考慮駕駛風(fēng)格的高密度立交群出入口車輛駕駛風(fēng)險(xiǎn)研究

侯珊珊, 張杰, 張雪榆, 矯成武, 徐進(jìn)*

(1.重慶交通大學(xué)交通運(yùn)輸學(xué)院, 重慶 400074; 2.中信科智聯(lián)科技有限公司, 重慶 401331; 3.重慶長安汽車股份有限公司, 重慶 400020; 4.交通運(yùn)輸部公路科學(xué)研究院, 北京 100088)

互通立交是道路網(wǎng)絡(luò)的重要節(jié)點(diǎn),可以在最大程度上實(shí)現(xiàn)不同方向交通流在空間上的分離,有效提高了車輛運(yùn)行安全性和道路通行能力。近年來隨著高速路和快速路里程的不斷延伸和加密,互通立交間距越來越小,在很多道路上形成了高密度立交群。立交間距過小會增加駕駛?cè)说鸟{駛負(fù)荷,易產(chǎn)生突然加減速、突然變道等行為,因此高密度互通立交環(huán)境對于駕駛?cè)说鸟{駛行為有更高要求。若駕駛?cè)祟l繁進(jìn)行換道和加減速行為,會干擾主線車輛原本的行駛狀態(tài),造成交通擁堵和交通事故。此外,頻繁換道和倉促換道還會導(dǎo)致提高駕駛負(fù)荷水平,增加交通事故幾率,因此需要對不同駕駛風(fēng)格的互通立交車輛的駕駛風(fēng)險(xiǎn)進(jìn)行研究。

中外學(xué)者通過自然駕駛實(shí)驗(yàn)、駕駛模擬器實(shí)驗(yàn)等對駕駛?cè)笋{駛行為相關(guān)性進(jìn)行分析。徐進(jìn)等[1]采集自然駕駛狀態(tài)下小客車連續(xù)行駛速度和加速度,探討了立交進(jìn)、出口駕駛?cè)丝v向駕駛行為特征。袁愈鋒等[2]采用雷達(dá)測速儀對集散車道進(jìn)行車輛速度采集,選取特征點(diǎn)處自由流狀態(tài)的車輛速度作為樣本,分析苜蓿葉立交集散車道的車輛運(yùn)行特征。鄭展驥等[3]構(gòu)建互通立交分流區(qū)交通沖突預(yù)測模型,分析分流區(qū)交通安全狀況。陳正歡等[4]通過實(shí)車路試獲取車輛運(yùn)行數(shù)據(jù),分析迂回式立交匝道內(nèi)速度變化及特征。Kumar等[5]研究異質(zhì)交通條件下平曲線幾何形狀對高速公路運(yùn)行速度的影響。

駕駛風(fēng)格與駕駛行為之間存在較強(qiáng)的相關(guān)性,李文博等[6]通過對駕駛?cè)饲榫w對駕駛行為影響的定量分析,闡明了駕駛情緒對駕駛風(fēng)險(xiǎn)的影響機(jī)理。熊堅(jiān)等[7]建立考慮駕駛風(fēng)格因子的綜合風(fēng)險(xiǎn)場模型,分析得出4種駕駛風(fēng)格類型。劉思源等[8]對不同駕駛?cè)说膿Q道行為特征進(jìn)行主成分分析,采用K-means聚類法對駕駛風(fēng)格進(jìn)行量化,得到激進(jìn)型和保守型兩種駕駛風(fēng)格。王玉婷等[9]基于車輛數(shù)據(jù)建立異常駕駛行為分布模型,定性分析道路坡度、彎度等因素與駕駛行為之間的關(guān)聯(lián)性。劉冠瑩等[10]采用改進(jìn)K均值和OvR-SVM聯(lián)合的方法對駕駛?cè)瞬煌{駛時(shí)間內(nèi)所表現(xiàn)的駕駛風(fēng)格進(jìn)行分類識別。孫宮昊等[11]提出基于駕駛行為模式轉(zhuǎn)移的個(gè)體駕駛行為風(fēng)險(xiǎn)評估方法。陳秀鋒等[12]借助駕駛模擬器,研究霧天環(huán)境對駕駛?cè)说挠绊?發(fā)現(xiàn)駕駛?cè)藴p速距離和偏離次數(shù)有顯著性差異。郭淼等[13]提出將風(fēng)險(xiǎn)駕駛行為和交通運(yùn)行狀態(tài)相結(jié)合的交通事故風(fēng)險(xiǎn)識別方法。于鵬程等[14]對駕駛?cè)艘曈X特性進(jìn)行研究,得出駕駛?cè)说囊曈X特性、交通環(huán)境特性以及車輛行駛速度是影響駕駛風(fēng)險(xiǎn)的主要因素。

綜上所述,中外關(guān)于駕駛風(fēng)格、駕駛風(fēng)險(xiǎn)的研究較為成熟,但是針對高密度互通立交環(huán)境下,駕駛?cè)说鸟{駛風(fēng)險(xiǎn)尚未有明確的研究?；诖?現(xiàn)選取重慶市主城區(qū)5座互通式立交作為研究對象開展實(shí)車試驗(yàn),探究高密度互通立交駕駛環(huán)境下的車輛運(yùn)行狀態(tài),分析不同駕駛風(fēng)格的駕駛?cè)怂憩F(xiàn)出來的駕駛行為特征,對駕駛?cè)说鸟{駛行為風(fēng)險(xiǎn)進(jìn)行分析,有利于提高駕駛?cè)说男熊嚢踩?降低交通事故發(fā)生率。

1 研究方法和試驗(yàn)設(shè)計(jì)

本次試驗(yàn)采用實(shí)車路試的方法采集車輛實(shí)時(shí)運(yùn)行數(shù)據(jù)。實(shí)車路試是指單車連續(xù)測量,能最大程度還原駕駛?cè)嗽趯?shí)際環(huán)境中各個(gè)階段的真實(shí)駕駛狀態(tài)。

1.1 試驗(yàn)立交

對重慶市主城區(qū)5座立交進(jìn)行研究,分別為五童立交、五桂立交、寸灘立交、東環(huán)立交、人和立交,符合高密度立交要求,即三座及以上立交同時(shí)存在10 km連續(xù)路段內(nèi),如圖1所示。干道設(shè)計(jì)速度為80 km/h,匝道設(shè)計(jì)速度為40 km/h。

圖1 試驗(yàn)立交及距離Fig.1 Test interchange and distance

1.2 試驗(yàn)駕駛?cè)撕蛙囕v

本次試驗(yàn)共47位駕駛?cè)?均為社會上招募,且具有熟練駕駛經(jīng)驗(yàn),其中男駕駛?cè)?5名,女駕駛?cè)?2名,男女比例接近3∶1。駕駛?cè)四挲g為26～51歲,平均年齡為38.3歲,駕齡為5～25 a,平均駕齡為12.1 a。本次試驗(yàn)所選擇的車輛為別克GL8七座商務(wù)車,駕駛?cè)?均駕駛同一輛車(除去駕駛?cè)瞬⑽丛谝?guī)定的出入口行駛的數(shù)據(jù),共有40位駕駛?cè)藬?shù)據(jù)可用于分析)。

1.3 實(shí)驗(yàn)儀器與數(shù)據(jù)處理

本次試驗(yàn)采用行車記錄儀、Speedbox非接觸式車速傳感器、Mobileye前向碰撞預(yù)警系統(tǒng)進(jìn)行數(shù)據(jù)采集,如圖2所示。行車記錄儀可對車輛運(yùn)行時(shí)周邊環(huán)境進(jìn)行記錄,為后續(xù)分析提供參考。Speedbox提供運(yùn)行車輛的實(shí)時(shí)速度、加速度和車輛經(jīng)緯度數(shù)據(jù)。Mobileye提供車輛橫向位置參數(shù)和速度。在后期處理數(shù)據(jù)的過程中,將交通擁堵、行人干擾等現(xiàn)象所得出的相關(guān)數(shù)據(jù)進(jìn)行剔除,對余下的試驗(yàn)數(shù)據(jù)進(jìn)行主線出入口的樣本篩選,再對其進(jìn)行換道的二次篩選,提取換道起始位置、軌跡數(shù)據(jù)以及速度數(shù)據(jù),得到不同駕駛風(fēng)格的駕駛?cè)说男旭倲?shù)據(jù)。

圖2 試驗(yàn)車輛及試驗(yàn)裝備Fig.2 Test vehicles and test equipment

2 駕駛風(fēng)格劃分

基于駕駛行為的實(shí)測數(shù)據(jù),通過對主要指標(biāo)參數(shù)的選擇,對車輛實(shí)時(shí)行駛數(shù)據(jù)進(jìn)行分級聚類,以此來確定駕駛風(fēng)格。

2.1 駕駛風(fēng)格特征參數(shù)提取

車輛運(yùn)行過程中,駕駛特征參數(shù)主要有速度、加速度、減速度等,由于駕駛風(fēng)格與車輛運(yùn)行控制有一定關(guān)聯(lián),提取表1中的11種數(shù)據(jù)作為評判依據(jù),并按序命名。

表1 駕駛風(fēng)格特征參數(shù)選取Table 1 Selection of driving style characteristic parameters

運(yùn)用SPSS軟件對提取的駕駛風(fēng)格特征參數(shù)進(jìn)行KMO檢驗(yàn)和巴特利特球形檢驗(yàn)。KMO檢驗(yàn)結(jié)果為 0.719(>0.7),巴特利特檢驗(yàn)顯示其顯著性值趨近于0,證明選取的11個(gè)指標(biāo)參數(shù)相關(guān)性較高,符合進(jìn)行因子分析的前提條件。進(jìn)一步將11個(gè)指標(biāo)參數(shù)進(jìn)行聚合,得到4個(gè)獨(dú)立公共因子(R1～R4),計(jì)算其特征值與累積方差貢獻(xiàn)率,可得到4個(gè)公共因子的貢獻(xiàn)率達(dá)到88%,對駕駛風(fēng)格起到顯著影響。

最后,通過因子得分系數(shù)矩陣對各因子進(jìn)行描述,最終表達(dá)式為

(1)

2.2 駕駛風(fēng)格分類結(jié)果

結(jié)合車輛的運(yùn)行狀態(tài),因子得分系數(shù)作為聚類指標(biāo),可以反映駕駛行為,并對駕駛?cè)说鸟{駛風(fēng)格進(jìn)行評估。因子綜合得分可通過式(2)進(jìn)行計(jì)算,所得到的數(shù)據(jù)可以用來表征車輛駕駛風(fēng)格影響程度,具體的因子得分如圖3所示。總得分的具體計(jì)算原理為

D1～D40為駕駛?cè)司幪枅D3 因子得分Fig.3 Factor score

Zz=Z1S1+Z2S2+…+ZnSn

(2)

式(2)中:Zz為因子總得分;Zn為因子得分;Sn為因子所占權(quán)重,可視為各因子方差貢獻(xiàn)率與累計(jì)方差貢獻(xiàn)率比值。

將駕駛風(fēng)格特征參數(shù)因子綜合得分為基礎(chǔ)進(jìn)行聚類,得到以下聚類結(jié)果,可分為3種駕駛風(fēng)格,其占比及分類具體如表2所示。

表2 駕駛風(fēng)格分類結(jié)果Table 2 Driving style classification results

3種駕駛風(fēng)格的比例幾乎呈保守型∶常規(guī)型∶冒險(xiǎn)型=1∶1∶1。冒險(xiǎn)型駕駛?cè)说囊蜃拥梅州^高,駕駛行為較激進(jìn);保守型駕駛?cè)说囊蜃拥梅州^低,駕駛行為過于謹(jǐn)慎;常規(guī)型駕駛?cè)说囊蜃拥梅治挥诙咧g,駕駛行為也符合大多數(shù)駕駛?cè)说男袨樘卣鳌?/p>

3 不同駕駛風(fēng)格的軌跡形態(tài)

不同駕駛風(fēng)格可以表現(xiàn)出不同的駕駛行為,主要體現(xiàn)在車輛的運(yùn)行軌跡。相關(guān)研究表明,駕駛風(fēng)格為激進(jìn)的駕駛?cè)诵熊囓壽E與駕駛風(fēng)格為穩(wěn)妥的駕駛?cè)诵熊囓壽E存在較大差異。針對高密度立交主線出入口的車輛進(jìn)行軌跡分析,提取主線出入口位置的軌跡偏移參數(shù),繪制不同駕駛風(fēng)格的駕駛?cè)说男熊囓壽E。

3.1 出口區(qū)域的軌跡形態(tài)

對4個(gè)立交出口進(jìn)行軌跡數(shù)據(jù)提取,出口C1截取長度為200 m,出口C2截取長度為300 m,出口C3和C4截取長度為250 m,其中出口C1為平行式,其余3個(gè)出口均為直接式,繪制3種不同駕駛風(fēng)格的行車軌跡,對其進(jìn)行分析。

從圖4中可以看出,不同駕駛風(fēng)格的軌跡圖存在明顯差異,普遍表現(xiàn)為,保守型駕駛?cè)说臋M向位置參數(shù)較低且集中,冒險(xiǎn)型駕駛?cè)说臋M向位置參數(shù)較高且分散。冒險(xiǎn)型駕駛?cè)说能壽E流出點(diǎn),相對于保守型和常規(guī)型更加靠近出口位置,對于駕駛?cè)硕?換道位置靠前易引發(fā)前車和后車的行駛沖突,造成突發(fā)事故,且所需的換道時(shí)間更短,面臨的駕駛風(fēng)險(xiǎn)也隨之增加。

圖4 不同駕駛風(fēng)格的行車軌跡(主線出口) Fig.4 Driving trajectory of different driving styles(main line exit)

從表3可以看出,冒險(xiǎn)型駕駛?cè)说膿Q道執(zhí)行位置以及軌跡流出點(diǎn)均高于保守型和常規(guī)型的駕駛?cè)?。換道時(shí)間過晚,駕駛?cè)藭霈F(xiàn)突然變道的行為,對后方車輛造成干擾,冒險(xiǎn)型駕駛?cè)说膿Q道位置更加靠近出口位置,軌跡流出點(diǎn)也靠近出口分流端,在該情況下,冒險(xiǎn)型的駕駛?cè)藨?yīng)用較短的換道時(shí)間和較快的速度完成換道,因此增加了冒險(xiǎn)型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)。

表3 不同駕駛風(fēng)格駕駛?cè)诵熊囓壽E參數(shù)統(tǒng)計(jì)Table 3 Statistics on pedestrian trajectory parameters of drivers with different driving styles

3.2 入口區(qū)域的軌跡形態(tài)

其次對主線入口的數(shù)據(jù)進(jìn)行提取,入口R1、R3和R4截取長度為250 m,入口R2截取長度為300 m,其中入口R1和R2為平行式,入口R3和R4為直接式,繪制不同駕駛風(fēng)格的行車軌跡圖,如圖5所示。在入口R1、R3、R4位置,車輛行車軌跡相似,冒險(xiǎn)型駕駛?cè)说男熊囓壽E較為分散。在入口R2處,冒險(xiǎn)型駕駛?cè)说男熊囓壽E十分分散,意味著冒險(xiǎn)型駕駛?cè)说膿Q道位置和軌跡流出點(diǎn)靠前。

圖5 不同駕駛風(fēng)格的行車軌跡(主線入口)Fig.5 Driving trajectory of different driving styles(main line entrance)

總體來看,入口R1、R2和R4的駕駛?cè)藫Q道起點(diǎn)幾乎均提前于合流點(diǎn)位置,而入口R3處,絕大多數(shù)駕駛?cè)说膿Q道起點(diǎn)在合流點(diǎn)位置之后。匝道進(jìn)入主路的護(hù)欄有遮擋,車輛若匯入過早,會影響兩側(cè)駕駛?cè)说囊暰€,無法及時(shí)察覺對方車輛的行駛狀態(tài),這容易導(dǎo)致車輛相撞的事故;車輛若匯入時(shí)間太晚,在變速車道末端匯入主路,可能會導(dǎo)致和后方車輛發(fā)生追尾事件。

4 不同駕駛風(fēng)格的換道軌跡特征

行車軌跡受駕駛風(fēng)格的影響,而行車軌跡需要不同參數(shù)表現(xiàn),在駕駛?cè)诉M(jìn)行換道操作時(shí),所需的軌跡參數(shù)表現(xiàn)出的軌跡有所不同。在大量的軌跡參數(shù)中選取更具有代表性的參數(shù)進(jìn)行分析,所確定的軌跡參數(shù)主要有換道時(shí)間、換道起始位置、換道頻次。換道形式和換道頻次如圖6所示。

圖6 換道形式和換道頻次示意圖Fig.6 Schematic diagram of lane change form and lane change frequency

4.1 換道時(shí)間

換道時(shí)間即駕駛?cè)嗽陂_始換道操作到完成換道所經(jīng)歷的時(shí)間。在相同條件下,換道時(shí)間過長或過短均會對駕駛?cè)嗽斐梢欢ǖ鸟{駛風(fēng)險(xiǎn)。時(shí)間過長,駕駛?cè)嗽趽Q道操作中所暴露的時(shí)間越長,所面臨的駕駛風(fēng)險(xiǎn)也增加;時(shí)間過短,駕駛?cè)嗽趽Q道過程中,容易疏忽另一車道上的其余車輛,且所需的駕駛速度過快,易造成交通事故。

從圖7可以看出,冒險(xiǎn)型駕駛?cè)说膿Q道時(shí)間在主線出入口均低于保守型和常規(guī)型駕駛?cè)?意味著冒險(xiǎn)型所面臨的駕駛風(fēng)險(xiǎn)也高于另外兩種駕駛風(fēng)格的駕駛?cè)?。保守型與常規(guī)型的駕駛?cè)嗽趽Q道時(shí)間更加穩(wěn)定,在數(shù)據(jù)上兩者相差不大。

圖7 不同駕駛風(fēng)格駕駛?cè)说膿Q道時(shí)間 Fig.7 The changing time of drivers with different driving styles

4.2 換道起始位置

換道起始位置即駕駛?cè)碎_始換道到主線出入口的距離。換道位置可以表現(xiàn)出駕駛?cè)藫Q道意識出現(xiàn)的時(shí)間長短。換道起始位置若靠前,需駕駛?cè)诉\(yùn)用較短的時(shí)間和較快的速度進(jìn)行換道操作,這會增加駕駛?cè)说鸟{駛風(fēng)險(xiǎn)。

從圖8看出,在主線出口位置處,冒險(xiǎn)型駕駛?cè)说膿Q道起始位置大于保守型和常規(guī)型駕駛?cè)说膿Q道起始位置,這表明冒險(xiǎn)型駕駛?cè)说膿Q道意識晚于另外兩種駕駛風(fēng)格的駕駛?cè)?常規(guī)型駕駛?cè)说膿Q道起始位置最低。而在主線入口位置,冒險(xiǎn)型駕駛?cè)说膿Q道起始位置最低,這表明冒險(xiǎn)型駕駛?cè)嗽诟拷肟谖恢貌胚x擇進(jìn)行換道操作,所需的換道時(shí)間短,換道意識出現(xiàn)較晚,容易造成前車與后車的沖突。以上可以看出,冒險(xiǎn)型駕駛?cè)烁鼉A向于快速匯入主線車流,用更短的時(shí)間完成換道操作,這一行為極大地增加了駕駛?cè)说鸟{駛風(fēng)險(xiǎn)。

圖8 不同駕駛風(fēng)格駕駛?cè)说膿Q道起始位置Fig.8 The starting position of changing lanes for drivers with different driving styles

4.3 換道頻次

換道頻次即駕駛?cè)嗽谕瓿绍囕v匯入或匯出主流車流時(shí),所需進(jìn)行的換道次數(shù)。由于所選取的出入口匝道存在雙車道的現(xiàn)象,因此車輛可能出現(xiàn)換道3次的情況。換道頻次也會因駕駛風(fēng)格的不同出現(xiàn)差異性,駕駛?cè)艘话銜x擇更少的換道次數(shù),以免增加駕駛風(fēng)險(xiǎn)。

換道次數(shù)過多,容易和其他車輛發(fā)生剮蹭、碰撞,并且容易擾亂交通秩序,影響其他車輛的行駛,甚至造成嚴(yán)重的交通事故,而較少的換道次數(shù),可以保證車輛的安全行駛,降低駕駛風(fēng)險(xiǎn)。從圖9可以看出,出口處換道次數(shù)為1的情況,保守型的頻率占比更大;換道次數(shù)為2的情況,冒險(xiǎn)型的頻率占比更大;換道次數(shù)為3的情況,三者占比均較小,表明冒險(xiǎn)型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)幾率明顯高于其他兩種駕駛風(fēng)格。而入口處,3種駕駛風(fēng)格在不同換道次數(shù)中,占比無明顯差異。

圖9 不同駕駛風(fēng)格駕駛?cè)说膿Q道頻率 Fig.9 Frequency of changing lanes for drivers with different driving styles

圖10 行駛速度標(biāo)準(zhǔn)差的累積頻率分布Fig.10 Cumulative frequency distribution of driving speed standard deviation

5 出入口駕駛風(fēng)險(xiǎn)

5.1 駕駛風(fēng)險(xiǎn)指標(biāo)的選取以及計(jì)算

在“人-車-路”系統(tǒng)中,人作為整個(gè)系統(tǒng)的主體,車輛作為系統(tǒng)的運(yùn)動實(shí)體,道路及周邊環(huán)境作為系統(tǒng)的載體,人控制車輛的運(yùn)動,因此駕駛?cè)说慕煌ㄌ匦杂绊懼囕v的運(yùn)行。不同駕駛?cè)嗽诟杏X特性、反應(yīng)操作特性、心理特性以及生理特性各不相同,在相同的駕駛環(huán)境下也會導(dǎo)致不同的駕駛行為,隨著駕駛參數(shù)的改變,駕駛風(fēng)險(xiǎn)也將發(fā)生變化。

文獻(xiàn)[21]中分析了微觀車輛的行駛數(shù)據(jù),研究了碰撞前駕駛波動與碰撞風(fēng)險(xiǎn)程度的影響,結(jié)果表明速度離散性和波動率與碰撞風(fēng)險(xiǎn)成正相關(guān),其中速度離散性用速度標(biāo)準(zhǔn)差表示。離散性越大,車輛發(fā)生事故的概率越大。速度與加速度存在關(guān)聯(lián)性,當(dāng)車速變化范圍大時(shí),加速度也隨之改變,駕駛風(fēng)險(xiǎn)增加。

基于以上研究,運(yùn)用速度離散性、行駛速度波動率和減速度波動率對駕駛風(fēng)險(xiǎn)進(jìn)行綜合評級。

5.1.1 速度離散性

速度離散性常用標(biāo)準(zhǔn)差表示,速度標(biāo)準(zhǔn)差為同一個(gè)駕駛?cè)诉B續(xù)行駛時(shí),車輛行駛速度與平均速度離差平方的算術(shù)平均數(shù)的平方根。研究表明,速度離散性與車輛事故率呈正比關(guān)系,即速度離散性越高,則車輛發(fā)生交通事故的概率越大。標(biāo)準(zhǔn)差的計(jì)算公式為

(3)

對行駛速度標(biāo)準(zhǔn)差做累積頻率分布圖,并標(biāo)注85%和15%處的標(biāo)準(zhǔn)差。從圖11可以看出,無論是出口還是入口,15%處的標(biāo)準(zhǔn)差大小無明顯差異,從15%處開始出現(xiàn)不同,到85%位置,4個(gè)不同出入口的標(biāo)準(zhǔn)差相差較大,在經(jīng)過85%位置之后,數(shù)值趨于重合。

圖11 速度波動率的相對頻率和不同駕駛風(fēng)格分布Fig.11 Relative frequency and different driving styles distribution of speed volatility

5.1.2 行駛速度波動率

行駛速度波動率是指行駛車速的波動程度,波動率越高,則表明行駛車速的變化越大,該參數(shù)對于車速的不確定性就越強(qiáng)。速度波動率cv的計(jì)算公式為

(4)

通過式(4)計(jì)算行駛速度波動率,并繪制頻率分布直方圖。從圖11(a)和圖11(b)中可以看出,行駛速度波動率均在[0,0.2],出口速度波動率集中在[0.05,0.1],入口速度波動率較為平均,在0.03處相對頻率最高。

對主線出入口的車輛進(jìn)行駕駛風(fēng)格的分類,并繪制不同駕駛風(fēng)格的速度波動率分布圖,如圖11所示。由圖11(c)和圖11(d)中可以看出,無論是出口還是入口位置,冒險(xiǎn)型駕駛?cè)说乃俣炔▌勇示笥谄溆鄡煞N駕駛風(fēng)格的波動率,整體呈冒險(xiǎn)型>常規(guī)型>保守型的趨勢。冒險(xiǎn)型駕駛?cè)嗽诳刂扑俣茸兓矫娓蛹みM(jìn),在進(jìn)行合流或分流的過程中可能會存在多次加減速操作的行為,這增加了駕駛?cè)说鸟{駛風(fēng)險(xiǎn)。保守型駕駛?cè)嗽谒俣茸兓矫孢^于謹(jǐn)慎,不輕易進(jìn)行加減速操作,將車速控制在相對安全范圍內(nèi)。而常規(guī)型駕駛?cè)藙t處于二者之間,既不過于保守,也不會激進(jìn),換道時(shí)間、換道起始位置等軌跡參數(shù)均處于二者之間。

5.1.3 加速度波動率

加速度波動率cva計(jì)算公式為

(5)

(6)

對主線出入口的加速度進(jìn)行特征值計(jì)算,得到以下表格,從表4可以看出,駕駛車輛在出口的速度變化更加明顯,均大于入口位置處的特征值,這表明駕駛?cè)嗽诔隹谖恢锰幍鸟{駛速度更易受影響,速度變化波動率大。

表4 加速度描述Table 4 Acceleration description

對主線出入口位置處的加速度波動率進(jìn)行計(jì)算,并提取特征分位值。從圖12(a)和圖12(b)可知,加速度波動率相對頻率最高處集中在[2,5],結(jié)合特征分位值可以看出,5%分位值以前以及95%分位值以后,相對頻率均較低,意味著在二者所處區(qū)間內(nèi),即5%～95%,駕駛風(fēng)險(xiǎn)較高。從表5可知出口位置的加速波動率特征分位值均大于入口位置,駕駛?cè)嗽诔隹谔幍鸟{駛風(fēng)險(xiǎn)高于入口處。從圖12(c)和圖12(d)可知,冒險(xiǎn)型駕駛?cè)说募铀俣炔▌勇拭黠@大于其余兩種駕駛風(fēng)格,在入口位置,保守型與常規(guī)型的加速度波動率相差無異,出口位置與速度波動率呈現(xiàn)的趨勢一致。

表5 加速度波動率特征分位值Table 5 Deceleration volatility characteristic differentiation

圖12 加速度波動率的相對頻率和不同駕駛風(fēng)格分布Fig.12 Relative frequency and different driving styles distribution ofacceleration fluctuation

綜上,對兩種波動率進(jìn)行不同駕駛風(fēng)格的評估,在駕駛風(fēng)格不同的前提下,呈現(xiàn)的波動率不同,表現(xiàn)的駕駛風(fēng)險(xiǎn)率也不同,這表明駕駛風(fēng)格對駕駛風(fēng)險(xiǎn)起著重要作用。

5.2 駕駛風(fēng)險(xiǎn)受駕駛風(fēng)格影響分析

駕駛風(fēng)險(xiǎn)是指駕駛?cè)嗽隈{駛車輛過程中的不確定因素,即危險(xiǎn)事件程度的大小。駕駛風(fēng)險(xiǎn)因駕駛?cè)说牟煌嬖诓町?不同的駕駛?cè)酥g存在共性與個(gè)性,而個(gè)性正是導(dǎo)致駕駛風(fēng)險(xiǎn)不同的來源。駕駛風(fēng)險(xiǎn)的指標(biāo)可用熵權(quán)法計(jì)算。

熵權(quán)法,用熵值來判斷某個(gè)指標(biāo)的離散程度,其信息熵值越小,指標(biāo)的離散程度越大。熵權(quán)法的計(jì)算步驟如下:①輸入的矩陣Xij中的每一個(gè)元素需要處于非負(fù)區(qū)間,其標(biāo)準(zhǔn)化后矩陣為矩陣Zij;②計(jì)算第j項(xiàng)指標(biāo)下的第i各樣本所占的比重,并將其看作是相對熵計(jì)算中用到的概率Pij;③計(jì)算每個(gè)指標(biāo)的信息熵ej及信息效用值dj,并進(jìn)行數(shù)據(jù)歸一化,得到每個(gè)指標(biāo)的熵權(quán)wj。

對于第j個(gè)指標(biāo),其信息熵的計(jì)算公式為

(7)

(8)

根據(jù)式(8)可以計(jì)算出速度波動率與減速度波動率的信息熵e1、e2,并通過式(9)計(jì)算每個(gè)指標(biāo)的信息效用值以及熵權(quán)。

dj=1-ej

(9)

(10)

根據(jù)熵權(quán)可以得到兩個(gè)指標(biāo)的權(quán)重,則可以得到不同風(fēng)格類型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)評價(jià)模型,駕駛風(fēng)險(xiǎn)率σj計(jì)算公式為

σj=w1z1j+w2z2j

(11)

所求得的權(quán)重為w1=0.403、w2=0.597,則σj=0.403z1j+0.597z2j,根據(jù)所得到的駕駛風(fēng)險(xiǎn)率,基于不同駕駛風(fēng)格進(jìn)行分類,并繪制相應(yīng)圖形。

由圖13可以看出,主線出口位置,保守型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)較低,冒險(xiǎn)型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)率最高。而在主線入口位置,常規(guī)型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)率與冒險(xiǎn)型駕駛?cè)说南嗖畈淮?但冒險(xiǎn)型駕駛?cè)说鸟{駛風(fēng)險(xiǎn)率離散程度更大,這是由于駕駛?cè)嗽谶M(jìn)入高密度立交時(shí),面對需要加速的行為,會選擇謹(jǐn)慎的操作方法,避免發(fā)生交通事故。

圖13 不同駕駛風(fēng)格的駕駛風(fēng)險(xiǎn)率Fig.13 Driving risk rate of different driving styles

6 結(jié)論

(1)采用實(shí)車路試的方法,提取高密度立交主線出入口的車輛信息,對駕駛車輛進(jìn)行特征參數(shù)整理,運(yùn)用因子分析法和聚類分析法,將駕駛風(fēng)格分為3種,即保守型、常規(guī)型、冒險(xiǎn)型。

(2)繪制不同駕駛風(fēng)格的行車軌跡圖,冒險(xiǎn)型駕駛?cè)说男熊囓壽E較于其余兩種駕駛風(fēng)格的軌跡更加分散,換道位置和軌跡流出/流入點(diǎn)也更靠前。

(3)提取行駛車輛的軌跡參數(shù),如換道時(shí)間、換道起始位置、換道頻次。換道時(shí)間較長或較短、換道起始位置靠后、換道頻次過多,均會增加駕駛?cè)说鸟{駛風(fēng)險(xiǎn)率。

(4)對兩個(gè)駕駛風(fēng)險(xiǎn)指標(biāo),即行駛速度波動率和加速度波動率,進(jìn)行不同駕駛風(fēng)格的分類,兩者均呈現(xiàn)相同趨勢,即冒險(xiǎn)型>常規(guī)型>保守型 。

(5)繪制不同駕駛風(fēng)格的駕駛風(fēng)險(xiǎn)率分布圖,出口位置駕駛風(fēng)險(xiǎn)率呈現(xiàn)冒險(xiǎn)型>常規(guī)型>保守型的趨勢,而入口處冒險(xiǎn)型和常規(guī)型無明顯差異,保守型駕駛風(fēng)險(xiǎn)最低。