匝道儀控之相關研究

匝道儀控(Ramp Metering)為高速公路上經常使用之交通控制方法，

藉由上匝道處之號誌、標誌、標線及相關輔助軟硬體，控制進入高速公 路主線車輛數，以促進高速公路主線交通流暢，維持主線行駛速率及服 務水準。國內外已有相當多匝道儀控相關研究，包含以不同方法論建構 匝道儀控。此段主要著重於匝道儀控演算法與模糊邏輯控制於匝道儀控 的文獻回顧評析，茲簡要敘述彙整如下列所述：

Gomes and Horowitz(2006)以近似細胞傳輸模式(Cell Transmission Model，CTM)的非對稱細胞傳輸模式(ACTM)來研擬匝道儀控策略。以非 線性規劃補捉車流的自由流和擁擠流型態，並包含儀控率的上限和上匝 道的等候長度。在任何車流型態下，以單一線性規劃可以得到非線性規 劃問題的近似最佳解。本研究最後以南加州快速道路(包含 20 個上匝道) 作模擬，模擬結果發現匝道儀控下加入匝道等候車輛限制下可以減少 17.3%的延滯時間；未限制匝道等候車輛下可減少 22.4%的延滯時間。

Huang(2002)以流體力學模式觀察匝道對主線車流造成的干擾，並找 出主線與匝道流量間自由流與擁擠型態之間的轉變關係，作為研擬匝道 儀控略策之用。作者認為造成主線擁擠型態的產生是因為短時間內主線 和匝道車流量兩者的急速變化，當短時間內兩者間的車流量超過門檻值 即產生擁擠型態。傳統的匝道儀控策略是在考慮上游的車流量下調整儀 控率，作者則認為當匝道產生擁擠現象並向下游傳遞時可透過短暫關閉 匝道消除擁擠型態；當擁擠型態開始向上游傳遞時則必需較長時間關閉 匝道才能消除。

Zhang and Ritchie(1997)以類神經網路建構獨立式交通感應儀控系 統，系統模式以流體力學形成非線性回饋控制規劃。透過類神經網路的自 學能力達到適應交通型態的轉變，發展線上儀控系統。本研究在不超過臨 界密度的狀態變數下決定儀控率，以模擬方式和ALINEA(Asservissement Line’aired’Entre’e Autoroutie’re)比較。模擬結果顯示本模式在短時間內可以 快速反應車流量變化調整儀控率，且將主線密度控制在臨界值下不產生擁 擠型態。本研究仍直接以臨界密度為狀態變數，因而能有效控制使主線不 產生擁擠型態，但本模式仍未發展到整合型儀控系統。

Wei(2001)將整個高速公路系統視為一個生命體，以類神經網路學習 控制策略並做出反射動作，使整個高速公路系統具有感覺、反應與試誤 性學習的能力。並以中山高速公路南下車道內湖至中壢路段為例，首先 構建一具有時空特性之類神經網路儀控率推估模式，用以學習掌握高速

14

公路車流動態特性並推估儀控率。並構建一高速公路車流模擬模式，以 作為觀察匝道儀控系統運作與評估績效的工具。以不實施匝道儀控與 FREQ 之績效進行評比，由結果發現類神經網路學習下總延車公里與總旅 行時間績效較佳。

除上述非線性模式發展外 Papageorgiou and Kotasialos(2002)對匝道 儀控作一個完整的回顧，包含定時儀控、交通感應儀控、非線性最佳控 制儀控，並以包含21 個上匝道口、20 個下匝道口的阿姆斯特丹外環道路 比較無匝道儀控和使用非線性最佳控制儀控的差異。從模擬結果可看出 無匝道儀控下匝道上等候車隊較長、主線密度較高。最後將非線性最佳 控制儀控結果與未控制時在總旅行時間上作比較，發現可減少36.6 %。

在應用細胞自動機於發展匝道儀控上 Kerner(2005)分析實行匝道儀 控下匝道上產生的擁擠型態，發現在不同控制策略下會產生不同的擁擠 核子作用。本研究以 Kerner and Klenov(2002)所發展的雙車道變換車道 CA 模式為基礎作自由流控制策略和擁擠流控制策略的比較，此外加入匝 道路段上的併入規則讓模擬結果更貼近真實狀況。在自由流控制策略中 採用 ALINEA，模擬結果發現以 ALINEA 搭配適當的回饋偵測器位置能 消除匝道上產生的一般型態，且降低主線旅行時間。然而因為亞穩定效 果和偵測器的佈設位置不同可能影響消除一般型態的能力，因此後續研 究 以 擁 擠 控 制 策 略 改 善 這 些 問 題 。 在 擁 擠 控 制 策 略 中 採 用 ANCONA(Automatic On-ramp Control of Congested patterns)，以 ANCONA 可減少匝道車輛的旅行時間且增加主線容量。同時在ANCONA 控制下車 流只會產生局部同步流型態，且匝道上的擁擠型態不會因為亞穩定效果 而向上游傳遞。

上述偏重於應用不同模式發展匝道儀控系統，在實行匝道儀控對車 流型態的影響 Davis(2006)提出在下游容量固定下，如何調整匝道儀控率 使下游路段流量達到最大，且主線車流能維持在自由流水準。本研究推 翻Kerner and Klenov(2004)提出下游容量決定車流型態轉變的觀點，認為 下游流量和匝道儀控率存在線性關係；下游車流型態可透過匝道儀控率 調整。本研究以包含加、減速限制的最佳速度模式(Optimal Velocity model，OV)建立匝道儀控率與下游流量的線性關係式。模擬結果發現在 固定的上游流量下，調整匝道儀控率能有效提高下游流量且抑制同步流 現象的產生。

Wu et al.(2007)提出在傳統分析匝道儀控的影響中主要針對道路效率 和旅行時間，但本研究以匝道儀控對駕駛行為的影響作分析。本研究以 高速公路上實測資料分析七種參數在有、無匝道儀控下的駕駛行為變 化，包含：加減速、速度、間距、變換車道率、可接受間距、併入距離、

併入速度。分析路段分為基本路段、匝道路段、匝道上游基本路段，以

15

偵測車、偵測器和攝影取得的資料分析有無匝道儀控造成的影響。在基 本路段上有、無匝道儀控並無顯著差異；在匝道上游基本路段因為匝道 儀控可以降低外側車道的流量，但對其他車道無顯著差異。匝道路段在 實行匝道儀控下有助於增加可接受間距並降低併入速度，由此可降低車 流併入的困難性。

Chen et al.(1990)以舊金山-奧克蘭海灣大橋為例，建構高速公路之模 糊控制匝道儀控系統。其規則型態係依據 Tong(1984)所構建之專家模糊 控制系統，其規則庫可處理事故及無事故之狀況。狀態變數分別為「擁 擠程度」，語意等級為六、「擁擠程度變化率」，等級為五、「控制地區」、

「事故」、「無事故」及「控制地區等候時間之長短」；而控制變數分別為

「儀控率」，語意等級為八、事故期間之「維持等候時間之流量變化率」

及「縮減等候時間之流量變化率」。

使用 FRECON2 軟體模擬十種不同車流情境，包括二項無事故及八 項有事故狀況，績效評估分別為等候時間、高速公路之乘客小時時間及 總乘客小時時間。比較模糊控制儀控結果與現有控制系統，顯示於小規 模事故發生時，可節省約 148 乘客小時時間，發生大規模事故時，則可 節省約328 乘客小時時間，同時亦可減少事故所造成擁擠之長度。

Okushima et al.(2003)彙整數個匝道儀控方法並將其應用於日本 Osaka－Sakai 高速公路的一段路線上，此路線含三個上匝道。此篇文章 彙整的儀控方法包括間斷控制、線性規劃控制及模糊控制，以車流模擬 作績效評估，評估準則為擁擠減少之程度。狀態變數為擁擠長度、需求 流量、上匝道之等候長度及擁擠變化，語意等級皆為三，第一、三等級 為梯形隸屬函數，第二等級為三角形；控制變數為流量控制等級，語意 等級為五，隸屬函數型態為三角形，使用規則數為十五。為考量上匝道 等候之長度可能對鄰近平面道路造成影響，作者以此作為狀態變數，增 加規則數至二十二條。然而為了不讓上匝道等候之長度超過設定值，因 此增加規則數至二十三條。將模糊控制與間斷控制作比較，結果顯示模 糊控制能有效減少 50%之擁擠(時間×距離)，且將最大之擁擠長度由 9.5 公里減少至6.0 公里。

Taylor et al.(1998)以西雅圖 I-5 高速公路數個匝道之儀控系統為例，

應用模糊邏輯構建匝道儀控系統。根據即時交通資料推估每二十秒為週 期之儀控率，狀態變數為主線匯入處及下游的佔有率及速率、主線上游 佔有率、入口匝道等候佔有率、入口匝道等候車輛是否回堵至平面道路 之佔有率，語意等級為五之三角形隸屬函數；控制變數為儀控率，規則 數共十七條，依據規則狀態變數給予不同之權重。以六種不同之車流情

16

境，使用 FRESIM 模擬軟體模擬儀控在旅行距離、平均速度、延滯三個 指標的績效，結果顯示除在流量近似容量情境下模糊控制之績效均較定 時控制、需求-容量控制及速率控制佳。

Sasaki and Akiyama(1988)以日本漢神高速公路 Osaka-Sakai 路線之上 匝道控制為例，以模糊邏輯推理來建構符合真實管理過程之模糊控制系 統，藉由限制收費站運作數目與封閉上匝道達到控制目的。除能減少管 理者每次做決策時之負擔，且有助於發展一更具效率之管理程序。以主 線擁擠長度及預期交通需求量為狀態變數，語意等級皆為三，規則數為 五，參數校估之方式係依據一評估指標採取反覆地測試；控制變數為儀 控率等級，結果顯示此控制與管理者實際判斷結果相近。並藉由增加一 語意變數(收費站限制之連續時間)與一規則數，使得控制結果達到最佳化 且避免人為控制的不連續現象。

Lee et al.(2000)以模糊邏輯系統與決策函數兩部分建構模糊邏輯控 制系統，前半部以主線平均速度及平均速度變化率為狀態變數，等級為

Lee et al.(2000)以模糊邏輯系統與決策函數兩部分建構模糊邏輯控 制系統，前半部以主線平均速度及平均速度變化率為狀態變數，等級為