下载掌阅APP，畅读海量书库
立即打开
混合交通流交通行为分析与评价技术是解决混合交通流控制的基础。主要通过建立城市不同交通参与者（包括机动车、行人和非机动车）的交通行为模型，分析和研究混杂交通状态下交通参与者的交通行为及其相互影响。
国内有一部分学者致力于有信号灯控制的道路交叉口机非混行特性的研究，如王殿海、杨晓光和王炜教授分别针对信号交叉口非机动车和行人行为特性进行的分析研究，毛保华教授对于混合交通环境下有信号平面交叉口通行能力的研究，王殿海和王炜教授关于平面交叉口机非冲突机理及其应用研究和混合交通流的信号控制研究，杨晓光教授提出的机非混行平面交叉口交通设计理论等。这方面的研究可分为如下三个部分：信号灯控制道路交叉口非机动车和行人行为特性分析，信号灯控制道交叉口非机动和行人对机动车流的影响分析，机非混行平面信号交叉口设计理论。
本书借鉴和吸纳上述理论，提出了混合交通流交通行为分析与评价技术，包括：
重点分析不遵守交通规则的非机动车和行人在通过信号灯控制道路交叉口过程中所占的比例，同时具体描述违章过街的行人和非机动车如何对机动车流产生影响，以及影响的程度。
通过实测数据对排队机动车流在信号灯控制下启动通过道路交叉口的车头时距按照不同的类型进行细分，并在此基础上对其分布开展深入研究。将灯控路口直行机动车流车头时距分布的研究结果应用于“信号灯控制参数-最小绿灯时间”的计算中，与以往所开展的研究不同，计算结果融入了对于城市路口混合交通流特性的考虑。
分析未设置右转专用相位的信号交叉口右转机动车与行人和非机动车产生的冲突对右转机动车流速度及平均过街时间的影响；同时对无右转专用相位行人过街的危险系数进行研究；根据研究结果分析设置右转专用相位的评判标准和设置方法。
重点分析不遵守交通规则的行人和非机动车在通过信号灯控制道路交叉口过程中所占的比例，同时具体描述违章过街的行人和非机动车如何对机动车流产生影响，以及影响的程度。以往学者针对信号灯控制道路交叉口行人和非机动车特性的研究多集中于到达和释放规律、排队特征和膨胀特性等方面的研究，而对在我国城市灯控路口常见的行人和非机动车违章过街的现象少有研究。但是这部分不遵守交通规则的“特殊”交通参与者却对路口通行能力有着显著影响，对于违章过街行人和非机动车行为特性的分析对于交通管理有着重要的意义。
用于行人和非机动车违章行为特性分析的原始交通流数据采集地点为一灯控路口，该灯控路口的渠化和数据采集方法如图3-1所示，两台摄像机同步工作，一台负责拍摄行人和非机动车在道路交叉口的行为特性，一台负责记录行人过街信号灯的周期变化情况。在信号系统相位设置方面，该路口除了有控制直行车辆通行的信号灯外还设置有左转专用相位，但未设置右转专用相位，同时还相应地配有行人过街信号灯；在道路渠化方面，配合左转专用相位设置了相应的左弯待转区。
图3-1 灯控路口渠化和数据采集方法
结合数据采集地点的实际交通控制信号设置情况，将“不遵守交通规则”定义为在行人过街信号灯为红时通过道路交叉口的行为，在所采集的281个周期内不遵守交通规则和遵守交通规则的行人、非机动车频数对比分析分别如图3-2和3-3所示。
图3-2 不遵守交通规则和遵守交通规则的行人频数对比分析
图3-3 不遵守交通规则和遵守交通规则的非机动车频数对比分析
通过图3-2、图3-3中所显示的数据不难看出，该路口存在比较严重的行人和非机动车违章过街现象：该路口在数据采集期间行人平均流量为497人/小时，行人不遵守交通规则违章过街的比率超过了50％；该路口在数据采集期间非机动车平均流量为352辆/小时，非机动车违章过街的比率更是达到了70％。
违章过街的行人和非机动车对机动车流带来干扰。当机动车流启动后通过道路交叉口时行人和非机动车贸然通行的概率很小，其对机动车流造成的干扰主要发生在初始放行时刻，由于机动车还未启动或处于低速状态对行人和非机动车产生的威胁相对较小，就会造成如图3-4所示的行人和非机动车违章过街影响直行机动车流启动的情况。
图3-4 行人和非机动车对机动车流启动的干扰
车头时距是交通流理论中用于研究交通流特性并反映交通流状态和变化特征的重要参数，通常以“秒”为单位，指同一车道上连续两辆车通过某一点（如停车线）的时间差，一般以两车的前或后保险杠通过该点的时间差来度量。根据车头时距的定义，机动车受到行人和非机动车干扰后车头时距的变化能够直观地反映出干扰所产生的影响。通过对所采集到在灯控路口受到干扰和正常情况下第一辆车与第二辆车之间车头时距的对比分析可以得出：小型车作为车流的第一辆车在混合交通状态下受到干扰后最直接的反映为使第二辆车与第一辆车的车头时距明显增大，平均增幅约为2.4s。进行数据采集的道路交叉口绿灯放行时间在24s左右，因此由于违章过街的行人和非机动车对机动车流的延误达到了整个绿灯时间的10％。
通过实测数据对排队机动车流在信号灯控制下启动通过道路交叉口的车头时距按照不同的类型进行细分，确定特性分布，并应用于“信号灯控制参数-最小绿灯时间”的计算和优化。
车头时距除了用于研究交通流特性并反映交通流状态和变化特征外，在道路交叉口信号配时方案自适应调节的实现也具有相当重要的意义。路段和交叉口机动车流车头时距分布并不相同，从图3-5交叉口离开车头时距分布箱图就可以观察到两者的显著差别（矩形框是箱图的主体，上中下三条线分别表示变量值的第75、50和25百分位数；上截止横线是变量值除异常值和极值以外的本体最大值；下截止横线是变量值除异常值和极值以外的本体最小值；样本中的异常值定义为其值超过了第75百分位数加减第75百分位数与第25百分位数差值的1.5倍；极值为超过了第75百分位数加减第75百分位数与第25百分位数差值的3倍）。
图3-5 灯控路口排队机动车流离开车头时距分布箱图
图3-5是从数据采集地点1的原始视频数据中提取得到的交叉口离开车头时距分布箱图。图中机动车流离开道路交叉口的车头时距符合空间位置上后一辆的时距都比前一辆短些，直至达到稳定时距这一规律，因此路段车头时距的分布特性与现实交通中道路交叉口排队机动车在启动时所表征出的车头时距分布特性具有显著的差别；不遵守交通规则的行人和非机动车对机动车流产生干扰存在的情况下，启动车头时距还会因此受到影响。
混合交通状态下，在有信号灯控制的道路交叉口红灯周期内所形成的排队车辆放行时，不同车型的启动时间和不同车型间车头时距的分布特性是不同的，其中启动时间包括受到行人或非机动车干扰后所产生的延误时间。
验证数据采集地点的数据采集示意图和拍摄实景如图3-6所示，两台摄像机同步分别拍摄信号灯与交通流变化状态。数据采集的时间段为每天早晨9:00～10:00，相同天气条件下共计拍摄了10天，原始视频数据共计10个小时，作为车头时距原始数据提取的基础。
图3-6 数据采集示意图和拍摄实景
通过对原始视频进行数据提取，共得到500组混合交通状态下每个放行周期内直行机动车车头时距的分布数据。每一组车头时距的分布数据都对应一组形成该车头时距的车辆类型。
由于是将车头时距监测点设置在停车线上，当第二辆车通过停车线时开始依次记录相应的车头时距1、车头时距2、车头时距3等，因此按照上述方法提取的车头时距1实际为包含第一辆车启动并通过停车线所需时间在内的数值，如果第一辆车受到行人或者自行车的干扰，车头时距1则为包含启动延误时间在内的数值。通过上述分析，对于所得车头时距的统计相应的分为两部分：包含第一辆车启动特性在内的第二辆车与第一辆车的车头时距；后继排队车辆通过道路交叉口时的车头时距。
包含启动时间的车头时距1按照不同车型和启动时是否受到干扰可以分别建立正常情况和干扰情况下的对应关系：S+S、S+H、H+S、H+H（S代表小型车，H代表大型车，+代表车辆连接符）。在分析原始数据样本时发现，干扰情况下“H+S”和“H+H”的样本数量很少，即大型车存在于排队的第一辆车时行人或非机动车抢行通过道路交叉口的情况较少（在样本中观测到路口排队待通行的第一辆车为大型车时行人或机动车抢行过街行为发生的机率仅为第一辆车是小型车时的1/10），这是由于行人和非机动车对于大型车辆的惧怕心理不敢贸然过街。因此最终统计分析的结果包含两部分内容，如表3-1所示，分别为：第一辆车为小型车且第二辆车也为小型车在有无干扰状态下启动时的车头时距对比分析；均为正常启动状态下不同车型形成的车头时距1的对比分析，其中“5％调整均值”表示剔除5％的最大与最小观测量后计算所得的均值。通过对比分析不难看出，小型车作为直行车流的第一辆车在混合交通状态下受到干扰后最直接的反映为使第二辆车与第一辆车的车头时距明显增大，平均增幅约为2.4s，该道路交叉口绿灯放行周期在24s左右，因此由于混合交通流干扰带来的延误时间达到了整个通行周期的10％左右；当大型车存在于排队的前两辆车中尤其是作为第一辆车，即其为静止启动状态，即使在正常情况下也会造成第二辆车与第一辆车的车头时距明显增大，增幅为2.91s，超过了整个绿灯周期的10％。
后继排队车辆通过道路交叉口时的车头时距按照相邻两辆车的车辆类型对样本进行分类的统计结果如表3-2所示。从表中的数据不难看出在大型车与小型车形成的车头时距中样本均值与不同车辆类型所处的位置差异不大，从实际应用的角度出发将二者即“S+H”与“H+S”形成的车头时距进行统一处理，取值为3.5s。
将表3-1与3-2中的数据进行汇总，得到如表3-3所示的信号控制道路交叉口直行机动车流离开车头时距的最终统计结果。为了保证估算最小绿灯时间模型计算的合理性，最终统计结果是取表3-1和表3-2中“5％调整均值”（剔除5％的最大与最小观测量后计算所得的均值）作为后继编程计算最小绿灯时间的基础。
表3-1 包含启动时间的车头时距1对比分析
表3-2 后继排队车辆不同车型车头时距对比分析
表3-3 信号灯控制道路交叉口直行机动车流离开车头时距最终统计结果
如果不考虑车辆位置直接拟合全部车距的分布可以得到如图3-7所示的结果。图中，Empirical Data为经验数据；Log-Normal为对数正态数据；Normal为正态数据；Non-Parametric为非参数统计数据；Log-Logistic为对数成长数据。
图3-7 不分位置的离开车头时距分布
除了前述对于车头时距分布的离散研究外，为了能够更准确地描述我国城市信号交叉口车辆的消散行为，本节提出了一种基于位置的Log-Logistic离开车头时距分布模型。其中分布密度函数如下所示
原始车头时距数据样本中基于位置的具体分类如表3-4所示；首先应用Log-Normal分布对数据进行拟合，图3-8显示了第2～9辆车的离开车头时距Log-Normal分布拟合比较结果；再将Log-Logistic分布应用于第1～8辆车的离开车头时距，拟合结果如图3-9所示。图中，Headway为车头时距；Log-Logistic为对数成长数据；Log-Normal为对数正态数据。
表3-4 信号灯控制道路交叉口直行机动车流离开车头时距按位置统计结果
图3-8 不同位置的离开车头时距分布（Log-Normal）
图3-9 不同位置的离开车头时距分布（Log-Normal & Log-Logistic）
表3-5显示了每个位置Log-Logistic/Log-Normal分布的K-S检验和A-D检验的值。从上述拟合结果不难看出，在绝大多数车辆位置上，Log-Logistic分布能比Log-Normal分布更好地描述离开车头时距分布。第1辆车位置K-S和A-D检验结果Log-Normal分布优于Log-Logistic分布是由于首车启动的不确定性造成的。而第8辆车位置A-D检验结果Log-Normal分布微弱胜出有较大可能是采集到的样本数量仍然不够多造成的（相当部分观察次数中，车辆排队长度不足8辆）。从整体拟合结果而言，Log-Logistic分布要明显优于Log-Normal分布，更适合作为今后我国城市信号交叉口车辆排队等待时间和消散行为研究的基础。
表3-5 样例信号交叉口离开车头时距Log-Logistic/Log-Normal分布假设检验结果
同以往针对车头时距开展的研究不尽相同，在上一节关于车头时距的数据的研究中将车辆类型进行了分类，相邻车辆类型不同则会造成所需启动时间和车头时距的不同，因此在考虑所需绿灯时间时将排队中大型车所处不同位置的情况均进行计算，最终结果是取各种情况下所需绿灯时间的期望；同时，针对我国混合交通比较严重的状况，结合前面的数据基础，在排队前两辆车都为小型车时进一步考虑受到干扰后对启动时间造成的延误，也计算出相应干扰情况下所需的平均绿灯时间。将不同排队长度的车辆数和在该排队中包含的不同大型车辆数二者结合所需的绿灯放行时间建立一一对应的数据表格，将对交通工程中信号灯的配时起到指导意义。最终所建立数据表格中的结果是取上述两种绿灯时间的均值来完成的。下面就以排队车辆为5辆，其中大型车为1辆的情况举例说明整个最小绿灯时间的计算步骤。
根据表3-3中的统计结果，排队车辆为5辆，其中大型车1辆，正常启动状态下放行不同排列的车队所需绿灯时间计算结果如表3-6所示。对表中的计算结果求均值为13.57s，即正常启动状态下排队车辆为5辆其中大型车为1辆保证其全部通过道路交叉口时所需要的绿灯时间应设定为14s。
表3-6 正常启动状态下排队机动车消散所需绿灯时间估算表
同样根据表3-3中的统计结果，排队车辆为5辆，其中大型车1辆，干扰启动状态下放行不同排列的车队所需绿灯时间计算结果如表3-7所示。对表中的计算结果求均值为15.66s，即干扰启动状态下排队车辆为5辆其中大型车为1辆保证其全部通过道路交叉口时所需要的绿灯时间应设定为16s。
表3-7 干扰启动状态下排队机动车消散所需绿灯时间估算表
综合该排队长度车辆在正常与干扰启动状态下所需绿灯时间的均值作为最终应用于实际工程中的数据值，即考虑到混合交通状态下存在的干扰行为，放行排队车辆为5辆，其中大型车1辆所需最小绿灯时间的估算值为15s。
按照上述方法编写计算机程序计算出不同排队车辆和不同大型车比例对应的全部数据，并根据信号控制系统初始值设定要求得到最终数据表格如表3-8所示。针对表3-7的设计和结果做出如下说明：“排队长度”是指在道路交叉口红灯周期形成的排队车辆，“大车”是指在该排队车流中大型车的数量，根据现实中常见的交通流状况，表格中只列举了排队车辆大于5辆小于10辆，且其中大型车不超过50％的情况；“排队”与“大车”的交叉部分就是该车流状态下计算所得的放行全部排队车辆所需要的绿灯时间；表中数据的计算全部由计算机编程实现，可根据需求任意扩展表格中的数据。
表3-8 信号灯控制道路交叉口排队机动车消散所需绿灯时间估算表
本节通过实测数据对未设置右转专用相位的信号交叉口右转机动车与行人和非机动车的冲突行为进行深入分析；并设计了仿真模型对设置右转专用相位前后道路交叉口机动车右转通行效率进行对比分析。
在信号灯控制的道路交叉口（未设置右转专用相位）右转车辆与行人和非机动车的冲突表现得十分明显。有调查表明，在杭州市典型交叉口人行横道处的240个绿灯周期过街的行人样本中，因受右转车辆阻挡而减速或停止的人次所占比例达30％。
本节对未设置右转专用相位的信号交叉口右转机动车与行人和非机动车的冲突行为分析，选择合适的交通原始数据采集地点并进行实地拍摄，对采集到的视频利用图像处理软件提取冲突数据，最后利用统计软件完成冲突数据的分析。数据采集示意图和拍摄实景如图3-10所示，无右转专用相位下交通高峰（5:30pm～6:30pm）和平峰（9:00am～10:00am）时右转机非冲突行为通过摄像机记录后形成原始视频数据，该数据作为冲突分析的基础。视频中观测到的具有代表性的右转机动车与行人和非机动车发生冲突的场景如图3-11所示。
图3-10 数据采集示意图和拍摄实景图
图3-11 右转机动车与行人和非机动车典型冲突行为
同时通过观察视频中右转车辆的行为可以将其分为三类：右转顺利过街、受到直接干扰和受到间接干扰。受到直接干扰的右转车辆是指其在行驶过程中直接面对过街行人或非机动车的阻挡而被迫减速或停车；受到间接干扰的右转车辆是指在排队状态下第一辆车受到直接干扰减速或停车后被迫采取同样方式避免追尾的后继排队车辆，如图3-12所示。数据原始样本的统计结果如表3-9所示。
图3-12 受到间接干扰的右转机动车辆
表3-9 右转机动车与行人和非机动车发生冲突比例
通过对视频数据的进一步分析，重点研究具有代表性的小型车，分别得到右转车辆正常行驶状态下通过道路交叉口的速度和过街时间数据150组，受到行人和非机动车干扰后的数据500组。
根据实际交通流对无右转专用相位信号交叉口行人、非机动车与右转车流潜在的冲突区域和机非冲突点位置进行深入分析如图3-13所示，包括同向红灯逆向绿灯和同向绿灯逆向红灯两种情况，其中“同向”和“逆向”是以右转车辆的行驶方向为参考标准。通过对实地（道路交叉口未设置右转专用相位）采集的数据进行统计对比分析，即对表3-10中PassingTime项的数据进行分析，可以看出右转车辆与行人和非机动车发生冲突后过街时间所受到的影响，如图3-14所示。
表3-10 右转机动车冲突数据存储结构表
图3-13 同向红灯逆向绿灯和同向绿灯逆向红灯右转机动车流冲突分析
图3-14 有无干扰情况下右转车辆过街时间数据统计对比分析
图3-14中左边为未发生冲突情况下右转车辆顺利通过道路交叉口所用时间的统计箱图，右边为在同一个地点所采集到的右转车流与行人和非机动车发生干扰后通过道路交叉口所需时间的统计箱图，通过对比分析得出由于机非冲突对右转机动车过街时间造成的平均延误达到70％，即平均过街时间由6s增加到了10s，而图中所示的2号和69号孤立数据由于受到了更为严重的干扰使得其过街时间急剧增加，延误分别达到了450％和383％。如果分析的结果显示右转车辆受到行人和非机动车的干扰后过街时间的变化量超过了交通管理者认为的合理阈值，即右转机动车速度大幅下降和过街时间大幅增加，同时考虑到冲突也为行人和自行车骑行者带来了较大的安全隐患，则应设置右转专用相位。
进一步利用表3-10中Distance与Speed两项数据，建立机非冲突速度-距离模型：第一步对所提取的右转车辆正常行驶状态下通过道路交叉口的速度数据进行分析，计算在未受到干扰情况下小型车右转进入道路交叉口的平均速度，结果如图3-15所示；第二步对数据结构表中Speed和Distance的冲突数据进行分挡处理：将Distance（冲突距离）根据观测值按照2～13m进行分挡，每1m为一挡，提取相应冲突距离内所观测到的速度数据，记录观测到的最大车速和最小车速并计算平均速度，同时与无干扰状态下的速度均值进行比较，结果如表3-11所示，利用统计软件SPSS对整理得到的数据进行分析，速度和冲突距离的变化趋势如图3-16所示。
图3-15 无干扰右转车辆速度分析
表3-11 右转机非冲突速度-距离数据
从图3-16中可以看出，速度的变化趋势是距离机非冲突点越近机动车平均行驶速度越低，即与图3-15中无干扰状态下右转车辆进入道路交叉口时的平均速度相比，行人或非机动车与右转车辆的冲突对车速产生了明显的影响；而当行人或非机动车从机动车前方穿越的距离足够远时，即机非冲突距离大于12m时，右转车辆车速与无干扰情况下相比并未发生明显变化。机动车冲突速度与正常行驶的平均速度差值变化规律如图3-17所示。
图3-16 右转机非冲突速度-距离统计模型
图3-17 右转机动车冲突速度与正常行驶的平均速度差值变化规律
通过上述两部分的分析和计算还可以对行人与非机动车从右转机动车前通过潜在的危险进行研究。利用机非冲突距离和相应的平均冲突速度可以计算出机动车到达机非冲突点所需要的时间；行人需要在该时间内完成穿越才能保证自身的安全，即需要在机动车到达机非冲突点时移动车身宽度一半的距离，如图3-18所示。常见车辆车身宽度统计数据如表3-12所示，大量数据集中在1.7～2.0m范围内，取其1/2等于1m，即行人为保证安全需要在机动车到达机非冲突点时移动的距离。行人的步行速度在美国《道路通行能力手册》和《交通信号控制指南——德国现行规范》中均以1m/s计算，因此保证行人安全穿越的时间为1s；同时根据不同冲突距离下机动车的平均速度，计算出相应到达机非冲突点所需要的时间。定义行人过街危险系数等于保证行人安全穿越的时间除以机动车到达机非冲突点所需时间，则上述所需时间和危险系数的最终计算结果如表3-13所示。无右转专用相位行人过街危险系数的变化趋势如图3-19所示，从图中可以看出，随着机动车和行人的冲突距离渐行渐远，行人过街的危险系数也明显下降并趋于平稳；机非冲突距离小于8m时机动车对行人或非机动车构成的威胁相对较大。
图3-18 右转机动车与行人、非机动车冲突危险系数研究示意图
表3-12 常见机动车宽度统计
表3-13 机动车到达机非冲突点所需时间和冲突危险系数
图3-19 右转机动车与行人、非机动车冲突危险系数变化曲线
本节从现实交通数据出发深入地分析了无右转专用相位信号灯控制道路交叉口右转机动车与行人和非机动车产生交通冲突的原因，并对机动车与行人和非机动车发生冲突前后的速度与过街时间进行了对比分析，最后对无右转专用相位行人过街的危险系数和其与机非冲突距离的关系进行了分析，为交叉口右转专用相位的信号配时设计提供一定的指导。
右转专用相位的设计必须考虑道路交叉口的实际情况，包括路口的几何形状、交通渠化方案和信号控制策略，图3-20为右转专用相位应用于实际交通信号控制中的实拍图。常见的道路交叉口类型包括：具有左转和右转专用车道的标准渠化十字形道路交叉口、由于地理条件所限或交通流量不同所导致的非对称渠化十字形道路交叉口和丁字型道路交叉口。根据不同的交叉口类型和道路渠化方案需要设计不同的包括右转专用相位的信号灯控制策略。
图3-20 右转专用相位应用实拍
具有左转和右转专用车道的十字形道路交叉口平面图如图3-21所示，根据该路口类型和渠化方案设计的标准四相位控制策略如图3-22所示（图中，实线箭头代表机动车流向，虚线箭头代表行人流向，以下各控制策略图实线箭头、虚线箭头含义与此相同。），这种方法的优点是避免了右转车流与行人、非机动车和机动车潜在的交通冲突，但是缺点也非常明显，即右转机动车的过街等待时间大幅度提高。为了降低右转车辆的等待时间，针对该策略进行相应的优化，考虑设置右转专用相位后在一个控制周期内增加右转车辆的放行次数，优化后的相位设计方案如图3-23所示。原设计完全避免了机动车流的冲突，但是由于左转机动车流量较小，因此会造成绿灯时间的浪费；优化相位设计后在不改变其他方向车辆放行的前提下增加了右转车辆的放行次数，提高了道路交叉口的通行效率，这种相位设置方案在北京三环重要道路交叉口（北太平庄路与新街口外大街）已经投入实际应用。后续关于不同交通状态下设置右转专用相位的仿真对比研究也是以图3-23中所示的相位设计为基础，使仿真结果更具有实际应用价值。
图3-21 具有左转和右转专用车道的十字形道路交叉口
图3-22 标准四相位控制策略示意图
图3-23 一个周期允许右转车辆两次通行的四相位控制策略示意图
对于考虑主辅路车流量和实际道路宽度限制情况下进行非对称道路渠化的十字形道路交叉口，如图3-24所示，可以采用左转绿灯迟起、右转绿灯早起的三相位设置，相位控制示例图如3-25所示。
图3-24 两向不同渠化方案的十字形道路交叉口
图3-25 左转绿灯迟起、右转绿灯早起的三相位控制策略示意图
对于如图3-26所示的丁字形道路交叉口，可以采用如图3-27所示的三相位控制。
图3-26 丁字形道路交叉口
图3-27 丁字形道路交叉口三相位控制策略示意图
如果将右转机动车受到直接干扰和间接影响所耽误的过街时间合理地设置为右转专用相位的红灯时间，在大幅度减少交通冲突的同时还可以提高右转机动车的通行效率。通过设置右转专用相位并进行合理化配时，是解决信号交叉口右转机动车流与行人和非机动车流冲突的最优途径。由于目前尚不具备在一个本身未设置右转专用相位的道路交叉口增加右转相位并进行相应相位配时后进行右转车辆交通状态对比分析的条件，因此通过计算机仿真是进行有无右转专用相位道路交叉口机动车右转通行效率对比分析的最佳途径，具体分析方法和步骤如下所示。
①通过右转机动车流与行人和非机动车流的冲突分析得出，未设置右转专用相位的信号灯控制道路交叉口，右转车流在平峰交通状态下顺利通过道路交叉口占总通行流量的10％；被行人和非机动车阻挡造成减速或停车占通行流量的20％；受到冲突间接影响造成减速或停车占通行流量的70％；在行人和非机动车干扰下右转机动车辆通过道路交叉口所需要花费的时间较未受到干扰下过街所花费时间增加了70％。上述研究结果在仿真计算过程中具有重要意义，作为模型的参数在初始化时输入。
②根据灯控路口放行不同数量的排队机动车辆所需最小绿灯时间的研究结果，若在路口设置右转专用相位后，以排队车辆全部为小型车为研究对象，右转排队车辆通过道路交叉口所需最小绿灯时间如表3-14所示（未考虑大型车比例，因此取表3-6中第一行数据）；除应用表中数据外，还需要计算全部排队车辆通过交叉口的时间，即为了保证车辆顺利通过所设置右转相位的绿灯时间，如图3-28所示；相应的计算方法如图3-29所示，理想状态下计算全部车辆通过交叉口所需时间为MT+T是因为MT代表路口排队车辆的最后一辆车通过停车线时所用的时间，因此再加上最后一辆车右转通过道路交叉口的时间T即为全部右转车辆通过交叉口所用的时间。
表3-14 放行不同数量的排队机动车所需最小绿灯时间
图3-28 信号灯控制下右转排队车辆通过道路交叉口
图3-29 右转相位绿灯时间计算方法
以图3-23所示的信号控制策略为基础，根据上述建立的右转专用相位信号配时仿真模型给出如下算例。
假设右转待通过的排队车辆为500辆车，每辆车过街时间5s，在未设置右转相位情况下过街共需要500×10％×5（未干扰）+500×90％×5×1.7（干扰）=4075（s）。
设置右转专用相位后，假设一个周期放行10辆车，则需要绿灯时间为25+5=30（s）；按照一个周期允许右转车辆两次通行的三相位四阶段控制策略，同时假设直行绿灯时间为40s即右转车辆需要等待的时间，放行全部500辆排队车辆需要50个周期，则在设置右转专用相位情况下500辆车右转通过交叉口共需要50×40+50×30=3500（s）。
综上所述：设置右转专用相位后理想状态下放行全部500辆排队右转车辆可节省时间4075-3500=575（s）。
通过上面的算例可以看出，进行右转专用相位信号配时仿真研究时需要考虑下面五个因素：路口信号配时方案、右转车辆总数、右转绿灯周期车辆预计通行数量、右转车辆过街时间和与右转相位设置对向的绿灯时间。
在前述右转专用相位配时仿真模型的研究中，给出了相位设置前后交叉口通行能力变化的计算方法。在现实交通中所遇到的情况会相当复杂，可以根据相应的需要对计算过程进行调整。例如，改变一个周期右转的放行车辆数（D-Discharge）；改变待通过右转总车辆数（W-Wait）；按照标准的四相位设置方式给定不同方向的绿灯时间（G-Green）；改变右转车辆过街时间（T-Time）。当假设右转机非冲突概率为90％时，考虑上述四个参数的不同组合计算设置右转专用相位后所节省时间如表3-15所示；当右转机非冲突概率改变为50％时，计算结果如表3-16所示。图中计算结果以“秒”为单位；计算结果中的负值代表设置右转专用相位后较设置前对于放行全部右转车辆所需时间相应增加；其它冲突概率下的计算结果也可以由仿真得出，在此不一一列举。
表3-15 冲突概率为90％时设置右转专用相位可节省时间仿真结果
表3-16 冲突概率为50％时设置右转专用相位可节省时间仿真结果
由于仿真中可以方便地设置模型中参数的初始值，因此能够通过计算不同冲突概率、右转车辆排队长度和平均过街时间下设置右转专用相位前后对道路交叉口右转通行效率的影响进行研究，同时可以找到合理的平衡点为道路交叉口设置右转专用相位提供理论依据。进行效率分析时考虑的因素包括右转冲突概率、排队长度和平均过街时间。
将右转冲突概率从0.2变化到0.9，设置右转专用相位前后右转车辆节省时间的变化如图3-30所示。仿真中一个周期放行的右转车辆数、平均过街时间和直行车辆绿灯放行时间分别设置为10s、5s和40s。从变化趋势不难看出，随着冲突概率的降低所节省的过街时间也相应下降，当冲突概率低于0.6时设置右转专用相位前后放行全部右转车辆的时间差值为负，即设置右转专用相位使得右转机动车通行效率降低。曲线1～4代表仿真中设置的全部右转车辆的数目。
图3-30 不同右转冲突概率下所节省时间的变化趋势
将一个右转绿灯周期内放行车辆数从5变化到10，设置右转专用相位前后右转车辆节省时间的变化如图3-31所示。仿真中右转冲突概率、平均过街时间和直行车辆绿灯放行时间分别设置为0.9s、7s和30s。仿真中所节省时间随着放行车辆数的增加而急剧上升，曲线1～4代表仿真中设置的全部右转车辆的数目。这种现象能够通过机动车启停特性进行解释：随着一个右转绿灯周期放行车辆数目的减少，机动车启动损失时间的累积值则相应增加，因此造成总体所节省时间的相应下降。考虑一个右转绿灯周期内放行车辆数还需要根据直行车流量大小平衡其等待时间，避免造成右转绿灯时间的浪费同时直行车辆也无法通行，反而使道路交叉口总体通行效率下降。
图3-31 不同右转放行车辆数目下所节省时间的变化趋势
将右转车辆平均过街时间由5s变化到10s，设置右转专用相位前后右转车辆节省时间的变化如图3-32所示。仿真中右转冲突概率、一个右转绿灯周期内放行车辆数和直行车辆绿灯放行时间分别设置为0.9s、8s和30s。仿真中所节省时间随着右转车辆平均过街时间的增长即道路交叉口的宽度的增加而增加，因此在较大的重要道路交叉口应考虑设置右转专用相位。同样，曲线1～4代表仿真中设置的全部右转车辆的数目。
图3-32 不同右转平均过街时间下所节省时间的变化趋势
通过上面的分析可以为右转专用相位的设置提供如下参考意见。
①在路口渠化方案中设置有右转专用车道，设计信号系统配时方案时可考虑在一个周期内两次放行右转车辆。
②右转机动车到达率超过350辆/小时且道路交叉口右转机动车和行人或非机动车的冲突概率超过0.6。
③右转车辆越过停车线后右转弯通过道路交叉口所花费的时间大于5s。
针对上述条件做出如下说明：一个信号周期内两次放行右转车辆的策略（如图3-23所示）在信号控制系统中已经成功应用，这种策略能够在最大限度地避免路口不同行驶方向机动车流间冲突的同时提高路口的整体通行能力；根据表中的仿真结果，当右转车辆为350辆、右转冲突概率为50％、右转过街时间为5s时，设置右转专用相位后较未设置专用相位放行全部右转车辆所需要的时间更多，从某种意义上来说右转专用相位的设置降低了路口的通行能力，因此单纯从数值计算的角度出发得出了上述结论。
综上所述，满足上述条件后设置右转专用相位将提高道路交叉口右转通行效率，但同样需要对路口各个方向通行能力的均衡性和行人与非机动车过街的安全性进行整体考虑。
①虽然右转车辆过街所节省时间随着一个右转绿灯周期放行车辆数的增加而急剧上升，但并非放行的车辆越多越好，还需要考虑道路交叉口其它各个方向排队车辆的等待时间。
②如果单纯从通行能力是否得到提升的角度出发，当右转机动车辆流量较小且与行人和非机动车辆发生冲突概率较低（小于50％）时不用设置专用相位，但从保证行人和非机动车安全过街的角度出发（右转机动车与行人和非机动车冲突危险系数的变化曲线如图3-19所示，即使在行人距离右转车辆前方12m处通过道路交叉口仍然具有0.4的危险系数），右转专用相位的设置虽然增加了机动车的等待时间，但是大大降低了事故发生的风险。因此基于“以人为本”的原则，在有条件的道路交叉口（具有右转专用车道、信号控制系统支持设置右转专用相位）应考虑增设右转相位；同时在今后新施工道路的规划和信号系统安装时，应该将右转专用车道和相位的设计作为重要的组成部分。