葛婷, 華凱, 宗奕凈, 胡俊艷, 周源

(1.蘇州科技大學(xué)土木工程學(xué)院, 蘇州 215011; 2.上海市政工程設(shè)計(jì)研究總院(集團(tuán))有限公司, 上海 200092)

快速路入口區(qū)域作為城市快速路和其他道路的關(guān)鍵連接節(jié)點(diǎn),車輛需在此范圍內(nèi)完成換道、加減速、合流等一系列操作,導(dǎo)致該區(qū)域交通運(yùn)行狀況復(fù)雜多變,交通沖突嚴(yán)重,極易發(fā)生交通事故。車輛跟馳行為是描述同一車道上不適合超車的前后兩車在駕駛過程中的相互作用,是一種基礎(chǔ)的微觀駕駛行為[1]。匯入車輛在入口區(qū)域的合流操作直接影響到主線車輛的跟馳行為,致使該區(qū)域追尾事故頻發(fā)。研究表明:快速路入口區(qū)域所發(fā)生的交通事故占總事故30%以上,公里事故率是其他路段的4～6倍,且追尾事故占所有事故50%以上[2-3]。

近些年,基于不同理念的跟馳行為研究及建模層出不窮。張?zhí)m芳等[1]采用高仿真多自由度模擬駕駛的手段獲取車輛軌跡數(shù)據(jù),結(jié)合數(shù)據(jù)驅(qū)動(dòng)類車輛跟馳模型從微觀層面入手,對(duì)地下快速路環(huán)境下的跟馳行為進(jìn)行分析與建模。王博[4]基于跟馳理論,結(jié)合實(shí)際駕駛員駕駛行為特征,提出了與速度相關(guān)的動(dòng)態(tài)敏感系數(shù)函數(shù),構(gòu)建了考慮動(dòng)態(tài)敏感系數(shù)的跟馳模型,并進(jìn)行了穩(wěn)定性分析及數(shù)值模擬。王健等[5]利用粒子群優(yōu)化的模糊聚類算法,從車速穩(wěn)定性、跟馳行為傾向性和橫向位置穩(wěn)定性3方面對(duì)跟馳行為特征進(jìn)行聚類分析,深入分析合流區(qū)不同車道跟馳行為存在的差異性。徐進(jìn)等[6]通過725條有效跟馳軌跡數(shù)據(jù),明確了車頭時(shí)距和車頭間距的分布特征,并且對(duì)不同跟馳狀態(tài)和駕駛?cè)诵詣e差異下的跟馳數(shù)據(jù)進(jìn)行了分析。洪家樂等[7]基于車頭間距反饋構(gòu)建了考慮駕駛員特性的改進(jìn)車輛跟馳模型,采用數(shù)值仿真方法驗(yàn)證了駕駛員在跟馳中對(duì)于車間距的反應(yīng)強(qiáng)度的影響。魏福祿等[8]采用一種基于GPS的實(shí)時(shí)動(dòng)態(tài)車輛跟馳數(shù)據(jù)采集方法獲取了大量城市信號(hào)交叉口左轉(zhuǎn)車輛跟馳數(shù)據(jù),解析了信號(hào)交叉口左轉(zhuǎn)車輛跟馳特性及其關(guān)鍵影響因素。宗芳等[9]分析了不同類型車輛跟馳行為特性,構(gòu)建了一種適用于多類型車輛的跟馳模型,通過穩(wěn)定性分析和數(shù)值仿真驗(yàn)證模型的有效性。Ren[10]在現(xiàn)有交通軌跡數(shù)據(jù)的基礎(chǔ)上,采用合適的神經(jīng)網(wǎng)絡(luò)構(gòu)建汽車跟隨模型,進(jìn)而對(duì)駕駛員的汽車跟隨行為進(jìn)行分析和研究。Wang等[11]提出了一種基于MPC算法的個(gè)性化跟馳模型,該模型能夠有效解決約束條件下的多目標(biāo)優(yōu)化問題。

快速路入口區(qū)域復(fù)雜的交通流和道路條件,使得各車道駕駛員受到不同的干擾,從而導(dǎo)致各車道的跟馳行為有所不同。然而目前大多數(shù)跟馳研究均集中在基本路段上,對(duì)快速路入口區(qū)域的研究較為有限,因此有必要對(duì)快速路入口區(qū)域的跟馳行為展開研究。

現(xiàn)采用無人機(jī)對(duì)快速路入口區(qū)域進(jìn)行航拍以獲取車輛跟馳軌跡數(shù)據(jù),從跟馳車輛的跟馳速度、跟馳距離和不同交通流下的跟馳行為差異三個(gè)維度,對(duì)快速路入口區(qū)域車輛跟馳行為進(jìn)行分析和判定;并探討了快速路入口區(qū)域車輛跟馳速度和跟馳距離隨交通流的變化規(guī)律以及不同車道車輛跟馳距離的差異。通過對(duì)入口區(qū)域車輛跟馳行為的研究,進(jìn)一步明確快速路入口區(qū)域駕駛行為特性,為改善入口區(qū)域提供依據(jù)。

1 數(shù)據(jù)采集與提取

1.1 數(shù)據(jù)的采集

基于快速路入口設(shè)計(jì)實(shí)驗(yàn)[12]和已有研究成果,本文研究所采集數(shù)據(jù)的地點(diǎn)需包含入口匝道上游200 m至下游100 m范圍,全長(zhǎng)近300 m。采用大疆無人機(jī)御mavic air 2在200 m高空對(duì)目標(biāo)區(qū)域通行車輛進(jìn)行懸停定點(diǎn)拍攝,如圖1所示。該無人機(jī)設(shè)備搭載了1/2英寸CMOS傳感器,可拍攝4 800萬像素照片、4 K/60 fps視頻及8 K移動(dòng)延時(shí)視頻,長(zhǎng)達(dá)34 min的續(xù)航時(shí)間,同時(shí)氣動(dòng)性更好。

圖1 快速路入口區(qū)域示意圖Fig.1 Schematicdiagram of expressway entrance area

采集時(shí)間選擇天氣狀況良好,無風(fēng)和雨雪天氣情況下的15:30-17:30時(shí)段進(jìn)行調(diào)查,包含了平峰和高峰時(shí)段。

采集地點(diǎn)為蘇州友新立交和勞動(dòng)路入口區(qū)域,友新立交入口區(qū)域是平行式入口,勞動(dòng)路入口區(qū)域后期管控后近似直接式入口,各入口幾何構(gòu)造如下圖所示,線形平直,通視條件好,滿足試驗(yàn)要求。

1.2 數(shù)據(jù)的提取

采用Tracker軟件對(duì)航拍的視頻進(jìn)行數(shù)據(jù)提取,先通過實(shí)測(cè)數(shù)據(jù)在Tracker軟件中對(duì)航拍視頻進(jìn)行嚴(yán)格的尺寸標(biāo)定,并在視頻圖像中設(shè)置坐標(biāo)參考系以計(jì)算車輛位置。為了便于后續(xù)分析,坐標(biāo)軸交點(diǎn)建立在合流鼻端,X軸位于加速車道和主線外側(cè)車道分界線上,Y軸垂直于車道的中心線。使用定標(biāo)尺進(jìn)行比例校準(zhǔn)以主線車道線6 m進(jìn)行標(biāo)定;每5幀記錄一次車輛的位置。軟件自動(dòng)追蹤目標(biāo)車輛,提取的數(shù)據(jù)包括每輛車編號(hào)、行駛軌跡坐標(biāo)、時(shí)間、速度、加速度,最后對(duì)提取的數(shù)據(jù)進(jìn)行平滑處理,保證數(shù)據(jù)的有效性。

2 跟馳行為分析及判定

2.1 跟馳行為提取準(zhǔn)則

根據(jù)李林波等[13]提出的跟馳行為準(zhǔn)則:跟馳片段需要持續(xù)15 s及以上。通過此準(zhǔn)則初步篩選出277個(gè)跟馳樣本,每對(duì)跟車數(shù)據(jù)包括時(shí)間以及該時(shí)刻前后車的位置坐標(biāo)、速度等信息。提取的跟馳樣本數(shù)據(jù)如表1所示。以車輛跟馳距離、相對(duì)跟馳速度絕對(duì)值和跟馳片段長(zhǎng)度作為跟馳行為判定指標(biāo),對(duì)這些跟馳樣本進(jìn)行進(jìn)一步分析,以此確定快速路入口區(qū)域的跟馳行為準(zhǔn)則。

表1 不同地點(diǎn)跟馳樣本數(shù)據(jù)表Table 1 Car-following sample at different locations

2.2 跟馳距離分布特性

跟馳距離是指跟馳狀態(tài)下前后車的車頭間距。對(duì)快速路入口區(qū)域車輛跟馳距離進(jìn)行描述性分析,結(jié)果如圖2和表2所示?？芍焖俾啡肟趨^(qū)域處于跟馳狀態(tài)的車輛的跟馳距離集中分布在15～30 m,占到總樣本數(shù)的80%,其中20～25 m占比最多。此時(shí)的跟馳距離分布圖近似對(duì)數(shù)正態(tài)分布,平均跟馳距離在26 m。

表2 車輛跟馳距離描述統(tǒng)計(jì)Table 2 Description and statistics of car following distance

圖2 跟馳距離分布圖Fig.2 Distribution of car following distance

2.3 跟馳車輛相對(duì)跟馳速度絕對(duì)值分布特性

相對(duì)跟馳速度是指跟馳狀態(tài)下前后車速度的差值。圖3和表3為快速路入口區(qū)域跟馳車輛相對(duì)跟馳速度絕對(duì)值的描述結(jié)果?？芍囕v的相對(duì)跟馳速度絕對(duì)值集中分布在0～1 m/s,分布曲線屬于指數(shù)分布;跟馳狀態(tài)下的前后車速度較為接近,平均相對(duì)跟馳速度絕對(duì)值為0.75 m/s。

表3 相對(duì)跟馳速度絕對(duì)值描述分析Table 3 Description andanalysis of absolute value of vehicle relative following speed

圖3 相對(duì)跟馳速度絕對(duì)值分布圖Fig.3 Distribution of absolute value of relative car following speed

2.4 分布特性擬合性檢驗(yàn)

跟馳距離和相對(duì)跟馳速度絕對(duì)值是跟馳特性研究的重要指標(biāo)。對(duì)快速路入口區(qū)域跟馳樣本數(shù)據(jù)處理可知跟馳距離服從對(duì)數(shù)正態(tài)分布,相對(duì)跟馳速度絕對(duì)值服從指數(shù)分布。為了檢驗(yàn)樣本數(shù)據(jù)分布的可靠性,采K-S檢驗(yàn)法(Kolmogorov-Smirnov test)對(duì)跟馳距離和相對(duì)跟馳速度絕對(duì)值兩個(gè)指標(biāo)進(jìn)行擬合性檢驗(yàn),K-S檢驗(yàn)結(jié)果如表4所示。由表4可知,兩組數(shù)據(jù)的顯著性(P值)均大于0.05,即快速路入口區(qū)域跟馳距離服從對(duì)數(shù)正態(tài)分布,相對(duì)跟馳速度絕對(duì)值服從指數(shù)分布。

表4 K-S檢驗(yàn)結(jié)果Table 4 Kolmogorov-Smirnov testresults

2.5 最終跟馳行為準(zhǔn)則判定

目前關(guān)于跟馳行為準(zhǔn)則判定的方法主要集中在對(duì)跟馳行為中的自車速度、與前車縱向距離、相對(duì)速度絕對(duì)值、跟馳片段時(shí)間長(zhǎng)度、側(cè)向距離絕對(duì)值等參數(shù)進(jìn)行限制。Leblanc等[14]確定跟馳提取準(zhǔn)則為自車速度大于40 km/h,相對(duì)速度絕對(duì)值小于2.0 m/s,片段長(zhǎng)度大于15 s。Chong等[15]確定跟馳片段提取準(zhǔn)則為側(cè)向距離絕對(duì)值小于1.9 m,自車速度大于20 km/h,縱向距離小于120 m,片段長(zhǎng)度大于30 s。王雪松等[16]確定跟馳片段提取準(zhǔn)則為側(cè)向距離絕對(duì)值小于3.5 m,縱向距離大于7 m且小于150 m,相對(duì)跟馳速度絕對(duì)值小于2.5 m/s,片段長(zhǎng)度大于15 s。再結(jié)合本文對(duì)初步跟馳狀態(tài)下的277個(gè)樣本進(jìn)行數(shù)據(jù)分析和處理,對(duì)跟馳距離和相對(duì)跟馳速度絕對(duì)值進(jìn)行描述分析,得出跟馳距離的最大值為75 m,相對(duì)跟馳速度絕對(duì)值90%集中分布在小于1 m/s的區(qū)間內(nèi)。綜上確定快速路入口區(qū)域最終的跟馳行為準(zhǔn)則如表5所示,即縱向距離小于75 m,相對(duì)跟馳速度絕對(duì)值小于1.5 m/s,片段長(zhǎng)度大于15 s。

表5 已有研究中跟馳片段提取準(zhǔn)則Table 5 Car following segment extraction criteria in previous studies

3 快速路入口區(qū)域跟馳行為影響分析

3.1 交通流變化對(duì)跟馳行為影響

通過對(duì)篩選出的跟馳樣本進(jìn)行交通流劃分,以跟馳距離和后車跟馳速度作為跟馳行為表征指標(biāo),分析其隨交通流變化的分布特性,結(jié)果如圖4所示。由2.5節(jié)可知跟馳狀態(tài)的判定準(zhǔn)則,當(dāng)?shù)缆诽幱诙?、三、四?jí)服務(wù)水平時(shí),分析發(fā)現(xiàn)此時(shí)均有符合跟馳狀態(tài)的車輛,故進(jìn)行跟馳行為分析。

圖4 跟馳行為隨交通流變化圖Fig.4 Variation of car following behavior with traffic volume

由圖4可知不同交通流狀態(tài)下的跟馳行為參數(shù)存在顯著差異?？焖俾啡肟趨^(qū)域大部分車輛跟馳距離集中分布在40 m以內(nèi);當(dāng)處于二級(jí)道路服務(wù)水平時(shí),此時(shí)跟馳距離大于20 m;道路處于三級(jí)服務(wù)水平,跟馳距離在14～20 m;當(dāng)?shù)缆诽幱谒募?jí)服務(wù)水平,跟馳距離小于14 m,且在四級(jí)服務(wù)水平強(qiáng)制流時(shí)趨于穩(wěn)定,此時(shí)最小跟馳距離為7 m。

后車跟馳速度總體呈現(xiàn)隨交通流的增大而逐漸減小的趨勢(shì)。當(dāng)?shù)缆诽幱诙?jí)服務(wù)水平時(shí),后車跟馳速度在58～70 km/h;三級(jí)服務(wù)水平時(shí),跟馳速度減小的較快;當(dāng)達(dá)到四級(jí)服務(wù)水平,后車跟馳速度小于35 km/h,且在強(qiáng)制流時(shí)趨于穩(wěn)定,此時(shí)后車跟馳速度保持在20～25 km/h。

3.2 跟馳距離對(duì)后車跟馳速度的影響分析

由圖5可知,后車跟馳速度會(huì)隨著前后車跟馳距離的減小而降低,當(dāng)跟馳距離為27 m時(shí),后車跟馳速度保持在65～67 km/h;當(dāng)跟馳距離為20 m時(shí),后車跟馳速度保持在48～58 km/h;當(dāng)跟馳距離為5 m時(shí),此時(shí)跟馳距離趨于穩(wěn)定,后車跟馳速度小于25 km/h。

圖5 后車跟馳速度隨跟馳距離變化圖Fig.5 Variation of the following speed of the rear vehicle with the following distance

3.3 主線車道分布對(duì)跟馳行為影響

快速路入口區(qū)域最內(nèi)側(cè)車道和中間車道的跟馳距離和后車跟馳速度統(tǒng)計(jì)結(jié)果如圖6所示。可知交通流穩(wěn)定條件下,最內(nèi)側(cè)車道的前后車輛跟馳距離要明顯大于中間車道,最內(nèi)側(cè)車道的跟馳距離在28 m左右,而中間車道的跟馳距離在23 m左右;主線最內(nèi)側(cè)車道的后車跟馳速度要大于中間車道的跟馳速度,由數(shù)據(jù)可知最內(nèi)側(cè)車道的平均跟馳速度為50 km/h,中間車道的平均跟馳速度為48 km/h。最內(nèi)側(cè)車道屬于較快車速車道且入口匝道車輛對(duì)最內(nèi)側(cè)車道的影響最小,車輛匯入會(huì)對(duì)中間車道的跟馳距離和跟馳速度產(chǎn)生影響,從而使最內(nèi)側(cè)車道的車輛跟馳距離和跟馳速度都要大于中間車道。

圖6 跟馳行為隨主線車道變化圖Fig.6 Change of car following behavior with the main line lane

3.4 入口形式對(duì)主線車輛跟馳行為影響

本文研究所調(diào)查快速路入口區(qū)域形式可分為平行式(友新立交)和直接式(勞動(dòng)路),對(duì)兩種入口形式對(duì)主線車輛跟馳行為的影響進(jìn)行對(duì)比分析,結(jié)果如圖7所示。

圖7 跟馳行為隨入口形式變化圖Fig.7 Change of car following behavior with entrance form

從圖7可知:在交通流穩(wěn)定時(shí),直接式入口的平均跟馳距離為28.8 m,平行式入口的平均跟馳距離為24 m,直接式入口跟馳距離要大于平行式入口;直接式入口的平均后車跟馳速度為67 km/h,平行式入口的平均跟馳速度為58 km/h,直接式入口的跟馳速度要大于平行式入口。在拍攝的300 m區(qū)域內(nèi),平行式入口區(qū)域車輛對(duì)主線車道車輛的跟馳距離和跟馳速度影響要明顯大于直接式入口,從而導(dǎo)致主線車道車輛的跟馳狀態(tài)提前結(jié)束。

4 結(jié)論

(1)對(duì)快速路入口區(qū)域車輛跟馳距離和相對(duì)跟馳速度絕對(duì)值進(jìn)行分析,發(fā)現(xiàn)跟馳距離的平均值為26 m,最大值為75 m,80%車輛跟馳距離集中分布在15～28 m;相對(duì)跟馳速度絕對(duì)值平均值為0.75 m/s,90%車輛相對(duì)跟馳速度絕對(duì)值小于1 m/s;在此基礎(chǔ)上,確定了快速路入口區(qū)域跟馳行為判定準(zhǔn)則。

(2)通過對(duì)不同交通流下快速路入口區(qū)域車輛跟馳行為的分析,得出車輛的跟馳距離及后車跟馳速度隨交通流的增加而減小,并在道路處于四級(jí)服務(wù)水平強(qiáng)制流時(shí),跟馳距離和跟馳速度趨于穩(wěn)定狀態(tài);且后車跟馳速度會(huì)隨著跟馳距離減小而降低,跟馳速度小于25 km/h時(shí),跟馳距離趨于穩(wěn)定。

(3)分析了主線車道分布和入口形式對(duì)跟馳行為的影響。研究發(fā)現(xiàn)穩(wěn)定交通流下快速路入口區(qū)域最內(nèi)側(cè)車道的跟馳距離和后車跟馳速度要大于中間車道,直接式入口的主線車道車輛跟馳距離和跟馳速度大于平行式入口。

(4)受限于數(shù)據(jù)獲取方式,本文研究對(duì)快速路入口區(qū)域的跟馳行為研究還不夠全面,后續(xù)應(yīng)補(bǔ)充更加完整的交通事故數(shù)據(jù)并完善其他車輛的跟馳及換道行為,以量化此區(qū)域內(nèi)特殊的交通流特性與交通事故風(fēng)險(xiǎn)的內(nèi)在聯(lián)系。