謝濟(jì)銘 錢正富 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

基金項目：國家自然科學(xué)基金資助項目（71861016）。

作者簡介：謝濟(jì)銘（1994—），男，博士研究生，主要從事交通狀態(tài)識別與演變研究，（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：低等級道路路側(cè)侵?jǐn)_現(xiàn)象頻繁，沖突嚴(yán)重，紊亂無序。準(zhǔn)確預(yù)測其復(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。為此采集低等級公路和城市道路5類常見的路側(cè)侵?jǐn)_源視頻，提取高分辨率車輛微觀軌跡，獲取行經(jīng)侵?jǐn)_區(qū)的車輛速度，劃分侵?jǐn)_區(qū)特征斷面，分析車速時空特性演變規(guī)律，采用線性、對數(shù)以及三次回歸建立車速預(yù)測模型。三次回歸模型在侵?jǐn)_區(qū)復(fù)雜場景下表現(xiàn)出更好的車速預(yù)測性能。結(jié)果表明：低等級城市道路侵?jǐn)_區(qū)的車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铀偻ㄟ^前方侵?jǐn)_區(qū)，但當(dāng)侵?jǐn)_主體的行為意圖難以預(yù)測時，車速會出現(xiàn)一定波動。

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

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

低等級道路是中國的國省干線路網(wǎng)的重要組成部分，截至2021年，中國的三級、四級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，一些低等級道路路側(cè)形成了商業(yè)聚集區(qū)，非機(jī)動車隨意穿行、行人過街、路側(cè)停車等侵?jǐn)_現(xiàn)象屢見不鮮^[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、人車混行的紊亂交通流狀態(tài)。交通安全問題日益凸顯，亟待探究路側(cè)侵?jǐn)_影響下的車輛運(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)_源對交通的影響研究方面，學(xué)者們把常見的侵?jǐn)_源進(jìn)行分類，分析了常見的侵?jǐn)_源對正常運(yùn)行的機(jī)動車的侵?jǐn)_程度^[5]。有的研究中依據(jù)運(yùn)動狀態(tài)將侵?jǐn)_源劃分為靜態(tài)侵?jǐn)_^[6]與動態(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^[8-10]、行人^[11]、非機(jī)動車^[12-13]和支路出車^[14]侵?jǐn)_。不同侵?jǐn)_源對車輛運(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，車輛運(yùn)行速度因其具有描述車輛運(yùn)行的動態(tài)變化規(guī)律、反映駕駛?cè)说男袨槟Ｊ降忍匦裕蔀檠芯康闹攸c(diǎn)。例如，徐進(jìn)等^[15]將車輛運(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)自行車侵?jǐn)_下的侵?jǐn)_數(shù)量對鄰近機(jī)動車道平均行程車速的影響，采用回歸分析方法構(gòu)建了速度預(yù)測模型。

總體而言，國內(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)_源對機(jī)動車運(yùn)行速度^[17-19]的影響，還有研究關(guān)注對道路通行能力^[20]、交通安全^[21]、跟馳行為^[22]的影響，為中國的低等級道路交通安全問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)_場景，較少涉及低等級道路交通構(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，選取典型低等級公路與低等級城市道路，采用無人機(jī)高空視頻車輛軌跡高分辨率信息提取技術(shù)，采集了常見的5類侵?jǐn)_場景（非機(jī)動車、路側(cè)行人、路側(cè)停車、行人過街和支路出車）的全樣本數(shù)據(jù)，精細(xì)地捕捉和再現(xiàn)了侵?jǐn)_區(qū)車速分布規(guī)律，明確了5類侵?jǐn)_場景區(qū)段的運(yùn)行特性和駕駛行為特征，為揭示低等級道路路側(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)驗數(shù)據(jù)，建立低等級道路路側(cè)侵?jǐn)_區(qū)的運(yùn)行特性預(yù)測模型，優(yōu)化和完善了低等級道路運(yùn)行車速預(yù)測模型體系，能為低等級道路安全評價及路側(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)驗路段

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

1）選取道路斷面形式為一塊板的低等級道路，對選定的路段進(jìn)行實(shí)地考察，實(shí)驗人員在周邊高地瞭望觀測，確保存在侵入、占用機(jī)動車路權(quán)的現(xiàn)象^[24]。

2）遴選路側(cè)侵?jǐn)_較多的路段，同時為避免數(shù)據(jù)采集影響交通運(yùn)行，實(shí)驗人員在周邊高地，使用無人機(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)驗人員在低等級公路和低等級城市道路上進(jìn)行了2類場景觀測實(shí)驗。其中，低等級公路選取昆明市呈貢區(qū)七甸鄉(xiāng)附近的G324段，道路設(shè)計車速為40 km/h；低等級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)計車速為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)低等級道路的機(jī)動車在各侵?jǐn)_源影響下的速度變化規(guī)律。為保證道路上的車輛處于自由流狀態(tài)，排除道路擁堵對試驗結(jié)果的影響，在天氣晴朗、亮度和光強(qiáng)較為合適的低峰時間段內(nèi)進(jìn)行實(shí)驗。

數(shù)據(jù)采集主要設(shè)備為大疆御MAVIC AIR2專業(yè)航拍無人機(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，在無人機(jī)的限飛高度內(nèi)，盡可能地采集足夠長的觀測區(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)_情況下車輛實(shí)際運(yùn)行狀況，需保證實(shí)測數(shù)據(jù)的樣本量。根據(jù)統(tǒng)計學(xué)原理可知，最小樣本量應(yīng)滿足式（1）的要求^[15]：

式中：n為最小樣本量；δ為估計樣本車速標(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，K=1.96；E為車速觀測允許誤差，一般取E=2 km/h。

經(jīng)測算，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)計時間間隔，低等級公路每斷面平均觀測樣本量為325輛；低等級城市道路每斷面平均觀測樣本量為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)車輛行為特性

2.1車速描述統(tǒng)計

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

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

2）對比各侵?jǐn)_源下的最大、最小速度差，最大差值出現(xiàn)在為非機(jī)動車侵?jǐn)_下的城市低等級路段，差值為52.74 km/h，最小差值出現(xiàn)在路側(cè)行人侵?jǐn)_下的低等級公路上，差值為27.81 km/h；

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

整體而言，5種侵?jǐn)_源類別均會迫使機(jī)動車停車讓行，非機(jī)動車、行人過街最小速度均為0，侵?jǐn)_影響尤為顯著，說明路側(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)_影響下的車速分布，繪制路側(cè)侵?jǐn)_影響路段上的機(jī)動車速度頻率分布曲線如圖2所示?？梢钥闯觯?/p>

1）對比2類路段上的侵?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?，而行人過街侵?jǐn)_在2類研究路段車速分布較為一致，說明駕駛?cè)藷o論是在何種路段行駛，均會優(yōu)先考慮減速避讓過街行人，側(cè)面反映了中國“禮讓行人”的政策法規(guī)已初見成效。

2）支路出車侵?jǐn)_車速眾數(shù)較高，支路出車影響下的低等級公路車速分布區(qū)間為[20，25] km/h、城市道路車速分布區(qū)間為[20，35] km/h，說明支路出車使得2類路段下的駕駛?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，低等級公路車速分布更為集中，而低等級城市道路車速分布較為離散，說明低等級公路交通流運(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車速時空演變

根據(jù)各侵?jǐn)_源影響下車輛行駛時間、距離及速度，紋理映射刻畫瞬時車速的時空分布，重建上述5類侵?jǐn)_源在城市道路和公路低等級路段的車速時空演變規(guī)律，如圖3所示。為便于描述車輛行經(jīng)侵?jǐn)_源的動態(tài)連續(xù)過程，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)，車速呈現(xiàn)先減后加的變化趨勢。

2）對比5類侵?jǐn)_源車速時空分布圖發(fā)現(xiàn)，低等級公路主要侵?jǐn)_源為非機(jī)動車及路側(cè)停車，而城市道路主要侵?jǐn)_源為路側(cè)行人及行人過街，有時迫使車輛停車讓行，致使車速降幅達(dá)30 km/h。

3）對比2類研究路段車速時空分布圖發(fā)現(xiàn)，低等級公路車速波動更劇烈，體現(xiàn)為時空分布圖曲面波動更大，而低等級城市道路車速分布更平穩(wěn)。

2.3侵?jǐn)_單元車速空間分布

為了更加細(xì)致地描述車輛“駛?cè)搿薪?jīng)→駛離”侵?jǐn)_源的車速空間分布特征，以10 m為單元將侵?jǐn)_源前后50 m空間距離進(jìn)行細(xì)分。提取每個觀測單元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），連接相鄰觀測單位同一百分位速度，得到5類侵?jǐn)_源在2類低等級路段的車速空間分布如圖4～8所示。

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

路側(cè)行人侵?jǐn)_影響如圖5所示，呈現(xiàn)出減速區(qū)間更長且車速變化幅度更大的特征，說明行人雖為弱勢交通參與者，但其行為更靈活，時常出現(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)停車侵?jǐn)_影響如圖6所示，車速在低等級公路上較為平穩(wěn)，而在低等級城市道路上波動較大，與圖4非機(jī)動車侵?jǐn)_影響總體趨勢一致。說明路側(cè)停車侵?jǐn)_更多受到交通量、跟車間距等影響，導(dǎo)致車速趨勢存在局部性波動，加之路側(cè)停車現(xiàn)象在低等級公路上較為普遍，因此對車速干擾較小。

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

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

2.4侵?jǐn)_區(qū)車速分布特性分析

考慮到本研究中實(shí)例場景復(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)計與評價領(lǐng)域。從圖9可以看出：

1）低等級城市道路（限速60 km/h）的V₈₅和V₁₅略大于低等級公路（限速40 km/h），即便考慮2類研究對象間的限速值差異，歸一化處理后此結(jié)論依然成立，說明駕駛?cè)嗽诔鞘旭{駛環(huán)境中安全意識更高，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，說明部分車輛存在超速行為，這是由于車輛行經(jīng)干擾源前超速行駛，駛近干擾源過程中速度降低，由于車速抓拍等手段不完善，部分駕駛員限速遵從度低，側(cè)面說明了路側(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）支路出車為車速降幅最大侵?jǐn)_源，車輛通過支路出車侵?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、車速離散度更大的特性。

總體而言，低等級城市道路車速離散性大于公路，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?？煽紤]將車速協(xié)調(diào)性納入路側(cè)侵?jǐn)_影響下的道路運(yùn)行評價體系中，對建成運(yùn)營后存在侵?jǐn)_源的道路加大執(zhí)法力度，保障交通參與者的生命財產(chǎn)安全。

3侵?jǐn)_區(qū)車速預(yù)測模型

如前述，為保證安全行駛，車輛在駛近侵?jǐn)_源的過程中通常會減速避讓，易造成交通紊亂并引發(fā)事故。通過深入挖掘侵?jǐn)_區(qū)車速運(yùn)行規(guī)律，構(gòu)建更精準(zhǔn)的車速預(yù)測模型，進(jìn)而正確合理地推斷未來的交通狀況，對減緩交通擁堵、降低交通事故率有重要的現(xiàn)實(shí)意義和應(yīng)用前景。基于此，考慮了車速隨車輛與侵?jǐn)_源的距離以及車速的離散性，對傳統(tǒng)的速度預(yù)測模型進(jìn)行改進(jìn)，參考線性^[25]、對數(shù)^[26]、三次回歸^[27]經(jīng)典車速預(yù)測模型，構(gòu)建各侵?jǐn)_源影響下車速與距侵?jǐn)_源距離的車速預(yù)測模型。

3.1線性回歸

由侵?jǐn)_區(qū)車速特性分析得知車速在駛近駛離侵?jǐn)_源過程中呈先下降后上升的一致趨勢，符合已報道的研究結(jié)論^[23]。因此，車輛駛近侵?jǐn)_源過程應(yīng)優(yōu)先考慮車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”的線性關(guān)系模型：

線性回歸模型（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)。低等級公路上的路側(cè)行人、行人過街、支路出車侵?jǐn)_的模型擬合優(yōu)度R²均大于0.9；低等級城市道路上的行人過街侵?jǐn)_影響下的速度擬合優(yōu)度為0.749，其余均低于0.5，說明經(jīng)典多元線性回歸預(yù)測模型在車速預(yù)測方面不具有明顯優(yōu)勢，難以達(dá)到理想預(yù)測精度。

3.2對數(shù)回歸

為提高車速預(yù)測模型預(yù)測精度，考慮侵?jǐn)_源與車速變化趨勢，選用對數(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。低等級公路的路側(cè)行人、行人過街、支路出車侵?jǐn)_擬合優(yōu)度達(dá)0.9以上，城市道路行人過街侵?jǐn)_擬合優(yōu)度為0.730，與表3結(jié)果基本一致，說明對數(shù)回歸模型同樣無法預(yù)測復(fù)雜場景下車速運(yùn)行特征。

3.3三次回歸

為了更好地預(yù)測路側(cè)侵?jǐn)_特殊路段車速運(yùn)行規(guī)律，針對上述模型存在的擬合優(yōu)度較低、顯著性不高的問題，遴選可反映復(fù)雜非線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?？梢钥闯鰯M合優(yōu)度R²顯著提高，僅低等級公路非機(jī)動車、城市道路路側(cè)停車侵?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)，說明三次回歸模型結(jié)構(gòu)在車速預(yù)測方面具有明顯優(yōu)勢，表現(xiàn)出更好的預(yù)測精度，可以較好地預(yù)測路側(cè)侵?jǐn)_源距離對車速的影響。

3.4模型驗證

采用統(tǒng)計學(xué)中常用的3項評價指標(biāo)，即平均相對誤差平均絕對誤差均方根誤差來驗證三次回歸模型的精度^[26]。公式如下：

模型驗證結(jié)果如表6所示。可以看出2類研究路段車速預(yù)測結(jié)果均較好，說明模型性能較為穩(wěn)定，魯棒性好。其中，低等級公路比城市道路速度預(yù)測結(jié)果更好，與前述車速行為特征一致。

4結(jié)束語

1）車輛臨近侵?jǐn)_源過程中車速均存在一定浮動，非機(jī)動車、路側(cè)行人、路側(cè)停車、行人過街、支路出車侵?jǐn)_下車速分布分別為7～15 km/h、5～10 km/h、10～20 km/h、10～30 km/h、15～30 km/h，支路出車對于車輛運(yùn)行影響最大。

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

3）基于自然駕駛實(shí)驗數(shù)據(jù)，結(jié)合低等級道路交通運(yùn)行特性，針對不同類別侵?jǐn)_源影響下的車輛行為特性進(jìn)行量化分析，并對路側(cè)干擾影響下的道路交通運(yùn)行演化過程進(jìn)行探索，建立了低等級路段的路側(cè)侵?jǐn)_影響區(qū)車速預(yù)測模型，引入非線性三次回歸模型，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)境的車速預(yù)測精度，為低等級道路路側(cè)侵?jǐn)_區(qū)車速管理提供理論依據(jù)。

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

參考文獻(xiàn)

［1］??中華人民共和國交通運(yùn)輸部. 2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計公報[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)過境公路技術(shù)研究[D]. 西安： 長安大學(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感知的低等級公路行車速度預(yù)測[J]. 同濟(jì)大學(xué)學(xué)報（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)的車速預(yù)測模型構(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率的穿村鎮(zhèn)公路平面線形安全評價[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)鍵因素識別[J]. 武漢理工大學(xué)學(xué)報（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， 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， 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)高速公路組合線形路段車道偏移行為[J]. 中國公路學(xué)報， 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)干擾影響下低等級道路交通安全風(fēng)險韌性研究[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道交織區(qū)元胞自動機(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)干擾對運(yùn)行速度的影響[J]. 北京工業(yè)大學(xué)學(xué)報， 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)二級公路彎坡組合路段小型車運(yùn)行速度模型[J]. 中國公路學(xué)報， 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速預(yù)測模型研究[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）