交通阻塞影响因素分析的正交试验设计方法.docx
《交通阻塞影响因素分析的正交试验设计方法.docx》由会员分享,可在线阅读,更多相关《交通阻塞影响因素分析的正交试验设计方法.docx(9页珍藏版)》请在冰豆网上搜索。
交通阻塞影响因素分析的正交试验设计方法
交通阻塞影响因素分析的正交试验设计方法
摘 要:
对于多因素问题的实验分析,正交试验设计(OED)是一种高效率的方法。
本文提出了将正交试验设计方法应用于阻塞影响因素显著性分析,并归纳了城市道路信号控制交叉口群交通阻塞的影响因素。
最后,以张家港市长安路交叉口群为实际分析案例,运用正交试验设计方法进行了该交叉口群阻塞影响因素的显著性分析,得到了流量与相序两个因素显著性最强的结论,并提出了针对性的交通改善建议。
关键词:
交通运输系统工程;交通阻塞;正交试验设计;影响因素;显著性分析
1引言
交通阻塞的影响因素是多方面的,而且不同的城市道路信号控制交叉口群有不同的影响因素。
我们非常感兴趣的问题是:
到底哪些因素引起了交通阻塞现象?
其中哪些因素对形成交通阻塞有显著的贡献?
为了弄明白哪些因素重要,哪些因素不重要,必须通过实验验证(可以基于交通仿真软件建立交通系统的计算机仿真模型)。
如果因素很多,而且每种因素的又有多种水平,那么试验量会非常的大,显然是不可能每一个试验都做的。
使用正交试验设计(OED,OrthogonalExperimentalDesign)方法,能够大幅度减少试验次数而且并不会降低试验的可信度。
2正交试验设计(OED)
正交试验设计(OED)是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点。
OED是分式析因设计的主要方法,是一种高效率、快速、经济的试验设计方法。
日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格,称为正交表。
正交表是一整套规则的设计表格,用表示。
L为正交表的代号,n为试验的次数,为水平数,为列数,也就是可能安排最多的因素个数。
为什么应用正交表能使我们以较少的试验次数找到较优的水平搭配?
正交表保证所做的试验的水平搭配均衡地分散在所有各种水平搭配之中,因而代表性较强,容易从中找到较优的水平搭配。
这是正交表的均衡分散性。
另外,对于每个因子,在它各个水平下,其它因子的各个水平出现的次数都相同。
这是正交表的整齐可比性。
通俗的说,每个因素的每个水平与另一个因素各水平各碰一次,这就是正交性。
OED在很多领域的研究中已经得到广泛应用。
例如,作一个六因素三水平的实验,按全面试验要求,须进行=729种组合的试验,且尚未考虑每一组合的重复数,按正交表进行18次试验,仅为全面试验次数的25%,显然大大减少了工作量。
3 交通阻塞影响因素
城市道路信号控制交叉口群的交通阻塞是复杂现象,是由许多影响因素共同作用的结果。
影响城市道路信号控制交叉口群交通阻塞的因素可以归纳为交通流条件、空间条件、信号控制条件等。
图1 城市道路信号控制交叉口群交通阻塞影响因素
4 OED方法在阻塞影响因素分析中的应用
正如前文所述,对于多因素问题的分析,OED是非常有效率的方法。
以城市道路信号控制交叉口群系统的阻塞的影响因素为分析对象,其应用步骤如下:
第一步:
明确交叉口群对象的范围
根据分析目的与要求,选择交通关联性强的几个交叉口构成交叉口群。
第二步:
试验的设计
在安排试验时,一般应考虑如下几步:
(1)明确实验目的:
实验的目的是分析影响阻塞度的各因素的显著性。
(2)明确实验指标:
实验指标用来判断实验条件的好坏。
(3)确定因子水平:
在实验前首先要分析影响阻塞度的可能因素是什么,每个因素在实验中取哪些水平。
根据因素可能取值范围,经专业人员分析研究,决定在实验中采用合适的水平。
(4)选用合适的正交表,进行表头设计,列出试验计划。
第三步:
进行实验
按照实验计划开展相应的实验,按要求收集实验结果数据.在进行交通仿真试验的过程中,应注意采用不同的随机数(seednumber)进行重复试验,消除随机因素的影响。
第四步:
数据分析
选择合适的显著水平,通过方差分析结果,可以比较不同因素的显著性差别。
5 实例应用与数据分析
本文以张家港市长安路的实际调查数据为基础,采用德国PTV公司开发的VISSM微观交通仿真软件,并应用正交试验设计方法对信号控制交叉口群的交通阻塞影响因素进行分析。
长安路是张家港市是南北向进出中心城区的重要通道,不仅承担着重要的交通功能,而且也是张家港市的主要商业、文化中心,承担着商业和生活道路的功能,面临着巨大交通压力。
5.1 实验过程
第一步:
明确交叉口群范围。
本文选择该道路上间距较短的两个交叉口(沙洲西路-长安路交叉口与西门路-长安路交叉口)所构成的交叉口群为分析对象(见图2)。
这两个交叉口之间的路段长度很短(仅31米),很容易发生路段排队溢出的情况。
因此,分析该交叉口群交通阻塞的影响因素,对于交通工程改善措施决策以及今后的道路规划具有重要的借鉴作用。
第二步:
试验的设计
城市道路信号控制交叉口群交通阻塞的影响因素分为交通流条件、空间条件与信号控制条件。
在本研究中,根据实际情况,交通流条件考虑流量因素,空间条件考虑路段长度与车道功能因素,信号控制条件考虑周期、相位相序与绿信比因素。
因此,本次实验中总共分析这六个因素对交通阻塞的显著性。
由于影响因素是6个,所以将选用正交表,留出一个空白列为数据分析使用,将进行
18次试验(正如前文所述,仅为全面试验次数的25%)。
试验计划见表3。
流量:
以该交叉口群2004年4月的调查流量为基础,在本研究中,将流量因素的三个水平分别取为100%实际调查流量,200%实际调查流量,300%实际调查流量。
路段长度:
由于路段较短是本交叉口群的突出特征,
我们很想知道如果路段长度增加到原来的两倍或者三倍,对于交通阻塞程度是否有影响。
虽然,现实世界中交叉口之间的路段长度无法改变,但是对于交通系统分析而言,路段长度变化的分析结果对于未来的道路交叉口间距规划或许有参考意义。
因此,在本研究中将路段长度因素的三个水平分别取31米(实际长度),62米(实际长度的两倍),93米(实际长度的三倍)。
图2 张家港市长安路交叉口群及其VISSM仿真界面
车道功能:
两交叉口之间的路段可以划分出5条车道,根据实际情况选择三种车道功能设计方案,分别是称为第一方案、第二方案与第三方案,见表1
表1车道功能
方案编号
方案1
方案2
方案3
车道
功能
布置
周期:
本实验中选择60秒,90秒,120秒分别代表不同程度的周期取值水平。
相位相序:
分别对两个交叉口的交通信号相位进行设计,本研究中选择方案A(协调较好),方案B(协调一般),方案C(协调较差)代表协调控制的不同水平,见表2。
表2相位相序
绿信比:
在信号控制方案中,西门路-长安路交叉的第一相位的绿信比最为关键,因此本实验分别取0.4,0.6,0.8三个水平。
第三步:
进行实验
按照实验计划开展相应的试验,试验过程中以信号控制周期为统计间隔,收集路段上两个方向的行程时间数据与排队长度数据。
在仿真试验前,根据实测数据对车辆比例、期望速度等参数进行了标定,并且假定驾驶员的交通秩序良好,即遵守交通纪律,前方路段排队溢出以后,后面的车辆不再进入交叉口。
为了尽量消除每次试验结果随机性的影响,每个试验采用不同的随机数(seednumber)进行了三次重复运行,最后的实验结果是3次仿真运行的平均值。
每次仿真试验运行时间为3600秒,在处理试验数据时,考虑到仿真系统初始化等原因,扣除每次仿真运行前5个周期的数据。
第四步:
数据分析
为了反映不同条件下交通阻塞的程度,本文采用间断交通流阻塞度作为考察指标。
阻塞度R是一个连续变量,其取值范围为(0,1),R的数值越大,交通阻塞情况越严重。
考虑到交通参数间的内在关系以及公众理解的容易
程度,采用车辆的平均行程速度(V,单位:
公里/小时)与排队长度占路段长度的比例(L/D,简称排队比)两个变量作为城市道路间断交通流阻塞的判断依据,并建立了相应的模糊推理规则体系应用Matlab软件FuzzyToolBox来求得阻塞度的值。
实验结果(阻塞度)分别为
0.52、0.08、0.39、0.44、0.78、0.64、0.69、0.22、0.48、0.28、0.28、0.24、0.47、0.35、0.64、0.76、0.57、0.62。
用正交实验助手进行直观分析、方差分析结果如下:
表3直观分析
因素
序号
流量
路段长度
车道功能
周期
相位相序
绿信比
实验结果
1
1
1
1
1
1
1
0.52
2
1
2
2
2
2
2
0.08
3
1
3
3
3
3
3
0.39
4
2
1
1
2
2
3
0.44
5
2
2
2
3
3
1
0.78
6
2
3
3
1
1
2
0.64
7
3
1
2
1
3
2
0.69
8
3
2
3
2
1
3
0.22
9
3
3
1
3
2
1
0.48
10
1
1
3
3
2
2
0.28
11
1
2
1
1
3
3
0.28
12
1
3
2
2
1
1
0.24
续(表3)
因素
序号
流量
路段长度
车道功能
周期
相位相序
绿信比
实验结果
13
2
1
2
3
1
3
0.47
14
2
2
3
1
2
1
0.35
15
2
3
1
2
3
2
0.64
16
3
1
3
2
3
1
0.76
17
3
2
1
3
1
2
0.57
18
3
3
2
1
2
3
0.62
均值1
0.298
0.527
0.488
0.517
0.443
0.522
均值2
0.553
0.380
0.480
0.397
0.375
0.483
均值3
0.557
0.502
0.440
0.495
0.590
0.403
极差
0.259
0.147
0.048
0.120
0.215
0.119
由直观分析得到结论各因素造成交通堵塞影响的大小顺序为流量、相位相序、路段长度、周期、绿信比、车道功能。
表4方差分析表
因素
偏差平方和
自由度
F比
F临界值
显著性
流量
0.264
2
17.600
19.000
路段长度
0.074
2
4.933
19.000
车道功能
0.008
2
0.533
19.000
周期
0.049
2
3.267
19.000
相位相序
0.145
2
9.667
19.000
绿信比
0.044
2
2.933
19.000
误差
0.01
2
由表4看出各因素的影响均不是很显著,车道功能的最不显著,故将其合并到误差项进行方差分析,得到表5
表5方差分析表
因素
偏差平方和
自由度
F比
F临界值
显著性
流量
0.264
2
22.957
6.940
*
路段长度
0.074
2
6.435
6.940
车道功能
0.008
2
0.696
6.940
周期
0.049
2
4.261
6.940
相位相序
0.145
2
12.609
6.940
*
绿信比
0.044
2
3.826
6.940
误差
0.02
4
由方差分析得到结论流量和相位相序是造成交通堵塞的显著因素
5.3 由实验结论引出的建议
对于本文所分析的交叉口群而言,流量是影响该交叉口群阻塞的显著因素,因此对于缓解该交叉口群的交通阻塞问题,控制进入交叉口群的流量是关键措施。
可以考虑选择的措施有:
①采用“门户控制”策略,控制进入该交叉口群的车辆数目;②交通信息诱导策略,提示车辆通过其它路径绕行该区域;③交通信号控制与诱导措施的结合。
相位相序也是显著因素,说明对于路段长度较短的交叉口群,合适的交通信号协调控制方案设计的作用非常大。
在本实验设计中,相位相序方案A对于从南向北行驶的车辆非常有利,方案B则相对较好的权衡了两个方向的交通效益,方案C对两个方向的交通都没有好处。
从实验结果可以看出,相位相序方案B稍好于方案A,并且两者都显著好于方案C。
因此,合适的相位相序方案设计对于降低交通阻塞的程度是非常重要的。
6 结论
本文提出了将正交试验设计方法应用于交通系统分析,可以在大大减少了交通仿真试验分析工作量的基础上得到所需实验结论。
同时,本文将城市道路信号控制交叉口群交通阻塞影响因素归纳为交通流条件、空间条件与信号控制条件等。
最后,本文以张家港市长安路交叉口群为分析背景,得出了流量与相序相序两个因素显著性最强的结论,并提出了针对性的建议。
应用正交试验设计方法,实验范围的界定、因素的选取与因素水平的确定是关键步骤,将直接影响到实验结论。
因此,实验设计者必须对各因素与水平对实验目标的影响有清晰的认识。
本文的研究对于探索城市道路信号控制交叉口群交通阻塞机理,以及改善交通阻塞的科学决策具有重要的理论意义与实用价值。
参考文献:
[1]潘承毅,何迎晖.数理统计的原理与方法[M].上海:
同济大学出版社,1992:
292~299.
[2]杨晓光.张家港市长安路交通改善设计项目报告[R].上海:
同济大学,2004:
10~13.
[3]JiaL.LiC.CongestionEvaluationfromTrafficFlowInformationBasedonFuzzyLogic[A].TheProceedingsofthe2003IEEEInternationalConferenceonIntelligentTransportationSystems[C].Shanghai,China,2003:
50~53.
Abstract:
OrthogonalExperimentalDesign(OED)isanefficientmethodtotheanalysisofmulti-factorproblems.Thispaper
appliesOEDmethodtotheanalysisoffactorscausingcongestion.Then,thefactorsonurbansignalizedintersectionsaresortedintothreecategories.Basedontrafficsimulationsoftware,theOEDmethodisfoundfeasiblethrougharealsampleof
thecityofZhangjiagang.Also,itconcludesthatflowvolumeandphaseplanarethemostsignificantfactorsaffectingurban
congestionsinthecityofZhangjiagangand,therefore,theyshouldbetakenintogreatconsiderationtorelievecongestions.
Keywords:
TransportationSystemEngineering;TrafficCongestion;OrthogonalExperimentalDesign;Factors;Significance
Analysis