柳本民,陳彥旭,管星宇
(同濟大學(xué) 道路與交通工程教育部重點實驗室,上海 201804)
車道變換是車輛行駛過程中的常見行為之一,車輛排隊、擁堵、消散以及超車等過程往往伴隨有換道行為。車輛換道行為與道路交通安全息息相關(guān)。據(jù)統(tǒng)計,車道變換引起的碰撞約占交通事故總數(shù)的4%[1],其造成的交通延誤達到所有碰撞事故的十分之一[2]。因此,車道變換給道路交通安全帶來很大的負(fù)面影響。換道時程特征(包括換道持續(xù)時間、越線時間等)是研究換道安全性的關(guān)鍵指標(biāo),同時對于微觀交通流模型的構(gòu)建也具有重要意義[3]。
在換道時程特征研究方面,Worrall等[4]在1970年通過航空攝影的方法,對車輛執(zhí)行換道所需時間進行測算和統(tǒng)計。此后,陸續(xù)出現(xiàn)一些研究嘗試使用更加準(zhǔn)確的測量手段,對車輛換道持續(xù)時間進行統(tǒng)計分析[5-6],或研究某些因素對換道時間的影響[7-8]。Toledo等[3]通過交通監(jiān)控視頻提取車輛換道時間數(shù)據(jù),結(jié)合微觀交通仿真的需要,分別對小客車和貨車換道時間進行建模。張良等[9]分別通過高空觀測、車內(nèi)觀測和駕駛模擬3種方法,采集車輛換道時間數(shù)據(jù),并對統(tǒng)計結(jié)果進行比較,認(rèn)為通過駕駛模擬器可以得到更加準(zhǔn)確、細(xì)致的數(shù)據(jù),對于換道時程特征的研究更為適用。王雪松等[10]基于自然駕駛數(shù)據(jù)對變道切入過程的持續(xù)時間進行了統(tǒng)計,認(rèn)為其基本符合對數(shù)正態(tài)分布,并較一般換道持續(xù)時間更為短促。
越線時間(time-to-line crossing,TLC)是指換道開始至車輪剛好越過車道線進入目標(biāo)車道時刻的持續(xù)時間。換道沖突與換道車輛越過車道線的時刻關(guān)系密切,當(dāng)車輛越過車道線開始進入目標(biāo)車道時,對于目標(biāo)車道后方車輛影響最為顯著。因此,越線時間是開展換道安全預(yù)警的重要參數(shù)。很多學(xué)者嘗試對其進行預(yù)測。Mammar等[11]基于三角幾何關(guān)系分別提出直線段和曲線段TLC的計算方法。Winsum等[12]提出了TLC的兩種估算方法,并比較了在正常行駛、正常換道以及駕駛員疲勞導(dǎo)致車道偏離3種情境下模型的估算精度。王暢等[13]、鄭楚清[14]通過高次多項式實時擬合車輛換道軌跡,進而根據(jù)軌跡時間關(guān)系實現(xiàn)對TLC的預(yù)測,并利用實測數(shù)據(jù)進行驗證。在此基礎(chǔ)上,黎莉等[15]建立了營運車輛換道越線時間預(yù)測模型。
而在冰雪天氣下,由于道路交通環(huán)境的復(fù)雜性,駕駛員對于車輛的控制能力以及對外界感知能力均有所下降,對換道安全距離更容易出現(xiàn)錯誤的估計。再加上換道行為本身的復(fù)雜性和風(fēng)險性,使駕駛員很容易做出錯誤的判斷或操作,導(dǎo)致車輛換道過程中追尾、側(cè)向刮擦、斜向碰撞等交通事故頻發(fā),嚴(yán)重危及交通安全,降低了道路通行效率[16]。但基于氣象環(huán)境的特殊性與安全性方面的考量,冰雪天氣低摩阻系數(shù)路面交通數(shù)據(jù)采集困難,難以直接通過戶外實車試驗采集相關(guān)數(shù)據(jù),故對冰雪濕滑路面車輛的換道行為特征缺乏必要的細(xì)化分析,這是一個亟待解決的問題。因此,本文基于高逼真駕駛模擬器,對冰雪等天氣下的駕駛場景和路面行駛質(zhì)感進行模擬,采集換道數(shù)據(jù),對不同天氣和路面條件下的車輛換道越線時間特征進行研究。
生存分析(survival analysis)起源于醫(yī)學(xué),是研究事件產(chǎn)生某一結(jié)果所經(jīng)歷的持續(xù)時間的一種統(tǒng)計方法。目前很多學(xué)者已經(jīng)嘗試使用生存分析解決交通領(lǐng)域的時間相關(guān)問題,如離散交通事故數(shù)據(jù)的分析[17]、交通延誤[18]、交通出行時間[19]、交通事件持續(xù)時間[20]、交通擁堵持續(xù)時間[21-22]、非機動車闖紅燈行為及忍耐時間[23],以及作業(yè)區(qū)強制換道持續(xù)時間[24]等。
將生存分析方法應(yīng)用于車輛換道時程問題,車輛換道行為的持續(xù)時間可以理解為“生存時間”。具體來說,將車輛開始換道作為研究的起點,車輛仍處于原車道則代表“生存”,一旦車輛越過車道線進入目標(biāo)車道,車輛所處的車道狀態(tài)改變,則事件結(jié)束。
生存分析的基本變量是非負(fù)的時間相關(guān)變量T,主要通過生存函數(shù)和風(fēng)險函數(shù)描述T的分布特征。在車輛換道越線時間分析中,T是指從車輛開始換道至車輛越過車道線為止(事件開始并持續(xù)發(fā)生至產(chǎn)生結(jié)果)所持續(xù)的時間,車輛越過車道線即為事件發(fā)生的結(jié)果。
生存函數(shù)S(t)是指車輛開始換道后持續(xù)至?xí)r刻t仍未越過車道線的概率,其本質(zhì)是累積生存概率,可表示為
式中:T為越線時間;f(x)為T取值為時刻x的概率密度;F(t)為累積分布函數(shù),表示從事件開始發(fā)生至t時刻已經(jīng)出現(xiàn)結(jié)果的概率,也就是車輛換道開始至t時刻前或恰好在t時刻越過車道線的概率。
風(fēng)險函數(shù)表示車輛換道已經(jīng)持續(xù)至t時刻未越過車道線的條件下,在單位時間Δt內(nèi)越過車道線的概率,其本質(zhì)為條件生存概率h(t),公式為
Cox模型是一種分析協(xié)變量對于生存時間影響的比例風(fēng)險模型,可定量分析影響因素的作用強度和方向,得到各時刻生存狀態(tài)改變的風(fēng)險函數(shù),從而得到多因素的生存時間函數(shù)。
車輛換道越線時間為T>0,與T相關(guān)影響因素構(gòu)成的協(xié)變量向量為X=[x1,x2,x3,…,xn],影響程度通過協(xié)變量參數(shù)向量β=[β1,β2,β3,…,βn]來表示,X與β之間的函數(shù)關(guān)系以I(X,β)來表示,稱為T的影響函數(shù)。在X的影響下,車輛越線時間的風(fēng)險函數(shù)稱為X前提下的條件風(fēng)險概率,且
式中:h0(t)稱為基準(zhǔn)風(fēng)險函數(shù),即不受任何其他因素影響情況下(即I(X,β)=1)的風(fēng)險函數(shù)。
根據(jù)Cox回歸模型的性質(zhì),若βi>0,說明xi是一個風(fēng)險變量,對風(fēng)險函數(shù)有正向影響,會增大風(fēng)險水平,起到縮短車輛越線時間的作用;若βi<0,則xi是一個保護變量,傾向于降低風(fēng)險水平,起到延長車輛越線時間的作用;若βi=0,說明xi是車輛越線時間的無關(guān)變量。
結(jié)合生存函數(shù)S(t)與風(fēng)險函數(shù)h(t)之間的數(shù)學(xué)關(guān)系,有
式(4)表示在影響因素X的作用下,車輛換道持續(xù)至t時刻已經(jīng)完成越線的概率。
2.1.1 試驗設(shè)備
本試驗依托同濟大學(xué)道路與交通工程教育部重點實驗室駕駛行為模擬系統(tǒng)(advanced car driving simulator,ACDS),如圖1和圖2所示,駕駛模擬艙動力系統(tǒng)開啟時,可根據(jù)車輛實時行駛狀態(tài)模擬車輛在x、y、z方向上的平移運動或繞軸轉(zhuǎn)動,實現(xiàn)8自由度的運動仿真[25]。
圖1 駕駛模擬器外觀Fig.1 Exterior of driving simulator
針對冰雪濕滑路面場景,SCA Ne Rstudio 1.6駕駛模擬仿真軟件能夠有效模擬冰雪濕滑路面的車輛動態(tài)特性,結(jié)合ACDS強大的8自由度動力系統(tǒng),更能反映冰雪濕滑路面的實際駕駛路感,從而刺激駕駛員做出相應(yīng)的動態(tài)調(diào)整,試驗數(shù)據(jù)更為真實可靠。同時,通過采用駕駛模擬試驗,可規(guī)避冰雪環(huán)境實車試驗時危險性高、試驗誤差大的不足,是本課題的有效研究方法。
圖2 駕駛模擬器內(nèi)景Fig.2 Interior of driving simulator
2.1.2 駕駛模擬試驗場景搭建
高速公路相比一般公路車速高,車流量大,在冰雪等惡劣天氣下,車速分布離散性增大,換道行為頻發(fā),具有較高的研究價值。本試驗路段參照設(shè)計速度120 km·h-1的平原區(qū)高速公路設(shè)計,采用雙向6車道,提供充足換道空間,車道寬度3.75 m,并按規(guī)范設(shè)置應(yīng)急車道。
為控制試驗變量,主線均為平直路段,包含準(zhǔn)備段及4個試驗段,各路段之間以匝道連接。準(zhǔn)備段用于被試者提前熟悉操作,適應(yīng)模擬環(huán)境,減少試驗誤差。4個試驗段分別模擬晴天、雨天、降雪、結(jié)冰等4種天氣狀況。根據(jù)表1將路面摩阻系數(shù)分別設(shè)置為0.8、0.5、0.3、0.2,分別對應(yīng)干燥路面、濕潤路面、積雪或輕度壓實雪路面、冰板或冰膜路面,其中干燥路面場景主要起對照作用。為避免摩阻系數(shù)突變影響試驗數(shù)據(jù),將摩阻系數(shù)變化點設(shè)置于各匝道段中部,匝道內(nèi)部數(shù)據(jù)與本研究無關(guān)。各試驗段視覺效果如圖3所示。
表1 不同狀態(tài)下的路面附著系數(shù)[26]Tab.1 Adhesion coefficients of pavements under different conditions[26]
在交通流方面,本試驗通過SCANeRstudio 1.6的swarm組件配置環(huán)境車輛,保證周圍環(huán)境車輛與試驗車輛的交互,環(huán)境車輛交通流密度約為25輛·km-1,流量約為600輛·(h·車道)-1,車型均為小型車,屬中等密度。
圖3 駕駛模擬試驗仿真場景Fig.3 Scenarios of driving simulation experiment
2.1.3 試驗流程
本試驗共招募試驗樣本22名,包括學(xué)生、保安、出租車司機、教師等,其中男性18名,女性4名,均擁有駕照,并具備一定的濕滑路面駕駛經(jīng)歷。試驗過程中,有2名男性出現(xiàn)駕駛模擬癥,其余20名被試者適應(yīng)良好。被試者的年齡、駕齡分布情況如表2所示。
表2 試驗樣本信息Tab.2 Information of experimental samples
試驗中主線限速120 km·h-1,駕駛員在保證安全、舒適的前提下,可根據(jù)當(dāng)前交通狀況自由選擇車道,產(chǎn)生換道需求時即可進行換道,避免刻意換道。換道過程中應(yīng)遵守交通法規(guī),根據(jù)自身駕駛習(xí)慣進行操作。
試驗采集數(shù)據(jù)包括:時間、行駛里程、車輛橫向位置(與道路中心線或邊界之間的距離)、道路平曲線半徑、車道號、路面摩阻系數(shù)、行駛速度、三軸加速度、方向盤轉(zhuǎn)角、方向盤轉(zhuǎn)速、剎車踏板開合度、油門踏板開合度,以及周邊環(huán)境車輛的相對位置、速度等。
經(jīng)過對試驗數(shù)據(jù)的判別和提取,本試驗共采集有效換道數(shù)據(jù)1 042次,如表3所示。
換道越線時間數(shù)據(jù)總體分布情況如圖4所示。越線時間平均值為2.98 s,小于2 s的比例為10.26%,約15%的數(shù)據(jù)大于4 s,超過70%的數(shù)據(jù)分布在2~4 s范圍內(nèi)。對越線時間數(shù)據(jù)進行正態(tài)分布檢驗,偏度系數(shù)為1.375,峰度系數(shù)為3.755,整體呈峰態(tài)較為陡峭的正偏態(tài)分布。
表3 換道數(shù)據(jù)統(tǒng)計Tab.3 Statistics of lane changing behaviors
圖4 越線時間總體分布Fig.4 Distribution of TLC data
采用Kaplan-Meyer(K-M)非參數(shù)生存分析直接估計越線時間T的生存函數(shù)和風(fēng)險函數(shù),定量分析在某一特定影響因素下越線時間的分布特性。設(shè)通過駕駛模擬試驗所采集到的有效換道數(shù)據(jù)共n組,包含越線時間數(shù)據(jù)n個,將數(shù)據(jù)按升序排列為t1≤t2≤…≤tn,則車輛的越線時間可估計為
式中:S(ti)為車輛越線時間大于ti的概率;j*為滿足條件tj<ti的所有j的集合;dj為區(qū)間[tj,ti)內(nèi)車輛完成越線的樣本數(shù);rj為截止至tj時刻車輛仍未完成越線的樣本數(shù)。
變量選取應(yīng)考慮在換道起點即可獲得且具有代表性的參數(shù),故選取摩阻系數(shù)、換道方向、跟馳狀態(tài)以及換道起點車速作為分析變量。
將摩阻系數(shù)作為分類因子進行生存函數(shù)非參數(shù)估計,生存時間個案統(tǒng)計如表4所示。
表4 不同摩阻系數(shù)生存時間個案統(tǒng)計Tab.4 Statistics of survival time of cases at different adhesion coefficients
不同摩阻系數(shù)下的越線時間生存函數(shù)曲線如圖5所示。生存函數(shù)S(t)是時間變量t的非增函數(shù),在換道起始時刻(t=0),生存函數(shù)值為1,隨著時間推移,生存函數(shù)值逐漸下降,并最終趨于0。生存曲線越陡峭,說明生存率降低速率越快,即該時段內(nèi)車輛完成越線的樣本數(shù)越多;生存曲線越平緩,說明生存率降低越緩慢,樣本總體的越線時間就越長。由圖5知,不同摩阻系數(shù)下生存曲線的總體走勢相近,尤其是換道開始前2 s內(nèi),生存曲線重合度較高且趨勢平緩,說明各組內(nèi)在0~2 s內(nèi)完成越線的樣本數(shù)量都很少;至2 s時刻,各組內(nèi)未完成越線的生存概率基本都在90%以上。換道開始2 s后,生存曲線下降速率顯著加快,同時,不同摩阻系數(shù)組間的差異也開始體現(xiàn),高摩阻系數(shù)(f=0.8,0.5)條件下生存曲線更加陡峭,車輛越線時間的總體水平較低;低摩阻(f=0.3,0.2)系數(shù)組則反之。同組之間,摩阻系數(shù)相對更低的一條生存曲線則處于上方,曲線走勢更加平緩,說明車輛完成越線所需的時間更長。而后,高摩阻曲線約在4 s后開始逐漸趨于平緩,在這個時間點上,超過90%的樣本車輛已經(jīng)完成換道。而低摩阻曲線約在6 s后逐漸趨于平緩。
由表5給出的組間比較檢驗結(jié)果,p<0.05,拒絕原假設(shè),說明不同摩阻系數(shù)條件下車輛越線時間存在顯著性差異。相同生存概率下,隨著摩阻系數(shù)的降低,越線時間依次延長。在相同時間點上,越線時間的生存概率隨摩阻系數(shù)的降低逐漸提高。
圖6給出不同摩阻系數(shù)下的越線時間累積風(fēng)險函數(shù)曲線。由圖6可知,車輛越線時間的風(fēng)險函數(shù)是時間t的增函數(shù),即某輛車換道的持續(xù)時間越大,在下一時刻完成越線的概率就越大。摩阻系數(shù)越高,車輛在相同時間點上的“死亡”(即完成越線)風(fēng)險越大。
圖5 不同摩阻系數(shù)下的越線時間累積生存函數(shù)Fig.5 Survival distribution function for TLC at different adhesion coefficients
表5 摩阻系數(shù)組間總體比較檢驗結(jié)果Tab.5 Significant test of TLC at different adhesion coefficients
圖6 不同摩阻系數(shù)下的越線時間累積風(fēng)險函數(shù)Fig.6 Hazard function for TLC at different adhesion coefficients
同理,對不同換道方向的車輛越線時間生存函數(shù)進行比較,結(jié)果如圖7所示??芍?,不同換道方向的越線時間生存曲線基本重合,且根據(jù)Log Rank假設(shè)檢驗結(jié)果,p>0.05,即兩者的越線時間無顯著性差異。說明換道方向?qū)τ谲囕v換道越線時間的影響不顯著。
圖7 不同換道方向的越線時間累積生存函數(shù)Fig.7 Survival distribution function for TLC at different lane changing directions
車輛的跟馳狀態(tài)對于換道時程特征存在一定影響。研究表明,在駕駛員狀態(tài)和車況良好時,車輛跟馳的安全距離一般為速度值(單位采用m·s-1)的1/2以上;當(dāng)駕駛員和車輛狀況不佳時,跟馳距離應(yīng)當(dāng)保持在速度值(單位采用m·s-1)的2倍以上[27]。樣本數(shù)據(jù)中車速范圍是14.99~135.06 km·h-1,考慮到冰雪等特殊路況的影響,取跟馳狀態(tài)的距離界定范圍為100 m,即當(dāng)車輛正前方100 m內(nèi)存在其他車輛時,認(rèn)為試驗車輛處于跟馳狀態(tài),定義正前車狀態(tài)為1,反之正前車狀態(tài)為0。
由圖8知,當(dāng)車輛處于跟馳狀態(tài)時,生存曲線更加陡峭,說明車輛從開始換道至越線所需要的時間更短。在換道開始初期,這種差異并不明顯,隨著時間的推移,不同跟馳狀態(tài)下的車輛完成越線的概率差異越來越顯著。根據(jù)Log Rank假設(shè)檢驗結(jié)果,p<0.05,拒絕原假設(shè),當(dāng)車輛處于跟馳狀態(tài)時,其越線時間與非跟馳狀態(tài)下存在顯著性差異。
這說明,跟馳車輛做出換道決策的主要原因是前車行駛速度較慢,無法達到期望車速,駕駛員具有較為迫切的換道意愿。這種情況下后車車速往往大于前車,在TTC(time to collision,碰撞時間)的壓力下,駕駛員傾向于采取更加果斷的換道動作,以更快越過車道線。
車輛換道時的車速水平以換道起點時刻的瞬時車速表征,試驗所獲得的換道起點車速分布如圖9所示,不同摩阻系數(shù)條件下起點車速的分布范圍存在顯著差異,高摩阻系數(shù)(0.8、0.5)條件下,樣本分布離散性很大;而摩阻系數(shù)為0.3的條件下,車速明顯降低,分布集中程度提高;摩阻系數(shù)為0.2的條件下,車速進一步降低至30~70 km·h-1范圍內(nèi),峰度進一步提高。車速數(shù)據(jù)與實際相符,隨著路面附著系數(shù)的減小,駕駛員出于安全考慮,表現(xiàn)出更低的車速選擇意愿,期望車速顯著降低。另一方面,由于可選擇的車速區(qū)間受到擠壓,在權(quán)衡效率與安全兩方面的因素后,駕駛員傾向于選擇既能保證安全又能獲得效率的車速范圍,行駛車速分布趨于集中。
圖8 不同跟馳狀態(tài)的越線時間累積生存函數(shù)Fig.8 Survival distribution function for TLC at different car-following states
使用K-M非參數(shù)生存分析需將車速數(shù)據(jù)轉(zhuǎn)化為有序分類變量。將起點車速值劃定為[0,30)、[30,50)、[50,70)、[70,90)、[90,∞)km·h-15個等級,進行K-M非參數(shù)估計。
根據(jù)圖10所示的生存曲線,不同車速水平下越線時間生存函數(shù)走勢存在差異,車速越高,生存函數(shù)形狀越陡峭,生存率下降越快;相同生存概率下,車速水平越高,車輛完成越線所需要的時間越短。根據(jù)非參數(shù)估計檢驗,p<0.05,原假設(shè)被拒絕,說明行駛車速對車輛換道越線時間存在顯著性影響。
圖10 不同車速等級下的越線時間累積生存函數(shù)Fig.10 Survival distribution function for TLC at different speeds
非參數(shù)生存分析缺少對其他參數(shù)的控制,需假定其他影響因素是完全隨機無影響的,也僅適用于對分類變量的分析。故采用生存分析中的Cox半?yún)?shù)估計方法進一步分析。除以上4個指標(biāo)外,換道起點橫向位置(物理意義為換道開始時刻車輛重心與目標(biāo)車道線之間的距離)反映了車輛越線前所要經(jīng)過的橫向運動距離,與越線時間存在必然的聯(lián)系。因此,結(jié)合車輛換道實際以及非參數(shù)生存分析結(jié)論,選取路面摩阻系數(shù)f、換道起點車速v、車輛跟馳狀態(tài)fv以及換道起點橫向位置d為協(xié)變量,建立Cox半?yún)?shù)生存模型。
協(xié)變量的相關(guān)性分析結(jié)果如表6所示。摩阻系數(shù)與換道起點車速之間存在較強的相關(guān)性,但考慮到兩者均為車輛換道過程中的重要參數(shù),對換道行為的影響機理也存在很大區(qū)別,故予以保留。
表6 協(xié)變量相關(guān)性分析Tab.6 Correlation analysis of covariates
基于式(6)對協(xié)變量參數(shù)β進行估計,進而使用導(dǎo)出乘積限估計的方法得出累積基準(zhǔn)生存函數(shù)S0(t)。
式中:L(β)表示β的偏似然函數(shù);di為總樣本中越線時間同為ti的樣本個數(shù);Si為該di個樣本協(xié)變量的和。
車輛換道越線時間多因素Cox風(fēng)險模型參數(shù)估計結(jié)果如表7所示,β列為各協(xié)變量的系數(shù)估計值,系數(shù)為正的變量對于風(fēng)險率存在正向影響,對于越線時間存在負(fù)向影響;SE列表示該參數(shù)的標(biāo)準(zhǔn)誤差;Wald列表示W(wǎng)ald檢驗統(tǒng)計量;Sig.列為顯著性檢驗p值;Exp(β)列表示相對危險度,反映了在該因素影響下越線事件發(fā)生的風(fēng)險概率變化。由表7可知,4個協(xié)變量的顯著性檢驗p值均小于0.05,說明4類影響因素對于車輛越線時間影響顯著。
表7 換道越線時間Cox模型參數(shù)估計結(jié)果Tab.7 Parametric estimated parameters of Cox model for TLC
根據(jù)參數(shù)估計結(jié)果,車輛在開始換道后t時刻完成越線的風(fēng)險函數(shù)為
越線時間Cox比例風(fēng)險模型為
根據(jù)相對危險度Exp(β)的估計結(jié)果,摩阻系數(shù)f每升高一個單位,越線時間的風(fēng)險率提升為原來的3.76倍。在實際情況下,摩阻系數(shù)每升高0.1,風(fēng)險率提高為原來的exp(1.323×0.1)=1.14倍,越線時間縮短。起點橫向位置d每提高一個單位,越線時間的風(fēng)險率降低為原來的0.23倍,越線時間延長。同理,處于跟馳狀態(tài)的車輛相比非跟馳狀態(tài)車輛在該時刻完成越線的風(fēng)險概率提高為原來的1.29倍;行駛速度v每提高1 km·h-1,車輛完成越線的風(fēng)險概率提升為原來的1.02倍。
針對冰雪濕滑路面難以開展自然駕駛試驗的現(xiàn)狀,基于同濟大學(xué)8自由度高逼真駕駛模擬系統(tǒng),從試驗設(shè)計、場景搭建等方面系統(tǒng)地提出冰雪、結(jié)冰等極端低摩阻情況下的駕駛模擬試驗方法,在定性分析基礎(chǔ)上,選取行駛車速、路面摩阻系數(shù)、跟馳狀態(tài)、起點橫向位置為指標(biāo)變量,通過生存分析方法定量分析了多因素影響下的車輛換道時程特性,建立了車輛換道越線時間Cox半?yún)?shù)生存模型。結(jié)果表明,路面摩阻系數(shù)、車輛跟馳狀態(tài)、行駛車速等指標(biāo)對越線時間產(chǎn)生負(fù)向作用。路面摩阻系數(shù)每提高0.1,車輛在該時刻完成越線的風(fēng)險概率提高為原來的1.14倍;處于跟馳狀態(tài)的車輛在該時刻完成越線的風(fēng)險概率是非跟馳狀態(tài)車輛的1.29倍;行駛速度每提高1 km·h-1,車輛完成越線的風(fēng)險概率提升為原來的1.02倍,均導(dǎo)致越線時間縮短。換道起點橫向位置對越線時間具有正向作用,該指標(biāo)每增加1 m,越線時間的風(fēng)險率降低為原來的0.23倍,越線時間延長。此外,換道方向?qū)υ骄€時間并無顯著性影響。