信控交叉口进口道服务水平与安全的关系研究*

李 佳 王雪松 周清雅

（1.北京工业大学北京市交通工程重点实验室 北京 100124；2.同济大学道路与交通工程教育部重点实验室 上海 201804；3.广州市城市规划勘测设计研究院 广州 510060）

0 引 言

服务水平（level of service, LOS）是美国《道路通行能力手册（Highway Capacity Manual，HCM）》[1]推荐的衡量道路设施运行状况的指标。信控交叉口的服务水平和车均控制延误有关，其计算参数包括绿信比、饱和度和通行能力，可通过计算实际出行时间和预定条件下的基础出行时间之差得到；预定条件指的是不存在交通控制、几何设计造成的延误和交通事件。LOS 以A～F 表示运行状况由最佳到最差。尽管在服务水平的定义中并没有考虑安全，但由以往研究可知道路设施的服务水平会影响安全水平[2]，同时事故的发生也会影响道路设施的服务水平。由于本文采用的数据是信控交叉口统计年份内集计的事故数与服务水平，而不是事故发生前后实时的服务水平，因而本文重点研究服务水平对安全的影响。

为详细研究服务水平对交通安全的影响，需要针对不同事故碰撞类型进行分析。追尾事故发生在交叉口安全影响区（停车线上游）[3]，受进口道运行状况影响较多；左转事故发生在交叉口内部（在交叉口中心和停车线之间）[4]，受进口道运行状况影响较少。在早高峰、中午和晚高峰，交通流特征显著不同[5]，事故发生机制不一样，因此有必要分析不同时间段内服务水平和交通安全的关系。

Persaud 等[6]发现对于郊区 4 肢交叉口，LOS D和LOS E 的交叉口事故数高于LOS B 和LOS C的交叉口，该研究没有区分事故类型。Wang 等[7]针对信控交叉口总事故、追尾、侧碰、左转和直角碰撞事故分别研究了服务水平与安全的关系，结果表明，服务水平与不同类型事故均相关，LOS D的交叉口事故数少于LOS E 和LOS F 的交叉口，且LOS E的交叉口事故数最高。Almonte等[8]进一步分清晨、早高峰、平峰、晚高峰、深夜研究了服务水平与事故的关系，发现深夜易发生严重事故。上述研究都是在整个信控交叉口水平上探讨服务水平和安全的关系，然而，同一交叉口的不同进口道，几何设计、信号控制、交通流特征和事故类型都不同，交叉口水平的研究无法深入揭示服务水平和事故类型的关系[9]。本研究在交叉口进口道水平针对不同事故类型探讨服务水平和安全的关系。

Hauer等[5]针对早高峰、中午和晚高峰分别建立事故预测模型，模型结果表明，在不同时间段，交通、几何设计和信号控制变量对安全的影响不同。Wang 等[7]计算了早高峰、中午和晚高峰的信控交叉口服务水平，并采用分类变量描述时间段，分析了不同时段服务水平与安全的关系，结果表明时间分类变量的估计结果显著，说明有必要考虑不同时段服务水平对安全的影响。

随机参数建模方法针对不同样本群体估计不同系数[10]。El-basyouny等[10]研究了位于58个交通走廊上的392 个路段，考虑到同一条交通走廊上路段的交通特征、环境因素、驾驶员行为相似，对每1 个交通走廊分别估计其影响变量的随机参数。由于随机参数模型考虑了不同走廊的影响变量对事故影响的差异，拟合度优于固定参数模型。

综上所述，目前国内外研究中针对交叉口服务水平与安全关系的研究较少，且没有考虑服务水平与不同事故类型的关系。为分析信控交叉口进口道服务水平对不同事故碰撞类型的影响，本文以美国中佛罗里达地区信控交叉口为研究对象，基于HCM 计算交叉口进口道服务水平，进一步建立随机参数模型分析不同时段服务水平与事故间的变化关系。

1 数据准备

本文采集了美国中佛罗里达地区奥兰治县和希尔斯伯勒县164 个4 肢信控交叉口共656 个进口道的数据。

1.1 数据描述及来源

本文采用了2001—2003 年3 个时段（早高峰06：00—09：00，中午11：00—14：00，晚高峰16：00—19：00）的交通流量及各转向流量数据。通过Google Earth获取每个交叉口的几何设计信息，包括直行、左转、右转车道数，左转车道设置，进口道角度，中央分隔带设置和各进口道方向。路面的摩阻系数信息从佛罗里达州交通部（Florida Department of Transportation, FDOT）获得。交通控制信息来自县交通部门，包括左转相位设置（允许左转相位，混合相位，保护左转相位）、是否为信号联控、黄灯时间、全红时间和限速。

1.2 服务水平计算

依据2002 年各转向流量数据计算工作日3 个时间段的服务水平。通过道路通行能力软件(highway capacity software, HCS)基于转向流量、信控参数和设计参数计算平均控制延误，进一步得到服务水平。表1 为HCM 中规定的信控交叉口服务水平阈值。

表1. HCM 中 LOS 分类Tab.1 Classification of LOS by average control delay in HCM

图1 分时段展示了交叉口进口道服务水平分布。早晚高峰时段，受通勤车流的影响，LOS F 最常见；而中午时段最常见的为LOS D。不同时间段服务水平和事故数变化显著，因此有必要分时段研究服务水平与安全的关系。

1.3 事故数据

图1 各时间段交叉口进口道服务水平分布Fig.1 Intersection approach LOS distribution for three time periods

2001—2003 年的事故数据来自FDOT，共计1 665 起追尾事故，716 起左转事故，141 起侧碰事故，172起直角撞击事故，以及65起其他事故。由于侧碰与直角撞击事故数较少无法建立统计模型，因而在本文中未做讨论。图2描述了本研究中的追尾事故及左转事故模式。交叉口进口道分为进口道、近侧、远侧及对向进口道。由Wang 等[4]的研究可知，左转事故模式分为9 种，文中仅考虑了2 类最主要的左转事故类型，共549起：左转车与对向直行车碰撞事故（占左转事故72.5%）；左转车与近侧直行车碰撞事故（占左转事故14.1%）。左转事故分配到左转车辆所在进口道上。

图2 按冲突车辆行为划分事故类型Fig.2 Crash types classified by conflicting vehicle maneuvers

1.4 数据统计

研究中涉及到的自变量和因变量统计见表2，且晚高峰事故数最高，早高峰最低。

表2 自变量和因变量描述性统计Tab.2 Descriptive statistics for independent and dependent variables

2 模型方法

同一信控交叉口4 个进口道间的流量、运行状况互影响，导致进口道相互关联，在划分进口道进行分析时，必须要考虑进口道的相关性。随机效应被用在多个研究中[9,11]。Wang 等[9]针对追尾、直角撞击、侧碰和2 种左转事故类型建立了交叉口进口道水平的负二项模型。研究表明，负二项模型加入随机效应后，考虑了同一交叉口进口道间的相关性，模型表现优于普通负二项模型。

考虑到服务水平与安全的关系随时间段变化，本文采用了随机参数负二项模型（random parameter negative binomial, RPNB）模型。自变量系数的变化用来解释不同时间段自变量对事故的影响，该建模方法在以往研究中多次应用[10，12-14]。RPNB模型形式见式（1）～（3）。

式中：yij为交叉口i进口道j的事故数；θij为yij的期望值；r为负二项分布的过度离散系数，设其服从gamma 分布，即r～Γ(0.01,0.01)；β0和β0是固定参数的待估系数；Bc(ij)为自变量在3 个时间段的随机参数；Xij为交叉口i进口道j具有随机参数的自变量；为交叉口i进口道j具有固定参数的自变量；zi为交叉口随机效应项，服从正态分布zi～N(0,a)，其中a服从gamma分布，a～Γ(0.01,0.01)；B为个体水平上的C×K系数矩阵；C为分组数量（本研究中是3组），K为个体水平上的预测因子数（本研究中是5个）。Uc为分组水平上的C×L预测因子矩阵；L为分组水平上的预测因子数（本研究中是5个）。G为分组C的L×K维系数矩阵，故UcG为长度为K的向量。为便于计算，设方差-协方差矩阵∑B服从逆威沙特分布。

本研究采用全贝叶斯方法，使用WinBUGS进行参数估计。对每一个模型，采用5 000 次预热，15 000 次正式迭代。采用方差信息标准（deviance information criterion, DIC）对模型进行评估。DIC是模型拟合度和参数有效性的评估标准，DIC越小，表明模型越好。在进行模型比较时，DIC之差为5～10 则可认为模型间无较大差异；若DIC差异大于10则可筛除DIC较大的模型[15]。

3 模型结果

为确定不同事故类型的影响变量，分别针对追尾事故和左转事故建立了RPNB模型。

3.1 追尾事故模型

表3 列出了追尾事故模型结果，表格中为自变量系数95%置信区间，其中用字母标出的变量在90%置信水平显著。

由表3可知，服务水平与所在县2个自变量为随机参数。基于不同的基变量（从LOS F 至LOS A），可分别建立模型分析服务水平与追尾事故的关系。表3 是将LOS D 作为基变量建模的结果。与LOS D的进口道相比，LOS E和LOS F的进口道事故数无显著差异；LOS E 和LOS F 的进口道事故数之间也无显著差异。LOS C 进口道事故数显著低于LOS D 进口道。LOS A 和LOS B 进口道事故数没有显著差异，但均低于LOS C 进口道。可以认为，较低的服务水平(LOS D, E, F)意味着较高的平均控制延误和更长的进口道排队，造成驾驶员在交叉口安全影响区频繁的启动、制动以及更冒险的驾驶行为。针对追尾事故，在研究服务水平与事故的关系时，可将服务水平分为3类，见表4。

表3 追尾事故模型结果Tab.3 Modeling results for rear-end crashes

表4 追尾事故的服务水平-安全关系Tab.4 LOS-safety relationship for rear-end crashes

服务水平对追尾事故数的影响随时间变化见图3。由图3 可知，不同时间段，服务水平与追尾事故的关系相似，均表现为相对于LOS D 进口道，LOS A，LOS B与LOS C进口道追尾事故数较少，而LOS E 与LOS F 进口道与LOS D 进口道无明显差异，与上文的结论一致。从另一个角度，同一服务水平在不同时段对追尾事故数的影响不同。①对于LOS A 的进口道, 在3 个时段中，早高峰LOS A 系数最高, 这表明相比于中午和晚高峰，LOS A的进口道在早高峰时段追尾事故数较高；②对于LOS B的进口道, 相比于早晚高峰，中午追尾事故更多；③对LOS C的进口道，相比于中午及晚高峰，早高峰追尾事故更少。

图3 LOS的系数随不同时间段变化-追尾事故Fig.3 Estimated coefficients ofLOS during different time periods in random parameter NB model:Rear-end crashes

除服务水平与所在县，模型中其他的自变量为固定系数。交通量（即进口道交通量对数值）系数为正，说明进口道交通量与追尾事故数正相关，与之前的研究结论一致[9,16]。相对于左转许可相位，左转保护相位和混合相位进口道的追尾事故更多，这可能与复杂的信号控制方案会造成车辆频繁起动和制动相关，与以往的研究[17]结果一致。模型中路面摩阻系数变量符号为负，即摩阻系数越大，追尾事故越多，与之前的研究[7,18]结论一致。

3.2 左转事故模型

在左转事故模型中，每条进口道的事故数是左转事故模式1和左转事故模式2的事故数之和，这2种模式在数据准备部分已经提及。研究发现进口道的服务水平与左转事故发生没有显著相关性。表5列出了左转事故建模的结果。

对于左转事故，进口道服务水平与安全的关系不显著。然而，有研究[7]认为，交叉口服务水平与左转事故数相关。这2 个矛盾的结论表明，在微观水平上研究运行状况和安全的关系会更为复杂。在进口道层面，左转交通服务水平在与左转事故无显著关系，左转事故的主要致因是直行或左转车未遵守交通规则而驶入交叉口，导致冲突在交叉口内部区域发生，而服务水平的计算是针对车辆所在的进口道，也就是交叉口安全影响区内。

交通冲突流量为进口道左转车道组和近侧直行车道组或对向直行车道组流量乘积的对数，系数为正，表明交通冲突暴露量与左转事故数正相关。该结果与Hauer等[5]和Chen等[19]的结论一致。

表5 左转事故建模结果Tab.5 Modeling results for left-turn crashes

进口道左转相位的系数为随机系数，相对于左转允许相位，左转保护相位与事故数负相关，这与Benioff等[20]的结论一致；然而相对于允许相位，混合相位的事故数较高，这与以往研究[3-4]结论一致。混合相位变量系数为正，推测与混合相位交叉口左转和对向或近侧直行交通量较高有关。

4 结束语

为了在交叉口进口道层面理解服务水平与不同事故碰撞类型的关系，笔者基于164 个信控交叉口共656 条进口道的数据计算3 个不同时段内进口道服务水平，并分别建立了追尾事故和左转事故模型。采用RPNB模型分析不同时段服务水平对事故影响。基于模型结果，可总结服务水平与安全的关系如下。

1）针对追尾事故，以LOS D为基变量，当进口道交通量相同时，LOS A，LOS B和LOS C追尾事故数较少。LOS A 和LOS B 安全性最高，但设计LOS A 和LOS B 的进口道在工程上难度大，建设费用高，因此，建议采用LOS C 平衡交通运行状况和安全。而左转事故与服务水平不显著相关。

2）针对同一服务水平在对追尾事故影响的时变性：①LOS A的进口道在早高峰时段追尾事故数比其他时间段较高；②LOS B的进口道中午的追尾事故比其他时间段更多；③LOS C的进口道中午及晚高峰的追尾事故比其他时间段更多。

3）对追尾事故，了解服务水平和安全的关系及其时变特征，有助于交通设计者和管理者在不同时间段选择适当的信号控制、车道设置策略等改变交通运行状况以改善安全状况。左转事故与进口道服务水平无统计关系，应通过加强交通管理措施减少驾驶人违法行为从而改善左转交通的安全状况。