郝艷萍 徐良杰* 王嘯嘯

(武漢理工大學(xué)交通學(xué)院1) 武漢 430063) (河南城建學(xué)院土木與交通工程學(xué)院2) 平頂山 467036)

0 引 言

信號交叉口危險(xiǎn)變道行為易引發(fā)交通事故.相關(guān)統(tǒng)計(jì)結(jié)果表明，車輛換道產(chǎn)生的碰撞事故占總碰撞事故的4% ～10%，多是由于駕駛?cè)藢δ繕?biāo)車道前后車輛車頭時(shí)距判斷失誤，進(jìn)而誘發(fā)交通事故[1].

目前，國內(nèi)外學(xué)者在危險(xiǎn)變道行為方面的研究主要集中在危險(xiǎn)變道行為的影響因素及基本特性[2-3]、對交通流及交通安全的影響等[4]，通過行車軌跡建立不同的數(shù)學(xué)模型，對危險(xiǎn)變道行為進(jìn)行分析及判定[5-6].針對信號交叉口危險(xiǎn)變道行為風(fēng)險(xiǎn)特性分析方面的研究較少.對于碰撞時(shí)間(TTC)模型的研究，則主要集中于跟馳車輛的交通沖突[7]，缺乏對于變道行為沖突的研究.

文中提出了風(fēng)險(xiǎn)特性參數(shù)車輛接近時(shí)間(VAT)模型，利用Lasso-LARS算法對數(shù)據(jù)集進(jìn)行訓(xùn)練，確定車輛接近時(shí)間(VAT)與各自變量之間的相關(guān)性系數(shù)，通過算例分析驗(yàn)證了VAT模型的準(zhǔn)確性.

1 危險(xiǎn)變道行為界定

在信號交叉口上游路段、漸變段進(jìn)行變道屬于正常變道，車輛在進(jìn)入信號交叉口實(shí)線段后進(jìn)行變道屬于違章變道行為，見圖1.

圖1 允許和禁止變道范圍圖

違章變道對交通流影響較大，容易引發(fā)交通事故.除此之外，非實(shí)線段駕駛員的變道行為也可能會(huì)對近信號交叉口路段及信號交叉口功能區(qū)車輛通行的正常秩序和行車安全造成影響.因此，本文界定的危險(xiǎn)變道行為根據(jù)危險(xiǎn)變道行為發(fā)生的位置分為兩大類：實(shí)線段危險(xiǎn)變道、非實(shí)線段危險(xiǎn)變道.

車道變換行為的多樣性決定了危險(xiǎn)變道行為的多樣性，根據(jù)危險(xiǎn)變道行為發(fā)生時(shí)車輛的行駛軌跡，將每一類危險(xiǎn)變道行為進(jìn)行劃分，實(shí)線段危險(xiǎn)變道行為分為強(qiáng)制變道、隨意穿插變道、未成功變道三類，非實(shí)線段危險(xiǎn)變道分為強(qiáng)制變道、隨意穿插變道、連續(xù)變道三類.

2 危險(xiǎn)變道行為風(fēng)險(xiǎn)特性參數(shù)建模

2.1 數(shù)據(jù)采集

本研究選擇武漢市青山區(qū)友誼大道的兩個(gè)信號交叉口進(jìn)行交通調(diào)查.調(diào)查時(shí)段為2018年3月1—3日早晚高峰(07:30-09:00；17:00-18:30)及平峰(09:00-10:30；14:30-17:00)的代表時(shí)段.調(diào)查數(shù)據(jù)統(tǒng)計(jì)見表1.

2.2 數(shù)據(jù)預(yù)處理

對采集到的危險(xiǎn)變道車輛行車數(shù)據(jù)進(jìn)行分析，具體見表2.

表1 危險(xiǎn)變道調(diào)查數(shù)據(jù)樣本統(tǒng)計(jì)

注：1-友誼大道到工業(yè)路；2-友誼大道到建設(shè)一路.Q-交通量，pcu；R-危險(xiǎn)變道數(shù)量，pcu.

表2 危險(xiǎn)變道行為交通參數(shù)統(tǒng)計(jì)

如表2統(tǒng)計(jì)所得危險(xiǎn)變道行為發(fā)生時(shí)該進(jìn)口道交通參數(shù)，不同參數(shù)之間存在不同程度的交叉，無法具體分析各類危險(xiǎn)變道行為的風(fēng)險(xiǎn)特性，故考慮建立車輛接近時(shí)間(VAT)模型對其風(fēng)險(xiǎn)特性進(jìn)行分析.

道路交通系統(tǒng)的運(yùn)行狀態(tài)受到人、車、路和環(huán)境的影響不斷發(fā)生變化，危險(xiǎn)變道行為也是如此.由于調(diào)查手段及調(diào)查結(jié)果的制約，同時(shí)考慮到不影響交叉口處車輛的正常通行，故本研究中不考慮駕駛?cè)艘蛩?，本文涉及的影響因素包括：變道行為發(fā)生的時(shí)間、變道車輛的車型、轉(zhuǎn)向角、變道持續(xù)時(shí)長、原車道及目標(biāo)車道前后車的車速及車頭時(shí)距等因素.

2.3 車輛接近時(shí)間(VAT)模型

本研究將VAT定義為在信號交叉口危險(xiǎn)變道行為中，當(dāng)目標(biāo)車輛變道至目標(biāo)車道，若前車(目標(biāo)車)速度小于目標(biāo)車(后車)速度，前后兩車距離較小而產(chǎn)生交通沖突，目標(biāo)車(后車)未采取制動(dòng)措施，則兩車會(huì)發(fā)生碰撞，從產(chǎn)生交通沖突到碰撞的時(shí)間稱為車輛接近時(shí)間.基本原理見圖2.

圖2 車輛接近時(shí)間(VAT)模型圖

傳統(tǒng)TTC模型適用于跟馳車輛碰撞時(shí)間的計(jì)算，不可直接用于危險(xiǎn)變道行為風(fēng)險(xiǎn)特性的評價(jià)，考慮加入轉(zhuǎn)向角θ變量以提出VAT模型，具體計(jì)算公式為

(1)

式中：VATi為第i輛車與前車(i+1車)或后車(i-1車)的車輛接近時(shí)間，s；xi(t)為第i車在道路上的位置，m；vi(t)為第i車從危險(xiǎn)變道行為發(fā)生至可能發(fā)生碰撞的行程車速，m/s；θi為第i車(目標(biāo)車輛)的轉(zhuǎn)向角，(°)；li為前車的車長，m.

車頭時(shí)距與車頭間距的關(guān)系為

di=xi(t)-xi-1(t)=vi-1·hi-1

或di=xi+1(t)-xi(t)=vi·hi

(2)

式中：di為車頭間距，m；hi為第i+1車與第i車之間的車頭時(shí)距(t).

故式(1)可以表示為

(3)

實(shí)地調(diào)查和視頻觀測時(shí)發(fā)現(xiàn)，若目標(biāo)車輛采取變道行為，則目標(biāo)車道后車會(huì)及時(shí)采取制動(dòng)措施，使用VAT模型時(shí)需考慮駕駛?cè)朔磻?yīng)時(shí)間.若計(jì)算所得VAT值小于目標(biāo)車道后車駕駛?cè)朔磻?yīng)時(shí)間，則可直接根據(jù)式(3)進(jìn)行計(jì)算；若計(jì)算所得VAT值大于目標(biāo)車道后車駕駛?cè)朔磻?yīng)時(shí)間，則需要根據(jù)后車制動(dòng)后的速度及車頭時(shí)距進(jìn)行計(jì)算.在此處計(jì)算時(shí)需考慮前后兩車的車速及加速度，所以在計(jì)算模型中采用平均車速進(jìn)行計(jì)算，而非瞬時(shí)速度，提高模型的準(zhǔn)確性.基于計(jì)算所得的VAT值，可分析得到不同危險(xiǎn)變道行為的危險(xiǎn)程度，VAT值越小，表示車輛接近時(shí)間越小，即發(fā)生碰撞的可能性越大，危險(xiǎn)程度越高；反之則危險(xiǎn)程度較低.

3 基于lasso-LARS算法的危險(xiǎn)變道行為風(fēng)險(xiǎn)特性分析

3.1 變量標(biāo)準(zhǔn)化

利用Lasso-LARS算法對數(shù)據(jù)集進(jìn)行訓(xùn)練，確定各因素的相關(guān)性系數(shù).利用友誼大道-工業(yè)路交叉口處調(diào)查數(shù)據(jù)基于Lasso-LARS(最小角回歸)算法訓(xùn)練數(shù)據(jù).預(yù)處理后每組數(shù)據(jù)包含10項(xiàng)自變量及1項(xiàng)因變量.自變量中包含數(shù)值變量和分類變量，具體描述見表3.因變量為利用碰撞時(shí)間模型計(jì)算所得的車輛接近時(shí)間(數(shù)值變量)，用向量Y表示.

表3 自變量變量描述

3.2 Lasso-LARS算法

考慮到危險(xiǎn)變道行為發(fā)生時(shí)相關(guān)影響因素較多，使用Lasso-LARS算法[8]可對其不同因素的相關(guān)度進(jìn)行擬合和求解，對于高維特征問題：

Y=Xθ

(4)

式中：Y為m×1的向量；X為m×n的矩陣；θ為n×1的向量；m為樣本數(shù)量；n為特征維度.

把矩陣X看做n個(gè)m×1的向量Xi(i=1,2,…,m)，在Y的X變量Xi(i=1,2,…,m)中，選擇和目標(biāo)Y最為接近(余弦距離最大)的變量Xk，用Xk來逼近Y，則：

(5)

(6)

定義自變量矩陣為

(i=1,2,…,270；j=1,2,…,10)

(7)

Y是對應(yīng)的因變量的集合，求解Lasso-LARS問題公式為

Yij=θ1xi1+θ2xi2+…+θjxij

(i=1,2,…,270；j=1,2,…,10)

(8)

式中：θj為系數(shù).

3.3 訓(xùn)練結(jié)果分析

將自變量向量X及因變量Y代入3.1中算法，通過R語言編輯并調(diào)整參數(shù)，基于Lasso-LARS算法得到模型訓(xùn)練結(jié)果(見圖3)，及自變量和因變量的相關(guān)系數(shù)矩陣，見式(9).

圖3 模型訓(xùn)練結(jié)果

由圖3模型訓(xùn)練結(jié)果觀察，從左往右分析，每條折線表示每個(gè)變量的系數(shù)的變化情況，帶數(shù)字的豎線表示變量加入的步驟.可以看到有些折線在左端時(shí)系數(shù)都是0，到達(dá)某一條豎線時(shí)系數(shù)開始變化，表明系數(shù)加入.不同的變量對危險(xiǎn)變道行為VAT的影響程度不同，各變量相關(guān)性系數(shù)矩陣為

θT=

[0 5.569 663×10-26.983 032×10-5

1.948 074×10-18.637 113×10-1

2.103 403×10-13.903 212×10-1

9.738 479×10-27.713 337×10-1

8.381 305×10-2]

(9)

根據(jù)訓(xùn)練結(jié)果及相關(guān)性系數(shù)矩陣可以看出，不同變量的相關(guān)性系數(shù)不同.根據(jù)式(9)中相關(guān)性系數(shù)矩陣，將θj代入式(8)即可求得各變道行為的VAT.

4 案例驗(yàn)證

4.1 友誼大道-建設(shè)一路交叉口數(shù)據(jù)

信號交叉口的危險(xiǎn)變道行為在不同VAT取值范圍內(nèi)發(fā)生的頻率有顯著差異，采用視頻調(diào)查中20個(gè)信號周期的調(diào)查數(shù)據(jù)進(jìn)行分析，初步統(tǒng)計(jì)結(jié)果見圖4.

圖4 不同VAT范圍內(nèi)危險(xiǎn)變道行為頻率分布

由圖4觀察可知，危險(xiǎn)變道行為在VAT范圍的分布頻數(shù)先上升后下降，危險(xiǎn)變道行為在VAT范圍的分布頻數(shù)先上升后下降，使用MATLAB數(shù)據(jù)分析軟件對數(shù)據(jù)進(jìn)行正態(tài)分布擬合，發(fā)現(xiàn)VAT曲線服從置信度為0.95的正態(tài)分布，在VAT為2.5 s左右時(shí)，危險(xiǎn)變道行為發(fā)生的頻率最高；根據(jù)美國各州公路工作者協(xié)會(huì)推薦，駕駛?cè)孙L(fēng)險(xiǎn)判斷時(shí)間為1.5 s，行為時(shí)間為1 s，故本研究以VAT=2.5 s為界定標(biāo)準(zhǔn)，對危險(xiǎn)變道行為進(jìn)行分析研究.

郝艷萍危險(xiǎn)變道行為一般分為三個(gè)階段：判斷-決策-操作.部分駕駛?cè)藭?huì)忽視交通環(huán)境進(jìn)行變道操作，導(dǎo)致危險(xiǎn)變道行為的VAT較小.當(dāng)VAT<2.5 s時(shí)，危險(xiǎn)變道行為發(fā)生的頻率高達(dá)64.22%；VAT>2.5 s時(shí)，發(fā)生頻率為35.78%，由于變道過程中駕駛?cè)思皶r(shí)作出反應(yīng)操作，均未出現(xiàn)交通事故.

4.2 不同類型危險(xiǎn)變道風(fēng)險(xiǎn)分析

根據(jù)1中對危險(xiǎn)變道行為的分類，對友誼大道-建設(shè)一路信號交叉口危險(xiǎn)變道行為統(tǒng)計(jì)分析，見表4.

表4 不同類型危險(xiǎn)變道行為分布情況

由表4可知，不同危險(xiǎn)變道行為危險(xiǎn)程度不同，進(jìn)一步分析得出以下結(jié)論：①信號交叉口危險(xiǎn)變道行為多發(fā)生在信號交叉口進(jìn)口道實(shí)線段，占危險(xiǎn)變道總數(shù)的52.65%，同時(shí)實(shí)線段危險(xiǎn)變道行為危險(xiǎn)程度也較高，這是由于信號交叉口漸變段距離較短或交通標(biāo)志邊線設(shè)計(jì)不合理，導(dǎo)致駕駛?cè)朔磻?yīng)時(shí)間不足；②強(qiáng)制變道占危險(xiǎn)變道行為總數(shù)的47.85%，這是由于信號交叉口交通環(huán)境復(fù)雜，變道需求較大，其中實(shí)線段強(qiáng)制變道行為危險(xiǎn)度最高；③有28.79%的選擇在信號交叉口隨意穿插變道，駕駛?cè)藶樽非笞杂尚旭偹俣榷S意變道，其中漸變段危險(xiǎn)程度更大，這是由于在漸變段駕駛?cè)诵熊囁俣容^大，較為危險(xiǎn)；④連續(xù)變道行為在非實(shí)線段進(jìn)行變道，當(dāng)信號交叉口交通流較大或其后跟馳車輛速度較大時(shí)，連續(xù)變道較為危險(xiǎn).

4.3 結(jié)果分析

由3中模型訓(xùn)練及結(jié)果，根據(jù)相關(guān)性系數(shù)式(9)及式(8)計(jì)算可得危險(xiǎn)變道行為的VAT值.利用SPSS統(tǒng)計(jì)分析軟件，將危險(xiǎn)變道行為的VAT模型計(jì)算值與Lasso-LARS算法計(jì)算值做配對T檢驗(yàn)，置信度為95%，檢驗(yàn)結(jié)果見表6～7.

表5 配對樣本統(tǒng)計(jì)

表6 配對樣本檢驗(yàn)

由檢驗(yàn)結(jié)果分析知，VAT計(jì)算值與觀測值在95%的置信度，兩者結(jié)果基本吻合，說明了VAT模型的適用性及有效性.

5 結(jié) 束 語

針對信號交叉口危險(xiǎn)變道行為進(jìn)行調(diào)查及風(fēng)險(xiǎn)程度的研究，構(gòu)建了描述變道行為的VAT模型，通過Lasso-LARS回歸分析得到的VAT計(jì)算值對比分析發(fā)現(xiàn)，在95%置信區(qū)間范圍內(nèi)，二者不存在顯著差異，驗(yàn)證了改進(jìn)VAT模型的準(zhǔn)確性.研究成果可為信號交叉口危險(xiǎn)變道行為的安全性分析提供理論支撐.