公路空間曲率連續(xù)性衰退與事故頻數(shù)影響關(guān)聯(lián)模型

王曉飛 劉永 李思雨,2

(1.華南理工大學(xué) 土木與交通學(xué)院，廣東 廣州 510640；2. 廣東省現(xiàn)代土木工程技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640)

交通事故致因是多方面的，通常可歸為人、車、路和環(huán)境4大類，但是線形設(shè)計(jì)是否合理是關(guān)系到公路安全的根本性問題[1]，直接影響到車輛運(yùn)行安全[1]。汽車行駛軌跡是一條連續(xù)的空間曲線，具有曲線、曲率及曲率變化率的連續(xù)性[2]，“曲率連續(xù)性”是公路線形設(shè)計(jì)理論中的基本原則和要求[3- 4]。提高線形設(shè)計(jì)的合理性，以滿足實(shí)際行駛所需的安全速度、視距等要求,從而提高交通安全是十分必要的。

然而，傳統(tǒng)平縱組合設(shè)計(jì)方法中，即使平縱斷面內(nèi)曲線分別連續(xù)和光滑，但組合后的空間路線連續(xù)性存在曲率跳躍現(xiàn)象[5]，造成空間曲率連續(xù)性的衰退，即曲率、曲率變化率不連續(xù)。受平縱分別設(shè)計(jì)的影響,Hassan、孟祥海等[6- 7]采用統(tǒng)計(jì)回歸分析方法對(duì)現(xiàn)有二維平面線形幾何要素與交通安全之間的關(guān)系進(jìn)行研究，發(fā)現(xiàn)平面線形的突變會(huì)引起運(yùn)行速度的突變，進(jìn)而引發(fā)交通事故；陳永勝等[8]建立了縱面設(shè)計(jì)要素以及相關(guān)的要素組合、銜接方式的微觀事故預(yù)測(cè)模型；趙一飛等[9]通過數(shù)據(jù)收集和分析，建立了包括豎曲線半徑和長(zhǎng)度等縱斷面線形指標(biāo)與交通事故率的關(guān)系模型；王福建等[10]進(jìn)行了詳細(xì)研究，發(fā)現(xiàn)不同平縱組合線形的事故傷亡程度并不相同，其中平凹組合最高，平凸最低；Zhang等[11]對(duì)于道路線形和正面碰撞事故的相關(guān)性研究表明,增大平縱曲線半徑能有效降低交通事故率。這些研究基本都從平面、縱斷面分別進(jìn)行，即使在數(shù)值上進(jìn)行一定的組合，并不能準(zhǔn)確全面地反映公路線形在三維空間中的真實(shí)特性。

為彌補(bǔ)當(dāng)前平縱橫組合設(shè)計(jì)和評(píng)價(jià)方面缺乏的行之有效的量化方法和指標(biāo)問題，從而為平縱組合而成的空間線形優(yōu)化設(shè)計(jì)提供必要的理論依據(jù)，本課題組從三維角度出發(fā)提出表征公路三維線形的空間曲率、撓率等指標(biāo)，并根據(jù)高等數(shù)學(xué)幾何中曲線空間曲率的計(jì)算方法進(jìn)行計(jì)算，根據(jù)國(guó)內(nèi)線形及事故數(shù)據(jù)，采用統(tǒng)計(jì)回歸分析方法對(duì)公路三維線形指標(biāo)與交通安全之間的關(guān)系進(jìn)行研究[12- 16]。由此可見，公路線形空間參數(shù)中空間曲率連續(xù)性衰退與交通安全存在明顯的相關(guān)性。

為深入分析線形連續(xù)性衰退對(duì)交通事故的影響機(jī)理和影響模式，課題組收集了大量美國(guó)華盛頓州州際公路的設(shè)計(jì)資料及事故資料，應(yīng)用負(fù)二項(xiàng)回歸等模型，分析空間線形連續(xù)性衰退對(duì)公路交通事故的影響，建立空間曲率連續(xù)性與事故頻數(shù)的關(guān)系模型。

1 公路三維線形曲率連續(xù)性表征參數(shù)

1.1 空間曲率

曲率是一個(gè)表示曲線彎曲程度的量，一般用k表示，即通過微分來計(jì)算空間曲線上某點(diǎn)的切線方向角對(duì)弧長(zhǎng)的轉(zhuǎn)動(dòng)率來反映曲線偏離直線的程度。通常采用以下的通用曲線參數(shù)方程來計(jì)算曲率：

(1)

為了對(duì)平面線形以及縱面線形組合的曲率進(jìn)行計(jì)算，傳統(tǒng)公路平縱組合設(shè)計(jì)后有6種類型，見表1。華盛頓州從2018年起，對(duì)新建公路的緩和曲線設(shè)置不做要求，本次收集的州際公路中均未涉及緩和曲線。因此，平縱組合類型僅有表1中1-4這4種類型。

在道路線形的坐標(biāo)系統(tǒng)中，平面坐標(biāo)(x，y)可以用一個(gè)參數(shù)方程來進(jìn)行表示:

表1 平縱線形組合類型Table 1 Horizontal and vertical alignment combination types

(x，y)=(x(l)，y(l))

(2)

式中,l為樁號(hào)，x(l)與y(l)為關(guān)于樁號(hào)l的參數(shù)方程。

該參數(shù)方程是一個(gè)分段的函數(shù),x(l)與y(l)在不同的直線段區(qū)間、圓曲線段區(qū)間內(nèi)表達(dá)式不同。

曲線段上的(x，y)均可以根據(jù)每個(gè)曲線單元的起點(diǎn)o的里程值lo、終點(diǎn)e的里程值le進(jìn)行計(jì)算，線段內(nèi)一點(diǎn)q的計(jì)算里程為l=lq-lo，曲率為k；曲線段里程長(zhǎng)S=le-lo。建立如圖1所示的臨時(shí)坐標(biāo)系，由此進(jìn)行平曲線坐標(biāo)的計(jì)算。

圖1 平曲線坐標(biāo)的計(jì)算Fig.1 Calculation of horizontal curve coordinate

(1)直線段

此時(shí)在以該段直線的起點(diǎn)o′為原點(diǎn)，以直線的延伸方向作為x′軸，垂直直線方向作為y′軸，建立臨時(shí)坐標(biāo)系x′o′y′，計(jì)算得到：

(3)

(2)圓曲線段

此時(shí)在以圓曲線的起點(diǎn)o′為原點(diǎn)，以圓曲線在o′點(diǎn)的切線方向作為x′軸，其法線方向作為y′軸，建立臨時(shí)坐標(biāo)系x′o′y′，計(jì)算得到：

(4)

式中：R為圓曲線的半徑。

在豎曲線設(shè)計(jì)中，一般采用二次拋物線作為豎曲線。豎曲線是由直線段、曲線段組合形成的。相關(guān)定義為：線段內(nèi)一點(diǎn)q的曲線長(zhǎng)變量l=lq-l0；高程為h，路段起點(diǎn)高程為h0；坡差w=i2-i1，i1、i2分別路段起終點(diǎn)縱坡值；曲線段長(zhǎng)S=le-l0。建立如圖2所示的loh臨時(shí)坐標(biāo)系，進(jìn)行豎曲線坐標(biāo)的計(jì)算。

圖2 豎曲線坐標(biāo)的計(jì)算Fig.2 Calculation of vertical curve coordinate

(1)縱坡段

易知直線段有

h=h0-i1l

(5)

(2)豎曲線段

(6)

式中Rv為豎曲線的半徑。

由于平面線形和縱面線形起點(diǎn)并不重合，為了進(jìn)行參數(shù)的統(tǒng)一，引入l作為路段上任意一點(diǎn)到該路段起點(diǎn)的距離，引入la作為路段起點(diǎn)到該路段所屬平面線形的起點(diǎn)的距離，引入lb作為路段起點(diǎn)到該路段所屬縱斷面線形的起點(diǎn)的距離，引入Rh作為平曲線半徑。因此4種線形組合關(guān)于弧長(zhǎng)l的參數(shù)方程如下。

(1)對(duì)于TL組合線形，

r(l)=[(l+la),0,h0+i1(l+lb)]

(7)

(2)對(duì)于TV組合線形,

(8)

(3)對(duì)于CL組合線形，

(9)

(4)對(duì)于CV組合線形，

(10)

分別對(duì)以上4種路段計(jì)算空間曲率，將式(7)代入式(1)得到,TL組合下,

k=0

(11)

將式(8)代入式(1)得到TV組合下：

(12)

將式(9)代入式(1)得到,CL組合下,

(13)

將式(10)代入式(1)得到,CV組合下,

(14)

根據(jù)式(11)-(14)及公路線形數(shù)據(jù)，可計(jì)算出TL、TV、CL、CV 4種線形組合下的各點(diǎn)的曲率值。

1.2 平均曲率

在路段內(nèi)等分取n個(gè)點(diǎn)，將n個(gè)點(diǎn)曲率的平均值作為該路段平均曲率。

(15)

1.3 相鄰路段曲率差絕對(duì)值

按照樁號(hào)增加方向?yàn)楹笠粋€(gè)路段，將相鄰路段曲率差絕對(duì)值分為與前后相鄰路段曲率差絕對(duì)值，公式如下。

(1)與前一個(gè)相鄰路段曲率差絕對(duì)值為

(16)

(2)與后一個(gè)相鄰路段曲率差絕對(duì)值為

(17)

2 數(shù)據(jù)準(zhǔn)備

2.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)來自于華盛頓州的5條州際公路2011年1月至2018年7月發(fā)生的事故及線形數(shù)據(jù)，分別為5號(hào)公路K0+500—K445+000路段、90號(hào)公路K3+400—K323+000路段、182號(hào)公路K0+500—K22+800路段、205號(hào)公路K42+800—K60+200路段、405號(hào)公路K0+000—K48+400路段。圖3為5號(hào)公路K1+000—K4+000路段的空間線形曲率圖。由圖可見，3 km內(nèi)存在多處跳躍。

圖3 5號(hào)公路K1+000—K4+000路段空間曲率跳躍圖

2.2 路段劃分

路段長(zhǎng)度劃分是建立高速公路交通事故數(shù)據(jù)分析模型的先決條件，直接影響到模型擬合精度以及模型的應(yīng)用效果。相關(guān)文獻(xiàn)已證明事故頻次和路段長(zhǎng)度是線性相關(guān)的，且在多種類型的道路交通安全分析中也得到了驗(yàn)證[17- 18]。

為確定合適的路段長(zhǎng)度單元，根據(jù)表1中TL、TV、CL、CV 4種組合類型的特點(diǎn)，對(duì)華盛頓州的5條州際公路線形按不同組合類型分成6 658個(gè)路段后對(duì)路段長(zhǎng)度進(jìn)行描述統(tǒng)計(jì)。發(fā)現(xiàn)路段長(zhǎng)度平均數(shù)和中位數(shù)分別為122.72 m和103.39 m，其峰度值為7.202，數(shù)據(jù)分布較集中，偏度值為2.159 6，表明路段長(zhǎng)度的分布為高度向右的偏態(tài)分布。對(duì)于平縱組合分段路段長(zhǎng)度這種程度較大的偏態(tài)分布，若選用平均數(shù)作為集中趨勢(shì)的代表值，易受較長(zhǎng)的路段長(zhǎng)度極端值的影響，中位數(shù)對(duì)數(shù)據(jù)的集中趨勢(shì)測(cè)度值有更好的代表性，因此路段長(zhǎng)度較集中于103.39 m。

此外，根據(jù)規(guī)范上定義停車視距作為安全所需視距，提出2.5～3.0 s為駕駛員從發(fā)現(xiàn)危險(xiǎn)到改變操縱行為以保證安全所需的時(shí)間，以及考慮到美國(guó)州際公路的限速普遍在90～120 km/h，3 s行程距離計(jì)算約為100 m。因此本研究在對(duì)連續(xù)型衰退的影響分析中，綜合考慮線形數(shù)據(jù)中平縱組合特點(diǎn)及駕駛員的操作特性，選取100 m為定長(zhǎng)進(jìn)行路段劃分，得到8 512個(gè)路段。

2.3 數(shù)據(jù)統(tǒng)計(jì)與分析

進(jìn)行路段劃分后將統(tǒng)計(jì)年限內(nèi)每百米路段事故頻數(shù)進(jìn)行統(tǒng)計(jì)，在統(tǒng)計(jì)事故數(shù)據(jù)時(shí)剔除雨雪天、霧天、不良路面狀況、交叉口路段、匝道路段、酒駕等與道路線形特征無關(guān)的因素造成的事故頻數(shù)，以更好地研究線形三維曲率及其變化與公路交通事故發(fā)生數(shù)的相關(guān)性。路段事故數(shù)據(jù)統(tǒng)計(jì)結(jié)果見表2，路段事故總數(shù)頻率見圖4。由表2和圖4可知：8 509個(gè)路段中事故數(shù)的方差大于平均值，有3 012個(gè)路段事故發(fā)生總數(shù)為0，為對(duì)比分析，對(duì)這些事故進(jìn)行了初步篩選，其中5 497個(gè)路段至少發(fā)生了一起事故，將該數(shù)據(jù)稱為零截尾數(shù)據(jù)，零截尾數(shù)據(jù)中事故數(shù)的方差也大于平均值。

表2 百米路段事故數(shù)據(jù)統(tǒng)計(jì)Table 2 Statistics of highway 100 meters unit accidents

圖4 百米路段事故頻數(shù)頻率圖

3 模型選取與構(gòu)建

3.1 模型構(gòu)建

3.1.1 負(fù)二項(xiàng)模型

以事故頻數(shù)為因變量來建立事故分析模型或預(yù)測(cè)模型時(shí)，由于事故數(shù)為非負(fù)整數(shù)的計(jì)數(shù)數(shù)據(jù)，在統(tǒng)計(jì)上常使用泊松回歸進(jìn)行模型估計(jì)。然而，泊松回歸的局限是它要求期望和方差相等，如果方差明顯大于期望，即存在“過度分散”時(shí)，Burger等[19]提出一個(gè)修正的泊松回歸方法來進(jìn)行模型估計(jì)，即負(fù)二項(xiàng)回歸(NB)。根據(jù)數(shù)據(jù)分析，本研究中被解釋變量路段事故全數(shù)據(jù)及零斷尾數(shù)據(jù)的方差顯著大于均值，數(shù)據(jù)過離散，因此可采用NB模型進(jìn)行本研究的模型估計(jì)。

負(fù)二項(xiàng)分布是一個(gè)連續(xù)的混合泊松分布，其允許泊松均值服從γ分布。用隨機(jī)變量T定義負(fù)二項(xiàng)分布，其中r為獨(dú)立重復(fù)實(shí)驗(yàn)中失敗的累計(jì)出現(xiàn)次數(shù)，t為隨機(jī)變量，表示成功實(shí)驗(yàn)次數(shù)，其概率分布表達(dá)式如下：

(18)

(t=0,1,…)

3.1.2 零膨脹負(fù)二項(xiàng)模型

當(dāng)被解釋變量的樣本數(shù)據(jù)中含有較多的零值，則要考慮使用零膨脹負(fù)二項(xiàng)回歸(ZINB)估計(jì)。根據(jù)數(shù)據(jù)過離散、含較多的0值的特點(diǎn)，可采用ZINB模型進(jìn)行全數(shù)據(jù)的模型估計(jì)[18]。

零膨脹負(fù)二項(xiàng)分布實(shí)際上是基于零分段建立的一個(gè)混合的概率分布，由一個(gè)負(fù)二項(xiàng)分布和一個(gè)離散分布組成，公式如下：

(19)

(20)

式(20)包括了一個(gè)計(jì)數(shù)模型和用logit估計(jì)的膨脹模型。式中，αi、δi為回歸系數(shù)，wi是第i個(gè)解釋變量。

3.1.3 零截尾負(fù)二項(xiàng)模型

負(fù)二項(xiàng)模型雖然已經(jīng)廣泛應(yīng)用于多個(gè)領(lǐng)域，但是該模型需要完備的觀測(cè)數(shù)據(jù)[20]。受實(shí)際狀況所限，研究人員可能無法獲取完備的數(shù)據(jù)，如前文所述的僅有事故發(fā)生路段的數(shù)據(jù)。在這種情況下傳統(tǒng)負(fù)二項(xiàng)模型不能有效地描述變量與自變量之間的關(guān)系。為此，則可以考慮零截尾的計(jì)數(shù)分布模型。零截尾的計(jì)數(shù)分布模型可以視為原計(jì)數(shù)模型的條件分布模型，即觀測(cè)變量均為自然數(shù)。零截尾負(fù)二項(xiàng)分布模型(ZTNB)可以理解為傳統(tǒng)負(fù)二項(xiàng)模型在非負(fù)條件下的分布模型。根據(jù)截尾數(shù)據(jù)僅包括事故數(shù)均為正整數(shù)、過離散的特點(diǎn)，可采用ZTNB模型對(duì)截尾數(shù)據(jù)進(jìn)行模型估計(jì)。

零截尾負(fù)二項(xiàng)分布模型概率分布表達(dá)式如下：

(21)

在模型擬合優(yōu)度檢驗(yàn)和對(duì)比方面，本研究采用了赤池準(zhǔn)則(AIC)、貝葉斯準(zhǔn)則(BIC)對(duì)不同模型進(jìn)行檢驗(yàn)和比較，當(dāng)模型樣本數(shù)據(jù)相同時(shí)，AIC和BIC值越小，則模型對(duì)數(shù)據(jù)的擬合越好。對(duì)于ZINB模型和NB模型的對(duì)比，還可采用Vuong檢驗(yàn)，Vuong檢驗(yàn)值為正，則更適合使用ZINB模型，反之則適合使用NB模型。由于AIC和BIC僅適用于樣本相同模型間的比較，而本研究對(duì)全數(shù)據(jù)和零截尾數(shù)據(jù)2種數(shù)據(jù)分別進(jìn)行了分析，所以兩種樣本間模型的擬合效果不能通過AIC、BIC值進(jìn)行對(duì)比。

3.2 模型結(jié)果

首先進(jìn)行共線性診斷和模型合理性判定。為提高模型模擬的精度，需盡可能地排除具有強(qiáng)相關(guān)關(guān)系的解釋變量，為此建模前要進(jìn)行多重共線性診斷。

本研究利用方差膨脹因子(VIF)、容差和條件索引對(duì)所選取的解釋變量進(jìn)行診斷。通常認(rèn)為出現(xiàn)下列情況之一則表示存在多重共線性：最大的VIF超過10；容差小于等于0.1；條件指標(biāo)大于10。對(duì)解釋多重共線性檢驗(yàn)的結(jié)果見表3。診斷發(fā)現(xiàn)，本研究所選取的變量的VIF最大值為1.697，最小容差值為0.589，最大條件指標(biāo)為2.572，說明它們之間沒有明顯的共線性。

表3 描述變量多重共線性檢查Table 3 Descriptive variable multicollinearity check

根據(jù)數(shù)據(jù)類型和特點(diǎn)，分別建立以下模型：模型1，對(duì)全數(shù)據(jù)使用傳統(tǒng)負(fù)二項(xiàng)模型進(jìn)行擬合；模型2，對(duì)全數(shù)據(jù)應(yīng)用零膨脹負(fù)二項(xiàng)回歸模型進(jìn)行擬合；模型3，對(duì)零截尾數(shù)據(jù)使用傳統(tǒng)負(fù)二項(xiàng)模型進(jìn)行擬合；模型4，使用零截尾負(fù)二項(xiàng)模型對(duì)零截尾數(shù)據(jù)進(jìn)行擬合。對(duì)4個(gè)模型進(jìn)行擬合優(yōu)度檢驗(yàn)和對(duì)比分析，結(jié)果見表4。

表4 模型檢驗(yàn)結(jié)果Table 4 Model test results

表4結(jié)果表明，由于AIC和BIC僅適用于樣本相同模型間的比較，模型1、模型2和模型3、模型4的樣本不同，不能同時(shí)比較。因此分別對(duì)同樣本的模型進(jìn)行對(duì)比，從表中結(jié)果來看，在基于全部數(shù)據(jù)的回歸模型1和模型2中，模型2與模型1的AIC、BIC值相差不大，模型2的Vuong檢驗(yàn)值為接近0的負(fù)數(shù)，說明兩個(gè)模型有相似的擬合度。比較模型3和對(duì)比模型4均基于零截尾數(shù)據(jù)，可以采用AIC和BIC對(duì)其優(yōu)劣性進(jìn)行對(duì)比分析，模型4的AIC、BIC值均小于模型3，擬合度更優(yōu)。

進(jìn)一步對(duì)4個(gè)模型進(jìn)行參數(shù)估計(jì)，計(jì)算各模型結(jié)果見表5。表中，cons表示常數(shù)，Coef表示系數(shù)，Std Err表示標(biāo)準(zhǔn)誤。

表5 模型回歸系數(shù)估計(jì)結(jié)果Table 5 Regression coefficient estimation results

從表5中可以看出，模型1中與前、后一個(gè)路段曲率差絕對(duì)值的估計(jì)值的顯著水平均高于95%，系數(shù)均大于0，表明隨著與相鄰路段曲率差絕對(duì)值的增加，路段的事故頻數(shù)增加，且與后一個(gè)路段的曲率差絕對(duì)值的影響程度高于與前一個(gè)路段的，路段平均曲率的影響不顯著。模型2的零膨脹部分的影響不顯著，而負(fù)二項(xiàng)部分影響路段事故發(fā)生頻數(shù)的3個(gè)因素中，與前、后一個(gè)路段的曲率差絕對(duì)值的影響顯著，系數(shù)分別為0.352 197與0.594 92，說明與相鄰路段曲率差絕對(duì)值的增加會(huì)導(dǎo)致事故數(shù)量的增加，其中與后一個(gè)路段的曲率差絕對(duì)值是主要影響因素。在模型3中，3個(gè)自變量對(duì)被描述變量的影響均顯著。其中，前、后相鄰路段的曲率差絕對(duì)值的系數(shù)分別為0.278 3、0.315 9，說明在發(fā)生事故的路段中，相鄰路段曲率差絕對(duì)值的增加會(huì)導(dǎo)致事故頻數(shù)的增加，其中與后一個(gè)路段的曲率差絕對(duì)值是主要影響因素，而路段的平均曲率的系數(shù)為-0.178 0，即路段曲率的增加會(huì)一定程度地減少事故的發(fā)生。在模型4中，3個(gè)自變量對(duì)被描述變量的影響也均顯著，路段平均曲率、與前后路段的曲率差絕對(duì)值的系數(shù)分別為-0.248 1、0.403 1、0.465 8，與模型3的相應(yīng)系數(shù)方向(同為正或負(fù))以及主要影響因素一致。

4 結(jié)論

通過對(duì)華盛頓州5條州際公路的線形及事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，建立負(fù)二項(xiàng)、零膨脹負(fù)二項(xiàng)、零截尾負(fù)二項(xiàng)回歸模型，研究了空間線形連續(xù)性衰退對(duì)事故頻數(shù)的影響。得到如下結(jié)論：

(1)傳統(tǒng)平縱斷面曲率連續(xù)的公路設(shè)計(jì)，存在三維空間上的曲率跳躍，會(huì)造成公路線形的連續(xù)性衰退現(xiàn)象。

(2)基于全數(shù)據(jù)的模型1和模型2的負(fù)二項(xiàng)部分中與前、后相鄰路段曲率差絕對(duì)值對(duì)路段事故數(shù)影響顯著，路段平均曲率對(duì)交通安全的影響不顯著，而在零膨脹負(fù)二項(xiàng)模型中的零膨脹部分的3個(gè)描述變量，對(duì)被描述變量的影響均不顯著，模型1比模型2擬合更優(yōu)；基于截尾數(shù)據(jù)的模型3和模型4中，路段平均曲率、與前后相鄰路段曲率差絕對(duì)值對(duì)路段事故數(shù)影響顯著，模型4的AIC、BIC更小，擬合更優(yōu)。

(3)相比于基于截尾數(shù)據(jù)的模型3和模型4，基于全數(shù)據(jù)的模型1和模型2的負(fù)二項(xiàng)部分中，由于大量零事故路段數(shù)據(jù)的增加，導(dǎo)致基于全數(shù)據(jù)的平均曲率對(duì)交通安全的影響不顯著，而對(duì)于發(fā)生事故的路段的兩個(gè)模型中，路段平均曲率對(duì)事故頻數(shù)影響顯著。在模型1、模型2的負(fù)二項(xiàng)部分、模型3和模型4中，與前、后相鄰路段曲率差絕對(duì)值與道段安全水平之間均存在較大的正關(guān)聯(lián)，即增加公路三維曲率的連續(xù)性能減小事故頻數(shù)，提高交通安全性水平，與前、后相鄰路段曲率差絕對(duì)值可以作為道路線形水平評(píng)價(jià)指標(biāo)。

本研究所建立的事故頻數(shù)分析模型中，統(tǒng)計(jì)了5條州際公路的線形及事故數(shù)據(jù)，在后續(xù)研究中還應(yīng)進(jìn)一步豐富線形組合，增加公路里程和數(shù)量，結(jié)合其他交通與環(huán)境因素以及駕駛?cè)说纳砗托睦硖匦浴Ⅰ{駛行為等人的因素對(duì)車輛行駛安全的影響,逐步深入研究公路空間線形連續(xù)性衰退對(duì)交通安全的影響。