1 概述
动态应急车道
(
Hard Shoulder Running
)
作为 调整路段交通流运行现状的重要管理手段，
可以在短时间内提供道路供给，
有效提升瓶颈路段的通行 能力。
早在
21
世纪初
，
欧美国家就已经通过开放 应急车道缓解的方式来解决路段的交通拥堵［
1 － 2
］
， 但其控制方式主要是在固定时刻提供给特种车辆的 专用道，
属于静态的控制手法
。
然而高速公路交通 瓶颈的产生具有高频率、
持续时间短的特点
，
不像 城市快速路那样具有明显的早晚高峰。
如果依然采 用这类静态的管控方式，
不但不能在固定时段发挥 其充分的车道资源效益，
在非瓶颈时期开放的应急 车道还会带来一定的管理风险。
因此
，
结合道路实际通行需求，
动态决策应急车道的启用与否是十分 有意义的。
本文着眼于沪宁高速大流量路段无锡段动态应急车道应用现状，
通过分析历史数据分析法确定应急车道开放决策阈值，
建立动态应急车道开放决策管控模型，
为应急车道智能化管控提供理论参考。
2.动态应急车道开放决策模型
2.1交通拥堵指数
交通状态评价标准作为应急车道开放决策模型 中动态应急车道开放的先决条件，
主要依据交通拥 挤程度决定。
为此
，
项目以交通拥堵指数衡量交通拥挤程度，
交通拥堵指数
(
Traffic Performance Index，
即
“
TPI
”
)
是根据道路通行情况设置的综 合反映道路畅通或拥堵的概念性指数，
相当于对拥堵情况进行了量化处理。
交通指数取值范围为
1 ～ 10，
分为
5
个级别
(
即
“
畅通
”、 “
基本畅通
”、 “轻度拥堵
”、 “
中度拥堵
”、 “
严重拥堵
”
) ，
数值越高表明交通拥堵状况越严重。
具体数据规定如表 1 所示
。
.2 决策模型建立
基于现状沪宁高速通行交通流量、
车流速度
，
及占有率
，
构建交通状态评价算 法，
基本算法如下
:
评判过程在设定阈值后
，
由上述交通拥挤指数可判断道路的拥堵情况，
即与阈值相比较从而判断是畅通或者拥堵。
但该计算结果仅为交通流判定的初步状态，
可能存在一定程度的误判
。
为保证分结论的稳定性和准确性，
通常需要对检测维持其持续性，
利用式
(
2
)
可确立更为准确地评判
。
在给定交通拥挤指数和持续评判思想之后
，
通 过判定交通拥堵状态，
决定动态应急车道开放策略
， 基于交通数据的车道管控决策流程图如图1
所示
。
3.决策阈值确定
3. 1 阈值确定方法
本文确定的阈值用以路段应急车道动态开放与 关闭决策，
在交通拥挤指数超过阈值后
，
区段在短
时间内即会出现交通拥堵现象
;
在交通拥挤指数低 于规定阈值时，
区段不会出现交通拥堵现象
。
为了 确定合理的应急车道开放阈值，
本文基于沪宁高速 历史交通拥堵数据，
利用路段信息采集设备采集的 易发拥堵路段处的速度、
流量和占有率数据
，
确定应急车道开发阈值［
8
］
。
历史数据分析法主要包括 以下 3
个步骤
:
a评估拥堵点的拥堵现象
，
确定交通拥堵现象发生模式，
量化时空上的拥堵程度
。
b．
评估拥堵概率
，
基于历史数据
，
在拥堵瓶颈点应用概率方法来识别拥堵事件并量化拥堵时间
出现时的交通流量
。
c．
估计初始决策阈值
，
基于交通流量和速度数据确定。
3. 2 拥堵评估
通过对沪宁高速无锡段某常发拥堵点速度
－
时间分布进行统计分析，
以下是该数据采集点速度
－ 时间分布图。
3. 3 拥堵概率评估
拥堵概率评估需要利用信息采集设备收集速 度、
流量和密度等数据
，
信息采集设备应该布设于
现有所有瓶颈点和潜在瓶颈点上游位置
。本文基于当前时间间隔中区段车流流速和交通量状况，以此确定下一时间间隔内交通流出现中断 ( 交通拥堵)的概率。Brilon 等人基于细化的交通流量数据，构建交通流中断概率模型［9 － 10］，模型如下:
为了对拥堵概率分布进行参数估计
，
必须预先 确定分布的函数类型。
可以通过应用最大似然技术来估计分布参数。
对于容量分析
，
似然函数为
:
3. 4 估计初始决策阈值
3. 4. 1 拥堵速度阈值选择
通过对沪宁高速无锡段某常发拥堵点
2019
年全年可能出现拥堵的时间段内的各车道车辆速度、
流 量进行统计，
得到速度
－
流量关系图
，
如图
3
所示
。
从图
3
可以看出
，
车辆平均速度超过
80 km /h 表示不拥堵状态;
车辆平均速度低于
60 km /h 表示
拥堵状态
;
车辆平均速度在
60 ～ 80 km /h
表示可能 出现拥堵状态。
故速度阈值选择
60 km /h
。
3. 4. 2 拥堵流量阈值选择
通过分析处理沪宁高速无锡段某常发拥堵点 2019 年全年可能出现拥堵的时间段内的各车道车
辆速度
、
流量数据
，
并结合上一节交通流中断概率 模型，
得出拥堵概率与交通流量分布情况
，
如图
4 所示。
从图
4
可以看出
，
拥堵速度范围内
，
不同交通 流量下对应的拥堵概率基本相同。
由图
4
还可以看 出，
单车道交通流量达到
1 600 veh /
(
h
·
ln
)
时
， 在接下来 15 min
内
，
不同速度下交通流拥堵概率 超 50%
。
考虑到应急车道开放前需要
5 ～ 10 min
供 管理人员检查应急车道是否通畅，
选取单车道交通 流量 1 600 veh /
(
h
·
ln
)
为应急车道开放阈值符合现场要求。
4 工程应用
4. 1 工程概况
沪宁高速作为长三角地区客货运输的主要干 线，
从总体流量来看
，
截至
2018
年
，
沪宁高速日
均断面流量已达
12. 65
万
pcu
，
东段达到了
18. 2
万 pcu，
远远超过了八车道设计饱和流量
11. 5
万
pcu
。 面对日益增长的通行保畅压力，
2019
年
，
沪宁高 速在超饱和流量路段无锡段率先实施动态应急车道 管控，
以东桥枢纽至无锡枢纽间
，
共构建了
42 km 范围的管控区域。
管控期间
，
控制人员根据路段流量和交通拥堵状况，
动态分区段开放应急车道
。
4. 2 效果验证
4.2.1管控效果
2019
年国庆前
，项目组在沪宁高速无锡段应用智慧管控决策模型，实现了车流自主感知、运行
状态自动判别和管控策略自主决策的智慧化管控
， 解决了前期依赖人工判别启闭应急车道的问题，
全 面提升路段管控智能化。
管控期间
，
通行流量
、
通 行速度明显提升，
拥堵次数
、
拥堵长度和交通事故 明显降低，
管控效能显著提升
。
4. 2. 2 决策模型阈值的验证
一般情况下
，
道路通行能力一定时
，
道路处于 正常通行状态下，
车流运行速度与交通流量之间存 在一定关系。
为了进一步准确评价路段实时交通运 行状态，
选取上一节南京方向与上海方向流量均较 大的无锡枢纽至无锡东互通流量高峰期间单位小时 流速 －
流量数据
，
得出速度
－
流量散点图
。 由图 5
和图
6
可以看出
，
无论是南京方向还是 上海方向，
速度
－
流量分布趋势基本相同
，
具有以 下变化特征: 流量在 0 ～ 3 000 veh /h
时
，
车流速度集中在速 度上游，
平均速度在
60 ～ 80 km /h
之间
，
且平均速 度随流量增加基本不变，
这说明此时交通流处于稳 定交通流状态，
这与路段此时处于一级服务水平情 况相符。 流量在 3 000 ～ 4 800 veh /h
时
，
平均速度产生 波动，
整体波动范围随着流量的增加逐渐变小
。
此 时车速以 60 ～ 80 km /h
区间车速为主
，
部分车辆处
于较低速度状态
。 流量大于 4 800 veh /h
时
，
车辆速度平均分布 在 30 ～ 80 km /h
之间
，
整体波动范围随着流量的增 加逐渐变小。
此区间整体车流速度波动较大
，
说明 此时车流处于不稳定状态，
车辆间的相互影响较 大。
为了进一步确定拥堵状态下的流量
－
速度
，
对沪宁高速无锡段交通道路养护、交通事故等全方面
进行统计分析
，
并匹配对应时间下的交通流量
－
速 度值。
在发生事故后
，
如果接下来一段时间内路段 速度下降明显，
这说明事故导致路段缓行或者拥 堵，
选取此类特征点得到交通事故和养护期间交通 缓行、
拥堵状态下路段车流运行速度与流量关系 图，
如图
7
所示
。
从图
7
可以看出
，
交通缓行
、
拥堵状态下路段 交通速度基本低于 60 km /h
;
而缓行
、
拥堵状态
下
，
交通流量均匀分布于
3 000 ～ 6 000 veh /h
之 间，
故选取速度阈值作为判断交通拥堵条件更为合 理。
而现在管控模型中流量阈值为
6 400 veh /h
，速度阈值 60 km /h
，
管控模型阈值符合实际情况
。