为解决山区路段追尾事故频发的问题,基于交通冲突技术对弯坡组合路段车辆追尾事故风险进行评估,并对追尾冲突的影响因素进行识别。通过无人机航拍、雷达测速等调查手段对车辆轨迹与交通流数据进行采集。传统碰撞时间(time to collision,...为解决山区路段追尾事故频发的问题,基于交通冲突技术对弯坡组合路段车辆追尾事故风险进行评估,并对追尾冲突的影响因素进行识别。通过无人机航拍、雷达测速等调查手段对车辆轨迹与交通流数据进行采集。传统碰撞时间(time to collision, TTC)计算方法尚未对弯坡组合路段线形特征充分考虑,根据弯坡组合路段各组成部分(圆曲线、缓和曲线与直线路段)的道路线形与车辆运行特征,对车辆追尾TTC进行修正,根据冲突时间累积分布曲线得出严重、一般、轻微与潜在追尾冲突的划分阈值,分别为1.23、2.59、3.50、4.0 s。分别构建圆曲线、缓和曲线与直线路段追尾冲突影响因素识别树结构,并通过有序Logistic模型分析各因素对追尾冲突严重性的影响。结果表明:交通量的增加、大型车辆的混入、车辆行驶速度与加速度的提高会促进冲突的产生以及严重程度的增加;交通流特征指标对各路段追尾冲突的影响存在效果差异;圆曲线路段车辆入弯与出弯方向及内侧与外侧弯道之间的追尾冲突无显著差异;而在缓和曲线与直线路段存在差异。研究结果能够帮助追尾事故的主动安全防控、实时预测,并改善弯道路段的行车安全。展开更多
文摘为解决山区路段追尾事故频发的问题,基于交通冲突技术对弯坡组合路段车辆追尾事故风险进行评估,并对追尾冲突的影响因素进行识别。通过无人机航拍、雷达测速等调查手段对车辆轨迹与交通流数据进行采集。传统碰撞时间(time to collision, TTC)计算方法尚未对弯坡组合路段线形特征充分考虑,根据弯坡组合路段各组成部分(圆曲线、缓和曲线与直线路段)的道路线形与车辆运行特征,对车辆追尾TTC进行修正,根据冲突时间累积分布曲线得出严重、一般、轻微与潜在追尾冲突的划分阈值,分别为1.23、2.59、3.50、4.0 s。分别构建圆曲线、缓和曲线与直线路段追尾冲突影响因素识别树结构,并通过有序Logistic模型分析各因素对追尾冲突严重性的影响。结果表明:交通量的增加、大型车辆的混入、车辆行驶速度与加速度的提高会促进冲突的产生以及严重程度的增加;交通流特征指标对各路段追尾冲突的影响存在效果差异;圆曲线路段车辆入弯与出弯方向及内侧与外侧弯道之间的追尾冲突无显著差异;而在缓和曲线与直线路段存在差异。研究结果能够帮助追尾事故的主动安全防控、实时预测,并改善弯道路段的行车安全。