謝濟(jì)銘 錢(qián)正富 夏玉蘭 趙鵬燕 秦雅琴

收稿日期：2022-03-30

網(wǎng)絡(luò)出版日期：2022-11-15

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（71861016）。

作者簡(jiǎn)介：謝濟(jì)銘（1994—），男，博士研究生，主要從事交通狀態(tài)識(shí)別與演變研究，（E-mail） xiejiming@kust.edu.cn。

通信作者：秦雅琴，女，教授，博士生導(dǎo)師，（E-mail） qinyaqin@kust.edu.cn。

摘要：低等級(jí)道路路側(cè)侵?jǐn)_現(xiàn)象頻繁，沖突嚴(yán)重，紊亂無(wú)序。準(zhǔn)確預(yù)測(cè)其復(fù)雜交通行為特性，可揭示路側(cè)侵?jǐn)_影響下的交通事故發(fā)生機(jī)制。為此采集低等級(jí)公路和城市道路5類(lèi)常見(jiàn)的路側(cè)侵?jǐn)_源視頻，提取高分辨率車(chē)輛微觀軌跡，獲取行經(jīng)侵?jǐn)_區(qū)的車(chē)輛速度，劃分侵?jǐn)_區(qū)特征斷面，分析車(chē)速時(shí)空特性演變規(guī)律，采用線(xiàn)性、對(duì)數(shù)以及三次回歸建立車(chē)速預(yù)測(cè)模型。三次回歸模型在侵?jǐn)_區(qū)復(fù)雜場(chǎng)景下表現(xiàn)出更好的車(chē)速預(yù)測(cè)性能。結(jié)果表明：低等級(jí)城市道路侵?jǐn)_區(qū)的車(chē)速降幅普遍高于公路，駕駛?cè)嗽谇謹(jǐn)_源及附近減速效應(yīng)顯著，當(dāng)駕駛?cè)伺c侵?jǐn)_主體的意圖協(xié)調(diào)后，駕駛?cè)藭?huì)加速通過(guò)前方侵?jǐn)_區(qū)，但當(dāng)侵?jǐn)_主體的行為意圖難以預(yù)測(cè)時(shí)，車(chē)速會(huì)出現(xiàn)一定波動(dòng)。

關(guān)鍵詞：交通工程；車(chē)輛速度；交通特性；低等級(jí)道路；路側(cè)侵?jǐn)_

中圖分類(lèi)號(hào)：U495 ?????????文獻(xiàn)標(biāo)志碼：A ??????????文章編號(hào)：1000-582X（2024）03-053-13

低等級(jí)道路是中國(guó)的國(guó)省干線(xiàn)路網(wǎng)的重要組成部分，截至2021年，中國(guó)的三級(jí)、四級(jí)公路仍占公路總里程80%以上^[1]。尤其是偏遠(yuǎn)地區(qū)地形復(fù)雜，道路條件有限，低等級(jí)道路在建設(shè)前期，周邊用地性質(zhì)未深入考慮規(guī)劃。隨著城鎮(zhèn)化進(jìn)程的發(fā)展，一些低等級(jí)道路路側(cè)形成了商業(yè)聚集區(qū)，非機(jī)動(dòng)車(chē)隨意穿行、行人過(guò)街、路側(cè)停車(chē)等侵?jǐn)_現(xiàn)象屢見(jiàn)不鮮^[2]，使路側(cè)侵?jǐn)_逐漸變得復(fù)雜化^[3-4]。路側(cè)侵?jǐn)_的偶發(fā)性、侵入性與隨機(jī)性對(duì)道路系統(tǒng)運(yùn)行造成了嚴(yán)重影響，導(dǎo)致機(jī)非混行、人車(chē)混行的紊亂交通流狀態(tài)。交通安全問(wèn)題日益凸顯，亟待探究路側(cè)侵?jǐn)_影響下的車(chē)輛運(yùn)行速度變化規(guī)律，挖掘侵?jǐn)_影響機(jī)理，掌握路側(cè)侵?jǐn)_區(qū)交通紊亂、事故常發(fā)的交通運(yùn)行規(guī)律。

在不同侵?jǐn)_源對(duì)交通的影響研究方面，學(xué)者們把常見(jiàn)的侵?jǐn)_源進(jìn)行分類(lèi)，分析了常見(jiàn)的侵?jǐn)_源對(duì)正常運(yùn)行的機(jī)動(dòng)車(chē)的侵?jǐn)_程度^[5]。有的研究中依據(jù)運(yùn)動(dòng)狀態(tài)將侵?jǐn)_源劃分為靜態(tài)侵?jǐn)_^[6]與動(dòng)態(tài)侵?jǐn)_^[7]，有的從交通參與者角度出發(fā)，將不同侵?jǐn)_源劃分為路側(cè)停車(chē)^[8-10]、行人^[11]、非機(jī)動(dòng)車(chē)^[12-13]和支路出車(chē)^[14]侵?jǐn)_。不同侵?jǐn)_源對(duì)車(chē)輛運(yùn)行速度、道路通行能力、交通事故率等方面的影響程度不一。其中，車(chē)輛運(yùn)行速度因其具有描述車(chē)輛運(yùn)行的動(dòng)態(tài)變化規(guī)律、反映駕駛?cè)说男袨槟Ｊ降忍匦?，成為研究的重點(diǎn)。例如，徐進(jìn)等^[15]將車(chē)輛運(yùn)行速度細(xì)化為特征百分位速度進(jìn)行研究，更好地體現(xiàn)了車(chē)輛在不同位置的運(yùn)行規(guī)律。秦麗輝等^[16]分析了路側(cè)自行車(chē)侵?jǐn)_下的侵?jǐn)_數(shù)量對(duì)鄰近機(jī)動(dòng)車(chē)道平均行程車(chē)速的影響，采用回歸分析方法構(gòu)建了速度預(yù)測(cè)模型。

總體而言，國(guó)內(nèi)外學(xué)者從多角度多層次進(jìn)行了分析，不僅有關(guān)注路側(cè)侵?jǐn)_源對(duì)機(jī)動(dòng)車(chē)運(yùn)行速度^[17-19]的影響，還有研究關(guān)注對(duì)道路通行能力^[20]、交通安全^[21]、跟馳行為^[22]的影響，為中國(guó)的低等級(jí)道路交通安全問(wèn)題的深入研究作出了重要的貢獻(xiàn)。以往研究受限于數(shù)據(jù)采集方式，存在侵?jǐn)_樣本量小、采集頻率低、時(shí)變特征不明晰等特點(diǎn)；研究多聚焦于村鎮(zhèn)公路、農(nóng)村道路等侵?jǐn)_場(chǎng)景，較少涉及低等級(jí)道路交通構(gòu)成、交通量、駕駛行為的顯著區(qū)別。

為此，筆者考慮低等級(jí)道路路側(cè)侵?jǐn)_源復(fù)雜、交通行為紊亂的交通特性，選取典型低等級(jí)公路與低等級(jí)城市道路，采用無(wú)人機(jī)高空視頻車(chē)輛軌跡高分辨率信息提取技術(shù)，采集了常見(jiàn)的5類(lèi)侵?jǐn)_場(chǎng)景（非機(jī)動(dòng)車(chē)、路側(cè)行人、路側(cè)停車(chē)、行人過(guò)街和支路出車(chē)）的全樣本數(shù)據(jù)，精細(xì)地捕捉和再現(xiàn)了侵?jǐn)_區(qū)車(chē)速分布規(guī)律，明確了5類(lèi)侵?jǐn)_場(chǎng)景區(qū)段的運(yùn)行特性和駕駛行為特征，為揭示低等級(jí)道路路側(cè)侵?jǐn)_區(qū)的事故發(fā)生機(jī)制提供了理論依據(jù)?；谌珮颖咀匀获{駛實(shí)驗(yàn)數(shù)據(jù)，建立低等級(jí)道路路側(cè)侵?jǐn)_區(qū)的運(yùn)行特性預(yù)測(cè)模型，優(yōu)化和完善了低等級(jí)道路運(yùn)行車(chē)速預(yù)測(cè)模型體系，能為低等級(jí)道路安全評(píng)價(jià)及路側(cè)侵?jǐn)_區(qū)交通組織管理提供參考。

1數(shù)據(jù)采集與處理

1.1實(shí)驗(yàn)路段

研究場(chǎng)景為低等級(jí)道路，旨在探索路側(cè)侵?jǐn)_影響下，行經(jīng)侵?jǐn)_區(qū)車(chē)輛的車(chē)速變化規(guī)律^[23]。具體實(shí)驗(yàn)流程如下：

1）選取道路斷面形式為一塊板的低等級(jí)道路，對(duì)選定的路段進(jìn)行實(shí)地考察，實(shí)驗(yàn)人員在周邊高地瞭望觀測(cè)，確保存在侵入、占用機(jī)動(dòng)車(chē)路權(quán)的現(xiàn)象^[24]。

2）遴選路側(cè)侵?jǐn)_較多的路段，同時(shí)為避免數(shù)據(jù)采集影響交通運(yùn)行，實(shí)驗(yàn)人員在周邊高地，使用無(wú)人機(jī)等裝置獲取路側(cè)侵?jǐn)_段及其上下游的高空視頻數(shù)據(jù)^[24]。

為了更好地研究路側(cè)侵?jǐn)_段的車(chē)輛運(yùn)行特性，掌握路側(cè)不同侵?jǐn)_源的侵?jǐn)_強(qiáng)度，實(shí)驗(yàn)人員在低等級(jí)公路和低等級(jí)城市道路上進(jìn)行了2類(lèi)場(chǎng)景觀測(cè)實(shí)驗(yàn)。其中，低等級(jí)公路選取昆明市呈貢區(qū)七甸鄉(xiāng)附近的G324段，道路設(shè)計(jì)車(chē)速為40 km/h；低等級(jí)城市道路選取昆明市呈貢區(qū)致遠(yuǎn)路第七街區(qū)附近的路段，道路設(shè)計(jì)車(chē)速為60 km/h。數(shù)據(jù)采集路段的主要信息如表1和圖1所示，文中數(shù)據(jù)來(lái)源于G324七甸、致遠(yuǎn)路第七街區(qū)^[23]。

1.2數(shù)據(jù)采集

本研究的目的是探究行經(jīng)低等級(jí)道路的機(jī)動(dòng)車(chē)在各侵?jǐn)_源影響下的速度變化規(guī)律。為保證道路上的車(chē)輛處于自由流狀態(tài)，排除道路擁堵對(duì)試驗(yàn)結(jié)果的影響，在天氣晴朗、亮度和光強(qiáng)較為合適的低峰時(shí)間段內(nèi)進(jìn)行實(shí)驗(yàn)。

數(shù)據(jù)采集主要設(shè)備為大疆御MAVIC AIR2專(zhuān)業(yè)航拍無(wú)人機(jī)。為了更好地分析路側(cè)侵?jǐn)_源影響區(qū)段內(nèi)交通參與者的行為，在無(wú)人機(jī)的限飛高度內(nèi)，盡可能地采集足夠長(zhǎng)的觀測(cè)區(qū)間段的交通運(yùn)行狀況，選取侵?jǐn)_源及鄰近200 m范圍作為本研究的觀測(cè)區(qū)。拍攝完成后使用多尺度KCF（Kernel correlation filter）優(yōu)化算法提取獲得本研究所需數(shù)據(jù)^[25]。

1.3樣本量與算法精度

為真實(shí)反映路側(cè)侵?jǐn)_情況下車(chē)輛實(shí)際運(yùn)行狀況，需保證實(shí)測(cè)數(shù)據(jù)的樣本量。根據(jù)統(tǒng)計(jì)學(xué)原理可知，最小樣本量應(yīng)滿(mǎn)足式（1）的要求^[15]：

式中：n為最小樣本量；δ為估計(jì)樣本車(chē)速標(biāo)準(zhǔn)差，一般取8 km/h；K為置信度水平系數(shù)，置信水平系數(shù)為95%時(shí)，K=1.96；E為車(chē)速觀測(cè)允許誤差，一般取E=2 km/h。

經(jīng)測(cè)算，實(shí)例研究最小樣本量應(yīng)為61輛。在高空視頻數(shù)據(jù)中，以5 min為統(tǒng)計(jì)時(shí)間間隔，低等級(jí)公路每斷面平均觀測(cè)樣本量為325輛；低等級(jí)城市道路每斷面平均觀測(cè)樣本量為564輛，采集數(shù)據(jù)符合最小樣本量標(biāo)準(zhǔn)。

2路側(cè)侵?jǐn)_區(qū)車(chē)輛行為特性

2.1車(chē)速描述統(tǒng)計(jì)

駕駛?cè)嗽趯?shí)際車(chē)輛駕駛過(guò)程中，車(chē)速可能隨交通環(huán)境輕微波動(dòng)。在侵?jǐn)_源運(yùn)動(dòng)傾向不確定的復(fù)雜道路環(huán)境中，駕駛?cè)穗y以預(yù)判侵?jǐn)_源的運(yùn)動(dòng)軌跡，會(huì)產(chǎn)生頻繁加、減速行為。如表2所示，為研究不同侵?jǐn)_源對(duì)車(chē)輛運(yùn)行速度的影響，對(duì)各侵?jǐn)_源影響下的車(chē)速進(jìn)行統(tǒng)計(jì)，結(jié)果表明：

1）車(chē)輛行經(jīng)侵?jǐn)_區(qū)的平均車(chē)速遠(yuǎn)小于限速值，其中，路側(cè)行人侵?jǐn)_下的公路車(chē)速平均值最小，僅為11.30?km/h；支路出車(chē)侵?jǐn)_下的城市道路車(chē)速平均值最大，為24.14 km/h；

2）對(duì)比各侵?jǐn)_源下的最大、最小速度差，最大差值出現(xiàn)在為非機(jī)動(dòng)車(chē)侵?jǐn)_下的城市低等級(jí)路段，差值為52.74 km/h，最小差值出現(xiàn)在路側(cè)行人侵?jǐn)_下的低等級(jí)公路上，差值為27.81 km/h；

3）各侵?jǐn)_源影響下的車(chē)速偏度都大于0，說(shuō)明車(chē)速左端存在較多極值，數(shù)據(jù)均值左側(cè)離散程度較高，車(chē)速峰度大于0，呈低峰態(tài)分布。

整體而言，5種侵?jǐn)_源類(lèi)別均會(huì)迫使機(jī)動(dòng)車(chē)停車(chē)讓行，非機(jī)動(dòng)車(chē)、行人過(guò)街最小速度均為0，侵?jǐn)_影響尤為顯著，說(shuō)明路側(cè)侵?jǐn)_極大地影響了道路交通流的正常運(yùn)行。

為了更直觀地分析各侵?jǐn)_影響下的車(chē)速分布，繪制路側(cè)侵?jǐn)_影響路段上的機(jī)動(dòng)車(chē)速度頻率分布曲線(xiàn)如圖2所示?？梢钥闯觯?/p>

1）對(duì)比2類(lèi)路段上的侵?jǐn)_源影響程度發(fā)現(xiàn)，路側(cè)行人在公路上造成的影響明顯大于城市道路，反映出駕駛?cè)嗽诔鞘械缆返钠谕俣雀哂诠罚腥诉^(guò)街侵?jǐn)_在2類(lèi)研究路段車(chē)速分布較為一致，說(shuō)明駕駛?cè)藷o(wú)論是在何種路段行駛，均會(huì)優(yōu)先考慮減速避讓過(guò)街行人，側(cè)面反映了中國(guó)“禮讓行人”的政策法規(guī)已初見(jiàn)成效。

2）支路出車(chē)侵?jǐn)_車(chē)速眾數(shù)較高，支路出車(chē)影響下的低等級(jí)公路車(chē)速分布區(qū)間為[20，25] km/h、城市道路車(chē)速分布區(qū)間為[20，35] km/h，說(shuō)明支路出車(chē)使得2類(lèi)路段下的駕駛?cè)烁呶C(jī)感，為保證駕駛安全，減速避讓幅度均較大，體現(xiàn)出一定的趨同性。

3）存在路側(cè)侵?jǐn)_時(shí)，低等級(jí)公路車(chē)速分布更為集中，而低等級(jí)城市道路車(chē)速分布較為離散，說(shuō)明低等級(jí)公路交通流運(yùn)行更穩(wěn)定，受到路側(cè)侵?jǐn)_后可較快恢復(fù)正常行駛狀態(tài)，道路安全韌性更強(qiáng)。

2.2車(chē)速時(shí)空演變

根據(jù)各侵?jǐn)_源影響下車(chē)輛行駛時(shí)間、距離及速度，紋理映射刻畫(huà)瞬時(shí)車(chē)速的時(shí)空分布，重建上述5類(lèi)侵?jǐn)_源在城市道路和公路低等級(jí)路段的車(chē)速時(shí)空演變規(guī)律，如圖3所示。為便于描述車(chē)輛行經(jīng)侵?jǐn)_源的動(dòng)態(tài)連續(xù)過(guò)程，設(shè)駛?cè)肭謹(jǐn)_源的距離為負(fù)值、駛離距離為正值。

1）整體而言，在緊鄰侵?jǐn)_源[-20，50] m的距離范圍內(nèi)，車(chē)速呈現(xiàn)先減后加的變化趨勢(shì)。

2）對(duì)比5類(lèi)侵?jǐn)_源車(chē)速時(shí)空分布圖發(fā)現(xiàn)，低等級(jí)公路主要侵?jǐn)_源為非機(jī)動(dòng)車(chē)及路側(cè)停車(chē)，而城市道路主要侵?jǐn)_源為路側(cè)行人及行人過(guò)街，有時(shí)迫使車(chē)輛停車(chē)讓行，致使車(chē)速降幅達(dá)30 km/h。

3）對(duì)比2類(lèi)研究路段車(chē)速時(shí)空分布圖發(fā)現(xiàn)，低等級(jí)公路車(chē)速波動(dòng)更劇烈，體現(xiàn)為時(shí)空分布圖曲面波動(dòng)更大，而低等級(jí)城市道路車(chē)速分布更平穩(wěn)。

2.3侵?jǐn)_單元車(chē)速空間分布

為了更加細(xì)致地描述車(chē)輛“駛?cè)搿薪?jīng)→駛離”侵?jǐn)_源的車(chē)速空間分布特征，以10 m為單元將侵?jǐn)_源前后50 m空間距離進(jìn)行細(xì)分。提取每個(gè)觀測(cè)單元5分位、10分位、15分位、25分位、50分位、75分位、85分位和95分位特征速度值（V₅、V₁₀、V₁₅、V₂₅、V₅₀、V₇₅、V₈₅和V₉₅），連接相鄰觀測(cè)單位同一百分位速度，得到5類(lèi)侵?jǐn)_源在2類(lèi)低等級(jí)路段的車(chē)速空間分布如圖4～8所示。

非機(jī)動(dòng)車(chē)侵?jǐn)_影響如圖4所示。受到交通量等影響，城市道路上的車(chē)輛行為可能被緊鄰車(chē)輛制約，速度變化相對(duì)較大。

路側(cè)行人侵?jǐn)_影響如圖5所示，呈現(xiàn)出減速區(qū)間更長(zhǎng)且車(chē)速變化幅度更大的特征，說(shuō)明行人雖為弱勢(shì)交通參與者，但其行為更靈活，時(shí)常出現(xiàn)橫穿道路或往復(fù)折返等行為，駕駛?cè)藘A向于以更加謹(jǐn)慎的行為方式通過(guò)侵?jǐn)_源，即使駛離侵?jǐn)_源，依舊保持低速平穩(wěn)行駛。

路側(cè)停車(chē)侵?jǐn)_影響如圖6所示，車(chē)速在低等級(jí)公路上較為平穩(wěn)，而在低等級(jí)城市道路上波動(dòng)較大，與圖4非機(jī)動(dòng)車(chē)侵?jǐn)_影響總體趨勢(shì)一致。說(shuō)明路側(cè)停車(chē)侵?jǐn)_更多受到交通量、跟車(chē)間距等影響，導(dǎo)致車(chē)速趨勢(shì)存在局部性波動(dòng)，加之路側(cè)停車(chē)現(xiàn)象在低等級(jí)公路上較為普遍，因此對(duì)車(chē)速干擾較小。

行人過(guò)街侵?jǐn)_影響如圖7所示，車(chē)速變化趨勢(shì)在2類(lèi)路段上較為一致，總體變化趨勢(shì)為先下降后上升，這一規(guī)律在城市道路中更明顯，說(shuō)明車(chē)輛未觀測(cè)到侵?jǐn)_源前傾向于平穩(wěn)通過(guò)，遇到侵?jǐn)_源后減速慢行通過(guò)，駛離侵?jǐn)_源10 m后逐漸加速，直至提速至正常車(chē)速。

支路出車(chē)侵?jǐn)_源影響如圖8所示，與低等級(jí)公路相比，城市道路車(chē)速幅值變化更顯著。這是由于城市商業(yè)區(qū)支路出車(chē)位置比較固定，停車(chē)場(chǎng)警示標(biāo)志設(shè)置更規(guī)范，駕駛?cè)丝奢^好地預(yù)判支路車(chē)輛運(yùn)動(dòng)傾向，有效減速后通過(guò)干擾源。受視距視野、路面摩擦系數(shù)、交通流量、警示標(biāo)牌等影響，低等級(jí)公路車(chē)輛行經(jīng)全程更謹(jǐn)慎平穩(wěn)，車(chē)速僅發(fā)生局部性波動(dòng)。

2.4侵?jǐn)_區(qū)車(chē)速分布特性分析

考慮到本研究中實(shí)例場(chǎng)景復(fù)雜、特征差異大、樣本不均衡、駕駛風(fēng)格不一等因素可能導(dǎo)致部分車(chē)速值異常，采用特征百分位速度分析關(guān)鍵參數(shù)V₈₅和V₁₅，反映道路服務(wù)水平，廣泛運(yùn)用于公路設(shè)計(jì)與評(píng)價(jià)領(lǐng)域。從圖9可以看出：

1）低等級(jí)城市道路（限速60 km/h）的V₈₅和V₁₅略大于低等級(jí)公路（限速40 km/h），即便考慮2類(lèi)研究對(duì)象間的限速值差異，歸一化處理后此結(jié)論依然成立，說(shuō)明駕駛?cè)嗽诔鞘旭{駛環(huán)境中安全意識(shí)更高，受到侵?jǐn)_影響后反應(yīng)更劇烈，速度離散較高。

2）低等級(jí)公路與城市道路的V₈₅、V₁₅分別集中分布于[5，30] km/h、[25，80] km/h，說(shuō)明部分車(chē)輛存在超速行為，這是由于車(chē)輛行經(jīng)干擾源前超速行駛，駛近干擾源過(guò)程中速度降低，由于車(chē)速抓拍等手段不完善，部分駕駛員限速遵從度低，側(cè)面說(shuō)明了路側(cè)侵?jǐn)_影響下安全保障的另一重要措施是加強(qiáng)執(zhí)法強(qiáng)度。

3）支路出車(chē)為車(chē)速降幅最大侵?jǐn)_源，車(chē)輛通過(guò)支路出車(chē)侵?jǐn)_源后均有明顯的加速行為，其中，城市道路加速行為更突出，表現(xiàn)為加速行為更早、幅值更高、車(chē)速離散度更大的特性。

總體而言，低等級(jí)城市道路車(chē)速離散性大于公路，受到侵?jǐn)_源影響后，產(chǎn)生更劇烈的縱向干涉作用，更易發(fā)生追尾事故。可考慮將車(chē)速協(xié)調(diào)性納入路側(cè)侵?jǐn)_影響下的道路運(yùn)行評(píng)價(jià)體系中，對(duì)建成運(yùn)營(yíng)后存在侵?jǐn)_源的道路加大執(zhí)法力度，保障交通參與者的生命財(cái)產(chǎn)安全。

3侵?jǐn)_區(qū)車(chē)速預(yù)測(cè)模型

如前述，為保證安全行駛，車(chē)輛在駛近侵?jǐn)_源的過(guò)程中通常會(huì)減速避讓?zhuān)自斐山煌ㄎ蓙y并引發(fā)事故。通過(guò)深入挖掘侵?jǐn)_區(qū)車(chē)速運(yùn)行規(guī)律，構(gòu)建更精準(zhǔn)的車(chē)速預(yù)測(cè)模型，進(jìn)而正確合理地推斷未來(lái)的交通狀況，對(duì)減緩交通擁堵、降低交通事故率有重要的現(xiàn)實(shí)意義和應(yīng)用前景?；诖耍紤]了車(chē)速隨車(chē)輛與侵?jǐn)_源的距離以及車(chē)速的離散性，對(duì)傳統(tǒng)的速度預(yù)測(cè)模型進(jìn)行改進(jìn)，參考線(xiàn)性^[25]、對(duì)數(shù)^[26]、三次回歸^[27]經(jīng)典車(chē)速預(yù)測(cè)模型，構(gòu)建各侵?jǐn)_源影響下車(chē)速與距侵?jǐn)_源距離的車(chē)速預(yù)測(cè)模型。

3.1線(xiàn)性回歸

由侵?jǐn)_區(qū)車(chē)速特性分析得知車(chē)速在駛近駛離侵?jǐn)_源過(guò)程中呈先下降后上升的一致趨勢(shì)，符合已報(bào)道的研究結(jié)論^[23]。因此，車(chē)輛駛近侵?jǐn)_源過(guò)程應(yīng)優(yōu)先考慮車(chē)速折減與速差的離散性，建立基于速差離散值的回歸模型，即距侵?jǐn)_源的“空間距離x”與“速差離散值V_diff”的線(xiàn)性關(guān)系模型：

線(xiàn)性回歸模型（置信水平均小于0.1，置信度95%）參數(shù)結(jié)果如表3所示。表中R²為相關(guān)系數(shù)，表征模型的擬合優(yōu)度；P為顯著性值，表示極端結(jié)果出現(xiàn)的概率；黑體表示的數(shù)值為擬合度較優(yōu)的數(shù)據(jù)。低等級(jí)公路上的路側(cè)行人、行人過(guò)街、支路出車(chē)侵?jǐn)_的模型擬合優(yōu)度R²均大于0.9；低等級(jí)城市道路上的行人過(guò)街侵?jǐn)_影響下的速度擬合優(yōu)度為0.749，其余均低于0.5，說(shuō)明經(jīng)典多元線(xiàn)性回歸預(yù)測(cè)模型在車(chē)速預(yù)測(cè)方面不具有明顯優(yōu)勢(shì)，難以達(dá)到理想預(yù)測(cè)精度。

3.2對(duì)數(shù)回歸

為提高車(chē)速預(yù)測(cè)模型預(yù)測(cè)精度，考慮侵?jǐn)_源與車(chē)速變化趨勢(shì)，選用對(duì)數(shù)回歸方法，擬合距侵?jǐn)_源的“空間距離x”與“速差離散值V_diff”關(guān)系，模型表達(dá)式如下。

對(duì)數(shù)回歸分析（置信水平均小于0.1，置信度95%）結(jié)果如表4。低等級(jí)公路的路側(cè)行人、行人過(guò)街、支路出車(chē)侵?jǐn)_擬合優(yōu)度達(dá)0.9以上，城市道路行人過(guò)街侵?jǐn)_擬合優(yōu)度為0.730，與表3結(jié)果基本一致，說(shuō)明對(duì)數(shù)回歸模型同樣無(wú)法預(yù)測(cè)復(fù)雜場(chǎng)景下車(chē)速運(yùn)行特征。

3.3三次回歸

為了更好地預(yù)測(cè)路側(cè)侵?jǐn)_特殊路段車(chē)速運(yùn)行規(guī)律，針對(duì)上述模型存在的擬合優(yōu)度較低、顯著性不高的問(wèn)題，遴選可反映復(fù)雜非線(xiàn)性的三次回歸模型如下：

三次回歸分析（置信水平均小于0.1，置信度95%）結(jié)果如表5所示。可以看出擬合優(yōu)度R²顯著提高，僅低等級(jí)公路非機(jī)動(dòng)車(chē)、城市道路路側(cè)停車(chē)侵?jǐn)_影響R²小于0.6，其他侵?jǐn)_源影響擬合優(yōu)度R²、顯著性P值均較優(yōu)，說(shuō)明三次回歸模型結(jié)構(gòu)在車(chē)速預(yù)測(cè)方面具有明顯優(yōu)勢(shì)，表現(xiàn)出更好的預(yù)測(cè)精度，可以較好地預(yù)測(cè)路側(cè)侵?jǐn)_源距離對(duì)車(chē)速的影響。

3.4模型驗(yàn)證

采用統(tǒng)計(jì)學(xué)中常用的3項(xiàng)評(píng)價(jià)指標(biāo)，即平均相對(duì)誤差平均絕對(duì)誤差均方根誤差來(lái)驗(yàn)證三次回歸模型的精度^[26]。公式如下：

模型驗(yàn)證結(jié)果如表6所示?？梢钥闯?類(lèi)研究路段車(chē)速預(yù)測(cè)結(jié)果均較好，說(shuō)明模型性能較為穩(wěn)定，魯棒性好。其中，低等級(jí)公路比城市道路速度預(yù)測(cè)結(jié)果更好，與前述車(chē)速行為特征一致。

4結(jié)束語(yǔ)

1）車(chē)輛臨近侵?jǐn)_源過(guò)程中車(chē)速均存在一定浮動(dòng)，非機(jī)動(dòng)車(chē)、路側(cè)行人、路側(cè)停車(chē)、行人過(guò)街、支路出車(chē)侵?jǐn)_下車(chē)速分布分別為7～15 km/h、5～10 km/h、10～20 km/h、10～30 km/h、15～30 km/h，支路出車(chē)對(duì)于車(chē)輛運(yùn)行影響最大。

2）相同侵?jǐn)_源影響下，低等級(jí)城市道路車(chē)速較離散，車(chē)輛間速差較大，縱向干涉程度較高，更易發(fā)生追尾事故，相關(guān)部門(mén)應(yīng)制定交通管制措施，以降低潛在風(fēng)險(xiǎn)和化解交通沖突。

3）基于自然駕駛實(shí)驗(yàn)數(shù)據(jù)，結(jié)合低等級(jí)道路交通運(yùn)行特性，針對(duì)不同類(lèi)別侵?jǐn)_源影響下的車(chē)輛行為特性進(jìn)行量化分析，并對(duì)路側(cè)干擾影響下的道路交通運(yùn)行演化過(guò)程進(jìn)行探索，建立了低等級(jí)路段的路側(cè)侵?jǐn)_影響區(qū)車(chē)速預(yù)測(cè)模型，引入非線(xiàn)性三次回歸模型，揭示了不同侵?jǐn)_源影響下的交通行為發(fā)生機(jī)制，改善了侵?jǐn)_區(qū)復(fù)雜環(huán)境的車(chē)速預(yù)測(cè)精度，為低等級(jí)道路路側(cè)侵?jǐn)_區(qū)車(chē)速管理提供理論依據(jù)。

4）實(shí)際交通場(chǎng)景中，低等級(jí)道路路側(cè)侵?jǐn)_存在多種侵?jǐn)_源組合影響。本研究中根據(jù)車(chē)流數(shù)據(jù)多為單一侵?jǐn)_源影響的特征，按侵?jǐn)_源類(lèi)型對(duì)車(chē)速的影響分別進(jìn)行了分析和預(yù)測(cè)。待后續(xù)獲取多種侵?jǐn)_源組合影響的車(chē)流數(shù)據(jù)，還需進(jìn)一步探索多種侵?jǐn)_源組合影響下的車(chē)流狀態(tài)變化機(jī)制。

參考文獻(xiàn)

［1］??中華人民共和國(guó)交通運(yùn)輸部. 2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)[EB/OL]. （2021-05-19）[2022-03-15] http：//www.gov.cn/xinwen/2021-05/19/content_5608523.htm.

Ministry of Transport of the Peoples Republic of China. Statistical bulletin on the development of the transport industry in 2020[EB/OL]. （2021-05-19）[2022-03-15] http：//www.gov.cn/xinwen/2021-05/19/content_5608523.htm.（in Chinese）

［2］??任建洲. 小城鎮(zhèn)過(guò)境公路技術(shù)研究[D]. 西安： 長(zhǎng)安大學(xué)， 2011.

Ren J Z. The study of small town through-highway technology[D]. Xian： Changan University， 2011. （in Chinese）

［3］??楊金順， 孫洪運(yùn)， 李林波， 等. 道路交通系統(tǒng)恢復(fù)力研究進(jìn)展綜述[J]. 交通信息與安全， 2014， 32（3）： 87-93.

Yang J S， Sun H Y， Li L B， et al. Review of road transportation system resilience research[J]. Journal of Transport Information and Safety， 2014， 32（3）： 87-93. （in Chinese）

［4］??余博， 陳雨人， 付云天. 基于駕駛?cè)艘曈X(jué)感知的低等級(jí)公路行車(chē)速度預(yù)測(cè)[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017， 45（3）： 362-368.

Yu B， Chen Y R， Fu Y T. Driving speed prediction method for low-grade highways from drivers visual perception[J]. Journal of Tongji University （Natural Science）， 2017， 45（3）： 362-368. （in Chinese）

［5］??樊兆董， 李美玲， 冉晉， 等. 基于橫向干擾度和交通事故數(shù)的車(chē)速預(yù)測(cè)模型構(gòu)建[J]. 公路與汽運(yùn)， 2021（2）： 34-36， 42.

Fan Z D， Li M L， Ran J， et al. Construction of vehicle speed prediction model based on lateral disturbance degree and number of traffic accidents[J]. Highways & Automotive Applications， 2021（2）： 34-36， 42. （in Chinese）

［6］??Dong C J， Nambisan S S， Richards S H， et al. Assessment of the effects of highway geometric design features on the frequency of truck involved crashes using bivariate regression[J]. Transportation Research Part A： Policy and Practice， 2015， 75： 30-41.

［7］??曲大義， 陳文嬌， 郭濤， 等. 考慮橫向干擾的交叉跟馳模型研究[J]. 公路交通科技， 2015， 32（1）： 122-127.

Qu D Y， Chen W J， Guo T， et al. Research on staggered car-following model considering lateral disturbance[J]. Journal of Highway and Transportation Research and Development， 2015， 32（1）： 122-127. （in Chinese）

［8］??陳瑞， 張志清， 趙廷杰， 等. 基于駕駛員心率增長(zhǎng)率的穿村鎮(zhèn)公路平面線(xiàn)形安全評(píng)價(jià)[J]. 交通信息與安全， 2011， 29（3）： 74-78.

Chen R， Zhang Z Q， Zhao T J， et al. Safety evaluation on horizontal alignment of through-village highway based on drivers growth rate of HR[J]. Journal of Transport Information and Safety， 2011， 29（3）： 74-78. （in Chinese）

［9］??Biswas S， Chandra S， Ghosh I. Effects of on-street parking in urban context： a critical review[J]. Transportation in Developing Economies， 2017， 3（1）： 1-14.

［10］???elik A K， Oktay E. A multinomial logit analysis of risk factors influencing road traffic injury severities in the Erzurum and Kars Provinces of Turkey[J]. Accident Analysis & Prevention， 2014， 72： 66-77.

［11］??Chen Y H， Liu F H， Bai Q W， et al. Analysis of conflict factors between pedestrians and right-turning vehicles at signalized intersections[J]. Journal of Southeast University （English Edition）， 2019， 35（1）： 118-124.

［12］??Bai L， Liu P， Chan C Y， et al. Estimating level of service of mid-block bicycle lanes considering mixed traffic flow[J]. Transportation Research Part A： Policy and Practice， 2017， 101： 203-217.

［13］??Apasnore P， Ismail K， Kassim A. Bicycle-vehicle interactions at mid-sections of mixed traffic streets： examining passing distance and bicycle comfort perception[J]. Accident Analysis & Prevention， 2017， 106： 141-148.

［14］??趙磊， 張志清， 劉豪， 等. 穿村鎮(zhèn)公路橫向干擾關(guān)鍵因素識(shí)別[J]. 武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版）， 2019， 43（6）： 1125-1129.

Zhao L， Zhang Z Q， Liu H， et al. Identification of key factors of horizontal interference of highway through towns and villages[J]. Journal of Wuhan University of Technology （Transportation Science & Engineering）， 2019， 43（6）： 1125-1129. （in Chinese）

［15］??徐進(jìn)， 曾粵. 高速條件下隧道出入口行駛速度特性[J]. 交通運(yùn)輸工程學(xué)報(bào)， 2021， 21（4）： 197-209.

Xu J， Zeng Y. Characteristics of driving speed at tunnel entrance and exit at high speed[J]. Journal of Traffic and Transportation Engineering， 2021， 21（4）： 197-209. （in Chinese）

［16］??秦麗輝， 裴玉龍， 白崇喜. 自行車(chē)干擾下的城市干路路段通行能力與服務(wù)水平[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào)， 2018， 50（9）： 61-67.

Qin L H， Pei Y L， Bai C X. Capacity and LOS of urban arterial road segment under the interference of bicycle[J]. Journal of Harbin Institute of Technology， 2018， 50（9）： 61-67. （in Chinese）

［17］??Kalal Z， Mikolajczyk K， Matas J. Tracking-learning-detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012， 34（7）： 1409-1422.

［18］??陳亦新， 王雪松. 山區(qū)高速公路組合線(xiàn)形路段車(chē)道偏移行為[J]. 中國(guó)公路學(xué)報(bào)， 2018， 31（4）： 98-104.

Chen Y X， Wang X S. Effects of combined alignments of mountainous freeways on lane departure[J]. China Journal of Highway and Transport， 2018， 31（4）： 98-104. （in Chinese）

［19］??Yadav A K， Velaga N R. Investigating the effects of driving environment and driver characteristics on drivers compliance with speed limits[J]. Traffic Injury Prevention， 2021， 22（3）： 201-206.

［20］??Zheng C J， He R， Wan X， et al. The study on in-city capacity affected by pedestrian crossing[J]. Mathematical Problems in Engineering， 2016， 2016： 5271904.

［21］??Ahmed M， Huang H L， Abdel-Aty M， et al. Exploring a Bayesian hierarchical approach for developing safety performance functions for a mountainous freeway[J]. Accident Analysis & Prevention， 2011， 43（4）： 1581-1589.

［22］??Fitzsimmons E J， Kvam V， Souleyrette R R， et al. Determining vehicle operating speed and lateral position along horizontal curves using linear mixed-effects models[J]. Traffic Injury Prevention， 2013， 14（3）： 309-321.

［23］??趙鵬燕. 路側(cè)干擾影響下低等級(jí)道路交通安全風(fēng)險(xiǎn)韌性研究[D]. 昆明： 昆明理工大學(xué)， 2022.

Zhao P Y. Study on risk resilience of low grade road safety under roadside interference[D]. Kunming： Kunming University of Science and Technology， 2022. （in Chinese）

［24］??謝濟(jì)銘， 彭博， 秦雅琴. 基于換道概率分布的多車(chē)道交織區(qū)元胞自動(dòng)機(jī)模型[J].交通運(yùn)輸系統(tǒng)工程與信息， 2022， 22（3）： 276-285.

Xie J M， Peng B， Qin Y Q. Cellular automata model of multi-lane weaving area based on lane-changing probability distribution[J]. Journal of Transportation Systems Engineering and Information Technology， 2022， 22（3）： 276-285. （in Chinese）

［25］??祝站東， 榮建， 周偉. 路側(cè)干擾對(duì)運(yùn)行速度的影響[J]. 北京工業(yè)大學(xué)學(xué)報(bào)， 2010， 36（11）： 1524-1530.

Zhu Z D， Rong J， Zhou W. The impact of roadside interferences on operating speed[J]. Journal of Beijing University of Technology， 2010， 36（11）： 1524-1530. （in Chinese）

［26］??袁華智， 閻瑩， 袁志兵， 等. 考慮多因素修正的山區(qū)二級(jí)公路彎坡組合路段小型車(chē)運(yùn)行速度模型[J]. 中國(guó)公路學(xué)報(bào)， 2022， 35（1）： 286-297.

Yuan H Z， Yan Y， Yuan Z B， et al. Operating speed model of small car on combined horizontal and vertical curves of mountain secondary roads considering multi-factor correction[J]. China Journal of Highway and Transport， 2022， 35（1）： 286-297. （in Chinese）

［27］??楊金燕. 城市道路坡道及彎道上的車(chē)速預(yù)測(cè)模型研究[D]. 重慶： 重慶交通大學(xué)，2019.

Yang J Y. Research on vehicle speed prediction model on urban road ramp and curved road[D]. Chongqing： Chongqing Jiaotong University， 2019. （in Chinese）

（編輯??羅敏）