基于視頻的城市道路超車(chē)行為影響因素模型

秦雅琴，鄭號(hào)染，2，李劍仕

(1. 昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650504； 2. 武漢理工大學(xué) 交通學(xué)院，湖北 武漢 430063)

0 引 言

近年來(lái)，機(jī)動(dòng)車(chē)擁有量及駕駛?cè)藬?shù)量迅速增長(zhǎng)，人們?cè)谙硎苤鴻C(jī)動(dòng)化程度不斷提高帶來(lái)的便利之外，也承受著隨之而來(lái)的交通事故頻發(fā)、擁堵嚴(yán)重等負(fù)面效應(yīng)的影響。相較于高速公路和普通公路，城市道路機(jī)動(dòng)車(chē)出行次數(shù)更高，發(fā)生交通事故的可能性也更大。截至2018年初，我國(guó)城市道路總里程占全國(guó)道路總里程的7.5%，而城市道路交通事故量及傷亡人數(shù)卻分別占到全國(guó)的45.8%和38.8%，城市道路百公里交通事故率是高速公路的4倍、普通公路的10倍[1]?？梢?jiàn)，相較于其他公路，城市道路交通形勢(shì)更加嚴(yán)峻，相關(guān)人員需要加強(qiáng)對(duì)城市交通安全問(wèn)題的重視。在城市道路上，超車(chē)行為對(duì)交通安全有重要影響，超車(chē)不當(dāng)是造成通行效率低下、甚至導(dǎo)致交通事故的重要因素[2]。關(guān)于超車(chē)行為的研究，已經(jīng)引起了相關(guān)學(xué)者的關(guān)注。

國(guó)內(nèi)外相關(guān)學(xué)者圍繞超車(chē)現(xiàn)象展開(kāi)了一系列研究，取得了一定成果。E. I. VLAHOGIANNI等[3]基于貝葉斯網(wǎng)絡(luò)，構(gòu)建了超車(chē)行為不確定性模型，揭示了超車(chē)行為的微觀影響因素，并指出男性司機(jī)做出超車(chē)決策的概率更高；G. HEGEMAN等[4]利用模擬實(shí)驗(yàn)檢驗(yàn)了超車(chē)輔助設(shè)備在雙車(chē)道公路上的效果，發(fā)現(xiàn)超車(chē)概率與冒險(xiǎn)性駕駛行為正相關(guān)；J. E. NARANJO等[5]基于仿真分析，設(shè)計(jì)出了可自主實(shí)現(xiàn)路徑跟蹤及車(chē)道變換的超車(chē)系統(tǒng)；Z. C. HE等[6]基于最優(yōu)速度構(gòu)建了超車(chē)期望影響模型；J. X. WANG等[7]基于空間模型，構(gòu)建了動(dòng)態(tài)和準(zhǔn)靜態(tài)背景下的超車(chē)檢測(cè)模型；H.FARAH等[8]利用模擬實(shí)驗(yàn)研究了IGT與超車(chē)行為的關(guān)系；柏偉等[9]開(kāi)創(chuàng)性地在將超車(chē)過(guò)程分為換道、超越、并道3個(gè)階段的基礎(chǔ)上，結(jié)合車(chē)輛跟馳行駛時(shí)的安全距離，構(gòu)建了新型超車(chē)判斷及輔助模型，并以算例驗(yàn)證了該模型的實(shí)用性；單曉峰等[10]通過(guò)分析雙車(chē)道公路超車(chē)行為兩難區(qū)，發(fā)現(xiàn)兩難區(qū)出現(xiàn)的概率隨著交通量及車(chē)速的增加而增加；陳小龍[11]基于交通流理論及概率論，構(gòu)建了山區(qū)雙車(chē)道公路超車(chē)模型；朱秀娟[12]基于模擬實(shí)驗(yàn)得到了雙車(chē)道公路超車(chē)行為安全評(píng)價(jià)模型。

研究表明，超車(chē)行為受多種因素影響，是影響道路安全及通行能力的重要因素。但是，目前此方面的研究主要集中在雙車(chē)道公路上，關(guān)于城市多車(chē)道公路超車(chē)行為的研究較為匱乏。而城市道路超車(chē)行為發(fā)生的概率更高，安全形勢(shì)也更嚴(yán)峻。2018年1月7日，中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于推進(jìn)城市安全發(fā)展的意見(jiàn)》，交通安全是城市安全的重要組成部分，而工作日和非工作日的交通差異及工作日高峰時(shí)段集中出行是城市交通的顯著特點(diǎn)。筆者利用視頻檢測(cè)法，開(kāi)創(chuàng)性地從城市多車(chē)道公路超車(chē)特性出發(fā)，對(duì)工作日、非工作日及工作日高峰時(shí)段的超車(chē)行為影響因素進(jìn)行分析，分別構(gòu)建了各自的超車(chē)次率影響因素回歸模型；分別對(duì)工作日與非工作日、工作日與其高峰時(shí)段的超車(chē)次率模型進(jìn)行了對(duì)比分析，進(jìn)一步充實(shí)了超車(chē)行為的相關(guān)研究，對(duì)推進(jìn)交通安全管理、強(qiáng)化城市安全基礎(chǔ)、提高城市交通安全性有重大現(xiàn)實(shí)意義。

1 超車(chē)特性評(píng)價(jià)指標(biāo)

1.1 超車(chē)判定標(biāo)準(zhǔn)

超車(chē)是解決車(chē)速差異較大的重要手段，但同時(shí)也是導(dǎo)致交通事故的關(guān)鍵風(fēng)險(xiǎn)因素[13]。筆者在K. TIAPRASERT等[14]研究的基礎(chǔ)上，以車(chē)輛通過(guò)指定點(diǎn)的順序變化判定其是否超車(chē)。

以x1、x2分別表示上下游斷面，定義n輛車(chē)為研究對(duì)象(n=1，2，3，…，N),t(n，x1)、z(n，x1)表示車(chē)輛n通過(guò)x1的時(shí)間和順序，t(n，x2)、z(n，x2)表示車(chē)輛n通過(guò)x2的時(shí)間和順序。以車(chē)輛通過(guò)上下游的順序變化判定其是否超車(chē)，判定方法如下：

1)當(dāng)z(n，x1)>z(n，x2)，超車(chē)數(shù)大于被超車(chē)數(shù)，序號(hào)減小(存在只超車(chē)的情況，被超車(chē)數(shù)為0)。

2)當(dāng)z(n，x1)

3)當(dāng)z(n，x1)=z(n，x2)，有兩種情況：①所有車(chē)輛均未超車(chē)；②超車(chē)數(shù)與被超車(chē)數(shù)相等。

1.2 超車(chē)次率ROT

超車(chē)次率ROT(rate of overtaking vehicle times)表示某時(shí)段內(nèi)路段上超車(chē)總次數(shù)與全部車(chē)輛數(shù)的比值，是評(píng)價(jià)超車(chē)現(xiàn)象的絕對(duì)性指標(biāo)，如式(1)：

(1)

在車(chē)輛數(shù)為n的車(chē)隊(duì)中，若所有車(chē)輛均按“先入先出”規(guī)則行駛，則未發(fā)生超車(chē)行為，ROT=0；若所有車(chē)輛均按“先入后出”規(guī)則行駛，則ROT達(dá)到最大值(n-1)/2。即，ROT取值范圍為[0，(n-1)/2]。

2 數(shù)據(jù)來(lái)源

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集點(diǎn)為秦皇島市的兩個(gè)交叉口(分別為采集點(diǎn)1、2)。兩采集點(diǎn)間路段單向直行車(chē)道數(shù)為3，左右轉(zhuǎn)車(chē)道數(shù)均為1，車(chē)輛駛經(jīng)該路段，兩采集點(diǎn)均記錄同一車(chē)輛的車(chē)牌信息，從而得到各車(chē)的通過(guò)時(shí)刻及順序。設(shè)備布置如圖1。

圖1 視頻檢測(cè)布置Fig. 1 Layout of video detection equipment

2.2 數(shù)據(jù)處理

2.2.1 預(yù)處理

視頻設(shè)備全天檢測(cè)，得到海量數(shù)據(jù)。此外，通信故障、環(huán)境因素等均將影響數(shù)據(jù)質(zhì)量，因此，需進(jìn)行數(shù)據(jù)預(yù)處理。 數(shù)據(jù)質(zhì)量問(wèn)題主要包括無(wú)效和冗余數(shù)據(jù)兩類(lèi)：①無(wú)效數(shù)據(jù)主要是由于車(chē)輛跟車(chē)過(guò)近或不按規(guī)定車(chē)道行駛造成系統(tǒng)無(wú)法識(shí)別車(chē)牌信息，導(dǎo)致回傳數(shù)據(jù)無(wú)法與上下游檢測(cè)點(diǎn)車(chē)輛信息進(jìn)行匹配，進(jìn)而無(wú)法確定車(chē)輛的軌跡及其它信息；②冗余數(shù)據(jù)主要是指同一輛車(chē)在極短的時(shí)間內(nèi)先后被攝像機(jī)記錄兩次，并且不在同一車(chē)道，此種重復(fù)數(shù)據(jù)將造成部分車(chē)輛信息的重疊，不利于數(shù)據(jù)存儲(chǔ)及相關(guān)處理。

除數(shù)據(jù)質(zhì)量問(wèn)題外，原始數(shù)據(jù)中的時(shí)間格式為日期時(shí)間型，不利于后續(xù)時(shí)間加減的直接運(yùn)算。因此，需將日期時(shí)間型數(shù)據(jù)格式轉(zhuǎn)換為類(lèi)數(shù)值型數(shù)據(jù)格式(Unix時(shí)間戳格式：從格林威治時(shí)間起至現(xiàn)在的總秒數(shù))。

因此，數(shù)據(jù)預(yù)處理過(guò)程涉及到刪除無(wú)效數(shù)據(jù)、數(shù)據(jù)格式轉(zhuǎn)換和刪除冗余數(shù)據(jù)3方面，結(jié)合MYSQL與VBA進(jìn)行數(shù)據(jù)預(yù)處理。預(yù)處理后，采集點(diǎn)1、2有效數(shù)據(jù)分別為216 735條、173 905條。

2.2.2 分周期統(tǒng)計(jì)

如圖2，車(chē)輛運(yùn)行受信號(hào)燈控制，燈態(tài)轉(zhuǎn)換前后車(chē)輛出發(fā)時(shí)間差明顯增大，故基于預(yù)處理結(jié)果，對(duì)數(shù)據(jù)進(jìn)行分周期統(tǒng)計(jì)，匹配上下游數(shù)據(jù)并判斷順序變化，得到各周期超車(chē)數(shù)據(jù)，步驟如下：

圖2 燈態(tài)轉(zhuǎn)換示意Fig. 2 Schematic diagram of signal light conversion

步驟1：人工確定某周期綠燈始亮?xí)r刻t1。

步驟2：t1加上周期間隔值(受車(chē)輛性能、司機(jī)反應(yīng)時(shí)間等影響，各周期間隔值存在小幅度波動(dòng)，故以周期時(shí)長(zhǎng)為標(biāo)準(zhǔn)周期間隔值)得到下一周期綠燈始亮?xí)r刻t2。

步驟3：以t2為新的綠燈始亮?xí)r刻，進(jìn)行步驟2的計(jì)算。

步驟4：利用VBA依次循環(huán)，完成數(shù)據(jù)分周期統(tǒng)計(jì)。

3 超車(chē)次率影響因素模型構(gòu)建

3.1 影響因素

超車(chē)行為受車(chē)輛數(shù)、速度、行程時(shí)間、駕駛員素質(zhì)等多種因素影響[15]。筆者基于視頻數(shù)據(jù)特征，從交通流特性角度考察超車(chē)次率影響因素，如表1(上標(biāo)s、w、wh用于區(qū)分非工作日、工作日及其高峰時(shí)段的交通參數(shù))。

表1 超車(chē)次率影響因素Table 1 Influence factors of ROT

3.2 超車(chē)次率影響因素模型

為表征各種因素對(duì)超車(chē)行為的影響程度，采用回歸分析法構(gòu)建模型。設(shè)y為因變量，x1，x2，…xk為自變量，當(dāng)自變量與因變量線(xiàn)性相關(guān)時(shí)，模型為：

y=b0+b1x1+b2x2+…+bkxk+e

(2)

式中：b0為常數(shù)項(xiàng)；bi為xi(1≤i≤k)對(duì)y的偏回歸系數(shù)；y為因變量；x1，x2，…xk為k個(gè)自變量；e為隨機(jī)誤差。因變量為超車(chē)次率，自變量為影響因素，對(duì)于n個(gè)周期的樣本數(shù)據(jù)，式(2)的矩陣形式為：

y=Xb+e

(3)

采用多元線(xiàn)性逐步回歸得最優(yōu)方程?；貧w過(guò)程中，每一步均計(jì)算已引入變量的偏回歸平方和，選取偏回歸平方和最小的變量，在給定的F水平下作顯著性檢驗(yàn)，然后按偏回歸平方和遞增的順序依次對(duì)其它變量作F檢驗(yàn)，僅保留對(duì)y影響顯著的變量。接著分別計(jì)算未引人變量的偏回歸平方和，對(duì)偏回歸平方和最大的變量，在給定F水平下作顯著性檢驗(yàn)，若顯著則將該變量引入方程，循環(huán)該過(guò)程，直到方程中變量均不能剔除而又無(wú)新變量時(shí)為止。最后保留的均為對(duì)y有顯著影響的因素。

分別建立工作日、工作日高峰時(shí)段及非工作日的超車(chē)次率影響因素回歸模型。表2～表7為回歸結(jié)果，圖3～圖5為數(shù)據(jù)擬合結(jié)果，其中，ROTw、ROTwh、ROTs分別為工作日、工作日高峰時(shí)段及非工作日的超車(chē)次率。

3.2.1 工作日超車(chē)次率

表2、表3為工作日超車(chē)次率模型回歸結(jié)果。表2、表3中：模型1以tv為預(yù)測(cè)變量；模型2以tw、vw為預(yù)測(cè)變量；模型3以tw、vw和nw為預(yù)測(cè)變量。R為相關(guān)系數(shù)，df為自由度，F(xiàn)為統(tǒng)計(jì)量值，S為顯著性，B為非標(biāo)準(zhǔn)化回歸系數(shù)，t為統(tǒng)計(jì)檢驗(yàn)值。工作日超車(chē)次率影響因素模型如式(4)：

表2 工作日超車(chē)次率模型匯總及方差分析Table 2 Summary and variance analysis of ROT model on workdays

表3 工作日超車(chē)次率模型系數(shù)Table 3 Coefficients of ROT model on workdays

ROTw=-10.852+0.045tw+0.286vw+0.017nw

(4)

式中：nw、tw、vw分別為工作日單周期車(chē)輛數(shù)、平均行程時(shí)間及速度。

可見(jiàn)，工作日超車(chē)次率與車(chē)輛數(shù)、速度及行程時(shí)間呈正相關(guān)，其中，速度對(duì)超車(chē)次率的影響最大，行程時(shí)間次之，車(chē)輛數(shù)對(duì)超車(chē)次率的影響最小。

3.2.2 非工作日超車(chē)次率

非工作日超車(chē)次率影響因素回歸結(jié)果如表4～表5。表4、表5中：模型1以ns為預(yù)測(cè)變量；模型2以ns、ts為預(yù)測(cè)變量。

表4 非工作日超車(chē)次率模型匯總及方差分析Table 4 Summary and variance analysis of ROT model on nonworking days

表5 非工作日超車(chē)次率模型系數(shù)Table 5 Coefficients of ROT model on nonworking days

非工作日超車(chē)次率影響因素模型如式(5)：

ROTs=-0.243+0.076ns+0.002ts

(5)

式中：ns、ts分別為非工作日單周期車(chē)輛數(shù)及平均行程時(shí)間。

由式(5)可見(jiàn)，非工作日超車(chē)次率與車(chē)輛數(shù)及行程時(shí)間呈正相關(guān)，且相較于行程時(shí)間，車(chē)輛數(shù)對(duì)超車(chē)次率的影響更大。

3.2.3 工作日高峰時(shí)段超車(chē)次率

表6、表7為工作日高峰時(shí)段超車(chē)次率回歸過(guò)程及結(jié)果。表6、表7中：模型1以twh為預(yù)測(cè)變量；模型2以twh、vwh為預(yù)測(cè)變量。模型如式(6)：

表6 工作日高峰時(shí)段超車(chē)次率模型匯總及方差分析Table 6 Summary and variance analysis of ROT model in the peak hours of workdays

表7 工作日高峰時(shí)段超車(chē)次率模型系數(shù)Table 7 Coefficients of ROT model in the peak hours of workdays

ROTwh=-22.501+0.073twh+0.706vwh

(6)

式中：twh、vwh分別為工作日高峰時(shí)段單周期平均行程時(shí)間及速度。由式(6)可知，工作日高峰時(shí)段超車(chē)次率與行程時(shí)間及速度均呈正相關(guān)，且相較于行程時(shí)間，速度對(duì)超車(chē)次率的影響更大。

3.2.4 數(shù)據(jù)擬合

基于回歸結(jié)果，得工作日、非工作日及工作日高峰時(shí)段數(shù)據(jù)擬合結(jié)果如圖3～圖5。

圖3 工作日超車(chē)次率與主要影響因素之間的關(guān)系Fig. 3 Relationship between ROT and main influencing factors of working days

圖4 非工作日超車(chē)次率與主要影響因素之間的關(guān)系Fig. 4 Relationship between ROT and main influencing factors of nonworking days

圖5 工作日高峰時(shí)段超車(chē)次率與主要影響因素之間的關(guān)系Fig. 5 Relationship between ROT and main influencing factors in the peak hours of workdays

對(duì)比工作日及其高峰時(shí)段超車(chē)次率回歸模型可知：行程時(shí)間及速度均對(duì)超車(chē)行為有顯著影響，并且在高峰時(shí)段，超車(chē)行為受兩者影響的程度更高，這可能與高峰時(shí)段人們的出行目的及時(shí)間要求相關(guān)。但是，車(chē)輛數(shù)在高峰時(shí)段對(duì)超車(chē)行為的影響并不明顯，這可能與高峰時(shí)段交通量較大，超車(chē)難度系數(shù)提高相關(guān)。通過(guò)對(duì)比工作日及非工作日的超車(chē)次率回歸模型，發(fā)現(xiàn)：行程時(shí)間及速度在工作日對(duì)超車(chē)行為的影響更大，而車(chē)輛數(shù)在非工作日對(duì)超車(chē)行為的影響更加明顯。交通狀態(tài)過(guò)飽和時(shí)，無(wú)法正常完成超車(chē)。鑒于數(shù)據(jù)覆蓋范圍有限，筆者所提模型適用于交通狀態(tài)未達(dá)過(guò)飽和時(shí)的情況。

以往多為基于模擬實(shí)驗(yàn)或?qū)嵻?chē)實(shí)驗(yàn)對(duì)雙車(chē)道公路上的超車(chē)行為展開(kāi)研究，數(shù)據(jù)量較小。此外，超車(chē)是駕駛?cè)酥饔^意識(shí)的反映，受駕駛?cè)诵睦硪蛩赜绊懞艽?，?shí)驗(yàn)中被試往往容易采取與平時(shí)駕駛習(xí)慣不同的措施，對(duì)結(jié)果影響很大，難以得到客觀全面的超車(chē)行為參數(shù)，影響結(jié)果的可靠性。筆者利用視頻法，基于正常駕駛狀態(tài)下的海量數(shù)據(jù)對(duì)城市多車(chē)道公路上的超車(chē)特性進(jìn)行分析，結(jié)果可靠。基于城市交通特點(diǎn)，開(kāi)創(chuàng)性地對(duì)工作日全天、高峰時(shí)段及非工作日的超車(chē)行為影響因素進(jìn)行了定量分析，對(duì)不同交通狀態(tài)下的超車(chē)行為進(jìn)行了更加細(xì)致化分析，對(duì)改善城市交通環(huán)境、促進(jìn)交通安全具有實(shí)際意義。

4 結(jié) 論

筆者基于視頻車(chē)牌識(shí)別技術(shù)得到海量交通數(shù)據(jù)，分析了城市多車(chē)道公路上超車(chē)行為，得出以下結(jié)論：

1)結(jié)合MYSQL及VBA對(duì)海量數(shù)據(jù)進(jìn)行了提取與優(yōu)化，完成了數(shù)據(jù)分周期統(tǒng)計(jì)。

2)以ROT作為超車(chē)特性宏觀量化指標(biāo)，得到了不同交通狀態(tài)下的超車(chē)行為參數(shù)。

3)對(duì)比工作日與非工作日超車(chē)次率模型，發(fā)現(xiàn)：相較于非工作日，工作日超車(chē)次率受速度及行程時(shí)間的影響更大，而車(chē)輛數(shù)在非工作日對(duì)超車(chē)行為的影響更明顯。

4)對(duì)比工作日及其高峰時(shí)段的超車(chē)次率模型，發(fā)現(xiàn)：在工作日及高峰時(shí)段，行程時(shí)間及速度均對(duì)超車(chē)行為影響顯著，并且，在高峰時(shí)段，行程時(shí)間及速度對(duì)超車(chē)行為的影響更大。但是，車(chē)輛數(shù)在高峰時(shí)段對(duì)超車(chē)行為的影響并不明顯，這可能與高峰時(shí)段內(nèi)交通量大，超車(chē)難度系數(shù)高有關(guān)。

相應(yīng)交通管理部門(mén)應(yīng)著重加強(qiáng)對(duì)工作日期間(尤其是高峰時(shí)段)的車(chē)速管控，鼓勵(lì)市民(尤其是通行距離較遠(yuǎn)、行程時(shí)間較長(zhǎng)的出行者)選擇公共交通方式出行，在保障通行效率的同時(shí)達(dá)到對(duì)超車(chē)次率進(jìn)行控制的目標(biāo)，提高交通安全系數(shù)。