基于轨迹数据的交叉口进口道车辆换道行为特性分析_张婉婷.pdf

总第195期Abstract:To explore the lane changing behavior characteristics of vehicles at the entrance of urban signalized intersection,thispaper extracted trajectory data using video captured by the Unmanned Aerial Vehicle(UAV)and analyzed the macroscopic and micro-scopic characteristics.The results show that forced lane change behavior occurs mostly at 60 m90 m from the stop line and free lanechangebehavioroccursat90m120m.Thelanechangingtimeconcentratesbetween 4.5s5.5s.Theaveragetimeofforcedlanechangeis 4.58 s and the free lane change time is 3.81 s.Forced lane change behavior is more influenced by the insertable gap of target lane andthe speed difference between the front and rear vehicles,but the overall distribution is relatively dispersed.The free lane changing be-havior pursues driving efficiency,the traffic conditions of the target lane is often better than that of the original lane,and the lane chang-ing behavior is mainly affected by the relative distance and speed of the vehicles in front of the original lane.The results of this paper canprovideamethodologicalreferenceforthestudyofurbanintersectionsandatheoreticalbasisforthemanagementandcontrolofintersec-tions.Key words：intersection entrance,lane changing behavior,vehicle trajectory,traffic characteristics文章编号：1005-0574-（2023）03-0053-05DOI:10.19332/ki.1005-0574.2023.03.012基于轨迹数据的交叉口进口道车辆换道行为特性分析张婉婷1，杨明明2，张誓童1（1.内蒙古工业大学土木工程学院，内蒙古呼和浩特010000；2.内蒙古工业大学航空学院）摘要：为探索城市信号交叉口进口道范围内机动车换道行为特性，利用无人机拍摄视频提取车辆换道轨迹数据，分析了进口道车辆换道行为的宏观和微观特性。研究结果表明：强制换道行为多发生在距离停车线60 m90 m处，自由换道行为在90 m120 m处；换道时间集中分布在 4.5 s5.5 s 之间，其中强制换道的平均时间为4.58 s，自由换道时长为3.81 s；强制换道行为主要受目标车道的可插入间隙及前后车辆的速度差影响，但整体来看分布较为分散；自由换道行为追求行车效率，目标车道的交通运行状况往往要优于原车道，换道行为主要受到原车道前车的相对距离和速度影响。本研究成果可以为城市交叉口的理论研究提供方法参考，为进口道的管理与控制提供理论基础。关键词：交叉口进口道；换道行为；车辆轨迹；交通特性中图分类号：U491.17文献标识码：A作者简介：张婉婷（1996-），女，内蒙古呼和浩特人，助教，研究方向：交通运输规划与管理。1引言城市信号交叉口是连接城市道路网络的关键节点，也是交通事故多发点。交叉口处常见的压线行驶、换道行为、信号灯前抢行行为等都是可能造成交通事故的主要潜在原因1。而进口道作为各行驶方向车辆进入交叉口的通道，会设置多条车道以供驾驶人选择，由此会产生较多的车辆换道行为。与跟驰行为相比，换道行为更具有不确定性和危险性2。国内外对于换道行为的研究较为丰富，主要通过自然驾驶实验和拍摄视频两种方式获取换道数据3。自然驾驶实验获得的车辆换道行为数据全面，但会消耗较多的人力和物力，需要进行长时间的数据观测。Keyvan-Ekbatani等4以实车试验对不同驾驶人在车辆换道过程中的特性进行模拟，构建的车辆换道模型考虑了四种驾驶策略；Moussaid A等5利用驾驶员在不同情况和不同动作的视频数据集，以及车辆交通参数、道路环境等信息，构建了驾驶人换道前动机进行预测的模型；杨建坤6利用驾驶模拟器数据，基于 SVM分别建立了安全和风险识别模型；王雪松等7通过自然驾驶分析了高速公路、地面道路以及快速路的变道切入时长；王畅等8基于小型乘用车搭建浮动车采集平台，获取营运客车的真实换道数据，研究了高速公路客车换道行为相关特性。以美国NGSIM9-12的公开数据集为基础，众多学者内蒙古公路与运输HighwaysTransportation in Inner Mongolia53内蒙古公路与运输HighwaysTransportation in Inner Mongolia2023 年第 3 期开展了有关高速公路、快速路出入口匝道、道路施工区等环境下的车辆换道行为特性、换道行为识别及预测、换道行为安全等方面的研究。此外，国内学者王啸啸等13拍摄交叉口视频数据，构建了交叉口换道行为的Cox风险分析模型；苏丽娜等14通过路侧雷达数据提取了车辆换道过程的特征，提出基于融合支持向量机算法与粒子群算法的换道行为识别模型。利用无人机拍摄视频数据，薛清文等15采用LGBM算法对城市道路危险换道行为进行评估；齐龙等16以驾驶行为功率谱分析为基础，对高速公路换道行为进行了危险分类。可见以往研究场景对于交叉口进口道范围内车辆换道行为较少，且较少以我国背景为基础进行调查分析。因此本文利用无人机拍摄某信号交叉口停车线前180 长度范围的进口道内车辆运行数据，深入分析换道发生位置、持续时间及与周围车辆的间距、相对速度等参数。研究成果对分析我国驾驶人换道行为特性，提高信号交叉口进口道车辆运行安全和效率具有重要意义。2车辆换道行为分析2.1车辆换道行为车辆换道行为属于车辆运行过程中的基本驾驶行为。当驾驶人不满足于当前驾驶环境，或者为了实现其自身驾驶目的时就会驾驶车辆进入其他车道。经观察，交叉口进口道处存在两种换道行为，一是由直行车道变换到直行车道（简称同向换道），二是由同向车道变换到左转/右转车道（简称异向换道）。如图1所示，车A为同向换道，车B为异向换道。传统的车辆换道行为，根据驾驶员动机的不同，可分为强制型和自主型两类。强制换道是驾驶员为了实现正常行驶目的而必须采取的变换车道行为；自由换道是驾驶员为了获取更为理想的运行方式采取的变换车道行为。由进口道车辆换道行为的分类可知，异向换道行为可归属于强制换道（本文仅研究直行-左转换道），同向换道行为可归属于自由换道。单次换道过程中，换道车辆与周围车辆形成交互，周围车辆最多包括四辆，即原车道前车（F1）、原车道后车（F2）、目标车道前车（O1）及目标车道后车（O2），如图2所示。2.2换道行为起终点换道过程一般可以分为换道准备阶段、执行阶段以及结束调整阶段。因此提取换道行为过程，首先要确定换道的起点和终点。目前基于视频采集的换道行为研究较多利用驾驶人发出的换道信号、转向、调整加速度和方向17，18等行为作为换道起终点的划分依据。在对换道车辆实际观测后发现，换道准备阶段驾驶人要减速观察周围道路、交通情况，行驶轨迹的总体趋势保持向前，平行于车道标线；换道执行阶段，车辆行驶轨迹会发生显著偏移，与车道标线形成一定夹角；结束调整阶段，驾驶人会重新调整行车角度，与准备阶段类似，行车轨迹总体上平行于车道标线。根据前述研究，结合车辆换道行为中的运动过程，本文将车辆换道的起终点作如下定义：换道起点：车辆开始产生横向加速度的时刻，记为t=0。换道终点：车辆刚好完全进入目标车道的时刻，记为t=T。3数据采集与处理3.1视频数据采集当车流量较小时，车辆换道行为较少，且采取换道行为对周围车辆影响较小，因此选择在全天高峰时期正常交通流状态下进行视频拍摄。选取西安太白南路-科技二路信号交叉口为调查对象，调查时间包括早、午、晚高峰，获取视频数据共3.5个小时。采用单台无人机，分辨率为 3840 像素2160 像素。同时考虑到西安市对于“低慢小”飞行器的管治要求，以及车辆成像结果，经多次试飞调整后将无人机位置定于进口道上方105 m左右，摄像头垂直于路面进行视频拍摄。本次研究所需的视频视角是进口道停车线前180 m的范围，图3为调研采集范围。图1进口道车辆换道分类图2车辆换道交互示意图54总第195期3.2视频数据提取利用Tracker软件提取车辆运行轨迹和运动特征参数。以车辆中心作为质心点标定目标车辆，利用软件的自动搜索功能获取车辆的行驶轨迹，提取有关数据，表为数据样式。图3采集范围3.3数据清洗由于轨迹数据的获得主要由人工提取得到，难免会出现数据值不准确现象，即噪声数据。因此在进行统计前，为消除噪声数据对于后续研究的干扰需进行数据清洗。通过对比多种方法，采取多步滤波法19作为本论文换道轨迹清洗方法。多步滤波法通过样条插值法和滤波器阻断指定频率噪声重构车辆轨迹，能保证轨迹的完整和合理性。其具体步骤如图4所示。最终获得完整有效的进口道车辆换道数据528组。4换道行为特性分析4.1换道执行位置以停车线作为起始位置，每30 m作为换道执行位置分布区间的间隔单位计算两类换道行为执行位置频率，绘制进口道180 m范围内不同换道类型车辆的换道执行位置分布频次图如图5所示，数据统计描述见表2。结合换道执行位置的分布区间频次图和描述性统计结果可知，在强制换道行为中，平均值为97.39 m，中位数为82.24 m。约有12%的驾驶人选择距离停车线30 m60 m 之间换道，10%的换道车辆分布在 120 m150 m之间，15%的分布在150 m180 m之间。可见，进行强制换道的车辆，在各区间分布比例虽有不同，但相表1数据样式换道类型自由换道强制换道自由换道自由换道强制换道自由换道强制换道自由换道自由换道强制换道自由换道自由换道距停车线位置（m）38.6140.2951.7560.7063.9472.4088.8196.62110.80123.90126.4038.61换道时间（s）3.753.132.292.004.843.505.422.711.844.172.343.75与O1间距（m）16.676.764.095.008.404.292.986.1518.514.438.5016.67与O2间距（m）2.332.9110.0111.556.3012.263.0416.425.474.335.502.33与F1间距（m）2.9328.882.284.964.208.3110.9813.2112.1220.065.752.93与F2间距（m）3.5415.986.065.002.693.561.8217.547.138.777.563.54H车速度（m/s）4.574.583.237.453.794.202.696.788.033.278.424.57O1车速度（m