• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    高速公路冰雪濕滑路面車輛換道越線時間生存分析

    2020-06-16 02:06:10柳本民陳彥旭管星宇
    關(guān)鍵詞:越線摩阻車速

    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。

    1 模型與方法

    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。

    1.1 車輛越線時間生存函數(shù)建模

    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

    1.2 車輛越線時間半?yún)?shù)生存模型Cox

    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 試驗與數(shù)據(jù)采集

    2.1 試驗設(shè)計

    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。

    2.2 數(shù)據(jù)采集

    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

    3 車輛越線時間指標(biāo)分析

    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。

    3.1 不同摩阻系數(shù)下越線時間分布特征

    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

    3.2 不同換道方向越線時間分布特征

    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

    3.3 不同跟馳狀態(tài)越線時間分布特征

    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。

    3.4 不同車速下越線時間分布特征

    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

    4 車輛越線時間Cox比例風(fēng)險模型及參數(shù)估計

    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。

    5 結(jié)論

    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。

    猜你喜歡
    越線摩阻車速
    機非標(biāo)線分隔道路電動自行車越線風(fēng)險模型
    鐵路島式站臺越線報警系統(tǒng)的研究與應(yīng)用
    市政橋梁預(yù)應(yīng)力管道摩阻系數(shù)測試研究
    江西建材(2018年4期)2018-04-10 12:37:20
    2012款奔馳R300車修改最高車速限制
    北京現(xiàn)代途勝車車速表不工作
    兩車直角碰撞車速計算方法及應(yīng)用
    計算隱式摩阻系數(shù)方程數(shù)值解的簡便方法
    考慮扶正器影響的套管摩阻計算方法研究
    降低壓裂施工摩阻技術(shù)研究
    論生態(tài)保護紅線的越線責(zé)任追究制度之完善——從《環(huán)境保護法》第29條出發(fā)
    沅江市| 仪陇县| 灵宝市| 怀柔区| 宝兴县| 双城市| 昌吉市| 乌拉特中旗| 闽清县| 沁阳市| 珲春市| 儋州市| 万山特区| 东兴市| 永康市| 长顺县| 衡东县| 郴州市| 蚌埠市| 遂川县| 成都市| 岳阳县| 上饶市| 林甸县| 鹤庆县| 丽江市| 蓝山县| 湘潭市| 开封县| 永和县| 南投市| 天峨县| 凤阳县| 巴里| 武山县| 九寨沟县| 石城县| 孟村| 滕州市| 察哈| 综艺|