低等级道路环境因素影响行驶速度分析方法对比研究*

许 多 方守恩 陈雨人

(同济大学道路与交通工程教育部重点实验室 上海 201804)

低等级道路环境因素影响行驶速度分析方法对比研究*

许 多 方守恩 陈雨人

(同济大学道路与交通工程教育部重点实验室 上海 201804)

研究利用实车实验数据，分别采用单因素方差分析、交叉表分析和多项逻辑回归等三种不同的数据分析方法，对低等级道路环境因素影响驾驶人速度的主要特征情况进行了研究，不仅分析了不同道路环境因素影响行驶速度的特征，而且对数据分析技术进行了对比研究.通过实车数据的分析，明确了不同方法的优缺点和适用条件，可以更加精准有效地从理论数据的角度指导和改善低等级道路环境的规划和设计，提高低等级道路交通的安全性.

道路工程；低等级道路；行驶速度；单因素方差分析；交叉表分析；多元逻辑回归

0 引 言

低等级道路作为我国道路组成的一部分，存在着很多影响交通安全的情况，例如,混合交通的频繁出现、交通组成复杂多变、没有严格的出入口控制和防护设备、部分地区的路面路基情况也比较差，这些都增加了低等级道路的事故率，另外驾驶人在低等级道路上驾驶行为较为随意，因此,对低等级道路的驾驶行为特征进行分析可以有效的提高驾驶人的行驶安全性.

评价道路安全性的指标有很多，行驶速度是从影响驾驶人驾驶行为角度出发的比较重要的指标之一，它是驾驶人控制能力的直接体现.国内外多将速度作为鉴定事故的主要原因，通过大量的研究,认为速度与事故密切相关[1].Gibreel等[2]认为车辆的运行速度影响着道路的线形设计的协调性，而通过统计分析发现缺乏线形的协调性是道路事故发生的重要原因之一.对于低等级道路，其安全性可能受到的影响更大.虽然低等级道路上的限速很低，但是由于车辆较少的缘故驾驶人很容易就会出现超速的现象，因此,研究低等级道路行驶速度影响因素十分必要.

目前，国内外已有很多关于驾驶速度的相关研究，针对不同的影响因素研究方法也不尽相同.本文应用的三种方法或是其类似方法在速度影响因素的相关研究中已有所应用.交叉表分析的本质就是对相关性的考量，Qu等[3]在研究心智游移的影响时，就应用到了相关性分析，即分析多维度的因素与驾驶安全性的关联程度.David等[4]是利用双因素方差分析方法，研究一种新型的速度仪对于行驶速度的影响情况.Lee等[5]是依据实车数据，利用经典的二项逻辑模型，研究在警告标志和限速标志的影响下，速度变换与限速之间的关系，与之相似，李长城等[6]应用非线性回归的方法分析了将于条件对于高速公路车辆行驶速度的影响.

综上所述，目前分析道路环境影响速度的研究已有展开，但是针对低等级道路环境的研究仍然缺乏，同时在实际的工程中，不同的低等级道路和不同类型的数据之间差距较大，需要应用不同的方法进行分析，现有的一些研究行驶速度的方法稳定性比较差，适应性不强.本文研究的是道路本身的环境因素对于行驶速度的影响，拟使用单因素方差分析、多元逻辑回归和交叉表分析三种不同分析方法对行驶速度影响因素进行对比研究，从而较为全面准确地解析出影响行驶速度的主要道路环境因素，同时可以明确不同分析方法的适用性，研究成果可以为实际的工程应用服务，提供合适的影响因素分析方法，同时也可以为以后的深入研究提供基础.

1 三种研究方法基本原理和假设

1) 单因素方差分析 即一维方差分析，是检验单一因素影响多组样本中的某变量的均值是否有显著性差异的方法.如果不同组之间有显著差异，那么就是说明这个因素(分类变量)对因变量有显著影响，因素的不同水平会影响到因变量的取值[7].

方差分析有三个假设：观测是否彼此独立；观测是否为正态分布的样本；由因素水平分成的各组的方差是否相等.

2) 多元逻辑回归 相当于用多个二元逻辑回归分析模型来描述各个类别与参照类别相比较时的作用大小.

多元逻辑回归假设前提是因变量为分类变量，且应该时刻注意自变量之间多重共线性的问题，它会使系数估计的标准误急剧增加

3) 交叉表分析 同时将两个或两个以上有一定联系的变量及其变量值按照一定的顺序交叉排列在一张统计表内，使各变量值成为不同变量的结点，从中分析变量之间的相关关系，进而得出结论的一种数据分析技术.交叉表分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系.

2 道路环境因素影响行驶速度及分析

2.1 数据来源

本文的数据是驾驶人在西藏八宿的低等级公路上连续自由驾驶采集的，样本是以1 s为间隔计数的，共提取样本904个，具体是应用SPSS20.0进行分析的.

最初选取七个能够较完整表达道路环境的因素，分别是视觉曲率、有无开口、标志标线、车道宽度、路侧防护、视距情况和路面条件.但是在具体的数据分析过程中发现，其中的三个因素：视觉曲率、有无开口和车道宽度，在实验路段几乎没有变化，此三个因素在本文所研究的路段中并不能够产生显著的影响，因此本文重点研究其余的四个因素，并将其分为三个不同的评价水平：路侧防护(包括无需设防护、需设未设和已经设置)、标志标线(包括无中央分隔线、有中央分隔线和警示标识)、路面条件(包括表面坑洼、一般和良好)和视距情况(包括差，一般和良好).路侧防护和视距情况侧重于评价路侧的环境的影响，而路面条件和标志标线则是侧重路面环境的影响.影响因素在数据处理时利用数字0，1，2确定分类变量.

2.2 单因素方差分析

单因素方差分析中对正态分布的要求不是很严格，而且当样本量足够大时可以不加以验证[9-10].

表1是方差齐性检验的结果，表示的是四个因素对于行驶速度的影响情况.

表1 方差齐性检验

由表1可知，路侧防护对速度影响的p值是小于0.05的，那么从统计学意义上讲是不满足方差齐性的，这里采用的是近似性检验下的单因素方差分析法，见表2.

表2 单因素方差分析

对于其他因素的分析过程相同，视距情况、路面条件和标志标线的方差分析结果与路侧防护类似.

表2中路侧防护的主效应检验，其p值为0.043<0.05，说明在0.05显著水平下，不同的路侧防护方式对驾驶行为的影响显著.同理可以对其他三个因素分析，发现视距情况和路面条件的分析结果与路侧防护相似，即对行驶速度影响较为显著，而标志标线的影响组间并没有显著差异，所以这里排除了标志标线这个因素.

从以上的分析中可以看出，各个因素对于速度的影响都是显著的，但是分析并没有给出具体哪些组之间有显著差异，那么就需要进行平均数的多重比较.由于已有的的三个影响因素均没有通过方差齐性检验，这里采用Tamhane’s T2(M)的近似性检验分别进行路侧防护、视距情况和路面条件对速度的影响分析，表3为三个因素的各个水平在0.05的显著性水平下对速度的影响.由表3可知，不同的路侧防护对行驶速度没有显著的影响，而一般和良好的视距情况和路面条件对行驶速度影响显著.视距情况和路面条件统计学意义上会对行驶速度产生影响.

表3 多重比较

2.3 多元逻辑回归

研究仍然采用上述数据，但对其进行简单处理，首先是对自变量的处理，在进行逻辑回归时，自变量是三分类变量时需要引入虚拟变量，同时还要防止虚拟变量的陷阱问题，因此将原来的一个变量分为两个，将类别0，1，2分别表达为(0，0)，(1，0)，(0，1).

对因变量的处理，为了避免逻辑回归预测结果过于集中于一类同时兼顾模型的拟合优度，将51和70 km/h作为速度分类界限，把因变量转换成为分类变量.

研究用相关性分析来判断，见表4.由表4可知，路侧防护、视距情况、路面条件和标志标线之间存在着复杂的相关关系(在分析相关关系时不引入虚拟变量)，但由于不能确定它们对速度的影响情况，因此在逻辑回归分析过程中，暂时将四个变量均作为自变量.

表5为模型拟合信息，表5中卡方检验的Sig值小于0.05，说明最终模型要优于只含截距的模型，即最终模型显著成立.

检验的原假设是模型能很好的拟合原始数据，见表6.由表6可知，两个统计量的Sig值均大于0.05，不能否定零假设，即模型拟合效果还是较好的.

表4 相关系数

表5 模型拟合信息

表6 拟合优度

研究的似然比检验(见表7)利用迭代的方法进行逐层筛选，零假设是某效应从模型中剔除后系数没有变化.由表7可知，路侧防护的两个变量卡方检验的sig值均大于0.05，不否定原假设，即认为其对速度的影响不显著，而视距情况、路面条件和标志标线两个变量中均有一个小于0.05，从统计学意义上可以认为影响显著，因此在第一次迭代中只剔除了路侧防护一个影响因素，那么接下来的迭代做法和第一次相同，结果一共是进行了两次迭代，把路侧防护和标志标线两个因素剔除了.

表7 似然比检验

去掉路侧防护和标志标线这两个因素，最右侧一列为wald检验的显著性水平，得到表8.由表8可知，速度=0一栏里面，视距情况和路面条件检验sig值均大于0.05，说明此两个因素对速度为1时模型的贡献无显著意义.速度=1一栏里面，只有“路面条件1=0”这一因素的影响在统计学意义上是显著的.

表8 参数估计

尽管在参数估计的结果中，最后只有路面条件一个影响因素会对速度产生显著的影响，但是其实多元逻辑模型的因变量的分类方式会对结果产生很大的影响，所以最后以似然比检验的结果作为标准，即认为视距情况和路面条件对速度影响显著.

2.4 交叉表分析方法

交叉表分析要求自变量与因变量均为分类变量，这里对速度进行分类，分类方法与多元逻辑回归类似，但是因为不用考虑拟合优度的影响，可以尽量将速度分的均匀，分别以57和66 km/h作为速度的分类界限.

表9为卡方检验结果，由表9可知，路侧防护person卡方检验的sig值为0.001<0.05，那么认为不同水平的路侧防护对于速度的变化产生了显著的影响.同理可以对其他三个因素进行分析，得到结果，视距情况和路面条件对速度产生显著影响，而标志标线的影响并不显著.

表9 卡方检验

表10为对称度量.近似值Sig.输出的是phi值和V值，两个都是代表两个变量之间的关系紧密度的，数值小于0.1说明关系不紧密.从表10可知，phi值和V值均大于0.1，即路侧防护、视距情况和路面条件均对行驶速度产生了影响且关系较为紧密.

表10 对称度量

综上所述，视距情况、路侧防护和路面条件三个因素在统计学意义上对速度的影响显著.

3 结果分析与讨论

从三种方法分析的过程中可以看出，在低等级道路上常识中可能的影响因素并不一定就会对驾驶人的驾驶行为产生影响，同时三种不同的研究方法得到的结果也不尽相同，每种方法都有其优缺点和适用性，见表11.

表11 三种方法对比研究分析

研究通过三种方法的分析得出的结论并不完全相同，针对于本文的实际道路情况和数据类型，认为交叉表分析的结果相对可靠，即路侧防护、视距情况和路面条件三个因素会对行驶速度影响显著.

本文平衡了拟合优度和预测精度之间的矛盾，得到的数据的预测结果见表12，尽管预测正确率有62.6%，但是数据的预测类别过于单一，结果也是相对不可靠的.相比之下，交叉表分析只是从相关的角度衡量各个因素影响速度的情况，方法本身的假设并不强，原理和步骤也相对简单，因此所得的结果是定性的，但是相比前两种方法，针对于本文的数据，其结果是比较可靠的.

表12 多元逻辑回归预测表

本文是从理论研究的角度出发对行驶速度的影响因素进行分析，选择的自变量是根据实车数据提取出来的，但是在实际的工程应用中，自变量的种类不仅限于此，三种不同的方法对于不同的项目适用性也不相同.其中，在影响因素分析方面，较为重要的应用主要是在三个方向：设计规划、评价和改善.

而在这些领域，工程的应用又可以主要分为两类，分别是定性分析，即了解影响驾驶人行为的影响因素和定量分析，即了解影响的程度.前者强调的是相关的关系，交叉表分析和ANNOVA更合适，后者强调的则是量的关系，逻辑回归更合适.当然，除了大的方向，在具体的分析细节上，不同的方法也有不同的侧重性.例如在道路评价中，考虑不同因素的影响，如果是分析路面条件这样的分类变量，ANNOVA是比较合适的，但是如果分析坡度这样的连续型数值变量，ANNOVA就不适用了.

经过合适的方法分析，可以更加准确的了解影响驾驶人行为的因素，从而指导实际的工程，在低等级的道路环境中，从人的角度出发，实现最优的道路环境的组合设计，评价和改善方案.

4 结 束 语

本研究选取了速度作为描述低等级道路安全性的指标，并分析了道路环境因素对其的影响，通过三种方法的对比研究，结合统计软件SPSS20.0，确定了影响较为显著的三个因素：路侧防护、视距情况和路面条件，在它们的影响下，速度表现出了显著性的差异.

文章针对三种方法的假设和原理，分析并总结了对于不同的道路环境和数据类型，方法的适用性，并给出了在实际工程中的应用，可以更加精准的指导工程，一方面可以降低低等级道路的交通事故发生率，另一方面也可以防止驾驶人将不良驾驶习惯带入高等级道路造成更严重的后果.

[1]崔洪军,魏连雨,杨春风.以速度为中介对道路条件与交通事故的研究[J].河北工业大学学报,2001,30(3):95-98.

[2]CAMACHO T F J, PEREZ Z A M, CAMPOY U J M, et al. New geometric design consistency model based on operating speed profiles for road safety evaluation[J]. Accid Anal Prev,2013,61:33-42.

[3]QU W, GE Y, XIONG Y X, et al. The relationship between mind wandering and dangerous driving behavior among Chinese drivers[J]. Safety Science,2015,78:41-48.

[4]NAVON D, KASTEN R. Using an advance time meter display as means to reduce driving speed[J]. Transportation Research Part F: Traffic Psychology and Behaviour,2015,35:16-27.

[5]LEE C, ABDEL A M. Testing effects of warning messages and variable speed limits on driver behavior using driving simulator[J]. Transportation Research Record,2008(2):55-64.

[6]李长城,刘小明,荣建.降雨条件下高速公路车辆行驶速度特性[J].北京工业大学学报,2015(3):412-418.

[7]时立文.SPSS19.0统计分析[M].北京：清华大学出版社，2012.

[8]董大钧.SAS统计分析应用[M].2版.北京：电子工业出版社，2014.

[9]史占国,李晓娜.单因素方差分析在车辆主观评价中的应用[J].汽车科技,2010(2):64-67.

[10]冯梅.教师对教学质量影响程度的单因素方差分析[J].数学的实践与认识,2005(11):61-66.

[11]张存保,万平,梅朝辉,等.雨天环境下高速公路交通流特性及模型研究[J].武汉理工大学学报,2013(3):179-185.

A Comparative Study on the Influence of Environmental Factors on Driving Speed of Low Grade Road

XU Duo FANG Shouen CHEN Yuren

(KeyLaboratoryofRoad&TrafficEngineeringofMinistryofEducation,TongjiUniversity,Shanghai201804,China)

The research explores the influence of environmental factors on the driving behavior of low grade road with real vehicle data, by using three different methods including the one-way ANOVA, contingency table analysis and multivariate logistic regression. The paper not only deeply studies how factors influence the driving behavior, but also contrasts the three methods. It can greatly help to develop the low grade road designing and planning, satisfy the need of driving safety and enhance the road safety.

road engineering; low grade road; driving behavior; one-way ANOVA; contingency table analysis; multivariate logistic regression

2017-06-12

*国家科技支撑计划项目资助(2014BAG01B06)

U416.26

10.3963/j.issn.2095-3844.2017.04.015

许多(1993—)：男，博士生，主要研究领域为道路与桥梁工程