回头曲线路段的轨迹行为模式与事故风险 [PDF全文]
(1重庆交通大学山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室, 重庆 400074)

为了探究回头曲线的汽车轨迹形态和驾驶风险,在一段包含11处回头曲线的山区公路上开展了实车驾驶试验,用车载设备采集了自然驾驶状态下的轨迹数据和车轮-车道线横向距离数据,揭示了回头曲线弯道的轨迹形态、模式、风险和事故形成机制,提出了轨迹分类指标并确定出6类独立的轨迹模式.结果表明:回头弯道上的轨迹具有较强的离散性,但同时也呈现较强的聚集性,切弯是回头曲线的典型过弯方式,根据切弯点的位置,可划分为入弯切弯、弯中切弯和出弯切弯3类.驾驶人采用入弯切弯时,弯道速度损失最低; 采用出弯切弯时,弯道速度损失最大.由于切弯、压线中行驶等行为,车辆在回头曲线上行驶时会占用对向车道,产生对撞的事故隐患; 同时还会侵占弯道两侧的硬路肩,引发驶出路外、碰撞山体或者碰撞护栏的风险.车辆左转驶入回头曲线时有超过71.07%的驾驶人会占用对向车道,右转驶入时有59.5%的驾驶人侵占对向车道; 左转弯行驶时表现为出弯阶段占用,右转弯行驶时表现为入弯阶段占用.

Vehicle track patterns and accident risk on hairpin curves
Xu Jin1,2,Chen Ying2,Chen Haiyuan2,Zhang Kang2
(1Chongqing Key Laboratory of “Human-Vehicle-Road” Cooperation and Safety for Mountain Complex Environment, Chongqing Jiaotong University, Chongqing 400074, China)(2College of Traffic and Transportation, Chongqing Jiaotong University, Chongqing 400074, China)

To identify track behavior and driving risk along hairpin curve, a field driving test on a mountain road with 11 hairpin curves was conducted, the vehicle track under the natural driving state was collected, as well as the lateral distance between the tire and the lane markings, and patterns, crash risk and formation mechanism on the hairpin curves were defined. The results show that the track on hairpin curve has strong discrete and aggregation characteristics, the track classifying index is presented and six independent track patterns for hairpin curves are classified. The curve cutting is a typical track pattern, according to the position of the curve cutting point, the curve cutting can be divided into three categories:cutting at bend entry, cutting at the mid-bend and cutting at the bend exit. The speed loss of the curve negotiating is the lowest when the driver cuts the bend at the entry, and the speed loss is the biggest when the curve is cut at the exit. Due to the behaviors of curve cutting, driving on the road center line and so on, the vehicle will occupy part or even the whole opposite lane when driving on the hairpin curve, causing the risk of heading on crashes; meanwhile, drivers also occupy the hard shoulder in the both sides, and result in risk of running-off the road, colliding with the mountain or roadside guardrail. More than 71.07% of the drivers will occupy the opposite lane on the left hairpin curve, and it is 59.5% for right hairpin curves; when turning left, the occupation usually occurrs at the curve departing stage, and when turning right, the occupation appears at the curve entering stage.

引言

为了顺应地形环境,山区公路一般都具有线形组合复杂、曲线比例高、线形指标低的特点.由于驾驶自由度大,轨迹偏离导致的对撞、刮擦、翻车、撞向防护栏或山体、单车驶出路外的事故频繁出现.回头曲线是山区公路尤其是双车道公路的常用线形组合,在客观上构成了山区公路辨识度的重要特征,但回头曲线的驾驶模式一直没有明确,因此有必要深入研究回头曲线路段的车辆运行轨迹,分析轨迹与车道线/道路中心线之间的适应性,评判事故风险、解释事故致因,以期为路线/交安设施的宽容性设计、交通运行管理和道路安全改善提供理论依据.

近年来与回头曲线直接相关的研究主要集中在不同技术等级和地理/地形环境下,回头曲线的线位布设、技术标准和平纵面线形指标选用等方面[1-3],尚未见回头曲线路段驾驶行为实测的研究报道.在车辆运行轨迹方面,根据研究手段,现阶段对于汽车轨迹的研究主要有3种: ① 基于视频图像的轨迹横向位置分析,如Chapuis等[4]从车载摄像头图像中提取车道线并估算出车辆横向位置,进而对行驶轨迹进行分类; Kanagaraj等[5]和Raju等[6]通过摄像法提取车辆轨迹,对车辆横向位置、车间距、相对速度等驾驶行为或车辆运行参数进行研究,进而揭示和描述交通运行状态; 徐进等[7-8]和邓天民等[9]融合车载GPS数据和视频图像来确定轨迹线,并依据横向偏移率曲线确定了山区公路曲线路段的轨迹模式,分析了曲线路段的切弯行为; 林慧[10]从无人机视频图像中提取车辆行驶轨迹,评判车辆的事故风险和事故形态.② 运用驾驶模拟器或者纯计算机仿真方法研究道路参数对行驶轨迹的影响,如彭其渊等[11]、徐进等[12]利用“人-车-路”仿真系统研究弯道几何参数对车辆轨迹和速度的影响.王宇宁[13]在摄像法采集行车轨迹的基础上,利用Carsim软件对不同的轨迹进行仿真,将仿真结果与实测值进行了对比.陈柳晓等[14]使用UC-win/Road软件开展了“晴隆24道拐”的大卡车运行仿真,模拟还原了二战时期援华物资在盘山公路上的行驶过程.③ 使用路侧设备采集车辆在预选断面的行驶轨迹,如在路面上漆画刻度线并拍摄行驶车辆,得到车辆相对于路边线的横向距离[15]; 或者在路侧使用红外线探测车辆并返回横向距离[16],这类方法可以得到较大样本量的轨迹位置,但缺点是仅能获得车辆在预设断面上的横向相对位置,无法实现单个车辆的连续追踪.上述研究主要聚焦于直线路段的换道行为识别以及一般平曲线路段的轨迹偏移.目前国内外尚未见针对山区道路回头曲线路段行驶轨迹的自然驾驶实车试验研究,故目前回头弯上的真实轨迹形态和轨迹模式尚未被全面了解.此外,受制于GPS设备定位精度限制,以往的研究难以实现长路段的轨迹线形态分析.在工程实践方面,现行的《公路工程技术标准》(JTG B01—2014)、《公路路线设计规范》(JTG D20—2017)等主要是参考美国、日本等国家的相关标准,一直缺乏对我国自身地形条件和驾驶行为的充分考虑,导致路线和交通安全设施与驾驶行为不适应; 《公路项目安全性评价规范》(JTG B05—2015)中的评价方法和模型也主要面向高等级公路,难以有效指导山区复杂线形公路的安全性评价和设计优化,道路建成运营后极易形成事故多发路段.因此,在基础理论层面亟需山区道路驾驶行为模式方面的理论支持和实测数据支撑.

为此,本文开展自然驾驶实车试验,用高精度GPS获取连续、直观的山区公路的汽车轨迹,然后截取回头弯道路段的轨迹线,充分捕捉轨迹细节,避免了路侧设备定点观测对于观测点之间轨迹变化的未知性所造成的偏差.根据轨迹线-路边线的拓扑关系对回头弯道路段的汽车轨迹进行聚类,完成轨迹模式划分,然后依据轨迹线-路边界干涉性判别事故风险、形态并确定出事故易发位置,进而精准揭示回头曲线路段的运行状态、驾驶行为以及事故发生机制.

1 试验方案及方法1.1 试验道路及被试

选取国道G211线重庆市彭水县境内花地弯至宁家寨段作为试验对象.该路段技术标准为山区四级公路,设计车速为20 km/h,横断面形式为单幅双向混行,直线路段车道宽3.0 m,硬化土路肩0.5 m,路肩外侧为矩形边沟,回头曲线范围内有1 m的车道加宽值,超高率为5%,路面状况良好,道路标志标线清晰,如图1所示.试验路段全长8.7 km,包含11处回头曲线,表1给出了11处回头曲线的几何参数.由于车流量较低,在绝大多数位置驾驶人能够自由驾驶.道路沿线两侧局部位置有零星的民居,但路侧行人极少,路侧干扰几乎没有.(a)试验路线)(b)道路条件)

图1 试验道路以及行驶环境

图1 试验道路以及行驶环境

试验的时间为2019年11月,共有20名驾驶人参与试验,其中男性15人,女性5人,驾龄为4~30年,平均驾龄11.93年; 累积驾驶里程为1.8×104~20×104 km,平均驾驶里程为8.4×104 km; 年龄分布为22~48岁,平均年龄为29.95岁.驾驶员从社会上招募,每位驾驶员在试验路段上往返行驶1~2次,支付报酬200元; 驾驶试验之前,每位驾驶员填写不良驾驶调查问卷,以获取驾驶员的基本信息及驾驶风格.

表1 回头曲线的几何参数与形态

表1 回头曲线的几何参数与形态

1.2 试验仪器和车辆

前向碰撞预警系统Mobileye可以实现车道线识别和轮迹线测算,可输出轮迹线与车道线的横向距离,因此,使用Mobileye ME630来采集两侧轮胎与车道线之间的横向距离; 使用车载SV-MDOO9HD行车记录仪来记录车辆行驶全程中的视频、音频等信息; 通过SpeedBox来获取实时高精度的车辆位置和速度,使用华测导航CGI-610获取车辆姿态、加速度和角速度等信息.试验车型为别克GL8,并通过计算机来储存Mobileye、华测导航、SpeedBox收集到的数据,如图2所示.

1.3 试验方案及流程

实验开始前告知驾驶员以平日的驾驶习惯来操纵车辆,即保持自然驾驶状态.随车实验员负责记录每位驾驶员试验开始的时间、车载仪器开始记录数据的时间,并保证2个时间尽量保持一致(精确到秒); 按照预定路径驶过选定的试验路线,再返回试验起点,完成一个闭合驾驶循环.同一名驾驶人沿该试验路径连续行驶1~2个循环后返回起点,然后停车; 实验员停止记录、保存各项数据并记录停车时间.

1.4 数据分析

在后期的数据处理过程中,逐一核对车载行车记录仪所拍摄的影像,对干扰较大的数据进行筛除,

图2 试验仪器

图2 试验仪器

如前车慢行并且长时间无法超车.

通过对SpeedBox参数系统中输出的经纬度数据进行大地坐标系转换后,依次连接2个坐标点即可获得连续的车辆行驶轨迹.对行驶轨迹线进行切分,逐个截取每位被试在每处回头曲线内的行驶轨迹线,切分之后将不同被试的轨迹线在道路边界内(两侧路边线之内)叠加显示,可直观地观察到回头弯道的轨迹线分布,并获得轨迹形态以及与车道线/路边线之间的拓扑关系.对Mobileye输出的轮迹线横向位置数据进行分析,可以准确识别出车辆是否越过车道线和路缘线,以及侵占的宽度.

2 回头曲线轨迹形态特征与分类方法2.1 轨迹整体特征

图3图4给出了10处回头弯道的轨迹线和路缘线,可以用轨迹线束的分布宽度表示轨迹线的离散性,图中C、C1、C2为切弯点.根据轨迹束径、线束与路缘线的横向位置关系以及线束的聚集性,可以得到以下的结论:

1)轨迹线束宽度在回头曲线范围内是变化的,弯前直线段、曲线路段以及弯后直线段的轨迹束径均有所差异; 表明驾驶人轨迹选择行为具有离散性并且受道路条件影响.

2)左转入弯时,轨迹束会更靠近弯道内侧并占用一部分对向车道宽度,表明驾驶人普遍倾向于采用切弯行为来通过弯道; 汽车右转入弯时一些驾驶人也会采用切弯的方式来通过弯道,如弯道3、弯道8和弯道9.根据切弯点位置可将切弯行为划分为入弯切弯、弯中切弯和出弯切弯等3个类别.

图3 回头弯道的左转行驶轨迹

图3 回头弯道的左转行驶轨迹

图4 回头弯道的右转行驶轨迹

图4 回头弯道的右转行驶轨迹

3)右转车辆轨迹中有很大比例是靠近道路中线,如弯道1、弯道5、弯道6和弯道11,此时车辆会占用一部分对向宽度.

4)车辆驶出曲线时,一些驾驶人会继续占用对向车道,即车辆轨迹束并未恢复到原来的横向位置.

5)在一些弯道上,驾驶人的轨迹选择行为具有较强的离散性,但同时也呈现出较强的聚集性,表明可以依据轨迹形态对驾驶行为进行分类.2.2 轨迹行为模式分类方法

山区双车道公路的事故类型主要为对撞、撞路侧护栏或山体、侧滑或者侧翻,这些事故都与轨迹形态和轨迹偏离密切相关.根据轨迹线-路边线(路中线)之间的横向位置关系,结合事故风险和事故形态,使用下述指标作为轨迹模式的分类依据:

1)切弯点位置.切弯点C是指驾驶人采用切弯的方式过弯时,轨迹线与曲线内侧路边线距离最近的点位,如图5(a)所示.

2)风险暴露类别.分为占用对向车道和占用硬路肩2个类别,如图5(b)所示.

3)风险暴露位置.根据回头曲线的线形和影响范围,将暴露位置分为弯前直线、入弯、弯中、出弯和弯后直线5类.其中弯中指圆曲线中点前后的部分,入弯指缓和曲线加上圆曲线邻近衔接位置的部分,如图5(c)所示.

图5 占用对向车道类型

图5 占用对向车道类型

3 回头曲线的轨迹模式及影响因素3.1 左转行驶轨迹模式

根据前述建立的指标,将轨迹区分为6种模式(见图6):① 模式IL是“标准”轨迹模式,轨迹线分布在车道内; 当驾驶人采用其余轨迹模式时,车辆在回头曲线不同位置均存在占用对向车道行驶或者侵占路肩的现象.② 模式ⅡL为出弯切弯模式,驾驶员为了获得充足的视距在入弯时靠近弯道外侧,在对环境做出判断之后切弯驶出弯道,并且出弯后仍占用对向车道; 此外,模式ⅡL还是专业赛车手的一种过弯方式.③ 模式ⅢL为轨迹在入弯前基本与路中线重合(即压线行驶),出弯时车辆由于惯性作用,轨迹线靠向曲线外侧甚至会侵占右侧硬路肩.④ 模式ⅣL是山区公路曲线路段常见的弯中切弯模式,该模式还多见于专业赛车手.⑤ 模式ⅤL是入弯切弯模式,切弯点出现在弯中之前,并且车辆完成切弯后在出弯时有侵占右侧路肩的行为.⑥ 模式ⅥL是山区道路上一部分驾驶人的常用驾驶方式——压中线行驶(也称骑线行驶),通常认为骑线行驶主要发生在直线路段,本文证实了骑线行驶同样存在于回头曲线这样的急弯路段.

图6 回头曲线的左转轨迹模式

图6 回头曲线的左转轨迹模式

3.2 右转行驶轨迹模式

右转弯经常被认为是安全的,因为驾驶员不会为了切弯而侵占对向车道.但实际上右转弯同样会出现对撞事故[17-18],表明右转车辆同样有侵占对向车道的行为.根据轨迹线-路边界的横向位置关系,确定出右转弯的4种轨迹模式(见图7):① 模式ⅠR接近于“标准”轨迹模式,在回头弯中部车辆被驾驶员控制在本车道内,但在入弯之前和出弯之后一部分轨迹线贴近路中线,客观上呈现了一定程度的切弯行为.在右转弯上如果紧邻道路内侧行驶会导致视距不足,驾驶员为寻求更为充足的视距以及更舒缓的轨迹半径会出现如模式ⅡR的轨迹选择行为.② 模式ⅡR为车辆入弯时通过占用对向车道来靠近弯道外侧,然后以切弯的方式出弯,通过此种方式驾驶人能够以较快的速度驶出弯道.③ 模式ⅢR是入弯切弯模式,切弯后车辆以较大的轨迹半径驶出弯道,轨迹偏离本向行车道并在较长的范围内占用对向行车道.与模式ⅡR中的入弯轨迹偏离相比,出弯时的轨迹偏离风险更高,因为入弯时汽车处于减速状态,而出弯时汽车处于加速状态,一旦前方迎来对向行驶车辆避让更加困难.④ 模式ⅣR是骑线模式,即压中线行驶,该模式是山区道路上一种常见的驾驶行为.

图7 回头曲线的右转轨迹模式

图7 回头曲线的右转轨迹模式

3.3 轨迹模式的独立性验证

文献[7,9]提出用轨迹偏移率来描述轨迹线与道路中心线/路边线的位置关系,轨迹偏移率Q的计算方法如图8所示.图中,dcl为车辆中心点与路中线之间的横向距离,车辆在本车道内行驶时Q为正值,侵占对向车道时为负值; WL为行车道宽度; WP为路面宽度.根据此定义,车辆轨迹与行车道中心线重合时,Q=50%,轨迹线与路中线重合时Q=0.图8给出了驾驶人切弯时的Q值变化趋势.

图8中的方法对图6图7中每种模式的轨迹线绘制轨迹偏移率曲线,如图9所示.根据Q值曲线形态(如峰值、单调性、拐点位置和数量等)可以对所确定轨迹模式的独立性进行验证.图9(a)是左转弯6种轨迹模式的Q值曲线,各条曲线在幅值、峰值点/拐点数量、单调性等方面具有显著的差异.图9(b)是右转弯4种轨迹模式的Q值曲

图8 轨迹偏移率计算示意图

图8 轨迹偏移率计算示意图

图9 轨迹偏移率曲线

图9 轨迹偏移率曲线

线,模式 ⅠR和模式 ⅣR的Q值曲线在形态上比较接近,但二者的幅值相差50%,构成了显著的差别.

对比图9(a)与图9(b),模式ⅡL和模式ⅢR的Q值曲线具有相同的幅值和形态特征,因此可认为是同一种轨迹模式; 同样,模式ⅢL与模式ⅡR、模式ⅥL与模式ⅣR、模式ⅠL与模式ⅠR的Q值曲线由于幅值和形态高度一致,在本质上属于同一种轨迹模式,也面临同样的事故风险和事故形态.因此,右转弯的4种轨迹模式全部被涵盖在左转弯之中,并可以认为回头曲线共有6种独立的轨迹模式.3.4 行驶速度对轨迹形态的影响

在自由流条件下,行驶速度尤其是入弯速度与曲线路段内的轨迹形态存在密切的相关性.图 10以弯道4为例给出了回头曲线路段的连续行驶速度曲线.选取左转弯和右转弯都涵盖的4种轨迹行为模式(轨迹类型A为本车道、类型B为骑中线、类型C为入弯切弯、类型D为出弯切弯)分析行驶速度对轨迹行为的影响(见图 11).经过比较,入弯速度折减率dVp能够较好地反映出速度与轨迹之间的相互作用.入弯速度折减率dVp按下式计算:

dVp=(Ve-Vm)/(Ve)(1)

式中,Ve为弯道入口的速度值,根据速度幅值变化特点,入口选在曲线之前的直线段上,距离缓和曲线起点约40 m; Vm为回头曲线中点的速度值.

图 10 回头曲线路段的行驶速度曲线

图 10 回头曲线路段的行驶速度曲线

图 11 回头弯典型轨迹形态

图 11 回头弯典型轨迹形态

图 12给出了随轨迹类型变化的入弯速度折减率折线图,数据点按照增序排列.从图中能看到,左转驶入和右转驶入2种情况下,4种轨迹类型的排序并不一致,左转驶入时入弯切弯模式的dVp最低,出弯切弯的dVp最高; 而右转驶入时正好相反.并且,右转弯的dVp折线斜率更陡峭,即速度的影响更显著.dVp越低,表明入弯时的速度降幅最小,车辆可以快速通过弯道; 反之,dVp越大,通过弯道的速度损失越大.在图 11(b)中,右转弯轨迹类型D在入弯阶段需占用对向车道,从车道占用角度来看,该类型与左转弯的轨迹类型C相同,因此为了最大程度地减小弯道速度损失,驾驶人需要占用对向车道来规划行驶轨迹.

图 12 不同轨迹类型对应的入弯速度折减率

图 12 不同轨迹类型对应的入弯速度折减率

4 回头曲线的事故风险分析4.1 侵占弯道内侧路肩

安全的驾驶行为应该保证轮迹线在行车道线之内,车辆右转时如果轮迹线越出右侧路边线,表明车辆存在碰撞护栏、山体或者坠入沟谷的风险.在图 13中,车辆右轮迹线与右边线围成的区域即为事故风险区域.从图中能看到,车辆右轮侵占硬路肩的行为在入弯、弯中、出弯时均有发生.主要原因是驾驶员为了缩短行驶路径选择了切弯的入弯方式,一些驾驶员过度切弯会导致轮迹线在切弯点附近越出路边线.在路肩外侧设置有矩形边沟时,会发生右侧轮胎卡在水沟的事故.

图 13 弯道内侧危险区域

图 13 弯道内侧危险区域

4.2 侵占弯道外侧路肩

车辆驶入左转弯时,右侧轮迹线越出路边线意味着车辆有可能撞击路侧护栏或者冲出路外,由于离心力的作用,事故发生概率和严重性更高.如图 14所示,轨迹线向外偏离右边线的行为在回头曲线入弯、弯中与出弯时均存在.

导致轨迹向外偏离车道主要有3方面的原因:① 入弯时驾驶人为了改善视野车辆过于靠近外道

图 14 弯道外侧危险区域

图 14 弯道外侧危险区域

外侧,如图 14(a)所示; ② 入弯时速度较快,入弯后轨迹调整难度增加,车辆转向不够导致紧贴路缘线驶过弯道,如图 14(b)所示; ③ 驾驶人在切弯时速度过快,在出弯时车辆由于惯性侵占路肩,为了回到原行驶车道紧急修正方向,如图 14(c)所示.前2种情形极易造成撞向道路防护栏或冲出道路的事故; 而第3种情形下除了冲出道路、撞向护栏外,还存在与对向车辆碰撞,急打方向盘导致翻车的风险.

4.3 侵占对向行车道4.3.1 事故高风险区域

山区双车道公路车流量较低,很多驾驶员会使用整幅路面来规划轨迹,表现出占用对向行车道的行为,同时车辆惯性也会使轨迹偏离本车道,导致本车行驶轨迹线与对向车辆轨迹发生交织,形成事故高风险区域,如图 15所示.根据交织位置,高风险区域主要有以下3种:

1)右转车辆入弯时占用对向车道与出弯的左转车辆相冲突; 或者左转车辆出弯时占用对向车道与右转入弯车辆相冲突,如图 15(a)和(b)所示.

2)弯道中部附近的轨迹干涉,常见于采用切弯的左转车辆与右转车辆碰撞,如图 15(c)和(d)所示.

3)压中线行驶的一方与对向正常行驶车辆相冲突,或者2辆压线行驶的对向车辆相冲突,如图 15(e)所示.

图 15 回头曲线路段对向车辆轨迹的交织与干涉

图 15 回头曲线路段对向车辆轨迹的交织与干涉

第1种和第3种交织区域呈现狭长带状特点,第2种交织区域长度较短且比较集中.

提取回头曲线轨迹束轮廓,将2个行驶方向的轨迹分布区域叠加后,可得到左转轨迹和右转轨迹的冲突区域分布.图 16是用此方法得到的4个回头弯道的轨迹冲突分布,其中弯道C2的轨迹冲突出现在弯道左半幅; 弯道C3在整个回头曲线范围内都出现了轨迹交织.弯道C4和C5的交织主要出现在两端的直线段上,通常认为弯道中间是高风险区域,但在弯道C5中点附近并未观察到轨迹交织.对全部11处回头曲线的轨迹干涉分析发现,左转车辆驶出回头曲线时与驶入弯道的右转车辆最易发生轨迹交织,即回头曲线弯道的左半幅轨迹交织更严重.

4.3.2 危险行为占比

与侵入右侧硬路肩相比,占用对向车道时的事故形态为与对向车辆相撞,其事故严重性更高.车载Mobileye系统可输出两侧轮胎与车道线之间的横向距离,根据左侧轮胎与路中线之间的横净距可以判别出车辆是否侵占对向车道.统计出左转和右转回头曲线车辆占用对向车道行为的占比,如图 17所示.在图 17(a)中,左转入弯时弯道2的占比最大,超过90%; 弯道11占比最低,为50%; 全部弯道的平均值为71.07%,即仅有不到30%的行驶次数是本车道内行驶,表明左转驶入回头曲线时,侵占对向车道已经是占主导的行为方式; 其中34%的行驶次数是在出弯时侵占对向车道,表明左转弯的出弯阶段更危险.在图 17(b)中,右转驶入回头曲线时侵占对向车道的比例在82%~41%范围内波动,平均值为59.5%,即半数以上的驾驶人会侵占对向车道,这远远超出预想.在侵占行为中,入弯侵占的比例最大,达到26.86%,这与左转弯有显著区别,这是由于一些驾驶人觉得在车道内时山体的遮挡会导致视距不足,在入弯时会占用对向车道以寻求良好的视距.总体上看,车辆在右转回头曲线上侵占对向车道的比例,比左转弯道低12%左右,即左转回头曲线的事故风险相对更高.

图 16 左转车辆轨迹和右转车辆轨迹的交织与干涉

图 16 左转车辆轨迹和右转车辆轨迹的交织与干涉

图 17 占用对向车道行为的类别以及占比

图 17 占用对向车道行为的类别以及占比

5 结论

1)根据实测轨迹线束的分布特征,回头弯道上的轨迹具有较强的离散性,但同时也呈现较强的聚集性; 综合轨迹形态和事故特征,设计了轨迹分类指标,并确定了回头曲线的轨迹线模式,其中左转弯6种、右转弯4种,经过独立性验证,回头曲线共有6类独立的轨迹模式.

2)切弯是回头曲线一类典型的过弯方式,也是引发占用对向车道的重要诱因,可见于左转弯和右转弯.根据切弯点位置可将切弯行为划分为入弯切弯、弯中切弯和出弯切弯3类,驾驶人采用出弯切弯的方式时,在弯道入口会先将轨迹靠向弯道外侧.

3)入弯速度与轨迹形态密切相关,入弯切弯时的弯道速度损失最低,出弯切弯时的弯道速度损失最大.

4)驾驶人以切弯方式通过右转弯时,会在侵占弯道内侧的硬路肩,此时存在碰撞山体或者碰撞路侧护栏的事故风险; 车辆左转驶入回头曲线时,一些驾驶人会侵占弯道外道的硬路肩,易引发车辆驶出路外或者碰撞护栏的事故.

5)由于切弯、压线中行驶等行为,车辆在回头曲线上行驶时会占用对向车道,2个行驶方向的轨迹线在曲线部分以及前后直线段上存在交织,其中左转车辆驶出弯道时与驶入弯道的右转车辆交织最严重,事故风险最高.

6)车辆左转驶入回头曲线时有超过71.07%的驾驶人占用对向车道,右转驶入时有59.5%的驾驶人侵占对向车道; 左转弯表现为出弯阶段占用,右转弯表现为入弯阶段占用.

参考文献