英语原文共 12 页
施工区域的交通运行和容量
Goran Nikolic P.Eng. 安大略省交通部交通规划主管
Rob Pringle P.Eng. MMM集团高级项目经理
Kevin Bragg, INRO高级分析师
Diego Mendoza, 顾问，模拟师
蒙特利尔魁斗克为加拿大运输协会2014年会议上作介绍而准备的文件。
摘要：
在评估高速公路封闭车道对交通流量的影响时，目前的做法通常涉及假设每条车道的名义通行能力，而在某些情况下，这一假设因管辖范围的不同而有很大差异。安大略省交通部(MTO)观察到的情况是，采用这种简单的指导方针，特别是在没有具体考虑重型车辆对交通流的影响的情况下，已导致严重的拥堵问题和公众的消极反应。政府运输及工务局代辖下400条系列高速公路夜间封闭行车线进行的初步研究显示，存在两种营运机制。第一种情况是，在需求不足的情况下，在关闭的车道处形成队列，并且从关闭的车道有序地合并，建议通行能力为1750辆车/小时/车道，接近目前假定值范围的较高端。第二种办法是在需求已经形成队列的情况下，建议在1100至1 300辆车/小时/车道的范围内，通行能力要低得多，接近目前假定值范围的低端。本研究还研究了在工作区域、车道封闭的情况下，重型车辆的等效性。这些结果是基于相对有限的数据，建议进一步收集和分析数据来验证这些初步结果。
1.介绍
安大略交通部在全省运营和维护着广泛的高速公路和小型高速公路系统。由于气候方面的考虑，恢复和改善活动集中在非冬季月份，这意味着在任何特定时间，大多伦多地区的高速公路系统上可能有若干工作区在活动。典型的施工阶段可能需要几个可能的工作区时间表中的一个，包括24小时的车道缩减，更广泛的夜间车道缩减，以及在周末完全关闭快运车道或集运车道。在许多情况下，对封闭车道的时间限制是基于对每小时交通量的相对初步评估，而重型商用车的影响没有考虑在内。重型商用车通常在夜间或夜间行驶，以避免在上下班高峰期出现拥堵。部分原因是缺乏具体的数据和合适的方法。本文研究的目的是：
1. 评估GTA高速公路单线作业区的通行能力
2. 评估重型商用车对工作区容量的影响
在2008年秋季，401号高速公路和伊丽莎白女王大道的夜间工作区进行了观察。在这段期间收集了数据，在这段期间，三条可用的车道中有两条已关闭，至少在观察期间的部分时间内出现了排队现象（通常是在晚上11点和凌晨1点之间）。
2.背景
2.1 先前的研究
《公路通行能力手册2000(1)》提供了一种估算工作区域通行能力的手工方法，与普通高速公路车道相比，减少了工作区域车道的通行能力，但假设重型车辆的客车当量(PCE)与未加设车道相同。该方法主要基于Krammes和Lopez(2) 1991年以前对德克萨斯州33个工作区域的研究。
其他模型也解释了工作区域中重型车辆的存在，如Sun、Lv和Paul(3)基于伊利诺斯州的观察，或Sarasua等人(4)基于南卡罗来纳州车道关闭的观察。Sun、Lv和Paul使用多元回归方法和闭环校准，基于工作区速度和重型车辆百分比开发了PCE值。Sarasua等人开发了一个基于南卡罗莱纳车道关闭时观察到的速度流关系的模型。该模型利用PCE值随工作区域速度的变化，考虑了工作区域作业的“强度”、车道和封闭配置以及重型车辆的比例。Al-Kaisy和Hall(5)在安大略观察到一系列长期关闭的车道。他们提出了一个模型，使用乘法能力降低因素，而不是加法，以更好地解释他们的交互性。Edara和Cottrell(6)以及佛罗里达大学交通研究中心进行的广泛的文献综述调查了其他类似的研究。
与当前工作特别相关的是由Enberg和Mannan(8)开发的二项式模型，该模型用于估计芬兰高速公路工作区的容量。该模型使用车头道，由车辆跟随组合来区分，并根据重型车辆的比例来估计每种车头时距类型的发生概率。这个模型特别有趣，因为它与作者的信念相吻合，工作区容量可以通过不同车头间距类型的平均车头道和比例来估计。Enberg和Mannan发现，相对于观测值，这种方法倾向于高估1- 3%的容量。然而，由于每日交通量可能变化5%至10%或更多，夜间施工期间的变化可能更大，因此，这种过高估计没有什么实际意义。
2.2安大略关于施工区域配置的实践
为了提供上下文并便于与其他来源进行比较，有必要描述本研究中所述工作区域的规定布局。安大略交通手册为安大略高速公路定义了典型的工作区配置。这里所研究的情况，即一条高速公路从三条车道缩减为一条车道，其典型的过路限速为100公里/小时，其布局如图1所示。一般情况下，除非能够有效地使用可移动的混凝土屏障，否则缓冲车辆连同柔性桶或建筑标记将被用来划定短期工作区。通常，这些工作区域的签字速度降低到80公里/小时。司机被告知，如果有工人在场，罚款将增加一倍。夜间车道关闭可以分阶段实施，首先关闭一条车道，然后根据夜间减少交通量的模式关闭另一条车道。
3施工区域数据的收集
收集数据的高速公路位置以及每种情况下样本的特征如表1所示。数据收集站点上的工作区配置通常都符合上一节描述的配置指南。每个工地的建筑活动性质相似，包括下列一项或多项活动:-沥青研磨、重铺路面、更换中间屏障或铺条。工作区域位于公路的直线和水平段，照明良好，没有遇到恶劣的天气条件。在夜间的那个时候，司机人数可能因地点而异，但值得注意的是，所有调查地点都在与美国边境相连的跨区域高速公路上，而且一般是在半农村到郊区的环境中。据认为，所观察到的场址的容量变化主要是由于业务上的差异或商业车辆的影响。数据收集包括记录车辆进入和离开工作区单车道部分的时间、车辆的类型以及当时是否有队列。
4. 评估施工区域的能力和重型车辆的影响
在估计工作区容量和不同比例的重型车辆对容量的影响方面采取了若干不同的方法。接下来将讨论这些问题。
4.1 直接容量估计
为了获得对容量的直接估计，将排队时所作的观察分为5分钟的时间片。然后根据重型车辆的比例绘制每个片的吞吐量，如图2所示。从图中可以看出，即使是在重型车辆比例相似的地点之间，以及在一定程度上，在同一地点、同一时间段内的地点之间，观测到的通行能力也存在较大的差异。事实上，在重型车辆不足10%的地点中，似乎有两个主要的车辆群，一个位于900至1 150辆车/小时之间，另一个位于1 300至1 500辆车/小时之间.
图2中的能力明显变化中各种工作区域网站和数据点在同一网站,因为网站本身非常相似和数据收集的条件相似,表明还有另一个重要因素影响工作区域能力。根据坊间证据和个人观察，假设某一工作区域的容量可能因车道下降上游合并过程的性质而异。如果车辆能顺利合并前的车道滴没有导致开放交通巷(s)到一个完整的或虚拟停止,人们会期望实现能力高于如果车辆开放巷(s)来到一个完整或虚拟停止,自愿或必要性,以适应合并了车道的车辆。在确定某一工作区将在何种“制度”下运作时，可能涉及若干因素。交通需求和司机之间的合作程度(或攻击性/不耐烦)可能是影响因素。队列长度和持续时间可能影响司机的不耐烦程度。预警信息的存在和有效性也可能发挥作用。重型车辆的比例也可能影响这种行为，因为汽车司机可能会试图在进入工作区域之前通过尽可能多的重型车辆。这一假设将在后面的章节中重新讨论.
我们注意到，收集数据时并没有对排队作出具体的定义，而是依靠肉眼观察和测量员的判断。回顾过去，并作为今后数据收集的指南，区分车辆通常必须在车道下降的上游停下或大幅度减速的情况和没有发生这种情况的情况是有用的。在这方面可以制定具体的标准.
4.2基于车头时距类型和比例的容量估计
正如，像Enberg和Mannan的分析中所假设的那样，车头距离会随着车种的“类型”而变化，即四种类型或“跟随组合”存在：
1. 一辆车接着另一辆车（小车—小车）
2.卡车后面跟着小车（小车—卡车）
3.小车后面跟着卡车（小车—卡车）
4.卡车后面跟着卡车（卡车—卡车）
表2总结了基于组合观测集的每个车头时距类型的平均车头时距。从车辆加速性能的差异可以看出，与跟随车辆的组合具有较大的车头平巷。分析证实，在95%的置信水平上，不同组合的均值有统计学差异。注意，表2只包含与当前队列标识的期间的车头时距观测值。
Enberg和Mannan报告的分析假设不同车头时距类型在交通流中的比例是基于给定的重型车辆百分比的二项分布。在目前的研究中，根据重型车辆的比例，假设由于卡车司机倾向于排成纵队行驶，因此卡车-卡车平巷的比例可能比随机到达时的比例要高。将连续排队期间观测到的不同车头时距类型的频率与二项分布的概率频率进行比较，如表3所示，采用卡方检验。结果发现，除卡车-卡车平巷外，所有平巷类型的比例与基于95%置信水平的二项分布预测的比例在统计上没有什么不同。货车-货车平巷所占比例有统计学差异;然而，如表3所示，这种差异对计算能力的净影响并不显著，可以用精度损失最小的二项式分布巷道代替。
将表2中总结的平均车头道与车流中不同后续组合出现的概率相结合，可以得到工作区容量与重型车辆比例之间的关系。根据前面的讨论，假定了二元分布的巷道。下式定义了这种关系:
用这些值代替平均巷道，平均通行能力估计值为:
其中：Q =通行能力 辆/小时
Pt =重型车辆比例
txx =平均车头时距
x-x c =小车，t =卡车或重型车
这种关系也显示在图3中，基于每个车头时距类型的第15和第85个百分位，也显示了合理的误差范围。然而，考虑到在前面讨论的直接通行能力观测值变化很大的情况下，基于平均通行能力的这一估计，很明显，简单的平均通行能力并不能充分涵盖所有可能的交通情况和相关的通行能力变化。显然，单一的平均值并不有助于对上一节提出的假设进行评估。还注意到，根据“平均”平巷和无重型车辆估计的最大通行能力约为1 200辆车/小时，远低于通常使用的约1 750辆车/小时。
根据这些车头时距和运力估计，可以推导出重型车辆的PCE(客车当量)值。研究发现，重型车辆的PCE在1.7 ~ 1.8之间，这取决于重型车辆的比例，因此取的是不同车头时距类型的相对比例（相对组合）。
4.3基于微仿真的容量估计
为了进一步了解影响容量的因素，决定使用微模拟(VISSIM)来评估不同合并协议和可能的操作“机制”的影响，如前所述。VISSIM模型由一个通用工作区构建，使用图1中的标准物理配置将车道从三条减少到一条。该模型通过对VISSIM中可用的各种加速度和车头时距参数进行相对较小的调整，从而与观测到的平均车头时距进行校准。在测试的大多数方案中，使用了7%的重型车辆的名义比例，虽然有几个方案的比例较高。需求是动态变化的，从1200 veh/h开始，每5分钟增加25 veh/h。
为了研究不同合并协议的影响，对不同的路由决策组合和相关的变道距离进行了评估。换车道距离是指司机开始尝试换车道时所需换车道的上游距离。当较大比例的车流被分配增加换车道距离(700米)时，这就会促进提早换车道和更顺畅地通过工作区域。当更多的车辆被分配一个较短的换道距离(150米或75米)时，车辆能够在换道前顺利合并的可能性就会降低，这可能会导致在换道时形成一个队列。当这种情况普遍存在时，车辆往往在进入工作区域时从开放车道和下降车道交替行驶，开放车道上的车辆可能会停下来或减速，以使下降车道上的车辆按照这一非正式但经常遵守的协议继续行驶。表4总结了测试的各种参数组合。
图4总结了模拟分析的结果，描述了不同场景下工作区吞吐量的变化，反映了各种合并协议。
场景1、3和4,交通分配的比例变换车道早期至少90%,吞吐量增加需求的最大吞吐量在1700年到1850年veh / h,在进一步增加导致需求减少吞吐量约1200至1300 veh / h。在吞吐量下降之前，车辆倾向于相对平稳地合并，而不需要在开放车道上的车辆大幅停车或减速。场景1中，100%的车辆被分配提前换车道，实现了该范围的最高吞吐量。
当合并协议涉及到车辆较晚地与开放车道合并，并且要求已经在该车道上的车辆大幅停车或减速时，吞吐量会显著下降。场景2、5、6和9中，20%到80%的车辆被分配到75米或150米的换道距离，显示出相对一致的吞吐量约为1200至1300 veh/h。场景8中，重型车辆的比例更高，吞吐量更低，为1,000到1,100 veh/h。方案7可能代表“高吞吐量”和“低吞吐量”制度之间的一个近似阈值，大约12%的车辆被分配到较短的换道距离。
虽然在模拟中获得的吞吐量总体上高于观测到的吞吐量，但模拟结果中观测到的两种状态似乎与图2中观测数据中明显的两个簇相对应。差异可能是由于没有考虑因素或模拟模型中没有包含行为方面的原因造成的。此外，图2中显示的数据点本身就是平均值，其中可能包括两种情况下的时间段。然而，我们认为有理由得出这样的结论:在现场调查中取得的吞吐量变化可能是由于工作区域入口合并协议的变化造成的，这可能证实了我们之前的假设。更确切的确认将需要更精确的数据:现场观察不包括关于合并行为的信息，而且关于排队的定义是一般性的。在这方面，进一步的调查，可能包括录象，将是有益的。
5.总结
多伦多地区高速公路上夜间观察到的单线工作区吞吐量与通常假定的工作区容量不一致，而且在不同地点之间以及同一地点的观测值之间存在很大差异。假设工作区的上游合并过程质量的变化可以解释观测到的变化。通过对不同跟踪组合的车头进路和由这些车头进路导出的能力进行分析，发现车头进路随跟踪组合的变化而变化，但由此导出的平均车头进路不能解释观测到的变化。采用微仿真模型分析了不同的合并行为对吞吐量的影响。仿真结果为两种工作状态提供了初步证据。第一种是每小时1750 ~ 1850辆车的通行能力，与早期
资料编号：[5194]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
