面向智慧城市可持续出行的城市铁路道口交通性能评估分析方法

《Smart Cities》：An Analytical Approach to Evaluating Traffic Performance at Urban Railway Level Crossings for Sustainable Mobility in Smart Cities Wojciech Kazimierz Szczepanek and Maciej Kruszyna

　　

非周期性的、不规则的城市铁路道口关闭会造成交通中断，这些中断无法使用标准交叉口分析方法直接评估。铁路道口以不规则、非周期性的间隔中断道路交通，然而尚无专门的分析方法用于估算其交通影响。微仿真工具（Microsimulation）如PTV Vissim和SUMO可支持此类分析，但需进行建模调整以真实反映非周期性关闭。研究人员提出一种分析性替代方案，基于改编自《公路通行能力手册》（Highway Capacity Manual, HCM）原则的波兰法规中对信号交叉口的通行能力计算流程。该方法可提供最大排队长度和平均时间损失的近似估计。研究人员将波兰弗罗茨瓦夫（Wroc?aw）收集的实测数据与Vissim和SUMO的结果进行了比较。尽管该分析模型支持对铁路道口交通性能的初步评估，但其输出依赖于简化假设和有限的实证校准。该方法旨在作为补充工具，而非详细微仿真的替代。

**论文解读：城市铁路道口交通性能的分析评估方法**

**1. 研究背景与问题**
铁路道口（railway level crossing）是道路与铁路系统共享物理空间的关键节点，其关闭事件具有不规则与非周期性特点，导致车辆排队和延误，且无法用标准交叉口分析方法直接评估。现有研究主要集中于安全、驾驶员行为及铁路网络宏观建模，缺少专门用于估算道口交通影响的分析方法。随着波兰铁路基础设施复兴计划增加列车频率，城市道口处的道路交通中断更加频繁，引发排队传播至相邻交叉口、破坏信号协调、降低公共交通可靠性等连锁问题。为实现智慧城市（Smart Cities）的可持续出行（sustainable mobility），需开发一种适用于非周期性关闭的分析工具，以支持初步评估和规划决策。

**2. 研究内容与结论**
研究人员提出一种分析性方法，基于波兰法规（源自《公路通行能力手册》Highway Capacity Manual, HCM）的信号交叉口容量计算程序，经改编后用于估算铁路道口处的最大排队长度（maximum queue length）和平均时间损失（average time loss）。在波兰弗罗茨瓦夫（Wroc?aw）等地收集实测数据，并与微仿真工具PTV Vissim和SUMO的结果进行比较。研究表明，该方法在多数情况下与实测数据吻合度较好（西方入口偏差7–11%），但部分高变异案例中所有方法均出现明显偏离。该框架作为补充工具，为早期规划阶段提供透明、计算简单的参考，而非替代详细微仿真。论文发表在《Smart Cities》。

**3. 关键技术与方法**（不超过250字）
研究方法包括三个主要部分：
- **分析性方法**：基于波兰法规[34]（源自HCM）的信号交叉口容量计算程序，通过引入等效周期（T）和队列卸载时间（T_r）参数，将非周期性铁路关闭转化为可用分析框架。关键公式包括有效绿灯时间比例（λ）、通行能力（C）、负荷度（X）、平均时间损失（d）及95%分位最大排队长度（K_m95），其中T_r与排队长度L_k的经验关系为G_e=0.3133×L_k^1.0591。
- **实测数据**：在Wroc?aw（So?tysowice区、Swojczyce区）及O?awa、Nadolice Wielkie、?widnica等波兰城市，使用ODOMETER手动测量高峰时段的车流量、关闭时间与最大排队长度，共采集西方与东方入口各5组数据。
- **微仿真建模**：使用PTV Vissim（2021版，SP13）和SUMO（1.21.0版），基于OpenStreetMap导入道路网络，采用默认城市参数（Wiedemann跟驰模型、Krauss模型）及固定周期信号逻辑，将列车关闭建模为临时链路阻塞，每个场景仿真3次。

**4. 研究结果**
**4.1 西方入口（Western inlet）**
通过比较实测、分析方法和SUMO仿真结果，案例1–4中最大排队长度偏差为7–11%，PTV Vissim在案例2–4中低估24–38%。案例5所有方法均与实测显著偏离。平均时间损失方面，分析方法与PTV Vissim在案例2–4中偏差4–10%，案例1和5偏差较大（45%和22%）。

**4.2 东方入口（Eastern inlet）**
实测排队长度与分析及仿真结果分歧较大。案例1中PTV Vissim偏差27%，SUMO偏差41%，分析方法居中；案例2中SUMO偏差35%，分析方法偏差51%；案例3中PTV Vissim偏差24%，分析方法偏差53%；案例4中SUMO结果与实测一致，分析方法偏差31%；案例5中分析方法偏差显著，但PTV Vissim与SUMO结果一致。平均时间损失方面，分析方法在案例2–5中处于两者之间，案例1中最低（低于SUMO 16%，低于PTV Vissim 30%）。

**5. 讨论与结论**
讨论指出，三种方法均存在局限性：实测仅捕捉少数交通状态，微仿真需特定调整才能反映非周期性关闭，分析模型依赖简化假设和有限标定。分析方法在城市环境中表现合理，但极端条件（如连续列车到达）下需借助详细仿真。结论部分翻译如下：
在其明确界定的范围内，所提出的框架提供了一个透明且可重复的分析基线，可支持铁路道口的早期评估，而更详细的仿真或优化研究仍是高级分析的补充步骤。本研究提出一种评估铁路道口交通性能的分析方法，通过改编波兰法规中最初为信号交叉口开发的程序（源自HCM概念）。该方法提供最大排队长度和平均车辆时间损失的近似估计，为评估铁路关闭对城市道路交通的运营影响提供了结构化手段。实测与分析及仿真结果的比较显示，每种方法对关闭持续时间、交通流量变化及队列消散动态的敏感性不同。分析方法虽不如仿真详细，但在多数情况下结果合理，但也存在偏差，这与简化假设和有限标定有关。该方法应视为指示性工具，特别适用于城市建成区，其假设更符合实际交通行为。研究强调整合分析、实证与仿真方法的重要性，为智慧城市交通系统中的可持续出行规划提供决策支持。未来工作可完善分析公式、调整服务标准并制定道口建模指南。在实际中，该方法可用作筛选工具，当指标超限或多方法结果差异大时，建议进行详细仿真。本研究未获得任何公共、商业或非营利部门的具体资助。