林貴寶,馬榮國,楊濘琿

(1.長安大學　公路學院,陜西　西安　710064；2.南京理工大學　自動化學院,江蘇　南京　210094)

?

機非劃線分割道路自行車交通流對機動車運行的影響

林貴寶1,馬榮國1,楊濘琿2

(1.長安大學公路學院,陜西西安710064；2.南京理工大學自動化學院,江蘇南京210094)

為了分析自行車交通在機非劃線分割道路斷面內對機動車運行造成的干擾，對機非劃線分割道路進行了實地調查，收集了交通流數據。采用累計曲線法，根據道路上機動車與自行車的交通流特征，建立了廣義線性模型分析自行車對機動車運行延誤的影響。分析結果表明：隨著自行車密度的增加，部分自行車進入機動車道，導致機動車運行速度明顯降低；機動車的運行延誤隨著自行車流量和機動車流量的增加而增加；機動車道數及自行車道寬度對機動車運行也產生顯著影響。研究結果有助于理解自行車交通流如何影響機動車延誤，對機非劃線分割道路設計提供了參考信息。

交通工程；自行車；機非劃線分割道路；交通流；交通延誤；累計曲線法

0　引言

在過去的十多年中，世界上許多國家自行車的使用量迅速增加[1-3]。在一些自行車使用量較大的國家，例如我國，將城市道路中的自行車道設置得相當寬(如3～5 m),以此來滿足自行車交通的大流量以及減少對機動車運行的干擾。隨著自行車交通流量的增加，自行車道不再滿足自行車的出行需求而借助機動車道。在這種情況下，自行車交通將會給機動車運行帶來一些干擾。由于市區(qū)機動車停車需求的增加，交通部門考慮通過減小自行車道寬度而設置路內停車，但這種措施會加劇自行車與機動車之間的沖突，機動車運行的延誤也會隨之大大增加。

國內外大多數研究側重于分析市區(qū)內自行車與機動車在交叉口的相互影響[4-6]。陳景旭等[5]建立了一套模型來評價左轉自行車交通在信號交叉口對機動車的影響，然而這種模型并不能直接用于道路斷面的分析。其他研究者分析了機非劃線分割道路的交通運行狀況以及服務水平[7-12]。賈順平等[9]定量分析了自行車對機動車的摩擦干擾和阻滯干擾。但這些研究尚未解決一個關鍵問題，即自行車在不同流量情況下對機動車造成的延誤影響。

本文主要通過南京市的調查數據，分析不同交通狀況下自行車交通流的特征以及機動車的速度，建立模型預測自行車交通在城市道路內對機動車造成的延誤，研究自行車交通在劃線分割道路上對機動車運行的影響。

1　數據調查

選取進行數據采集的城市道路必須滿足以下要求：(1)自行車-機動車劃線分割道路；(2)行人對機動車道和自行車道無干擾或干擾較小；(3)所選道路斷面應遠離交叉口的上游或下游；(4)道路內沒有公交?？空荆?5)在視野開闊的觀察點以及較高的位置架設攝像機(在高層建筑或人行天橋上等)；(6)自行車和機動車交通流量大，能夠反映大多數交通狀況。最后，在南京選取6條典型的城市道路進行數據采集。

選取地點信息如表1所示。自行車道寬度從0.5 m 到2.1 m，機動車道數從1車道到2車道，其中有3條道路的自行車道右邊設置了路內停車。在2014年5月的3個工作日(天氣良好)內采集數據，為了得到非機動車與機動車的各種交通狀況，時間段包括非高峰期和高峰期。攝像機架設在調查的道路斷面附近，以便能夠拍攝全程的交通狀況，如圖1所示。

2　交通流信息提取方法

本文運用累計曲線法從視頻數據中獲取機動車與自行車的交通流信息。累計曲線法是檢驗兩個參數間關系一致性及其變化的常用方法，通常是一條平滑的S形曲線。運用累計曲線法可以從視頻數據中獲取交通流參數而不丟失關鍵信息[13-14]。如圖2

表1　調查道路信息

(a)所示，在選取的道路斷面上標注了到達地點A和離開地點B，兩點之間的距離為L。處理數據時，將每輛自行車經過A,B兩點的時間分別記為ta和tb。自行車的速度計算公式為v=L/(ta-tb)。同時記錄自行車類型(電動自行車或傳統(tǒng)自行車)以及自行車位置(位于自行車道或機動車道)。每輛機動車的記錄方法同上。

圖1　攝像機數據采集Fig.1　Data acquisition by camera

圖2　累計曲線中的交通流信息Fig.2　Traffic flow information in cumulative curves

根據每個騎行者的到達時間和離開時間，可以分別劃出A點和B點的累計曲線，如圖2(b)所示。圖中橫軸表示時間，縱軸表示在此之前時間段內經過A(B)斷面的自行車或機動車的累計數。兩條曲線的縱坐標差表示t時刻A,B兩斷面內的自行車或機動車數，以此來計算密度。曲線斜率表示任意時長Δt內經過A(B)斷面的自行車或機動車數，以此來計算流量。通過運用累計曲線法，易于對任意時間段進行數據分析來計算流量和密度。根據時間信息來計算個體機動車速度。

3　廣義線性模型建模

廣義線性模型已廣泛應用于許多交通研究[15],是常見的正態(tài)線性模型的直接推廣，它對因變量的假設條件比線性模型要寬松得多，使得廣義線性模型對連續(xù)型變量和離散型變量都可以進行擬合。廣義線性模型可以處理因變量與解釋因素間復雜的特性，大大克服了經典線性模型的局限性；從實用角度看，它比標準的迭代模型更具有效率,其所提供的統(tǒng)計推斷功能對重要變量的篩選很有幫助，且模型的假設條件也可得到確認。在實際問題研究中，一個變量往往受到多個重要變量的影響，此時就需要用兩個或兩個以上的影響因素作為自變量來解釋因變量的變化。文中建立廣義線性回歸模型來預測自行車交通給機動車造成的延誤以及其他因素?；貧w模型的形式要求變量之間的關系(或其轉換)本質上是線性的?；灸Ｐ凸綖椋?/p>

(1)

式中，Yn×1為因變量觀測值；Xn×p為自變量觀測值；βp×1為自變量的相關因素；εn×1為誤差項；n為觀測的數量；p為預測變量的數量。

運用下面的方程計算因變量的預測值：

(2)

運用最小二乘估計方法來估計廣義線性模型中的參數。參數估計的細節(jié)見文獻[15]。

(3)

(4)

對于多元線性回歸模型，方程的總體線性關系顯著不等于每個解釋變量對被解釋變量的影響都是顯著的。因此，必須對每個解釋變量進行顯著性檢驗，以決定是否作為解釋變量被保留在模型中。用于進行變量顯著性檢驗的方法包括：F檢驗、t檢驗、Z檢驗，它們的區(qū)別在于構造的統(tǒng)計量不同，應用最多的是t檢驗。

由于模型參數βi服從下列正態(tài)分布：

(5)

式中，cii為矩陣(X′X)-1主對角線上的第i個元素；σ2為隨機誤差項的方差，在實際計算時，用它的估計量代替：

(6)

式中e′為矩陣e的轉置。

可以構造一個統(tǒng)計量：

(7)

原假設H0:βi=0，預備假設H1:βi≠0,i=1,2,…,k。

給定顯著性水平α，可得到臨界值tα/2(n-k-1),于是可以根據

(8)

來拒絕或接受原假設H0，從而判定對應的解釋變量是否應包括在模型中。

因變量是指機動車交通的延誤，自變量是指交通流參數以及其他變量，包括機動車流量、自行車流量、機動車道數、自行車道寬度、電動自行車比例以及路內停車，利用SPSS軟件檢驗確定機動車交通延誤與影響因素之間的相關關系。SPSS統(tǒng)計分析過程包括描述性統(tǒng)計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型等幾大類。

相關分析是用來度量事物之間或變量之間相關程度強弱的方法，它是研究變量間相關程度的一種常見的統(tǒng)計方法。相關系數是描述相關程度和方向的統(tǒng)計量，用R表示[16]。

檢驗兩個變量的相關性R，兩個變量x，y的相關系數的數學表達式為：

(9)

R為兩個變量的線性相關系數，即相關強度。R=1表示所有的觀察值(點)在二維直角坐標系中都落在一條直線上；R>0表示直線的斜率大于0；R<0表示直線的斜率小于0；R=0表示選取的兩個變量無線性相關性。

如果變量x,y間是統(tǒng)計關系，則-10)；如果x與y變化的方向相反，則呈負相關(r<0)；r=0則表示無相關性。

一般地，相關性的R取值、相關性度量及意義如圖3和表2所示[17]：

圖3　相關系數R的取值與性質Fig.3　Value and nature of correlation coefficient R

|R|的取值范圍|R|的相關程度0.00～0.19極低的相關性0.20～0.39低度相關0.40～0.69中度相關0.70～0.89高度相關0.90～1.00極高相關

建立模型可以提供信息，以幫助理解各個因素在城市道路上對機動車延誤的影響。

4　模型結果分析

4.1自行車交通流特征分析

自行車交通流的關系如圖4所示。由于篇幅限制，且6個位置的自行車交通流的關系的整體趨勢一致，故選取6個位置中最具代表性的一個位置，其他位置自行車交通流的關系不再羅列。圖4(a)描述的是每10 s內自行車流量與密度的關系?？梢钥闯?，流量隨著密度呈線性增長的趨勢，這表明自行車交通在道路斷面內并不擁擠。圖4(b)描述的是自行車速度與密度的關系?？梢钥闯鰞蓚€重要特征：(1)隨著密度的增加(且流量仍然增加)，自行車平均速度略有降低；(2)當密度變大時，自行車速度變化幅度顯著下降。這是因為當路段上有許多自行車時，原本速度較快的騎行者被迫勻速前進。這是從不同的城市道路斷面中得出一致的結論。

圖4　自行車交通流各參數之間的關系Fig.4　Relationship among various parameters of bicycle traffic

圖5(a)選擇最具代表性的位置描述進入機動車道的自行車輛數。很明顯，隨著自行車密度的增加，越來越多的自行車進入機動車道。圖5(b)描述了自行車分別在自行車道和機動車道上的平均速度。自行車在機動車道上的平均速度為22.64 km/h，高于在自行車道上的平均速度15.81 km/h。這表明，當自行車道上有較多慢行者時，快行者往往會借助機動車道來超越慢行者，以避免出行延誤。圖5(c)描述了電動自行車在自行車道與機動車道的百分比。結果顯示，在機動車道上行駛的所有車輛中，電動自行車占87.02%。在自行車道上行駛的大部分是傳統(tǒng)自行車，這表明電動自行車與機動車發(fā)生潛在碰撞的可能性更大。

圖5　行車道與機動車道的交通流特征Fig.5　Traffic flow characteristics of bicycle lanes and motor vehicle lanes

4.2自行車交通對機動車運行的影響

為了分析機動車出行的影響，根據車道將機動車流分為兩組，分別為內車道的機動車流和外車道的機動車流。最具代表性的位置為如圖6(a)所示的在不同自行車密度下位于外車道的機動車速度。很明顯，自行車流密度對機動車速度影響很大。隨著自行車流密度的增加，機動車的平均速度下降。此外，如果周圍有大量自行車，駕駛員不愿開得過快而保持低速行駛，所以機動車的速度變化幅度明顯降低。最具代表性的位置為如圖6(b)所示的位于內車道的機動車速度。與外車道相比，內車道的機動車速度受自行車流密度的影響較小。隨著自行車流密度的增加，機動車的平均速度及速度變化幅度也顯著下降。

另一方面需要分析機動車速度與機動車道上自行車數量的關系。類似于圖6，當更多的自行車行駛在機動車道上時，機動車的平均速度及速度變化幅度會下降，這符合一貫的思維。與內車道相比，自行車交通在外車道上對機動車的出行干擾更為嚴重。這表明，對于只有一條機動車道的道路來說，由于機動車沒有其他車道的選擇，其機動車與自行車相互干擾的影響更為嚴重，因而應優(yōu)先制訂政策來改善此類道路的交通出行。當道路上劃分了幾條機動車道時，機動車受自行車交通的影響較小。

圖6　不同自行車密度下的機動車速度Fig.6　Vehicle speed in different bicycle densities

4.3機動車延誤模型結果

本文建立廣義線性模型分析機動車延誤與自變量之間的關系。以每輛機動車低密度時的速度與自由流時的速度經過該道路所用時間差來計算延誤?？紤]到一些變量在現(xiàn)實中很難測量，如自行車密度以及在機動車道上行駛的自行車數量，因此模型并不包括這些變量。建立的模型只包括在實際中能夠測量的變量，包括機動車流量、自行車流量、機動車道數、自行車道寬度、電動自行車比例及路內停車。

建模結果如表3所示，可以發(fā)現(xiàn)，其中有4個自變量對城市道路的機動車交通延誤有顯著影響，即自行車流量、機動車流量、機動車道數以及自行車道寬度。根據參數的相關系數可以確定這些變量的影響。從建模結果中也可以看出這些變量是如何影響機動車交通延誤的。隨著自行車流量的增加，機動車延誤也會增加，即自行車流量每增加1 000輛，每輛機動車延誤就增加了32.67 s/km。機動車流量每增加1 000輛，每輛機動車延誤就增加了38.00 s/km。由于變量系數是負的，所以當機動車道數越多時，對機動車的延誤越小。在同樣的交通狀況下，當機動車道數從1條增加到2條時，機動車延誤減少了30.87 s/km。此外，自行車道的寬度與機動車延誤呈負相關，這表明自行車道越寬，延誤越小。

表3　機動車延誤的建模結果

電動自行車的比例對機動車的延誤并沒有顯著影響，電動自行車進入機動車道的可能性雖然更大，然而結果卻與一貫思維不一致。解釋這一結果的可能原因是超車需求，對于騎行者進入機動車道的主要原因是自行車交通的速度不同。如果大多數騎行者使用的是電動自行車，那么騎行者之間的速度差異實際上是相當小的。因此，他們可能在自行車道上行駛而不干擾相鄰的機動車交通。此外，設置路內停車也并不會對機動車延誤造成顯著影響。

建模結果也可為相關部門制訂政策提供有效信息。圖7為不同交通流下的延誤。從圖中可以明顯看到延誤相對于自行車和機動車交通流的變化是如何改變的。如果預估的結果落在不可接受的延誤區(qū)域，交通部門可以制訂政策改善交通出行。此外，當交通狀況發(fā)生變化時，可以用該模型來預測未來交通出行特征，例如自行車流的需求，也可以運用該模型來評價一些政策對機動車和自行車交通出行的影響，例如增加或減小自行車的寬度，或設置路內停車。

圖7　不同交通狀況下的機動車延誤Fig.7　Delays of motor vehicle under different traffic

5　結論

本文主要分析了自行車交通在機非劃線分割道路上對機動車運行造成的影響。研究結果表明，隨著自行車密度的增加，自行車的平均速度及速度的變化幅度下降，且更多的自行車進入機動車道。這些自行車的平均速度大于在自行車道上行駛的自行車速度，且電動自行車進入機動車道的可能性更大。隨著機動車道上的自行車密度或自行車數量的增加，機動車的平均速度及速度的變化幅度下降。此外，有4個變量對城市道路的機動車交通延誤有顯著影響，即自行車流量、機動車流量、機動車道數及自行車的寬度。

一些城市道路沒有劃分自行車道，使得自行車和機動車被迫行駛在同一車道內。在這種情況下，自行車交通對機動車出行的影響與本文不同。文中的模型不可直接用于分析自行車與機動車在同一車道內行駛的交通延誤。

[1]PUCHER J,BUEHLER R.Why Canadians Cycle More Than Americans:A Comparative Analysis of Bicycling Trends and Policies[J].Transport Policy,2006,13(3):265-279.

[2]PUCHER J,DILL J,HANDY S.Infrastructure,Programs and Policies to Increase Bicycling:An International Review[J].Preventive Medicine,2010,50(S):106-125.

[3]蘇建忠，魏清泉，游細斌.美國的自行車友好社區(qū)及其啟示[J].國外城市規(guī)劃，2006，21(3)：94-97.

SU Jian-zhong,WEI Qing-quan,YOU Xi-bin.American BFC and Its Inspiration for China [J].Urban Planning International,2006,21(3)：94-97.

[4]BAI L,LIU P,CHEN Y,et al.Comparative Analysis of the Safety Effects of Electric Bikes at Signalized Intersections[J].Transportation Research Part D:Transport and Environment,2013,20(5):48-54.

[5]CHEN Jing-xu,WANG Wei,LI Zhi-bin,et al.Dispersion Effect in Left-turn Mixed Bicycle Traffic and Its Influence on Capacity of Left-turn Vehicles at Signalized Intersections[J].Transportation Research Record,2014,2468:38-46.

[6]徐良杰，王煒.左轉自行車對直行機動車通行的影響分析模型[J].東南大學學報:自然科學版，2005，35(5)：805-809.

XU Liang-jie,WANG Wei.Analysis Model of Influence of Left-turn Bicycle on Passage of Straight-through Vehicles [J].Journal of Southeast University:Natural Science Edition,2005，35(5)：805-809.

[7]American Association of State Highway and Transportation Officials.Guide for the Development of Bicycle Facilities[M].Washington,D.C.:AASHTO,1999.

[8]Transportation Research Board.Highway Capacity Manual[M].Washington,D.C.:TRB,2010.

[9]賈順平，彭宏勤，郭謹一，等.城市混合交通中自行車對機動車行駛影響的定量分析[J].交通運輸系統(tǒng)工程與信息，2008，8(2)：58-62.

JIA Shun-ping,PENG Hong-qin,GUO Jin-yi,et al.Quantitative Analysis of Impact of Bicycles on Vehicles in Urban Mixed Traffic[J].Journal of Transportation Systems Engineering and Information Technology,2008，8(2)：58-62.

[10]陳永恒，王殿海，陶志興.無物理隔離路段機動車與非機動車速度特性研究[J].交通運輸系統(tǒng)工程與信息，2009，9(5)：53-57.

CHEN Yong-heng,WANG Dian-hai,TAO Zhi-xing.Speed Character Study for Motor Vehicle and Bicycle at Non-barrier Section[J].Journal of Transportation Systems Engineering and Information Technology,2009，9(5)：53-57.

[11]LI Z,WANG W,LIU P,et al.Physical Environments Influencing Bicyclists’ Perception of Comfort on Separated and On-street Bicycle Facilities[J].Transportation Research Part D:Transport and Environment,2012,17(3):256-261.

[12]CHEN Xiao-hong,AN Kang,LI Li.Study on Influencing Factors of Bike Lane Capacity[C]// Transportation Research Board 93rd Annual Meeting.Washington,D.C.:TRB,2014.

[13]CASSIDY M J,MAUCH M.An Observed Traffic Pattern in Long Freeway Queues[J].Transportation Research Part A:Policy &Practice,2001,35(2):143-156.

[14]CASSIDY M J,BERTINI R L.Some Traffic Features at Freeway Bottlenecks[J].Transportation Research Part B:Methodological,1999,33(1):25-42.

[15]WASHINGTON S P,KARLAFTIS M G,MANNERING F L.Statistical and Econometric Methods for Transportation Data Analysis[J].Maritime Economics &Logistics,2003,46(4):492-493.

[16]孫逸敏.利用SPSS軟件分析變量間的相關性[J].新疆教育學院學報，2007，23(2)：120-123.

SUN Yi-min.Using SPSS Software to Analyze the Correlation between Variables [J].Journal of Xinjiang Education Institute,2007，23(2)：120-123.

[17]阮桂海，蔡建瓊，朱志海,等.統(tǒng)計分析應用教程[M].北京：清華大學出版社，2003.

RUAN Gui-hai,CAI Jian-qiong,ZHU Zhi-hai,et al.Statistical Analysis Tutorial[M].Beijing:Tsinghua University Press,2003.

Impact of Bicycle Traffic on Vehicle Operation on Divided Road

LIN Gui-bao1,MA Rong-guo1,YANG Ning-hui2

(1.School of Highway,Chang’an University,Xi’an Shaanxi 710064,China;2.School of Automation,Nanjing University of Science and Technology,Nanjing Jiangsu,210094,China)

In order to analyse the impact of bicycle traffic on vehicle operation on divided road,the field investigation on divided road is conducted and the traffic flow data are collected.By using cumulative curve method and according to the traffic flow characteristics of vehicles and bicycles on the road,a generalized linear model is developed to analyse the impact of bicycles on traffic delay of vehicles.The result shows that (1) a part of bicycles travel into vehicle lanes as the bicycle density increases,resulting in the vehicle traffic speed decrease obviously;(2) the delay of vehicle traffic increases as the traffic volumes of bicycle and vehicle increase;(3) the number of vehicle lane and width of bike lane significantly affect the vehicle traffic.The finding can help understand the impact of bicycle traffic on traffic delay of vehicle,which provided the reference information for design of divided road.

traffic engineering;bicycle;divided road;traffic flow;traffic delay;cumulative curve method

2014-12-14

中央高?；究蒲袠I(yè)務費專項資金項目(2013G1321042);陜西省交通運輸廳交通科技項目(14-32R)

林貴寶(1974-)，男，陜西西安人，博士研究生.(gblin@chd.edu.cn)

10.3969/j.issn.1002-0268.2016.01.017

U491.2+62

A

1002-0268(2016)01-0112-07