快速路入口區域車輛跟馳行為研究

葛婷, 華凱, 宗奕凈, 胡俊艷, 周源

(1.蘇州科技大學土木工程學院, 蘇州 215011; 2.上海市政工程設計研究總院(集團)有限公司, 上海 200092)

快速路入口區域作為城市快速路和其他道路的關鍵連接節點,車輛需在此范圍內完成換道、加減速、合流等一系列操作,導致該區域交通運行狀況復雜多變,交通沖突嚴重,極易發生交通事故。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,是一種基礎的微觀駕駛行為[1]。匯入車輛在入口區域的合流操作直接影響到主線車輛的跟馳行為,致使該區域追尾事故頻發。研究表明:快速路入口區域所發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。張蘭芳等[1]采用高仿真多自由度模擬駕駛的手段獲取車輛軌跡數據,結合數據驅動類車輛跟馳模型從微觀層面入手,對地下快速路環境下的跟馳行為進行分析與建模。王博[4]基于跟馳理論,結合實際駕駛員駕駛行為特征,提出了與速度相關的動態敏感系數函數,構建了考慮動態敏感系數的跟馳模型,并進行了穩定性分析及數值模擬。王健等[5]利用粒子群優化的模糊聚類算法,從車速穩定性、跟馳行為傾向性和橫向位置穩定性3方面對跟馳行為特征進行聚類分析,深入分析合流區不同車道跟馳行為存在的差異性。徐進等[6]通過725條有效跟馳軌跡數據,明確了車頭時距和車頭間距的分布特征,并且對不同跟馳狀態和駕駛人性別差異下的跟馳數據進行了分析。洪家樂等[7]基于車頭間距反饋構建了考慮駕駛員特性的改進車輛跟馳模型,采用數值仿真方法驗證了駕駛員在跟馳中對于車間距的反應強度的影響。魏福祿等[8]采用一種基于GPS的實時動態車輛跟馳數據采集方法獲取了大量城市信號交叉口左轉車輛跟馳數據,解析了信號交叉口左轉車輛跟馳特性及其關鍵影響因素。宗芳等[9]分析了不同類型車輛跟馳行為特性,構建了一種適用于多類型車輛的跟馳模型,通過穩定性分析和數值仿真驗證模型的有效性。Ren[10]在現有交通軌跡數據的基礎上,采用合適的神經網絡構建汽車跟隨模型,進而對駕駛員的汽車跟隨行為進行分析和研究。Wang等[11]提出了一種基于MPC算法的個性化跟馳模型,該模型能夠有效解決約束條件下的多目標優化問題。

快速路入口區域復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,從而導致各車道的跟馳行為有所不同。然而目前大多數跟馳研究均集中在基本路段上,對快速路入口區域的研究較為有限,因此有必要對快速路入口區域的跟馳行為展開研究。

現采用無人機對快速路入口區域進行航拍以獲取車輛跟馳軌跡數據,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維度,對快速路入口區域車輛跟馳行為進行分析和判定;并探討了快速路入口區域車輛跟馳速度和跟馳距離隨交通流的變化規律以及不同車道車輛跟馳距離的差異。通過對入口區域車輛跟馳行為的研究,進一步明確快速路入口區域駕駛行為特性,為改善入口區域提供依據。

1 數據采集與提取

1.1 數據的采集

基于快速路入口設計實驗[12]和已有研究成果,本文研究所采集數據的地點需包含入口匝道上游200 m至下游100 m范圍,全長近300 m。采用大疆無人機御mavic air 2在200 m高空對目標區域通行車輛進行懸停定點拍攝,如圖1所示。該無人機設備搭載了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移動延時視頻,長達34 min的續航時間,同時氣動性更好。

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

采集時間選擇天氣狀況良好,無風和雨雪天氣情況下的15:30-17:30時段進行調查,包含了平峰和高峰時段。

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

1.2 數據的提取

采用Tracker軟件對航拍的視頻進行數據提取,先通過實測數據在Tracker軟件中對航拍視頻進行嚴格的尺寸標定,并在視頻圖像中設置坐標參考系以計算車輛位置。為了便于后續分析,坐標軸交點建立在合流鼻端,X軸位于加速車道和主線外側車道分界線上,Y軸垂直于車道的中心線。使用定標尺進行比例校準以主線車道線6 m進行標定;每5幀記錄一次車輛的位置。軟件自動追蹤目標車輛,提取的數據包括每輛車編號、行駛軌跡坐標、時間、速度、加速度,最后對提取的數據進行平滑處理,保證數據的有效性。

2 跟馳行為分析及判定

2.1 跟馳行為提取準則

根據李林波等[13]提出的跟馳行為準則:跟馳片段需要持續15 s及以上。通過此準則初步篩選出277個跟馳樣本,每對跟車數據包括時間以及該時刻前后車的位置坐標、速度等信息。提取的跟馳樣本數據如表1所示。以車輛跟馳距離、相對跟馳速度絕對值和跟馳片段長度作為跟馳行為判定指標,對這些跟馳樣本進行進一步分析,以此確定快速路入口區域的跟馳行為準則。

表1 不同地點跟馳樣本數據表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下前后車的車頭間距。對快速路入口區域車輛跟馳距離進行描述性分析,結果如圖2和表2所示。可知快速路入口區域處于跟馳狀態的車輛的跟馳距離集中分布在15～30 m,占到總樣本數的80%,其中20～25 m占比最多。此時的跟馳距離分布圖近似對數正態分布,平均跟馳距離在26 m。

表2 車輛跟馳距離描述統計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 跟馳車輛相對跟馳速度絕對值分布特性

相對跟馳速度是指跟馳狀態下前后車速度的差值。圖3和表3為快速路入口區域跟馳車輛相對跟馳速度絕對值的描述結果。可知車輛的相對跟馳速度絕對值集中分布在0～1 m/s,分布曲線屬于指數分布;跟馳狀態下的前后車速度較為接近,平均相對跟馳速度絕對值為0.75 m/s。

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

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

2.4 分布特性擬合性檢驗

跟馳距離和相對跟馳速度絕對值是跟馳特性研究的重要指標。對快速路入口區域跟馳樣本數據處理可知跟馳距離服從對數正態分布,相對跟馳速度絕對值服從指數分布。為了檢驗樣本數據分布的可靠性,采K-S檢驗法(Kolmogorov-Smirnov test)對跟馳距離和相對跟馳速度絕對值兩個指標進行擬合性檢驗,K-S檢驗結果如表4所示。由表4可知,兩組數據的顯著性(P值)均大于0.05,即快速路入口區域跟馳距離服從對數正態分布,相對跟馳速度絕對值服從指數分布。

表4 K-S檢驗結果Table 4 Kolmogorov-Smirnov testresults

2.5 最終跟馳行為準則判定

目前關于跟馳行為準則判定的方法主要集中在對跟馳行為中的自車速度、與前車縱向距離、相對速度絕對值、跟馳片段時間長度、側向距離絕對值等參數進行限制。Leblanc等[14]確定跟馳提取準則為自車速度大于40 km/h,相對速度絕對值小于2.0 m/s,片段長度大于15 s。Chong等[15]確定跟馳片段提取準則為側向距離絕對值小于1.9 m,自車速度大于20 km/h,縱向距離小于120 m,片段長度大于30 s。王雪松等[16]確定跟馳片段提取準則為側向距離絕對值小于3.5 m,縱向距離大于7 m且小于150 m,相對跟馳速度絕對值小于2.5 m/s,片段長度大于15 s。再結合本文對初步跟馳狀態下的277個樣本進行數據分析和處理,對跟馳距離和相對跟馳速度絕對值進行描述分析,得出跟馳距離的最大值為75 m,相對跟馳速度絕對值90%集中分布在小于1 m/s的區間內。綜上確定快速路入口區域最終的跟馳行為準則如表5所示,即縱向距離小于75 m,相對跟馳速度絕對值小于1.5 m/s,片段長度大于15 s。

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

3 快速路入口區域跟馳行為影響分析

3.1 交通流變化對跟馳行為影響

通過對篩選出的跟馳樣本進行交通流劃分,以跟馳距離和后車跟馳速度作為跟馳行為表征指標,分析其隨交通流變化的分布特性,結果如圖4所示。由2.5節可知跟馳狀態的判定準則,當道路處于二、三、四級服務水平時,分析發現此時均有符合跟馳狀態的車輛,故進行跟馳行為分析。

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下的跟馳行為參數存在顯著差異。快速路入口區域大部分車輛跟馳距離集中分布在40 m以內;當處于二級道路服務水平時,此時跟馳距離大于20 m;道路處于三級服務水平,跟馳距離在14～20 m;當道路處于四級服務水平,跟馳距離小于14 m,且在四級服務水平強制流時趨于穩定,此時最小跟馳距離為7 m。

后車跟馳速度總體呈現隨交通流的增大而逐漸減小的趨勢。當道路處于二級服務水平時,后車跟馳速度在58～70 km/h;三級服務水平時,跟馳速度減小的較快;當達到四級服務水平,后車跟馳速度小于35 km/h,且在強制流時趨于穩定,此時后車跟馳速度保持在20～25 km/h。

3.2 跟馳距離對后車跟馳速度的影響分析

由圖5可知,后車跟馳速度會隨著前后車跟馳距離的減小而降低,當跟馳距離為27 m時,后車跟馳速度保持在65～67 km/h;當跟馳距離為20 m時,后車跟馳速度保持在48～58 km/h;當跟馳距離為5 m時,此時跟馳距離趨于穩定,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 主線車道分布對跟馳行為影響

快速路入口區域最內側車道和中間車道的跟馳距離和后車跟馳速度統計結果如圖6所示。可知交通流穩定條件下,最內側車道的前后車輛跟馳距離要明顯大于中間車道,最內側車道的跟馳距離在28 m左右,而中間車道的跟馳距離在23 m左右;主線最內側車道的后車跟馳速度要大于中間車道的跟馳速度,由數據可知最內側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。最內側車道屬于較快車速車道且入口匝道車輛對最內側車道的影響最小,車輛匯入會對中間車道的跟馳距離和跟馳速度產生影響,從而使最內側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 入口形式對主線車輛跟馳行為影響

本文研究所調查快速路入口區域形式可分為平行式(友新立交)和直接式(勞動路),對兩種入口形式對主線車輛跟馳行為的影響進行對比分析,結果如圖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:在交通流穩定時,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區域內,平行式入口區域車輛對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,從而導致主線車道車輛的跟馳狀態提前結束。

4 結論

(1)對快速路入口區域車輛跟馳距離和相對跟馳速度絕對值進行分析,發現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;相對跟馳速度絕對值平均值為0.75 m/s,90%車輛相對跟馳速度絕對值小于1 m/s;在此基礎上,確定了快速路入口區域跟馳行為判定準則。

(2)通過對不同交通流下快速路入口區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,并在道路處于四級服務水平強制流時,跟馳距離和跟馳速度趨于穩定狀態;且后車跟馳速度會隨著跟馳距離減小而降低,跟馳速度小于25 km/h時,跟馳距離趨于穩定。

(3)分析了主線車道分布和入口形式對跟馳行為的影響。研究發現穩定交通流下快速路入口區域最內側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)受限于數據獲取方式,本文研究對快速路入口區域的跟馳行為研究還不夠全面,后續應補充更加完整的交通事故數據并完善其他車輛的跟馳及換道行為,以量化此區域內特殊的交通流特性與交通事故風險的內在聯系。