道路设计与安全评估研究最新进展

王晓梦，王雪松

（同济大学道路与交通工程教育部重点实验室，上海201804，中国）

摘 要：不合理的道路设计对驾驶行为、交通安全有不利影响。随着我国公路建设迅猛发展，在公路工程建设项目的各个阶段道路设计与安全评估变得越来越重要。美国交通委员会年会为全球各交通研究方向的学者和研究机构提供了最新成果的交流平台。本文总结和分析了道路设计与安全评估方向的热点和最新成果。关键词：道路设计；安全评估；平曲线设计；驾驶模拟器；交通委员会

Recent research progress on highway design and safety evaluation

WANG Xiaomeng, WANG Xuesong

（Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China）

Abstract: Improper highway design will affect driving simulator and traffic safety. As the highway construction developed

rapidly in our country, highway design and safety evaluation become more and more important during each stage of the highway construction. Transportation Research Board (TRB) annual meeting provides a communication platform to share new studies for researchers and academics. This paper summarizes and analyzes the latest research progress on highway design and safety evaluation.

Keywords: Highway design; safety evaluation; horizontal curve; driving simulator; TRB

不协调的道路设计，如某些道路设计元素存在突变，则会令驾驶人感到措手不及从而引发不当甚至危险的驾驶操作甚至导致事故的发生。因此驾驶人的驾驶行为和车辆的运行特征可以较准确地反应道路线形设计中存在的问题[1]。 我国高速公路里程在1988年突破零的记录，并自此步入持续、快速的发展阶段。2000年以来，高速公路发展势头迅猛，从1.63万公里增长至2017年底的13.65万公里，年均增长达到0.68万公里。未来几年内，高速公路还将保持快速增长势头。同时，随着我国西部大开发战略的实施，我国公路建设的重点也开始逐步向山区转移，受地质地形、水文条件、建设资金等因素的限制，山区高速公路包含了大量的平曲线、竖曲线及平纵曲线叠加的线形路段（简称：平纵组合线形）。平纵组合线形较单一的平曲线和竖曲线更为复杂。美国交通研究委员会（Transportation Research Board, TRB）是美国国家研究委员会（National Research Council）下属的六81

同路人Safety Colleague Forum个部门之一，主要职责在于领导美国交通创新以及在研究和信息交换方面提供客观的、跨学科和多通道的交流。2019年1月，TRB在美国首都华盛顿特区召开了第98届年会，在接近800个不同会议和研讨会中有超过5000个成果展示。针对道路设计与安全评估，本文对其研究进展及热点进行总结和分析。1 道路设计与安全评估研究热点1.1 驾驶模拟实验最小样本量驾驶模拟器实验中，样本量大小还尚无统一定论，样本量太大，会造成人力、物力和财力的浪费；样本量太小，会因抽样误差过大而影响研究结论的准确性。统计抽样中为了满足对总体估计的误差在一定范围内，在抽样时需要满足最小样本量。研究基于选定变量系数均方误差（MSE）的收敛性，来找到最小样本量[2]。采集了55位驾驶人的车辆运行数据，将车速、车道偏离作为线形安全评估指标。通过混合线性模型构建了车速与几何设计特征的定量关系；通过混合Logit模型构建了车道偏离与几何设计特征的定量关系。通过描述性统计分析发现当样本数为30时，模型中自变量的系数及系数均方误差趋于稳定。进一步通过T-test检验了样本数为30与样本数为55时模型系数的差异，研究表明样本数为30时模型的系数与样本数为55的模型系数没有显著差异，确定了基于驾驶模拟器评估道路线形的最小样本量为55。研究为基于驾驶模拟器实验的其他研究提供了最小样本量研究的方法。图1为不同样本量的模型变量系数均方误差折线图。（a） intercept（b） slope82

（c） avgSF400（d） downPF400（e） downPB400（f）aveCF400图1 不同样本量的模型变量系数均方误差折线图1.2平纵组合线形车道偏移行为车辆在平曲线上行驶，车辆可能会产生车道偏离。车道偏离易引发侧碰、追尾及车辆驶出路外事故，是交通安全研究中重要的考虑因素。不良的组合线形设计，易引发与车道偏离相关的事故，如侧碰，追尾或车辆驶出路外事故等[3]。研究通过驾驶模拟实验采集了30位驾驶人的车辆运行数据，对平纵组合线形路段的车道偏移事件进行提取，并通过与离心力方向将车道偏移事件分为：（1）与离心力方向相反车道偏移事件；（2）与离心力方向相同车道偏移事件，并通过负二项模型分析了4类平纵组合线形的几何设计与车道偏移事件的定量关系[4]。当车辆在外车道行驶时（a）向右偏移（b）向左偏移内车道外车道车道边界内车道外车道车道边界当车辆在内车道行驶时（c）向右偏移（d）向左偏移内车道外车道车道边界内车道外车道车道边界图2 不同样本量的模型变量系数均方误差折线图研究表明：（1）与离心力方向相同车道偏移事件、与离心力方向相反车道偏移事件有显著不同；（2）平纵组合线形的半径、超高和圆曲线长度是显著变量；（3） 对不同的平纵组合线形，显著的几何设计特征不同。2道路设计与安全评估最新进展2.1平曲线设计与安全评估现有的平曲线设计是基于车速、半径、横向摩擦力和超高，考虑的因素较少且沿用了1900年代的设计标准[5]。加拿大卡尔顿大学的Bashar Dhahir与Yasser Hassan[6]提出了更为综合的平曲线设计框架。利用自然驾驶数据、道路线形设计、路面条件、天气数据、事故数据，此框架能够定量评估平曲线的安全。具体的设计步骤如下：（1）对平曲线的半径、超高选取初始值，确定横净距。（2）通过车速预测模型确定曲线起点、重点的车速。（3）利用驾驶行为参数模型进行可靠性分析预估行车不稳定可能性（POF），驾驶不舒适可能性 （PNC），事故危险可能性（POH），车辆倾翻可能性 （POFR）。（4）调整POF、PNC、POH及 POFR反映天气、路面条件及交通量对行车安全的影响。计算每个平曲线的可靠性指标。 Safety Colleague Forum同路人（5）利用事故预测模型估计曲线的事故频率。（6）进行设计一致性分析。（7）若安全分析的结果在可接受范围内，则确定平曲线设计。相反，重复以上步骤，调整相应参数，设计平曲线。图3为平曲线设计框架。图 3 平曲线设计框架研究通过数理统计模型建立了驾驶舒适性、车速、横向摩擦系数及横向加速度4个驾驶行为模型。通过可靠性分析方法对车辆稳定性、驾驶舒适性、视距及车辆侧翻进行分析，从而进行设计方案的安全性评估，最后通过安全评估模型进行事故预测。2.2圆曲线车速预测模型车速预测模型用于平曲线的设计、设计一致性评价及确定圆曲线部分的限速[7]。现有研究中针对不同的道路类型，如高速公路、乡村公路；不同的道路元素，如切线、圆曲线等都有其相对应的车速预测模型。在进行车速预测时，所用的83

同路人Safety Colleague Forum数据并没有考虑驾驶人对道路的熟悉程度对车速的影响。以往研究表明，当驾驶人越来越熟悉一条道路时，驾驶人会选择更高的车速、更快的浏览标志标牌[8][9]。美国德州农工大学的Michael P. Pratt[10] 等学者通过自然驾驶数据、道路的几何线形数据分析熟悉路线的驾驶人和不熟悉路线的驾驶人在经过曲线时的车速选择。利用Wilcoxon signed rank test对比分析了熟悉两类驾驶人的车速有无显著区别，结果显示两类驾驶人的车速选择有显著区别。通过车速预测模型分别预测了两类驾驶人的车速，同样通过Wilcoxon signed rank test分别对比了两类驾驶人的观测车速与预测车速是否有显著区别，结果显示，对于熟悉路线的驾驶人，预测车速与观测车速有显著区别；对于不熟悉路线的驾驶人，预测车速与观测车速没有显著区别。图4为两类驾驶人的车速分布图。图 4 两类驾驶人的车速分布2.3驾驶模拟实验与实地测试对比意大利都灵理工大学Lorenzo Catani 及Marco Bassani[11]对比分析了模式模拟实验与实地驾驶环境下的转向行为。研究对比了曲线起点，中点及终点三处的预期反应距离、曲率及曲率变化率在两种实验环境下的差异。图5，图6为该研究团队的实验设备。84

图 5 自然驾驶车辆图 6 模拟器与模拟器场景通过T-test对比分析了驾驶模拟器与实地测试中的预期反应距离、曲率、曲率变化率。结果表明，在驾驶模拟环境下的预期反应距离要高于实地测试中的值，曲率和曲率变化率在两种测试环境中较为接近，且均低于设计值。3 结论在道路几何线形设计方面，平曲线路段的设计与安全评估依然是研究的热点，尤其是平纵组合道路的研究有很长的路要走。另外，匝道、加减速车道、防护栏、中央分隔带、道路标志标线、路侧安全等也成为了研究热点。在数据采集方面，自然驾驶研究、驾驶模拟实验以及两者的结合是近几年该领域数据采集的主要方法。事故数据是安全评估最为直观的评价指标，然而事故是小概率事件，且只能用于已建道路的安全评估，通过自然驾驶和驾驶模拟实验采集到的车辆运行数据，驾驶行为数据能够作为事故替代指标弥补事故数据的缺失与不足，并能够为设计阶段的道路安全评估提供依据。每年TRB年会能够吸引全球超过13000名交通运输从业人员参加。通过总结TRB年会的研究热点和最近进展，能够更清晰的认识到在道路设计及安全评估研究方面我国的进展与国际最前沿之间的差距，有利用为我国道路设计及安全评估研究提供未来的前进方向。参考文献

[1] Lamm R., Chourieri E. M., Hayward J. C., and Paluri A. Possible design procedure to promote design consistency in highway geometric design on two lane rural roads. Transportation Research Record: Journal of the Transportation Research Board, National Research Council, Washington, D.C., 1988, No.1195: 111-122. [2] Xuesong Wang, Shuang Liu, Bowen Cai, Qiming Guo, Xiaomeng Wang. Application of Driving Simulator for Freeway Design Safety Evaluation: A Sample Size Study. Transportation Research Board 98th Annual Meeting, Washington D.C., USA, 2019. 1.13-17. [3] Bagdadi O. Assessing safety critical braking events in naturalistic driving studies. Transportation Research Part F Traffic Psychology & Behaviour. 2013; 16:117-26.[4] Xiaomeng Wang, Xuesong Wang. Lane Safety Colleague Forum同路人Departure Behavior Analysis of Combined Curves Based on A Driving Simulator. Transportation Research Board 98th Annual Meeting, Washington D.C., USA, 2019. 1.13-17. [5] Bonneson J.A. Controls for Horizontal Curve Design. Transportation Research Record 1751, pp. 82–89, 2001.[6] Bashar Dhahir, Yasser Hassan. Framework for reliability-based, safety-explicit horizontal curve design using naturalistic driving data. Transportation Research Board. Washington DC: Transportation Research Board 98nd Annual Meeting, 2019[7] Bonneson, J., and M. Pratt. Model for Predicting Speed Along Horizontal Curves on Two-16 Lane Highways. In Transportation Research Record: Journal of the Transportation 17 Research Board, No. 2092, TRB, National Research Council, 2009, pp. 19-27. [8] Intini, P., P. Colonna, N. Berloco, and V. Ranieri. The Impact of Route Familiarity on 8 Drivers’ Speeds, Trajectories, and Risk Perception. Swedish National Road and Transport 9 Research Institute, 2016. [9] Yanko, M., and T. Spalek. Route Familiarity Breeds Inattention: A Driving Simulator 11 Study. In Accident Analysis and Prevention, Vol. 57, 2013, pp. 80-86. [10] Michael Pratt, Srinivas Geedipally et al. Familiar versus unfamiliar drivers on curves: a naturalistic data study. Transportation Research Board. Washington DC: Transportation Research Board 98nd Annual Meeting, 2019[11] Lorenzo Catani, Marco Bassani. Anticipatory distance, curvature, and curvature change rate in compound curve negotiation: a comparison between real and simulated driving. Transportation Research Board. Washington DC: Transportation Research Board 98nd Annual Meeting, 201985