基于PET算法的匝道合流區(qū)交通沖突識(shí)別模型

馬艷麗，祁首銘，吳昊天，范璐洋

(哈爾濱工業(yè)大學(xué)交通科學(xué)與工程學(xué)院，哈爾濱150090)

0 引言

目前采用的交通沖突定義是1977瑞典學(xué)者Hydén首次提出的：在可觀測(cè)的條件下，兩個(gè)或兩個(gè)以上道路使用者在一定的空間和時(shí)間上相互接近到一定程度，以至于如果任何一方不改變其運(yùn)動(dòng)狀態(tài)，就有發(fā)生碰撞危險(xiǎn)的交通現(xiàn)象[1].據(jù)統(tǒng)計(jì)，我國(guó)高速公路合流區(qū)出現(xiàn)的交通事故占事故總數(shù)的30%，而入口合流區(qū)域的交通安全形勢(shì)更為嚴(yán)重[2]，主要是由于車輛合流時(shí)主線提供的空檔太小，導(dǎo)致合流區(qū)域車輛擁擠，進(jìn)而誘發(fā)交通事故[3].準(zhǔn)確地識(shí)別匝道合流區(qū)域的交通沖突，可以減少匝道合流區(qū)由于駕駛員自身對(duì)合流情況判斷不足而引發(fā)的車輛碰撞，對(duì)于提高整個(gè)交織區(qū)域的車輛運(yùn)行安全意義重大.

學(xué)者們提出了多種交通沖突指標(biāo).比如距離碰撞時(shí)間TTC(Time to Collision)[4]、后侵入時(shí)間PET[5]、制動(dòng)時(shí)間等[6]，美國(guó)、日本和歐洲的一些汽車廠家和研究機(jī)構(gòu)[7]，利用安裝于車上的各種傳感器，如毫米波雷達(dá)、激光雷達(dá)、機(jī)器視覺(jué)、超聲傳感器和GPS等探測(cè)車輛運(yùn)行信息，用于安全系統(tǒng)模型設(shè)計(jì).在交通沖突識(shí)別方法方面，傳統(tǒng)的匝道合流區(qū)交通管理與控制方式主要有“流體動(dòng)力學(xué)理論”“間隙接受理論”等模型與算法[8]，曹雨等采用可接受間隙理論判別交通沖突，指出可以采用一個(gè)或多個(gè)指標(biāo)進(jìn)行交通沖突判別[9].區(qū)分沖突嚴(yán)重程度的閾值方面，Autey等采用3.0 s作為閾值[10]，Tageldin采用4.0 s作為閾值[11].Lord等在研究交叉口行人與機(jī)動(dòng)車交通沖突時(shí)采用3.0 s[12]，而Ismail采用1.5 s作為沖突嚴(yán)重性與否的判別閾值[13].在機(jī)動(dòng)車與自行車研究方面，Sayed等采用2.0 s作為閾值[14].

本文研究入口匝道匯入車輛與主線直行車輛的沖突識(shí)別問(wèn)題，結(jié)合車輛運(yùn)動(dòng)信息，對(duì)即將進(jìn)入交織區(qū)的匯入車輛與主線直行車輛進(jìn)行沖突識(shí)別，構(gòu)建匝道合流區(qū)沖突識(shí)別模型，給出車輛交通沖突嚴(yán)重程度的確定方法，并利用VISSIM對(duì)匝道合流區(qū)沖突識(shí)別模型進(jìn)行仿真驗(yàn)證，研究成果可為車路協(xié)同下入口匝道合流車輛安全運(yùn)行提供駕駛決策.

1 交通沖突識(shí)別模型構(gòu)建

1.1 匝道合流區(qū)交通沖突概念

圖1為典型的城市立交道路入口匝道合流區(qū)，主路為單向2車道，入口匝道為單向1車道，在不考慮主路內(nèi)側(cè)車道的車輛在合流區(qū)變道，以及進(jìn)入合流區(qū)前不同車道車輛間的影響，匝道車流進(jìn)入主路，主路車道1直行車流干擾是產(chǎn)生交通沖突的主要原因，圖1中標(biāo)出的a、b、c點(diǎn)均為交通沖突點(diǎn).

圖1 入口匝道合流區(qū)交通沖突Fig.1 Traffic conflicts in ramp merging area

匝道合流區(qū)處的“交通沖突”可定義為匝道車輛駕駛員在駛?cè)牒狭鲄^(qū)的過(guò)程中，由于反應(yīng)時(shí)間有限造成與主路車輛之間的相互干擾.對(duì)于沖突點(diǎn)a，由于接近合流區(qū)始端，匝道車輛車速較高，駕駛員對(duì)主路車輛的車速判斷反應(yīng)時(shí)間最少，所以是與主路車輛最先可能出現(xiàn)的沖突點(diǎn)，本文主要研究a型沖突.

1.2 交通沖突識(shí)別模型分類

現(xiàn)有的交通沖突識(shí)別模型主要有安全距離模型和安全時(shí)間模型2類.

(1)安全距離模型.

典型代表有馬自達(dá)和本田模型.馬自達(dá)模型采用自身的測(cè)距傳感器實(shí)時(shí)測(cè)得車輛間距，指出車輛在路上行駛時(shí)應(yīng)保證一定的絕對(duì)安全距離，該距離應(yīng)在2～5 m范圍內(nèi)；本田模型采用分段式，分為警示和危險(xiǎn)報(bào)警距離，模型需要采集龐大的交通數(shù)據(jù)，因此存在誤差，導(dǎo)致算出的安全距離不夠精確.

(2)安全時(shí)間模型.

安全時(shí)間模型主要以TTC(Time to Collision)為研究對(duì)象，TTC假設(shè)沖突者雙方不采取任何保護(hù)措施，持續(xù)保持原有速度和行駛方向，兩車發(fā)生碰撞的預(yù)期時(shí)間.該方法基于車輛當(dāng)前時(shí)刻的速度和航向，并沒(méi)有考慮到車輛的加速度，致使判斷誤差較大.當(dāng)用距離碰撞時(shí)間判別沖突嚴(yán)重程度的時(shí)候，同樣也需要設(shè)置臨界時(shí)間標(biāo)準(zhǔn).

另一種模型是以后侵入時(shí)間PET(Post Encroachment Time)為研究對(duì)象，PET是指第1輛車離開(kāi)潛在碰撞點(diǎn)與第2輛車到達(dá)潛在碰撞點(diǎn)的時(shí)間差.

TTC和PET均是把時(shí)間作為衡量沖突嚴(yán)重性的指標(biāo)，值越小代表沖突越嚴(yán)重.由于TTC模型中車輛發(fā)生沖突的瞬時(shí)速度較難獲得，且TTC取值越小并不意味著事故的發(fā)生，因此，選取PET為研究對(duì)象，對(duì)于匝道合流區(qū)的沖突進(jìn)行研究.

1.3 基于PET的匝道合流區(qū)沖突識(shí)別模型

如圖2所示，由于匝道車輛可能在合流區(qū)始端提早駛?cè)胫髀罚部赡苄旭偟胶狭鲄^(qū)末端都未能找到安全的可插入間隙，綜合考慮這兩種極端情況，因此取加速車道的長(zhǎng)度x為合流區(qū)的沖突區(qū)域.

圖2 匝道合流區(qū)車輛位置示意圖Fig.2 Schematic diagram of the vehicle in ramp merging area

主路車輛A距合流沖突區(qū)域起點(diǎn)的距離為xA，速度為vA，加速度為aA.匝道車輛B距合流區(qū)起點(diǎn)距離為xB，速度為vB，加速度為aB，定義主路車輛A到達(dá)合流區(qū)起點(diǎn)的時(shí)間為T(mén)1，匝道車輛B到達(dá)合流區(qū)起點(diǎn)的時(shí)間為T(mén)2.

(1)主路車輛A到達(dá)合流沖突區(qū)域起點(diǎn)的時(shí)間T1.

主路車輛由于合流區(qū)交通狀態(tài)的影響，在進(jìn)入合流區(qū)的過(guò)程中近似為勻減速運(yùn)動(dòng)，已知xA、vA、aA，可得出主路車輛A到達(dá)合流區(qū)沖突區(qū)域起點(diǎn)的時(shí)間T1.

假設(shè)主路車輛A在t時(shí)間內(nèi)達(dá)到的速度為vAt，可知在T1時(shí)間內(nèi)車輛A行駛的距離SA為

式中：SA=xA，可以得到車輛A到達(dá)合流沖突區(qū)域起點(diǎn)的時(shí)間T1為

(2)匝道車輛B到達(dá)合流沖突區(qū)域起點(diǎn)的時(shí)間T2.

匝道車輛B由匝道進(jìn)入合流區(qū)，先要經(jīng)歷一段近似直線的勻加速運(yùn)動(dòng)，時(shí)長(zhǎng)t2，然后變?yōu)閯蛩龠\(yùn)動(dòng)，這段為反應(yīng)時(shí)間Δt.已知xB、vB、aB，可獲得匝道車輛B到達(dá)合流沖突區(qū)域起點(diǎn)的時(shí)間T2=t2+Δt.

假設(shè)匝道車輛B在t時(shí)間內(nèi)達(dá)到的速度為vBt，可知在T2時(shí)間內(nèi)匝道車輛B行駛的距離為

為了確保人員和車輛安全，通常會(huì)附加一定的安全距離d0，使得預(yù)警駕駛員時(shí)，駕駛員有足夠的反應(yīng)時(shí)間，因此，匝道車輛B距合流區(qū)起點(diǎn)距離xB可以表示為

式中：d0=vBΔt，可得

匝道車輛B到達(dá)合流沖突區(qū)域起點(diǎn)時(shí)間T2為

匝道合流區(qū)沖突識(shí)別模型為

2 PET模型修正與閾值確定

2.1 數(shù)據(jù)采集與處理

(1)數(shù)據(jù)采集.

模型構(gòu)建需要收集大量實(shí)驗(yàn)數(shù)據(jù)，包括車輛位置、速度和狀態(tài)等精確信息.因此選擇10輛實(shí)驗(yàn)車輛，每輛車都安裝有GPS、雷達(dá)、速度傳感器、加速度傳感器和車路通信的車載終端，車輛行駛過(guò)程中實(shí)時(shí)采集車輛位置信息，并通過(guò)車路通信以10 HZ的頻率向路側(cè)的車路協(xié)同通訊設(shè)備發(fā)送自己的位置信息，通信范圍為1 000 m左右(滿足合流區(qū)域通信范圍要求).

車輛與路側(cè)基礎(chǔ)設(shè)施之間通過(guò)DSRC(Dedicated Short Range Communications)專用短程通信技術(shù)，發(fā)送和接收車輛傳感器數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)通信.

共收集625組車輛合流實(shí)驗(yàn)數(shù)據(jù)，包括車輛位置、速度、加速度等參數(shù)信息.

(2)數(shù)據(jù)處理.

在數(shù)據(jù)收集期間，計(jì)算機(jī)系統(tǒng)連接感應(yīng)器，用全球定位系統(tǒng)GPS來(lái)記錄同步數(shù)據(jù).其中雷達(dá)SmartMicr通用中程雷達(dá)，其測(cè)量周期時(shí)間可在20 ms和200 ms之間選擇.

CPU實(shí)時(shí)更新運(yùn)行中的車輛位置和航向的數(shù)據(jù)，包括合流車輛和直行車的GPS數(shù)據(jù)，修正后的位置、速度等運(yùn)動(dòng)信息.對(duì)輸入值進(jìn)行記錄分析，實(shí)現(xiàn)對(duì)車輛位置、速度和相關(guān)聯(lián)數(shù)據(jù)的估計(jì).

在Matlab中開(kāi)發(fā)數(shù)據(jù)管理和分析程序，對(duì)合流車輛傳感器的原始輸入數(shù)據(jù)進(jìn)行篩選，最終進(jìn)行沖突分析.

2.2 模型參數(shù)標(biāo)定

(1)xA和xB.

實(shí)時(shí)獲取主路車輛與匝道車輛距合流沖突區(qū)域起點(diǎn)的距離xA和xB.

(2)vA和vB.

vA和vB也可以通過(guò)埋設(shè)在路上的速度檢測(cè)器來(lái)獲取.

(3)aA和aB.

對(duì)于主路車輛A，通常制動(dòng)減速度在1.5～2.5 m/s2，這里取aA=2.5 m/s2.對(duì)于匝道車輛B，加速度aB的采集主要由車輛后裝的加速度傳感器實(shí)時(shí)測(cè)量當(dāng)前的加速度.

(4)駕駛員反應(yīng)時(shí)間Δt.

Δt是駕駛員意識(shí)到有發(fā)生危險(xiǎn)的可能，而要采取措施之前的時(shí)間，與駕駛?cè)俗陨砬闆r相關(guān).其取范圍一般在0.8～1.3 s，本算法Δt取值為1.2 s.

2.3 模型修正

本文中定義的PET是指合流區(qū)的車輛在合流過(guò)程中后車頭部到達(dá)侵入線的時(shí)間與前車尾部離開(kāi)侵入線的時(shí)間之差.其中，侵入線是一條垂直于車道分界線且與車輛的車道變換軌跡相交的虛擬直線.根據(jù)車輛位置的不同，采集的PET類型共有2種：

①目標(biāo)車輛S與目標(biāo)車道先導(dǎo)車輛A；②目標(biāo)車輛S與目標(biāo)車道跟隨車輛B.理想條件下的侵入線位置示意圖如圖3所示.

圖3 理想條件下的侵入線位置Fig.3 Location of intrusive line under ideal conditions

侵入線穿過(guò)后車頭部與前車尾部的碰撞臨界點(diǎn).然而，實(shí)測(cè)時(shí)難以對(duì)理想條件下的侵入線準(zhǔn)確定位，因此采用圖4所示的侵入線.在PET等于0時(shí)，圖4中①和②的后車頭部與前車尾部有重疊部分，表明碰撞已經(jīng)發(fā)生.采用圖4所示的侵入線采集到的PET存在觀測(cè)誤差，需要修正.

如圖4所示，假設(shè)目標(biāo)車道的車輛始終沿著車道中心線行駛，在PET等于0時(shí)，①和②的計(jì)算誤差為后車頭部與前車尾部間隙的寬度，即

圖4 實(shí)際觀測(cè)時(shí)的侵入線位置Fig.4 Location of intrusive lines in actual observation

式中：Li為第i類誤差(m)，i=1,2；Lv為目標(biāo)車輛寬度，其中，小型車1.70 m，中型車1.80 m，大型車1.90 m；θ為目標(biāo)車輛軌跡與車道分界線在侵入處的夾角.

目標(biāo)車輛軌跡與車道分界線在侵入處的夾角取30°，代入式(8)，得到計(jì)算誤差.當(dāng)目標(biāo)車輛為小型車時(shí)，Li=0.425 m；目標(biāo)車輛為中型車時(shí)，Li=0.450 m；目標(biāo)車輛為大型車時(shí)，Li=0.475 m.

根據(jù)距離誤差和車輛之間的位置關(guān)系，得到修正后的模型為

式中：PETi為誤差修正后的第i類 PET(s)，i=1,2；PETs為原模型計(jì)算得到的第s類 PET(s)，s=1,2；ti為第i類PET的觀測(cè)誤差(s)；v為后車的速度(m/s).當(dāng)i=1時(shí)，式(9)取加號(hào)；i=2時(shí)，取減號(hào).

2.4 沖突閾值確定

分別采用正態(tài)分布、伽馬分布和韋布爾分布對(duì)匝道合流區(qū)的PET數(shù)據(jù)進(jìn)行擬合，得到PET分布直方圖，如圖5所示.數(shù)據(jù)擬合結(jié)果如表1所示，由表1可知，合流區(qū)的PET數(shù)據(jù)與伽馬分布擬合較好(對(duì)數(shù)似然值為-995.829).

圖5 合流區(qū)PET直方圖與擬合分布Fig.5 PET histogram and fitting distribution of merging area

依據(jù)伽馬分布，分別選取15%和85%分位值作為嚴(yán)重沖突和潛在沖突的PET閾值，得到對(duì)應(yīng)PET閾值分別為2.4 s和3.6 s.根據(jù)上述PET值閾值確定方法，將交通沖突劃分為3個(gè)等級(jí)：嚴(yán)重沖突、輕微沖突、潛在沖突.以哈爾濱市文昌立交入口匝道合流區(qū)段數(shù)據(jù)資料為依據(jù)，得到該入口區(qū)域PET閾值范圍為：PET＞ 3.6 s時(shí)，為潛在沖突；2.4 s＜PET≤3.6 s時(shí)為輕微沖突；PET≤2.4 s時(shí)為嚴(yán)重沖突.

3 沖突識(shí)別模型有效性驗(yàn)證

3.1 仿真方案設(shè)計(jì)

利用微觀VISSIM仿真軟件，對(duì)哈爾濱市文昌立交宣化街上橋匝道合流區(qū)交通流狀況進(jìn)行仿真模擬，合流區(qū)范圍如圖6所示.

表1 PET數(shù)據(jù)擬合結(jié)果Table 1 Fitting results of PET data

圖6 合流區(qū)范圍示意圖Fig.6 Sketch map of merging area

結(jié)合采集數(shù)據(jù)對(duì)該立交合流區(qū)的交通參數(shù)進(jìn)行設(shè)置，設(shè)定車型組成，期望速度分布，車輛的加、減速特性等主要參數(shù)，分別討論不采用模型和采用模型2種情況下的安全效果、通行效率及沖突識(shí)別的有效性.

3.2 通行效率評(píng)價(jià)

采用沖突識(shí)別模型后，主路車輛的通行時(shí)間和沒(méi)有采用沖突識(shí)別模型的通行時(shí)間相比變化不大，從主路起點(diǎn)到主路終點(diǎn)600 m內(nèi)車輛平均通行時(shí)間僅增加了0.4%，如圖7所示.

而從匝道起點(diǎn)到主路672 m范圍內(nèi)，采用沖突識(shí)別模型后，匝道車輛的通行時(shí)間平均減少了36.5%.由圖8可知，道路固定長(zhǎng)度內(nèi)的通行時(shí)間并沒(méi)有增加，而是平均減少了16.1%.

3.3 沖突識(shí)別模型評(píng)價(jià)

為驗(yàn)證沖突識(shí)別模型的有效性，提取24個(gè)有效觀測(cè)片段樣本(各有效片段統(tǒng)計(jì)間隔時(shí)間為5 min，總計(jì)時(shí)間2 h)，分別將匝道合流區(qū)實(shí)際沖突次數(shù)與采用、不采用沖突模型得到的識(shí)別結(jié)果進(jìn)行對(duì)比，結(jié)果如表2所示.

圖7 主路車輛平均通行時(shí)間比較Fig.7 Comparison of average transit time of main road vehicles

圖8 全部車輛平均通行時(shí)間比較Fig.8 Comparison of average travel time of all vehicles

表2 沖突識(shí)別結(jié)果分析Table 2 Analysis results of conflict identification

由表2可知，使用沖突識(shí)別模型后，沖突等級(jí)識(shí)別準(zhǔn)確率為91.71%，高于未使用沖突識(shí)別模型時(shí)的準(zhǔn)確率82.76%，可較準(zhǔn)確的識(shí)別匝道合流區(qū)車輛間的潛在交通沖突.

4 結(jié)論

本文研究入口匝道合流區(qū)匯入車輛與主線直行車輛的沖突識(shí)別問(wèn)題，結(jié)合車輛運(yùn)動(dòng)信息，構(gòu)建了基于PET算法的匝道合流區(qū)沖突識(shí)別模型，并對(duì)于模型參數(shù)進(jìn)行了標(biāo)定；采用仿真分析法對(duì)匝道合流區(qū)沖突識(shí)別模型進(jìn)行了有效性驗(yàn)證，結(jié)果表明，采用該模型能有效識(shí)別匝道合流區(qū)的潛在沖突，合流區(qū)車輛通行時(shí)間平均減少16.1%，沖突等級(jí)識(shí)別準(zhǔn)確率為91.71%，較未使用沖突識(shí)別模型提高了8.95%，驗(yàn)證了所建模型的有效性；對(duì)模型中的PET進(jìn)行數(shù)據(jù)擬合，給出入口匝道合流區(qū)PET閾值范圍確定方法，確定了關(guān)鍵參數(shù)的沖突閾值，并結(jié)合實(shí)際案例，確定了該入口匝道的PET閾值范圍.

準(zhǔn)確地識(shí)別匝道合流區(qū)域的交通沖突，可為車路協(xié)同下匝道合流車輛提供駕駛決策，進(jìn)而減少車輛碰撞事故的發(fā)生，提升整個(gè)交織區(qū)域的道路交通安全水平.

參考文獻(xiàn)：

[1]HYDéN C,LINDERHOLM L.The swedish trafficconflicts technique[C].International Calibration Study of Traffic Conflict Techniques,Springer Berlin Heidelberg,1984.

[2]WANG X,HADIUZZAMAN M.Analyzing sensitivity of freeway capacity at a complex weaving segment[J].Annual Conference of the Canadian Society for Civil Engineering,Edmonton,Canada,2014.

[3]WANG Y P,E W J,TANG W Z.Automated on-ramp merging control algorithm based on internet-connected vehicles[J].IET Intelligent Transport Systems,2013,7(4):371-379.

[4]COOPER P J.Experience with traffic conflicts in canada with emphasis on“post encroachment time”techniques[M]//InternationalCalibration Study of Traffic Conflict Techniques,Springer Berlin Heidelberg,1984:75-96.

[5]VOGEL K.A comparison of headway and time to collision as safety indicators[J].Accident Analysis&Prevention,2003,35(3):427-433.

[6]LU G.Quantifying the severity of traffic conflict by assuming moving elements as rectangles at intersection[J].Social and Behavioral Sciences,2012(43):255-264.

[7]SCARINCI R,HEYDECKER B.Control concepts for facilitating motorway on-ramp merging using intelligent vehicles[J].Transport Reviews,2014,34(6):75-97.

[8]WANG X,HADIUZZAMAN M.Sensitivity analyzing of freeway capacity at a complex weaving segment[C].Cota International Conference of Transportation Professionals,2014.

[9]曹雨,孫小端,賀玉龍.基于可接受間隙理論的交通沖突判別方法研究[J].道路交通與安全,2014(3):34-40.[CAO Y,SUN X D，HE Y L.Research on methods of traffic conflict discrimination based on gap acceptance theory[J].Road Traffic and Safety,2014(3):34-40.]

[10]AUTEY J,SAYED T,ZAKI M H.Safety evaluation of right-turn smart channels using automated traffic conflict analysis[J].Accident Analysis Prevention,2012,45(1):120-130.

[11]TAGELDIN A,SAYED T,SHAABAN K,etal.Automated analysis and validation of right-turn merging behavior[J].Journal of Transportation Safety&Security,2015,7(2):138-152.

[12]LORD D.Analysis of pedestrian conflicts with leftturning traffic[J].Transportation Research Record:Journal of the Transportation Research Board,1996(1538):61-67.

[13]ISMAIL K,et al.Automated analyzes is of pedestrianvehicle conflicts using video data[J].Transportation Research Record:Journal of the Transportation Research Board,2009(2140):44-54.

[14]SAYED T,ZAKI M,AUTEY J.Automated safety diagnosis of vehicle-bicycle interactions using computer vision analysis[J].Safety Science,2013(59):163-172.