某个工作日早上8:00左右，系统报警大浪路-小浪路交叉口的路口失衡指数超过2.5，出现了严重拥堵情况。究竟是什么原因引发的拥堵呢？看看我们的攻城狮在精细化优化的过程中，是如何借助各种研判数据对问题进行抽丝剥茧的。

现状分析

1、路口渠化情况

大浪路-小浪路路口是标准的十字交叉口，四个方向设置右转渠化，渠化道对右转机动车实行黄闪控制，因为行人较少，未设置行人行横道灯；南北方向有下穿隧道，一定程度上降低了交叉口南北直行车流的通行压力，但隧道口的设置对南北左转、掉头车流的排队空间造成影响。

路口渠化示意图如下：

图1 大浪路-小浪路路口渠化图

2、路口流量情况

图2 大浪路-小浪路路口流量图

从上图可知路口的车流量特点如下：

（1）早高峰：主要车流为东西方向，直行与左转车流相当，西边车流比东边大；南北方向车流相对较小，直行与左转车流相当；

（2）平峰：主要车流依然为东西方向，车流量与早高峰相差不大，东西直行比左转车流大；南北方向车流较早高峰减少；

（3）晚高峰：西边直行与左转车流量大，其他方向与早高峰相差不大。

总的来说，早晚高峰时段西边直行与左转车流量明显比东边大，南北方向则相差不大，时段变化也不算特别明显，平峰时段东西方向车流量相当。

3、路口信号控制方案

该路口针对早晚高峰、平峰时段各预设了不同方案，方案的放行相位及配时信息如下：

图3 大浪路-小浪路路口放行相位方案

表 1 大浪路-小浪路路口配时方案（优化前）

从该路口方案来看，早、晚高峰时段考虑到需增加B相南北向左转车流放行时间，目的是减少左转与掉头车流对隧道的影响，同时优先车流量较大的西进口放行。

存在问题

表面上看，路口流量数据及现行方案是非常匹配的，但仍然出现了路口失衡报警。为什么呢？我们先现场观察该路口（早高峰）实际运行情况，发现东进口排队非常长，而西进口出现绿灯时间空放。现场情况如下：

图4 大浪路-小浪路早高峰实况

从早高峰的观察来看显然是东进口出现了问题！早高峰时段东进口绿灯放行时间为33秒，放行时间不足，导致了整个路口失衡报警。但是从早高峰时段流量分析来看，西进口总体车流量是大于东进口的，难道是我们的方案已经失效，车流运行规律改变了？这种情况到底是偶发性还是常发性的呢？我们结合大数据诊断一下。

图5 大浪路-小浪路一周平均失衡指数（优化前）

查询该路口一周全天的平均失衡指数变化情况，发现8:00左右路口失衡指数开始飙升，一直延续到9:00早高峰结束，最高数值高达2.8，其他时段包括晚高峰时段失衡指数约为1.5。可以看出只有早高峰时段失衡指数出现报警，这说明我们的早高峰预案可能存在某方面的不足。

那么导致这种失衡的深层次原因是什么呢？东西进口的运行情况在时间上是如何变化的呢？让我们继续利用大数据再深挖一下。下面分别选取东西进口的“进口段平均速度（km/h）”及“百米排队平均消散时间（s）”两个指标来做对比进行分析。

表2 进口段平均速度数据对比（取样）

表3 百米排队平均消散时间数据对比（取样）

分析东西进口早高峰时段进口段平均速度及百米排队平均消散时间可知，8:00开始东进口平均速度骤降、百米消散时间骤增，显然车流开始出现排队、周期绿灯时间内进口排队无法清空；而西进口数据显示8:30前运行情况较好，从8:30开始平均速度逐渐下降、百米消散时间渐渐增加，可判断此时西进口车流量开始增加。

针对以上分析结论，我们从路口的历史监控视频中得到确认，失衡报警正确有效。

优化措施

有了以上精细化的分析，路口优化处理起来就比较简单了，只需要在原来早高峰时段方案的基础上再增加8:00-8:20这个控制时段，优先东进口车辆放行。这样既能降低东进口车流排队压力，又能确保西进口车流顺利清空，不发生车流挤压。优化后的路口配时方案如下：

表4 大浪路-小浪路路口配时方案（优化后）

优化效果

1、经过多周的跟踪观察，早高峰时段路口失衡指数明显降低，没有出现失衡报警。全天的失衡指数均控制在2以下（中度拥堵），路口整体运行情况达到预期效果。
图6 大浪路-小浪路一周平均失衡指数（优化后）

2、早高峰东进口的进口段平均速度与历史数据相比明显提高了（红线为优化后数据，灰线为历史数据）；百米排队平均消散时间数据变化显示，早高峰东西进口放行时间因配时不合理而导致排队等待时间增加的问题得到解决。

表5 进口段平均速度及消散时间对比（优化后）

案例小结

本期案例，我们的交通攻城狮利用了互联企业提供的基于浮动车定位数据挖掘出来的研判数据，这些数据可以帮助我们去快速发现运行有问题的路口。但是路口的问题究竟出在什么地方，是流量过大、相位不合理，还是配时不科学，这还需要攻城狮们结合路口的实际情况，配合更精细的研判数据，进行深入细致的分析，才能发现路口问题的真正症结所在，做到对症下药，药到病除。

位置数据的数据量非常巨大，但能反映的交通特征较少，特别对于时间和空间的微观分析有天然的劣势。这些大量数据在交通信号优化中应该怎么用，怎样才能用得好，需要我们每一位交通人在精细化的信号优化实战中去探索和尝试！