基于高逼真駕駛模擬器霧霾天氣下跟馳行為分析

時 恒， 涂輝招， 高 坤

(同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室， 上海 201804)

以往研究多針對晴天和霧霾天的駕駛行為差異性進(jìn)行分析，而較少關(guān)注不同交通狀態(tài)下駕駛行為特別是跟馳行為的差異.本研究基于同濟(jì)大學(xué)8自由度高逼真駕駛模擬器，構(gòu)建晴天和霧霾天兩個實(shí)驗(yàn)場景，在每個實(shí)驗(yàn)場景下分別進(jìn)行自由流、擁擠流和阻塞流跟馳駕駛模擬實(shí)驗(yàn)，采集駕駛員在兩個場景不同交通狀態(tài)下的跟馳行為數(shù)據(jù)，分析晴天和霧霾天不同交通流跟馳狀態(tài)下后車延遲時距、車頭間距、車頭時距和加速、減速行為等在晴天和霧霾天的差異.

1 研究方法

1.1 跟馳行為變量

1.1.1延遲時距

延遲時距是指后車在前車行駛狀態(tài)改變后隨之改變行駛狀態(tài)的時間間隔，表征了后車受到前車刺激時改變自身行駛狀態(tài)的靈敏程度.

Zhang等[11]在研究中提出了駕駛員延遲時距的標(biāo)定方法，以±0.15 m·s-2作為前后車加、減速度變化的閾值，以前后車加、減速度變化閾值時刻的時間間隔作為跟馳行為延遲時距.本研究前車的加、減速度并非連續(xù)變化，借鑒Zhang等[11]提出的研究成果，以前車加速度改變的時刻為Tf，后車加速度閾值0.15 m·s-2出現(xiàn)時刻為Tb，根據(jù)式(1)確定跟馳行為延遲時距.延遲時距T的標(biāo)定方法如圖1所示.

T=Tf-Tb

(1)

圖1 駕駛員跟馳行為延遲時距標(biāo)定方法

Fig.1Calibrationmethodofdrivers’delaytimeincarfollowingprocess

1.1.2車頭間距、車頭時距

車頭時距描述了相同車道上連續(xù)的前后兩車通過同一道路斷面的時間間隔，排除了速度對前后兩車空間距離的影響，是描述前后兩車時空特性的重要指標(biāo).后車駕駛員會通過改變行駛速度以維持理想的車頭間距，從而保證一定的車頭時距[5].跟馳過程中的最大車頭間距是后車駕駛員為了維持跟馳狀態(tài)能夠接受的最大距離，最小車頭間距是駕駛員能夠接受的最小安全距離.分別統(tǒng)計(jì)后車駕駛員在自由流、擁擠流和阻塞流狀態(tài)下平穩(wěn)跟馳過程中能夠接受的最大車頭間距時的車頭時距(記為最大車頭時距)、最小車頭間距時的車頭時距(記為最小車頭時距)和Tb時刻的車頭時距，分析霧霾天氣對駕駛員車頭時距的影響.后車駕駛員在Tb時刻的車頭間距(記為D)、最大車頭間距(記為Dm)和最小車頭間距(記為Dn)的標(biāo)定方法見圖2.

1.1.3加速、減速行為

后車駕駛員的加、減速行為描述了后車駕駛員跟馳過程中的速度策略，是跟馳行為的重要組成部分，也是影響交通流穩(wěn)定的重要因素[9].后車在平穩(wěn)跟馳過程中加、減速度的大小描述了后車駕駛員加速、減速的意愿大小，每間隔0.1 s記錄一次后車的加速度和減速度，分別統(tǒng)計(jì)晴天和霧霾天后車在自由流、擁擠流和阻塞流狀態(tài)下平穩(wěn)跟馳過程中的加速度和減速度，分析晴天、霧霾天不同交通狀態(tài)對后車駕駛員加、減速行為的影響.

圖2 跟馳過程車頭間距標(biāo)定方法Fig.2 Calibration method of space headway in carfollowing process

1.2 高逼真駕駛模擬實(shí)驗(yàn)

1.2.1實(shí)驗(yàn)設(shè)備

本次實(shí)驗(yàn)使用同濟(jì)大學(xué)高逼真度駕駛模擬器，如圖3所示.該模擬器的駕駛模擬艙中放置了一輛完全真實(shí)的車輛，該車設(shè)置了真實(shí)的力反饋系統(tǒng)，包括方向盤、油門、剎車.車輛前方是一個250°的環(huán)形屏幕，刷新頻率是60 Hz.通過SCANeRTM軟件來控制整個駕駛模擬器.該駕駛模擬器配備了8自由度的運(yùn)動系統(tǒng)，此運(yùn)動系統(tǒng)可以開啟和關(guān)閉.

圖3 同濟(jì)大學(xué)8自由度駕駛模擬器Fig.3 High fidelity driving simulator inTongji University

1.2.2實(shí)驗(yàn)方案

a 晴天跟馳實(shí)驗(yàn)場景

b 霧霾天跟馳實(shí)驗(yàn)場景圖4 霧霾天和晴天跟馳實(shí)驗(yàn)場景示例Fig.4 Scenarios in haze and clear weather conditions

在晴天和霧霾天駕駛模擬實(shí)驗(yàn)場景中，每位駕駛員將分別在雙向四車道限速120 km·h-1的高速公路上跟馳前車行駛，前車由靜止加速至低速(10 km·h-1, 模擬阻塞流跟馳)，在低速勻速行駛一段時間后加速至中速(40 km·h-1, 模擬擁擠流跟馳)，之后再中速平穩(wěn)行駛一段時間后加速至高速(80 km·h-1, 模擬自由流跟馳)并在高速平穩(wěn)行駛一段時間.記前車加速度改變的時刻為PA(action point)，跟馳過程中前車的速度軌跡將包括圖5所示的3個加速度改變時刻(PA1～PA3)以標(biāo)定不同跟馳狀態(tài)下后車的延遲時距等跟馳行為變量，PA1～PA3的含義和對應(yīng)的延遲時距如表1所示.

表1 PA時刻含義及對應(yīng)延遲時距意義Tab.1 Action points and physical meanings

1.2.3實(shí)驗(yàn)樣本

駕駛模擬實(shí)驗(yàn)樣本量大小主要參考以往研究(12～32名駕駛員不等)[12-14]，選定了32名駕駛員進(jìn)行實(shí)驗(yàn).表2給出了參與實(shí)驗(yàn)駕駛員的基本信息，他們都擁有合格的駕駛證，無駕駛模擬癥.

圖5 跟馳實(shí)驗(yàn)前車速度軌跡設(shè)置Fig.5 Speed as a function of time slides ofleading car

表2 參與實(shí)驗(yàn)駕駛員基本信息Tab.2 General information of drivers

1.2.4數(shù)據(jù)采集

每位駕駛員將被告知應(yīng)遵守的操作規(guī)范，并熟悉駕駛模擬器.隨后駕駛員在實(shí)驗(yàn)環(huán)境下的一條高速公路上自由駕駛5 min，在此過程中，駕駛員將經(jīng)歷加速、減速、平穩(wěn)行駛等過程，同時駕駛員也將熟悉踩踏油門和剎車板的動作，與此同時，觀察員將確認(rèn)駕駛員是否有不適反應(yīng).若駕駛員一切正常，休息5 min后開始正式實(shí)驗(yàn).在駕駛實(shí)驗(yàn)進(jìn)行的過程中記錄下前、后車的行駛軌跡數(shù)據(jù)，包括速度、加速度、車頭間距等跟馳行為變量.

2 實(shí)驗(yàn)結(jié)果與分析

2.1 霧霾天氣對車頭時距、車頭間距的影響

圖6給出了晴天和霧霾天不同交通流跟馳狀態(tài)下最大、最小車頭時距、間距的累積概率分布.最大車頭時距在不同交通狀態(tài)下存在較大異質(zhì)性(圖6a)，最小車頭時距在不同交通狀態(tài)下的異質(zhì)性則較小(圖6b).最大車頭間距和最小車頭間距在不同交通狀態(tài)下存在較大異質(zhì)性.以T檢驗(yàn)或秩和檢驗(yàn)判斷均值差異性，以F檢驗(yàn)判斷方差齊性，表3給出了晴天和霧霾天車頭間距、時距的差異顯著性檢驗(yàn).以Kruskal-Wallis檢驗(yàn)判斷均值差異性，以單因素方差分析判斷方差齊性，表4給出了不同交通狀態(tài)下車頭間距、車頭時距的差異顯著性檢驗(yàn).

表3晴天和霧霾天最大、最小車頭間距、時距差異顯著性檢驗(yàn)

Tab.3Significanttestsformaximum/minimumdistance/timeheadwaysunderclearandhazyweatherconditions

檢驗(yàn)變量交通狀態(tài)均值檢驗(yàn)方差檢驗(yàn)(霧霾天-晴天)/晴天均值/%標(biāo)準(zhǔn)差/%最大車頭間距自由流擁擠流阻塞流*顯著*顯著**顯著不顯著不顯著*顯著8.719.425.65.632.155.3最小車頭間距自由流擁擠流阻塞流*顯著不顯著不顯著不顯著不顯著不顯著-13.0-6.5-12.7-21.9-11.09.0最大車頭時距自由流擁擠流阻塞流不顯著不顯著不顯著不顯著*顯著不顯著8.9-5.3-10.84.6-43.6-13.3最小車頭時距自由流擁擠流阻塞流不顯著不顯著**顯著*顯著不顯著**顯著21.08.5-47.949.8-23.483.2

注:*α=0.1;**α=0.05.

表4 不同交通狀態(tài)下最大、最小車頭間距、時距差異顯著性檢驗(yàn)Tab.4 Significant tests maximum/minimum distance/time headways under different traffic conditions

注:*α=0.1;**α=0.05.

對比不同交通狀態(tài)下跟馳行為的車頭時距和車頭間距特性，從表4可以看出，擁擠流跟馳狀態(tài)下的最大車頭時距和最小車頭時距相對于自由流和阻塞流較小，說明駕駛員在擁擠流跟馳狀態(tài)具有更大的信心以較小的車頭時距跟馳前車行駛.在阻塞流跟馳狀態(tài)，由于當(dāng)前車速較低，車頭時距較大，隨著速度的增加，車頭時距隨之減小，擁擠流跟馳狀態(tài)的最大車頭時距相對阻塞流跟馳狀態(tài)在晴天和霧霾天分別減小了58.7%和56.2%，最小車頭時距分別減小了58.5%和13.7%.當(dāng)車速較高時，后車駕駛員為了保證行駛安全以較大的車頭間距跟馳前車行駛，此時的車頭時距相對于中速跟馳狀態(tài)顯著增加，其中自由流跟馳狀態(tài)下最大車頭時距相對于擁擠流跟馳狀態(tài)在晴天和霧霾天分別增加了59.1%和82.9%，最小車頭時距分別增加了77.0%和97.5%.從表4還可以看出，隨著車速的提高，最大車頭間距及其離散性隨之顯著增加，說明車速越高，車流密度越低且穩(wěn)定性越差.

a 最大車頭時距

b 最小車頭時距

c 最大車頭間距

d 最小車頭間距圖6 不同交通狀態(tài)下駕駛員最大、最小車頭時距、間距累積概率分布Fig.6 Cumulative probability distributions of maximum/ minimum distance/time headways under differenttraffic conditions

對比晴天和霧霾天車頭間距和時距特性，從表3可以看出，霧霾天氣對不同交通狀態(tài)的最大車頭間距都有顯著影響，霧霾天氣下最大車頭間距在自由流、擁擠流和阻塞流跟馳狀態(tài)下分別增加了8.7%、19.4%和25.6%；霧霾天氣對車頭時距的影響較小，主要影響了阻塞流跟馳狀態(tài)下的最小車頭時距，使得最小車頭時距減小了47.9%，同時使得其離散性增加了83.2%.對比結(jié)果說明霧霾天氣由于其能見度低的特性，會影響后車駕駛員的空間距離感知，但是對駕駛員的時間間隔感知影響較小.

霧霾天自由流狀態(tài)下駕駛員靈活性較大，雖然最大車頭間距顯著增加了,但由于能見度低，駕駛員對交通流環(huán)境反應(yīng)時間增加(即延遲時距增加)，導(dǎo)致了最小的車頭時距顯著減少.霧霾天3種交通狀態(tài)下的最大車頭間距相比晴天都顯著增加,說明霧霾天車頭間距的離散性大大增加.雖然，駕駛員在霧天采取了更為謹(jǐn)慎的駕駛行為(最大車頭間距增加)，但同時霧霾天氣下交通風(fēng)險也顯著增加(最小的車頭間距和車頭時距都顯著減少).

2.2 霧霾天氣對延遲時距的影響

圖7給出了不同交通流跟馳狀態(tài)下延遲時距的累積概率分布，隨著速度的增加，延遲時距的均值和標(biāo)準(zhǔn)差都有增加的趨勢(圖7d).說明在阻塞流跟馳狀態(tài)下，由于前后車行駛速度較低且車頭間距較小，后車駕駛員會更快地對前車的刺激做出反應(yīng)，隨著速度的增加，車頭間距隨之增大，后車駕駛員判斷前車行駛狀態(tài)的難度增加，其反應(yīng)變得相對遲緩，導(dǎo)致延遲時距增加.

a 自由流跟馳狀態(tài)

b 擁擠流跟馳狀態(tài)

c 阻塞流跟馳狀態(tài)

d 不同交通狀態(tài)下延遲時距對比圖7 不同交通狀態(tài)下延遲時距累積概率分布Fig.7 Cumulative probability distributions of delay time under different traffic conditions

表5給出了不同交通流跟馳狀態(tài)下延遲時距在晴天和霧霾天的均值和標(biāo)準(zhǔn)差及其差異性檢驗(yàn).自由流和擁擠流跟馳狀態(tài)下，延遲時距在晴天和霧霾天的差異性不顯著，而阻塞流跟馳狀態(tài)下存在顯著性差異.對比結(jié)果說明：當(dāng)行駛速度較大時，后車駕駛員更期望保持較大的跟車間距，從而避免頻繁地對前車的行駛狀態(tài)做出反應(yīng)，此時霧霾天氣對后車行駛策略的影響較小.而當(dāng)速度較低時，霧霾天氣會顯著地影響駕駛員對前車的感知，從而影響后車的行駛策略，使得延遲時距比晴天增加了15.5%，并且其離散性增加了28.2%.駕駛員反應(yīng)時間的增加是導(dǎo)致延遲時距增加的主要因素，同時也導(dǎo)致了最小車頭時距顯著減小.

表5晴天和霧霾天氣下延遲時距均值、標(biāo)準(zhǔn)差及其差異性檢驗(yàn)

Tab.5Significanttestsfordifferencesofmeanvalueandstandarddeviationofdelaytimeunderclearandhazeweatherconditions

交通狀態(tài)均值差異性方差齊性(霧霾天-晴天)/晴天均值/%標(biāo)準(zhǔn)差/%自由流不顯著(0.706)不顯著(0.630)-4.314.7擁擠流不顯著(0.429)不顯著(0.642)8.9-6.3阻塞流*顯著(0.092)*顯著(0.085)15.528.2

注：*α=0.1,**α=0.05.

從表6可以看出，在晴天和霧霾天氣下，不同交通流跟馳狀態(tài)下的延遲時距存在顯著性差異，隨著速度增加，延遲時距及其離散性顯著增加.

表6不同交通狀態(tài)下延遲時距均值、標(biāo)準(zhǔn)差及其差異性檢驗(yàn)

Tab.6Significanttestsfordifferencesofmeanvalueandstandarddeviationofdelaytimeunderdifferenttrafficconditions

天氣狀態(tài)均值差異性方差齊性(自由流-擁擠流)/擁擠流(擁擠流-阻塞流)/阻塞流均值/%標(biāo)準(zhǔn)差/%均值/%標(biāo)準(zhǔn)差/%晴天**顯著(0.000)**顯著(0.000)89.864.927.279.9霧霾天**顯著(0.000)**顯著(0.000)66.7102.720.231.4

注:*α=0.1;**α=0.05.

2.3 霧霾天氣對駕駛員加速、減速行為的影響

圖8描述了晴天和霧霾天駕駛員在不同交通流跟馳狀態(tài)下的加、減速特性.

在自由流、擁擠流和阻塞流跟馳狀態(tài)下后車加速度在霧霾天的最大值均小于晴天(表7)，說明駕駛員在霧霾天的加速行為更為謹(jǐn)慎.后車在整個平穩(wěn)跟馳過程中的加速度和減速度均值為正值，說明處在跟馳過程中的后車駕駛員存在加速的趨勢，并且在擁擠流跟馳狀態(tài)下的加速趨勢大于自由流和阻塞流跟馳狀態(tài)(圖8d).從不同交通狀態(tài)下的后車加、減速行為的對比結(jié)果來看，隨著速度的增加，后車加速度和減速度的標(biāo)準(zhǔn)偏差隨之減小，說明加速度和減速度離散程度變小，后車駕駛員會更謹(jǐn)慎地駕駛車輛.

a 自由流狀態(tài)

b 擁擠流狀態(tài)

c 阻塞流狀態(tài)

d 不同交通狀態(tài)下加減速差異圖8 不同交通狀態(tài)下駕駛員加、減速行為特征Fig.8 Features of drivers’ acceleration/deceleration behaviors under different traffic conditions表7 加、減速度統(tǒng)計(jì)描述Tab.7 Statistical description of acceleration/deceleration rate

天氣狀況交通狀態(tài)樣本長度均值/(m·s-2)標(biāo)準(zhǔn)誤差/(m·s-2)中值/(m·s-2)標(biāo)準(zhǔn)偏差/(m·s-2)標(biāo)準(zhǔn)方差/(m·s-2)最大值/(m·s-2)最小值/(m·s-2)晴天自由流178730.09035.05×10-6 0.0870.5010.2511.888-4.876擁擠流117930.1433-1.21×10-5-0.0101.0171.0353.099-5.020阻塞流152420.0034-2.21×10-7-5.34×10-61.0471.0964.056-5.505霧霾天自由流162940.05233.21×10-6 0.0820.5100.2601.779-4.768擁擠流108970.1293-1.19×10-5-0.0220.8450.7143.013-6.315阻塞流140220.00251.81×10-71.65×10-50.8930.7983.411-6.381

3 結(jié)論

本文基于8自由度高逼真度駕駛模擬器，構(gòu)建晴天和霧霾天兩個實(shí)驗(yàn)場景，分析了自由流、擁擠流和阻塞流交通狀態(tài)下的延遲時距、車頭間距、車頭時距和后車的加速、減速行為等跟馳行為關(guān)鍵變量，主要結(jié)論如下：

擁擠流交通狀態(tài)下的駕駛員具有更大的信心以更小的車頭時距跟馳前車行駛，其車頭時距及其離

散性相對自由流和阻塞流跟馳狀態(tài)較小.阻塞流交通狀態(tài)下，霧霾天氣下駕駛員更謹(jǐn)慎的駕駛是導(dǎo)致延遲時距增加、最小車頭時距顯著減小的主要原因.

霧霾天氣顯著影響了駕駛員的車頭間距感知，對車頭時距感知的影響卻較小.同時，霧霾天氣顯著影響了跟馳行為，最大車頭間距在自由流、擁擠流和阻塞流跟馳狀態(tài)下分別增加了8.7%、19.4%和25.6%；自由流跟馳狀態(tài)下最小車頭間距減小了13.0%；阻塞流跟馳狀態(tài)下最小車頭時距減小了47.9%，但延遲時距及其離散性增加了15.5%和28.2%.

參考文獻(xiàn):

[1] 袁媛, 周寧芳, 李崇銀. 中國華北霧霾天氣與超強(qiáng)El Nino事件的相關(guān)性研究[J]. 地球物理學(xué)報(bào), 2017, 60(1): 11.

YUAN Yuan, ZHOU Ningfang, LI Congyin. Correlation between haze in North China and super EI Nio events[J]. Chinese Journal of Geophysics, 2017, 60(1): 11.

[2] 王晶, 劉小明, 李德慧. 駕駛模擬器現(xiàn)狀及應(yīng)用研究[J]. 交通標(biāo)準(zhǔn)化, 2008(11): 160.

WANG Jing, LIU Xiaoming, LI Dehui. Driving simulator status quo and application research[J]. Communitions Standardization, 2008(11): 160.

[3] 涂輝招, 李振飛, 孫立軍. 駕駛模擬器運(yùn)動系統(tǒng)對自由駕駛行為的影響分析[J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 43(11): 1696.

TU Huizhao, LI Zhenfei, SUN Lijun. Effects of motion system of driving simualtor on free driving behaviors[J]. Journal of Tongji University(National Science), 2015, 43(11): 1696.

[4] TU H, LI Z, LI H,etal. Driving simulator fidelity and emergency driving behavior[J]. Transportation Research Record: Journal of the Transportation Research Board, 2015(2518): 113.

[5] KANG J J, NI R, ANDERSEN G J. Effects of reduced visibility from fog on car-following performance[J]. Transportation Research Record: Journal of the Transportation Research Board, 2008(2069): 9.

[6] 何莎, 閆學(xué)東, 龐洪濤,等. 霧天對駕駛行為的影響研究——避撞駕駛行為[J]. 交通信息與安全, 2014, 32(5): 126.

HE Sha, YAN Xuedong, PANG Hongtao,etal. Effects of fog

conditions on driving behaviors-crash avoidance driving behaviors[J]. Journal of Transportation Information and Safety, 2014, 32(5): 126.

[7] EVANS L. Traffic safety and the driver[C]∥World Congress of the International Association for Accident and Traffic Medicine. Singapore: Science Serving Society,1995: 256-256.

[8] CAVALLO V. Perceptual distortions when driving in fog[C]∥Proc 2nd International Conference on Traffic and Transportation Studies. Shanghai:[s.n.], 2002:965-972.

[9] ZHOU W. Analysis of distance headway[J]. Journal of Southeast University, 2003, 19(4): 378.

[10] HOOGENDOORN R, TAMMINGA G, HOOGENDOORN S P,etal. Longitudinal driving behavior under adverse weather conditions: adaptation effects, model performance and freeway capacity in case of fog[C]∥Intelligent Transportation Systems (ITSC), 2010 13th International IEEE Conference on.[S.l.]:IEEE,2010: 450-455.

[11] ZHANG X, BHAM G H. Estimation of driver reaction time from detailed vehicle trajectory data[J]. MOAS, 2007(7): 574.

[12] BELLA F. Parameters for evaluation of speed differential: contribution using driving simulator[J]. Transportation Research Record: Journal of the Transportation Research Board, 2007(2023): 37.

[13] REYNER L, WELLS S J, MORTLOCK V,etal. “Post-lunch” sleepiness during prolonged, monotonous driving—effects of meal size[J]. Physiology & Behavior, 2012, 105(4): 1088.

[14] YANG Q, OVERTON R, HAN L,etal. The influence of curbs on driver behaviors in four-lane rural highways—a driving simulator based study[J]. Accident Analysis & Prevention, 2013(50): 1289.