陳而越，陳金山，郭建鋼，李 林，林 慧

（福建農(nóng)林大學交通與土木工程學院，福建 福州350002）

交通安全關乎每個出行者的切身利益。 據(jù)近年相關統(tǒng)計資料顯示，我國在彎道路段發(fā)生的交通事故率要遠高于直線路段，彎道路段的事故形態(tài)以碰撞、刮擦為主，且事故嚴重程度較高[1-4]。 發(fā)生事故的主要原因是車輛的行駛狀態(tài)受到客觀道路條件的限制，且車輛過彎時由于駕駛員主觀決策影響未能預判前方曲線路段、行駛速度高于曲線路段限速值及出于安全舒適角度考慮靠彎道內側切彎行駛，導致車輛越過道路中線駛入對向車道與對向車輛發(fā)生軌跡交叉，出現(xiàn)兩車沖突區(qū)域，即確定為風險路段，增加事故發(fā)生的可能性與嚴重性[5-8]。

風險路段是指在某一較長時間段內某一特定道路上發(fā)生交通事故次數(shù)高于其它路段的路段。 國內外針對風險路段的識別方法開展了大量研究，其中傳統(tǒng)的識別方法已較為成熟，包括事故頻率法、事故率法、矩陣法及當量事故法等[9-11]。 孟祥海等應用統(tǒng)計分布擬合及假設檢驗來識別風險路段的突出事故影響因素[12]；周志俊等采用矩陣模型并結合運行速度協(xié)調性確定風險路段[13]。 傳統(tǒng)的方法需要建立在穩(wěn)定的事故數(shù)據(jù)基礎上進行判別，但在交通事故數(shù)據(jù)不足的情況下，提出的風險理論模型與實際情況吻合度不高，這些基于歷史交通事故數(shù)據(jù)的建模方法不能起到預防的目的。 Karaduman 等提出一種可預告彎道潛在風險的彎道風險評估模型，但模型僅適用于城市平坦路段，適用范圍較為局限[14]；徐進等分析車輛軌跡的形態(tài)特征得到易發(fā)事故的路段，但對車輛軌跡的捕捉要求過高導致識別的誤差較大[15]；孫川等提出彎道行駛安全性評價指標用以評價彎道行駛的安全性，但評價指標的選取仍存在爭議[16]。上述研究中，對車輛的選擇均以試驗車為主，且理想化了許多道路參數(shù)，不能很好的反映真實道路車輛的運行情況。 因此，從車輛自身出發(fā)，研究車輛自然行駛狀態(tài)下的行駛軌跡和過彎速度的變化情況，提出一種基于車輛自然行駛狀態(tài)的山區(qū)道路風險路段的識別方法是有必要。

1 試驗設計

1.1 研究對象

選取福州市森林公園經(jīng)宦溪至鼓嶺景區(qū)路段（K12+980～K17+940）的4 個彎道作為研究對象，各彎道的幾何參數(shù)，見表1。 根據(jù)施工圖設計文件及現(xiàn)場測量驗證，該路段為山區(qū)四級公路，設計速度20 km/h，雙向兩車道，交通流較小，以處于自由流狀態(tài)下的小型車為主，具備典型的山區(qū)低等級公路的特點。

表1 研究彎道的幾何參數(shù)表Tab.1 The geometric parameters of the curve

選取的4 個彎道均為暗彎，臨水臨崖側均設有防撞等級為A 級的鋼筋砼防撞護欄，且與相鄰的彎道有較長的直線段，減少車輛在入彎時狀態(tài)受相鄰彎道的影響。

1.2 數(shù)據(jù)獲取

1.2.1 車輛行駛軌跡獲取

本試驗利用無人機的低畸變廣角相機，將無人機高空懸停拍攝小型車輛從入彎到出彎的整個自然行駛過程的視頻。 為了提高視頻數(shù)據(jù)的精度，在拍攝范圍內放置一個90 cm×65 cm 的矩形校正板，用于調整在后期數(shù)據(jù)獲取時產(chǎn)生的誤差。

將視頻導入Ae 視頻處理軟件，規(guī)定將行駛在彎道內側車輛的行駛方向為右轉行駛，行駛在彎道外側車輛的行駛方向為左轉行駛，以右轉行駛車輛的入彎點為坐標原點，沿道路中線均勻延長至出彎點，以此作為橫軸。 以小型車輛左前輪與路面的接觸點為數(shù)據(jù)讀取點，接觸點與道路中線的垂直距離為行駛軌跡值，接觸點在彎道外側時數(shù)值為正，內側時數(shù)值為負，以此作為縱軸。 現(xiàn)場拍攝畫面及道路中線坐標軸與行駛軌跡坐標軸組成彎道平面坐標系，見圖1。

圖1 現(xiàn)場拍攝畫面及彎道平面坐標系圖Fig.1 Scene shot picture and curve plane coordinate system

使用Ae 軟件中追蹤運動模塊追蹤小型車輛左前輪的軌跡，根據(jù)行駛軌跡圖和坐標系化的彎道，每0.4 s讀取一個行駛軌跡值，確定與之對應的坐標。 由統(tǒng)計學最小樣本量要求，并結合現(xiàn)場條件，最小樣本量定為70 輛小型車。

1.2.2 車輛行駛速度獲取根據(jù)各行駛軌跡值的讀取點坐標（x，y），對速度值進行求解

式中：v 為速度值；（x，y）為行駛軌跡坐標值；（xt-0.4，yt-0.4）為上一讀取點的行駛軌跡坐標值。

為了確保無人機視頻獲取數(shù)據(jù)的準確性和可靠性， 利用便攜式路側激光交通調查儀獲取交通流數(shù)據(jù)，與無人機視頻獲取的數(shù)據(jù)進行對比后得到最終的行駛速度值。

2 風險路段的識別方法

車輛的行駛軌跡決策是駕駛人的一種選擇行為，典型的駕駛模式有4 種：車輛行駛軌跡最短模式，行駛時間最短模式，軌跡曲率變化率最小模式，行車道居中行駛模式。 車輛行駛軌跡是駕駛人受約束于行駛軌跡控制影響因素，且在多個目標之間對四種典型的決策模式進行權衡和折中后形成的車輛真實行駛軌跡。 因此，實際調查中發(fā)現(xiàn)，車輛無法沿道路在既定的車道內行駛，車輛的行駛軌跡半徑與彎道半徑之間存在較大的差異性，導致車輛越過道路中心線駛入對向車道，存在安全隱患，因此可將車輛行駛軌跡作為識別風險路段的依據(jù)之一。

車輛行駛速度是基于車輛行駛時刻和行駛瞬時位置的速度概念，也是車輛在道路上的真實行駛數(shù)據(jù)，并且能夠反映道路和駕駛人對車輛的綜合影響結果；因此可將車輛行駛速度作為風險路段的識別依據(jù)之一。

2.1 基于行駛軌跡的識別方法

根據(jù)追蹤讀取左前輪點的數(shù)據(jù)，得到小型車輛在各斷面位置的行駛軌跡值。 限于篇幅，本文僅展示彎道1 部分車輛的行駛軌跡值。 其中，小型車輛在彎道1 右轉行駛的軌跡值，見表2；小型車輛在彎道1 左轉行駛的軌跡值，見表3。

從表2、 表3 可知， 同一彎道的右轉行駛車輛和左轉行駛車輛的行駛軌跡值呈現(xiàn)出總體上的變化一致性，但局部斷面存在較大差異，即車輛在入彎處、彎道中部及出彎處越過道路中線的差別，這是由于不同駕駛員的操作習慣和過彎速度存在差異所造成的。 同一彎道同一行駛方向車輛行駛軌跡的離散分布導致右轉車輛和左轉車輛越過道路中心線，從而使右轉車輛和左轉車輛行駛軌跡發(fā)生高頻交叉，交叉區(qū)域即整個彎道交通事故易發(fā)的風險區(qū)域。 這反映出行駛車輛對前方彎道預判不足、出于安全考慮或選擇最小路徑過彎，導致車輛駛入對向車道，與對向車輛的行駛軌跡發(fā)生交叉。

采用GetData 軟件計算出車輛在各讀取點的所有車輛行駛軌跡的平均值， 繪制出右轉行駛和左轉行駛軌跡總體趨勢，見圖2。

表2 彎道1 右轉車輛的行駛軌跡值Tab.2 Travel track value of right turning vehicle in Curve 1

表3 彎道1 左轉車輛的行駛軌跡值Tab.3 Travel track value of left turning vehicle in Curve 1

圖2 車輛行駛軌跡總體趨勢圖Fig.2 Overall trend of vehicle trajectory

從圖2 可知，右轉行駛車輛的總體行駛軌跡曲線變化過程為入彎時緩慢遞減后單調遞減，行駛至最低點后單調遞增，最后緩慢遞減或單調遞減出彎。 左轉行駛車輛的總體行駛軌跡曲線變化過程為入彎時緩慢遞減至最低點后單調遞增，最后緩慢遞減或單調遞減出彎。同時，車輛在通過彎道時的行駛軌跡總體上均呈現(xiàn)出切彎行駛的趨勢，其中，左轉車輛在切彎行駛過程中均越過道路中心線駛入對向車道，增加了與對向車輛發(fā)生軌跡交叉的頻率，嚴重情況下占用對向車道正常通行，導致兩車發(fā)生沖突的概率增大。

根據(jù)車輛通過彎道時， 行駛軌跡越過道路中心線占用對向車道或與對向車輛發(fā)生軌跡交叉的情況，將易發(fā)生交通沖突的風險路段作以下劃分：將車輛的行駛軌跡越過道路中線占用對向車道的路段定義為潛在事故路段，將右轉行駛和左轉行駛車輛行駛軌跡的交匯路段定義為危險事故路段。 計算得到各彎道潛在事故路段長度和危險事故路段長度，見表4。

表4 風險路段長度值表Tab.4 Risk section length values

從表4 可知， 車輛的行駛軌跡越過道路中心線的路段占整個彎道路段的比例較高，4 個彎道中最高為66.3%，最低為37.5%。 當左轉行駛車輛偏離外側車道駛入內側車道時，一方面給對向車輛帶來巨大壓力，另一方面遇到突發(fā)情況想要回到外側車道需要更大的操作空間，都將引起交同沖突甚至交通事故。 右轉行駛和左轉行駛車輛行駛軌跡的交匯路段僅在彎道1 出現(xiàn)，但事故嚴重程度高。

2.2 基于行駛速度的識別方法

圖3 車輛過彎速度變化總體趨勢圖Fig.3 Overall trend of vehicle turning speed change

根據(jù)校正后各讀取點的瞬時速度，計算得到各讀取斷面的速度均值，繪制右轉行駛車輛和左轉行駛車輛通過彎道時的速度變化總體趨勢，見圖3。從圖3 可知，實際調查中，車輛通過彎道時的行駛速度遠高于設計速度，已存在安全隱患，且車輛過彎速度變化呈現(xiàn)先減小到最低值后增大的趨勢，與行駛軌跡變化先減小到最低點后增大的總體切彎趨勢具有相似性。 從兩類曲線數(shù)值最低點出現(xiàn)的斷面位置看，速度變化趨勢曲線的最低點總體上位于行駛軌跡總體趨勢曲線的最低點之后，反映出右轉行駛車輛在彎道內側行駛過程中，由于視距不足等對彎道線形判斷錯誤；左轉行駛車輛在彎道外側行駛過程中，由于安全等因素考慮駛入對向車道后減速回到外側車道出彎的特點。 因此，同一彎道同一行駛方向的速度變化趨勢曲線最低點所對應的斷面位置數(shù)值與行駛軌跡總體趨勢曲線最低點所對應的斷面位置數(shù)值的差值的絕對值，即兩斷面之間的相對距離長度可判定為事故多發(fā)的風險路段。 具體數(shù)值，見表5。

表5 速度與軌跡最低點所對應的斷面的相對距離長度值表Tab.5 Relative distance length values of the section corresponding to the lowest point of velocity and trajectory

3 風險路段的分布情況

圖4 各影響因素分布情況圖Fig.4 Distribution of various influencing factors

圖5 各彎道的風險路段分布情況圖Fig.5 Distribution of accident sections of each corner

考慮事故等級嚴重程度， 將一般風險路段和嚴重風險路段所包含的路段確定為事故多發(fā)的風險路段。因此，彎道1 風險路段為0～2.273，32.838～39.268 m，彎道2 風險路段為43.375～46.039 m，彎道3 風險路段為21.001～21.507 m，彎道4 風險路段為18.521～24.283 m。

4 結論

通過研究4 個彎道的行駛軌跡、行駛速度及風險路段的分布情況，得到以下主要結論：

1） 車輛的行駛軌跡越過道路中線占用對向車道，并與對向車輛發(fā)生高頻軌跡交叉，得到潛在事故路段和危險事故路段。

3） 確定事故等級為：安全行駛路段、潛在風險路段、一般風險路段、嚴重風險路段，并得到各彎道事故多發(fā)的風險路段的分布情況。

本文克服了以往試驗車為主的試驗方法，以自然行駛狀態(tài)下的車輛駛過整個彎道為研究重點，選取行駛軌跡及行駛速度作為識別依據(jù)，為山區(qū)道路事故多發(fā)的風險路段的識別提供一種新的識別方法。 但限于調查儀器及本人試驗水平，本次試驗僅選取4 個單向彎道且以小型車為主要研究對象，后續(xù)可豐富研究對象，例如以反向連續(xù)彎道為試驗場地，考慮大、小型車的行駛軌跡及行駛速度，同時針對風險路段的預防給出較為妥善的解決辦法。