CN112509328A - 一种交叉口右转机动车与电动自行车冲突行为分析方法 - Google Patents

Abstract

一种交叉口右转机动车与电动自行车冲突行为分析方法，首先，对干扰情况下右转机动车与电动自行车的冲突事件进行判别，选择最大减速值为判定指标，并利用85％累积频率曲线分析法对受电动车干扰的右转车辆行为进行划分，统计冲突事件；随后，针对该种车辆到达情况，利用决策树理论建立了冲突决策模型，并利用划分得到的冲突事件数据对模型的参数进行标定，并确定临界概率值，提出了右转机动车与电动自行车冲突行为分析方法。该方法可以为交通仿真软件提供理论支持，是制定交通管控方案、提高交叉口运行效率和安全性的前提和基础，也可以为交叉口时空优化提供全面、准确的理论依据，从而提高交叉口的运行效率。

Description

一种交叉口右转机动车与电动自行车冲突行为分析方法

技术领域

本发明属于交通管理和控制技术领域，特别涉及一种交叉口右转机动车与电动自行车冲突行为分析方法。

背景技术

随着我国经济的快速发展，人均汽车保有量快速增加，交叉口作为城市道路网络的节点和瓶颈，汇集了机动车、非机动车及行人等不同出行方式，其复杂程度远远高于普通路段，因此交叉口交通安全问题逐渐成为国内外学者的研究重点。现有的交叉口安全评价方法主要有两种方式：一种是基于交通事故数据的事后安全评价，一种是基于经验数据的交通冲突分析。其中事后安全评价方法必须在改进措施实施后进行，为解决这一问题，交通仿真软件应运而生，很好的弥补了这一缺陷，然而现有的仿真软件会在一定程度上对交通流进行简化，使得安全评价并不可靠，因此需要对交叉口交通流运行机理进行进一步的研究。

由于转弯车辆是信号交叉口产生冲突的主要原因，因此转弯车辆行为分析是信号交叉口车辆行为分析的主要内容。左转车辆轨迹和速度等交通特性受多种因素影响，变化范围较大，但我国大多数信号交叉口均设置左转专用相位，该措施有效地减少了车辆与其他交通参与者的冲突。而我国右转机动车大多不受信号控制，与非机动车、电动自行车和行人等干扰严重。

随着居民对出行质量要求的提高，城市电动自行车正逐渐取代传统自行车成为新的交通工具，右转机动车与电动自行车的冲突问题日益显著，研究一种右转机动车与电动自行车冲突行为分析方法具有重要意义。

发明内容

本发明的目的就在于提供一种交叉口右转机动车与电动自行车冲突行为分析方法，该方法重点分析右转机动车和电动自行车在冲突点附近的运动状态特征，对调查数据进行冲突行为划分，利用二元Logit函数建立冲突决策模型，并对模型参数进行标定。

本发明对右转机动车与电动自行车的冲突行为进行分析，提出的方法可以作为微观行为仿真分析模型的一部分，为制定交通管控方案、提高交叉口运行效率和安全性的提供理论基础。

如上构思，本发明采取的技术方案是：一种交叉口右转机动车与电动自行车冲突行为分析方法，包括如下步骤：

步骤1)采集调查地点的几何条件，且获取多个信号交叉口的视频；

步骤2)提取右转车流的轨迹、速度、流量、加速度信息；

步骤3)计算右转车辆的最大减速度值，将减速度值以0.1m/s²进行分组，计算每组的频率值，绘制累积频率分布曲线；

步骤4)以步骤3)所得到的累计频率分布曲线为基础，利用85％位累积频率曲线分析法确定右转机动车最大减速度临界值，将右转机动车受电动自行车干扰的情况进行划分，统计冲突事件；

步骤5)采用决策树方法，确定效用函数U_in(t)，利用二元Logit模型建立冲突决策概率模型P(C_n＝1)；

步骤6)确定右转机动车和电动自行车的冲突影响区域，分析冲突决策的影响因素；

步骤7)利用步骤4)得到的冲突事件数据，利用最大似然估计法对步骤6)所确定的模型进行参数标定，计算概率临界值作为冲突决策判别指标。

进一步，所述步骤1)利用人工测量法采集调查地点的几何条件，其中：θ为交叉口转角，单位(rad)；R为交叉口转弯半径，单位(m)；L为外侧出口道边缘与路缘石内侧边缘之间的距离，单位(m)；r为出口道中心线与进口道中心线的交点；a为进口道中心线与停止线交点；b为出口道中心线与人行道内侧边缘线交点；C为r与B两点之间距离，单位(m)；红色虚线框图范围为交通流数据采集区域。

进一步，步骤4)的具体运行方法是：依据步骤3)绘制的累积频率分布曲线，利用85％位累积频率曲线分析法确定右转机动车最大减速度临界值，将右转机动车受电动自行车干扰的情况进行划分，将有干扰情况下85％位累积频率对应的最大减速度值确定为判定冲突的临界值，15％位累积频率对应的减速度值确定为判定有干扰和无干扰情况的临界值，最大减速度判定指标及对应的判定结果参照表1，提取冲突事件数据作为模型建立的数据基础，参见表1

表1判定指标及对应的判定结果

进一步，所述步骤5)所述的

决策树方法是：右转车在转弯过程首先应对道路环境进行观察，判断有无干扰，确定存在干扰时再进行冲突决策，若确定为冲突，则产生减速或停车的让行行为，否则，不判定为冲突，车辆正常通过，据此建立决策树如图3所示，将干扰判定定义为D_n，若发生干扰则D_n＝1，否则D_n＝0；冲突决策定义为C_n，确定冲突则C_n＝1，否则C_n＝0，

确定冲突概率值P(C_n＝1)＝P(D_n＝1)×P(C_n＝1|D_n＝1)；

所述的效用函数是：

不同决策行为的产生是不同状态效用值U_in的离散选择问题，效用函数U_in(t)＝V_in(t)+ε_in(t)＝X_in(t)×α+ε_in(t)

其中V_in(t)为驾驶员n在时间t状态i下的系统效用值，X_in(t)为驾驶员n在时间t状态i下的解释变量，α为不同解释变量X_in(t)参数，其中解释变量与目标车辆的相对速度和距离、交通密度等因素有关，ε_in(t)为误差项；

所述的冲突决策概率模型是：

决策树的第一层用二元Logit模型表示，驾驶员判断存在干扰的概率

将D_n＝0的状态作为基础状态，假定效用值为0，其中V_1n为驾驶员n判断存在干扰(i＝1)的系统效用，X_1n为驾驶员n判断存在干扰(i＝1)的解释变量，α为变量参数。

因此，驾驶员判定为冲突，做出让行行为的概率如下式所示：

其中，Z_1n为驾驶员n进行冲突决策(i＝1)的系统效用，β为变量参数。

进一步，所述步骤6)所述的冲突影响区域，利用右转机动车轨迹模型确定右转车和电动自行车的冲突区CZ，假设右转车决策点为通过停止线的位置，可以得到决策点到冲突区域边界的距离CL，以及右转机动车和电动自行车的冲突影响区域IZ_右和IZ_电。

进一步，所述步骤7)利用步骤4)得到的冲突事件数据为基础，对步骤6)所确定的模型进行参数标定，计算概率临界值作为冲突决策判别指标，首先将冲突决策概率写为N个独立事件(c₁,c₂……c_N)的联合概率：

接下来，对等式两边取对数：

最后，以调查数据为基础，组合进行最大似然估计，选择最优估计值确定最终概率模型。

本发明与现有技术相比，具有以下优点：

以往的研究在构建右转机动车与电动自行车冲突决策模型时，大多只考虑车辆行为，很少考虑交叉口几何条件对冲突决策的影响。本发明在选取变量时，综合考虑了交叉口的结合条件、交通流数据对冲突决策行为的影响，使得冲突决模型的精准性更高，可以更好的反应冲突决策行为。

附图说明

图1为本发明的分析方法流程图；

图2为交叉口几何参数定义示意图；

图3为冲突决策树示意图；

图4为调查地点冲突影响区域示意图。

具体实施方式

本发明提出了一种交叉口右转机动车与电动自行车冲突行为分析方法，依据交叉口几何条件和交通流数据，利用二元Logit函数建立冲突决策概率模型，计算概率临界值作为冲突决策判别指标。参照图1，本发明的步骤如下：

步骤1)选择工作日早高峰、天气晴朗且风力较小的天气，利用人工测量法采集调查地点的几何条件，如图2所示，θ为交叉口转角，单位(rad)；R为交叉口转弯半径，单位(m)；L为外侧出口道边缘与路缘石内侧边缘之间的距离，单位(m)；r为出口道中心线与进口道中心线的交点；a为进口道中心线与停止线交点；b为出口道中心线与人行道内侧边缘线交点；C为r与B两点之间距离，单位(m)；红色虚线框图范围为交通流数据采集区域。

利用视频采集法针对多个信号交叉口进行高点俯拍，获取视频。

步骤2)利用Trackpro软件提取右转车流的轨迹、速度、流量、加速度等信息；Trackpro软件：是基于视频采集技术获得行人或车辆时空数据的分析软件，通过软件参数设置可以将像素坐标转变为地理坐标，该软件现广泛应用于车辆轨迹及速度、加速度等数据的采集；

步骤3)计算右转车辆的最大减速度值，将减速度值以0.1m/s²进行分组，计算每组的频率值，绘制累积频率分布曲线；

步骤4)依据步骤3)绘制的累积频率分布曲线，利用85％位累积频率曲线分析法确定右转机动车最大减速度临界值，将右转机动车受电动自行车干扰的情况进行划分，将有干扰情况下85％位累积频率对应的最大减速度值确定为判定冲突的临界值，15％位累积频率对应的减速度值确定为判定有干扰和无干扰情况的临界值，最大减速度判定指标及对应的判定结果参照表1，提取冲突事件数据作为模型建立的数据基础。

表1判定指标及对应的判定结果

步骤5)所述的

决策树方法是：右转车在转弯过程首先应对道路环境进行观察，判断有无干扰，确定存在干扰时再进行冲突决策，若确定为冲突，则产生减速或停车的让行行为，否则，不判定为冲突，车辆正常通过，据此建立决策树如图3所示，将干扰判定定义为D_n，若发生干扰则D_n＝1，否则D_n＝0；冲突决策定义为C_n，确定冲突则C_n＝1，否则C_n＝0，

确定冲突概率值P(C_n＝1)＝P(D_n＝1)×P(C_n＝1|D_n＝1)；

所述的效用函数是：

不同决策行为的产生是不同状态效用值U_in的离散选择问题，效用函数U_in(t)＝V_in(t)+ε_in(t)＝X_in(t)×α+ε_in(t)

其中V_in(t)为驾驶员n在时间t状态i下的系统效用值，X_in(t)为驾驶员n在时间t状态i下的解释变量，α为不同解释变量X_in(t)参数，其中解释变量与目标车辆的相对速度和距离、交通密度等因素有关，ε_in(t)为误差项；

所述的冲突决策概率模型是：

参照图3，决策树的第一层用二元Logit模型表示，驾驶员判断存在干扰的概率

将D_n＝0的状态作为基础状态，假定效用值为0，其中V_1n为驾驶员n判断存在干扰(i＝1)的系统效用，X_1n为驾驶员n判断存在干扰(i＝1)的解释变量，α为变量参数。

因此，驾驶员判定为冲突，做出让行行为的概率如下式所示：

其中，Z_1n为驾驶员n进行冲突决策(i＝1)的系统效用，β为变量参数。

步骤6)参照图4确定右转机动车和电动自行车的冲突影响区域，分析冲突决策的影响因素；所述冲突影响区域，是利用右转机动车轨迹模型(曲昭伟,罗瑞琪,陈永恒,等.信号交叉口右转机动车轨迹特性[J].浙江大学学报:工学版,2018.)，确定右转车和电动自行车的冲突区CZ，假设右转车决策点为通过停止线的位置，可以得到决策点到冲突区域边界的距离CL，以及右转机动车和电动自行车的冲突影响区域IZ_右和IZ_电。

对干扰判别以及进行冲突决策的可能影响因素和因素对应的系数进行汇总，汇总结果如表2和表3所示。

表2干扰判定影响因素及系数汇总表

表3冲突决策影响因素及系数汇总表

步骤7)以步骤4)得到的冲突事件数据为基础，利用最大似然估计法确定的冲突概率模型如下：

利用步骤6)得到的冲突概率模型计算调查数据中右转车和电动自行车的冲突决策概率，对概率值以0.05为间隔进行分组，统计每组的样本数量。结果表明，有85.85％的冲突事件的计算概率在0.85以上，因此将0.85作为利用冲突决策概率模型进行冲突决策的指标，也就是当计算概率大于85％时，右转车辆对此判定为冲突，发生让行行为。

Claims (6)

1.一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：包括如下步骤：

步骤1)采集调查地点的几何条件，且获取多个信号交叉口的视频；

步骤2)提取右转车流的轨迹、速度、流量、加速度信息；

步骤3)计算右转车辆的最大减速度值，将减速度值以0.1m/s²进行分组，计算每组的频率值，绘制累积频率分布曲线；

步骤4)以步骤3)所得到的累计频率分布曲线为基础，利用85％位累积频率曲线分析法确定右转机动车最大减速度临界值，将右转机动车受电动自行车干扰的情况进行划分，统计冲突事件；

步骤5)采用决策树方法，确定效用函数U_in(t)，利用二元Logit模型建立冲突决策概率模型P(C_n＝1)；

步骤6)确定右转机动车和电动自行车的冲突影响区域，分析冲突决策的影响因素；

步骤7)利用步骤4)得到的冲突事件数据，利用最大似然估计法对步骤6)所确定的模型进行参数标定，计算概率临界值作为冲突决策判别指标。

2.根据权利要求1所述的一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：所述步骤1)利用人工测量法采集调查地点的几何条件，其中：θ为交叉口转角，单位(rad)；R为交叉口转弯半径，单位(m)；L为外侧出口道边缘与路缘石内侧边缘之间的距离，单位(m)；r为出口道中心线与进口道中心线的交点；a为进口道中心线与停止线交点；b为出口道中心线与人行道内侧边缘线交点；C为r与B两点之间距离，单位(m)；红色虚线框图范围为交通流数据采集区域。

3.根据权利要求1所述的一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：步骤4)的具体运行方法是：依据步骤3)绘制的累积频率分布曲线，利用85％位累积频率曲线分析法确定右转机动车最大减速度临界值，将右转机动车受电动自行车干扰的情况进行划分，将有干扰情况下85％位累积频率对应的最大减速度值确定为判定冲突的临界值，15％位累积频率对应的减速度值确定为判定有干扰和无干扰情况的临界值，最大减速度判定指标及对应的判定结果参照表1，提取冲突事件数据作为模型建立的数据基础，参见表1

表1 判定指标及对应的判定结果

4.根据权利要求1所述的一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：所述步骤5)所述的

决策树方法是：右转车在转弯过程首先应对道路环境进行观察，判断有无干扰，确定存在干扰时再进行冲突决策，若确定为冲突，则产生减速或停车的让行行为，否则，不判定为冲突，车辆正常通过，据此建立决策树如图3所示，将干扰判定定义为D_n，若发生干扰则D_n＝1，否则D_n＝0；冲突决策定义为C_n，确定冲突则C_n＝1，否则C_n＝0，

确定冲突概率值P(C_n＝1)＝P(D_n＝1)×P(C_n＝1|D_n＝1)；

所述的效用函数是：

不同决策行为的产生是不同状态效用值U_in的离散选择问题，效用函数U_in(t)＝V_in(t)+ε_in(t)＝X_in(t)×α+ε_in(t)

其中V_in(t)为驾驶员n在时间t状态i下的系统效用值，X_in(t)为驾驶员n在时间t状态i下的解释变量，α为不同解释变量X_in(t)参数，其中解释变量与目标车辆的相对速度和距离、交通密度等因素有关，ε_in(t)为误差项；

所述的冲突决策概率模型是：

决策树的第一层用二元Logit模型表示，驾驶员判断存在干扰的概率

将D_n＝0的状态作为基础状态，假定效用值为0，其中V_1n为驾驶员n判断存在干扰(i＝1)的系统效用，X_1n为驾驶员n判断存在干扰(i＝1)的解释变量，α为变量参数，

因此，驾驶员判定为冲突，做出让行行为的概率如下式所示：

其中，Z_1n为驾驶员n进行冲突决策(i＝1)的系统效用，β为变量参数。

5.根据权利要求1所述的一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：所述步骤6)所述的冲突影响区域，利用右转机动车轨迹模型确定右转车和电动自行车的冲突区CZ，假设右转车决策点为通过停止线的位置，可以得到决策点到冲突区域边界的距离CL，以及右转机动车和电动自行车的冲突影响区域IZ_右和IZ_电。

6.根据权利要求1所述的一种交叉口右转机动车与电动自行车冲突行为分析方法，其特征在于：所述步骤7)利用步骤4)得到的冲突事件数据为基础，对步骤6)所确定的模型进行参数标定，计算概率临界值作为冲突决策判别指标，首先将冲突决策概率写为N个独立事件(c₁,c₂……c_N)的联合概率：

接下来，对等式两边取对数：

最后，以调查数据为基础，组合进行最大似然估计，选择最优估计值确定最终概率模型。

Images