高速公路基本路段飽和度與交通事故關系研究

吳曉峰 童剛 孔晨晨 張沛

1. 公安部交通管理科學研究所 2. 陜西省公安廳交警總隊

引言

近年來，隨著經濟快速發展，機動車數量增加迅猛，高速公路交通事故頻發，而目前對高速公路交通事故的研究集中在事故本身，例如分析事故原因、車輛安全性、環境等，從交通流角度來分析的研究還不多。本文基于交通流飽和度（即V/C，交通量與通行能力的比值）這個反映交通狀況的重要參數來分析其與交通事故的關系，探討交通負荷對交通事故的影響。

一、現有研究分析

國外研究交通量或V/C與事故率關系有正相關或U型關系，國內研究V/C與事故率主要為U形關系。由于國外在事故及通行能力計算等方面與我國有所不同，因此成果不適用我國實際情況；另外國內外都研究宏觀交通量或V/C與事故率的關系，未研究短時交通流波動與事故發生的關系。因此本文基于國內交通流實際，從中觀角度針對每起事故發生前短時交通飽和度進行分析，采用反映事故發生可能性的頻率和概率做為對象進行研究。

二、研究對象與分析方法

（一）研究對象

本文采用對交通流運行具有重要意義的高速公路基本路段作為研究對象，如圖1所示。

選擇無錫交警支隊高速一大隊所轄滬寧高速公路（G2京滬高速、G42滬蓉高速無錫段）基本路段進行研究，路段位于平原，長度為45km，雙向8車道，道路平直，車道寬3.75m，設計車速120km/h，道路條件為理想條件。以基本路段主線卡口作為起點，至下一個交織區或匝道為終點的路段作為分析對象。具體路段如表1所示。

?

（二）數據來源

1. 交通事故數據

交通事故數據來自無錫市交警支隊事故系統，選擇2019年1～6月發生在表1中基本路段的事故信息，并選擇與交通量關系較大的車輛間相撞事故數據進行針對性分析。

2. 交通流數據

采用基本路段上主線卡口的過車數據，主要包括車道、方向、號牌號碼等，時間段為事故對應的時間段。

（三）計算方法

1. 通行能力計算

本文采用實際機動車通行能力，選取的數據對應天氣狀況為良好，單向N條車道通行能力用下式計算：CP= CB·N·fW· fHV· fP， 式中：CP為 實際通行能力（輛/h）；CB為基本通行能力（pcu/h）；N是單向車道數；fW為車道寬度和側向凈空對通行能力的修正系數，車道寬3.75m，中央分隔帶寬3m，兩側有緊急停車帶，取fW= 0.97；fHV是交通組成修正系數；fP為駕駛人修正系數，此處取1；基本通行能力取2200 pcu/h/車道；N取4；fHV用下式計算：fHV= [1+PHV( EHV-1)]-1，式中，PHV為大型車交通量占總交通量的百分比（%）；EHV為大型車換算成小客車的車輛換算系數。

習主席指出，沒有網絡安全，就沒有國家安全。網絡安全關乎國計民生，更關乎戰爭勝負。未來戰爭，兵馬未動，信息先行。信息化戰爭條件下，網絡攻防行動更是貫穿整個戰爭的始末。新形勢下，省軍區系統在后備力量調整改革過程中，緊跟時代發展，挖掘地方信息科技潛力，組建民兵網絡信息分隊，在近幾年一些重大活動安保行動中發揮了重要作用。目前，民兵網軍這支新質新銳后備力量隊伍雖然已經初步建成，但是仍然面臨較多的問題和矛盾，需要進一步研究和規范。

2. 事故頻率和概率計算

事故頻率以V/C值進行統計，首先計算每個事故發生前15分鐘（該時間段車輛能通過這些路段）的V/C值，然后對這些V/C值進行分組，落在不同組中的事故次數為該組事故頻數，事故頻數與事故總數比值為事故頻率，用來表征事故出現次數的相對多少。事故頻率F表示為：F = N/S，式中，N為分組事故頻數，S為事故總數。

將事故發生前15分鐘V/C頻數與所有V/C頻數之比作為該V/C值發生事故的概率，記為P。P表示為：P = N/M，式中，N為分組事故頻數，M為分組V/C總頻數。

三、數據分析

（一）事故頻率分析

通過對四條高速公路基本路段的事故頻率和V/C值進行計算，并采用Gauss模型進行曲線擬合，得出分析結果如圖2所示，可以看出V/C值與事故頻率總體呈正態分布，擬合相關系數R2為0.9，并可以得出w為0.38，中心點xc對應的V/C值為0.67，在該V/C值下事故頻率最高。

可以看出，事故頻率處于高位的主要區間集中分布在xc-w/2（0.48）至xc+w/2（0.86）（落在該區間概率為68%），是事故頻率正態分布的基區（主體和重點）。此外xc-1.96＊w/2至xc+1.96＊w/2（概率為95%）和xc-2.58＊w/2至xc+2.58＊w/2（概率為99%）則包含負區和正區。

需指出的是，當V/C小于xc-2.58＊w/2=0.2（如圖3中紅圈部分所示）時，V/C從不足0.1至0.2，事故頻率有一個明顯下降過程；而當V/C大于xc+2.58＊w/2=1.1時，事故頻率快速降低至較低位置，直至趨于0。以下從安全角度分析交通流狀態演變與V/C及事故頻率關系，如圖4所示。

1. 自由流狀態（A-B段）

當V/C很小時，車輛間距大、干擾小、車速高，受行車視距、易疲勞時段等影響遇到異常情況時容易發生交通事故，隨著交通量增長，V/C開始增大，車輛間距變小并開始有干擾，車速降低，駕駛人警惕性增強，事故頻率下降，但總體處于較低水平。

當交通量繼續增大時，車輛開始出現跟隨前車行駛情形，形成穩定車流，超車需求和可能性開始增加，但減少的車輛間距又增加了車輛碰撞機會，因此與超車有關的事故開始增加，事故頻率較車流量小時有明顯上升。

3. 不穩定流狀態（C-D段）

交通量進一步增大，雖仍有超車空間，但空間實際上已經較小，車速快速降低，形成不穩定流，此時超車需求大量增加，沖突點也快速增多，事故頻率快速增大。當車輛間距達到最不適合超車距離時，事故頻率達到最高，此后隨著車輛間距進一步減小已不太容易超車，沖突次數開始下降，事故頻率也開始下降，但事故頻率仍處于高位。

4. 飽和流狀態（D-E段）

當交通量增加到使車輛的間距大大減小、難以超車時，形成飽和交通流。由于飽和交通流的平均車速低、密度大，車輛變道和超車的機會大大減少，事故頻率快速降低。

5. 阻塞流狀態（E-F段）

當交通量增加至產生交通阻塞時，車輛只能尾隨前車緩慢前行，事故頻率減少，車輛停止時事故頻率趨于零。

（二）事故概率分析

根據事故概率的計算方法統計指定時間段的事故概率分布，如圖5所示。

由圖5可以看出，事故概率的分布趨勢特征與事故頻率相似，在V/C值在0.2左右時，事故概率先是呈下降趨勢，此時處于自由流狀態，當V/C值逐漸增大時，事故概率呈上升趨勢，V/C值未到0.5左右時，事故概率總體較小，當V/C值從0.5開始事故概率快速上升，至0.7時事故概率最高，然后開始下降，至0.9時仍處于高位，但當V/C值超過0.9時，事故概率呈快速下降趨勢，當超過1.2時，事故概率趨于0，事故概率與頻率的區間分布基本保持一致。

（三）結果分析

將本文研究結果與吉小進等人“高速公路基本路段V/C比與事故率的關系”研究成果（以下簡稱為“原成果”）進行比較分析，原成果“V/C與事故率呈U形關系，V/C為0.68時事故率最低”與本文“V/C與事故頻率呈正態分布關系，V/C為0.67時事故頻率最高”結論不一致，分析原因主要為：（1）統計對象差異。原成果V/C中通行能力采用計算出的某固定值，非動態值，而本文采用事故發生前交通量與當時通行能力之比；原成果采用的事故率是宏觀數據，而本文采用的事故頻率基于事故發生前飽和度和相應事故發生次數，是中觀數據。（2）統計方式差異。原成果V/C采用一天24小時交通量與通行能力之比，事故率按年交通量和年交通事故再換算到小時進行計算，而本文采用事故發生前短時飽和度，事故頻率為基于該短時飽和度的頻率分布。

另外，從圖6（原成果）、圖7（本文）的結論圖可以看出，原成果數據總體變化平穩，擬合度不高，也因源數據較為宏觀，而本文數據變化趨勢性更顯著，具有較強針對性。

（四）方法應用

以G2京滬高速蘇州交界處（由東向西）基本路段為例，筆者分別統計了各時段的大車、小車交通量，計算了V/C值，得出結果如圖8所示。

相應的，筆者對一天24小時的大小車交通量和大小車比例分布進行了統計，如圖9和圖10所示。

可以看出，0時至7時大車比例相對較高，且存在較大的波動，范圍為0.14至0.22之間，該時間段小車交通量在1500輛/小時以下，8時開始大車比例開始下降至0.1，至21時大車比例處于較穩定狀態，維持在0.11至0.14之間，針對關注的9至11時、16至18時段，大車比例范圍為0.11至0.12之間，取均值0.115，然后取V/C值0.67代入V/C值計算公式，得出大車交通量約為475輛/小時，小車交通量約為3665輛/小時。

四、結語

本文利用滬寧高速公路部分路段事故和交通流數據，計算V/C值和相應事故頻率和概率，擬合出關系曲線模型，得出當V/C值為0.67時事故頻率達到最高，分析出事故頻率較高的V/C分布區間為0.48至0.86，事故概率與事故頻率特征一致。需指出，本文得出的“V/C值為0.67時事故頻率達到最高”等結論是基于滬寧高速公路四條基本路段，不具有普適性，其他高速公路可采用本文技術方法進行計算分析獲取相應結果。本文研究成果可作為交通事故預防的一項分析指標，為交通管理部門制定安全管控措施提供有益參考。