基于橫向干擾度和交通事故數(shù)的車速預(yù)測(cè)模型構(gòu)建*

樊兆董， 李美玲， 冉晉， 張昱

(1.山東省交通科學(xué)研究院， 山東 濟(jì)南 250102；2.山東建筑大學(xué)， 山東 濟(jì)南 250101)

交通事故是影響道路交通安全的主要因素，而47.06%的交通事故由超速行駛所致。挪威《交通安全手冊(cè)》指出，車速平均每增長(zhǎng)10%，受傷性、死亡性交通事故數(shù)將分別增加25%和35%。可見，制定合理的道路限速值是提升道路交通順暢、確保交通安全的有效措施。目前有關(guān)道路限速的研究主要集中在道路設(shè)計(jì)速度、85%位車速、道路幾何特征及道路所處區(qū)域環(huán)境等方面。如Ottesen J. L.等以曲率為變量建立平曲線運(yùn)行車速推算模型，確定了道路限速值；Fitzpatrick K.等對(duì)128個(gè)車速限制區(qū)間進(jìn)行調(diào)查研究，發(fā)現(xiàn)85%位車速只能作為車速限制的基準(zhǔn)值，實(shí)際車速限制值應(yīng)比85%位車速低12.87～19.31 km/h；Gibreel G. M.等基于平曲線半徑、豎曲線長(zhǎng)度、變坡點(diǎn)與豎曲線起點(diǎn)的平面距離、縱坡及縱坡長(zhǎng)度、超高率等因素建立基于平縱組合線形的運(yùn)行車速計(jì)算模型，用于確定道路限速值；楊俊等分析分車道限速的影響因素，在車速限制標(biāo)準(zhǔn)的基礎(chǔ)上，提出分車道限速的合理流程及限速值的確定辦法；陸建等采用多元線性回歸法建立85%位車速與車道數(shù)、限速值、車道位置、車型、道路飽和度、大型車比例等因素之間的關(guān)系模型，用于確定道路限速值；程國(guó)柱采用回歸分析法,分車型建立道路線形指標(biāo)、交通流參數(shù)與運(yùn)行車速的關(guān)系模型，通過對(duì)多參數(shù)修正確定了道路的最高車速限制值。當(dāng)前道路限速研究較少考慮路側(cè)環(huán)境特征和交通事故等因素的影響。該文考慮道路特征、交通特性、路側(cè)環(huán)境等因素提出道路橫向干擾度指標(biāo)，結(jié)合路段交通事故發(fā)生數(shù)量，構(gòu)建路段85%位車速預(yù)測(cè)模型，為道路限速值確定提供參考。

1 模型變量

1.1 橫向干擾度

正常駕駛過程中，駕駛員對(duì)行駛速度的選擇受多方面因素影響，其中道路特征、交通特性、路側(cè)環(huán)境是最重要的因素。道路特征主要包括道路等級(jí)、坡度、線形、寬度、車道分布等；交通特性主要包括交通組成、交通流運(yùn)行狀況等；路側(cè)環(huán)境主要包括路側(cè)地形及防護(hù)設(shè)施設(shè)置狀況等。基于對(duì)不同路段上述影響因素的現(xiàn)場(chǎng)調(diào)查數(shù)據(jù)的統(tǒng)計(jì)分析，提出橫向干擾度指標(biāo)，表征駕駛員在正常行駛過程中受到道路特征、交通特性、路側(cè)環(huán)境等因素干擾程度的大小。其賦值見表1，橫向干擾度越大，說明駕駛員受外界影響越大，交通安全性、順暢性越低；反之，則說明駕駛員受外界影響越小，交通安全性、順暢性越高。

1.2 交通事故數(shù)

交通事故是影響道路交通安全運(yùn)行的主要因素。有數(shù)據(jù)表明，2010年中國(guó)發(fā)生的交通事故中，超速行駛造成的死亡人數(shù)占事故死亡總數(shù)的14%，交通事故數(shù)顯著影響對(duì)道路運(yùn)行速度的選擇，可作為路段車速預(yù)測(cè)模型的變量。

1.3 85%位車速

選用交通管理部門常采用的限速參考值85%位車速作為模型變量，該變量可表征通行路段85%車輛的行駛速度，具有較好的代表性。

表1 橫向干擾度的量化

2 數(shù)據(jù)采集與分析

2.1 數(shù)據(jù)采集

選取36處具有不同道路特征、交通特性和路側(cè)環(huán)境的典型路段，道路類型主要包括高速公路、國(guó)道、省道等，路段長(zhǎng)度為2.5～10 km。根據(jù)現(xiàn)場(chǎng)調(diào)查資料(見圖1)，確定不同路段的干擾度量化值。

圖1 現(xiàn)場(chǎng)調(diào)查照片

通過查閱所選路段近3年的交通事故數(shù)據(jù)，包含輕微交通事故、一般交通事故、重大交通事故、特大交通事故等，確定該路段近3年所發(fā)生的交通事故數(shù)。

根據(jù)GB 5768.5-2017《道路交通標(biāo)志和標(biāo)線》，車頭時(shí)距至少大于4 s則視為自由流狀態(tài)下的車速。采集相應(yīng)路段的車輛運(yùn)行速度，并計(jì)算每一路段車輛運(yùn)行速度的85%位車速。

2.2 數(shù)據(jù)分析

2.2.1 85%位車速與交通事故數(shù)關(guān)聯(lián)性分析

85%位車速與交通事故數(shù)的關(guān)聯(lián)性見圖2。由圖2可知：在85%位車速小于80 km/h的路段，交通事故數(shù)基本上隨著85%位車速的提高而逐漸增加；在85%位車速大于80 km/h的路段，交通事故數(shù)則較少。表明在車輛運(yùn)行速度較低的路段，影響駕駛員安全順暢駕駛的因素較多，交通事故數(shù)較高。而在車輛運(yùn)行速度較高的路段，影響駕駛員安全順暢駕駛的因素較少，因而交通事故數(shù)較少。

圖2 85%位車速與交通事故的關(guān)系

2.2.2 85%位車速與橫向干擾度的關(guān)聯(lián)性分析

85%位車速與橫向干擾度的關(guān)聯(lián)性見圖3。由圖3可知：在85%位車速大于80 km/h的路段，橫向干擾度較低；在85%位車速小于80 km/h的路段，橫向干擾度較高。表明橫向干擾度對(duì)車輛運(yùn)行速度的影響較大。

圖3 85%位車速與橫向干擾度的關(guān)系

2.2.3 交通事故數(shù)與橫向干擾度的關(guān)聯(lián)性分析

交通事故數(shù)與橫向干擾度的關(guān)聯(lián)性見圖4。由圖4可知：在交通事故數(shù)較少的路段，橫向干擾度較低；在交通事故數(shù)較多的路段，橫向干擾度較高。說明橫向干擾度對(duì)交通事故數(shù)有較大影響。

3 車速預(yù)測(cè)模型的構(gòu)建

以橫向干擾度和交通事故數(shù)作為自變量，85%位車速作為因變量，構(gòu)建基于橫向干擾度和交通事故數(shù)的車速預(yù)測(cè)模型如下：

圖4 交通事故數(shù)與橫向干擾度的關(guān)系

y=0.55x1-6.404x2+100.828

(1)

式中：y為85%位車速預(yù)測(cè)值(km/h)；x1為交通事故數(shù)；x2為橫向干擾度。

該模型為多元線性回歸模型，各變量相關(guān)性分析、回歸分析、方差分析、回歸系數(shù)及顯著性檢驗(yàn)結(jié)果見表2～5。

表2 各變量相關(guān)性分析結(jié)果

表3 回歸分析結(jié)果

表4 方差分析結(jié)果

由表2可知：交通事故數(shù)、橫向干擾度和85%位車速3個(gè)變量之間呈較強(qiáng)的相關(guān)性(|r|>0.6，p<0.05)，故將交通事故數(shù)、橫向干擾度作為自變量納入該模型中具有較好的合理性。

由表3可知：R的取值范圍為(0,1)，且達(dá)到0.86，證明線性回歸關(guān)系密切；R2為0.739，表明所建立的回歸模型效果優(yōu)良；調(diào)整R2為0.723，符合小于R2的原則，且其值偏大，說明該模型擬合效果較好。

表5 回歸系數(shù)及顯著性檢驗(yàn)

由表4可知：該模型的F檢驗(yàn)結(jié)果F0.05=46.643>F0.05值，說明回歸效果高度顯著；p=0.00<0.05，說明具有顯著的統(tǒng)計(jì)學(xué)意義。

由表5可知：2個(gè)自變量的容差均大于0.1，且其方差膨脹因子均小于10，表明交通事故數(shù)和橫向干擾度之間不存在共線問題。

4 結(jié)語

結(jié)合道路特征、交通特性、路側(cè)環(huán)境等因素提出橫向干擾度指標(biāo)，結(jié)合36處具有不同道路特征、交通特性和路側(cè)環(huán)境的典型路段現(xiàn)場(chǎng)調(diào)查資料，分析交通事故數(shù)、橫向干擾度和85%位車速的關(guān)聯(lián)性。結(jié)果表明交通事故數(shù)和橫向干擾度對(duì)85%位車速的影響都較顯著，且橫向干擾度越高，交通事故數(shù)越大。構(gòu)建以交通事故數(shù)和橫向干擾度為自變量的多元線性回歸模型，從事故數(shù)和交通運(yùn)行環(huán)境方面對(duì)路段85%位車速進(jìn)行預(yù)測(cè)。模型擬合效果較好，可為今后路段限速值的合理確定提供參考。