漆巍巍，裴玉龍

(1.哈爾濱工業(yè)大學(xué)交通科學(xué)與工程學(xué)院，黑龍江哈爾濱150090；2.東北林業(yè)大學(xué)交通學(xué)院，黑龍江哈爾濱150040)

0 引言

交通擁堵影響機(jī)動(dòng)車的運(yùn)行效率和安全，對(duì)交通參與者造成了生理和心理的雙重壓力，進(jìn)而表現(xiàn)在駕駛行為上，如車輛跟馳、車道變換等。國(guó)內(nèi)外對(duì)交通擁堵的研究主要集中在交通擁堵的形成機(jī)理、疏解策略和管理對(duì)策等方面。文獻(xiàn)[1]將交通擁堵的空間分布分為孤立交叉口擁堵、線狀主干路擁堵和區(qū)域擁堵。文獻(xiàn)[2]提出基于城市道路路段平均占有率的擁堵判別算法，并建立相應(yīng)的交通擁堵判別指標(biāo)。文獻(xiàn)[3]提出交通擁堵費(fèi)是緩解城市交通擁堵直接而有效的需求管理方法，提出了一種舊城區(qū)交通擁堵收費(fèi)的可行方案，并基于北京市宏觀交通模型測(cè)試施行擁堵費(fèi)后的預(yù)期交通影響。文獻(xiàn)[4]研究信號(hào)控制優(yōu)化算法來(lái)提高交叉口通行能力，緩解車輛出行壓力。在車道變換方面，文獻(xiàn)[5]針對(duì)換道行為的時(shí)間差異性，借助馬爾科夫鏈過(guò)程分析車輛換道行為。文獻(xiàn)[6]構(gòu)建了車輛換道行為離散選擇模型，以此模擬實(shí)時(shí)交通流狀態(tài)下的換道行為。文獻(xiàn)[7]研究了車道變換的特性及其對(duì)交通安全的影響，提出了相應(yīng)保障措施和建議。文獻(xiàn)[8]認(rèn)為駕駛?cè)俗陨砩?、心理因素?huì)影響車道變換行為，在允許范圍內(nèi)盡量提高車速是其主要?jiǎng)訖C(jī)。

本文借鑒國(guó)內(nèi)外學(xué)者關(guān)于交通擁堵和車道變換行為的研究成果，基于大量的實(shí)測(cè)數(shù)據(jù)探討城市道路擁堵狀態(tài)下駕駛?cè)说能嚨雷儞Q特性及規(guī)律，以便及時(shí)根據(jù)交通流狀態(tài)為駕駛?cè)瞬磺‘?dāng)換道提供警示，保障交通擁堵狀態(tài)下的行車安全。

1 交通擁堵對(duì)駕駛?cè)藫Q道的影響

車輛行駛過(guò)程中，駕駛?cè)诵枰粩嗟赝ㄟ^(guò)眼睛、耳朵等感覺器官?gòu)牡缆翻h(huán)境中獲取各類交通信息，經(jīng)神經(jīng)中樞系統(tǒng)判斷后做出相應(yīng)的決策，并通過(guò)手和腳的操作來(lái)支配車輛的加減速、轉(zhuǎn)向等，使其按照駕駛?cè)说囊庵咀龀鱿鄳?yīng)的運(yùn)動(dòng)軌跡，形成了“道路環(huán)境—駕駛?cè)恕囕v運(yùn)動(dòng)—新道路環(huán)境”的閉合系統(tǒng)。

不同出行目的和生理狀態(tài)的駕駛?cè)藢?duì)車速的期望不同，根據(jù)相鄰車道的車流狀況，選擇直接換道、不良換道或保持現(xiàn)狀。若選擇直接換道或不良換道，駕駛?cè)藢⒃谛碌能嚨乐忻媾R對(duì)交通狀態(tài)的再次判斷，形成一個(gè)“認(rèn)知—判斷—?jiǎng)幼鳌颅h(huán)境—再認(rèn)知”的閉合環(huán)路；若選擇保持現(xiàn)狀，駕駛?cè)巳詴?huì)不斷觀察相鄰車道的車流狀況，以獲得換道機(jī)會(huì)。交通擁堵狀態(tài)下駕駛?cè)藫Q道的信息處理流程如圖1所示。

表1 小型客車換道比例的變化Tab.1 Change of lane changing proportion of minibus

圖1 擁堵狀態(tài)下駕駛?cè)说男畔⑻幚砹鞒蘁ig.1 Information processing flow of drivers under congested traffic

針對(duì)不同操作下?lián)Q道駕駛行為導(dǎo)致的交通沖突數(shù)和沖突程度，將換道駕駛行為分為斜插型、擠壓型和并行型。

表2 小型客車換道比例與交通擁堵壓力系數(shù)的關(guān)系Tab.2 Relationship between the proportion of lane change of minibus and the level of traffic congestion

表3 大型客車換道比例的變化Tab.3 Change of lane changing proportion of large bus

1）斜插型。

指駕駛?cè)嗽趯?shí)施換道時(shí)，忽略與原始車道和目標(biāo)車道后方車輛間的臨界車頭時(shí)距，在車頭時(shí)距不滿足要求的情況下，依舊直接插入目標(biāo)車道完成換道的不良駕駛行為，往往導(dǎo)致嚴(yán)重的交通沖突。

2）擠壓型。

指駕駛?cè)嗽谶M(jìn)行車道變換時(shí)，由于原始車道和目標(biāo)車道后方車輛間的車頭時(shí)距不滿足要求，而繼續(xù)向目標(biāo)車道擠壓，一旦獲得空間立即駛?cè)肽繕?biāo)車道，往往導(dǎo)致中等程度的交通沖突。

3）并行型。

指駕駛?cè)嗽谶M(jìn)行車道變換時(shí)，由于原始車道和目標(biāo)車道后方車輛間的車頭時(shí)距不滿足要求，而與目標(biāo)車道車輛并行，且逐步轉(zhuǎn)向目標(biāo)車道的行為，導(dǎo)致輕微的交通沖突。

文獻(xiàn)[9]從駕駛?cè)烁惺艿慕嵌?，定義了交通擁堵壓力系數(shù)χpress(其值介于0和1之間)表示車輛實(shí)際運(yùn)行速度-Vyunxing與期望車速之間的關(guān)系，如式(1)所示：

2 數(shù)據(jù)獲取

經(jīng)過(guò)試驗(yàn)設(shè)計(jì)和路徑測(cè)試，使用多臺(tái)攝像機(jī)記錄駕駛?cè)说膭?dòng)作、車輛運(yùn)行軌跡和交通環(huán)境，利用GPS系統(tǒng)記錄車輛運(yùn)行速度和所處位置。由27位駕駛?cè)嗽诤邶埥」枮I市區(qū)道路展開實(shí)測(cè)實(shí)驗(yàn)，其中，女性駕駛?cè)似骄挲g為33歲，最小21歲，最大50歲，年齡標(biāo)準(zhǔn)差為8歲；男性駕駛?cè)似骄挲g為36歲，最小21歲，最大58歲，年齡標(biāo)準(zhǔn)差為11歲。所有駕駛?cè)硕加泻细竦鸟{駛證件，平均駕齡9年，并聲明所有參加者在實(shí)驗(yàn)過(guò)程中有任何不適感覺都可以自愿退出實(shí)驗(yàn)。經(jīng)過(guò)57個(gè)工作日的實(shí)驗(yàn)，獲得各類數(shù)據(jù)6.2萬(wàn)條，有效數(shù)據(jù)占83%以上。

3 小型客車換道模型

小型客車是城市道路交通高峰時(shí)段的主要車型，調(diào)查中所占比例達(dá)到85%以上。小型客車在交通擁堵狀態(tài)下三種換道類型的比例構(gòu)成如表1所示，表中列出不同壓力系數(shù)下斜插型、擠壓型和并行型換道的比例分布。可以看出，隨著交通擁堵壓力系數(shù)提高大致呈現(xiàn)：斜插型比例先增加后降低，擠壓型比例逐步降低，并行型比例逐步升高。

由表1中數(shù)據(jù)回歸分析得到小型客車交通擁堵狀態(tài)下三種換道類型比例與交通擁堵壓力系數(shù)間的量化關(guān)系，其線性和二次多項(xiàng)式模型見表2。由擬合優(yōu)度的高低可知，三種換道類型比例與交通擁堵壓力系數(shù)的關(guān)系均更加趨向于二次多項(xiàng)式模型。

4 大型客車換道模型

大型客車(含公共汽車)是交通高峰時(shí)段城市道路車型的重要組成部分，調(diào)查中所占比例為5.3%。大型客車在交通擁堵狀態(tài)下三種換道類型的比例構(gòu)成如表3所示，不同壓力系數(shù)下斜插型、擠壓型和并行型換道的比例分布呈現(xiàn)不同規(guī)律。

依據(jù)表3中不同壓力系數(shù)下大型客車斜插型、擠壓型和并行型換道比例，采用線性回歸和二次多項(xiàng)式模型回歸，得到各類換道比例與交通擁堵壓力系數(shù)間的量化關(guān)系模型，見表4。在大型客車三種類型換道比例與交通擁堵壓力系數(shù)的關(guān)系模型中，二次多項(xiàng)式的擬合優(yōu)度更高；與小型客車相比，其擬合優(yōu)度有所降低。

5 小型貨車換道模型

小型貨車是交通高峰時(shí)段城市道路車型的主要組成部分，調(diào)查中所占比例為5.8%。小型貨車在不同交通擁堵壓力系數(shù)下的換道比例如表5所示。

回歸得到各類換道比例與交通擁堵壓力系數(shù)間的量化關(guān)系模型，見表6。在小型貨車三種類型換道比例與交通擁堵壓力系數(shù)的關(guān)系模型中，二次多項(xiàng)式的擬合優(yōu)度最高。小型貨車在機(jī)動(dòng)性和可控性上與客車，尤其是小客車間存在較大差異，這種差異使小型貨車在交通擁堵狀態(tài)下斜插型、擠壓型和并行型換道的比例分布更加離散，具體體現(xiàn)為回歸模型的R2值偏低。

6 結(jié)語(yǔ)

本文從分析交通擁堵對(duì)駕駛?cè)藫Q道特性的影響過(guò)程入手，指出交通擁堵狀態(tài)下駕駛?cè)藭?huì)選擇直接換道或不良換道，并且將在新的車道中面臨對(duì)交通狀態(tài)的再次判斷，形成一個(gè)“認(rèn)知—判斷—?jiǎng)幼鳌颅h(huán)境—再認(rèn)知”的閉合環(huán)路?；诖罅繉?shí)測(cè)數(shù)據(jù)，構(gòu)建小型客車、大型客車和小型貨車在城市交通擁堵狀態(tài)下三種換道類型構(gòu)成比例與壓力系數(shù)的關(guān)系模型。研究結(jié)果表明，交通擁堵對(duì)小型客車、大型客車和小型貨車的換道行為特性影響顯著。與小型、大型客車比較，小型貨車在交通擁堵狀態(tài)下斜插型、擠壓型和并行型換道的比例分布更加離散。

表4 大型客車換道比例與交通擁堵壓力系數(shù)的關(guān)系Tab.4 Relationship between the proportion of lane change of large bus and the level of traffic congestion

表5 小型貨車換道比例的變化Tab.5 Change of lane changing proportion of minivan

表6 小型貨車換道比例與交通擁堵壓力系數(shù)的關(guān)系Tab.6 Trend of lane changing proportion of minivan

由小型客車、大型客車和小型貨車在城市交通擁堵狀態(tài)下三種換道類型比例與交通擁堵壓力系數(shù)的關(guān)系模型表達(dá)式，可以根據(jù)車輛在不同時(shí)段的運(yùn)行速度計(jì)算出斜插型、擠壓型和并行型換道的比例。其中，斜插型換道導(dǎo)致嚴(yán)重的交通沖突，在實(shí)際中可以設(shè)置安全閾值對(duì)其進(jìn)行提前警示，提醒駕駛?cè)嗽趽矶聽顟B(tài)下注意行車安全，放松心情，降低斜插型換道行為的發(fā)生率。

本文基于換道導(dǎo)致沖突的嚴(yán)重程度對(duì)駕駛?cè)藫Q道進(jìn)行分類，在數(shù)據(jù)處理過(guò)程中有些沖突很難界定，尤其是一般沖突與輕微沖突間的差異不明顯，導(dǎo)致數(shù)據(jù)的精密程度有所降低；此外，所采用的線性和二次多項(xiàng)式模型在小貨車的換道分析中，回歸模型的擬合優(yōu)度偏低，下一步將著重考慮數(shù)學(xué)模型的選擇，以得到更好的擬合結(jié)果。

[1]楊梅.天津市城市交通擁擠問題及道路交通管理對(duì)策研究[D].天津：天津大學(xué)，2005.

[2]莊斌，楊曉光，李克平.道路交通擁擠事件判別準(zhǔn)則與檢測(cè)算法[J].中國(guó)公路學(xué)報(bào)，2006，19(3)：82-86.Zhuang Bin,Yang Xiaoguang,Li Keping.Criterion and Detection Algorithm for Road Traffic Congestion Incidents[J].China Journal of Highway and Transport,2006,19(3):82-86.

[3]劉智麗，李春艷，李成.大城市施行交通擁擠費(fèi)的交通影響分析[J].交通運(yùn)輸系統(tǒng)工程與信息，2009，9(6)：57-62.Liu Zhili,Li Chunyan,Li Cheng.Traffic Impact Analysis of Congestion Charge in Mega Cities[J].Transportation Systems Engineering and Information,2009,9(6):57-62.

[4]王殿海，別一鳴，宋現(xiàn)敏，等.信號(hào)交叉口最大周期時(shí)長(zhǎng)優(yōu)化方法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2010，40(增刊)：148-151.Wang Dianhai,Bie Yiming,Song Xianmin,et al.Maximum CycleLengthOptimization Method of Signalized Intersection[J].Journal of Jilin University(Engineering and Technology Edition),2010,40(S):148-151.

[5]Karandeep Singh,Baibing Li.Estimation of TrafficDensitiesforMultilaneRoadways Using a Markov Model Approach[J].IEEE Transactions on Industrial Electronics,2012,59(11):4369-4376.

[6]Karandeep Singh,Baibing Li.Discrete Choice Modelling for Traffic Densities with Lane-Change Behaviour[J].Procedia-Social and Behavioral Sciences,2012,43:367-374.

[7]黃秋菊.車道變換行為特性及其對(duì)交通安全影響的研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2007.Huang Qiuju.Study on Lane Change Behavior Character and Its Influence to Traffic Safety[D].Harbin:Harbin Institute of Technology,2007.

[8]魏麗英，雋志才，田春林.駕駛員車道變換行為模擬分析[J].中國(guó)公路學(xué)報(bào)，2001，14(1)：77-80.WeiLiying,Juan Zhicai,Tian Chunlin.Simulation Analysis of Driver’s Lane-changing Behavior[J].China Journal of Highway and Transport,2001,14(1):77-80.

[9]Qi Weiwei,Pei Yulong,Song Mo,Bie Yiming.Pattern Analysis of Driver’s“Pressure-State-Response”in Traffic Congestion[J].Discrete Dynamics in Nature and Society,2013(2013):1-11.