[論文レビュー] Analyzing Highly Volatile Driving Trips Taken by Alternative Fuel Vehicles

Mohsen Kamrani, Ramin Arvin+1 more|arXiv (Cornell University)|Jul 10, 2018

Vehicle emissions and performance参考文献 21被引用数 9

ひとこと要約

本研究では、2012–2013年カリフォルニア州世帯交通調査（N=62,839件の移動）の速度データを用いて、代替燃料車両における走行ボラティリティを分析する。OLSおよび分位点回帰を適用し、90パーセンタイルの高いボラティリティを示す移動を特定。セダン運転手、若年運転手、短距離移動がより高いボラティリティを示す一方、ピックアップトラック、ハッチバック、コン vertible、ミニバンは低いボラティリティを示す。これにより、行動的および設計的介入を通じた交通安全性向上に向けた実用的知見が得られる。

ABSTRACT

Volatile driving, characterized by fluctuations in speed and accelerations and aggressive lane changing/merging, is known to contribute to transportation crashes. To fully understand driving volatility with the intention of reducing it, the objective of this study is to identify its key correlates, while focusing on highly volatile trips. First, a measure of driving volatility based on vehicle speed is applied to trip data collected in the California Household Travel Survey during 2012-2013. Specifically, the trips containing driving cycles (N=62839 trips) were analyzed to obtain driving volatility. Second, correlations of volatility with the trip, vehicle, and person level variables were quantified using Ordinary Least Squares and quantile regression models. The results of the 90th percentile regression (which distinguishes the 10% highly volatile trips from the rest) show that trips taken by pickup trucks, hatchbacks, convertibles, and minivans are less volatile when compared to the trips taken by sedans. Moreover, longer trips have less driving volatility. In addition, younger drivers are more volatile drivers than old ones. Overall, the results of this study are reasonable and beneficial in identifying correlates of driving volatility, especially in terms of understanding factors that differentiate highly volatile trips from other trips. Reductions in driving volatility have positive implications for transportation safety. From a methodological standpoint, this study is an example of how to extract useful (volatility) information from raw vehicle speed data and use it to calm down drivers and ultimately improve transportation safety.

研究の動機と目的

• 代替燃料車両における極めて高いボラティリティを示す走行移動の主な関連要因を特定すること。
• 移動レベル、車両レベル、個人レベルの変数が走行ボラティリティに与える影響を定量化すること。
• 統計的モデリングを用いて、90パーセンタイルの高いボラティリティを示す移動（上位10%）とそれ以外を区別すること。
• 攻撃的走行と関連する行動的および車両固有のパターンを明らかにすることで、交通安全性戦略を支援すること。

提案手法

• カリフォルニア州世帯交通調査（2012–2013年）の移動レベルにおける車両速度データを対象に、速度に基づく走行ボラティリティ指標を適用。
• 全体のボラティリティ相関をモデル化するため、通常最小二乗法（OLS）回帰を用いた。
• 最もボラティリティの高い上位10%の移動を特定・分析するため、90パーセンタイルにおける分位点回帰を採用。
• 車両タイプ、移動距離、運転手年齢などの変数とボラティリティの関係を分析。
• セダン対ピックアップトラックなど、車両カテゴリ間での走行行動の差異、若年運転者対高年齢運転者などのデモグラフィックグループ間の差異を比較。
• 統計的モデリングを用いて、原始的な速度データから交通安全性応用のための実用的知見を抽出。

実験結果

リサーチクエスチョン

• RQ1 代替燃料車両において、どの車両タイプがより高いまたは低い走行ボラティリティを示すか？
• RQ2 移動距離は、とりわけボラティリティが最も高い上位10%の移動において、走行ボラティリティとどのように相関するか？
• RQ3 運転手の年齢およびデモグラフィック要因は、走行ボラティリティにどの程度の影響を及ぼすか？
• RQ4 速度の変動や攻撃的運転行動は、車両タイプや移動特性によってどのように異なるか？
• RQ5 原始的な速度データから極めてボラティリティの高い走行行動を効果的に特定・分析するための統計的手法は何か？

主な発見

• ピックアップトラック、ハッチバック、コンバーチブル、ミニバンよりも、セダンでの移動が顕著に高いボラティリティを示す。
• 若年運転手は高年齢運転者に比べ、より高い走行ボラティリティを示す。
• 長距離移動は、攻撃的運転の度合いや速度の変動が低下する傾向にあり、ボラティリティが低くなる。
• 90パーセンタイル分位点回帰モデルは、最もボラティリティの高い上位10%の移動を的確に特定し、極端な走行行動を浮き彫りにした。
• 走行ボラティリティは車両タイプと運転手年齢と強く相関しており、これにより特定の安全対策を講じることで事故リスクを低減できる可能性がある。
• 本研究では、原始的な速度データを効果的に行動的ボラティリティ指標に変換できることを示した。これは、交通安全性応用に向けた実用的応用が可能であることを示している。