李鵬飛，石建軍，劉小明,2

(1．北京工業(yè)大學 交通工程北京市重點實驗室，北京 100124；2．交通運輸部，北京 100736)

?

城市快速路競爭與協(xié)作換道行為特征分析

李鵬飛1，石建軍1，劉小明1,2

(1．北京工業(yè)大學 交通工程北京市重點實驗室，北京 100124；2．交通運輸部，北京 100736)

本文研究道路資源有限條件下車輛競爭與協(xié)作換道行為特性。在前人研究的基礎(chǔ)上，對競爭換道行為進行了描述，并與協(xié)作換道行為進行了比較。采用視頻拍攝和車輛軌跡提取軟件獲取了車輛換道數(shù)據(jù)。著重探討了車輛換道距離和時間、騎線行駛距離和時間的內(nèi)在聯(lián)系，并對換道行為中車輛的接受間隙、速度變化、橫向位移進行了分析。以實測數(shù)據(jù)為基礎(chǔ)，得出競爭/協(xié)作換道行為下車輛換道接受間隙的分布函數(shù)，提出重合區(qū)域最小值法，得到競爭與協(xié)作換道接受間隙的臨界值，并以此建立了不同間隙下車輛換道行為的概率模型。研究結(jié)果表明：競爭/協(xié)作換道接受間隙的臨界取值為19.28 m，車輛間隙大于30 m時車輛選擇協(xié)作換道的概率為94.49%以上。

交通工程；換道；重合區(qū)域最小值法；競爭; 協(xié)作；城市快速路

0 引言

道路交通系統(tǒng)的平穩(wěn)有序運行受到多方因素制約，不同的駕駛行為，特別是一些非常規(guī)駕駛行為對交通安全帶來潛在威脅。根據(jù)德國NVENT-FAS協(xié)會公布的道路交通事故主要原因分析報告，在車輛行駛過程中并線、車道變換和駛離車道行為造成的事故占總事故數(shù)的28%和15%[1]。車輛競爭行駛過程中由于沖突點的增加影響交通運行效率，威脅交通運行安全，降低交通系統(tǒng)安全性，甚至可能引發(fā)道路交通阻塞等不良后果。因此，對通行行為，尤其是以競爭性換道為代表的通行行為進行研究[2]，對于完善通行行為分析研究方法、提高個體駕駛行為研究水平、更好地理解人-車-路協(xié)同關(guān)系具有重要意義。

現(xiàn)有研究將換道行為分為3個階段：換道需求產(chǎn)生、換道可行性判斷和換道過程執(zhí)行。在換道需求產(chǎn)生方面，駕駛?cè)藫Q道需求由當前車道和目標車道的交通狀況所決定，主要采用換道概率來描述車輛的換道需求。Yang等[3]建立的車輛換道需求由車輛期望速度和前車速度來決定，并通過忍耐因子和速度差因子等參數(shù)來確定當前車速是否足夠低，相鄰車道速度是否足夠大，以此來判斷車輛是否換道。鄭弘等[4]將隨機效用理論引入換道需求的產(chǎn)生，建立了基于效用選擇的換車道模型。在換道決策方面，相關(guān)學者進行了大量的研究，取得了豐富的研究成果。針對Gipps框架[5]沒有區(qū)分不同換道性質(zhì)的缺點，Yang[6]根據(jù)駕駛?cè)藙訖C的不同，將換道分為強制性換道(Mandatory Lane Changing，MLC)和判斷性換道(Discretionary Lane Changing，DLC)。Wei等[7]通過交通視頻觀測，在強制性換道和判斷性換道的基礎(chǔ)上，提出預先換道(Preemptive Lane Changing，PLC)，表明換道行為具有長期的行為動機，并且駕駛?cè)说呐R界接受間隙在不同情況下是不同的。Hidas[8]發(fā)現(xiàn)在擁堵條件下駕駛?cè)烁偁帗Q道行為(Forced Lane Change，F(xiàn)LC)，將換道決策類型分為自由換道、合作換道和競爭換道3種，使用智能Agent技術(shù)模擬駕駛?cè)说姆磻蛽Q道過程中的相互作用，根據(jù)道路擁堵水平和個體Agent的特性差異，智能體選擇讓出空間、減速、或者不退讓。Toledo等[9]提出了綜合駕駛行為模型，使用離散概率模型來描述駕駛?cè)说能嚨肋x擇和間隙選擇，允許駕駛?cè)送瑫r考慮MLC和DLC兩種換道類型。Balal等[10]利用Next Generation Simulation (NGSIM)中I-80高速公路的車輛軌跡數(shù)據(jù)，提出了基于模糊推理系統(tǒng)的駕駛?cè)藫Q道決策二元選擇模型，結(jié)果顯示該方法精度優(yōu)于傳統(tǒng)的接受間隙模型。Zheng等[11]采用神經(jīng)網(wǎng)絡模型來研究多樣性的換道行為，并利用車輛軌跡數(shù)據(jù)對模型進行評估和驗證，并與多項Logit模型進行了對比，研究顯示，神經(jīng)網(wǎng)絡模型能夠預測94.58%的左側(cè)換道和73.33%的右側(cè)換道，優(yōu)于多項Logit模型的13.25%和3.33%的準確預測比例。Singh等[12]為研究換道行為對交通流的影響，提出了用馬爾科夫鏈空間狀態(tài)模型來描述駕駛?cè)藫Q道行為。Talebpour等[13]提出了一種基于博弈理論的換道模型，建立了雙人非零和非合作博弈框架，并使用NGSIM軌跡數(shù)據(jù)進行驗證，仿真結(jié)果表明此模型比間隙接受模型更符合實際情況。

國內(nèi)學者對換道行為進行了較為深入的研究[14-15]。王崇倫等[16]建立了動態(tài)橢圓最小安全距離模型，較之傳統(tǒng)最小安全距離模型的約束空間具有更高的安全性和靈活性，并采用回旋曲線解決了圓弧換道模型的側(cè)向加速度過大、曲率不連續(xù)等問題。楊曉芳等[17]分析了駕駛過程中的博弈行為和相應駕駛行為意圖的變化，建立了前后車之間的博弈矩陣模型。

目前的換道研究側(cè)重于換道需求產(chǎn)生、間隙檢測等決策過程的分析，然而對換道實施過程具體行為細節(jié)的研究更為重要。黨睿娜等[18]在高速公路上進行了實車駕駛?cè)藫Q道試驗，研究了換道階段的車輛、車間狀態(tài)變化和換道操作習慣等，其試驗在自由流情況下進行，車輛密度較小，屬于自由換道行為。Zhao[19]觀察國內(nèi)車輛換道行為，提出了多步式擠壓換道行為，與標準換道、合作換道、強制換道在換道時間、車道分布、影響程度等方面進行了對比。綜上所述，研究者在換道需求產(chǎn)生、行為表現(xiàn)、決策等領(lǐng)域進行了廣泛的探索。在我國，交通擁堵常態(tài)化，多數(shù)駕駛?cè)朔ㄒ?guī)道德意識淡薄，駕駛?cè)说膿Q道大多屬于見縫插針的競爭行為，現(xiàn)有研究缺乏對競爭與協(xié)作換道行為在特征指標上的分析，尚無競爭與協(xié)作換道行為特征指標臨界值的分析方法。因此本文將對上述問題進行相關(guān)研究。

本文通過車輛運動視頻提取車輛換道行為軌跡數(shù)據(jù)，在總結(jié)前人研究成果和交通專家討論的基礎(chǔ)上，歸納出競爭與協(xié)作目標車輛的外顯運動特征，分析換道行為中車輛的行駛軌跡，比較換道距離和時間、車輛速度、接受間隙、車輛橫向位移等外顯運動參數(shù)，進而得到駕駛?cè)烁偁幣c協(xié)作換道行為的交通特征參數(shù)。針對目前尚無競爭與協(xié)作換道行為特征指標判別方法的不足，提出重合區(qū)域最小值分析法，用于獲取不同換道行為特征指標的臨界值，并計算兩種換道類型的概率。

1 競爭駕駛行為表現(xiàn)

一般來說，車輛換道行為包括3個方面：(1)駕駛?cè)藳Q定實施換道行為，調(diào)整方向盤使車輛偏轉(zhuǎn)，以一定的角度跨越車道線進入目標車道；(2)車輛進入目標車道后，反向調(diào)整車輛方向；(3)駕駛?cè)藢囕v方向進行微調(diào)，以使車輛能夠在目標車道上安全行駛。

基于目標車輛和目標車道后車不同的交互行為，傳統(tǒng)的駕駛?cè)藫Q道過程分為自由換道、合作換道和強制換道3種。換道過程中車輛的運動過程可分為轉(zhuǎn)向、直線加/減速、并道。在西方國家，3種換道行為能夠解釋道路上大多數(shù)駕駛?cè)说膿Q道行為。在我國，受周圍環(huán)境、社會文化以及自身道德水平等多方面因素影響，駕駛?cè)硕嗖捎酶偁幨酵ㄐ行袨?，與發(fā)達國家的協(xié)作式通行行為存在顯著差異[20]。

為更好地分析換道行為，建立車輛換道行為的交通環(huán)境，如圖1所示。①為目標車輛，②為目標車道前車，③為目標車道后車，④為本車道前車。AD段為目標車輛從換道開始到結(jié)束的全過程，BC段為目標車輛騎線行駛(Trans-line Ride，TLR)部分。協(xié)作換道行為，即①車發(fā)出換道請求，③車減速允許其換道請求，隨后①車檢查換道間隙完成換道。競爭換道行為比較復雜，Sun基于目標車道后車決策行為，提出了競爭/合作(Competitive/Cooperative，C/C)換道行為[21]，認為競爭換道為：①車發(fā)出換道請求，③車保持車速或加速拒絕其換道請求，然后①車繼續(xù)向后車發(fā)出換道請求，直到目標車道后車減速允許其換道請求。Zhao提出的多步式擠壓換道行為認為，①車在被拒絕其換道請求后會逐步靠近目標車道，降低車速，逼迫③車減速讓行，直到出現(xiàn)可供目標車輛完成換道行為的換道間隙。

圖1 車輛換道關(guān)系示意圖Fig.1 Schematic diagram of lane-changing relations between vehicles

車輛換道行為的競爭與協(xié)作是一個相對的概念，任何換道行為的完成或放棄都是一方禮讓或者妥協(xié)的產(chǎn)物，表現(xiàn)為雙方駕駛?cè)说牟┺钠胶?，否則駕駛?cè)酥g的完全競爭將會導致交通事故的發(fā)生。因此，本文在定義競爭換道行為還是協(xié)作換道行為時，以雙方第1次沖突時對方的行為反應為判定準則。

(1)協(xié)作換道行為

如圖2(a)所示，①車向③車發(fā)出換道請求，③車允許其換道請求同時減速增大換道間隙，為①車換道提供條件。

(2)競爭換道行為

如圖2(b)所示，①車在換道條件不充分的條件下(主要表現(xiàn)為換道間隙小于臨界間隙)，向③車發(fā)出換道請求，③車選擇拒絕其換道請求。此時③車可能存在兩種反應：③車保持原有速度，維持現(xiàn)跟馳狀態(tài)；③車加速，減小與前車間距。若①車堅持換道需求，則為競爭換道行為。

圖2 車輛換道交互關(guān)系圖Fig.2 Diagrams of lane-changing interactions between vehicles

根據(jù)前人對競爭與協(xié)作換道行為特性的研究，同時對15名駕駛?cè)诉M行訪談，最后結(jié)合專家意見，從定性的角度建立駕駛?cè)烁偁幣c協(xié)作換道行為辨別方法與標準。

(1)車輛間距

在道路資源有限的交通環(huán)境中，目標車輛為了爭奪道路優(yōu)先權(quán)，換道行為需求的產(chǎn)生和執(zhí)行在換道條件不充分的條件下進行，目標車道前后車間隙小于臨界間隙，目標車輛通過“擠壓”后車完成競爭換道。

(2)換道時間

競爭換道環(huán)境下，目標車輛與目標車道前后車存在交互行為，特別是目標車輛與后車之間存在激烈的博弈，呈現(xiàn)你爭我搶的局面，導致目標車輛速度降低、換道時間增加。

(3)速度變化

當目標車輛發(fā)出換道請求，后車拒絕，目標車輛會逐漸靠近目標車道，同時降低車輛速度，通過不斷向目標車道后車施加壓力，最終完成換道。

(4)騎線行駛

競爭條件下，目標車輛不可能一次完成換道，為了向后車施加壓力，表明其換道的堅決性，會沿車道邊緣甚至騎線行駛(Trans-line Ride，TLR)，競爭換道中目標車輛沿車道邊緣行駛時間和距離增加。

(5)目標車道車輛橫向偏移

目標車輛逐漸靠近目標車道，擠壓目標車道前車或后車，使得前車或后車被迫偏離車道中心，造成目標車道車輛的橫向偏移。

圖3(a)和(b)描述了兩種典型的駕駛?cè)烁偁帗Q道行為。圖3(a)中，①車在不滿足換道條件的情況下，選擇向目標車道偏移，選擇合適的機會強行匯入車隊，并強迫目標車道②車做出讓步，然而②車只是向車道邊緣偏移而并未讓步，而是選擇與之競爭，兩車在同一車道并行一段距離后，②車選擇加速，超越目標①車，至此換道結(jié)束。而在圖3(b)中，①車在向目標車道偏移的過程中，逐漸減小與②車之間的橫向距離，迫使②車減速讓行，完成換道。

圖3 典型競爭換道行為Fig.3 Typical competitive lane-changing behaviors

2 數(shù)據(jù)采集與處理

2.1 數(shù)據(jù)采集方案

為了獲得車輛競爭換道數(shù)據(jù)，選取北京快速路窯洼湖橋一段進行交通視頻采集。為了提高調(diào)查數(shù)據(jù)的精度，采用高點視頻拍攝、視頻車輛軌跡提取的方法。車輛視頻軌跡數(shù)據(jù)采集流程如圖4所示。

圖4 視頻數(shù)據(jù)處理流程圖Fig.4 Processing of video data processing

2.2 數(shù)據(jù)采集

通過對窯洼湖橋周邊環(huán)境的篩選，選取快速路自南向北作為觀測對象。攝像機架設(shè)在人行天橋，通過4 m長的拍攝桿固定在頂端，盡量提高拍攝高度擴大拍攝范圍。通過經(jīng)緯儀等測量儀器對道路主要標志點進行坐標測量。數(shù)據(jù)采集時間為2015-03-24至2015-03-25共6 h視頻，競爭與協(xié)作樣本見表1。利用視頻處理軟件Ulead Video Studio將視頻處理為10 Hz的視頻圖像。然后使用SIMI Motion 3D系統(tǒng)通過視頻加載、坐標基準點標定、坐標變換、車輛運動軌跡采集、運動數(shù)據(jù)導出得到車輛的坐標、速度、加速度和運動距離等數(shù)據(jù)。最后經(jīng)過簡單的數(shù)據(jù)處理即可得到車輛的速度、車頭間距、換道時間、騎線行駛距離和時間等參數(shù)。

表1 視頻采集及競爭與協(xié)作換道行為樣本

2.3 參數(shù)處理

為研究車輛的競爭行為特征，首先需要確定車輛的換道行為定義，其次對所采集數(shù)據(jù)進行統(tǒng)計分析。如圖1所示，目標車輛換道起終點為A點、D點，B點、C點分別為目標車輛騎線行駛的起終點。車輛換道行為參數(shù)主要包括換道時間和距離、騎線行駛距離和時間、目標車輛換道接受間隙、目標車輛速度、目標車道后車橫向位移等參數(shù)。

3 換道行為參數(shù)特征分析

基于上文的競爭換道行為特性和換道相關(guān)參數(shù)定義，提取車輛競爭與協(xié)作換道行為軌跡。對車輛換道距離和時間、換道接受間隙、目標車輛減速值、騎線行駛距離和時間、后車橫向位移等參數(shù)進行分析，見表2。

表2 競爭與協(xié)作換道行為特性參數(shù)描述性統(tǒng)計

3.1 換道距離和時間

車輛換道時騎線行駛距離和時間是換道行為中的重要參數(shù)，是車輛換道總距離和總時間的組成部分。

圖5為兩種換道行為中車輛換道時間與騎線行駛時間的關(guān)系圖。車輛換道過程中，騎線行駛時間隨著總換道時間的增加而增加。對換道時間和騎線行駛時間進行回歸分析，協(xié)作與競爭行為系數(shù)分別為0.537和0.680，兩者相差0.143。由此可見，協(xié)作換道的平均騎線行駛時間占總時間的比例明顯小于競爭換道的騎線行駛時間所占的比例。這表明競爭換道不能一次性完成換道行為，目標車輛首先會逐步靠近車道線，并在車道線附近與目標車道車輛僵持，進行數(shù)次博弈后才能完成換道行為，使得壓線行駛時間較長。

圖5 換道時間與壓線行駛時間關(guān)系Fig.5 Relations between lane-changing time and trans-line ride time

圖6為車輛換道距離與騎線行駛距離的關(guān)系圖。對換道距離和騎線行駛距離進行回歸分析，協(xié)作與競爭行為系數(shù)分別為0.521和0.596，兩者相差0.075。同時間比值結(jié)果一樣，協(xié)作換道的平均騎線行駛距離占總距離的比例小于競爭換道的騎線行駛距離所占的比例。

圖6 換道距離與壓線行駛距離關(guān)系圖Fig.6 Relations between lane-changing distance and trans-line ride distance

比較車輛兩種換道行為的距離、時間參數(shù)可以發(fā)現(xiàn)，協(xié)作換道的時間系數(shù)與距離系數(shù)只有0.016的差距，競爭換道的時間系數(shù)與距離系數(shù)差距則較為顯著，達到了0.084。通過分析發(fā)現(xiàn)，產(chǎn)生這種現(xiàn)象的原因為：協(xié)作換道行為目標車輛的速度不會發(fā)生劇烈變化，車輛在換道過程中的加減速行為溫和，車輛在騎線行駛過程中速度變化較小，所以兩系數(shù)的值較接近；競爭換道行為中車輛之間存在激烈爭搶行為，目標車輛在創(chuàng)造/等待接受間隙的過程中會逐步接近車道線，同時降低車輛速度，速度的降低使得車輛能夠在更安全的環(huán)境下進行道路資源的爭奪，造成目標車輛在車道線附近速度降低較大，因此，兩系數(shù)的值差距也就較大。

換道過程中目標車輛換道平均速度與騎線行駛平均速度的相對比值為：

(1)

對實測數(shù)據(jù)進行分析，得到各目標車輛的換道平均速度與騎線行駛平均速度，計算得到競爭與協(xié)作換道行為中目標車輛的速度相對比值分別為-18.7% 和-2.1%。反映出兩種換道行為特性的差異。

圖7為車輛競爭/協(xié)作換道時間分布和累積頻率統(tǒng)計。協(xié)作換道時間集中在3～5 s之間，均值為4.2 s；競爭換道時間分布范圍較大，均值為8.2 s，圖7(b)中出現(xiàn)兩個峰值，分別為6～8 s和12～14 s，明顯高于協(xié)作換道時間。

圖7 換道時間分布和累積頻率Fig.7 Lane-changing time distribution and cumulative frequency

3.2 換道接受間隙

不同換道行為對換道可接受間隙的選擇也不相同，如圖8所示。競爭換道的接受間隙均值為10.7 m，其中間隙為0～15 m占總數(shù)的81%；協(xié)作換道的接受間隙均值為18 m，其中間隙為10～30 m，占總數(shù)的82%。

圖8 換道接受間隙分布和累計頻率Fig.8 Lane-changing acceptance gap distribution and cumulative frequency

競爭換道行為的接受間隙在0～5 m中的占總數(shù)的18%，5 m的間隙根本不能滿足車輛的換道需求，結(jié)合騎線行駛時間，充分說明了目標車輛在換道需求強烈且換道條件不滿足的條件下，與周圍車輛爭奪道路資源的激烈程度。

3.3 目標車輛速度

不同換道行為中，目標車輛的速度變化也不相同。對目標車輛在換道初始時刻A點和騎線行駛末端時刻C點速度進行統(tǒng)計，如圖9所示。直線表示車輛在換道初始時刻和壓線行駛末端時刻的速度相等，直線下方表示車輛換道初刻速度大于騎線末端速度，直線上方表示車輛換道初刻速度小于騎線末端速度。可以看出，協(xié)作換道中的大部分目標車輛在完成換道任務時速度會增加，占總數(shù)的82.9%；競爭換道中的大部分目標車輛在完成換道任務時速度會減小，占總數(shù)的73.4%。競爭目標車輛速度的減小會對交通流的平穩(wěn)運行造成干擾，尤其在道路交通量接近飽和的狀態(tài)下，交通流的輕微擾動就可能導致交通阻塞。

圖9 車輛換道初刻和壓線末端速度散點圖Fig.9 Scattergram of velocities at lane-changing initial time and TLR end time

3.4 后車橫向位移

目標車道后車橫向位移，即在換道過程持續(xù)時間T內(nèi)，目標車道后車相對換道初始時刻的橫向最大位移為：

(2)

表3為目標車道后車橫向位移統(tǒng)計。協(xié)作換道中有81%的后車橫向位移在0～0.5 m范圍內(nèi)，競爭換道則僅占總數(shù)的54%，近一半的后車位移在0.5 m以上，其中21.8%的后車橫向位移大于1 m。統(tǒng)計結(jié)果表明，在競爭換道過程中，目標車輛往往無足夠的換道間隙，在逐步向目標車道行駛的過程中“擠壓”后車“創(chuàng)造”換道間隙，此行為會對后車造成較大的橫向壓力，后車為保證行車安全向車道邊緣移動，使得車輛橫向位移偏大。如果后車的臨近車道存在適合換道的車輛間隙，后車甚至會采取換道行為來消除橫向壓力。

表3 目標車道后車橫向位移

4 換道行為概率分析

不同的換道行為表現(xiàn)出不同的換道行為特性，構(gòu)建車輛換道行為模型需要對車輛換道類型進行預測。上文分析了換道過程中車輛換道距離、時間、接受間隙、速度、橫向位移等參數(shù)，在這些參數(shù)中，車輛換道距離、時間、速度、橫向位移參數(shù)為換道過程完成后才能獲得的參數(shù)，接受間隙為換道開始前就能獲得的參數(shù)。因此，選取接受間隙作為換道類型的預測變量。

2.1 換道接受間隙分布函數(shù)

觀察兩種換道類型的換道接受間隙分布，總體上類似于韋伯分布或正態(tài)分布。利用實測接受間隙數(shù)據(jù)對兩種分布進行擬合，得到競爭與協(xié)作換道下?lián)Q道接受間隙的擬合參數(shù)值，如表4所示。

表4 換道接受間隙分布函數(shù)的擬合參數(shù)

注：k為形狀參數(shù)；λ為比例參數(shù)；R2為判定系數(shù);μ為期望值，決定其位置；σ為標準差，決定分布幅度。

4.2 競爭與協(xié)作換道行為概率

為了更準確地表征駕駛?cè)烁偁幣c協(xié)作駕駛的行為特性，合理劃分駕駛?cè)烁偁幣c協(xié)作換道概率，采用重合區(qū)域最小值法確定競爭與協(xié)作換道接受間隙的臨界值。

如圖10所示，假設(shè)接受間隙臨界值為a，為使大于臨界值a被誤判為競爭換道和小于臨界值a被誤判為協(xié)作換道的概率最小，即求得圖10中陰影面積之和最小，則公式為：

(3)

式中，F(xiàn)coo(x)為fcoo(x)對應的密度函數(shù)；Fcom(x)為fcom(x)對應的密度函數(shù)。

將式(3)展開，得到：

(4)

將競爭與協(xié)作的密度函數(shù)代入式(4)中，計算得到x=19.28 m，取得最小值0.558，即競爭與協(xié)作換道接受間隙的臨界值為19.28 m。

圖10 競爭與協(xié)作換道接受間隙分布Fig.10 Acceptance gap distribution of C/C lane changing

結(jié)合競爭與協(xié)作換道行為的換道接受間隙分布函數(shù)，采用概率形式來表示駕駛?cè)说母偁幣c協(xié)作換道選擇行為：

(5)

(6)

式中，pcom(x)為換道間隙為x時目標車輛選擇競爭換道的概率；pcoo(x)為換道間隙為x時目標車輛選擇協(xié)作換道的概率。

基于以上建立的換道行為選擇概率模型計算得到不同間隙下車輛的競爭與協(xié)作換道行為的概率，見表5。

表5 不同間隙車輛換道行為選擇概率

當間隙小于15 m時，目標車輛換道采取競爭行為的概率較大；當間隙大于20 m時，目標車輛采取競爭行為換道的概率下降明顯，而采取協(xié)作換道的概率增大；當間隙等于30 m時，車輛選擇協(xié)作換道的概率為94.49%，表明30 m以上的車輛間距已經(jīng)足夠使車輛從容地完成換道。

5 結(jié)論

(1)競爭行為的換道時間為8.22 s，遠高于協(xié)作行為換道時間4.53 s；競爭換道行為中換道接受間隙為0～15 m，占總數(shù)的81%，協(xié)作行為占總數(shù)的30%；競爭換道中目標車輛的平均速度比協(xié)作換道的平均速度低7.27 km/h；競爭行為中目標車道后車橫向位移為0.67 m，是協(xié)作行為的2倍。表明競爭換道行為換道時間長、速度降低大、對周圍車輛影響嚴重。

(2)根據(jù)實測數(shù)據(jù)，對兩種換道類型的目標車輛換道接受間隙進行了分布擬合，結(jié)果表明競爭與協(xié)作換道行為的換道接受間隙能夠很好地擬合正態(tài)分布，并給出了密度函數(shù)。

(3)基于接受間隙分布函數(shù)，提出了重合區(qū)域最小值法，以確定競爭與協(xié)作換道接受間隙的臨界值。間隙取值為19.28 m時可使兩類換道行為的誤判概率最小，并給出了不同車輛間距下競爭與協(xié)作換道行為的概率。

(4)駕駛?cè)藫Q道接受間隙及換道行為方式的選擇受多種因素的影響。本文僅考慮城市快速路交通流量大的情況下車輛接受間隙對換道行為的影響，沒有對個人屬性、交通流量、速度、車輛性能等因素進行分析。因此，有必要在后續(xù)研究中將這些因素在換道選擇概率模型中加以體現(xiàn)，以獲取更加準確的預測結(jié)果。

[1] 陳俊. 基于DSP的汽車視覺系統(tǒng)研究[D]. 武漢: 武漢理工大學, 2009. CHEN Jun. Research of Automotive Vision System Based on DSP[D]. Wuhan: Wuhan University of Technology, 2009.

[2] 石建軍,李鵬飛,劉小明,等. 道路通行行為研究進展及其展望[J]. 交通信息與安全, 2015, 33(2): 1-9. SHI Jian-jun, LI Peng-fei, LIU Xiao-ming, et al. Progress and Prospect of Research on Road Traffic Behavior [J]. Journal of Transport Information and Safety, 2015, 33(2): 1-9.

[3] YANG Q I, KOUTSOPOULOS H N. A Microscopic Traffic Simulator for Evaluation of Dynamic Traffic Management Systems[J]. Transportation Research Part C: Emerging Technologies, 1996, 4(3):113-129.

[4] 鄭弘, 榮建, 任福田. 基于效用選擇的換車道模型[J]. 公路交通科技, 2004, 21(5): 88-91. ZHENG Hong, RONG Jian, REN Fu-tian. A Lane Changing Model Based on Random Utility Theory[J]. Journal of Highway and Transportation Research and Development, 2004, 21(5): 88-91.

[5] GIPPS P G. A Model for the Structure of Lane-changing Decisions[J]. Transportation Research Part B: Methodological, 1986, 20(5):403-414.

[6] YANG Q. A Simulation Laboratory for Evaluation of Dynamic Traffic Management Systems [D]. Cambridge: Massachusetts Institute of Technology, 1997.

[7] WEI H, LEE J, LI Q, et al. Observation-based Lane-vehicle Assignment Hierarchy: Microscopic Simulation on Urban Street Network[J]. Transportation Research Record, 2000, 1710(1):96-103..

[8] HIDAS P. Modelling Vehicle Interactions in Microscopic Simulation of Merging and Weaving[J]. Transportation Research Part C: Emerging Technologies, 2005, 13(1):37-62.

[9] TOLEDO T, KOUTSOPOULOS H N, BEN-AKIVA M. Integrated Driving Behavior Modeling[J]. Transportation Research Part C: Emerging Technologies, 2007, 15(2):96-112.[10]BALAL E, CHEU R L, SARKODIE-GYAN T. A Binary Decision Model for Discretionary Lane Changing Move Based on Fuzzy Inference System[J]. Transportation Research Part C: Emerging Technologies, 2016, 67:47-61.[11]ZHENG J, SUZUKI K, FUJITA M. Predicting Driver’s Lane-changing Decisions Using a Neural Network Model[J]. Simulation Modelling Practice & Theory, 2014, 42:73-83.[12]SINGH K, LI B. Estimation of Traffic Densities for Multilane Roadways Using a Markov Model Approach[J]. IEEE Transactions on Industrial Electronics, 2012, 59(11): 4369-4376.

[13]TALEBPOUR A, MAHMASSANI H S, HAMDAR S H. Modeling Lane-changing Behavior in a Connected Environment: A Game Theory Approach[J]. Transportation Research Part C: Emerging Technologies, 2015, 59: 216-232.

[14]劉志強, 王俊彥, 汪澎, 等. 基于BP神經(jīng)網(wǎng)絡的高速公路入口合流區(qū)域換道行為研究[J]. 公路交通科技, 2014, 31 (9): 120-153. LIU Zhi-qaing, WANG Jun-yan, WANG Peng, et al. Study on Lane Change Behavior on Expressway On-ramp Merging Area Based on BP Neural Network[J]. Journal of Highway and Transportation Research and Development, 2014, 31 (9): 120-153.

[15]楊曉芳, 周昱, 付強. 考慮駕駛心理的封閉式道路車輛出匝換道模型[J]. 公路交通科技, 2015, 32(7): 112-119. YANG Xiao-fang, ZHOU Yu, FU Qiang. A Lane-changing and Off-ramp Model of Vehicles on Enclosed Road Considering Driving Psychology[J]. Journal of Highway and Transportation Research and Development, 2015, 32(7): 112-119.

[16]王崇倫，李振龍，陳陽舟，等. 考慮換道約束空間的車輛換道模型研究[J]. 公路交通科技, 2012, 29(1):121-127. WANG Chong-lun, LI Zhen-long, CHEN Yang-zhou, et al. Research on Lane-changing Models Considering Restricted Space[J]. Journal of Highway and Transportation Research and Development, 2012, 29(1):121-127.

[17]楊曉芳, 張盛, 付強. 基于博弈論的完全信息下的駕駛行為研究[J]. 公路交通科技, 2015, 32 (7): 105-111. YANG Xiao-fang, ZHANG Sheng, FU Qiang. Research of Driving Behavior under Condition of Complete Information Based on Game Theory[J]. Journal of Highway and Transportation Research and Development, 2015, 32 (7): 105-111.

[18]黨睿娜, 王建強, 李克強, 等. 高速公路行駛條件下的駕駛員換道特性[J]. 清華大學學報：自然科學版, 2013, 53(10): 1481-1485. DANG Rui-na, WANG Jian-qiang, LI Ke-qiang, et al. Driver Lane Changing Characteristics for Various Highway Driving Conditions[J]. Journal of Tsinghua University: Science and Technology Edition, 2013, 53(10): 1481-1485.

[19]ZHAO Li, SUN Jian, ZHANG H M. Observations and Analysis of Multistep Approaching Lane Changing Behavior at Two Expressway Merge Bottlenecks in Shanghai[C]// Transportation Research Board 92nd Annual Meeting. Washington,D.C.: Transportation Research Board, 2013.

[20]韋華, 張偉. 中美兩國汽車駕駛安全影響因素研究[J]. 中國安全科學學報, 2004, 14(9): 24-28. WEI hua, ZHANG wei. Study on Factors Determining Driving Safety in China and the US [J]. China Safety Science Journal, 2004, 14(9): 24-28.

[21]SUN Jian. A Lane-changing Model for Urban Arterial Streets[D]. Gainesville, FL: University of Florida, 2009.

Analysis on Cooperative/Competitive Lane-changing Behavior Characteristics on Urban Expressway

LI Peng-fei1，SHI Jian-jun1，LIU Xiao-ming1,2

(1. Beijing Key Laboratory of Traffic Engineering, Beijing University of Technology, Beijing 100124, China;2. Ministry of Transport, Beijing 100736, China)

The present study aims to investigate the cooperative/competitive lane-changing behavior characteristics in the limited road resources. Based on the predecessors’ researches, the competitive lane-changing behavior is described, and compared with the cooperative lane-changing behavior. The lane-changing data are obtained by video capture and vehicle trajectory extraction. The internal relations among lane-changing space and time, trans-line ride (TLR) space and time are discussed, and acceptance gap, velocity change of object vehicle, horizontal displacement of lag vehicle are analyzed. Based on the measured data, the distribution functions about the acceptance gap of cooperative/competitive lane-changing are obtained. The critical value of the acceptance gap of cooperative/competitive lane-changing is extracted through the proposed method of minimum overlap area value, and the lane-changing behavior probability model for different acceptance gaps is established accordingly. The research result indicates the critical value of the acceptance gap of cooperative/competitive lane-changing is 19.28 m, the probability of cooperative lane-changing is more than 94.49% when the gap is more than 30 m.

traffic engineering; lane-changing; method of minimum overlap area value; competition; cooperation; urban expressway

2015-12-03

北京市教育委員會重點項目(KZ20151005007)

李鵬飛(1989-)，男，河南濟源人，博士研究生.(689pengfei@sina.com)

10.3969/j.issn.1002-0268.2016.12.021

U491.1

A

1002-0268(2016)12-0130-10