交通事件下排队车辆数和总延误计算模型研
究
董国华左友兰
摘要：为描述交通事件后导致拥挤交通流中的排队现象，分析预测交通流的时空影响。根据
流量守恒定律和交通波波速公式，提出了排队车辆数和车辆总延误定量计算的一个新模型。
将事件后交通流的发展划分为三个时间阶段，推导出道路堵塞时各相应时间段交通变量动态
计算公式。同时分析了交通事件影响因素除了事件本身的严重性外，事件的清理时间是决定
事件瓶颈处车辆排队第二位的影响因素;以及交通事件时空发展模型与事件自动检测两者之
间相互影响、互为因果的关系。最后用应用算例对该模型的有效性进行验证，结果表明，数
据符合实际情况，排队车辆数随着事件持续时间增加呈分段线性变化，而所有排队车辆的总
延误随着交通事件处理时间的增加呈二次平方变化。此模型可作为交通管理控制部门对交通
事件发生后制定合理救援措施的理论依据。
关键词：交通事件;影响因素;交通流;排队车辆数;总延误;模型分析
TP399
：A
1引言
近年来，由于我国机动车越来越多，人、车、路等矛盾也越来越突出。在高速道路上，交通
事故、车辆故障、货物散落、大货车占道、修路养路、路边停车、流量激增等交通事件是造
成偶发性交通拥堵的主要原因，尤其是在节假日，事件发生后导致车辆排队现象在交通运输
系统中随处可见。交通事件发生后，原交通流的车流量会发生改变，车流量的波动甚至会传
播到其它相邻的道路上去。因此，交通事件对交通流的定量影响一直是一个倍受各方关注的
问题。特别是事件发生后，排队车辆数和总延误随时间如何增长，与事件特性如交通流量、
车道数、事件处理效率等有何关系，对交通流预测、事件预警以及交通管理和控制都有重大
意义[1]。
国内外很多研究者一直致力于排队现象的分析和交通流参数预测。上世纪70年代，日本
Akaike提出的Akaike信息准则（AkaikeInformationCrite-na，AIO经过各国大量实践证
明，对交通流的预测精度在70%-800/0。阿里巴巴的WanliMin[2]采用半鞅理论、网络交通
模型、基于高德地图实时数据和历史数据对交通流预测准确率稳定在91010以上。Guo
Huan[3]等人研究成果为基于灰色模型的短时交通流预测方法，充分考量了交通流的非线性
以及延迟特征。HaniS.Mahmassani[4]等人研究探讨了在大规模复杂城市严重堵塞街道网中
交通流极限关系性能，包括“死锁”的形成、传播、恢复、大小等。此拥堵现象的特点暂时
很少人关注，是比较新颖的一个问题。TreiberM.、KestingA[5]提出了一个新的跟车理论
动力学模型，微观与宏观变量相结合，该模型可以很好地模拟交通流拥堵、拥堵疏散、走走
停停现象和幽灵幻象等状况。王殿海[6]等人针对双向两车道路内停车路段，分流量较大和
较小两种情况建立了相应的延误影响模型，并利用VISSIM仿真软件模拟数据对模型进行了
验证。张晶晶[7]用交通波理论研究交通事故直接影响范围，用节点联系强度建立事故上游
车辆绕行计算模型来研究间接影响范围。曹志远[8]等人基于交通事故下采取限、分流措施
分析了交通波的影响，得到了交通流演变过程中的扩展时区、稳定时区、启动时区，三个时
区的时空影响范围。胡继启等[9]利用海量收费数据有效计算出相邻两个收费站之间路段上
的拥堵初发点位置和初发时刻，此文研究属于事件检测范畴，与本文交通事件时空发展模型
相互影响、互为因果的关系。
综上所述，道路发生交通事件导致拥堵后，很多学者只是定性分析交通变量，而事件具体的
发展过程如何，与事件特性、事件处理效率等因素有何关系，相关受影响的变量随时间变化
的定量规律等很少有研究者关注，目前极其缺少此类问题的解决方案。因此，本文以道路公
路基本路段（一條道路）和收费站匝道与一条主干道（两条道路）发生交通事件为例，分析
事件具体的发展过程与影响，以及交通事件发生后不同时间段内事件点各交通变量动态计算
模型，分析事件发生与事件检测两者之间有何关系，用于以后进一步的突发事件下交通流预
测工作。
2交通事件影响的三个时间阶段分析
由于交通事件的发生时间和发生地点是随机的、不可预测的，因此很难采取控制交通需求或
提高道路通行能力等对策来处理，解决问题的重点在于及时发现事件，准确评估事件性质，
迅速实施应对措施，并立即向其他司机通告事件情况，从而对事件实现快速、高效、恰当的
处理[10]。
交通事件发生后，对于较小的事件，如只是轻微的刮擦，在不对交通运行造成影响的前提下
可不进行处理，