CN117831286A - 基于陀螺仪数据的公路弯道路段安全性评价与预测方法 - Google Patents

基于陀螺仪数据的公路弯道路段安全性评价与预测方法 Download PDF

Info

Publication number
CN117831286A
CN117831286A CN202311858642.0A CN202311858642A CN117831286A CN 117831286 A CN117831286 A CN 117831286A CN 202311858642 A CN202311858642 A CN 202311858642A CN 117831286 A CN117831286 A CN 117831286A
Authority
CN
China
Prior art keywords
curve
road
transverse force
safety
force coefficient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311858642.0A
Other languages
English (en)
Inventor
彭小荡
晏凌波
钟向东
周乐业
高建平
许世勇
郭家伟
罗树昭
马倩
孙海涵
郭楷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Duyun Highway Administration Bureau Of Guizhou Province
Chongqing Jiaotong University
Original Assignee
Duyun Highway Administration Bureau Of Guizhou Province
Chongqing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Duyun Highway Administration Bureau Of Guizhou Province, Chongqing Jiaotong University filed Critical Duyun Highway Administration Bureau Of Guizhou Province
Priority to CN202311858642.0A priority Critical patent/CN117831286A/zh
Publication of CN117831286A publication Critical patent/CN117831286A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了基于陀螺仪数据的公路弯道路段安全性评价与预测方法，具体包括下述步骤：一、实车试验：用于采集道路及三维加速度信息；二、指标选取：通过实车试验筛选影响弯行车稳定性的相关指标，并通过数值分析选择和弯道车辆行车稳定性最具有代表性的行车指标；三、利用行车稳定性指标量化安全性水平，建立基于车辆横向力系数变异性的行车稳定性分析方法；四、根据横向力系数变化特征预测弯道安全水平。本发明属于交通安全技术领域，具体提供了一种基于陀螺仪数据的公路弯道路段安全性评价与预测方法。

Description

基于陀螺仪数据的公路弯道路段安全性评价与预测方法
技术领域
本发明属于交通安全技术领域，具体为基于陀螺仪数据的公路弯道路段安全性评价与预测方法。
背景技术
山区公路由于转弯半径小，坡陡弯急，车辆容易因控速不当和安全视距不足等原因，导致事故发生。现有的解决办法如安装球面镜、设施警示仪等，其用途较为单一或者有限制条件，用于解决低等级公路弯道盲区交通安全问题的技术存在一定缺陷，智能产品绝大部分应用到大型交通路口以及高速公路入口的车流疏导、监控调度、信息提示上，在多山省区的山区公路上更是没有应用。
发明内容
针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于陀螺仪数据的公路弯道路段安全性评价与预测方法，通过车载陀螺仪实车试验得到相应路段的三维加速度值，并将其转换为弯道路段的横向力系数值，根据横向力系数在弯道及其影响路段的沿线分布及其峰值特征，分析行车的稳定性，评价相应弯道路段的安全水平。同时，根据对多条山区普通干线公路的弯道横向力系数分布测试结果，建立了基于横向力系数的弯道路段安全性预测方法。
本发明提供如下的技术方案：本发明提出的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，具体包括下述步骤：
一、实车试验：用于采集道路及三维加速度信息；
二、指标选取：通过实车试验筛选影响弯行车稳定性的相关指标，并通过数值分析选择和弯道车辆行车稳定性最具有代表性的行车指标；
三、利用行车稳定性指标量化安全性水平，建立基于车辆横向力系数变异性的行车稳定性分析方法；
四、根据横向力系数变化特征预测弯道安全水平。
进一步地，步骤一中实车试验通过采集道路信息设备进行道路信息采集，并采用多传感器数据融合技术将卫星定位与惯性测量相结合，采用零偏的高精度陀螺和加速度计，良好的满足山地公路自然驾驶试验的长时间、高精度、应用需求。
进一步地，所述道路信息包括弯道半径、安全速度差和横向力差异系数。
进一步地，步骤二具体通过下述内容实现：
(一)山区普通干线公路风险影响因素分析
(1)平面线形对安全的影响
①直线与小半径弯道的组合
②两弯道组成的反向曲线
(二)汽车行驶于平曲线上时，会受到其本身重力的影响，还受到离心力的影响，可从汽车受力角度理论上分析相关性：
汽车沿着定圆行驶，对弯道路段受力情况进行分析，由摩擦力提供向心力，即，列式如下：
Fh＝Frcosα-Gsinα
式中：Fr—汽车收到的离心力；G—汽车收到的重力；Fh—汽车实际承受的横向力；
因此，横向加速度可简化关系式为：
同时，衡量汽车在圆曲线上行驶时的稳定、安全和舒适程度也可以采用横向力系数，即横向力与竖向力的比值，其物理意义可近似地理解为单位车重上受到的横向力，当车辆于曲线上行驶时横向力系数关系式如下：
式中：ay—横向加速度(m/s2)；v—汽车行驶速度(m/s)；g—重力加速度(m/s2)；R—圆曲线半径(m)；I—路拱横坡(％)；
因此，横向力系数和横向加速度均可以作为弯道侧向稳定性的表征指标，横向力系数在转向不同的弯道中均为绝对值，结合上述研究可得弯道行车稳定性的变化大小和方向无关，故采用横向力系数作为行车稳定性指标。
由上式可知，横向力系数的影响因素为车辆运行车速曲率半径和超高。
(三)影响行车安全的一个核心因素是驾驶员对行车速度的选择，驾驶员选择的速度则直接影响行车的横向力系数。
(四)结合自然驾驶试验采集的弯道三维加速度数据，运用横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标分析弯道的安全水平。
结合横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标，对山区普通干线公路事故多发路段安全水平进行量化，选择最具有代表性的弯道行车稳定性指标；山区普通干线公路事故多发路段事故严重程度不同，因此单纯用事故统计值来分析，事故数不能够反应路段的实际安全风险水平，由于严重事故对社会和个人的危险程度远远大于一般的轻微事故，所以为了精确地判断弯道实际安全性，通过赋予受伤及死亡事故一定的权值来计算当量事故数。
N＝K1F+K2J+R
式中：N为统计期间内事故发生地点的当量事故数，F为死亡人数K1权重取2.0，J为受伤人数(轻伤K2取1.2，重伤K2取1.5)，R为统计期间内发生的事故次数。
结合三类指标与当量事故数的相关性，横向力系数差值和当量事故数的相关性更高，因此可选择横向力系数差值来量化弯道路段的风险水平。
进一步地，步骤三中，具体通过利用行车稳定性指标进行山区普通干线公路弯道安全性分析，用于通过横向力系数变化划分弯道安全性等级实现。
进一步地，步骤三具体通过下述内容实现：
(一)横向力系数差值和当量事故数高度相关，当量事故数越大则横向力系数差值越大，表明行车的安全风险越高，拟合公式如下：
上式表明横向力系数差值能较好的表征弯道的安全性水平，符合山区普通干线公路的道路条件、交通条件和环境条件，可以作为识别山区普通干线公路事故隐患路段的评价指标。
(二)根据实车试验的数据构建了横向力系数差值模型，并对山区普通干线公路弯道的安全水平分级提供参考：结合弯道上的行车稳定性指标的采集情况，分析行车指标间的相关性，利用统计学原理对半径、理论安全速度差与横向力系数差值之间进行相关性分析；分析结果表明：(1)弯道半径与横向力系数差值显著相关，半径越大则横向力系数差值越小；(2)弯道半径是影响横向力系数差值的重要影响因素表明与理论安全速度差和横向力系数差值显著正相关，与理论安全速度差越大则横向力系数差值越大，表明理论安全速度差是影响横向力系数差值的重要因素。
结合弯道半径与横向力系数差值两个指标的相关性分析结果，运用有多变量回归分析的方法，采用弯道半径和理论安全速度差指标对横向力系数差值模型进行构建，绘出弯道半径-理论安全速度差-横向力系数差值的曲面图，曲面图对应的拟合公式如下：
z＝z0+ax+by+cx2+dy2
式中：z0＝0.01661，a＝2.5589*10-4，b＝0.00812，c＝7.7399*10-7，d＝1.98618*10-4(R2＝0.941).
横向力系数差值统计具体如下：均值为0.0054，标准差为0.0447，2倍标准差为0.0894，90分位数为0.093，75分位为0.047。
进一步地，步骤四中，具体根据横向力系数变化情况判断弯道安全性用于基于弯道的横向力系数变化情况通过划分的安全等级来有效预测弯道的安全性水平。
进一步地，步骤四具体包括下述内容：
通过对路段安全等级的划分，分别对四类弯道路段的横向力系数变化情况进行分析，四类弯道路段分别为：安全等级差的路段，安全等级较差的路段，安全等级一般的路段，安全等级良好路段。
进一步地，通过弯道横向力系数变化进行弯道安全等级评价：
a：所测弯道横向力系数差值Δμ＜0时，车辆通过该路段运行状态平稳，则该路段安全等级良好；
b：所测弯道横向力系数差值Δμ＜0.05时，车辆通过该路段运行速度有波动，但波动不大，则该路段安全等级一般；
c：所测弯道横向力系数差值0.05<Δμ≤0.09时，车辆通过该路段运行速度波动不大但过弯速度较快，则该路段安全等级较差；
d：所测弯道横向力系数差值Δμ＞0.09时，车辆通过该路段运行速度波动大，且过弯速度较快，则该路段安全等级差。
进一步地，根据对多条山区普通干线公路的弯道横向力系数分布测试结果，建立基于横向力系数的弯道路段安全性预测方法：
(一)基于山区普通干线公路线形特征的速度预测模型构建：
(二)论证所述基于山区普通干线公路线形特征的速度预测模型的构建：
(三)所述基于奥维地图数据透视线形资料恢复方法预测山区普通干线公路安全性水平。
采用上述结构本发明取得的有益效果如下：本发明提出的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，具有下述优点：
本方案通过提出的山区普通干线公路行车稳定性影响因素分析方法，结合山区普通干线公路不同弯道的实际事故情况，针对山区干线公路弯道的行车稳定性进行综合分析，通过实车试验筛选影响弯道行车稳定性的相关指标，并通过数值分析，选择和弯道车辆行车稳定性最具有代表性的行车指标，量化不同路段的安全水平，建立基于车辆横向力系数变异性的行车稳定性分析方法，建立基于道路线形数据构建弯道速度的预测模型，提出基于陀螺仪数据的公路弯道路段安全性评价与预测方法，能有效的预测路段的安全水平。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明长直线接小半径曲线路段的示例图；
图2为本发明反向曲线路段示例图；
图3为本发明基于力学分析推导的不同速度下横向力系数分布图；
图4为本发明不同半径下行车指标统计情况图；
图5为本发明横向力系数差值和当量事故数拟合模型构建图；
图6为本发明曲面拟合1的曲面拟合图；
图7为本发明曲面拟合2的曲面拟合图；
图8为本发明安全等级差弯道横向力系数变化图；
图9为本发明安全等级较差路段横向力系数变化图；
图10为本发明安全等级一般路段横向力系数变化图；
图11为本发明安全等级良好路段横向力系数变化图；
图12为本发明上游弯道对下游弯道几乎无影响时的车辆运行速度模式图；
图13为本发明上游弯道对下游弯道有影响时的车辆运行速度模式图；
图14为本发明出弯车辆纵向加速度的变化图；
图15为本发明不同主观识认距离下的峰值加速度图；
图16为本发明不同场景下的纵向加速度峰值变化趋势图；
图17为本发明基于自然驾驶试验的主观识认距离大于150m弯道速度图；
图18为本发明基于自然驾驶试验的主观识认距离大于150m弯道速度拟合曲线图；
图19为本发明基于相邻弯道半径指标的速度拟合模型图；
图20为本发明G354路段各指标的全线分布图；
图21为本发明S9与S10路段的线形组合图；
图22为本发明S10弯道圆曲线弯道车速图；
图23为本发明S10弯道行车环境图；
图24为本发明S10弯道边缘线与道路中线的曲率比较图；
图25为本发明S4路段弯道实拍图；
图26为本发明试验路段Ⅱ各弯道中行车指标分布图；
图27为本发明S8试验弯道上游长直线路段航拍图；
图28为本发明试验路段Ⅱ滤波处理后S9弯道处断面横向力系数分布图；
图29为本发明试验路段线形轨迹恢复示例图；
图30为本发明试验路段车辆行驶稳定性指标统计表；
图31为本发明S5弯道与上游弯道线形组合奥维视图；
图32为本发明S4弯道路段与S5弯道路段现场调研图；
图33为本发明S5弯道处的断面横向力系数分布图；
图34为本发明S5弯道入弯速度速度累计频率图；
图35为本发明S5弯道运行速度累计频率图；
图36为本发明S5弯道整体出弯累计频率图。
具体实施方式
下面给出本发明的一个具体实施例。
针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于陀螺仪数据的公路弯道路段安全性评价与预测方法，通过车载陀螺仪实车试验得到相应路段的三维加速度值，并将其转换为弯道路段的横向力系数值，根据横向力系数在弯道及其影响路段的沿线分布及其峰值特征，分析行车的稳定性，评价相应弯道路段的安全水平。同时，根据对多条山区普通干线公路的弯道横向力系数分布测试结果，建立了基于横向力系数的弯道路段安全性预测方法。
本发明提供如下的技术方案：本发明提出的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，具体包括下述步骤：
一、实车试验：实车试验用于采集道路及三维加速度信息；
二、指标选取：通过实车试验筛选影响弯行车稳定性的相关指标，并通过数值分析选择和弯道车辆行车稳定性最具有代表性的行车指标；
三、利用行车稳定性指标量化安全性水平，建立基于车辆横向力系数变异性的行车稳定性分析方法：
利用行车稳定性指标进行山区普通干线公路弯道安全性分析，用于通过横向力系数变化划分弯道安全性等级；
四、根据横向力系数变化特征预测弯道安全水平：
根据横向力系数变化情况判断弯道安全性用于基于弯道的横向力系数变化情况通过划分的安全等级来有效预测弯道的安全性水平。
具体地，步骤(1)中实车试验通过采集道路信息设备进行道路信息采集，并采用多传感器数据融合技术将卫星定位与惯性测量相结合，采用零偏的高精度陀螺和加速度计，良好的满足山地公路自然驾驶试验的长时间、高精度、应用需求；采集道路信息设备包括华测导航CGI-410、海康威视行车记录仪和北微传感器；所述道路信息包括弯道半径、安全速度差和横向力差异系数。
具体地，步骤(2)具体通过下述内容实现：
(一)山区普通干线公路风险影响因素分析
(1)平面线形对安全的影响
①直线与小半径弯道的组合
直线是道路平面线形常见的形式之一，单一的直线线形对行车安全的影响不大，但是通过对事故资料的分析，事故隐患点多为直线接小半径的急弯路段，事故数量及事故严重程度均较高，其线形组合如图1所示。
在直线段行驶会给予驾驶员良好的视距，因此驾驶员行驶状态较轻松，因此驾驶员会逐渐加速行驶，过长直线会提高驾驶员进入弯坡路段的速度当行至小半径曲线路段时，车辆在转弯过程中会受到离心力，离心力F与弯道半径R成反比，即弯道半径越小，离心力越大。若离心力超过了车辆的轮胎附着力，车辆就会向道路外侧发生滑移，甚至车辆内轮离地，发生倾覆。因此很多交通事故的原因为速度过快易造成车辆占用对向车道导致的两车相撞，或者车辆驶出路外。因此从组合线形来讲，弯道半径对事故的影响程度更高，而弯道前的直线导致了车辆速度的增加，是事故的演化的一个重要因素，可能促进了事故的发生。
②两弯道组成的反向曲线
由于地形条件的限制，反向曲线作为山区干线公路弯道常见的组合形式，通常反向曲线路段所处道路条件比较复杂，如图2所示。
通过对事故资料分析，事故多发的反向曲线弯道通常为两弯道圆曲线半径相差过大的连续弯道，车辆在进入两弯道的前后速度差较大，特别是下游弯道圆曲线半径更小的弯道，驾驶员转动方向盘幅度较大，容易发生风险驾驶行为。而对于两弯道圆曲线半径相近的弯道组合，使驾驶员对前方线形更适应，过渡性更好。
由上得弯道半径对弯道行车安全影响较大，平曲线半径由于地形条件限制，普通山区干线公路常有极限最小半径弯道出现，从事故数资料上来看，大部分事故多发路段多为小半径弯道，因此可将弯道半径作为衡量行车稳定性的指标。
(二)汽车行驶于平曲线上时，会受到其本身重力的影响，还受到离心力的影响，可从汽车受力角度理论上分析相关性：
汽车沿着定圆行驶，对弯道路段受力情况进行分析，由摩擦力提供向心力，即，列式如下：
Fh＝Frcosα-Gsinα
式中：Fr—汽车收到的离心力；G—汽车收到的重力；Fh—汽车实际承受的横向力；
因此，横向加速度可简化关系式为：
同时，衡量汽车在圆曲线上行驶时的稳定、安全和舒适程度也可以采用横向力系数，即横向力与竖向力的比值，其物理意义可近似地理解为单位车重上受到的横向力，当车辆于曲线上行驶时横向力系数关系式如下：
式中：ay—横向加速度(m/s2)；v—汽车行驶速度(m/s)；g—重力加速度(m/s2)；R—圆曲线半径(m)；I—路拱横坡(％)；
因此，横向力系数和横向加速度均可以作为弯道侧向稳定性的表征指标，横向力系数在转向不同的弯道中均为绝对值，结合上述研究可得弯道行车稳定性的变化大小和方向无关，故采用横向力系数作为行车稳定性指标。
由上式可知，横向力系数的影响因素为车辆运行车速曲率半径和超高。
横向力的存在对行车安全会产生不利影响，对行车的不利表现在以下几方面：
①危及行车安全：汽车在弯道上行驶的基本前提是轮胎不在路面上滑移，这就要求横向力系数需大于路面的摩阻系数。普通山区气候特征使路面的摩阻系数存在较大的变化，因此横向力系数过大会对行车安全产生不利影响。
②增加驾驶操纵的困难：弯道上行驶的汽车在横向力作用下，弹性的轮胎会产生横向变形使轮胎的中间平面与轮迹前进方向形成一个横向偏移角其存在增加了汽车在方向操纵上的困难。特别是在普通山区改扩建公路上急弯较多，横向力系数变化过大易出现翻车事故。
③造成驾驶员及乘客不舒适：μ值过大，汽车不仅不能连续稳定行驶有时还需要减速。不仅增加了驾驶员在弯道行驶中的紧张，同时对乘客来说同样感觉不舒适。
参见表1，我国公路设计规范关于弯道横向力系数的阈值有如下规定：
表1我国规范关于横向力系数的有关规定
设计速度(km/h) 100 80 60 40 30
横向力系数阈值 0.12 0.13 0.15 0.15 0.16
结合基于力学角度的横向力系数推算过程，对不同速度下的弯道横向力系数进行计算，结果如图3所示；在图3的横向力系数模型中，在公路线形设计规范中标准的圆曲线超高由对应半径推荐来设置，不同的半径区间有不同的超高与之匹配，导致区间临界点存在横向力系数曲线有突变点，总体来说半径越小则超高越大，圆曲线超高是影响弯道行车稳定性的重要因素，它可以抵消部分车辆横向力的作用，适合的超高有利于车辆平稳行驶。由于在自然实车驾驶中，许多弯道路段由于日常道路运营的车辆荷载及自然作用，使圆曲线弯道超高可能与设计超高出现偏差，因此超高在弯道上的分布具有不确定性，对于后续模型建立中存在干扰，因此若弯道圆曲线由于施工原因或道路运营原因导致的超高不足问题需要根据横向力系数水平进行分析，若横向力系数水平较高则需要着重对弯道圆曲线超高进行核查。横向力系数的总体分布随着半径的减小而增大，以设计速度40km/h的路段为例，40km/h设计速度对应的横向力系数阈值为0.15(图中虚线)，当速度超过40km/h后，半径越小的弯道，横向力系数增加越明显。由于超高为不确定的因素，本说明书提出了弯道路段横向力系数峰值指标，以采集的横向力系数峰值综合考虑弯道的实际状况，因此本说明书定义车辆在弯道行驶实际横向力系数峰值与理论横向力系数阈值之差为横向力系数差值，以Δμ来表示，下文运用该指标对不同弯道的实际的安全水平进行量化。
(三)影响行车安全的一个核心因素是驾驶员对行车速度的选择，在我国按照现行的《公路工程技术标准》决定公路线形设计的主要依据是设计车速，设计车速决定了公路的线形设计标准。山区普通干线公路设计速度一般较低，如果车辆在公路上行驶时的实际运行车速与设计车速相差过大会使个别路段无法满足安全要求。
在山区普通干线公路上，驾驶员的行车速度选择更多的是通过自身对道路线形的观察，在不同道路条件下存在不同的期望车速。因为驾驶员在公路上行驶时并不了解公路的设计车速而是根据当时的公路条件、交通条件、车辆性能、天气条件等和自己的判断与驾驶技能、个人心理选定其认为合适的行驶速度。而驾驶员选择的速度则直接影响行车的横向力系数。
可结合上文的横向力系数阈值和道路及环境条件，可反算出车辆在该弯道能满足安全行驶的理论安全速度，结合实际行驶车速构建与理论安全速度的速度差作为指标，可以一定程度上反映弯道的实际行车安全水平。
(四)结合自然驾驶试验采集的弯道三维加速度数据，运用横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标分析弯道的安全水平。通过实车试验，采集并整理好的行车稳定性指标和弯道线形指标如表2所示。为了更直观的表现出弯道车辆的行驶指标，将横向力差值与理论安全车速差值采用双y轴结合图展示如图4所示。
表2山区普通干线公路弯道指标汇总
结合横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标，对山区普通干线公路事故多发路段安全水平进行量化，选择最具有代表性的弯道行车稳定性指标；山区普通干线公路事故多发路段事故严重程度不同，因此单纯用事故统计值来分析，事故数不能够反应路段的实际安全风险水平，由于严重事故对社会和个人的危险程度远远大于一般的轻微事故，所以为了精确地判断弯道实际安全性，通过赋予受伤及死亡事故一定的权值来计算当量事故数。
N＝K1F+K2J+R
式中：N为统计期间内事故发生地点的当量事故数，F为死亡人数K1权重取2.0，J为受伤人数(轻伤K2取1.2，重伤K2取1.5)，R为统计期间内发生的事故次数。
当量事故数是一种能效反映事故严重程度的方法，同时也能准确反映出弯道的安全水平，通过事故路段当量事故数，分别运用三个指标对其弯道安全水平进行相关性分析，选择相关性最强的指标，作为并且能够有效预测其他路段安全性水平。根据收集的试验地区的事故资料进行分类整理，事故路段的弯道半径与当量事故数如表3所示。
表3事故多发路段当量事故数和行车稳定性指标统计表
各指标与当量事故数的相关性表如表4-表6所示：
表4当量事故数和弯道半径相关性统计表
表5当量事故数和安全速度差相关性统计表
表6当量事故数和横向力系数差值相关性统计表
结合三类指标与当量事故数的相关性，横向力系数差值和当量事故数的相关性更高，因此可选择横向力系数差值来量化弯道路段的风险水平。
具体地，步骤(3)具体通过下述内容实现：
(一)横向力系数差值和当量事故数高度相关，分析原因如下：
(1)横向力系数差值越大表明驾驶员从直线路段行驶至弯道的驾驶负荷更大，易产生异常驾驶行为，提高了事故概率；
(2)横向力系数差值越大代表车辆行车稳定性越差，表现出在小半径弯道上驾驶员为寻求更大的转弯半径侵占对向车道致的车辆正面碰撞事故，严重程度较高，或者运行车速超过安全车速较大时，导致路侧事故风险的提高，事故严重程度更高。
因此可对当量事故数和横向力差值进行拟合如图5所示：
由拟合图可知，当量事故数越大则横向力系数差值越大，表明行车的安全风险越高，拟合公式如下：
上式表明横向力系数差值能较好的表征弯道的安全性水平，符合山区普通干线公路的道路条件、交通条件和环境条件，可以作为识别山区普通干线公路事故隐患路段的评价指标。
(二)根据实车试验的数据构建了横向力系数差值模型，并对山区普通干线公路弯道的安全水平分级提供参考：结合弯道上的行车稳定性指标的采集情况，分析行车指标间的相关性，利用统计学原理对半径、理论安全速度差与横向力系数差值之间进行相关性分析，如表7所示：
表7弯道半径与横向力系数差值的相关性分析结果
表中p值小于0.05，表明弯道半径与横向力系数差值显著相关，半径越大则横向力系数差值越小，表明弯道半径是影响横向力系数差值的重要影响因素。
表8理论安全速度差与横向力系数差值的相关性分析结果
结果p值小于0.05，表明与理论安全速度差和横向力系数差值显著正相关，与理论安全速度差越大则横向力系数差值越大，表明理论安全速度差是影响横向力系数差值的重要因素。
结合两个指标的相关性分析结果，运用有多变量回归分析的方法，采用弯道半径和理论安全速度差指标对横向力系数差值模型进行构建，绘出弯道半径-理论安全速度差-横向力系数差值的曲面图，如图6和图7。图6的曲面拟合公式如下(曲面拟合1)：
z＝z0+ax+by
z0 a b R2
0.0042 6.592*10-5 0.00697 0.86
图7的曲面拟合公式如下(曲面拟合2)：
z＝z0+ax+by+cx2+dy2
z0 a b c d R2
0.01661 2.5589*10-4 0.00812 7.7399*10-7 1.98618*10-4 0.941
曲面拟合1～2的拟合优度依次增加，两者均不同程度表征了三个变量之间的关系，曲面拟合1的总体趋势为半径越小理论速度差越大，横向力系数差值越高，但该拟合曲面当半径增大后，理论速度差逐渐变小，横向力系数差值仍然下降的较快，因此该拟合不能准确反映出三个变量的关系。
曲面拟合2强化了小半径弯道对横向力系数差值的影响，根据实车试验数据，随着弯道半径的逐渐增加，当速度差降低为负后，横向力系数差值水平，会降低的更平缓。该模型更加符合山区普通干线公路的实际情况。同时模型2的拟合程度更高，因此采用模型2作为横向力系数差值的预测模型具有说服力。
横向力系数差值统计如表9所示：
表9横向力系数差值统计表
横向力系数差值 均值 标准差 2倍标准差 90分位数 75分位
统计 0.0054 0.0447 0.0894 0.093 0.047
经统计，弯道的横向力系数差值的均值为0.0054，因此接近0即可表征车辆于该弯道的行车安全水平良好，标准差为0.0447，表明弯道的横向力系数差值的离散程度较大，因此将横向力系数差值以1倍标准差和2倍标准差进行分级，同时整个横向力系数的75分位和90分位的水平和该分级水平接近。
结合横向力系数差值均值标准差离散化参数分级结果，得到如下分级阈值结果：
表10横向力系数差值阈值分级表
横向力系数差值 Δμ<0 0<Δμ<0.05 0.05<Δμ<0.09 Δμ≥0.09
安全等级 良好 一般 较差 差
具体地，步骤(4)具体包括下述内容：
通过对路段安全等级的划分，以设计速度40km/h的路段为例，40km/h设计速度对应的横向力系数阈值为0.15(图中虚线)，分别对四类弯道路段的横向力系数变化情况进行分析。
安全等级“差”路段的横向力系数变化图如图8所示：
从图中可以看出横向力系数在通过弯道直缓断面后快速增大，至缓圆断面已超过横向力系数阈值0.15，驾驶员必须快速转动方向盘才能满足安全过弯，因此横向力系数快速增加，在圆曲线上的横向力系数存在较大波动的现象，在此阶段车辆运行速度变化大，原因可能为汽车在圆曲线段上行驶时，并不是按路中线的轨迹行驶，反映出驾驶员因为紧张，导致车辆的行驶状态不稳定，随着车辆驶过圆缓断面，视野逐渐开阔，驾驶员的紧张感逐渐降低，曲率逐渐增大，因此横向力系数逐渐减小，逐渐降低至阈值以下。因此在安全等级差的路段中整个圆曲线上车辆行驶的行车稳定性较差。这类弯道的半径分布在(30m～120m)之间，存在车辆过弯速度过快的问题，安全等级差。
安全等级“较差”路段的横向力系数变化图如图9所示：
在安全等级较差路段中车辆在弯道在过弯过程中横向力系数逐渐增大圆曲线路段行驶过程中，横向力系数波动并不大，表明比安全等级差的路段的车辆运行状态更加平稳，但是由于横向力系数超过阈值较大，行车风险较高，这类等级的弯道分布于(30m～200m)之间，车辆过弯车速较高，安全等级较差。
安全等级“一般”的路段横向力系数变化图如图10所示：
在安全等级一般的路段中，车辆在弯道在过弯过程中横向力系数有些许波动但大部分都趋于0.15以下，有部分断面超过横向力系数阈值，表明在该路段车辆运行速度波动不大，因此该等级路段风险较小，也是山区普通干线公路最常见的横向力系数变化情况，弯道半径分布于(100m～450m)，山区干线公路大部分弯道均属于该范畴。
安全等级良好路段的横向力系数变化图图11所示：
在安全等级良好的路段上行驶时，车辆的运行状态平稳，横向力系数均在阈值范围0.15以内，表明车辆行车稳定性良好，且该类弯道多为半径大于300m的弯道，线形条件连续性较好，行车风险较低。
具体地，通过弯道横向力系数变化进行弯道安全等级评价：
a：所测弯道横向力系数差值Δμ＜0时，车辆通过该路段运行状态平稳，则该路段安全等级良好；
b：所测弯道横向力系数差值Δμ＜0.05时，车辆通过该路段运行速度有波动，但波动不大，则该路段安全等级一般；
c：所测弯道横向力系数差值0.05<Δμ≤0.09时，车辆通过该路段运行速度波动不大但过弯速度较快，则该路段安全等级较差；
d：所测弯道横向力系数差值Δμ＞0.09时，车辆通过该路段运行速度波动大，且过弯速度较快，则该路段安全等级差。
具体地，根据对多条山区普通干线公路的弯道横向力系数分布测试结果，建立基于横向力系数的弯道路段安全性预测方法：
(一)基于山区普通干线公路线形特征的速度预测模型构建：
根据不同安全等级下的横向力系数变化情况，由于弯道半径作为线形指标是固定的，横向力系数均在圆曲线上达到峰值，因此影响横向力系数差值的关键因素为弯道行驶时的速度。从拟合模型中可以分析出安全等级差的路段中，不同半径弯道下的与理论安全速度差值也不规律，《公路项目安全性评价规范》针对高等级道路(高速公路和1-2级公路)给出了典型车型的运行速度预测模型，鉴于山区干线公路大多数是按照原三级公路改建的二级公路，因此依据公路安全评价规范的速度预测是否能准确反映出山区普通干线公路的运行车速现状，因此提出基于峰值加速度的山区普通干线公路弯道场景划分方法。对不同场景的弯道场景运行速度进行预测。
图12为车辆行驶于上游弯道对下游弯道几乎无影响时的车辆运行速度模式，L段保持较高的期望速度行驶因此，若上游弯道的半径对下游弯道行驶速度不受影响，可运用上述的速度预测模型进行预测。根据研究调研情况山区普通干线公路大部分上游弯道半径对下一弯道驾驶员选择的车速存在较大的影响：
图13为上游弯道对下游弯道具有影响的车辆运行速度模式，车辆未达到期望速度即减速过弯，尽管该模式能够反映出上游弯道对下游弯道存在影响，但是该模型过于理想化加速度为恒定加速度，实际出弯后的车辆运行状态为变加速的状态，山区干线公路存在大量的S型曲线，即两弯道之间不设直线段而是采用缓和曲线相连接的情况。因此通过自然驾驶试验提出基于峰值纵向加速度定量表征弯道间的距离方法判定上游弯道是否对下游弯道速度有影响，车辆出弯过程中的加速度变化情况如图14。
如图14所示，车辆出弯后的加速不是匀加速过程而是变加速的过程。在加速过程中加速度逐渐增加随后保持一段峰值后再缓慢下降，直至下游弯道起点前停止加速。
在四条加速度曲线中，不同路段的加速度离散程度较大。从驾驶员的角度来讲，驾驶员驶离上游弯道后，驾驶员尚未感受到前方的风险，驾驶员人认为加速行驶是安全的，会加大踩油门的力度，从而峰值加速度增大。因此纵向加速度峰值可以较好的发映弯道之间对速度的影响程度。
车在转弯行驶过程中，形成一条曲率连续变化的轨迹线，无论车速高低这条轨迹线都客观存在，它的形式和长度则随行驶速度、曲率半径和驾驶员转动方向盘的快慢而定。设置缓和曲线后，汽车的行驶轨迹更接近设计线。不设缓和曲线时，汽车行驶轨迹较设计线向内侧移动了一个内移值，一般认为当平曲线半径足够大时汽车行驶从圆曲线进入直线其内移值不超过0.1m，若设置缓和曲线，那内移值小于0.1m的路段在驾驶员视觉上可作为主观上的直线段来考虑，在这部分路段汽车行驶轨迹与直线的偏移幅度可以忽略不计。因此可以假设当汽车行驶至内移值大于0.1m时，才会意识到前方为弯道需要采取转向措施，由于驾驶员对距离的感知为直线段距离，因此内移值小于0.1m时，可以从驾驶员识认性上认为行驶路段为直线段，因此定义该两弯道内移值小于0.1m之和的路段长度为弯道间主观视认距离。
有如下两种场景可以定义驾驶员弯道间主观视认距离：
①S形曲线中车辆行驶于内移值小于0.1m的缓和曲线路段为驾驶员识认性上的直线路段，可以认为其为主观视认距离。
②弯道间夹直线段的场景下，直线段长度和弯道缓和曲线中内移值小于0.1m的长度之和，可以认为其为主观视认距离。
结合本方案定义的弯道间主观视认距离，统计结果如图15所示。
将不同线形组合分布情况进行分类，如图16所示。
结合纵向加速度峰值和两弯道主观认识距离如图17所示：S形曲线的弯道如上图16绿色点，行驶的纵向加速度峰值随弯道间客观距离增长较快，表明当两反向弯道距离很近时，弯道间主观视认距离更大会让驾驶员更舒适。
在小于150m的客观距离情况下，纵向加速度增长的较快表明，上游弯道对驾驶员的影响随着弯道间主观视认距离的变长而减弱，当弯道间主观视认距离150m时出现了突变，当距离大于150m后纵向加速度峰值变化很小，表明驾驶员认为识认距离大于150m，已经不受上游弯道的影响相关，在山区普通干线公路的行驶过程中驾驶人的主要操作是适应曲线方向的改变，以及车辆安全驶过弯道而发生的速度控制.运行速度通常与半径和直线长度相关，因此基于纵向加速度路段的划分结果分别对不同场景路段的半径进行速度预测：本文结合实车试验数据，根据山区普通干线公路弯道半径与运行速度绘图如图17。
由图17速度分布图所示可得半径小于200m的弯道速度增长趋势较快，随着200m后半径的增大，增长趋势明显变缓甚至停滞，因此对此进行拟合分析如图18所示。
得到的拟合方程为：
为了更好的与线形指标结合，当主观识认距离小于150m，则上游弯道对下游弯道的影响可以结合前后弯道半径的比值作为影响指标，结合弯道半径游对应不同前后弯道组合形式下的折减速度，如表所示。
表11不同弯道的速度折减系数表
拟合结果图19所示：x为弯道半径，y为两弯道的比值，V为运行速度
V＝23.17+0.285*x+1.2335*y-4.431*x^2+0.075*y^2-0.01x*y
(R2＝0.88)
预测速度的相关性较好，可以反映出前后弯道组合的协调性，当半径小于200m时前后弯道的半径比值对速度的影响更大，当半径超过200m和上游弯道的影响逐渐减小，和原预测速度的预测水平相近，因此该模型对于半径小于200m的半径预测更为准确。
(二)论证所述基于山区普通干线公路线形特征的速度预测模型的构建：
以试验山区普通干线公路路段为案例进一步验证(一)的研究成果，试验路段中共有弯道15处，线形和实测指标如下表所示：
表12试验路段线形资料和实测参数
各指标全线分布如图20所示：
从全线指标分布图中分析速度的变化规律，当车辆行驶至半径较小的弯道时，车辆会大幅减速，当车辆行驶于大半径弯道时甚至会加速过弯。为了验证S61基于山区普通干线公路的速度预测模型的准确度，采用公路安全规范的速度预测模型对比，选择最具有适用性的速度预测模型进行预测。
根据《公路项目安全性评价规范》的速度预测模型对试验路段的弯道速度进行预测，如表13所示：
表13试验路段各弯道依据公路安全规范的速度预测表
从运行速度和行驶速度的误差对比中，可以得出如下规律，半径越大则误差越小，但是对半径较小的弯道的运行速度预测存在较大的误差。而从贵州事故多发路段的线形特征上来看，大部分弯道半径较小，因此该模型对于这类弯道的速度预测存在较大的偏差。
以上文根据山区普通干线公路的速度预测方法得出以下预测速度：
表14试验路段基于主观视认距离下的速度预测表
预测结果表明：根据根据驾驶员主观视认距离下的速度预测模型误差率更低，特别是对半径较小的弯道的准确率相比安全规范中的速度预测模型更能反映出山区普通干线公路实际的车辆行驶状况，因此结合该速度模型得到的弯道横向力系数差值反映出的弯道安全水平也更准确。
从车辆横向力系数差值指标进行分析，有4处弯道的横向力系数超过了横向力系数阈值，如表15所示：
表15基于自然驾驶试验的试验路段安全水平表
弯道 弯道半径(m) 横向力系数差值 安全水平
S1 600 -0.060 良好
S2 270 -0.045 良好
S3 160 0.021 一般
S4 80 0.079 较差
S5 700 -0.078 良好
S6 251 0.001 良好
S7 263 -0.035 良好
S8 130 0.031 一般
S9 115 0.026 一般
S10 75 0.120 差
S11 294 -0.047 良好
S12 350 -0.050 良好
S13 355 0.000 良好
S14 400 -0.034 良好
S15 330 -0.039 良好
同时结合上文的横向力系数差值预测模型对该路段的弯道安全水平进行预测如下表所示：
表16基于横向力系数差值模型的的试验路段安全水平预测表
预测结果与实际自然驾驶收集的横向力系数差值及安全水平结果与预测值十分接近，均定义S4弯道为安全水平较差，S10弯道为安全水平差的路段。因此下文对两弯道进行综合分析：
S10弯道，其安全水平为差，结合该弯道与上游路段的线形组合情况如图21所示：
S9与S10的驾驶员主观识认距离为150m，由上文构建的模型可知，上游弯道对下游弯道几乎无影响。该场景下的预测速度为55km/h，横向力系数差值为0.12。
为了验证该速度模型的准确度，采用在该弯道路段实时采集的车辆运行速度分布图进行检验如图22所示。
从实际观测的圆曲线上的车辆运行速度第85分位的车速为53km/h，和预测值仅相差2km/h，表明预测值符合贵州普通干线公路的实际现状。
在S10弯道驾驶员过弯过程中，车辆右转过弯中驾驶员的注意力主要集中在右侧防止车辆落入右侧边沟。如图23所示。
通过现场踏勘，该路段断面布置存在明显的安全隐患，弯道内侧加宽不足，断面有效宽度变化缺乏过渡，造成弯道内侧的车道边缘线标线施划不当，该弯道的车道边缘线与道路中线的曲率偏差较大，因此车辆的实际转弯半径比道路中线的半径更小，无人机航拍图如图24所示：
结合该试验弯道近三年的实际事故情况，该弯道事故严重程度高，与模型预测水平一致。
图25为安全水平较差的S4弯道驾驶实拍，该弯道半径较小，通过实测和预测出的横向力系数差值反映出的弯道安全水平，车辆于该弯道的行车稳定性较差，但是由于该弯道的标线规划良好及路面加宽适当及路边的绿化，对驾驶员的视线起到了良好的诱导作用，使在该路段行驶过程中驾驶员感觉舒适，因此在事故隐患路段的排查中，对于路面和路侧环境较好的路段，事故发生的可能性会大大降低，同时从另一方面来讲对于预测的安全水平较差及差的路段需结合实际自然驾驶行驶的环境综合考虑。
根据对上述路段的速度和安全等级预测表明，预测的结果较准确，因此再以另一试验路段为例辅助验证上文的预测结果。下表为另一试验路段的指标统计：
表17试验路段II自然驾驶行车指标统计表
各指标的沿线分布如图26所示。
结合自然驾驶的行车稳定性指标统计，该路段中有一处安全等级差的弯道，试验路段Ⅱ预测的弯道安全水平如表18所示：
表18试验路段Ⅱ自然驾驶行车指标统计表
测结果显示该路段中也是仅S8弯道的安全水平为差，因此对S8弯道的上下游线形重点分析，弯道上游线形航拍如图27(a)所示：
分析原因为该路段上游为长直线路段，主观识认距离超过200m，由于上游线形导致驾驶员行驶过程中感觉放松，驾驶员会踩油门车速较高，当行驶至前方弯道半径为45m的急弯，驾驶员对线形的适应程度产生变化导致车辆大幅减速，由于上游路段车速较高，特别是驾驶员为了保证自己的舒适，车辆减速度存在峰值，意味着长直线接的弯道的车速会相对较高，因此横向力系数差值会较大，由于预测值仍然小于实测值，很大的原因是由于该弯道圆曲线的超高和半径不匹配，导致预测值会比实测值小，因此弯道圆曲线合适的超高也是提升行车稳定性的重要因素。S8弯道下游与S9弯道共同组成S形弯道如图27(b)所示：
S8HY点与S9YH点间由缓和曲线连接，驾驶员行驶至下一弯道过程中，由于两弯道线形一致，两弯道的曲率变化率相同，因此驾驶员对道路线形的识认性较好，并已适应弯道线形条件，发生异常驾驶行为的可能性大大减小，因此对下一急弯时速度控制措施较好，因此下一弯道行驶的安全水平较上一弯道好。
图28为试验路段滤波处理后的S9弯道处断面横向力系数分布图。
综上，弯道的HY点前至YH点后，横向力系数均超过横向力系数阈值，驾驶员在过弯时可能存在操作负荷过大，车辆轨迹未按弯道实际轨迹行驶，导致该路段行车稳定性不良，风险性更高，特别当行驶至曲中点后由于脱离前方不适应的线形情况，应加强路段的交安设施布置。
同时有一处和该弯道相类似的反向曲线路段，两弯道半径为75m，由于两弯道半径比S9弯道的半径大，且上游弯道与下游弯道的识认距离较短，行驶至弯道的速度与安全速度差较小，因此安全等级均为一般。
(三)所述基于奥维地图数据透视线形资料恢复方法预测山区普通干线公路安全性水平：
因各地山区干线公路多为改扩建后的二级公路，且建设年代不同，存在线形资料不全的问题，因此本专利提出以奥维地图数据透视线形资料恢复方法，能最大程度的恢复平面指标，从而预测弯道路段的安全性水平。
图29为试验路段线形轨迹恢复示例，从奥维地图中拟合出车辆在弯道处半径，试验路段的恢复指标如表19所示。
表19试验路段自然驾驶行车指标统计表
将表征指标结合线形分布作出全线指标分布情况如图30所示。
再结合本方案的预测模型可预测各弯道行车稳定性水平如表20所示。
表20试验路段自然驾驶行车指标统计表
通过横向力系数差值在不同弯道的分布情况，其中S5弯道的安全等级均判定为差。对S5弯道进行风险分析，S5弯道与上游线形奥维三维视图如图31所示。
经拟合S5圆曲线半径为30m，属于典型的急弯，因此行驶至该弯道的速与上游线形共同决定，因此对S4和S5弯道线形组合进行判定，图32为现场调研图。
S4半径为110m，S4/S5弯道半径之比＝11/3，，主观视认距离为55m，表明两弯道的线形差异较大存在线形不协调的情况，当驾驶员行驶至这样的组合线形时，驾驶员易通过S4弯道后，尚未有明显的减速意识，导致行驶至下一弯道的速度较高导致横向力差异系数较大，易产生异常驾驶行为。该弯道中的车辆横向力系数如图33所示。
当车辆行驶至该缓圆断面前已超过了横向力系数阈值0.15，到达曲中点附近稳定于0.29，表明车辆行驶至横向力系数峰值并不是突然出现的，因此从直线到缓和曲线至圆曲线，横向力系数逐渐增大到峰值，因此从缓圆断面前就应主动预防车辆速度，圆曲线上保障低速行驶可有效避免行车安全风险。
S5弯道通过断面观测速度作出入弯、弯道内、出弯的累计频率分布如图34-36所示。
S5段弯道作出入弯前、弯道内、出弯后段，断面观测速度的描述性统计如表21所示。
表21S5弯道段车速统计(km/h)
从现场调研的车辆行驶速度分析，入弯前速度明显较高，从而导致弯道内的速度不能保证均在安全速度内，因此这类弯道前后线形，均需要配置必要的交安设施控制速度，从而减少事故发生和降低事故的严重程度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，具体包括下述步骤：
一、实车试验：用于采集道路及三维加速度信息；
二、指标选取：通过实车试验筛选影响弯行车稳定性的相关指标，并通过数值分析选择和弯道车辆行车稳定性最具有代表性的行车指标；
三、利用行车稳定性指标量化弯道安全性水平，建立基于车辆横向力系数变异性的行车稳定性分析方法；
四、根据车辆横向力系数变化特征预测弯道安全水平。
2.根据权利要求1所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，步骤一中实车试验通过采集道路信息设备进行道路信息采集，并采用多传感器数据融合技术将卫星定位与惯性测量相结合，采用零偏的高精度陀螺和加速度计，良好的满足山地公路自然驾驶试验的长时间、高精度、应用需求。
3.根据权利要求2所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，所述道路信息包括弯道半径、安全速度差和横向力差异系数。
4.根据权利要求1所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，步骤二具体通过下述内容实现：
(一)山区普通干线公路风险影响因素分析
(1)平面线形对安全的影响
①直线与小半径弯道的组合
②两弯道组成的反向曲线；
(二)汽车行驶于平曲线上时，会受到其本身重力的影响，还受到离心力的影响，可从汽车受力角度理论上分析相关性：
汽车沿着定圆行驶，对弯道路段受力情况进行分析，由摩擦力提供向心力，即，列式如下：
Fh＝Frcosα-Gsinα
式中：Fr—汽车收到的离心力；G—汽车收到的重力；Fh—汽车实际承受的横向力；
因此，横向加速度可简化关系式为：
同时，衡量汽车在圆曲线上行驶时的稳定、安全和舒适程度也可以采用横向力系数，即横向力与竖向力的比值，其物理意义可近似地理解为单位车重上受到的横向力，当车辆于曲线上行驶时横向力系数关系式如下：
式中：ay—横向加速度(m/s2)；v—汽车行驶速度(m/s)；g—重力加速度(m/s2)；R—圆曲线半径(m)；I—路拱横坡(％)；
因此，横向力系数和横向加速度均可以作为弯道侧向稳定性的表征指标，横向力系数在转向不同的弯道中均为绝对值，结合上述研究可得弯道行车稳定性的变化大小和方向无关，故采用横向力系数作为行车稳定性指标；且由上式可知，横向力系数的影响因素为车辆运行车速、弯道曲率半径和超高；
(三)影响行车安全的一个核心因素是驾驶员对行车速度的选择，驾驶员选择的行车速度则直接影响行车的横向力系数；
(四)结合自然驾驶试验采集的弯道三维加速度数据，运用横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标分析弯道的安全水平；
结合横向力系数峰值、车辆实际行驶速度与理论安全速度差值、横向力系数差值三个指标，对山区普通干线公路事故多发路段安全水平进行量化，选择最具有代表性的弯道行车稳定性指标；山区普通干线公路事故多发路段事故严重程度不同，因此单纯用事故统计值来分析，事故数不能够反应路段的实际安全风险水平，由于严重事故对社会和个人的危险程度远远大于一般的轻微事故，所以为了精确地判断弯道实际安全性，通过赋予受伤及死亡事故一定的权值来计算当量事故数：
N＝K1F+K2J+R
式中：N为统计期间内事故发生地点的当量事故数，F为死亡人数K1权重取2.0，J为受伤人数(轻伤K2取1.2，重伤K2取1.5)，R为统计期间内发生的事故次数；
结合三类指标与当量事故数的相关性，横向力系数差值和当量事故数的相关性更高，因此可选择横向力系数差值来量化弯道路段的风险水平。
5.根据权利要求1所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，步骤三中，具体通过利用行车稳定性指标进行山区普通干线公路弯道安全性分析，用于通过横向力系数变化划分弯道安全性等级实现。
6.根据权利要求5所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，步骤三具体通过下述内容实现：
(一)横向力系数差值和当量事故数高度相关，当量事故数越大则横向力系数差值越大，表明行车的安全风险越高，拟合公式如下：
上式表明横向力系数差值能较好的表征弯道的安全性水平，符合山区普通干线公路的道路条件、交通条件和环境条件，可以作为识别山区普通干线公路事故隐患路段的评价指标；
(二)根据实车试验的数据构建了横向力系数差值模型，并对山区普通干线公路弯道的安全水平分级提供参考：结合弯道上的行车稳定性指标的采集情况，分析行车指标间的相关性，利用统计学原理对半径、理论安全速度差与横向力系数差值之间进行相关性分析；分析结果表明：(1)弯道半径与横向力系数差值显著相关，半径越大则横向力系数差值越小；(2)弯道半径是影响横向力系数差值的重要影响因素表明与理论安全速度差和横向力系数差值显著正相关，与理论安全速度差越大则横向力系数差值越大，表明理论安全速度差是影响横向力系数差值的重要因素；
结合弯道半径与横向力系数差值两个指标的相关性分析结果，运用有多变量回归分析的方法，采用弯道半径和理论安全速度差指标对横向力系数差值模型进行构建，绘出弯道半径-理论安全速度差-横向力系数差值的曲面图，曲面图对应的拟合公式如下：
z＝z0+ax+by+cx2+dy2
式中：z0＝0.01661，a＝2.5589*10-4，b＝0.00812，c＝7.7399*10-7，d＝1.98618*10-4(R2＝0.941).
横向力系数差值统计具体如下：均值为0.0054，标准差为0.0447，2倍标准差为0.0894，90分位数为0.093，75分位为0.047。
7.根据权利要求1所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，步骤四中，具体根据横向力系数变化情况判断弯道安全性用于基于弯道的横向力系数变化情况通过划分的安全等级来有效预测弯道的安全性水平。
8.根据权利要求7所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，步骤四具体包括下述内容：
通过对路段安全等级的划分，分别对四类弯道路段的横向力系数变化情况进行分析，四类弯道路段分别为：安全等级差的路段，安全等级较差的路段，安全等级一般的路段，安全等级良好路段。
9.根据权利要求8所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，通过弯道横向力系数变化进行弯道安全等级评价：
a：所测弯道横向力系数差值Δμ＜0时，车辆通过该路段运行状态平稳，则该路段安全等级良好；
b：所测弯道横向力系数差值Δμ＜0.05时，车辆通过该路段运行速度有波动，但波动不大，则该路段安全等级一般；
c：所测弯道横向力系数差值0.05<Δμ≤0.09时，车辆通过该路段运行速度波动不大但过弯速度较快，则该路段安全等级较差；
d：所测弯道横向力系数差值Δμ＞0.09时，车辆通过该路段运行速度波动大，且过弯速度较快，则该路段安全等级差。
10.根据权利要求9所述的基于陀螺仪数据的公路弯道路段安全性评价与预测方法，其特征在于，根据对多条山区普通干线公路的弯道横向力系数分布测试结果，建立基于横向力系数的弯道路段安全性预测方法：
(一)基于山区普通干线公路线形特征的速度预测模型构建；
(二)论证所述基于山区普通干线公路线形特征的速度预测模型的构建；
(三)所述基于奥维地图数据透视线形资料恢复方法预测山区普通干线公路安全性水平。
CN202311858642.0A 2023-12-30 2023-12-30 基于陀螺仪数据的公路弯道路段安全性评价与预测方法 Pending CN117831286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311858642.0A CN117831286A (zh) 2023-12-30 2023-12-30 基于陀螺仪数据的公路弯道路段安全性评价与预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311858642.0A CN117831286A (zh) 2023-12-30 2023-12-30 基于陀螺仪数据的公路弯道路段安全性评价与预测方法

Publications (1)

Publication Number Publication Date
CN117831286A true CN117831286A (zh) 2024-04-05

Family

ID=90514829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311858642.0A Pending CN117831286A (zh) 2023-12-30 2023-12-30 基于陀螺仪数据的公路弯道路段安全性评价与预测方法

Country Status (1)

Country Link
CN (1) CN117831286A (zh)

Similar Documents

Publication Publication Date Title
CN112201038B (zh) 一种基于单车不良驾驶行为风险的路网风险评估方法
Fitzpatrick et al. Speed prediction for two-lane rural highways
Olson Parameters affecting stopping sight distance
Anderson et al. Relationship to safety of geometric design consistency measures for rural two-lane highways
CN105608902A (zh) 一种高速公路事故多发点鉴别系统及方法
Xu et al. Vehicle trajectory at curved sections of two-lane mountain roads: a field study under natural driving conditions
CN111785023A (zh) 一种车辆碰撞风险预警方法及系统
CN114118795A (zh) 智能重载高速公路的安全风险度评估分级及动态预警方法
CN105946860B (zh) 一种考虑驾驶风格的弯道车速预测方法
CN104978853A (zh) 一种道路交通安全评估方法及系统
CN110264724B (zh) 一种交互式高速公路交通事故预测方法
Savolainen et al. Safety impacts at intersections on curved segments
CN112884288B (zh) 一种高速公路雨雾场景行车安全评估系统
Kwigizile et al. Inconsistencies of ordered and unordered probability models for pedestrian injury severity
CN109583081B (zh) 一种车辆行驶速度预测模型构建方法
CN105913666A (zh) 一种快速道路主线可变限速标志优化布设方法
Belz et al. Analyzing the effect of driver age on operating speed and acceleration noise: on-board second-by-second driving data
CN117831286A (zh) 基于陀螺仪数据的公路弯道路段安全性评价与预测方法
Rohani et al. Car driving behaviour on road curves: A study case in Universiti Tun Hussein Onn Malaysia
Rengarasu et al. Effects of road geometry and cross-section variables on traffic accidents: study using homogeneous road segments
Nalo et al. OPERATING SPEED AND ACCIDENTS AT HORIZONTAL CURVES: INSIGHTS FROM TWO-LANE RURAL HIGHWAY IN MIXED TRAFFIC OPERATION.
Chen et al. Identifying crash distributions and prone locations by lane groups at freeway diverging areas
Xu et al. Longitudinal acceleration of vehicles on complex mountain roads
Ukam et al. Investigating the Effect of Highway Geometric Design on Safety Using a Safety Indicator within the Design Manual
CN114004080A (zh) 一种基于虚拟仿真的自动驾驶车辆道路行驶适应性评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination