Safe

Impact of Electric Bicycles Interference to Motor Vehicles on Urban Arterial Roads

  • LIU Fei , 1 ,
  • GE Peng , 2 ,
  • BAI Jingrong 3
Expand
  • 1 Guizhou Police College, Guiyang 550005, China
  • 2 Guizhou Institute of Technology, Guiyang 550003, China
  • 3 Chongqing Jiaotong University, Chongqing 400074, China

Received date: 2023-06-02

  Online published: 2023-12-07

Abstract

In order to reduce the traffic interference caused by electric bicycles on motor vehicles, and improve the traffic safety and efficiency on urban arterial roads without non-motorized lanes, the impact of electric bicycles interference to motor vehicles on urban arterial roads without non-motorized lanes was analyzed and quantified. Firstly, some aerial photography of traffic flow videos of five urban arterial roads without non-motorized lanes were taken by using UAV (Unmanned Aerial Vehicle), and the data of speed, trajectory and traffic flow were automatically extracted by using DataFromSky video analysis platform. Then, according to the location and impact of traffic interference, the interference of electric bicycles to motor vehicles was divided into non interference, indirect interference and direct interference. The maximum vehicle offset distance mean B - and the change rate of vehicle speed mean ΔV were used to study the variation law of vehicle lateral track offset distance and speed under different interference. Finally, the interference coefficient of traffic safety and the interference coefficient of traffic efficiency were introduced to quantify the interference impact of electric bicycles on motor vehicles. The results show that indirect interference has little effect on the lateral trajectory of vehicles in all lanes, and the maximum B - variation range is -0.56~0.16 m, while direct interference has great effect on the lateral trajectory of vehicles in all lanes, and the maximum B - variation range is 0.23~1.61 m; the effects of indirect interference and direct interference on the vehicle speed of stable traffic flow are small and large respectively, while the effects of indirect interference and direct interference on the vehicle speed of accelerating traffic flow are very small and small respectively; the traffic safety interference coefficients of experimental sections A, C and D with right-side curb widths from small to large are 0.939, 0.910 and 0.981, and the traffic efficiency interference coefficients are 0.915, 0.910 and 0.959, respectively. Therefore, on the basis of considering road traffic conditions, physical isolation could be used to set up non motorized vehicle lanes or the width of the right side curb should be increased to meet the traffic conditions of electric bicycles, so as to reduce the traffic interference of electric bicycles to motor vehicles and improve the traffic safety and efficiency on the urban arterial roads.

Cite this article

LIU Fei , GE Peng , BAI Jingrong . Impact of Electric Bicycles Interference to Motor Vehicles on Urban Arterial Roads[J]. Transport Research, 2023 , 9(5) : 23 -39 . DOI: 10.16503/j.cnki.2095-9931.2023.05.003

0 引言

目前,我国电动自行车保有量已增长至3亿多辆,平均每5人就拥有一辆电动自行车,平均每辆电动自行车日出行频率2次以上[1],随之而来的城市交通管理问题日益严重。电动自行车分合标电动自行车和超标电动自行车两类,其中合标电动自行车具备脚踏功能,最大速度低于25 km/h,但运用解码器解除限速后,最高速度可提高到40 km/h [2];超标电动自行车通常不具备脚踏功能,外观与机动车属性的电动轻便摩托车相似,最大速度可达50 km/h。由于山地城市绝大部分主干路和平原城市部分主干路未设置非机动专用车道,导致非机动车属性的电动自行车专用路权缺失,被迫与机动车混行于主干路机动车道,加之电动自行车无需驾照即可上路行驶,驾驶人交通安全意识普遍不强,交通违法行为突出,导致电动自行车参与的交通事故数量持续增加,主干路通行效率也受到一定影响。因此,有必要对未设置非机动车道城市主干路电动自行车对机动车交通干扰特性进行研究,量化干扰程度,提出交通安全与通行效率的优化建议。
混合交通流主要分为传统混合交通流和新型混合交通流两类。传统混合交通流主要包括自行车、机动车、行人[3],而新型混合交通流增加了电动自行车这种新的非机动交通工具[4-5]。关于传统混合交通流交通干扰的研究,主要包括自行车与机动车干扰[6-10]、行人与机动车干扰[11]、行人与自行车干扰[12],且主要侧重于效率层面,更多关注自行车或行人交通对城市道路通行效率的影响。其中,对于标线分隔机动车道与非机动车道的道路条件下自行车与机动车干扰研究最多,如Jia等[6]和宋占国等[8]均通过定义无干扰、摩擦干扰、阻滞干扰,量化了机非标线分隔路段自行车对机动车行驶的干扰程度,并求解出两种干扰的转变阈值。秦丽辉等[9]进一步分析了路侧非机动车数量与机动车延误的关系,量化了自行车干扰对城市道路通行能力和服务水平的影响,并设置了路侧不同自行车数量对最右侧车道通行能力的修正系数。曾俊伟等[10]建立了自行车摩擦干扰、阻滞干扰下的交通流延误模型。
由于电动自行车与自行车在车身大小和速度等方面均存在较大差异,所带来的交通干扰也随之不同,因此在新型混合交通流交通干扰研究中,新增了电动自行车与机动车干扰[13-14]、自行车和电动自行车共同与机动车干扰[15-16]、自行车和电动自行车共同与行人干扰[17],以及近两年出现的电动自行车与行人干扰[18]、非机动车道内自行车与电动自行车干扰 [19-20]等方面的研究。其中,关于自行车和电动自行车对机动车干扰研究中,主要分析了信号交叉口非机动车通行膨胀特性、越线停车、数量等对机动车通过交叉口造成的交通延误与交通安全影响,以及路段非机动车成群行驶、违规装载、逆行、未按规定车道通行等行为分别对机动车造成摩擦干扰和阻滞干扰发生概率的影响;关于自行车与电动自行车相互干扰研究中,主要针对电动自行车和自行车在非机动车道内的交通冲突类型和后果分析。
综上所述,现有传统型和新型混合交通流中自行车、电动自行车对机动车交通干扰研究,主要考虑机非标线分隔道路下的混行干扰,针对行驶于非机动车道和越线行驶在机动车道内的自行车、电动自行车数量与机动车速度、车头时距等参数进行相关性分析,并探究道路通行能力和车速受到的干扰影响,但并未对不同干扰下机动车轨迹变化特征和不同车道机动车速度变化规律展开研究,且缺少对未设置非机动车道城市道路的新型混合交通流干扰特征分析,也未考虑多辆电动自行车并排行驶侵扰更多机动车行驶空间,从而加剧机动车间的交通干扰。因此,为探究主干路电动自行车对机动车的干扰影响机制,本文将以未设置非机动车道的城市主干路为研究对象,通过试验分析电动自行车运行特征及不同右侧路缘带宽度下的主干路电动自行车对机动车行驶轨迹和速度干扰特性,最后引入交通安全干扰系数和通行效率干扰系数量化这种干扰,并根据分析和量化结果提出相关建议,为主干路交通精细化管理提供支撑。

1 试验条件

1.1 试验路段选取

受限于道路环境条件,部分城市主干路难以划分出满足规范要求的非机动车道,导致其设有较宽的右侧路缘带,当右侧路缘带宽度满足通行条件时,电动自行车可以选择在右侧路缘带通行;当右侧路缘带宽度不足时,电动自行车会与机动车混行于机动车道。因此,本研究选取贵阳市观山湖区、云岩区、南明区5条典型未设置非机动车道的城市主干路基本路段为试验对象,平面线形包含直线段和曲线段,最大坡度为5%,右侧路缘带宽度范围为0.4~1.8 m,具体包括北京西路和尚坡段、遵义中路花果园N区段、百花大道万科麓山段、北京西路小湾河段、黔灵山路观山小区段,分别记作A, B, C, D, E。图1为典型未设置非机动车道的城市主干路路段平面示意图,表1为试验路段主要交通参数。由于试验路段B, E右侧路缘带宽度分别与试验路段A, D相近,统计发现A和B干扰规律相近、D和E干扰规律相近,因此本文主要以路段A, C, D为主进行分析。
图1 未设置非机动车道城市主干路路段典型平面示意图
表1 试验路段主要交通参数
路段名称 北京西路和尚坡段 遵义中路
花果园
N区段
百花大道万科麓山段 北京西路小湾河段 黔灵山路观山小区段
路段编号 A B C D E
设计速度
/(km/h)
60 60 60 60 60
双向车道数 6 6 6 6 6
机动车道
宽度/m
3.5 3.5 3.5 3.5 3.5
右侧路缘带
宽度/m
0.4 0.6 0.9 1.7 1.8
进城方向上游信号交叉口距离/m 1 025 288 235 210 419
进城方向下游信号交叉口距离/m 3 950 317 305 513 420
进城方向机动车交通量
/(veh/h)
2 842 1 041 1 343 2 250 1 850
进城方向电动自行车交通量/(veh/h) 683 486 538 701 450

1.2 试验设备与试验流程

本次试验采用大疆mini3 pro无人机高空俯拍主干路基本路段交通流,运用手持雷达测速仪采集电动自行车速度,利用轮式测距仪测量试验路段车道宽度等数据。在试验路段,控制无人机上升至航拍高度160 m,固定机位进行高清视频录制,拍摄路段长度大于200 m,拍摄时间为平峰和晚高峰时段。试验用无人机及其操作界面如图2所示。
图2 试验用无人机及其操作界面

1.3 数据预处理与干扰类型划分

1.3.1 数据预处理

首先导出无人机俯拍视频数据,并上传至DataFromSky视频分析平台,运用DataFromSky Viewer标记真实坐标并处理原始数据,输出车辆类型、速度、横向加速度、纵向加速度、轨迹坐标、流量等数据,再利用KMPlayer视频播放软件和交通标线长度对Data FromSkyViewer的输出速度进行校对,将速度误差控制在5%以内。DataFromSky Viewer软件界面如图3所示。
图3 DataFromSky Viewer软件界面
因无人机俯拍高度达到160 m,难以通过软件和肉眼识别出两轮车类别,结合现场电动自行车最高实测速度略高于50 km/h、自行车最高实测速度小于10 km/h,故以DataFromSky Viewer输出车辆类型“Motorcycle”“Bicycle”的行程速度为判别指标,将行程速度低于50 km/h的“Motorcycle”视为电动自行车,剔除行程速度低于10 km/h的“Bicycle”数据。

1.3.2 干扰类型划分

由于试验路段自行车比例很小、绝大部分行人步行于人行道,机动车受到的交通干扰主要来自于电动自行车,故可根据电动自行车对机动车的交通干扰发生位置和影响后果,将电动自行车对机动车的干扰分为无干扰、直接干扰及间接干扰,如图4所示。无干扰表示机动车行驶过程中未遇到电动自行车,所受交通干扰仅来自其他机动车;间接干扰是电动自行车行驶于机动车左前方、右前方,机动车为避免可能遭受电动自行车横向移动干扰而进行减速或变道(这两种驾驶行为不一定发生);直接干扰是电动自行车行驶于机动车正前方,机动车只能选择减速跟随或变道超车(这两种驾驶行为必定发生其一)。若机动车同时遭受间接干扰和直接干扰,则只考虑直接干扰。
图4 无干扰、间接干扰及直接干扰

2 电动自行车运行特征分析

2.1 行驶轨迹规律

通过DataFromSky视频分析平台处理无人机航拍视频,获取电动自行车行驶轨迹共计1 501条。图5为试验路段A, C, D进城方向电动自行车行驶轨迹分布图,X, Y表示轨迹的坐标。为进一步分析主干路电动自行车行驶轨迹分布特点,采用车道使用率评估道路右侧路缘带、右侧车道、中间车道、左侧车道的电动自行车行驶比例。车道使用率按式(1)计算:
P m = N m N m × 100 %
式(1)中: P m m车道的电动自行车使用率; N m为通过 m车道的电动自行车数量; m为道路右侧路缘带、右侧车道、中间车道、左侧车道。
图5 电动自行车的行驶轨迹分布
计算试验路段A, B, C, D, E电动自行车的车道使用率,并绘制右侧路缘带宽度与车道使用率的关系图,如图6所示。
图6 电动自行车的车道使用率
通过分析图5图6,可得出主干路电动自行车行驶轨迹规律如下。
1)右侧路缘带宽度对电动自行车行驶车道选择产生影响。由图5可知,路段A, C(右侧路缘带宽度分别为0.4 m和0.9 m)的电动自行车主要行驶于右侧车道与中间车道;路段D(右侧路缘带宽度为1.7 m)的电动自行车主要行驶于右侧路缘带和右侧车道,说明合理的右侧路缘带宽度有利于吸引电动自行车靠右行驶。
2)主干路电动自行车具有主动避免与机动车产生相互干扰的驾驶行为。由图6可知,随着右侧路缘带宽度的增加,电动自行车倾向选择行驶于右侧路缘带与右侧车道,当宽度小于等于0.9 m时,右侧路缘带使用率为0,右侧车道使用率为58.0%~74.4%,中间车道使用率为20.9%~28.2%,说明小于等于0.9 m的右侧路缘带宽度不满足电动自行车通行条件;当宽度达到1.7 m时,右侧路缘带使用率为62.5%~67.9%,右侧车道使用率为26.4%~27.9%,中间车道使用率为2.8%~7.7%,故认为大于等于1.7 m的右侧路缘带宽度满足电动自行车通行条件。

2.2 不同右侧路缘带宽度下的轨迹特征

为进一步量化不同右侧路缘带宽度下电动自行车的轨迹特征,选择右侧路缘带宽度不同的试验路段A, C, D进行分析。考虑主干路机动车行驶速度与驾驶人反应时间,对路段A, C, D各设置6个间隔30 m的特征断面S1~S6,如图7所示。运用DataFromSky视频分析平台处理并导出每个特征断面电动自行车的速度、轨迹坐标以及道路右侧路缘石坐标,从而计算电动自行车平均轨迹位置与道路右侧路缘石的距离,如图8所示。
图7 特征断面示意图
图8 电动自行车平均轨迹位置与道路右侧路缘石距离
通过分析图8,可得出不同右侧路缘带宽度下的电动自行车轨迹特征如下。
1)右侧路缘带越宽,电动自行车越靠近道路右侧边缘行驶。当右侧路缘带宽度达到1.7 m时,能够满足电动自行车通行条件,特征断面S1~S6电动自行车与右侧路缘石的距离为1.44~1.80 m;当右侧路缘带为0.4 m或0.9 m时不满足通行条件,电动自行车与道路右侧路缘石的距离相对较大,特征断面S1~S6电动自行车与右侧路缘石距离分布在2.64~3.07 m范围。这说明设置能够满足电动自行车通行宽度需求的右侧路缘带,能够吸引电动自行车更靠近道路右侧边缘行驶,从而减轻对机动车的干扰影响。
2)电动自行车不按规定车道行驶比例较大。按照《中华人民共和国道路交通安全法》相关规定,在没有非机动车道的道路上,非机动车应当靠车行道的右侧行驶,而实际路段A, C, D电动自行车平均轨迹与最右侧车道右侧边缘线的距离分别为2.26~2.52 m, 1.74~2.18 m, -0.27~0.1 m,说明绝大部分电动自行车未行驶在法定路权空间,属于未按规定车道行驶。

2.3 电动自行车速度特征

统计试验路段A, C, D进城方向不同车道电动自行车速度均值,见表2。从该表可看出,试验路段电动自行车最小速度均值为31.6 km/h,行驶于右侧车道;最大为45.6 km/h,行驶于左侧车道,说明行驶轨迹靠近道路中央隔离带的电动自行车速度整体偏快,靠近道路右侧边缘的电动自行车速度整体偏慢。
表2 不同车道电动自行车速度均值 单位:km/h
试验路段 右侧路缘带 右侧车道 中间车道 左侧车道
A 38.0 42.4 45.6
C 31.6 37.1 43.1
D 37.2 41.2 44.8 44.8
绘制试验路段A, C, D进城方向电动自行车速度分布图,如图9所示。从该图可以看出,A, D路段不同速度下的电动自行车数量分布接近,累计频率曲线近似,这可能与A, D路段源于同一条路的不同区段有关;A, C, D路段分别仅有3.5%, 13.4%, 4.6%电动自行车速度小于25 km/h,说明未解码的合标电动自行车难以满足山地城市主干路出行需求,驾驶人会选择解码器解除合标电动自行车限速或驾驶与电动轻便摩托车类似的超标电动自行车;A, C, D路段分别有54.0%, 63.9%, 55.2%电动自行车速度在25~40 km/h范围,说明电动自行车速度较快,对机动车造成的速度干扰与自行车不同。
图9 电动自行车速度分布

3 不同干扰下机动车运行特征分析

3.1 机动车行驶轨迹特征

3.1.1 车道使用率

利用DataFromSky视频分析平台处理无人机航拍视频,获取机动车行驶轨迹共计5 413条,统计不同右侧路缘带宽度下机动车的车道使用率,如图10所示。从该图可以看出,随着右侧路缘带宽度的增加,机动车右侧车道使用率由最低6.9%提高到26.6%,说明合理的右侧路缘带宽度能够减少电动自行车对机动车干扰,使得机动车驾驶人更愿意行驶在右侧车道,同时右侧车道使用率提高后也能分担左侧车道和中间车道的交通压力,提高通行效率。
图10 机动车的车道使用率

3.1.2 无干扰下行驶轨迹特性

根据图7所示的6个特征断面,统计机动车通过每个特征断面的轨迹坐标,并结合道路右侧路缘石位置坐标计算得出每个特征断面机动车轨迹与道路右侧路缘石距离,由此可得出每辆机动车经过6个特征断面的最大横向偏移距离 B i以及右侧车道、中间车道、左侧车道机动车最大横向偏移距离均值 B -,据此分析机动车受电动自行车不同干扰下的轨迹变化规律,计算公式如下:
B i = m a x ( B i j ) - m i n ( B i j )
B - = i n B i n
式(2)~式(3)中: B i j为第 i辆机动车在第 j个特征断面与道路右侧边缘路缘石的距离; n为不同车道内机动车总数。
电动自行车无干扰下试验路段A, C, D不同车道机动车最大横向偏移距离变化情况如图11所示。从该图可以看出,随着右侧路缘带宽度的增加,道路路幅变宽,主干路机动车横向移动幅度呈增大趋势,具体表现为:右侧车道 B -由1.24 m增加到1.82 m、中间车道 B -由1.06 m增加到2.11 m、左侧车道 B -由0.954 m增加到1.77 m,均趋于增大,机动车驾驶自由度更高。
图11 无干扰下不同车道机动车轨迹特征

3.1.3 间接干扰下行驶轨迹特征

电动自行车间接干扰下,试验路段A, C, D不同车道机动车最大横向偏移距离变化情况如图12所示,从该图可以得出以下轨迹变化规律。
图12 间接干扰下不同车道机动车轨迹特征
1)随着右侧路缘带宽度增加,道路路幅变宽,间接干扰下的主干路机动车横向移动幅度增大,与无干扰下规律一致,具体表现为:右侧车道由1.16 m增加到1.78 m,中间车道 B -由1.03 m增加到1.84 m,左侧车道 B -由0.855 m增加到1.79 m,均趋于增大。
2)间接干扰对于所有车道机动车横向轨迹变化影响程度较小,具体表现为:相较于无干扰,试验路段A, C, D的右侧车道 B -变化值分别为-0.08 m, 0.09 m, -0.04 m;左侧车道 B -变化值分别为-0.099 m, 0.16 m, 0.02 m;中间车道 B -变化值分别为-0.03 m, -0.56 m, -0.27 m。

3.1.4 直接干扰下行驶轨迹特性

电动自行车直接干扰下,试验路段A, C, D不同车道机动车最大横向偏移距离变化情况如图13所示,从该图可以得出以下轨迹变化规律。
图13 直接干扰下不同车道机动车轨迹特征
1)随着右侧路缘带宽度增加,道路路幅变宽,直接干扰下的主干路机动车横向移动幅度增大,与无干扰、间接干扰下规律一致,具体表现为:右侧车道 B -由1.47 m增加到3.43 m,中间车道 B -由1.82 m增加到2.02 m,左侧车道 B -由1.85 m增加到2.21 m,均趋于增大。
2)直接干扰下的所有车道 B -值均大于无干扰和间接干扰下的 B -值,A, C, D右侧车道 B -变化值分别为0.23 m, 0.52 m, 1.61 m;A, C中间车道 B -变化值分别为0.76 m, 0.25 m;A, C左侧车道 B -变化值分别为0.896 m, 1.00 m。 B -值的变化幅度均较大,说明直接干扰对于机动车横向轨迹变化影响最大,使得机动车变道次数增多,加剧交通安全风险。
3)右侧路缘带宽度超过1.7 m,即满足电动自行车通行条件时,相较于右侧车道和中间车道,左侧车道受到的直接干扰次数较少,如试验路段D未统计到直接干扰下的中间、左侧车道的干扰数据。
综上,随着右侧路缘带宽度的增加,道路路幅变宽,主干路机动车横向移动幅度增大;间接干扰对所有车道机动车横向轨迹变化影响均较小, B -最大变化范围为-0.56~0.16 m,直接干扰对所有车道机动车横向轨迹变化影响均较大, B -最大变化范围为0.23~1.61 m;右侧路缘带较宽的D路段未统计到中间、左侧车道直接干扰数据,且右侧车道直接干扰数据亦较少,说明合理的右侧路缘带宽度可以减少直接干扰。
因此,结合主干路电动自行车运行特征,对于未设置非机动车道且右侧路缘带宽度小于0.9 m的城市主干路,可采取合理方法,增加右侧路缘带宽度至1.7 m以上,使之能够满足电动自行车通行条件,吸引电动自行车靠道路右侧边缘行驶,减少电动自行车对机动车的干扰,增加机动车对于右侧车道的使用率。根据《城市道路工程设计规范》(CJJ 37—2012)关于“机动车道合并设置的非机动车道,车道数单向不应小于2条,宽度不应小于2.5 m”的规定,若能将右侧路缘带宽度增加至2.5 m以上,则需要考虑道路路幅增大带来的机动车横向移动增大的影响,应将其设置为非机动车道,并采用护栏或隔离设施进行隔离,减少机动车横向移动带来的安全风险,同时也从根本上使得机非分离,减少电动自行车对机动车干扰。

3.2 机动车速度特征

为探究电动自行车对机动车速度的干扰规律,首先量化分析不同电动自行车干扰类型下机动车速度变化规律。利用KMPlayer软件,以0.5倍速度播放试验路段A, C, D的航拍视频,按照1.3节关于电动自行车对机动车产生无干扰、间接干扰、直接干扰的界定,统计出2 058条机动车受电动自行车间接干扰和直接干扰的数据,并计算出每种干扰的比例与机动车平均速度,见表3
表3 不同干扰下机动车平均速度
车流方向 试验路段A 试验路段C 试验路段D
干扰类型 比例
(%)
平均速度
/(km/h)
标准差
/(km/h)
比例(%) 平均速度
/(km/h)
标准差
/(km/h)
比例
(%)
平均速度
/(km/h)
标准差
/(km/h)
进城方向 无干扰 43.5 52.5 8.8 44.1 43.7 7.9 72.6 59.3 8.6
间接干扰 46.6 48.2 7.3 40.9 40.4 6.4 26.5 50.9 7.0
直接干扰 9.9 41.0 9.9 15.0 37.4 6.0 0.9 46.3 10.8
出城方向 无干扰 69.2 56.9 8.4 66.2 46.8 7.9 87.7 56.8 10.2
间接干扰 26.6 52.3 7.5 26.9 43.2 6.4 11.7 49.3 8.2
直接干扰 4.2 47.1 6.7 6.9 38.0 5.1 0.6 45.6 6.9
表3可知,无论右侧路缘带宽度是否具备电动自行车通行条件,试验路段A, C, D平均速度从高到低依次为:无干扰、间接干扰、直接干扰,该结果与自行车对机动车速度干扰结果[8]一致。而无干扰情况下的机动车速度标准差普遍大于间接干扰与直接干扰,这一结果与自行车对机动车造成速度干扰的结论[3]正好相反,究其原因可能是电动自行车速度高于自行车,在两者分别对机动车产生直接或间接干扰时,自行车对机动车造成的速度降低幅度大于电动自行车对机动车的速度干扰,从而导致自行车干扰下的机动车速度较为分散,而电动自行车干扰下的机动车速度相对集中。另外,从不同干扰所占比例来看,当右侧路缘带满足通行条件时,无干扰比例上升,直接干扰比例大幅度下降,说明右侧路缘带宽度具备电动自行车通行功能能够减轻电动自行车对机动车的干扰,这一结果也验证了2.2节的结论。
为进一步研究不同车道机动车速度受电动自行车的干扰特性,仍采用图7所示的6个特征断面S1~S6,考虑右侧路缘带宽度,统计A, C, D进城方向机动车在无干扰、间接干扰、直接干扰下通过每个特征断面的地点车速均值 V - w, V - j, V - z,并引入地点车速均值变化率 Δ V进行分析。
地点车速均值变化率 Δ V按式(4)计算:
Δ V = V - a 6 - V - a 1 V - a 1 × 100 %
式(4)中: V - a 1, V - a 6分别表示机动车经过特征断面S1和S6的地点车速均值; a对应无干扰( w)、间接干扰( j)及直接干扰( z)。
试验路段A距离上游、下游信号交叉口距离分别为1 025 m, 3 950 m,机动车交通量为2 842 veh/h,无干扰下右侧车道、中间车道、左侧车道机动车最大 Δ V范围为-6.4%~-1.7%,交通流运行速度较为稳定;路段C距离上游、下游信号交叉口距离分别为235 m, 305 m,机动车交通量分别为1 343 veh/h,无干扰下右侧车道、中间车道、左侧车道机动车最大 Δ V范围为33.2%~48.9%,交通流处于离开交叉口后的加速阶段;路段D距离上游、下游信号交叉口距离分别为210 m, 513 m,机动车交通量分别为2 250 veh/h,无干扰下右侧车道、中间车道、左侧车道机动车最大 Δ V范围为25.4%~34.2%,交通流同样处于离开交叉口后的加速阶段,见图14~图16
图14 右侧车道特征断面机动车地点车速均值
图15 中间车道特征断面机动车地点车速均值
图16 左侧车道特征断面机动车地点车速均值

3.2.1 右侧车道机动车速度变化规律

图14可知,路段A右侧车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为 -1.7%, -6.0%, -15.7%,说明间接干扰对交通流运行稳定的机动车速度变化影响较小,直接干扰对交通流运行稳定的机动车速度变化影响较大。路段C右侧车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为48.9%, 44.9%, 41.3%,路段D右侧车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为25.4%, 24.0%, 22.6%,说明间接干扰对交通流处于加速阶段的机动车速度变化影响很小,机动车加速幅度略低于无干扰状态,直接干扰对交通流处于加速阶段的机动车速度变化影响较小,这可能与电动自行车行驶速度较快有关(不同车道电动自行车的平均速度为31.6~45.6 km/h)。

3.2.2 中间车道机动车速度变化规律

图15可知,路段A中间车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为-4.8%, -10.9%, -17.5%,说明间接干扰对交通流运行稳定的机动车速度变化影响较小,直接干扰对交通流运行稳定的机动车速度变化影响较大。路段C中间车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为37.0%, 38.2%, 32.6%;路段D中间车道机动车在无干扰、间接干扰下对应的 Δ V分别为31.8%, 27.9%,无直接干扰。这说明间接干扰对交通流处于加速阶段的机动车速度变化影响很小,直接干扰对交通流处于加速阶段的机动车速度变化影响较小。

3.2.3 左侧车道机动车速度变化规律

图16可知,路段A左侧车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为 -6.4%, -8.3%, -12.2%,说明间接干扰对交通流运行稳定的机动车速度变化影响很小;直接干扰对交通流运行稳定的机动车速度变化影响中等。路段C左侧车道机动车在无干扰、间接干扰、直接干扰下对应的 Δ V分别为33.2%, 34.6%, 24.6%,受限于路段D左侧车道间接干扰较少、无直接干扰,故只考虑路段C左侧车道机动车速度变化情况,说明间接干扰对交通流处于加速阶段的机动车速度变化影响很小,直接干扰对交通流处于加速阶段的机动车速度变化影响中等。
综上,机动车速度受电动自行车干扰影响程度,从低到高依次为无干扰、间接干扰、直接干扰。从整体上看,交通流运行稳定时,间接干扰对机动车速度变化影响较小,直接干扰对机动车速度变化影响较大;交通流处于加速阶段时,间接干扰对机动车速度变化影响很小,直接干扰对机动车速度变化影响较小。
因此,对于城市主干路交叉口间距较大且交通流运行稳定的路段,直接干扰对机动车速度变化影响较大,应通过设置非机动车道,采用隔离设施将行驶于右侧、中间车道的电动自行车引导至非机动车道,减少直接干扰比例与交通冲突量,从而提高机动车速度;对于城市主干路交叉口间距较小且交通流处于加速阶段的路段,间接干扰、直接干扰对机动车速度变化影响较小,宜通过合理增加右侧路缘带宽度满足电动自行车通行,减少机非冲突。

4 不同干扰的量化

从前文分析可知,未设置非机动车道城市主干路电动自行车对机动车的交通干扰主要包括行驶轨迹与行驶速度两方面。在交通安全层面,相较于无干扰、间接干扰,直接干扰下机动车轨迹横向偏移距离更大,使得机动车变道风险增加;在通行效率层面,相较于无干扰,间接干扰、直接干扰下机动车行驶速度有所减慢,导致道路通行能力降低。为此,通过建立交通安全干扰系数和通行效率干扰系数,量化间接干扰与直接干扰对交通安全和通行效率干扰影响,进一步分析不同右侧路缘带宽度下主干路电动自行车对机动车的交通干扰。

4.1 交通安全干扰系数

电动自行车对机动车产生交通干扰,致使机动车变道或减速行驶,可能诱发刮擦、碰撞等事故。为量化车辆变道或减速带来的交通安全影响,以往研究主要通过换道率和变道前后交通冲突数量变化[21]、速度差[22]等指标衡量安全水平。考虑最大横向偏移距离均值 B -越大表示机动车整体横向移动幅度越大,也可反映出机动车换道行为增加,故与换道率类似,建立 B -变化率 Δ B -作为交通安全干扰评价指标之一, Δ B -按式(5)计算。另外,电动自行车对机动车干扰比例的大小也与交通安全相关,干扰比例越大,造成的影响越大。结合3.1节的研究结论“间接干扰下机动车 B -最大变化范围为-0.56~0.16 m”, B -出现负值,说明间接干扰减小了部分机动车的横向移动幅度,故只考虑直接干扰带来的交通安全影响,直接干扰比例 δ m按式(6)计算。综上,采用 Δ B - δ m的乘积共同衡量电动自行车对机动车的交通安全干扰。单条车道的交通安全干扰系数 θ按式(7)计算,其数值越小,交通安全受影响越大。总交通安全干扰系数 ω按式(8)计算。
Δ B - = B - z - B - w B - w
δ m = N z N w + N j + N z
θ = 1 - δ m Δ B -
ω = θ z c + θ z j + θ y c 3
式(5)~式(8)中: B - z, B - w分别表示直接干扰和无干扰下的机动车最大横向偏移距离均值; N w, N j, N z分别表示无干扰、间接干扰、直接干扰的数量; θ z c, θ z j, θ y c分别表示左侧车道、中间车道、右侧车道的交通安全干扰系数。
将试验路段A, C, D左侧车道、中间车道、右侧车道机动车受直接干扰和无干扰的最大横向偏移距离均值 B - z, B - w与直接干扰比例 δ m代入式(5)~式(8),得到各车道交通安全干扰系数和总交通安全干扰系数,见表4
表4 不同试验路段交通安全干扰系数
试验路段 A C D
车道 右侧 中间 左侧 右侧 中间 左侧 右侧 中间 左侧
各车道交通安全干扰系数 0.869 0.966 0.981 0.808 0.971 0.952 0.942 1 1
总交通安全干扰系数 0.939 0.910 0.981
表4可知,试验路段交通安全干扰系数由高到低排序的车道为D, A, C,说明路段C交通安全水平下降幅度最大,路段D交通安全水平受影响较小;鉴于路段A, D机动车、电动自行车交通量均相近,而路段D受电动自行车干扰导致的交通安全水平下降幅度相对较小,可能与两者具有不同宽度的右侧路缘带有关,路缘带宽度满足电动自行车通行条件时能够分担机动车道交通压力,机动车受干扰频数和严重程度下降,横向轨迹偏移距离减小,交通安全水平受干扰较小。

4.2 通行效率干扰系数

电动自行车对机动车产生的交通干扰主要表现为机动车速度降低、横向移动幅度增大,由此引发道路通行能力下降,可通过建立通行效率干扰系数来衡量电动自行车干扰下道路通行能力下降幅度,并可运用该指标对道路实际通行能力进行修正,即也可叫做电动自行车影响修正系数。
根据一条车道的基本通行能力 C 0计算公式(见式(9)),假设 L -不变,则在间接干扰、直接干扰下机动车速度均值变化会使道路通行能力发生变化,即通行能力仅受机动车速度均值影响。无干扰下未设置非机动车道城市主干路单向通行能力 C w按式(10)计算;间接干扰和直接干扰共同作用下左侧车道、中间车道、右侧车道通行能力 C z c, C z j, C y c分别按式(11)~式(13)计算;间接干扰和直接干扰共同作用下未设置非机动车道城市主干路单向通行能力 C j ,   z按式(14)计算。
C 0 = 3600 h - t = 1000 V - L -
C w = C z c ,   w + C z j ,   w + C y c ,   w = 1000 × V - ( z c ,   w ) + V - ( z j ,   w ) + V - ( y c ,   w ) L -
C z c = 1000 × α V - z c ,   j + σ V - z c ,   z + 1 - α - σ V - z c ,   w L -
C z j = 1000 × β V - z j ,   j + φ V - z j ,   z + 1 - β - φ V - z j ,   w L -
C y c = 1000 × γ V - y c ,   j + ε V - y c ,   z + 1 - γ - ε V - y c ,   w L -
C j ,   z = C z c + C z j + C y c
式(9)~式(14)中: h - t为饱和连续车流的平均车头时距,单位s/veh; L -为饱和连续车流的平均车头间距,单位m/veh; V -为速度均值,单位km/h; α, β, γ分别为左侧车道、中间车道、右侧车道间接干扰比例; σ, φ, ε分别为左侧车道、中间车道、右侧车道直接干扰比例; C z c , w, C z j , w, C y c , w, V - z c , w, V - z j , w, V - y c , w, V - z c , j, V - z j , j, V - y c , j, V - z c , z, V - z j , z, V - y c , z中“zc”“zj”“yc”分别表示左侧车道、中间车道、右侧车道,“w”“j”“z”分别表示无干扰、间接干扰、直接干扰,“C”表示通行能力,“ V -”表示速度均值。
将间接干扰和直接干扰共同作用下的通行能力与无干扰下通行能力的比值定义为未设置非机动车道城市主干路电动自行车通行效率干扰系数 η,按式(15)计算,其值越小,通行效率受影响越大。
η = C j ,   z C w
将试验路段A, C, D右侧车道、中间车道、左侧车道机动车在无干扰、间接干扰、直接干扰下的速度均值以及间接干扰、直接干扰比例带入式(10)~式(15),得出各试验路段的通行效率干扰系数,见表5
表5 不同试验路段通行效率干扰系数
试验路段 A C D
通行效率干扰系数 0.915 0.910 0.959
表5可知,路段D受电动自行车干扰导致的通行效率下降幅度相对路段A较小,鉴于路段A, D机动车和电动自行车交通量均相近,故可能与两者具有不同宽度的右侧路缘带有关,路缘带宽度满足电动自行车通行条件时能够分担机动车道交通压力,机动车受干扰频数和严重程度下降,通行效率受干扰较小;路段A, C通行效率干扰系数接近,而路段C右侧路缘带宽度相对路段A较宽,受干扰通行效率下降幅度应相对较小,而实际上却略大于A,这可能与两者交通量差异较大有关。

5 结论

针对未设置非机动车道城市主干路交通安全与通行效率问题,本文通过采集未设置非机动车道城市主干路电动自行车与机动车速度、轨迹、流量等数据,划分电动自行车对机动车的干扰类型,分析了电动自行车行驶轨迹规律与速度特性,并深入探究了无干扰、间接干扰、直接干扰下机动车横向轨迹偏移情况与速度变化规律,得出以下结论:当右侧路缘带能够满足通行条件时,电动自行车行驶轨迹更靠近道路右侧边缘,当右侧路缘带不能够满足通行条件时,电动自行车行驶轨迹相对远离道路右侧边缘;间接干扰对所有车道机动车横向轨迹变化影响均较小, B -最大变化范围为-0.56~0.16 m,直接干扰对所有车道机动车横向轨迹变化影响均较大, B -最大变化范围为0.23~1.61 m;交通流运行稳定时,间接干扰、直接干扰对机动车速度影响分别为较小、较大;交通流处于加速阶段时,间接干扰、直接干扰对机动车速度影响分别为很小、较小;未设置非机动车道城市主干路电动自行车对机动车的交通安全和通行效率干扰强度与右侧路缘带宽度负相关,右侧路缘带越宽,受干扰越小,右侧路缘带宽度从小到大的试验路段A, C, D对应的交通安全干扰系数分别为0.939, 0.910, 0.981,通行效率干扰系数分别为0.915, 0.910, 0.959。
因此,在条件允许的情况下,应采用物理隔离方式设置主干路非机动车道,最大限度地减少电动自行车对机动车的交通干扰;在道路扩宽条件受限的情况下,可在保障行车安全的前提下适当压缩中央隔离带宽度、结合路侧行人交通量合理压缩人行道宽度或略微拓宽道路以增加路幅宽度,实现右侧路缘带宽度加大,增加电动自行车的路权空间,减少电动自行车对机动车的交通干扰,提高主干路交通安全和效率。另外,针对电动自行车不按规定车道行驶的交通违法行为较为普遍的情况,应加强电动自行车与驾驶人管理,持续推进电动自行车上牌登记管理,同时加大力度打击假牌套牌行为,并利用非现场执法手段查处电动自行车交通违法行为。在法律法规规范层面,还需要结合主干路电动自行车与机动车交通事故进一步研究,并对电动自行车在右侧路缘带内通行的安全性、合法性、合规性进行认定。
本研究因受航拍高度影响,难以排除低速普通二轮摩托车或轻便摩托车,使得电动自行车整体速度偏大;数据采集受树木遮挡影响较大,只采集到5条电动自行车交通量适中的试验路段,缺少交通量较大的试验路段;缺少对未设置非机动车道的平原城市主干路的样本研究。后续可采取新方法收集更多相关数据,增加平原城市样本,结合主干路电动自行车交通事故进一步研究。
[1]
公安部道路交通安全研究中心, 北京工业大学, 同济大学. 城市电动自行车骑行调研分析报告[R]. 北京: 公安部道路交通安全研究中心, 2022.

[2]
朱秭硕. 基于深度调查数据的二轮车骑行者多部位损伤模型及影响因素分析[D]. 西安: 长安大学, 2022.

[3]
贾顺平, 彭宏勤, 尹相勇. 机非混行路段上自行车对机动车行驶的摩擦干扰影响分析[J]. 北京交通大学学报, 2006, 30(6):1-5.

[4]
BIELIŃSKI T, KWAPISZ A, WAZNA A. Electric bike-sharing services mode substitution for driving, public transit, and cycling[J]. Transportation Research Part D: Transport and Environment, DOI:10.1016/j.trd.2021.102883.

[5]
LI T, HU Y, CHEN X, et al. Research on a delay model of an intersection in nanning city under the condition of mixed traffic[C]// CICTP. COTA International Conference of Transportation Professionals. Shanghai: CICTP, 2016: 2067-2075.

[6]
JIA S, PENG H, GUO J, et al. Quantitative analysis of impact of bicycles on vehicles in urban mixed traffic[J]. Journal of Transportation Systems Engineering and Information Technology, 2008, 8(2): 58-63.

[7]
LUO Y, JIA B, LIU J, et al. Modeling the interactions between car and bicycle in heterogeneous traffic[J]. Journal of Advanced Transportation, 2015, 49(1): 29-47.

[8]
宋占国, 陈红, 赵丹婷, 等. 混合交通中自行车对机动车行驶速度横向干扰分析[J]. 铁道科学与工程学报, 2017, 14(8):1783-1791.

[9]
秦丽辉, 裴玉龙, 白崇喜. 自行车干扰下的城市干路路段通行能力与服务水平[J]. 哈尔滨工业大学学报, 2018, 50(9):61-67.

[10]
曾俊伟, 马皓, 钱勇生, 等. 自行车阻滞干扰对机动车交通流延误改进模型[J]. 数学的实践与认识, 2019, 49(3):200-205.

[11]
陈亦新, 贺玉龙, 孙小端, 等. 行人干扰对左转车流速度和加速规律影响及量化[J]. 交通运输系统工程与信息, 2015, 15(1):198-204.

[12]
郝妍熙, 刘戎阳, 胡华, 等. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2):223-229.

[13]
黄艳国, 张升升, 谭卢敏. 非机动车干扰下信号交叉口的通行能力计算[J]. 科学技术与工程, 2022, 22(27):12192-12200.

[14]
曲昭伟, 高雨虹, 宋现敏. 信号交叉口车路环境对电动自行车释放膨胀特性的影响分析[J]. 中国公路学报, 2020, 33(4):126-136.

[15]
刘岩, 付川云, 王炜. 基于贝叶斯Logistic模型的非机动车对机动车干扰行为研究[J]. 安全与环境学报, 2020, 20(6):2045-2051.

[16]
张旭, 朱普周, 段宇洲. 基于城市信号交叉口直行非机动车膨胀特性研究[J]. 安全与环境学报, 2021, 21(5):1978-1984.

[17]
秦余, 于泉. 信号交叉口行人与非机动车干扰特性分析[J]. 交通运输研究, 2017, 3(3):20-29,35.

[18]
周旦, 姚威振, 顾国斌, 等. 公交站台区域电动自行车与行人通行冲突演化博弈模型[J]. 交通信息与安全, 2021, 39(5):27-35.

[19]
郑玉冰, 马羊, 程建川, 等. 基于轨迹数据的非机动车道内冲突事件自动识别与可视化[J]. 中国公路学报, 2022, 35(1):71-84.

[20]
付川云, 熊长林, 刘岩. 物理隔离条件下非机动车间干扰特征及影响因素研究[J]. 安全与环境学报, 2021, 21(3):1111-1117.

[21]
顾文晨. 多车道条件下高速公路车道管理适应性研究[D]. 西安: 长安大学, 2021.

[22]
李景密. 跟驰状态下城市主干道交通流特征研究[D]. 长沙: 湖南大学, 2016.

Outlines

/