同济大学交通流与交通仿真课程作业

同济大学

《交通流理论作业》

——武宁路瓶颈失效仿真分析

报告人： 报告人学号：

专业：交通信息工程及控制

指导老师： 报告提交日期：2015.9.11

1 引言

1.1 研究目标

城市快速路是城市交通系统中的极为重要的一部分。相较于城市地面道路，快速路没有交叉口，不存在不同向的交通流冲突，承担了城市大量的交通流。但快速路同样存在拥堵的可能性，如上匝道与下匝道处、车道变窄处、交通事故处等有可能引起交通拥堵，即快速路瓶颈点。原因都可归结为车辆换道、车道减少或是车道占用等所引起的通行能力不足。通常来说，瓶颈点可分为常发性瓶颈与偶发性瓶颈，其含义与城市道路的拥堵分类一致，常发性瓶颈主要是指由车道减少、上下匝道、车辆交织等造成的拥堵，有一定规律性；偶发性瓶颈则主要是指交通事故、重大活动等引起的突发性拥堵。

本文的主要研究目标在于通过快速路的实测流量、速度等数据，通过Vissim仿真建模，并校正跟车模型、换道模型等参数，将实际场景中的拥堵尽可能真实的在仿真模型中还原，通过微观交通流仿真对其加以分析。

1.2 研究范围

本文研究的城市快速路为上海市内环高架武宁路段内圈道路，如下图所示。

图1-1 内环高架武宁路段

该高架段全长大约为2400m，共包含8个道路检测器，其中5个为主线检测器，3个为匝道检测器，主线为线圈NHNX37~线圈NHNX41的范围。3个匝道中2个为下匝道，1个为上匝道。在该路段内，车辆经过NHNX37线圈后，一次经过下匝道NHWN-NO-1、上匝道NHNW-NI-1以及下匝道NHZP-NO-1。由于在较短的路段内存在多个上下匝道，车辆换道行为频繁，在平日里都存在高峰时段，瓶颈点非常明显。

本文的主要研究时间段为2010年7月15日全天的线圈数据，作为模型的基本参数输入，主要包括流量、速度等原始交通数据，首先确保了仿真模型参数的真实性与可靠性，为进一步建模分析奠定基础。通过对7月15日全天的流量密度图与变形累计流量曲线，最终确定研究时间点为9:00至12:30。根据观察，瓶颈点主要产生在线圈NHNX40之间NHNX39，并会扩散至NHNX38，由于研究路段内包含的检测器仅有5个，故在建模分析时5个检测器数据全部使用。

1.3 研究方法

本文主要了利用上海市快速路系统中的真实线圈数据，选择典型的瓶颈点，来分析其微观交通流特征，并通过Vissim仿真软件进行建模。建模之后对仿真模型进行校正，检验模型的精度，通过仿真模型的方式尽可能真实的还原实际场景中的瓶颈点现象，精度评价指标如下表所示。

表1-1 微观交通流仿真模型精度评价指标 评价指标 C1(Bottleneck Area Matching) C2(Actual Speed Matching) GEH 速度相对误差 含义 实际与仿真在瓶颈范围（时间和空间上）的匹配程度 反映范围匹配以及实际速度的匹配 由Geoffrey E. Havers提出，旨在比较两组流量数据的匹配程度 <15% >0.70 <5 要求 >0.75

2 快速路交通流特征分析。

2.1 瓶颈点确定

通过绘制武宁路段各检测线圈全天的加权平均速度等高线图，行驶方向为NHNX37向NHNX40方向。根据经验可大致确定瓶颈点的范围。

图2-1 2010年7月15日速度等高线图

图中1:00至5:00的数据较为异常，主要原因可能在于凌晨快速路上行驶的车辆较少，各时间段内没有采集到相应的交通数据，造成该时段出现大量速度为0的点。由于凌晨的交通流随机性较大，不属于瓶颈点的研究范围，故此处不再对这些问题数据进行修复，而直接忽略。由图中可大致看出，典型的瓶颈点大约在9:00时出现，在线圈NHNX40附近，并逐渐扩散至NHNX39、NHNX38，之后从12:00开始短时间内消散，至12:30分消散至NHNX40，刺猬第一段瓶颈点。后一段则很快再次在NHNX40处产生，此次拥堵扩散到NHNX37，并持续至晚间19:30后开始消散，20:00后完全消散。

2.2 瓶颈点起止时间分析

为了清晰的解析瓶颈的形成与蔓延过程，采用变形累计流量曲线对该高架段进行进一步分析，如下图所示。相邻检测线圈间的纵向位移就是累计在相邻检测线圈间的排队车辆。同时为了消除背景流量的影响，各检测器的背景流量q0取相同值，通过各时段、路段的主线流量与匝道流量计算，得到q0=4381 veh/h，计算方法请参考Cassidy等人提出的方法。[]

图中，首先看NHNX37线圈的曲线，该曲线从一开始便偏离其他4个线圈的曲线。根据查阅资料，认为可能的原因在于，内环高架武宁路段NHNX37线圈前方较近距离内存在一个上匝道口，该处车流交织行为频繁，且计算时由于没有该处的上匝道流量，所以在判断时暂且先不考虑NHNX37线圈的曲线。

通过观察剩下的4条曲线，可明显的发现，从9:00开始，NHNX40与NHNX41线圈的曲线发生偏移，即NHNX40线圈与NHNX38线圈之间开始产生瓶颈，并逐渐向上游扩散。大约在11:20分左右，NHNX38线圈曲线与NHNX37曲线之间也开始出现轻微偏移，此时瓶颈点扩散至NHNX37线圈，但偏移现象不严重，即拥堵不严重，并在12：00之后逐渐消散。

内环高架武宁路段变形累计流量曲线 700 600 变形累计车辆数（veh） 500 400 300 200 100 8:30:00 9:00:00 9:30:00 10:00:00 10:30:00 11:00:00 11:30:00 12:00:00 12:30:00 0 -100 -200 -300 -400 NHNX37 NHNX38 NHNX39 NHNX40 NHNX41 N(x,t)-q0*t, q0=4381 图2-2 内环高架武宁路段变形累计流量曲线

3 仿真模型建立

3.1 基础路网建立

参考路段的CAD底图以及实际卫星地图，可绘制较贴合实际的路网模型，并根据实际路宽、路长、车道数等进行设置。

图3-1 内环高架武宁路段CAD图

3.2 车辆组成

本次研究并未对车辆组成做特殊要求，故采取Vissim中默认的车辆组成进行设置，即98%的小车率与2%的大车率。

3.3 流量输入

流量的输入关乎模型的精确程度，流量的时空变化也是瓶颈点形成于消散的一大重要因素。本次研究范围内的线圈流量数据如下表所示。主要包含流量、速度与占有率数据。

表3-1 NHNX37线圈原始数据表（5min）

日期时间 2010/7/1 0:00 2010/7/1 0:05 2010/7/1 0:10 2010/7/1 0:15 2010/7/1 0:20 2010/7/1 0:25 2010/7/1 0:30 2010/7/1 0:35

…

检测器 NHNX37 NHNX37 NHNX37 NHNX37 NHNX37 NHNX37 NHNX37 NHNX37 …

流量 151 128 135 149 125 141 158 150 …

速度 74.029 76.0625 77.39259 74.42282 75.368 68.56738 74.58861 70.79333 …

占有率 4.333333 3.666667 3.666667 4.333333 3.666667 4.333333 4.333333 4.333333

…

本次研究采取的时间颗粒度为5min，故输入的流量与速度数据都以5min为单位，并以瓶颈点的时间范围进行输入，即9:00至12:30(0~12900s)，由于Vissim仿真需要预热时间，且研究时段前1小时内的流量不大，此处设置600s的仿真预热时间，以使得该模型能够达到稳定状态。

同时，该路段一共只有两个进口，即NHNX37与上匝道NHNW-NI-1，故分两个进口进行输入，具体操作过程如下图所示。

图3-2 仿真模型车辆输入

此处0~600s既是仿真模型的预热阶段，此阶段中，路网中的车辆出入持续增加的过程，为不稳定阶段，在度过此阶段进入稳定阶段后，模型的输出指标才具有意义。

同时通过对数据的观察，在流量小，未拥堵的阶段，该路段交通流的速度多处在60km/h~70km/h之间，而系统默认值的期望约为50km/h，两者不相符，故在路段起点附近设置一个期望速度为65km/h的速度分布，速度分布曲线采用系统默认设置。

图3-3 快速路研究范围内期望速度分布

3.4 路径分配

该仿真路段包含了2个下匝道与一个上匝道，即两个进口与两个出口，故应该设置两组路径，分别对应下匝道NHWN-NO-1与下匝道NHZP-NO-1，两条路径的流量比采用下匝道流量与该处的主线流量确定，以5min为颗粒度输入模型。

图3-4 仿真模型路径分配

同时考虑到研究路段距起点不远处就出现下匝道口，该处的连接器换道距离应设置较大一些，让车辆提前换道，防止车辆出现决策距离内无法换道，在匝道口堆积拥堵的情况出现。

图3-5 连接器换道距离设置

3.5 仿真结果输出设置

仿真结果的检验形式有两种，一是对比仿真结果与实际数据的速度等高线图，看两者拥堵区间形状是否一致；二是通过第一章中的评价指标进行计算来判断。所以需要输出主线各检测器处的流量与平均速度，以5min为时间颗粒度，检测器的布设参考CAD图中的检测器位置。并根据各检测器包括的车道对检测器进行分组。

图3-6 研究范围内检测器位置设置

设置好检测器的位置后，对检测器进行分组与输出参数设定，本次仿真主要研究的是瓶颈点现象，故输出的参数主要为主线流量与平均车速，如下图所示。

图3-7 检测器分组设置

图3-8 检测器检测参数设置

设置好之后，仿真运行结束之后就可以通过“.mes”文件查看输出参数。

4 结果输出与参数校正

4.1 驾驶行为参数设置——跟车模型与换道模型设置

微观交通流中车辆的跟车模型与换道模型是最基本的参数，同时也对整个仿真模型的运行效果具有重大影响，各参数的具体含义如下表所示。

表4-1 Wiedemann 99跟车模型以及换道模型参数含义 参数 CC0

名称

平均停车间距

含义

两个停止车辆之间的平均期望间隔距离，没有变量。

参数 CC1

名称 期望车头时距

含义 后车驾驶员对于某一个确定的速度而期望保持的车头时距（单位：秒）。 前后车的纵向摆动约束，是后车驾驶员在有所反应、有所行动之前，所允许的车辆间距大于目标安全距离的部分。

在后车达到安全距离之前多少秒，后车驾驶员开始减速。

控制“跟驰”状态下前后车的速度差。该值越小，后车驾驶员对前车加/减速行为的反应越灵敏 跟驰过程中，距离对后车速度摆动的影响。 摆动过程中的实际加速度 停车启动时的期望加速度。

定义了车辆前方的可视距离，从该距离开始，后车驾驶员能够对在同一路段内的前方或旁边的车辆（在同一路段上）做出反应。该参数是对观察到的车辆数量的补充。

影响路网中的驾驶员如何预测其它车辆运行以及做出相应反应的能力。 允许的后视距离。

后车驾驶员在一段时间内不对前车的驾驶行为（紧急刹车除外）做出反应（除了紧急刹车）。 上限

减速度的变化率（单位为m/s^2）。表示的是最大减速度随着与紧急停车位置之间的距离的增加。 下限

定义了车辆在紧急停车位置等待车道变换空档出现的最长时间。达到该值时，车辆将从路网中消失，同时错误文件中将记录车辆消失的时间和位置。 成功超车所需的前后车间的最小车头间距。

当发生车辆换道时，VISSIM 通过把原始的安全距离x 安全折减系数，降低实际安全距离的值默认的折减系数是0.6，那么通过计算，安全距离值就比初始值减少了40%。只要换道行为结束，安全距离重新恢复到原始的初始值。

当驾驶员允许其他车辆变换到他自己行驶的当前车道上时，需要相应地协调刹车，该值定义了此时驾驶的最大减速度。

CC2 跟驰随机振荡距离

CC3 CC4 CC5 CC6 CC7 CC8 CC9 maxF minF

进入跟驰状态的阈值 跟驰状态的阈值 车速振动 振动加速度 停车的加速度

80km/h 车速时的加速度 80km/h 车速时的期望加速度

前视距离

Ocar maxB minB 持续 概率 maxD Ddis minD timeD Hw

观察到的车辆 后视距离 暂时走神 最大减速度 -1m/s^2距离 可接受的减速度 消失前的等待时间 最小车头空距（前/后）

Safe 安全距离折减系数

cD 协调刹车的最大减速度

同时，参考前人的研究成果，上表中的各参数相关说明与范围如下两表所示。

表4-2 参数相关说明

参数 名称 备注

该值越大，说明驾驶员越谨慎。当给定一个速度v[m/s]时，平均安全距离dx_safe 的计算公式为：dx_safe = CC0 + CC1 * v。模型中定义的安全距离是指后车驾驶员跟驰时保持的最小距离。当流量很高时，这个距离对于通行能力具有决定性的影响。

例如，如果将该值设为10m，那么前后车的距离将维持在dx_safe 和dx_safe+10m 之间。系统的默认值为4m，这将导致一个稳定的跟驰过程。

速度差为负时，使用CC4；速度差为正时，使用CC5。两者的绝对值必须一致。 受加速度曲线中的最大加速度

最大：允许的前视最大距离。在少数情况下，需要增大该值，（如铁道路线建模时，如果信号和车站需及时验证的时候）。

最小：该值对横向驾驶行为的建模非常重要。对于多辆车辆相互排队时（例如自行车），需要增大该值。该值的大小取决于接近的速度，在市区该值为20-30m（60-100ft）。如果允许在同一车道内超车的话，必须增大最小值。 由于一些路网元素（比如慢行区域，信号控制）在程序内部是以车辆的形式建模的，因此建议，如果路网中短距离内存在几个交叉口以及这些路网元素的话，有必要增加该数值。但是，数值越大，仿真速度越慢。

该值对横向驾驶行为的建模非常重要。尤其在多辆车辆相互排

队时（例如自行车），需要增大该值。该值的大小取决于接近的速度，在市区该值为20-30m（60-100ft）。 这两个参数值越大，相应路段的通行能力越低。 表4-3 参数取值范围

CC1 期望车头时距

CC2 CC4 CC5 CC8 CC9 maxF

跟驰随机振荡距离

跟驰状态的阈值 停车的加速度 80km/h 车速时的加

速度

前视距离

minF

Ocar 观察到的车辆

maxB minB 持续 概率

后视距离

暂时走神

参数 CC0 CC1 CC2 CC3 CC4 CC5 CC6 CC7 CC8

名称

平均停车间距 期望车头时距 跟驰随机振荡距离 进入跟驰状态的阈值

跟驰状态的阈值

车速振动 振动加速度 停车的加速度

取值范围 0.5~5.5 0.5~4 0~10 -20~-5 0~2 1~21 0.1~2 1~10

参数 CC9 maxF minF Ocar maxB minB 持续 概率 maxD Ddis minD timeD Hw Safe cD

名称

80km/h 车速时的加速度

前视距离 观察到的车辆

后视距离

取值范围

0.5~4 10~100 0~20 1~6

不作研究

暂时走神 最大减速度 -1m/s^2距离 可接受的减速度 消失前的等待时间 最小车头空距（前/后）

安全距离折减系数 协调刹车的最大减速度

1~11 10~200 0.5~3 30~180 0.2~2.2 0.05~0.5 -10~-5

4.2实验设计

根据4.1小节中对相关参数的分析，本次实验主要针对跟车模型中的CC0、CC1、CC2、CC4、CC5和换道模型中安全折减系数（Safe）和协调刹车最大减速度（cD）进行调整，先通过控制变量法观察每个参数对仿真模型中交通流的影响，再结合不同的参数对模型精确度进行校正。本文就参数校正做了大量实验，此处仅选取14组来分析。

表4-4 参数校正模型参数设置 编号 Default 1 2 3 4 5 6 7 8 9 10 11 12 13 14 参数设置 CC0 1.5 1.7 1.3 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.3 1.3 1.5 1.3 CC1 0.9 1.3 0.7 0.9 1.1 0.9 0.9 1 0.8 0.8 0.8 1.1 1.1 0.8 0.8 CC2 4 4 4 4 4 4 4 3 4.5 4.3 4.3 2 2 4 4 -CC4/CC5 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 Safe 0.6 0.2 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.2 0.3 0.4 0.4 cD -3 -6 -3 -3 -3 -10 -6 -6 -6 -6 -6 -3 -3 -6 -6 需要说明的是，第八组与第九组之间，发现上匝道处连接器的换道距离距汇入口太近，导致2条车道的匝道汇入1条车道时会造成一条匝道车道极为拥堵，故进行了调整，所以两

组的参数设定值保持不变。在参数校正的过程中，通过对参数的设置与仿真模型的观察，不断发现一些路网或是参数设置的小问题，故不断进行调整，路网及参数标定请以最终模型为准。

4.3 参数评价方法

仿真结果的验证主要有两种方法，在上文中已经提到，分别通过contour图与评价指标来进行验证，以检验是否符合要求。

本文主要参考Ban, X., Chu, L., and Benouar, H.[2]等人提出的微观交通流仿真评价指标来进行验证。主要指标有C1、C2、GEH与Dev.S，该评价指标的大致含义在本文第一章中已有介绍。同时针对contour图，这里需要引进二进制速度时空的概念，即BS(i,t)，其含义为t时刻i检测器平均速度值的二进制形式，有：

S(i,t)的含义为t时刻检测器i处的平均速度值，Vth为拥堵阈值，小于Vth则认为该时空中快速路发生了拥堵，本文中Vth取50km/h。上式反映了整个快速路时空图中的道路拥堵情况与范围。组要指出的是，Ban, X., Chu, L., and Benouar, H.等人认为，连续拥堵中出现的短时间流畅是不合理的，即在平均速度二进制图中，需要消除被“1”包含的“0”点，判别方法为，但“0”点的前后2个时刻，共4个时刻的平均速度二进制值为“1”时，该“0”点应转变为“1”。

根据上述定义，我们可以通过公式对4个评价指标进行计算，其中C1、C2越大越好，Dev.S、GEH越小越好，具体定义如下：

C1是一个表征瓶颈范围匹配的指标，反映了实际与仿真在瓶颈范围（时间和空间上）的匹配程度（Bottleneck Area Matching），若C1=1则意味着实际与仿真的瓶颈区域是完全匹配的，其表达式如下:

比C1更进一步，C2不仅反映范围匹配，还对于实际速度的匹配也进行了比较（Actual

Speeds Matching），若C2=1则意味着实际与仿真的瓶颈区域和速度值是完全匹配的，其表达式如下：

对于C1和C2的表达式进行说明，其中 ( , ( , )代表交集，即内部元素相乘

计算， ( , ( , )代表并集，即内部元素相加计算， + 代表两个线圈位置的差值，本文中根据实际地图与资料，从NHNX37线圈至NHNX41的距离分别为700m，600m，570m，500m，500m。

另外，参考Ban, X., Chu, L., and Benouar, H.等人的文章，这里还将提出GEH和devS两项指标，分别对应流量和速度，均为按时间和空间范围给出矩阵，即GEH(i, t)和devS(i, t)，具体含义如下。

GEH表达式如下：

其中，E表示仿真模型的流量，V表示实际测得的流量。GEH是美国联邦公路管理局（Federal Highway Administration，简称FHWA）提出的一个仿真模型指标，由Geoffrey E.

Havers提出，故名。旨在比较两组流量数据的匹配程度，越小越好，是一个经验性的指标。

devS表示速度的相对误差，公式如下：

需要指出的是，GEH需要取流量误差矩阵中85%的分位值，应去除之后15%偏差较大的值后计算平均值。同理，Dev.S计算之后也应筛除15%偏差较大的值，去85%分位值之前的值做均值计算。上述4个评价指标均通过Matlab编程实现，此处不再做详细说明。

4.4 缺省参数模型

模型建立好后，首先根据根据缺省的快速路跟车模型进行仿真，默认参数参数如下。

图4-1 缺省跟车模型参数

图4-2 缺省换道模型参数

首先，我们采用contour图来直观对比，即SCM（Speed Contour Map），每个点以S(i,t)来表示，表示t时刻i检测器位置的平均速度。如下图所示，分别为研究时间与空间内真实数据与缺省参数的速度等高线图。

图4-3 研究时空范围内的真实速度等高线图（左）与仿真速度等高线图（右） 可以明显看出，在研究的时空范围内。可以明显的看到瓶颈点的产生，约9:30左右在NHNX40处产生，并逐渐扩散到NHNX39与NHNX38，并在12:00左右开始消散，是一个典型的瓶颈点产生于消散的过程。但从缺省参数的仿真SCM图看来，只有NHNX37线圈生拥堵，并从9:00持续到12:30，与实际情况不符。通过对路网仿真的观察，主要原因在于NHNX37处为3车道，且前方近距离内有下匝道，该下匝道连接器的换道距离设置过短，导致下匝道处车流交织过于混乱，造成严重拥堵。故在之后的模型中，我们队路网进行了优化，将换道距离调整为700m，使车辆提前换道准备，跟贴近真实情况。

该缺省参数模型下的4个评价指标如下表所示。

表4-5 缺省参数模型评价指标 编号 评价指标 C1 C2 GEH Devs CC0 CC1 0.9 4 参数设置 CC2 -CC4/CC5 Safe 0.35 0.6 cD -3 Default 27.54% 26.22% 2.9099 31.41% 1.5 4.5 参数校正模型

4.5.1 最优参数校正模型

根据大量的参数校正实验以及对路网小问题的优化调整，力求尽可能的还原真实的快速路瓶颈点现象，本文选取了14组参数校正实验，其中较好的参数设置图下图所示。

图4-4 参数标定模型的跟车模型参数设置

图4-5 参数标定模型的参数设置

第14组数据在经过路网、跟车模型与换道模型调整后，评价指标较为合理，且车流行为较贴近实际情况，虽然评价指标并未高于部分实验组，但仍作为最终的标定模型。两者的SCM图如下图所示。

图4-6 研究时空范围内的真实速度等高线图（左）与参数校正仿真速度等高线图（右） 图中可以看出，两者的大致轮廓较为相近，颜色的差别主要由于colorbar造成，对数据质量的影响不大。仿真模型基本反映了瓶颈点产生的过程，略微不足的在于消散过程并未能够完全仿真出来。可能的原因仍在于NHNX37线圈附近的下匝道处由于车流量的增加，导致下匝道车辆无法提前换道，造成拥堵无法消散，导致拥堵的继续扩散。

从评价指标来看，具体指标数值如下表所示。可以看到，评价指标基本满足要求。

表4-6 参数校正模型评价指标 编号 14 评价指标 C1 C2 GEH Devs CC0 CC1 0.8 75.48% 63.59% 0.7969 13.48% 1.3 4 参数设置 CC2 -CC4/CC5 Safe 0.35 0.4 cD -6 4.5.2 其余参数校正模型

其余的参数校正模型SCM如下图所示。

实验1 实验2 实验3

实验4 实验5 实验6

实验7 实验8 实验9

实验10 实验11 实验12

实验13 实验14

图4-7 其余参数校正模型的SCM对比图

表4-7 其余参数校正模型的评价指标

编号 1 2 3 4 5 6 7 8 9 评价指标 C1 C2 GEH Devs CC0 CC1 1.3 0.7 0.9 1.1 0.9 0.9 1 0.8 0.8 32.09% 38.81% 1.6328 30.28% 1.7 47.60% 40.81% 0.6916 11.24% 1.3 76.53% 63.18% 0.8092 12.67% 1.5 59.67% 40.66% 1.27 22.03% 1.5 84.82% 62.76% 0.5752 12.21% 1.5 88.21% 66.81% 0.7012 10.91% 1.5 72.55% 62.41% 0.6140 10.17% 1.5 76.00% 65.09% 0.7976 12.62% 1.5 78.56% .99% 0.6555 12.63% 1.5 4 4 4 4 4 4 3 4.5 4.3 参数设置 CC2 -CC4/CC5 Safe 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.2 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 cD -6 -3 -3 -3 -10 -6 -6 -6 -6 10 11 12 13 14 65.92% 57.48% 1.4230 19.29% 1.5 78.87% 62.09% 0.5347 13.92% 1.3 80.91% 60.46% 0.6148 13.96% 1.3 67.30% 56.43% 1.0843 18.05% 1.5 75.48% 63.59% 0.7969 13.48% 1.3 0.8 1.1 1.1 0.8 0.8 4.3 2 2 4 4 0.35 0.35 0.35 0.35 0.35 0.6 0.2 0.3 0.4 0.4 -6 -3 -3 -6 -6 从其余参数校正模型来看，实验3、5、6、8、9的仿真评价指标也比较不错，但由于在实验参数校正过程中对模型的路网进行过些许调整，上述5组的实验模型没有及时保存，不过从该结果可以看出，在微观交通流仿真中，路网的建立较参数设置更为关键，合理的路网建立、路径设置都会对仿真结果造成直接影响，而本次实验中由于CAD底图较为模糊，在建立路网时很多细节没有严格贴合实际情况，对后续的参数校正造成了部分影响。

5 小结

本文主要利用了上海市内环高架武宁路段2010年7月15日的线圈数据，对该路段瓶颈点进行了变形累计流量曲线的分析，识别瓶颈点的产生与消散。之后通过Vissim仿真软件，建立该路段的仿真模型，对车辆输入、路径分配等基础参数进行了标定，并结合前人的研究成果采用了4个仿真模型精度的评价指标，结合SCM图对武宁路瓶颈点的现象加以仿真，同时通过参数校正，调整模型的精度，结果较为令人满意。但仿真过程中也遇到一些问题，如路网的精确建立，参数校正的方法等，经过此次仿真实验，加深了我对微观交通流仿真的认识，也意识到了路网搭建、模型参数校正的重要性，对未来的学习与研究奠定了基础。

最后，感谢老师的精彩授课与指导，也感谢其他同学的帮助，使得能够顺利完成该实验。

参考文献

[1] Cassidy M J, Windover J R. Methodology for Assessing Dynamics of Freeway TrafficFlow. Transportation Research Record. 1995(1484): 73-79.

[2] Ban, X., Chu, L., and Benouar, H. (2007a) Bottleneck Identification and Calibration for Corridor Management Planing[J]. TRR 1999, 40-53