CN105279981A - 一种潮汐车道行驶方向动态控制方法 - Google Patents

Abstract

本发明公开了一种潮汐车道行驶方向动态控制方法，在该方法中，输入道路基础数据、实时交通流率和预测排队车辆数，根据两个方向的饱和度将道路交通状况分为五种情况，根据对应情况调用相应的控制模型求解最优控制方案，判断是否满足优化条件，若满足则输出最优方案至道路基础设施执行，否则输出现有方案。本发明方法首次提出了根据实时交通流率和预测排队车辆数而动态改变车道行驶方向的模型，适用于道路总车道数大于2的可变车道路段，具有道路资源利用率高、经济效益好、普适性等优点。

Description

一种潮汐车道行驶方向动态控制方法

技术领域

本发明涉及道路交通控制的技术领域，尤其是指一种潮汐车道行驶方向动态控制方法，可用于潮汐车道行驶方向动态控制过程中的方案决策。

背景技术

近年来，随着国民经济的快速发展，城市化进程加快，受城市规划布局和中心区土地价值升高的影响，逐渐形成了工作单位集中在城市中心区，而居住地主要集中在城市郊区的格局，出现了明显的早高峰大量机动车进城，晚高峰大量机动车出城的潮汐式交通现象，使得常规双向等车道数的道路出现道路资源配置不合理的状况。单纯的新修、改建道路不仅工程造价高而且未必能取得预期的效果，充分挖掘、合理利用城市道路的现有空间资源，制定合理的交通控制方案(如可变车道的应用)是缓解城市交通拥堵状况的有效手段。

对于可变车道，国内外进行了许多研究及应用。如美国威尔希尔大道在早晚高峰时段利用锥形交通路标和标志对可变车道进行控制；广州解放北高架桥可变车道，由交警监控道路状况，通过龙门架信号灯和LED灯标志牌的控制，人工切换车道行驶方向。美国的夏洛特、英国的伯明翰、马里兰以及中国的北京等城市的一些道路都进行了可变车道的设置。

但目前，可变车道的控制方式主要是人工控制或定时控制，人工控制模式要求大量的人力资源，而定时控制模式跟不上实时的道路交通需求，两者都具有滞后性、交通和社会效益低等缺点。本发明将道路交通状态分为五种情况，根据交通流率和预测排队车辆数而动态切换可变车道的行驶方向，具有前馈性和运行效率高等优点。

发明内容

本发明的目的是针对潮汐交通现象，为了充分利用道路资源，使其适应交通量和交通需求而动态调整车道行驶方向，提出了一种潮汐车道行驶方向动态控制方法。

为实现上述目的，本发明所提供的技术方案为：一种潮汐车道行驶方向动态控制方法，根据两个方向交通运行情况动态调整，包括以下步骤：

1)基础数据准备

包括潮汐车道路段长度、道路通行能力、道路车道总数、车辆组成、自由流车均速度、交通流率、预测排队车辆数；

2)分析道路交通数据，利用道路各方向饱和度判断各方向道路交通流状态，具体如下：

道路交通流量与道路通行能力的比值称为道路饱和度，用S表示，假设道路某一个方向为方向一，另一个方向为方向二，方向一的道路饱和度用S_w0表示，方向二的道路饱和度用S_e0表示，S₁为道路交通自由流与稳定流的饱和度临界值，S₂为道路交通稳定流与强迫流的饱和度临界值，根据两个方向的饱和度S_e0、S_w0，判断道路交通运行状态，将道路交通流状态划分为以下五种情况：

①情况一：0≤S_e0≤S₁且0≤S_w0≤S₁；

②情况二：(S₁＜S_e0≤S₂且0≤S_w0≤S₂)或(S₁＜S_w0≤S₂且0≤S_e0≤S₂)；

③情况三：0≤S_e0＜S₂且S_w0≥S₂；

④情况四：0≤S_w0＜S₂且S_e0≥S₂；

⑤情况五：S_e0＞S₂且S_w0＞S₂；

3)根据交通流状态调用对应的动态控制模型求解最优车道行驶方向控制方案G1，其中，所述动态控制模型如下：

根据当地交通调查数据统计分析，得出车辆平均速度与道路饱和度关系图，设函数关系式为V(S)，当无历史调查资料时，用如下函数式：

$V\left(S\right)=\left\{\begin{array}{cc}{v}_0\×(1-0.94\×S)& (S\≤0.9)\\ \frac{v_0}{7.4\×S}& (S>0.9)\end{array}\right.$

包括以下五种情况：

①情况一：双向交通运行顺畅，不做任何改变，保持现有控制方案G0；

②情况二：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_e、S_w≤S₂

③情况三：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_e＜S₂

④情况四：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_w＜S₂

⑤情况五：以道路双方向总的拥堵疏散时间最短为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\min (-\frac{D_e}{{\mathrm{CN}}_e},-\frac{D_w}{C(N-N_e)})\end{array}$

s.t.N_e∈{1，2，…(N-1)}

其中，minF(N_e)指求所有可能的F(N_e)值的最小值；L为可变车道路段长度，单位为m；C为道路通行能力，单位为pcu/h；N为可变车道路段车道总数；N_e为方向二车道数；N-N_e为方向一车道数；S_w、S_e分别指执行某种方案后方向一和方向二的道路饱和度；Q_w、Q_e分别为方向一和方向二的实时检测交通流率，单位为pcu/h；v_o为可变车道自由流车均速度，单位为m/s，设定值为道路限速速度；D_w、D_e分别指方向一和方向二的预测排队车辆数，当无法获得该值数据时，用实际流量代替，但是最终求解的最优控制方案具有滞后性；

G0、G1分别指可变车道行驶方向现有控制方案和最优控制方案，G0方案中方向二车道数为N_e0，G1方案中方向二车道数为N_e1；F(Ne)为某控制方案的评价指标，即道路双方向总的车辆平均延误，F(Ne)越小，表示整体道路运行效率越高；ΔM为车均延误优化差值，为避免最终执行方案优化效率不明显和频繁变换车道，因此设定一个约束条件阈值ΔM，T为现有方案执行持续时间；T_min为最短方案切换间隔；

4)方案判断

现有方案G0的车均延误减去最优方案G1的车均延误大于车均延误优化差值ΔM以及方案G0的持续时间T大于最短方案切换间隔T_min，若两个条件同时成立，则输出最优方案G1，否则输出现有方案G0。

在步骤2)、3)和4)中出现的S₁、S₂、T_min和ΔM的大小根据不同城市的交通差异特性或者不同的可变行驶方向车道设置路段而采用不同值，当无基础数据时，设定建议值如下：

建议S₁、S₂分别设定为道路服务水平二级和四级所代表的数值，即S₁＝0.6、S₂＝0.9；

建议设定ΔM至少大于控制方案切换过程所产生的车辆平均延误；

建议设定最小切换间隔T_min至少大于稳定流状态正常情况下车辆通过可变车道路段的车辆平均行程时间。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明提出了根据交通流量和预测排队车辆数而动态配置道路双向的车道行驶方向的优化控制模型，解决了现有定时和人工控制模式滞后性和效益低的难题。

2、本发明方法适用于道路总车道数N>2的可变车道路段，具有普适性。

3、本发明方法相对于现有的定时控制和人工控制，车道行驶方向切换效率更高，大大提高了道路整体运行效率和社会效益。

4、本发明方法节省了人力物力，经济效益高。

附图说明

图1为本发明方法的逻辑流程示意图。

图2为本发明方法所用车辆平均速度-道路饱和度关系示意图。

图3为本发明方法的道路交通流状况分类示意图。

图4为本发明方法具体实施案例的可变行驶方向车道路段平面示意图。

图5为本发明方法具体实施案例双向交通流率示意图。

图6为本发明方法具体实施案例动态控制模式与定时控制模式的道路双向总车均延误对比图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

本发明所述的潮汐车道行驶方向动态控制方法，其基本思想是输入道路基础数据、实时交通流率和预测排队车辆数，根据两个方向的饱和度判断道路交通运行状况，根据所对应的情况调用对应的控制模型求解最优控制方案，判断是否满足优化条件，若满足则输出最优方案G1至道路基础设施执行，否则输出现有方案G0，本发明方法可实现可变车道行驶方向的高效率切换。

如图1所示，所述的潮汐车道行驶方向动态控制方法，包括以下步骤：

1)基础数据准备：潮汐车道路段长度、道路通行能力、道路车道总数、车辆组成、自由流车均速度、交通流率、预测排队车辆数等。

2)分析道路交通数据，利用道路各方向饱和度判断各方向道路交通流状态，具体如下：

道路交通流量与道路通行能力的比值称为道路饱和度，用S表示，假设道路某一个方向为方向一，另一个方向为方向二，方向一的道路饱和度用S_w0表示，方向二的道路饱和度用S_e0表示，S₁为道路交通自由流与稳定流的饱和度临界值，S₂为道路交通稳定流与强迫流的饱和度临界值，根据两个方向的饱和度S_e0、S_w0，判断道路交通运行状态，如附图2所示，将道路交通流状态划分为以下五种情况：

①情况一：0≤S_e0≤S₁且0≤S_w0≤S₁；

②情况二：(S₁＜S_e0≤S₂且0≤S_w0≤S₂)或(S₁＜S_w0≤S₂且0≤S_e0≤S₂)；

③情况三：0≤S_e0＜S₂且S_w0≥S₂；

④情况四：0≤S_w0＜S₂且S_e0≥S₂；

⑤情况五：S_e0＞S₂且S_w0＞S₂；

3)根据交通流状态调用对应的动态控制模型求解最优车道行驶方向控制方案G1，其中，所述动态控制模型如下：

根据当地交通调查数据统计分析，得出车辆平均速度与道路饱和度关系图，其线性关系如图3所示，假设该函数关系式为v(S)，当无历史调查资料时，建议用如下函数式：

$V\left(S\right)=\left\{\begin{array}{cc}{v}_0\×(1-0.94\×S)& (S\≤0.9)\\ \frac{v_0}{7.4\×S}& (S>0.9)\end{array}\right.$

包括以下五种情况：

①情况一：双向交通运行顺畅，不做任何改变，保持现有控制方案G0；

②情况二：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_e、S_w≤S₂

③情况三：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_e＜S₂

④情况四：以道路双方向总的车均延误最小为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}$

s.t.

N_e∈{1，2，…(N-1)}

$S_e=\frac{Q_e}{{\mathrm{CN}}_e}$

$S_w=\frac{Q_w}{C\×(N-N_e)}$

0≤S_w＜S₂

⑤情况五：以道路双方向总的拥堵疏散时间最短为优化目标

$\begin{array}{cc}\min & F\left(N_e\right)=\min (-\frac{D_e}{{\mathrm{CN}}_e},-\frac{D_w}{C(N-N_e)})\end{array}$

s.t.N_e∈{1，2，…(N-1)}

其中，minF(N_e)指求所有可能的F(N_e)值的最小值；L为可变车道路段长度(m)；C为道路通行能力(pcu/h)；N为可变车道路段车道总数；N_e为方向二车道数；N-N_e为方向一车道数；S_w、S_e分别指执行某种方案后方向一和方向二的道路饱和度；Q_w、Q_e分别为方向一和方向二的实时检测交通流率(pcu/h)；v_o为可变车道自由流车均速度(m/s)，设定值通常为道路限速速度；D_w、D_e分别指方向一和方向二的预测排队车辆数(当无法获得该值数据时，可用实际流量代替，但是最终求解的最优控制方案具有滞后性)。

G0、G1分别指可变车道行驶方向现有控制方案和最优控制方案，G0方案中方向二车道数为N_e0，G1方案中方向二车道数为N_e1；F(Ne)为某控制方案的评价指标，即道路双方向总的车辆平均延误(s)，F(Ne)越小，表示整体道路运行效率越高；ΔM为车均延误优化差值(s)，为避免最终执行方案优化效率不明显和频繁变换车道，因此设定一个约束条件阈值ΔM；T为现有方案执行持续时间(s)；T_min为最短方案切换间隔(s)。

4)方案判断

现有方案G0的车均延误减去最优方案G1的车均延误大于车均延误优化差值ΔM以及方案G0的持续时间T大于最短方案切换间隔T_min，若两个条件同时成立，则输出最优方案G1，否则输出现有方案G0。

在步骤2)、3)和4)中出现的S₁、S₂、T_min和ΔM等阈值的大小根据不同城市的交通差异特性或者不同的可变行驶方向车道设置路段而采用不同值，当无基础数据时，设定建议值如下：

建议S₁、S₂分别设定为道路服务水平二级和四级所代表的数值，即S₁＝0.6、S₂＝0.9。

建议设定ΔM至少大于控制方案切换过程所产生的车辆平均延误。

建议设定最小切换间隔T_min至少大于稳定流状态正常情况下车辆通过可变车道路段的车辆平均行程时间。

下面我们结合具体参数对本发明上述基于跟踪车道上车辆位置的可变车道行驶方向切换方法进行说明，其情况如下：

在某东西向三车道路段设置可变行驶方向车道，方向一为东向西方向，方向二为西向东方向，中间车道为可切换行驶方向车道，可变车道路段平面图如图4所示。设置路段长度为1200m，期望车速20-40km/h，路段限速为40km/h，单向单车道通行能力1250pcu/h。输入该路段某工作日16：30至17：30的道路交通流率数据，东向西方向流率为Q_w，西向东方向流率为Q_e，流率单位为pcu/h，具体如下表1和附图5所示。在16：30之前，原运行方案是东向西行驶方向1车道，西向东行驶方向2车道运行。

表1

根据两个方向的饱和度S_e0、S_w0，判断道路交通运行状态，如表2，例如17：00属于情况一，17：10属于情况二。

本案例以17：10的交通状况为代表进行最优控制方案求解，已知17：10的交通状况属于情况二，则将数据S₁＝0.6，S₂＝0.9，L＝1200m，v₀＝40km/h＝11.11m/s，C＝1250pcu/h，Qw＝876pcu/h、Qe＝792pcu/h、N＝3代入情况二模型，这里ΔM取值25s。

$\begin{array}{c}\begin{array}{cc}\min & F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}\end{array}\\ =\frac{792\×(\frac{1200}{V\left(S_e\right)}-\frac{1200}{11.11})+876\×(\frac{1200}{V\left(S_w\right)}-\frac{1200}{11.11})}{792+876}\end{array}$

s.t.

N_e∈{1，2}

$S_e=\frac{792}{1250N_e}$

$S_w=\frac{876}{1250\×(3-N_e)}$

0≤S_e、S_w≤0.9

运用枚举法求解模型，结果如下：

最优解：N_e＝1；最优控制方案G1的车均延误评价指标：F(N_e1)＝102.29s；现有方案G0的车均延误评价指标为：F(N_e0)＝131.23s。

方案判断：F(N_e0)-F(N_e1)＝28.94s>ΔM，且现有方案G0的持续时间T>5min，可知满足条件，输出最优方案G1：N_e＝1，即东向西行驶方向2车道，西向东行驶方向1车道。

其他时刻求解最优方案同理。

16：30至17：30可变车道行驶方向控制方案为：在17：10前执行东向西1车道，西向东2车道控制方案；在17：10时刻开始切换车道行驶方向，执行东向西2车道，西向东1车道控制方案，直至17：30，具体如下表2。

表2

为了验证本发明方法的有效性，通过运用VISSIM软件仿真对比，输出如附图6所示的动态控制模式与定时控制模式的道路双方向的总车均延误对比图，可知，动态控制模式相比定时控制模式车辆平均延误减小约15％，说明本发明的动态控制模式具有实用性和效益性。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (2)

1.一种潮汐车道行驶方向动态控制方法，其特征在于，根据两个方向交通运行情况动态调整，包括以下步骤：

1)基础数据准备

包括潮汐车道路段长度、道路通行能力、道路车道总数、车辆组成、自由流车均速度、交通流率、预测排队车辆数；

2)分析道路交通数据，利用道路各方向饱和度判断各方向道路交通流状态，具体如下：

道路交通流量与道路通行能力的比值称为道路饱和度，用S表示，假设道路某一个方向为方向一，另一个方向为方向二，方向一的道路饱和度用S_w0表示，方向二的道路饱和度用S_e0表示，S₁为道路交通自由流与稳定流的饱和度临界值，S₂为道路交通稳定流与强迫流的饱和度临界值，根据两个方向的饱和度S_e0、S_w0，判断道路交通运行状态，将道路交通流状态划分为以下五种情况：

①情况一：0≤S_e0≤S₁且0≤S_w0≤S₁；

②情况二：(S₁＜S_e0≤S₂且0≤S_w0≤S₂)或(S₁＜S_w0≤S₂且0≤S_e0≤S₂)；

③情况三：0≤S_e0＜S₂且S_w0≥S₂；

④情况四：0≤S_w0＜S₂且S_e0≥S₂；

⑤情况五：S_e0＞S₂且S_w0＞S₂；

3)根据交通流状态调用对应的动态控制模型求解最优车道行驶方向控制方案G1，其中，所述动态控制模型如下：

根据当地交通调查数据统计分析，得出车辆平均速度与道路饱和度关系图，设函数关系式为V(S)，当无历史调查资料时，用如下函数式：

$V\left(S\right)=\left\{\begin{array}{cc}{v}_0\×(1-0.94\×S)& (S\≤0.9)\\ \frac{v_0}{7.4\×S}& (S>0.9)\end{array}\right.$

包括以下五种情况：

①情况一：双向交通运行顺畅，不做任何改变，保持现有控制方案G0；

②情况二：以道路双方向总的车均延误最小为优化目标

$\min F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}$

s.t.

N_e∈{1，2，…(N-1)}

$\begin{array}{c}{S}_e=\frac{Q_e}{{\mathrm{CN}}_e}\\ S_w=\frac{Q_w}{C\×\left(N-N_e\right)}\end{array}$

0≤S_e、S_w≤S₂

③情况三：以道路双方向总的车均延误最小为优化目标

$\min F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}$

s.t.

N_e∈{1，2，…(N-1)}

$\begin{array}{c}{S}_e=\frac{Q_e}{{\mathrm{CN}}_e}\\ S_w=\frac{Q_w}{C\×\left(N-N_e\right)}\end{array}$

0≤S_e＜S₂

④情况四：以道路双方向总的车均延误最小为优化目标

$\min F\left(N_e\right)=\frac{Q_e\×(\frac{L}{V\left(S_e\right)}-\frac{L}{v_0})+Q_w\×(\frac{L}{V\left(S_w\right)}-\frac{L}{v_0})}{Q_e+Q_w}$

s.t.

N_e∈{1，2，…(N-1)}

$\begin{array}{c}{S}_e=\frac{Q_e}{{\mathrm{CN}}_e}\\ S_w=\frac{Q_w}{C\×\left(N-N_e\right)}\end{array}$

0≤S_w＜S₂

⑤情况五：以道路双方向总的拥堵疏散时间最短为优化目标

$\min F\left(N_e\right)=\min (-\frac{D_e}{{\mathrm{CN}}_e},-\frac{D_w}{C(N-N_e)})$

s.t.N_e∈{1，2，…(N-1)}

其中，minF(N_e)指求所有可能的F(N_e)值的最小值；L为可变车道路段长度，单位为m；C为道路通行能力，单位为pcu/h；N为可变车道路段车道总数；N_e为方向二车道数；N-N_e为方向一车道数；S_w、S_e分别指执行某种方案后方向一和方向二的道路饱和度；Q_w、Q_e分别为方向一和方向二的实时检测交通流率，单位为pcu/h；v_o为可变车道自由流车均速度，单位为m/s，设定值为道路限速速度；D_w、D_e分别指方向一和方向二的预测排队车辆数，当无法获得该值数据时，用实际流量代替，但是最终求解的最优控制方案具有滞后性；

G0、G1分别指可变车道行驶方向现有控制方案和最优控制方案，G0方案中方向二车道数为N_e0，G1方案中方向二车道数为N_e1；F(Ne)为某控制方案的评价指标，即道路双方向总的车辆平均延误，F(Ne)越小，表示整体道路运行效率越高；ΔM为车均延误优化差值，为避免最终执行方案优化效率不明显和频繁变换车道，因此设定一个约束条件阈值ΔM，T为现有方案执行持续时间；T_min为最短方案切换间隔；

4)方案判断

现有方案G0的车均延误减去最优方案G1的车均延误大于车均延误优化差值ΔM以及方案G0的持续时间T大于最短方案切换间隔T_min，若两个条件同时成立，则输出最优方案G1，否则输出现有方案G0。

2.根据权利要求1所述的一种潮汐车道行驶方向动态控制方法，其特征在于：在步骤2)、3)和4)中出现的S₁、S₂、T_min和ΔM的大小根据不同城市的交通差异特性或者不同的可变行驶方向车道设置路段而采用不同值，当无基础数据时，设定建议值如下：

建议S₁、S₂分别设定为道路服务水平二级和四级所代表的数值，即S₁＝0.6、S₂＝0.9；

建议设定ΔM至少大于控制方案切换过程所产生的车辆平均延误；

建议设定最小切换间隔T_min至少大于稳定流状态正常情况下车辆通过可变车道路段的车辆平均行程时间。