高速公路隧道区域纵向风险驾驶行为时空特征

为了精准定位纵向风险驾驶行为在隧道路段的形态、位置及时间,增强交通管理部门主动预防交通事故的能力,针对传统时空分析维度分离的局限性,研究建立了时空维度结合的时空核密度估计模型（spatio-temporal kernel density estimation,STKDE）,采用最小交叉二乘验证（least squares cross-validation,LSCV）确定模型最佳带宽。构建了基于轨迹数据的纵向风险驾驶行为识别方法,提取超速、超低速、急加速、急减速共4种纵向风险驾驶行为的时空位置;将隧道时空域分割为时空单元后,应用STKDE计算各时空单元内纵向风险驾驶行为时空核密度估计值ψ;结合时空立方体（space-time cube,ST-Cube）对STKDE结果可视化。
基于下细腰隧道全域高精度轨迹数据进行实例分析,研究发现：高速驾驶行为在隧道出口100 m区域内高发,超速高发于16：00与09：00;低速驾驶行为在隧道入口前200 m高发,超低速高发于02：00与14：00;在进入隧道前100 m和隧道0~1 500 m区域,急加速与急减速行为的ψ始终大于0.5,处于高发状态,且在隧道区间内每隔150~200 m,2种急变速驾驶行为会同步出现波动,在驶离隧道后2种行为均迅速减少,且不再高发。通过与传统时空分析方法对比,结果表明：结合ST-Cube的STKDE分析方法,能实现耦合时空的特征分析,并量化估计全时空域内风险驾驶行为发生的可能性,其在对急加减速驾驶行为的特征分析中存在一定优势。