張建波， 孫建平， 溫慧敏， 宋國華

(1.北京交通大學(xué)交通運(yùn)輸學(xué)院, 北京 100044；2.北京交通發(fā)展研究院城市交通運(yùn)行仿真與決策支持北京市重點(diǎn)實(shí)驗(yàn)室, 北京 100073；3.北京交通發(fā)展研究院城市交通北京市國際科技合作基地, 北京 100073)

隨著汽車出行的快速發(fā)展，交通安全與效率的改善已經(jīng)成為道路交通管理的重要工作之一. 而不安全的駕駛行為(如劇烈加減速、突然換道、疲勞駕駛[1]等)是造成交通事故，引發(fā)交通震蕩、嚴(yán)重?fù)矶碌闹匾蛑?，?jīng)常導(dǎo)致嚴(yán)重的人員傷亡與經(jīng)濟(jì)財(cái)產(chǎn)損失[2].

手機(jī)傳感器、衛(wèi)星定位、車聯(lián)網(wǎng)等技術(shù)的快速發(fā)展使得實(shí)時(shí)采集車輛運(yùn)動(dòng)軌跡[3]進(jìn)行危險(xiǎn)駕駛行為的監(jiān)測和預(yù)警成為可能. 很多學(xué)者利用多源數(shù)據(jù)開展了高風(fēng)險(xiǎn)駕駛行為的診斷與評(píng)估研究. Carboni等[4]利用車輛軌跡數(shù)據(jù)分析車輛的激烈駕駛行為并診斷高風(fēng)險(xiǎn)道路. Phondeenana等[5]利用全球定位系統(tǒng)(global positioning system,GPS)設(shè)備采集的速度和方向角數(shù)據(jù)進(jìn)行高風(fēng)險(xiǎn)駕駛行為的診斷，并開展駕駛員安全評(píng)分. Fugiglando等[6]利用控制器局域網(wǎng)絡(luò)(controller area network,CAN)總線設(shè)備采集公交車運(yùn)行數(shù)據(jù)進(jìn)行駕駛行為分析與聚類研究. 王雪松等[2]基于自然駕駛數(shù)據(jù)建立了危險(xiǎn)事件識(shí)別的隨機(jī)森林模型. 此外，手機(jī)傳感器數(shù)據(jù)[7-8]、車輛導(dǎo)航信息[9]等也被廣泛應(yīng)用到高風(fēng)險(xiǎn)駕駛行為的診斷與分析當(dāng)中.

當(dāng)前大部分研究聚焦于如何利用多源數(shù)據(jù)進(jìn)行危險(xiǎn)駕駛行為的診斷[8，10]、風(fēng)險(xiǎn)道路點(diǎn)段的識(shí)別等工作. 在現(xiàn)有的研究中，缺乏對(duì)以急減速為代表的高風(fēng)險(xiǎn)駕駛行為基本規(guī)律的挖掘，對(duì)影響高風(fēng)險(xiǎn)駕駛行為的時(shí)空因素討論較少. 而挖掘急減速等高風(fēng)險(xiǎn)駕駛行為特征及其時(shí)空關(guān)聯(lián)規(guī)律對(duì)于診斷高風(fēng)險(xiǎn)駕駛行為、識(shí)別道路風(fēng)險(xiǎn)點(diǎn)段，乃至駕駛行為安全預(yù)警等工作均有重要的指導(dǎo)意義，有助于更精準(zhǔn)地降低駕駛行為風(fēng)險(xiǎn)，減少交通事故的發(fā)生.

本文以北京市的小汽車運(yùn)行軌跡數(shù)據(jù)為支撐，針對(duì)高風(fēng)險(xiǎn)的小汽車急減速行為進(jìn)行診斷與特征研究，希望為車輛網(wǎng)環(huán)境下的高風(fēng)險(xiǎn)駕駛行為的快速診斷與互助預(yù)警服務(wù)提供支持.

1 數(shù)據(jù)準(zhǔn)備與急減速識(shí)別

1.1 數(shù)據(jù)準(zhǔn)備

本文利用的車輛軌跡數(shù)據(jù)通過安裝在社會(huì)車輛上的CAN總線設(shè)備“智駕盒子”[11]獲得. 智駕盒子實(shí)時(shí)采集車輛的位置、速度、油耗和發(fā)動(dòng)機(jī)運(yùn)行參數(shù)等信息. 選取北京市1.3萬余輛小汽車在2020年6月2個(gè)工作日的行駛軌跡數(shù)據(jù)作為小汽車急減速分析的樣本，其數(shù)據(jù)采樣頻率為1 s.

數(shù)據(jù)處理與急減速診斷流程如圖1所示，主要包括軌跡數(shù)據(jù)清洗、道路類型匹配和急減速篩選3個(gè)步驟.

圖1 數(shù)據(jù)處理流程Fig.1 Data processing diagram

首先對(duì)經(jīng)過脫敏處理的軌跡數(shù)據(jù)進(jìn)行清洗，包括檢查時(shí)間連續(xù)性，將前后時(shí)間間隔超過2 s的數(shù)據(jù)點(diǎn)剔除，保證軌跡數(shù)據(jù)的時(shí)間連續(xù)性. 剔除缺失數(shù)據(jù)(如經(jīng)緯度、速度缺失，通常由數(shù)據(jù)傳輸問題導(dǎo)致)和錯(cuò)誤數(shù)據(jù)(速度超過100 km/h、加速度絕對(duì)值超過10 m/s2的軌跡點(diǎn))等. 隨后利用軌跡的經(jīng)緯度信息匹配北京市路網(wǎng)信息，建立軌跡數(shù)據(jù)與道路類型等空間地理信息(路段編號(hào)、路段等級(jí)等)的關(guān)聯(lián)關(guān)系. 最后篩選出信息完整的小汽車軌跡有效樣本9 000余萬條. 在此基礎(chǔ)上根據(jù)急減速定義與閾值敏感性分析結(jié)果篩選急減速樣本數(shù)據(jù).

1.2 急減速診斷方法

劇烈的急減速行為是影響道路交通流穩(wěn)定的關(guān)鍵因素之一. 急減速通常是車輛為避免與前進(jìn)方向上的車輛、物體發(fā)生碰撞，或是避免錯(cuò)過道路交通節(jié)點(diǎn)(如交叉口、快速路出入口匝道等)而采取的緊急減速措施. 在交通流速度較快或密度較高的情況下，急減速行為不僅具有較高的安全隱患，也會(huì)造成交通延誤甚至嚴(yán)重的交通擁堵，如快速路的交通流陡降、交通震蕩等[12].

通過概述急減速行為特點(diǎn)，可以總結(jié)急減速行為是一種車輛在短時(shí)間內(nèi)速度急劇下降的現(xiàn)象. 而反映速度變化程度的減速度是有效衡量急減速行為劇烈程度的關(guān)鍵參數(shù). 據(jù)此，本文對(duì)急減速行為[4]進(jìn)行如下定義：急減速是機(jī)動(dòng)車連續(xù)減速并且平均減速度超過臨界閾值的劇烈減速行為. 其數(shù)學(xué)表達(dá)為

vt≤vt-1, ?t∈(m，n]

(1)

Δt=n-m≥Δtc

(2)

(3)

式中：vt為車輛在t時(shí)刻的速度，m/s；Δt為連續(xù)減速的時(shí)間差，s；ad為車輛的平均減速度，m/s2，Δtc為減速持續(xù)時(shí)間的臨界閾值，s；ac為平均減速度臨界閾值，m/s2. 本研究中默認(rèn)減速度均為參數(shù)絕對(duì)值.

為了提取有效的急減速樣本，本文對(duì)急減速診斷的閾值參數(shù)持續(xù)時(shí)間和平均減速度2個(gè)關(guān)鍵閾值進(jìn)行了參數(shù)敏感性分析. 結(jié)果如表1所示，隨著減速持續(xù)時(shí)間或平均減速度的增大，急減速樣本數(shù)量快速下降. 急減速的診斷閾值設(shè)置會(huì)顯著影響樣本數(shù)量. 統(tǒng)計(jì)發(fā)現(xiàn)雖然閾值參數(shù)會(huì)影響樣本數(shù)量，但急減速的統(tǒng)計(jì)規(guī)律具有一定的穩(wěn)定性.

表1 不同閾值參數(shù)下的急減速識(shí)別結(jié)果Table 1 Identification results of the rapid deceleration under different threshold parameters

為了保證足夠的樣本數(shù)量，同時(shí)盡可能排除車輛軌跡短時(shí)擾動(dòng)帶來的干擾，研究最終確定急減速診斷閾值分別取減速持續(xù)時(shí)間Δtc=2 s和平均減速度ac=1.0 m/s2(參數(shù)絕對(duì)值)，并剔除初始速度低于15 km/h的低速樣本.

在篩選出急減速軌跡樣本6.4萬余個(gè)后，為了有效評(píng)價(jià)急減速行為特征，定義幾個(gè)急減速的評(píng)價(jià)與分析指標(biāo).

1) 道路類型特征：急減速開始時(shí)所處車道的道路類型，分為快速路、主干路和次支路.

2) 初始速度：急減速開始時(shí)的車輛運(yùn)行速度,km/h.

3) 平均減速度：車輛在急減速過程中的平均減速度的絕對(duì)值,m/s2.

4) 減速持續(xù)時(shí)間：急減速從開始到結(jié)束的持續(xù)時(shí)間,s.

5) 發(fā)生時(shí)間：急減速發(fā)生的具體時(shí)間，精確到小時(shí),h.

6) 單車減速頻率：在統(tǒng)計(jì)樣本的時(shí)間范圍內(nèi)，同一車輛/駕駛員的急減速次數(shù)與車輛行駛時(shí)間的比值，次/h.

2 急減速行為特征分析

2.1 急減速的基本特征

1) 初始速度

以5 km/h為間隔劃分速度間隔并統(tǒng)計(jì)急減速的發(fā)生概率分布，結(jié)果如圖2所示. 結(jié)果表明快速路條件下的急減速行為的初始速度概率分布與主干路和次支路條件下的概率分布顯著不同.

圖2 考慮初始速度間隔的急減速概率分布Fig.2 Probability distribution of rapid deceleration based on initial speed intervals

主干路和次支路條件下的急減速初始速度概率分布呈現(xiàn)對(duì)數(shù)正態(tài)分布的特征，其分布峰值分別落在45和40 km/h的速度區(qū)間內(nèi). 而快速路的急減速初始速度分布峰值則處于25 km/h的速度區(qū)間. 這一結(jié)果反映出快速路的急減速行為更多些發(fā)生在低速狀態(tài)下，即道路處于擁堵狀態(tài). 而當(dāng)?shù)缆诽幱?0～80 km/h的高速狀態(tài)時(shí)，快速路的急減速行為發(fā)生概率要略高于主干路和次支路. 統(tǒng)計(jì)發(fā)現(xiàn)，急減速行為發(fā)生時(shí)所處道路類型的占比按快速路、主干路和次支路的順序依次為14.3%、26.4%和59.3%. 更多的急減速行為發(fā)生在低等級(jí)道路上.

2) 持續(xù)時(shí)間

急減速的持續(xù)時(shí)間一定程度上反映了急減速行為的劇烈程度. 不同道路條件下，車輛急減速持續(xù)時(shí)間不超過4 s的比例按快速路、主干路和次支路的順序依次為88.6%、79.6%和81.4%(見圖3). 相比其他道路類型，車輛在快速路上的短時(shí)急減速比例會(huì)更高. 這反映出快速路上的車輛存在較多的劇烈的短時(shí)震蕩行為，即車輛處在不斷走走停停的擁堵狀態(tài). 這與圖2中快速路條件下的急減速發(fā)生概率較高的特征具有一致性.

圖3 急減速的持續(xù)時(shí)間分布Fig.3 Distribution of duration of rapid deceleration

3) 平均減速度

考慮急減速持續(xù)時(shí)間和初始速度條件統(tǒng)計(jì)急減速樣本的平均減速度的均值變化特征，結(jié)果如圖4所示. 在初始速度相同的條件下，急減速的持續(xù)時(shí)間越短，急減速行為的減速度均值越大，減速行為越劇烈. 而在減速持續(xù)時(shí)間相同的條件下，隨著初始速度的增大，減速度均值也逐漸增大；但減速度均值的增幅逐漸下降，最大減速度均值穩(wěn)定在1.5 m/s2左右. 分析出現(xiàn)這一變化趨勢的原因是初始速度越高，急減速行為會(huì)越劇烈；但受車輛性能約束，其平均減速度不會(huì)超過一定限值，而是穩(wěn)定在一定減速度水平. 這反映出初始速度和持續(xù)時(shí)間是影響急減速劇烈程度的關(guān)鍵因素.

圖4 不同速度和持續(xù)時(shí)間下的平均減速度統(tǒng)計(jì)Fig.4 Statistics of average deceleration under different speeds and durations

針對(duì)急減速行為的減速度均值變化趨勢特征，本文采用指數(shù)衰減函數(shù)，利用Origin軟件對(duì)上述結(jié)果進(jìn)行擬合，得到了由減速持續(xù)時(shí)間和初始速度作為自變量的急減速行為的平均減速度計(jì)算函數(shù)

ad=a·e-v/t+c

(4)

式中：a、t和c均為需要標(biāo)定的模型參數(shù)，分別表示振幅、時(shí)間常量和偏移量；v為車輛初始減速度,km/h；ad為平均減速度，m/s2.

擬合參數(shù)結(jié)果如表2所示，指數(shù)函數(shù)對(duì)平均減速度曲線的擬合效果較好，擬合優(yōu)度均超過0.98.

表2 平均減速度函數(shù)擬合結(jié)果Table 2 Fitting results of average deceleration function

2.2 與交通狀態(tài)的關(guān)聯(lián)特征

以同期的北京市道路交通運(yùn)行指數(shù)(traffic performance index, TPI)[13]作為反映道路交通狀態(tài)的指標(biāo)參數(shù)，對(duì)比不同道路類型下急減速行為發(fā)生頻率的時(shí)變曲線. 如圖5所示，快速路、主干路和次支路條件下的急減速發(fā)生頻率時(shí)變曲線與交通指數(shù)時(shí)變曲線的相關(guān)系數(shù)分別為0.84、0.85和0.86，表明急減速行為的發(fā)生頻率與交通擁堵狀態(tài)具有顯著的正相關(guān)關(guān)系.

圖5 急減速頻率時(shí)序Fig.5 Timing diagram of rapid deceleration frequency

道路交通的擁堵程度越高，發(fā)生急減速行為的頻率則越高. 同時(shí)，在早晚高峰期間，急減速發(fā)生頻率顯著增加的時(shí)間與交通指數(shù)快速增大的時(shí)間也具有一致性. 這表明急減速發(fā)生頻率顯著增加的過程與道路交通狀態(tài)逐漸惡化的過程是同步的.

以快速路為例進(jìn)一步分析急減速與交通擁堵的關(guān)系. 圖6(a)對(duì)比了快速路條件下小汽車軌跡數(shù)據(jù)中的行駛速度和急減速頻率分布. 小汽車急減速的頻率分布與行駛速度的頻率分布差異顯著. 快速路小汽車的行駛速度呈現(xiàn)明顯的雙峰分布特征. 在速度分布較低的20～40 km/h區(qū)間內(nèi)，小汽車的急減速行為發(fā)生的概率反而最高.

圖6 快速路的急減速頻率與交通狀態(tài)的關(guān)系Fig.6 Relationship between the frequency of the rapid deceleration and traffic states

上述現(xiàn)象可以用道路交通流的狀態(tài)演化機(jī)理來解釋. 如圖6(b)所示，如果按流量- 速度曲線(利用北京RTMS數(shù)據(jù)通過Van Aerde模型標(biāo)定獲得，詳見文獻(xiàn)[14])中的臨界速度將交通狀態(tài)分為自由流(臨界速度以上)和擁堵流(臨界速度以下)2相[15]，快速路條件下急減速概率分布的峰值區(qū)間恰好對(duì)應(yīng)了流量- 速度曲線中的擁堵相. 在道路擁堵過程中，交通流中存在大量的交通擾動(dòng)現(xiàn)象，即車輛處于不斷的走走停停狀態(tài)，此時(shí)快速路上的車輛即存在不斷的急減速行為. 而快速路在高速度的暢通狀態(tài)下，車流密度低，車輛間的相互作用較小(車輛間距大)，車輛發(fā)生急減速行為的頻率則相對(duì)較低.

3 案例分析與討論

急減速行為診斷與分析的主要目的是為道路交通安全與駕駛行為服務(wù)提供支持. 分別以急減速道路風(fēng)險(xiǎn)點(diǎn)診斷和考慮急減速的駕駛員評(píng)價(jià)為案例進(jìn)行急減速行為分析的應(yīng)用與討論.

3.1 急減速風(fēng)險(xiǎn)路段診斷

急減速行為是引發(fā)交通事故和擁堵的關(guān)鍵因素之一. 通過對(duì)歷史車輛軌跡大數(shù)據(jù)的挖掘可以有效識(shí)別急減速行為頻發(fā)的道路熱點(diǎn)位置.

如圖7所示，以提取的急減速樣本數(shù)據(jù)為例，根據(jù)急減速行為發(fā)生的初始位置繪制北京急減速空間分布熱力圖. 可以發(fā)現(xiàn)：對(duì)快速路來說，急減速行為發(fā)生的高頻位置主要在快速路交通節(jié)點(diǎn)位置(此處將交通節(jié)點(diǎn)定義為車流發(fā)生交匯的物理位置，主要包括交叉口、道路出入匝道等)，典型的如快速路西直門橋、國貿(mào)橋路段等. 而非快速路的急減速發(fā)生熱區(qū)也與交叉口等道路節(jié)點(diǎn)高度對(duì)應(yīng).

圖7 急減行為分布熱力圖Fig.7 Distribution heatmap of the abrupt deceleration behavior

以北京路網(wǎng)信息為基礎(chǔ)，統(tǒng)計(jì)急減速行為發(fā)生位置與下游道路節(jié)點(diǎn)的距離. 結(jié)果表明發(fā)生在主干路與次支路條件下的急減速行為中，距下游道路節(jié)點(diǎn)不超過200 m的樣本分別占其樣本總量的50.1%和49.5%. 分析其原因，是因?yàn)樵谂R近道路節(jié)點(diǎn)的路段，存在大量的換道、轉(zhuǎn)向和進(jìn)出匝道等需求，從而導(dǎo)致車輛駕駛狀態(tài)發(fā)生改變的概率顯著增加.

3.2 駕駛員特征聚類與評(píng)價(jià)

以定義的單車減速頻率為核心，從駕駛員/單車角度對(duì)急減速與駕駛員特征進(jìn)行聚類分析，討論急減速行為特征與駕駛員異質(zhì)性(heterogeneity)[16]的關(guān)聯(lián)關(guān)系. 統(tǒng)計(jì)軌跡數(shù)據(jù)中單車出行時(shí)間超過5 h的數(shù)據(jù)，共獲得310個(gè)駕駛員/單車樣本. 繪制駕駛員/單車急減速頻率的分布，如圖8所示. 結(jié)果展示駕駛員的急減速頻率服從對(duì)數(shù)正態(tài)分布，其急減速期望均值為6.07次/h. 案例數(shù)據(jù)表明不同駕駛員在急減速行為頻率上表現(xiàn)出顯著的差異性，體現(xiàn)了駕駛員在減速行為上的駕駛風(fēng)格差異.

圖8 基于駕駛員的急減速頻率分布統(tǒng)計(jì)Fig.8 Statistics of the frequency distribution of the abrupt deceleration based on drivers

為討論急減速特征與駕駛員一般駕駛行為特征的關(guān)聯(lián)性，分別計(jì)算單車/駕駛員在2個(gè)工作日內(nèi)的駕駛行為特征參數(shù)(見表3中參數(shù))，再分別統(tǒng)計(jì)與急減速頻率的皮爾遜相關(guān)系數(shù)

(5)

式中：Cov(x,y)為x和y的協(xié)方差；Var(x)和Var(y)分別為x和y的方差.

結(jié)果如表3所示，與單車急減速頻率相關(guān)性較高的參數(shù)是加速度標(biāo)準(zhǔn)差和減速度均值. 加速度標(biāo)準(zhǔn)差反映了單車行駛過程中速度的波動(dòng)性，而減速度均值則反映了駕駛員減速的劇烈程度. 2個(gè)參數(shù)均在一定程度上代表了駕駛員特征.

表3 單車急減速頻率與駕駛特征的相關(guān)性Table 3 Correlations between the frequency of vehicle-based rapid deceleration and vehicle-based driving characteristics

在上述分析基礎(chǔ)上，本文采用K-means聚類模型[17]對(duì)駕駛員類型進(jìn)行聚類.K-means聚類通過隨機(jī)選擇k個(gè)聚類中心，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到k個(gè)中心點(diǎn)的歐式距離，通過不斷迭代實(shí)現(xiàn)最優(yōu)聚類. 本文以加速度標(biāo)準(zhǔn)差和減速度均值為輸入?yún)?shù)，指定駕駛員聚類數(shù)為k=3，分別為保守型、普通型和激進(jìn)型. 聚類結(jié)果如表4所示，在310個(gè)駕駛員樣本中，保守型、普通型和激進(jìn)型駕駛員的比例分別為40.6%、39.7%和19.7%. 不同類型的駕駛員特征參數(shù)統(tǒng)計(jì)結(jié)果差異顯著. 駕駛員類型越激進(jìn)，其加速度標(biāo)準(zhǔn)差和減速度均值越大，其急減速頻率也越高. 這一結(jié)果也表明在駕駛行為相關(guān)的分析中區(qū)分駕駛員類型的必要性.

表4 不同駕駛員類型的急減速統(tǒng)計(jì)Table 4 Statistics of the abrupt deceleration of different driver types

圖9通過氣泡圖的形式展示了不同類型駕駛員的駕駛行為特征.

圖9 不同駕駛員類型的急減速特征Fig.9 Characteristics of the abrupt deceleration of different driver types

氣泡直徑越大，表示該駕駛員急減速頻率越高. 聚類結(jié)果表明不同類型的駕駛員急減速行為特征差異顯著. 而急減速行為的特征差異可以反映出駕駛員類型的異質(zhì)性.

4 結(jié)論

1) 急減速行為發(fā)生時(shí)所在道路類型的占比按快速路、主干路和次支路的順序依次為14.3%、26.4%和59.3%. 急減速的持續(xù)時(shí)間不超過4 s的比例超過80%.

2) 在其他因素相同的條件下，減速持續(xù)時(shí)間越短，平均減速度越大；初始速度越高，平均減速度越大. 并采用指數(shù)函數(shù)形式建立了急減速行為的平均減速度計(jì)算函數(shù).

3) 急減速行為發(fā)生頻率與交通擁堵指數(shù)具有顯著的正相關(guān)關(guān)系；急減速行為發(fā)生頻率顯著升高的時(shí)間與道路交通狀態(tài)擁堵加劇的時(shí)間同步.

4) 案例分析發(fā)現(xiàn)急減速行為與道路節(jié)點(diǎn)(交叉口、出入口匝道等)緊密相關(guān). 應(yīng)用K-means方法對(duì)駕駛員特征進(jìn)行聚類分析發(fā)現(xiàn)，駕駛員類型越激進(jìn)，其加速度波動(dòng)性越大，減速度均值越大，而單位時(shí)間內(nèi)的急減速頻率越高.