基于平行仿真的大型活动期间交通保障决策研究[1]

孙杨世佳1，汪晖2

1．上海市城乡建设和交通发展研究院，上海 200032

2．上海市隧道工程轨道交通设计研究院，上海 200235

【摘要】本文在剖析大型活动期间的交通特征与管控难点的基础上，基于平行仿真系统理论与思想，构建了大型活动平行交通仿真与决策技术框架体系，并对具体模块和流程进行研究。针对崇明花博会入岛交通需求，以高东收费站为研究对象，基于平行仿真研究通行效率与ECT车道设置关系进行研究，得出合理的ETC车道数量、布设位置可以有效提高收费站通行能力。通过对崇明花博会入岛交通保障的案例分析，表明交通仿真技术能将传统经验导向型的管理与决策模式向数据驱动、技术赋能的新型交通管控模式转变，能够在大型活动前期规划、中后期的总结与评估中提供决策支持作用。

【关键词】平行仿真；大型活动；交通组织；预案评估；花博会

Research on Traffic Organization During Large-scale Events Based on Parallel Simulation

Sun Yangshijia1,Wang Hui2

1．Shanghai Urban and Rural Construction &Transportation Development Institute，Shanghai 200032

2．Shanghai Tunnel Engineering Rail Transit Design Institute，Shanghai 200235

Abstract: This paper analyses traffic characteristics and control difficulties during large-scale events, builds a technical framework system of parallel traffic simulation and decision-making for large-scale events based on the idea of parallel simulation and studies its specific modules and processes. Aiming at the traffic demand of Chongming Flower Exposition into the island, Gaodong Toll Station is taken as the research object, and the relationship between traffic efficiency and ECT lane setting is studied based on parallel simulation. Reasonable ETC lane number and layout location can effectively improve the traffic capacity of toll station. Through the case study on the traffic organi-zation evaluation of the Chongming Flower Expo, it is shown that the traffic simulation technology can transform the traditional experience-oriented management and decision-making mode to the new traffic control mode driven by data and technology, and can provide decision support in the preliminary planning, summary, and evaluation of large-scale events.

Key words：parallel simulation;large-scale events;traffic organization;plan evaluation;flower exposition

1 引言

美国联邦公路局对大型活动进行了明确定义，即已规划的在特定的时间和地点发生的能引起交通需求不正常增长的特殊事件，包括体育活动、游行、国家庆典、国际峰会、节日集会、焰火表演等[1]。随着社会、经济、文化的发展与国际交流合作的增强，区域性、国际性的运动会、展览会、文化演出等大型活动频繁举行。大型活动的诱发性交通需求与城市的常规性交通需求将产生双重叠加效应，对城市的道路和公共交通都带来了巨大的压力，特别是对于特大城市而言，给拥堵的城市路网可能带来“雪上加霜”的影响。

关于城市大型活动的研究是随着奥运会或世博会的举办逐渐进入国内外学者的视线中，主要集中在以下几个方面：一是从宏观层面研究交通特征分析与需求预测、交通管理与控制策略以及交通规划方法的研究等[2-4];二是从微观层面研究交通流的特性、个体出行特征、应急交通疏散等[5-6]。总体上，现有的研究还是侧重于超大规模、影响较大的活动，更多关注交通政策、规划建设层面。但交通问题的解决不仅需要宏观的视角，即在设施规划建设阶段制定好相应的组织方案，也需要从中微观的角度出发，利用效率高、成本低的管控手段来应对大型活动举办期间可能出现的各种随机性、偶发性的情况。同时，大型活动时期的交通组织与保障任务也逐步成为交通管理部门的日常工作之一，但常规化的交通管理方法对于非常态化的交通拥堵效果不明显，难以应对大型活动期间复杂多变的交通活动需求。针对多种交通管控手段与交通组织方案，平行仿真技术能有效增加大型活动期间不同预案效果的可预见性与主动性，对于大型活动的安全保障与交通管理的升级赋能具有较强的现实意义。

2 大型活动平行交通仿真与决策技术框架体系

平行系统最早由中国科学院王飞跃提出。平行系统是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统[7]，以动态数据驱动、数据建模、参数估计、传感器、数据同化算法、自适应建模等技术方法为实现路径，将仿真系统嵌入实际系统中，实现仿真系统与实际系统的相互映射、平行执行。相比传统仿真方法，平行系统能够将被动转变为主动、将虚拟静态转变为真实动态以及由离线转变为在线。

在大型活动举办期间的交通需求主要分为城市背景交通需求、参观游客交通需求以及后勤保障交通需求。其中，参观游客交通需求是活动期间最主要的交通需求主体，在时间上具有波动性，在空间上具有高强度、高汇聚等特征。

将平行系统的理念运用到大型活动场景下的真实交通系统中，不仅能够将离线仿真改变成在线模式，而且利用动态交通仿真技术实时再现整体路网交通需求（源）和运行状况（流），对交通系统进行滚动式更新并对交通管控措施实时改进与优化，从而达到整个交通系统的最优化。

2.1 面向大型活动的平行交通仿真系统总体架构

平行交通应用到大型活动交通场景主要包括“两大系统+三个子系统”，即仿真交通系统、真实交通系统、数据测量子系统、数据处理子系统和决策分析子系统，如图1所示。数据测量子系统是通过各种物联网设备、数据采集手段（如线圈、视频探头、GPS等），对实际交通系统的状态、事件、活动等进行实时监测，从而获取实际交通世界的真实映射关系。同时根据仿真的需求，可向数据测量子系统提出数据采集和感知需求，控制相关传感器获取所需的交通数据。数据处理子系统接收采集数据，对数据进行处理与加工，包括数据修复、数据融合、数据标准化等，将原始数据转换成仿真交通系统可理解、可接入的交通信息。决策分析子系统将仿真运行和推演的结果进行分析，从而反馈到真实交通系统，支撑交通管理部门进行措施评估优化、交通政策制定、公交布设规划等决策。利用人工智能、数据建模等技术，构建真实交通系统的“数字底座”，即仿真交通系统，可以对具体的交通管控措施进行不断“推演”与“评估”，同时以低成本、低风险的方式反复试验，能够对具体的交通解决方案进行全面、准确、及时的评估和修正。

2.2 面向大型活动的平行交通仿真具体模块

根据平行交通仿真总体架构，进一步构建面向大型活动的平行交通仿真具体模块，模块之间的关系以及前后流程架构如图2所示。面向世博会、运动会、演唱会、展览会等大型活动，平行交通仿真系统主要包含三个层级，即数据层、模型层和仿真与决策层。数据层中包括数据接入模块与数据处理模块，主要负责动静态交通信息、活动信息等数据接入，同时将接入数据进行过滤、标准化、融合等处理，可导入宏观、中观、微观的交通仿真模型。模型层包括传统交通模型以及交通仿真模型，传统模型主要是利用现有数学模型进行交通需求预测、交通方式划分等交通态势的分析，而交通仿真模型主要是依托仿真软件进行车辆行为、路径决策等分析。仿真与决策层包括仿真结果的输出与决策辅助功能，通过宏观、中观、微观仿真软件输出流量、车速、排队长度、延误等结果，用于支撑大型活动的交通管控措施、周边道路信号优化等方案的决策。

（1）数据接入模块 数据接入模块主要包括动态数据和静态数据两部分。动态数据不仅可通过各种感知设备来获得实时采集的交通流数据，如视频卡口、线圈、GPS等，也可通过各种交通控制设备的实时显示信息，如交通信号灯、道路可变信息板等。静态数据中包括两部分，一部分是大型活动场馆周边路网数据，包括道路属性、基础设施、控制设备等，另一方面是大型活动的展览信息，如活动开放时间、客流规模等。若需要对仿真结果进行三维建模展示，则还需要接入大型场馆及周边路网的环境数据等。

（2）数据处理模块 将原始实测交通流数据预处理后，利用深度学习等人工智能算法对错误数据进行处理、对缺失数据进行修补并进行标准化处理，同时可将多源交通数据进行融合分析提高数据准确性，从而得到能够直接用于模型的标准化数据。

（3）数学模型模块 结合交通需求、出行分布等模型，预测大型活动周边路网流量情况、出行方式选择等。

（4）交通模型模块 主要依托宏观、中观、微观交通仿真软件，进行车辆生成、车辆行为、路径决策等平行仿真验证。同时，通过交互模块来实现计算结果数据用于展示界面和决策模块，并按照决策控制相关交通设施和计算模型。

（5）结果生成模块 该模块主要用于平行交通仿真结果的生成与展示，包括路网流量预估、行程时间预测、路径诱导、排队长度等仿真结果。

（6）决策辅助模块 决策辅助模块主要帮助交通管理工作者针对大型交通活动的管控措施进行辅助决策，包括车道动态管理、信号优先、紧急疏散预案的选择等。

3 基于仿真的崇明花博会入岛交通组织评估

3.1 花博会期间入岛交通需求分析

2018年，上海市崇明区确定承办第十届花博会，展会规划总面积10km2，展会时间为2021年5月21日—2021年7月2日，共43天会期。出入崇明岛的通道主要有G40陆运通道和越江轮渡水运通道两种。崇明公路网总体运行良好，平均饱和度为0.3，平均车速约为45km/h[8]，但是节假日期间，G40出入口呈现交通拥堵常态化趋势，高东出入口、陈海出入口成为进出崇明的交通瓶颈点。崇明水运航线主要有宝杨至南门/堡镇、石洞口至南门/新河、吴淞至新河等多条，日单向总航次为68次，最大运能3739人、车1158辆[8]。

根据客流预测，崇明花博会总客流约为580万人，日均交通客流可达5.8万人，设计客流12万人，极限客流19.8万人[8]。从目前的交通供求关系分析，现状的入岛交通无法满足花博会高峰期间的客流需求。水运通道通过挖掘后最多能够承担15%的客流，其余客流均需要通过陆运通道来进行分担，同时高东、陈海两个出入口的拥堵情况也将更为严峻，因此通过平行仿真等技术对交通保障方案进行效果评估来有效挖掘道路通行潜能，从而解决花博会期间的大客流集散问题。

3.2 基于VISSIM的平行交通系统搭建

在面向大型活动的平行交通仿真系统总体架构的思路基础上，针对高东收费站在花博会期间的大客流入岛需求，构建一个收费站电子不停车收费系统（ETC）车道管理的闭环平行仿真系统，如图3所示，辅助收费站通道管理与布设，形成主动式、智能化的优化管理模式，实现动态、实时、在线地对收费站通行效率进行评估与改进。闭环系统包括实际交通系统和平行仿真系统，其中实际交通系统为平行仿真系统提供实时数据，而平行仿真系统得到优化管理方案，并在真实交通系统中进行应用。根据交通运行状况以及延误、排队长度等评价指标，可对管理方案进行二次仿真、调整与修正，实现在不同交通需求场景下的方案最优化。

对G40沪陕高速高东收费站进行抽象处理。参数设置如下：收费站上游路段为单向四车道，下游路段为单向2车道，分别长200m;收费广场的减速渐变路段、加速渐变路段分别长50m;单向的收费区域长30m，收费通道宽度为3.5m，即仿真总长度为530m。

收费广场共设22个车道，入口车道9个，出口车道13个，其中入口车道中有5个为前往启东、崇明方向，4个为前往浦东机场方向。前往启东、崇明方向的入口车道包含3个ETC车道和2个人工半自动收费车道（MTC），ETC车道为自内向外第一、二、三条，前往浦东机场方向的入口车道包含2个ETC车道和2个MTC车道，ETC车道为自内向外第一、二条。在VISSIM中进行高东收费站建模，如图4所示。

根据实地数据调研与资料查阅，通常情况下MTC通道的车辆服务时间均值为7.0s，方差为4.98，离去时间均值为7.2s，方差为2.64，而ETC通道的车辆服务时间均值为5.1s，方差为1.89s，离去时间均值为2.9s，方差为2.23。

3.3 基于仿真的收费站ETC车道影响分析

（1）基于仿真的ETC车道数量影响分析 利用沪陕高速高东收费站仿真模型，分析在不同ETC车道数量的情况下收费站的通行能力。仿真参数设置如下：入口广场设置5个收费车道，ETC车道限速20km/h，车流量为1000pcu/h, ETC车辆比例为60%，仿真结果如图5所示。

通过仿真模拟发现，ETC车道数量对于收费站的通行能力具有比较显著的影响，车道设置方案与最优配置方案差距越大，通行能力的折损就越明显。因此，合理的ETC车道与MTC车道配置能大幅提升收费站的通行能力，如在ETC车辆比例为60%时，设置3个ETC车道较为合理。

（2）基于仿真的ETC车道位置影响分析 在研究ETC车道数量影响的基础上，进一步分析不同ETC车道位置情况下MTC、ETC车辆的平均延误、平均排队长度与总延误。利用高东收费站仿真模型，以入口作为研究对象，入口收费广场共5个收费车道，包括3个ETC车道和2个MTC车道，分别仿真在1000pcu/h、2000pcu/h、3000pcu/h交通量情况下，将ETC收费车道设置在收费站最内侧（车道1、2、3）、中间（车道2、3、4）和最外侧（车道3、4、5）各项指标的变化情况。

由表1可知，通常情况下MTC车辆平均延误由长到短分别为中置式、内置式、外置式，而ETC车辆平均延误由长到短分别为中置式、外置式和内置式。MTC和ETC车辆的平均延误与到达速度存在密切关心，到达速度的不同又与收费车道的布置形式有关，不同的布设位置导致收费广场车辆交织状态具有差异。综合各项仿真结果指标，从车辆平均排队长度和收费站平均延误来看，由大到小分别为内置式、外置式和中置式。因此，收费站ETC车道建议采用内置式布设方案，减少MTC车辆和ETC车辆的交织，内置式ETC车道正对着高速公路上游快车道，能够保证ETC车辆以较高的车速通过收费站。同时，入口收费广场按照内快外慢的速度分布，能够有效提高收费广场的安全性。

（3）基于仿真的ETC车辆比例影响分析 在不同输入交通量和ETC车辆比例下，ETC车辆比例、交通量与收费站通行能力之间的关系如图6所示。收费站通行能力与交通量呈线性关系，但达到收费站服务瓶颈后逐步呈现稳定的趋势。同时，ETC车辆比例与收费站通行能力存在密切关系。按照高东收费站ETC车道现状设置情况来看，ETC车辆比例达到60%时，收费站通行能力基本处于较高水平。当交通量处于600puc/h以下时，ETC车辆比例对收费站通行能力影响较小，主要是由于MTC车辆和ETC车辆都能以低延误通过收费站。总体来说，对于限定车道数和车道类型的收费站，过高或过低的ETC车辆比例都将会对收费站通行能力产生显著影响。

4 结语

针对大型活动高强度、高汇聚、难管控等交通特性，引入平行仿真系统理论与思想，从而构建了面向大型活动的平行交通仿真系统总体架构，并详细阐述了数据接入、数据处理、数学模型、交通模型、结果生成、决策辅助等具体模块功能。在此基础上，以崇明花博会长江隧桥入岛交通组织与保障为场景，基于VISSIM仿真软件构建高东收费站仿真模型，并具体分析了ETC车道数量、ETC车道位置以及ETC车辆比例等因素对收费站入口的通行能力的影响。根据仿真结果可知，合理的ETC车道数设置可以有效提高收费站通行能力，同时内置式的布设方式在车辆平均排队长度、收费站平均延误两项指标中均较优，ETC车辆比例在交通量较少时对收费站通行能力影响较小，但随着流量的增加，与ETC车辆比例相匹配的ETC车道布置较为重要。

基于平行仿真理论，能够实现真实交通系统与人工交通系统相互映射与交互，并辅助ETC车道设置、动态车道管理、可变限速等交通管控措施的决策。由于受到数据条件、现场验证等多方面因素影响，高东收费站仿真案例仍存在诸多不足，如仿真后评估、实时数据接入等，但在一定程度上证明了平行系统理论在大型活动期间的交通组织与保障具有可行性与优越性。同时，随着对平行仿真系统的分析、管理和控制等关键技术的深入研究，平行系统理论也可应用于更为复杂的交通系统管理与控制中，如智慧信号控制、路径诱导、突发事件等场景中，进一步支撑城市的交通数字底座建设与城市治理的数字化转型。

参考文献

[1]LATOSKI S P, DUNN J R W M, WAGENBLAST B, et al. Managing travel for planned special events [R]. Washington DC: Federal Highway Administration，2003.

[2]VILLIERS C, NGUYEN L D, ZALEWSKI J. Evaluation of traffic management strategies for special events using probe data [J]. Transportation Research Interdisciplinary Perspectives，2019，2:100052.

[3]孙壮志，郭继孚，马海红．北京奥运会交通规划及交通组织管理 [J]. 城市交通，2008，6（3）：11-15，34.

[4]孙剑，李克平，杨晓光．2010年上海世博会交通需求预测研究 [J]. 交通与运输（学术版），2005（2）：1-3.

[5]周成成．大型活动突发事件下交通疏散效率评价研究 [D]. 成都：西南交通大学，2014.

[6]尹瑞．大型活动结束期间的行人交通网络动态均衡模型 [J]. 交通运输研究，2016，2（6）：24.

[7]王飞跃．平行系统方法与复杂系统的管理和控制 [J]. 控制与决策，2004，19（5）：485-489.

[8]汪勇，范宇杰．大客流入岛交通组织分析——以崇明花博会为例 [J]. 中国市政工程，2019（5）：28-30，41.

---

[1]项目资助：上海市科学技术委员会项目《交通拥堵预判与智能主动管控技术研究与示范》（项目编号：19DZ1209000）和上海市科学技术委员会项目《城市综合交通平行仿真与决策支持系统应用示范》（项目编号：19DZ1208805）。