0075][0076]
冲击波w
42'
波速小于0，说明冲击波w
42'
为后退波，向车流的反方向传播，直到与冲击波相遇；
[0077]
管控后的状态3车流与状态4的饱和车流相遇，此时隧道内的车流运行状况如图13所示，各状态的流量-密度如图12所示。
[0078]
此时，q4＞q3,k4＞k3，冲击波w
43
的波速为：
[0079][0080]
冲击波w
43
波速大于0，说明冲击波w
43
为前进波，向车流运行方向传播，此排队队尾位置并向前移动，直到队尾车辆通过事故路段时，视为事故产生的拥堵排队消散结束。
[0081]
s3：基于冲击波理论构建隧道交通事故车辆排队长度模型来预测车辆最大排队长度；
[0082]
1、几何解析
[0083]
结合交通流冲击波理论、前一节分析的交通事故下车辆排队长度演变过程以及全过程中流量、密度、速度的变化特征，做出事故全过程的车辆时间-空间运行轨迹线图，如图14所示，横轴代表时间，纵轴代表事故发生点与隧道入口的距离。
[0084]
图14中：ta表示事故发生时间；tb表示流量管控开始时间；tc表示管控后车流与排队车流相遇时间，即排队长度到达最大的时间；td表示事故清除时间；te表示冲击波w
32'
与冲击波w
42'
相遇的时间；tf表示最大排队长度队尾车辆通过事故断面的时间。图上线条不同的稀疏程度表征不同的交通流状态，区域1代表事故前隧道内车流正常运行的交通流状态，区域2’代表事故发生后因流量大于事故断面剩余通行能力而产生的车辆排队拥堵现象的交通流状态，2”代表事故断面下游交通流状态，区域3代表事故发生后，控流点采取流量控制措施后流量减少的交通流状态，区域4表示事故清除后、事故断面通行能力恢复后的交通流状态。
[0085]
在车辆时间-空间运行轨迹线图上，线ac可表示状态1和状态2’相遇时产生的冲击波w
2'1
的传播路径，也就是车辆开始产生排队的路径。tc时刻管控后车流与排队车流相遇，此时达到的流量小于事故断面驶离的流量，排队不再增加，排队长度达到最大。线ce可表示状态3和状态2’相遇时产生的冲击波w
32'
的传播路径。线de表示状态2’和状态4相遇时产生的冲击波w
2'1
的传播路径。线ef表示状态3和状态4相遇时产生的冲击波w
43
的传播路径。各状态的流量-密度关系如图15所示。
[0086]
各冲击波波速(取绝对值)估算公式如下：
[0087][0088][0089][0090][0091]
可统一表达为：
[0092][0093]
式中qi为车流状态i下的流量，veh/h，i＝1,2,
…
,n；ki为车流状态i下的密度，veh/
km，i＝1,2,
…
,n；w
ij
为车流状态i与车流状态j相遇产生的冲击波，i＝1,2,
…
,n，j＝1,2,
…
,n；为冲击波w
ij
的波速，km/h，i＝1,2,
…
,n，j＝1,2,
…
,n。
[0094]
管控后车流与排队车流相遇时间tc估算公式为：
[0095][0096]
通过车辆时间-空间运行轨迹线图几何解析可得：
[0097][0098]
建立最大排队长度模型：
[0099][0100]
由于ta为事故发生时刻，化简为：
[0101][0102]
上式中，l
max
为最大排队长度，km；l为事故位置距离，此处定义为事故位置与隧道入口的距离，km；v3为管控后车辆速度，km/h；ta为事故发生时间；tb为流量管控开始时间；tc为管控后车流与排队车流相遇时间，即排队长度到达最大的时间；td为事故结束时间；te为两消散波相遇的时间；为集结波w
2'1
的速度，km/h。时间单位与流量、密度、速度单位中的时间一一对应。
[0103]
把最大排队长度带入式可求得最大排队长度产生的时间tc。此外，通过车辆时间-空间运行轨迹线图几何解析还可求得及两消散波相遇时刻te，队尾车辆通过事故断面的最大排队长度队尾车辆通过事故断面的时间tf以及事故影响的持续时间，公式如下：
[0104][0105][0106]
t
max
＝t
a-tf[0107]
上式中，l
max
为最大排队长度；tc为管控后车流与排队车流相遇时间，即排队长度到达最大的时间；td为事故结束时间；te：两消散波相遇的时间；tf为最大排队长度队尾车辆通过事故断面的时间；t
max
为事故影响的持续时间；为冲击波w
32'
的速度；为冲击波波w
42'
的速度；为冲击波波w
43
的速度。
[0108]
通过以上估算，便可求得事故影响的空间范围l
max
，以及事故影响的持续时间t
max
。
[0109]
2、模型建立
[0110]
通过上述对排队变化全过程的几何解析分析之后，可构建以流量、密度、速度、事故发生位置与洞口之间的距离为变量的最大排队长度模型，如下式所示：
[0111]
l
max
＝(q
u-q
jam
)[l+vu(t
b-ta)]/(v
uku-v
ukjam
+q
u-q
jam
)
[0112]
又令：
[0113]vuku
＝qu，δv＝t
b-ta[0114]
因此公式l
max
＝(q
u-q
jam
)[l+vu(t
b-ta)]/(v
uku-v
ukjam
+q
u-q
jam
)化简为：
[0115]
l
max
＝(q
u-q
jam
)(l+vuδt)/(2q
u-v
ukjam-q
jam
)
[0116]
上式中，qu为隧道内上游交通量，veh/h；vu为隧道内上游速度，km/h；ku为隧道内上游交通密度，veh/km；q
jam
为事故点剩余通行能力，veh/km；k
jam
为阻塞密度，veh/km；l为事故位置距离，此处定义为事故位置与隧道入口的距离，km；δt为管控开始时刻，是开始管控时间与事故发生时间的差值。
[0117]
由式l
max
＝(q
u-q
jam
)(l+vuδt)/(2q
u-v
ukjam-q
jam
)可知，最大排队长度受上游交通量(上游速度与流量之间服从greenshields的流量-速度模型关系，因此不再单独探究上游速度的影响)、剩余通行能力、阻塞密度、事故位置离隧道洞口距离以及管控开始时刻等因素的影响。
[0118]
s4：结合隧道内实施采集的交通流数据并引入滑动平均滤波方法构建车辆排队长度实时估算模型并计算；
[0119]
s5：利用s4实时估算出车辆的实时排队长度之间的关系以及时间关系判断隧道内车辆排队情况；
[0120]
1、车辆排队长度实时估算实施流程
[0121]
当隧道内发生事故后，当上游交通量大于事故断面剩余通行能力时，事故点因通行能力下降形成一个交通瓶颈，大量车辆无法及时、顺畅通过便会产生拥堵现象，反之则不会。并且在隧道内事故情形下产生的车辆排队现象与信号交叉口等产生的排队现象并不相同，信号交叉口排队的车辆是完全静止的，此时的流量、速度等交通参数均为零，因此可以依托交通流参数的变化判断车辆的排队情况，而隧道内事故情形下排队的车辆并不是完全静止的，不能依靠交通流参数的变化情况来准确判断车辆的排队情况。因此，本发明基于冲击波理论建立了车辆排队长度实时估算模型，具体实施流程如图16所示。
[0122]
事故发生后，第一步是判断事故路段上游交通量是否高于事故断面剩余通行能力，以此来判断隧道内是否会产生车辆排队现象。当事故路段上游交通量是高于事故断面剩余通行能力时，开始进行第二步，实时估算车辆排队长度。排队长度值随时间的变化而变化，当排队长度值小于0时，认为排队消散完毕，此时结束车辆排队长度的估算。
[0123]
2、车辆排队长度实时估算模型
[0124]
通过对车辆排队长度演变过程的分析，影响排队长度变化的主要是拥堵区和非拥堵区之间的冲击波波速大小以及波速方向，如图17所示，事故发生后，冲击波向车流方向传播时，排队长度会减小，向车流反方向传播时，排队长度会增加。
[0125]
排队长度实时估算需要依托交通流参数的实时输入，通过隧道内的视频检测器可获得一定时间间隔内的实时流量、密度等数据，从而对不同交通状态车流相遇而产生的冲击波进行实时波速估算。为方便获取数据，将事故点(或临近上游)至流量控制点的检测器编号为1,2,
…
,s，相邻检测器之间的平均距离为s，事故发生后的时间分为1,2,
…
,m个时间
段，时间段间隔为t。选择与拥堵排队队尾位置临近的上游的检测器流量作为此时的背景交通需求量，拥堵区内的各检测器的平均流量作为此时的排队流量，密度参数同理。
[0126]
事故发生后，当背景交通需求量大于事故断面剩余通行能力时，排队开始产生，则在第m个时间间隔t内，拥堵区内的排队流量和密度分别为：
[0127][0128][0129]
上式中表示拥堵区第m个时间间隔时的排队流量，veh/h；拥堵区第m个时间间隔时的排队密度，veh/km；q(s,tm)表示在第m个时间间隔内位置编号s检测器的流量，veh/h；k(s,tm)表示在第m个时间间隔内位置编号s检测器的密度，veh/km；s为检测器编号，s＝1,2,
…
,n；tm为第m个时间间隔，m＝1,2,
…
,n。表示拥堵区内排队队尾位置的检测器编号，也为拥堵区内检测器个数。
[0130]
非拥堵区内的背景交通量和密度分别为：
[0131][0132][0133]
上式中表示非拥堵区状态j的车流在tm时间间隔内的流量，veh/h，j＝1,2,
…
,n；表示非拥堵区状态j的车流在在tm时间间隔内的密度，veh/km，j＝1,2,
…
,n；表示非拥堵区内的检测器编号。
[0134]
此时冲击波w
ij
波速和此时间间隔内变化的车辆排队长度分别为：
[0135][0136][0137]
上式中表示冲击波w
ij
在tm时间间隔内的波速，km/h，i＝1,2,
…
,n，j＝1,2,
…
,n；l(tm)表示第m个时间间隔t内排队长度变化量，km。
[0138]
综上，排队长度实时估算模型为：
[0139][0140]
其中l(t)表示实时排队长度，km；n表示时间间隔数；qu表示隧道上游流量，veh/h；q
jam
表示隧道事故点剩余通行能力，veh/h。
[0141]
通过估算相对误差(relative error，re)来得出车辆排队长度估算值的准确率(accuracy，ac)。相对误差是一种简单的估算估计值与实际值之间误差的统计测量方法，最
大排队长度的相对误差估算公式为对应准确率估算公式为
[0142]
其中，表示车辆最大排队长度的相对误差；表示车辆最大排队长度的估算值；表示车辆最大排队长度的实际测量值；表示车辆最大排队长度的准确率。
[0143]
实时排队长度的相对误差估算公式为全过程车辆排队长度准确率估算公式为
[0144]
其中，re
queue
(tm)表示第m个时间间隔时的车辆排队长度的相对误差；表示第m个时间间隔时的车辆排队长度的估算值；表示第m个时间间隔时的车辆排队长度的实际测量值；ac
queue
表示全过程车辆排队长度准确率。
[0145]
在排队产生时，冲击波波速为负值，此时估算出的车辆排队长度也为负值；当冲击波波速为正值时，车辆排队长度开始缩短，直到排队长度缩短为零。因此模型估算出的排队长度为负值，为便于理解，对车辆排队长度取绝对值处理。同时，为保障模型准确性，需要给定一个排队长度初始校准值，即模型估算出的第一个排队长度值需要根据实测值进行校准。
[0146]
3、时间间隔确定方法
[0147]
由于车辆到达具有随机性，不同时间间隔内提取的流量、密度数据差异显著，不同时间间隔t估算出的实时排队长度有差异。为提高模型准确率，探究最佳时间间隔t的取值，本发明基于典型特长隧道发生的一起事故数据，通过排队长度实时估算模型，分别以时间间隔t取5s、15s、30s、60s进行排队长度的估算。时间间隔取值和估算时刻的不同，排队长度初始校准值分别不同，估算结果如图18所示，不同时间间隔t的准确率如下表所示。
[0148]
不同时间间隔t准确率对比
[0149][0150]
由图18可知，时间间隔t取30s时，估算排队长度整体与实测排队长度能较好的吻
合。由表5.1可知，时间间隔t取30s时，最大排队长度准确率为95.62％，全过程排队长度准确率为84.34％。总体来看，时间间隔t取30s时，最大排队长度准确率最高，全过程排队长度准确率也最高；60s、15s准确率次之。
[0151]
4、引入滑动平均滤波改进模型
[0152]
①
、滑动平均滤波的原理
[0153]
滑动平均滤波的原理为：动态的测试数据分为确定性成分和随机性成分，确定性成分数据为准确性高的测量结果或者有效信号，随机性成分数据为随机起伏的测试误差或噪声，经离散化采样后，动态测试数据可表达为：
[0154]
yj＝fj+e
j j＝1,2,
…
,n
[0155]
yj为动态测试数据；fj为动态测试数据的确定性成分；ej为动态测试数据的随机性成分。
[0156]
②
、改进模型建立
[0157]
为了获取更加精准的动态测试数据，需要在保障动态测试数据确定性成分的前提下，尽可能地抑制随机性成分带来的误差影响。因此，动态测试数据yj常通过平滑处理和滤波处理来减少随机误差ej的影响。具体方法为对某一非平稳的数据yj，在适当的小区间上视为接近平稳的，而作某种局部平均，以减小ej所造成的随机起伏。通过这种方式，沿全长n个数据逐一小区间上进行不断的局部平均，即可得出较平滑的测量结果fj，而滤掉频繁起伏的随机误差。因此，为减小流量、密度数据的随机误差，引入滑动平均滤波的改进车辆排队长度实时估算模型如下式所示：
[0158][0159]
式中e(r)为动态测试数据中的随机成分；r为滑动平均窗口长度。
[0160]
③
、准确率对比
[0161]
滑动平均的窗口长度分别取30s、60s、90s，对平滑处理后的三组流量、密度数据引入滑动平均滤波的改进模型得到的排队长度估算结果，以此探究平滑处理后，是否能减小随机误差以及最佳的平滑处理窗口长度。
[0162]
将未平滑处理、平滑30s、平滑60s、平滑90s后得到的排队长度与实测排队长度进行对比分析。由图19可看出，时间间隔t取30s时，平滑处理后得到的排队长度高于实测排队长度，未平滑处理得到的排队长度更加贴近实测排队长度。
[0163]
排队长度准确率对比
[0164][0165]
结合上表可得：对5s数据进行平滑处理后，时间间隔t取5s时准确率有明显提升，平滑30s、60s和90s的结果接近，最大排队长度准确率最高为94.86％，全过程排队长度准确率分最高为81.89％；时间间隔t取15s时规律与5s时一致，最大排队长度准确率最高为93.22％，全过程排队长度准确率最高为82.23％。时间间隔t取30s和60s准确率均下降。说明时间间隔t取5s和15s时，对流量、密度数据进行平滑处理能提高模型估算准确率，且滑动平均的窗口长度取值30s、60s和90s的差异不大。
[0166]
总体看来，时间间隔t取30s时、数据无平滑处理的整体准确率最高，最大排队长度和全过程排队长度的准确率分别为92.22％、84.34％。数据平滑处理对模型的最高准确率并无提升，但对时间间隔取5s、15s时有较大提升，不同的滑动窗口长度对结果无显著影响。
[0167]
s6：针对不同的排队长度发展阶段采取不同的管控措施。
[0168]
1、特长隧道交通事故下动态控制策略分析
[0169]
①
、排队增长期
[0170]
如图20所示，从排队产生到排队长度达到最大值这一时间段定义为排队增长期，排队增长期的判定条件可通过车辆排队长度实时估算模型获得：
[0171][0172]
ta表示事故发生时间；t表示实时估算的时间间隔。
[0173]
事故发生后，事故点形成交通瓶颈，导致隧道内上游车辆形成拥堵排队，在排队长度增长期内，为保障隧道安全，在洞外应当关闭车道，控制车辆输入，避免车辆进入隧道后拥堵加剧。
[0174]
②
、排队消散期
[0175]
如图21所示，从排队长度达到最大值到排队长度降为零这一时间段定义为排队消散期，排队消散期的判定条件可通过车辆排队长度实时估算模型获得：
[0176][0177]
在排队长度消散期内，在隧道车道关闭的前提下，从洞口到排队队尾位置之间的空白路段持续增长，空白路段的最大值与事故发生位置有关，事故位置离隧道入口越远，空白路段长度值越大，时空资源浪费越严重。因此，在保障隧道安全的前提下，可考虑在排队消散期洞外提前开放车道，允许部分车辆进入隧道，减少时空资源浪费。
[0178]
这一控制理念需要满足通行效率最优和运行风险最低的条件。
[0179]
③
、排队结束
[0180]
排队结束时，隧道内恢复常态运行，交通控制结束。
[0181]
考虑排队长度变化的动态控制流程如图22所示。
[0182]
2、特长隧道交通事故下动态控制模型约束条件
[0183]
①
、通行效率函数
[0184]
为满足通行效率最优的条件，本发明构建通行效率函数并求其最优解。brilon提出了一个借鉴物理学中功和功率概念的交通效率评估指标，其表达形式为：
[0185]
e＝qvt
[0186]
式中e为通行效率指标，veh
·
km
·
h-1
；q为单位时间t内的流量；v为平均车速，km/h。
[0187]
由上式表明通行效率与单位时间内的流量和速度相关，而速度与流量关系可以用greenshields的流量-速度模型(如下式所示)进行描述。
[0188][0189]
将上式的流量-速度模型与交通效率评估指标结合，得到以速度、时间为变量的通行效率目标函数，如下式所示：
[0190][0191]
通过对阻塞密度kj、畅通速度vf等参数进行标定，把时间t视为单位时间，即作常量，可求得通行效率函数的最大值。图23为以典型特长隧道内事故交通流参数进行标定得到的通行效率图，由图所示，随着速度增加，通行效率逐渐增大，增大到最大值后随着速度增加开始减小。表明并非速度越大，通行效率越大，当速度等于通行效率最优速度ve时，通行效率最大。
[0192]
②
、运行风险函数
[0193]
当后进入隧道内的车辆与隧道内的车辆存在较大的速度差时，运行风险会增高。ttc(碰撞时间)被广泛应用于交通流安全评价领域，定义是当后车速度大于前车时，如果两车保持此速度差，在发生碰撞之前的剩余时问，ttc估算公式如下：
[0194][0195]
式中δl表示车辆间距；vn表示第n辆车的速度；v
n-1
表示第n-1辆车的速度。
[0196]
因此隧道内运行风险可用相遇车辆间的速度差来表征，此处将车流定义为宏观稳定流，忽略个体车辆间的差异，构建以速度为变量的运行风险目标函数，如下式所示：
[0197]
minf1(x)＝δv＝v
i-vjδv≥0
[0198]
式中δv表示速度差，vi表示隧道内事故影响路段车流平均速度，vj表示隧道外将进入隧道的车流平均速度。速度差越大，运行风险越大。
[0199]
3、特长隧道交通事故下动态控制模型构建
[0200]
①
、目标约束条件
[0201]
目标约束条件包括通行效率约束条件以及运行风险约束条件。要保障隧道的通行效率最优，可通过公式求解最大值，得到通行效率最优速度ve，即控制速度最好趋近于通行效率最优速度ve。
[0202]
在运行风险方面，进入的隧道的速度应满足以下条件：保障隧道内驾驶安全，由隧道外进入隧道内的车流速度不应高于最高限速值、不低于最低限速值满足以下公式：
[0203]vmin
≤vj≤v
max
[0204]
保障隧道内车流衔接顺畅，由隧道外进入隧道内的车流速度不应高于隧道内车流的速度：
[0205]
vj≤vi[0206]
保障通行效率最优，由隧道外进入隧道内的车流速度趋近于通行效率最优速度：
[0207]
vj→
ve[0208]
其中，在排队消散期内隧道内排队车流尾部位置速度v
tail
是随着时间变化的，车流在拥堵停车排队到排队消散的过程中，队尾速度由零逐渐增加到畅通速度，速度变化规律与时间具有一定的线性关系。车流在提速过程中，除了车辆自身加速度因素之外，还受到隧道内交通环境的影响，可借助物理学上的粘滞系数h来表示特长隧道内交通流加速过程中的粘滞性的大小，描述特长隧道内环境对车流从拥堵停车到畅通过程加速度的影响。因此，构建考虑特长隧道交通流粘滞性的车流尾部位置速度v
tail
计算公式：
[0209][0210]
式中a表示车辆加速度，一般轿车10秒内可从零加速到100km/h，平均加速度为2.78m/s^2，此处将加速度定义为常量；h表示特长隧道内交通流加速过程中的粘滞系数，可通过参数标定获得。
[0211]
此外，在排队消散期内是否进行提前放流还需要满足事故发生位置离洞口的距离要求。隧道外车流进入隧道内与隧道内车流相遇时速度差小于等于零时运行风险最低，即相遇时隧道内车流尾部位置速度由v
tail
已经增加到隧道内畅通运行速度v，满足下式的约束，如图24所示。
[0212]
因此在保障隧道交通运行安全的前提下，事故发生位置离洞口的距离l需要满足以下条件：
[0213][0214]
②
、模型构建
[0215]
综上分析，建立如下动态控制模型：
[0216][0217]
式中c
t
(q,v)表示时刻t流量q、速度v的建议控制值；q
m1
表示隧道基本路段正常通行能力；q
jam
表示事故路段剩余通行能力。
[0218]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0219]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：
1.一种特长隧道交通事故拥堵排队动态预测及控制方法，其特征在于，首先对事故后隧道各路段实时流量、密度数据进行采集，再基于交通流冲击波理论，结合如下步骤，实现对特长隧道交通事故车辆排队长度演变分析与建模，步骤包括；s1：将隧道划分为n段路，对发生事故的各路段实时流量、密度数据进行滤波处理，得到平滑后的数据，之后定性分析交通事故下车辆排队由产生到蔓延再到消散这一过程的变化特征；s2：分析事故发生不同阶段隧道内车辆排队长度并且判断事故类型来确定隧道背景交通量与剩余通行能力的关系，若背景交通量大于剩余通行能力则进行s3；s3：基于冲击波理论构建隧道交通事故车辆排队长度模型来预测车辆最大排队长度；s4：结合隧道内实施采集的交通流数据并引入滑动平均滤波方法构建车辆排队长度实时估算模型并计算；s5：利用s4实时估算出车辆的实时排队长度之间的关系以及时间关系判断隧道内车辆排队情况；s6：针对不同的排队长度发展阶段采取不同的管控措施。2.根据权利要求1所述的一种特长隧道交通事故拥堵排队动态预测及控制方法，其特征在于，所述s1-s2中包括隧道内车辆排队产生、隧道内车辆排队蔓延和隧道内车辆排队消散，所述隧道内车辆排队产生基于交通流基本图，用流量和密度关系来对交通流状态进行划分，所述隧道内车辆排队蔓延在事故发生后，隧道管理部门会在控流点实施流量控制，避免大量车辆汇入造成拥堵加剧，以及避免发生二次事故。3.根据权利要求1所述的一种特长隧道交通事故拥堵排队动态预测及控制方法，其特征在于，所述s3中包括几何解析和模型建立，所述几何解析结合交通流冲击波理论、前一节分析的交通事故下车辆排队长度演变过程以及全过程中流量、密度、速度的变化特征，做出事故全过程的车辆时间-空间运行轨迹线图，所述模型建立通过对排队变化全过程的几何解析分析之后，构建以流量、密度、速度、事故发生位置与洞口之间的距离为变量的最大排队长度模型。4.根据权利要求1所述的一种特长隧道交通事故拥堵排队动态预测及控制方法，其特征在于，所述s4-s5中环节包括车辆排队长度实时估算实施流程、车辆排队长度实时估算模型、时间间隔确定方法和引入滑动平均滤波改进模型，所述车辆排队长度实时估算实施流程中当隧道内发生事故后，当上游交通量大于事故断面剩余通行能力时，事故点因通行能力下降形成一个交通瓶颈，大量车辆无法及时、顺畅通过便会产生拥堵现象，反之则不会；车辆排队长度实时估算模型中通过对车辆排队长度演变过程的分析，影响排队长度变化的主要是拥堵区和非拥堵区之间的冲击波波速大小以及波速方向，事故发生后，冲击波向车流方向传播时，排队长度会减小，向车流反方向传播时，排队长度会增加，所述时间间隔确定方法中由于车辆到达具有随机性，不同时间间隔内提取的流量、密度数据差异显著，不同时间间隔t估算出的实时排队长度有差异，所述引入滑动平均滤波改进模型具体包括滑动平均滤波的原理、改进模型建立和准确率对比。5.根据权利要求1所述的一种特长隧道交通事故拥堵排队动态预测及控制方法，其特征在于，所述s6包括进行特长隧道交通事故下动态控制策略分析、特长隧道交通事故下动态控制模型约束条件和特长隧道交通事故下动态控制模型构建，所述特长隧道交通事故下
动态控制策略分析具体包括排队增长期、排队消散期、排队结束，所述特长隧道交通事故下动态控制模型约束条件具体包括通行效率函数和运行风险函数，所述特长隧道交通事故下动态控制模型构建具体包括目标约束条件和模型构建。

技术总结
本发明公开了一种特长隧道交通事故拥堵排队动态预测及控制方法，涉及交通拥堵预测技术领域。本发明将隧道划分为n段路，对发生事故的各路段实时流量、密度数据进行滤波处理；分析事故发生不同阶段隧道内车辆排队长度并且判断事故类型来确定隧道背景交通量与剩余通行能力的关系；预测车辆最大排队长度；引入滑动平均滤波方法构建车辆排队长度实时估算模型并计算；判断隧道内车辆排队情况；针对不同的排队长度发展阶段采取不同的管控措施。本发明通过建立车辆排队长度实时预测模型，能够实时反映出隧道内车辆排队长度的变化情况，为管理部门采取下一步管控措施提供理论依据，并为管理部门实时提供反馈。管理部门实时提供反馈。管理部门实时提供反馈。


技术研发人员：彭博 蔡晓禹 邢茹茹
受保护的技术使用者：重庆交通大学
技术研发日：2022.11.08
技术公布日：2023/5/13