1、1交通事故持续期内行程时间的可靠性研究摘要： 为研究交通事故影响下路网性能的随机性，定义路网行程时间可靠性为路网在交通事故持续期内平均行程时间小于预定阈值的概率.假定事故持续时间为服从正态分布的随机变量，将给定的事故持续时间离散化为相同长度的子时段，综合运用 Logit 路径选择准则和路段传输模型，提出了基于 MonteCarlo 法的路网行程时间可靠度模拟算法.用一个测试网络来验证算法，其事故持续时间均值为 820 min、方差为0.55.0 min， 子时段出行需求为 4.0 和 4.5 辆，时间阈值为事故前走行时间的 2.0 和 2.2 倍.研究结果表明：路网行程时间可靠度均随事故持续时
2、间均值的增大而减小；当出行需求为 4.5 辆、时间阈值为事故前走行时间 2.0 倍时，行程时间可靠度随着事故时间方差的增大而增大；当需求小于 4.5 辆、时间阈值大于 2.0 倍时，可靠度随着时间方差的增大而减小. 关键词： 事故持续时间；行程时间可靠性；路段传输模型；MonteCarlo 算法 中图分类号： U491.13 文献标志码： ATravel Time Reliability during Incident Duration Time CHEN Lingjuan1，2，LIU Haixu1，PU Yun1 道路交通网络在外部因素影响下，路网性能存在随机性.这些外部因素包括可重复的随
3、机因素和不可重复的随机因素两类，第一类如日常的2道路拥堵导致的路段通行能力下降以及日变的交通需求等，此类因素的特征是长时间内具有持续性；第二类如交通事故等突发事件对路段通行能力的影响，此类因素的特征是只在事件持续期内影响路网1.这些随机因素在影响路网通行能力的同时，也影响路网的行程时间，使得行程时间呈现随机性.因此，计算随机路网的行程时间可靠性是衡量随机路网性能的重要手段，也是出行者选择路径的重要依据. 文献2考虑了路段通行能力约束及出行者的路径选择行为，定义行程时间可靠性为出行者在规定时间内顺利完成出行的概率.文献3建立了 TFS（traffic flow simulator）模型用于估计行
4、程时间可靠性，考虑了由于交通需求波动和出行者对于路况的认识不准确而导致道路网络的不确定性.文献4考虑交通需求随机波动下的行程时间可靠性，采用解析方法确定日变交通需求下行程时间的分布函数，以此计算可靠性. 文献5考虑了由于道路损坏而造成路段通行能力下降时的行程时间可靠性，并将行程时间可靠性定义为路段通行能力下降和非下降两种状态下行程时间比值的函数，这种定义可以作为衡量路段是否扩建的服务水平标准.文献6定义行程时间可靠性为在规定时间内以给定服务水平阈值完成出行的概率，并假设 OD 交通量和路段通行能力服从已知的分布函数来计算行程时间可靠性6. 上述文献给出了随机路网行程时间可靠性的定义及计算方法，
5、但上述定义都是基于静态路网，将第一类因素中的通行能力、出行需求变动作为随机变量，构造路网存在的多种状态来计算路网在日变过程中的可靠性78，对第二类因素影响下的路网可靠性却很少涉及.文献9考虑3了交通事故对路网可靠性的影响，却依然采用静态的方法BPR（bureau of public road）函数描述路径走行时间，不能模拟排队扩散及排队消散等动态交通现象对走行时间的影响. 本文考虑第二类因素事故持续期内的行程时间可靠性，分析影响事故发生的随机因素，将事故对路网的持续时间看作随机变量，产生事故持西南交通大学学报第 48 卷第 2 期陈玲娟等：交通事故持续期内行程时间的可靠性研究续时间随机数，利用
6、路段传输模型（link transmission model， LTM）加载网络流量，利用 MonteCarlo 方法计算路网可靠度.1 事故持续期内行程时间可靠性影响事故发生的随机因素包括：事故在路网中的发生位置，事故持续时间（从交通事故发生到事故清除，路段通行能力恢复）及其对局部路网通行能力的影响.本文分析事故发生后事故持续时间对路网可靠性的影响，为路网评价及交通管制提供理论支持. 假设事故的前 3 种随机因素中只存在一种随机因素事故持续时间，可假设事故持续时间服从正态分布10.事故持续时间的随机变化导致路网出现多个随机状态，从而导致行程时间的随机变化.1.1 可靠性定义假设事故持续时间服
7、从均值为 和方差为 的正态分布.事故持续时间的随机性导致通过车辆数及车辆路径走行时间的随机性，进而导致平均路径走行时间的随机性.在给定持续时间的条件下，确定路网状态，根据网络加载模型加载网络流量，得到事故持续时间内通过的车辆数及车辆走行时间，可求出持续时间内车辆的平均走行时间. 4 结束语本文建立了以 LTM 和 Logit 模型为基础的拟动态模型，加载4了动态网络流量，得出了离散时间段内路段节点到达车辆数和路段走行时间，定义交通事故持续期内行程时间可靠性为整个事故持续期内平均行程时间在一定阈值内的概率，给出不同条件下的路网行程时间可靠度. 结果表明：出行需求越大，可靠度越低；时间阈值越大，可
8、靠度越高；持续时间均值越大，可靠度越低，可靠度随着持续时间方差的变化有递增和递减两种趋势. 影响交通事故发生的随机因素包括事故在路网中的发生位置、事故持续时间及其对局部路网通行能力的影响.本文仅考虑了持续时间对路网行程时间可靠度的影响，其它两个因素的影响及扩展路网可靠性概念是下一步的研究方向. 致谢：本文工作得到西南交通大学校基金（2010XS25，SWJTU09CX041）的资助.参考文献：1KNOOP V. Road incidents and network dynamics effects on driving behavior and traffic congestionD. Del
9、ft： Delft University of Technology， 2009. 2BELL M G H， IIDA Y. Transportation network analysisM. New York： John Wiley and Sons， 1997： 191192. 3LAM W H K， XU G. A traffic flow simulator for network reliability assessmentJ. Journal of Advanced Transportation， 1999， 33（2）： 159182. 4CLARK S， WATLING D.
10、Modeling network travel time reliability under stochastic demandJ. Transportation Research B， 2005， 39（2）： 119140. 55ASAKURA Y. Reliability measures of an origin and destination pair in a deteriorated road network with variable flowsCProceeding of the Fourth Meeting of the EURO Working Group in Tran
11、sportation. New York： Amsterdam， 1998： 273287. 6CHEN A， JI Z W， RECKER， W. Travel time reliability with risksensitive travelersJ. Journal of the Transportation Research Board， 2002， 1783： 2733. 7LO H K， TUNG Y K. Network with degradable links： capacity analysis and designJ. Transportation Research P
12、art B， 2003， 37（4）： 345363. 8CHEN A， YANG H， LO H K， et al. Capacity reliability of a road network： an assessment methodology and numerical resultsJ. Transportation Research Part B， 2002， 36（3）： 225252. 9NOLAND R B， SMALL K A， KOSKENOJA P M， et al. Simulating travel reliabilityJ. Regional Science an
13、d Urban Economics， 1998， 28（5）： 535564. 10唐夕茹，陈艳艳. 事故处理时间与路网恢复可靠度关系研究J. 交通运输系统工程与信息，2009，9（5）： 124129. TANG Xiru， CHEN Yanyan. Relationship between accident deposing time and network recovery reliabilityJ. Journal of Transportation Systems Engineering and Information Technology， 62009， 9（5）： 124129.
14、 11LO H K， LUO X W， SIU B W Y. Degradable transport network： travel time budget of travelers with heterogeneous risk aversionJ. Transportation Research Part B， 2006， 40（9）： 792806. 12CLARK C E. Importance sampling in MonteCarlo analysesJ. Operations Research， 1961， 9（5）： 603620. 13GHADERI A， HAGHIFA
15、M M R， ABEDI S M. Application of MonteCarlo simulation in Markov process for reliability analysisCProbabilistic Methods Applied to Power Systems （PMAPS）. Singapore： IEEE Press， 2010： 293298. 14ISAAK Y. The link transmission model for dynamic network loadingD. Leuven： Katholieke Universiteit Leuven， 2007. 15龙建成，高自友，赵小梅. 基于路段传输模型的道路出口渠化J. 吉林大学学报，2009，39（2）： 4146. LONG Jiancheng， GAO Ziyou， ZHAO Xiaomei. Channelization at road exit based on link transmission modelJ. Journal of Jilin University， 2009， 39（2）： 4146. （中文编辑：秦萍玲英文编辑：兰俊思）
