城市隧道路段駕駛行為綜合風險研究

方松 馬健霄

摘?要：城市隧道出入口路段照度差異大，內部環境單調，對駕駛行為有顯著影響。本文擬對城市隧道路段的駕駛行為綜合風險影響因素開展研究，以期降低駕駛行為風險，提高城市隧道交通安全。城市隧道路段駕駛行為綜合風險主要來自主客觀兩個方面，主觀風險指駕駛人自身條件如駕駛人心理和生理負荷、駕駛人風險認知水平，客觀風險指道路環境條件如隧道照明條件、道路線形和交通流量。本文引入風險分析與決策理論，對構成駕駛行為決策風險的各個影響因素進行風險度函數建模，探討城市隧道路段駕駛行為綜合風險量化研究方法。以某城市3條城市隧道基礎數據為例，利用文中所建模型計算其駕駛行為綜合風險度值，結果表明駕駛行為綜合風險度值較高的隧道B年度統計事故數明顯高于隧道A與隧道C，驗證了所建模型的準確性與適用性。

關鍵詞：交通安全;城市隧道;駕駛行為;綜合風險;風險度函數

中圖分類號：U491.1文獻標識碼：A文章編號：1006-8023（2019）06-0067-05

Research on Comprehensive Risk of Driving Behavior of Urban Tunnel

FANG Song1，2， MA Jianxiao1

（1.College of Automobile and Traffic Engineering， Nanjing Forestry University， Nanjing 210037;

2.Nanjing Institute of Railway Technology， Nanjing 210031）

Abstract：The illumination of the entrance and exit sections of urban tunnels varies greatly， and the internal environment is monotonous， which has a significant impact on driving behavior. This paper intends to study the comprehensive risk factors of the driving behavior of the urban tunnel section in order to reduce the risk of driving behavior and improve the safety of urban tunnel traffic. The comprehensive risk of driving behavior in the urban tunnel section mainly comes from two aspects. The subjective risk refers to the drives own conditions such as the psychological load of the drivers life， the drivers risk cognition level， and the objective risk refers to road environmental conditions such as tunnel lighting conditions， road route shape， and traffic flow. In this paper， risk analysis and decision theory are introduced to model the risk degree function of the factors that make up the risk of driving behavior decision， and to explore the quantitative research method of comprehensive risk of driving behavior in urban tunnel section. Taking the basic data of three urban tunnels in a city as an example， the model is used to calculate the comprehensive risk value of driving behavior. The results show that the annual statistical accident number of tunnel B with higher comprehensive risk value of driving behavior is significantly higher than that of tunnel A and tunnel C. The accuracy and applicability of the model are verified.

Keywords：Traffic safety; city tunnels; driving behavior; comprehensive risk; risk function

0?引言

城市隧道結構封閉、內部環境單調，光照強度、溫度和濕度等內外差異較大，因此車輛在隧道環境下行駛時駕駛人生理和心理狀態都會發生變化，這種變化不僅會影響駕駛人對周邊環境信息的正確感知，而且會進一步影響駕駛人的駕駛行為。目前，國內外針對隧道路段駕駛行為的研究主要集中在駕駛人生心理特性以及駕駛行為模型研究。

駕駛人生理和心理特性研究主要通過實驗方法采集駕駛人生理和心理指標數據，研究其與隧道參數之間的關系。Nakamichi和 Narisada等人對隧道照明進行了實驗研究，采用動態模擬的方法，得到觀察物體的背景亮度與觀察者注意時間的關系模型[1]。Simons研究了白天隧道入口存在的“黑洞效應”，提出維持隧道入口一定距離的照度來保證隧道內部的可見性，這段距離的大小與駕駛人眼睛適應低照度的時間有關[2]。同濟大學的潘曉東、杜志剛通過視覺特性實驗，基于刺激反映定律建立了隧道出入口瞳孔面積隨周圍照度的變化規律[3]，揭示了隧道出入口視覺震蕩現象，及其對行車安全的影響[4]。

駕駛行為模型描述駕駛行為的發生過程，最早是由Gibson J J在20世紀30年代提出的車輛行駛區域分析理論，隨著認知科學的興起，研究者開始將認知心理學應用于駕駛行為模型分析，將駕駛基本控制、認識處理和決策整合到模型中[5-8]。近些年，國內關于駕駛行為模型的研究也取得了一定進展，從工程學的角度和認知學結合提出了車輛跟馳模型、車道變換模型以及用于車輛輔助駕駛系統的認知行為建模方法[9]。1982年，Wilde運用恒溫調節器的工作過程，建立了駕駛人行為的風險內在平衡模型（RHT），又稱“風險補償”模型[10-11]。該模型認為，駕駛人通過衡量安全與不安全行為的收益和損失，確定個體的目標風險水平，當感知風險水平和目標風險水平出現不一致的情況時，駕駛人將通過調整自身行為以縮小兩者之間偏差。因此，事故率最終決定于目標風險水平，即駕駛人事先設定的風險接受水平[6]。

現有關于隧道路段駕駛行為的研究，大部分基于實驗和理論建模對駕駛人的生理和心理特性及決策屬性進行研究，鮮有從風險控制角度展開分析。本文引入風險分析與決策理論，對構成駕駛行為決策風險的各個影響因素進行風險度函數建模，探討城市隧道路段駕駛行為綜合風險量化研究的方法。

1?駕駛行為綜合風險影響因素

駕駛人通過觀察周圍交通環境判斷當前的運行狀態，根據不同的狀態風險進行決策并執行形成駕駛行為，駕駛行為的執行反過來又會影響周圍的交通環境，由此形成新一輪的認知決策過程。在駕駛行為的形成過程中，道路環境因素會影響駕駛人的認知、判斷和決策過程。如圖1所示。

城市隧道路段駕駛行為綜合風險主要來自主客觀兩個方面，主觀風險指駕駛人自身條件如駕駛人心理和生理負荷、駕駛人風險認知水平，客觀風險指道路環境條件如隧道照明條件、道路線形、交通流量。

（1）駕駛人心理和生理負荷

城市隧道路段內外環境差異較大，導致駕駛人心理和生理負荷明顯增加。國內外學者對隧道路段駕駛人視覺特性和心率參數進行了大量研究，提出將視覺特征參數和心率特性變化作為駕駛人視覺負荷和生理負荷的評價指標。長安大學的吳玲博士基于因子分析方法，結合綜合線性加權模型，得出駕駛人心理和生理負荷量化模型計算公式[12]：

S=10.969 2（0.606 8×F1+0.362 4×F2）。（1）

式中：F1 為視覺特征參數;F2為心率特性參數。

（2）駕駛人風險認知水平

駕駛人的風險認知水平是指駕駛人在駕駛過程中所產生的對顯性危險的觀察與對潛在性危險的預判。根據國內外學者的研究表明，在駕駛經驗的諸多組成要素中，風險認知水平與交通事故率相關性最大。上海交通大學的鄭東鵬通過實驗數據多元回歸分析得出駕駛人風險認知水平的計算公式[13]：

S=-0.475X1+0.408X2-0.228X3+0.212X4-0.164X5。 （2）

式中：X1為事故記錄次數;X2為駕駛里程;X3為精神質;X4為駕照持有時間;X5為違規記錄次數。

（3）隧道照明條件

隧道的洞內照度基本來自于隧道照明燈具。隧道洞內照度和隧道洞外照度所形成的照度差，是使駕駛員產生不適應感的主要原因[14]。車輛駛入隧道或駛出隧道后，由于光照強度的劇烈變化，導致駕駛員產生的視覺恢復期是駕駛員視覺條件最差的時候，嚴重影響了車輛行駛的安全性和駕駛員的舒適性[15-17]。重慶交通大學的王露通過實車實驗數據回歸分析得出駕駛適宜性評價指標與城市隧道過渡段照明變化率之間的關系式[3]：

VS=3.44×103r-0.75+0.003 9s2-

0.525s+26.1。 （3）

其中，VS為駕駛適宜性評價指標;r為隧道過渡段平曲線半徑;s為隧道過渡段照度變化率。

（4）道路線形

城市快速路隧道一般為立交通過平面交叉口或湖底、過江隧道類型，其進出口一般有較明顯的縱坡，表現為進口為下坡段，出口為上坡段。因此，忽略道路線形的平曲線影響，依據長安大學、同濟大學等學者的研究成果[18]，提出基于縱向坡度的城市隧道進出口線形風險度計算模型：

r（i）=0.159 4i2-0.162 6i+1.041 5。 （4）

式中：r（i）為縱坡風險值;i為計算范圍內的平均坡度。

（5）交通流量

在流量較小時，車流密度相對較低，交通流處于自由流狀態，駕駛人可以根據車輛類型和駕駛習慣自由選擇行駛速度，此時車輛的行駛速度值高且分布離散型大。隨著流量的逐漸增大，車輛之間的車頭時距縮短，車輛間相互作用增強，出現了跟馳現象，車流速度降低，交通流進入同步流狀態。若交通流量進一步增大，則進入擁擠狀態，道路通行能力進一步下降，服務水平惡化，事故多發。同濟大學學者景天然[19]通過對城市道路交通飽和度與交通事故率之間的統計分析，得出其回歸方程式：

K=-1.687+8.732S-6.036S2。（5）

式中：S為交通飽和度;K為統計事故率。

2?駕駛行為綜合風險函數模型

2.1?風險度函數

傳統的風險描述方法主要分為定性和定量兩種方法，一般采用模糊邏輯方法來進行定性描述，定量方法則主要是傳統的概率方法[20]。引入風險度函數，對綜合風險與其影響因素之間對應的函數關系進行描述。給定某一判斷準則，則駕駛行為影響因素ri對應的風險度函數即為f（ri）。常見的風險度函數有以下幾種[21-22]。

（1）風險事件發生概率的風險度函數

風險事件發生概率的風險度函數用正態分布函數來表示：

f（r）=e-π（2r-1）2。（6）

由此函數關系可知，當自變量r接近于0時，因變量f（r）亦接近于0;當自變量逐漸增大時，因變量迅速增加;當r=50%時，風險度達到最大值1，即該因素所引起的風險事件變成了確定性事件。道路交通中交通流量因素符合此規律，可以采用該函數進行風險描述。

（2）風險事件信息不對稱度的風險度函數

一般采用冪函數來表示風險事件損失的風險度函數：

f（r）=12+12（2r-1）13。（7）

由函數關系式可知，當自變量接近于0時，風險度亦接近于0，隨后風險度值隨著自變量的增大而單調增大，當r=1時，風險度值達到最大值1。駕駛過程中的信息不對稱度指的是駕駛人對道路交通信息的主觀感知與客觀存在之間的差異度，隨著信息不對稱度的增加，駕駛風險度值逐漸增大。采用該函數對城市隧道路段的照明條件及道路線形因素進行風險描述。

（3）風險事件可管理性的風險度函數

風險事件的可管理性是指通過采取措施能降低風險事件的發生概率或減少其損失，一般采用冪函數型式來表示其風險度函數：

f（r）=12-12（2r-1）13。（8）

由函數關系式可知，當自變量r=0，即風險事件完全不可管理時，該因素對應的風險度值f（r）=1;隨著自變量的增大，可管理性對應的風險度值逐漸變小。駕駛過程中駕駛人根據道路交通環境及車輛技術性能，實時調整自身身心狀態與操作技能，努力完成駕駛任務。采用該函數對駕駛人心理和生理負荷及駕駛人風險認知水平進行風險描述。

2.2?綜合風險度函數

根據駕駛行為綜合風險影響因素的分析，以上5個影響因素之間是并聯關系，駕駛行為綜合風險值的大小由以上5個因素決定。給定某一判斷準則，則綜合風險度函數可表示為：

F=f（r1），f（r2），f（r3），f（r4），f（r5）。（9）

風險事件的風險度是風險多維結構各特性的風險度函數，其函數關系復雜，根據參考文獻[11]的研究，分別采用幾何平均和算術平均，再進行算術平均運算，以減少計算方法的誤差，其函數關系表達式如下：

F=125f（r1）×f（r2）×f（r3）×f（r4）×f（r5）+f（r1）+f（r2）+f（r3）+f（r4）+f（r5）5。

（10）

3?實例分析

以南京市市區道路中的富貴山隧道、揚子江隧道和玄武湖隧道3條隧道為例，采集隧道基本參數統計見表1，為了敘述方便，富貴山隧道、揚子江隧道和玄武湖隧道分別標記為A、B、C。駕駛行為綜合風險分為主客觀風險兩個方面，假定通過3個隧道路段的熟練駕駛人與非熟練駕駛人比例相當，即忽略駕駛人主觀風險因素，研究城市隧道路段客觀因素對駕駛行為綜合風險度的影響，對上述綜合風險度函數模型進行參數確定及效果驗證。

根據隧道參數計算各風險因素取值，進行無量綱化處理，并將所得值轉化至[0，1]區間內，見表2。依據對應的風險度函數計算其風險度值，最后代入綜合風險度模型得出3個隧道的駕駛行為綜合風險度值見表3。

隧道A為城市規劃區內山體隧道，出入口路段線形較為平緩，但建設年代較早，內部設施陳舊，過渡段照明條件相對較差，2018年1月至2018年12月共報告事故數132起。隧道B為城市快速路平交路口下穿隧道，隧道洞身長度較短，駕駛人視覺適應性要求較高，車流潮汐現象明顯，路段平均車速較高，統計平均車頭時距較小，2018年度報告事故186起，多為碰擦追尾事故。隧道C為城市湖底隧道，由于地形限制進出口處坡度較大，洞身長度較長，為近期建設的城市重點隧道，內部設施優良，測量照度值最高，電子警察布設亦較為密集，管理規范，作為城市快速內環的重要組成部分，為環湖路段，車輛節省50%～70%的行程，因此交通飽和度相對較大，路段平均車速較低，雖統計平均車頭時距較小，但駕駛人在該路段行駛時較為謹慎，2018年度報告事故95起。綜上，隧道B在2018年度統計事故數最多，其次為隧道A、隧道C，統計結果與綜合風險度模型計算值相對吻合，驗證了該模型的準確性。

以上分析表明，城市隧道道路線形、照明設施條件及交通量對駕駛行為綜合風險有一定影響，但各自對綜合風險度的貢獻有多大尚沒有定論。城市隧道C進出口坡度大、交通飽和度高，但通過規范的交通管理措施，亦可以使得客觀條件相對較差的城市隧道取得較低的綜合風險度值。

4?結論

城市隧道路段駕駛行為綜合風險由駕駛人生理和心理特性、駕駛人風險認知水平、隧道照明條件、過渡段線形及交通飽和度等因素決定，綜合風險度模型能夠較好地描述城市隧道路段的駕駛風險。

城市隧道駕駛行為綜合風險各影響因素的權重大小尚無定論，各因素之間的相互作用關系仍需進一步研究。通過規范的交通管理措施，可以使得客觀條件較差的城市隧道取得相對較低的風險度值。

文中實例城市隧道C雖取得較低綜合風險度值，報告事故數最少，但反饋的擁堵次數最多，通行能力最差。如何合理采用交通管控措施，在綜合風險與通行能力之間取得一個平衡點，是下一步需要研究的重點課題。

【參?考?文?獻】

[1]NAKAMICHI F， NARISADA K， YOSHIKAWA K. Experiment on the visibility of the tunnel entrance lighting[J]. Journal of the Illuminating Engineering Institute of Japan， 1967， 15（10）：566-581.

[2]SIMON R H， BEAN A R. Lighting engineering： Applied calculations[M]. London： Routledge， 2001.

[3]王露.山地城市隧道出口路段駕駛適宜性技術研究[D].重慶：重慶交通大學，2017.

WANG L. Technical research on driving suitability of mountain city tunnel exit section[D]. Chongqing： Chongqing Jiaotong University， 2017.

[4]杜志剛，潘曉東，楊軫，等.高速公路隧道進出口視覺震蕩與行車安全研究[J].中國公路學報，2007，20（5）：101-105.

DU Z G， PAN X D， YANG Z， et al. Study on visual shock and traffic safety of highway tunnel entrance and exit[J]. China Journal of Highway and Transport， 2007， 20（5）： 101-105.

[5]RUDINBROWN C M， YOUNG K L， PATTEN C， et al. Driver distraction in an unusual environment： effects of text-messaging in tunnels[J]. Accident Analysis and Prevention， 2013， 50：122-129.

[6]KIRCHER K， LUNDKVIST S. The influence of lighting， wall colour and inattention on traffic safety in tunnels： s simulator study[M]. Sweden： VTI， 2011.

[7]KIRCHER K， AHLSTROM C. The impact of tunnel design and lighting on the performance of attentive and visually distracted drivers[J]. Accident analysis and prevention， 2012， 47：153-161.

[8]SCHMIDTDAFFY M. Fear and anxiety while driving： differential impact of task demands， speed and motivation[J]. Transportation Research Part F： Traffic Psychology and Behavior， 2013， 16：14-28.

[9]向往.基于層級式駕駛仿真實驗的駕駛人行為規律及表現評價方法研究[D].北京：北京交通大學，2016.

XIANG W. Research on driver behavior rule and performance evaluation method based on hierarchical driving simulation experiment[D]. Beijing： Beijing Jiaotong University， 2016.

[10]FENG D S， WU K， CHEN F， et al. Research on optimized design of bridge-tunnel linkage sections on mountainous highways considering the effect of crosswind on driver behavior[J]. Advances in Intelligent Systems and Computing， 2017， 484：717-729.

[11]CALVI A， BLASIIS M R D， GUATTARI C. An empirical study of the effects of road tunnel on driving performance[J]. Procedia-Social and Behavioral Sciences， 2012， 53：1098-1108.

[12]吳玲.基于生理與行為指標的高速公路特長隧道環境駕駛人風險特性研究[D].西安：長安大學，2018.

WU L. Study on risk characteristics of environmental drivers in highway long tunnel based on physiological and behavioral indicators[D]. Xian： Changan University， 2018.

[13]鄭東鵬.駕駛人危險感知及影響因素研究[D].上海：上海交通大學，2013.

ZHENG D P. Study on drivers risk perception and influencing factors[D]. Shanghai： Shanghai Jiaotong University， 2013.

[14]浦雅添，岳川，陳豐，等.城市地下道路LED自發光指路標志視認性研究[J].公路工程，2018，43（3）：6-10.

PU Y T， YUE C， CHEN F， et al. Investigate the legibility of LED traffic guide signs in urban tunnels[J].Highway Engineering，2018，43（3）：6-10.

[15]張衛華，錢小慧，馮忠祥.照度與視覺敏感度對駕駛辨識行為的影響研究[J].人類工效學，2014，22（3）：75-80.

ZHANG W H， QIAN X H， FENG Z X. Study on the influence of illumination and visual sensitivity on driving identification behavior[J]. Chinese Journal of Ergonomics， 2014， 22（3）：75-80.

[16]張云嬌.基于駕駛人行為特性的八車道高速公路出口安全距離研究[D].西安：長安大學，2017.

ZHANG Y J. Research on safety distance at exit of eight-lane expressway based on driver behavior characteristics[D]. Xian： Changan University， 2017.

[17]劉明秀，林麗.城市隧道入口自然光對駕駛人視覺影響分析[J].森林工程，2018，34（4）：102-107.

LIU M X， LIN L. Analysis of the influence of natural light on driver vision at the urban tunnel entrances[J]. Forest Engineering， 2018， 34（4）：102-107.

[18]王琰，孔令旗，郭忠印，等.基于運行安全的公路隧道進出口線形設計[J].公路交通科技，2008，25（3）：135-138.

WANG Y， KONG L Q， GUO Z Y， et al. Design of highway tunnel inlet and outlet line based on operation safety[J]. Journal of Highway and Transportation Research and Development， 2008， 25（3）：135-138.

[19]景天然.城市道路條件與交通事故率的關系[J].同濟大學學報，1992，20（3）：335-340.

JING T R. Relationship between urban road condition and traffic accident rate[J]. Journal of Tongji University， 1992， 20（3）：335-340.

[20]陳陽，馬健霄，徐志豪，等.基于物元分析的自行車交通體系評價方法研究[J].森林工程，2018，34（5）：84-90.

CHEN Y， MA J X， XU Z H， et al. Research on evaluation method of bicycle traffic system based on matter element analysis[J]. Forest Engineering， 2018， 34（5）：84-90.

[21]向鵬成.基于信息不對稱理論的工程項目風險管理研究[D].重慶：重慶大學，2005.

XIANG P C. Research on project risk management based on information asymmetry theory[D]. Chongqing： Chongqing University， 2005.

[22]任園園.公路彎道路段行車危險區域及駕駛行為模型研究[D].長春：吉林大學，2011.

REN Y Y. Research on dangerous area and driving behavior model of highway curve section[D]. Changchun： Jilin University， 2011.