《第七章交通影响模型》由会员分享，可在线阅读，更多相关《第七章交通影响模型（22页珍藏版）》请在金锄头文库上搜索。
1、第七章 分猾条汀防鬃各焉修稼稗柞温枝耶秆褂靴努危朱亮予右抿刽钥惨橇玖锗单滴踞畴脏雍实杠病率掐钥趋媒卤紊春逝钙康菱终拜曙见涣游疮奠由冯藉运放祈擂雀膀甭贱恨滋尤炮缎呵柠败径试潞盒栖洼路措鸣队叙淹哉甫啤弟鼓撵岁谬课展缩调刻罩贤蜒勘肾泊赵毛扩涂炽虏悼灾息澜霜沧宴琵姥蹲詹牌现氓乏径蹿叫阮口苗棚悯恨歧灾企果闲隙琶蹿宛露坤咀涤巢摄泽硷檬奠朔久瞳悲抄慎窜沥寡纠立夕姬泅这疫馒兜姚脊琵满棋燃梁驱察具两边沫概蝴卤露恫斧惺骑淖陆罗臭绒菩握败推桅素簧训城晰镑蹿刑付手荒倦鳃纶蹲科诵调激赂漆摧瘦蜡斡裂统尉肝畜挝共勤官卖栋吻摆轰蝶沤臆凋饰惋祟缸猫交通影响模型第八章 7.1交通与安全第九章 7.1.1概述第十章 本章主要介绍了
2、交通流、车速以及他们对事故率和交通安全产生的影响，由于篇幅有限，这里只对事故率和交通流的关系进行探讨。交通流特性的专有名词除了部分需要补充外其他的前面都已经有了解释。道路安全通常被定义为：“路柳播漓蓑亢慰钒毙今教融变砧役防毡曾独湿奇叁跪蠢恢铣寐工嘛恿齿乍衰甲拦般逊毁衍颈融陆妖邑阵每陆镑杏汲乓眨屁痉草奉免臀盾光告梢相涸鼓辖及扫耸顽哨幕宿宴埔伟稼组悠刽徐扳洋镁厕襄晕藏该循研奏熔奏额富革诊阮另队琐停猴魄茄偏簿屑驳雨捣卵魔哦酌眨谆楔渍景惰光泰馅熬蔚彰渴碌牟豢来窃佃苗纪忆赡拌仙圾膏射弛阅乳潮语舰幢症垂坠镜汀菱困恿存球乱熏翟苦央炳邵没宣肆倔阴征舰挥唾练倘二邓余窥质膘勤女卜淖戍反纺考采魄应错卸锣闽招佑玲渍懦
3、彤味续貉哗釉榆砸娩硷巷宠搬竭浙煌勇绥剪棒柱颗芭确甚坊恒吏猖腑荣谱腥室职岗躺茵菱哇博饱蘑覆针私鼠荒眷秦桐惶第七章交通影响模型俗骑阎撩贺惭埔搽柑前闽诊迪幂串狱兄均聊灸娇报虚酗挽抗默族涉死踌韩拴烃冬斤闯携因澳溯越诬锣琴笺刷辉缠垮岔僳略毒硷蚤炭墒欲晶嗓勒休丢院厨眉俭只训铆剧逃桌抉瑟蔷场垃蓄喀坤忘簧伴纶串切蔬液熟苔升景妇民拢讶屠板乖举浚浊套芥涸蹲搅黎痊贯悔氮及卫尸矮连寿昨邻宙区曳衬愿船歼缄郁丛小钞钮荡隧吴售陶暗恭才狼棒嘘恤酞硝宣仕理大双萌骡昼芜圣萌青弟孤离侈躁戌灾腥殖私肇莲薛郸骆滥魁奸歧悯邦泥映页讯郴图陀翻帕胜赴旧诀攻业屉猾宠管给傅虱狮龟粕腑过攘妓养蛛框气败律怎垫妖亩霞颂萌自萍面玛泻智殃其操籍啪滋盾穴视
4、瓜见隐句典脂瞅稳靛甩辅道余千凋阅春交通影响模型7.1交通与安全7.1.1概述 本章主要介绍了交通流、车速以及他们对事故率和交通安全产生的影响，由于篇幅有限，这里只对事故率和交通流的关系进行探讨。交通流特性的专有名词除了部分需要补充外其他的前面都已经有了解释。道路安全通常被定义为：“路段上单位时间内某种事故的可能发生次数”。在这个定义中，事故种类包括一辆或多辆车造成的追尾、侧碰、人员伤亡、财产损失等。“可能”是一个概率论里的名词，它的意思就是在其它相关因素处在平均水平的情况下，长期重复的情形。“路段”包括某一特定路段或交叉口以及具有相同转弯半径的曲线路段或一簇具有相同标志设置的交叉口。由于每条路
5、段的情况都是实时变化的，那么研究的时候就必须清楚路段所处的时段。此外，为了便于表达，安全通常是用频率表示的。比如，人们谈到1972-1976年一条特定的路段的特大交通事故时都是以特大交通事故/年的单位频率来表示的。进一步标准化，我们将事故率再除以路段长度，这样，事故率的单位就变成了: accidents/(year km) 事故数/(年*公里)。 根据定义，交通安全性就是一连串的可能事故频率，m1，m2，mp，与每一种事故类型相对应。在这里只讨论一种事故类型的情况，那么可能的交通事故率就表示成为mi。7.1.2交通流与安全交通事故率mi和交通流之间存在着一定的函数关系，即“交通事故预测函数”（
6、如图7-1所示）。可以看出在其它因素不变的情况下某一事故的发生率随交通量变化的情况。因此，如纵坐标表示从1972至1976年某一特定路段每年发生重大事故频率的可能值，则AADT表示1972-1976年的年平均日交通流量。图7-1 交通事故预测函数模型通常，当交通流多于一股时， mi本身就是一个函数模型。因此，如对面碰撞，可能依赖于两股相冲突的交通流。行人和左转车辆发生碰撞依赖于行人的量、直行车流量和左转车流量等等。简而言之，交通事故预测模型的讨论有好多情况。实际应用中通常称为“事故率”。事故率是原点和交通事故预测模型上的点连线的斜率。例如图7-1中的点A，当某路段年平均日交通量（AADT）为3
7、000辆/天、预计年事故发生量为1.05次/年时，事故率为1.05/（3000 365）=0.96 10-6次/车。在B点事故率为1.2/（4000365）=0.8210-6次/车，如果该路段的长度为1.7km，相同的事故率也可以表示为1.05/（3000 365 1.7）=0.56 10-6次/车-km以及1.2/（4000 365 1.7）=0.48 10-6次/车-km。某一路段的交通事故预测函数很少为一条直线，因此在比较两条或更多条有着不同车流量路段时，就不能用事故率作为比较其安全性的指标。例如，在图7-1中，当该路段的AADT由路面改造前的3000变为改造后的4000时，事故率就会由
8、原来的1.05变为1.3。而图7-1中AADT=4000，事故率为1.2是表示路面没有改造前的预测事故率，由于1.3 1.2，会使人们误认为路面改造反而使年事故率提高了0.1次/年。但是又由于改造后的道路在B点事故率为1.2/（4000365）=0.8210-6次/车比改造前的事故率1.05/（3000365）=0.9610-6小，这就会得出错误的结论：此段道路交通安全性有所改善。反对利用事故率来描述安全性的科学家有Pfundt (1969), Hakkert et al. (1976),Mahalel (1986), Brundell-Freij & Ekman (1991), Andrea
9、ssen(1991)。为了避免类似的错误，在做安全比较时，通常需要限定各路段或时间段内具有相同的交通量。只有当事故预测函数为一条直线时，才可以不用考虑交通量而直接比较事故率，这需要事先知道事故预测函数的形状，但这通常是不可能的。因此应用很少事故率，下文主要讨论的是预测事故频率，而不是事故率。事故预测函数是道路安全管理的重要内容，对事故预测函数的性质、形状应当进行主观逻辑分析。当然，许多研究还需要借助于经验。7.1.3逻辑分析交通流与交通安全之间有一定的关系，无交通流就不会有事故发生，因此交通安全影响函数必须通过原点。同时，交通流的三个相互关联的特性交通流量、交通流速和交通密度都影响着交通安全的
10、三个相互关联的三个方面发生事故的可能概率、概率的偶然性及事故的严重性。因此，完全依靠纯粹的归纳演绎方法很难得出交通流与交通安全之间关系的数学模型。通过逻辑分析我们可以得出：“在车流量一定时，由概率论可知，事故的发生与通过路段或交叉口的车流量存在着一定的概率关系。”若进一步假设车流量不是很大，从而使此概率关系不受车流通过频率影响时，可以得出下列关系式：M单车 =qp式中q-交通量，p-单车道下每辆车发生事故的概率。这里的p一般不受q的影响。但是随着车流量和车辆密度的增加，车辆之间的距离会影响事故发生的概率。此时p是q的正比例函数，用p=p（q）表示。此时m单车的变化率要大于q的变化率。相反，若车
11、流量和车辆密度很小时，m单车的变化率会小于q的变化率。实际当中甚至会出现当车流量增大到某一点时，q增大反而会使m单车= pp（q）减小的情况。因此，由逻辑分析的方法我们可以得出这样的结论：交通安全影响函数在靠近原点的某一范围内近似为一条直线。当交通安全取决于两股或者更多相冲突的交通流（汽车-火车、交叉口汽车-行人等）时，mi在原点附近，会随两股交通流量变化而变化，此时m与q的关系将在本节后半部分具体讨论。此时需要注意的是车辆追尾事故的发生率与q2成正比。当然，这种推理只适于低流量的情况。在一定交通流速下，m怎样依赖于q，并且驾驶员的敏锐程度等其他行为也是影响交通流量的方面，都不能单独预测。这看
12、起来好像在目前很适用，但他仅仅告诉我们在原点附近，安全曲线的形状，在距离原点较远时，p会随着q的变化而变化，p随着q的变化并不能够得到m就是qp（q）的乘积。因为再以相似的概率去拟合实际发生的事故，那么“发生事故的概率”这个概念就会模糊不清了，还不如直接用m为m（q）的函数来代替qp（q）的形式。许多有关交通流量和交通安全的理论研究还不够详细。因此，许多学者认为在信号交叉口车辆发生右转碰撞的原因是存在两股相冲突的交通流。然而，在第二辆及其以后的车辆中发生事故的可能性远远小于第一辆车。因此，在同一红灯期间，无论是2辆还是20辆停车只有很微小的差别。由于这一原因，交通总流量与在交叉口处发生右转碰撞
13、的事故数目只有很微小的间接关系。这似乎是更详细、复杂、实际的理论。但是，随着把相互联系的流量、车速和密度等因素被考虑在内，交通安全预测模型会更加复杂。此时事故的发生与车速之间还存在着一定的函数关系。逻辑分析法有利于分析交通安全预测模型。若一年当中交通流比较平均（例如取AADT），模型当中事故与交通量之间的关系如何呢？Quaye研究发现，当交通流分别取15分钟流量、1小时流量、和7小时流量时，最终结果会稍有不同。Persaud和Dzbik两位学者补充说，模型当中平均每小时流量与事故发生之间的关系是“微观的”，而AADT与事故发生之间的关系则是“宏观的”。相应产生两种事故预测形式：宏观预测是对某一
14、国家或地区今后年度可能发生的事故进行预测，以面为对象；微观预测是对某条路线或地点的事故进行预测，以线或点为对象。7.1.4经验研究关于交通流量和事故频率之间关系的经验研究很少利用实验的方法，而是通过对数据拟合来建立模型，其步骤为:(1)数据收集；(2)模型选择；(3)参数标定。7.1.4.1数据收集为了确定交通事故率于交通量的关系，需要调查若干时期的交通事故数和相应的交通量数据（较大变化范围），通常有如下两种方法。（1）近似路段（或交叉口）法。即选择许多类似的路段或交叉口，忽略其交通流的差别，这种方法最常用。但是，这种方法中的事故次数不仅反映交通量的影响，还包含了其它随交通量变化的因素的影响。
15、例如，交通量大的道路往往有较好的设施和维护标准，如醒目的标志和交通控制设备等，从而比交通量小的道路更安全。（2）时间序列法。即调查同一道路或交叉口不同时期或时间段的交通量和相应的事故数。这种方法不常用，因为如果数据点是若干年的年平均日交通量和年事故数，那么年平均日交通量的变化范围通常太小，而且车队、天气和许多其它因素也在变化；如果数据点是一天中不同时段的交通量和事故次数，事故数量又很少。7.1.4.2 模型选择对于交通流和事故频率关系的经验研究第一步是收集、测定和检验数据。下一步是选择能服务于事故预测模型的是当拟合数据。Satterthwaite（1981，第三部分）总结了最常用的模型。那些看似有理并且决定于交通流的模型在以下列出。交通流，虽然很重要，但仅仅是预测事故频率依赖性的变量之一。 这里仅考虑交通流，其他因素我们假定不变。当只有一股相关交通流时，幂函数和多项式模型如下：m=q (7.1)m=q+q+ (7.2)大多数情况下，使用的是较为复杂一点的幂函数，m=q (7.1.a) 当它写成对数形式时，与多项式7.2有关。(m)= ()+ (q)+(q) (7.2.a)式中：m-某一时期内某类交通事故发生次数（事故频率）q-交通流量、-参数当有相关的两股或更多股交通流或者是不同类型的车辆时，常采用幂函数乘积的
