城市交通系统管理与优化研究综述

傅惠;伍乃骐;胡刚

【摘 要】根据城市路网交通需求与供给平衡关系,对城市交通问题产生的机理进行分析.通过对比分析国内外城市交通需求管理、交通运行管理及交通应急管理研究现状,指出多技术协同集成研究、交通参与者行为研究、交通政策评估与仿真研究、交通大数据应用研究,将成为未来研究的重要趋势. 【期刊名称】《工业工程》 【年(卷),期】2016(019)001 【总页数】6页(P10-15)

【关键词】城市交通系统;需求管理;交通诱导;交通仿真 【作 者】傅惠;伍乃骐;胡刚

【作者单位】广东工业大学机电工程学院,广东广州510006;广东工业大学机电工程学院,广东广州510006;广东工业大学机电工程学院,广东广州510006 【正文语种】中 文 【中图分类】F570.3;U491

作为城市大系统中的组成部分，交通运输系统在城市运行过程中发挥着十分重要的作用。城市居民的工作和生活都离不开交通，高效有序的交通运输有利于促进城市经济和社会的良性发展；反之，落后无序的交通系统将严重制约和影响城市的发展。可以说，交通运输系统既是城市有序运行的推进器,又是城市运行健康程度的晴雨表。

当前，国内大中城市交通问题伴随城市化进程逐渐产生，也随着城市化的进一步深入而表现得更为尖锐。为应对城市交通问题，从20世纪90年代，无论是工程领域还是学术界，都积极开展了一系列工程实践及理论研究。尤其是通过研究和建设智能交通系统，来加强对城市交通问题产生原因的认识，并致力于提高现有交通路网的运行效率，以期缓解和改善城市交通问题。本文将在大量文献资料的基础上，首先对当前城市交通问题的表现形式、产生机理和综合性对策进行论述；通过对国内外相关交通系统管理及优化方面的研究工作进行分类，分若干个层面进行综述；最后，对现有研究进行评述，指出用于解决实际城市交通问题还存在的差距，并进一步指出未来可能需要开展的研究方向。

所谓城市交通问题，是指道路交通中带有普遍性、经常性、周期性的一种无效而有害的状态。当前人们普遍关注的城市交通问题包括交通拥堵、交通污染、交通安全等等。人们对交通拥堵最直观的感受，就是出行时间变长、车辆行驶速度降低。其后果是导致路网总体运行效率下降，由此带来机动车油耗增加、交通污染增加、极易导致交通事故、影响应急车辆通行、增加出行者心理负担等等一系列问题。 城市交通系统组成多元，包括人、车、路、环境等方面，其主体又包含管理部门、出行者、公众等。因此，城市交通系统属于开放性的复杂大系统，既与社会经济系统密切相关，同时受技术、政策、环境因素影响。就城市交通问题产生的机理而言，可归结为交通需求与供给不平衡，图1给出了城市交通问题产生的基本机理。以下根据城市交通系统规划、建设、管理的生命周期，简要分析供需矛盾产生过程如下。

1)城市交通系统生命周期之初，交通部门根据城市社会经济条件，以及现有的、未来潜在的交通供需关系，进行通常5至15年的交通规划工作以指导未来系统建设。但在以往的交通规划中，出于“车本位”的思想过分突出机动车的发展，一定程度上造成了机动车增长速度过快、机动车出行比例过高的情况。

2)交通基础设施及信息系统，按照交通规划逐步开展建设，其直接效果是增加交通供给并影响交通需求的重新分布。其中基础设施是城市交通系统的“硬件”，信息系统是城市交通系统的“软件”，后者有利于最大限度地发挥前者的实际效益。 3)交通管理是在已有的基础设施和信息系统基础上，通过提高道路利用率来间接地增加交通供给，比如优化信号灯，开设公交车专用道，提供交通信息、导航服务、交通电台等等；也可以通过实施相应技术和政策，来抑制交通需求或者影响交通需求均匀分布，比如，实施限购限行、拥堵收费、交通管制等等。

由此可以看出，交通需求与供给很难达到平衡，这是交通问题产生的重要根源。影响交通供给与需求的因素较多，这些因素贯穿于城市交通系统规划、建设与管理的各个阶段。为了实现从总体上调节城市交通供需矛盾，近些年来，国内外相关研究机构针对交通规划、建设、管理环节，都开展了大量研究工作，其中一部分是研究问题产生的机理，而更多的是研究城市交通系统的管理与优化。主要包括交通需求管理与优化、交通运行管理与优化、交通应急管理与优化三个方面。

交通需求管理(travel demand management, TDM)，是指为了提高交通运输效率，实现特定目标(如减少交通拥挤、节约道路费用、控制机动车出行、减少污染等)，而采取的影响出行行为的各种政策、技术措施的总称。实施TDM的本质，主要是通过适当的管理政策、技术手段，限制交通生成、影响出行模式选择或者调整出行交通的时空分布，从而促进城市路网中的交通供需趋于平衡。可以说，为了应对城市交通拥挤问题，目前管理部门所采取的诸如限购、限号、限行、提高停车收费等等措施，都属于TDM的范畴。

TDM始于上世纪70年代，并伴随着城市交通问题的出现与治理过程，现已在新加坡、欧洲等国取得较好的实践经验，且TDM的实践要领先于理论研究。表1列出了各类不同TDM措施，其中近年来国际上兴起的TDM措施包括拥堵收费、匝道控制、可变速度控制等等。其中，拥堵收费是从经济学角度出发，认为个人出行

只考虑自己的感知成本，而忽略了对社会造成的拥堵、污染等不利影响，因此，需要通过支付拥堵费以补偿其出行，给社会和其他用户造成的时间延误和其他成本。目前，国际上关于拥挤收费定价的研究包括：最优拥挤定价理论、瓶颈路段拥挤定价理论、次优拥挤定价理论、拥挤定价的社会福利研究等。有关国外交通拥堵定价方法和技术的研究和实施情况，文献[1]给出了详细综述。

客观而言，交通运输的发展有利于可达性的提升和有限资源的高效配置，总体上对城市功能体系的完善有积极的正向作用。另一方面，交通运输对城市环保、能源战略却存在消极的反向作用。尤其当交通运输的发展接近并超出城市载荷时，会对城市交通的可持续发展带来严重挑战。近年由于城市交通快速发展引起的能源消耗、大气污染、温室气体排放等问题日趋严重，TDM的研究范围扩展至交通可持续发展。Litman[2]从经济、社会和环境三方面，分析交通运输在可持续发展方面存在的不利影响，其一是交通拥挤、事故伤害、基础设施建设带来的经济损失，其二是对社会公平、身体健康、社区沟通、社区宜居性方面带来的挑战，其三是空气污染、水污染、居住地丧失、不可再生资源消耗造成的环境破坏等。Steg[3]指出交通系统的可持续发展，应实现当前与未来经济、社会和环境质量间的平衡；并进一步提出，实施交通可持续发展策略应充分考虑政策对个体生活质量的影响。

当前交通需求管理手段日趋丰富，拥堵收费、合伙乘车、汽车限行等等手段正在国内城市逐步酝酿开展，但对于TDM策略的实施效果及评估还存在很大的困难，同样的TDM措施在不同城市进行实施，有可能接受度完全不同，产生的实际效益也有可能存在很大的差异。从学术研究和工程实践情况来看，国内关于TDM研究还较滞后、TDM实施策略还比较单一，尤其是有关TDM政策实施综合效益评估、政策可移植性方面的探讨，尚处于起步阶段。

城市交通运行管理，是利用交通控制、交通诱导等手段对交通流系统进行动态调控，使得交通流实现均衡分布，从而最大限度地发挥现有交通路网的供给能力。由于城

市交通流的组成既包括相对稳定的道路、机动车、非机动车，又包括具有高度自主性的驾驶员、行人等，各组成成分之间又存在相互影响和相互作用，可以认为城市交通系统属于开放的复杂大系统。这就为城市交通系统的运行管理，带来了很大的困难。目前，城市交通管理最主要的技术手段和学术研究的核心内容，主要集中在交通信号控制与交通诱导两个方面。 3.1 饱和交通流控制研究

交通信号控制，就是通过对交叉路口信号相位的设计，以及交通信号周期、绿信比等参数的设置，在时间维度上实现对路口各方向冲突交通流的分离，从而提高路口通行安全性和通行效率。饱和交通流控制方法研究，已成为当前交通控制研究领域的前沿和难点。饱和情况下，路口各方向交通需求超过通行能力，路口通常存在排队并且可能产生排队溢出至上游的情形，这种情形产生的直接后果是下游交通流抑制上游交通流难以通行，车辆在有效绿灯时间内无法通行。如果大范围内出现排队溢出，则会产生大面积交通堵塞。因此，饱和交通流控制的控制目标需要从延误最少，转变为避免和延迟二次拥堵的产生，以及路口绿灯时间的有效利用。当然，如果路口各方向的排队能同时清除的情况下，通过信号控制还是可以实现路口延误时间最少的目标[4]。

对于单路口的饱和交通控制，已有基于遗传算法、线性规划、混合整数规划等方法的研究，控制技术的实现相对比较容易。但针对大范围拥堵路网的交通控制而言，控制策略设计难度大，相应的数学建模与求解更为复杂，且交通流数据的获取方面也存在很大的实际困难。为了应对这些问题，以满足拥堵城市的交通控制需求，研究者采用了一些新的研究工具与控制思想。比如，利用宏观交通基本图

(macroscopic fundamental diagram, MFD)简化对微观交通流数据的依赖，直接通过交通密度与交通流量来实现对区域交通流动力特性的描述，为拥堵城区的交通信号控制提供了新的有效途径。与此同时，采用边界控制策略进行拥堵控制

[5,6]。其主要思想是通过设置保护区域(protected network，PN)，根据PN范围内的交通拥堵情况，适时对PN的边界采取红灯延长措施进行门限控制，以阻止PN交通拥堵的加剧。Aboudolas[7]针对交通流边界控制问题，提出首先将研究区域划分为多个空间紧凑、各路段交通密度较为均匀的子区，再借助MFD进行建模实现对子区之间的流率控制以及子区内交通密度的均匀分布，从而达到区域路网交通服务能力最大的目标。显然，由于城市路网的复杂性和交通流的高度非线性，现有的研究还远没有解决饱和条件下的交通控制问题，相关研究已成为当今交通控制领域的核心问题。 3.2 动态交通诱导研究

动态交通诱导效果的好坏取决于几个方面，首先，对实时路况信息的有效采集和预测是进行路径生成的基础；其次，最优路径或路径集合的生成策略是决定诱导效果的直接因素；最后，由于机动车驾驶者对于路径诱导信息的接受程度以及服从行为存在很强的主观性，诱导信息的显示方式、显示内容、设置地点都会对诱导效果产生影响。

为出行者提供路径选择信息服务，如果从用户最优的角度来说，是能够为每一位出行者提供最佳路径。然而，在有限的路网资源条件下，所有出行者最优路径集合的叠加会导致交通瓶颈的产生，也就是说满足用户最优的交通诱导并不存在。相应地，交通管理者需要从路网所有使用者的角度出发，提供符合系统最优而非用户最优的诱导服务。为实现此目的，通常有两种诱导路径生成策略，即“迭代式”(或称预测式)与“反馈式”。前者考虑出行者的每一次路段选择行为以及实时路况对路网权值产生的影响，通过反复迭代直至产生最优路径。基于这种思想有研究者将交通诱导，归结为包含三种不同映射关系的不动点求解问题，即路径分配率到路网状态的映射，路网状态到导航信息的映射，以及导航信息再到路径分配率的映射。由于该方法计算量较大且对交通信息预测有较高要求，使得其实际应用受到局限。

反馈式诱导策略，主要结合自动控制的PID控制、反馈控制、预测控制等思想，设计诱导路径生成策略并采用分布式计算方法求解，相比迭代式诱导计算效率得到明显提高。有学者[8-9]基于反馈思想，研究多路径导航服务方法，即根据出行者的选择偏好出发，为出行者提供一组可选择路径，这些路径并非用户最优路径而是较优路径，由此既可以避免因为所有出行者追求个体最优而导致的交通拥堵，也可以避免因诱导服务难以满足出行者需求导致对路径导航服务失去信心。

还有研究通过模拟仿真和实际数据采集等手段，对诱导信息的发布途径(手机、收音机、显示屏等)、内容展示方式(图片、文字、表格等)以及驾驶员特性(驾龄、年龄、性别等)进行研究，总结这些因素对驾驶员的理解、接受程度的影响。显然，这些研究对于交通诱导系统的实际应用意义重大。但目前对于出行者社会心理行为方面的研究[10-11]，还存在一些困难。1)大部分的研究缺乏实际数据支撑。2)对于城市道路而言，交通诱导效果与交通控制方案密切相关。尤其是在交通拥堵的区域路网内，有必要通过交通诱导与交通控制的协调工作，才能起到同时从时间、空间两个维度对交通流进行优化管理的目的。

进入21世纪以来，随着911等恐怖袭击事件以及汶川大地震等重大自然灾害的出现及其对社会带来的严重危害，极大地推动了大规模灾害的应急管理研究。但大规模突发事件应急管理存在几方面特殊性，一是事件发生及发展的不确定性强，二是实施应急救援的主体多，三是处在灾害中的人员反应行为复杂，四是实施应急救援所需的应急资源种类繁多。这几方面的特殊性，决定了应急处置过程十分复杂，如何通过定量化的方法对应急流程进行分析和优化，以及如何对大范围人员进行应急疏散和管理，既是管理部门高度关注的技术难题，也是学术界具有挑战性的研究课题。

应急工作流网方面，主要是借助工作流网[12]，将应急救援过程参照工作流形式进行时序关系上的展现，便于对应急工作总体耗费时间、瓶颈环节进行评价。但由于

传统的工作流网，一是缺乏对资源的表述，不能反映应急资源对应急救援流程的影响作用；二是对时间的表述形式不够丰富，不能表达应急救援过程中各环节时间上的不确定。针对这些问题，Tepfenhart[13]以及Wang[14]等研究、拓展了具有资源约束的工作流网,以及同时具有时间和资源约束的工作流网。Fu等[15]根据应急救援的特征，提出资源主导型应急工作流网，引入可消耗资源和工具类资源，并初步探讨了资源分配对工作流程的影响。总体上来看，现有的应急工作流网理论研究开展得还不够深入，关于面向应急救援的新型工作流网模型及其结构性质等理论问题，以及基于工作流网的应急流程优化、应急资源调度等技术问题，都还有待进一步研究。

城市交通应急管理与优化研究的经典内容，包括应急设施选址、应急资源调度优化等。其中，应急交通设施选址研究多以交通事故的应急响应为主，通过综合考虑交通事故发生的分布规律、应急资源分布、运输成本和道路等级等因素，研究如何合理布设应急救援点，从而提高应急救援效率。其经典模型包括覆盖模型、条件覆盖模型、备份覆盖模型及p-中值问题和p-中心问题等。应急资源调度则是针对不同类型的交通事件，研究相应的应急资源分配量、计划班次、行驶路线、出发时间等具体运输方案，在保证应急救援效率的前提下同时降低运输成本。当前的研究，已呈现出应急设施选址与应急资源调度相集成的趋势。

区域交通应急疏散[16]，是指发生大规模灾害事件的情况下，为防止灾害事件对区域人员造成人身及财产安全的损害，运用应急交通规划与管理的方法充分发挥有限路网的服务能力，将区域人员进行疏散到安全目的地的行为。其技术内容主要包括，对疏散时间、疏散路径、疏散目的地等疏散指令的生成策略研究，以及疏散人员心理行为研究，疏散交通组织与管理策略研究等。疏散指令研究[17]是经典的应急交通研究内容，但实际情况中应急疏散人员对于疏散指令存在不服从行为[10]，加之突发事件的不确定性可能对应急疏散需求以及路网供给能力均产生影响，这就使得

应急疏散指令的实际效果受到限制。从这一角度出发，有必要在应急管理前期做好应急疏散规划，同时在应急管理中期采取必要的应急管理手段，以缓解或避免应急疏散过程中的交通拥挤问题，尽可能地实现交通流的安全、有序、高效率转移。限于交通应急管理在数据获取方面的难度，以及在实践中难以再现的特点，目前此类研究大多采用交通仿真的方法，比如借助OREMS、CORSIM、Vissim、Paramics等软件，进行应急疏散规划和管理方法的研究与评价。

交通管理研究与实践，是随着城市交通问题治理的不断深入而逐渐趋于体系化。总的来说，国内对于城市交通系统管理研究存在不足。

首先是对交通管理策略的影响分析与评估能力不足。尤其是国内对于交通需求管理策略所涉及到的技术因素、环境因素、政策可移植性、对环境所造成的影响等评估，缺乏案例研究和经验总结，更加缺少理论上的研究。

其次是对城市交通系统数据采集、分析和应用能力不足。虽然国内大部分城市安装了视频、微波、地感等类型的检测器，但对于这些检测数据的整理、分析和长期研究十分缺乏。

最后是对交通系统中人的行为研究不足。不管是行人、驾驶员还是管理者，在交通系统运行中都起到非常重要的作用，也是交通系统复杂性产生的重要因素。在实际交通管理过程中，如果忽略了人的行为影响，实施管理策略显然不能达到预期目标。 以上难点，正是破解城市交通问题的关键所在，由此同样可以总结出，未来我国交通管理与优化研究方面的基本趋势。

1)多技术协同集成研究。由于单项交通管理手段的调节作用有限，通过多种管理方式进行协同或集成，可以充分发挥多种交通管理技术的优势，实现更大范围、更高层次的战略目标达到最优。比如，城市中心区域交通诱导与交通控制集成，城市主干道变速度控制与交通诱导集成，以及城市快速路匝道控制与主干道交通诱导集成等。

2)交通参与者行为研究。参与者行为研究的最大难点，在于通过大量实验数据的积累和实证研究，为相应理论的建立奠定基础。该项研究的未来方向包括：不同工况下的跟驰、换道、超车行为实证研究，驾驶员在出行途中的自主路径重新选择行为实证研究，交通拥堵情形下对于疏导路径指引信息的服从行为实证研究，以及应急疏散情形下人们的主动疏散意愿、安全目的地选择、路径指引指令服从、交通管理措施服从等行为实证研究。

3)交通政策评估与仿真研究。国内外可以借鉴的交通需求管理策略非常之多，但针对不同的城市，如何通过合理的数学模型评价TDM策略实施的综合效益，是未来促进TDM成功实施的关键。其研究内容包括针对不同社会、技术、人文环境的TDM策略影响因素分析、基于影响因素的TDM实施效益综合评价方法、TDM策略实施评价实证研究、TDM策略实施效益分析与仿真平台等等。

4)交通大数据应用研究。国内大城市普遍具有的交通数据来源，包括基于手机GPS信息、基于出租车的GPS信息、感应线圈检测信息、视频检测信息、地铁公交客流信息、城市快速路匝道及主线交通流信息等等，这些数据具有量大、分散、格式不一等特点，还存在错、漏情况，如何利用这些数据为交通管理提供有用参考，还有赖于大数据知识提取方面的科学研究。比如多检测器数据融合方法、大数据存储与主题检索技术、宏微观交通信息综合知识发现、基于大数据的交通管理与优化理论等。

【相关文献】

[1]DE PALMA A, LINDSEY R, NISKANEN E. Policy insights from the urban road pricing case studies[J]. Transport Policy, 2005, 13(2): 149-161.

[2]LITMAN T, BURWELL D. Issues in sustainable transportation[J]. International Journal Global Environmental Issues, 2006, 6(4): 331-347.

[3]STEG L, GIFFORD R. Sustainable transportation and quality of life[J]. Journal of Transpor

t Geography, 2005, 13(1): 59-69.

[4]GAZIS D C, POTTS R B. The oversaturated intersection[C]. Proceeding of the Second International Symposium on Theory of Road Traffic Flow, Paris, France, 1963: 221-237. [5]KEYVAN-EKBATANI M, PAPAGEORGIOU M, PAPAMICHAIL I. Urban congestion gating control based on reduces operational network fundamental diagrams[J]. Transportation Research Part C, 2013, 33: 74-87.

[6]HADDAD J, RAMEZANI M, GEROLIMINIS N. Cooperative traffic control of a mixed network with two urban regions and a freeway[J]. Transportation Research Part B, 2013, 54: 17-36.

[7]ABOUDOLAS K, GEROLIMINIS N. Perimeter and boundary flow control in multi-reservoir heterogeneous networks[J]. Transportation Research Part B, 2013, 55: 265-281. [8]YAMADA K, MA J, FUKUDA D. Simulation analysis of the market diffusion effects of risk-averse route guidance on network traffic[J]. Procedia-Computer Science, 2013, 19: 874-881.

[9]ADACHER L, OLIVA G, PASCUCCI F. Decentralized route guidance architectures with user preferences in urban transportation networks[J]. Procedia-Social and Behavioral Sciences, 2014, 111: 1054-1062.

[10]PEL A J, BLIEMER M C J, HOOGENDOORN S P. Modelling traveller behaviour under Emergency evacuation conditions[J]. European Journal of Transport and Infrastructure Research, 2011, 11(2): 166-193.

[11]ZHANG M, FU H, HU G. Modeling of evacuation route choice behavior considering traffic information[J]. The 11th World Congress on Intelligent Control and Automation, Shenyang, China, 2014.

[12]VAN DER ALST W M P. The application of petri nets to workflow management[J]. Journal of Circuits, Systems and Computers, 1998, 8(1): 21-66. [13]TEPFENHART W, WANG J, ROSCA D, et al. Resource-constrained and decision support workflow modeling[J]. International Journal of Intelligent Control and Systems, 2007, 12(1): 15-23.

[14]WANG H, ZENG Q. Modeling and analysis for workflow constrained by resources and nondetermined time: an approach based on Petri Nets[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, 2008, 38(4): 802-817.

[15]FU H, YING Z, ZHOU J, et al. A resource dominated Workflow net based on p-time Petri net[J]. The 2013 International Conference on Information Management, Innovation Management and Industrial Engineering, 2013: 207-210.

[16]FU H, PEL A J, HOOGENDOORN S P. Optimization of evacuation traffic management with intersection control constraints[J]. IEEE Transactions on Intelligent Transportation Syste

ms, 2015, 16(1): 376-386.

[17]STEPANOV A, SMITH J M G. Multi-objective evacuation routing in transportation networks[J]. European Journal of Operational Research, 2009, 198(2): 435-446.