基于多元自适应回归样条的交织区合流交互作用研究

为研究交织区车辆合流过程中的交互作用,基于多元自适应回归样条(MARS)构建车辆合流交互作用模型,从美国NGSIM数据集中US-101车辆轨迹数据提取影响合流车辆与周围车辆加速度的相关变量,引入车身碰撞时间(TTC)和车线冲突时间(TLC)2个交通安全指标作为影响变量,在交叉验证的基础上,获取合流车辆与周围车辆的最佳参数组合和加速度表达式.结果显示,MARS模型对合流车辆加速度的预测精度显著高于主线车道的领车和跟车;TTC和TLC对合流车辆与周围车辆都具有显著的影响;模型对加速度的预测精度远高于基于视角的刺激反应(VASR)模型,略低于梯度提升树(GBDT)模型,但MARS模型的复杂程度远低于GBDT模型,且能够提供相应的显性表达式,更有利于工程应用.研究表明,MARS模型能够有效预测合流交通流中的车辆交互行为,揭示合流车辆与周围车辆不同影响变量之间的交互作用,深度挖掘变量间的潜在关系,其预测结果精度较高,能够提供显性表达式,得到的车辆加速度曲线较为平顺,有利于在辅助驾驶系统中的应用.