摘要：为解决某景区小镇经中路—纬中路的交通拥堵与节假日车位短缺问题,本文以该区域交通网络为研究对象,提出了车流量分析、信号配时优化与应急车位估算的集成方法。该方法通过Python可视化,对各路口日车流量进行分析,划分6个差异时段；以时间差推理法估算各时段路口直、左、右、掉头四相位小时车流量；用遗传算法优化两条主路交叉口48组红绿灯配时；借助自定义规则分析五一黄金周的临时车位需求。研究结果表明,该方法成功实现了车流量时段划分与流量估算,完成了信号灯配时优化并由此显著提升了路网通行效率,同时精准测算出满足应急需求的临时车位数量。该方法为研究区域日常交通流量管控提供了科学支撑,其形成的信号配时与车位规划方案为节假日高峰时段的交通疏导提供了切实指导,更为同类景区小镇的交通综合治理提供了借鉴。

　　关键词：遗传算法；时间差推理法；数据可视化；Python

　　0引言

　　随着城市化进程加快与机动车保有量激增,道路交通拥堵成为制约区域经济发展、降低居民幸福感的关键问题,即便非中心城市及景区小镇也深受其扰。本文研究对象为某景区小镇核心交通网络—经中路（环北路至环南路,全长约1.8公里）与纬中路（环西路至环东路,全长约3.5公里）,两条主路共设12个交叉口,均配备监控设备,记录了2024年4月1日—5月6日期间车辆的拍摄时间、地点、行驶方向（北往南、南往北、东往西、西往东四相位）及车牌号等数据。该景区小镇核心交通网络示意图及交通监控数据来源于“2024年高教社杯全国大学生数学建模竞赛赛题”[1]E题。该区域交通组成复杂,涵盖本地居民出行、过境交通及景区游客车流,其中游客车辆为寻找停车位的低速巡游行为进一步降低了通行效率；监控数据存在局限性,无法直接判定车辆通过停车线后的转向（直行、左转、右转、掉头）；沿途建筑物停车场的车辆驶入或驶出导致主路车流存在“突然增减”现象,为交通流量分析与管控带来了挑战。

　　本研究旨在针对景区小镇交通的特殊性,解决三大核心问题：（1）基于车流量差异划分时段,精准估算经中路—纬中路交叉口各时段四相位下直行、左转、右转及掉头的车流量；（2）优化两条主路12个交叉口的红绿灯配时方案,在保障通行秩序的前提下最大化车流平均速度,缓解拥堵；（3）基于五一黄金周交通数据识别巡游车辆,估算满足应急需求的临时征用车位数量,应对节假日车位短缺问题。

　　前人在交通管控领域已积累诸多实践方法：交通流量时段划分作为管控基础,多采用可视化分析、K-mean聚类等手段挖掘时段差异特征[2]；而在转向流量估算中,因监控数据常难以直接获取转向信息,时间差推理法、轨迹匹配法等间接模型被广泛应用,通过相邻交叉口车流关联性反推转向流量[3],但现有研究多适配城市主干道,对景区小镇“日常交通+游客车流”叠加场景及巡游车辆引发的流量波动适配不足。在交叉口信号配时优化方面,遗传算法凭借全局搜索强、适配多约束的优势,成为多交叉口协同配时的常用工具[4],粒子群算法、模拟退火算法[5]等也通过构建以车流速度、延误时间为目标函数的模型实现配时动态调整,但相关研究多聚焦单一优化目标,对景区小镇“节假日高峰与日常通行需求差异大”的特点关注不够,缺乏一体化管控与应急疏导方案。巡游车辆识别与车位需求估算领域,前人多通过车速阈值、轨迹重复度等自定义规则识别车辆,车位估算则发展出基于地理数据的方法[6],但现有方法对景区黄金周突发客流的应急车位估算精度不足,尚未形成适配“临时征用”的实操方案。为此,本研究借助数学建模针对性设计技术路径：通过Python可视化分析路口日车流量,划分6个差异时段；采用时间差推理法估算各时段直、左、右、掉头四相位小时车流量；运用遗传算法优化两条主路交叉口48组红绿灯配时；借助自定义规则分析五一黄金周临时车位需求,形成节假日应急管控的全流程解决方案。

　　为便于后续建模工作的开展,现对本模型涉及的符号含义作如下说明。

　　xi,i=1,2,…,9表示纬中路上从左到右的9个交叉口；

　　yi,i=1,2,…,4表示经中路上从上到下的4个交叉口,其中x5和y3同为经中路-纬中路交叉口。

　　xij,j=1,2,…,4表示纬中路上第i个交叉口的四个相位平均每分钟的车流量,四个相位依次为车辆由东向西,由西向东、由南向北、由北向南；

　　yij,j=1,2,…,4表示经中路上第i个交叉口的四个相位平均每分钟的车流量,四个相位依次为车辆由东向西,由西向东、由南向北、由北向南。

　　1基于车流量差异的时段划分及各相位流量估算

　　1.1时段划分

　　首先,进行数据预处理。运用Python软件对所给数据按交叉口进行分组,得到12个交叉口的相关车流量数据；其次,对各个数据进行拆分,获取每个交叉口处四个相位的数据；最后,计算出经中路—纬中路交叉口一天中平均每小时的车流量（如表1所示）,并画出相应的折线图（如图1所示）。

　　通过观察数据分布差异和图像,将一天划分为[0,6）、[6,9）、[9,17）、[17,19）、[19,22）、[22,24）六个车流量差异时段,[0,6）时段平均每小时的车流量在200左右,车流量较小；[6,9）时段平均每小时的车流量逐渐上升,车流量达到1600左右；[9,17）时段平均每小时的车流量相对平稳,基本处在[1800,2000]范围；[17,19）时段平均每小时车流量有所下降,可能与景区游客的用餐活动有关；[19,22）时段车流量极速下降,最低流量维持在750左右；[22,24）时段平均每小时车流量同[0,6）时相差不大。

　　1.2各相位车流量估算

　　根据划分的时段,利用Python计算出经中路—纬中路一天中各个时段每分钟的平均车流量。利用时间差推理法,即根据四个相位（相位1-由东向西、相位2-由西向东、相位3-由南向北、相位4-由北向南）当前的车流量和下一路口车流量的差值进行估算,估计出一天中每个时间段每个相位将发生的（直行、左转、右转、掉头）四种状态下的每分钟平均车流量。该差值大于0,才认为对应的车辆运行状态是下一时刻该车辆发生的相应状态。

　　时间差推理法对应的数学约束条件如式（1）~式（4）所示：

　　在相位1上：

　　x41-x51＞0,x62-x52＞0,y23-x53＞0,y44-x54＞0（1）在相位2上：

　　x62-x52＞0,x41-x52＞0,y23-x52＞0,y44-x52＞0（2）在相位3上：

　　y23-x53＞0,y44-x53＞0,x41-x53＞0,x62-x53＞0（3）在相位4上：

　　y44-x54＞0,y23-x54＞0,x41-x54＞0,x62-x54＞0（4）

　　由此可得到经中路—纬中路交叉口[0,6）、[6,9）、[9,17）、[17,19）、[19,22）、[22,24）6个时间段在4个相位共16种状态的平均每分钟车流量,如表2所示。

　　2两条主路红绿灯配时方案优化

　　利用时间差推理法对除经中路—纬中路交叉口以外的其他11个交叉路口在六个时段各个相位四种状态（直行、左转、右转、掉头）下的平均每分钟的车流量进行估计。根据这些数据得到每两个交叉口之间交通线上的下一时段的初始车流量。

　　为在保障车辆通行的前提下使两条主路上的车流平均速度最大,也就是使单位时间（一分钟）内所有等待车辆的数量总和最少,以各交叉路口车辆拥堵的数量zij为惩罚变量,根据计算得出的单位时段的车流量,建立遗传算法[7]模型,得到所有交叉路口的信号灯的优化配置方案,进而推测出下一单位时间内各交叉路口车辆流动状态。

　　建模步骤如下。

　　（1）车辆通过停车线后行驶方向并不明确,信号灯状态也未知。将每个交叉路口东西方向上的车流看为水平车流,记为“0”；南北方向上的车流看为垂直车流,记为“1”。

　　（2）根据实际交通情况,有两种信号灯状态：①东西向两个信号灯为绿灯时,则南北向信号灯为红灯,把这种情况记为“0”；②南北向两个信号灯为绿灯时,则东西向信号灯为红灯,把这种情况记为“1”。

　　对于第①种情况,各交叉路口有从东向西直行、从西向东直行、从北向南右转、从南向北右转、两个水平方向掉头共6种车辆运行状态。

　　对于第②种情况,各交叉路口有从东向西右转、从西到东右转、从北向南直行、从南向北直行、两个垂直方向掉头共6种车辆运行状态。

　　（3）遗传算法思路如下。

　　在xi→xi+1这个有向路线上,下一单位时间在该路段车流量=当前单位时间在该路段滞留下来的车辆数+xi交叉口直行、左转、右转、掉头4个状态的车辆数,同理,垂直方向的下一单位时间在该路段车流量也可以按此方法计算。

　　比较水平方向和垂直方向滞留车的总数量,让最大流量最小化,从而确定出各个路口红灯绿灯的状态,进而确定下一个单位时间各交叉路口的分流情况。

　　具体的遗传算法流程图如图2所示。

　　通过上述遗传算法步骤,实现对所有交叉口信号灯（48个信号灯）亮灭的优化配置,在保障通行秩序的前提下最大化车流平均速度,缓解拥堵。

　　3五一黄金周巡游车辆识别方法与应急临时车位估算

　　针对五一期间的交通车辆数据,对寻找停车位的巡游车辆做如下界定。

　　在纬中路路段,若车辆从某交叉口的相位1/2出发,驶至相邻交叉口的相位2/1后,再返回原交叉口的相位1/2；在经中路路段,若车辆从某交叉口的相位3/4出发,驶至相邻交叉口的相位4/3后,再返回原交叉口的相位3/4。在此基础上,若同一车牌号的车辆在30分钟内出现1次及以上上述绕行行为,则判定其为寻找停车位的车辆。

　　通过Python完成五一期间车辆数据的清洗与分析,提取各交叉口日均各时段的新增旅客车流量数据；依据巡游车辆的界定规则,识别出存在寻找停车位行为的巡游车；将各交叉口日均各时段的巡游车辆数量代入遗传算法模型中,输出两条路网中各路段的拥堵车辆数；对同一时段内各路段的拥堵车辆数进行求和,对比各时段的求和结果并提取最大值,该最大值即为需临时征用的停车位数量。

　　4结语

　　本研究以景区小镇经中路—纬中路交通网络为对象,针对其日常拥堵与节假日车位短缺问题,构建了“车流量分析—信号配时优化—应急车位估算”集成算法：通过Python完成车流量时段划分与相位流量估算,采用遗传算法优化信号灯配时,以自定义规则测算应急车位,形成实用的闭环方案。该模型贴合景区交通特性,但存在动态适配性不足的短板。该模型可直接推广至同类景区小镇,经实时数据升级后也能适配近郊商圈,还可对接交通管理平台落地应用。

参考文献

　　[1]全国大学生数学建模竞赛组委会.2024年高教社杯全国大学生数学建模竞赛赛题E题[EB/OL].北京:全国大学生数学建模竞赛官网,(2024-09-05 09:59)[2025-12-06].

　　[2]陈东洋,陈德旺,江世雄,等.基于时段客流特征聚类的地铁运营时段划分[J].计算机系统应用,2021,30(3):256-261.

　　[3]李思宇,向隆刚,张彩丽,等.基于低频出租车轨迹的城市路网交叉口提取研究[J].地球信息科学学报,2019,21(12):1845-1854.

　　[4]王逸,姚志洪,蒋阳升,等.基于自适应遗传算法的双环信号配时优化模型[J].工业工程,2018,21(5):72-80.

　　[5]许佳佳,李雪梅.基于模拟退火改进人工鱼群算法的交通信号配时优化[J].河北科技师范学院学报,2023,37(2):73-79.

　　[6]胡华龙,李建松,蒋子龙,等.基于地理国情监测数据的城市停车位与潜力估算方法研究[J].地球信息科学学报,2017,19(10):1287-1297.

　　[7]邹晔.启发式优化算法理论及应用[M].北京:清华大学出版社,2023:15-18.