王延鵬， 劉小明， 彭金栓， 張河山， 徐進(jìn)，3*

(1. 重慶交通大學(xué)交通運(yùn)輸學(xué)院， 重慶 400074； 2. 廈門(mén)市市政工程設(shè)計(jì)院有限公司設(shè)計(jì)二院， 廈門(mén) 361015; 3. 重慶交通大學(xué)山區(qū)復(fù)雜道路環(huán)境“人-車(chē)-路”協(xié)同與安全重慶市重點(diǎn)實(shí)驗(yàn)室， 重慶 400074)

城市道路交叉口是城市路網(wǎng)的關(guān)鍵節(jié)點(diǎn)[1]，然而，部分山地城市的道路交叉口因其特殊的地形構(gòu)造，如坡度大、彎道和陡坡組合多等特點(diǎn)，更易造成交通擁堵或交通事故。因此，探究山地城市交叉口的車(chē)輛運(yùn)行特征，厘清車(chē)-路與車(chē)-車(chē)之間的相互影響因素，將對(duì)緩解山地城市交通問(wèn)題產(chǎn)生積極的作用。

現(xiàn)階段，有關(guān)城市道路交叉口運(yùn)行特性的研究已經(jīng)取得了一定的成果。龍巖松等[2]通過(guò)實(shí)車(chē)駕駛試驗(yàn)采集信號(hào)交叉口車(chē)輛運(yùn)行數(shù)據(jù)，明確了單車(chē)在交叉口的運(yùn)行特性與模式。魏福祿等[3]通過(guò)采集左轉(zhuǎn)車(chē)輛運(yùn)行數(shù)據(jù)，對(duì)全速度差跟馳模型進(jìn)行改進(jìn)，取得了較好的效果。馮仁科等[4]和Zhang等[5]通過(guò)實(shí)車(chē)試驗(yàn)，利用GPS、眼動(dòng)儀、心率檢測(cè)等設(shè)備，解釋了交叉口處車(chē)輛的運(yùn)行特性。Montella等[6]通過(guò)聚類(lèi)分析等方法分析了幾種交通設(shè)施對(duì)交叉口車(chē)輛速度、減速度和橫向位置的影響。Da等[7]基于最優(yōu)控制理論，充分考慮時(shí)間、速度、加速度和距離等參數(shù)對(duì)車(chē)輛的影響，建立了各類(lèi)交叉口的減速模型。上述研究的場(chǎng)景大部分為地勢(shì)平坦的常規(guī)交叉口，且存在數(shù)據(jù)采集方法樣本量較少的缺陷，研究結(jié)論的可移植性有待于進(jìn)一步驗(yàn)證。

目前，利用視頻圖像處理技術(shù)已成為獲得交通數(shù)據(jù)的重要手段之一。Ke[8]、彭博等[9]和巨志勇等[10]分別基于卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)、深度學(xué)習(xí)與三維模型圖像形變方法提出了視頻中車(chē)輛自動(dòng)識(shí)別及軌跡構(gòu)建框架。Barmpounakis等[11]和Chen等[12]使用無(wú)人機(jī)記錄路口交通流數(shù)據(jù)，并分別提出了提取車(chē)輛軌跡數(shù)據(jù)的低成本半自動(dòng)方法；Grents等[13]和Fedorov等[14]通過(guò)設(shè)置兩級(jí)檢測(cè)器以及實(shí)時(shí)跟蹤器(simple online and realtime tracking，SORT)，提取視頻數(shù)據(jù)中的交通量、車(chē)型和速度等數(shù)據(jù)。此類(lèi)研究主要基于視頻數(shù)據(jù)獲取交通實(shí)體的運(yùn)行數(shù)據(jù)，但是存在操作繁瑣、數(shù)據(jù)精度不高等問(wèn)題。

此外，受實(shí)際情況的限制，部分關(guān)于交叉口的車(chē)輛運(yùn)行研究采用仿真手段進(jìn)行。文獻(xiàn)[15-18]基于VISSIM仿真軟件，結(jié)合交叉口實(shí)際交通狀況，對(duì)仿真參數(shù)進(jìn)行標(biāo)定，分析改造前后交叉口的通行能力和運(yùn)行狀態(tài)，評(píng)價(jià)改善后的平面交叉口運(yùn)行狀況。Ma等[19]和Shao等[20]利用VISSIM軟件進(jìn)行仿真和分析，評(píng)價(jià)左轉(zhuǎn)彎待行區(qū)設(shè)計(jì)形式以及新型U型轉(zhuǎn)彎車(chē)道的運(yùn)行效率。該類(lèi)研究主要基于仿真軟件，通過(guò)調(diào)整仿真模型的參數(shù)，開(kāi)展運(yùn)行特性的研究，美中不足之處在于仿真軟件源于國(guó)外，道路條件與駕駛員行為特征與國(guó)內(nèi)存在差異，仿真結(jié)果的可靠性需要提升。

為此，現(xiàn)基于視頻分析云平臺(tái)DataFromSky AI，構(gòu)建性能良好的光流算法(Lucas-Kanade，LK)，結(jié)合擴(kuò)展卡爾曼濾波，提取無(wú)人機(jī)拍攝的交叉口視頻信息(速度、加速度和軌跡數(shù)據(jù)等)，按不同坡度類(lèi)型，對(duì)山地城市十字形交叉口車(chē)輛減速階段的運(yùn)行特性展開(kāi)研究。通過(guò)厘清車(chē)輛在交叉口進(jìn)口道的減速變化趨勢(shì)及其影響因素，刻畫(huà)山地城市交叉口車(chē)輛停車(chē)階段的駕駛行為特征，為交通數(shù)據(jù)的深度挖掘和交通仿真模型參數(shù)的修正提供數(shù)據(jù)基礎(chǔ)與分析方法，進(jìn)一步完善山地城市道路交叉口車(chē)輛運(yùn)行特性的相關(guān)研究。

1 交叉口視頻數(shù)據(jù)采集與預(yù)處理

1.1 交叉口選取

選取某山地城市共4個(gè)道路交叉口作為本次研究對(duì)象，其形式為十字形交叉和X形交叉，進(jìn)口道包含緩坡、上坡以及下坡，是山地城市常見(jiàn)的典型交叉口。表1為交叉口相交道路主要技術(shù)參數(shù)，圖1為4個(gè)交叉口高空俯視圖以及進(jìn)口道編號(hào)。

圖1 試驗(yàn)交叉口俯視圖Fig.1 Top view of experimental intersection

表1 交叉口相交道路主要技術(shù)參數(shù)Table 1 Main technical parameters of the test objects

1.2 試驗(yàn)設(shè)備與采集時(shí)間

利用無(wú)人機(jī)進(jìn)行基礎(chǔ)視頻數(shù)據(jù)的采集，其型號(hào)為大疆御Mavic2 pro專(zhuān)業(yè)版，視頻采集的時(shí)間為2020年5—6月，分4次進(jìn)行。為避免不良天氣及早、晚高峰交叉口車(chē)流量增大對(duì)車(chē)輛運(yùn)行的影響，視頻采集均在晴天或多云天氣條件下，從9:00—16:30進(jìn)行。視頻分辨率為3 840×2 160，幀速率為29.97 幀/s。

1.3 視頻數(shù)據(jù)預(yù)處理

到達(dá)試驗(yàn)交叉口后，控制無(wú)人機(jī)上升至指定位置和高度，拍攝3～5 張交叉口照片后開(kāi)始視頻錄制，圖2為操控?zé)o人機(jī)飛行的界面顯示，可實(shí)時(shí)查看拍攝情況。由于無(wú)人機(jī)拍攝時(shí)長(zhǎng)和畫(huà)面比例原因?qū)е聼o(wú)法同時(shí)采集4 個(gè)方向車(chē)流情況，因此一個(gè)交叉口分兩次進(jìn)行采集，即一塊電池對(duì)應(yīng)拍攝一個(gè)方向道路20 min的車(chē)流情況。同時(shí)，飛行高度需兼顧拍攝范圍、車(chē)輛識(shí)別效果和限高區(qū)域要求，設(shè)置飛行高度為150 m。

圖2 手機(jī)操作界面 Fig.2 Mobile phone operation interface

1.4 視頻數(shù)據(jù)預(yù)處理

DataFromSky AI視頻分析云平臺(tái)使用8個(gè)自由度的一般單應(yīng)性模型描述兩個(gè)相鄰幀之間的轉(zhuǎn)換。首先，整個(gè)視頻序列配準(zhǔn)到一個(gè)公共參考空間。然后，視頻被分割成段，以方便進(jìn)行快速配準(zhǔn)，配準(zhǔn)過(guò)程分為局部配準(zhǔn)和全局配準(zhǔn)。其次，使用Lucas-Kanade方法，提取運(yùn)動(dòng)背景并細(xì)化配準(zhǔn)輸出。接著利用擴(kuò)展卡爾曼濾波對(duì)提取的運(yùn)動(dòng)數(shù)據(jù)(包括速度、加速度和軌跡)進(jìn)行濾波，旨在降低數(shù)據(jù)噪聲。最后，使用任意視頻幀對(duì)視頻進(jìn)行地理配準(zhǔn)。

使用DataFromSky AI視頻分析云平臺(tái)，提取無(wú)人機(jī)視頻中的數(shù)據(jù)信息，進(jìn)行深度和全自動(dòng)流量分析并得到一個(gè)跟蹤日志，包含有關(guān)交通分析場(chǎng)景的信息以及帶有注釋的車(chē)輛軌跡參數(shù)等數(shù)據(jù)[21]，可在DataFromSky Viewer軟件中實(shí)時(shí)查看，其界面如圖3所示。完成地理配準(zhǔn)、設(shè)置進(jìn)出閘口、導(dǎo)出數(shù)據(jù)等設(shè)置及數(shù)據(jù)轉(zhuǎn)換、速度數(shù)據(jù)差值和加速度數(shù)據(jù)濾波等步驟后，得到初步分析結(jié)果。

圖3 DataFromSky Viewer軟件Fig.3 DataFromsky Viewer software

1.5 對(duì)比驗(yàn)證試驗(yàn)

以二塘路-匯龍路交叉口為試驗(yàn)交叉口、車(chē)輛速度為評(píng)價(jià)指標(biāo)，在使用無(wú)人機(jī)拍攝交叉口的同時(shí)，利用搭載測(cè)試設(shè)備Speedbox的試驗(yàn)車(chē)輛(小型車(chē))多次行駛經(jīng)過(guò)試驗(yàn)交叉口，圖4為試驗(yàn)交叉口與車(chē)輛行駛路徑圖。將車(chē)載設(shè)備得到的車(chē)輛速度數(shù)據(jù)與分析平臺(tái)得到的數(shù)據(jù)進(jìn)行對(duì)比分析，進(jìn)而判斷其準(zhǔn)確性。經(jīng)過(guò)篩選，共截取3段車(chē)輛行駛有效數(shù)據(jù)進(jìn)行分析。圖5為兩種方式得到的車(chē)輛運(yùn)行速度對(duì)比圖。從圖5可以看出，利用DataFromSky AI所得到的車(chē)輛運(yùn)行速度數(shù)據(jù)變化趨勢(shì)與車(chē)載設(shè)備Speedbox得到的幾乎相同，說(shuō)明了DataFromSky AI平臺(tái)獲取的車(chē)輛運(yùn)行參數(shù)數(shù)據(jù)具有一定的準(zhǔn)確性與可靠性，能為后續(xù)研究提供支持。

圖4 對(duì)比驗(yàn)證試驗(yàn)設(shè)備與路線Fig.4 Compare and verify test equipment and route

圖5 對(duì)比試驗(yàn)車(chē)輛運(yùn)行速度曲線Fig.5 The vehicle speed curve of the comparison test

2 車(chē)輛速度整體變化特征

選取進(jìn)口道路段類(lèi)型為上坡、下坡和緩坡路段進(jìn)口道來(lái)分析車(chē)輛在不同道路類(lèi)型下減速停車(chē)過(guò)程的速度變化特征。為方便分析，將車(chē)輛進(jìn)行編號(hào)，序號(hào)1表示停止線前所停的第一輛車(chē)，依此類(lèi)推，如圖6所示。圖7和圖8分別為不同排隊(duì)序號(hào)下車(chē)輛的速度和速度均值變化曲線圖。

圖6 車(chē)輛編號(hào)Fig.6 The vehicle number

圖7 不同路段不同序號(hào)車(chē)輛速度曲線Fig.7 Speed curves of vehicles with different serial numbers in different sections

圖8 不同路段車(chē)輛速度均值曲線Fig.8 Average speed curve of vehicles in different sections

兩橋連接道13號(hào)進(jìn)口道為上坡路段，車(chē)輛運(yùn)行速度變化曲線圖如圖7(a)～圖7(c)所示。從減速率和速度降幅來(lái)看，序號(hào)1和序號(hào)2的車(chē)輛一開(kāi)始進(jìn)入交叉口時(shí)，其減速率下降趨勢(shì)較為平緩，速度降幅較小，臨近停止線時(shí)速度降幅增大并迅速減速至停止；而序號(hào)3和4的車(chē)輛采取持續(xù)平緩減速的制動(dòng)措施，臨近停止線之前增加制動(dòng)力。從截面初速度分布范圍的角度分析，上坡路段的初速度分布范圍大于下坡路段，圖7(a)～圖7(c)中車(chē)輛截面位置初速度大小差值分別為22.35、25.19、20.90 km/h，均已超過(guò)20 km/h，說(shuō)明駕駛員在上坡路段進(jìn)入交叉的初速度選擇上具有較大的差異性。圖8(a)為上坡路段兩橋連接道13號(hào)進(jìn)口道車(chē)輛平均速度曲線圖。從圖8(a)中可以看出，整體上車(chē)輛在上坡路段進(jìn)入交叉口的平均速度變化趨勢(shì)與下坡路段趨勢(shì)相同，但截面處的車(chē)輛初速度明顯小于下坡路段。其中，下坡路段截面初速度在40 km/h左右，而上坡路段截面初速度在30 km/h左右。

下坡路段以兩橋連接道5號(hào)進(jìn)口道為例，如圖7(e)～圖7(h)所示，該路段車(chē)輛停車(chē)排隊(duì)序號(hào)為1、2、3和4的初速度分布范圍分別為27.30～55.12 km/h、26.40～44.31 km/h、20.71～45.26 km/h和25.44～39.90 km/h。1號(hào)車(chē)輛的截面初速度分布范圍更為分散，而2、3和4號(hào)車(chē)輛的初速度范圍更為集中。其原因是1號(hào)輛車(chē)在進(jìn)入交叉口時(shí)，沒(méi)有前方車(chē)輛的影響，駕駛員對(duì)速度的選擇范圍更大、自由性更高；而2、3和4號(hào)車(chē)輛需要根據(jù)前車(chē)速度變化而進(jìn)行速度調(diào)整，車(chē)速變化幅度較小，截面初速度較為集中。由進(jìn)口道的車(chē)輛平均速度曲線圖[圖8(b)]可以明顯看出，越靠近停止線的車(chē)輛，整體平均速度越大，隨著序號(hào)增加，車(chē)輛平均速度逐漸降低。同時(shí)，距離停止線越遠(yuǎn)，車(chē)輛截面初速度也逐漸降低。從減速率來(lái)看，序號(hào)1到序號(hào)4的車(chē)輛減速率逐漸增大，車(chē)輛在前方無(wú)車(chē)或少車(chē)情況下的減速率較小，駕駛員會(huì)緩慢降低車(chē)速直至停止；而當(dāng)前方車(chē)輛數(shù)較多時(shí)，駕駛員往往采取的制動(dòng)幅度更大，車(chē)速降低更快，制動(dòng)距離更短。觀察減速停車(chē)位置點(diǎn)分布可知，越靠近停止線的車(chē)輛平均速度曲線低點(diǎn)更集中且平滑，減速停車(chē)點(diǎn)區(qū)間越?。欢亢蟮能?chē)輛平均速度曲線低點(diǎn)起伏波動(dòng)較大，減速終點(diǎn)分布區(qū)間較寬。

緩坡路段以蘭花路1號(hào)進(jìn)口道為例，其車(chē)輛運(yùn)行速度變化曲線圖和平均速度曲線圖如圖7(i)～圖7(l)、圖8(c)所示。整體來(lái)看，車(chē)輛在緩坡路段進(jìn)入交叉口的速度變化趨勢(shì)與上坡、下坡路段基本一致，車(chē)輛在緩坡進(jìn)口道路段進(jìn)入交叉口時(shí)，其初速度變化范圍較大，序號(hào)3、4尤其明顯，說(shuō)明車(chē)輛在緩坡路段進(jìn)入交叉口行駛的速度可選擇范圍更大。此外，減速停車(chē)位置點(diǎn)分布顯示，序號(hào)為1、2的車(chē)輛，其位置分布范圍較為集中，區(qū)間大小一般在10 m范圍之內(nèi)，這與下坡、上坡路段基本一致；而序號(hào)為3、4的車(chē)輛，其位置分布區(qū)間較大，部分區(qū)間大小已大于10 m，如圖7(k)和圖7(l)所示，說(shuō)明駕駛員在緩坡進(jìn)口道路段并處于排隊(duì)序號(hào)靠后時(shí)，無(wú)論是速度范圍還是減速停車(chē)位置范圍，駕駛員的速度可選擇性均較大，自由度較高，但截面位置初速度整體上還是小于序號(hào)靠前的車(chē)輛。

綜上，在同一交叉口不同坡度的進(jìn)口道路段，車(chē)輛的速度在變化趨勢(shì)、截面位置初速度大小及分布范圍、速度降幅及減速停車(chē)位置分布區(qū)間上既有相似性，也有差異性。其中，差異性因不同路段類(lèi)型而表現(xiàn)不同，整體上車(chē)輛在上坡路段進(jìn)入交叉口的初速度比下坡路段和緩坡路段小，且越靠近停止線處其速度降幅更大；而相似性則表現(xiàn)為停車(chē)排隊(duì)序號(hào)越小，即越靠近停止線位置的車(chē)輛初速度越大，其分布范圍較大，在靠近停止線時(shí)速度降幅增大，減速停車(chē)位置點(diǎn)分布區(qū)間較??；而序號(hào)越大的車(chē)輛在進(jìn)入交叉口時(shí)就已逐漸采取制動(dòng)措施，其初速度及其分布范圍較小，速度降幅也相對(duì)較小，減速停車(chē)位置點(diǎn)分布區(qū)間較大。

3 車(chē)輛停車(chē)位置點(diǎn)分布規(guī)律

以進(jìn)口道停止線為參考線，計(jì)算不同序號(hào)各車(chē)輛停車(chē)點(diǎn)與其距離，分別得到上坡、下坡和緩坡路段車(chē)輛停車(chē)位置點(diǎn)分布情況，如圖9和圖10所示。

由圖9可知：不同路段類(lèi)型和同一路段類(lèi)型不同進(jìn)口道車(chē)輛停車(chē)距離均有所差異，整體上車(chē)輛在下坡路段的停車(chē)點(diǎn)位置分布更分散，停車(chē)區(qū)間較大，停車(chē)距離最大值出現(xiàn)在緩坡路段。在不同坡度的路段，隨著車(chē)輛排隊(duì)序號(hào)增大，其停車(chē)距離也逐漸增大，基本呈線性上升趨勢(shì)。車(chē)輛停車(chē)位置越靠近停車(chē)線，其停車(chē)位置點(diǎn)分布越集中，而越靠后分布越分散，位置離散度更高，說(shuō)明當(dāng)車(chē)輛在交叉口進(jìn)口道停車(chē)時(shí)，前方車(chē)輛駕駛員傾向緊挨著停車(chē)，其停車(chē)間距較小，而后方車(chē)輛駕駛員對(duì)于停車(chē)位置點(diǎn)的選擇自由度更高，停車(chē)間距較大。

圖9 不同路段車(chē)輛停車(chē)距離Fig.9 Parking distance of vehicles in different sections

以下坡路段為例，對(duì)比車(chē)輛停車(chē)距離峰值可知，丹回路、匯龍路、二塘路和兩橋連接道停車(chē)距離峰值分別為33.4、33.8、37.7、38.5 m，對(duì)應(yīng)進(jìn)口道平均縱坡坡度分別為2.6%、3.0%、5.2%和7.2%，隨著道路縱坡坡度增大，其停車(chē)距離也逐漸增大，一定程度上反映出道路縱坡坡度會(huì)影響車(chē)輛停車(chē)位置點(diǎn)及其分布情況。同時(shí)，結(jié)合圖10可知，序號(hào)1、5對(duì)應(yīng)的停車(chē)距離均值的最大值和最小值分別為4.44 m、32.92 m和2.99 m、29.54 m，差值為1.45 m和3.38 m，側(cè)面說(shuō)明排隊(duì)序號(hào)較小的車(chē)輛停車(chē)位置點(diǎn)分布更集中，較大則分散。

圖10 車(chē)輛停車(chē)距離均值柱狀圖Fig.10 Histogram of mean value of vehicle parking distance

4 車(chē)輛速度與停車(chē)距離相關(guān)性

圖11為上坡、下坡和緩坡路段車(chē)輛在啟動(dòng)后經(jīng)過(guò)停止線位置處的速度V與其停車(chē)距離L的散點(diǎn)圖。從圖11可看出，車(chē)輛經(jīng)過(guò)上坡、下坡和緩坡路段停止線位置處的速度V均隨著停車(chē)距離L增大而增大，基本呈逐漸上升趨勢(shì)。說(shuō)明靠近停止線排隊(duì)停車(chē)的車(chē)輛停車(chē)距離小，其停止線位置通過(guò)速度也較??；而距離停止線較遠(yuǎn)的車(chē)輛停車(chē)距離較大，其通過(guò)速度也較大，即車(chē)輛的速度與其停車(chē)距離具有較強(qiáng)的正相關(guān)性。

比較圖11(a)～圖11(d)可知，進(jìn)口道同為下坡類(lèi)型時(shí)，隨著道路縱坡坡度增加，相同停車(chē)距離下車(chē)輛的通過(guò)速度會(huì)有小幅增加，說(shuō)明路段坡度會(huì)影響車(chē)輛的通過(guò)性特征。同時(shí)，觀察各散點(diǎn)圖趨勢(shì)線可知，停車(chē)距離小的區(qū)域?qū)?yīng)的趨勢(shì)線更彎曲，即靠近停止線位置處車(chē)輛速度增加明顯，說(shuō)明排隊(duì)序號(hào)靠前的車(chē)輛啟動(dòng)后在短距離內(nèi)提速大，與圖7中車(chē)輛速度均值曲線變化相一致。

圖11 下坡、上坡和緩坡V-L散點(diǎn)圖Fig.11 Down slope, up slope and gentle slope V-L scatter plot

利用SPSS(統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案)軟件分別對(duì)上坡、下坡和緩坡路段停止線位置處的車(chē)輛速度V與其停車(chē)距離L進(jìn)行曲線擬合并建立關(guān)系模型。通過(guò)對(duì)比不同形式的函數(shù)擬合情況，選擇擬合度最高的表達(dá)式作為其關(guān)系模型，分別用V1～V8表示。其中，上坡路段調(diào)整后的可決系數(shù)R2分別為0.833 3和0.656 3，下坡路段為0.828 7、0.670 7、0.786 9和0.852 8，緩坡路段為0.701 6和0.705，均大于0.6，具有統(tǒng)計(jì)學(xué)意義。故車(chē)輛在不同路段的停止線位置處的速度V與停車(chē)距離L的關(guān)系模型如表2所示。

表2 速度V與停車(chē)距離L的關(guān)系模型Table 2 The relation model between speed V and stopping distance L

5 結(jié)論

通過(guò)將交叉口高空視頻圖像上傳至云平臺(tái)得到車(chē)輛運(yùn)行數(shù)據(jù)，對(duì)車(chē)輛在停車(chē)減速過(guò)程中的速度變化特征、停車(chē)點(diǎn)位置分布規(guī)律及停止線處速度與停車(chē)距離相關(guān)性進(jìn)行分析，并建立關(guān)系模型，進(jìn)一步明確了車(chē)輛在交叉口停車(chē)減速階段運(yùn)行特性，為山地城市道路交叉口安全設(shè)計(jì)、仿真模型參數(shù)修正和提高仿真精度等方面提供了理論支撐和數(shù)據(jù)支持。

(1)不同坡度的路段，越靠近停止線位置，車(chē)輛的初速度和分布范圍越大，下坡路段截面初速度約為40 km/h，上坡路段截面初速度約為30 km/h，上坡路段車(chē)輛截面位置初速度、減速率和速度降幅均小于下坡路段。

(2)序號(hào)較小的車(chē)輛，車(chē)輛停車(chē)位置點(diǎn)分布較為集中，區(qū)間大小一般在10 m范圍之內(nèi)，基本呈線性上升趨勢(shì)。

(3)下坡路段車(chē)輛停車(chē)點(diǎn)位置分布更分散，停車(chē)區(qū)間較大，排隊(duì)序號(hào)較小的車(chē)輛停車(chē)位置點(diǎn)分布更集中，停車(chē)距離均值的最大值和最小值的差值為1.45 m，序號(hào)較大的車(chē)輛停車(chē)位置點(diǎn)分布較分散，停車(chē)距離均值的最大值和最小值的差值為3.38 m。

(4)車(chē)輛經(jīng)過(guò)上坡、下坡和緩坡路段停止線位置處的速度V均隨著停車(chē)距離L增大而增大，具有較強(qiáng)的正相關(guān)性。