發布時間：2021-07-31所屬分類：管理論文瀏覽：1次
摘 要： 摘要: 以超車次率為城市道路超車行為宏觀量化指標，結合 MYSQL 與 VBA，完成了海量視頻超車數據的提取，分別構建了工作日、非工作日及工作日高峰期的超車次率影響因素逐步回歸模型。研究結果表明: 行程時間及速度對超車行為影響顯著，但車輛數在高峰期對超車
摘要: 以超車次率為城市道路超車行為宏觀量化指標，結合 MYSQL 與 VBA，完成了海量視頻超車數據的提取，分別構建了工作日、非工作日及工作日高峰期的超車次率影響因素逐步回歸模型。研究結果表明: 行程時間及速度對超車行為影響顯著，但車輛數在高峰期對超車行為的影響并不明顯; 行程時間及速度在工作日對超車行為的影響更大，而車輛數在非工作日對超車行為的影響更明顯。
關 鍵 詞: 交通運輸工程; 城市交通; 超車行為; 超車次率; 逐步回歸模型
0 引 言
近年來，機動車擁有量及駕駛人數量迅速增長，人們在享受著機動化程度不斷提高帶來的便利之外，也承受著隨之而來的交通事故頻發、擁堵嚴重等負面效應的影響。相較于高速公路和普通公路，城市道路機動車出行次數更高，發生交通事故的可能性也更大。截至 2018 年初，我國城市道路總里程占全國道路總里程的 7.5%，而城市道路交通事故量及傷亡人數卻分別占到全國的 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]。可見，相較于其他公路，城市道路交通形勢更加嚴峻，相關人員需要加強對城市交通安全問題的重視。在城市道路上，超車行為對交通安全有重要影響，超車不當是造成通行效率低下、甚至導致交通事故的重要因素[2]。關于超車行為的研究，已經引起了相關學者的關注。
國內外相關學者圍繞超車現象展開了一系列研究，取得了一定成果。E. I. VLAHOGIANNI 等[3]基于貝葉斯網絡，構建了超車行為不確定性模型，揭示 了超車行為的微觀影響因素，并指出男性司機做出超車決策的概率更高; G. HEGEMAN 等[4]利用模擬實驗檢驗了超車輔助設備在雙車道公路上的效果，發現超 車 概 率 與 冒 險 性 駕 駛 行 為 正 相 關; J. E. NARANJO 等[5]基于仿真分析，設計出了可自主實現路徑跟蹤及車道變換的超車系統; Z. C. HE 等[6]基于最優速度構建了超車期望影響模型; J. X. WANG 等[7]基于空間模型，構建了動態和準靜態背景下的超車檢測模型; H. FARAH 等[8]利用模擬實驗研究了 IGT 與超車行為的關系; 柏偉等[9]開創性地在將超車過程分為換道、超越、并道 3 個階段的基礎上，結合車輛跟馳行駛時的安全距離，構建了新型超車判斷及輔助模型，并以算例驗證了該模型的實用性; 單曉峰等[10]通過分析雙車道公路超車行為兩難區，發現兩難區出現的概率隨著交通量及車速的增加而增加; 陳小龍[11]基于交通流理論及概率論，構建了山區雙車道公路超車模型; 朱秀娟[12]基于模擬實驗得到了雙車道公路超車行為安全評價模型。
研究表明，超車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道公路上，關于城市多車道公路超車行為的研究較為匱乏。而城市道路超車行為發生的概率更高，安全形勢也更嚴峻。2018 年 1 月 7 日，中共中央辦公廳、國務院辦公廳印發了《關于推進城市安全發展的意見》，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段集中出行是城市交通的顯著特點。筆者利用視頻檢測法，開創性地從城市多車道公路超車特性出發，對工作日、非工作日及工作日高峰時段的超車行為影響因素進行分析，分別構建了各自的超車次率影響因素回歸模型; 分別對工作日與非工作日、工作日與其高峰時段的超車次率模型進行了對比分析，進一步充實了超車行為的相關研究，對推進交通安全管理、強化城市安全基礎、提高城市交通安全性有重大現實意義。
1 超車特性評價指標
1.1 超車判定標準
超車是解決車速差異較大的重要手段，但同時也是導致交通事故的關鍵風險因素[13]。筆者在 K. TIAPRASERT 等[14]研究的基礎上，以車輛通過指定點的順序變化判定其是否超車。
2 數據來源
2.1 數據采集
數據采集點為秦皇島市的兩個交叉口( 分別為采集點 1、2) 。兩采集點間路段單向直行車道數為 3，左右轉車道數均為 1，車輛駛經該路段，兩采集點均記錄同一車輛的車牌信息，從而得到各車的通過時刻及順序。設備布置如圖 1。
2.2 數據處理
2.2.1 預處理
視頻設備全天檢測，得到海量數據。此外，通信故障、環境因素等均將影響數據質量，因此，需進行數據預處理。數據質量問題主要包括無效和冗余數據兩類: ①無效數據主要是由于車輛跟車過近或不按規定車道行駛造成系統無法識別車牌信息，導致回傳數據無法與上下游檢測點車輛信息進行匹配，進而無法確定車輛的軌跡及其它信息; ②冗余數據主要是指同一輛車在極短的時間內先后被攝像機記錄兩次，并且不在同一車道，此種重復數據將造成部分車輛信息的重疊，不利于數據存儲及相關處理。
除數據質量問題外，原始數據中的時間格式為日期時間型，不利于后續時間加減的直接運算。因此，需將日期時間型數據格式轉換為類數值型數據格式( Unix 時間戳格式: 從格林威治時間起至現在的總秒數) 。
因此，數據預處理過程涉及到刪除無效數據、數據格式轉換和刪除冗余數據 3 方面，結合 MYSQL 與 VBA 進行數據預處理。預處理后，采集點 1、2 有效數據分別為 216 735 條、173 905 條。
2.2.2 分周期統計
如圖 2，車輛運行受信號燈控制，燈態轉換前后車輛出發時間差明顯增大，故基于預處理結果，對數據進行分周期統計，匹配上下游數據并判斷順序變化，得到各周期超車數據，步驟如下:
步驟 1: 人工確定某周期綠燈始亮時刻 t1。
步驟 2: t1 加上周期間隔值( 受車輛性能、司機反應時間等影響，各周期間隔值存在小幅度波動，故以周期時長為標準周期間隔值) 得到下一周期綠燈始亮時刻 t2。
步驟 3: 以 t2 為新的綠燈始亮時刻，進行步驟 2 的計算。
步驟 4: 利用 VBA 依次循環，完成數據分周期統計。
3 超車次率影響因素模型構建
3.1 影響因素
超車行為受車輛數、速度、行程時間、駕駛員素質等多種因素影響[15]。筆者基于視頻數據特征，從交通流特性角度考察超車次率影響因素，如表 1( 上標 s、w、wh 用于區分非工作日、工作日及其高峰時段的交通參數) 。表
相關知識推薦：交通科技期刊評高級工程師可以嗎
可見，工作日超車次率與車輛數、速度及行程時間呈正 相 關，其 中，速度對超車次率的影響最大，行 程 時 間 次 之，車輛數對超車次率的影響最小。 3.2.2 非工作日超車次率非工作日超車次率影響因素回歸結果如表 4 ～表 5。表 4、表 5 中: 模型 1 以 ns 為預測變量; 模型 2 以 ns 、t s 為預測變量。
3.2.4 數據擬合
基于回歸結果，得工作日、非工作日及工作日高峰時段數據擬合結果如圖 3 ～圖 5。
對比工作日及其高峰時段超車次率回歸模型可知: 行程時間及速度均對超車行為有顯著影響，并且在高峰時段，超車行為受兩者影響的程度更高，這可能與高峰時段人們的出行目的及時間要求相關。但是，車輛數在高峰時段對超車行為的影響并不明顯，這可能與高峰時段交通量較大，超車難度系數提高相關。通過對比工作日及非工作日的超車次率回歸模型，發現: 行程時間及速度在工作日對超車行為的影響更大，而車輛數在非工作日對超車行為的影響更加明顯。交通狀態過飽和時，無法正常完成超車。鑒于數據覆蓋范圍有限，筆者所提模型適用于交通狀態未達過飽和時的情況。
以往多為基于模擬實驗或實車實驗對雙車道公路上的超車行為展開研究，數據量較小。此外，超車是駕駛人主觀意識的反映，受駕駛人心理因素影響很大，實驗中被試往往容易采取與平時駕駛習慣不同的措施，對結果影響很大，難以得到客觀全面的超車行為參數，影響結果的可靠性。筆者利用視頻法，基于正常駕駛狀態下的海量數據對城市多車道公路上的超車特性進行分析，結果可靠�；诔鞘薪煌ㄌ攸c，開創性地對工作日全天、高峰時段及非工作日的超車行為影響因素進行了定量分析，對不同交通狀態下的超車行為進行了更加細致化分析，對改善城市交通環境、促進交通安全具有實際意義。
4 結 論
筆者基于視頻車牌識別技術得到海量交通數據，分析了城市多車道公路上超車行為，得出以下結論:
1) 結合 MYSQL 及 VBA 對海量數據進行了提取與優化，完成了數據分周期統計。
2) 以 ROT 作為超車特性宏觀量化指標，得到了不同交通狀態下的超車行為參數。
3) 對比工作日與非工作日超車次率模型，發現: 相較于非工作日，工作日超車次率受速度及行程時間的影響更大，而車輛數在非工作日對超車行為的影響更明顯。
4) 對比工作日及其高峰時段的超車次率模型，發現: 在工作日及高峰時段，行程時間及速度均對超車行為影響顯著，并且，在高峰時段，行程時間及速度對超車行為的影響更大。但是，車輛數在高峰時段對超車行為的影響并不明顯，這可能與高峰時段內交通量大，超車難度系數高有關。
相應交通管理部門應著重加強對工作日期間 ( 尤其是高峰時段) 的車速管控，鼓勵市民( 尤其是通行距離較遠、行程時間較長的出行者) 選擇公共交通方式出行，在保障通行效率的同時達到對超車次率進行控制的目標，提高交通安全系數。——論文作者：秦雅琴1 ，鄭號染1，2 ，李劍仕1
SCISSCIAHCI
