王玉婷， 張夢(mèng)歌， 彭博*， 蔡曉禹， 榮曉楠

(1.山地城市交通系統(tǒng)與安全重慶市重點(diǎn)實(shí)驗(yàn)室， 重慶400074； 2. 重慶交通大學(xué)交通運(yùn)輸學(xué)院， 重慶 400074)

異常駕駛行為會(huì)導(dǎo)致車(chē)輛沖突加劇，現(xiàn)有交通安全風(fēng)險(xiǎn)研究大多是事故后的數(shù)理統(tǒng)計(jì)分析，難以準(zhǔn)確刻畫(huà)事故發(fā)生前的交通運(yùn)行狀態(tài)；并且目前大量的異常駕駛行為數(shù)據(jù)并未得到充分挖掘。目前國(guó)內(nèi)外對(duì)駕駛行為的研究主要分為駕駛行為的影響因素、駕駛行為與道路交通安全關(guān)系等方面。

在駕駛行為影響因素方面，Shinar[1]以駕駛員特性(包括性別、年齡等)，以及車(chē)上有無(wú)乘客、車(chē)輛類型、時(shí)間等作為影響因素，研究發(fā)現(xiàn)男性和年輕駕駛員比女性和年老駕駛員更易產(chǎn)生激進(jìn)駕駛行為；高峰時(shí)間段駕駛?cè)藛T產(chǎn)生激進(jìn)駕駛行為的可能性更大。Lee等[2]利用車(chē)載傳感器研究識(shí)別潛在的激進(jìn)駕駛行為。莊明科等[3]通過(guò)問(wèn)卷調(diào)查方式采集數(shù)據(jù)分析產(chǎn)生攻擊性駕駛的駕駛員相關(guān)因素，發(fā)現(xiàn)A型人格的駕駛員更容易產(chǎn)生攻擊性駕駛，在駕駛過(guò)程中，駕駛員的態(tài)度、技術(shù)對(duì)車(chē)輛的熟悉程度會(huì)不同程度地影響風(fēng)險(xiǎn)駕駛行為，駕駛技術(shù)越好、對(duì)車(chē)輛越熟悉的駕駛員可能出現(xiàn)風(fēng)險(xiǎn)駕駛行為的頻數(shù)會(huì)更高；Satoshi等[4]分析駕駛時(shí)間與駕駛行為之間的關(guān)系，認(rèn)為連續(xù)駕駛導(dǎo)致的疲勞駕駛將影響車(chē)輛制動(dòng)時(shí)速度下降量和減速距離。國(guó)內(nèi)外學(xué)者利用模擬駕駛實(shí)驗(yàn)方法獲得駕駛員不同狀態(tài)下的異常駕駛行為數(shù)據(jù)，研究了疲勞駕駛[5-6]、負(fù)面情緒駕駛[7-9]等。

在駕駛行為與道路安全關(guān)系方面，蔡曉禹等[10]基于車(chē)輛車(chē)載診斷(on-board diagnostics，OBD)駕駛行為數(shù)據(jù)及信息熵理論，提出了城市道路交通安全風(fēng)險(xiǎn)預(yù)估方法，并建立了風(fēng)險(xiǎn)等級(jí)閾值計(jì)算方法。徐進(jìn)等[11]根據(jù)駕駛員制動(dòng)行為與車(chē)輛表現(xiàn)出的航向角和車(chē)速等信息之間的關(guān)系，分析駕駛員制動(dòng)行為對(duì)安全性影響，研究表明，車(chē)輛行駛方向的穩(wěn)定性與制動(dòng)力度具有顯著影響，而與駕駛員動(dòng)作時(shí)間影響很小。李英帥等[12]、周穎等[13]通過(guò)分析信號(hào)交叉口車(chē)輛換道過(guò)程行為指標(biāo)與道路安全風(fēng)險(xiǎn)性之間的關(guān)系，認(rèn)為縱向速度、車(chē)輛間距、駕駛傾向3個(gè)因素與車(chē)輛發(fā)生沖突風(fēng)險(xiǎn)之間具有顯著影響性。關(guān)于異常駕駛行為與交通安全事故的關(guān)聯(lián)性相關(guān)研究表明：同一條道路上不同路段的異常駕駛行為率隨交通事故數(shù)的增加而增加，其變化趨勢(shì)基本一致[14-15]。因此，異常駕駛行為率可以表征道路交通安全狀態(tài)。

國(guó)內(nèi)外對(duì)于駕駛行為的研究較多，分析現(xiàn)狀駕駛行為數(shù)據(jù)研究成果，主要有以下特點(diǎn)：一是研究成果主要以駕駛員心理、生理等角度分析駕駛行為，建立模型分析多個(gè)道路條件與異常駕駛行為的關(guān)系相關(guān)研究成果較少；二是大多數(shù)駕駛行為數(shù)據(jù)通過(guò)模擬實(shí)驗(yàn)或?qū)嶋H操作實(shí)驗(yàn)獲取，數(shù)據(jù)量有限。

2014年以來(lái)，基于車(chē)輛的車(chē)載診斷(OBD)的數(shù)據(jù)采集技術(shù)和設(shè)備得到了發(fā)展[16-17]，目前在研究小汽車(chē)出行行為特征[17]、駕駛行為[18-20]、車(chē)輛道路排放[21]、事故率預(yù)測(cè)[22]等方面得到了廣泛的應(yīng)用。現(xiàn)以車(chē)聯(lián)網(wǎng)OBD異常駕駛行為數(shù)據(jù)為基礎(chǔ)，選取道路坡度、彎度、公交站和開(kāi)口為影響因素，以重慶市主城區(qū)6條主干路為研究對(duì)象，建立急加速、急減速、急轉(zhuǎn)彎和超速行為空間分布規(guī)律模型。

1 數(shù)據(jù)準(zhǔn)備

1.1 OBD數(shù)據(jù)提取與處理

車(chē)輛OBD原始數(shù)據(jù)包含11種類型數(shù)據(jù)，在數(shù)據(jù)使用之前需根據(jù)研究?jī)?nèi)容在原始數(shù)據(jù)中提取可用數(shù)據(jù)。主要基于車(chē)輛全球定位系統(tǒng)(global positioning system，GPS)數(shù)據(jù)和駕駛行為數(shù)據(jù)兩種類型數(shù)據(jù)進(jìn)行研究，因此，主要選取了重慶市6條主干道2018年5月16—21日的異常駕駛行為數(shù)據(jù)。

1.2 路段選取及類型劃分

為分析城市主干路道路的坡度、彎度、公交站和開(kāi)口與異常駕駛行為之間的關(guān)聯(lián)性，依據(jù)車(chē)道數(shù)、中央分隔帶類型等道路條件不變?cè)瓌t，選取重慶市6條主干道，并劃分成不同類型的路段，如表1所示。

2 基于道路條件的異常駕駛行為影響因素分析

2.1 坡度的影響

根據(jù)相關(guān)研究成果，坡度與道路交通安全、車(chē)輛異常駕駛行為關(guān)系密切[23-24]，主要分析坡度與異常駕駛行為率的聯(lián)系。

由圖1可得，異常駕駛行為中急減速占比最高，平坦路段發(fā)生頻率高于陡坡路段。相對(duì)于陡坡路段，駕駛員更容易在平坦路段處放松警惕，因此更容易產(chǎn)生緊急剎車(chē)、急減速行為。

2.2 彎度的影響

山地城市道路中通常會(huì)有轉(zhuǎn)彎半徑較小的路段，急轉(zhuǎn)彎等異常駕駛行為常有發(fā)生，但急加速、急減速以及超速等異常駕駛行為在彎道處的發(fā)生頻率低于直線路段，直線路段、彎道路段內(nèi)異常駕駛行為率如圖2所示。

表1 城市道路路段分類Table 1 Classification of urban road sections

圖1 坡度與異常駕駛行為的關(guān)系Fig.1 Relationship between gradient and abnormal driving behavior

圖2 彎度與異常駕駛行為率的關(guān)系Fig.2 Relationship between curve and abnormal driving behavior rate

2.3 開(kāi)口的影響

由圖3可知，有信控開(kāi)口路段的急加速和急減速頻率最高，信控開(kāi)口對(duì)急加速、急減速行為的影響較大；此外，開(kāi)口對(duì)急轉(zhuǎn)彎頻率影響較小；對(duì)超速行為的發(fā)生無(wú)顯著影響。

圖3 開(kāi)口對(duì)異常駕駛行為頻率的關(guān)系Fig.3 The relationship between opening and frequency of abnormal driving behavior

2.4 公交站的影響

駕駛員在通過(guò)公交站路段時(shí)，對(duì)道路安全風(fēng)險(xiǎn)感知的程度不同，采取的駕駛行為措施也不同，公交站的布設(shè)對(duì)駕駛行為有一定影響。

由圖4可知，公交站的布設(shè)對(duì)急加速、急減速、急轉(zhuǎn)彎行為的影響較為明顯，對(duì)超速行為影響不大。

圖4 公交站對(duì)異常駕駛行為率的影響Fig.4 Effect of bus station on abnormal driving behavior rate

3 異常駕駛行為空間分析模型

異常駕駛行為的空間分布特征需利用合適的數(shù)學(xué)模型進(jìn)行描述，經(jīng)擬合檢驗(yàn)，泊松回歸模型可用于描述單位容積內(nèi)某事件發(fā)生的頻數(shù)分布，零膨脹回歸模型可刻畫(huà)樣本數(shù)據(jù)具有“零值過(guò)多”，且服從某種離散分布的計(jì)數(shù)因變量隨自變量變化而變化的關(guān)系模型。因此，擬基于這兩類模型展開(kāi)研究。

3.1 泊松回歸模型

Possion回歸模型常常用于分析服從Possion分布的某事件發(fā)生次數(shù)(頻率)與其解釋變量之間的關(guān)系。

回歸系數(shù)β的估計(jì)值通常用牛頓-拉夫森(Newton-Raphson)迭代法進(jìn)行估計(jì)，實(shí)際應(yīng)用中，通常使用統(tǒng)計(jì)軟件編程實(shí)現(xiàn)。

3.2 零膨脹回歸模型

在實(shí)際的數(shù)據(jù)統(tǒng)計(jì)計(jì)數(shù)過(guò)程中，基本上都是非負(fù)整數(shù)，頻率分布范圍為0～1，但不可否認(rèn)的是，很多現(xiàn)象存在計(jì)數(shù)為0的情況，即該事件在統(tǒng)計(jì)時(shí)間段內(nèi)沒(méi)有發(fā)生，如事故發(fā)生次數(shù)、火災(zāi)發(fā)生次數(shù)等。

零膨脹回歸模型的基本思想為：將事件計(jì)數(shù)(頻率)分為兩部分，一部分對(duì)應(yīng)事件發(fā)生次數(shù)為0，該部分隨機(jī)變量取值為0，認(rèn)為研究對(duì)象處于非風(fēng)險(xiǎn)狀態(tài)或低風(fēng)險(xiǎn)狀態(tài)；第二部分為事件發(fā)生次數(shù)不為0，該部分隨機(jī)變量取值為事件發(fā)生次數(shù)(頻率)，在某種解釋變量影響下，事件發(fā)生次數(shù)服從泊松分布或負(fù)二項(xiàng)分布等。零膨脹回歸可認(rèn)為是零值及一個(gè)服從泊松分布或負(fù)二項(xiàng)分布等某個(gè)離散分布的數(shù)據(jù)集的混合分布。

3.3 變量說(shuō)明及駕駛行為頻率統(tǒng)計(jì)

3.3.1 變量說(shuō)明

定量變量直接通過(guò)數(shù)據(jù)表示，定性變量需量化表示，如表2所示。

3.3.2 駕駛行為頻率描述統(tǒng)計(jì)

根據(jù)所選路段急加速、急減速、急轉(zhuǎn)彎和超速行為的連續(xù)6 d數(shù)據(jù)，利用SPSS對(duì)異常駕駛行為發(fā)生次數(shù)描述統(tǒng)計(jì)，如表3所示。

由表3可知，急加速發(fā)生次數(shù)平均值為1.07次，標(biāo)準(zhǔn)差為1.21，方差為1.47，方差約等于均值；急減速發(fā)生次數(shù)平均值為2.81次，標(biāo)準(zhǔn)差為2.24，方差為5.03，方差同樣約等于均值，因此急加速、急減速行為發(fā)生次數(shù)沒(méi)有離散現(xiàn)象，均適宜采用Possion回歸模型。

急轉(zhuǎn)彎平均每天發(fā)生0次的路段占研究路段的71.65%，超速行為平均每天發(fā)生0次的路段占研究路段的62.99%，二者零出現(xiàn)的次數(shù)較多，因此認(rèn)為急轉(zhuǎn)彎、超速頻率數(shù)據(jù)出現(xiàn)零膨脹現(xiàn)象，方差與均值相差不大，適宜采用零膨脹Possion回歸模型。

表2 變量說(shuō)明Table 2 Variable declaration

表3 異常駕駛行為描述統(tǒng)計(jì)Table 3 Abnormal driving behavior description statistics

3.4 模型分析結(jié)果

3.4.1 模型擬合優(yōu)度

利用SAS9.2軟件中的genmod過(guò)程對(duì)樣本路段建立Possion回歸模型、負(fù)二項(xiàng)回歸模型和零膨脹模型，模型擬合優(yōu)度結(jié)果如表4所示。

由表4可以看出，急加速率、急減速率中Possion回歸模型的AIC、BIC指標(biāo)均小于負(fù)二項(xiàng)回歸模型，認(rèn)為采用Possion回歸模型較好；急加速率、急減速率偏差統(tǒng)計(jì)量的值與自由度的比值約等于1，且根據(jù)Pearsonχ2值與χ2臨界分布表可知，急加速率、急減速率觀測(cè)數(shù)據(jù)與泊松預(yù)測(cè)分布之間無(wú)顯著性差異，泊松回歸擬合度良好。

對(duì)于急轉(zhuǎn)彎頻率和超速率來(lái)說(shuō)，零膨脹回歸模型的檢驗(yàn)指標(biāo)值SBC收斂于自由度為6的χ2分布，這兩類頻率分析的ZIP模型和ZINB模型的統(tǒng)計(jì)指標(biāo)值對(duì)應(yīng)χ2分布表中P<0.01，應(yīng)拒絕原假設(shè)，認(rèn)為樣本超速數(shù)據(jù)存在明顯的零膨脹現(xiàn)象，因此選擇零膨脹模型是合理的。

從急轉(zhuǎn)彎率的AIC指標(biāo)來(lái)看，AICZIP>AICZINB，且急轉(zhuǎn)彎發(fā)生次數(shù)的方差值是均值的21倍，這兩種情況均表明ZINB回歸模型擬合程度優(yōu)于ZIP回歸模型。

從超速率的AIC指標(biāo)來(lái)看，AICZIP

3.4.2 模型參數(shù)估計(jì)分析

1)急加速、急減速率

利用Possion回歸模型參數(shù)估計(jì)迭代法，急加速率、急減速率回歸模型各解釋變量系數(shù)估計(jì)值如表5所示。

表4 模型擬合優(yōu)度指標(biāo)Table 4 Model goodness of fit index

表5 急加速率、急減速率模型參數(shù)估計(jì)Table 5 Parameter estimation of rapid acceleration rate and rapid deceleration rate model

(1)開(kāi)口類型(x42)中，急加速率、急減速率相應(yīng)的P<0.000 1，說(shuō)明開(kāi)口類型(x42)與急加速頻率和急減速率影響均具有顯著性。開(kāi)口類型參數(shù)估計(jì)為正值，說(shuō)明開(kāi)口類型與急加速頻率呈正相關(guān)性，信控開(kāi)口路段發(fā)生急加速頻率或急減速率可能大于無(wú)開(kāi)口或右進(jìn)右出開(kāi)口路段。

(2)坡度、偏角的統(tǒng)計(jì)量在95%檢驗(yàn)下，坡度和偏角對(duì)急加速率、急減速率的影響具有顯著性。急加速率回歸模型坡度的參數(shù)值為正值，急減速率相應(yīng)的參數(shù)值為負(fù)值，說(shuō)明坡度與急加速率呈正相關(guān)性，與急減速率呈負(fù)相關(guān)性。偏角與急加速率、急減速率均為負(fù)相關(guān)性。

(3)公交站相關(guān)統(tǒng)計(jì)量在95%檢驗(yàn)下的P>0.05，因此，公交站類型對(duì)急減速頻率的影響顯著性不強(qiáng)。

(4)急加速率(y1)、急減速率(y2)與道路條件因素的關(guān)系可通過(guò)Possion回歸模型描述，表達(dá)式為

y1=exp(-4.324 7+0.091 1x1-0.012x2+

0.010 9x31+0.153 1x32+0.25x41+

0.975 7x42)

(1)

y2=exp(-3.263 4-0.091 7x1-0.005 5x2-

0.141 8x31-0.003 8x32+0.118 3x41+

0.591 9x42)

(2)

2)急轉(zhuǎn)彎率、超速率

由于急轉(zhuǎn)彎率和超速率的統(tǒng)計(jì)結(jié)果中，超過(guò)60%以上的路段發(fā)生“0事件”，因此利用零膨脹回歸模型擬合急轉(zhuǎn)彎頻率和超速頻率，如表6所示。

零膨脹回歸模型的參數(shù)估計(jì)分為兩部分：非零值部分和零膨脹部分。非零值部分可以體現(xiàn)出哪些解釋變量與不發(fā)生急轉(zhuǎn)彎或超速行為有關(guān)，若P值小于或等于顯著性，說(shuō)明該解釋變量對(duì)不發(fā)生異常駕駛行為有顯著影響。

(1)急轉(zhuǎn)彎頻率回歸模型中，散度系數(shù)α=0.102，聚集指數(shù)K=1/α=9.804>1，說(shuō)明急轉(zhuǎn)彎發(fā)生頻率具有離散性。

(2)零膨脹部分。是否有公交站(x31)、公交站類型(x32)、是否有開(kāi)口(x41)、開(kāi)口類型(x42)這4個(gè)解釋變量對(duì)不發(fā)生急轉(zhuǎn)彎有顯著影響；同樣，公交站和開(kāi)口相關(guān)解釋變量對(duì)不發(fā)生超速行為有顯著影響。

(3)非零值部分。坡度與急轉(zhuǎn)彎頻率呈負(fù)相關(guān)；偏角與急轉(zhuǎn)彎頻率呈正相關(guān)，偏角越大，急轉(zhuǎn)彎頻率越大；公交站、開(kāi)口與急轉(zhuǎn)彎頻率呈正相關(guān)。同樣，坡度、公交站與超速頻率呈正相關(guān)；偏角、開(kāi)口與超速頻率呈負(fù)相關(guān)性。

表6 急轉(zhuǎn)彎率、超速率模型參數(shù)估計(jì)Table 6 Parameter estimation of sharp turn rate and supervelocity model

(4)急轉(zhuǎn)彎率(y3)與多個(gè)道路條件之間的關(guān)系的零膨脹部分和非零值部分的回歸模型表達(dá)式為

=-168.176-138.348x1-

4.635 48x2-222.438x31-192.807x32+

89.743 44x41+3.594 857x42

(3)

y3=exp(-5.999-0.132 45x1+0.015 237x2+

0.282 754x31+0.188 049x32+

0.525 225x41+0.165 674x42)

(4)

(5)超速率(y4)與多個(gè)道路條件的關(guān)系表達(dá)式為

=590.08+123.26x1-

9.18x2+705.99x31+567.37x32+

341.9441-320.58x42

(5)

y4=exp(-5.47+0.05x1+0.000 679x2+

0.72x31+0.61x32-0.14x41-0.05x42)

(6)

4 實(shí)例驗(yàn)證

4.1 實(shí)例路段選取

為驗(yàn)證回歸模型擬合急加速頻率、急減速頻率、急轉(zhuǎn)彎頻率、超速頻率的準(zhǔn)確程度，隨機(jī)選取與樣本道路車(chē)道數(shù)、道路等級(jí)等其他條件相同的3條城市主干路，共52個(gè)路段。每天分段提取共連續(xù)6 d的過(guò)車(chē)數(shù)、急加速、急減速、急轉(zhuǎn)彎、超速行為車(chē)輛數(shù)等數(shù)據(jù)，計(jì)算其異常駕駛行為率。

4.2 空間分析模型可行性驗(yàn)證

4.2.1 急加速率

利用急加速頻率回歸模型計(jì)算52個(gè)路段急加速行為頻率，計(jì)算結(jié)果與實(shí)際發(fā)生急加速頻率進(jìn)行對(duì)比分析，急加速頻率理論值與實(shí)際值對(duì)比如圖5所示，急加速誤差率分布如圖6所示。

Possion回歸模型計(jì)算的理論急加速頻率與實(shí)際路段發(fā)生的急加速頻率趨勢(shì)大致相同。個(gè)別路段絕對(duì)誤差較大，主要分布在急加速頻率為0的路段，根據(jù)上述分析，急加速頻率為0的路段極少，因此，對(duì)模型整體擬合程度沒(méi)有影響。

根據(jù)誤差率分布圖，急加速頻率回歸模型誤差率基本分布在±20%附近，所有驗(yàn)證路段急加速頻率誤差率分布在(-40%，40%)區(qū)間，且誤差率大于30%或小于-30%的路段較少。

綜上所述，急加速頻率回歸模型擬合程度較好，在一定誤差范圍內(nèi)，能夠識(shí)別路段急加速頻率。

圖5 急加速頻率理論值與實(shí)際值對(duì)比示意圖Fig.5 Comparison diagram of theoretical value and actual value of rapid acceleration frequency

圖6 急加速誤差率分布圖Fig.6 Rapid acceleration error rate distribution

4.2.2 急減速率

利用急減速率回歸模型計(jì)算的理論急減速頻率與路段實(shí)際發(fā)生的急減速頻率對(duì)比，急減速頻率理論值與實(shí)際值對(duì)比如圖7所示，急減速誤差率分布如圖8所示。

Possion回歸模型計(jì)算的理論急減速頻率與實(shí)際路段發(fā)生的急減速頻率趨勢(shì)大致相同(圖8)。誤差率分布在±20%附近的頻數(shù)最大，誤差率在±20%之外頻數(shù)迅速下降，最大誤差率在-48%左右，且誤差率大于30%或小于-30%的路段極少。

急減速頻率Possion回歸模型擬合程度較好，在一定誤差范圍內(nèi)，能夠識(shí)別路段急加速頻率。

圖7 急減速頻率理論值與實(shí)際值對(duì)比示意圖Fig.7 Comparison diagram of theoretical value and actual value of sharp deceleration frequency

圖8 急減速誤差率分布圖Fig.8 Rapid deceleration error rate distribution

4.2.3 急轉(zhuǎn)彎率

根據(jù)擬合的急轉(zhuǎn)彎頻率零膨脹負(fù)二項(xiàng)回歸模型計(jì)算驗(yàn)證路段急轉(zhuǎn)彎頻率。首先，需利用模型零膨脹部分，結(jié)合道路條件判斷各分段不發(fā)生急轉(zhuǎn)彎行為的概率值。若不發(fā)生急轉(zhuǎn)彎行為的概率值接近1時(shí)，該分段不發(fā)生急轉(zhuǎn)彎行為的概率很大，可認(rèn)為該分段急轉(zhuǎn)彎頻率等于0。最后，根據(jù)非零值部分公式計(jì)算各分段理論急轉(zhuǎn)彎頻率，并將本次模型計(jì)算的理論急轉(zhuǎn)彎頻率與實(shí)際平均每天發(fā)生急轉(zhuǎn)彎頻率對(duì)比分析，急轉(zhuǎn)彎頻率理論值與實(shí)際值對(duì)比如圖9所示，急轉(zhuǎn)彎誤差率分布如圖10所示。

由圖10可知，急轉(zhuǎn)彎頻率零膨脹負(fù)二項(xiàng)回歸模型的絕對(duì)誤差分布在(-0.005～0.005)的路段約占驗(yàn)證路段數(shù)的80.77%，且絕對(duì)誤差分布在(-0.001～0)范圍內(nèi)的頻率最大，絕對(duì)誤差最大為0.01但頻率較小?？傮w來(lái)看，急轉(zhuǎn)彎絕對(duì)誤差分布較好。

圖9 急轉(zhuǎn)彎頻率理論值與實(shí)際值對(duì)比示意圖Fig.9 Comparison diagram of theoretical value and actual value of sharp turn frequency

圖10 急轉(zhuǎn)彎頻率絕對(duì)誤差分布圖Fig.10 Absolute error distribution of sharp turn frequency

4.2.4 超速率

同急轉(zhuǎn)彎頻率回歸模型類似，超速頻率回歸模型也分為兩部分：零膨脹回歸模型部分、Possion回歸模型部分。超速頻率理論值與實(shí)際值對(duì)比如圖11所示，超速誤差率分布如圖12所示。

由圖12可知，超速頻率絕對(duì)誤差基本分布在(-0.002～0.002)區(qū)間，在此區(qū)間的路段數(shù)約占驗(yàn)證路段總數(shù)的71.15%，其中，絕對(duì)誤差分布在(-0.001～0.001)區(qū)間的頻數(shù)最大。總體來(lái)看，超速頻率回歸模型較好。

5 結(jié)論

主要研究多個(gè)道路條件因素對(duì)異常駕駛行為的影響，探究山地城市道路異常駕駛行為的空間分布特征，基于Possion回歸模型和零膨脹回歸模型理論，建立以道路坡度、彎度、公交站和開(kāi)口為因變量的異常駕駛行為率回歸模型。主要結(jié)論如下。

圖11 超速頻率理論值與實(shí)際值對(duì)比示意圖Fig.11 Comparison diagram of theoretical value and actual value of overspeed frequency

圖12 超速頻率絕對(duì)誤差分布圖Fig.12 Absolute error distribution of overspeed frequency

(1)急減速行為率在不同環(huán)境下均明顯大于急加速率、急轉(zhuǎn)彎率和超速率，超速率均最??；在平坦、直線和信控開(kāi)口路段急加速率和急減速率大于其他類型路段；急轉(zhuǎn)彎行為一般發(fā)生在轉(zhuǎn)彎半徑較小的路段，與轉(zhuǎn)彎半徑關(guān)系緊密。

(2)根據(jù)模型擬合優(yōu)度分析結(jié)果，急加速率、急減速率Possion回歸模型擬合度較好。

(3)急轉(zhuǎn)彎率、超速頻率適宜用零膨脹模型。急轉(zhuǎn)彎行為發(fā)生的頻率具有離散性，采用ZINB形式回歸模型最優(yōu)；超速頻率計(jì)算采用ZIP模型效果最優(yōu)。