侧向碰撞风险对交织区汇合行为的影响

摘要

为研究高速公路交织区匝道车辆的汇合行为,基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)构建了交织区汇合加速度模型,利用美国Next Generation Simulation(NGSIM)车辆轨迹数据提取汇合车辆与周围车辆之间的横纵向距离差、速度差及加速度等交通参数作为候选变量,将1s后的汇合加速度作为预测变量,对模型进行五重交叉训练和测试,获取模型最佳参数组合,引入横向距离碰撞时间TC分析汇合过程中侧向碰撞风险对汇合加速度的影响.研究发现:与基于视角的刺激-反应模型(VASR)相比,本文模型的预测精度更高;引入变量TC在均方误差(MSE)、平均绝对偏差(MAD)和R2这3个指标上均优于原模型;在各影响变量之中,汇合车辆与目标车道领车的速度差ΔVPL和横向距离碰撞时间TC对汇合加速度的影响最大,相对影响程度分别达到20.2％和12.1％.研究发现,GBDT模型能够准确预测车辆汇合加速度,深入挖掘变量和汇合加速度之间的非线性关系,引入变量TC能够有效提高模型精度.