低等級道路環(huán)境因素影響行駛速度分析方法對比研究*

許 多 方守恩 陳雨人

(同濟大學道路與交通工程教育部重點實驗室 上海 201804)

低等級道路環(huán)境因素影響行駛速度分析方法對比研究*

許 多 方守恩 陳雨人

(同濟大學道路與交通工程教育部重點實驗室 上海 201804)

研究利用實車實驗數(shù)據(jù)，分別采用單因素方差分析、交叉表分析和多項邏輯回歸等三種不同的數(shù)據(jù)分析方法，對低等級道路環(huán)境因素影響駕駛?cè)怂俣鹊闹饕卣髑闆r進行了研究，不僅分析了不同道路環(huán)境因素影響行駛速度的特征，而且對數(shù)據(jù)分析技術(shù)進行了對比研究.通過實車數(shù)據(jù)的分析，明確了不同方法的優(yōu)缺點和適用條件，可以更加精準有效地從理論數(shù)據(jù)的角度指導和改善低等級道路環(huán)境的規(guī)劃和設(shè)計，提高低等級道路交通的安全性.

道路工程；低等級道路；行駛速度；單因素方差分析；交叉表分析；多元邏輯回歸

0 引 言

低等級道路作為我國道路組成的一部分，存在著很多影響交通安全的情況，例如,混合交通的頻繁出現(xiàn)、交通組成復雜多變、沒有嚴格的出入口控制和防護設(shè)備、部分地區(qū)的路面路基情況也比較差，這些都增加了低等級道路的事故率，另外駕駛?cè)嗽诘偷燃壍缆飞像{駛行為較為隨意，因此,對低等級道路的駕駛行為特征進行分析可以有效的提高駕駛?cè)说男旭偘踩?

評價道路安全性的指標有很多，行駛速度是從影響駕駛?cè)笋{駛行為角度出發(fā)的比較重要的指標之一，它是駕駛?cè)丝刂颇芰Φ闹苯芋w現(xiàn).國內(nèi)外多將速度作為鑒定事故的主要原因，通過大量的研究,認為速度與事故密切相關(guān)[1].Gibreel等[2]認為車輛的運行速度影響著道路的線形設(shè)計的協(xié)調(diào)性，而通過統(tǒng)計分析發(fā)現(xiàn)缺乏線形的協(xié)調(diào)性是道路事故發(fā)生的重要原因之一.對于低等級道路，其安全性可能受到的影響更大.雖然低等級道路上的限速很低，但是由于車輛較少的緣故駕駛?cè)撕苋菀拙蜁霈F(xiàn)超速的現(xiàn)象，因此,研究低等級道路行駛速度影響因素十分必要.

目前，國內(nèi)外已有很多關(guān)于駕駛速度的相關(guān)研究，針對不同的影響因素研究方法也不盡相同.本文應(yīng)用的三種方法或是其類似方法在速度影響因素的相關(guān)研究中已有所應(yīng)用.交叉表分析的本質(zhì)就是對相關(guān)性的考量，Qu等[3]在研究心智游移的影響時，就應(yīng)用到了相關(guān)性分析，即分析多維度的因素與駕駛安全性的關(guān)聯(lián)程度.David等[4]是利用雙因素方差分析方法，研究一種新型的速度儀對于行駛速度的影響情況.Lee等[5]是依據(jù)實車數(shù)據(jù)，利用經(jīng)典的二項邏輯模型，研究在警告標志和限速標志的影響下，速度變換與限速之間的關(guān)系，與之相似，李長城等[6]應(yīng)用非線性回歸的方法分析了將于條件對于高速公路車輛行駛速度的影響.

綜上所述，目前分析道路環(huán)境影響速度的研究已有展開，但是針對低等級道路環(huán)境的研究仍然缺乏，同時在實際的工程中，不同的低等級道路和不同類型的數(shù)據(jù)之間差距較大，需要應(yīng)用不同的方法進行分析，現(xiàn)有的一些研究行駛速度的方法穩(wěn)定性比較差，適應(yīng)性不強.本文研究的是道路本身的環(huán)境因素對于行駛速度的影響，擬使用單因素方差分析、多元邏輯回歸和交叉表分析三種不同分析方法對行駛速度影響因素進行對比研究，從而較為全面準確地解析出影響行駛速度的主要道路環(huán)境因素，同時可以明確不同分析方法的適用性，研究成果可以為實際的工程應(yīng)用服務(wù)，提供合適的影響因素分析方法，同時也可以為以后的深入研究提供基礎(chǔ).

1 三種研究方法基本原理和假設(shè)

1) 單因素方差分析 即一維方差分析，是檢驗單一因素影響多組樣本中的某變量的均值是否有顯著性差異的方法.如果不同組之間有顯著差異，那么就是說明這個因素(分類變量)對因變量有顯著影響，因素的不同水平會影響到因變量的取值[7].

方差分析有三個假設(shè)：觀測是否彼此獨立；觀測是否為正態(tài)分布的樣本；由因素水平分成的各組的方差是否相等.

2) 多元邏輯回歸 相當于用多個二元邏輯回歸分析模型來描述各個類別與參照類別相比較時的作用大小.

多元邏輯回歸假設(shè)前提是因變量為分類變量，且應(yīng)該時刻注意自變量之間多重共線性的問題，它會使系數(shù)估計的標準誤急劇增加

3) 交叉表分析 同時將兩個或兩個以上有一定聯(lián)系的變量及其變量值按照一定的順序交叉排列在一張統(tǒng)計表內(nèi)，使各變量值成為不同變量的結(jié)點，從中分析變量之間的相關(guān)關(guān)系，進而得出結(jié)論的一種數(shù)據(jù)分析技術(shù).交叉表分析主要用來檢驗兩個變量之間是否存在關(guān)系，或者說是否獨立，其零假設(shè)為兩個變量之間沒有關(guān)系.

2 道路環(huán)境因素影響行駛速度及分析

2.1 數(shù)據(jù)來源

本文的數(shù)據(jù)是駕駛?cè)嗽谖鞑匕怂薜牡偷燃壒飞线B續(xù)自由駕駛采集的，樣本是以1 s為間隔計數(shù)的，共提取樣本904個，具體是應(yīng)用SPSS20.0進行分析的.

最初選取七個能夠較完整表達道路環(huán)境的因素，分別是視覺曲率、有無開口、標志標線、車道寬度、路側(cè)防護、視距情況和路面條件.但是在具體的數(shù)據(jù)分析過程中發(fā)現(xiàn)，其中的三個因素：視覺曲率、有無開口和車道寬度，在實驗路段幾乎沒有變化，此三個因素在本文所研究的路段中并不能夠產(chǎn)生顯著的影響，因此本文重點研究其余的四個因素，并將其分為三個不同的評價水平：路側(cè)防護(包括無需設(shè)防護、需設(shè)未設(shè)和已經(jīng)設(shè)置)、標志標線(包括無中央分隔線、有中央分隔線和警示標識)、路面條件(包括表面坑洼、一般和良好)和視距情況(包括差，一般和良好).路側(cè)防護和視距情況側(cè)重于評價路側(cè)的環(huán)境的影響，而路面條件和標志標線則是側(cè)重路面環(huán)境的影響.影響因素在數(shù)據(jù)處理時利用數(shù)字0，1，2確定分類變量.

2.2 單因素方差分析

單因素方差分析中對正態(tài)分布的要求不是很嚴格，而且當樣本量足夠大時可以不加以驗證[9-10].

表1是方差齊性檢驗的結(jié)果，表示的是四個因素對于行駛速度的影響情況.

表1 方差齊性檢驗

由表1可知，路側(cè)防護對速度影響的p值是小于0.05的，那么從統(tǒng)計學意義上講是不滿足方差齊性的，這里采用的是近似性檢驗下的單因素方差分析法，見表2.

表2 單因素方差分析

對于其他因素的分析過程相同，視距情況、路面條件和標志標線的方差分析結(jié)果與路側(cè)防護類似.

表2中路側(cè)防護的主效應(yīng)檢驗，其p值為0.043<0.05，說明在0.05顯著水平下，不同的路側(cè)防護方式對駕駛行為的影響顯著.同理可以對其他三個因素分析，發(fā)現(xiàn)視距情況和路面條件的分析結(jié)果與路側(cè)防護相似，即對行駛速度影響較為顯著，而標志標線的影響組間并沒有顯著差異，所以這里排除了標志標線這個因素.

從以上的分析中可以看出，各個因素對于速度的影響都是顯著的，但是分析并沒有給出具體哪些組之間有顯著差異，那么就需要進行平均數(shù)的多重比較.由于已有的的三個影響因素均沒有通過方差齊性檢驗，這里采用Tamhane’s T2(M)的近似性檢驗分別進行路側(cè)防護、視距情況和路面條件對速度的影響分析，表3為三個因素的各個水平在0.05的顯著性水平下對速度的影響.由表3可知，不同的路側(cè)防護對行駛速度沒有顯著的影響，而一般和良好的視距情況和路面條件對行駛速度影響顯著.視距情況和路面條件統(tǒng)計學意義上會對行駛速度產(chǎn)生影響.

表3 多重比較

2.3 多元邏輯回歸

研究仍然采用上述數(shù)據(jù)，但對其進行簡單處理，首先是對自變量的處理，在進行邏輯回歸時，自變量是三分類變量時需要引入虛擬變量，同時還要防止虛擬變量的陷阱問題，因此將原來的一個變量分為兩個，將類別0，1，2分別表達為(0，0)，(1，0)，(0，1).

對因變量的處理，為了避免邏輯回歸預測結(jié)果過于集中于一類同時兼顧模型的擬合優(yōu)度，將51和70 km/h作為速度分類界限，把因變量轉(zhuǎn)換成為分類變量.

研究用相關(guān)性分析來判斷，見表4.由表4可知，路側(cè)防護、視距情況、路面條件和標志標線之間存在著復雜的相關(guān)關(guān)系(在分析相關(guān)關(guān)系時不引入虛擬變量)，但由于不能確定它們對速度的影響情況，因此在邏輯回歸分析過程中，暫時將四個變量均作為自變量.

表5為模型擬合信息，表5中卡方檢驗的Sig值小于0.05，說明最終模型要優(yōu)于只含截距的模型，即最終模型顯著成立.

檢驗的原假設(shè)是模型能很好的擬合原始數(shù)據(jù)，見表6.由表6可知，兩個統(tǒng)計量的Sig值均大于0.05，不能否定零假設(shè)，即模型擬合效果還是較好的.

表4 相關(guān)系數(shù)

表5 模型擬合信息

表6 擬合優(yōu)度

研究的似然比檢驗(見表7)利用迭代的方法進行逐層篩選，零假設(shè)是某效應(yīng)從模型中剔除后系數(shù)沒有變化.由表7可知，路側(cè)防護的兩個變量卡方檢驗的sig值均大于0.05，不否定原假設(shè)，即認為其對速度的影響不顯著，而視距情況、路面條件和標志標線兩個變量中均有一個小于0.05，從統(tǒng)計學意義上可以認為影響顯著，因此在第一次迭代中只剔除了路側(cè)防護一個影響因素，那么接下來的迭代做法和第一次相同，結(jié)果一共是進行了兩次迭代，把路側(cè)防護和標志標線兩個因素剔除了.

表7 似然比檢驗

去掉路側(cè)防護和標志標線這兩個因素，最右側(cè)一列為wald檢驗的顯著性水平，得到表8.由表8可知，速度=0一欄里面，視距情況和路面條件檢驗sig值均大于0.05，說明此兩個因素對速度為1時模型的貢獻無顯著意義.速度=1一欄里面，只有“路面條件1=0”這一因素的影響在統(tǒng)計學意義上是顯著的.

表8 參數(shù)估計

盡管在參數(shù)估計的結(jié)果中，最后只有路面條件一個影響因素會對速度產(chǎn)生顯著的影響，但是其實多元邏輯模型的因變量的分類方式會對結(jié)果產(chǎn)生很大的影響，所以最后以似然比檢驗的結(jié)果作為標準，即認為視距情況和路面條件對速度影響顯著.

2.4 交叉表分析方法

交叉表分析要求自變量與因變量均為分類變量，這里對速度進行分類，分類方法與多元邏輯回歸類似，但是因為不用考慮擬合優(yōu)度的影響，可以盡量將速度分的均勻，分別以57和66 km/h作為速度的分類界限.

表9為卡方檢驗結(jié)果，由表9可知，路側(cè)防護person卡方檢驗的sig值為0.001<0.05，那么認為不同水平的路側(cè)防護對于速度的變化產(chǎn)生了顯著的影響.同理可以對其他三個因素進行分析，得到結(jié)果，視距情況和路面條件對速度產(chǎn)生顯著影響，而標志標線的影響并不顯著.

表9 卡方檢驗

表10為對稱度量.近似值Sig.輸出的是phi值和V值，兩個都是代表兩個變量之間的關(guān)系緊密度的，數(shù)值小于0.1說明關(guān)系不緊密.從表10可知，phi值和V值均大于0.1，即路側(cè)防護、視距情況和路面條件均對行駛速度產(chǎn)生了影響且關(guān)系較為緊密.

表10 對稱度量

綜上所述，視距情況、路側(cè)防護和路面條件三個因素在統(tǒng)計學意義上對速度的影響顯著.

3 結(jié)果分析與討論

從三種方法分析的過程中可以看出，在低等級道路上常識中可能的影響因素并不一定就會對駕駛?cè)说鸟{駛行為產(chǎn)生影響，同時三種不同的研究方法得到的結(jié)果也不盡相同，每種方法都有其優(yōu)缺點和適用性，見表11.

表11 三種方法對比研究分析

研究通過三種方法的分析得出的結(jié)論并不完全相同，針對于本文的實際道路情況和數(shù)據(jù)類型，認為交叉表分析的結(jié)果相對可靠，即路側(cè)防護、視距情況和路面條件三個因素會對行駛速度影響顯著.

本文平衡了擬合優(yōu)度和預測精度之間的矛盾，得到的數(shù)據(jù)的預測結(jié)果見表12，盡管預測正確率有62.6%，但是數(shù)據(jù)的預測類別過于單一，結(jié)果也是相對不可靠的.相比之下，交叉表分析只是從相關(guān)的角度衡量各個因素影響速度的情況，方法本身的假設(shè)并不強，原理和步驟也相對簡單，因此所得的結(jié)果是定性的，但是相比前兩種方法，針對于本文的數(shù)據(jù)，其結(jié)果是比較可靠的.

表12 多元邏輯回歸預測表

本文是從理論研究的角度出發(fā)對行駛速度的影響因素進行分析，選擇的自變量是根據(jù)實車數(shù)據(jù)提取出來的，但是在實際的工程應(yīng)用中，自變量的種類不僅限于此，三種不同的方法對于不同的項目適用性也不相同.其中，在影響因素分析方面，較為重要的應(yīng)用主要是在三個方向：設(shè)計規(guī)劃、評價和改善.

而在這些領(lǐng)域，工程的應(yīng)用又可以主要分為兩類，分別是定性分析，即了解影響駕駛?cè)诵袨榈挠绊懸蛩睾投糠治?，即了解影響的程?前者強調(diào)的是相關(guān)的關(guān)系，交叉表分析和ANNOVA更合適，后者強調(diào)的則是量的關(guān)系，邏輯回歸更合適.當然，除了大的方向，在具體的分析細節(jié)上，不同的方法也有不同的側(cè)重性.例如在道路評價中，考慮不同因素的影響，如果是分析路面條件這樣的分類變量，ANNOVA是比較合適的，但是如果分析坡度這樣的連續(xù)型數(shù)值變量，ANNOVA就不適用了.

經(jīng)過合適的方法分析，可以更加準確的了解影響駕駛?cè)诵袨榈囊蛩?，從而指導實際的工程，在低等級的道路環(huán)境中，從人的角度出發(fā)，實現(xiàn)最優(yōu)的道路環(huán)境的組合設(shè)計，評價和改善方案.

4 結(jié) 束 語

本研究選取了速度作為描述低等級道路安全性的指標，并分析了道路環(huán)境因素對其的影響，通過三種方法的對比研究，結(jié)合統(tǒng)計軟件SPSS20.0，確定了影響較為顯著的三個因素：路側(cè)防護、視距情況和路面條件，在它們的影響下，速度表現(xiàn)出了顯著性的差異.

文章針對三種方法的假設(shè)和原理，分析并總結(jié)了對于不同的道路環(huán)境和數(shù)據(jù)類型，方法的適用性，并給出了在實際工程中的應(yīng)用，可以更加精準的指導工程，一方面可以降低低等級道路的交通事故發(fā)生率，另一方面也可以防止駕駛?cè)藢⒉涣捡{駛習慣帶入高等級道路造成更嚴重的后果.

[1]崔洪軍,魏連雨,楊春風.以速度為中介對道路條件與交通事故的研究[J].河北工業(yè)大學學報,2001,30(3):95-98.

[2]CAMACHO T F J, PEREZ Z A M, CAMPOY U J M, et al. New geometric design consistency model based on operating speed profiles for road safety evaluation[J]. Accid Anal Prev,2013,61:33-42.

[3]QU W, GE Y, XIONG Y X, et al. The relationship between mind wandering and dangerous driving behavior among Chinese drivers[J]. Safety Science,2015,78:41-48.

[4]NAVON D, KASTEN R. Using an advance time meter display as means to reduce driving speed[J]. Transportation Research Part F: Traffic Psychology and Behaviour,2015,35:16-27.

[5]LEE C, ABDEL A M. Testing effects of warning messages and variable speed limits on driver behavior using driving simulator[J]. Transportation Research Record,2008(2):55-64.

[6]李長城,劉小明,榮建.降雨條件下高速公路車輛行駛速度特性[J].北京工業(yè)大學學報,2015(3):412-418.

[7]時立文.SPSS19.0統(tǒng)計分析[M].北京：清華大學出版社，2012.

[8]董大鈞.SAS統(tǒng)計分析應(yīng)用[M].2版.北京：電子工業(yè)出版社，2014.

[9]史占國,李曉娜.單因素方差分析在車輛主觀評價中的應(yīng)用[J].汽車科技,2010(2):64-67.

[10]馮梅.教師對教學質(zhì)量影響程度的單因素方差分析[J].數(shù)學的實踐與認識,2005(11):61-66.

[11]張存保,萬平,梅朝輝,等.雨天環(huán)境下高速公路交通流特性及模型研究[J].武漢理工大學學報,2013(3):179-185.

A Comparative Study on the Influence of Environmental Factors on Driving Speed of Low Grade Road

XU Duo FANG Shouen CHEN Yuren

(KeyLaboratoryofRoad&TrafficEngineeringofMinistryofEducation,TongjiUniversity,Shanghai201804,China)

The research explores the influence of environmental factors on the driving behavior of low grade road with real vehicle data, by using three different methods including the one-way ANOVA, contingency table analysis and multivariate logistic regression. The paper not only deeply studies how factors influence the driving behavior, but also contrasts the three methods. It can greatly help to develop the low grade road designing and planning, satisfy the need of driving safety and enhance the road safety.

road engineering; low grade road; driving behavior; one-way ANOVA; contingency table analysis; multivariate logistic regression

2017-06-12

*國家科技支撐計劃項目資助(2014BAG01B06)

U416.26

10.3963/j.issn.2095-3844.2017.04.015

許多(1993—)：男，博士生，主要研究領(lǐng)域為道路與橋梁工程