彎坡組合路段追尾事故風險評估與影響因素分析

潘恒彥,王永崗,李德林,張 梟,陳俊先

(1.長安大學 運輸工程學院,西安 710064;2.上海市城市建設設計研究總院(集團)有限公司,上海 200125)

山地占中國總面積的2/3,受到地形的限制,山區(qū)公路彎道多、坡度大、半徑小、視距不足,客貨車混行,相比于平原道路,山區(qū)道路交通環(huán)境更為復雜,這也使得山區(qū)彎道路段事故頻發(fā)。山區(qū)雙車道公路的事故占全國公路的15%以上,其中超過35%發(fā)生在彎道路段,而追尾事故發(fā)生占比最高[1-2]。山區(qū)道路的交通安全問題受到廣泛關注,如何對山區(qū)彎坡組合路段追尾事故風險進行評估,分析追尾事故產(chǎn)生的影響因素,并實現(xiàn)事故的主動安全防控,已成為學者亟待解決得問題。

基于事故數(shù)量統(tǒng)計[3-5]的直接評估方法,具有簡單、邏輯合理的優(yōu)點[6],但考慮到事故發(fā)生的偶然與隨機性,以及輕微事故未記錄在案所帶來的數(shù)據(jù)不完善性[7]問題,分析結果存在偏誤。因此,有學者于1960—1970年提出了基于交通沖突技術的間接評估方法[8],即“交通沖突”,定義分為兩類:避險措施的有無[9],與行駛車輛在空間或時間上的接近程度[10]。前者在自身應用方面存在主觀判斷缺陷,后者較為廣泛,這也為山區(qū)彎坡組合路段的事故分析提供了理論基礎。

文獻[11]建立了“沖突發(fā)生”與“沖突嚴重程度”的兩階段交通沖突判別模型,用于預測及判別任意交通實體間的沖突;文獻[12]將碰撞時間(time to collision,TTC)與避免沖突減速度[13](deceleration rate to avoid crash,DRAC或DR)兩個交通沖突指標相結合,對車輛追尾風險進行評估;文獻[14]基于指標沖突時間差(TDTC),對高速公路施工區(qū)車輛交通沖突進行評估;文獻[15]將TTC修正得到指標MTTC(modified TTC),并結合TTC、后侵入時間(post-encroachment time,PET)和避免碰撞減速率DRAC,對事故概率進行評估;文獻[16]選取碰撞時間TTC和后侵入時間PET的兩個指標,運用VISSIM仿真技術對單向雙車道車輛群行車風險進行評估。基于交通沖突的事故風險評估方法,雖然對現(xiàn)場數(shù)據(jù)采集精度的要求較高,但克服了統(tǒng)計分析方法事后分析的弊端。

不同交通沖突指標的側重點存在差異,因此適用范圍也有所不同。TTC適用于行駛軌跡相似的情況,文獻[17]與文獻[18]分別對高速公路與長隧道內車輛跟馳過程中的追尾風險進行評估;PET適用于交叉口、交織區(qū)的合流沖突,文獻[19]基于PET算法對匝道合流區(qū)沖突進行識別;文獻[20]將“減速”作為避險的表征對路側停車區(qū)域非機動車沖突進行分析。國內外學者針對彎坡組合路段的研究相對欠缺,文獻[1,21-22]就線形對事故的影響展開分析,但研究對車輛在彎道路段實際的運行特點考慮欠佳。

針對交通沖突影響因素的研究較為廣泛,如運用貝葉斯網(wǎng)絡技術[14],零膨脹負二項(ZINB)[23],隨機參數(shù)貝葉斯層級回歸模型[15],機器學習[20]等方法,對車速、車型構成等因素進行沖突風險影響分析。但針對彎坡組合路段追尾沖突影響因素的研究相對欠缺,鑒于山區(qū)彎道路段禁止超車,在不考慮車輛橫向偏移的情況下,車輛跟馳過程中的行駛軌跡近似一致,因此針對彎坡組合路段車輛運行特點,本文對車輛跟馳過程中TTC進行修正,評估車輛的追尾沖突風險并對其影響因素進行識別。通過運用CHAID(chi-squared automatic interaction detection)決策樹、有序Logistic模型,分析交通流特性指標在彎坡組合路段不同區(qū)間段,對車輛行駛過程中追尾沖突的產(chǎn)生,以及追尾沖突嚴重程度的影響。研究能夠幫助追尾事故的主動安全防控和實時預測,改善彎道路段的行車安全。

1 彎坡組合路段數(shù)據(jù)采集

1.1 數(shù)據(jù)采集地點和時間

為獲取彎坡組合路段的交通流狀態(tài)數(shù)據(jù)以提取交通沖突指標,選取西安市水安路(二級公路)某路段,圖1為調查地點三視圖,圖中已標出路段的控制點ZH(直緩)、HY(緩圓)、QZ(曲中)、YH(圓緩)、HZ(緩直),以及沿直線路段距離ZH點50 m處(ZZ),本文將直線段(50 m)車輛跟馳過程也納入研究范圍。該彎坡組合路段為雙向兩車道,車道寬3.50 m,圓曲線轉角值為96°,圓曲線半徑為45 m。圓曲線兩側緩和曲線轉角分別為39°與36°,直緩點半徑為49 m。調查點坡度為2°,無中央分隔帶,路面為瀝青混凝土路面,最高限速為40 km/h。

圖1 調查地點幾何線型三視圖

數(shù)據(jù)采集時間為2021年6月5日到6日,天氣晴朗,采集時段包含早高峰8:30—9:30及晚高峰16:30—17:30,數(shù)據(jù)時長共4 h,數(shù)據(jù)采集方式為大疆無人機高空錄像并配合現(xiàn)場調查人員獲取。為保證數(shù)據(jù)采集的有效性,避免樹木對行駛車輛的遮擋并確保拍攝清晰度,無人機靜止懸停于路段中央上方250～300 m處俯視角度拍攝整個彎道,鏡頭分辨率調至1 080 P以上,每秒25幀數(shù)據(jù)采集設置。為克服無人機抖動、偏轉、傾斜等問題帶來的測量誤差,在上述5個控制點處,上游與下游朝向分別放置兩個雷達測速儀,對車輛速度、加速度等數(shù)據(jù)進行采集,作為無人機航拍數(shù)據(jù)的校核,另外現(xiàn)場調查人員記錄車型、車牌及貨車是否滿載情況。

1.2 軌跡數(shù)據(jù)獲取及處理

1.2.1 軌跡數(shù)據(jù)獲取

1.2.2 軌跡數(shù)據(jù)處理

圖3 數(shù)據(jù)采集與處理流程圖

2 追尾事故風險評估模型構建

2.1 交通沖突嚴重性評估

交通沖突的定義分為兩類:車輛避險行為的有無[3];車輛在空間或時間上的接近程度[4]。交通沖突與事故存在換算關系,交通沖突的嚴重性越高,事故概率隨之增加。TTC即為碰撞時間,TTC值越小,駕駛員獲得的避險時間越短,事故的發(fā)生概率越高。TTC適用于前后車輛行駛軌跡相同的情況,為適應彎坡組合路段線形的特殊性,駕駛員會采取加/減速與轉動方向盤的方式行駛。因此以往研究中以“引導車與跟隨車保持原有速度與方向不變”為前提,即前后車車頭間距與兩車速度差的比值得到TTC的計算方法便不適用。本文給出彎坡組合路段的直線路段、圓曲線路段與緩和曲線路段的車輛追尾TTC的計算方法。

2.1.1 直線路段車輛TTC計算

根據(jù)上/下坡直線路段車輛行駛特性對TTC的定義修正如下:前后車輛在原有速度下沿車道中心線行駛,將當前駕駛人加/減速度操作考慮其中,不采取進一步的避險措施所發(fā)生碰撞的時間,具體示意如圖4所示。追尾時車輛行駛距離計算如式(1)所示,前后兩車實時TTC的求解可轉化為如式(2)所示的方程求解問題。

圖4 直線路段車輛跟馳過程中追尾示意圖

(1)

(2)

車輛勻速行駛時,當跟隨車輛初始速度大于引導車輛時,駕駛員在不采取任何制動措施的條件下,一定會發(fā)生碰撞。考慮到跟隨與引導車輛加速度時,碰撞有無判斷變得相對復雜。本文分為如表1所示的情況討論。

表1 直線路段車輛追尾情況

(3)

(4)

表1中情況b表示存在追尾碰撞的可能,當兩車減速至0的相對位移差大于車頭間距時,兩車將發(fā)生追尾(ci=1),否則無追尾風險(ci=0),判定條件見式(5)。

(5)

表1中情況c表示一定會出現(xiàn)追尾碰撞。表1中情況d表示一定不會出現(xiàn)追尾碰撞。情況a與b在發(fā)生追尾碰撞時的TTC求解如(6)所示。

(6)

2.1.2 圓曲線路段車輛TTC計算

跟隨車輛隨引導車輛在圓曲線段行駛的過程,可抽象為如圖5(a)所示的物體沿著固定半徑在極坐標下的運動過程,αl、αf分別為引導車輛與跟隨出現(xiàn)沖突時,兩車車頭與0°方向的夾角;wl、wf分別引導車與跟隨車的起始角速度;βl、βf分別引導車與跟隨車的起始角加速度;R為圓曲線半徑。根據(jù)前文直線路段TTC的定義,圓曲線路段的TTC定義如下:前后車輛在當前角速度下沿圓曲線路段車道中心線行駛,保持原有角加/減速度不變的條件下,不采取進一步避險措施所發(fā)生碰撞的時間,具體示意如圖5所示。追尾時車輛行駛旋轉角度計算如式(7)所示,TTC求解可轉化為如式(8)所示的方程求解問題。

圖5 曲線路段車輛跟馳過程中追尾示意圖

(7)

(8)

參考前文提到的直線段追尾判斷準則,可推導出圓曲線路段車輛追尾事故的有無,以及TTC的計算公式。相類似,圓曲線段車輛追尾判斷可分為如表2所示的情況。

表2 曲線路段車輛追尾情況

(9)

(10)

表2中情況b表示存在追尾碰撞的可能,當兩車角速度減至0的相對位移角度大于引導車輛與半徑的比值(ll/R)時,兩車將發(fā)生追尾(ci=1),否則無追尾風險(ci=0),判定條件見式(11)。

(11)

表2中情況c表示一定會出現(xiàn)追尾碰撞。表2中情況d表示一定不會出現(xiàn)追尾碰撞。情況a與b在發(fā)生追尾碰撞時的TTC求解如式(12)所示。

(12)

2.1.3 緩和曲線路段車輛TTC計算

(13)

參照圓曲線路段的TTC的定義,緩和曲線TTC定義如下:前后車輛在當前角速度下沿緩和曲線路段車道中心線行駛,保持原有角加/減速度不變的條件下,不采取進一步避險措施與引導車輛所發(fā)生碰撞的時間。由式(11)可知,跟隨車輛隨引導車輛沿緩和曲線段行駛,車輛沿車道中心線的切線速度與駛離圓心的速度為角速度的函數(shù)。因此車輛在曲率均勻變化的緩和曲線路段行駛軌跡由繞圓心的角速度與角加速度決定。這便與圓曲線路段車輛追尾的情況類似,車輛追尾與否僅與車輛角度變化有關。忽略引導車輛車頭與車尾處緩和曲線半徑差異,TTC求解亦轉化為對式(9)的求解。緩和曲線路段車輛追尾判斷亦可參考前文圓曲線路段的論述。TTC的計算公式亦可參考式(10)。

2.2 追尾沖突嚴重性判定

TTC閾值通常被用來區(qū)分相對安全的情況和存在交通沖突的危險場景。不同環(huán)境下TTC的閾值存在差異,推薦閾值在1.5～4 s之間[17]。文獻[18]指出,駕駛員在TTC約為4 s時,會采取避險措施,因此本文選取4 s為潛在交通沖突的判別閾值。跟隨車與引導車輛之間的TTC隨時間變化,當TTC小于4 s時,被視為出現(xiàn)潛在沖突。參照相關研究中沖突嚴重性的判斷依據(jù),本文取沖突時段內TTC最小值min(TTC),繪制其累積分布曲線,當min(TTC)小于15%、50%、85%時,分別視為嚴重、一般、輕微沖突[10],本研究數(shù)據(jù)統(tǒng)計結果嚴重、一般與輕微沖突的閾值分別為1.23、2.59、3.50 s。

3 追尾事故風險影響因素分析

3.1 影響因素指標選取

本文按車輛上/下坡(內/外側彎道)與進/出彎道(駛向/駛離圓曲線路段QZ點)方向,進行路段單元劃分,因此彎坡組合路段被劃分為12個單元(路段屬性×上下坡×進出彎=3×2×2),并以1 min為數(shù)據(jù)統(tǒng)計單元。在借鑒相關學者對追尾事故微觀分析的基礎上[1,21],追尾沖突與速度、加速度、交通量以及車頭間距有關。因此選取如下8個預測指標:路段進口端斷面交通量Q,pcu/h;路段平均車頭間距H,m;進口端斷面平均車速V,km/h;進口端斷面平均絕對加速度A,km/h2;出口與進口端斷面車速差DV,km/h;車行方向D,其中1表示內彎,0表示外彎;進彎方向W,其中1表示進彎,0表示出彎;是否有大型車混入B,其中1表示有,0表示無。前文提到調查人員對車型的劃分為6類,為簡化模型,將除2(微、小型載客汽車)與4(微、小型貨車)之外的車型歸為“大車”。出口與進口端斷面車速差為路段單元出口端車輛平均車速減去入口端車輛平均車速。在剔除存在缺失值數(shù)據(jù)的時間段后,圓曲線段、緩和曲線、直線單位路段共分別有400、399條以及264條有效數(shù)據(jù)。

3.2 CHAID決策樹原理

決策樹(decision trees)模型,是一種使用屬性值進行離散預測的分類器方法。決策樹通常是一種非參數(shù)技術,不依賴于任何函數(shù)形式,也沒有先驗概率知識要求。CHAID是決策樹模型的一種。CHAID樹具有多項分叉的優(yōu)點,會劃分盡可能多的子組;其次CHAID樹能夠處理多種類型的變量,對本文追尾沖突影響因素的識別有較好的適用性。本文將單位時間內彎坡組合路段車流中,將追尾沖突有無作為預測變量,因此使用χ2統(tǒng)計量或最大似然估計值L2的大小作為最優(yōu)分割的判別依據(jù)。上述兩者的函數(shù)表達式如下所示。本文將數(shù)據(jù)劃分為訓練集(80%)與測試集(20%),運用交叉驗證法,使用窮舉CHAID算法構建樹模型。為防止過擬合現(xiàn)象的出現(xiàn),將分組水平設置為4。此外,為了減小數(shù)據(jù)內在的不平衡性,本文選擇5%的拆分節(jié)點與合并類別顯著性水平,以保證CHAID樹對追尾沖突更準確的分類和識別。

(14)

(15)

式中:fij為實際分布頻率,Fij為與fij對應的理論分布頻數(shù)的估計。

3.3 有序Logistic模型原理

有序Logistic模型,適用于響應變量(因變量)為離散變量,自變量為連續(xù)變量或離散變量的問題。本文中追尾沖突等級的劃分與影響因素的取值有密切關系,可根據(jù)影響因素取值對追尾沖突等級進行評估。假設追尾沖突等級劃分為k個級別,則有序logistic回歸分析模型有k-1個公式,累積logistic表達式為

ai+BX,i=1,2,…,k-1

(16)

式中:Li為第i個累積Logistic模型;j為追尾沖突等級;X為預測變量指標向量;ai為第i個模型的截距參數(shù);B為斜率向量;P(Y=j|X)為追尾沖突等級為j的概率。

由各追尾沖突等級下累積Logistic模型Li后,各追尾沖突等級的概率為

(17)

3.4 追尾沖突影響因素分析

通過CHAID決策樹對訓練與測試集數(shù)據(jù)進行分類識別,模型對圓曲線、緩和曲線以及直線路段的總體分類準確率分別為94.0%、92.5%、92.4%。各節(jié)點的P值<0.05(顯著性水平),表明本文的數(shù)結構未出現(xiàn)過度擬合現(xiàn)象。圖6～8分別為圓曲線、緩和曲線以及直線路段的追尾沖突因素識別的樹結構。3個路段時空分析單元的潛在追尾沖突占比分別為22.5%、25.1%、28.8%。

圖6 識別圓曲線路段追尾沖突影響因素的樹結構

3.4.1 圓曲線路段追尾沖突風險因素分析

CHAID決策樹最終將圓曲線路段的“出口/進口端速度差”、“路段車頭間距”、“交通量”、“進口端平均車速”以及“車型構成”5個變量納入樹結構中。表明這些變量是影響圓曲線路段追尾沖突發(fā)生的顯著因素。由圖6可知,當出口端車輛平均車速超過進口端3.85 km/h以上時,無追尾沖突產(chǎn)生;而當出口端車輛平均車速低于進口端時,車輛駛入圓曲線路段駕駛員需進行制動操作,進而導致后續(xù)跟隨車輛與其出現(xiàn)沖突的概率增加,圖6中“出口/進口車速差≤-2.59 km/h”樹分支的沖突概率遠高于其他樹分支的結果也進一步證明了上述觀點。

當路段車頭間距>69.57 m時,車輛追尾沖突的概率顯著降低。這是由于當跟隨車輛保持一定的跟車距離時,前車的突然制動操作,會預留給后車駕駛員充分的緩沖時間進行避險操作化解沖突。與此同時車輛駛入圓曲線路段后,存在視覺盲區(qū),車速過快(超過40.93 km/h)導致TTC縮短,會導致追尾沖突的發(fā)生概率顯著提高。大型車輛制動、加速困難,交通流大型車輛的混入,也增加了追尾沖突發(fā)生的可能性。此外,單位時間斷面交通量增加時,車輛從自由流向強制流趨勢演化,車輛之間的運行相互制約性增加,進而導致追尾沖突的增加。此外車輛上坡/下坡(內彎/外彎道)行駛方向、進彎/出彎行駛方向之間沒有顯著的追尾沖突差異。車輛駛入路段的平均絕對加速度也未納入圓曲線路段追尾樹結構中。

3.4.2 緩和曲線線路段追尾沖突風險因素分析

CHAID決策樹最終將緩和曲線路段的“交通量”、“車型構成”、“進彎/出彎方向”、“路段車頭間距”、“進口端平均車速”以及“車輛上坡/下坡(內彎/外彎道)行駛方向”6個變量納入樹結構中(圖7)。表明這些變量是影響緩和曲線路段追尾沖突發(fā)生的顯著因素。“交通量”、“車型構成”、“路段車頭間距”、“進口端平均車速”對緩和曲線路段追尾沖突的作用解釋與圓曲線路段類似。緩和曲線樹結構中,變量“路段車頭間距“的分裂值為67.35 m,略低于圓曲線路段變量分裂點;“進口端平均車速”在緩和曲線路段的樹分裂值為43.89 km/h,略高于圓曲線路段的69.57 m。這表明車輛駛入圓曲線路段時,跟車間距的控制需高于緩和曲線路段,且車速需低于緩和曲線路段。

圖7 識別緩和曲線路段追尾沖突影響因素的樹結構

與圓曲線路段不同的是,“車輛上坡/下坡(內彎/外彎道)行駛方向”、“進彎/出彎方向”被納入樹結構中,與外彎道相比,內側彎道車輛行駛半徑小、視距短于外側彎道。車輛沿內彎道行駛時,引導車輛制動操作后,跟隨車輛駕駛員需行駛長于外側彎道的距離發(fā)現(xiàn)前方制動車輛,TTC小于外側彎道,追尾沖突提高。車流多減速駛入彎道,加速駛出彎道,進彎車輛由自由流向強制流趨勢發(fā)展,而出彎車輛則相反。強制交通流內部車輛之間運行的相互制約性高于自由流車輛,進而進彎車輛追尾沖突概率高于出彎車輛。

3.4.3 直線路段追尾沖突風險因素分析

CHAID決策樹最終將直線路段的“進口端車輛平均絕對加速度”、“進彎/出彎方向”、“交通量”、“車型構成”、“路段車頭間距”5個變量納入樹結構中,如圖8所示。“交通量”、“車型構成”、“進彎/出彎方向”對直線路段追尾沖突的作用解釋與圓曲線路段類似。差異在于緩和曲線與圓曲線變量“路段車頭間距“的分裂值分別為67.35 m與69.57 m,顯著高于直線路段的51.35 m分裂值。這表明緩和曲線與圓曲線路段的安全跟車間距遠高于直線路段。“進口端車輛絕對加速度”被納入樹結構中,車輛在直線路段的平均絕對加速度A>36.8 km/h2時,追尾沖突概率顯著提高。直線路段車輛車頭間距低于緩和曲線與圓曲線路段,當駕駛員采取較大制動或加速操作時,會縮短跟隨車輛與引導車輛之間的TTC,進而導致追尾沖突的發(fā)生。

針對上述3種路段的追尾沖突影響因素識別樹結構,計算各路段追尾沖突影響因素的指標重要度[21],結果如圖9所示。結果表明:樹結構指標的分裂層級越高,指標重要度越高。被納入到圓曲線路段樹結構的5個變量累積指標重要度為0.96;而被納入到緩和曲線的6個變量累積指標重要度分別為0.89,略低于0.90,出口與進口端的車輛平均速度差值對路段沖突的產(chǎn)生有0.1的貢獻度,作用原理與圓曲線路段類似,但其沖突影響效果明顯略遜于圓曲線路段;直線路段的5個變量的累積指標貢獻度為0.85,將變量“上坡/下坡(內外側彎道)”納入后,可達到0.96。表明直線路段車輛追尾沖突在上坡與下坡方向存在差異性。

3.5 有序Logistic回歸結果分析

圓曲線路段嚴重、輕微、一般以及潛在沖突的占比分別為8.0%、2.5%、7.5%、4.5%;緩和曲線的分別為9.0%、3.3%、9.5%、3.3%;直線路段的分別為8.6%、7.1%、6.6%、6.5%。為克服各因素單位差異造成回歸結果系數(shù)量級的差異,對因素變量進行標準化處理。回歸結果見表3,有序Logistic回歸模型對圓曲線、緩和曲線以及直線路段擬合程度極佳,R2分別為0.72、0.61、0.67。

表3 各路段追尾沖突嚴重性影響因素分析

由于視距不足的問題,車輛在圓曲線路段內側與外側彎道(上坡/下坡)行駛時,無顯著的追尾沖突嚴重性差異。相對于圓曲線路段,視距不足問題在緩和曲線路段的整體有所改善,且內側彎道視距不足問題較外側彎道更嚴重,這導致處于上坡方向的內側彎道車輛追尾沖突顯著高于外側彎道(D=-2.19,Sig=0);直線路段上坡與下坡方向車輛行駛無視距差異,5%的坡度使得下坡行駛方向車輛追尾嚴重度高于上坡行駛車輛(D=-3.59,Sig=0)。其他指標對沖突嚴重性的影響,與前文追尾沖突影響因素的闡述相類似。路段進口端斷面交通量的提高、大型車輛的混入、車頭間距的縮短會顯著提高沖突嚴重性。進口端斷面平均車速會顯著提高緩和曲線與圓曲線路段的沖突嚴重性,而進口端斷面平均絕對加速度會提高直線路段的追尾沖突嚴重性。出口與進口端斷面車速差降低了圓曲線與緩和曲線路段車輛追尾的嚴重性。緩和曲線與直線路段的車輛在駛入彎道時的沖突嚴重度要高于駛出彎道時。

4 結 論

1)本文根據(jù)彎坡組合路段各組成部分(圓曲線、緩和曲線與直曲線路段)的道路線形與車輛運行特征,給出車輛追尾碰撞的判斷準則,并對碰撞時間的計算進行修正。根據(jù)沖突時間累積分布曲線得出嚴重、一般、輕微與潛在追尾沖突的劃分閾值。通過CHAID樹模型與有序Logistic模型,對追尾沖突的產(chǎn)生,與沖突嚴重程度的影響因素進行識別。

2)交通量、車型構成、車輛行駛速度與加速度等交通流特征指標,對彎坡組合路段的圓曲線、緩和曲線與直曲線部分的車輛追尾沖突影響存在差異性。圓曲線路段,車輛進彎與出彎,以及內側/外側彎道之間沖突的發(fā)生與嚴重性無顯著差異;緩和曲線與直線路段駛入彎道的車輛追尾沖突頻次與嚴重性要顯著高于駛出彎道的車輛;緩和曲線路段內側彎道行駛的車輛追尾沖突頻次與嚴重度要高于外側彎道,直線路段上坡行駛的車輛追尾沖突頻次與嚴重性要低于下坡方向。

3)研究結論可為彎坡組合路段追尾沖突的評估與事故防控提供幫助。但研究存在自身局限性,基礎分析數(shù)據(jù)獲取較為繁瑣,且沖突指標是在經(jīng)典TTC基礎上進行修正。在未來的研究中,將對多個彎坡組合路段車輛行駛的軌跡數(shù)據(jù)進行采集,分析圓曲線路段半徑、緩和曲線路段曲率、坡度、坡長等路段線性因素對車輛追尾沖突的影響;并針對道路特征提出新的交通沖突指標,將研究結果進一步完善。