交通流理论研究与发展综述

交通流理论研究与发展综述

黄苑仓1

(1. 重庆交通大学 交通运输学院，重庆  400074)

摘要：交通领域伴随着时代的进步而不断向前发展，现如今，国内外的交通逐渐多样化，道

路上的交通流也越发复杂，对交通流理论进行继承和发展是解决现有交通问题，推动交通进一步发展的重要举措和关键。交通流系统具有动态随机性，随着国内外学者研究过程中方法和成果不断积累，目前已经处于蓬勃发展阶段。本文为了探寻交通流理论的研究现状和进程，通过整理国内外的相关文献，对交通流领域中的交通流特性、跟驰理论以及排队系统三个方面进行综述，大致展现出如今交通流理论研究的整体框架和蓝图，在归纳整理研究成果的基础上，不断加深自己对所学知识的理解，同时也为后续学者的研究提供一定的参考和依据。

关  键  词：交通流理论；交通流特性；跟驰理论

0引言

随着交通领域和社会经济的不断发展，我国城市化进程得到进一步的推进，道路的容量不断扩大，其承载的交通也趋于多样化，这就导致了我国道路上面的交通流特征越发复杂[1]。交通流系统是一个庞大且复杂随机的动态系统，为了对该系统进行一个深入细致的解剖，国内外学者运用了丰富的物理学和数学方法来对系统中的交通特性进行描述，各方面的研究成果最终汇集成为交通流理论。伴随时代发展至今，传统的交通流理论研究已经十分丰厚，方法和成果基本趋于成熟，而现代交通流理论作为接力者继续向前发展。本文在对国内外学者交通流领域相关研究的文献进行整理和归纳后，主要从交通流特性、跟驰理论以及排队系统三个方面入手，总结和综述当前交通流理论研究发展的现状和形势，希望能够为后续学者的进一步研究提供一定的参考和依据。

1交通流特性研究

人作为系统交通流的主体以及交通服务的主要对象，在交通流理论的发展过程中已经有大量学者对其相关特性进行研究。J. J. Fruin[2]作为先锋，最早对行人的交通流特性展开了详细的调查分析。伴随着后继国内外学者对行人交通特性研究领域的不断发展，逐渐涌现出诸如流体动力学模型[3]、社会力模型[4]、元胞自动机模型[5]、成本效益元胞模型[6]、磁场力学模型[7]以及排队网络模型[8]等一系列工具，使得行人交通流领域的研究方法不断积累，研究成果不断丰富。针对行人出行过程中的交通问题，袁佳杨[9]参考了机动车相关的交通流理论，定义了行人交通流量、人流密度和步行速度3个参数，对行人交通流的特性进行研究，为后续的深入研究提供参考。

系统中车辆的交通流特性会受到外界环境的干扰，段志宏等[10]就山区高速公路为研究对象，表明天气越恶劣，道路行车的车头时距就越大，同时各种不利天气对道路交通量的影响程度由大到小排序依次为：雪>雾>雨。赵金阳[11]等通过建立单车道交通流微观模型对比分析了晴天和雾霾情况下车辆的速度-时间特性，发现车速下降的幅度伴随着雾霾能见度的降低而逐渐增大，重度雾霾情况下车速基本趋于零，整个系统交通流处于停止运行状态。尧玉宏[12]通过数理统计方法确定了不同降雨程度下高速公路车辆跟驰行为特性的变化，对于同一跟驰速度水平，车辆的跟驰间距随着降雨强度的增加而增加，同时降雨条件下，驾驶人的驾驶行为将会更加谨慎小心，导致高速公路交通流整体的平均速度下降。

除了行人和车辆的交通流特性研究之外，刘华威[13]以天津港主航道为例全面分析了其区域内的主要交通流情况，并对航道中船舶之间的避让行为进行深入探讨，得出避免十万吨级船舶接近并进入主航道过程中形成紧迫局面的办法，促进保障航道附近水域环境的交通安全。王梓杰[14]等基于交通流实测数据，发现在高速公路的封道施工路段其交通流的流量和速度伴随着进车率的增加表现出不同程度的下降情况，其中交通流的流量还会随着封道施工区域长度的增加而产生进一步的下降。S. A. R. Shah[15]等关注于道路安全事故和交通安全管理问题，考虑车辆行驶里程、行驶时间、行驶速度和道路交通流量几大特性，对改善道路安全状况的资金分配顺序级加以确定，促进道路交通流安全风险部分的识别，有效保障了道路整体的协调运行。

2跟驰理论研究

在现实道路上，车辆之间的跟驰行为是一种十分常见的现象，对其特性进行研究有助于加深对交通流的理解，同时对其研究已经成为了缓解道路交通拥堵、提高交通安全质量的关键。徐凌峰[16]将驾驶员的记忆效应与传统的理论车辆跟驰模型相结合，建立起基于机器学习的仿真模型优化，提高了车辆跟驰模型的预测精度，车辆跟驰过程中的安全性和舒适性得到了保障提升，同时分析了车辆跟驰行为与交通拥堵现象之间的潜在关系，有助于提高道路安全，缓解交通形势。Wilson[17]总结出车辆跟驰模型的线性稳定性分析方法，同时给出其对应的稳定性条件，并提出了短波稳定状态的一般性模型。在此基础上，韩祥临等[18]运用数学方法对该模型的充分必要条件进行了补充和论证，同时还给出了传统充分条件上的局限性，最终推广了已有的结果，为分析该模型的稳定性能提供了一般性的理论依据。

随着信息化时代的到来，大数据持续蓬勃发展，自动驾驶技术也逐步发展起来，其中对智能网联车辆的跟驰特性进行研究能够加强道路的交通稳定，缓解交通拥堵并提高行车安全。Tong Zhu[19]等提出一种基于连续可变车道控制的整体联合优化方法，以控制工作区上游多路段的车道变换、合并及跟车行为，并建立了扩展的自动驾驶车辆跟驰模型。为了针对过往研究中对自动驾驶车辆在混合交通中跟驰行为研究的局限性，Shenzhen Ding[20]设计并组织了北京混合交通下的跟车实验，基于视频识别分别提取了自动驾驶车辆和常规车辆的轨迹数据，并利用拉格朗日理论和卡尔曼滤波理论对数据进行重构提取，揭示了混合交通中自动驾驶车辆和常规车辆交通异质性表现的多种形式，为混合交通条件下的微观交通仿真提供了理论支持。

在队列跟车行驶的过程中，前后车辆的行驶状态都会对驾驶员本身产生决策判断影响，从而引导做出不同的操作反应，基于考虑这种因素，彭勇[21]等提出一种改进式跟驰模型，同经典FVD模型进行仿真对比后表明，基于考虑前后车辆影响的改进跟驰模型能够消散交通系统中的微小波动，其抵抗系统因素干扰的能力得到加强。黑凯先[22]选取跟驰轨迹、距离、时间间隔等主要参数探索了跟驰过程中驾驶员风格对其自身驾驶行为产生的影响，发现平静型风格驾驶员受到前车运行状态的影响最大，自身风格越激进的驾驶人员更容易采取换道或者超车来脱离原本的跟驰状态，其获得更高车速的同时失去了较强的横向稳定性。

3排队系统研究

现实生活中在汽车加油站、高速公路收费口等地都会遇见排队现象，而排队会导致时间被消耗，因此对排队现象进行研究可以为排队系统做出最优决策，从而提高效益。在交通领域中李可[23]等针对大客流时期城市轨道车站行人拥堵的问题，提出了基于排队论模型的车站设备设施布局优化，有效减少乘客进站消耗时间。王熹芳[24]对其中的排队论方法进行了阐述，分别讲述了船舶的到港规律分布形式和服务时间分布形式，为建立计算机仿真模型奠定了理论基础。城市道路交通流具有密度大、连续性强的特点，徐瑞滢[25]利用将连续时间转化为离散时间的思想，采用排队论对城市道路的通行能力进行分析，并对所构模型进行验证，计算得出模型的误差很小，精度较高。

4结语

本文通过整理国内外相关文献主要对交通流理论研究中的交通流特性、跟驰理论两方面进行归纳和总结。系统中的交通流特性受到人、车、路及其外部环境的共同作用和影响，为了研究行人交通流，国内外已经逐步发展出各种全新的模型，研究成果得到了丰富和完善。车辆的交通流特性受到外部环境的影响极大，不利天气条件下将会使得道路上的交通流速度、流量等要素发生变化，进而影响道路安全。在车辆跟驰的研究过程中，大量学者表明车辆的跟驰行为受到前后车的共同影响，同时不同驾驶风格的驾驶员在不同的情况下采取的驾驶行为也会对车辆的跟驰特性产生影响。伴随着时代的发展，智能网联车辆的队列跟驰特性也逐渐成为交通流领域研究的热门话题。排队论在现实生活中的应用十分广泛，国内外学者也已经基于排队论做出了大量研究，城市的道路交通网络等都可以通过排队理论对现有问题进行解决，从而提高系统的整体运行效率。总的来说，交通流理论的研究正处在蓬勃发展阶段，未来仍然有着广袤的空间等待着进一步的挖掘，本文研究对该领域学者的持续探索具有一定的借鉴和参考意义。

参考文献(References)：

[1]雷旭, 李立等. 多车道交通流理论与应用研究综述[J]. 长安大学学报, 2020, 40(04): 78-90.

[2]Fruin J J. Pedestrian planning and design [R]. New York: Metropolitan Association of Urban Designers and Environmental Planners , 1971.

[3]Henderson l F. The statistics of crowd fluids [J]. Nature, 1971(1): 381-383.

[4]Helbing D, Molnar P. Social force model for pedestrian dynamics [J]. Physical Review E, 1995, 51(5).

[5]Okazaki, Matsushita S. S. A study of simulation model for pedestrian movement with evacuation and queuing [J]. International Conference on Engineering for Crowd Safety, 1993, 1: 271-280.

[6]Chopard B．Cellular automata modeling of physical systems [J]. Computational Complexity: Theory, Techniques, and Applications, 2012(1): 407-433.

[7]Alizadeh R．A dynamic cellular automaton model for evacuation process with obstacles [J]. Safety Science, 2011, 49(2): 315-323.

[8]Pereira L, Duczmal L, Cruz F. Congested emergency evacuation of a population using a finite automata approach [J]. Safety Science, 2013, 51(1).

[9]袁佳杨. 行人交通流模式与路段性能评估方法研究[J]. 湖南交通科技, 2016, 42(03).

[10]段志宏, 文元勇等. 不利天气下山区高速公路交通流特性分析[J]. 交通节能与环保, 2023, 19(02): 136-140.

[11]赵金阳, 张甜甜. 雾霾能见度对交通流影响分析[J]. 科学技术创新, 2022, 33.

[12]尧玉宏. 不同降雨强度下高速公路交通流特性研究及跟驰模型参数标定[D]. 长安大学, 2022.

[13]刘华威. 天津港主航道浮筒附近交通流特性分析及船舶间的避让行动探讨[J]. 天津航海, 2023, 1.

[14]王梓杰, 祝会兵等. 高速公路封道施工路段交通流特性及通行能力分析[J]. 宁波大学学报, 2023, 36(01).

[15]Syyed Adnan Raheel Shah and Naveed Ahmad. Road Infrastructure Analysis with Reference to Traffic Stream Characteristics and Accidents: An Application of Benchmarking Based Safety Analysis and Sustainable Decision-Making [J]. Applied sciences, 2019, 9.

[16]徐凌峰. 基于机器学习的车辆智能跟驰研究[D]. 安徽工程大学, 2022.

[17]Wilson R E. Mechanisms for spatio-temporal pattern formation in highway traffic models [J]. Phil Trans R Soc A, 2008, 366: 2017-2032.

[18]韩祥临, 欧桥等. 车辆跟驰模型稳定的充分必要条件[J]. 湖州师范学院学报, 2021, 43(2).

[19]Tong Zhu, Xiaohu Li, Wei Fan, et al. Trajectory Optimization of CAVs in Freeway Work Zone considering Car-Following Behaviors Using Online Multi-agent Reinforcement Learning[J]. Journal of Advanced Transportation, 2021.

[20]Shenzhen Ding, Xumei Chen, Zexin Fu, et al. An Extended Car-Following Model in Connected and Autonomous Vehicle Environment: Perspective from the Cooperation between Drivers [J]. Journal of Advanced Transportation, 2021.

[21]彭勇, 刘世洁等. 前后多车影响的跟驰模型及稳定性分析[J]. 交通运输系统工程与信息, 2018, 18(6).

[22]黑凯先. 基于驾驶风格的车辆交互行为特性及其模型研究[J]. 青岛理工大学, 2021.

[23]李可, 刘斌等. 基于排队论的地铁车站设备布局优化研究[J]. 系统仿真技术, 2022, 18(03).

[24]王熹芳. 集装箱码头装卸系统及其中的排队论方法[J]. 中国水运, 2022, 22(01).

[25]徐瑞滢. 基于排队论的城市道路通行能力分析方法[J]. 中国科技信息, 2019.

第一作者：黄苑仓(1999-)，男，重庆巫山人，研究方向为交通运输规划与管理。E-mail：1036576648@qq.com