文摘

操作速度是一个关键指标,道路线形设计一致性和安全性评价。尽管进行了广泛的研究操作速度预测,一些模型可以完成实际的连续预测沿对齐在多车道公路上每一点。本研究提出了一种新颖的方法来估计多车道高速公路在中国的运营速度从三维的角度排列组合。操作速度数据收集在田间试验检测到304种不同的排列组合部分通过全球定位系统。第一,调整综合指数(ACI)设计并介绍了描述函数占对齐连续性和行车安全。ACI中使用的变量包括平面曲线半径、曲率变化率,偏转角曲线,年级,车道宽度。第二,前后对齐对速度的影响范围的基础上确定司机的固定范围和车辆的动力学特性。此外,基于指数预测模型道路对齐和速度之间的关系是设计来预测轿车和卡车的速度。最后,利用三种常见的标准来评估预测模型的有效性。结果表明,预测模型优于其他两种操作速度模型的预测精度较高。

1。介绍

目前Human-orient和安全至上的新指导期间公路建设。传统的设计摘要定位设计方法通常只指定一个孤立的对齐元素的最小值。这种设计方法是容易被不符合道路的连续的元素。大量的实践研究强调了这样一个事实,不一致的排列可能导致突然改变巷道的特点,这将导致关键驱动错误和崩溃的风险1,2]。一致的排列设计需要满足司机的预期,促进和谐的驾驶行为。因为大量的实验调查状态,实际速度采用司机大大高于用于确定道路设计标准(3,4),一些国家建议的分析设计一致性或安全评估为了检查过度沿着路连续元素上的操作速度的差异(5- - - - - -7]。注意到操作速度剖面是最有用的工具来实现这一目标(7]。例如,交互式公路安全设计模型(IHSDM)由美国联邦公路管理局广泛用于综合安全评估(8]。当前版本的IHSDM检查操作速度剖面对二一致性标准。操作的速度是一个表达参数驱动程序的行为受到多种因素的影响,如对齐,车辆动力学特性、交通流组合、交通管理和控制措施,气候,和能见距离。第85百分位的畅通的速度分布是常用来表示操作速度设计一致性评估(1,8]。

有广泛的文献操作速度预测模型的变量和模型的结构相差很大。大多数模型关注水平曲线通过假设恒定的速度曲线,因此减速和加速发生完全切和出发的切线的方法(3]。拉姆et al。9]认为曲线半径是最重要的指标确定操作速度和使用它作为占主导地位的独立变量来预测操作速度水平曲线。他们还建立了一个过程和一个分类系统来评估水平设计的一致性。伊斯兰教和Seneviratne [10]报道的特征点对齐的差异,建立了操作速度曲线回归模型在三个网站。麦克费登和Elefteriadou11结合曲率的程度,曲线的长度,偏转角和速度的方法切回归分析。Krammes et al。12)开发了一个操作速度预测模型中,所有的变量相关曲线的几何特征来评估水平对齐基于从138年收集的数据曲线的一致性。Bucchi et al。13)进行操作速度的估计大年级部分和锋利的曲线半径从25米到170米的乡村公路。一些类似的速度剖面模型主要用于曲线半径(曲率半径或学位)作为预测(11,14- - - - - -17]。

与此同时,以前作品介绍了垂直对齐影响操作速度(18]。安杰森et al。19]研究的潜在影响里程、品位的垂直曲线,防撞护栏、十字路口、车道宽度、和操作速度通过收集车数据量70垂直曲线。Fambro et al。20.]提出的能见距离被垂直曲率约束,因此决定了操作速度。此外,垂直等级,竖曲线类型和垂直弯曲率被认为是预测模型。IHSDM收养了这些方程的方法(8]。Gibreel et al。21]调查操作涉及凹陷三维数据比对和波峰垂直曲线在安大略省和设置可靠的双车道高速公路运行速度预测模型。此外,其他模型使用的统计方法包括简单线性回归,多元线性回归和非线性回归建立的基础上,分析之间的对齐变量和操作速度(22- - - - - -24]。相比之下,巴西模式25)提出了根据力学性能和驾驶行为。该模型给出了明确的解释限制因素来提高预测的准确性。此外,介绍了人工神经网络和模拟技术来估计操作速度(26,27]。

许多研究已经完成了乘用车操作速度预测和设计一致性对农村两车道的公路(13,16]。然而研究相对较少,对卡车进行多车道高速公路(28,29日]。j . e . Leisch和j.p. Leisch30.)发现,垂直等级或竖曲线长度的增加有显著影响卡车的速度比汽车的速度。他们还建议,卡车的速度剖面模型可以由考虑水平和垂直对齐。在这方面,另一个担忧是强调。大多数现有的二维(2 d)模型只考虑水平和垂直曲线确定系数的值较低,由于截面模型中错过了(6,12,17]。Gibreel et al。21]提出的最大差异预测和观察到的速度使用三维(3 d)模型和二维模型在一些网站达到35%。此外,大多数现有的模型是基于现货速度收集的数据测量车辆的个体样本的速度通过一个给定的点(31日]。他们认为,恒速发生在曲线,因此减速和加速完全发生在切线和出发的切线的方法。与这些假设,发现速度数据收集中心的水平曲线和在前面的切线的中点。然而,最大和最小速度可能不会发生,分别在切线和曲线的中心。由于速度数据没有收集在开始和结束减速或加速点,这些模型不能准确地代表司机的行为。因此,以前的工作主要是计算特征点的速度(即。,the midpoint of horizontal curve or preceding tangent) of alignment using spot speed data which is usually accompanied by human error and cosine error [10]。事实上,一个人点的分析可能模糊的变化模式操作速度和无视速度变化的连续性。的基础上的整体国家艺术,其中一些可以进行操作的速度沿着马路每一点(16,20.]。

上述方法的限制,它是具有挑战性的设计不同的方法探索的综合表示操作的速度。报告E-C151交通研究委员会(32),一个彻底的操作速度在世界各地也突显了小说的要求速度模型不同国家因为速度的行为受到多种因素的影响,显著不同地区之间。最近,有限的研究在连续操作速度预测是通过关系分析和几何速度所有点之间对齐(31日,33- - - - - -35]。这些模型提供了一个潜在的更准确的调查司机的行为。

本文研究的主要目的是提出一个连续的操作速度预测模型在多车道高速公路客运汽车和卡车。这个新方法,首次制定三维定位综合指数(ACI)结合驾驶员的视觉特性和车辆动态属性来实现更高的准确和可靠的速度沿巷道估计每一点。这可能有助于研究人员评估定位设计一致性和确定校准功能。

2。方法

2.1。基本假设

操作速度是受多种因素的影响。如何找到关键信息的复杂影响因素进行准确的预测是至关重要的。基于分析之间的关系操作速度,对齐,和其他影响因素,总结了基本假设如下:①操作速度随道路条件的改变行驶方向。②综合对齐对运行速度的影响不仅是相互独立的,但也不是相当于一个简单的线性叠加。作为一个定量指标描述水平、垂直和截面对齐,对齐的道路综合指数速率变化有关。③操作速度在某部分对齐功能有关这部分的范围也受到一定长度后段和前面段之间的对齐。

这三个假设,关注的影响前后对齐操作速度符合一般驾驶的车辆在高速公路上运行规则。与此同时,操作速度空间的连续性也考虑在内。

2.2。三维定位综合指数(ACI)描述模型

2.2.1。结合综合指数

一个ACI被定义为一个数学指标可以描述对齐连续性和驾驶安全指数的影响,考虑水平的三维几何特征,纵向和横截面对齐。

它是表示一个点对应于一个独特的价值描述每一个点上的各种指标的综合几何特征,也反映了信息被司机的数量。根据校准的影响驾驶安全,校准和之间的一致关系表示为一个小的价值有助于更好的对齐。换句话说,对应于一个较小的一致性将更有利于驾驶。

方法的关键概念在于设置水平,垂直,和截面对齐模型,分别,然后将它们集成到ACI描述模型。根据ACI的定义和工作(31日),最重要的独立变量影响相对应的操作速度和每一个点都考虑进去。

2.2.2。水平对齐描述模型

三个变量包括半径、曲率变化率,偏转角曲线是水平对齐的描述模型。一般来说,这三个变量可以代表侧向力,旋转方向盘,和偏转角的司机的视野。当汽车旅行与更大的水平曲线曲率,糟糕的侧向稳定性可能产生由于更大的离心36]。曲率突变容易驾驶风险甚至崩溃。因此,一致和曲率之间的关系可以确定为曲率越大,越小 。同样,更快的螺旋曲线曲率的变化,影响越大的司机是因为工作负载调整方向盘和最终危险的可能性就越大。一般来说,司机需要转变他们的眼睛或把他们的头专注于前面点的轨迹的变化。急剧变化的挠度曲线天使会加重司机的视野。对安全驾驶这也是有害的。因此,增加这两个变量变得更大。

每个人之间的关系指数和中介变量应用于变换和统一每个指数和综合指数的变化规律。垂直截面修正模型也使用相同的研究思想,在速度通常是作为中介变量。

在一些传统的回归模型,速度给定半径是制定一个普通线性模型( )或功率模型( )。结合试验数据,分析了操作速度和半径之间的关系通过使用这些函数首先两种形式。它可以得出的结论是,权力模式限制半径小于250米。太轻微的变化来反映操作速度的影响半径。然而,这显然是罕见的高速公路与半径小于250米。相反,速度的变化线性模型太大,甚至出现负值的半径小于700米。然而,这是一个频繁发生平面曲线的半径小于700米。因此,采用幂函数之间的关系和半径。此外,指数模型(9,11,12)被广泛用于预测操作速度的变化与曲率变化率和偏转角曲线。基于以上分析每个指标的,这些模型可以作为(广义1)通过使用多个指数与线性化函数形成水平ACI ()模型: 在哪里曲率;代表曲率变化率;表示偏转角曲线; , , ,和是参数。

2.2.3。垂直对齐描述模型

垂直对齐的描述模型,年级被认为是主要的变量。它可以得出的结论是,驾驶安全将变得更糟糕的是随着年级的增加无论上下坡上坡由于视距不足或超速。从的定义一致的关系和对齐指数,增加随着年级的增加。尽管的变化与年级很容易知道,定量关系仍然不清楚。中介变量,速度的绝对值年级时,有一个明显的趋势。根据初步数据分析,速度会随着年级的变化从上坡下坡。所以成绩之间的相关性和垂直ACI ()首先表示为线性回归分析(20.]。然而,事实上,速度略有不同年级−2%和2%之间时,而品位大于3%或不到−3%,和的变化速度增加而非线性函数。此外,积极的和消极的年级,相应的有一个不同的值的范围内。因此,垂直ACI模型(见(2)开发基于线性回归方程的改进: 在哪里年级; , ,和是参数。

2.2.4。截面对齐修正模型

在截面对齐模型中,利用五个独立变量在模型中,包括车道宽度、车道数,左右肩膀宽度,调整系数代表路面宽度的变化,因为从常见的道路桥梁或隧道。一般来说,相邻车辆行驶方向之间的交互更小更广阔的道路。这样驾驶环境还提供了更大的驾驶方便和自由更广泛的视野。这表明,广泛的道路更有利的交通。换句话说,随车道宽度的增加,车道数,左右肩宽。然而,操作速度的增加,因为路面的宽度变大。在哈伍德等人的结果。37),减少速度和截面之间的回归关系。它还表明累积对速度的影响由于车道和路肩宽度的变化17]。例如,对于一个给定的截面由车道宽度小于3.6米,肩宽小于1.8 m,减少的速度是每个变量造成的个人影响的总和。在实地调查的基础上,截面ACI ()模型建立了八车道高速公路的宽度标准和减少速度与截面宽度的百分比 在哪里 , , ,和的参数;桥梁和隧道的调整系数;是单独的车道部分的总宽度;是一个车道的宽度;车道的数量;和左边和右边路的宽度是肩膀。

2.2.5。模型集成

在巷道水平对齐是指对齐或巷道部分是“直”。垂直对齐是指巷道的高程变化或“平坦”的道路。对道路信息被司机,这不仅是相关对齐本身还涉及操作速度。摘要面临的挑战是如何量化道路定位信息和整合水平,垂直,截面对齐ACI成3 d ACI描述服务操作速度预测模型。因为人们的感知距离、形状和速度的物体在真实空间取决于持续的学习和经验20.),真的很难实现有效的识别性能。目前,透视图像通常是用来描述路段从高视图(鸟瞰)。然而,这些图像的分析是定性的和主观的38]。

值得一提的是,切是一个径向线扩展的消失点在视觉领域的司机(39]。司机切是最易辨认的形状,其他对齐的理解通常是获得基于与切的比较。司机可以首先预测之间的一致性方面,目前的水平对齐,主要关注操作速度而不是方向。通过改变视线的距离,司机可以实现垂直对齐信息。考虑到截面对齐很少变化,司机在不同横截面的看法几乎是相同的,不依赖于水平和垂直排列的变化。

在构造ACI模型,我们考虑以下几个原因:首先,在一些传统的回归模型,速度给定半径,曲率变化率,和偏转角曲线作为一个普通的线性模型,制定电力模型、指数模型(9,11,12]。我们引用这些模型形式和推广这些模型通过使用多个指数线性化函数形成水平ACI ()模型。

第二,我们发现速度降低等级不同下坡上坡。所以我们分析成绩之间的相关性和垂直ACI首先使用线性回归(20.]。然而,事实上,速度略有不同年级时−2%和2%之间,而品位大于3%或不到−3%,和的变化速度增加而非线性函数。此外,积极的和消极的年级,相应的有一个不同的值的范围内。因此,垂直ACI模型(见(2)开发基于改进的线性回归方程。

第三,在哈伍德的发现等。37),减少速度和截面之间的回归关系。它还表明累积对速度的影响由于车道和路肩宽度的变化17]。在实地调查的基础上,截面ACI ()模型建立了八车道高速公路的宽度标准和减少的百分比速度与截面宽度有关。

此外,在这项研究中所面临的挑战是如何整合水平,垂直,截面对齐ACI为3 d ACI描述模型。通过考虑对齐设计特点,一些研究成果和截面对齐调整公路容量手册中提到的201040],ACI描述模型提出了基于每个对齐的敏感性指数。

重复试验的计算和参数标定后,三维定位综合指数函数是描述最终建立。ACI描述模型,提出了基于灵敏度的一致性指数所示

我们选择这些指标显示的原因如下:首先,在数据分析的基础上,我们研究了单指数之间的相关性,操作速度和交通安全,包括切长度、平面曲线半径(曲率),曲率速度,曲线长度偏转角的水平曲线,年级,长度的垂直等级和车道宽度。然后,我们选择的索引通常是用于建立操作速度模型在国内外的相关成就。总之,指标有很大的影响在操作速度和安全初步选择。

其次,根据道路线形的特点,这些指标可分为两类。一类是部分设计指数相应的里程碑,主要包括半径、曲率速度,曲线长度偏转角的水平曲线,年级,车道数,车道宽度、路肩宽度。另一个类别是沿着巷道索引,如切线长度,曲线长度、竖曲线长度的长度,和螺旋长度。

对齐的综合指数是基于路段,所以ACI的模型主要考虑第一类指标,和第二类指标将在操作中选择速度预测模型。

2.3。影响范围的确定

本研究强调连续速度预测比其他研究操作更精确的速度一个一致性指数。节速度选为对象通过连续变量离散化操作的速度。虽然对齐综合指数和操作速度分为点,操作速度在某部分总是与一定长度内前后排列。一个点的速度是速度变化的累积结果后对齐,已经走了。另一方面,前方一定范围的调整决定司机的期望基于感知的加速和减速在当下获得的视觉信息。所以前后排列的影响范围在当前部分速度决定。

驾驶员的视觉特性是最重要的因素影响工作速度的变化。前的关键步骤来确定影响范围对齐是量化环境因素数字索引的视觉信息,然后使用这个数字索引分析前面对齐操作速度的影响。

路排列形成一个视觉敏感地区司机的视图平面,通常被称为固定范围(41),包括无形的地区,后视地区,前视图区域。使用预先判断的一致性条件,前视图区域是主要影响范围的操作速度。负责和他(42]表明,驾驶员的视觉需求区间通常是大约3 s。因此,3 s旅行作为起点最敏感的位置在驾驶过程中,这是最近的前轮定位的影响。根据速度、司机视野进一步通常是集中的速度增加。然而,由于海拔高度波动的影响和能见距离曲线,曲线的最大固定距离可以拉近切线。根据当前中国公路工程技术标准(JTG b01 - 2014) [43),一定停车视距曲线段指定。当设计速度120公里/小时,建议停止视线距离是210米。因此,采用1.2倍停车视距的最远的注视点前面对齐影响的基础上,总体考虑。的最大设计速度120公里/小时,前轮定位决定的影响范围从100到250米。

操作速度在当前部分是累积的速度变化的结果rear-traveled部分。前后之间的速度差异现有部分由车辆的加速和减速。因此,后调整的影响范围可以约的加速和减速距离的特征。据几位以前的研究(44,45),减速或加速率主要取决于曲线的半径及其位置。然而,加速和减速模型使用现货速度数据不能反映驾驶员的实际行为,因为过渡的起始和终点速度不能确定先验。因此,加速和减速时的实际利率不能准确地获得。此外,速度过渡长度取决于驱动特性(如年龄,性别,此行的目的,和距离)比对齐过渡设计(44]。

由于连续速度概要文件为每个单独的轨迹,观察15和第85百分位的速度,分别为102公里/小时,123公里/小时的汽车相比,69 km / h和81 km / h的卡车。因为速度减速的发生概率从85到15百分位通常是低,相对保守和安全的考虑这些速度间隔速度减速过程的差异。因此,根据推荐0.9 m / s的减速²对汽车和0.35 m / s²在我们的项目报告(卡车46),后面对准的影响范围可以确定为200米。

2.4。结构预测模型

从给定的分析,操作速度当前部分包含以下两个部分:和 。最初的速度代表的积累影响200米范围内的操作速度后对齐。根据校准意味着加速或减速特性有效内固定范围从100米到250米。连接这两个变量来确定操作速度当前的部分,关系可以表示为

在(5),和也由ACI的累积值前后的影响范围。然而,前后对齐操作速度的影响是不同的。因此,本研究考虑速度叠加原理,提出了速度预测模型的形式(6)。用于识别的标准预测性能是基于确定系数最高 ,每个指标的重要性,和逻辑模型的解释 在哪里是对当前点操作速度;代表了ACI功能; ACI累积值在前轮定位的影响范围;表示ACI累积值的影响范围后对齐; , ,和可以计算使用(7),(8)和(9); , ,和的系数;其他参数是之前介绍过的。

3所示。数据收集

申达高速公路速度数据收集(在两个方向上的八车道,设计时速120公里/小时),深汕高速公路(在两个方向上的六车道,设计速度120公里/小时),和Shendan公路(在两个方向上的四车道,设计时速100公里/小时,80公里/小时,在不同地点和60 km / h)两个方向的两个时间段:从6月到2013年10月和2014年3月至5月,建立预测模型。测试数据集用于验证该模型收集Taijiu公路上从2014年4月至5月。

测试网站包括两个类型排列组合包括158的挠度曲线结合水平曲线和146的峰值曲线结合水平曲线。在所有情况下,存在一个螺旋切和圆曲线之间的过渡。几何设计从道路线形设计获得的数据文档。数据包括平面曲线半径、偏转角的水平曲线,水平,垂直螺旋曲线,年级,切线长度、车道宽度、车道数,肩宽,每个特征点的里程碑。表1总结了主要的几何特性测试校准。

有几个工具速度数据收集,包括全球定位系统(GPS),雷达枪,循环检测器、视频检测系统,红外探测器。相比之下每个工具的特性,本研究应用GPS设备放置在轿车和卡车来获取个人连续操作速度概要文件。司机被证明是没有偏见的GPS设备(32),因此操作速度测试中收集的数据是合理的,以反映正常的驾驶行为。全球定位系统(GPS)也可以提供高精度的空间坐标1赫兹的频率。因此,可以知道每个点的位置和计算速度。

轿车或卡车将通过观察到的部分被招募人数站来参与这个项目。所有的参与者被告知,速度数据将仅用于研究目的;因此他们自由选择速度根据他们的驾驶习惯。

实验进行了白天,非高峰时期,在阳光明媚的一天,在畅通的条件下,通常定义为有时间进展至少5或6 s [18,34),在干燥路面的状况。在实验中,一个测试人员坐在车的后面,记录(即非自由流条件。、车辆换道)。在进一步分析中,所有的数据受到外部因素的影响被丢弃的数据处理。研究了超过340辆轿车和287辆卡车在每个选定的网站,确保至少100的速度数据类型车辆每方向每一点操作速度估计。

为了探索操作速度预测模型,以下是处理速度数据随后初步分析的基础上,持续每辆车的速度剖面和提出的数据收集位置参考Gibreel et al。21]:①点0米、50米和100米的方法切螺旋曲线的开始之前,司机可能会改变速度但不完全,因为未来3 d组合的影响。②点的起点水平曲线,司机可以完成的速度选择过渡曲线的切线。③点切线的中间点,螺旋曲线,曲线和水平。④点是水平曲线的终点和螺旋曲线的开始。⑤点0米、50米和100米的螺旋曲线的切结束后离开,司机可以选择根据过渡曲线的切线速度。

如果切的长度很短,处理点也相应减少。此外,3σ统计标准(2)是用来检查周围的均匀性分布均值和速度分布的最大偏差等于3σ。因此,速度超过2400点的数据测量。此外,一个重要的问题是验证速度分布(即为每种类型网站。,tangent and curve) because it is found that speed distribution differed from the curve to the tangent [11]。

速度数据的分布特征分析了基于直方图的特征速度样本的总体频率。正常,威布尔、γ和物流分布应用于完成分布拟合和频率测试。正态概率图应用于完成定性试验并确定初步的分布形式。在图1(一),水平和垂直坐标代表了理论和实际的累积概率,分别。可以看出,图中的数据点与理论对角线一致。图1 (b)剩余图计算基于正态分布。数据基本上分布在水平线不规律的波动。这可能是一个提示数据服从正态分布。在使用皮尔逊的美好健康测试和Kolmogorov-Smirnov测试,曲线的切线和识别正常和物流配送,分别。因此,第85百分位的速度测量的操作速度在2400点可进行进一步的计算。

4所示。结果分析和讨论

4.1。参数校准和敏感性分析

首先,按照规定的最小和最大半径曲线上高速公路,重量的影响(1)。第二个参数(2)是由在规范使用的限制级的等级和影响比速度。第三,系数(3)也固定采取减少考虑路面宽度和速度之间的关系。

重复试验计算和参数标定后,三维定位综合指数描述函数设置如下: 在哪里和是汽车和卡车的截面对齐功能;其他参数的定义与上述相同。

为了分析每个指标的敏感性在描述模型中,一个关键指标是选为一个变量。然后是3 d ACI模型中的其他因素是固定的。因此,的变化单一指数图中可以看到2。

从图可以看出2那在曲率曲线大大增加而增加。更敏感的曲率在0.001和0.005之间(即。半径小于1000米)。相比之下,几乎没有变化曲线曲率小于0.001(即。,半径大于1000米)。它表明水平曲线半径4000米或5000米已经有非常轻微的对驾驶的影响接近切的效果。值得注意的是,偏转角的水平曲线和巷道的宽度明显影响 。

图2 (d)显示增加作为一个单方面的抛物曲线随着年级的增加。有很明显的敏感性大年级因为上坡的车辆动态性能的更高要求和加速度的行为。然而,的敏感性是相对较弱的年级−1%到1%不等。在实际驾驶中,司机的看法等斜率通常是不明显的。

与此同时,为了进一步验证ACI对齐条件的敏感性,K63 + 000 - k83 + 000和K63 + 300 - k65 + 100 Shendan公路选择进行关联分析(数据3(一个)和3 (b))。(11),(12)和(13)代入(10),本节的ACI可以通过使用实际的比对数据。

从图3(一个)可以看出,每个点都有不同的综合指数值对齐各不相同。在图3 (b)数量(即意味着排列组合类型。1:螺旋曲线,小年级;2:螺旋曲线,小年级;3:螺旋曲线,挠度曲线;4:圆曲线,挠度曲线;5:圆曲线切线年级;6:圆曲线,峰值曲线;7:切,挠度曲线;8:切,年级;9:圆曲线,大年级)。例如,道路段K63 + 314 - K63 + 474位于螺旋曲线与品位为1.467%。 The alignment comprehensive index gradually decreases while the curvature tends to be smaller. The segment K64 + 630–K64 + 854 is located on the tangent and crest curve. When grade becomes larger, the alignment comprehensive index increases slowly. Similarly, the segment after K64 + 854 is located on the tangent grade of 2% and the comprehensive index becomes stable and much smaller. It can be concluded that the results comply with consistence of the sensitivity analysis. In addition, we can see that, on the section with larger synthetic index, the variation of cumulative curve is also more obvious. This indicates that the alignment index condition is good. On the contrary, the condition is poor. So the good corresponding relation among the alignment features, ACI, and ACI cumulative value can reflect the difference of alignment condition to a certain extent.

4.2。建立操作速度预测模型

对齐的综合指数分为两类(即。,I uphill and other indices and II downhill and other indices) due to the different influence degree of grade in vertical description model on operating speed.

考虑到集成点理论,ACI的累积值在一定长度范围内使用作为一个单元小间距等于ACI在这个长度范围内的积分。所以在ACI的累积值的计算,它大约可以1米作为一个单元来计算一个ACI值然后解决积累值在一定长度范围内。值得注意的是,切的半径值为3000或超过3000米半径的曲线,因为它可能对驾驶行为的影响不大。一些操作速度数据和我对齐综合指数的累计值如表所示2。

通过分析操作速度与一致性指数和变异系数的校准,以下操作速度预测模型最适合建立了回归分析的标准。汽车的预测速度可以计算通过使用(14)和(15)。因此,(16适用于卡车的速度估计:①汽车 ②卡车

4.3。验证的有效性

四个统计验证指标应用于评估预测模型的有效性包括拟合优度检验,以及,残留分析,以及。我操作速度预测模型的测试结果(见(14汽车)作为一个例子是列在表中3和图4。

在[34),相关系数预测平均速度和变量之间包括平面曲线的长度、半径的水平曲线,和当地的纵向坡度为0.63。在[35),相关系数预测平均速度和变量之间包括平均曲率、平均品位的升级和降级的年级平均0.625。在这项研究中约为0.6523,显示ACI和速度之间的关系是相关的大量数据处理是考虑。它也表明,模型很好由于意义的重要性远小于0.05的显著水平。模型中变量的回归系数,分别为4.949,0.00013−−0.000068。这一发现说明变量通过显著性检验。此外,残留分析情节的事实点分配两侧的建筑轴和残值位于−2和2之间存在回归方程能更好地反映规则。其他模型,测试结果也证明了该方法的有效性。

在下一节中,提出了预测模型的结果进行比较与莫里斯和Donnell提出的模型29日)和速度模型推荐在高速公路安全审计指南(GSAH) (JTG / T b05 - 2004) [47)这是唯一的国家职业标准操作速度预测和定位一致性评估在中国。三种常见的标准用来评估不同模型的预测性能:平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对相对误差(母)。此外,标准偏差(SD)也作为评价指标。中定义的四个指标(17),(18),(19)和(20.): 在哪里测试点的数量,和表示实际观测值和平均值的操作速度,分别代表操作速度的预测价值。

考虑不同位置的操作速度根据GSAH模型和本文提出的模型,我们终于比较三个模型的预测结果在480点3 d符合12公里的长度。从表4,它是表示,其他两个模型的估计错误计算了使用(17)通过(20.)通常高于拟议的模型。一些比较实际的测试速度数据和预测数据的结果如图所示5。因此,本研究中引入的预测模型明显优于GSAH模型和莫里斯的模型精度高。

对车辆动态属性的考虑到模型,操作速度在当前部分是累积的速度变化的结果rear-traveled部分。前后之间的速度差异现有部分由车辆的加速和减速。因此,后调整的影响范围可以大约以相关车辆的加速和减速距离动态属性。根据每辆车的轨迹和推荐减速,后面对准的影响范围可以确定为200米。

相关研究如何量化驾驶员的视觉信息数字指标缺乏。车辆的减速的速度在中国有很大的区别,在全世界。同时,后方对齐的影响范围也决定基于数据分析。因此,我们没有讨论更多关于这两个方面的考虑。在案例研究中,其他两个模型没有考虑视觉特征和车辆动力学的影响;他们只是建立操作速度和一致性指标之间的关系。我们认为比较结果可能反映了我们的模型的准确性与这些方面的考虑。

5。结论

先前的研究工作的一个重要限制在公路线形设计一致性是现有操作速度预测模型主要建立在2 d对齐或单个索引。特别是当道路的特点是不同的排列组合,模型可能不准确。只有一些特征点,如平面曲线的中间点或终点可以预测相应的等级。因此,轿车和卡车的速度变化的每个点路上研究使用实际的测试数据和一致性指数。

本研究的成果是双重的。第一个是三维定位综合指数函数描述。这些函数选择曲率、曲率变化率曲线角、等级、车道宽度变量而不是单个索引。基于空间几何的原理和设计特点,公路对齐,对齐描述模型建立了通过水平和垂直指数作为主要模型和横向指数修正模型。第二个过程是设置对齐综合指数之间的关系和操作速度连续预测。在这个模型中,建立的视觉要求司机和车辆的不同功能的加速和减速也考虑。这个建模过程可以预测一个可靠的和连续操作速度剖面沿每一点校准和显著提高一致性调整的性能设计和安全评估。该模型的预测性能演示了其精度高,与其他模型相比,使用实际的观测数据。

主要由于测试数据收集在高速公路上在平原地区(双向四到八车道)在中国,这些模型在报纸上报道可以用于预测连续操作的轿车和卡车的速度条件沿巷道三维定位索引可以获得。然而,该模型不能预测的操作速度准确在山区或其他类型的道路。中国以外的应用程序的模型需要一个新的校准基于局部速度差异的调查,因为司机的行为,道路系统和车辆性能。虽然设计速度和速度限制影响操作速度在某种程度上,这些因素不考虑模型。大大,公路对齐是一个三维欧氏空间中的曲线。多个对齐指数速度的交互机制非常复杂。因此,对齐综合建模的方法需要进一步的研究。随着汽车技术的发展,移动和固定传感器收集的数据的融合48),改善道路状况,预测模型的结果可能偏离实际值;因此,该模型可以进一步检查,更新和提高。未来努力应该关注这些因素,为了探索更高效的模型。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这个项目是由中国国家自然科学基金(51308059和51308059),中国博士后科学基金会(2015 m581585),基础科学研究的特别基金中央大学,长安大学(310822152007),交通部西部交通科技项目(2012318361110)。