在本系列的第二部分中，关于将中观校准推到最大，Laura Oriol研究了如何改变交通信号灯和主次优先路口的通行量的参数。 这些提示旨在告诉你如何避免不必要地从中观到微观的切换，最终加快你的工作流程。

中观的跟车模型是微观仿真中使用的Gipps跟车模型的简化版。 如果所有车辆都有相同的参数，这个模型会产生一个三角形的密度-流辆图（见图1），可以用三个变量来定义：

自有流速度

自由流动速度是指密度和流量为零时的速度。 在Aimsun Next中，它取决于该路段/转弯处的最大允许速度、车辆的速度接受度以及车辆的最大速度。 它由三角形密度-流量图的正斜率表示。

反应时间

反应时间影响最大通行量和排队传播速度（三角形密度-流量图的负斜率）。 在自由流动的条件下，在没有变道的情况下，确保微观和中观之间车间距的一致性，从而确保通行量的数值是RTmeso = 1.5*RTmicro。 我们可以在图1中观察到通行量是如何通过增加反应时间而减少的。

拥堵密度

拥堵密度是指在该路段可以观察到的最大交通密度（当车辆静止时）；它对应于图1中的红点。 在跟车公式中，不使用路段的拥堵密度参数；取而代之的是车辆的有效长度，即车辆的长度和间隙之和，其倒数可以解释为拥堵密度。

在Aimsun Next中，路段的拥堵密度参数只用于排队溢出的情况：确定一个车道是否已满，以及计算第一辆车离开满员排队后多久另一辆车可以加入排队的后面。 在图1中，你可以看到减少干扰密度（即增加车辆的有效长度）对通行量的影响很低，尽管它对排队传播速度影响很大。

在信号灯路口的通行量

在中观仿真中，车辆要么停止，要么以其所需的速度行驶，因为在跟车踪模型中没有加速或减速，这与微观仿真不同。 在所有加速和减速发挥重要作用的情况下，必须考虑到这种简化。 这是在交通标志或交通灯处的情况，缺乏加速和减速可能导致流量的高估，除非用其他参数的校准来补偿。

在信号灯路口，可以使用“信号灯反应时间“（RTTL）参数，在中间产生一个与微观更一致的通行量。 该参数用于增加停在信号灯前的第一辆车在切换到绿灯时的反应时间。 因此，它可以用来弥补加速的不足。

如果我们使用默认的”信号灯反应时间“，即1.6s，中观仿真就太乐观了，因为它将导致更高的流量。 请注意，在图2中，对于1小时的仿真和60秒的交通灯周期的特殊情况下，速度越高、绿灯时间越短，这种差异就越明显。

在中观中增加”交通灯反应时间“足以弥补这一差异。 能提供良好匹配的数值主要取决于限速（图3）。 例如，在城市地区，通常会有信号灯，典型的速度在50公里/小时左右，将”交通灯反应时间“参数设置为2.8秒，可以补偿前面提到的由于加速和减速造成的差异。

主要-次要优先路口的通行量

在主要-次要优先路口，次要道路上的交通向主要道路上的交通让行。 这是最常见的路口控制形式，通常由让路或停车标志控制。 如前所述，这是另一种需要仔细校准的情况，以便在中观和微观仿真之间获得一致的结果，因为加速和减速发挥着重要作用。 这适用于由让路或停车标志控制的简单T型路口，如图4。

在中观仿真中，缺乏加速和减速意味着让路和停车标志会产生相同的行为，而在微观模拟中，这种差异是显著的。 当车辆遇到停车标志时，它在应用”间距接受模型“前会完全停止，但当它遇到让路时，只要从车辆到路段终点的距离小于可见距离，它就开始应用该模型。 通过增加一个简单的T字型路口的主要道路的流量（冲突流量），并保持小路的恒定高需求，得到图5所示的结果。

很明显，在中观仿真中需要校准。 校准中观参数的一个良好开端是检查零冲突流量的情况，即主要道路上没有流量。 可以增加路段上的”反应时间系数“，或在受影响的转弯处应用较低的速度，以减少饱和流量。

结果表明，使用转弯速度而不是反应时间系数更好，因为我们在小路段的流量和旅行时间都得到了更接近的匹配（见图6和图7）。 此外，”反应时间系数“将适用于来自该路段的所有转弯，而转弯速度控制只影响所选转弯。