車道變換模式相關文獻 (Lane-changing Models)

不同於加速度模式和跟車模式，車道變換模式不僅考慮後車的行為，前車亦 可能被後車所影響，因此交互關係更加複雜，故發展的時間也相對較晚。目前國 外的車道變換模式研究多以小汽車為主，且主要的研究範圍多著重於高速公路之 駕駛行為，而本研究主要針對台灣市區道路之混合車流，因此除了對於小汽車的 車道變換模式進行文獻回顧，也參考機車的車道變換模式研究。

7

2.2.1 小汽車車道變換模式

微觀車道變換模式依照研究方法可以簡單劃分成為兩類：決策結構模式 (Rule-based models)和個體選擇模式(Discrete choice-based (DCB) models)。決策結 構模式從個別駕駛者的觀點著手，考慮從目前行駛車道轉換至目標車道的眾多可 能影響原因，將駕駛者考量該原因後的決策做為一決策流程，最後判斷是否決定 變換車道。個體選擇模式使用羅吉特或者普洛比分析，選擇可能影響車道變換選 擇的變數，並且校估參數。個體選擇模式的駕駛者決策可以是二元選擇或者多選 擇，各選擇的效用將被計算出來，並且求出選擇不同車道變換的機率。使用這兩 種模式在駕駛者做出決策後，必須用接受間距(Gap acceptance models)判斷能否變 換車道，而接受間距的參數將由原始車輛資料校估求算。

8 輛延滯等市區道路特性。研究之模式如同 Yang and Koutsopoulos (1996)一樣套入 MITSIM 模擬軟體使用，並用總體交通資料比較改善程度。而此研究針對市區道 路建構微觀車流模式，但是並未考慮公車站和行人等市區道路影響因素，而模式 的績效仍待後續確認。

Sun and Elefteriadou (2012)不同於 Ahmed、Toledo、Choudhury 等人的研究方 法，對市區道路車道變換模式提出不同的情境分析模式，建構兩階段的巢式羅吉 特模式架構。將駕駛者的變換車道決策視為規劃階段，變換車道決策可以分為嘗 試或完成變換車道與未完成變換車道 2 個流程，若嘗試或完成車道變換則可用接 受間距判斷。間距是否接受並變換車道則可視為行動階段。研究方法不同於影片 拍攝的資料收集方式，而是先設定了 6 種不同的駕駛情境，並且雇用 40 位駕駛 實際開車，由駕駛身旁的觀察員紀錄駕駛的行為 (Sun and Elefteriadou, 2012)，並 且藉由問卷調查的方式將駕駛者分為 4 種類型 (Sun and Elefteriadou, 2011)，依據

9

(3) 合作性車道變換 (Cooperative lane change)：指當後方車輛看到有車輛要變換 到該車道時，會自動放低速度讓其變換車道至前方。

作者最後整理成一決策結構模式(Rule-based models)，並且將其模式套用至 ARTEMiS 交通模擬軟體中。

2.2.2 機車行為模式

Lee et al. (2009)指出機車在許多國家的市區道路混合車流佔有重要的影響力，

但是在目前的車流理論與模擬軟體中卻鮮少被提出，針對英國的汽機車混合車流 提出機車的移動行為分析。研究提出了兩個不同的時距模式：

(1) 直向時距模式 (Longitudinal headway model)：將機車駕駛與前車互動避免撞 車的情況分為減速不偏移(6)與偏移避開前車(7)兩種類型，並且分別提出其最小

10 (2) 斜向與橫向時距模式 (Oblique and lateral headway model)：描述機車駕駛斜向 與側向跟車時的安全間距，在這種情況下無法計算時距，因此必須建立迴歸模式。

但是此模式必須滿足一特定無異線之假設，無異線是由本車機車與斜前方車輛的 直向間距和橫向間距所計算，假設駕駛者在該線上會維持同樣滿足程度，並且考 慮跟車角度以完成模式校估。

(3) 機車車道選擇模式(Path choice model)：將駕駛分為向左行駛、直行、向右行 駛三個選擇的多項羅吉特模式。不同於小汽車的行駛車道，機車駕駛並沒有明確 的車道觀念而是以虛擬車道取代，因此三種選擇效用函數所擷取之變數也和小汽 車不盡相同。原始資料收集的方式是利用影片拍攝，地點選在英國倫敦市區道路，

影片拍攝時間為 17:00-18:00，利用軟體收集影片中車輛量化資料，共 42711 筆資 料，2109 輛車。機車駕駛行為較汽車更為複雜，變數擷取除了前方車輛速度， 從 lognormal 分配；機車速度服從常態分配，但汽車並沒有；機車的加速度與減 速度較汽車變化劇烈，因為其體積較小且重量較輕。

11