城市快速路交織區運行風險預測模型

許 甜, 蘇東蘭, 趙 明, 王 晶

(1.中交第一公路勘察設計研究院有限公司, 西安 710065； 2.蘇州科技大學土木工程學院, 江蘇省生態道路技術產業化工程研究中心, 蘇州 215011； 3.廣東省路橋建設發展有限公司, 廣州 510623； 4.同濟大學道路與交通工程教育部重點試驗室, 上海 201804)

城市快速路系統是由基本路段、立交、進出口、輔道及其連接點等組合而成的。隨著城市快速路系統發展、路網加密,城市快速路與地面道路相交增加,在立交區域和進出口路段等不可避免地出現了很多復雜的交織區。交織區匯集了不同方向與不同類型的車流,多股交通流在較短路段內交織使得該區域產生大量的車輛換道行為,造成交織區交通沖突數量增多,從而導致交織區內交通安全水平降低。

20世紀50年代,美國最早開始了有關城市快速路通行效率的研究,編制了道路通行能力手冊,提出了交織區具體的設計方案與安全標準[1]。直至2000年,道路通行能力手冊HCM2000中,依據交織車流數量對交織區進行類型劃分,通過計算交織區結構、交織比、長度以及交通量等參數得出交織區通行能力。此后,Lertworawanich等[2]利用間隙可接受理論細化車輛變道行為對不同幾何構型的交織區建立了道路通行能力模型。Heikoop等[3]采用微觀仿真軟件FOSIM對交織區交通運行狀態進行模擬；Diamandouro等[4]研究表明夜晚雨天情況下,交織區路面標線可見度對不同年齡及性別人群駕駛行為的影響。中國關于交織區的研究在方法上借鑒了HCM2000的計算方法,劃分了交織區服務等級。研究初期,徐吉謙[5]、任福田等[6]對環形交叉口通行能力進行了分析,建立了相應的交織區交通流模型。近年來,中國學者在交織區、分合流區等瓶頸區域交通特性方面展開了大量研究。陳寬民等[7]探明了匝道出入口、合流區、分流區的車輛運行速度與交通量之間的相互關系；馮玉榮等[8]提出了通行能力的改進模型,該模型適用面更廣、準確性更高；馮星宇[9]以負荷度作為主要指標、密度作為次要指標,研究提出了更為細化的交織區服務水平劃分標準；陳亮等[10]考慮臨時駛出車輛的影響,結合車輛變道安全間距、變道決策等因素,建立了基于元胞自動機的多車道交織區離散模型,基于此探明了交織區擁堵形成機制；安旭等[11]建立了針對交織區的元胞自動機模型,對比分析了交織區是否設置隔離帶的兩種車道分配情況下交織區及非交織區分別進行了數值的模擬和分析,并提出了隔離帶設置方法。

可見,目前中外學者的研究主要的內容涵蓋了快速路交織區通行能力、服務水平、駕駛行為、安全控制等方面,部分學者還研究了出入口間距、匝道類型對通行效率與行車安全的影響[12-14]。然而,對于快速路交織區運行風險預測與量化評價方面的研究較少。據此,在中外已有技術現狀調研的基礎上,針對城市快速路交織區運行風險預測模型開展研究。首先采用交織區斷面線圈數據及自然駕駛行駛速度數據,分析城市快速路交織區運行特點,然后采用VISSIM交通仿真方法分析交織區道路幾何線形、交通流、駕駛行為等因素對交織區運行安全狀況的影響,建立快速路交織區運行風險預測模型,提出風險分級標準,最后采用無人機航拍交通量數據對預測模型誤差進行分析，以期為城市快速路交織區的風險預測與評估提供參考。

1 交織區交通運行特點分析

1.1 斷面交通流量

對上海市內環線天鑰橋路-曹溪立交、延安高架北線江蘇路-凱旋路交織區完整兩周的線圈檢測數據進行調研和統計分析。計算兩個交織區內每條車道流量占總流量的比值,并將計算結果列于表1中。分析表1可以看出,交織區交通量由內側車道向外側車道逐漸減小。

表1 交織區車道流量分布

圖1 江蘇路-凱旋路交織區車速統計Fig.1 Speed statistics of Jiangsu Road to Kaixuan Road

將江蘇路-凱旋路交織區不同車道不同時間車流平均車速統計結果繪制于圖1中。由圖1可知,交織區車流的平均速度由內側車道向外側車道逐漸減小。

綜上可知,交織區路段由于發生分合流等變道,外側車道交通量低于內側和中間車道,比例也相對穩定；中間和內側車道車流受到其他車輛換道干擾較小,因此車流平均速度高于外側車道。

1.2 單車行駛速度

利用數據采集車通過自然駕駛的方式采集單車交通運行狀況數據,采集數據包括速度與加速度,數據采集頻率為2 Hz,可采集的車輛速度精度為0.2 km/h,采集車外觀如圖2所示。采集路段為延安高架江蘇路-凱旋路交織區,交織區長度為 297 m,共有4 條行車道。

數據采集車行駛路徑包括兩條:主線-出口匝道(上游180 m影響區-交織區-出口匝道)、入口匝道-主線(入口匝道-交織區-下游180 m影響區)。同一路徑采集車行駛3 次,對采集的車輛速度和加速度進行統計計算,獲得各區間路段的平均車速和平均加速度絕對值。計算結果如表2所示。

圖2 移動數據采集車外觀Fig.2 Mobile data acquisition vehicle

表2 平均車速和加速度分布

分析表2可以看出,兩種行駛路徑下車輛在交織段的平均車速均遠低于其他路段,且加速度絕對值高于其他路段。分析這一現象產生的原因是:采集車在交織區行駛時,周圍車輛為保持行駛目的進行換道,產生的交織行為對采集車干擾較大,導致車輛平均車速總體偏低。

綜上可知,交織區內車輛的分合流等變道行為使得該區域內車輛行駛速度、通行效率下降,車輛的加減速絕對值增大,這一現象增加了交織區交通運行發生紊亂的風險。

2 交織區交通運行風險預測模型

2.1 預測指標

目前,對普通路段、平面交叉口、交織區等路段進行風險分析時,常常使用的指標為交通沖突數(traffic conflict, AC)或交通沖突數與混合交通當量(mixed passenger car unit, MPCU)的比值。與平面交叉口相似,交織區內交通量是交通沖突數的重要影響因素,交通量越大,交織區內產生交通沖突的概率就越大,交通沖突數也就越多；由于城市快速路交織區長度有限,車輛須在一定的長度范圍內完成變道行為,因此交通沖突數還與交織區長度具有緊密關系。

基于以上分析,以交織區內交通沖突數與交通量、交織區長度的比值,即車公里沖突率(average traffic conflict,ATC)作為交織區運行風險的預測指標,其計算方法為

ATC=TC/(QL)

(1)

式(1)中:ATC為車公里沖突率，次/(veh/h·km)；TC為時均沖突次數；Q為在一定交通條件下單位時間內通過交織區某一斷面的車輛數,veh/h；L為交織區長度,km。

2.2 VISSIM交通仿真

由于既有環形線圈埋設間距大、路側寬度有限，路側交通調查可行性低、浮動車數據樣本量少、視頻監測數據提取工作量大等現實原因,城市快速路交織區實際交通運行數據獲取難度大。因此，采用VISSIM交通仿真模擬典型交織區的交通流狀況,為交織區運行風險預測模型建立提供基礎數據。

2.2.1 參數標定

實地交通狀況調研與文獻研究發現,交織區幾何線形與交通流狀況是影響路段通行效率與行車安全性的重要因素。據此,選定的仿真參數分別為交織區長度、交織區車道數、交通量、交織流量比與匯出比。為探究各影響因素對交通沖突的影響,進行VISSIM交通仿真計算,各參數變量范圍標定依據如下。

(1)交織區長度L。參考HCM2010將交織區的交織長度限定在0.75 km范圍內,試驗中交織區長度標定為0.15～0.75 km,步長取0.15 km。

(2)交織區車道數n。根據上海快速路交織區實際調研發現，交織區內車道數往往為3 車道及以上,最多不超過6 車道。標定仿真試驗交織區車道數分別為3、4、5、6。

(3)交通量Q。根據對上海市快速路線圈數據一天內交織區交通量變化統計結果,標定仿真交通量為1 000～5 000 veh/h,步長取1 000 veh/h。

(4)交織流量比VR。根據上海市20 個交織區的實際交織流量比計算結果[18],標定交織區流量比為0.2～0.6,步長取0.1。

(5)匯出比r。根據對上海市快速路線圈數據,匯出比標定為0.1～0.5,步長取0.1。

2.2.2 仿真試驗

由于交通仿真試驗共選取了5個基本變量,每個變量有4～5個水平,存在4×54=2 500種組合,考慮到完全試驗工作量巨大,采用正交設計表L25(56)進行VISSIM仿真試驗設計。在VISSIM仿真中完成上述25 組試驗,得到每組試驗的交通沖突次數并計算出車公里沖突率ATC,結果如表3所示。

表3 車公里沖突率計算結果

2.3 預測模型構建

基于交通仿真結果,分析交織區長度、交織區車道數、交通量、交織流量比和匯出比與交織區車公里沖突的相關關系,對比線性、指數、對數與多項式這幾種擬合結果后,選擇多項式非線性公式進行擬合,結果如圖3所示。

由圖3可見,ATC與交織區長度負相關,與交織流量比、車道數、匯出比、交通量均為正相關。進一步量化因素耦合后對交織區運行風險的影響,采用多元非線性回歸分析方程擬合得到的預測指標計算公式為

ATC=a1f1(L)+a2f2(n)+a3f3(Q)+

a4f4(VR)+a5f5(r)+C

(2)

式(2)中：L為交織區長度,km；n為交織區車道數；Q為交織區交通量,veh/h；VR為交織流量比；r為匯出比。f1、f2、f3、f4、f5為各個因素與ATC的影響關系,即單因素方程；a1、a2、a3、a4、a5為相關系數；C為常數項。

利用VISSIM交通仿真結果進行回歸擬合,獲得該多元非線性回歸分析計算方程相關系數、單因素方程及常數項。a1、a2、a3、a4、a5分別為0.964、-0.246、1.101、0.986、1.043；常數項C=-8.254。單因素方程為

圖3 不同變量參數與ATC的關系Fig.3 Relationship between variable parameters and vehicle-kilometer conflict

(3)

相關系數及常數項為:a1=0.964,a2=-0.246,a3=1.101,a4=0.986,a5=1.043,C=-8.254。

最終形成交織區交通運行風險預測模型為

ATC=(0.964,-0.246,1.101,0.986,1.043)×

8.254=-2.542L2-0.023N2+3.3×

5.367L-0.338N+0.000 3Q-

9.684VR-1.534r-6.729

(4)

2.4 風險等級劃分

由于交通事故數據采集難度較大,未獲得與交通仿真標定參數相對應的交織區交通事故資料,且目前快速路交織區運行風險暫無普遍認可的評價標準可循。因此，通過對不同參數交織區的仿真得到若干組指標值,借助聚類分析的方法對ATC數值進行迭代分析,得到其聚類中心,作為交織區運行風險分析的標準依據。

據此,采用K均值聚類進行聚類分析,并運行風險等級劃分，將交織區的運行風險水平分為低風險、中等風險和高風險3類,即K=3。選用SPSS軟件對25組不同組合條件下得到的ATC進行迭代聚類,獲得3個聚類中心值,分別為0.58、2.72、4.76,對應風險等級為低風險、中等風險、高風險。據此對不同條件下交通仿真得到的ATC值進行分類:低風險時,ATC取值范圍為0.100～1.890；中等風險時,ATC取值范圍為2.200～3.568；高風險時,ATC取值范圍為4.020～5.144。建立快速路交織區交通運行風險分級如表4所示。

表4 城市快速路交織區交通運行風險分級標準

3 預測模型誤差分析

3.1 交通數據采集

采用大疆PHANTOMB 3 ADVANCED無人機拍攝上海南北高架東線北京西路-威海路交織區交通流,該交織區長度為150 m,示意圖如圖4所示。

對拍攝到的交織區交通流運行視頻進行統計分析,計算得到總交通流量Q=3 765 veh/h,交通流量比VR=0.269,匯出比r=0.499。

圖4 北京西路-威海路交織區示意圖Fig.4 Schematic diagram of Beijing west road-Weihai road weaving area

3.2 模型預測誤差分析

按交織區長度、車道數構建VISSIM仿真場景,輸入各車道實際交通量進行仿真,采集得到單位時間內交通仿真沖突次數,按照式(1)計算得到ATC=4.417。同時,利用式(4)計算出預測ATC=4.834,進一步計算得到預測值的誤差為9.45%。可見,所建立預測模型的誤差較小,在可接受范圍內。這在一定程度上說明了采用構建模型的方法對城市快速路交織區的運行風險進行預測和評價是可行的。

采用預測模型的方式可以快速地量化分析城市快速路交織區的運行風險,以供城市快速路管理和設計人員參考,有助于提升城市快速路交通區運行安全性。本研究旨在給出城市快速路交織區運行風險預測模型的構建方法,并探討其可行性。后續將進一步開展相關試驗研究,以精確化預測模型的參數,并對預測模型的可靠性進行驗證。

4 結語

在中外已有技術現狀調研的基礎上,采用線圈數據搜集、VISSIM仿真試驗、無人機數據采集等手段,針對城市快速路交織區運行風險預測模型開展研究,得到主要結論如下。

(1)基于交織區車道斷面線圈數據及自然駕駛試驗采集數據分析了快速路交織區運行特性,結果表明，交織區內車輛的分合流等變道行為使得該區域內車輛行駛速度、通行效率下降,車輛的加減速絕對值增大。

(2)探討提出了較之于運行風險預測指標ATC,基于VISSIM仿真試驗,分析了交織區運行風險影響因素,并建立了運行風險預測模型,同時通過K均值聚類進行聚類分析,繼而提出了運行風險分級標準。

(3)通過無人機采集實際交織區交通數據對所建立預測模型進行誤差分析,結果表明，采用構建預測模型的方法對運行風險進行預測是可行的,該模型可用以量化分析交織區運行風險。

(4)需進一步開展的研究包括城市快速路交織區運行風險預測模型參數試驗研究、預測模型的有效性和可靠性驗證。