前言 (/) 第五章交通車流理論分析 交通工程 交通車流理論探討 分析及模擬車流運行行為 依據對車流特性觀測與模化的細緻程度, 車流模式分為 : 巨觀 (macroscopic): 著重於描述車流三大特性參數 : 流量 密度及速率間的關係, 係以某一段時間內或某一路段內之車流總量或平均的總體行為為觀測重點 微觀 (microscopic): 著重於描述在時間 - 空間下個別駕駛人因應前方車輛狀況之反應行為 中觀 (mesoscopic): 介於巨觀車流與微觀車流之間, 又稱為介觀車流, 主要利用巨觀的車流理論模式及流量守恆法則, 描述一群車輛的時空運行行為與軌跡 4 學習目標 巨觀車流模式 (/9) 讀完本章, 您將會了解 : 如何藉由車流模式, 了解車輛間之互動關係, 例如跟車 車道變換及超車等駕駛行為 不同交通工程設施與交通管制策略對車流的影響, 進而提出設計準則與最佳管制策略的重要分析工具 了解車流三大模式 : 微觀 巨觀及中觀, 並且能掌握其運用適用範圍與分析重點之差異, 以及應用之限制 巨觀車流理論旨在建立流量 速率及密度三大參數間之函數關係 而此函數關係又稱為交通流模式 (traffic stream models) 通常以流量 速率及密度兩兩成對之函數關係表之, 例如, 流量 - 密度函數 巨觀車流模式分為兩大類 單一階段車流模式 (single-regime models) 多階段車流模式 (multi-regime models) 5 大綱 巨觀車流模式 (/9) 巨觀車流模式 單一階段車流模式 多階段車流模式 微觀車流模式 GM 模式 模糊推論模式 心理 物理行為門檻模式 細胞自動機模式 中觀車流 簡單連續流模式 高階連續流模式 格位傳遞模式 3 單一階段車流模式 (single-regime models) 以單一函數表達不同交通狀態 ( 擁塞及不擁塞 ) 下之車流參數間之關係 例如,Greenshields 模式 : u- 關係式 : u u f 圖 5-:Greenshields 速率 - 密度關係圖 u f : 自由車流 (free-flow) 速率, 即在車流量很低的情況下, 駕駛人可隨其意願 ( 或速限 ) 自由行駛的速率 : 擁塞密度 (am density), 即當擁塞最嚴重時, 單位長度內之車輛總數 6
巨觀車流模式 (3/9) 巨觀車流模式 (6/9) 透過恆等式 q = u, 可推導 Greenshields 的 u-q 及 q- 兩個函數關係式 : u-q 關係式 : u q u u f 多階段車流模式 (multi-regime models) 車流行為在自由車流與擁擠車流狀態時之關係函數並不相同, 因此利用多條函數關係描述不同交通狀的車流行為 q- 關係式 : q u f u f 7 0 Greenshields 的流量 速率及密度三者間之兩兩關係圖 : 巨觀車流模式 (7/9) 多階段車流模式 ( 表 5-) 模式 ( 年份 ) 自由車流階段轉換車流階段擁塞車流階段 6.5 Edie (96) 63.9 u 6.8ln u 54.9e - ( 50) ( 50) u 60.9 0. 55 u 40 0. 65 -regime linear (967) - ( 65) ( 65) 45.5 u 48 u 3 ln( ) Modified Greenberg (967) - ( 35) ( 35) u 50 0. 098 u 8.4 0. 93 u 40 0. 65 3-regime linear (967) ( 40) (40 65) ( 65) 單一階段車流模式 ( 表 5-) 模式 Greenshields (935) Greenberg (959) Underwood (96) Northwestern University (965) Pipes (967) Drew (968) u- 函數 u u f u u m ln m u u f e m u u f e u u f u u f n n 巨觀車流模式 (8/9) 近期車流研究顯示, 當密度達到臨界密度 ( 即流量最大的密度 ) 前, 車流均能以自由車流速率前進, 故流量 - 密度關係圖像是一個 人 字的形狀或是三角形形狀 Kerner (004) 依據流量 - 密度關係圖將交通狀態分為三大類 : 自由車流 同步車流 (synchronized flow) 大範圍擁塞車流 (wide moving am flow)
Greenshields Example (a) 流量 - 密度分佈圖 (b) 流量 - 密度函數資料來源 :Kerner (004) 圖 5-3: 流量 - 密度關係圖 Find critical density, c, by solving 0 u f u f = 0 (4) - = 0 (5) Solving Eq.(5), one can obtain the critical density = c = (6) 6 Greenshields Example 容量 (Capacity) 的基本定義為道路設施在現有交通與道路狀況下, 每小時可達到的最高流量 ; 流量 速率 密度三者的關係一旦被建立, 則容量便可由流量 - 速率曲線或流量 - 密度曲線的頂點來界定, 或由對應的方程式來推算 Find critical speed, u c, by solving 0 0 => - 0 (7) Solving Eq.(7), one can obtain the critical speed u = u c = (8) Therefore, Capacity, q max = u c c = = (9) 4 4 7 Greenshields Example 微觀車流模式 (/0) Greenshields speed-density, u-, relationship is shown in Eq.() u = u f ( - () Based on the fundamental equations of traffic stream model, one can derive the Greenshields volume-density, q-, and speed-volume, u-q, equation as shown in Eq.() and (3), respectively. q- equation: q = u f - u f () 微觀車流模式係利用期望速率 間程 相對速率, 以及駕駛者反應時間等參 變數模化單一車輛的駕駛 駕駛行為中 ( 包括跟車 變換車道 超車等 ) 又以跟車行為 (car following behaviors) 之相關研究最多 跟車理論最著名的即是 Herman 依據跟車行為之觀測與模化所發表之 GM(General Motors) 模式 u-q equation: q = (u - (3) 5 8 3
微觀車流模式 (/0) 微觀車流模式 (5/0). 第一代 GM 模式 第一代 GM 模式為一線性函數模式, 即所謂的 刺激 - 反應方程式 : x t T x t x t n 0 n n x n t : 第 n+ 輛車在 t 時的空間位置, 即距離函數 x n t : 距離函數的一次微分, 代表速率 x n t : 距離函數的二次微分, 正值代表加速率, 負值則代表減速率 T : 駕駛人之反應時間 x t x t : 前後車的相對速率 n n λ 0 : 敏感度 (sensitivity) 9 4. 第四代 GM 模式 假設敏感度受後車速率及兩車距離影響, 與兩車距離呈線性倒數關係 : x n t T x t T x n t x x t x t n n n n 與兩車距離呈二次方倒數關係 : x n t T x t T x n t x x t x t t n n n n t 微觀車流模式 (3/0) 微觀車流模式 (6/0). 第二代 GM 模式 分別設定兩種敏感度值 : x nt x nt xnt T x n t x n t λ : 用於距離前車較近, 即間程 (spacing) 較小時的敏感度 5. 第五代 GM 模式 不預先設定敏感度與後車速率及兩車距離之關係, 以一般化型式表之 : m x n t T xn t T x n t x n t l x t x t n n λ : 用於距離前車較遠時的敏感度,λ λ 0 當 l = 0 及 m = 0 時為第一代 GM 模式 當 l = 及 m = 0 時為第三代 GM 模式 當 l = 或 及 m = 時為第四代 GM 模式 3 微觀車流模式 (4/0) 微觀車流模式 (7/0) 3. 第三代 GM 模式 為了改善第二代模式難以判斷敏感度值選用門檻之缺點, 第三代模式進一步將兩車距離 ( 間程 ) 納入模式 : xn tt xn t xn t xn t xn t xnt xn t: 兩車距離 微觀車流模式之其他模式 :. 模糊推論模式 將跟車行為視為一模糊控制系統, 並用模糊邏輯 (fuzzy logic) 模糊推論 (fuzzy inference) 進行模擬 以基因邏輯控制模式 (genetic fuzzy logic control, GFLC) 利用基因演算法 (genetic algorithm, GA) 自動學習最佳之邏輯規則與隸屬函數, 並應用於跟車行為, 確可獲致良好績效 4 4
微觀車流模式 (8/0) 中觀車流模式 (/3). 心理 物理行為門檻模式 (psycho-physical spacing model) 將行為門檻用來判斷不同行為區域間的觀念引入跟車模式中, 並引進微觀車流模式中, 建構一數學模式, 即所謂的 行為門檻模式 模式基本假設亦為單一車道跟車行駛, 不考慮變換車道情形, 可將車流狀況分成三個反應區 : 感知反應 (perceived reaction) 區 無意識反應 (unconscious reaction) 區 無反應 (no reaction) 區 5 中觀車流模式旨在描述一群車的運行行為, 利用巨觀車流模式中之速率 - 密度 - 流量三者關係函數, 用來描述車輛的時空運行行為, 可有效分析交通環境變化對車流產生之影響 常見的模式包括 : 簡單連續流模式 (simple continuum model, SCM) 高階連續流模式 (high order model, HOM) 格位傳遞模式 (cell transmission model, CTM) 8 微觀車流模式 (9/0) 中觀車流模式 (/3). 簡單連續流模式 簡單連續流模式最早由 Lighthill and Whitham 於 955 年提出, 其將車流視為一維空間的可壓縮流體, 並以流量守恆方程式推導出動力學方程式 : q 0 t x 資料來源 : 陳世泉 ( 民 8) 張建彥等人 ( 民 94) 圖 5-5: 行為門檻關係示意圖 假設速率為密度的函數 :u = f(), 可改寫成 : f f 0 x t 9 微觀車流模式 (0/0) 中觀車流模式 (3/3) 3. 細胞自動機模式 所謂 CA 模式係間斷不連續的時階及網格化的道路格位來模擬系統內每一輛車的移動狀況 以離散格位推移概念, 利用簡單的跟車及車道變換規則, 能夠迅速真實模擬車流行為, 甚至包括擁塞車流停停走走 (stop-and-start) 狀況及擁塞車流及自由車流間之遲滯現象 (hysteresis) 衝擊波 假設上游車隊車速大於下游車隊 (u a > u b ), 如果不能超車則上游車隊 A 會追到下游車隊 B 上游車隊會被下游車隊 同化 因為根據駕駛行為, 只有後車會受前車影響, 前車的駕駛行為並不受後車影響 衝擊波即是用來描述此一 同化 現象發生的速率與方向 ubb ua A qb qa uw 衝擊波的速度為 : B A B A 圖 5-6: 單元網格 車輛細胞與道路格位示意圖 7 30 5
中觀車流模式 (4/3) 中觀車流模式 (7/3) u u u U t x e x u c0 圖 5-8: 衝擊波之示意圖 3 等式右方第一項稱為鬆弛項 (relaxation term) 代表駕駛行為會逐漸趨近穩定狀態 當車隊行駛速率 (u) 高於均衡速率 (Ue()) 時, 第一項為負值, 即加速率會降低或為負值 當第一項為正值, 加速率會增加 兩者相等時, 加速率才會趨近於零 穩定狀態 34 中觀車流模式 (5/3) 中觀車流模式 (8/3). 高階連續流模式 Whitham(974) 和 Payne(979) 以動量方程式取代簡單連續流模式所引用的巨觀車流模式, 並假設速率會受到駕駛人反應時間的影響 u = u(x, t) 為速率的時空函數,τ 為車流改變至均衡狀態的遲延時間,U e () 為穩定狀態下的速率與密度的關係函數, 即交通流模式之 u- 關係式 3 u u u U t x e x u c0 等式右方第二項稱為預期項 (anticipation term) 駕駛人會依據下游車流密度狀況調整加減速率 因係數 c 0 及密度 均為正, 當 x 為正時, 代表愈下游的車流密度愈高, 故加速度會降低 ( 甚至為負 ) 當 x 為負時, 代表下游車流密度逐漸降低, 即車隊逐漸疏解, 故加速度會增加 35 中觀車流模式 (6/3) 中觀車流模式 (9/3) 當 τ 及 x 極小時, 利用泰勒展開式可推導 : u u x u U e u c0 t x 等式左方為速率對時間的全微分式 : du dux t, t u u dx u u u dt dt t x dt t x 代表隨著車流向前推移的觀察者所觀測的加速率, 故會隨著時間及空間而有不同的觀測值 高階連續流模式 動量方程式 u u u U e u c t x 流量守恆式 q 0 t x 0 x u 速率對時間的偏微分式 ( ) 代表站在路旁的觀察者所觀 t 測此一車隊的加速率 33 36 6
中觀車流模式 (0/3) 中觀車流模式 (3/3) 3. 格位傳遞模式 格位傳遞模式 (CTM) 係由 Daganzo(994) 所提出, 用以模擬及分析車流在空間與時間上的流動現象, 例如車隊的形成與紓解 假設有一均質 (homogeneous) 路段, 且路段上並無任何匝道可供車輛進出, 故該路段上車輛僅能由一段進入路段內並由另一段離開路段 對所有密度狀態而言, 能通過的流量可表為 : q min{ v, q, w( )} m 假設單位時間間隔為 單位, 則格位長度為 v =v 因此, = n i (t)/v= n i- (t)/v ( 均質狀態下 ) - = N i (t)/v - n i (t)/ v Q i (t)= q m, 其關係式可表為 : w yi( t) min{ ni ( t), Qi( t), [ Ni( t) ni( t)]} v 圖 5-9: 道路分割成為數個均質格位示意圖 37 中觀車流模式 (/3) 結語 (/) 車輛在自由車流的情況下, 可以隨著時間的推移前進至下一個格位內, 不考量車輛在格位中的位置 : n t n t for t 0,,, T i i, t 時階中格位 i 之車輛數加上流入與減掉流出之車輛數, 關係式如下 : n t n t y t y t i i i i 交通車流理論主要係用於分析不同道路環境與交通管制下車流運行行為及其績效 ( 諸如最大容量 延滯 等候長度 旅行時間 安全等 ) 的一種理論模式 可用於探討不同交通工程設施與交通管制策略對車流的影響, 進而提出設計準則與最佳管制策略的重要分析工具 依據分析細緻度與計算複雜度之要求, 本章分別介紹巨觀 微觀及中觀車流理論 4 中觀車流模式 (/3) 結語 (/) (a) 梯形 (b) 三角形 圖 5-0: 格位傳遞模式流量 - 密度關係圖 各層級車流理論之適用範圍 : 巨觀車流理論 : 著重整體車流現象之描述, 其模擬對象為系統中之整體車流, 並以整體車流特性之流量 密度 速率表之, 所佔用電腦之資源較小, 適用於大規模問題之處理 微觀車流理論 : 著重模化個別車輛間之關係, 對於車輛之位置 瞬時速度及加減速均需加以記錄, 並利用機率分配模擬車流之隨機性 此種方法較為複雜, 佔用電腦記體空間較大, 故適用於較小規模問題之處理 中觀車流理論 : 以個別車隊做為模擬的對象, 對於車輛的推進行為則採用巨觀的平均值來處理, 不處理個別車輛間之相互干擾行為 ; 或於系統中部份對象以巨觀模擬行之, 而部份對象則進行微觀模擬, 均可稱為中觀模擬分析 7
Q & A 43 8