一、前言

在前三期VISSIM二次开发文章中，我们着重介绍了VISSIM二次开发的“可视”部分内容，包括对VISSIM路网对象的操作以及检测数据的实时采集等，从本期开始，我们将介绍VISSIM二次开发的“可控”部分，即将控制算法嵌入仿真运行过程中，在实时检测的基础上模拟在线控制。本期我们将结合一个简单的路径诱导案例进行介绍，详细的代码会在下期上传至百度网盘。

二、路径诱导算法

国内外关于路径诱导的研究很多，尤其是涉及到网络问题时显得很复杂，在这里我们介绍较为简单的诱导模型。一般而言，用户对一条路径的选择概率取决于这条路径的实际费用（费用的概念通常可以用行程时间等表示）和用户理解的误差项，诱导的本质就是减少用户理解的误差项，引导用户尽可能选择费用最低的路径。

在处理网络层级的诱导问题时，往往需要和交通流分配算法相结合，为了将流量合理均衡地分配到路网上，一般的分配过程可以描述如下。

图1交通流分配流程

由于本文中以包含两条可选路径的路网作为案例进行分析，故可不考虑路网流量加载(DNL)的具体细节，采用较为经典的Logit模型作为路径选择模型。对于路径的费用计算则采用路径行程时间比上所有路径平均行程时间的形式来代替，路径选择模型如式1所示。

（1）

式中，P（i）为第i条路径被选择的概率，T（i）代表第i条路径的行程时间，m为所有路径总数，费用系数取1.

路网拓扑结果如图2所示。从不同起点到终点j的流量经由节点n时分成两股，正常情况下大多数车辆选择的路径称为主路径，另一条为可选路径。节点分流比就是指选择主路径的比例。

图2简单路径选择路网模型

我们在VISSIM中建立如图2所示的路网模型（为了模拟拥堵效果，在两条路径上分别加入一条对称的入口匝道），在主路径和次路径上分别布设行程时间检测器，主线车辆输入为veh/h,匝道车辆输入各veh/h。如图3所示。

图3VISSIM路网模型

正常情况下，图3中所示主、次路径的行程时间基本相同，可理解为用户选择两条路径的概率均为50%（对于正常情况下的稳定路网而言，车辆在节点的分流比例可视为最优分流比），假设主路径的行程时间因事故、天气或大型活动影响等原因突然提升，而用户并不知情且依旧按照平时的习惯进行路径选择，则可能造成路网整体效益的下降；另一方面，假设用户获取到了路况信息（通过手机导航、可变情报板等），却全部选择了次路径，则可能因为流量过大导致次路径通行能力降低，也不利于整体路网效益的提升，实际上当前的手机导航、可变情报板、车载广播等设施，大部分只做到了发布“陈述性”信息，即仅告知用户路网状态而没能从网络均衡角度诱导用户选择路径。

假设在图3所示路网分流节点处设置一块可变情报板（VMS），控制系统能够实时检测路径行程时间及节点实际分流比，同时根据Logit模型计算得出节点最优分流比，则可据此计算得出VMS的信息切换频率（一个周期内指向主次路径的时间比例）并诱导不同比例的车辆选择主次路径。具体技术细节可参考文献[1]。如图4所示为整个VMS诱导控制的原理框架。

图4VMS诱导控制原理图

三、VISSIM决策点分流比

介绍完路径诱导算法后，本节介绍如何在VISSIM二次开发中实现这一算法并验证其效果。关键的问题在于如何实时获取VISSIM的决策点路径分流比并改变该分流比值，获取VISSIM决策点分流比的代码语句如下。

注：RoutingDecisionValue()函数的功能就是返回指定决策点的主、次路径分流比。

我们将控制算法写在VMSControl()函数里头，实现路径费用及最优分流比的计算，同时改变VISSIM决策点的分流比。

注：最后两行为设置VISSIM决策点分流比语句。

VISSIM决策点的分流比不能设置为小数，软件界面如图5所示，读者先行可以尝试通过C#平台读取（更改）分流比，再进行复杂操作。

图5VISSIM决策点分流比设置

四、案例分析

本文中以图3路网为例，设定仿真秒，检测周期50s，同时设置四个场景来检验诱导算法的控制效果（假定用户对VMS信息的遵从率为1）：

：路网节点分流比为0.8，即主路径承担80%交通量，次路径承担20%交通量，不采取任何控制措施。

：路网节点分流比为0.8，采取VMS诱导控制措施。

：路网节点分流比为0.5，主路径在~仿真秒发生车速降低事件（所有在主路径上的车辆车速降低，用以模拟雨、雪等天气影响）；次路径在~仿真秒发生车速降低事件，不采取任何控制措施。

：在场景三的基础上采取VMS诱导控制措施。

我们将通过实时获取的路径行程时间、节点分流比、路段车速等参数对VMS诱导控制的过程进行分析，并通过比较常见的路网总运行时间（totaltimespend）和路网总运行里程（totaltraveldistance）对VMS诱导控制的控制效果进行评价。

提示：请大家注意以下图片中主次路径的颜色==

（1）场景一分析

在初始设置分流比的作用下，80%的车辆选择了主路径行驶，如图6（a）所示，主、次路径的行程时间如图6（b）所示。显然，主路径的平均行程时间要大于次路径，换而言之，大部分车辆选择了一条更慢的道路。

（a）

（b）

图6主、次路径分流比及行程时间（无控制）

（2）场景二分析

在初始分流比为0.8的情况下，我们采用VMS诱导控制对节点分流比进行调节，节点分流比及主、次路径行程时间如图7所示。图7（a）中，VMS控制的节点分流比在初期震荡后达到了均衡（这也符合自由流情况下两条路径行程时间接近的设定），图7（b）则反映了两条路径的行程时间在VMS诱导控制影响下基本趋同。

（a）

（b）

图7主、次路径分流比及行程时间（VMS诱导控制）

比较两种场景下的路网运行指标，如图8（a）所示为路网总运行时间。VMS控制下的路网总运行时间相较于不采取控制措施降低了2小时（提高6%），总行驶距离则增加了km（提高7%）。

（a）

（b）

图8路网总运行时间及行驶距离指标（场景一、二对比）

（3）场景三分析

通过设定车速降低的事件场景（如图10）来检验VMS诱导控制算法的使用效果，如图11所示为事故场景下的主、次路径行程时间，此时不采取任何控制措施（节点分流比始终为0.5）。

（a）

（b）

图10路径车速降低事件

注：图（a）中为次路径车速降低，所有车速控制40km/h且颜色全部变红，主、次路径交替发生此事件。

图11车速降低事件条件下主、次路径行程时间（无控制）

（4）场景四分析

在场景三的基础上采用VMS诱导控制，节点分流变化如图12所示。可以清晰地看到，当主路径发生车速降低事件时（~s），其路径行程时间增加导致对应流入交通量迅速下降，同理，次路径发生交通事件也导致了相应的流入量变化。

图12车速降低事件条件下主、次路径分流比（VMS诱导控制）

车速降低事件条件下，有无VMS诱导控制措施的路网运行效率对比如图13所示，路网总运行时间降低了1.5h，总行驶距离提高了10km，改善效果相对场景一、二而言不是很明显，究其原因可能是主、次路径事件发生间隔时间太近，路网一部分车辆刚转移到另一路径上又遇上了车速降低事件。如果将研究范围扩展到更大范围的路网，则VMS诱导控制对路网效率的提升将相当可观。

（a）

（b）

图13路网总运行时间及行驶距离指标（场景三、四对比）

五、总结

本期主要围绕一个简单路网案例进行VISSIM二次开发中诱导控制算法的介绍，实现该功能的关键就在于周期性读取VISSIM决策点分流比并根据路径选择分流比进行更改，需要注意的是：

（1）本文将最优分流比和路径选择概率划上了等号，实际上两者完全不是一个概念，最优分流比需要通过动态交通流分配算法(DTA)获取，而路径选择模型只是DTA的一部分（本文中使用的是最简单的Logit选择模型，甚至没有考虑路径重叠系数，有兴趣的读者可以参考文献[1]），只不过因为我们的案例路网只涉及到两条路径的选择，所以在数值上二者相等。换而言之，动态交通流分配才是实现诱导控制的关键所在，希望研究网络配流的同行能够提出好的意见。

（2）理论上我们可通过切换诱导信息的频率，改变不同信息的显示时间来实现在一个周期内让不同比例的驾驶员选择不同路径，这个过程中还要考虑到最小切换时间等技术细节，具体可参考文献[1]。

参考文献

[1]常云涛.高速公路网动态OD矩阵估计及匝道与路由协调控制研究[D].同济大学,4.

[2]PapageorgiouM.Dynamicmodeling,assignment,androuteguidanceintrafficnetworks[J].TransportationResearchPartB,,24(6):-.

[3]FooS,AbdulhaiB,HallFL.ImpactsofchangedCMSmessageontrafficdiversionrates[J].JournalofTransportationResearchRecord,9,:11.

[4]HorowitzAJ,WeisserI,NotbohmT.Diversionfromaruralworkzonewithtraffic-responsivevariablemessagesignagesystem[J].JournalofTransportationResearchRecord,3,:23.