楊文臣 李 立 胡澄宇 張 輪 房 銳

(云南省交通規(guī)劃設計研究院有限公司陸地交通氣象災害防治技術國家工程實驗室1) 昆明 650031)(同濟大學道路與交通工程教育部重點實驗室2) 上海 201804) (長安大學電子與控制工程學院3) 西安 710064)

0 引 言

雨、雪、霧、冰凍等不利天氣會惡化道路行車條件，降低通行效率，容易引發(fā)重大交通事故，造成嚴重人員傷亡和大范圍交通擁堵[1].總結和分析國內(nèi)外有關不利天氣對公路交通系統(tǒng)影響及應對策略的研究，對于保障公路行車安全和運營效率具有重要意義.

不利天氣事件多指具有一定覆蓋范圍和強度的雨、雪、霧、高溫炎熱、低溫冰凍等孤立或組合氣象事件.國外自1950年開始研究不利氣象條件對公路交通安全的影響，但是當時的數(shù)據(jù)采集技術限制了所獲取數(shù)據(jù)的精度，因此，通常只能從集計層面分析道路特征和天氣條件與交通事故的時空關系.上世紀末以來，公路交通監(jiān)控數(shù)據(jù)在種類、質(zhì)量、覆蓋時間和空間等方面不斷提升，國外學者逐步綜合應用多源實時交通監(jiān)測數(shù)據(jù)，系統(tǒng)研究道路交通流、天氣條件、道路狀況等因素間的組合交互效應，并提出各種實時事故風險防控與動態(tài)交通安全管理技術.我國學者自21世紀初逐步開展這方面的研究，但受限于公路有限的數(shù)據(jù)條件，絕大多數(shù)研究處于描述統(tǒng)計和跟蹤國外最新研究成果階段.

現(xiàn)階段，不利天氣事件對公路交通安全影響機理、交通事故實時風險建模與動態(tài)交通安全控制技術等已成為公路安全研究中迫切需要解決的理論研究熱點和實踐難題.文中從基于實測數(shù)據(jù)的實證研究角度，系統(tǒng)回顧了不利天氣條件對交通安全和交通流影響的最新研究和應用，提出此研究領域的關鍵問題和發(fā)展趨勢，可為國內(nèi)研究者開展相關實踐提供借鑒.

1 不利天氣與公路交通事故

不利天氣事件通過改變駕駛員行為、車輛特性、路面條件、行車環(huán)境等交通系統(tǒng)要素，直接影響交通事故率、傷害程度和事故風險，現(xiàn)有研究路徑見圖1.

圖1 不利天氣事件與交通安全關系研究基本框架

1.1 降雪

降雪天氣與交通事故率和傷害程度直接相關.許多研究發(fā)現(xiàn)，降雪量的增加會提升交通事故發(fā)生率，減小交通事故的嚴重度.Black等[2]采用對照法分析了美國13個城市1996—2010年的交通氣象和交通事故數(shù)據(jù)，分析發(fā)現(xiàn)冬季降水條件下交通事故增加19%，受傷率增加13%，但對事故相對風險沒有顯著影響，不同城市之間主要的災害性天氣及其致死率各不相同.為降低數(shù)據(jù)采集和研究方法的差異對研究結果可靠性的影響，Qiu等[3]采用薈萃分析(meta-analysis)評價了1967—2005年間不利天氣對交通事故影響研究的主要文獻，發(fā)現(xiàn)降雪天氣下事故率大于降雨天氣，而降雪天氣下事故傷害程度通常較低.與降雪天氣下交通事故高風險不同，Tefft[4]分析了與不利天氣相關的交通事故受傷人數(shù)和死亡人數(shù)，研究發(fā)現(xiàn)相較干燥路面，積雪路面上的事故受傷率低31%，死亡率低47%.究其原因，駕駛員在降雪天氣會提高警惕性，且行駛車速通常較低，因此交通事故傷害程度相對較低.

1.2 降雨

降雨天氣下路面摩擦力減小和能見度降低同樣容易引發(fā)交通事故.Caliendo等[5]回顧了降雨天氣對交通安全影響的分析方法，包括最小二乘法、泊松或負二項式回歸、配對對照法、平均差異法等，實證發(fā)現(xiàn)降雨天氣中交通事故數(shù)量會明顯增加.Yannis等[6]發(fā)現(xiàn)高強度降雨會減小事故數(shù)量，認為這是因為當?shù)亟涤晏鞖馍伲{駛員在降雨天行駛更加謹慎，提出應結合研究地點的實際情況來解析有關降雨和交通事故之間的關系.Brodsky等[7]首次提出降雨天氣對交通安全的影響通常具有“滯后效應”，表現(xiàn)為降雨結束后道路交通事故發(fā)生率上升.Eisenberg[8]證實了此效應存在，究其客觀原因可能是降水過后短期內(nèi)道路仍存留有積水和土石，主觀原因可能是駕駛員會因為降雨停止而放松警惕并提高車速.

1.3 大霧

由于大霧天氣具有突發(fā)性，數(shù)據(jù)獲得難度大，能見度對交通安全影響的研究不多，既有研究發(fā)現(xiàn)大霧與交通事故發(fā)生率、受傷率和死亡率均具有顯著的正相關關，事故形態(tài)主要為正面碰撞和追尾系.Alghamdi[9]使用近30年的事故數(shù)據(jù)進行泊松回歸，發(fā)現(xiàn)霧天中的交通事故傷害程度比晴天高2.55倍以上.Yu等[10]發(fā)現(xiàn)強降雪引發(fā)的低能見度會提高事故發(fā)生率，且單車事故對天氣條件敏感，而多車事故則對交通流特性的變化更為敏感.Bergel等[11]采用法國、荷蘭、雅典近20年的月平均統(tǒng)計數(shù)據(jù)，分析了三種不同類型道路的交通事故風險與降雨、大霧等四種不利天氣的關系，分析發(fā)現(xiàn)大霧等低能見度條件顯著提高了交通事故的發(fā)生風險，究其原因，大霧低能見度縮短駕駛員發(fā)現(xiàn)和應對碰撞風險的時間窗口.

1.4 大風和異常氣溫

車輛在大風天氣中行駛時氣動性能會發(fā)生改變，導致行駛穩(wěn)定性降低，行車風險增大.Hermans等[12]分析發(fā)現(xiàn)當大風和降雨天氣同時出現(xiàn)時，荷蘭的交通事故數(shù)量會顯著上升.鑒于貨車特殊的幾何外形和動力特性，Young等[13]從貨車交通事故特征、不當駕駛行為和行駛穩(wěn)定性等方面，研究了大風天氣下貨車側滑和側翻的風險.異常氣溫對公路行車安全會造成孤立及綜合性影響.一方面，低溫常伴有雨雪天氣，容易導致路面結冰或道路病害，而高溫天氣主要通過加速駕駛員疲勞、提高路面溫度和胎壓增加行車風險；另一方面，低溫天氣會導致總出行量降低，從而減少交通事故的數(shù)量.

1.5 研究評述

多數(shù)實證研究采用集計統(tǒng)計建模方法分析了不利天氣交通事故的影響，分析發(fā)現(xiàn)降雨、降雪、大霧、異常溫度和大風等不利天氣將導致事故數(shù)量增加，而其與交通事故嚴重程度的關系較為混雜.事故發(fā)生頻率和嚴重度程度均與不利天氣事件類型、強度、發(fā)生時段、持續(xù)時間和地理區(qū)域等有很大關系，不利天氣條件與交通安全的關系具有明顯地域特征，這種潛在的地域異質(zhì)性，使得研究成果的移植和應用更加復雜.為解決集計分析方法的均值化處理無法反映交通流動態(tài)特征等問題，隨著公路數(shù)據(jù)質(zhì)量不斷提升，采用非集計分析方法定量揭示動態(tài)天氣、交通流、道路等特征因子與交通事故間關聯(lián)關系是當下國際研究熱點.

2 不利天氣與公路交通流

不利天氣對交通流移動性的影響直接體現(xiàn)在宏觀交通流特征參數(shù)和出行時間的變化上，包括道路通行能力、交通流量、速度和密度等，現(xiàn)有的研究路徑見圖2.

圖2 不利天氣對交通流關系研究基本框架

2.1 不利天氣對交通流參數(shù)影響

2.1.1通行能力

積雪、降雨、大霧會降低能見度、減小路面摩擦系數(shù)，模糊車道標線，增加車輛行駛阻力、導致車輛側向凈距和車頭時距增大，從而降低道路通行能力.HCM2000推薦的低降雪量和高降雪量對高速公路通行能力的折減率分別為5%～10%和25%～30%.Ibrahim等[14]發(fā)現(xiàn)降雪天氣中路段通行能力會降低4%～27.5%，且降雪量每增加0.01 in/h，通行能力減小2.8%.Billo等[15]研究了不同降雨強度對城市快速路駕駛行為和交通流的影響，實證發(fā)現(xiàn)降雨天氣條件下速度降低，車頭時距和車間距增加，對3種降雨強度，通行能力分別降低了18.5%～21%，自由流速度降低了8%～12.6%.除了降雪天氣，Smith等[16]發(fā)現(xiàn)降雨強度同樣會不同程度地影響快速路通行能力，小雨天氣下降低4%～10%，大雨天氣下降低25%～30%.

2.1.2交通量

許多學者使用交通量衡量惡劣天氣對出行活動的影響.Hassan等[17]發(fā)現(xiàn)不利天氣條件下交通量平均減少5%，路面有積雪時減少幅度可達10%～15%.Maze等[18]研究了大雪天氣下交通量和風速與能見度的關系，發(fā)現(xiàn)高能見度和低風速條件下交通量減少20%，極端條件下減少可達80%.Datla等[19]發(fā)現(xiàn)降雨、降雪、大風、大霧及暴風雪抑制出行的程度成逐漸增強趨勢，減小幅度高達60%.Agarwal等[20]采用實測數(shù)據(jù)分析降雨與交通流量之間的關系，發(fā)現(xiàn)降雨小于0.25 mm/h時交通流量減少1%～3%，0.25～6.35 mm/h時減少5%～10%，給出了不同降雨強度下交通量折減的計算方法.

2.1.3行駛車速

多數(shù)研究發(fā)現(xiàn)不利天氣條件下車輛平均車速會明顯降低.朱興琳等[21]發(fā)現(xiàn)降雪天氣下車速會降低3%～38%，而降低程度會隨著降雪類型和強度發(fā)生改變.Hranac等[22]實證分析發(fā)現(xiàn)小雨分別導致自由流速度和最大限速降低約3%和9%，而小雪導致自由流動速度和最大限速降低可達16%.Chung等[23]發(fā)現(xiàn)日本東京小雨天氣的自由流車速相較于正常天氣降低5%，大雨時降低8%，地面積水對車速及交通安全的影響尤為顯著.Saberi等[24]發(fā)現(xiàn)非交通擁擠時段中降雨對波特蘭車速和流量的影響非常明顯，而對擁擠時段的車速無顯著性影響.張存保等[25]采用實測數(shù)據(jù)標定Van Aerde宏觀交通流模型，給出不同降雨強度下交通流三參數(shù)關系曲線及變化特征，與無雨天氣相比，小雨、中雨和大雨天氣下高速公路平均速度分別下降4.7%,9.8%和16.1%，通行能力分別降低10.5%,17.4%和27.1%.

2.2 不利天氣條件下交通流參數(shù)關系模型

2.2.1斷面交通流參數(shù)模型

斷面交通流量、平均車速和車流密度(或占有率)之間存在緊密聯(lián)系，三者間的關系集中反映在交通流基本圖(fundamental diagram，F(xiàn)D)中，通過觀察和分析圖示的變化，可直觀了解不利天氣事件對路段宏觀交通流的影響.Mohammed等[26]建立了反映干燥和濕滑路面條件下交通流特性的基本圖，計算發(fā)現(xiàn)濕滑條件下通行能力損失達42.3%.Bie等[27]采用天氣影響因子修正自由流速度、通行能力、臨界密度等參數(shù)，建立適用于不同天氣條件的交通流狀態(tài)預測模型.李長城等[28]綜合考慮降雨天氣條件及車道位置、車輛類型、時間段等因素，修正了經(jīng)典的Greenshield模型，提出了速度-密度關系的非線性回歸預測方法.

2.2.2網(wǎng)絡交通流參數(shù)模型

相對于FD，宏觀基本圖(macroscopic fundamental diagrams，MFD)借助路網(wǎng)平均密度(或平均速度)和平均流量之間的關系，反映路網(wǎng)整體交通流狀態(tài).近年來，有學者開始使用MFD研究不利天氣條件下的路網(wǎng)交通流特性，為實施路網(wǎng)交通控制提供參考.通過觀察不同天氣狀況下城市道路網(wǎng)絡MFD，Wada等[29]發(fā)現(xiàn)雨雪天氣中路網(wǎng)擁堵形成與消散的速度差會被拉大，宏觀基本圖中的磁滯環(huán)(hysteresis loop)會覆蓋更大的時空范圍,定量分析了降水強度變化對城市道路網(wǎng)絡交通流的影響，發(fā)現(xiàn)降雨會提高MFD中樣本點的離散性，并且各個宏觀交通流參數(shù)所受的影響程度不一，這意味著雨雪天氣中預測路網(wǎng)交通狀態(tài)和實施交通控制的難度會增大.Jiyang等[30]利用多種交通流檢測數(shù)據(jù)構建了長沙市中央商務區(qū)路網(wǎng)MFD，發(fā)現(xiàn)陰雨天氣會降低路網(wǎng)整體通行能力，延長路網(wǎng)擁堵消散時間.

2.3 研究評述

多數(shù)研究采用集計統(tǒng)計分析的方法發(fā)現(xiàn)不利天氣事件將顯著降低通行能力、行駛速度和交通流量，顯著增加交通系統(tǒng)不確定性.由于不同地區(qū)的道路、交通流和天氣特征等不同，不利天氣事件在不同地區(qū)的交通流影響規(guī)律有明顯差別.為提升不利天氣對交通影響的預研預判能力，近年來學者開始研究不利天氣條件下斷面和網(wǎng)絡交通流特性關系模型，定量解析不利天氣條件下微觀交通流、宏觀交通流的影響機理及相互作用關系，預測其對行程時間、交通擁堵的影響，為實施主動交通安全控制提供啟動時機、啟動路段重要的等決策參數(shù).

3 天氣及交通流動態(tài)特征與交通事故關系

當前公路交通事故檢測研究主要關注于提高“事后狀態(tài)感知”的精度和速度，然而感知事件發(fā)生、處理事件和實施交通控制等各個環(huán)節(jié)間存在一定時間差，在此期間事故路段上可能人員財產(chǎn)的損失乃至大范圍交通擁堵.近年公路智能交通系統(tǒng)快速發(fā)展，交通管理者已經(jīng)能夠?qū)崟r采集和傳輸多種監(jiān)測數(shù)據(jù)(斷面交通流數(shù)據(jù)、車輛AVI數(shù)據(jù)、氣象數(shù)據(jù)等)，有研究學者著手利用這類數(shù)據(jù)快速準確識別事故的前兆特征，預判不良天氣下公路交通事故風險和傷害程度，進而實施交通安全動態(tài)管理與主動防控,見圖3.

圖3 實時交通事故風險預測示意圖

3.1 事故發(fā)生風險

21世紀初開始，多位學者開始研究宏觀交通流動態(tài)特征與交通事故風險的關系，研究發(fā)現(xiàn)可采用上下游交通量、速度、占有率等參數(shù)表征交通事故的發(fā)生.近年來，有學者進一步融合了氣象和道路條件數(shù)據(jù)，提高了模型預測的精度.Abdel等[31]構建了考慮交通流速度、降雨和能見度變化的交通事故風險預測模型，發(fā)現(xiàn)事故發(fā)生前5～10 min速度平均值降低和標準差升高時，低能見度下事故發(fā)生風險將會提高.Ahmed等[32]綜合使用道路條件、交通流數(shù)據(jù)和氣象數(shù)據(jù)研究高速公路交通事故發(fā)生的風險，發(fā)現(xiàn)干旱季節(jié)中低速交通流和低能見度會提高事故發(fā)生風險，而雨雪季節(jié)中低能見度、強降水和速度變化將增加交通事故發(fā)生的風險.徐鋮鋮[33]利用美國高速公路數(shù)據(jù)，研究了交通流狀態(tài)與交通安全關系，交通事故風險影響機理、實時事故風險建模、事故風險模型移值等內(nèi)容，據(jù)作者認知，這是目前我國面向動態(tài)交通安全管理較為全面的研究.Wu等[34]采用霧天實時交通流數(shù)據(jù)識別了三種跟車場景，采用隨機參數(shù)logistic和負二項分布模型估計了交通和天氣變量對追尾事故的影響.Songchitruksa等[35]分別采用巢式多元Logit模型和多元Logit模型分析了Austin三條高速公路的事故、天氣和交通流數(shù)據(jù)，發(fā)現(xiàn)能見度、時間段和照明條件是事故類型的重要特征，5 min內(nèi)的平均占有率和速度方差與內(nèi)側車道事故的發(fā)生率顯著相關.Yuan等[36]整合了實時交通流、天氣和自適應信號控制數(shù)據(jù)，采用貝葉斯條件邏輯回歸模型研究了城市主道實時事故風險，分析發(fā)現(xiàn)事故發(fā)生前5～10 min交通流特征變量及雨天變量與事故風險有明顯關系，提出應利用機器學習提高風險模型的預測精度.

3.2 事故嚴重度

由于采集事故嚴重度數(shù)據(jù)的難度大，少數(shù)學者利用交通流、氣象和道路條件等數(shù)據(jù)，進行事故嚴重度的致因分析及預測.Christoforou等[37]研究發(fā)現(xiàn)由于車輛在交通擁堵和不利天氣條件下行駛速度低，交通事故的傷害程度降低，但降雨條件下速度越快，交通事故的傷害程度越高.Theofilatos[38]采用隨機森林算法提取重要的參數(shù)變量，采用有限混合的貝葉斯回歸和混合Logit模型分別建立了事故風險及事故嚴重度模型，分析發(fā)現(xiàn)交通流的波動顯著影響城市干道交通事故的發(fā)生，而事故嚴重度的實證結果較為混雜，天氣條件對事故風險及嚴重度則沒有直接影響.Xu等[39]采用貝葉斯序貫邏輯回歸分析了高速公路交通流條件與不同類型事故嚴重度的關系，發(fā)現(xiàn)對追尾和側碰不同類型事故，其交通流和天氣條件的特征參數(shù)不同，模型檢驗精度達60%～85.4%.Yu等[40]分析發(fā)現(xiàn)實時交通流及天氣特征對事故嚴重度有實質(zhì)影響，應綜合考慮多維參數(shù)間非線性和單個事故間異質(zhì)性以提高預測模型的精度.

3.3 研究評述

不利天氣對交通安全影響的研究正從靜態(tài)、被動的“事后”統(tǒng)計分析轉(zhuǎn)向動態(tài)、主動的“事前”風險防控，從僅考慮交通流特征向綜合考慮交通流、天氣和道路特征綜合作用的方向發(fā)展.根據(jù)實時交通流和天氣特征與交通安全的關聯(lián)關系，有學者提出不利天氣條件下交通流動態(tài)協(xié)同控制方法，以期主動預防交通事故發(fā)生和降低事故傷害.同時，道路條件、不利天氣和交通流之間存在的復雜“組合”效應使其與交通事故的關系在作用強度或方向上具有不確定性，學者們開始因地制宜地研究實時事故風險模型的時空移植問題，并采用支持向量機等機器學習技術，探索基于數(shù)據(jù)驅(qū)動的交通事故風險建模方法.

4 討 論

1) 不利天氣影響特征及其關系模型可移植性研究 由于道路條件、交通環(huán)境、數(shù)據(jù)條件的差異，不利天氣對交通安全及交通流影響的規(guī)律表現(xiàn)出一定的地域性，體現(xiàn)在特征參數(shù)、模型形式、作用強度及方向等會因時空差異而發(fā)生變化.這會降低不利天氣影響模型的可移植性，難以通過交叉對比不同研究的結論獲知不利天氣對交通安全及交通流的基本影響模式.后續(xù)研究有必要通過在多地采用相同的方案收集數(shù)據(jù)，探索基礎模型參數(shù)的時空隨動機制，提出不利天氣影響模型的遷移應用方法，以便于相關理論研究成果在實踐中應用.

2) 不利天氣條件下多源交通安全數(shù)據(jù)分析與建模 多數(shù)學者利用高級統(tǒng)計分析模型推斷不利天氣條件對交通事故和交通流的影響機理，這類確定性建模方法的可靠性取決于樣本容量和特征、變量選取方式和變量間預設關系的合理性.在“人-車-路-環(huán)境-管理”的復雜交通系統(tǒng)中，不利天氣對交通系統(tǒng)影響的研究是一個不確定性問題，受限于研究者的認知水平，使用精確數(shù)學模型進行交通安全風險辨識可能會危及研究結果的可信度和計算效率，而運營管理實踐要求交通安全改善措施能做到準確有效和快速響應.為充分運用各類具有不確定性定量及定性的信息知識，引進人工智能和機器學習理論與技術，采用自動辨識數(shù)據(jù)模型的數(shù)據(jù)驅(qū)動方法，研究多源交通安全數(shù)據(jù)分析與建模方法是國外最新研究的方向.

3) 不利天氣條件下宏觀交通流理論研究和建模 為提高不利天氣事件對交通流移動性影響的預研預判能力，學者們最先采用確定性的交通流建模方法，通過在交通流基本圖或宏觀基本圖中加入天氣修正因子，定量描述不同天氣事件及影響強度下宏觀交通流狀態(tài)的變化趨勢；隨著交通數(shù)據(jù)質(zhì)量的提升，學者們開始引入隨機建模和混合建模的方法，進一步研究不利天氣對交通流的微觀影響機理及動態(tài)演化過程.隨機建模方法從實際數(shù)據(jù)中提取不利天氣條件下交通流特征變量(如車頭時距)的分布函數(shù)，建立其與宏觀交通流現(xiàn)象之間的聯(lián)系；混合建模方法則以確定性建模方法為基礎，在模型參數(shù)設置、標定和更新規(guī)則上引入隨機建模思想，以進一步提高模型的預測精度.

4) 不利天氣條件下微觀駕駛行為特性研究 目前主要采用歷史事故或交通流數(shù)據(jù)研究不利天氣條件對交通安全和交通流的影響，這是一種靜態(tài)的“事后”致因推測.作為引發(fā)交通事故和宏觀交通流現(xiàn)象的行為根源，不利天氣事件下駕駛員微觀特性及其與交通安全的關系在以往研究中較少受到關注，而不利天氣事件下駕駛員的主觀判斷與現(xiàn)實狀況的偏差、駕駛行為規(guī)范性、應對突發(fā)事件的能力等因素與交通事故的發(fā)生和傷害程度直接相關.究其原因，缺乏不利天氣條件下駕駛行為的實時數(shù)據(jù).近年來，使用自然駕駛或駕駛模擬器定量揭示不利天氣條件下微觀駕駛行為特性及交通安全作用機理是國內(nèi)外理論研究的熱點.

5) 面向不利天氣的動態(tài)交通安全管理措施及技術 不利天氣條件下駕駛員錯誤判斷是事故發(fā)生的主要致因，傳統(tǒng)交通標志標線、速度執(zhí)法等靜態(tài)、被動的安全措施不能及時響應交通環(huán)境的變化，與實際駕駛行為的協(xié)調(diào)性差.國外最新研究及實踐表明，通過積極踐行智能可變限速及匝道控制、及時養(yǎng)護處置、主動信息服務、快速應急管理等措施及技術，可提供實時、準確的道路條件信息，主動調(diào)節(jié)交通流運行狀態(tài)，使公路保持在最佳的行車條件，進而引導駕駛員正確判斷和安全行車，是減輕不利天氣對交通系統(tǒng)影響的重要技術手段.因此，在探索不利天氣事件實時事故風險模型和交通流參數(shù)模型的同時，從交通事故主動預防預警出發(fā)，研究交通安全動態(tài)管理策略與智能控制方法是當下學者研究的又一重點.

5 結 束 語

綜述了不利天氣對交通安全及交通流影響的實證研究現(xiàn)狀，分析表明：①不利天氣事件增加交通事故的發(fā)生次數(shù)，而對交通事故傷害程度的影響則表現(xiàn)出了不一致性；②不利天氣事件降低宏觀交通流特征參數(shù)的閾值，增加交通系統(tǒng)的不確定性，其交通流特征參數(shù)可為主動交通控制提供重要決策依據(jù)；③天氣及交通流特征參數(shù)與交通事故風險間存在復雜的關聯(lián)關系，通過甄別合適的事故風險的征兆因子，實時事故風險建模方法可為交通安全動態(tài)管理提供一種新的技術手段；④不利天氣對交通安全及交通流的影響均表現(xiàn)出明顯的地域性，體現(xiàn)在特征參數(shù)的選擇、相互作用的強度及方向等方面，需強化模型時空移植的應用研究.⑤不利天氣事件不可能被消除，這要求我們將動態(tài)安全管理的理念貫穿于公路建設運營的全過程，積極踐行動態(tài)交通安全管理措施及技術，降低不利天氣事件對交通系統(tǒng)的影響.