基于熵法的信号交叉口非常规左外车道定位研究

1介绍

随着智慧城市、可持续发展和碳中和概念的引入和扩展(Glic ska, 2016年；SzymaD ska等人，2021；Shi等，2022)，良好的城市空气质素和交通环境已成为城市形象的重要组成部分(GliD ska, 2010）.然而，由于中国城市化进程加快，城市人口和机动车数量大幅增长，城市拥堵问题日益严重(地图,2021）.城市交叉口作为城市道路网络的节点，亦已成为城市道路网络的瓶颈路段(王等，2017；斯特瓦诺维奇和米特罗维奇，2019年）.严重的交通挤塞问题不仅影响居民的出行效率和生活满意度，也增加了汽车污染物的排放(Zhang等，2013)，使十字路口附近的行人暴露在高度污染之下(富兰克林等人，2019年)，对居民健康和环境保护有重大影响。因此，缓解交叉口拥堵对保证城市空气质量和智慧城市发展至关重要。

多年来，交通领域的研究人员和政策制定者一直在讨论各种减轻城市交叉口交通压力和提高交通效率的策略。目前，许多城市采取交通限制政策以减少城市拥堵，这也会损害市民和区域经济发展(Zhang等，2019）.有学者基于不同的算法和模型提出了不同的交叉口配时优化模型，在提高交叉口通行能力、减少出行延误方面取得了积极的效果(Krzysztofi 2016；Cruv-Piris等人，2019年；Chen等，2020）.多项研究分析了停车对十字路口容量的影响(Kurek和Macioszek, 2021)，以及调查居民在选择其他环保交通方式(cieella和Orzech, 2019年）.此外，一些研究人员提出了不同于传统交叉口的非常规交叉口设计，以最大限度地发挥交叉口的潜力。非常规交叉路口的常见设计包括中间u型转弯交叉路口(卡特等人，2005年；Liu et al.， 2007)、交叉位移左转弯路口(赛义德等人，2006；Esawey和Sayed, 2011)和连续流交叉口(You et al.， 2013；吴等，2016；Gao等，2020）.这些设计的主要思想是通过建立动态车道或下游中间开口，调整左转弯车辆的交通组织，优化左转弯交通流，从而消除左转弯和通过交通的冲突，减少车辆延误，提高交叉口通行能力。

在中国许多城市的主要主干道上，广泛采用非传统的外左转弯车道设计的信号路口(刘等，2011；刘等，2013）.与传统的信号交叉口不同，这种非传统的左转车道设计允许将左转车道设置在直通车道的右侧，并设有专用的左转阶段，如图所示图1。当城市立交匝道或右侧街道的终点站位于信号交叉口功能区附近，且许多来自侧街或匝道终点站的车辆需要在信号交叉口左转时，通常会设置非常规的外左转弯车道。与传统的信号交叉路口相比，位于直通车道右侧的非常规外左转弯车道为公共汽车和大型客车提供了更大的转弯半径。此外，从上游右侧侧街或坡道终点站出发的左转车辆不需要驶入最左侧车道左转，减少了与直行交通的冲突，简化了驾驶员的操作。

尽管中国城市地区越来越多地使用非常规外左车道设计的交叉口，但对非常规外左车道设置位置的研究和指导很少。此外，非常规的外侧左转弯车道设置与驾驶员的预期不一致，会增加通过车辆误驶入外侧左转弯车道而被迫合并回通过车道的安全风险。

因此，有必要分析非常规左外侧车道设置位置对交通运行和安全的影响。采用熵权法(EWM)研究了不同非常规左外车道设置位置交叉口的运行特征，以及不同交通量下的形态选择。以西安某典型非常规外左车道的信号交叉口为例，对其交通流和几何数据进行了采集和分析，并在VISSIM软件中进行了标定和模拟。然后在VISSIM中分析十字路口的四个典型的外侧左转弯车道设置位置，包括位于最外侧车道、次外侧车道、中间车道和最内侧车道的四个位置。最后，为了准确评价不同方案，EWM选取并综合了6个指标:车辆数量、延误次数、停车次数、排队长度、CO排放和冲突次数。EWM作为一种多指标决策方法，可以计算不同指标的权重，并计算总分(Shao等，2019；潘等人，2021a；潘等人，2021c）.本文利用该方法对不同交通量下的非常规左转外车道方案进行了评价。

本文的其余部分组织如下。第2节回顾了相关文献。第3节进行问题陈述并描述案例数据收集。第四部分对不同非常规外左转弯车道设置位置交叉口的安全性进行了建模、校准和分析。在第5节中，对四种不同交通量的方案进行敏感性分析。第6节介绍了EWM，并将其用于四个方案的综合评价，并计算和描述了最终的选择矩阵。最后，在第7节中得出结论。图2描述了本文的概要和提出的模型的具体内容。

2文献综述

2.1非常规的外左转弯车道

虽然非常规的外左转弯车道在中国的城市地区已经广泛使用，但对这种外左转弯车道的设计指导和研究仍然很少。刘等(2011)通过分析5个非传统左转弯外车道设计交叉口的交通数据，比较了传统左转弯内车道和非传统左转弯外车道的左转车辆转弯速度和饱和流率。研究发现，大型客车在非常规左侧车道外的左转速度明显高于左侧车道内的转弯车辆。然而，更高的转弯速度并没有带来更大的左转容量，且非常规左侧车道外的饱和流量相对于传统左侧车道内较低。

在后续研究中刘等(2013)，评估了影响驾驶员选择非常规外左转弯车道的因素。建立了二元logit模型，定量分析了驾驶员左转车道选择的影响因素。研究结果表明，随着主干道交通量的增加和内左车道队列长度的增加，驾驶员选择非常规外左车道的概率增加，但随着从上游右侧支路到交叉口距离的增加，驾驶员选择非常规外左车道的概率降低。此外，来自上游右侧侧街的大型公交车和车辆在左转时更倾向于选择非常规的外侧左转车道。最后，根据数据分析的结果，刘等(2013)提出了一种判断程序，用于确定具有特定交通条件和几何特征的信号交叉口是否需要非常规的外左转弯车道。

Guo等(2016)利用基于视频的自动交通冲突技术，评估了在信号交叉口安装非常规左转车道对交通安全的影响。该研究通过分析车辆在不同空间和时间的位置来检测交通冲突并计算碰撞次数。此外，研究人员还比较了左转弯车辆在内左转弯车道和非常规的外左转弯车道上发生冲突的频率和严重程度。研究发现，与常规信号交叉口左转车道相比，非常规左转车道设置会导致更多的交通冲突，且冲突严重程度更高。

朱等(2019)对有非常规外左转弯车道的信号路口进行数据采集。他们在分析内左车道车辆与外左车道车辆相互干扰以及力与相对位置定量模型的基础上，提出了内左车道转弯车辆与外左车道转弯车辆的安全距离范围。最后，研究开发了一种在非常规左转车道外交叉路口设置左转弯车辆指南的方法。

2.2熵权法

熵权法(entropy weight method, EWM)是一种综合评价方法，对不同指标的权重进行计算和评分(Abhishek等人，2017）.EWM是研究在复杂情况下寻找最优解的常用方法，常用于对多个解进行综合比较。该方法可以避免评价结果的主观性和片面性，通过选取多个指标，根据熵理论确定权重，实现对多个方案的综合排序(Han和Gao, 2014；刘等，2015；他等人，2020年）.

随着可持续发展理念的引入和深化，EWM在环境保护方面越来越受欢迎(陈等，2018；Lamas等，2020年；马科维奇等人，2020年)和社会发展(冯等，2014；Chi和Qian, 2015）.通常，通过EWM建立可持续发展潜力模型，可以评价一个国家或地区是否具有可持续发展能力，并通过选取社会效益、生态效益、能源可及性等因素，得到影响可持续发展的关键指标。此外，EWM已广泛应用于统计(Dávalos等，2019)、财务(赵等，2019)和医学(卢等人，2020）.

近年来，熵法在交通工程中的应用也越来越多。Tu et al. (2011)将基于熵的TOPIS应用于城市交通信号系统的安全评价，得到了各种故障模式下的安全序列偏好。潘等人(2021a)，潘等人(2021c)利用VISSIM软件模拟不同的交通模型，并通过EWM进行评估，以评估不同交通环境下的各种交通模型。Shao等人(2020)基于熵值法对受工作区域影响的非线性交叉口的两种改进方案进行了评价，推导了两种方案在不同条件下的适用性。

文献综述表明，目前的研究主要集中在非常规左转车道设置对信号交叉口交通运行的影响以及驾驶员对左转车道的选择。另一方面，关于非常规左转弯车道设置位置的研究很少。在实践中，缺乏在信号交叉口设置非常规左转弯车道的规定和指导。此外，EWM作为多指标评价方案之一，已在交通领域得到充分应用和验证。因此，本文对四个典型的左外侧车道设置位置进行了研究和分析，选取了几个指标，并利用EWM对所考虑的方案进行了综合评价。

3 .问题陈述和数据收集

3.1问题陈述

通常情况下，有信号的十字路口的左转车道位于十字路口通过车道的左侧。然而，在许多城市地区，由于城市立交匝道终点站或城市主干道的右侧侧街离交叉口太近，普遍采用将左转车道设置在贯通车道右侧的非常规信号交叉口设计。该设计简化了从城市立交坡道终端或上游小街驶来的左转弯车辆驾驶员的操作，减少了左转弯车辆与交通的冲突。另一方面，非常规的外左转弯车道设计不符合驾驶员预期，可能会给道路上的驾驶员带来混乱和交通安全隐患。

西安是陕西省的省会，是中国人口最多的城市之一。随着西安人口和城市机动车保有量的不断增加，主要主干道和十字路口在早晚高峰时段经常出现严重的拥堵问题。因此，越来越多地使用带有非常规左转弯车道设计的信号交叉口。因此，本文以西安市一个具有非常规左转外车道设计的典型交叉口为例，研究不同的左转外车道位置对交通的影响，并给出计算方法，指导选择合适的解决方案。该交叉口位于科创八路和太白南路两大城市主干道的交汇处，如图图3。

该十字路口的车道数为西行入口4车道，东行入口3车道，在十字路口附近逐渐减少为5车道，北行入口5车道，在十字路口附近逐渐减少为6车道，南行入口4车道，在十字路口附近逐渐减少为6车道。南行的非常规外左转弯车道设置在第四车道，其余方向均为常规左转弯车道。在十字路口南向入口上游210米的右侧有一条没有信号的小街。该十字路口的南北和东西主干道的限速为每小时60公里，并设有受保护的左转段(图4）.

3.2数据收集

在VISSIM中，模型校准和微观仿真通常需要对交通数据进行真实测量。根据高德交通的统计数据，西安市的交通拥堵指数在上午7点至9点和下午5点至7点达到峰值。大数据,2020）.交通挤塞指数是一个综合反映道路网络通畅或挤塞程度的概念指标，该指数值越高，表示交通挤塞越严重(王等，2018）.因此，选取相应高峰时段在科创八路与太白南路交叉口采集交通数据。数据采集当日，天气、路况良好，无施工区域，无交通事故发生。

本文的交通量采集方法主要采用无人机航拍的方法，采集的数据包括:

1.高峰时间平交道口各方向的交通量。

2.在每个入口转弯的车辆种类及比例。

3.十字路口的几何形状和进出车道的宽度。

经过数据采集和处理，早高峰时段交叉口交通量为6457 veh/h，晚高峰时段交叉口交通量为7616 veh/h。因此，选择晚高峰时段的交通量作为代表。表1显示晚高峰小时流量数据。

收集的交通数据表现出以下特征。

1.信号交叉口在两条主干道之间具有明显的主次关系，且南北方向交通量明显大于东西方向交通量。

2.信号灯交叉口东西方向交通量基本相同，南北方向交通量基本相同。

3.信号交叉口与北方向交通左转比(9.87%)较小，其余方向交通流左转比约为20%。

4.从小巷来的车辆大多是左转车辆。

5.从南行主干道到小街的车辆都归为乘用车。

6.西安新能源汽车占比不高(冯等，2014）.因此，本文研究的车辆仅为常规车辆。

4在VISSIM中建立模型并进行仿真

4.1建立模型

VISSIM是交通工程分析和研究中最常用的仿真软件之一。该软件的准确性已在先前的研究中得到验证(李等，2020年；潘等人，2021a；潘等人，2021c）.因此，为了研究不同的非常规外左转弯车道位置对交通运行的影响，本研究在实测数据的基础上，考虑了中间车道、内车道、次最外侧车道和最外侧车道四种不同的设置位置。图5显示每个方案的模型布局。方案1为信号交叉口的原始设计，外侧左转弯车道设置在交叉口南入口方向的第4车道。方案2的外左转弯车道设置在通过车道左侧的内车道，为传统的左转弯车道设置。方案3的外侧左转弯车道设置在次外侧车道，这是一种常见的非常规设置方式。最后，方案4将外左转弯车道设置在所有车道的最右边，这与传统的左转弯车道设置相反。

在VISSIM7中选择Wiedemann74跟随模型对四种方案进行模拟(AG) 2018）.由于该交叉口位于城市内部，在进行模拟时，大部分参数都设置为默认值。但是，为了获得更准确的仿真结果，根据现场调查和当地交通部门的建议，对部分变道参数进行了固定，以确保仿真过程中的驾驶行为符合中国驾驶员的驾驶行为，具体如下:

1.最大减速(尾随车辆)设置为−4 m/s²。

2.接受的减速(自己和尾随车辆)设置为2米/秒²。

3.安全距离缩小系数设置为0.5。

4.合作社的最大减速被设置为−4 m/s²。

4.2仿真模型的标定

为了保证仿真结果的可靠性，对模型参数进行了标定，并与实际交通参数进行了对比验证。本研究遵循以往研究中使用的通用模型校准程序(Shao等，2019；潘等人，2021a；潘等人，2021b)，以容量指标校正VISSIM仿真模型。计算交叉口各方向实测通行能力与仿真模型中各方向通行能力之间的绝对百分比误差(MAPE)，当MAPE小于15%时，认为模型有效。MAPE计算使用情商。。

在哪里我表示交通流量，n为交通流总数，C_年代^我为VISSIM模拟容量(veh/h)C_c^我表示收集容量(veh/h)。

MAPE的计算结果见表2。可以看出，VISSIM仿真模型与实际流量的总误差为−2.7%，这表明，如之前的研究所讨论的(Shao等，2019；潘等人，2021a；潘等人，2021b)，表明所提出的模型满足实际工程的精度要求。

4.3仿真结果

由于该信号交叉口不同设置位置的外侧左转车道仅影响南向的交通运行，因此对不同方案的南向交通运行效率进行了评估。通常情况下，延误和停车是评价交叉口运营效率最常用的指标(Henclewood等人，2017）.但是，本文也将车辆排队长度和车辆数量作为评价指标，对方案进行更全面的评价。此外，基于环境保护的考虑，有必要选择VISSIM中与排放相关的参数作为方案的评价指标。由于VISSIM中所有排放指标的趋势一致，本文选择CO排放作为评价指标(AG) 2018）.

表3展示了四种方案在实际交通量下的评估结果。可以看出，在当前交通量下，方案1的车辆数量略高于其他方案，而其在其余指标上的表现不如其他方案，说明外侧左转弯车道位于直道中间，更容易引起通过交通司机的混乱，造成交通拥堵。另一方面，方案2和方案4各指标的表现差异不大，这可能是由于两种方案的直通车道均位于中间车道，车辆运行特性相似。最后，方案3在车辆数量略少的情况下，各项指标均优于其他方案。由于四种模型都是在当前交通量下进行模拟，且每种方案在不同指标之间都有不同的优缺点，因此需要更全面的分析才能准确判断案例的性能。

4.4安全性评价

除了交通运行评估外，完整的模拟分析还应包括安全评估。替代安全评估模型(SSAM)是由联邦公路管理局(FHWA)提出的模拟和分析程序，用于在交通事故发生前预测道路安全(莉莉和拉胡尔，2008年）.在之前的研究中已充分检查了程序的有效性(莉莉和拉胡尔，2008年；al - ghandour et al.， 2011；郭等，2019）.此外，SSAM与从VISSIM仿真中获得的飞行器轨迹文件是兼容的。

本文在前人研究的基础上，将四种场景仿真生成的车辆轨迹文件输入到SSAM软件中(潘等人，2021a；潘等人，2021b）.阈值的最长时间的冲突碰撞(TTC)被设置为1.5秒(即交通冲突被认为存在在两辆车之间的距离的比值和两车的相对速度小于1.5 s)。post-encroachment时间(PET)阈值设置为5 s,这意味着交通冲突被认为存在前面车辆之间的时间间隔离开指定区域和后方车辆进入同一区域小于5 s。根据发生碰撞时两车车身夹角，将冲突分为追尾冲突(0°-30°)、变道冲突(30°-85°)、过道冲突(85°-180°)(莉莉和拉胡尔，2008年）.根据判断标准，四种方案的冲突分析结果列于表4，冲突车辆的位置见图6。

结果表明:当城市主干道右侧小街距离交叉口较近时，非常规外左转弯车道设置方案(方案1、方案3和方案4)与左侧转弯车道设置的常规方案(方案2)冲突较小;此外，非常规左转弯车道的位置越靠近外侧，冲突数量的减少越明显。此外，冲突位置分布图中图8可见，方案1的冲突位置集中在中间车道。此外，方案2的冲突位置集中在左侧车道，左侧车道内外转弯车辆发生冲突，冲突范围也较其他方案大。方案3和方案4冲突点位置分布均匀，范围较小。

5经营业绩敏感性分析

5.1确定敏感因素，建立不同的交通场景

信号灯交叉口的拥堵主要受交通量的影响，上一节的分析仅针对各方案在高峰时段的表现，并不能反映其他交通状况。当城市主干道或小街交通量减少时，通过交通与小街左转弯车辆之间的干扰减少，非常规设置在左转弯车道外的优势降低。相反，当交通量增加时，左转弯车辆与直通车车辆之间的冲突增加，外侧左转弯车道的位置对交通运行的影响更大。因此，有必要选择城市主干道和小街的交通量作为敏感因素，研究不同交通条件下，外左转弯车道设置位置对交通的影响。

根据收集到的交通数据和容量手册，目前设计车速下的最大服务交通量为四车道主干道3560 veh/h，单车道小街180 veh/h。因此，在敏感性分析中，主干道交通量的变化范围为0.3 V/C至1.0 V/C的最大交通量，而小街交通量的变化范围为1/6 V/C至1.0 V/C的最大交通量。灵敏度分析组合中的流量如图所示表5。由于该交叉口外左车道的设置仅影响南向的交通运行，因此在敏感性分析过程中，其余路口的入口交通量保持不变。不同交通组合的信号配时由SYNCHRO7软件(赛义德等人，2006；潘等人，2021a）.

5.2敏感性分析

敏感性分析选取VISSIM仿真中的5个指标(队列长度、车辆数量、延误、停车次数和CO排放)作为操作指标，安全性指标选取SSAM冲突次数。图7- - - - - -9表示方案2、方案3、方案4在48个交通组合的6个指标上相对于控制案例(方案1)的优势程度，正的表示相对于原方案较好，负的表示相对于原方案较差。

如图7，在排队长度方面，当主干道交通量较大时，方案2在交叉口的表现优于方案1，最大改善率为82.6%，当主干道交通量趋于中值时，两种方案的效果相似，但改善程度较小。另一方面，当主干道交通量较低时，改善程度随着侧道交通量的增加而增加。

图7汉英分别为方案2在延误、停靠次数和CO排放方面较方案1的改善程度，其趋势与队列长度的变化趋势相似。当主干道交通量较大时，方案2在延误、停车次数和CO排放方面的改善效果显著优于方案1，最大改善效果分别达到44.3%、64.1%和45.0%，当主干道交通量趋于中值时，方案2的改善效果基本一致。图7 b图示方案2相对于方案1在车辆数目上的表现。可以看出，两者总体表现相近，但当主干道交通量较大(大于0.8 V/C)时，方案2优于方案1具有显著优势，且随着侧道交通量的增加，优势更加明显，最大提升幅度为16.2%。

图7 f比较两种方案之间的冲突数量。可以看出，他们的变化没有明显的规律。总体而言，主干道交通量较大时，方案2优于方案1，最大改善程度为67.2%。当主干道交通量趋于中位数时，方案2不如方案1，冲突数增幅最大，达33%。

敏感性分析结果表明，在大多数交通条件下，将外左车道设置在贯通车道中间的非常规方案(方案1)与常规的外左车道设置方案(方案2)相比，表现不佳。由此可见，设置在直通车道中间的外左车道虽然可以促进侧街左转弯车辆的转向，但其对交通的负面影响大于其正面影响，特别是当主干道交通量较大(大于0.8 V/C)时。

图8比较方案3和方案1。可以看出，在大多数流量组合下，方案3的性能优于方案1，最大增幅为81.2%。但当主干道交通量较小(小于0.4 V/C)时，方案3的性能明显差于方案1，最不利的将使排队长度增加3倍。

图8氟分别表示方案3在延迟、停车次数、CO排放、冲突次数四个指标上相对于原方案1的改善程度，其变化趋势与队列长度变化趋势相似。在大多数交通组合下，方案3与方案1表现较好，最大改善程度分别可达53.0%、70.2%、54.7%和71.0%，但在主干道交通量较低时，表现明显差于方案1。

图8 b比较两种方案的车辆数量。可以看出，在大部分交通量下，方案3与方案1相似。但当主干道交通量较大(大于0.6 V/C)时，方案3在增加小街交通量的情况下，比方案1优势明显，最多可增加20.0%的车辆。

敏感性结果表明，在大多数交通组合中，设置在次最外层车道(方案3)的非常规左转车道(方案1)优于设置在中间车道(方案1)，但当主干道交通量较低、小街交通量较高时，其性能明显低于方案1。这是因为当次外侧车道左转弯车辆队列长度较长时，会对右转弯车辆从中间车道变道至最外侧车道形成障碍，且次外侧车道左转弯车辆队列长度越长，干扰越明显。

数字9,汉英显示方案四相对于方案一在不同交通组合下的排队长度、延误、停车次数及一氧化碳排放四个指标的表现。从图中可以看出，在大多数流量组合下，两种方案的性能差异不显著。当主干道交通量较大(大于0.8 V/C)时，方案4优于方案1，且随着主干道交通量的增加，优势更加明显。

图9 b比较方案四和方案一的车辆数目。可以看出，当主干道交通量大于0.6 V/C时，方案4的交通量比方案1最大增加25.4%。图9 f显示了两种方案在冲突数量方面的比较。可以观察到，两者的变化没有明显的规律，但总体而言，方案4优于方案1，最大改善率为77.8%，在某些流量组合下，方案2不如方案1，冲突数增加了60%。

灵敏度结果表明，在大多数交通组合中，将非常规左转车道设置在最外侧车道(方案4)与设置在中间车道(方案1)不存在显著的优势或劣势，但当主干道交通量较大(大于0.8 V/C)时，将非常规左转车道设置在最外侧车道相对于设置在中间车道具有相当大的优势。

6基于EWM方法的结果分析

通过灵敏度分析，讨论了48种交通组合下该信号交叉口不同的左转外车道设置方案相对于原始情况的性能。结果表明，在不同交通组合下，各方案在不同指标上表现出各自的优势。因此，提出了一种可行的方法来获得每组交通流量的最优解。对每个交通量情景下的6个评价指标进行加权，将得分最高的解作为该交通组合下的最优解。EWM计算六个指标的权重和得分。

6.1指标权重计算

在灵敏度分析中，采用48种交通组合模拟了4种左转外车道定位方案，选取了6个指标进行分析。因此，针对每一组交通组合，获得了一组交通组织方案的仿真结果。

X_我情商。：

在哪里我表示方案号，即，我= 1,2,3,4，n代表48种交通组合(n= 1),D表示延迟,问表示队列长度，年代表示停车次数，V表示车辆数量，E为CO排放量，和C表示冲突的数量。

以48种交通组合的方案1为例，仿真结果如矩阵所示X₁。

在矩阵中X₁，

第二，四个矩阵，X₁，X₂, X_3.,X₄，进行拆分和重组，以比较48个交通组合方案之间的差异。在每个交通组合中，将四种方案的仿真结果组合成矩阵一个_n情商。。

在哪里X₁（n,·)为n第Th行X₁，表示方案1在n交通组合。

因此,一个_n是一个四行六列的矩阵:

第三，计算各指标的权重。对于每个流量组合，六个指标的权重不相同。因此,每个一个_n是计算一次，共构成48组权重。采用EWM计算6个指标的权重，计算过程如下:

1)矩阵米，其中米表示一个_n矩阵，以及其中的每个元素一个_n表示为米_jk的j表示jth计划,e表示方案总数(e= 4),k表示k评价指标，和f表示评价指标总数(f= 6)。

在矩阵中米，

敏感性分析中选取的6个指标(延迟、排队长度、停车次数、车辆数量、CO排放、冲突次数)表示为k= 1-6。在这6个指标中，除车辆数量外，指标值越小说明方案越好。因此，为了统一评价方法，需要对六个指标进行标准化处理，如图所示Eq。9。

处理后的矩阵米的可从以下途径获取:

在哪里米₁' =米₄。

(2)这六个指标的衡量单位不同。因此，需要对它们进行标准化，以计算综合指标(即将绝对指标转化为相对指标)。标准化过程的公式如下:

新得到的元素被组合到矩阵中米”。

(3)指标权重k在n流量组合计算公式如下:

指标的熵值k计算公式如下:

在哪里λ= 1 / ln (n)，满足e_k≥0。

然后计算信息熵的冗余度如下:

每个指数的权重是用Eq。15。

各评价指标的权重n交通组合表示为:

最后，将48个交通组合的权重以矩阵形式组合如下:

6.2方案评价

根据上节计算的6个指标权重，对48个交通组合下的设计方案进行综合评分。为n第3组流量组合，其得分确定如下:

(1)比例j该方案值为仿真结果中所有方案的值k指数计算公式如下:

(2)指标得分k在计划j定义为:

(3)考试总分j计算公式为:

(4)n流量组合记录在Z_n如下:

最后，将所有交通组合方案的得分汇总在矩阵中Z。

各方案的得分比较见图10。可以看出，当主干道交通量接近最大服务值，而小街交通量也较高时，方案4的综合得分最高，其次是方案3，方案1几乎没有得分。这说明当城市主干道右侧小街靠近交叉口且道路交通量较大时，设置非常规的外左转弯车道可以促进交叉口交通运行。此外，非常规的外左转弯车道具有负面影响，当外左转弯车道位于通过车道的中间时，其影响达到峰值。

方案3在大多数交通组合中综合得分最高，说明在次最外侧车道设置的非常规外左转弯车道为侧街转弯车辆带来了便利，便于路口交通运行，同时带来的负面影响最小。

最后，当主干道交通量较低，小街交通量较高时，方案2得分较高。这是因为当主干道交通量较低时，侧道的转弯交通也会受到主干道交通的轻微影响，左侧的左转车道设置更符合驾驶员的心理预期。

总体来看，图中左上角的方案4得分最高，说明非常规的外左转弯车道设置在最外侧车道，以适应主干道和小街交通量都比较大的情况。方案3在大多数选项中得分最高，这意味着在大多数交通状况下，非常规的外侧左转弯车道位于最外侧的次外侧车道。图中右上角方案2得分最高，说明常规的外侧左转弯车道适用于主干道交通量较低的情况。

7结论

城市信号交叉口作为城市道路网络的重要节点，经常面临严重的拥堵问题。在一些城市的建成区，信号交叉口通常靠近上游的右侧车道或小街，来自上游右侧车道或小街的车辆在有限的空间内汇入内车道左转。随着交通量的增加，可能会造成严重的交通拥堵，增加车辆排放。因此，为了缓解这种情况下的交通压力，在信号交叉口开发了一种非常规的设计，即外部左转车道位于通过车道的右侧。本研究采用一种独特的多目标决策方法，评估非常规左转弯外车道设置位置对信号交叉口交通运行的影响。为了保证结果的准确性和全面性，选取了5个典型的运行效率指标和一个安全指标进行仿真建模。然后，利用EWM对不同左外侧车道位置的方案进行了评价。根据数据分析结果，得出以下结论:

1.不同外左转弯车道设计位置的交叉口车辆排放存在差异，最高可达54.7%。

2.当小街靠近信号交叉口时，设计非常规的外左转弯车道有利于信号交叉口的交通运行。但该设计对通过交通产生干扰，对交叉口的交通运行产生了负面影响，且非常规外左转弯车道位置越靠近中间车道，负面影响越严重。

3.EWM分析结果表明，将外左车道设置在次外车道的非常规设计适用于大多数交通状况，而将外左车道设置在最外车道的非常规设计适用于较大的交通量。此外，将外左转弯车道设置在贯通车道左侧的常规设计适合交通量较小的情况。

4.传统的外左转弯方式在交通量较低的情况下具有优势，证明了在没有侧街交通干扰的情况下，不适用非传统的左转弯车道设计。

本研究提供了不同交通量下不同左外侧车道位置非常规设计对交通运行影响的定量结果。研究结果可以直观地反映不同位置外左转弯车道设计的优劣势。本研究建立的熵值评价方法模型，可以量化不同交通量下，外左转弯车道位置对交叉口交通运行的影响。事实上，该模型可以直接帮助交通工程师决定何时何地在十字路口设置外面的左转弯车道。例如，当交通量较大，次外侧车道设置外左转弯车道的设计总体得分高于常规设计时，则可考虑在交叉口次外侧车道设置外左转弯车道。

非传统的外左转弯车道设计在中国得到了广泛应用。另一方面，相信这种设计也可以适用于其他国家或地区。在这些国家，有信号的十字路口位于城市中心的建成区，扩宽或改造很困难。此外，信号交叉口与上游右车道或小街之间的距离较小，随着城市交通量的增加，传统的左转车道设计可能会造成严重的交通拥堵。在这种情况下，可以考虑在有信号的十字路口设置室外左转车道，方便车辆左转。从而有可能缓解交通拥堵，减少车辆排放，促进智慧城市建设和可持续发展。

目前，针对非常规外左转弯车道设计的研究主要集中在安全性能分析上，对其设置位置的研究和指导较少。通过对不同设置位置的非常规左外车道设计的信号交叉口进行建模和分析，并进行综合评分，可以帮助设计者选择左外车道设计位置。本研究的局限性主要在于没有考虑不同转向速率流量的影响，这可能会影响最终的评价结果。此外，信号交叉口与上游右侧车道或小街的距离没有考虑在内。因此，未来的研究应侧重于扩展突出的结论，以解释这些因素。

数据可用性声明

支持本文结论的原始数据将由作者提供，毫无保留地提供。

作者的贡献

概念化、XL、CS和BP;方法学，XL和BP;数据采集，XL, CS, SY, RZ;形式化分析，XL和RZ;VISSIM仿真、CS和RZ;可视化、SY和RZ;写作评论和编辑，RZ和CS。

资金

本课题由陕西省教育厅科研项目资助，项目编号:21JK0908。

致谢

作者在此感谢陕西省教育厅资助的科研项目，为本文的研究提供了部分资金支持。

利益冲突

作者XL、CS、SY受聘于广州市高速公路股份有限公司

其余作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。

出版商的注意

本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。

参考文献