張衛(wèi)華， 陶 虎， 陳 乾

(合肥工業(yè)大學(xué) 汽車與交通工程學(xué)院， 安徵 合肥 230009)

快速路承載著城市的主要交通量，多條快速路相交形成的互通立交作為快速路主要組成部分，其立體隔離式的空間多層結(jié)構(gòu)保證了各個(gè)方向交通流的獨(dú)立性，減少了車輛間不必要的交織行為，提高了交通運(yùn)行效率和安全性。快速路分流區(qū)的交通流特征與基本路段完全不同，不同道路選擇的交通流頻繁換道、相互交織，導(dǎo)致較高的事故風(fēng)險(xiǎn)，快速路較高的車速也使得事故的嚴(yán)重程度較高[1-2]。

HIDAS[3-4]建立微觀仿真的換道模型，分析研究了不同運(yùn)行狀態(tài)下快速路交織區(qū)的交通特征、換道行為、交通沖突等，對(duì)仿真結(jié)果評(píng)價(jià)后發(fā)現(xiàn)多數(shù)情況下該模型與傳統(tǒng)模型仿真效果相似，但其適用性更廣。TARKO[5]的研究中提到了諸多常用的交通沖突的判別指標(biāo)，其中大多為時(shí)間度量的判別指標(biāo)。唐超[6]、鄭展驥[7]等以TTC為基礎(chǔ)，對(duì)分、合流區(qū)和交織區(qū)的沖突預(yù)測，以及安全評(píng)價(jià)等進(jìn)行了研究。馬艷麗[8]等構(gòu)建了沖突的識(shí)別模型，并通過不斷調(diào)整閾值進(jìn)行計(jì)算后發(fā)現(xiàn)，合理的閾值選擇對(duì)提高交通沖突識(shí)別的準(zhǔn)確率有很大的幫助。NATIO[9]以數(shù)學(xué)建模，以及仿真為研究手段，發(fā)現(xiàn)車輛之間發(fā)生碰撞的概率與速度、車頭時(shí)距等有密切的關(guān)聯(lián)，速度越高則碰撞概率越大，并以此建立了一個(gè)最優(yōu)速度模型。孫璐[10]等通過分析仿真后的交通沖突數(shù)據(jù)，發(fā)現(xiàn)交織區(qū)交通沖突數(shù)與交通量呈正相關(guān)，與交織區(qū)車道數(shù)呈負(fù)相關(guān)。

此前學(xué)者的研究多以高速公路為對(duì)象，且大多只集中于沖突數(shù)量這單一維度上，而那些可以豐富交通沖突形成機(jī)理研究的重要組成部分，如沖突發(fā)生的位置、沖突車輛交通運(yùn)行特征等方面的研究較少。針對(duì)上述不足，本文圍繞城市快速路互通立交的分流區(qū)，充分分析沖突發(fā)生的各項(xiàng)特征，探究沖突發(fā)生的深層機(jī)理。

1 分流區(qū)數(shù)據(jù)調(diào)查與處理

1.1 交通調(diào)查地點(diǎn)與時(shí)間

本文以城市快速路互通立交的分流區(qū)為研究對(duì)象，調(diào)查獲得交通流特征，調(diào)查地點(diǎn)的選取應(yīng)滿足以下條件：① 道路構(gòu)造形式要有普遍性，且交通流運(yùn)行狀態(tài)簡單，同時(shí)外界干擾因素要盡可能地減少；② 交通量大并具有明顯的時(shí)間差異性；③由于使用無人機(jī)進(jìn)行航拍調(diào)查，因此還需滿足視野開闊，無電磁干擾，無禁飛和限飛要求。通過對(duì)某市城區(qū)快速路互通立交進(jìn)行篩查后，選取某立交南側(cè)分流區(qū)為調(diào)查對(duì)象，車流行駛方向?yàn)橛赡舷虮?，見圖1。

圖1 數(shù)據(jù)采集點(diǎn)無人機(jī)航拍圖

為保證數(shù)據(jù)的準(zhǔn)確性和統(tǒng)計(jì)分析的便利性，無人機(jī)航拍視頻要求圖像穩(wěn)定清晰，交通到達(dá)相對(duì)均勻。經(jīng)選擇后的每段視頻時(shí)長均為3 min，且其中包含了早高峰、晚高峰和平峰3個(gè)時(shí)段。

1.2 基礎(chǔ)數(shù)據(jù)處理

通過Matlab將視頻逐幀轉(zhuǎn)化為圖片，利用圖像識(shí)別技術(shù)對(duì)每一張圖片中車輛的像素點(diǎn)位進(jìn)行獲取。并通過像素-實(shí)際長度的比例尺關(guān)系將像素點(diǎn)位映射到實(shí)際空間，從而求得車輛速度、車道速度和斷面速度等交通流特征。

考慮在發(fā)生追尾沖突與換道沖突時(shí)所涉及車輛間的不同時(shí)空特征，選擇TTC模型、PET模型分別用于判定追尾沖突和換道沖突，沖突發(fā)生的指標(biāo)分別選取為TTC≤6 s、PET<5 s[11-12]。以此統(tǒng)計(jì)分流區(qū)的沖突個(gè)數(shù)如下：分流區(qū)通過車輛數(shù)1 120輛，追尾沖突數(shù)33，換道沖突數(shù)122。

2 分流區(qū)交通沖突特征研究

2.1 交通沖突與交通量關(guān)系特征

2.1.1交通流率與千車沖突率關(guān)系分析

將交通量與沖突數(shù)進(jìn)行擬合，兩者呈指數(shù)函數(shù)關(guān)系y=1.582×e0.018 x，決定系數(shù)R2>0.9，說明擬合效果極好。但當(dāng)每輛車發(fā)生沖突的概率一定時(shí)，駛過分流區(qū)車輛數(shù)目的增加自然會(huì)引起交通沖突數(shù)的增加。因此，為探究車輛沖突概率與交通量的關(guān)系，可引入單位車量沖突數(shù)的概念，將其與交通流率進(jìn)行比較分析，故本文設(shè)置變量千車沖突率γ，如式(1)所示：

(1)

式中:C為交通沖突數(shù)；Q為交通量。

圖2所示的千車沖突率與交通流率擬合曲線方程為y=0.061 4x-26.852(R2=0.72)，千車沖突率與交通流率呈正相關(guān)關(guān)系，說明沖突發(fā)生的概率隨著交通流率的上升而不斷增加。

圖2 交通流率與沖突率擬合曲線

2.1.2車頭時(shí)距與交通沖突特性分析

車頭時(shí)距是衡量交通運(yùn)行狀態(tài)、表征交通特征的重要微觀指標(biāo)，按照是否發(fā)生沖突將所有車輛分為2組，分別為沖突組和非沖突組，并對(duì)比分析沖突組、非沖突組車頭時(shí)距與交通沖突之間的關(guān)系，結(jié)果如表1、圖3所示。

根據(jù)表1可知，沖突組車輛間的平均車頭時(shí)距顯著低于非沖突組(P=0<0.05)，較小的車頭時(shí)距體現(xiàn)了較大的交通流率，因此這從一定層面也再一次反映了交通量對(duì)交通沖突的影響。由圖3可知，車頭時(shí)距小于17.5 s時(shí)，沖突組車輛的車頭時(shí)距曲線低于非沖突車輛；但當(dāng)車頭時(shí)距大于17.5 s時(shí)，沖突組曲線戛然而止，此時(shí)車輛將不會(huì)再被卷入沖突。說明車頭時(shí)距越小，車輛行為越會(huì)受到限制，被卷入沖突的可能性越高。

表1 沖突組與非沖突組平均車頭時(shí)距對(duì)比分析Table 1 The comparison of average headway between vehi-cle conflictied and vehicle non-conflicted車頭時(shí)距均值/s(標(biāo)準(zhǔn)差/s)tp沖突組車輛3.31(2.69)-3.412**0非沖突組車輛4.09(3.72)

圖3 沖突組與非沖突組車頭時(shí)距分布對(duì)比(對(duì)圖形橫縱坐標(biāo)做了調(diào)換)

2.2 交通沖突與速度關(guān)系特征

2.2.1車道速度與交通沖突特性分析

車輛進(jìn)入快速路分流區(qū)后便會(huì)產(chǎn)生不同的道路選擇，不同道路選擇導(dǎo)致分流區(qū)內(nèi)車輛加、減速，以及換道行為頻發(fā)，交通狀態(tài)混亂，車輛間行駛速度差異。分別對(duì)分流區(qū)主線速度、匝道速度與沖突發(fā)生之間的關(guān)系進(jìn)行研究，結(jié)果如圖4所示。車道速度與交通沖突的發(fā)生之間有著明顯的規(guī)律，不論主線還是匝道，當(dāng)車道平均運(yùn)行速度越低時(shí)，千車沖突率越大，車輛發(fā)生交通沖突的概率越高。

(a) 主線速度

由于車道平均運(yùn)行速度與車道上駛過的交通量之間有著密切的關(guān)系，速度越低往往說明此時(shí)的交通量越大。因此，為了排除分析車道速度與交通沖突關(guān)系時(shí)交通量的影響，利用SPSS對(duì)千車沖突率進(jìn)行控制變量的偏相關(guān)分析，結(jié)果如表2所示。

表2 車道速度與交通沖突相關(guān)性分析Table 2 The Partial correlation analysis of lane speed and traffic conflict rate控制變量變量千車沖突率rp主線速度-0.717*0.019無匝道速度-0.721*0.019交通量0.828**0.006交通量主線速度-0.723*0.038匝道速度-0.746*0.031

分析結(jié)果顯示，當(dāng)不進(jìn)行變量控制時(shí)車道速度(不論主線還是匝道速度)與交通沖突發(fā)生間存在著負(fù)相關(guān)關(guān)系；而交通量與交通沖突發(fā)生之間存在著正相關(guān)關(guān)系，且相關(guān)性更強(qiáng)。因此選擇交通量作為控制變量進(jìn)一步探究車道速度與沖突的關(guān)系，結(jié)果顯示兩者間負(fù)相關(guān)性依然存在。以上分析說明了速度確實(shí)是影響沖突發(fā)生重要因素，即在車輛正常行駛的速度范圍內(nèi)，提升速度可以減少?zèng)_突的發(fā)生。

2.2.2車輛速度與交通沖突特性分析

為了探究車輛速度與交通沖突之間的具體關(guān)系，將調(diào)查車輛依舊按照交通沖突是否發(fā)生分為沖突與非沖突2組，通過t檢驗(yàn)分別對(duì)2組車輛速度特征進(jìn)行分析。結(jié)果如表3所示，沖突車輛的速度顯然小于非沖突車輛。沖突車輛與非沖突車輛速度分布區(qū)間如圖5所示。

表3 沖突與非沖突組之間車輛速度t檢驗(yàn)Table 3 Independent t-test of speed between vehicles con-flicted and vehicles non-conflicted分組速度均值/(km·h-1)(標(biāo)準(zhǔn)差)tp沖突組49.1(10.24)-7.901**0.000非沖突組55.2(10.87)

圖5 沖突車輛與非沖突車輛速度分布對(duì)比

沖突車輛的速度落在20～80 km/h的區(qū)間內(nèi)，主要集中于30～60 km/h，平均值為49.1 km/h；相比而下，非沖突車輛的行駛速度分布區(qū)間更廣，且集中分布在40～70 km/h區(qū)間，均值也明顯更高，達(dá)到55.2 km/h，分析結(jié)果表明分流區(qū)車輛速度與沖突間存在相互影響的關(guān)系。

2.3 交通沖突與換道行為關(guān)系特征

換道行為是微觀駕駛行為的重要組成部分，且同樣是誘發(fā)交通運(yùn)行狀態(tài)波動(dòng)的重要原因，因此將車輛的換道行為納入交通沖突特性研究具有重要意義。

為了研究與行文表述的便利性，對(duì)分流區(qū)車道進(jìn)行編號(hào)和功能區(qū)劃分，將車道按照車輛行駛方向由左向右依次編號(hào)，則主線車道分別為L1、L2和L3，匝道的車道為L4和L5，并規(guī)定其中較為特殊的漸變段車道為L4。對(duì)研究區(qū)域以每10 m一個(gè)單位區(qū)塊進(jìn)行劃分，同時(shí)將斷面結(jié)構(gòu)與功能相近的若干個(gè)單位區(qū)塊合并，稱作一個(gè)功能區(qū)間。因此230 m長的分流區(qū)則被劃分為4個(gè)功能區(qū)間，分別為：分流上游區(qū)、分流漸變區(qū)、分流導(dǎo)流區(qū)和分流下游區(qū)，具體情況如下表4、圖6所示。

表4 分流區(qū)功能區(qū)間劃分Table 4 The division sections of diverging segment功能區(qū)間名稱長度/m編號(hào)分流上游區(qū)60A1分流漸變區(qū)70A2分流導(dǎo)流區(qū)70A3分流下游區(qū)30A4

圖6 功能區(qū)間劃分?jǐn)嗝嫖恢檬疽鈭D

2.3.1沖突與非沖突組車輛換道行為分析

分流區(qū)上游一般有多條主線車道，從不同車道駛?cè)氲能囕v進(jìn)入分流區(qū)，對(duì)道路路線選擇也不同，其換道需求也有所差異。為了更好地研究換道行為與交通沖突之間的關(guān)系，按照駛?cè)敕至鲄^(qū)時(shí)車輛所占的車道編號(hào)對(duì)沖突組車輛，以及非沖突組車輛進(jìn)行了進(jìn)一步的分組。采取獨(dú)立t檢驗(yàn)，從換道次數(shù)的角度出發(fā)，對(duì)不同車道駛?cè)敕至鲄^(qū)的沖突與非沖突車輛進(jìn)行比較分析，結(jié)果如表5所示。

由表6可知，不論車輛由L1、L2、L3中哪條車道駛?cè)敕至鲄^(qū)，沖突組車輛與非沖突組車輛在換道頻次上都有著顯著的差異，其中由L1和L2車道駛?cè)敕至鲄^(qū)的車輛發(fā)生沖突的風(fēng)險(xiǎn)隨換道頻次的增加而不斷上升，而從L3駛?cè)敕至鲄^(qū)的車輛發(fā)生沖突的風(fēng)險(xiǎn)卻并不隨著換道頻次的增加而上升。也就意味著駛?cè)胲嚨牢恢?，以及換道頻次是誘發(fā)交通沖突的重要因素。

表5 沖突與非沖突組車輛換道頻次統(tǒng)計(jì)與t檢驗(yàn)Table 5 Statistics and t-test of lane changing frequency of vehicles in conflict and non conflict groups駛?cè)胲嚨罌_突與否各換道頻次的車輛數(shù)01234tPL1沖突組13222 623.966**0.000非沖突組155926124L2沖突組19135524—4.882**0.000非沖突組1162911331—L3沖突組146833——-2.914**0.004非沖突組22141128——

2.3.2區(qū)域換道發(fā)生頻次與沖突發(fā)生之間的關(guān)系

為了探究區(qū)域換道與沖突之間的關(guān)系，我們對(duì)分流區(qū)的空間進(jìn)行進(jìn)一步細(xì)分，按照前文劃分的功能區(qū)間和車道將整個(gè)分流區(qū)細(xì)分為17個(gè)小的區(qū)域，并按照功能區(qū)間編號(hào)在前、車道編號(hào)在后的規(guī)則對(duì)其進(jìn)行命名，如A1L2，該區(qū)域即代表著分流上游區(qū)A1區(qū)間內(nèi)L2車道的部分。對(duì)每一個(gè)區(qū)域內(nèi)的交通沖突數(shù)和換道頻次進(jìn)行統(tǒng)計(jì)，并對(duì)比、分析區(qū)域換道行為對(duì)沖突發(fā)生所產(chǎn)生的影響。為保證對(duì)比分析結(jié)果的準(zhǔn)確性，應(yīng)將區(qū)域內(nèi)發(fā)生的每一次換道行為都納入考慮，如在分析A1L2區(qū)域內(nèi)沖突與換道關(guān)系時(shí)，除要考慮A1區(qū)間中的車輛由其他車道換入L2車道的行為外(即車輛在A1區(qū)間內(nèi)由L1車道換入L2的行為和由L3車道換入L2的行為)，還應(yīng)考慮車輛由L2向其他車道的換出行為。采取Spearman檢驗(yàn)對(duì)不同類型沖突與換道行為之間進(jìn)行相關(guān)性分析，結(jié)果如表6所示。

表6 不同類型沖突與換道行為間相關(guān)性分析Table 6 The correlation analysis between different types of traffic conflict and lane changing behavior換道行為與沖突RSP追尾沖突0.3710.140換道沖突0.530*0.029

根據(jù)表6分析可知，區(qū)間內(nèi)追尾沖突發(fā)生數(shù)對(duì)換道頻次的影響并不顯著(P=0.140>0.05)，說明換道行為的發(fā)生并不會(huì)引發(fā)追尾沖突；但換道沖突則不同，其發(fā)生次數(shù)與換道頻次之間有著明顯的聯(lián)系，兩者呈正相關(guān)關(guān)系(P=0.029<0.05.)，說明換道行為對(duì)于換道沖突有顯著的影響。但是研究區(qū)域換道行為對(duì)換道沖突的影響不能只從數(shù)量這單一維度出發(fā)，還需考慮不同區(qū)域換道沖突對(duì)換道行為的敏感性。因此，引入換道沖突-換道比這一變量用來表征換道沖突對(duì)換道行為的敏感性，即單位換道次數(shù)引發(fā)的換道沖突次數(shù)。各區(qū)域換道頻次和換道沖突-換道比的關(guān)系如圖7所示，其中橫坐標(biāo)各區(qū)域編號(hào)按換道沖突-換道比由小到大的規(guī)則依次排列。

圖7 各區(qū)域換道頻次與換道頻次-換道比關(guān)系圖

由圖7柱狀圖可知，A2L3和A2L4是主線車輛向匝道分流(即車輛L3與L4之間的換道行為)的主要區(qū)域，此區(qū)域內(nèi)的換道頻次分別為631和432，遠(yuǎn)高于其他區(qū)域，但換道沖突-換道比卻并不高。由圖7中的折線圖可知，換道沖突-換道比較高的5個(gè)區(qū)域(從高到低依次分別為：A1L3、A4L2、A1L1、A3L2、A2L1)均分散分布于主線上，且每個(gè)區(qū)域內(nèi)換道頻次都很低，平均只有58.8，說明發(fā)生在主線上的換道行為對(duì)沖突發(fā)生的影響更大，安全隱患也更高；特別是在換道沖突-換道比最高的A1L3區(qū)域內(nèi)，由于進(jìn)入分流展寬區(qū)之前混合車流中意圖主線繼續(xù)行駛的車輛與即將分流車輛之間頻繁的交織行為，嚴(yán)重地影響了周邊車輛的正常行駛，也因此帶來了更頻繁的換道沖突。

3 交通沖突預(yù)測模型建立

為了預(yù)測一定交通狀態(tài)下不同行駛特征的車輛于分流區(qū)行駛時(shí)發(fā)生沖突的概率，根據(jù)沖突與非沖突車輛運(yùn)行特征的分析結(jié)果，選擇對(duì)沖突發(fā)生有顯著影響的宏觀因素為自變量構(gòu)建沖突預(yù)測的二分類Logstic模型。

3.1 二分類Logistic模型

二分類Logistic回歸模型的因變量取值個(gè)數(shù)為2，因此對(duì)于交通沖突是否發(fā)生這類二分類問題的擬合與分析具有非常好的適用性。

Logistic回歸模型為：

(2)

其中，p為結(jié)果發(fā)生的概率預(yù)測值；β0，β1，…，βk為待估未知參數(shù)，由式(2)可得：

(3)

對(duì)所有影響因素進(jìn)行事前檢驗(yàn)，篩選出對(duì)因變量有顯著影響的自變量,是進(jìn)行二分類Logistic回歸分析前的必要工作，常用的方法為比分檢驗(yàn)法(Socore Test)。

3.2 分流區(qū)交通沖突預(yù)測模型

將二分類Logistic模型的應(yīng)變量取值0和1來表示代表沖突的發(fā)生與否。自變量的選擇中，駛?cè)敕至鲄^(qū)時(shí)的車道編號(hào)、換道發(fā)生次數(shù)、數(shù)據(jù)采集時(shí)間點(diǎn)為分類變量，須將分流比和表征交通運(yùn)行狀態(tài)等連續(xù)變量按一定規(guī)則劃分為分類變量。對(duì)上述變量進(jìn)行篩選后，最終駛?cè)敕至鲄^(qū)車道位置、換道發(fā)生次數(shù)和行程車速(分類變量)可被納入模型。變量取值和劃分如表7所示。

表7 經(jīng)Score Test檢驗(yàn)篩選后自變量的描述和取值Table 7 The discription and assignment of independent variable screened by Score-test method影響因素變量賦值駛?cè)敕至鲄^(qū)車道x10=由L1車道駛?cè)?1=由L2車道駛?cè)?2=由L3車道駛?cè)霌Q道發(fā)生頻次x20=未發(fā)生換道,1=換道1次,2=換道2次,3=換道3次,4=換道4次行程速度x30=速度在15%分位以下,1=速度在15%～85%分位之間,2=速度在85%分為以上

將上述自變量納入二分類Logistic模型中進(jìn)行計(jì)算，便可得到如表8所示的模型估計(jì)結(jié)果。對(duì)模型的估計(jì)結(jié)果進(jìn)行擬合度檢驗(yàn)后發(fā)現(xiàn)，其似然卡方值約為90，顯著水平也小于0.01，同時(shí)Hosmer-Lemeshow檢驗(yàn)的顯著水平值為0.424，大于0.05，表明了模型具有良好的有效性和準(zhǔn)確性，且缺陷較小。

表8 二分類Logistic回歸模型估計(jì)結(jié)果Table 8 The result of Bi-Logistic regression estimation自變量BS.E.dfsig.Exp(B)95%C.I.用于Exp(B)上限下限駛?cè)敕至鲄^(qū)車道——20.037*———駛?cè)敕至鲄^(qū)車道(1)0.5820.23010.012*1.7891.1392.811駛?cè)敕至鲄^(qū)車道(2)0.3360.23910.1601.4000.8762.237換道發(fā)生頻次——40.000**———換道發(fā)生頻次(1)0.8570.22010.000**2.3551.5303.626換道發(fā)生頻次(2)0.4360.22210.050*1.5461.0012.390換道發(fā)生頻次(3)1.1760.30010.000**3.2421.8035.832換道發(fā)生頻次(4)1.6270.89710.0705.0870.87729.522行程速度——20.000**———行程速度(1)-0.9930.18710.000**0.3700.2570.534行程速度(2)-1.5360.31910.000**0.2150.1150.402常量-1.1570.28910.000**0.314——

如果將該二分類Logistic回歸模型模型預(yù)測值p>0.5作為發(fā)生交通沖突的臨界值，對(duì)本文1 046例樣本進(jìn)行交通沖突發(fā)生與否的預(yù)測，發(fā)現(xiàn)模型的準(zhǔn)確預(yù)測率高達(dá)76.5%，因此本文建立的沖突預(yù)測模型具有良好的適配性。

根據(jù)表8可得分流區(qū)交通沖突預(yù)測模型如下：

p(y=1)=

(4)

式中:x1(1)表示變量x1取值為1即車輛由L2駛?cè)敕至鲄^(qū)；x2(1)表示變量x2取值為1即換道1次；x2(2)表示變量x2取值為2即換道2次；x2(3)表示變量x2取值為3即換道3次；x3(1)表示變量x3取值為1即行程速度落在15%～85%分位之間；x3(2)表示x3取值為2即行程速度高于85%分位。

表8的結(jié)果顯示，由L1車道駛?cè)敕至鲄^(qū)的車輛發(fā)生交通沖突的概率最低；而由L3駛?cè)敕至鲄^(qū)的車輛比L1駛?cè)氲能囕v發(fā)生交通沖突的風(fēng)險(xiǎn)高1.4倍；由L2駛?cè)氲能囕v發(fā)生沖突風(fēng)險(xiǎn)最高，是由L1駛?cè)敕至鲄^(qū)車輛的1.789倍。從換道頻次的角度來看，交通沖突的風(fēng)險(xiǎn)與換道頻次之間呈正相關(guān)關(guān)系，未發(fā)生換道行為的車輛沖突風(fēng)險(xiǎn)最小，換道頻次為1的車輛發(fā)生交通沖突的概率比未換道車輛高近2.4倍，換道頻次為2的車輛發(fā)生沖突概率略高于未換道車輛，為約1.55倍；換道頻次為3和4的車輛發(fā)生沖突概率是未換道車輛的3.2倍和5.1倍，由此可見，車輛頻繁的換道行為極易引發(fā)交通沖突。

同樣，行程速度也顯著影響交通沖突發(fā)生的概率，隨著速度不斷提升,交通沖突概率不斷降低，0～15%分位速度組發(fā)生沖突的可能性最大；如果以0～15%的低速組作為參照，中速度組中(即車輛速度落在15%～85%區(qū)間，以此類推，85%～100%分位為高速度組)，沖突概率是低速組的25.7%；而高速度組中車輛發(fā)生沖突的概率最低，僅約1/9。這反映了在快速路中，低速車輛顯著地影響了分流區(qū)交通運(yùn)行的安全性，速度越低安全隱患越高。

4 結(jié)論

本文借助無人機(jī)航拍進(jìn)行城市快速路互通立交分流區(qū)交通數(shù)據(jù)調(diào)查，對(duì)交通流和沖突數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)學(xué)分析，構(gòu)建了交通沖突預(yù)測模型并對(duì)交通沖突影響因素進(jìn)行了分析研究。結(jié)論如下：

a.城市快速路互通立交分流區(qū)交通沖突隨交通流率增加而上升，且沖突車輛的車頭時(shí)距明顯小于非沖突車輛。

b.通過對(duì)沖突組與非沖突組車輛速度的對(duì)比分析發(fā)現(xiàn)，速度與交通沖突之間有著顯著的相關(guān)關(guān)系；且不論主線還是匝道，當(dāng)車道平均運(yùn)行速度越低時(shí)，千車沖突率越大，車輛發(fā)生交通沖突的概率越高。

c.通過對(duì)車輛換道發(fā)生頻次和位置特征的研究，發(fā)現(xiàn)車輛換道行為與沖突間存在顯著的影響關(guān)系，且不良的違法換道行為會(huì)大大增加交通沖突發(fā)生的風(fēng)險(xiǎn)。

d.根據(jù)前述中對(duì)于交通沖突影響因素的分析，構(gòu)建交通沖突概率預(yù)測模型并對(duì)模型進(jìn)行簡單驗(yàn)證，證明了模型具有一定的有效性，說明該模型可以為城市快速路互通立交的建設(shè)與管理提供一定的借鑒意義。