慢行交通混合過街特性及沖突模型研究

2018-04-25 06:14:00郭財貴

城市公共交通 2018年3期

鄭柯郭財貴

（福州大學土木工程學院，福州 350108）

引言

近年來，中國各地政府紛紛倡導綠色出行，加強非機動車的發展。由于電動自行車廉價快捷、無需證照等特點，我國城市居民使用電動自行車的比例非常高。本文中研究的電動自行車為行駛在非機動車道與人行橫道上的電動自行車，包括普通電動自行車和輕摩化的電動自行車。本文所研究的過街形式為：電動自行車與行人通過人行橫道混合過街。在交叉口中，人行橫道上的行人與電動自行車共同過街時會有許多的輕微交通沖突，這部分過街慢行交通的內部沖突會對行人與電動自行車混合過街產生較大干擾。

由于國外道路以機動車交通為主，對慢行交通安全研究較少。Fruin J定義行人沖突為：

由于過于靠近其他一個或多個行人，使得行人正常行走的速率受到中斷或者暫停[1]。美國通行能力手冊（2010）定義非機動車交通事件數為單位時間和單位道路長度內道路使用者之間相互逼近從而改變行駛狀態的次數[2]。我國學者很早就開始對慢行交通安全進行研究。單曉峰把騎行者需要花額外精力做出的騎行行為，如減速、超車或者避讓等定義為自行車事件數，通過事件數來描述自行車騎行者的舒適程度，并建立了路段上自行車事件數模型[3]；周晨靜等對信號交叉口自行車群釋放速度特性進行了研究，獲得了自行車群在綠燈時間里的釋放速度規律[4]；陳峻對南京多條行人-自行車共享道路路段進行調查，以實測數據為基礎建立了自行車的超越與相遇沖突模型，并進行了敏感性計算[5]；鄧建華對人非共板上的行人和自行車進行研究，建立了人非共板條件下的混合交通流元胞自動機模型，通過阻擋概率來描述行人與自行車的干擾程度，用于評價交通運行狀況[6]；葉曉飛等研究了電動自行車與自行車的交通差異，建立了自行車交通事件數模型，得到電動自行車與自行車的換算系數計算公式[7]。綜上所述，國內外對慢行交通做了一定的研究，但是行人與電動自行車混合過街的沖突研究尚處于空白。

借鑒交通沖突的定義以及已有慢行交通沖突的研究，本文定義人行橫道上慢行交通混合過街沖突為：在慢行交通混合過街時，當慢行交通個體相互逼近，威脅到交通參與者（行人、電動自行車騎行者）的安全或使交通參與者感到不適，行人或騎行者必須花額外的精力采取一些行為避免危險發生，如超越前方速度較慢的慢行交通個體或者躲避對向或同向行進的慢行交通個體，這種現象稱為慢行交通混合過街沖突。

1 數據調查與統計分析

由于本文不考慮機動車對過街慢行交通的影響，因此本文的調查地點選取以行人和電動自行車共同過街的信號交叉口人行橫道。調查地點應符合以下要求：1）人行橫道的各類慢行交通量應該足夠大，并能夠滿足不同比例的要求；2）便于調查；3）過街形式為一次過街。選擇在晴朗無異常天氣和正常的道路交通情況下，工作日時間（周一上午到周五下午），每個調查點調查時間為下午4點到8點，每個時段調查前半小時，調查時間共2h，調查5個交叉口，共計調查10h。慢行交通速度調查見表1，密度與沖突數調查見表2。

表1 慢行交通速度調查表

表2 密度與沖突數調查表

2 慢行交通混合過街特性分析

2.1 速度特性

在速度性能方面，電動自行車速度與加速度均大于行人，速度差異是造成人行橫道慢行交通混合過街沖突的主要原因之一。本文使用行程速度來研究慢行交通混合過街速度特性。設慢行交通起始位置坐標為（X0，0），時刻為tik，通過人行橫道的位置為（Xi，Y）（Y表示人行橫道的長度），時刻為ti（k+1），則慢行交通通過人行橫道的行程速度為：

對5個信號交叉口的慢行交通進行速度調查，使用SPSS軟件對過街的混合慢行交通中各種交通方式的速度進行分析，研究在混合交通互相干擾下，各種交通方式的速度分布。調查共獲得258個行人過街速度樣本和245個電動自行車過街速度樣本。電動自行車通過人行橫道的平均速度頻率分布如圖1所示。電動自行車過街平均速度的均值是7.89km/h，標準差為2.00，從數值可以看出電動自行車過街速度較慢，雖然存在車群過街現象，但是由于受車輛性能、對向交通和駕駛行為的影響，過街速度有一定離散性。對速度樣本進行K-S檢驗得到p值為0.204，大于0.05，可以認為電動自行車過街平均速度服從正態分布。根據賈海亮[8]對成都市7個交叉口進行調查，獲得218個電動自行車通過非機動車行駛區的速度樣本，統計得到人行橫道長度小于7m時，電動自行車的速度為8.67km/h，而當距離為20m時，電動自行車的平均速度為17.42km/h。通過速度對比可得：當電動自行車與行人共同過街并且存在對向交通時，電動自行車的騎行受到了較大的干擾，騎行速度較慢。

圖1 電動自行車過街平均速度頻率正態分布圖

對行人過街平均速度進行統計分析，行人過街平均速度頻率分布如圖2所示。根據計算得到，行人過街平均速度為4.37km/h，標準差為0.66。對行人過街速度進行K-S檢驗得到行人過街平均速度顯著性水平為0.673，大于0.05，因此，可以認為行人過街速度符合正態分布。馮樹民[9]調查得出的哈爾濱人行橫道行人速度為5.29km/h，陳然[10]實測上海市行人步行平均速度為4.46km/h，兩項研究均大于本文調查統計得出的混合交通過街的行人平均速度，說明慢行交通混合過街對行人過街造成了一定的干擾，而且，與電動自行車相比，行人受到的影響較小。

圖2 行人過街平均速度正態分布圖

2.2 密度特性

本章研究各個不同交叉口的交通密度情況，定義慢行交通密度為某一時刻人行橫道內單位面積內的當量慢行交通實體數。

調取五四路-湖東路交叉口高峰小時東西方向的人行橫道視頻數據，以2s作為時間間隔進行截圖，調查每張截圖人行橫道中的慢行交通密度并記錄，共調查10組高峰小時的綠燈放行時段，繪制慢行交通混合過街密度變化曲線圖，如圖3所示。

根據圖3我們可以知道，慢行交通混合過街第一階段慢行交通實體數迅速增加，時間較短暫；第二階段人行橫道中的慢行交通實體數達到飽和后呈現波動狀態，隨著進入人行橫道的慢行交通個體減少而人行橫道中的慢行交通個體不斷離開人行橫道，人行橫道中的慢行交通實體數開始逐漸降低；當人行橫道中交通實體數降到較低時，開始進入第三階段，第三階段對向相遇的慢行交通個體較少，人行橫道中的慢行交通實體數繼續減少。

圖3 慢行交通混合過街密度變化曲線

兩個時刻的慢行交通密度差值與時間長度的比值為慢行交通實體數的變化斜率。取交通密度變化斜率平均值，可得慢行交通密度斜率表，如表3所示。

從表3中可以看出，交通密度在0-12s升高，12s之后開始下降，其中16-18s下降最快，達到了-5.2。結合現場的觀測情況與圖3，可以初步判斷在交通密度下降速度達到最快之后，大量的慢行交通開始離開人行橫道，慢行交通開始逐步從第二階段進入第三階段，根據行人步行速度與人行橫道長度情況，此段時間在6-10s之間。

表3 慢行交通密度斜率表

2.3 速度與密度的關系

慢行交通中電動自行車和行人的比例并不是一個固定值，不同比例的慢行交通流參數不相同，因此引入一個慢行交通混合系數K：

本文調查了福州市5個十字交叉口的20個人行橫道的不同時段慢行交通過街交通流，共獲得108個符合要求的慢行交通速度和密度數據。對調查數據進行統計分析，分析K值在0.56-0.65之間的慢行交通流速度-密度關系，并參考K值為0的行人過街研究中的行人流速度和密度數據，繪制慢行交通速度-密度圖，如圖4所示。

圖4 慢行交通速度-密度分布圖

分析圖4可知：當密度較小時，慢行交通處于自由流狀態，速度較高，混合的慢行交通平均速度在9km/h到10km/h之間；密度較大時，混合交通的速度大小分布在2km/h到3km/h之間。隨著密度的提高，混合的慢行交通速度呈現下降的趨勢。

3 慢行交通混合過街沖突模型

3.1 電動自行車與行人換算系數研究

本文研究的人行橫道上的過街交通流是由行人和電動自行車組成的混合交通流，行人和電動自行車的動力性能和尺寸不相同，過街時占用的空間資源不同，而且兩者的速度不同，相互間的影響也不相同。在研究慢行交通混合過街沖突時行人和電動自行車的交通量和交通密度是沒有可比性的，需要將混合交通量換算成同一類型的交通量進行計算。因此，本文需要對電動自行車與行人的換算系數進行研究。

目前，對于換算系數的求解計算存在不同的觀點和角度，因此換算系數的求解方法較多，主要有容量計算法、速度-流量計算法、道路占有率法、車頭時距計算法等多種方法。本文采用時空資源占有率的方法計算電動自行車密度與行人密度的換算系數。電動自行車相對于行人的換算系數模型為：