文摘

旅行时间可靠性(竞技场队伍)被广泛用于评价交通系统的性能。不利天气条件是一个重要的因素影响竞技场队伍,从而导致交通拥挤和事故。考虑到交通特征在不同流量条件下,有必要探索不利天气的影响在不同条件下竞技场队伍。本研究进行了一次实证使用交通旅行时间分析数据和气象数据收集在上海延安走廊。旅行时间分布进行分析在不同道路类型、天气、和每天的时间。(即四种典型的场景。,peak hours and off-peak hours on elevated expressway, peak hours and off-peak hours on arterial road) were considered in the TTR analysis. Four measures were calculated to evaluate the impact of adverse weather on TTR. The results indicated that the lognormal distribution is preferred for describing the travel time data. Compared with off-peak hours, the impact of adverse weather is more significant for peak hours. The travel time variability, buffer time index, misery index, and frequency of congestion increased by an average of 29%, 19%, 22%, and 63%, respectively, under the adverse weather condition. The findings in this study are useful for transportation management agencies to design traffic control strategies when adverse weather occurs.

1。介绍

旅行时间可靠性(竞技场队伍)是一种重要的交通条件和测量被广泛用于评价交通系统的性能。联邦高速公路管理局(供)1]竞技场队伍正式定义为“一致性或旅行时间可靠性,从日常测量和/或在一天的不同时间。“竞技场队伍可以用来代表准时到达的概率;因此,这是一个关键因素对巷道用户决定旅行路线和出发时间。一项调查由Abdel-Aty et al。2)显示,约54%受访者认为竞技场队伍选择交通路线的一个重要因素。不可靠的旅行时间可能导致重大不便巷道用户和导致高时间和货币损失。因此,一些研究分析了竞技场队伍的货币价值(3- - - - - -5]。例如,林(5在加州)进行了一项研究,发现旅行时间的价值是每小时22.47美元(当时68百分位的平均工资),而竞技场队伍的价值是每小时31.16美元(当时95百分位的平均工资)。与此同时,有一些研究关注竞技场队伍与交通安全之间的关系,并证实了行程时间可靠性的降低将导致严重的交通碰撞和碰撞6- - - - - -10]。近年来,一些研究发现,改善出行时间可靠性可以帮助减少燃料消耗和排放,避免走走停停的运动车辆的11,12]。因此,改善整个道路网的竞技场队伍可以是必要的和有价值的。

准确地评估旅行时间可靠性交通设施,大量的研究集中在开发适当的竞技场队伍的措施。凯文et al。13)全面总结了常见的措施和竞技场队伍分类成四种类型:统计范围方法,缓冲时间方法,tardy-trips措施,概率的措施。表1总结了近年来广泛使用的竞技场队伍的措施。高et al。18]研究了几个措施竞技场队伍的价值在不同流量条件下,他们发现他们的波动趋势相似,而拥塞的频率的变化值的大小是很重要的。不过,竞技场队伍措施展示不同的特点。例如,概率措施可以用来计算一个特定的时间之前到达的概率,这是用户友好的和可以帮助旅行者计划旅行。近年来,已被广泛用于评估交通条件和竞技场队伍帮助基于这些竞技场队伍优化交通管理措施19- - - - - -23]。例如,Cedillo-Campos et al。23)进行了一项研究来评估货运交通系统的流动性(即竞技场队伍的帮助措施。,百分位数的旅行时间、规划时间指数,缓冲时间指数、倾斜和范围的旅行)。

了解哪些因素影响竞技场队伍以及它们如何影响可以帮助改善竞技场队伍行程时间可靠性。基于之前的研究,影响因素可以分为两类(竞技场队伍24)因素导致需求变化(如季节、时间和天气),和因素导致供应变化(如交通事故、道路几何,路工作,和天气)。可以看出,天气影响两种方式的竞技场队伍。几项研究评估不利天气对行程时间可靠性的影响,并证明了恶劣天气有负面影响竞技场队伍超过一定临界流入(15,25- - - - - -27]。然而,其中大多数研究集中在高速公路,很少研究全面评价不利天气的影响城市走廊(尤其是动脉巷道)行程时间可靠性。出行时间和出行时间可靠性不同的高速公路类型应该表现出不同的模式由于交通特征的差异。因此,有必要探索不同的不利天气的影响城市走廊的竞技场队伍。此外,分析不利天气的影响城市走廊不同交通条件下的竞技场队伍可以为交通管理是有用的。该研究有两个主要目标。第一个目标是探索城市走廊旅行时间的特点。第二个目标是定量估计不利天气的影响在不同条件下竞技场队伍。

本文的其余部分组织如下。第二部分介绍了单模分布和旅行时间可靠性措施用于本研究探索的旅行时间特征的城市走廊。节3介绍了数据准备过程。部分4说明了结果和比较不利天气的影响在不同条件下竞技场队伍。最后,部分5为本研究提供了结论,确定未来的发展方向。

2。方法

2.1。旅行时间分布

旅行时间分布(运输大亨)描述在不同的旅游条件下旅行时间的形状。它提供了一个简单的和可视化建模工具的平均旅行时间和旅行时间的变化。在这项研究中,五种常用的单模分布类型被认为是适合旅行时间数据,包括威布尔分布、伽玛分布、正态分布、对数正态分布,Log-logistic分布。五个分布给出了表的细节2。

基于行程时间数据,每个分布的参数估计使用软件r .为了比较不同分布的拟合优度结果,采用标准的信息选择更好的选择。信息标准主要参考Akaike信息标准(AIC)和贝叶斯信息准则(BIC) [28]。

AIC衡量比较不同模型的相对质量。基于渐近无偏估计的原理,Akaike提出准确的估计算法,如所示 在哪里k=参数和的数量l=似然函数的值。

类似于AIC, BIC引入了一个惩罚项的参数数量,以避免过拟合问题的发生。因此,只有AIC计算评估五个分布的性能。一个更小的AIC值表示更好的拟合性能。

2.2。行程时间可靠性的措施

正如上面提到的,有几个描述旅行时间可靠性的措施。在这项研究中,采用四个广泛使用的措施评估竞技场队伍,他们旅行时间变异性(台),缓冲时间指数(发言),拥堵的痛苦指数(MI)和频率(FOC)。

旅行时间变异性(TTV)是一种统计方法,代表90年的区别^th和10^th百分位旅行时间,见(2)。一些先前的研究发现的统计特性的TTV可能比基于当下更健壮的措施(如均值和偏差)(29日,30.]: 在TT90 = 90^th百分位旅行时间(分钟)和TT10 = 10^th百分位旅行时间(分钟)。

缓冲时间指数(发言)是一个典型的缓冲时间的方法,提出了凯文et al。13]。它是计算(3),这反映了额外的旅行时间的比例,大多数旅行者需要添加的平均旅行时间为了准时到达。这个指数取决于旅行的速度,计算行程时间除以距离: 在95年的^th百分位的旅游率和平均旅行速度在几分钟内每公里。

痛苦指数(MI)提出的凯文被tardy-trip措施。类似于发言,这是有关旅游率以及糟糕的旅行。这个竞技场队伍测量可以代表交通条件和识别道路段经历了拥堵。MI定义为平均旅行速度之间的差异的比例20%的旅行和最长的平均旅行速度平均旅行速度,和提供的方程如下: 两个平均每公里旅游率在几分钟内。

拥堵的频率(FOC)代表旅行的频率超过一个阈值,这是一个概率的措施。本研究认为交通堵塞发生在旅游时间高于畅通的旅行时间的两倍。每个路线的畅通的速度是85年获得的^th在一夜之间时间百分比速度(10点到5点。)9,31日,32]。请注意,每个路线的畅通的旅行时间是畅通的速度成反比;因此,畅通的出行时间被定义为15^th百分比在一夜时间旅行时间。FOC可以计算使用以下: 在哪里旅行时间的频率高于畅通的旅行时间的两倍。

3所示。数据描述

两个数据集是采用本研究调查的影响不利天气对城市走廊的竞技场队伍。交通从高德牌地图网站上收集的数据用于生成旅行时间,虽然天气数据收集与旅行时间从中国气象局。

3.1。研究网站的描述

四个路线沿着延安高架高速公路和主干道为本研究选择。延安高架高速公路6车道和连接虹桥国际机场和上海外滩,如图1。所选研究部分的高架高速公路长14.32公里,涵盖了往东的和西行方向。延安高架高速公路基本上是建造在延安西路,延安中路,延安东路。因此,相应的公路干线长约14.32公里,和两个方向的交通数据采集。

选择这四个航线的主要原因进行了总结如下。先前的研究表明,不利天气对竞技场队伍有轻微影响自由流动交通条件但可以显著影响竞技场队伍在高交通流量水平(15,30.]。此外,在上海延安高架高速公路是一个主要的走廊和经验在高峰时段交通拥挤。

3.2。旅行时间的描述数据

高德牌映射一个路线分为固定的连续部分指定长度和集五拥堵水平。从路的尽头,它记录道路的拥堵水平部分。相邻路段的拥堵水平相同的聚集在一块的数据,记录起点,终点,方向,和平均速度。每4分钟的原始交通数据收集。交通数据从2019年10月到2020年2月在这项研究中,使用含有以下信息:道路ID、行驶方向,拥堵程度、速度、时间戳等。本研究旨在分析不利天气的差异在高峰和非高峰期竞技场队伍的影响。因此,交通数据收集的6:00点到22:00在工作日下午利用。

扣除后的交通数据和无效的或丢失重要信息,route-level旅行时间是通过几个步骤。首先,计算单节旅行时间基于每一块数据。基于起始和结束点,确定部分的长度。然后,单节旅行时间计算部分的长度除以平均速度。第二,route-level旅行时间都由加法所有路段的旅行时间。

3.3。气象数据的描述

4个地区的历史气象数据(黄埔,长宁、静安、宝山地区)在研究时期。原始气象数据分类天气条件分成四组,包括正常的,阴暗的,大部多云,下雨了。根据先前的研究,证明了只有不利天气导致交通状况产生重大影响(15]。因此,“阴”和“大部多云”分为“正常”在本研究中由于对旅行时间没有明显的影响。与此同时,本研究试图“雨”更多的类型进行分类(如雪、冰、雾)基于详细的天气信息,如温度、能见度和湿度。为了确保可接受的样本大小,本研究结合了恶劣天气在“雨”的罕见其他恶劣天气类型。因此,天气变量分为“正常天气”和“恶劣天气”。

两个数据集是基于时间戳的匹配。然而,天气数据收集每20分钟,而旅行时间数据聚合为4分钟的间隔。为了合并链接行程时间数据和气象数据,天气数据填充没有扩大,最近的天气条件时间戳。延安高架高速公路覆盖4个地区。提高分析的准确性,本研究仅选择数据当4个地区的天气状况的研究是相同的。

平均旅行时间(15分钟内)的路线不同天气条件下计算,如图2。注意,在图2,横轴表示从6点到22:00,15分钟的时间间隔,和纵轴代表旅行时间的均值在预期的时间。先前的研究[15,33)得出的结论是,10至15分钟的时间间隔是适合分析交通状况。为了更好的视觉效果,本文采用了15分钟的时间间隔绘制散点图。

根据图2,有几点值得一提。首先,区别之间的旅行时间正常天气条件和不利天气条件在高峰时间是非凡的。这一发现表明,不利天气对旅行时间有显著影响只有当交通量超过一定值。第二,没有点高峰小时出行时间图的特征2 (b)。这也许可以解释为通勤的影响导致交通量的差异之间的行驶方向在同一时间。因此,它也是值得探索的差异对竞技场队伍驾驶方向。第三,提高高速公路的旅行时间是中午高(13:00-15:00)。这可能是主要原因,只有车辆与上海车牌被允许进入延安高架高速公路在15:00。因此,在那个时候,大多数的汽车没有上海车牌离开城市中心通过高架高速公路。

在竞技场队伍分析不利天气的影响在不同流量条件下,选择两个典型时期高峰时间,也就是说,是高峰时间(7:30-9:00)和下午高峰时段(16:30-18:30)。

4所示。结果与讨论

4.1。旅行时间分布分析

五种分布类型是装有观察每个路线行程时间数据。本文定义的最佳分布是作为最低的AIC值。图3显示最佳的概率密度分布和观察每个路线行程时间数据。传说显示最佳的分布类型和参数分布。它可以发现对数正态分布提供了最好的模型适合所有航线。根据观察到的旅行时间密度曲线数据,主干道上的平均旅行时间高于高速公路。

为了说明旅行时间分布在不同天气条件下,旅游时间数据分为四类:高架高速公路数据在恶劣天气和正常天气条件下,公路干线在恶劣天气和正常天气条件下的数据。然后,五个分布类型是装有行程时间数据。图4展示了最好的拟合概率密度分布和不同天气条件下观察到的旅行时间数据。基于图4,它可以发现对数正态分布符合比其他发行版。

为了说明旅行时间分布在不同时期下,旅游时间数据分为四类。然后,五种分布类型都配有旅行时间为每个数据集的数据。图5显示最佳分布的概率密度和观察到的行程时间数据在不同的时间段。结果表明,对数正态分布最适合最适合场景,除了公路干线数据观察高峰时段。

4.2。分析结果为不同的竞技场队伍交通方向

调查的旅行时间可靠性四个研究路线,每个路由计算的竞技场队伍的措施,如图6。旅游时间在西行的延安公路干线不太可靠。的发言和MI西行的延安公路干线显然比往东的高值。发言(MIs)的这两种路线是0.56(0.50)和0.34(0.32),分别。可能的原因是,潮汐交通现象延安公路干线西行的会导致更频繁的在下午高峰时段交通拥挤。

4.3。在竞技场队伍不利天气的影响

部分的分析结果4所示。1表明,旅行时间分布特征可以是不同的考虑时间和公路类型。为了研究恶劣天气的影响在竞技场队伍在不同条件下,研究了四个场景:(我)场景1:在非高峰期交通高架高速公路上(2)场景2:在高架高速公路上的交通高峰时间(3)场景3:在非高峰期交通城市主干道(iv)场景4:城市主干道交通高峰时段

对于每个场景,数据分为两类(恶劣天气和正常天气)和四个措施计算竞技场队伍。结果如图所示7,有三个主要的发现。首先,恶劣天气的负面影响在竞技场队伍。对于所有场景,四个措施竞技场队伍的值都会增加一定程度上在恶劣天气条件下。第二,旅行时间不太可靠的高峰时段,在非高峰时段。第三,研究结果表明,旅行时间在高架高速公路更可靠。

然后,与正常天气条件相比,增加了竞技场队伍措施不利天气条件下计算为每个场景。是计算不同的竞技场队伍测量两个天气除以竞技场队伍之间在正常天气条件。结果表3显示,相比之下,非高峰时段,恶劣天气有更大的影响在高峰时段竞技场队伍。在后一种情况下,旅行时间变异性在不利条件下平均增加了29%相比,正常情况下,缓冲时间指数,痛苦指数,和拥挤的频率平均增加了19%,22%,和63%,分别。可能的原因是交通高峰时段的音量高,,因此,交通事故和交通堵塞更可能发生在恶劣的天气。

4.4。恶劣天气对旅游的影响延迟

本节计算在不同条件下旅游时间延迟。平均延迟为计算减去畅通的旅行时间的旅行时间计算每四分钟。如前所述,畅通的旅行时间被定义为15^th在一夜时间旅行时间的百分比。结果显示在图8(一个)。很显然,恶劣天气导致整体大推迟旅行。可能的解释是,恶劣天气可能导致交通堵塞。注意的差异之间的平均旅行延迟恶劣天气和正常非高峰期间天气不是很明显但显著在高峰时期。这可以解释为,恶劣天气可能导致更高的利率的交通拥堵流入水平更高。

平均延迟时间率被定义为平均延迟畅通的旅行时间的比值。结果在图进行了总结8 (b)表明,在非高峰时段,恶劣天气的平均延迟增加6 - 9%相比正常的天气。平均延迟增加18 - 30%的高峰时段。同时,高架高速公路的平均延迟时间率大于相同流量下的公路干线和天气条件。由于限速和十字路口,畅通的公路干线的旅行时间是更高。

5。结论

为了调查不利天气对行程时间可靠性的影响城市走廊在不同条件下,本文进行了一项实证研究通过使用流量数据和气象数据收集在延安走廊。四种典型的场景与不同公路类型和时间进行了研究,以及恶劣天气的影响城市走廊竞技场队伍每个场景下对正常天气条件评估。此外,本研究探讨城市道路旅行时间的分布特征对巷道类型、时间和天气。因此,本研究的结果有助于确定交通控制策略来解决不良天气交通拥挤。和分布拟合结果可用于预测旅行时间。主要研究结果可以概括如下。(1)在五种广泛使用的单模分布类型(即。,Weibull, Gamma, Normal, Lognormal, and Log-logistic), the Lognormal distribution outperforms other models for most conditions, except the urban arterial road data observed during peak hours.(2)不利天气明显显示了行程时间可靠性的负面影响的城市走廊,和影响的大小可以不同的在不同的场景。非高峰时段相比,恶劣天气有更大的影响在高峰时段竞技场队伍。(3)在高峰时间,旅行时间变异性在恶劣天气条件下平均增加了29%相比,正常情况下,缓冲时间指数,痛苦指数和频率的拥堵平均增加了19%,22%,和63%,分别。

为未来的工作,分布类型的选择可以扩展分析旅行时间分布时,由于多模分布可以提供一个更好的拟合性能在某些交通状况(34- - - - - -37]。本文主要研究了雨天的差异在不同条件下对竞技场队伍的影响;因此,区别其他的恶劣天气也应该追究每个类别的样本大小就足够了。此外,交通组成和交通流量也应该进一步考虑在未来的研究。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

共同赞助的这项研究是由中国国家重点研究和发展计划(批准号2018 yfe0102800)和中央大学的基础研究基金(批准号22120200035)。