基于自然駕駛數據的信號交叉口車輛跟馳行為特征分析

張高峰, 凌云潔, 龍巖松, 郭延永 , 徐進,4*

(1.重慶交通大學交通運輸學院, 重慶 400074; 2.重慶交大交通安全科技研究院有限公司, 重慶 400074;3.東南大學交通學院, 南京 211189; 4.重慶交通大學山區復雜道路環境“人-車-路”協同與安全重慶市重點實驗室, 重慶 400074)

跟馳行為是微觀交通流特性研究的核心內容之一,主要描述單車道上前后兩車間的縱向相互作用[1]。車輛跟馳理論結合交通工程學、心理學、物理學、系統工程等多學科領域[2],發展出眾多經典跟馳模型,如刺激-反應模型[3]、安全距離模型[4]、IDM(intelligent driver model)模型[5]等。這些模型能夠描述許多正常情況下的交通現象,但不能解釋某些特定因素對交通流的影響。為克服這一缺點,近年來,學者們對一些考慮特定因素的跟馳行為開展了研究。菅美英等[6]考慮了駕駛人自身因素對車輛行駛的影響,分析了老年駕駛員的跟馳行為特征,發現其與年齡、駕駛偏好等具有相關性。孫一帆等[7]提取出了不同風格駕駛員在跟馳狀態下的酒后特征參數,來辨別駕駛員是否酒駕。

針對特定場景或不同環境下的車輛跟馳行為,王雪松等[8-9]利用遺傳算法對高速公路、快速路的5個跟馳模型進行了參數標定以及驗證。李林恒等[10]建立了基于安全勢場理論的車輛跟馳模型,該模型有利于描繪在智能網聯環境下的車輛跟馳行為。朱婷等[11]通過仿真確定了不同級別危險狀態的跟馳行為指標閾值。還有學者研究了在沙塵等不良天氣條件下影響下的車輛跟馳行為[12-13]。

城市信號交叉口作為城市道路網中的重要節點和樞紐,對城市道路通行能力有著直接的影響,同時信號交叉口作為間斷流設施,后車的運動狀態容易受到前車加速或減速行為影響而出現車輛跟馳現象,因此許多學者對信號交叉口的車輛跟馳行為展開了豐富的研究。魏福祿等[14]基于高精度全球定位系統和移動地理系統采集了車輛跟馳行為相關數據,分析得到左轉跟馳車輛的平均運行速度與轉彎半徑成正相關,并改進了全速度差模型。王益等[15]考慮不同車型車輛性能和駕駛人駕駛行為差異,基于全速差模型建立了考慮車流異質性的信號交叉口跟馳模型。崔洪軍等[16]基于自然駕駛數據分析了重載公路交叉口處不同車型車輛跟馳行為的差異,并計算得到加速階段和穩定階段的車輛折算系數。

如今,數據采集方法存在多樣化,如豐富的軌跡數據可用于調查車輛運動學特征。陳景旭等[17]基于NGSIM(next generation simulation)微觀軌跡數據集對車輛跟馳行為特性進行了研究。有學者利用路側攝像頭來采集數據。金勇等[18]對環形交叉口入口道車輛跟馳行為進行分析,認為環形交叉口的車輛跟馳行為符合線性跟馳模型。還有學者通過駕駛模擬對跟車行駛過程進行仿真。彭勇等[19]建立了一種考慮前后車對跟馳車輛影響的改進跟馳模型,并通過仿真模擬進行了驗證。

雖然中外學者對城市信號交叉口、快速路以及高速公路的車輛跟馳行為展開了大量研究,但由于多是采用路側攝像頭等設備進行數據采集,或是通過仿真軟件對車輛跟馳行為進行模擬,往往會出現數據覆蓋范圍有限、無法準確地模擬出實際的交通狀況等問題。同時,信號交叉口交通干擾較大、環境較為復雜,不同于具有連續流特性的高速路段,車輛在信號交叉口必然有與其不同的跟馳行為特征。

綜上所述,自然駕駛試驗是在無任何干擾狀態下通過數據采集儀器記錄車輛真實行駛過程的研究,能夠彌補視頻觀測、模擬仿真等方法的缺陷。為此,通過開展在真實道路上的實車駕駛試驗,獲得駕駛人在信號交叉口中的連續跟馳行為數據,利用該大樣本數據分析其行為特征以及變化狀況,進一步明確駕駛人在信號控制下的駕駛決策和操作規律,為交通通行能力分析、信號交叉口安全管理、微觀交通流仿真精度等方面提供一定的實用價值。

1 實車駕駛試驗與數據預處理

1.1 交叉口選取

本次試驗在重慶市主城區開展,共選取了3處信號交叉口作為試驗對象,一處為十字形信號交叉口,兩處為行人過街信號燈,3處信號交叉口均位于城市主干道上,路段限速值為60 km/h。截取試驗車輛在十字形信號交叉口排隊等候通行的視頻片段,計算出每個片段內車輛的排隊時間并取平均值為27.33 s,其中最大排隊時間指數為0.608 7,同時在試驗期間,車輛經過兩處行人過街信號燈時基本處于綠燈,極少數存在車輛排隊情況,因此可以判斷出3處交叉口的通行能力均較為通暢[20]。表1為試驗交叉口主要技術參數。圖1為試驗交叉口示意圖。

箭頭表示試驗車輛行駛路徑圖1 試驗路線與試驗交叉口Fig.1 Test route and test intersection

1.2 試驗設備與試驗人員

本次試驗采用Speedbox慣性測速系統來獲取車輛實時的經緯度、速度、距離、位置等信息,由一個數據采集單元和外置GPS天線組成,輸出頻率為200 Hz。同時使用Mobileye前向預警系統來獲取車輛CAN總線數據,并且通過前置攝像頭能夠得到車頭間距、相對速度、車道線距離等信息,輸出頻率為10 Hz。試驗車輛為別克GL8(圖2),是城市道路中較為常見的車型之一,并在車輛前擋風玻璃安裝行車記錄儀,實時記錄行駛過程中道路交通環境信息。

本次試驗共招募了47名駕駛員,男性駕駛員35名,女性駕駛員12名,年齡分布為25～51歲,平均年齡37.4歲,駕齡分布為2～25年,平均駕齡11.5年,累計駕駛里程分布為2×104～3×106km,平均里程62.15×104km,如表2、表3所示。試驗開始前僅告知駕駛人行駛路線,在不做任何干預和提示的情況下,每位駕駛員按照預定路線連續行駛2～3個循環。

表2 試驗人員基本信息Table 2 Basic information of test personnel

表3 試驗人員年齡分布Table 3 Age distribution of experimenters

1.3 試驗數據選取

通過回看試驗過程中的行車錄像,記錄試驗車在試驗信號交叉口區域存在跟馳行為的時間段,截取該時間段內道路非擁堵狀態的跟馳數據,初步得到有效跟馳數據。然后將有效跟馳數據按照試驗車速度變化突變點劃分為加速跟馳狀態和減速跟馳狀態數據,以其中一個被試駕駛人有效跟馳速度軌跡為例,如圖3所示。

圖3 減速跟馳狀態和加速跟馳狀態劃分示例Fig.3 Examples of deceleration car-following state and acceleration car-following state division

經初步分析發現,車輛在連續行駛過程中采集到的跟馳行為參數存在突變現象,如圖4所示,這是由于當前車出現換道行為時,Mobileye前視攝像頭的探視目標會進行切換,導致跟馳數據也隨之突變。由此,根據Mobileye測量參數Obstacle ID值的變換位置對有效跟馳數據進行截取,劃分成多個跟馳片段,一個片段對應一個跟馳目標,以便后續進一步分析。最終得到251條減速跟馳軌跡和259條加速跟馳軌跡。

圖4 跟馳目標變換導致跟馳數據突變Fig.4 Car-following target transformation leads to car-following data mutation

2 相對速度特征分析

2.1 相對速度分布特征

分別對減速跟馳和加速跟馳行為中采集到的前后車相對速度數據進行統計,得到頻率分布圖,如圖5所示,其中相對速度大小指后車減前車的速度。表4為兩種跟馳狀態下的特征分位值。

圖5 跟馳狀態中相對速度頻率分布圖Fig.5 Frequency distribution of relative velocity in car-following state

表4 不同跟馳狀態下的相對速度特征分位值Table 4 Relative velocity characteristic quantiles under different car-following states

從圖5可以看出,兩種跟馳狀態的相對速度均呈負偏態。減速跟馳狀態的相對速度分布區間集中在[-3.4 m/s,0.6 m/s]范圍內,所占比例為62.26%,峰值出現在-1.4 m/s,而加速跟馳狀態的相對速度分布區間集中在[-0.9 m/s,2.6 m/s],所占比例為70.70%峰值出現在0.5 m/s,這反映出后車駕駛人在跟隨前車減速時更傾向于采取較高的速度差接近前車。兩種跟馳狀態相對速度累計頻率曲線均呈S形,表明在減速跟馳和加速跟馳狀態下,相對速度出現較高正、負值的概率都比較小,后車駕駛人主要與前車保持較小的速度差進行減速、加速跟馳行為。

結合圖5和表4可知,在兩種跟馳狀態中,減速跟馳狀態相對速度存在為正的情況,加速跟馳狀態相對速度也存在為負的情況。在減速跟馳狀態下,占比15.9%的相對速度數據大于0,最大值為5.438 m/s,平均值為1.023 m/s。經分析,在這種情況下,車輛的跟馳速度較高,與前車保持的車間距較大,當前車開始制動減速時,后車仍有充足的制動空間減速或停車。加速跟馳狀態中相對速度小于0的數據比例為25.8%,最大值為-0.002 m/s,平均值為-1.895 m/s,即使處于加速跟馳狀態,后車仍逐漸遠離前車,表明后車在跟隨前車進行加速時,速度變化普遍遲滯于前車,為保持安全行車間距,駕駛人往往不會進行大幅加速。

2.2 相對速度影響因素

為明確前后車相對速度與后車跟馳速度之間的關系,將減速跟馳和加速跟馳狀態中的相對速度數據按照不同的速度區間進行統計,得到各速度區間下相對速度的5th、50th、95th分位值,如圖6、表5所示。

圖6 相對速度區間分布圖Fig.6 Relative velocity interval distribution diagram

表5 相對速度特征值及標準差Table 5 Relative velocity eigenvalue and standard deviation

圖6(a)為減速跟馳狀態不同速度區間的相對速度箱型圖,隨著速度的不斷增大,均值和中位值變化較平穩,但均為負值,集中于[-2.8 m/s,-1.5 m/s]之間,而95th分位值隨著速度的增加由負變正,當速度大于20 km/h后呈先增大后減小的趨勢,各速度區間的5th分位值也均為負值,從絕對值來看,隨著速度的增加,相對速度的5th分位值呈增大趨勢,而當跟馳速度大于60 km/h時,開始下降,這表明駕駛員在減速跟馳狀態中,跟馳速度超過20 km/h時會受前車制約性影響,當兩車間距較大時,后車車速會短暫大于前車速度,在40～50 km/h速度區間內表現最大,而當兩車間距較小時,后車則會選擇大幅降低行車速度。

圖6(b)為加速跟馳狀態下不同速度區間的相對速度箱型圖,隨著速度的不斷增大,均值和中位值變化也較為平穩,但與減速跟馳狀態不同的是,兩者均呈緩慢下降趨勢,說明駕駛人在加速跟馳前車時,跟馳速度越大,為保持安全行駛空間而緩慢進行加速。各速度區間的5th分位值均為負值,說明在各個速度區間均有一段后車逐漸遠離前車的情況。各速度區間的95th隨速度增加的變化趨勢與減速跟馳狀態相同,呈波動增加趨勢。同時,結合圖6和表5可知,速度越低時,相對速度分布越集中,隨著速度增加,相對速度離散度也增大,這表明跟馳車速越高時,駕駛人對相對速度的選擇越離散。

3 車頭時距/間距特征分析

3.1 車頭時距閾值分析

車頭時距閾值指后車不受前車任何影響時兩車所保持的最小車頭時距,是判定跟馳狀態的臨界值,也是車輛跟馳特性研究的關鍵參數。整理實車試驗采集到的各條跟馳數據,根據公式對車頭間距轉換為車頭時距,并按照跟馳狀態分別將減速和加速跟馳狀態下的車頭時距匯總、疊加在同一坐標系中,如圖7所示。

圖7 車頭時距隨跟馳速度變化關系Fig.7 Relationship between headway and car-following speed

從圖7可以看出,減速跟馳狀態的車頭時距與加速跟馳狀態的車頭時距隨車輛跟馳速度的整體變化趨勢基本相同,呈平行的帶狀式分布,均基本集中在7 s以內。當跟馳速度處于較低范圍(0～20 km/h)時,車頭時距隨速度的增加而急劇降低;當跟馳速度處于較高范圍(20～80 km/h)時,車頭時距隨著速度的變化趨于穩定。

當跟馳速度處于較低范圍時,速度較低而車頭時距較高,此時車輛脫離跟馳狀態,表明了在減速跟馳和加速跟馳狀態下,即使前后車沒有產生較高的速度差,車頭時距也會超過閾值,導致車輛脫離跟馳狀態。

將圖7中跟馳速度較低范圍的車頭時距數據進行曲線擬合,如圖8所示。以較小跟馳速度范圍內的最大速度對應的最小車頭時距為下邊界,可知減速跟馳狀態車輛的車頭時距均不應低于1.1 s,加速跟馳狀態下不應低于0.8 s,若車頭時距低于下邊界,跟馳車輛則需要隨時采取制動措施;通過擬合曲線斜率變化程度來確定車頭時距上邊界區間范圍,可知減速跟馳狀態下時距上邊界區間為[5.8 s,6.6 s],加速跟馳狀態下時距上邊界區間為[6.5 s,7.4 s],若車頭時距高于上邊界最大值,車輛則處于脫離跟馳臨界狀態,表明跟馳車輛當前速度過低或處于起步狀態,此時車輛會加速行駛來縮小和前車距離以進入穩定的跟馳狀態。

圖8 車頭時距隨跟馳速度分布曲線擬合Fig.8 Curve fitting of time headway with car-following speed distribution

3.2 車頭間距/時距分布特征

為明確車輛在信號交叉口減速和加速跟馳狀態下的前后兩車車頭間距離和時間間隔的分布規律,剔除掉速度值在6 km/h以下的跟馳數據,并將采集的車頭間距、車頭時距按照減速跟馳狀態和加速跟馳狀態進行分類,圖9為匯總統計得到的車頭間距和車頭時距總體分布圖。表6為車頭間距、車頭時距特征分位值。

圖9 車頭間距和車頭時距分布圖Fig.9 Distribution diagram of space headway and time headway

表6 車頭間距和車頭時距特征分位值Table 6 The characteristic quantile values of space headway and time headway

從圖9(a)可以看出,減速跟馳和加速跟馳狀態下的車頭間距分布區間范圍均較大,數據主要集中于5～30 m,峰值均出現在20 m,二者的分布形態都呈“右偏”趨勢,在各分位值對應位置,加速跟馳狀態下的車頭間距均低于減速跟馳狀態,表明駕駛人在信號交叉口的減速跟馳行為更加謹慎,在前后車都處于減速狀態時,駕駛人為防止前車突然出現較大的制動幅度,會保持更遠的跟車間距。而隨著分位值的增大,減速跟馳與加速跟馳的車頭間距分布差異也逐漸增大,表明駕駛人在減速和加速過程中對較低跟車間距的選擇差異性不大,主要差異集中在對高間距的選擇上。

根據圖9(b)可知,減速跟馳和加速跟馳兩種狀態下的車頭時距分布形態均為正偏態分布,數據均集中于1.5～3.5 s。其中減速跟馳狀態下車輛車頭時距峰值出現在1.5 s,而加速跟馳狀態下出現在2.5 s。結合表6可以看出,不同跟馳狀態下的車頭時距累計頻率曲線并沒有呈現圖9(a)中不同跟馳狀態下車頭間距累計頻率曲線之間的差異。兩種跟馳狀態下的累計頻率曲線在較低分位具有較高重合度,但在20th分位值處,二者開始分離,減速跟馳狀態下的車頭時距略大于加速跟馳狀態下的車頭時距,而到了80th分位值時,前者開始小于后者。

3.3 車頭間距/時距影響因素

研究表明,車頭間距與后車跟馳速度具有較高的相關性,但與穩定跟馳狀態下車輛保持相對穩定的期望跟車間距不同,車輛在減速跟馳和加速跟馳狀態下的速度無法維持穩定值,車頭間距會隨著車速的變化而不斷變化,這也導致車頭間距整體分布離散度較高的主要原因。為探究車頭間距、車頭時距隨后車跟馳速度的變化關系,將兩種跟馳狀態的車頭間距和車頭時距按照不同的速度區間進行統計,得到各速度期間的5th、50th、95th分位值,統計結果如圖10和圖11所示。

圖10 不同速度區間下的車頭間距Fig.10 The space headway under different speed ranges

圖11 不同速度區間的車頭時距分布Fig.11 Time headway under different speed ranges

由圖10可知,隨著速度區間的增加,駕駛人在減速跟馳和加速跟馳狀態下的車頭間距5th分位值、中位值和95th分位值均呈上升趨勢。其中,95th和中位值的上升趨勢最為明顯,5th分位值的上升趨勢較為微弱,表明跟車速度越低,駕駛人選擇的跟車間距越集中,只有在較高的跟車速度區間下駕駛人才會選擇較大的跟車間距。無論是加速跟馳還是減速跟馳狀態,均值和中位值在40～60 km/h速度區間上升幅度最大,這是由于在城市道路中,車輛行駛速度普遍40 km/h,而后在越高的速度下,后車需要保持越大的跟車距離以保證行車安全。

由圖11可知,減速跟馳和加速跟馳狀態下的車頭時距5th分位值和中位值隨著速度區間的增大呈現與車頭間距不同的變化,兩者呈逐漸降低趨勢,而95th分位值隨速度區間增加呈先降低而后不斷波動的變化趨勢。當速度增加到40 km/h之后,無論是加速跟馳還是減速跟馳狀態,均值和中位值都呈先降低、后上升、再降低的趨勢,這意味著在低速區間跟馳時,駕駛人會選擇更高的車頭時距;而在高速區間跟馳時,駕駛人更傾向于選擇較低的車頭時距,跟馳速度的變化對車頭時距沒有產生較明顯的變化。

然后對不同跟車速度區間下的車頭間距和車頭時距5th分位值、中位值和95th分位值數據進行線性擬合,擬合情況如表7所示。可以看出,車頭間距的減速跟馳和加速跟馳狀態擬合情況的可決系數R2均在0.8以上,并且3個分位值均隨著跟馳速度的增加表現出穩定的線形增長趨勢。車頭時距兩種跟馳狀態的5th和50th分位值隨著跟馳速度的增加呈現的趨勢相反,由于跟馳速度越大,車頭時距的分布越離散,所以對95th進行分段線形擬合,可以看到兩種跟馳狀態在跟馳速度小于30 km/h時的車頭時距與跟馳速度表現出較強的線形關系,且包含3.1節中較低跟馳速度范圍,因此也可將該范圍內車頭時距95th分位值作為閾值上邊界,減速、加速跟馳狀態在跟馳速度<10 km/h區間內的95th分位值為6.224 s和7.316 s,均在3.1節上邊界范圍內。

表7 車頭間距、車頭時距與速度擬合參數Table 7 Fitting parameters of space headway,time headway and speed

4 結論

(1)減速跟馳狀態的相對速度基本在0以下,主要集中于[-3.4 m/s,0.6 m/s]內,加速跟馳狀態的相對速度基本在0以上,主要集中于[-0.9 m/s,2.6 m/s]內。不同跟馳速度區間的相對速度沒有較大差異,但隨著跟馳速度的增加,駕駛人對相對速度的選擇離散度明顯增大。

(2)減速跟馳狀態和加速跟馳狀態的車頭時距隨后車跟馳速度的變化趨勢相同,在較低速度范圍內(0～20 km/h)隨速度的增加而快速降低,當跟馳速度大于20 km/h時,變化趨于平穩。確定了車頭時距閾值邊界范圍,減速跟馳狀態范圍在[5.8 s,6.6 s]內,加速跟馳狀態在[6.5 s,7.4 s]內。

(3)當跟馳速度大于6 km/h時,減速跟馳狀態和加速跟馳狀態的車頭間距分布主要集中于5～30 m,峰值均出現20 m附近。兩種跟馳狀態的車頭時距分布主要集中于1.5～3.5 s。無論是減速跟馳還是加速跟馳狀態,車頭間距隨著跟馳速度的增加分布逐漸離散,而車頭時距變化不大。

研究局限性:未對車輛跟馳過程中的速度、加速度、加速度差等參數進行研究,因此結合更多參數來進一步研究信號交叉口車輛跟馳行為并進行交通流建模分析是未來工作的重點。此外,通過自然駕駛試驗也可獲取駕駛人生理、心理等方面數據,填補該方面研究的空白也是后續值得開展的研究工作。