城市交通流多目標最佳化：由網絡守恆到排放權衡

封存文章

本文的數值圖表來自示範網絡；它們說明方法，不代表任何城市的實測改善。

城市交通控制同時影響旅行時間、排放、巴士可靠性與社區負擔。只最小化平均車程，可能把車流轉移到住宅區；只限制總排放，也可能令少數走廊長時間擠塞。

路網模型

把城市表示為有向圖 $G=(V,E)$ 。每條路段 $a$ 有自由流時間 $t_a^0$ 、容量 $C_a$ 和流量 $v_a$ ：

t_a(v_a)=t_a^0 \left[1+\alpha(v_a/C_a)^\beta\right].

每個起訖對的路徑流須滿足需求，路段流等於經過該段的路徑流總和。若模擬交通燈，還要把週期、綠燈比例與相位安全時間加入容量。

排放因子 $e_p(s)$ 隨速度 $s$ 改變。總排放近似為

E_p=\sum_{a\in E}v_a\,\ell_a\,e_p(s_a), \qquad s_a=\ell_a/t_a.

低速與頻繁加減速通常不能由單一平均速度充分表示；實務上應用本地車種組合及校準過的 MOVES、COPERT 或同類模型。

決策變數可包括號誌配時、匝道控制與路徑引導。NSGA-II 搜尋

\min_x \bigl(T(x),E_{\mathrm{CO_2}}(x), E_{\mathrm{NO_x}}(x),D_{\mathrm{equity}}(x)\bigr),

並以容量、最短綠燈、安全相位和最大排隊作硬約束。懲罰項尺度若選得不當會遮蓋真正目標，因此應另外報告可行解比例。

Pareto 圖要回答的是「減少下一單位排放要犧牲多少時間」，不是宣告一個唯一最佳點。收斂曲線、重複種子和超體積指標可評估演算法穩定性；結果還要與固定配時和現行控制基準比較。

先用歷史交通重播校準，再進行微觀模擬與硬件在環測試。實地試驗需設巴士延誤、行人等待、住宅街流量及空氣質素護欄。控制器失效時必須回復安全時序。

示範模型未充分描述誘發需求、事故、天氣、行人及駕駛反應。任何「排放下降」都依賴系統邊界與排放因子，應以不確定區間呈現。