雾环境下高速公路驾驶人跟驰行为研究

发布时间：2022-05-16

　　摘要：雾环境下驾驶人行车与正常天气相比，在低能见度下视觉参照物较少，驾驶人更倾向于跟驰行驶。为研究雾环境下高速公路驾驶人跟驰行为，本研究以真实雾环境下实车试验方式，选择多条典型山区高速公路作为试验路段，以 Smart Eye 眼动仪获取车辆在雾环境下高速公路驾驶人视觉参数，包含驾驶人注视区域、注视角度、注视持续时间、瞳孔直径、扫视速度以及扫视幅度等;并以归一化方法对驾驶人注视重心进行分析，研究了不同能见度下驾驶人跟驰需求;通过对雾环境下上述视觉参数进行规律总结，发现驾驶人在一次跟驰动态过程中，正常车道保持时驾驶人扫视速度较低，而当处于车道调整时，驾驶人扫视速度存在较大波动，且平均扫视速度较高，低能见度下驾驶人注视点转移速度 27.0 ( ) / ° s 明显低于晴好天气的 52.0 ( ) / ° s ;对雾环境下驾驶人跟驰特性进行统计及分类，将跟驰行为划分为主动、半主动、半被动以及全被动跟驰;通过分析雾区低能见度下驾驶人跟驰行驶条件，引入多维偏好理论及后悔理论，进行驾驶人跟驰决策模型构建，并基于差分法对模型进行参数标定及验证。研究结果表明驾驶人在跟驰过程中，能见度对驾驶人跟驰时的视觉特征有显著影响，通过跟驰模型构建可为后续雾环境下车辆跟驰前后车距及车速预测提供理论支撑。

　　关键词：雾环境;高速公路;跟驰行为;多维偏好;后悔理论

　　0 引言

　　与正常天气下一般路段跟驰行为相同，雾环境下驾驶人的跟驰表现为车道及前后车速的一致性，前车车速满足候车期望，两车保持稳定行驶[1]。

　　跟驰行为是车辆在限制超车的单车道上行驶时，前后两车的车头时距介于 1.2~4.8s 之间时的运行状态。跟驰行为研究为车辆前向避撞、交通仿真、通行能力估算和构建智能交通系统提供了有效的理论基础[2]。国外对跟驰模型研究已达半个多世纪，建立了多种跟车模型，主要可以分为如下几类：基于保持安全制动间距的跟车模型(CarSim 模型[3])、基于刺激反应机理的跟车模型(GM 模型[4]、Newell 模型[5])、基于生理—心理的跟车模型和人工智能类模型(模糊逻辑模型、人工神经网络模型[6-7])。Saifuzzaman 等在 2014 年从交通工程和人类因素角度对跟驰模型的发展历程进行了全面的回顾,其中交通工程角度的跟驰模型包含 UHR 模型、期望度量类模型、安全距离模型、优化速度模型、Newell 模型与元胞自动机模型[8]。

　　当前考虑驾驶行为因素的跟驰模型可分为考虑感知阈值的模型，考虑驾驶人视觉角度的模型，考虑风险感知，分心及失误的跟驰模型。Michaels 提出了考虑视觉角度模型，指出当驾驶人接近前车时，相对速度是通过前车的视觉角度的变化来感知的[9]。Saifuzzaman 等基于任务能力交互模型，将 TD 模块嵌入到 Uipps 的安全距离模型和智能驾驶人模型(Intelligent Driver Model, IDM)中，建立了 TDUipps 和 TDIDM 模型，研究了驾驶人注意力分散情况和正常情况下的跟驰行为[10]。

　　国内对跟驰行为的研究已存在不少理论，但多是在国外已有模型的基础上进行改进，逐渐有国内高校从不同角度建立了跟驰模型，分为基于期望间距、模式识认算法、车辆性能与道路因素的跟车模型、车与车互联通讯技术及纯微观的跟车模型等[11-17];实测数据方面，袁伟等根据实车试验数据，构建了考虑中国驾驶人跟驰行为的期望间距跟车模型[18]。

　　郑志晓等人研究了视觉分神对跟驰行为的影响，研究发现处于视觉分神状态的驾驶人对车辆的横向控制能力均会变差，而当驾驶人在意识到自身视线离开路面时间过长后，均会通过降低速度和增大跟车距离，以平衡视觉分神带来的纵向方向上的事故风险[19]。

　　华雪东等认为引入 V2V 技术后，交通流的运行会出现 2 种变化趋势，首先交通系统敏感度增加(反应时间缩短)，其次驾驶人可以提前预判交通流变化趋势，从而调整车辆状态。基于 Newell 跟驰模型，提出了引入 V2V 技术的车辆跟驰模型[20]。罗颖等在近期研究中通过最优加权理论将理论驱动类跟驰模型与数据驱动类跟驰模型进行结合，建立了一种基于 IDM 模型与径向基函数神经网络的组合型车辆低速跟驰模型，证明了组合模型比单一模型更优的预测效果[21]。

　　随着生理、心理测试仪器的研发与应用，交通领域已开始重视驾驶人视觉及心理的研究[22-23]，但对于雾环境下高速公路驾驶行为、视觉特性、环境-视觉-驾驶行为耦合关系等方面仍存在欠缺，而如何从驾驶人本身视觉特性，来分析雾环境下驾驶人跟驰行为特性研究亟待解决。

　　综上，雾环境下高速公路驾驶人跟驰行为研究将从驾驶人视觉认知影响驾驶行为的角度，以雾环境降低能见度、影响驾驶人视觉进而影响驾驶行为的思路进行实车试验，引入驾驶人偏好分析及后悔理论，研究雾环境下驾驶人对跟驰行为的决策及视觉选择，构建基于多维偏好分析及后悔理论的雾环境下跟驰决策模型，进而弥补当前雾环境下高速公路驾驶人跟驰行为相关研究的不足，为雾环境下驾驶人行为安全规范、安全保障、安全教育提供理论支撑。

　　1 试验数据采集

　　试验数据的获取主要为雾环境下实车眼动试验数据采集以及信息管理中心实时监控数据收集，利用试验车辆，选择不同驾驶人，直接采集驾驶人在不同雾环境下视觉参数。为实现效率最大化，提前设置好眼动仪设备，交通观测人员乘坐试验车辆至观测地点进行交通观测。眼动试验完成后与交通观测人员一同结束试验，进行数据处理。

　　①试验人员

　　根据试验要求，根据不同雾环境，共选择眼动试验操作人员 1 名，驾驶人 36 名，并对驾驶人数据进行筛选，最终选定 15 名驾驶人数据进行分析，其他驾驶人进行对比验证。本次试验时不考虑性别、年龄等系列驾驶人自身的影响，在驾驶人选择时均为男性驾驶人。

　　②试验时间及天气

　　本次试验选择在“雾都重庆”，根据一般雾形成时间分析，起雾时间一般为凌晨，因此排除试验仪器安装时间，雾环境下实车试验主要选择凌晨 4 点至上午 10 点为试验时间。

　　③试验仪器

　　1)Smart Eye 5.7 型眼动仪：该眼动仪是瑞典 Smart Eye 公司生产的一款非接触式眼动仪，采用 7 台摄像机捕捉驾驶人头部、面部、眼部及道路前景信息，采集频率为 60Hz，可直接采集驾驶人头部位置、眼动参数、转动角度、眼睑高度以及驾驶人视点在道路前景分布;

　　2)试验车辆：小型商务车一辆;

　　3)其他材料及工具：CJY-2B 型能见度仪、环境监测仪、摄像机、GPS、照相机、蓄电池、逆变电源、皮尺、电脑、数字照度计、秒表等。

　　④试验路段

　　确定本次试验路段选择重庆山区高速公路，分别选取 G85、G75、G50、G65、G93、G50、G5013、G50S 等重庆部分雾区路段作为自然环境驾驶的试验路段。

　　⑤眼动试验设计

　　眼动试验设计的关键任务是眼动路段划分及数据采集，确定雾区驾驶人的视觉震荡区、视觉平缓区及其过渡区。为研究雾天条件下驾驶人的视觉特性，具体采集数据如表 1 所示。

　　此次眼动试验主要观测驾驶人在不同雾区路段的眼动行为，选择雾区前 200~500m 与进入雾区 200m 为第一记录路段，作为雾区发现及适应段;雾区中间段 400m 为第二记录段，作为雾区段;出雾区前 200m 及雾区外 200~500m 为第三记录段，作为雾区驶离段。各路段位置以车速观测人员位置为准，具体长度需根据驾驶人视觉特性分析后确定。

　　结合相关研究成果[24-25]，具体现场实车设备安装位置及雾环境下驾驶人注视区域示意如图 1 所示：

　　2 雾天驾驶人跟驰意图分析

　　与正常天气下一般路段跟驰行为相同，雾环境下驾驶人的跟驰表现为车道及前后车速的一致性，前车车速满足候车期望，两车之间稳定行驶。利用驾驶人视觉来透析跟驰行为，首先需要对驾驶人跟驰意图、车距及车速控制信息获取手段进行分析。鉴于驾驶人视觉参数的特殊性，研究采用注视区域指标表征驾驶人驾驶意图。与自由流条件下相同，驾驶人在雾环境下注视区域分为五部分，即正前方近处、正前方远处、上方、左侧及右侧。

　　对于不同驾驶人注视区域方向上存在差异性，各个驾驶人相对位置不统一，在此引入归一化理论，对驾驶人注视区域进行校正，将不同驾驶人注视范围按基准比例进行调整，最后进行数据融合，构建不同驾驶人基准注视区域。

　　利用归一化处理方法，对 10 名驾驶人在低能见度下跟驰行驶时的注视区域分布进行统计，另外 5 名驾驶人数据进行对比，低能见度下注视区域重心归一化结果如图 2 所示。

　　可见在能见度低于 50m 时，驾驶人跟驰注视重心集中于正中心位置，水平及竖直位移范围为(0.2,0.2)，随能见度提高，驾驶人注视区域范围逐渐扩大。此规律间接反映了驾驶人在跟驰时的注视重心与能见度呈显著相关，因此对具体相关性进行相关性检验，检验结果如表 1 所示。

　　通过对低能见度下驾驶人注视点位移进行描述性检验，结果表明，能见度低于 500m 时，驾驶人注视重心与能见度存在相关性(st<0.05)，在 95%置信区存在相关性显著。

　　结合图 2 及表 2 驾驶人注视区域归一化结果可以看出：

　　①当能见度低于 50m 时，驾驶人在跟驰时注视区域较为集中，由方差检验结果可知，驾驶人注视区域重心离散性较低，标准差为 0.07。以驾驶人注视区域表征驾驶人行驶意图，此时驾驶人跟驰行驶与一般环境条件下行驶不同，驾驶人所获取的道路条件有限，视距严重不足，此时驾驶人跟驰目的仅为车道保持，视觉需求为获取道路条件信息，注视点位置集中于前方车辆处。

　　②当能见度处于 50-100 及 100-150m 时，通过驾驶人注视区域及注视区域方差检验结果，两区间内驾驶人注视区域分布差异性并不显著，二者标准差为 0.072 及 0.078，表明能见度为 50-150m 时，由于能见度不满足驾驶人视距需求，在车辆控制、道路信息获取、前方车距判断等方面驾驶人明显存在信息获取难度较大，谨慎性相对较高。

　　③当能见度处于 150-200m 及 200-500m 时，与能见度低于 150m 相比，驾驶人注视区域在此区间内急速扩张，驾驶人注视区域重心标准差达 0.1475，结合车速分布进行分析时，当能见度大于 150m 时，能见度对驾驶人视觉及心理影响已显著减弱，车速分布离散性与驾驶人注视区域离散性均有所提高，在一定程度上表明，能见度大于 150m 时，雾对驾驶人的影响显著减弱，能见度达 500m 时已几乎无影响。

　　④当能见度大于 500m 时，此时能见度已完全满足驾驶人对停车视距的需求，驾驶人在跟驰时自由驾驶，受环境、道路及前车的影响较小，在跟驰过程中，若前车不满足后车速度及车距要求，车辆往往选择换道超车行驶。此时跟驰注视区域离散性较高，且驾驶人注视区域较广，表明了驾驶人对周边环境同样进行了注视，放松性较低能见度下有所提高，间接表明了能见度较低直接影响驾驶人注意力紧张程度及视觉舒适性。

　　3 雾环境下驾驶人跟驰行为分析

　　3.1 基于视觉的低能见度下驾驶人跟驰行为分析

　　在雾环境下车辆跟驰过程中，驾驶人处于车道保持—无意识偏离—车道调整—车道保持 4 阶段过程。

　　现有研究将驾驶人意图时窗按驾驶人谨慎型、正常型以及激进型性格划分为 5 s，3 s 以及 2 s。由于本次研究为雾环境实车试验，驾驶人此时大都较为谨慎，因此选取驾驶人在一次调整过程中的意图时窗为 5 s，并选取车道偏移前及回正后的 5 s 眼动数据为对象进行分析。

　　视觉搜索广度代表了驾驶人在行驶过程中的信息获取难易程度，搜索广度越低代表了驾驶人视域越狭窄[12]。统计能见度低于 500m 时驾驶人车道保持视觉搜索广度如图 3 所示。车道保持过程中驾驶人视觉搜索速度如图 4 所示。

　　由图 3，车道调整时驾驶人平均搜索广度达 19.0 °，而车道保持时仅为 9.4 °，表明了此时驾驶人处于明显的目标搜索过程，对整个道路线形进行识认，重新进行车道保持。

　　由图 4，驾驶人在一次跟驰动态过程中，正常车道保持时驾驶人扫视速度较低，而当处于车道调整时，驾驶人扫视速度存在较大波动，且平均扫视速度较高，表明驾驶人在车道调整过程中注视点范围较大，且离散性较高，同样验证了驾驶人视觉搜索广度结论。另外低能见度下驾驶人注视点转移速度 27.0 ( ) / ° s 明显低于晴好天气的 52.0 ( ) / ° s ，间接表明驾驶人在低能见度下的车道保持搜索广度较低，驾驶人处于谨慎驾驶阶段，对两侧信息关注度较少。

　　为了进一步分析各视觉参数能否描述不同条件下驾驶人动态视觉特性，采用 Nemenyi 秩和检验对其进行两两差异性检验。利用二次编程构建 Nemenyi 秩和检验程序，并规定检验的置信水平为 0.05，即当 <0 .0 5 时，说明两组数据存在显著性差异，该视觉参数能够描述行车条件的变化。最终双侧 Nemenyi 秩和检验结果表明不同线形条件下驾驶人车道保持 5 时间内注视时间存在显著差异。

　　另外，不同线形条件影响驾驶人在跟驰时视觉特性，研究统计了能见度低于 500m 时的驾驶人跟驰平均注视时间及扫视速度不同线形条件下注视时间分布——论文作者：张续光 1 ,高建平*1，2 , 廖丽 1，Deepak.Bajaj1

　　本文来源于：《中国公路学报》(Ei Compendex收录)系由中国科协主管，中国公路学会主办，长安大学承办的公路交通行业最权威的学术性刊物，自1988年创刊以来，一直走在公路交通科技发展的最前沿。 要刊登公路交通领域中能代表当今先进理论和实践水平的科学研究和工程实践成果等。欢迎国家自然科学基金项目及其他重要项目的研究成果向本刊投稿，倡导和鼓励有实践经验的作者撰稿，并优先刊用这些稿件。