诱导信息信任度对道路网络交通流影响研究*

国腾飞 庞明宝

(河北工业大学土木与交通学院 天津 300401)

交通诱导是提高道路通行效率，避免交通拥堵的重要手段之一[1]，由于诱导信息不具有强制性，使得诱导结果并不能符合道路交通管理者的预期，因此，提高诱导信息的信任度，优化交通流分配成为理论与工程应用的关键问题之一。

近年来，学者做了大量研究并取得一系列成果，如高峰等[2]通过对诱导信息下的路径选择行为进行动态模拟，证明了贝叶斯理论和决策场理论用于研究驾驶员路径选择行为动态特性的可行性；马飞等[3]通过构建路径变更行为的有序Logit 模型，分析了驾驶员自身不同特性以及诱导信息发布的方式等因素对于驾驶员行为的影响；钟石泉等[4]对比了VMS下现行的定时更新模式及交通状况预报2种模式中驾驶员的服从率，得到预报模式下驾驶员服从率更高的结论。

上述研究虽取得了一定成果，但仍存在一定问题，主要体现在：①驾驶员的理性程度和诱导信息信任度较高，不符合实际情况；②研究大多基于传统模式，随着ITS特别是车联网[5]的不断发展，研究结果可能不再适用。本文通过构造驾驶员路径选择决策模型，研究车联网模式下诱导信息信任度不同对交通流的影响。

1 驾驶员路径选择行为

装载车联网后，交通信息实现了准确即时地在驾驶员之中进行传递[6-7]，驾驶员获得完全信息，该情况下不存在诱导信息的信任问题，驾驶员将完全按照诱导信息进行路径选择；未装载车联网时，驾驶员进行路径选择决策依靠两方面信息：一方面为道路管理者发布的诱导信息，另一方面依靠驾驶员的出行经验，进行综合评判之后做出路径选择，此时由于驾驶员获得非完全信息，同时信息具有滞后性，故存在信任问题。

2 路径选择决策模型

驾驶员按照预期效用最大化的原则进行路径选择，假设系统中共有ω个驾驶员，ψ条路径。

2.1 装载车联网

该模式下，交通流分配和道路通行效率均达到最优，路径选择概率计算式为

(1)

2.2 未装载车联网

2.2.1道路管理者提供的诱导信息

道路行程时间由BPR函数确定，为

(2)

式中：T为实际通过第j条路径所需的时间，s；tj为路径自由行驶时间，s；xj为当前第j条路径的交通量,pcu/h；yj为第j条路径的实际通行能力,pcu/h；β，n均为参数。

道路交通密度由车辆数、车辆长度和道路长度确定，为

(3)

式中：k为车辆种类数；ρj为第j条路径的交通密度；Ncjk为第j条路径上k类车的数量辆；Lcjk为第j条路径上k类车的车长，m/辆。

2.2.2驾驶员出行经验

对于第i个驾驶员而言，按照出行历史经验进行路径判断时，会对每个指标的分布概率进行预测，最终取其数学期望作为对该指标的判断结果，即

(4)

Xij={道路通行时间，道路交通流密度}

驾驶员综合两方面信息进行指标的预判有：

Tij0=αijTj+(1-αij)E(Tij)

(5)

ρij0=βijρj+(1-βij)E(ρij)

(6)

式中：αij，βij分别为对第i个驾驶员而言，诱导信息和出行经验在进行路径选择决策时所占的比重，当对诱导信息的信任度越高时，其值越大，反之越小。

最终，各指标判断完成之后，驾驶员对各条路径进行评估，有：

maxQij=λij1Tij0+λij2ρij0+

λij3·Lj/Tij0+λij4Lij

(7)

s.t.λij1+λij2+λij3+λij4=1

λij1，λij2，λij3，λij4≥0

(8)

式中：Lij为第j条路径的道路等级；λij1，λij2，λij3，λij4为驾驶员对不同效用的追求系数，对某个指标的追求较高时，其系数愈大，反之愈小。

驾驶员做出路径选择决策有：若判断路径的效用Qij=max(Qij)，则该路径进车概率为p(i)=1，反之，则p(i)=0。

对于整体路网而言：若某一驾驶员对第j条路径的期望效用Qij=max (Qij)，则该路径的车辆数目sum(i)=sum(i)+1，该路径的进车概率为

(9)

3 仿真实验

本文采用元胞自动机进行模拟仿真，仿真路网见图1，A,B分别表示路网的起讫点，1～5分别为路径编号，假设交通流量基本保持稳定，由于上下行方向之间有中央分隔带进行分隔，互相之间影响较小，因此，为适当缩小仿真规模，将仿真路径设置为单向4车道。

图1 仿真路网示意图

仿真过程之中，道路初始参数设置为：限速均为22 m/s；路径长度分别设置为L1=6 000 m，L2=6 500 m，L3=7 000 m，L4=7 500 m，L5=8 000 m；初始密度分别为ρ1=0.045，ρ2=0.040，ρ3=0.030，ρ4=0.025，ρ5=0.015；初始进车概率分别为p1=0.4，p2=0.2，p3=0.2，p4=0.1，p5=0.1。道路初始运行情况见图2。

图2 道路初始运行情况

传统模式下，驾驶员均按照诱导信息和历史经验进行路径选择行为决策，随着诱导信息信任度的提高，道路运行情况见图3。

图3 传统模式下道路运行情况

当车联网的装载率为50%时，一半驾驶员具有完全信息，路径选择为最优路径，另一半的驾驶员将依据诱导信息和出行经验做出路径选择，随着诱导信息信任度的提高，道路运行情况见图4。

图4 装载率为50%时道路运行情况

当车联网的装载率为100%时，驾驶员完全信任诱导信息，系统实现了交通流分配的最优化，此时道路运行情况见图5。

图5 完全车联网模式下道路运行情况

由仿真结果可以看出，传统模式下，随着诱导信息信任度的提高，路网运行情况有所改善，但由于非完全信息的限制，诱导效果相对较差，且存在拥堵转移现象。车联网模式下，随诱导信息信任度的提高，道路交通流的分配有明显改善，运行速度较快，且随其装载率的不断提高，道路运行状况趋于理想状况。

4 结语

本文通过研究车联网下诱导信息信任度对路网交通流的影响，建立了装载和未装载车联网2种模式下驾驶员的路径选择行为决策模型，并通过元胞自动机进行模拟仿真，得出随着诱导信息信任度的提高，路网通行效率和交通流的分配更加合理，同时随车联网装载率的提高，诱导信息的影响不断增大，路网运行也趋于理想的结论。

[1] 陈启明.基于微波检测和LED屏的交通诱导系统[J].交通科技,2015(6):139-141.

[2] 高峰,王明哲.诱导信息下的路径选择行为模型[J].交通运输系统工程与信息,2010(6):64-69.

[3] 马飞,吴群琪,王炼.多源诱导信息对驾驶员路径变更行为的影响研究[J].交通运输系统工程与信息,2014,14(5):61-66.

[4] ZHONG S, ZHOU L, MA S, et al. Guidance compliance behaviors of drivers under different information release modes on VMS[J].Information Sciences,2014,289(1):117-132.

[5] 郭建文.无线通信技术在车联网中的应用探讨[J].交通科技,2012(4):124-126.

[6] 吴正言,莫时旭.交通拥堵情况下路径诱导方案的生成方法[J].武汉理工大学学报(交通科学与工程版),2015,39(1):5-8.

[7] KAKKASAGERI M S, MANVI S S. Information management in vehicular ad hoc networks: A review[J].Journal of Network & Computer Applications,2014,39(1):334-350.