基于車輛車載診斷數(shù)據(jù)的山地城市道路異常駕駛行為空間分布特征

王玉婷， 張夢歌， 彭博*， 蔡曉禹， 榮曉楠

(1.山地城市交通系統(tǒng)與安全重慶市重點實驗室， 重慶400074； 2. 重慶交通大學(xué)交通運輸學(xué)院， 重慶 400074)

異常駕駛行為會導(dǎo)致車輛沖突加劇，現(xiàn)有交通安全風(fēng)險研究大多是事故后的數(shù)理統(tǒng)計分析，難以準(zhǔn)確刻畫事故發(fā)生前的交通運行狀態(tài)；并且目前大量的異常駕駛行為數(shù)據(jù)并未得到充分挖掘。目前國內(nèi)外對駕駛行為的研究主要分為駕駛行為的影響因素、駕駛行為與道路交通安全關(guān)系等方面。

在駕駛行為影響因素方面，Shinar[1]以駕駛員特性(包括性別、年齡等)，以及車上有無乘客、車輛類型、時間等作為影響因素，研究發(fā)現(xiàn)男性和年輕駕駛員比女性和年老駕駛員更易產(chǎn)生激進駕駛行為；高峰時間段駕駛?cè)藛T產(chǎn)生激進駕駛行為的可能性更大。Lee等[2]利用車載傳感器研究識別潛在的激進駕駛行為。莊明科等[3]通過問卷調(diào)查方式采集數(shù)據(jù)分析產(chǎn)生攻擊性駕駛的駕駛員相關(guān)因素，發(fā)現(xiàn)A型人格的駕駛員更容易產(chǎn)生攻擊性駕駛，在駕駛過程中，駕駛員的態(tài)度、技術(shù)對車輛的熟悉程度會不同程度地影響風(fēng)險駕駛行為，駕駛技術(shù)越好、對車輛越熟悉的駕駛員可能出現(xiàn)風(fēng)險駕駛行為的頻數(shù)會更高；Satoshi等[4]分析駕駛時間與駕駛行為之間的關(guān)系，認為連續(xù)駕駛導(dǎo)致的疲勞駕駛將影響車輛制動時速度下降量和減速距離。國內(nèi)外學(xué)者利用模擬駕駛實驗方法獲得駕駛員不同狀態(tài)下的異常駕駛行為數(shù)據(jù)，研究了疲勞駕駛[5-6]、負面情緒駕駛[7-9]等。

在駕駛行為與道路安全關(guān)系方面，蔡曉禹等[10]基于車輛車載診斷(on-board diagnostics，OBD)駕駛行為數(shù)據(jù)及信息熵理論，提出了城市道路交通安全風(fēng)險預(yù)估方法，并建立了風(fēng)險等級閾值計算方法。徐進等[11]根據(jù)駕駛員制動行為與車輛表現(xiàn)出的航向角和車速等信息之間的關(guān)系，分析駕駛員制動行為對安全性影響，研究表明，車輛行駛方向的穩(wěn)定性與制動力度具有顯著影響，而與駕駛員動作時間影響很小。李英帥等[12]、周穎等[13]通過分析信號交叉口車輛換道過程行為指標(biāo)與道路安全風(fēng)險性之間的關(guān)系，認為縱向速度、車輛間距、駕駛傾向3個因素與車輛發(fā)生沖突風(fēng)險之間具有顯著影響性。關(guān)于異常駕駛行為與交通安全事故的關(guān)聯(lián)性相關(guān)研究表明：同一條道路上不同路段的異常駕駛行為率隨交通事故數(shù)的增加而增加，其變化趨勢基本一致[14-15]。因此，異常駕駛行為率可以表征道路交通安全狀態(tài)。

國內(nèi)外對于駕駛行為的研究較多，分析現(xiàn)狀駕駛行為數(shù)據(jù)研究成果，主要有以下特點：一是研究成果主要以駕駛員心理、生理等角度分析駕駛行為，建立模型分析多個道路條件與異常駕駛行為的關(guān)系相關(guān)研究成果較少；二是大多數(shù)駕駛行為數(shù)據(jù)通過模擬實驗或?qū)嶋H操作實驗獲取，數(shù)據(jù)量有限。

2014年以來，基于車輛的車載診斷(OBD)的數(shù)據(jù)采集技術(shù)和設(shè)備得到了發(fā)展[16-17]，目前在研究小汽車出行行為特征[17]、駕駛行為[18-20]、車輛道路排放[21]、事故率預(yù)測[22]等方面得到了廣泛的應(yīng)用。現(xiàn)以車聯(lián)網(wǎng)OBD異常駕駛行為數(shù)據(jù)為基礎(chǔ)，選取道路坡度、彎度、公交站和開口為影響因素，以重慶市主城區(qū)6條主干路為研究對象，建立急加速、急減速、急轉(zhuǎn)彎和超速行為空間分布規(guī)律模型。

1 數(shù)據(jù)準(zhǔn)備

1.1 OBD數(shù)據(jù)提取與處理

車輛OBD原始數(shù)據(jù)包含11種類型數(shù)據(jù)，在數(shù)據(jù)使用之前需根據(jù)研究內(nèi)容在原始數(shù)據(jù)中提取可用數(shù)據(jù)。主要基于車輛全球定位系統(tǒng)(global positioning system，GPS)數(shù)據(jù)和駕駛行為數(shù)據(jù)兩種類型數(shù)據(jù)進行研究，因此，主要選取了重慶市6條主干道2018年5月16—21日的異常駕駛行為數(shù)據(jù)。

1.2 路段選取及類型劃分

為分析城市主干路道路的坡度、彎度、公交站和開口與異常駕駛行為之間的關(guān)聯(lián)性，依據(jù)車道數(shù)、中央分隔帶類型等道路條件不變原則，選取重慶市6條主干道，并劃分成不同類型的路段，如表1所示。

2 基于道路條件的異常駕駛行為影響因素分析

2.1 坡度的影響

根據(jù)相關(guān)研究成果，坡度與道路交通安全、車輛異常駕駛行為關(guān)系密切[23-24]，主要分析坡度與異常駕駛行為率的聯(lián)系。

由圖1可得，異常駕駛行為中急減速占比最高，平坦路段發(fā)生頻率高于陡坡路段。相對于陡坡路段，駕駛員更容易在平坦路段處放松警惕，因此更容易產(chǎn)生緊急剎車、急減速行為。

2.2 彎度的影響

山地城市道路中通常會有轉(zhuǎn)彎半徑較小的路段，急轉(zhuǎn)彎等異常駕駛行為常有發(fā)生，但急加速、急減速以及超速等異常駕駛行為在彎道處的發(fā)生頻率低于直線路段，直線路段、彎道路段內(nèi)異常駕駛行為率如圖2所示。

表1 城市道路路段分類Table 1 Classification of urban road sections

圖1 坡度與異常駕駛行為的關(guān)系Fig.1 Relationship between gradient and abnormal driving behavior

圖2 彎度與異常駕駛行為率的關(guān)系Fig.2 Relationship between curve and abnormal driving behavior rate

2.3 開口的影響

由圖3可知，有信控開口路段的急加速和急減速頻率最高，信控開口對急加速、急減速行為的影響較大；此外，開口對急轉(zhuǎn)彎頻率影響較??；對超速行為的發(fā)生無顯著影響。

圖3 開口對異常駕駛行為頻率的關(guān)系Fig.3 The relationship between opening and frequency of abnormal driving behavior

2.4 公交站的影響

駕駛員在通過公交站路段時，對道路安全風(fēng)險感知的程度不同，采取的駕駛行為措施也不同，公交站的布設(shè)對駕駛行為有一定影響。

由圖4可知，公交站的布設(shè)對急加速、急減速、急轉(zhuǎn)彎行為的影響較為明顯，對超速行為影響不大。

圖4 公交站對異常駕駛行為率的影響Fig.4 Effect of bus station on abnormal driving behavior rate

3 異常駕駛行為空間分析模型

異常駕駛行為的空間分布特征需利用合適的數(shù)學(xué)模型進行描述，經(jīng)擬合檢驗，泊松回歸模型可用于描述單位容積內(nèi)某事件發(fā)生的頻數(shù)分布，零膨脹回歸模型可刻畫樣本數(shù)據(jù)具有“零值過多”，且服從某種離散分布的計數(shù)因變量隨自變量變化而變化的關(guān)系模型。因此，擬基于這兩類模型展開研究。

3.1 泊松回歸模型

Possion回歸模型常常用于分析服從Possion分布的某事件發(fā)生次數(shù)(頻率)與其解釋變量之間的關(guān)系。

回歸系數(shù)β的估計值通常用牛頓-拉夫森(Newton-Raphson)迭代法進行估計，實際應(yīng)用中，通常使用統(tǒng)計軟件編程實現(xiàn)。

3.2 零膨脹回歸模型

在實際的數(shù)據(jù)統(tǒng)計計數(shù)過程中，基本上都是非負整數(shù)，頻率分布范圍為0～1，但不可否認的是，很多現(xiàn)象存在計數(shù)為0的情況，即該事件在統(tǒng)計時間段內(nèi)沒有發(fā)生，如事故發(fā)生次數(shù)、火災(zāi)發(fā)生次數(shù)等。

零膨脹回歸模型的基本思想為：將事件計數(shù)(頻率)分為兩部分，一部分對應(yīng)事件發(fā)生次數(shù)為0，該部分隨機變量取值為0，認為研究對象處于非風(fēng)險狀態(tài)或低風(fēng)險狀態(tài)；第二部分為事件發(fā)生次數(shù)不為0，該部分隨機變量取值為事件發(fā)生次數(shù)(頻率)，在某種解釋變量影響下，事件發(fā)生次數(shù)服從泊松分布或負二項分布等。零膨脹回歸可認為是零值及一個服從泊松分布或負二項分布等某個離散分布的數(shù)據(jù)集的混合分布。

3.3 變量說明及駕駛行為頻率統(tǒng)計

3.3.1 變量說明

定量變量直接通過數(shù)據(jù)表示，定性變量需量化表示，如表2所示。

3.3.2 駕駛行為頻率描述統(tǒng)計

根據(jù)所選路段急加速、急減速、急轉(zhuǎn)彎和超速行為的連續(xù)6 d數(shù)據(jù)，利用SPSS對異常駕駛行為發(fā)生次數(shù)描述統(tǒng)計，如表3所示。

由表3可知，急加速發(fā)生次數(shù)平均值為1.07次，標(biāo)準(zhǔn)差為1.21，方差為1.47，方差約等于均值；急減速發(fā)生次數(shù)平均值為2.81次，標(biāo)準(zhǔn)差為2.24，方差為5.03，方差同樣約等于均值，因此急加速、急減速行為發(fā)生次數(shù)沒有離散現(xiàn)象，均適宜采用Possion回歸模型。

急轉(zhuǎn)彎平均每天發(fā)生0次的路段占研究路段的71.65%，超速行為平均每天發(fā)生0次的路段占研究路段的62.99%，二者零出現(xiàn)的次數(shù)較多，因此認為急轉(zhuǎn)彎、超速頻率數(shù)據(jù)出現(xiàn)零膨脹現(xiàn)象，方差與均值相差不大，適宜采用零膨脹Possion回歸模型。

表2 變量說明Table 2 Variable declaration

表3 異常駕駛行為描述統(tǒng)計Table 3 Abnormal driving behavior description statistics

3.4 模型分析結(jié)果

3.4.1 模型擬合優(yōu)度

利用SAS9.2軟件中的genmod過程對樣本路段建立Possion回歸模型、負二項回歸模型和零膨脹模型，模型擬合優(yōu)度結(jié)果如表4所示。

由表4可以看出，急加速率、急減速率中Possion回歸模型的AIC、BIC指標(biāo)均小于負二項回歸模型，認為采用Possion回歸模型較好；急加速率、急減速率偏差統(tǒng)計量的值與自由度的比值約等于1，且根據(jù)Pearsonχ2值與χ2臨界分布表可知，急加速率、急減速率觀測數(shù)據(jù)與泊松預(yù)測分布之間無顯著性差異，泊松回歸擬合度良好。

對于急轉(zhuǎn)彎頻率和超速率來說，零膨脹回歸模型的檢驗指標(biāo)值SBC收斂于自由度為6的χ2分布，這兩類頻率分析的ZIP模型和ZINB模型的統(tǒng)計指標(biāo)值對應(yīng)χ2分布表中P<0.01，應(yīng)拒絕原假設(shè)，認為樣本超速數(shù)據(jù)存在明顯的零膨脹現(xiàn)象，因此選擇零膨脹模型是合理的。

從急轉(zhuǎn)彎率的AIC指標(biāo)來看，AICZIP>AICZINB，且急轉(zhuǎn)彎發(fā)生次數(shù)的方差值是均值的21倍，這兩種情況均表明ZINB回歸模型擬合程度優(yōu)于ZIP回歸模型。

從超速率的AIC指標(biāo)來看，AICZIP

3.4.2 模型參數(shù)估計分析

1)急加速、急減速率

利用Possion回歸模型參數(shù)估計迭代法，急加速率、急減速率回歸模型各解釋變量系數(shù)估計值如表5所示。

表4 模型擬合優(yōu)度指標(biāo)Table 4 Model goodness of fit index

表5 急加速率、急減速率模型參數(shù)估計Table 5 Parameter estimation of rapid acceleration rate and rapid deceleration rate model

(1)開口類型(x42)中，急加速率、急減速率相應(yīng)的P<0.000 1，說明開口類型(x42)與急加速頻率和急減速率影響均具有顯著性。開口類型參數(shù)估計為正值，說明開口類型與急加速頻率呈正相關(guān)性，信控開口路段發(fā)生急加速頻率或急減速率可能大于無開口或右進右出開口路段。

(2)坡度、偏角的統(tǒng)計量在95%檢驗下，坡度和偏角對急加速率、急減速率的影響具有顯著性。急加速率回歸模型坡度的參數(shù)值為正值，急減速率相應(yīng)的參數(shù)值為負值，說明坡度與急加速率呈正相關(guān)性，與急減速率呈負相關(guān)性。偏角與急加速率、急減速率均為負相關(guān)性。

(3)公交站相關(guān)統(tǒng)計量在95%檢驗下的P>0.05，因此，公交站類型對急減速頻率的影響顯著性不強。

(4)急加速率(y1)、急減速率(y2)與道路條件因素的關(guān)系可通過Possion回歸模型描述，表達式為

y1=exp(-4.324 7+0.091 1x1-0.012x2+

0.010 9x31+0.153 1x32+0.25x41+

0.975 7x42)

(1)

y2=exp(-3.263 4-0.091 7x1-0.005 5x2-

0.141 8x31-0.003 8x32+0.118 3x41+

0.591 9x42)

(2)

2)急轉(zhuǎn)彎率、超速率

由于急轉(zhuǎn)彎率和超速率的統(tǒng)計結(jié)果中，超過60%以上的路段發(fā)生“0事件”，因此利用零膨脹回歸模型擬合急轉(zhuǎn)彎頻率和超速頻率，如表6所示。

零膨脹回歸模型的參數(shù)估計分為兩部分：非零值部分和零膨脹部分。非零值部分可以體現(xiàn)出哪些解釋變量與不發(fā)生急轉(zhuǎn)彎或超速行為有關(guān)，若P值小于或等于顯著性，說明該解釋變量對不發(fā)生異常駕駛行為有顯著影響。

(1)急轉(zhuǎn)彎頻率回歸模型中，散度系數(shù)α=0.102，聚集指數(shù)K=1/α=9.804>1，說明急轉(zhuǎn)彎發(fā)生頻率具有離散性。

(2)零膨脹部分。是否有公交站(x31)、公交站類型(x32)、是否有開口(x41)、開口類型(x42)這4個解釋變量對不發(fā)生急轉(zhuǎn)彎有顯著影響；同樣，公交站和開口相關(guān)解釋變量對不發(fā)生超速行為有顯著影響。

(3)非零值部分。坡度與急轉(zhuǎn)彎頻率呈負相關(guān)；偏角與急轉(zhuǎn)彎頻率呈正相關(guān)，偏角越大，急轉(zhuǎn)彎頻率越大；公交站、開口與急轉(zhuǎn)彎頻率呈正相關(guān)。同樣，坡度、公交站與超速頻率呈正相關(guān)；偏角、開口與超速頻率呈負相關(guān)性。

表6 急轉(zhuǎn)彎率、超速率模型參數(shù)估計Table 6 Parameter estimation of sharp turn rate and supervelocity model

(4)急轉(zhuǎn)彎率(y3)與多個道路條件之間的關(guān)系的零膨脹部分和非零值部分的回歸模型表達式為

=-168.176-138.348x1-

4.635 48x2-222.438x31-192.807x32+

89.743 44x41+3.594 857x42

(3)

y3=exp(-5.999-0.132 45x1+0.015 237x2+

0.282 754x31+0.188 049x32+

0.525 225x41+0.165 674x42)

(4)

(5)超速率(y4)與多個道路條件的關(guān)系表達式為

=590.08+123.26x1-

9.18x2+705.99x31+567.37x32+

341.9441-320.58x42

(5)

y4=exp(-5.47+0.05x1+0.000 679x2+

0.72x31+0.61x32-0.14x41-0.05x42)

(6)

4 實例驗證

4.1 實例路段選取

為驗證回歸模型擬合急加速頻率、急減速頻率、急轉(zhuǎn)彎頻率、超速頻率的準(zhǔn)確程度，隨機選取與樣本道路車道數(shù)、道路等級等其他條件相同的3條城市主干路，共52個路段。每天分段提取共連續(xù)6 d的過車數(shù)、急加速、急減速、急轉(zhuǎn)彎、超速行為車輛數(shù)等數(shù)據(jù)，計算其異常駕駛行為率。

4.2 空間分析模型可行性驗證

4.2.1 急加速率

利用急加速頻率回歸模型計算52個路段急加速行為頻率，計算結(jié)果與實際發(fā)生急加速頻率進行對比分析，急加速頻率理論值與實際值對比如圖5所示，急加速誤差率分布如圖6所示。

Possion回歸模型計算的理論急加速頻率與實際路段發(fā)生的急加速頻率趨勢大致相同。個別路段絕對誤差較大，主要分布在急加速頻率為0的路段，根據(jù)上述分析，急加速頻率為0的路段極少，因此，對模型整體擬合程度沒有影響。

根據(jù)誤差率分布圖，急加速頻率回歸模型誤差率基本分布在±20%附近，所有驗證路段急加速頻率誤差率分布在(-40%，40%)區(qū)間，且誤差率大于30%或小于-30%的路段較少。

綜上所述，急加速頻率回歸模型擬合程度較好，在一定誤差范圍內(nèi)，能夠識別路段急加速頻率。

圖5 急加速頻率理論值與實際值對比示意圖Fig.5 Comparison diagram of theoretical value and actual value of rapid acceleration frequency

圖6 急加速誤差率分布圖Fig.6 Rapid acceleration error rate distribution

4.2.2 急減速率

利用急減速率回歸模型計算的理論急減速頻率與路段實際發(fā)生的急減速頻率對比，急減速頻率理論值與實際值對比如圖7所示，急減速誤差率分布如圖8所示。

Possion回歸模型計算的理論急減速頻率與實際路段發(fā)生的急減速頻率趨勢大致相同(圖8)。誤差率分布在±20%附近的頻數(shù)最大，誤差率在±20%之外頻數(shù)迅速下降，最大誤差率在-48%左右，且誤差率大于30%或小于-30%的路段極少。

急減速頻率Possion回歸模型擬合程度較好，在一定誤差范圍內(nèi)，能夠識別路段急加速頻率。

圖7 急減速頻率理論值與實際值對比示意圖Fig.7 Comparison diagram of theoretical value and actual value of sharp deceleration frequency

圖8 急減速誤差率分布圖Fig.8 Rapid deceleration error rate distribution

4.2.3 急轉(zhuǎn)彎率

根據(jù)擬合的急轉(zhuǎn)彎頻率零膨脹負二項回歸模型計算驗證路段急轉(zhuǎn)彎頻率。首先，需利用模型零膨脹部分，結(jié)合道路條件判斷各分段不發(fā)生急轉(zhuǎn)彎行為的概率值。若不發(fā)生急轉(zhuǎn)彎行為的概率值接近1時，該分段不發(fā)生急轉(zhuǎn)彎行為的概率很大，可認為該分段急轉(zhuǎn)彎頻率等于0。最后，根據(jù)非零值部分公式計算各分段理論急轉(zhuǎn)彎頻率，并將本次模型計算的理論急轉(zhuǎn)彎頻率與實際平均每天發(fā)生急轉(zhuǎn)彎頻率對比分析，急轉(zhuǎn)彎頻率理論值與實際值對比如圖9所示，急轉(zhuǎn)彎誤差率分布如圖10所示。

由圖10可知，急轉(zhuǎn)彎頻率零膨脹負二項回歸模型的絕對誤差分布在(-0.005～0.005)的路段約占驗證路段數(shù)的80.77%，且絕對誤差分布在(-0.001～0)范圍內(nèi)的頻率最大，絕對誤差最大為0.01但頻率較小?？傮w來看，急轉(zhuǎn)彎絕對誤差分布較好。

圖9 急轉(zhuǎn)彎頻率理論值與實際值對比示意圖Fig.9 Comparison diagram of theoretical value and actual value of sharp turn frequency

圖10 急轉(zhuǎn)彎頻率絕對誤差分布圖Fig.10 Absolute error distribution of sharp turn frequency

4.2.4 超速率

同急轉(zhuǎn)彎頻率回歸模型類似，超速頻率回歸模型也分為兩部分：零膨脹回歸模型部分、Possion回歸模型部分。超速頻率理論值與實際值對比如圖11所示，超速誤差率分布如圖12所示。

由圖12可知，超速頻率絕對誤差基本分布在(-0.002～0.002)區(qū)間，在此區(qū)間的路段數(shù)約占驗證路段總數(shù)的71.15%，其中，絕對誤差分布在(-0.001～0.001)區(qū)間的頻數(shù)最大?？傮w來看，超速頻率回歸模型較好。

5 結(jié)論

主要研究多個道路條件因素對異常駕駛行為的影響，探究山地城市道路異常駕駛行為的空間分布特征，基于Possion回歸模型和零膨脹回歸模型理論，建立以道路坡度、彎度、公交站和開口為因變量的異常駕駛行為率回歸模型。主要結(jié)論如下。

圖11 超速頻率理論值與實際值對比示意圖Fig.11 Comparison diagram of theoretical value and actual value of overspeed frequency

圖12 超速頻率絕對誤差分布圖Fig.12 Absolute error distribution of overspeed frequency

(1)急減速行為率在不同環(huán)境下均明顯大于急加速率、急轉(zhuǎn)彎率和超速率，超速率均最小；在平坦、直線和信控開口路段急加速率和急減速率大于其他類型路段；急轉(zhuǎn)彎行為一般發(fā)生在轉(zhuǎn)彎半徑較小的路段，與轉(zhuǎn)彎半徑關(guān)系緊密。

(2)根據(jù)模型擬合優(yōu)度分析結(jié)果，急加速率、急減速率Possion回歸模型擬合度較好。

(3)急轉(zhuǎn)彎率、超速頻率適宜用零膨脹模型。急轉(zhuǎn)彎行為發(fā)生的頻率具有離散性，采用ZINB形式回歸模型最優(yōu)；超速頻率計算采用ZIP模型效果最優(yōu)。