一种基于多元回归分析法的电动自行车换算系数计算方法

1.本发明涉及一种基于多元回归分析法的电动自行车换算系数计算方法，属于城市道路交通规划技术领域。


背景技术：

2.电动车凭借其快捷方便、效率高等优点，逐渐成为城市道路交通中主要的出行工具之一。电动车作为城市道路交通不可忽视的一部分，需要将它换算成标准车型，使各种道路交通条件下的混合交通量之间具有可比性，虽然电动自行车的使用率很高，但目前的设计规范并没有将电动自行车考虑在道路设计中，使得电动自行车的数量超过了交叉口的承载能力，占据了部分的机动车道，导致机动车延误甚至交叉口的交通拥堵。
3.作为道路网络的关键，交叉口的拥堵会导致整个道路网络的拥堵，因此，有必要正确计算电动自行车换算系数，据此设计或改建交叉口，对于提高交叉口的通行能力，改善交叉口的交通条件，具有重要意义。pce表示车辆在交通流中表现的乘用车单元的数量，不同的车辆在尺寸、长度、速度、加速度、制动功率等方面各不相同，一方面，它们共享不同的道路空间；另一方面，它们对其他车辆具有不同的影响；因此，有必要研究电动自行车的车辆换算系数。


技术实现要素：

4.本发明提供一种基于多元回归分析法的电动自行车换算系数计算方法，可以更好地设计或改建交叉口，对于提高交叉口的通行能力，改善交叉口的交通条件，具有重要意义。
5.本发明解决其技术问题所采用的技术方案是：
6.一种基于多元回归分析法的电动自行车换算系数计算方法，具体包括以下步骤：
7.第一步，构建数据采集系统，选取城市道路交叉口作为待测区，在待测区布设至少一台摄像机，调试拍摄范围，并设定拍摄时间为当日高峰段一小时内的交通流；
8.第二步，收集数据，将摄像机拍摄的内容通过电脑回放，获取待测区内设定的一小时间隔内电动自行车、轿车的交通冲突事件数以及交通量；
9.第三步，计算数据，将待测区一个小时间隔内单辆轿车以及单辆电动自行车的行驶速度；
10.第四步，建立模型，建立关于交通冲突事件数与轿车、电动自行车的交通量、速度的多元线性回归模型，同时基于多元线性回归模型获取电动自行车的车辆换算系数模型；
11.第五步，模型结果输出及检验，将交通冲突事件数与轿车、电动自行车的交通量、速度输入多元线性回归模型，转化为电动自行车换算系数输出，同时将输出的数据与道路实际通行能力进行对比，检验优化模型的有效性；
12.作为本发明的进一步优选，第一步中，数据采集系统的选取原则包括以下：a，作为待测区的交叉口为城市典型的信号控制交叉口，无特殊的地理和几何特性，无特殊的交通
管制，道路路面平直、行车视线佳；b，交叉口的机动车以及非机动车数量应满足样本量需求；c，拍摄时间为晴天、能见度高的工作日高峰时段；
13.作为本发明的进一步优选，前述交叉口的机动车以及非机动车数量满足样本容量的计算公式为
[0014][0015]
其中，n为所需观测的最小样本量，p为交通参与者占观测交通量的比例期望值，q为其它交通参与者占观测交通量的比例q＝1
‑
p，k为对应于一定置信度的常数，e为允许误差；
[0016]
作为本发明的进一步优选，第二步中，交通冲突事件数表示，在交叉口，当一辆或多辆电动自行车在同一时间、空间内与其他车相互靠近，如果不采取必须的交通行为来改变其中一方的交通状态，就有发生撞车的危险，即在交叉口发生的交通冲突时间的数量；
[0017]
交通量的获取方法为，统计交通冲突时间发生的前2.5分钟以及后2.5分钟，即五分钟内在交叉口电动自行车、小轿车的流量；
[0018]
作为本发明的进一步优选，前述交叉口电动自行车的冲突事件数模型为
[0019]
tc
e
＝tc
ec
+tc
ee
(2)
[0020]
其中，tc
e
为电动车总交通冲突数，tc
ec
为电动自行车与轿车交通冲突数，tc
ee
为电动自行车与电动自行车交通冲突数；
[0021]
作为本发明的进一步优选，第三步中，计算单辆轿车以及单辆电动自行车的行驶速度的具体方法为，计算交通冲突时间发生的前2.5分钟以及后2.5分钟内的电动自行车以及轿车在交叉口的速度，将电动自行车或者轿车从交叉口进车道到出口道的行驶轨迹分为若干小路段，每个小路段为2m，用2m除以单辆电动自行车或者轿车通过每个小路段的时间，得到每辆电动自行车或者轿车的点速度；
[0022]
作为本发明的进一步优选，第四步，建立关于交通冲突事件数与轿车、电动自行车的交通量、速度的多元线性回归模型，计算公式为
[0023]
tc
e
＝tc
ec
+tc
ee
＝a0+a1q1+a2q2+a3v1+a4v2(3)
[0024]
其中，a0、a1、a2、a3、a4为相应的回归参数，tc
e
为电动自行车总交通冲突数，tc
ec
为电动自行车与机动车交通冲突数，tc
ee
为电动自行车与电动自行车交通冲突数，q1为变量，即电动自行车交通流量，q2为变量，即轿车交通流量，v1为变量，即电动自行车行驶速度，v2为变量，即轿车行驶速度；
[0025]
基于多元线性回归模型获取电动自行车的车辆换算系数模型，计算公式为
[0026][0027]
其中，pce为电动车相对轿车的换算系数，tc
e
为电动自行车总交通冲突数，q1为变量，即电动自行车交通流量，q2为变量，即轿车交通流量，v1为变量，即电动自行车行驶速度，v2为变量，即轿车行驶速度；
[0028]
将公式(3)代入公式(4)中，最终获取车辆换算系数模型为
[0029][0030]
其中，a0、a1、a2、a3、a4为相应的回归参数；
[0031]
作为本发明的进一步优选，第五步中，模型的检验方法具体包括，将计算所得的电动车换算系数，调查交叉口的电动自行车饱和流量代入式中，即可计算交叉口非机动车道的实际通行能力为
[0032]
c＝s
eb
×
pce(6)
[0033]
其中，c为交叉口非机动车道的实际通行能力，pce为电动自行车相对于轿车的换算系数，s
eb
为电动自行车在交叉口的饱和流量；
[0034]
将计算得到的实际通行能力与调查得到的轿车饱和流量进行对比，若相对误差在5％以内，即可证明计算得到的电动车换算系数是合理的。
[0035]
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
[0036]
本发明提供的计算方法，可以计算出电动自行车对平面交叉口的道路需求，从而确定电动自行车在交叉口内行驶所需的空间，进而明确交叉口内面积，可以采用渠化措施以保证交叉口的运行效率。
附图说明
[0037]
下面结合附图和实施例对本发明进一步说明。
[0038]
图1是本发明提供的基于多元回归分析法的电动自行车换算系数计算方法流程图；
[0039]
图2是本发明基于数据采集系统的选取应遵循的原则，选择的一个待测区；
[0040]
图3a
‑
图3c是本发明提供的实施例在左转、直行、右转电动自行车在交叉口的速度标准差与距离关系图；
[0041]
图4a
‑
图4b是电动自行车两种释放过程示意图，其中图4a为群体释放过程，图4b为随机释放过程。
具体实施方式
[0042]
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0043]
基于电动自行车的机动性、灵活性使其近几年被广泛应用，随着对其出行需求的逐年增长，可以发现城市交叉口设计主要考虑机动车以及自行车的通行效率，忽略了电动自行车对交叉口的使用需求，导致增加的电动自行车数量超过交叉口的承载能力；作为道路网络关键节点，交叉口延误将导致整个道路网络的拥堵，因此城市道路设计应根据交通工具的变化，考虑电动自行车对道路的需求。车辆换算系数(pce)是某车型在交通流中表现的标准车型的数量，可以反映车辆对道路的需求和其他车辆的影响，是道路设计的重要依据，但是由于电动自行车保有量大幅增长的时间尚短，关于电动自行车(pce)的相关研究较少，基于此前提，本申请提出了一种基于多元回归分析法的电动自行车换算系数计算方法，可以弥补这一领域的空白。
[0044]
图1所示，是本申请提供的关于计算方法的流程图，从图中可以看出具体包括以下
步骤：
[0045]
第一步，构建数据采集系统，选取城市道路交叉口作为待测区，在待测区布设至少一台摄像机，调试拍摄范围，并设定拍摄时间为当日高峰段一小时内的交通流；
[0046]
其中，数据采集系统的选取应遵循以下原则：a，作为待测区的交叉口为城市典型的信号控制交叉口，无特殊的地理和几何特性，无特殊的交通管制，道路路面平直、行车视线佳；b，交叉口的机动车以及非机动车数量应满足样本量需求；c，拍摄时间为晴天、能见度高的工作日高峰时段。
[0047]
第二步，收集数据，将摄像机拍摄的内容通过电脑回放，获取待测区内设定的一小时间隔内电动自行车、轿车的交通冲突事件数以及交通量；
[0048]
在这里对交通冲突事件数的定义做一个解释，其表示在交叉口，当一辆或多辆电动自行车在同一时间、空间内与其他车相互靠近，如果不采取必须的交通行为来改变其中一方的交通状态，就有发生撞车的危险，即在交叉口发生的交通冲突时间的数量；
[0049]
交通量的获取方法为，统计交通冲突时间发生的前2.5分钟以及后2.5分钟，即五分钟内在交叉口电动自行车、小轿车的流量；
[0050]
而在对样本容量选择时，需要满足样本容量的计算公式为
[0051][0052]
其中，n为所需观测的最小样本量，p为交通参与者占观测交通量的比例期望值，q为其它交通参与者占观测交通量的比例q＝1
‑
p，k为对应于一定置信度的常数，e为允许误差。
[0053]
第三步，计算数据，将待测区一个小时间隔内单辆轿车以及单辆电动自行车的行驶速度；此步中计算单辆轿车以及单辆电动自行车的行驶速度的具体方法为，计算交通冲突时间发生的前2.5分钟以及后2.5分钟内的电动自行车以及轿车在交叉口的速度，将电动自行车或者轿车从交叉口进车道到出口道的行驶轨迹分为若干小路段，每个小路段为2m，用2m除以单辆电动自行车或者轿车通过每个小路段的时间，得到每辆电动自行车或者轿车的点速度。
[0054]
第四步，建立模型，建立关于交通冲突事件数与轿车、电动自行车的交通量、速度的多元线性回归模型，同时基于多元线性回归模型获取电动自行车的车辆换算系数模型；
[0055]
关于交叉口电动自行车的冲突事件数模型为
[0056]
tc
e
＝tc
ec
+tc
ee
(2)
[0057]
其中，tc
e
为电动车总交通冲突数，tc
ec
为电动自行车与轿车交通冲突数，tc
ee
为电动自行车与电动自行车交通冲突数；
[0058]
基于公式(2)最终建立关于交通冲突事件数与轿车、电动自行车的交通量、速度的多元线性回归模型，计算公式为
[0059]
tc
e
＝tc
ec
+tc
ee
＝a0+a1q1+a2q2+a3v1+a4v2(3)
[0060]
其中，a0、a1、a2、a3、a4为相应的回归参数，tc
e
为电动自行车总交通冲突数，tc
ec
为电动自行车与机动车交通冲突数，tc
ee
为电动自行车与电动自行车交通冲突数，q1为变量，即电动自行车交通流量，q2为变量，即轿车交通流量，v1为变量，即电动自行车行驶速度，v2为变量，即轿车行驶速度；
[0061]
基于多元线性回归模型获取电动自行车的车辆换算系数模型，计算公式为
[0062][0063]
其中，pce为电动车相对轿车的换算系数，tc
e
为电动自行车总交通冲突数，q1为变量，即电动自行车交通流量，q2为变量，即轿车交通流量，v1为变量，即电动自行车行驶速度，v2为变量，即轿车行驶速度；
[0064]
将公式(3)代入公式(4)中，最终获取车辆换算系数模型为
[0065][0066]
其中，a0、a1、a2、a3、a4为相应的回归参数。
[0067]
第五步，模型结果输出及检验，将交通冲突事件数与轿车、电动自行车的交通量、速度输入多元线性回归模型，转化为电动自行车换算系数输出，同时将输出的数据与道路实际通行能力进行对比，检验优化模型的有效性。
[0068]
模型的检验方法具体包括，将计算所得的电动车换算系数，调查交叉口的电动自行车饱和流量代入式中，即可计算交叉口非机动车道的实际通行能力为
[0069]
c＝s
eb
×
pce(6)
[0070]
其中，c为交叉口非机动车道的实际通行能力，pce为电动自行车相对于轿车的换算系数，s
eb
为电动自行车在交叉口的饱和流量；
[0071]
将计算得到的实际通行能力与调查得到的轿车饱和流量进行对比，若相对误差在5％以内，即可证明计算得到的电动车换算系数是合理的。
[0072]
实施例：
[0073]
为了更好的证实上述计算方法的优越性，本申请提供了一个实施例，同时也是对计算方法中一些参数的选择做一些验证；
[0074]
图2所示，是本申请基于数据采集系统的选取应遵循的原则，选择了一个待测区，该交叉口为城市道路网中常见的四相位信号交叉口，限速40km/h，面积约为800m2，南北向和东西向均有中央隔离带，机非隔离，机动车道和非机动车道之间用绿化带进行隔离，调查时间为工作日的晚高峰时段17:30
‑
18:30进行；
[0075]
为了确定交通量的稳定性，在此交叉口对冲突前后的1min、2min以及5min内电动自行车交通量和速度的标准差进行比较，如表1所示，
[0076]
表1不同统计间隔下电动自行车交通量和速度的标准差比较表
[0077][0078]
从表1中可以知道，2min、5min统计间隔时交通流具有稳定性，接着由于5min内统计的交通参数稳定性比2分钟统计的交通参数稳定性更好、且数据统计工作量相对最小，因此本申请选取了五分钟作为交通流统计间隔；
[0079]
接着基于公式(1)满足样本容量，一般的交通量估计值允许误差一般在0.01～0.10内取值，
[0080][0081]
其中，n为所需观测的最小样本量，p为交通参与者占观测交通量的比例期望值，q为其它交通参与者占观测交通量的比例q＝1
‑
p，k为对应于一定置信度的常数，e为允许误差，
[0082]
那么基于公式(1)可得交叉口交通量所需的最少观测数，置信度为95％时，允许误差e取5％，p、q取0.5，由式(1)计算出样本容量为384个，即交叉口任一车型的交通量的观测样本至少为384个。
[0083]
实施例接着对交叉口左转、右转、直行的电动自行车速度、速度标准差与距离做了统计，图3a
‑
图3c所示，从图中关系可以看出，
①
四相位交叉口中，直行电动自行车平均速度和速度标准差均是直行最大，左转次之，右转最小；
②
四相位交叉口直行电动车速度标准差分为三个阶段：第一阶段电动自行车处于启动阶段，车间距较小，保持排队状态；第二阶段电动自行车行驶道路空间变大，车间距也随之变大；第三阶段电动自行车集体向出口道合拢，行驶道路空间变小；
③
电动自行车车左转、右转速度标准差比直行小，分别为直行速度标准差的0.08％、0.07％，因此，左转、右转速度标准差没有明显分为三个阶段；由此可知，电动自行车与自行车之间的相互干扰较小，因此本申请在完善模型时不考虑电动自行车与自行车之间的冲突，那么实施例即将电动自行车在交叉口的主要交通冲突分为两类，一种是电动自行车与机动车之间的冲突，一种是电动自行车之间的冲突；图4a
‑
图4b给出了电动自行车两种释放过程示意图，结合表2中可以看出，关于交通冲突，
①
冲突主要分布在ab、cd两个路段，由于电动车在ab、cd阶段行驶空间较小，易占用机动车道，导致两阶段速度和速度标准差均比在bc段低，因此速度与交通冲突有关；
②
电动自行车之间的冲突占冲突总数的36.0％；电动自行车与机动车冲突数最多，占总冲突数的64.0％；
③
直行方向上发生的交通冲突最多，左转次之，右转最少，与不同方向上的速度关系一致，说明速度对交通冲突有影响。
[0084]
表2调查交叉口车辆交通冲突数统计表
[0085][0086][0087]
其中：“电”：电动自行车；“机”：机动车。
[0088]
对调查数据分析可知，交叉口内部轿车、大型车、电动自行车和自行车流量分别占总流量的43.5％、11％、37.6％和7.9％，轿车流量最大，平面交叉口内部设计时，应以轿车为标准车型，对其他车型进行当量换算。
[0089]
确定了标准车型，需要对模型中涉及到的量做一个提取，申请人首先将冲突发生时间点的前2.5min和后2.5min划分为冲突时段，统计每个冲突时段和非冲突时段内电动自行车和轿车的流量、速度以及速度差，表3所示，
[0090]
表3不同时间段下电动车交通参数比较表
[0091][0092]
从表3中可知，与非冲突时段相比，冲突时段内交叉口多了2.34％的电动自行车和3.43％的轿车，这表明交通流量是影响交通冲突的一个重要因素；冲突时段内交叉口电动自行车速度变化率为10.34％，速度标准差变化率为24.72％，轿车速度变化率为18.89％，速度标准差为23.68％，说明速度也是影响交通冲突的重要因素；在使用应用范围较广的spearman分析方法对影响因素之间的相关性进行分析后发现，轿车交通量和电动车交通量，轿车交通量和轿车速度的相关系数分别为0.855、0.867，弱相关，剩余的因素之间相关性系数几乎均小于0.500，相关性较差，基于因素间相关性分析结论，本申请分别对交通量、速度、速度标准差和交通冲突数进行拟合。
[0093]
基于上述分析得出关于交叉口电动自行车的冲突事件数模型为
[0094]
tc
e
＝tc
ec
+tc
ee
(2)
[0095]
其中，tc
e
为电动车总交通冲突数(event)，tc
ec
为电动自行车与轿车交通冲突数(event)，tc
ee
为电动自行车与电动自行车交通冲突数(event)；
[0096]
基于公式(2)最终建立关于交通冲突事件数与轿车、电动自行车的交通量、速度的多元线性回归模型，计算公式为
[0097]
tc
e
＝tc
ec
+tc
ee
＝a0+a1q1+a2q2+a3v1+a4v2(3)
[0098]
其中，a0、a1、a2、a3、a4为相应的回归参数，tc
e
为电动自行车总交通冲突数(event)，tc
ec
为电动自行车与机动车交通冲突数(event)，tc
ee
为电动自行车与电动自行车交通冲突数(event)，q1为变量，即电动自行车交通流量(e
‑
bike/h)，q2为变量，即轿车交通流量(pcu/h)，v1为变量，即电动自行车行驶速度(km/h)，v2为变量，即轿车行驶速度(km/h)；
[0099]
基于多元线性回归模型获取电动自行车的车辆换算系数模型，计算公式为
[0100][0101]
其中，pce为电动车相对轿车的换算系数，tc
e
为电动自行车总交通冲突数，q1为变量，即电动自行车交通流量，q2为变量，即轿车交通流量，v1为变量，即电动自行车行驶速度，v2为变量，即轿车行驶速度；
[0102]
将公式(3)代入公式(4)中，最终获取车辆换算系数模型为
[0103][0104]
其中，a0、a1、a2、a3、a4为相应的回归参数。
[0105]
最后，为了验证本申请提供的计算方法的优越性，申请人引入了初始回归模型，
[0106][0107]
其中，pce1是基于原模型算得的电动车相对小汽车的换算系数，tc
e
为电动车总交通冲突数(event)，q1为电动自行车交通流量(e
‑
bike/h)，q2为小汽车交通流量(pcu/h)。
[0108]
基于交叉口非机动车道的实际通行能力为
[0109]
c＝s
eb
×
pce(6)
[0110]
其中，c为交叉口非机动车道的实际通行能力(veh/h)，pce为电动自行车相对于轿车的换算系数，s
eb
为电动自行车在交叉口的饱和流量(e
‑
bike/h)；得出表4的交叉口实际需求通行能力计算表，
[0111]
表4交叉口实际需求通行能力计算表
[0112][0113]
由表4可知，利用原模型pce1转化的道路通行能力比道路的实际通行能力小，最大误差14.21％，最小误差4.88％，平均误差8.65％，调查交叉口存在电动自行车占用机动车道的情况，可知原模型计算结果不符合电动自行车对道路的使用的实际情况；利用本文提出的改进模型pce转化的需求通行能力基本上比道路实际通行能力大，最大误差6.91，最小误差0.97，平均误差3.06；由于非机动车道的实际通行能力与计算的机动车道的需求通行能力误差较小，且符合电动自行车对道路的实际使用情况，因此本文改进的pce计算模型具有有效性；也说明交叉口非机动车道应该扩宽。因为机动车与电动车的冲突数在所有非机动车冲突数占比最多，因此可远离机动车道渠划出一条非机动车道等待区域。
[0114]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0115]
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
[0116]
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
[0117]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。