李 巖,南斯睿,胡文斌,汪 帆,陳寬民
(1.長(zhǎng)安大學(xué) 運(yùn)輸工程學(xué)院,陜西 西安 710064;2.東南大學(xué) 交通學(xué)院, 江蘇 南京 211189;3.甘肅路橋新路交通工程有限公司,甘肅 蘭州 730030)
電動(dòng)自行車舒適、快速、經(jīng)濟(jì)、環(huán)保[1],迅速成為各國(guó)居民主要出行方式[2,3],尤為適用于城市范圍內(nèi)5~10 km距離的出行[4]。電動(dòng)自行車種類較多,一般根據(jù)動(dòng)力驅(qū)動(dòng)形式、最大功率和最高行駛車速等要素分類[5]。我國(guó)最新技術(shù)標(biāo)準(zhǔn)將電動(dòng)自行車視為非機(jī)動(dòng)車,將限速?gòu)?0增為25 km/h[6]。調(diào)查發(fā)現(xiàn),電動(dòng)自行車行駛速度仍多高于此限速,且平均行駛速度比傳統(tǒng)自行車高40%~50%[7,8]。較高的速度差異,使需行駛于非機(jī)動(dòng)車道的電動(dòng)自行車難以達(dá)到行駛期望,改造其常選擇進(jìn)入相鄰的平均速度較高的機(jī)動(dòng)車道,并出現(xiàn)頻繁駛?cè)腭偝龇菣C(jī)動(dòng)車道的情形[9],此現(xiàn)象在機(jī)非標(biāo)線隔離的道路更為嚴(yán)重。因電動(dòng)自行車需越過機(jī)非隔離標(biāo)線,可簡(jiǎn)稱為越線行為。綜上,電動(dòng)自行車的廣泛應(yīng)用,使非機(jī)動(dòng)車流速度離散程度提升[10],傳統(tǒng)混合交通流演化為多元機(jī)非混合交通流。而多元混合流時(shí)空相互作用的復(fù)雜度遠(yuǎn)高于傳統(tǒng)混合交通流,使常規(guī)管控措施難以優(yōu)化,造成道路時(shí)空資源利用效率降低,交通安全隱患急劇提升。
當(dāng)電動(dòng)自行車所處行駛條件無法滿足行駛期望時(shí),會(huì)產(chǎn)生越線行為動(dòng)機(jī)[11]。杭州市實(shí)測(cè)數(shù)據(jù)發(fā)現(xiàn),非機(jī)動(dòng)車越線行為主要與路段內(nèi)自行車交通流量、自行車運(yùn)行速度、機(jī)動(dòng)車交通流速度標(biāo)準(zhǔn)差及路段車道數(shù)、自行車的15%位車速等因素有關(guān)[12],但未能對(duì)各因素的重要程度進(jìn)行分析[13]。西安市實(shí)測(cè)數(shù)據(jù)表明,當(dāng)機(jī)非橫向間距大于2 m時(shí)相互影響較小[9],橫向間距小于1 m的情況很少見[14]。由此可見當(dāng)非機(jī)動(dòng)車越線時(shí),對(duì)機(jī)動(dòng)車的行駛及自身安全均會(huì)造成極大影響[15]。非機(jī)動(dòng)車的越線概率可用概率模型描述[16],計(jì)算以速度差表示的越線需求和相鄰機(jī)動(dòng)車道的車頭間距,并通過這兩個(gè)獨(dú)立概率事件的乘積來獲取非機(jī)動(dòng)車的越線概率;也可通過元胞自動(dòng)機(jī)中,統(tǒng)計(jì)元胞變化狀況對(duì)機(jī)非混合流的作用機(jī)理進(jìn)行描述;但多描述的宏觀狀態(tài),對(duì)微觀行為觀測(cè)不足[17,18]。
回歸統(tǒng)計(jì)及概率模型兩類方法均可描述機(jī)非的相互作用,但多未針對(duì)電動(dòng)自行車的運(yùn)行特性進(jìn)行標(biāo)定。雖已建立部分概率統(tǒng)計(jì)模型描述非機(jī)動(dòng)車越線行為,但模型擬合效果仍有待提升,更少見越線行為機(jī)理等角度的交通管理方向建議。電動(dòng)自行車廣泛應(yīng)用后,多元混合流的交通特性發(fā)生了較大變化,電動(dòng)自行車越線概率遠(yuǎn)高于傳統(tǒng)自行車,因此需對(duì)電動(dòng)自行車越線進(jìn)入機(jī)動(dòng)車道行駛的行為機(jī)理深入分析,以獲取各情境下使電動(dòng)自行車越線行為的誘因。
生存分析(survival analysis)是在綜合考慮事件發(fā)生的內(nèi)因和外因基礎(chǔ)上,對(duì)與事件發(fā)生相關(guān)問題提供統(tǒng)計(jì)規(guī)律的一種分析與推斷方法[19]。生存分析對(duì)交通運(yùn)輸領(lǐng)域中的研究多與時(shí)間相關(guān),主要包含交通事故持續(xù)時(shí)間分析[20,21]、行人或非機(jī)動(dòng)車過街分析[22,23]、交通擁堵持續(xù)時(shí)間分析[24],出行時(shí)間分析[25]等。相比概率模型,生存分析模型可用于分析交通參數(shù)較難確認(rèn)服從何種分布時(shí)的影響因素。生存分析模型可通過考慮刪失數(shù)據(jù)(censored data),統(tǒng)計(jì)每個(gè)觀測(cè)出現(xiàn)某類行為(如電動(dòng)自行車越線行為)的概率,從而獲取該種因素對(duì)整體事件的影響,適用于傳統(tǒng)模型較難建模的電動(dòng)自行車越線進(jìn)入機(jī)動(dòng)車道行駛行為分析。因此,筆者選取與越線行為直接相關(guān)的電動(dòng)自行車越線車速為自變量,建立基于生存分析的風(fēng)險(xiǎn)模型,明晰電動(dòng)自行車越線的關(guān)鍵誘因及越線時(shí)機(jī),定量分析各影響因素下的越線風(fēng)險(xiǎn),為優(yōu)化交通設(shè)施設(shè)計(jì),提升道路交通管理水平,實(shí)現(xiàn)精準(zhǔn)化設(shè)計(jì)、精細(xì)化管理提供依據(jù)。
相對(duì)于機(jī)動(dòng)車輛,電動(dòng)自行車具備車體小、轉(zhuǎn)向靈活、穩(wěn)定性差等特點(diǎn)[26]。在當(dāng)前車道行駛無法滿足騎行者行駛期望時(shí),可利用車身尺寸小、轉(zhuǎn)向靈活的特點(diǎn)穿插于機(jī)動(dòng)車道、非機(jī)動(dòng)車道和人行道之間,或穿行于道路前方障礙物間。機(jī)非標(biāo)線分隔道路未設(shè)置物理分隔設(shè)施,對(duì)電動(dòng)自行車約束小,易出現(xiàn)越線行駛行為。
根據(jù)電動(dòng)自行車在行駛過程中在運(yùn)動(dòng)過程中是否受其他車輛或障礙物等因素的影響,越線行為可被分為自由騎行越線和受阻騎行越線。自由騎行越線指在不受其他因素影響情況下,電動(dòng)自行車騎行者選擇越線進(jìn)入機(jī)動(dòng)車道行駛的行為;受阻騎行越線指騎行者為規(guī)避其他交通參與者或障礙物等因素影響,進(jìn)入機(jī)動(dòng)車道尋求更好騎行環(huán)境的行為。電動(dòng)自行車騎行者的期望和實(shí)際運(yùn)行狀態(tài)的差異,是誘發(fā)自由騎行越線行為的主要因素。在實(shí)際騎行狀況和騎行者期望有較大差異時(shí),電動(dòng)車騎行者有較高概率會(huì)選擇在機(jī)動(dòng)車道騎行。在受阻環(huán)境下,還會(huì)受非機(jī)動(dòng)車道寬度、電動(dòng)車速度、相鄰機(jī)動(dòng)車道交通狀態(tài)、非機(jī)動(dòng)車道密度[27]等因素的影響。在道路環(huán)境較好時(shí),此類越線行為可避免。
電動(dòng)自行車騎行者的越線行為,是為了尋求更好的駕駛環(huán)境。騎行車速、非機(jī)動(dòng)車道寬度、相鄰機(jī)動(dòng)車道狀態(tài)、非機(jī)動(dòng)車道密度等都影響著電動(dòng)自行車騎行者的車道選擇行為。風(fēng)險(xiǎn)建模宜從直接影響越線行為的因素入手,建立基于生存分析的基本模型框架;再分析同一速度基準(zhǔn)上,其他各單一影響因素對(duì)越線行為的定性影響;最終獲取不同等級(jí)的各類道路環(huán)境因素下,電動(dòng)自行車相對(duì)越線風(fēng)險(xiǎn)程度。
在影響電動(dòng)自行車越線行為的主要因素中,車速為連續(xù)變量。相對(duì)于越線持續(xù)時(shí)間,車速能更直接體現(xiàn)越線風(fēng)險(xiǎn),即電動(dòng)自行車車速越高,越線風(fēng)險(xiǎn)越大。對(duì)電動(dòng)自行車越線風(fēng)險(xiǎn)建模時(shí),宜選用越線速度為自變量,建立生存分析基本模型,明確越線速度和行為的關(guān)系。在同一速度基準(zhǔn)上,應(yīng)用Kaplan-Meier(K-M)模型,分析各單一因素下越線速度特征,明確其他單一因素對(duì)越線行為影響。并結(jié)合實(shí)測(cè)數(shù)據(jù),應(yīng)用COX模型可獲取特定道路環(huán)境因素等級(jí)下,電動(dòng)自行車相對(duì)越線風(fēng)險(xiǎn)程度。
電動(dòng)自行車行駛速度在越線風(fēng)險(xiǎn)分析時(shí),對(duì)應(yīng)越線行為和非越線行為二分狀態(tài)。在生存分析建模過程中,可將電動(dòng)自行車從發(fā)生越線行為到返回非機(jī)動(dòng)車道時(shí)間內(nèi)的持續(xù)速度,抽象為生存分析模型中的生存時(shí)間,建立生存分析基本模型,獲取車速同越線風(fēng)險(xiǎn)的關(guān)系。
K-M模型是定量分析某一影響因素下,事件分布特性的非參數(shù)方法,可在生存分析基本模型基礎(chǔ)上,對(duì)生存曲線差異做顯著性檢驗(yàn)。選取K-M模型對(duì)影響越線行為的非機(jī)動(dòng)車道寬度或相鄰道路交通流狀態(tài)等單一因素進(jìn)行顯著性分析,明確其與越線行為的關(guān)系,可獲取各單一因素對(duì)越線風(fēng)險(xiǎn)的影響。
COX回歸模型又稱比例風(fēng)險(xiǎn)回歸模型(proportional hazards model),是生存分析模型的多因素分析方法,可分析各變量對(duì)生存率的影響。為確定各影響因素下,電動(dòng)自行車的相對(duì)越線風(fēng)險(xiǎn),選用COX回歸模型,分析各道路環(huán)境因素對(duì)越線行為的相對(duì)作用。
令研究范圍內(nèi)處于越線狀態(tài)的電動(dòng)自行車速度為完全數(shù)據(jù),非越線狀態(tài)的速度為刪失數(shù)據(jù),X代表電動(dòng)自行車的速度為非負(fù)隨機(jī)變量。當(dāng)X大于某給定的速度t時(shí),電動(dòng)自行車有大概率產(chǎn)生越線行為。其基本生存函數(shù)可用式(1)定義,概率密度函數(shù)如式(2):
(1)
(2)
式中:F(x)為X的累積分布函數(shù);S(t)為生存函數(shù);f(x)為概率密度函數(shù);t為任意給定速度;P()為越線行為發(fā)生的概率;Δt為t的瞬時(shí)增量。
基本生存函數(shù)對(duì)應(yīng)的危險(xiǎn)函數(shù)h(t),指越線速度已經(jīng)持續(xù)在t的情況下,在單位速度Δt內(nèi)事件結(jié)束的概率,其本質(zhì)為條件生存概率,如式(3):
(3)
(4)
COX回歸模型可通過計(jì)算各因素越線風(fēng)險(xiǎn)比值的偏似然函數(shù)最大值,獲取各影響因素對(duì)越線風(fēng)險(xiǎn)影響的相對(duì)值。COX回歸模型基本形式如式(5):
h(t,Z)=h0(t)exp(βZ)
(5)
式中:Z=[Z1j(t),Z2j(t),…,Zpj(t),…,ZNj(t)](p=1,2,…,N,j=1,2,…,J)為與x相關(guān)的協(xié)變量構(gòu)成的向量,即影響生存率的因素;h0(t)為基準(zhǔn)風(fēng)險(xiǎn)函數(shù),指全部協(xié)變量都為零,即沒有其他影響因素作用下,越線行為所固有的危險(xiǎn)函數(shù);β=[β1,β2,…βj,…,βJ]為變量參數(shù),通過估計(jì)βj的值可獲取某影響因素對(duì)越線作用形式:當(dāng)βj>0時(shí),表明該協(xié)變量Zj為危險(xiǎn)因子,會(huì)增加電動(dòng)自行車越線率,反之則會(huì)降低越線率,當(dāng)βj=0時(shí),該變量對(duì)越線行為無影響。
當(dāng)存在兩個(gè)有Z和Z′個(gè)體的協(xié)變量時(shí),可應(yīng)用COX模型對(duì)其相對(duì)風(fēng)險(xiǎn)時(shí)進(jìn)行分析,如式(6)。若式(6)所得值大于1,說明相比Z′的影響,電動(dòng)自行車在協(xié)變量x的影響下更容易發(fā)生越線行為。
(6)
在容量為n的樣本中,m個(gè)目標(biāo)車輛發(fā)生換道行為時(shí)的速度為非刪失數(shù)據(jù),從小到大排列后依次為t1 (7) 對(duì)式(7)兩邊取對(duì)數(shù),令LL(β)=ln[L(β)],可得到其對(duì)數(shù)偏似然函數(shù),如式(8): (8) (h=1, 2, …) (9) 式中:sqh為sq=[sq1,sq2, …,sqh, …]的第h個(gè)元素。 選取西安市若干典型機(jī)非標(biāo)線分隔路段,調(diào)查電動(dòng)自行車行駛位置及對(duì)應(yīng)越線車速。調(diào)查路段需具備下述特征:① 電動(dòng)自行車交通量大、機(jī)非標(biāo)線分隔、路面平直、路內(nèi)和路側(cè)均無大型障礙物;② 觀測(cè)路段及上下游無交通設(shè)施,距離公交站點(diǎn)及交叉口等100 m以上;③ 觀測(cè)范圍應(yīng)大于50 m;④ 觀測(cè)天氣晴好無風(fēng);⑤ 選取城市典型道路斷面。據(jù)此選取西安市南二環(huán)輔道、長(zhǎng)安南路、長(zhǎng)樂中路等3個(gè)道路斷面,其非機(jī)動(dòng)車道寬度分別為260、220和180 cm。其中,260 cm為2車道非機(jī)動(dòng)車道的推薦斷面寬度,220 cm的道路斷面在西安市最常見,180 cm的道路斷面為較寬的單車道非機(jī)動(dòng)車道斷面。 2017年10月16—22日的高峰時(shí)段,在上述道路沿線的過街天橋設(shè)置高精度視頻攝像機(jī),獲取電動(dòng)自行車的自然騎行行為視頻。監(jiān)控視頻幀率為25 fps,即測(cè)量精度為0.04 s。應(yīng)用SIMI Motion軟件標(biāo)定觀測(cè)范圍內(nèi)各電動(dòng)自行車的位移、車速、車頭時(shí)距等。在統(tǒng)計(jì)電動(dòng)自行車越線行駛行為時(shí),只要在研究范圍內(nèi),出現(xiàn)越過標(biāo)線進(jìn)入機(jī)動(dòng)車道行為,無論其是否重新回到非機(jī)動(dòng)車道,均認(rèn)為發(fā)生越線行駛。當(dāng)電動(dòng)自行車因機(jī)動(dòng)車道擁擠無法越線及機(jī)動(dòng)車,或行人進(jìn)入非機(jī)動(dòng)車道對(duì)電動(dòng)自行車行駛造成影響時(shí)數(shù)據(jù)不采用。 調(diào)查共獲取樣本12 723個(gè),其中有效數(shù)據(jù)6 204個(gè),發(fā)生越線行為的電動(dòng)自行車2 662輛。發(fā)生越線行為車輛中,216輛為自由騎行越線,其余為受阻騎行越線。所有樣本中,91.70%的受阻越線行為同時(shí)存在多種誘發(fā)因素,因此需判析常見受阻越線行為誘發(fā)因素的重要程度,以有針對(duì)性的優(yōu)化設(shè)施設(shè)計(jì)方案及交通管理措施。 匯總所調(diào)查各斷面道路電動(dòng)自行車越線率如表1。分析各電動(dòng)車越線行為誘發(fā)因素發(fā)現(xiàn),越線主要誘因?yàn)椋悍菣C(jī)動(dòng)車道行駛條件無法達(dá)到行駛預(yù)期、機(jī)動(dòng)車道行駛條件優(yōu)于非機(jī)動(dòng)車道和非機(jī)動(dòng)車道寬度過窄。在2 446例受阻越線行為中,97.55%樣本車速超過道路限速,62.53%樣本所行駛的非機(jī)動(dòng)車道較窄,89.49%樣本在非機(jī)動(dòng)車道行駛受阻,75.34%樣本中機(jī)動(dòng)車道行駛條件更好。 選取非機(jī)動(dòng)車道寬度(Z1)和相鄰機(jī)動(dòng)車道交通流狀態(tài)(Z2)和非機(jī)動(dòng)車密度(Z3)作為影響電動(dòng)自行車越線行為的潛在影響變量。調(diào)查所涉及的非機(jī)動(dòng)車道寬度包括180、220和260 cm。對(duì)非機(jī)動(dòng)車道密度研究發(fā)現(xiàn)0.05和0.1 veh/m2可作為暢通無阻、騎行受阻及嚴(yán)重受阻的分界點(diǎn)[28]。因電動(dòng)自行車進(jìn)入機(jī)動(dòng)車道可接受的安全間隙不少于20 s[29],定義鄰近機(jī)動(dòng)車道的機(jī)動(dòng)車車頭時(shí)距大于20 s時(shí)為自由越線狀態(tài),否則為非自由狀態(tài)。由此可建立面向車速特性的生存分析模型,研究各誘發(fā)因素對(duì)越線行為的影響程度。 由式(1)計(jì)算得到全部調(diào)查數(shù)據(jù)的生存函數(shù)曲線如圖1,可反映電動(dòng)自行車在非機(jī)動(dòng)車道上騎行的累積概率(生存概率)同速度的關(guān)系。隨著速度增加,累積生存概率不斷減少,說明電動(dòng)自行車隨著車速提高,越容易越線進(jìn)入機(jī)動(dòng)車道。但生存函數(shù)的降低情況也隨速度變化而有所差異:在0~20 km/h的范圍內(nèi),生存函數(shù)下降的速度平緩,累積生存概率下降到0.712;20~35 km/h范圍內(nèi)生存函數(shù)下降極快,多數(shù)車輛在此速度區(qū)間產(chǎn)生越線行為;67.3%的車輛越線時(shí)車速可達(dá)到35 km/h;35~45 km/h為生存函數(shù)波動(dòng)下降期,極少車輛越線的速度會(huì)達(dá)到40~45 km/h,達(dá)到此速度的電動(dòng)自行車幾乎均已越線行駛。 圖1 車輛越線過程的生存函數(shù) 應(yīng)用K-M模型可對(duì)比分析非機(jī)動(dòng)車道寬度、相鄰機(jī)動(dòng)車道交通流狀態(tài)和非機(jī)動(dòng)車密度對(duì)電動(dòng)自行車越線行為的影響。應(yīng)用式(4)分別計(jì)算3個(gè)因素各取值區(qū)間時(shí),電動(dòng)自行車越線行為持續(xù)速度的累計(jì)生存函數(shù),如圖2(a)~(c)。圖2(a)為相鄰機(jī)動(dòng)車道交通狀態(tài)作用下的累計(jì)生存函數(shù)。由圖2(a)可知,當(dāng)電動(dòng)自行車速度小于20 km/h時(shí),兩類交通流影響下的累積生存率均接近于1,說明交通流狀態(tài)對(duì)車速小于20 km/h的電動(dòng)自行車影響不大,均不易發(fā)生越線行為。當(dāng)電動(dòng)自行車的速度為20~35 km/h時(shí),兩種交通狀態(tài)下的生存曲線均急劇下降,但自由越線狀態(tài)的累積生存概率比非自由狀態(tài)少11.2%,即自由越線狀況的越線概率比非自由狀態(tài)高11.2%。在車速達(dá)到35~45 km/h時(shí),基本所有電動(dòng)自行車均已越線,生存曲線較為平緩,兩種交通流狀態(tài)差距不大。圖2(b)顯示了不同非機(jī)動(dòng)車道寬度的影響。其表明寬的非機(jī)動(dòng)車道可降低電動(dòng)自行車的越線概率。180及220 cm寬的道路在速度為20 km/h時(shí),生存曲線開始顯著下降,而260 cm的斷面則要到25 km/h顯著下降;在整個(gè)速度區(qū)間內(nèi),260 cm寬道路的生存概率基本比其他兩條道路高,說明不同非機(jī)動(dòng)車道產(chǎn)生越線行為的車輛速度有一定差異。180 cm寬道路斷面的生存函數(shù)下降程度一直最大,說明窄的非機(jī)動(dòng)車道更易誘發(fā)越線事件。圖2(c)顯示了不同非機(jī)動(dòng)車道密度下的影響。密度為0.1 veh/m2的非機(jī)動(dòng)車道上在速度為20 km/h時(shí),生存函數(shù)開始顯著下降;密度為0.05 veh/m2的非機(jī)動(dòng)車道上在速度為25 km/h時(shí),生存函數(shù)開始顯著下降,但相比低密度環(huán)境生存概率更高,說明高密度的非機(jī)動(dòng)車道更易誘發(fā)越線行為。 圖2 不同條件下的累計(jì)生存函數(shù) 各狀況生存曲線的均值、中位數(shù)值等指標(biāo)如表2。結(jié)果顯示在非自由狀態(tài)下,越線速度平均值比自由狀態(tài)高2.46%,中位數(shù)高于3.22%。即使在較低速度,自由狀態(tài)下的電動(dòng)自行車也較易越線。260 cm的非機(jī)動(dòng)車道寬度下,越線速度的均值較180 cm高4.36%,較220 cm高0.97%;中位數(shù)值較180 cm高2.68%,較220 cm高1.46%。對(duì)交通流狀態(tài)、非機(jī)動(dòng)車道寬度和非機(jī)動(dòng)車密度下的越線速度進(jìn)行Log-rank時(shí)序秩檢驗(yàn),其特征值分別為0.001、0.005和0.003,均小于0.01,表明這3個(gè)因素的取值對(duì)越線行為均存在顯著性差異。 表2 各影響因素下電動(dòng)自行車越線速度的均值和中位數(shù) 在確定各影響因素下的越線速度特征后,為驗(yàn)證非機(jī)動(dòng)車道寬度、相鄰機(jī)動(dòng)車道交通狀況及非機(jī)動(dòng)車密度等因素對(duì)越線行為的相對(duì)風(fēng)險(xiǎn),應(yīng)用COX回歸對(duì)多因素進(jìn)行評(píng)價(jià)。分別以180 cm的非機(jī)動(dòng)車道寬度(180/220為Z11,180/260為Z12)、非自由情況(Z21)和0.05 veh/m2的非機(jī)動(dòng)車道密度(Z31)作為參照水平。由式(6)-(9)計(jì)算得到的參數(shù)估計(jì)結(jié)果如表(3),據(jù)此建立COX比例風(fēng)險(xiǎn)回歸模型如式(10): h(t,x)=h0(t)(0.374Z11+0.152Z12-0.893Z21-0.952Z31) (10) 表3 COX回歸模型參數(shù)估計(jì)值 非機(jī)動(dòng)車寬度為三分類協(xié)變量,根據(jù)式(6)可知,非機(jī)動(dòng)車道寬度為180 cm道路的越線風(fēng)險(xiǎn)分別為260和220 cm道路的1.454倍和1.164倍。交通流狀態(tài)為二分類協(xié)變量,協(xié)變量Z21系數(shù)的估計(jì)值為-0.893,表明非自由流狀態(tài)下車輛的越線風(fēng)險(xiǎn)為自由流的0.409倍。同理非機(jī)動(dòng)車密度也為二分類協(xié)變量,協(xié)變量Z31系數(shù)的估計(jì)值為-0.952,表明低密度非機(jī)動(dòng)車道的越線風(fēng)險(xiǎn)為高密度非機(jī)動(dòng)車道的0.386倍。上述系數(shù)的回歸系數(shù)標(biāo)準(zhǔn)誤差分別為0.014、0.032、0.019、0.021,表明點(diǎn)估計(jì)量均可反映計(jì)算區(qū)間的估計(jì)量。 1)選用電動(dòng)自行車越線進(jìn)入機(jī)動(dòng)車道行駛的速度作為自變量,構(gòu)建生存模型可定量分析速度及其他各因素對(duì)越線行為的影響。模型結(jié)果可作為非機(jī)動(dòng)車交通設(shè)施設(shè)計(jì)及交通管理的依據(jù)。 2)電動(dòng)自行車速度在20 km/h以內(nèi)時(shí),未越線比例為71.2%,車速處于20~35 km/h的范圍時(shí),有較高越線比例,未越線比例快速下降至16.4%,為交通管控的重點(diǎn)范圍。 3)非機(jī)動(dòng)車道寬度及相鄰機(jī)動(dòng)車道交通狀態(tài)、非機(jī)動(dòng)車道密度均對(duì)電動(dòng)自行車換道速度有顯著性影響,但換道速度特征存在顯著差異。非機(jī)動(dòng)車道寬度為260和220 cm的車輛越線風(fēng)險(xiǎn)分別為180 cm道路的0.661倍和0.859倍,自由流車輛越線的風(fēng)險(xiǎn)為非自由流的2.445倍,低密度非機(jī)動(dòng)車道的越線風(fēng)險(xiǎn)是高密度非機(jī)動(dòng)車道的0.386倍。3 數(shù)據(jù)實(shí)證與應(yīng)用分析
3.1 試驗(yàn)設(shè)計(jì)
3.2 電動(dòng)自行車越線行為統(tǒng)計(jì)特性
3.3 基于越線速度的越線行為基本生存函數(shù)
3.4 越線動(dòng)機(jī)因素的分布特性
3.5 基于COX模型的相對(duì)越線風(fēng)險(xiǎn)
4 結(jié) 論