吳 彪，鄒春悅，李 耘，楊忠振

(1.黑龍江工程學院 汽車與交通工程學院，黑龍江 哈爾濱 150050；2.淮陰工學院 江蘇省交通運輸與安全保障重點建設(shè)實驗室，江蘇 淮安 223003；3.寧波大學 海運學院，浙江 寧波 315211)

0 引言

為保證高速公路整體的行車安全和通行效率，需對高速公路出現(xiàn)的各種破損加以預防和養(yǎng)護，對早期修建的高速公路進行改造升級、拓容擴建，進而產(chǎn)生大量的施工區(qū)路段。我國《公路養(yǎng)護安全作業(yè)規(guī)程》(JTG H30—2015)規(guī)定[1]，施工區(qū)一般劃分為警告區(qū)、上游過渡區(qū)、緩沖區(qū)、工作區(qū)、下游過渡區(qū)及終止區(qū)等6個區(qū)域。在施工區(qū)合流區(qū)域(警告區(qū)和上游過渡區(qū))，強制性合流行為與突變的行車環(huán)境誘發(fā)駕駛?cè)瞬铄e而引起判斷操作失誤，增加了交通沖突風險，甚至釀成交通事故[2-4]。Meng等[5]探究了施工區(qū)合流行為與追尾事故風險的關(guān)系，認為駕駛?cè)撕狭鬟x擇時機對施工區(qū)合流區(qū)域追尾事故的影響顯著；孟祥海等[6]開展了高速公路施工區(qū)追尾風險突出影響因素辨識研究，結(jié)果表明車輛運行狀態(tài)是突出影響因素，每增加1次合流都會使施工區(qū)追尾風險增大3.9倍。施工區(qū)合流選擇行為模型能夠再現(xiàn)駕駛?cè)撕狭餍袨闆Q策過程，是研究合流風險感知機理及控制策略的前提。因此，構(gòu)建人-車-路及環(huán)境多因素作用的施工區(qū)合流選擇意愿模型，量化分析駕駛?cè)?、車輛、道路及環(huán)境因素對施工區(qū)合流選擇意愿的影響，對提高施工區(qū)的交通安全性和通暢性具有重要意義。

在施工區(qū)合流選擇行為模型研究方面，Louisell 等[7]利用模糊推理系統(tǒng)模擬“if-then”產(chǎn)生式規(guī)則，確定駕駛?cè)嗽谑┕^(qū)的期望合流位置；Weng等[8-9]根據(jù)施工區(qū)合流行為特征，提出駕駛?cè)似谕狭魑恢媚Ｐ?、預測合流概率的二元Logit模型和85%位車輛合流距離模型；Meng等[10]在分析駕駛?cè)撕狭餍袨橛绊懸蛩氐幕A(chǔ)上，利用分類與回歸樹法預測駕駛?cè)嗽诙虝r施工區(qū)的合流行為；孫智勇等[11]在分析施工區(qū)上游過渡區(qū)匯入過程的基礎(chǔ)上，建立施工區(qū)上游過渡區(qū)車輛匯入的可接受間隙模型，利用實測數(shù)據(jù)分析了各個因素對車輛匯入的影響程度；孫智勇等[12]在考慮車輛匯入過程中臨界間隙變化情況的基礎(chǔ)上，利用間隙-可接受理論和微分法構(gòu)建上游過渡區(qū)的車輛匯入模型，揭示上游過渡區(qū)長度、主車道交通量和匯入速度對車輛匯入概率的影響規(guī)律；Li等[13]基于模糊logic的車道變換反應(yīng)時間模型和車道變換反應(yīng)距離模型，分析駕駛?cè)诵詣e、年齡、受教育程度和駕駛經(jīng)驗等因素對施工區(qū)強制性車道變換行為的影響；Weng等[14-16]基于施工區(qū)合流交通數(shù)據(jù)，分別利用混合Probit模型、時間依賴logistic模型和時變混合logit模型預測駕駛?cè)嗽谑┕^(qū)合流區(qū)域的合流行為。本文在施工區(qū)合流選擇意愿調(diào)查數(shù)據(jù)統(tǒng)計分析的基礎(chǔ)上，考慮駕駛?cè)嘶咎卣鲗傩院偷缆方煌ōh(huán)境特征屬性，建立基于多屬性的高速公路施工區(qū)合流選擇意愿多項logit(Multinominal Logit，MNL)模型，揭示駕駛?cè)?、車輛、道路及環(huán)境因素對施工區(qū)合流選擇意愿的影響，為施工區(qū)合流控制策略制定、施工區(qū)交通組織和安全管理提供技術(shù)支持，實現(xiàn)提高施工區(qū)交通安全性和通暢性的目標。

1 施工區(qū)合流選擇意愿調(diào)查與分析

1.1 施工區(qū)合流選擇意愿SP調(diào)查

SP調(diào)查(Stated preference survey)是為獲得“人們對假定條件下的多個選擇方案所表現(xiàn)出來的主觀偏好”而進行的意愿性調(diào)查[17]。基于SP調(diào)查法，作者于2015 年5月采用線上線下2種方式對施工區(qū)合流選擇意愿進行問卷調(diào)查。設(shè)計的問卷涉及3部分內(nèi)容：駕駛?cè)嘶拘畔?、施工區(qū)合流選擇意愿性信息和施工區(qū)合流選擇意愿情景。駕駛?cè)嘶拘畔⒅饕{駛?cè)诵詣e、年齡、駕齡、學歷、平均月收入等；施工區(qū)合流選擇意愿分為上游過渡區(qū)、警告區(qū)Ⅰ和警告區(qū)Ⅱ 3種情況(如圖1所示)，其中警告區(qū)Ⅰ和警告區(qū)Ⅱ以合流誘導標志為界；施工區(qū)合流選擇意愿情景主要考慮施工區(qū)類型、道路條件、道路線形、交通環(huán)境、交通標志設(shè)置、速度條件、作業(yè)時間和限速策略等道路交通環(huán)境特征屬性因素。其中，施工類型包括超車道封閉、行車道封閉、半幅封閉和路肩封閉；施工區(qū)道路條件主要考慮了道路線形、封閉車道數(shù)和封閉長度因素；道路線形條件包含直線路段、平曲線路段、縱坡路段及彎坡組合路段等；交通環(huán)境條件包括交通量及其組成、施工區(qū)位置、施工區(qū)布局以及交通組織與控制措施等；交通控制標志主要考慮施工、限速與合流誘導等交通控制標志；速度條件主要考慮與前車車速差、與側(cè)前方車車速差、與后車車速差以及與側(cè)后方車車速差等；施工區(qū)作業(yè)時間可以分為長期養(yǎng)護作業(yè)、短期養(yǎng)護作業(yè)、臨時養(yǎng)護作業(yè)和移動養(yǎng)護作業(yè)；施工區(qū)限速策略主要有單一限速、重復限速和多級限速策略。選擇意愿情景除了用文字說明表達外，配有相關(guān)示意圖，以圖輔文形式展示給被調(diào)查對象。

圖1 高速公路施工區(qū)合流選擇意愿

1.2 描述性統(tǒng)計分析

首先對樣本數(shù)據(jù)進行預處理，將存在大量缺失數(shù)據(jù)或相似答案過多的樣本視為無效樣本。本次調(diào)查共收回問卷350份，其中有效問卷328份，有效率為93.7%。有效樣本量一般建議在自變量數(shù)10倍以上[18]，擬建模型潛在的自變量包括駕駛?cè)撕偷缆方煌ōh(huán)境2方面13個因素，因此328份有效問卷滿足建模要求。在328名被調(diào)查對象中，男性駕駛?cè)苏急葹?7.38%、31～40歲的駕駛?cè)苏急葹?7.26%、5 a及以上駕齡的駕駛?cè)苏急?5.79%、具有大學學歷的駕駛?cè)苏急葹?3.29%、月平均收入2 000元及以上的駕駛?cè)苏急葹?4.21%。具體統(tǒng)計結(jié)果，如圖2所示。

圖2 駕駛?cè)酥黧w特性與合流選擇意愿關(guān)系

道路交通環(huán)境特性與合流選擇意愿關(guān)系，如圖3所示。

由圖3可知：在不同類型施工區(qū)、道路條件、道路線形條件、交通環(huán)境條件、交通控制標志、速度條件、作業(yè)時間、限速策略等因素影響下，有79.27%的駕駛?cè)诉x擇在警告區(qū)Ⅱ選擇合流，表明駕駛?cè)藢鎱^(qū)Ⅱ具有更強的偏好，在施工區(qū)復雜行車環(huán)境下，駕駛?cè)诉x擇警告區(qū)Ⅱ早期合流的數(shù)量增加。

圖3 道路交通環(huán)境特性與合流選擇意愿關(guān)系

1.3 相關(guān)性分析

1.3.1 施工區(qū)合流選擇意愿與駕駛?cè)艘蛩氐南嚓P(guān)性分析

在施工區(qū)合流區(qū)域，駕駛?cè)撕狭鬟x擇意愿受到許多因素的影響，現(xiàn)對駕駛?cè)酥黧w特征與施工區(qū)合流選擇意愿進行Pearson相關(guān)性分析，分析結(jié)果見表1所示。

由表1可知，在置信水平α=0.01時，施工區(qū)合流選擇意愿與駕駛?cè)笋{齡顯著正相關(guān)，相關(guān)系數(shù)為0.240。由于Pearson值為正，表明施工區(qū)合流選擇意愿會隨著駕駛?cè)笋{齡的增加而增強。

表1 合流選擇意愿與駕駛?cè)嘶拘畔⒌腜earson相關(guān)性

1.3.2 施工區(qū)合流選擇意愿與道路交通環(huán)境因素的相關(guān)性分析

施工區(qū)合流選擇意愿與道路交通環(huán)境因素的Pearson相關(guān)性檢驗結(jié)果，見表2所示。

由表2可以看出，在置信水平α=0.01時，施工區(qū)合流選擇意愿與施工區(qū)類型、限速策略呈顯著正相關(guān)，相關(guān)系數(shù)分別為0.147、0.222；與交通控制標志呈顯著負相關(guān)，相關(guān)系數(shù)為-0.152。在置信水平α=0.05時，施工區(qū)合流選擇意愿與道路條件呈顯著正相關(guān)，與速度條件呈顯著負相關(guān)，相關(guān)系數(shù)分別為0.114、-0.134。綜合以上分析可知，駕駛?cè)撕狭鬟x擇意愿會隨著施工區(qū)道路交通環(huán)境的復雜性提高而增強，施工、限速、合流誘導等交通控制標志的設(shè)置對施工區(qū)合流選擇意愿的影響亦十分顯著，駕駛?cè)诉x擇上游過渡區(qū)晚期合流的數(shù)量會增加。

表2 合流選擇意愿與道路交通環(huán)境因素的相關(guān)性

2 施工區(qū)合流選擇意愿模型構(gòu)建

引入駕駛?cè)嘶咎卣鲗傩院偷缆方煌ōh(huán)境特征屬性等多種影響變量，從概率角度分析駕駛?cè)耸┕^(qū)合流選擇意愿，定量分析駕駛?cè)?、車輛、道路和環(huán)境等因素對不同合流區(qū)域選擇概率的影響程度，是MNL模型在駕駛?cè)耸┕^(qū)合流選擇意愿研究中的具體應(yīng)用。

2.1 施工區(qū)合流選擇意愿的效用分析

完全理性的駕駛?cè)嗽谶x擇施工區(qū)合流意愿時，通常面對多個備選區(qū)域，駕駛?cè)艘罁?jù)效用最大原則選擇某1個區(qū)域作為最終方案。

假設(shè)每位駕駛?cè)硕加邪琷個方案的合流區(qū)域選擇集合，其中j=1,2,…,J。影響駕駛?cè)诉x擇的屬性因素為xk，其中k=1,2,…,K，駕駛?cè)诉x擇某1合流區(qū)域的效用Uj如式(1)所示：

(1)

式中：Vj為可觀測部分效用，包括駕駛?cè)嘶拘畔⒑偷缆方煌ōh(huán)境2方面特征屬性，駕駛?cè)丝梢跃_測量和描述，將其看作確定項；αj為常量；βjk為選擇第j個方案時，影響選擇的第k個因素對應(yīng)的參數(shù)；εj為不可觀測部分效用，包括難以觀測部分效用和觀測誤差影響，駕駛?cè)藷o法預知，將其視為隨機項。

2.2 施工區(qū)合流選擇意愿的MNL模型

完全理性的駕駛?cè)诉x擇第j個方案時，其概率如式(2)所示：

(2)

假設(shè)εi和εj服從獨立同極值分布，則εij=εi-εj服從Logistic分布，其密度函數(shù)如式(3)所示：

(3)

(4)

構(gòu)建的MNL模型中，若因變量有J個合流區(qū)域，則有J-1個logit，如式(5)～(7)所示：

(5)

(6)

?

(7)

采用極大似然函數(shù)估計αj和βj(j=1,2,…,J-1)值。

由于P(y=1)+P(y=2)+…+P(y=J)=1

則對于J個合流區(qū)域，可利用式(8)對選擇第j個合流區(qū)域的概率進行預測。

(8)

3 模型標定與分析

3.1 變量設(shè)置

基于Pearson相關(guān)性檢驗結(jié)果，對施工區(qū)合流選擇意愿變量進行篩選。經(jīng)過變量篩選后，本文所建立的施工區(qū)合流選擇意愿MNL預測模型中因變量及自變量表示符號及賦值，如表3所示。

表3中6個影響因素賦值后均為分類變量，但具體賦值并非代表實際數(shù)值，需按照啞變量進行設(shè)置。在實際模型計算過程中會對啞變量進行變換賦值，若啞變量有k個分類，則將該啞變量轉(zhuǎn)換為k-1個變量。如駕齡轉(zhuǎn)換賦值如表4所示。

表3 施工區(qū)合流選擇意愿變量設(shè)置

表4 啞變量駕齡轉(zhuǎn)換賦值

駕齡、施工區(qū)類型、道路條件、交通控制標志、速度條件和限速策略，由于屬于多分類變量，需要進行啞變量轉(zhuǎn)換，處理方法與駕齡相同。

3.2 模型參數(shù)標定

施工區(qū)合流選擇意愿調(diào)查統(tǒng)計結(jié)果表明：駕駛?cè)藢鎱^(qū)Ⅱ具有更強的偏好。因此，運用SPSS19.0統(tǒng)計分析軟件僅對警告區(qū)Ⅱ建立施工區(qū)合流選擇意愿MNL模型，并進行參數(shù)標定，見表5所示。

表5 模型標定結(jié)果

表5中，系數(shù)值β反映其對應(yīng)的影響變量對施工區(qū)合流選擇意愿的影響程度，Sig為統(tǒng)計量的顯著性水平。若Sig<0.05，表明其對應(yīng)的系數(shù)值β對施工區(qū)合流選擇意愿有顯著影響，應(yīng)納入施工區(qū)合流選擇意愿模型；反之，可以忽略系數(shù)值β對施工區(qū)合流選擇意愿的影響。因此，駕齡、施工區(qū)類型、道路條件、交通控制標志、速度條件和限速策略等變量對施工區(qū)合流選擇意愿都有顯著影響，進而由式(4)得到警告區(qū)Ⅱ合流選擇意愿模型，如式(9)所示：

logit(yi=3)=418.117+0.240x1+0.147x2+

0.114x3-0.152x4-0.134x5+0.222x6

(9)

式中：x1為駕駛?cè)笋{齡；x2為施工區(qū)類型；x3為道路條件；x4為交通控制標志；x5為速度條件；x6為限速策略。

3.3 模型檢驗

根據(jù)非集計模型理論[19]，利用似然比、優(yōu)度比和命中率3個指標對模型的有效性進行檢驗[20-21]。模型似然比檢驗假設(shè)H0:β1=β2=…=βk=0的統(tǒng)計量為-2ln(L(0)-L(β))，似然比檢驗結(jié)果，見表6。

表6 模型似然比檢驗

命中率反映了模型預測與實際選擇的吻合程度。若命中率能達到80%以上，則認為模型具備較高的可靠性[22]。命中率檢驗結(jié)果，見表7所示。

表7 模型命中率檢驗

由表7可以看出，施工區(qū)合流區(qū)域各自的預測命中率分別為71.4%、54.1%、95.4%，模型的平均命中率為87.2%?？傮w看來，模型的命中率相對較高，特別是警告區(qū)Ⅱ選擇的命中率，已達到90%以上?？梢娝⒌腗NL模型適合施工區(qū)合流選擇意愿研究，在MNL模型中駕駛?cè)笋{齡、施工區(qū)類型、道路條件、交通控制標志、速度條件和限速策略對施工區(qū)合流選擇意愿的影響顯著。

4 結(jié)論

1)考慮駕駛?cè)嘶咎卣鲗傩院偷缆方煌ōh(huán)境特征屬性因素影響，自主設(shè)計施工區(qū)合流選擇意愿SP調(diào)查方案，統(tǒng)計分析表明：駕駛?cè)藢κ┕^(qū)警告區(qū)Ⅱ區(qū)域具有更強的偏好，在施工區(qū)復雜道路交通環(huán)境下，駕駛?cè)诉x擇警告區(qū)Ⅱ區(qū)域早期合流的數(shù)量會增加。

2)施工區(qū)合流選擇意愿與駕駛?cè)嘶咎卣鲗傩院偷缆方煌ōh(huán)境特征屬性因素的相關(guān)性分析表明，施工區(qū)合流選擇意愿會隨著駕駛?cè)笋{齡的增加而增強，隨著施工區(qū)道路交通環(huán)境的復雜性提高而增強。

3)基于非集計理論建立多屬性施工區(qū)合流選擇意愿MNL模型，模型參數(shù)標定和檢驗結(jié)果表明，駕駛?cè)笋{齡、施工區(qū)類型、道路條件、交通控制標志、速度條件和限速策略等變量對施工區(qū)合流選擇意愿影響顯著，為施工區(qū)合流行為的定量分析提供了科學判據(jù)。