混行非机动车交通流基本参数研究

韩　慧

（上海市城市建设设计研究总院，上海 200125）

混行非机动车交通流基本参数研究

韩慧

（上海市城市建设设计研究总院，上海 200125）

近年来，助动车在中国城市出现并迅猛增长，多数城市助动车出行量已超过自行车。文章基于实地调查数据，对车辆的路段速度进行统计分析，提出以交通流建模为目的的参数定义方法，建立了有设施隔离、不受交叉口影响情况下非机动车流的速度-密度、速度-流量、流量-密度关系模型，并分析了参数之间的相互作用关系。研究结论可供后续非机动车流特性和模型研究参考。

城市交通；自行车；助动车；交通流模型

近年来助动车在中国城市出现并迅猛增长，多数城市助动车出行量已超过自行车［1］。现行交通管理办法将助动车归为非机动车，与自行车共享非机动车道通行权，从而形成了一类新的、自行车与助动车混行的非机动车交通。

尽管助动车自出现开始就被视为一种自行车的替代品，但是与自行车相比具有速度快、体积大、质量大的特点，尤其是骑行速度差别显著［2］。两类运行特征不同的交通工具构成的混行非机动车流特性不同于以往单纯的自行车流。现行非机动车流特性研究多数只针对自行车交通流，朱从坤等［3］研究了混合非机动车车速与密度的相关性及关系模型，南天伟等［4］通过建模分析了车辆构成比例对速度-密度、流量-密度的影响，针对混行非机动车流参数的实地研究较少。本文通过实际调查，对混行非机动车交通流基本参数进行研究，完善混行非机动车交通流理论，为后续非机动车流特性和模型的研究提供技术支持。

1　交通流基本参数定义

非机动车由于车型小巧，操控灵活，使其在行驶过程中具有横向移动灵活，穿插行驶的普遍特点，与机动车有序的跟驰和换道行为极为不同。由于非机动车流没有车道的概念，在试图研究非机动车流流量、速度、密度的关系之前，重要的是对这些交通参数建立与其测量方法相关联的定义。通过恰当的数据采集方法，才能够得到建模所需要的交通流特性参数，并有效反映车流交通特性。

1.1 基本参数

（1）流量

非机动车流量定义为一定时间间隔内通过观测对象某一断面的标准自行车数，将此标准车辆数除以时间间隔得到车辆流率，然后将流率除以设施有效宽度，即得到流量值。式中：q为非机动车标准流量；n1为在总计时间间隔内通过的自行车车辆数；n2为在总计时间间隔内通过的助动车车辆数；BE为助动车换算系数［5］；W0为车道有效宽度，车道宽去掉两侧安全距离各0.25 m。

（2）速度

非机动车流的平均速度取车辆的空间平均速度。假设在5 s内通过了n1辆自行车和n2辆助动车，n1辆自行车通过距离L的视频统计帧数分别为n11，n12……n1n1，n2辆助动车通过距离L的视频统计帧数分别为n21，n22……n2n2。根据视频设置中1帧=1/25 s，则这一组车辆的所有车辆空间平均车速为：式中：n1i为自行车通过标线的视频统计帧数；n2i为助动车通过标线的视频统计帧数；L为观测区间长度，取10 m。

（3）密度

由于非机动车没有车道的概念，定义非机动车交通流面密度，即某一瞬间单位面积车道上的非机动车车辆数。考虑到测量时间间隔内自行车与助动车密度仍有一定的变化，本次研究统计测量时间间隔内任意3个瞬间观测对象区域内的自行车与助动车数，然后将这3个瞬间的平均车辆数除以观测对象区域面积即得到密度值。

式中：n为在总计时间内，读取存在车辆数的画面数；ki为第i个画面上测定的区间内存在的车辆数；L为观测区间长度，10 m；BE为车道有效宽度，W0为车道宽去掉两侧安全距离各0.25 m。

1.2 确定统计间隔

非机动车流受交叉口信号灯的影响较大，车流一定程度上随信号灯周期呈现周期性的集团特性。因此，确定合适的统计间隔，对于如实地反映参数间相互关系，进而真实反映非机动车流的交通流特性具有重要意义。如果统计间隔太短，流量的波动性会变大，交通流稳定性差；但如果统计间隔过长，密度水平会被“平均”掉，会掩盖车辆聚集状态的改变，不利于研究不同拥挤状态下的交通流特征。因此，非机动车交通流参数统计间隔Toptimal应满足如下公式［6］：式中：Tflow为流量达到稳定状态的最小统计间隔；Tdensity为车流聚集水平没有发生显著变化的最大统计间隔。

根据Tflow的定义，计算Tflow的方法如下［6］：

（1）初始统计间隔5 s，从5 s开始，并以5 s作为间隔增加的基本单位，比较2个相邻统计间隔下非机动车流量变化（绝对值）的均值X-，即分别计算

（2）设定流量达到稳定状态的阈值Fstable，即可接受的流量波动范围。这里分别取Fstable=90辆/（h·m）和100辆/（h·m），流量值为102数量级，这里认为该阈值是可以接受的。

（3）利用数理统计中的显著性假设检验方法，确定在何种统计间隔水平下，μ（i+5）-（i与样本均值对应， 为总体均值）已开始显著小于Fstable。

（4）当统计间隔大于上述确定的统计间隔时，可以认为流量达到稳定水平；反之，当小于上述确定的统计间隔时，则认为流量还不能满足稳定性要求。因此上述确定的统计间隔就是流量达到稳定水平的最小统计间隔Tflow。

根据以上方法，采用数据处理软件进行假设检验。当取Fstable为90 辆/（h·m）时，流量达到稳定水平的最小统计间隔Tflow为50 s（见表1）；同理可得，当取Fstable为100 辆/（h·m）时，流量达到稳定水平的最小统计间隔Tflow为40 s。

表1 假设检验结果

采用类似的方法计算Tdensity。车流聚集水平没有发生显著变化的阈值取0.04辆/m2和0.05辆/m2时，最大统计间隔Tdensity分别为40 s和60 s。

根据Toptimal的确定原则，并结合Fstable和Dunchange的可接受量，本文选取40 s作为交通流参数的统计间隔。

2　车速统计分布

选取上海市武宁路、曹杨路和龙吴路3个地点作为混行非机动车交通流观测点。3条路均为主干道，有机非隔离设施，非机动车交通量较大，能够观察到连续的非机动车流。数据采集地点位于路中，采用视频拍摄的方式采集数据，3条路助动车比例分别为0.80、0.81和0.74。首先对自行车和助动车的骑行速度进行研究，根据上述基本参数的定义和提取方法，对自行车和助动车的速度处理结果进行统计分析。

武宁路、曹杨路和龙吴路3个路段自行车的平均运行速度分别为16.38 km/h、18.85 km/h、14.65 km/h，曹杨路有一定下坡，自行车靠人力驱动，下坡时自行车所需人力有所下降，因而自行车速度有所增加。3个路段助动车速度差别不大，分别为23.83 km/h、25.40 km/h、23.09 km/h。可以认为主干道有设施隔离情况下路段车辆速度无明显差别，自行车平均运行速度在16 km/h左右，助动车平均运行速度在23 km/h左右。

3　交通流参数关系模型

非机动车流与机动车流相比存在一定的差异，但都具有“流”的特性，且由于非机动车的灵活性更大，与机动车流相比，非机动车流更具有“流”的特性。因此，建立非机动车模型的时候，借鉴机动车车流模型的研究成果是可行的。

为了探索有设施隔离情况下、不受交叉口影响的路段混行非机动车道交通流参数关系，通过对武宁路、曹杨路、龙吴路交通流数据的调查和采集，得到40 s间隔内的混行非机动车交通流流量、速度、密度基础数据。参照机动车典型交通流模型形式，对参数两两关系进行拟合。

3.1 速度-密度

非机动车数量增多，即密度增大的时候，车辆间距就会变小，车辆骑行者就要降低车速，因此速度随着密度的增加而递减。速度-密度关系是流-密-速关系中最简单、最直观的关系。

观察混行非机动车的速度-密度散点图（图1～图3）可知，随着混行密度增大，车辆速度有所下降但变化不显著。密度的增大并没有大大降低车辆的速度，而是降低了速度的离散性。对速度-密度的相关性进行分析，混行密度小于等于0.07辆/m2时，速度和密度不相关，3条路速度-密度回归模型采用分段函数的形式，表达式较为一致，自由流状态下速度期望取平均速度，混行车流自由流速度为23 km/h左右，如表2所示。

图1　混行非机动车流速度-密度图（武宁路）

图2　混行非机动车流速度-密度图（曹杨路）

图3　混行非机动车流速度-密度图（龙吴路）

表2 混行速度-密度（v-k）关系回归结果

3.2 速度-流量

同速度-密度的关系，随着混行流量增大，车辆速度有所下降但变化不显著（见图4～图6）。由于没有拥堵情况，车流速度和流量是单调递减的关系。通过相关性分析可以看出，当混行流量小于等于1 000辆/（h·m）时，速度和流量不相关。

图4　混行非机动车流速度-流量图（武宁路）

图5　混行非机动车流速度-流量图（曹杨路）

图6　混行非机动车流速度-流量图（龙吴路）

3条路速度-流量回归模型也采用分段函数的形式，表达式较为一致，自由流状态下速度期望取平均速度，混行车流自由流速度为23 km/h左右，如表3所示。

3.3 流量-密度

同机动车流流量-密度模型，在混行非机动车流量为零时，密度也为零，所以模型经过坐标原点。非机动车流很少出现拥堵的情况，在此次调查中，40 s内最大的混行流量约为2 500 辆/（h·m-1），相应的密度为0.189 辆/m2，可以认为，有设施隔离情况下、不受交叉口影响的路段非机动车流几乎没有堵塞密度，流量和密度呈单调递增关系（见图7～图9）。

表3　混行速度-流量（v-q）关系回归结果

图7　混行非机动车流流量-密度图（武宁路）

图8　混行非机动车流流量-密度图（曹杨路）

图9 混行非机动车流流量-密度图（龙吴路）

观测得到的混行非机动车流密度区间为0～0.2 辆/m2，流流量区间为0～2 500 辆/（h·m）（曹杨路、龙吴路为2 000 辆/（h·m）），3条路流量-密度线性模型的R2均大于0.9，如表4所示。由模型拟合结果可以看出混行非机动车流流量和密度呈极强的线性关系，流量随密度的增大而增大。

表4　流量-密度（q-k）关系回归结果

3.4 小结

对混行非机动车交通流数关系模型得出以下结论：

（1）本文重点研究有设施隔离情况下、不受交叉口影响的路段混行非机动车交通流参数关系，从数据和模型拟合结果看，不同路段交通流参数关系具有一致性。

（2）混行非机动车流具备一般的交通流特性，但密度、流量、速度之间的关系与机动车流有区别。由于非机动车流压缩性大，且很少出现拥挤的情况，路段行驶时不会出现类似机动车速度-密度关系中堵塞密度下车速几乎为零的状态，路段车流速度-密度、速度-流量及流量-密度关系均是单调的。

（3）在自由流情况下，非机动车辆速度的离散性较大，因此车流速度随密度/流量的变化不显著。认为在自由流状态下混行非机动车的车速总是分布在某一期望车速附近且与密度/流量无关；随着密度增加，车辆间相互干扰加剧，车速的离散程度降低，主要体现在助动车速度有所下降。

（4）混行非机动车流流量和密度呈极强的线性关系，模型经过坐标原点，流量随密度的增大而增大。

4　结语

反映“流量-速度-密度”定量关系的交通流模型是分析非机动车交通运行状态的技术基础。本文从统计学和混行非机动车交通行为特征出发，建立有设施隔离情况下非机动车流的速度-密度、速度-流量、流量-密度关系模型。从数据和模型拟合结果看出，自由流情况下混行非机动车流的速度总是分布在接近期望车速的范围内，且与密度/流量无关；随着密度/流量的增大，助动车速度有所下降；混行非机动车流流量和密度呈单调递增关系。

［1］中国城市交通发展报告［R］.住房和城乡建设城市交通工程技术中心，中国城市规划设计研究院.北京：中国建筑工业出版社，2009.

［2］同济大学.上海市助（电）动车发展政策［R］. 2012.

［3］朱从坤，池毓品.混合非机动车交通流速度与密度的关系研究［J］.苏州科技学院学报（工程技术版），2009（3）：26-29.

［4］南天伟，毛保华，陈志杰，等.基于元胞自动机的城市混合非机动车流特性模拟研究［J］.公路交通科技，2014，31（1）：104-109.

［5］Chen Xiaohong，Han Hui， Lin Bin. Developing Bicycle Equivalents for Mopeds in Shanghai， China［J］. In Transportation Research Record：Journal of the Transportation Research Board，2012，2317：60-67.

［6］叶建红.行人交通行为与交通流特性研究［D］.上海：同济大学，2009.

Research on Characteristics of the Mixed Non-motorized Traffic Flow

Han Hui
（Shanghai Urban Construction Design & Research Institute， Shanghai 200125， China）

Recently， mopeds have been swarming with considerably fast growth in China. The trip amount of mopeds are larger than those of bicycles in many cities. Through the investigated field data， the running speeds of the vehicles were analyzed， and the traffic flow models of speed-density， speed-traffic flow and traffic flow-density of dedicated non-motorized lanes were built. The relations among traffic flow characteristics were analyzed. These findings could provide technology support for later studies. Key words: urban traffic; bicycle; moped; traffic flow model

U491.1+12

A

1672–9889（2015）05–0079–04

韩慧（1987-），女，辽宁大连人，助理工程师，主要从事交通规划工作。

（2014-12-19）