基于车轴图谱的城市道路汽车运行轨迹特性分析*

孙 超 寇 越 田 林

(烟台大学土木工程学院 烟台 264005)

城市道路交通安全及通行能力受人、车、路、环境多种因素影响，其中汽车运行速度及汽车运行轨迹将直接影响城市道路交通安全及通行能力。车辆运行速度和行车轨迹是行车安全性和舒适性的评价指标，目前道路安全性评价指标体系以运行车速一致性检验为主流，评价指标单一。当前城市道路主要通过限制车辆运行速度来提高交通安全水平，行车轨迹对城市道路交通安全及通行能力影响研究较少，因此，分析和研究汽车运行轨迹特性，针对汽车运行轨迹特性设置相应的交通安全设施，对提高城市道路交通安全及通行能力具有重要意义。

Y．Pan和H.R.Kerali[1]通过对自行车对机动车速度的影响的研究，建立了机动车速度预测模型。Glennon等[2]采用摄影测量技术采集车辆的行车轨迹。研究发现行车轨迹线是1条复杂的曲线，即使在平面线形设计良好的曲线上车辆也不会严格按照行车道中心线行驶。良好的行车轨迹取决于驶入曲线前的车辆初始位置和车辆驶入曲线的速度。Garcia等[3]采用图像识别技术采集车辆行车轨迹。根据行车轨迹的侧向偏移量、车速、曲率及横向力系数，定义了反应行车轨迹行为的变量。研究发现不同驾驶员的行车轨迹，包括曲率和平曲线设计曲率存在很大的差异。杨少伟等[4]根据实测数据，通过对公路直线段不同速度、不同车道、不同车型的轮迹分布规律进行研究，认为运行速度直接影响车辆的行驶轨迹。葛树玲[5]考虑汽车性能对行车轨迹的影响，利用计算机仿真技术，建立了动力学仿真模型，得出道路线形对行车轨迹影响明显的结论。陶鹏飞[6]通过对驾驶行为中侧向车跟驰行为的研究，建立了模型。熊竹[7]通过研究干线公路交通安全影响因素，道路和环境双重因素，结合AHP法确立各指标的权重，优化各指标的赋值方法，分别以灰色聚类评价和模糊综合评价2种方法建立安全评价模型。李晨[8]运用驾驶模拟技术，研究车速和弯道曲率变化率对行车轨迹的影响，建立了行车轨迹最大侧向偏移量模型，划定弯道冲突区域的安全车速阈值。王晓原等[9]运用冲突点法，分析在自行车影响作用下机动车驾驶员的行为变化，从车辆跟驰和车道变换2个角度论述冲突模型，根据驾驶员在干扰作用下的行为进行验证。高振海等[10]研究了道路和交通系统中多因素干扰对驾驶员的影响，基于模糊决策理论建立评价指标，包括驾驶安全性、合法性和轻便性3种，通过仿真计算，得出驾驶时行车轨迹符合驾驶员的预期动态决策的结论。罗良鑫等[11]基于人机工程学，分析驾驶员信息处理过程，提出了道路限速设置方法。孙静怡等[12]通过分析快速路上的主线车速及进出口匝道车速特性，提出基于安全性主线车速的约束条件。

为探究城市道路行车轨迹与路侧之间的横向距离对车辆运行的影响，需先研究城市道路行车轨迹的特征，笔者在烟台市滨海东路进行行车轨迹样本采集试验，采用AxleLight RLU11 系列路侧交通数据采集系统采集试验路段不同车道的汽车运行轨迹、汽车车型、车头时距、运行速度等实时数据，通过对数据的处理，分析城市道路不同行车道汽车运行轨迹特性。基于试验路段内外2条车道车辆横向距离和运行轨迹特性，将为城市道路交通安全设施的设置提供理论依据，以期提高城市道路交通运行安全。

1 试验设计与数据处理

1.1 试验设计

为研究城市道路汽车运行轨迹特征，在烟台市滨海路进行汽车运行轨迹样本采集试验，采用AxleLight RLU11 系列路侧交通数据采集系统采集试验路段内外2个车道的汽车运行轨迹、汽车车型、车头时距、运行速度等实时数据。试验天气状况良好，试验路段交通状况和交通环境正常，试验路段线形为大半径圆曲线路段，采集的数据包括试验路段2个行车道的汽车运行位置样本，采集的数据来计算横向距离D85，D85为汽车运行轨迹距离路侧边缘的距离，部分试验数据见表1。

表1 试验数据汇总表

注：车道类别中车道1表示双车道中的内侧车道，车道2表示双车道中的外侧车道；位置指汽车轨迹中心线与路侧的距离；车型中4为大型客车，7为小客车。

图1为AxleLight RLU11 系列路侧交通数据采集系统分析数据得到的不同车道的车轴图谱。其中，竖线为不同车道不同车辆运行轨迹与路侧的横向距离，通过SPSS处理这些数据，研究城市道路汽车运行轨迹特征。

图1 不同车道车轴图谱分析

1.2 不同车道汽车运行轨迹与路侧的横向距离D85计算

利用SPSS统计软件对采集的运行轨迹样本数据进行统计处理，绘制了试验路段内外2个行车道的运行轨迹横向距离累积频率曲线，从而得到试验路段不同行车道的汽车横向距离D85。

试验路段行车道及外行车道汽车横向距离累积频率曲线见图2，累计频率为85%百分位对应的内外行车道汽车横向距离D85分别为7.9 m和4.5 m。

图2 横向距离累积频率曲线

2 试验路段汽车运行轨迹特性分析

2.1 汽车运行轨迹位置分析

通过SPSS绘制了车轮轨迹位置与路侧横向距离位置直方图[13-14]，见图3。试验路段采集试验车辆样本量为498辆，由横向距离直方图得到，内车道车辆数量大于外车道，说明大多数驾驶员选择在内车道行驶。外侧行车道汽车横向距离大多数分布于4～5 m(单侧车轮与路侧之间的距离)，内侧行车道汽车横向距离大多数分布于7～8 m。将此数据与车辆宽度数据分析，发现汽车轨迹线居于车道中心线范围内，说明大多数驾驶员选择沿行车道中心线轨迹行驶。

图3 横向距离位置直方图

2.2 汽车运行轨迹位置与运行速度关系模型

内侧车道横向距离位置与运行速度曲线见图4，通过回归分析得内侧车道运行轨迹位置与路侧横向距离D与运行速度v存在一定的相关性，见表2。

图4 内侧车道横向距离位置与运行速度曲线

表2 内侧车道汽车行车轨迹位置与运行速度v相关性分析表

通过数学建模得到运行轨迹位置与路侧横向距离D与运行速度v关系模型，内侧车道横向距离D与运行速度v关系模型见式(1)。

D=-2×10-5v3+0.002 4v2-0.107 1v+8.900 6

(1)

式中：D为运行轨迹位置与路侧横向距离，m；v为汽车运行速度，km/h。

图5 外侧车道横向距离位置与运行速度曲线

外侧车道横向距离位置与运行速度曲线如图5，通过回归分析得外侧车道运行轨迹位置与路侧横向距离D与运行速度v存在一定的相关性，见表3。

表3 外侧车道汽车行车轨迹位置与运行速度v相关性分析表

通过数学建模得到外侧车道运行轨迹位置与路侧横向距离D与运行速度v关系模型，如式(2)。

D=-6×10-6v3+0.000 2v2+0.070 1v+1.042 3

(2)

式中：D为运行轨迹位置与路侧横向距离，m；v为汽车运行速度，km/h。

通过对内外车道汽车运行轨迹与运行速度回归分析和数学模型的建立，汽车运行轨迹随着运行速度的增加逐渐靠近内行车道中心线。内侧车道中心线处汽车运行速度集中区间为55～80 km/h，运行速度较快；外侧车道中心线处汽车运行速度集中区间为50～70 km/h，运行速度较内侧车道较慢。

3 结语

采用AxleLight RLU11 系列路侧交通数据采集系统分车道采集试验路段汽车运行轨迹样本数据，计算得到不同车道的汽车横向距离D85，通过分析显示，内侧车道行驶速度快，驾驶员大多数偏向选择在内侧车道运行。基于试验路段内外2条车道车辆横向距离和运行轨迹，可得内侧行车道受非机动车道和路肩上的行人和非机动车影响比外行车道小，驾驶员偏向选择在内侧车道中心线行驶，以期望较高的运行速度及安全性。基于试验路段内外2条车道车辆横向距离和运行轨迹特性，可为城市道路交通安全设施的设置提供理论依据，以提高城市道路交通运行安全。