吳中 吳季恒 吳瓊 楊海飛

摘 要：降雨會(huì)對(duì)城市交通運(yùn)行產(chǎn)生負(fù)面影響。路段作為城市路網(wǎng)的基本組成部分，在晴天和雨天會(huì)對(duì)公交車運(yùn)行產(chǎn)生不同的影響。運(yùn)用結(jié)構(gòu)方程模型，對(duì)道路基本特征、交通管理與控制措施和環(huán)境條件三個(gè)方面的影響因素進(jìn)行量化分析，建立了雨天公交運(yùn)行特性與各影響因素的結(jié)構(gòu)方程，揭示了雨天城市公交路段延誤影響因素的內(nèi)在關(guān)系。利用佛山市某線路公交車數(shù)據(jù)對(duì)路段模型進(jìn)行了擬合、修正和優(yōu)化，得到的各影響因素的路徑系數(shù)。結(jié)果表明：環(huán)境條件是影響雨天城市公交路段運(yùn)行的最顯著因素，且環(huán)境條件中運(yùn)行時(shí)段的影響程度大于其它自然因素。影響因素之間以及影響因素與行程車速之間的關(guān)系可為城市交通管理提供理論依據(jù)。

關(guān)鍵詞：雨天交通;公交;城市路段;結(jié)構(gòu)方程;行程車速

中圖分類號(hào)：U491

文獻(xiàn)標(biāo)識(shí)碼： A

降雨作為一種常見的天氣條件，會(huì)直接造成路面溜滑、視線受阻、行車不安全因素增加，已經(jīng)成為惡化道路條件、降低交通運(yùn)行效率、加劇交通擁堵的重要環(huán)境因素。而城市道路具有交通量大且時(shí)空分布特性分明、城市道路等級(jí)多、瓶頸節(jié)點(diǎn)多、交叉口交通運(yùn)行模式復(fù)雜等特點(diǎn)，道路行車容易受到降雨天氣的不利影響。

從20世紀(jì)50年代開始，國(guó)外的學(xué)者[1]認(rèn)識(shí)到降雨等不良天氣會(huì)對(duì)道路交通運(yùn)行產(chǎn)生嚴(yán)重影響。最初的研究主要集中在降雨對(duì)宏觀道路運(yùn)行特性的影響，如降雨會(huì)導(dǎo)致路段通行能力、交通量、交叉口飽和流率、運(yùn)行速度等參數(shù)[2-4]下降，降雨還會(huì)影響出行量和出行空間分布[5]等。學(xué)者利用多層線性回歸、神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)擬合方法建立了一系列雨天交通預(yù)測(cè)模型，如雨天通行能力計(jì)算模型[6-7]、雨天速度預(yù)測(cè)模型[8]、雨天交通流模型[9]、雨天擁堵預(yù)測(cè)模型[10]等。這類研究大多從整體出發(fā)，將實(shí)測(cè)數(shù)據(jù)的變化歸咎于降雨單一因素，忽視了因下雨而誘發(fā)的其它因素影響以及因素之間的相互影響。

隨著研究的深入，更多的因素開始納入研究范圍。研究發(fā)現(xiàn)降雨會(huì)增加駕駛員壓力，導(dǎo)致駕駛行為發(fā)生改變，還會(huì)降低車速、增大車頭時(shí)距[11]等。祝會(huì)兵[12]、顏冉[13]等考慮雨天駕駛行為改變對(duì)傳統(tǒng)的交通模型進(jìn)行改進(jìn)，提出了一系列緩解雨天城市干道擁堵問題的措施。龔大鵬[14]研究了降雨時(shí)等級(jí)道路、運(yùn)行時(shí)段、擁堵程度、是否處于交通高峰期等因素對(duì)交通運(yùn)行的影響，得到一些相關(guān)成果與結(jié)論。許方經(jīng)[15]通過(guò)分析確定雨天城市道路通行能力的影響因素包括降雨強(qiáng)度、能見度和車道凈寬，建立了雨天通行能力計(jì)算模型。李秋萍[16]運(yùn)用多元線性回歸模型分析了降雨量、道路等級(jí)、車流量、晴天同時(shí)段對(duì)照車速等因素在速度下降和速度上升兩類道路上的作用差異。

本文的研究對(duì)象為雨天城市道路，主要研究道路路段基本特征、交通管理與控制措施、環(huán)境條件等各類因素對(duì)城市道路公交運(yùn)行的綜合作用;選取行程車速作為反映公交車路段運(yùn)行狀態(tài)的指標(biāo)，考慮多個(gè)因素共同作用，建立了雨天路段車速的結(jié)構(gòu)方程模型;通過(guò)量化路段模型分析，得到模型各變量間的路徑系數(shù)，判斷不同影響因素對(duì)雨天城市道路交通運(yùn)行的定向效應(yīng)，分析不同因素的影響程度和內(nèi)在關(guān)系。

1 公交數(shù)據(jù)及其特征

1.1 公交數(shù)據(jù)

路段作為城市道路網(wǎng)絡(luò)的主要組成部分，交通整體運(yùn)行效率受到路段的制約和影響。公交車運(yùn)行具有固定的運(yùn)行路線、運(yùn)行距離和運(yùn)行起訖點(diǎn)，是有較好規(guī)律性的研究對(duì)象。以佛山公交126路作為研究對(duì)象，數(shù)據(jù)選取時(shí)間為2019年8月至9月。佛山公交126路由禪城區(qū)中心醫(yī)院站至鯉魚沙站，全程17.32 km，整條線路存在多種形式的路段。結(jié)合各站點(diǎn)間的實(shí)際情況，選取麗日豪庭-惠景城（二級(jí)雙向6車道）、勞動(dòng)力市場(chǎng)-華遠(yuǎn)東路口（一級(jí)雙向6車道）、華遠(yuǎn)東路口-山水居（一級(jí)雙向6車道）、市一醫(yī)院A-禪城區(qū)政府（二級(jí)雙向8車道）、通濟(jì)橋-兒童活動(dòng)中心（一級(jí)雙向4車道）、兒童活動(dòng)中心-普瀾一路（一級(jí)雙向4車道）、祖廟路-祖廟A（一級(jí)雙向4車道）、人民西-佛山中醫(yī)院A（一級(jí)雙向6車道）、河畔明珠-中山橋（一級(jí)雙向2車道）等九個(gè)路段作為研究對(duì)象。

原始數(shù)據(jù)利用車載全球定位系統(tǒng)（global positioning system，GPS）記錄儀記錄，包括車牌號(hào)、GPS時(shí)間、服務(wù)器時(shí)間、經(jīng)度、緯度、速度（km/h）和方向。公交到站時(shí)GPS反饋的經(jīng)緯度保持不變，從而可以得到各個(gè)站點(diǎn)的時(shí)刻表，通過(guò)時(shí)刻表可以得到各站點(diǎn)間的行程時(shí)間和行程車速。

此外，佛山公交126路公交線路靠近佛山市南海區(qū)氣象局，公交行車路線上的降雨量數(shù)據(jù)直接參考佛山市南海區(qū)的降雨量數(shù)據(jù)。

1.2 數(shù)據(jù)特征

經(jīng)過(guò)篩選得到144趟工作日行車數(shù)據(jù)，包括上行82趟，下行62趟，其中高峰時(shí)段樣本占比約29%，夜晚樣本占比約26%，晴天占比77.2%，雨天占比22.8%。獲取的公交數(shù)據(jù)按照晴天-雨天，高峰-平峰進(jìn)行組合分組，并對(duì)四組數(shù)據(jù)采用K-S檢驗(yàn)，每組數(shù)據(jù)的漸進(jìn)顯著性水平均為0.2（大于0.05），可以認(rèn)為每組數(shù)據(jù)均符合正態(tài)分布。畫出每一類數(shù)據(jù)的行程速度頻數(shù)分布直方圖，并采取正態(tài)分布進(jìn)行擬合可以得到圖1，相關(guān)統(tǒng)計(jì)參數(shù)如表1所示。

車速，晴天運(yùn)行車速大于雨天運(yùn)行車速的趨勢(shì)，與正常規(guī)律相符。同處于平峰（高峰）時(shí)，晴天、雨天運(yùn)行速度差距較小;同處于晴天（雨天）時(shí)，高峰、平峰運(yùn)行速度差距較大。數(shù)據(jù)顯示出較強(qiáng)的合理性。

2 結(jié)構(gòu)方程模型

2.1 初始模型

結(jié)構(gòu)方程模型是基于變量的協(xié)方差矩陣來(lái)分析變量之間關(guān)系的統(tǒng)計(jì)方法。模型中既包含可以直接測(cè)量的觀察變量，也包含與觀測(cè)變量有關(guān)但無(wú)法直接測(cè)量的潛在變量，能夠較好地分析潛變量對(duì)總體的作用及潛變量之間的關(guān)系。結(jié)構(gòu)方程方法也適合于分析雨天路段交通特性的影響因子。

根據(jù)經(jīng)驗(yàn)，本文從道路基本特征、交通管理與控制措施、環(huán)境條件三方面確定了各影響因素及其對(duì)應(yīng)的觀測(cè)指標(biāo)，形成了路段結(jié)構(gòu)方程模型變量表，如表2所示，包括3個(gè)潛變量和13個(gè)觀察變量。選取行程速度作為反映公交車路段運(yùn)行狀態(tài)的指標(biāo)。

初始模型相關(guān)關(guān)系的邏輯圖如圖2所示。在計(jì)算結(jié)構(gòu)方程模型的矩結(jié)構(gòu)分析（analysis of moment structures，AMOS）軟件平臺(tái)中，觀察變量用長(zhǎng)方形或正方形表示，潛變量用橢圓或圓表示，單向箭頭表示單向因果關(guān)系，雙箭頭表示兩個(gè)變量互為因果關(guān)系。模型各變量的測(cè)量誤差用ei表示，且測(cè)量誤差間不獨(dú)立。模型可以采用極大似然估計(jì)法估算求解。由于初始模型完全憑經(jīng)驗(yàn)主觀建立，模型仍需要按一定規(guī)則和相關(guān)指標(biāo)進(jìn)行修正，以更加客觀地表達(dá)各種變量之間的相互影響的邏輯結(jié)構(gòu)關(guān)系。

2.2 模型修正依據(jù)

驗(yàn)證性因素分析能夠檢驗(yàn)觀察變量和對(duì)應(yīng)潛變量之間的關(guān)系是否正確，是模型分析與修正的基礎(chǔ)。因素負(fù)荷量（路徑系數(shù)）分為非標(biāo)準(zhǔn)化因素負(fù)荷量和標(biāo)準(zhǔn)化因素負(fù)荷量。非標(biāo)準(zhǔn)化因素負(fù)荷量表示自變量變化一個(gè)單位時(shí)，因變量的實(shí)際變化值，因而非標(biāo)準(zhǔn)化因素負(fù)荷量可以用于檢驗(yàn)?zāi)Ｐ凸烙?jì)是否顯著;標(biāo)準(zhǔn)化因素負(fù)荷量是非標(biāo)準(zhǔn)化因素負(fù)荷量除以標(biāo)準(zhǔn)差得到的統(tǒng)一量綱值，其取值在-1～1之間，能夠直接進(jìn)行不同系數(shù)對(duì)比，絕對(duì)值越大說(shuō)明自變量對(duì)因變量的相對(duì)重要程度越大。驗(yàn)證性因素分析需滿足的條件如下：

（1）臨界比（critical ration，RC）是結(jié)構(gòu)方程非標(biāo)準(zhǔn)化因素負(fù)荷量顯著性檢驗(yàn)條件的重要指標(biāo)，相當(dāng)于t檢驗(yàn)中的t值。臨界比大于1.96，表示參數(shù)估計(jì)值達(dá)到了0.05的顯著水平，即P小于0.05。

（2）標(biāo)準(zhǔn)化因素負(fù)荷量λ在理想條件下要大于0.7，在模型修正和進(jìn)行模型邏輯結(jié)構(gòu)探索分析時(shí)至少要大于0.5。

（3）組成信度（composite reliability，CR）是檢驗(yàn)潛在變量的信度指標(biāo)，是衡量模型內(nèi)在質(zhì)量的標(biāo)準(zhǔn)之一。組成信度的理想范圍為0.6～0.95，計(jì)算公式如下（1）式。其中，θ為觀察變量的測(cè)量誤差值。

（4）平均方差萃取量（average variance extracted，Ave）

用于衡量潛在構(gòu)念所解釋的變異量有多少來(lái)自測(cè)量誤差，其數(shù)值越大，說(shuō)明來(lái)自測(cè)量誤差的變異量越小，觀察變量越能有效的反映對(duì)應(yīng)的潛變量的特性。平均方差萃取量是一種模型收斂效度的指標(biāo)，一般的判別標(biāo)準(zhǔn)要大于0.5。平均方差萃取量的計(jì)算公式如下（2）式：

對(duì)模型期望協(xié)方差矩陣和樣本協(xié)方差矩陣的差異由適配度指標(biāo)進(jìn)行評(píng)估，它是理論結(jié)構(gòu)模型對(duì)實(shí)際數(shù)據(jù)擬合程度的統(tǒng)計(jì)指標(biāo)。由于數(shù)學(xué)方法不同，結(jié)構(gòu)方程模型常用的適配度指標(biāo)有很多。本模型選取適配度指數(shù)（goodness-of-fit index，GFI）、調(diào)整后適配度指數(shù)（adjusted goodness-of-fit index AGFI）和比較適配指數(shù)（comparative fit index，CFI）等三個(gè)指標(biāo)作為模型的評(píng)價(jià)指標(biāo)。一般認(rèn)為IGF>0.9、IAGF>0.9、ICF>0.9時(shí)模型達(dá)到理想標(biāo)準(zhǔn)，0.8

2.3 修正模型

由數(shù)據(jù)進(jìn)行初始模型驗(yàn)證性分析，所有觀察變量的非標(biāo)準(zhǔn)化因素負(fù)荷量均滿足顯著性檢驗(yàn)條件（RC>1.96，P<0.05），變量彎曲程度、公交車線路數(shù)、能見度的標(biāo)準(zhǔn)化因素負(fù)荷量均小于0.5，將這三個(gè)觀察變量刪除后再次進(jìn)行驗(yàn)證性因素分析。修正后臨界比值RC均大于1.96，P值均小于0.001，滿足顯著性條件，標(biāo)準(zhǔn)化因素負(fù)荷量均大于0.5，符合要求，具體計(jì)算值如表3所示。

根據(jù)標(biāo)準(zhǔn)化因素負(fù)荷量分別計(jì)算各潛變量的組成信度值CR和平均方差萃取量AVE，由表3可知，三個(gè)潛變量的組成信度CR均在0.6～0.95之間，平均方差萃取量AVE均大于0.5，滿足驗(yàn)證性因素分析的要求。擬合后，初始模型中的測(cè)量模型對(duì)應(yīng)的適配度指標(biāo)IGF=0.885，IAGF =0.803，ICF =0.841僅達(dá)到一般指標(biāo)。根據(jù)AMOS提供的修正指數(shù)IMI來(lái)釋放部分限制路徑、增添一些新路徑來(lái)提高模型擬合度（IMI值表示將原本受限制的參數(shù)改為容許自由估計(jì)后，整個(gè)模型改良時(shí)將會(huì)減少的最小卡方值）。

（1）第一次修正過(guò)程

刪除道路基本特征下的機(jī)非分隔形式這一觀察變量;將道路等級(jí)測(cè)量誤差項(xiàng)e1和公交專用道設(shè)置測(cè)量誤差項(xiàng)e8設(shè)置為相關(guān)關(guān)系;將車道數(shù)測(cè)量誤差項(xiàng)e2和機(jī)動(dòng)車分隔形式測(cè)量誤差項(xiàng)e3設(shè)置為相關(guān)關(guān)系;將車道數(shù)測(cè)量誤差項(xiàng)e2和公交專用道設(shè)置測(cè)量誤差項(xiàng)e8設(shè)置為相關(guān)關(guān)系;將機(jī)動(dòng)車分隔形式測(cè)量誤差項(xiàng)e3和信控交叉口個(gè)數(shù)測(cè)量誤差項(xiàng)e6設(shè)置為相關(guān)關(guān)系;將機(jī)動(dòng)車分隔形式測(cè)量誤差項(xiàng)e3和出入口個(gè)數(shù)測(cè)量誤差項(xiàng)e7設(shè)置為相關(guān)關(guān)系;將機(jī)動(dòng)車分隔形式測(cè)量誤差項(xiàng)e3和公交專用道設(shè)置測(cè)量誤差項(xiàng)e8設(shè)置為相關(guān)關(guān)系。

第一次修正后，適配度指標(biāo)IGF和ICF的擬合結(jié)果均大于0.9，IAGF擬合結(jié)果小于0.9，模型仍不夠理想。

（2）第二次修正過(guò)程

將道路等級(jí)測(cè)量誤差項(xiàng)e1和出入口個(gè)數(shù)測(cè)量誤差項(xiàng)e7設(shè)置為相關(guān)關(guān)系;將車道數(shù)測(cè)量誤差項(xiàng)e2和出入口個(gè)數(shù)測(cè)量誤差項(xiàng)e7設(shè)置為相關(guān)關(guān)系。

兩次修正后的模型稱為模型Ⅰ，其適配度指標(biāo)擬合結(jié)果見表4，模型Ⅰ適配度指標(biāo)IGF、ICF、IAGF的擬合結(jié)果均大于0.9，達(dá)到理想標(biāo)準(zhǔn)。說(shuō)明模型Ⅰ與實(shí)際數(shù)據(jù)之間契合度有較大提高，模型結(jié)果有說(shuō)服力。模型Ⅰ對(duì)應(yīng)的標(biāo)準(zhǔn)路徑系數(shù)圖如圖3所示（注：“***”表示P<0.001， SE為估計(jì)參數(shù)的標(biāo)準(zhǔn)誤）。

3 單一因素模型對(duì)比

如果不考慮環(huán)境條件下自然照度和運(yùn)行時(shí)間兩個(gè)影響因素，僅研究降雨這一單一變量對(duì)行程速度的影響，可以建立對(duì)比模型Ⅱ。模型Ⅱ重復(fù)檢驗(yàn)、修正、運(yùn)算后得到的路段結(jié)構(gòu)方程模型標(biāo)準(zhǔn)路徑系數(shù)如圖4所示。

表5對(duì)比表明，模型Ⅰ的適配度指標(biāo)高于模型Ⅱ，即模型Ⅰ與實(shí)際數(shù)據(jù)的擬合度更高。模型Ⅰ中降雨量對(duì)行程車速的路徑系數(shù)為-0.17，模型Ⅱ路徑系數(shù)為-0.13，模型Ⅱ僅為模型Ⅰ的76.5%，表明僅考慮降雨量而忽視其他環(huán)境因素的相互作用及對(duì)運(yùn)行車速的共同影響，這會(huì)使得由降雨誘發(fā)的影響行程車速的其他邊際效應(yīng)被低估或被忽略。

4 模型路徑分析

4.1 運(yùn)行速度路徑系數(shù)

對(duì)模型Ⅰ（圖3）中的結(jié)果進(jìn)行整理，觀察變量影響潛變量的路徑系數(shù)稱為一級(jí)效應(yīng)，潛變量影響評(píng)價(jià)指標(biāo)（運(yùn)行車速）的路徑系數(shù)稱為二級(jí)效應(yīng)，綜合效應(yīng)為一級(jí)效應(yīng)、二級(jí)效應(yīng)乘積，絕對(duì)值反映觀測(cè)變量影響公交車雨天行駛速度的權(quán)重關(guān)系，正負(fù)表示觀測(cè)變量和因變量的變化方向是否相同。模型Ⅰ各影響因素效應(yīng)如表6所示。

4.2 影響機(jī)理

由表6可知，在三類影響因素中，環(huán)境條件對(duì)公交行程車速的影響最大，交通管理與控制措施的影響次之，道路基本特征的影響最小，其影響系數(shù)為分別為-0.298、-0.222、0.080。道路基本特征包含三個(gè)變量，且影響均為正向的，即道路等級(jí)越高、車道數(shù)越多、采取更有力的雙向車流分離形式會(huì)使得行程車速提高。交通管理與控制措施的三個(gè)觀測(cè)變量影響均為負(fù)向，即出入口個(gè)數(shù)越多、信控交叉口個(gè)數(shù)越多、未設(shè)置公交專用道會(huì)使得行程車速降低。環(huán)境條件中降雨量、自然照度和運(yùn)行時(shí)段三個(gè)變量影響均為負(fù)向，降雨量越多、自然照度越低的夜晚、運(yùn)行越接近高峰時(shí)段會(huì)使得行程車速降低。

9個(gè)觀測(cè)變量對(duì)行程車速的影響可分為三類：（1）綜合效應(yīng)大于0.2的影響較大變量：運(yùn)行時(shí)段（-0.270）、自然照度（-0.239）。（2）綜合效應(yīng)在0.1～0.2之間的變量：出入口個(gè)數(shù)（-0.175）、降雨量（-0.170）、信控交叉口個(gè)數(shù)（-0.164）、公交專用道設(shè)置（-0.141）。（3）綜合效應(yīng)小于0.1的影響較小變量：道路等級(jí)（0.066）、車道數(shù)（0.063）、機(jī)動(dòng)車分隔形式（0.053）。

從模型觀測(cè)變量的綜合效應(yīng)看，降雨量并不是影響公交行駛速度的最主要因素，而運(yùn)行時(shí)段、自然照度、出入口個(gè)數(shù)對(duì)行車速度的影響更大。這表明雨天對(duì)城市公交運(yùn)行的影響是通過(guò)雨天誘發(fā)其他條件劣化或是降雨因素與其他因素共同作用完成的。城市道路車輛運(yùn)行的某些瓶頸條件在降雨作用下會(huì)更加制約交通的運(yùn)行。某些對(duì)交通影響不大的因素，雖然有降雨的作用，對(duì)城市車輛運(yùn)行的阻礙作用仍不顯著。

天氣正常時(shí)，高峰期城市道路會(huì)發(fā)生擁堵表明高峰時(shí)段道路通行能力已經(jīng)制約了交通運(yùn)行，若雨天與高峰期疊加會(huì)使得這種阻礙作用更加顯著。由此可以看出雨天會(huì)使大部分阻礙因素更加突顯，解決城市雨天交通阻塞應(yīng)該從那些突顯的主要因素入手，通過(guò)硬件設(shè)施建設(shè)和管理措施的綜合治理起到緩解雨天交通擁堵的作用。

5 結(jié)語(yǔ)

本文應(yīng)用結(jié)構(gòu)方程模型和實(shí)際調(diào)查數(shù)據(jù)得到不同降雨強(qiáng)度下城市干道基本路段影響公交運(yùn)行的顯著影響因素，分析了城市交通路段延誤產(chǎn)生原因及降雨對(duì)公交運(yùn)行的影響，確定了影響城市道路公交運(yùn)行因素間的邏輯關(guān)系，解釋了雨天城市交通擁堵或延誤的機(jī)理，宏觀交通流的影響因素的影響權(quán)重表達(dá)在模型圖3中。研究結(jié)果表明，交通高峰期和夜晚工況下雨天對(duì)城市公交運(yùn)營(yíng)的影響最大。

從分析結(jié)果看，平峰期降雨對(duì)公交的影響很小甚至沒有影響，為減少高峰期降雨對(duì)城市道路的影響，城市應(yīng)多設(shè)置公交專用道，減少信號(hào)燈數(shù)量或設(shè)置信號(hào)燈公交優(yōu)先，對(duì)公交線路上的出入口（包括人行橫道）進(jìn)行管制。在城市宏觀交通管理上應(yīng)注重交通流的空間均衡、削減高峰時(shí)段交通流峰值、實(shí)行瓶頸路段交通分流、改變雨天信號(hào)燈控制方案等，降低雨天道路環(huán)境控制因素對(duì)行車速度的影響。

本文是針對(duì)公交車進(jìn)行研究的，但研究結(jié)論和雨天影響交通的基本特性對(duì)其他車輛雨天運(yùn)行也有參考價(jià)值。

參考文獻(xiàn)：

[1]Transportation Research Council（U. S.）. HCM2010： Highway Capacity Manual[M]. Washington， D. C.： Transportation Researh Board， 2010.

[2]KEAY K， SIMMONDS I. The association of rainfall and other weather variables with road traffic volume in Melbourne， Australia[J]. Accident analysis & prevention， 2005， 37（1）： 109-124.

[3]KONDYLI A， GEORGE B S， ELEFTERIADOU L， et al. Defining， measuring， and modeling capacity for the highway capacity manual [J]. Journal of Transportation Engineering， Part A：Systems， 2017， 143（3）： 38-47.

[4]和飛飛， 閆學(xué)東， 李曉夢(mèng)， 等. 基于速度性能指標(biāo)的雨天環(huán)境對(duì)北京快速路網(wǎng)影響研究[J]. 交通信息與安全， 2016， 34（2）： 88-93.

[5]劉寧瑜. 基于出租車軌跡數(shù)據(jù)的降雨對(duì)交通出行的影響研究[D]. 北京： 北京交通大學(xué)， 2017.

[6]WANG Y， LUO J. Study of rainfall impacts on freeway traffic flow characteristics[J]. Transportation Research Procedia， 2017， 24（25）： 1533-1543.

[7]喬國(guó)梁. 不利天氣條件下城市路段交通流特征參數(shù)研究[D]. 北京： 北京工業(yè)大學(xué)， 2014.

[8]劉芳麗， 涂輝招， 王曉峰， 等. 降雨對(duì)城市快速路車速離散性影響分析[J]. 交通科技， 2019， 45（4）： 90-94.

[9]朱娜. 基于元胞自動(dòng)機(jī)的城市快速路雨天交通流模型[D]. 南京： 東南大學(xué)， 2015.

[10]劉暢， 胡東明， 周芯玉， 等. 廣州道路交通擁堵的降雨影響分析及短時(shí)預(yù)報(bào)[J].廣東氣象， 2019， 41（4）： 46-50.

[11]陰春曄， 田國(guó)紅， 韓浩， 等. 雨天環(huán)境下駕駛行為研究[J]. 汽車實(shí)用技術(shù)， 2019， 44（15）： 242-244.

[12]祝會(huì)兵. 惡劣天氣環(huán)境下的交通流數(shù)值模擬[J]. 寧波大學(xué)學(xué)報(bào)（理工版）， 2014， 27（2）： 30-34.

[13]顏冉. 不利天氣條件下道路交通流特征機(jī)理研究[D]. 合肥： 合肥工業(yè)大學(xué)， 2015.

[14]龔大鵬， 宋國(guó)華， 黎明， 等. 降雨對(duì)城市道路行程速度的影響[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2015， 15（1）： 218-225.

[15]許方經(jīng). 降雨條件下城市道路通行能力影響分析[D]. 西安： 長(zhǎng)安大學(xué)， 2017.

[16]李秋萍， 劉慧敏， 卓莉， 等. 降雨天氣下城市道路速度變化的差異及其影響因素[J]. 熱帶地理， 2020， 40（4）， 744-751.

（責(zé)任編輯：于慧梅）