考虑公交优先的新型高乘载车道及设置策略

单肖年，万长薪，王晓云，黎雨菲，任姣月，王雨婕

（1.河海大学，土木与交通学院，南京 210024；
2.河海大学，外国语学院，南京 210024）

高乘载车道作为一种典型的交通需求管理策略，能够有效降低车公里数，在实际交通拥堵改善策略中得到了广泛的应用[1]。公交专用道作为一种高乘载车道的特殊形式，仅允许公交车辆使用，禁止所有小汽车通行，一定程度上降低了道路设施资源的利用效率[2]。为了提高公交专用道的道路设施利用效率，部分城市管理部门试点设置了“公交专用道”＋“多乘员车道”的高乘载车道（或称之为复合型集约车道①近年来，上海、银川等地管理部门设置了复合型集约车道，即“公交专用道”+“多乘员车辆专用道”，其本意是高乘载车道。一般工作日早高峰及晚高峰时段内，该车道供公交车、校车、载客2人及以上（含驾驶人）的机动车专用行驶，其他车辆不得驶入。），一定程度上缓解了普通车道社会车辆拥堵的现象[3]。此外，随着车路协同与智能网联技术的发展[4-5]，车车信息交互，智能网联车辆能够实时获取周围车辆的速度与位置信息，有助于推进高乘载车道动态化、精细化管理策略的实施，实现保证公交优先条件下的道路基础设施资源利用最大化。

在21 世纪初，Viegas[6]等人提出间歇式公交专用道的初始概念（Intermittent Bus Lane,IBL），即在保证公交优先的情况下，允许社会车辆驶入公交专用道，但是当公交车驶入公交专用道时，需要对公交车前方社会车辆进行清空，只允许右转社会车辆继续通行。之后Yang[7]考虑到IBL 设置策略会增加车辆间的冲突，在此基础上提出了动态公交专用道（Dynamic Bus Lane, DBL）的概念，通过微观交通仿真模型PARAMICS对上述两种公交专用道设置方法进行了仿真分析，结果表明DBL 设置策略能更好地提高车道利用率。韩慧敏[8]探究了出租车行驶在公交专用道上的可行性，随后谢秋峰等人[9]基于移动瓶颈理论估计了IBL 的通行能力特征。胡淑芬[10]对间歇式公交专用道的发展历程进行了综述分析。

近年来，Wu 等人[11]将智能网联技术引入间歇性公交专用道中，估计了适合设置间歇性公交专用道的路段交通流饱和度特征；
Gao等人[12]分析了智能网联公交车及社会车辆在公交专用道上队列行驶的可能性，仿真分析了车辆轨迹特征及公交专用道通行能力特征。赵晨馨等人[13]以出行总耗时最大为目标函数，构建公交时分高乘载车道交通临界模型，得到高乘载车道设置条件的量化区间。Zhao 等人[14]提出一种新型动态公交专用道，即在交叉口上游设置中间开口，通过预信号引导左转公交车驶入对向公交专用道，以交叉口人均延误为目标函数，建立混合非线性整数规划模型并求解。Xie 等人[15]利用VISSIM 仿真对车路协同环境下动态公交专用道设置策略的相关参数进行了敏感性分析，包括智能网联汽车混入率、DSRC通信距离等。部分学者分析了公交专用道允许纯电动小汽车或者自行车使用的效益特征[16-17]。Zang 等人[18]提出了一种考虑可交易电子路票的高乘载车道均衡分配算法，分析了多种可交易电子路票设置策略的效益。另一方面，元胞自动机（Cellular Automata,CA）能够有效地模拟交通流在复杂环境下的运行特征，国内外研究学者提出Nagel-Schreckenberg[19](NS)的改进模型[20-22]，探究了车路协同或智能网联环境下混合交通流的运行特征。董友邦等人[23]构建元胞自动机仿真模型，分析了公交站点附近间歇式公交专用道的适用条件。

综上所述，目前国内外已有研究对社会车辆进入公交专用道的条件以及设置间歇性公交专用道带来的效益进行了评估，但对于设置“公交专用道”+“多乘员车道”的高乘载车道的交通流设置条件尚不明确。同时在智能网联环境下车车信息交互，有利于优先保障公交车通行效率，进而提高道路设施资源的利用效率，亟需探究网联环境下考虑公交优先的高承载车道设置策略可行性。本文旨在探究智能网联环境下考虑公交优先的新型高乘载车道设置策略，对比分析了不同高乘载车道设置策略下的公交车运行延误与道路交通流量特征，为考虑公交优先的新型高乘载车道设置策略提供实践指导与理论支撑。

1.1 车道场景

本文研究的新型高承载车道着重体现在两个方面：其一，允许公交车与多乘员小汽车混行，可以优先保障公交车通行效率；
其二，车辆行驶环境为智能网联环境，车辆均为智能网联车辆。研究的基本场景为单向三车道。其中，“公交专用道”+“多乘员车道”的高乘载车道设置在车辆前进方向的最内侧，中间及外侧为普通车道，供社会车辆行驶，公交站点布设在靠近高乘载车道一侧，如图1所示。

图1 研究路段基本场景Fig.1 The basic scene in this research

为尽量反映如城市快速路所示的连续交通流实际运行情况，对模型做出如下假设：

（1）基本场景：行驶环境为单向三车道，其中外侧两条车道供社会车辆行驶，同向行驶车道最内侧为新型高乘载车道，公交站点设置在靠近高乘载车道一侧路段中间，社会车辆初始随机分布于普通车道。

（2）车辆属性：研究只考虑公交车和社会车辆两种，且车辆性能尺寸分别一致。其中社会车辆进一步区分为合乘车辆（High Occupancy Vehicles,HOVs）及非合乘车辆，合乘车辆即是指车内人数大于等于2人。

（3）站点停靠：假设公交车均需在站点停靠，研究中公交车站点停靠时间为定值20 s，符合公交车站点停靠的时间特征[24-25]。此外，在3.4 中进一步讨论了公交车站点停靠时间随机性特征。

（4）运行环境：车辆运行环境为智能网联环境，公交车辆及社会车辆均为智能网联车辆，车辆之间的位置以及车辆速度均可知。

1.2 设置策略

本研究中设置三种高乘载车道策略，具体为：策略一，公交专用道，只允许公交车通行，不允许社会车辆驶入公交专用道；
策略二，不考虑公交优先的高乘载车道，允许公交车和合乘车辆同时通行；
策略三，考虑公交优先的新型高乘载车道，允许公交车通行，在满足基本条件下允许普通车道中的合乘车辆驶入该车道，同时在特定条件下要求合乘车辆驶出高乘载车道。

策略一仅允许公交车通行，策略二需要判断驶入高乘载车道的社会车辆是否是合乘车辆，如果是合乘车辆，当换道条件允许时，合乘车辆可以自由驶入驶出高乘载车道。策略二允许合乘车辆自由驶入驶出高乘载车道，但高乘载车道流量的增加以及合乘车辆驶入驶出的换道行为一定程度上增加了公交车的运行延误。在智联网联环境下，车车间的位置与速度信息共享，有助于提出考虑公交优先的合乘车辆驶入驶出高乘载车道的规则，即策略三。

具体而言，对于处于中间车道的社会车辆，当中间车道产生拥堵时，社会车辆存在换道诉求，换道可能存在两种结果：社会车辆进入高乘载车道或社会车辆换至最右侧普通车道。在智能网联环境下，考虑公交车的优先通行，需要对进入高乘载车道的社会车辆的速度和位置做出限制，当社会车辆满足相关要求时才可进入高乘载车道。

当中间车道的社会车辆存在换道诉求时，判断存在换道诉求的社会车辆是否为合乘车辆。在非合乘车辆情况下，且满足下节中的换道规则，则换道至右侧普通车道；
当车辆为合乘车辆时，为了保证进入高乘载车道的合乘车辆在当前时间步长内不对后方公交车的行驶造成影响，同时确保公交车能在下一时间步长内保持最高车速或加速行驶状态。这可以被描述为在满足2.3 所述的换道规则的基础上，单位时间内dn,m,b≥min(vn,b,bus+1,vmax,bus)与vn,car≥vn,b,bus成立时，该合乘车辆即可换道至高乘载车道，符号说明见表1。需要说明的是，虽然高乘载车道前方邻近公交车的速度及位置也可知，考虑到合乘车辆为了驶入高乘载车道以避免当前车道的拥堵，且后方驶入合乘车对前方临近公交车通行基本不造成影响，故未设置前方临近公交车约束条件。

表1 策略三的相关符号说明Tab.1 Related parameters of strategy three

此外，进入高乘载车道合乘车辆的行驶速度通常会大于或等于合乘车辆后方的公交车辆，但是随着车辆的位置更新，可能存在合乘车辆由于车头间距的不足而开始减速，影响后方公交车辆的通行。例如，由于公交车站点停靠，将会导致紧随其后的合乘车辆减速，进而影响后方公交车运行效率，则为了保障公交车运行效率，要求后方公交车一定范围内的合乘车辆在满足换道规则的前提下驶出高乘载车道。因此，若临近的普通车道允许合乘车辆驶出高乘载车道，即使高乘载车道上存在更优的行驶空间，车辆也将驶出高乘载车道；
但如果此时目标车道没有空间容纳合乘车辆，车辆将继续保留在高乘载车道内。因此，需要对高乘载车道上行驶的合乘车辆进行判定，若dn,mix,b＜vn,b,bus&vn,car＜vn,b,bus，同时满足dn,o,b≥dn,safe和En,o= 0，即满足换道安全的条件下，将强制要求合乘车辆驶出高乘载车道，若不满足dn,o,b≥dn,safe和En,o= 0 中的任一项，车辆在当前时间内将保留在高乘载车道，符号说明如表1 所示。同时，考虑合乘车自身对更优行驶环境的追求，即自由换道的需求，若合乘车在高乘载车道上满足下节所述换道规则，也将驶出高乘载车道。

综上，考虑公交优先的新型高乘载车道（策略三）社会车辆换道规则如图2所示。

图2 新型高乘载车道中社会车辆换道规则Fig.2 Lane changing rules of new high occupancy vehicle lane

2.1 参数设置

为了体现智能网联环境下车辆位置和速度的可知性，便于表达新型高乘载车道的设置策略，研究中采用元胞自动机进行仿真建模。城市快速路公交专用道相邻站点间的距离较远，研究中假设站点上下游各500 m 的空间范围作为仿真的基本长度，单车道宽度为3.75 m，道路总宽度为11.25 m，考虑仿真结果的合理性，在左右两端增设200 m 的预热空间，故总仿真场景长度为1 400 m。本文定义社会车辆和公交车实际长度分别为6 m 和12 m，考虑到车辆和车辆由于视野盲区等原因，为了避免碰撞，车辆与车辆在跟驰的过程中往往会保持一定车距，研究中元胞长度为车辆长度与车辆为避免碰撞而保持的距离之和，即一个元胞对应实际长度7 m。规定一辆社会车辆占据一个元胞，一辆公交车占据两个元胞，公交站点可容纳2 辆公交车，为4 个元胞，仿真场景如图3所示。

图3 元胞自动机模型仿真环境Fig.3 Simulation environment in cellular automata model

车辆运动学参数设置方面，研究中假设社会车辆最大速度vmax,car= 4cells·s-1，对应实际速度为100.8 km·h-1；
公交车最大速度vmax,bus= 3cells·s-1，对应实际速度为75.6 km·h-1；
在智能网联环境下，车车信息交互，车辆驾驶员随机慢化概率趋于零，与其他相关学者研究保持一致[22]。此外，考虑到紧急情况时，车辆间的安全换道间距dn,safe= 2cells，公交车停靠时间tdwelling= 20 s。为简化研究问题，借鉴美国《公共交通运行能力及服务水平手册》，假设公交车发车间隔服从均匀分布，公交车发车时间间隔ΔT=120 s，小时交通量为30 veh·h-1，与公交专用道设置标准保持一致[26]。模型参数设置如表2所示。

表2 模型参数设置Tab.2 Parameter settings in this study

另一方面，为了再现普通车道交通流的拥堵状态，对于社会车辆采用周期性边界条件。当社会车辆驶出右侧边界时根据车辆速度和位置重新将其投放到路段上游。同时考虑到公交线路的单向性，对公交车采用开口边界条件，符合车辆运行的实际情况。

2.2 车辆跟驰规则

车辆跟驰规则需要考虑到社会车辆的跟驰及公交车的跟驰运行。社会车辆跟驰规则采用较为常见的三步骤，即加速、减速及位置更新，具体如下：

（1）加速时：

（3）位置更新时：

式中：vn,car(t+1)表示社会车辆在下一时空步的行驶速度；
vmax,car表示社会车辆最大车速；
dn表示车辆与当前车道前车的间隙；
xn,car(t)、xn,car(t+ 1)分别表示社会车辆在当前、下一时空步位置。

公交车速度更新的规则前三步与社会车辆相同，考虑到公交车要在公交站台上停靠，所以位置更新时分两种情况考虑：

（1）公交车停靠在公交站台时

需要记录其等待时间，当等待时间等于停靠时间tdwelling时，认为公交车乘客上下车完毕，即公交完成停靠，公交车将按跟驰规则继续行驶。

（2）在公交站台外时

当公交车位于公交站台外时，公交站台不对公交车造成约束，公交车跟驰规则与前述社会车辆保持一致。

2.3 车辆换道规则

对于单向多车道元胞自动机的换道策略，通常假设车辆的换道是由某些动机驱使的，Chowdhury 等[27]以单车道的NS 模型为基础，引入一套社会车辆换道规则，构造了一个对称的双车道元胞自动机模型，该模型模拟均匀交通系统时效果较好。本文即采用Chowdhury 所提出的换道规则作为研究的基础。考虑到实际情况下车辆同时进行两次换道行为属于小概率事件，约束其每个时空步至多换道一次。车辆具体换道规则如下：

（1）换道动机：

式中：dn为当前车辆前方空元胞数；
dn,o为相邻右车道前方空元胞数；
dn,o,b为相邻车道后方空元胞数；
dn≤min(vn,car(t) + 1,vmax,car)表示单位时间步长内车辆在当前车道不能按期望速度行驶；
dn,o＞dn表示临近车道上行驶环境比当前车道好；
En,o= 0 表示车辆换道时邻车道元胞并无车辆占据。

需要说明的是，策略一及策略二即采用上述的车辆换道规则，策略三采用如图2所示的车辆换道规则。

2.4 仿真评价指标

以公交车平均行车延误百分数dbm以及交通量提升倍数qm作为不同策略比较分析的评价指标。公交车平均行车延误百分数的定义为：在相同仿真时间内，策略二或策略三的公交车平均行驶时间与策略一的公交车平均行驶时间之差与策略一公交车平均行驶时间比值的百分数，如下所示：

式中：dbm为统计时间内策略m的公交车平均行车延误百分数；
nm为统计时间内策略m通过的公交车总数；
tm,i表示策略m中第i辆公交车的行驶时间；
当m=1时表示公交专用道。

同时假设公交车平均延误百分数在10%以内，即认为公交车通行状况不受影响。

道路交通流量提升倍数的定义为：在相同仿真时间内，策略二或策略三的总标准交通量与策略一的总标准交通量之差与策略一总标准交通量的比值，并认为车道交通流量提升倍数大于0.2时，策略二及策略三的设置具有实施价值。道路交通流量用公式表示如下：

式中：nm,gen,i为策略m在初始条件下投放在第i条普通车道的社会车辆数；
Ngen为普通车道设置的车道总数，Ngen= 2。

3.1 交通流量及公交车延误特征分析

利用Matlab 建立上述混合交通流元胞自动机仿真模型，设置仿真时间为2 000 s，单位时间步长为1 s，前200 s 为系统预热时间，取后1 800 s 作为结果分析数据，同时为了消除随机性引起的误差，结果取五次仿真实验的平均值。分析三种策略的公交车运行延误与交通流量特征，当公交车发车间隔为120 s 时，不同合乘车比例下策略二与策略三的公交车平均行车延误百分数、普通车道交通量及高乘载车道交通量变化特征对应仿真结果如图4所示。

图4 策略二与策略三交通量及公交车平均行车延误百分数Fig.4 The average bus operation delay and traffic volume of strategy two and strategy three

由图4(a)～(f)可知，当普通车道交通流运行处于自由流状态，车流密度小于30 pcu·km-1时，策略二与策略三高乘载车道交通量均为公交车交通量，说明社会车辆在普通车道上行驶不受阻碍，合乘车辆没有进入高乘载车道的需求，即在自由流情况下设置高乘载车道暂无较高的实际价值。当交通流密度处于30～50 pcu·km-1时，随着合乘车比例和交通流密度的提升，高乘载车道交通量与公交车平均延误百分数均呈现上升的趋势。当交通流密度处于50～140 pcu·km-1时，高乘载车道交通量变化可以分为三种情况：合乘车占比小于30%时，高乘载车道交通量随交通流密度增长保持上升趋势；
合乘车占比位于30%～60%时，交通量随交通流密度的增加保持缓慢下降的趋势；
当合乘车占比大于60%时，随着交通流密度的增大，高乘载车道交通量在交通流密度大于50 pcu·km-1后呈现快速下降的趋势，且下降速率随合乘占比的增加而增大。具体分析可知：当合乘车辆占比在30%时，合乘车密度最大为30～84 pcu·km-1，对应自由流向拥堵的过渡阶段，所以这一阶段流量下降平缓；
而当合乘车辆占比大于60%时，合乘车密度最大为72～140 pcu·km-1，交通流密度靠近堵塞密度，此时合乘车总数增加，使得高乘载车道行驶环境恶化，为了保障高乘载车道上公交车运行效率，合乘车辆需要逐渐驶离高乘载车道，高乘载车道交通量呈现快速下降趋势。同时发现这一阶段策略二的延误百分数要高于策略三对应百分数，说明考虑公交优先的新型高乘载车道设置策略在保证公交车运行方面具有优势。

3.2 新型高乘载车道设置条件分析

为了进一步说明城市快速路新型高乘载车道设置条件，绘制了策略二及策略三普通车道交通流密度及合乘车辆占比双因素作用下的公交车平均延误百分数及道路交通流量提升倍数三维伪彩图，如图5所示。图中绿色虚框表示高乘载车道的延误百分数适用范围，即公交车平均延误百分数小于10%；
蓝色虚线框表示道路交通流量提升倍数适用范围，即流量提升倍数大于0.2。因此，绿色区域与蓝色区域的交集即为该条件下的新型高乘载车道适用性范围。

图5 策略二、策略三延误百分数及流量提示比适用范围Fig.5 Ranges of applicability of the average bus operation delay and traffic flow increment for different strategies

对比图5 的叠加区域可知，不同合乘车比例条件下高乘载车道设置的交通流适应密度范围存在差异。随着合乘车比例的增加，车道设置的交通流适应密度呈现缩小的趋势。当合乘车比例为50%时，策略三的适应密度为[34,88]pcu·km-1，略高于策略二的适应密度[34,81]pcu·km-1。而当合乘车比例大于等于60%时，策略二与策略三适用范围的叠加区域保持一致，为[34,61]pcu·km-1。具体分析为：当交通流密度小于34 pcu·km-1时，交通流处于自由流阶段，车辆没有驶入高乘载车道的需求；
交通流密度在34～61 pcu·km-1的范围时，道路运行条件（车流）处于自由流向拥堵流过渡，设置新型高乘载车道有助于提升道路利用效率；
合乘车比例大于等于60%，密度区间为61～140 pcu·km-1时，高乘载车道交通流接近堵塞状态，虽然上一辆公交车已经驶出边界，但其驻站停车产生的堵塞波尚未完全消散，进而导致高乘载车道的流量下降，也进一步解释了当合乘车占比较高时在高密度场景下高乘载车道流量下降的原因，如图6所示。

图6 密度为100 pcu·km-1、合乘车占比为60%时公交车驻站产生的堵塞现象Fig.6 Traffic congestion generation when the density is 100 pcu·km-1 and HOV’s proportion is 60%

此外，当公交车发车时间间隔为120 s时，观察公交车平均行车延误百分数所对应三维伪彩图的不适应密度范围，可以发现在此范围内策略三对应伪彩图的色阶要弱于策略二，说明与策略二相比，策略三影响了部分低速合乘车的驶入及合乘车驶出新型高乘载车道的判定，降低了公交车的行驶延误，有利于保障公交车的优先通行。综上，当公交车发车间隔为120 s，合乘车占比低于60%时，在低中密度范围内设置高乘载车道，有助于吸引普通车道的合乘车辆，改善普通车道交通流状况，进而实现道路交通流量增大与公交车运行效率保证的双目标。

3.3 公交车发车时间间隔敏感性分析

为进一步讨论公交车发车时间间隔对不同策略的新型高乘载车道的适应性影响，增设公交车发车时间间隔分别为150 s、180 s 时，策略二、策略三延误及流量提升倍数适用范围三维热力图如图7、图8所示。

由图7、图8 可知，随着公交车发车间隔的增加，对应两种高乘载车道设置策略的交通流适应范围也不断扩大。当公交车发车间隔为150 s，对应公交车小时交通量为24 veh·h-1时，以合乘车占比50%为例，策略二叠加区间为[34,88]pcu·km-1，策略三叠加区间为[34,95]pcu·km-1；
当公交车发车间隔为180 s 时，策略二叠加区间为[34,88]pcu·km-1，策略三叠加区间为[34,102]pcu·km-1；
而当发车间隔为120 s 时，策略二、策略三叠加区间分别为[34,81]pcu·km-1、[34,88]pcu·km-1。由此可见，随着公交车发车时间间隔的增大，新型高乘载车道设置的交通流适用密度范围呈现增长的趋势。从交通波的角度分析，公交车交通流实际相当于间断流，公交车在公交站点停靠时产生了堵塞波，影响了后方的合乘车或公交车速度，且公交车交通量越大，总的停靠时间越大，对应堵塞波的范围和影响时间越长，所以公交车平均延误也会有所增加。同时由上面所列的叠加区间可以发现，虽然策略二适用范围随公交车交通量缩减而有所增加，但其扩大后的适用范围低于策略三的适用范围，说明对于原设有公交专用道的高密度普通车道路段，将公交专用道管理策略变更为具有公交优先的新型高乘载车道管理策略，能够提高道路路段流量，实现道路设施资源的利用最大化。

图7 公交车发车间隔为150 s时策略二、三适用范围Fig.7 Ranges of applicability of different strategies when the bus time interval is 150 s

图8 公交车发车间隔为180 s时策略二、三适用范围Fig.8 Ranges of applicability of different strategies when the bus time interval is 180 s

3.4 公交车驻站时间分布特征分析

前述的分析中，均假设公交站点停靠时间为定值（20 s），在实际公交车运行中，公交车在站点停靠时间呈现随机性。假设公交车站点停靠时间服从N(20,4)的正态分布[22]，探究公交车停靠时间的随机性对高乘载车道适用性范围的影响，以策略三为例，得到停靠时间服从正态分布时适用性范围如图9所示。

图9 公交车驻站时间服从正态分布下策略三的适用范围Fig.9 Ranges of applicability of strategy three when the bus dwelling time follows a normal distribution

与图5(b)、(d)公交车驻站时间为固定值20 s相比，公交车驻站时间服从正态分布时对应的延误百分数要稍低于固定驻站时间，但两者差距较小。考虑论文中正态分布服从N(20,4)，即公交车驻站时间在[16,24]的出现概率较大（为68.4%），与驻站时间为20 s时本身存在较大的重合部分，则仿真结果差异性较小。此外，社会合乘车辆无法获知公交车驻站时间，且公交车驻站时间未在策略三的换道规则中得到应用。总体而言，两种情景下的公交车驻站时间仿真结果在公交车运行延误百分数和交通量提升两方面差距较小。

智能网联环境下，车车信息交互有助于实现提升公交专用道的设施利用效率及保障公交运行效率的多重目标，本文提出了一种考虑公交优先的新型高乘载车道，建立了混合交通流元胞自动机模型，以公交车平均行车延误百分数与道路交通流量提升倍数为评价指标，对比分析了不同高乘载车道的设置策略。仿真结果表明：不同合乘车比例条件下高乘载车道设置的交通流适应密度范围存在差异；
随着合乘车比例的增加，高乘载车道设置的交通流适应密度呈现缩小的趋势。考虑公交优先的新型高乘载车道设置策略有效适应性范围总体上优于常规高乘载车道的适应范围。具体而言，当公交车发车时间间隔为120 s 以及合乘车比例为50%时，考虑公交优先的新型高乘载车道设置策略的适应密度为[34,88]pcu·km-1，略高于常规新型高乘载车道的适应密度（[34,81]pcu·km-1）。而当合乘车比例大于60%时，两种车道设置策略的适应性密度范围保持一致。同时，随着公交车发车间隔的增加，对应两种高乘载车道设置策略的交通流适应范围也不断扩大，且考虑公交优先的新型高乘载车道设置策略密度扩大范围较高。此外，对公交车站点停靠时间的随机性进行了讨论，由于研究中假设公交车驻站时间服从20 s均值的正态分布，两种场景下高乘载车道设置策略的适应性差异性较小。本文研究成果为设置考虑公交优先的新型高乘载车道提供了理论依据与实践指导。