CN108711288B - 衔接交叉口非机动车右转衔接安全问题的量化评价方法 - Google Patents

Abstract

本发明公开了衔接交叉口非机动车右转衔接安全问题的量化评价方法，包括以下步骤：获取道路参数及信号周期；将一个信号周期划分成五个阶段；获取每个阶段内机动车的车流量、非机动车右转的车流量、非机动车右转过程中与左右两侧的横向距离；计算每个阶段中非机动车右转遇到公路或城市道路出口处机动车的概率P ₁ ；计算非机动车右转与机动车产生相互干扰的概率P ₂ ；计算非机动车右转的安全风险概率为P。本发明可为衔接交叉口的结构、交通设计和安全改善提供依据和参考，对衔接交叉口的城市化改造提供建议和帮助，对推动衔接交叉口相关的规划设计规范的制定提供借鉴和指导。

Description

衔接交叉口非机动车右转衔接安全问题的量化评价方法

技术领域

本发明属于城市交通规划评价技术领域，涉及衔接交叉口非机动车右转衔接安全问题的量化评价方法。

背景技术

衔接交叉口是指衔接公路与城市道路，在兼具两者功能的同时，可实现车速、流量、交通组成、道路几何结构的转换过渡以及交通流集散的信号和非信号交叉口。衔接交叉口是公路与城市道路完成衔接过渡的关键节点，交通运行特征复杂，过境交通、出入境交通以及城市内部交通相互交织，不仅易产生交通拥堵，也是交通冲突、交通事故的高发区域。与传统信号交叉口相比，衔接交叉口在道路结构几何特征、交通特征、控制方式以及其他方面均有所不同，交通安全的影响因素也更为复杂。无论是衔接交叉口的规划设计、规范标准制定，还是今后对公路的城市化改造，都有赖于对其交通安全进行更加深入的分析。因此，建立衔接交叉口安全的量化评价模型具有重要意义。

国外对于公路与城市道路衔接通常涉及速度的过渡以及降低延误、提高衔接区域交通运行效率等方面，对衔接安全问题的研究较少。国内关于道路安全问题研究起步较晚，多数研究主要集中在城市道路信号交叉口冲突模型的建立及安全分析。

中国与国外的道路结构、交通特征也有所不同，尤其是处于城镇化改造过程中的城乡结合部区域，公路与城市道路相互交错衔接，各类交通流在该处完成集散过渡。然而通过工程实践发现，设置有非机动车道、人行道的城市道路和机非混行的公路在慢行出行上目前缺乏必要的衔接过渡。其中，与公路交叉的城市道路通常右转需求较大，城市道路上非机动车及行人在完成右转进入公路的过程中通常会占用车行道的道路空间，易与机动车道到达车辆相互干扰交织，存在较大的安全隐患。因此，针对基于衔接交叉口中非机动右转衔接安全问题，建立衔接交叉口的安全量化评价方法，分析影响衔接安全的主要影响因素显得尤为重要。

发明内容

本发明的目的在于提供一种衔接交叉口非机动车右转衔接安全问题的量化评价方法，弥补了已有研究中对衔接交叉口没有研究的不足，可为衔接交叉口的结构、交通设计和安全改善提供依据和参考，对衔接交叉口的城市化改造提供建议和帮助，对推动衔接交叉口相关的规划设计规范的制定提供借鉴和指导。

为实现上述目的，本发明采用以下技术方案：

衔接交叉口非机动车右转衔接安全问题的量化评价方法，包括以下步骤：

步骤1：获取公路与城市道路的道路参数及公路与城市道路衔接交叉口处的信号周期，所述道路参数包括公路和城市道路上的车道数、公路和城市道路上的车道宽度、公路的路肩宽度和城市道路上非机动车道宽度；

步骤2：将公路与城市道路衔接交叉口处的一个信号周期划分成五个阶段，其中第一阶段为直行、左转信号灯均处于红灯的时间段；第二阶段为直行信号灯为红灯、左转信号灯由红灯变为绿灯的时间段；第三阶段为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段；第四阶段为左转信号灯为红灯、直行信号灯由红灯变为绿灯的时间段；第五阶段为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段；

步骤3：获取步骤2所述每个阶段内公路或城市道路出口处机动车的车流量、非机动车右转进入公路或城市道路出口处的车流量、非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离；所述公路或城市道路出口处机动车的车流量包括为沿公路直行到达公路或城市道路出口处机动车的车流量和由城市道路左转到达公路或城市道路出口处机动车的车流量；

步骤4：依据所述每个阶段内公路或城市道路出口处机动车的车流量和非机动车右转进入公路或城市道路出口处的车流量，计算所述每个阶段中非机动车完成右转过程中遇到公路或城市道路出口处机动车的概率P₁；

步骤5：依据非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离，分别计算非机动车和机动车在公路或城市道路上横向分布的概率密度函数，然后得到机动车与非机动车在公路或城市道路上横向分布的联合概率密度函数、非机动车在公路或城市道路上横向分布的累计概率密度函数和机动车与非机动车在公路或城市道路上横向分布的联合累计概率密度函数，最后得到非机动车完成右转过程中在公路或城市道路上横向分布上与机动车产生相互干扰的概率P₂；

步骤6：计算非机动车右转的安全风险概率P，P＝P₁×P₂，若P不小于0.1，则非机动车右转的安全风险较大；若P小于0.1，则非机动车右转的安全风险较小。

进一步地，所述

其中：t为城市道路上非机动车完成右转过程的所用时间；

t₁为信号周期第一阶段内直行、左转信号灯均处于红灯的时间段，此时机动车处于排队状态，无机动车到达公路或城市道路出口处；

t₂为信号周期第二阶段内直行信号灯为红灯、左转信号灯由红灯变为绿灯的时间段，此时左转排队机动车开始消散，机动车以车队形式到达公路或城市道路出口处；

t₃为信号周期第三阶段内直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段，此时左转机动车自由到达公路或城市道路出口处；

t₄为信号周期第四阶段内左转信号灯为红灯、直行信号灯由红灯变为绿灯的时间段，此时直行排队机动车开始消散，机动车以车队形式到达公路或城市道路出口处；

t₅为信号周期第五阶段内左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段，此时直行机动车自由到达公路或城市道路出口处；

X为左转机动车或直行机动车到达公路或城市道路出口处的数量，X≥1；

P_l为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆左转机动车到达公路或城市道路出口处的概率；

P_s为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆直行机动车到达公路或城市道路出口处的概率。

进一步地，所述左转机动车或直行机动车到达公路或城市道路出口处的数量X服从泊松分布，则

其中：k为非机动车完成右转过程中左转机动车或直行机动车到达公路或城市道路出口处的实际数量，k≥1；

Q_l为左转机动车道上的车流量，veh/h；

Q_s为直行机动车道上的车流量，veh/h；

t₀为非机动车从开始右转到完成右转进入稳定行驶所用的时间，s。

进一步地，所述非机动车和机动车在公路或城市道路上横向分布的概率密度函数分别为f_x(x)和f_y(y)，

所述机动车在公路或城市道路上横向分布的概率密度函数f_y(y)的条件概率密度函数为f_y(y|x)，

则所述机动车与非机动车在公路或城市道路上横向分布的联合概率密度函数为f_xy(x,y)，

f_xy(x,y)＝f_x(x)×f_y(y|x)，

其中：x为非机动车右转过程中与右侧路缘石或路肩边缘的横向距离，m；

y为非机动车右转过程中与左侧机动车的横向距离，m；

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

y₀为非机动车右转过程中与左侧机动车的最小横向距离，m；

A₁、A₂、x_c、y_c、w₁、w₂为拟合相关系数。

进一步地，所述

P₂＝F_x(x≤x₀)+F_x(x≥x₁)+F_xy(y-x≤m,x_o<x<x₁)，

其中：F_x为非机动车在公路或城市道路上横向分布的累计概率密度函数；

F_xy为机动车与非机动车在公路或城市道路上横向分布的联合累计概率密度函数；

l为机动车与非机动的最小横向安全距离，l＝1.5m；

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

x₁为非机动车右转过程中与左侧机动车的安全距离，m。

相比现有技术，本发明的有益效果在于：

1.本发明通过公路与城市道路的道路参数、公路与城市道路衔接交叉口处的信号周期、公路或城市道路出口处的车流量、非机动车右转过程中与左右两侧横向距离这些影响因素，建立公路与城市道路衔接交叉口非机动车右转衔接安全问题的量化评价方法，弥补了已有研究中对衔接交叉口没有研究的不足，可为衔接交叉口的结构、交通设计和安全改善提供依据和参考，对衔接交叉口的城市化改造提供建议和帮助，对推动衔接交叉口相关的规划设计规范的制定提供借鉴和指导。

2.本发明对4个调查点进行实例分析，验证了公路路肩宽度的不足会对衔接交叉口非机动车右转的安全风险产生显著的影响，另外随着直行车流量的增加，非机动车右转过程中有机动车到达的概率提升，也会明显增大衔接交叉口非机动车右转的安全风险的概率。因此，为提高衔接交叉口的安全服务水平可考虑在公路部分的出口车道的外侧进行一定的拓宽来设置非机动车衔接过渡段，对于交通量较大的衔接交叉口可在过渡段设置必要的隔离设施来减少机非的相互干扰。

附图说明

图1为常见的公路和城市道路的横断面布置形式，其中图1-a为公路横断面布置形式，图1-b为城市道路横断面布置形式。

图2为公路与城市道路衔接十字交叉口的4种衔接形式。

图3为公路与城市道路衔接T型交叉口的4种衔接形式。

图4为公路与城市道路衔接交叉口处的机动车与非机动车干扰的示意图。

图5为本发明实施例中各调查点的衔接口形式，其中图5-a为调查点A，图5-b为调查点B，图5-c为调查点C，图5-d为调查点D。

图6为本发明实施例中各调查点非机动车右转过程中与右侧路缘石或路肩边缘的横向距离分布统计，其中图6-a为调查点A，图6-b为调查点B，图6-c为调查点C，图6-d为调查点D。

图7为本发明实施例中非机动车右转过程中最外侧车道的机动车右侧车轮与道路边缘的横向距离分布统计，其中图7-a为调查点A，图7-b为调查点B，图7-c为调查点C，图7-d为调查点D。

图8为常见的机动车与非机动车的三种横向干扰类型。

图9为本发明实施例中调查点A的前100辆机动车到达的时间T和非机动车右转过程与路边的距离S的散点图。

具体实施方式

以下实施例用于说明本发明，但不用来限定本发明的保护范围。若未特别指明，实施例中所用技术手段为本领域技术人员所熟知的常规手段。

公路主要服务与中远距离的机动车出行，其中货运出行占有相当重要的比例，车辆速度快，车流稳定连续。城市道路在服务机动车出行的同时，还需要满足大量的非机动车和行人出行需求，其中机动车出行以小客车为主，伴有一定量的货车和公交车。城市道路交通主要为中短距离出行，交通需求多样，交通组织更加复杂。另外，城市道路交叉口间距较短，车速较慢，交通流通常为间断流。

请参考图1，图1示出了常见的公路和城市道路的横断面布置形式，公路横断面布置形式通常如图1-a所示，由车行道、硬路肩和土路肩组成，道路等级较高时，车行道中间还设置有中央分隔带。城市道路横断面布置形式通常如图1-b所示，主要包括车行道、非机动车道、人行道以及各类型分隔带。

公路通常用道路边线来对机动车与非机动车进行分隔，常见的公路标线设置有三种形式：(1)由于长期的磨损以及路面的修补，部分道路路面标线缺失，机动车与非机动车混合行驶，交通组织混乱，存在较大安全隐患；(2)道路虽然有路面划线，但是设置不合理，硬路肩部分宽度不足，非机动车在行驶的过程中通常会跨线行驶；(3)道路边线外留有足够的硬路肩供机动车临时停靠以及非机动车的通行，机动车与非机动车能有序地行驶，相互干扰较小。

常见的公路与城市道路衔接交叉口形式通常为十字交叉和T型交叉，均有不同的4种衔接型式。请参见图2和图3，图2示出了公路与城市道路衔接十字交叉口的4种衔接形式，图3示出了公路与城市道路衔接T型交叉口的4种衔接形式。

公路一般不设置专用的非机动车道和人行道，机非混合行驶，非机动车出行者出于安全的角度通常靠路边上的路肩行驶。但是，考虑到路肩横向空间资源的局限性以及非机动车骑行的随意性，非机动车出行者经常会占用靠近路边的机动车道行驶，给机动车的行驶带来了相当程度的干扰。请参考图4，图4为公路与城市道路衔接交叉口处的机动车与非机动车干扰的示意图。公路或城市道路出口处的到达车辆分为直行到达、左转到达和右转到达，其中直行与左转到达车辆车速较快，与右转慢行出行者行驶方向的夹角较大，交织效果明显。

一般公路与城市道路衔接交叉口的位置通常处于城区边缘，慢行出行以非机动车为主，行人流量较小，本发明实施例对城市道路上的非机动车右转进入公路时的安全问题进行量化评价，但本发明的保护范围并不仅限于此。

实施例1

本实施例选取某市3个公路与城市道路衔接交叉口的4个位置作为调查点，记为调查点A、调查点B、调查点C和调查点D，各调查点的衔接口形式如图5所示，其中图5-a为调查点A，图5-b为调查点B，图5-c为调查点C，图5-d为调查点D。采用SONY HDR-CX290摄像机对各交叉口进行连续拍摄，时间段为17:00-18:00，运用Corel Video Studio Pro X4软件进行视频处理。

衔接交叉口非机动车右转衔接安全问题的量化评价方法，包括以下步骤：

步骤1：获取公路与城市道路各调查点的道路参数和公路与城市道路衔接交叉口处的信号周期，如表1所示，所述道路参数包括公路和城市道路上的车道数、公路和城市道路上的车道宽度、公路的路肩宽度和城市道路上非机动车道宽度。

表1各调查点的道路参数

步骤2：将公路与城市道路衔接交叉口处的一个信号周期划分成五个阶段，其中第一阶段为直行、左转信号灯均处于红灯的时间段t₁，此时机动车处于排队状态，无机动车到达公路出口处；第二阶段为直行信号灯为红灯、左转信号灯由红灯变为绿灯的时间段t₂，此时左转排队机动车开始消散，机动车以车队形式到达公路出口处；第三阶段为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段t₃，此时左转机动车自由到达公路出口处；第四阶段为左转信号灯为红灯、直行信号灯由红灯变为绿灯的时间段t₄，此时直行排队机动车开始消散，机动车以车队形式到达公路出口处；第五阶段为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段t₅，此时直行机动车自由到达公路出口处。每个阶段时间统计如表2所示。

表2各调查点的信号周期中每个阶段时间统计

值得说明的是，表2中各调查点的车队消散时间为单位小时内每个信号周期车队消散时间的平均值。调查点A、B交通量大，排队车辆较多，车队消散时间明显高于调查点C和D。

步骤3：获取步骤2所述每个阶段内公路出口处机动车的车流量、城市道路上非机动车右转进入公路出口处的车流量、非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离。所述公路出口处机动车的车流量包括为沿公路直行到达公路出口处机动车的车流量和由城市道路左转到达公路出口处机动车的车流量。各调查点的车流量统计如表3所示。

表3各调查点的车流量统计

从表3中可以发现，调查点A、B与城市道路相衔接的分别是省道S314和国道G310，等级高、流量大，公路上的机动车除小客车外，还存在大量以货车、大客车为主的大型车。另外，城市道路的右转慢行交通以非机动车交通为主，行人的比例较小。

步骤4：依据所述每个阶段内公路出口处机动车的车流量和城市道路上非机动车右转进入公路出口处的车流量，计算所述每个阶段中城市道路上非机动车完成右转过程中遇到公路出口处机动车的概率P₁。

值得说明的是，公路出口处无机动车到达时，非机动车完成右转的过程中遇到机动车的概率为0；当车辆以车队的形式到达时，非机动车完成右转的过程中遇到机动车的概率为1；当车辆自由达到时，非机动车完成右转过程中至少有一辆左转机动车到达公路出口处，车辆的到达率符合泊松分布。故每个阶段中城市道路上非机动车完成右转过程中遇到公路出口处机动车的概率：

其中：t为城市道路上非机动车完成右转过程的所用时间；

t₁、t₂、t₃、t₄和t₅分别对应步骤2中每个阶段的时间；

X为左转机动车或直行机动车到达公路出口处的数量，X≥1；

P_l为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆左转机动车到达公路出口处的概率；

P_s为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆直行机动车到达公路出口处的概率。

其中：k为非机动车完成右转过程中左转机动车或直行机动车到达公路出口处的实际数量，k≥1；

Q_l为左转机动车道上的车流量，veh/h；

Q_s为直行机动车道上的车流量，veh/h；

t₀为非机动车从开始右转到完成右转进入稳定行驶所用的时间，s。

关于车辆自由达到时，非机动车完成右转过程中至少有一辆左转机动车到达公路出口处，车辆的到达率P_l和P_s符合泊松分布，本发明作如下说明：将非机动车从开始右转到完成右转稳定行驶前所用时间t₀分为等长的n段，即

作如下两个假设：

(1)在每段

内，恰好有一辆机动车到达的概率，近似与这段时间的时长

成正比，可设为

当n很大时，

很小时，在

这一短暂的时间内，有两辆或以上的机动车到达是不可能发生的，因此没有机动车达到的概率为

(2)

各段是否有车到达是独立的。把(0，t₀)时段内左转机动车或直行机动车到达公路出口处的数量X视为在

这些时段内有车辆到达的段数之和，则X应服从二项分布B(n，

)，即

当n→+∞时，则有

因此P_l和P_s符合泊松分布，如公式II和III所示。

通过视频分析发现，各交叉口非机动车从开始右转到完成右转稳定行驶前所用时间基本不超过5S。因此，取5s作为非机动车的右转完成时间，即t₀＝5s。

依据公式I～III，结合表2和表3数据，计算各调查点每个阶段中城市道路上非机动车完成右转过程中遇到公路出口处机动车的概率P₁值分别为0.27、0.23、0.13和0.11。

步骤5：依据非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离。

1)计算非机动车在公路上横向分布的概率密度函数f_x(x)，

其中：x为非机动车右转过程中与右侧路缘石或路肩边缘的横向距离，m；

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

A₁、x_c、w₁为拟合相关系数。

各调查点非机动车右转过程中与右侧路缘石或路肩边缘的横向距离分布统计如图6所示，其中图6-a为调查点A，图6-b为调查点B，图6-c为调查点C，图6-d为调查点D。采用origin软件对各调查点非机动车右转过程中与右侧路缘石或路肩边缘的横向距离进行拟合，均符合正态分布，拟合结果如表4所示。由表4可知，各调查点的拟合优度R²值分别为0.81、0.91、0.69和0.90，均接近1，说明拟合效果良好。

表4各调查点非机动车右转过程中与右侧路缘石或路肩边缘的横向距离的拟合结果

位置	f(x<sub>0</sub>	x<sub>c</sub>	w<sub>1</sub>	A<sub>1</sub>	拟合优度R<sup>2</sup>
						调查点A	0.04	1.98	0.13	1.87	0.81
调查点B	0.04	2.04	0.38	0.37	0.91
						调查点C	0.06	1.95	0.32	0.33	0.69
调查点D	0.04	1.89	0.33	0.42	0.9

2)计算机动车在公路上横向分布的概率密度函数f_y(y)，

其中：y为非机动车右转过程中与左侧机动车的横向距离，m；

y₀为非机动车右转过程中与左侧机动车的最小横向距离，m；

A₂、y_c、w₂为拟合相关系数。

3)计算机动车在公路上横向分布的概率密度函数f_y(y)的条件概率密度函数为f_y(y|x)，

非机动车右转过程中最外侧车道的机动车右侧车轮与道路边缘的横向距离分布统计如图7所示，其中图7-a为调查点A，图7-b为调查点B，图7-c为调查点C，图7-d为调查点D。采用origin软件对各调查点非机动车右转过程中最外侧车道的机动车右侧车轮与道路边缘的横向距离分布进行拟合，均符合对数正态分布，拟合结果如表5所示。由表5可知，各调查点的拟合优度R²值分别为0.79、0.86、0.72和0.88，均接近1，说明拟合效果良好。

表5各调查点非机动车右转过程中与右侧路缘石或路肩边缘的横向距离的拟合结果

位置	f(y<sub>0</sub>	y<sub>c</sub>	w<sub>2</sub>	A<sub>2</sub>	拟合优度R<sup>2</sup>
						调查点A	0.05	2.40	0.14	0.27	0.79
调查点B	0.04	2.05	0.24	0.33	0.86
						调查点C	0.01	3.39	0.20	0.46	0.72
调查点D	-0.01	3.33	0.23	0.55	0.88

4)计算机动车与非机动车在公路上横向分布的联合概率密度函数为f_xy(x,y)，

f_xy(x,y)＝f_x(x)×f_y(y|x)。 (公式VII)

5)计算非机动车完成右转过程中在公路上横向分布上与机动车产生相互干扰的概率P₂，

P₂＝F_x(x≤x₀)+F_x(x≥x₁)+F_xy(y-x≤m,x_o<x<x₁)， (公式VIII)

其中：F_x为非机动车在公路上横向分布的累计概率密度函数；

F_xy为机动车与非机动车在公路上横向分布的联合累计概率密度函数；

l为机动车与非机动的最小横向安全距离，l＝1.5m；(参考LLORCA C,ANGEL-DOMENECH A,AGUSTIN-GOMEZ F,et al.Motor Vehicles Overtaking Cyclists on Two-lane Rural Roads:Analysis on Speed and Lateral Clearance[J].Safety Science,2017,92:302-310.)

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

x₁为非机动车右转过程中与左侧机动车的安全距离，m。

需要说明的是，常见的机动车与非机动车的横向干扰有三种类型，如图8所示，图中S₁为道路右侧路缘石或硬路肩边缘；S₂为双车道道路中线或多车道道路靠近右侧第一车道与第二车道分界线；L₁为考虑非机动车自身宽度和横向摆动后，距离路缘石或硬路肩边缘的最小安全界限；L₂为非机动车的左侧安全界限。当非机动车与路缘石或硬路肩边缘距离超过x₁时，机动车道的左侧剩余空间小于机动车通过的最小安全宽度，机动车只能减速跟驰或者占用对向车道进行超车，如图8-a、8-b所示，存在很大的安全风险。当非机动车与路缘石或硬路肩边缘距离虽然在x₁范围以内，但非机动车与机动车之间的横向距离过小，给非机动车的安全行驶带来很大的隐患，如图8-c所示。

常用的行驶车辆间横向安全距离、行驶车辆与道路路缘石边缘的横向安全距离的计算依据波良科夫模型：

b＝0.7+0.02(v₁+v₂)^3/4，

d＝0.7+0.02v^3/4，

c＝0.4+0.02v^3/4，

其中：b为对向行车的横向安全距离，m；

d为同向行车的横向安全距离，m；

c为车辆与路缘石之间的横向安全距离，m；

v₁、v₂、v均为行车速度，km/h。

取40km/h作为常规行车车速，得到b＝1.23m、d＝1.02m和c＝0.72m。

调查发现，非机动车与右侧路缘石或路肩边缘的距离均≥0.5m，取0.5m作为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，即x₀＝0.5m。我国《城市道路工程设计规范》(CJJ37-2012)规定小客车的车身宽度取1.8m，大型汽车(包括普通汽车和铰接车)的车身宽度取2.5m。结合表1中车道数、车道宽度及路肩宽度，各调查点非机动车左右两侧的安全距离如表6所示。

表6各调查点非机动车左右两侧的安全距离

由公式V、VII和VIII，结合表4、表5和表6，计算时分别对非机动车在公路上横向分布的概率密度函数f_x(x)、机动车与非机动车在公路上横向分布的联合概率密度函数f_xy(x,y)进行积分，得到非机动车在公路上横向分布的累计概率密度函数F_x和机动车与非机动车在公路上横向分布的联合累计概率密度函数F_xy，得到非机动车完成右转过程中在公路上横向分布上与机动车产生相互干扰的概率P₂分别为0.49、0.96、0.59、0.56。

本发明对步骤4中所述P₁与步骤5中所述P₂是否相互独立进行了验证，检验P₁和P₂是否相互独立的具体步骤如下：

a)选取调查点公路出口处机动车到达的时间T和非机动车右转过程与路边的距离S为检验指标。

b)在公路与城市道路衔接交叉口处的一个信号周期内，分别获取公路出口处前100辆机动车到达的时间T和非机动车右转过程与路边的距离S。调查点A的前100辆机动车到达的时间T和非机动车右转过程与路边的距离S的散点图如图9所示。

c)采用SPSS统计分析软件对机动车到达的时间T和非机动车右转过程与路边的距离S两个检验指标进行不相关性检验。上述各调查点处T与S的不相关性检验结果如表7所示。

表7各调查点处T与S的不相关性检验结果

位置	Pearson相关系数R	显著性概率
			调查点A	-0.161	0.109
调查点B	-0.074	0.535
			调查点C	-0.109	0.322
调查点D	-0.023	0.756

d)若显著性概率大于0.05，则机动车到达的时间T和非机动车右转过程与路边的距离S为不相关，即P₁和P₂相互独立。由表7可知，各调查点处的显著性概率均大于0.05，则可判定P₁和P₂相互独立。

值得说明的是，采用SPSS曲线估计中对数、倒数、指数、幂、增长、S、逆、二次、三次、复合和Logistic11种非线性曲线对T和S两检验指标的相关性进行拟合发现，调查点A处的拟合优度相关系数R²值最大为0.034，远小于1，也可说明T和S两检验指标不相关，进而可判定P₁和P₂相互独立。

步骤6：计算非机动车右转的安全风险概率P，P＝P₁×P₂，结果如表8所示。若P不小于0.1，则非机动车右转的安全风险较大；若P小于0.1，则非机动车右转的安全风险较小。

表8为各调查点非机动车右转的安全风险概率

位置	P<sub>1</sub>	P<sub>2</sub>	P
				调查点A	0.27	0.49	0.13
调查点B	0.23	0.96	0.22
				调查点C	0.13	0.59	0.08
调查点D	0.11	0.56	0.06

调查点A处公路路肩宽度为1.25m，有一定横向空间可供非机动车行驶，但是考虑到非机动车行驶的无序性以及机动车道与路肩之间没有相应的隔离设施，右转的非机动车依然有49％的比例会在横向分布上超出安全范围，与直行的机动车产生相互干扰。该处非机动车右转的安全风险概率大于0.1，因此，非机动车右转的安全风险较大。

调查点B处公路路肩宽度过窄，仅为0.25m，外侧车道线紧贴路缘石，非机动车在右转驶入公路过程中，缺乏足够的横向道路资源，只能在外侧机动车道占道行驶，与直行的机动车之间产生很大的相互干扰，机动车只能靠变道完成对非机动车的超车。另外，由于直行车流量大，机动车到达率高，该处非机动车右转的安全风险概率大于0.1，因此，非机动车右转的安全风险较大。

调查点C、D两处虽然非机动车在横向分布上超过一半的概率位于安全范围以外，但是公路上的直行车流量较小，机动车到达率仅为10％左右，非机动车右转的安全风险概率较小，分别为8％和6％。考虑到城市的对外快速蔓延，未来机动车辆急剧增长的可能，该处存在的安全隐患依然需要引起一定的重视。

以上所述之实施例，只是本发明的较佳实施例而已，仅仅用以解释本发明，并非限制本发明实施范围，对于本技术领域的技术人员来说，当然可根据本说明书中所公开的技术内容，通过置换或改变的方式轻易做出其它的实施方式，故凡在本发明的原理上所做的变化和改进等，均应包括于本发明申请专利范围内。

Claims (1)

1.衔接交叉口非机动车右转衔接安全问题的量化评价方法，其特征在于，包括以下步骤：

步骤1：获取公路与城市道路的道路参数及公路与城市道路衔接交叉口处的信号周期，所述道路参数包括公路和城市道路上的车道数、公路和城市道路上的车道宽度、公路的路肩宽度和城市道路上非机动车道宽度；

步骤2：将公路与城市道路衔接交叉口处的一个信号周期划分成五个阶段，其中第一阶段为直行、左转信号灯均处于红灯的时间段；第二阶段为直行信号灯为红灯、左转信号灯由红灯变为绿灯的时间段；第三阶段为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段；第四阶段为左转信号灯为红灯、直行信号灯由红灯变为绿灯的时间段；第五阶段为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段；

步骤3：获取步骤2所述每个阶段内公路或城市道路出口处机动车的车流量、非机动车右转进入公路或城市道路出口处的车流量、非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离；所述公路或城市道路出口处机动车的车流量包括为沿公路直行到达公路或城市道路出口处机动车的车流量和由城市道路左转到达公路或城市道路出口处机动车的车流量；

步骤4：依据所述每个阶段内公路或城市道路出口处机动车的车流量和非机动车右转进入公路或城市道路出口处的车流量，计算所述每个阶段中非机动车完成右转过程中遇到公路或城市道路出口处机动车的概率P₁；

所述

其中：t为城市道路上非机动车完成右转过程的所用时间；

t₁为信号周期第一阶段内直行、左转信号灯均处于红灯的时间段，此时机动车处于排队状态，无机动车到达公路或城市道路出口处；

t₂为信号周期第二阶段内直行信号灯为红灯、左转信号灯由红灯变为绿灯的时间段，此时左转排队机动车开始消散，机动车以车队形式到达公路或城市道路出口处；

t₃为信号周期第三阶段内直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段，此时左转机动车自由到达公路或城市道路出口处；

t₄为信号周期第四阶段内左转信号灯为红灯、直行信号灯由红灯变为绿灯的时间段，此时直行排队机动车开始消散，机动车以车队形式到达公路或城市道路出口处；

t₅为信号周期第五阶段内左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段，此时直行机动车自由到达公路或城市道路出口处；

X为左转机动车或直行机动车到达公路或城市道路出口处的数量，X≥1；

P_l为直行信号灯为红灯、左转排队机动车完成消散并且左转信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆左转机动车到达公路或城市道路出口处的概率；

P_s为左转信号灯为红灯、直行机动车完成消散并且直行信号灯处于绿灯状态的时间段内，非机动车完成右转过程中至少有一辆直行机动车到达公路或城市道路出口处的概率；

所述左转机动车或直行机动车到达公路或城市道路出口处的数量X服从泊松分布，则

其中：k为非机动车完成右转过程中左转机动车或直行机动车到达公路或城市道路出口处的实际数量，k≥1；

Q_l为左转机动车道上的车流量，veh/h；

Q_s为直行机动车道上的车流量，veh/h；

t₀为非机动车从开始右转到完成右转进入稳定行驶所用的时间，s；

步骤5：依据非机动车右转过程中与左侧机动车的横向距离、非机动车右转过程中与右侧路缘石或路肩边缘的横向距离，分别计算非机动车和机动车在公路或城市道路上横向分布的概率密度函数，然后得到机动车与非机动车在公路或城市道路上横向分布的联合概率密度函数、非机动车在公路或城市道路上横向分布的累计概率密度函数和机动车与非机动车在公路或城市道路上横向分布的联合累计概率密度函数，最后得到非机动车完成右转过程中在公路或城市道路上横向分布上与机动车产生相互干扰的概率P₂；

所述非机动车和机动车在公路或城市道路上横向分布的概率密度函数分别为f_x(x)和f_y(y)，

所述机动车在公路或城市道路上横向分布的概率密度函数f_y(y)的条件概率密度函数为f_y(y|x)，

则所述机动车与非机动车在公路或城市道路上横向分布的联合概率密度函数为f_xy(x，y)，f_xy(x，y)＝f_x(x)×f_y(y|x)，

其中：x为非机动车右转过程中与右侧路缘石或路肩边缘的横向距离，m；

y为非机动车右转过程中与左侧机动车的横向距离，m；

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

y₀为非机动车右转过程中与左侧机动车的最小横向距离，m；

A₁、A₂、x_c、y_c、w₁、w₂为拟合相关系数；

所述P₂＝F_x(x≤x₀)+F_x(x≥x₁)+F_xy(y-x≤m，x_o＜x＜x₁)，

其中：F_x为非机动车在公路或城市道路上横向分布的累计概率密度函数；

F_xy为机动车与非机动车在公路或城市道路上横向分布的联合累计概率密度函数；

l为机动车与非机动的最小横向安全距离，l＝1.5m；

x₀为非机动车右转过程中与右侧路缘石或路肩边缘的最小横向距离，m；

x₁为非机动车右转过程中与左侧机动车的安全距离，m；

步骤6：计算非机动车右转的安全风险概率P，P＝P₁×P₂，若P不小于0.1，则非机动车右转的安全风险较大；若P小于0.1，则非机动车右转的安全风险较小。

Images