山區城市道路交叉口縱向減速標線影響分析

白婧榮，唐伯明*，趙子玉，吳 鵬

(1.重慶交通大學土木工程學院，重慶 400074；2.重慶市軌道交通(集團)有限公司，重慶 401120；3.重慶交通大學交通運輸學院，重慶 400074)

在駕駛行駛過程中，駕駛員的生心理壓力大小和視覺適應對行駛安全具有很大影響。視錯覺減速標線的原理是通過減速標線使駕駛員形成視覺錯覺，造成感知速度加快的錯像，從駕駛員視覺注意的選擇、持續時間和轉移時間等方面分析駕駛員的感知視覺信息，當駕駛員在環境宜人的條件下行駛時，瞳孔較小，視點相對散亂，具有很大的跳躍性，保持一定次數的眨眼行為，而在環境較差的條件下行駛時，駕駛員的神經會逐漸緊張，瞳孔增大。因此，對減速標線措施的設置有效性進行評價時，從視覺生心理反應的評估不可缺少。

尚婷等[1]通過將減速標線的橫向寬度設置到20～50 cm，利用室內仿真實驗手段，分析瞳孔面積變化率與橫向寬度之間的關系，隨著速度的增加，駕駛緊張程度增加，瞳孔面積變化率增大。周劍萍等[2]從駕駛員心理角度出發，考慮駕駛員的視錯覺特性，設計減速標線并判斷其有效性，提出一種基于視錯覺原理的標線設計方法。張強等[3]通過在隧道內增加主動發光的隧道走向輪廓標線及在隧道出入口設置綠環植被來增加視覺環境中所需要滿足的視距需求。郭應時[4]根據道路的條件分析注視行為并劃分出注視區域。丁光明等[5]研究得到駕駛員在接近高速公路隧道出口時的注視行為會減弱，而掃視幅度會增加，當出隧道后，各項行為的指標數據均有所增加。陳鵬等[6]對城市隧道出入口亮度對駕駛員視覺的影響特性進行研究。白彬[7]利用眼動儀采集眼動的注視和掃視等數據，評價駕駛員視覺特性與其在交叉口處的認知特性。葉建光[8]通過采集眼動參數和心理反應指標分析不同的公路線形和空間開閉情況對駕駛行為的影響。

城市道路交叉口位置在城市路網中有一定的特殊性，如何在確保交叉口通暢的同時，按照合理的行車速度行駛，對提高交叉口的安全性能十分重要。在真實的道路上進行實車試驗，利用眼動儀對駕駛人視覺的精確追蹤，觀察駕駛人在經過縱向視錯覺減速標線路段和一般路段時的眼動特征，記錄車輛行駛數據及其駕駛員相關眼動數據；利用無人機對試驗道路的交通流特性進行采集，獲得交通流量、車型比例、車頭時距和試驗車輛軌跡橫向偏移量等數據，再對試驗所得數據進行分析，得出駕駛人注視行為特征、瞳孔變化規律和車輛行駛軌跡特征。

1 實驗設計及數據采集

1.1 試驗道路選擇

山區城市道路交叉口由于受到地形條件限制，常常存在一定的坡度，經過綜合對比選取重慶市明佳路-光電路十字交叉口處進行分析，其實景如圖1所示。對明佳路的縱向減速標線路段和對比路段的地形圖進行測量，此道路為雙向四車道，由于交通量較小，左右路側車道很少用于行車，尤其是在交叉口外80 m，作為大部分車輛的臨時停車點。并利用航拍視頻得到試驗路段40 m通過的有效車輛43輛標準小客車，區間速度平均值為16.14 km/h，對比路段40 m通過的55輛標準小客車的區間平均速度為25.75 km/h。

1.2 試驗設備

試驗中主要用到4種儀器設備，分別為行車記錄儀、無人航拍機、眼動儀和坡度計。行車記錄儀(圖2)能夠記錄的數據相對來說精度較高，可以為后期試驗校對時間與路段位置的一致性，也可以確定行車地點和駕駛周邊的環境。

精靈4pro無人機(圖3)的感應系統為視覺定位系統和前視障礙物感知系統，支持APP控制。坡度計(圖4)用于測量試驗路段的坡度。Smart Eye型眼動儀電腦(圖5)可以用于記錄試驗過程中駕駛員的眼動指標的變化，以文本文檔和視頻形式保存，再通過配套分析軟件Begaze來分析注視和掃視行為數據，簡化試驗數據分析過程，眼動儀數據采集實驗如圖6所示。

圖1 試驗路段實景圖Fig.1 Test road section

圖2 行車記錄儀Fig.2 Automobile recorder

圖3 無人航拍機Fig.3 Unmanned aerial camera

圖4 坡度計Fig.4 Slope meter

圖5 電腦Fig.5 Computer

圖6 眼動儀Fig.6 Eye tracker

2 交通特性分析

2.1 區間速度

明佳路試驗路段速度的樣本標準偏差為6.89，中值V50為15.00 km/h，V15為8.98 km/h，V85為25.71 km/h；對比路段速度的樣本標準偏差為8.67，中值V50為16.36 km/h，V15為25.71 km/h，V85為36.00 km/h；對試驗路段和對比路段速度數據驗證符合正態分布，如表1所示。試驗表明：①對比路段速度的標準差8.67大于試驗路段速度的標準差6.89，即設置減速標線后車輛的速度分布較為集中，大部分數值和其平均值之間差異較小。②對比路段與試驗路段的V15、V85相差都比較大，對比路段區間速度的均值25.75 km/h大于試驗路段區間速度的均值16.14 km/h，即設置減速標線的試驗路段區間速度低于未設置減速標線的對比路段區間速度的37.32%。這說明在城市道路交叉口處，進口道的行車速度明顯低于出口道行車速度，在交叉口處設置縱向減速標線可以使駕駛員提前降低行駛速度，增加行車警惕的心理，在綜合因素下，城市道路交叉口處設置減速標線可以提高行駛安全性。

2.2 車頭時距

試驗路段車頭時距有效樣本數為49，樣本均值為6.27 s，標準偏差為7.19，中值t50為4.00 s；對比路段車頭時距的有效樣本數為39，樣本均值為8.59 s，標準偏差為12.68，中值S50為3.00 s，對試驗路段和對比路段車頭時距數據驗證符合正態分布，如表2所示。研究表明：①由于此試驗路段為城市道路交叉口的進口道和出口道，不同方向的車道上的車輛之間影響較小，而路側行人、出租車上下客和早晚高峰時間對車頭時距的影響較大。②在設置縱向減速標線的交叉口進口道車輛數較多，車頭時距數值較小，且車頭時距的分布也較為集中。

3 生理行為指標分析

3.1 注視區域劃分方法

駕駛員的視野平面劃分方法是指通過研究不同的駕駛員注意力分配和視覺搜索模式來分析駕駛員視點在行駛過程中分布特性的重要手段。為了能夠使駕駛員識別到更多的信息獲取充足的道路環境狀態來保證安全行駛，駕駛員在行駛時需要關注道路上的各種目標，因此，駕駛員往往會選擇性反復關注特定的幾個感興趣目標。為了能夠更加充分地研究駕駛員的眼動特性規律和視覺搜索模式，選取機械劃分法的原理結合眼動設備采集的注視點數據，利用逐一統計和K均值動態聚類的方法來分析駕駛員視覺特性。動態聚類法的具體過程如下。

表1 速度分布描述統計量Table 1 Velocity distribution description statistic

注：試驗路段②為明佳路-光電路交叉口縱向-直行段；對比路段2為明佳路-光電路交叉口直行段。

表2 車頭時距描述統計量Table 2 Velocity distribution description statistic

注：試驗路段②為明佳路-光電路交叉口縱向-直行段；對比路段2為明佳路-光電路交叉口直行段。

第1步：初始化。選擇對象集X，按照指定的聚類類別個數k，在X中按照需要的k作為初始聚類中心，設置迭代中止條件，迭代之時首先要進行相似度的計算，如公式(1)所示。

(1)

式(1)中:cj為第j個聚類中心；d(xi,cj)是聚類中心cj與樣本xi之間的距離。距離的計算采用閔可夫斯基公式，如公式(2)所示。

(2)

式(2)中：當p=1時，p為曼哈頓距離；當p=2時，p為歐氏距離；當p→∞時，p為切比雪夫距離。

第2步：進行迭代。

第3步：更新聚類中心。

第4步：重復上述第2步和第3步。

綜合分析，根據目前已有研究的駕駛員視野平面劃分方法，基于動態聚類算法，以駕駛員視覺視線點為基礎，再根據道路線形、車輛結構特性和駕駛員的駕駛特性，對駕駛員視野平面進行劃分。

3.2 注視區域劃分和注視點分布規律

通過注視區域劃分的方法，利用注視點逐一統計和視野平面劃分的方法，將眼動儀統計到的注視點進行聚類分析，選取合適的聚類個數，結合駕駛員行車過程中的視覺特性，根據拉依達準則法和標準化數值對眼動數據進行剔除，通過SPSS軟件得到相應駕駛員眼動數據對應的均值和標準差，得到剔除異常數據后的可分析眼動數據。根據駕駛員注視點分布規律和試驗車輛環境特性,通過origin軟件的K均值聚類，對處理后的眼動數據選取6類K均值聚類對視線點坐標進行了聚類分析。山區城市道路交叉口處的聚類結果如表3所示。

通過對試驗人員的注視點區域的初步聚類分析，可以看出聚類后的視線點分布，如圖7所示。

通過分析最終聚類結果發現，駕駛員視線點在其視野范圍內呈一定分布規律，因此，結合車輛結構和道路線形，按照試驗路段的不同駕駛員注視點匯總分析，將駕駛員前方視野平面劃分為左前方、右前方、左遠前方、右遠前方、近前方和遠前方等6個區域，如圖8所示。其具體含義是：左前方(紫色框)為駕駛員視線左側道路輪廓；右前方(橘色框)為駕駛員視線右側道路輪廓；左遠前方(綠色框)為駕駛員視線左側上方道路環境；右遠前方(藍色框)為駕駛員視線右側上方道路環境；近前方(白色框)為駕駛員視線注意點；遠前方(黃色框)為駕駛員視線上空及遠處道路環境。

在不同的道路線形和環境下，駕駛員的視點分布主要是在道路左右兩側遠近不同的道路輪廓及線形走向和道路前方遠近不同的道路環境上，因本文的異常數據篩選的方法選取，將少量的視點因變更車道和超車而落在車輛的左右兩側后視鏡上的數據剔除了，且后視鏡處的視點對本文研究的減速標線影響不大，所以對此不做分析。

通過對各路段注視區域平面劃分的結果分析，可以看出，本文研究的減速標線主要落在近前方(白色框)區域。當處于左轉道路時，視點落在左側的頻率大于右側；當處于右轉道路時，視點落在右側的頻率大于左側；當處于直線路段時，視線點落在前方的頻率稍大一些。駕駛員在右轉彎時主要注意內路邊緣，左轉時注意外路邊緣，駕駛員注視行為在曲線路段和平直路段上存在顯著差異。對駕駛員視點數進行統計計算，得到駕駛員的視點在標線所在區域的占比，即減速標線所在區域的視點數除以總的視點數。注視時間百分比是駕駛員產生的所有注視行為的時間與產生所有眼動行為的總時間的比值，其反映了某一時間段內駕駛員的注意力集中程度。明佳路-光電路處，由于路側行人和道路環境復雜，且受信號燈影響，因此視點占比較少，為12.95%。

4 軌跡指標分析

通過對試驗中錄制的視頻進行分析，主要針對小客車的行駛軌跡，按照30幀/s的頻數對車輛軌跡橫向偏移量D(t)(假設視頻中的車輛為一個質點，其橫向偏移量為質點到車道邊緣線的距離)進行標定和數據采集，具體數據如表4、表5和表6所示。對明佳路試驗路段和對比路段的軌跡橫向偏移量進行統計分析，可以發現在試驗路段和對比路段的偏移量分布頻率最大值42.62%和38.18%在(0.5，1]區間內，說明在設置減速標線的路段行駛時，其車輛行駛軌跡偏移量一般在0.5～1 m范圍內的頻率要大于未設置減速標線。圖9和圖10分別為實際行駛軌跡和預期行駛軌跡。

表3 明佳路注視點聚類中心Table 3 Mingjia Road gazing point cluster center

表4 試驗數據統計分析結果Table 4 Test data statistical analysis results

表5 明佳路小型車行駛軌跡偏移量頻率值Table 5 Mingjia Road small car driving track offset frequency value

表6 軌跡偏移量均值統計分析Table 6 Statistical analysis of mean value of track offset

圖9 車輛實際行駛軌跡Fig.9 Actual vehicle trajectory

圖10 車輛預期行駛軌跡Fig.10 Vehicle expected trajectory

5 結論

采用統計分析方法對試驗路段和對比路段的試驗數據進行分析，得到山區城市道路交叉口的基本道路條件參數，再根據實地情況對試驗段的交通流特性、駕駛員生理行為指標和軌跡規律進行分析，其中交通流特性主要包括一定時間內通過試驗段的交通流量、區間速度和不同車型的速度對比分析，駕駛員生理行為分析主要包括注視區域劃分、注視點分布變化規律，軌跡規律分析主要包括減速標線對軌跡橫向偏移量的影響，試驗表明：在城市道路交叉口設置縱向減速標線后車輛的速度分布較為集中，增加行車警惕的心理，提前降低行駛速度，試驗路段和對比路段的偏移量分布頻率最大值42.62%和38.18%在(0.5，1]區間內；駕駛員視線點在其視野范圍內呈一定分布規律，因此，利用聚類分析結合車輛結構和道路線形，將駕駛員前方視野平面劃分為左前方、右前方、左遠前方、右遠前方、近前方和遠前方等6個區域，山區城市道路交叉口段視點占比為12.95%。總之，在山區城市道路交叉口段設置縱向減速標線可以提前警告駕駛員控制車速等有利的影響，提高交叉口行駛安全性。