为研究小型车和大型车两类车辆在高速公路隧道路段内的跟驰行为,本文使用“卡口相机结合激光雷达”的数据采集模式,采集广东省祈福隧道的车辆行驶轨迹,并分别提取两类车辆的跟驰轨迹数据;提出实时安全裕度偏差(Real-time Deviation of S...
详细信息
为研究小型车和大型车两类车辆在高速公路隧道路段内的跟驰行为,本文使用“卡口相机结合激光雷达”的数据采集模式,采集广东省祈福隧道的车辆行驶轨迹,并分别提取两类车辆的跟驰轨迹数据;提出实时安全裕度偏差(Real-time Deviation of Safety Margin,RDSM)评估车辆实时跟驰风险水平,采用模糊C-均值聚类方法将风险水平划分为无风险或低风险、中风险及高风险;从跟驰前车类型、车辆在隧道内位置、驾驶环境、当前时刻的车辆驾驶和交互状态,以及历史的车辆驾驶和交互状态这5个方面,在数据中选取26项潜在影响因素,构建两类车辆的多项Logit模型和相关随机参数Logit模型,分析和比较各项因素对两类车辆的高速公路隧道实时跟驰风险的影响,揭示影响因素的异质性。结果表明:大型车在隧道内的实时跟驰风险受到更多因素的影响;跟驰车辆与其前车的车辆类型不同时,隧道实时跟驰风险会相对降低;前车驾驶状态的波动更容易导致跟驰高风险;平均边际效应显示,相比于在隧道进口段,小型车在隧道出口段实时跟驰风险为高风险的概率增加了0.0413,大型车在隧道内部路段实时跟驰风险为高风险的概率增加了0.0155;高风险状态下的跟驰间距标准差在两类车辆中均表现出异质性。
高速公路分流区作为典型的交织区域,容易发生急刹车、急变道等危险驾驶行为,这些行为往往会引发严重的交通冲突。为有效评估高速公路分流区的安全水平,深入探讨了冲突数据的优化问题,提出了一种融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法及极值建模应用。在冲突可能性方面,以碰撞时间差(Time Difference to Collision,TDTC)为指标,探究了高速公路分流区车辆碰撞的3种典型场景,并计算出冲突事件的时间阈值;在冲突严重性方面,引入Delta-V来筛选出具有潜在人员伤亡后果的冲突事件。将该融合数据集与传统仅考虑冲突可能性的单一数据集进行对比,并通过构建区组极值模型进行安全评估。结果表明:基于融合数据集构建的极值模型,冲突极值的重现水平结果平均绝对误差为0.046,均方根误差为0.058,其估计精度和实际冲突的拟合效果均优于传统数据集;使用极值模型对各分流区的碰撞频次进行了预测分析,发现其评估可靠性和事故预测结果更加符合实际冲突情况,提升了事故预测的可靠性。融合冲突可能性和严重性的高速公路分流区冲突数据集筛选方法可以为高速公路分流区安全评估模型的精度提升提供新的思路。
暂无评论