1、第 51 卷 第 4 期2023 年 4 月Vol.51 No.4April 2023华 南 理 工 大 学 学 报（自 然 科 学 版）Journal of South China University of Technology（Natural Science Edition）道路急弯路段追尾冲突分析预测王永岗1，2 陈俊先1 郑少娅1 潘恒彦1（1.长安大学 运输工程学院，陕西 西安 710018；2.长安大学 生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室，陕西 西安 710018）摘要：为实现急弯路段的追尾碰撞风险主动防控，提出了一种基于多源数据融合的追尾冲突动态预
2、测方法。首先，基于无人机、毫米波雷达等采集的车辆运行数据，提出了适用于急弯路段交通流特征的追尾冲突判别模型及冲突等级阈值划分标准，分析了急弯路段的追尾冲突空间分布特征。然后，筛选车型、大车比率、断面速度差等13个交通流特征指标作为输入变量，以粒子群算法为基础，分别构建了其与BP神经网络、随机森林、支持向量机算法的追尾冲突动态组合预测模型，并根据混淆矩阵和曲线下面积评估各模型的预测性能，利用黑箱解释方法分析冲突发生概率的显著性影响因素及影响程度。结果表明：相较于平直或一般弯道路段，急弯路段的追尾冲突TTC（Time to Collision）值更小，出弯缓和曲线段冲突更为严重，且弯道内侧碰撞风险
3、最高；粒子群-随机森林模型的追尾冲突预测性能最佳，灵敏度达90.70%；急弯路段追尾冲突受车辆平均车头间距的影响程度最大，当平均车头间距为25 m左右时，冲突发生概率最小，向心加速度均值、速度均值等因素亦对其有显著影响。关键词：急弯路段；距离碰撞时间；追尾冲突；动态预测；冲突发生概率；粒子群算法中图分类号：U491.31文章编号：1000-565X（2023）04-0080-08急弯路段是常见的交通事故多发路段，统计发现此类路段上的单车事故率比直线路段高34%1；其中追尾事故发生频率最高，达45%2。相对于直线路段，急弯路段因其较小的转弯曲线半径和可能存在的视线遮挡，易导致驾驶员不能及时、准确
4、地对安全形势做出判断而影响其合理操控车辆，存在较大的安全风险。已有的关于车辆弯道行驶安全性方面的研究认为，弯道安全风险与曲线半径3、驾驶行为4、道路环境4、交通流特征5、连续弯道数量6等因素有关，但尚未针对急弯路段开展深入研究，对其潜在安全风险亦缺乏预测预警方法。因此，如何对急弯路段的行车安全风险进行精准评估和动态预测，以便于驾驶员能够及时采取避险措施，实现急弯路段车辆主动安全防撞预警，已成为亟待解决的关键技术难题之一。传统的道路交通安全研究方法通常建立在长时间的累积事故数据分析基础上，是一种事后分析方法，存在较大局限性，而采用交通冲突分析技术则能较好地解决这一问题。交通冲突技术是一种典型的非
5、事故指标事前评价方法，具有样本大、周期短、可信度高等特点。现有的研究中，一般以距离碰撞时间（Time to Collision，TTC）、后侵占时间doi：10.12141/j.issn.1000-565X.220430收稿日期：20220705基金项目：国家重点研发计划项目（2019YFB1600500）Foundation item：Supported by the National Key Research and Development Program of China（2019YFB1600500）作者简介：王永岗（1977），男，博士，教授，主要从事交通安全研究。Email：通信作
6、者：郑少娅（1996），女，硕士研究生，主要从事交通安全研究。Email：第 4 期王永岗 等：道路急弯路段追尾冲突分析预测（Post Encroachment Time，PET）、制动减速度及其拓展和组合指标作为交通冲突的衡量指标7-9，且研究发现交通冲突是潜在的事故风险，TTC可用来衡量有潜在相互作用的两车间安全水平10，小于TTC阈值则表示危险状态11，如谢济铭等12、陆建等13 分别以TTC、改进TTC为指标建立了追尾冲突概率模型，认为当实际TTC值小于安全跟驰状态标准时会产生追尾事故风险。近年来，随着数据采集技术的不断提升，针对 交 通 冲 突 风 险 的 预 测 预 警 研 究 逐
7、 步 深 入。Formosa等14利用区域-卷积神经网络算法对交通冲突进行判别，并采用深度神经网络对冲突是否发生做二分类实时预测；柳本民等15以车辆动态运动参数为指标，使用k-means聚类将车辆过弯风险划分4个类别，建立了基于Fisher算法的车辆过弯风险类别预测模型；谢济铭等12以二维拓展 TTC为指标，提出了基于朴素贝叶斯模型和Logistic回归模型的交织区冲突预测方法，阐明了冲突风险的空间分布特征，可用于车路协同系统的动态预警。然而，以上的交通冲突预测预警研究多针对道路交叉口、交织区等路段展开，以统计分析模型为主，对急弯路段的交通冲突研究较少，且缺乏对急弯路段适用冲突预测模型的探讨。
8、本研究将急弯路段上前后车对间交通冲突限定为追尾冲突，以TTC为追尾冲突衡量指标，提出了急弯路段追尾冲突判别方法与等级划分标准，进而分别利用BP神经网络、随机森林、支持向量机算法构建急弯路段追尾冲突的动态预测模型，并对追尾冲突的影响因素及发生概率进行探讨，以期为急弯路段主动安全防撞预警系统的研发提供理论指导，系统提升道路急弯路段的行车安全水平。1交通调查与数据处理为准确获取道路急弯路段的车辆运行状况，为动态预测交通冲突提供基础数据，通过多次实地踏勘，选取西安市水安路（X101）一处急弯路段开展交通流数据采集，如图1所示。该急弯路段为双向两车道，宽1214 m，弯道半径46 m，曲线长400 m，
9、横坡度约1，货车比例较高，限速30 km/h，满足公路安全保障工程实施技术指南中对急弯路段的判断标准16。选取天气晴朗、风力5级以下、气温适中的普通工作日开展实地调查，具体调查时间为09：3011：00、15：3017：00。使用大疆DJI Air 2S无人机作为主要数据采集设备，悬停于高空 100 m 处拍摄，分辨率为1080P，视频帧速率为60 帧/s，并辅以ESR2.5毫米波雷达和行车记录仪。利用视频分析软件Tracker对无人机所拍摄的视频进行处理，确定弯道路段平曲线圆心点为坐标原点，以圆心点和圆曲线中心点所在直线为纵坐标轴，建立坐标系，并确定车道宽度 3.5 m 为定标杆，设定捕捉间
10、隔为1/6 s，期间将运动车辆看作质点来自动追踪其轨迹、速度、加速度、角速度等运动参数。为消除Tracker软件提取和雷达测得的车辆运动原始数据中的异常值，采用绝对中位差算法识别离群值17，剔除不符合要求的数据。针对初步筛查后依然存在的极少量无效数据，按以下规则进一步过滤：剔除信息不完整数据 如某时段仅有速度数据而缺乏角速度数据、其它数据非零但速度为零等情况，将此时段相关数据整体剔除；剔除加速度不合理数据 受到本身设计因素限制，车辆最大加速度应当介于93 m/s2间，故将纵向加速度大于 3 m/s2或小于9 m/s2数据剔除4。2追尾冲突甄别为便于分析，定义下行方向为沿弯道右转（内图1数据采集
11、地点Fig.1Data collection location81第 51 卷华 南 理 工 大 学 学 报（自 然 科 学 版）侧），上行方向为沿弯道左转（外侧）。根据急弯路段的线形变化特征，按照车辆行驶经过的先后顺序，将急弯路段依次划分为入弯直线段（Z1）、入弯缓和曲线段（H1）、圆曲线段（Y）、出弯缓和曲线段（H2）和出弯直线段（Z2）5个区段，如图2所示。2.1冲突度量从车辆速度在弯道不同区段上的分布统计结果看，上下行车辆在弯道路段均经历入弯时短暂加速（Z1）、减速入弯（H1）、加速出弯（Y后半段、H2）3个阶段，其分布见图2。可见弯道行驶过程中车辆加减速频繁，当前车制动减速而后车仍以
12、较高速度行驶，或后车跟驰距离过近致使紧急情况下无法及时刹车时，均会引发交通冲突。考虑急弯路段车速普遍较低，且不允许车辆换道，主要产生追尾冲突，故选取TTC作为追尾冲突度量指标。在入/出弯直线段，TTC值（TTTC）按下式计算：TTTC=Xf()t-Xl()t-LlVf()t-Vl()t（1）式中，Xf(t)、Vf(t)分别为t时刻后车的位置和速度，Xl(t)、Vl(t)分别为t时刻前车的位置和速度，Ll表示前车车身长度。根据TTC原理，当且仅当满足Vf(t)Vl(t)时，交通冲突才可能发生。在出入弯缓和曲线和圆曲线段，采用空间坐标计算车辆相对距离会导致较大误差，而缓和曲线与圆曲线的半径相差不大
13、，可将车辆近似为沿着半径为r的曲线段做圆周运动，采用角度和角速度按下式计算其TTC值：TTTC=|f()t-l()t-c|f()t-l()t（2）式中，f(t)、f(t)分别为t时刻后车的角度和角速度，l(t)、l(t)分别为t时刻前车的角度和角速度，c为前车车长L对应的弧度。考虑到c2=L2r，即c=Lr，式（2）进一步转化为TTTC=|f()t-l()t-Lr|f()t-l()t（3）2.2冲突等级划分文献 11 通过研究车辆车头时距与TTC的关系发现，当TTTC6 s时车辆才可能处于危险状态中，即引发冲突。同时，参考文献 18-19 中有关交通冲突的判别标准，选取TTTC=6 s作为潜在
14、交通冲突发生的阈值，对车辆轨迹所构成的空间关系进行筛选，得到潜在追尾冲突共480次，考虑到预测目的，不包括Z1区段发生的交通冲突。将采集的潜在追尾冲突TTTC以0.2 s为间隔进行分组，绘制如图3所示的分布直方图，并得到分布对应的累计频率曲线。通过TTC分布直方图可看出，上下行方向TTC集中在25和46 s，上下行方向上的追尾冲突严重度等级划分有所差异。采用累积频率法对急弯路段的追尾冲突严重程度等级进行划分，分别以累计频率85%、50%、15%的曲线位置对应的TTTC作为轻微冲突、一般冲突、严重冲突的等级划分阈值18，划分结果见表1所示。1009080706050403020100654321
15、0109876543210累计频率/%10090807060504030201006543210108642012数量/次数量累积频率数量累积频率数量/次累计频率/%TTTC/sTTTC/s（a）上行方向（b）下行方向图3追尾冲突TTC分布Fig.3TTC distribution of rear-end conflicts YYH1Z2H1H2Z1H2Z1Z2下行上行车辆减速区段车辆加速区段图2区段划分示意Fig.2Schematic of zone division82第 4 期王永岗 等：道路急弯路段追尾冲突分析预测表1所示急弯路段的追尾冲突严重程度分布状况与已有研究结果整体相符，但等级
16、阈值略微偏小。总体而言，下行方向的追尾冲突阈值要比上行方向的大，说明对于同一TTTC上行方向的追尾冲突会更严重，这与该方向车辆运行状态相对不稳定有关。从冲突阈值看，急弯路段严重冲突TTC阈值比普通弯道的阈值偏低11，说明急弯路段上冲突TTTC更小，运动车辆面临的追尾碰撞风险更大。2.3追尾冲突分布特征为探究急弯路段上追尾冲突的空间分布规律，根据追尾冲突严重程度等级划分表，对不同弯道区段上的追尾冲突数进行统计，结果见表2。由表2统计结果可知，调查时段内该急弯路段共发生追尾冲突292次，其中上行方向发生137次、下行方向发生155次，可见下行方向更易发生追尾冲突。上行方向主要发生在圆曲线和出弯缓和曲线段，其中严重冲突在圆曲线段发生次数最多，而一般冲突和轻微冲突则多发于出弯缓和曲线段。下行方向上，追尾冲突主要发生在圆曲线、出弯缓和曲线和直线段，其中严重冲突在出弯直线段多发，而一般冲突和轻微冲突在出弯缓和曲线段发生较多，这与上行方向的冲突分布规律一致。根据上述分析结果并结合车辆运动轨迹可知，在入弯减速阶段相对发生追尾冲突较少，反而在出弯缓和曲线段上，车辆行驶速度更快，引发了数量更多、更严重的追
