高速公路单向双车道车辆群行车风险度量研究

doi:10.3969/j.issn.1674-0696.2019.09.16

重庆交通大学学报（自然科学版） ›› 2019, Vol. 38 ›› Issue (09): 95-100.DOI: 10.3969/j.issn.1674-0696.2019.09.16

高速公路单向双车道车辆群行车风险度量研究

容颖，温惠英，赵胜

(华南理工大学土木与交通学院，广东广州 510641)

收稿日期:2018-01-25 修回日期:2018-11-16 出版日期:2019-09-18 发布日期:2019-09-18
作者简介:容颖（1991—），女，广西玉林人，博士研究生，主要从事交通安全、交通流理论、动力系统分析等研究。E-mail: ry22511@163.com。通信作者：赵胜（1988—），男，山东临沂人，实验师，主要从事交通安全、交通设计、驾驶行为分析等研究。E-mail: ctszhao@scut.edu.cn。
基金资助:
国家自然科学基金项目（51578247；51378222）

Study on Driving Risk Measurement for Two-lane Freeway Vehicle Group

RONG Ying, WEN Huiying, ZHAO Sheng

(School of Civil Engineering and Transportation, South China University of Technology, Guangzhou 510641, Guangdong, P. R. China)

Received:2018-01-25 Revised:2018-11-16 Online:2019-09-18 Published:2019-09-18

摘要/Abstract

摘要： 为了探讨局部车辆流的安全性及其对道路安全性的影响，从“车辆群”的角度研究了高速公路行车风险度量。提出了高速公路单向双车道“车辆群”范围的划分方法；分析了“车辆群”内可能存在的侧向碰撞、侧面刮擦、追尾碰撞等冲突类型，针对各冲突类型选取了“车辆群”风险度量的碰撞时间TTC和后侵入时间PET这2个指标，提出了双车道“车辆群”行车风险度量模型，并用VISSIM对模型进行了仿真分析。结果表明：由于车辆换道的影响，双车道“车辆群”并不仅仅是两个单车道相邻车辆的对应合并；对道路上的车辆流进行“车辆群”划分后再评估车辆的行车风险，可以缩小道路上潜在危险区域的排查范围，提高高速公路行车风险识别效率；出现冲突风险警告的“车辆群”内车辆速度的偏差程度远远大于其他的“车辆群”，从而验证了模型的有效性。

关键词: 交通工程, 高速公路, 行车风险度量, 碰撞时间, 后侵入时间

Abstract: To find out how local vehicle flow influences road safety, a driving risk measurement was done for two-lane freeway vehicles by means of vehicle group. A method for the range of vehicle-group was proposed to analyze such possible conflicts as lateral collision, side scraping, rear-end collision. Reasonable measurement index for each was selected for the driving-risk measurement model of the two-lane highway based on time-to-collision (TTC) and post encroachment time (PET). The models feasibility was finally confirmed with a case study of VISSIM simulation. The results show that, according to the vehicles lane-changing behaviors, the two-lane vehicle group is not just a merge of the opposite vehicles on a two-lane freeway, that evaluating its driving risk can shorten the check of the potential area, improve its risk identification, and that the risk warning for deviation of running speeds through velocity analysis is far greater than others, which proves the efficiency of the model.

Key words: traffic engineering, freeway, driving risk measurement, time-to-collision (TTC), post encroachment time (PET)

中图分类号:

U491

容颖，温惠英，赵胜. 高速公路单向双车道车辆群行车风险度量研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(09): 95-100.

RONG Ying, WEN Huiying, ZHAO Sheng. Study on Driving Risk Measurement for Two-lane Freeway Vehicle Group[J]. Journal of Chongqing Jiaotong University(Natural Science), 2019, 38(09): 95-100.

参考文献

［1］赵新勇. 基于多源异构数据的高速公路交通安全评估方法［D］.哈尔滨：哈尔滨工业大学，2013.
ZHAO Xinyong.Freeway Traffic Safety Evaluation Method Based on Multi-source Heterogeneous Data ［D］. Harbin: Harbin Institute of Technology, 2013.
［2］刘鑫鑫. 高速公路追尾事故严重程度影响因素分析及预防对策研究［D］. 长春：吉林大学，2016.
LIU Xinxin.Research on the Influencing Factors for Severity and Counter Measures of Rear-End Accident on Freeway ［D］. Chang-chun: Jilin University, 2016.
［3］ BENEDETTO F, CALVI A, DAMICL F, et al. Applying telecomm-unications methodology to road safety for rear-end collision avoidance ［J］. Transportation
Research Part C, 2015, 50: 150-159.
［4］ LI Zhibin, AHN S, CHUNG Koohong, et al. Surrogate safety measure for evaluating rear-end collision risk related to kinematic waves near freeway recurrent
bottlenecks［J］.Accident Analysis and Prevention, 2014, 64:52-61.
［5］ LI Ye, WANG Hao, WANG Wei, et al. Evaluation of the impacts of cooperative adaptive cruise control on reducing rear-end collision risks on freeways
［J］.Accident Analysis and Prevention, 2017, 98: 87-95.
［6］ HAYWARD J C. Near-miss determination through use of a scale of danger ［J］. Highway Research Record, 1972, 384: 24-34.
［7］ HYDN C. The Development of a Method for Traffic Safety Evaluation: The Swedish Traffic Conflicts Technique ［M］. Lund: Trafikteknik Tekniska Hoegskdan i
Lund, 1987.
［8］郑来. 基于交通冲突极值统计的安全分析模型研究［D］. 哈尔滨: 哈尔滨工业大学，2014.
ZHENG Lai.Research of Safety Analysis Models Based on Extreme Statistics of Traffic Conflicts ［D］. Harbin: Harbin Institute of Technology, 2014.
［9］徐汉清. 高速公路典型区段交通冲突及安全性评价研究［D］. 哈尔滨:哈尔滨工业大学，2013.
XU Hanqing.Research on the Traffic Conflict and Safety Evaluation of Freeway Typical Sections ［D］. Harbin: Harbin Institute of Technology, 2013.
［10］胡三根. 面向驾驶辅助系统的车辆行驶安全预警模型研究［D］. 广州：华南理工大学，2016.
HU Sangen.Research on Vehicle Driving Safety Warning Model for Driver Assistant System ［D］. Guangzhou: South China University of Technology, 2016.
［11］温惠英，刘敏，王海玮. 高速公路山风过境路段雨天可变限速控制方法［J］. 华南理工大学学报(自然科学版)，2016，44(12)：67-73.
WEN Huiying, LIU Min, WANG Haiwei. A control method of variable speed limits for highway mountain breeze transit road in rainy days ［J］. Journal of South China
University of Technology (Natural Science Edition), 2016, 44(12):67-73.
［12］游锦明，方守恩. 双车道高速公路追尾事故实时预测模型［J］. 交通信息与安全，2016，34(5)：1-8.
YOU Jinming, FANG Shouen. A real-hime prediction model for rear-end crash on two-lane freeway ［J］. Journal of Transport Information and Safety, 2016, 34(5): 1-8.
［13］马兆有，方守恩，王长君. 多车道高速公路事故特征关联分析［J］. 重庆交通大学学报(自然科学版)，2016，35(6)：115-119.
MA Zhaoyou, FANG Shouen, WANG Changjun. Correlation analysis of accident characteristics on multilane highway ［J］. Journal of Chongqing Jiaotong University
(Natural Science), 2016,35(6):115-119.
［14］杨澜，马佳荣，赵祥模，等. 基于车路协同的高速公路车辆碰撞预警模型［J］. 公路交通科技，2017，34(9)：123-129.
YANG Lan, MA Jiarong, ZHAO Xiangmo, et al. A vehicle collision warning model in expressway scenario based on vehicle-infrastructure cooperation ［J］. Journal of
Highway and Transportation Research and Development, 2017, 34(9): 123-129.
［15］杨柳，黄中祥，况爱武. 换道规则对高速公里双车道交通流的影响［J］. 中南大学学报(自然科学版)，2016，47(5)：1752-1759.
YANG Liu, HUANG Zhongxiang, KUANG Aiwu. Influence of lane-changing rules on two-lane traffic flow of freeway ［J］. Journal of Central South University (Science
and Technology), 2016, 47(5): 1752-1759.

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[4]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[7]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[8]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[9]	郑义彬，蔡航鹏，赖伟伟，刘冠宇. 基于复杂网络的湖北省高速公路网特性分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 31-37.
[10]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[11]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[12]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[13]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[14]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[15]	贺玉龙1,2，刘磊1,2，迟佳欣1,2. 高速公路车辆换道行为风险研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 26-33.

高速公路单向双车道车辆群行车风险度量研究

Study on Driving Risk Measurement for Two-lane Freeway Vehicle Group

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics