基于駕駛模擬技術(shù)的不良天氣對(duì)駕駛員跟馳行為的綜合影響研究

趙曉華，任貴超，陳 晨，榮 建，常 新

(1. 北京工業(yè)大學(xué) 北京市交通工程重點(diǎn)實(shí)驗(yàn)室，北京 100124； 2. 北京市城市交通運(yùn)行保障工程技術(shù)研究中心，北京 100124； 3. 北京市交通信息中心，北京 100073)

0 引 言

因不良天氣造成交通擁堵的情況屢見不鮮。2010年9月北京小雨，導(dǎo)致主要路段全天9 h處于嚴(yán)重?fù)矶聽顟B(tài)[1]；2011年6月北京遭受暴雨襲擊，造成22處道路中斷，交通運(yùn)行狀況受到極大的干擾[2]。極端惡劣天氣對(duì)交通狀態(tài)會(huì)造成更大影響，甚至導(dǎo)致交通癱瘓。因此，不良天氣對(duì)交通運(yùn)行狀態(tài)影響受到各級(jí)政府及管理部門的高度重視，2008年公安部發(fā)布《高速公路交通應(yīng)急管理程序規(guī)定》，以期對(duì)不良天氣條件下交通運(yùn)行狀態(tài)實(shí)施預(yù)告預(yù)警，引導(dǎo)公眾出行，提高交通運(yùn)行效率和安全水平。

近年來，有關(guān)不良天氣條件對(duì)交通運(yùn)行狀態(tài)的影響研究主要集中在不良天氣條件下交通流運(yùn)行特性分析。楊中良等[3]利用上海市交通及天氣信息數(shù)據(jù)分析了降雨對(duì)交通流的影響，得出降雨環(huán)境下道路通行能力下降6%～15%；劉力力等[4]對(duì)比分析了降雪和正常天氣條件下快速路交通流量和運(yùn)行速度變化，給出了不同等級(jí)降雪天氣下流量和速度折減系數(shù)；鄭福維[5]等利用往年氣象及交通數(shù)據(jù)，研究了霧天等不良天氣對(duì)交通運(yùn)行的影響；陳富堅(jiān)[6]等研究表明：惡劣天氣對(duì)交通運(yùn)行狀態(tài)造成嚴(yán)重影響，其中，低能見度是交通擁堵及安全隱患的重要原因；張續(xù)光[7]等研究指出：暴風(fēng)雪等惡劣天氣會(huì)極大影響道路使用性能和行車環(huán)境條件；M.AGARWAL等[8]分析了不同狀況下惡劣天氣對(duì)交通運(yùn)行狀態(tài)影響，指出大雨、大雪會(huì)使道路通行能力分別下降10%～17%、19%～27%；B.L.SMITH等[9]研究了不同強(qiáng)度降雨對(duì)高速公路通行能力和車輛運(yùn)行速度的影響。

事實(shí)上，不良天氣對(duì)駕駛行為影響是導(dǎo)致交通運(yùn)行狀態(tài)變化的主要原因。駕駛員作為道路交通的參與者，其駕駛行為(特別是跟馳行為)受環(huán)境、天氣等外界因素的綜合影響，導(dǎo)致交通運(yùn)行狀態(tài)產(chǎn)生差異。目前，國(guó)內(nèi)外很多學(xué)者對(duì)不良天氣條件下的駕駛行為開展了相關(guān)研究，A.T.IBRAHIM等[10]對(duì)降雪天氣下的交通數(shù)據(jù)采用虛擬變量回歸分析法，得出小雪天氣下車輛速度降低3%～5%，大雪天氣下車輛速度降低30%～40%的結(jié)論；M.E.WHITE等[11]研究了低能見度天氣下車頭時(shí)距變化，結(jié)果表明：當(dāng)能見度為150 m時(shí)，車頭時(shí)距低于2 s的車輛所占比例是晴天正常交通流的2.5倍。以往的研究主要基于實(shí)際車輛運(yùn)行數(shù)據(jù)，指標(biāo)一般限于速度、車頭時(shí)距等易于測(cè)量參數(shù)，無法較為全面地反應(yīng)不良天氣對(duì)跟馳行為影響。此外，由于實(shí)測(cè)情況下極端天氣罕為發(fā)生，不同等級(jí)天氣條件下相關(guān)數(shù)據(jù)覆蓋面不足也限制了研究成果應(yīng)用。

跟馳行為作為最基本的微觀駕駛行為，描述了單一車道中前后兩車之間的相互關(guān)系，是交通流中的主要駕駛行為，對(duì)其研究有助于理解交通流運(yùn)行特性。城市快速路作為城市道路的骨干路網(wǎng)，決定了城市交通運(yùn)行狀態(tài)總體水平。鑒于此，筆者利用駕駛模擬技術(shù)，搭建城市快速道路場(chǎng)景，設(shè)置多種等級(jí)的雨雪霧天氣條件，研究不同天氣條件對(duì)駕駛員跟馳行為影響，進(jìn)而評(píng)價(jià)不良天氣條件對(duì)交通流順暢性影響，以期為交通狀態(tài)綜合管控措施的制定及居民出行選擇提供支持。

1 實(shí)驗(yàn)設(shè)計(jì)

筆者選取北京市東二環(huán)道路作為研究背景，在道路線性、路側(cè)景觀實(shí)地調(diào)查基礎(chǔ)上，利用3D建模技術(shù)，結(jié)合緯地軟件，在AutoSim駕駛模擬器中〔圖1(a)〕真實(shí)再現(xiàn)了道路交通環(huán)境?；谙到y(tǒng)內(nèi)置SCANeR Studio軟件，該模擬器能為駕駛員提供道路、標(biāo)志標(biāo)線及其他運(yùn)動(dòng)車輛、路側(cè)景觀等虛擬駕駛場(chǎng)景，同時(shí)能完成雨雪霧等天氣參數(shù)設(shè)置。

圖1 駕駛模擬器與道路示意Fig. 1 Driving simulator and road conditions

模擬場(chǎng)景道路為雙向六車道、車道寬度為3.75 m，包括直線、上坡、下坡和彎道這4種道路條件，場(chǎng)景全長(zhǎng)9 km〔如圖1(b)中黑線標(biāo)示〕。模擬器具有3個(gè)自由度，可為駕駛員提供前方130°水平視野和40°垂直視野，以及左右后視鏡和后方30°水平視野、 40°垂直視野，共4個(gè)通道。模擬場(chǎng)景中，實(shí)驗(yàn)車輛周圍設(shè)置30輛車輛，模擬真實(shí)環(huán)境下的交通流。通過編寫控制腳本，使周圍車輛在行駛過程中實(shí)現(xiàn)勻速、加速及減速行駛。實(shí)驗(yàn)車輛完成3種跟馳行為：① 勻速跟馳：前方車輛以40 km/h速度運(yùn)行；② 加速跟馳：前方車輛以3.3 m/s2加速度由40 km/h加速至50 km/h；③減速跟馳：前方車輛以3.3 m/s2減速度從40 km/h減速至30 km/h。

依據(jù)GB/T 28592—2012《降水量等級(jí)》[12]和GB/T 27964—2011《霧的等級(jí)與預(yù)報(bào)》[13]，雨天天氣可劃分為小雨、中雨、大雨、暴雨、大暴雨及特大暴雨這6個(gè)等級(jí)；雪天天氣劃分為小雪、中雪、大雪、暴雪、大暴雪及特大暴雪等6個(gè)等級(jí)；霧天根據(jù)能見度可以劃分為輕霧、霧、大霧、濃霧、強(qiáng)濃霧等5個(gè)等級(jí)。受駕駛模擬條件限制，筆者將雨天設(shè)置為4個(gè)等級(jí)，雪天設(shè)置為2個(gè)等級(jí)，霧天能見度設(shè)置為0～10 km。基于實(shí)際生活與虛擬環(huán)境下雨雪天氣等級(jí)不同，筆者選取31名自愿者進(jìn)行虛擬場(chǎng)景雨雪天氣與實(shí)際雨雪天氣匹配測(cè)試。結(jié)果顯示：虛擬環(huán)境中雨天4個(gè)等級(jí)分別對(duì)應(yīng)實(shí)際生活中的小雨、中雨、大雨、大暴雨；雪天2個(gè)等級(jí)分別對(duì)應(yīng)實(shí)際生活中的大雪、大暴雪。因此，實(shí)驗(yàn)設(shè)計(jì)了11種天氣條件。模擬駕駛系統(tǒng)根據(jù)天氣條件調(diào)整道路表面抓地力，圖2為天氣場(chǎng)景示例，這11種天氣條件參數(shù)及抓地力折減系數(shù)如表1。

圖2 模擬艙天氣場(chǎng)景示意Fig. 2 Weather scenario in simulator

/m——10 0001.000.20—2 0001.000.45—8000.750.70—5500.600.95—3000.45—0.455000.45—0.951000.20——1 5001.00——8001.00——3001.00——501.00

實(shí)驗(yàn)共招募31名被試，年齡分布為26～56歲(平均年齡為41歲，SD=8)，身體狀況良好，無色弱色盲。模擬器以20 Hz頻率記錄駕駛員操控行為參數(shù)(加速踏板/制動(dòng)踏板深度、方向盤轉(zhuǎn)角、擋位等)及車輛運(yùn)行參數(shù)(速度、加速度、側(cè)向位移、與前車距離等)。

2 數(shù)據(jù)預(yù)處理

直線路段是城市快速路主要組成部分，筆者選取直線路段對(duì)研究不良天氣下城市快速路交通流順暢性具有代表意義。車輛與前車之間的距離、相對(duì)速度和加速度能反應(yīng)駕駛員的跟馳狀態(tài)，選取車頭時(shí)距、車頭間距振幅、最小跟馳車速差、最大跟馳車速差、跟馳加速度共5個(gè)駕駛過程指標(biāo)進(jìn)行不同天氣條件下跟馳過程分析，其指標(biāo)示意如圖3。

圖3 跟馳過程指標(biāo)示意Fig. 3 Indicators during car-following process

根據(jù)車頭時(shí)距等5個(gè)指標(biāo)在不同天氣條件下的表現(xiàn)，分析駕駛員行為變化，并進(jìn)一步闡明天氣條件對(duì)交通流順暢性的綜合影響。

3 不良天氣對(duì)跟馳行為影響

3.1 車頭時(shí)距

各種天氣條件下被試車輛車頭時(shí)距均值如圖4。方差分析結(jié)果表明：在低速、直線條件下，天氣條件對(duì)車頭時(shí)距具有顯著影響〔F(10,324)=1.815，p=0.057〕，顯著性主要是由晴天及大暴雪引起；此外不同類型天氣的車頭時(shí)距均大于晴天，且隨著天氣惡劣程度提升基本呈增加趨勢(shì)；對(duì)于霧天這一類天氣，強(qiáng)濃霧條件下的車頭時(shí)距與其他幾種霧天狀態(tài)相比呈現(xiàn)下降趨勢(shì)，表明在能見度極低狀態(tài)下，駕駛員傾向于跟緊前車以確保行駛安全；大暴雨條件下的車頭時(shí)距與大雨?duì)顟B(tài)類似(兩兩比較p=0.754)，可能是當(dāng)降雨強(qiáng)度超過某一閾值時(shí)，駕駛員對(duì)危險(xiǎn)感知達(dá)到最大值。

圖4 不同天氣條件下平均車頭時(shí)距Fig. 4 Average headway time distance under different weatherconditions

3.2 車頭間距振幅

車頭間距振幅是指跟馳過程中車輛縱向擺動(dòng)幅度，駕駛員在該值范圍內(nèi)調(diào)整車頭間距，各天氣條件下車頭間距振幅均值如圖5。方差分析結(jié)果顯示：在低速、直線條件下，天氣條件對(duì)車頭間距振幅具有顯著影響〔F(10,324)=1.63，p=0.097〕，顯著性主要由大暴雪及晴天引起；不同天氣條件下車頭間距振幅均值均大于晴天；同一類天氣條件下，隨著天氣惡劣程度提升，車頭間距振幅基本呈增大趨勢(shì)；與車頭時(shí)距類似，強(qiáng)濃霧條件下車頭間距振幅與大霧天氣相比降低，表明駕駛員在能見度極低條件下對(duì)車輛控制穩(wěn)定性增強(qiáng)。

圖5 不同天氣條件下平均車頭間距振幅Fig. 5 Average head spacing amplitude under different weatherconditions

3.3 最小跟馳車速差

最小跟馳車速差表示車輛在行駛過程中車速低于前車車速時(shí)最大車速差，其絕對(duì)值越大表示駕駛員跟馳過程中對(duì)前車加速行為反應(yīng)越不敏感，各天氣條件下最小跟馳車速差均值如圖6。方差分析結(jié)果顯示：低速、直線條件下，天氣條件對(duì)最小跟馳車速差具有顯著影響〔F(10,324)=1.865，p=0.049〕，顯著性主要由大霧、大暴雨及大暴雪天氣引起；在同類天氣條件下，最小跟馳車速差隨天氣惡劣程度的增加基本呈減小趨勢(shì)；大霧及大暴雨條件下最小跟馳車速差出現(xiàn)振蕩，可能是由于該天氣下能見度較低且車頭時(shí)距較大，駕駛員為使前車保持在視野內(nèi)而對(duì)前車車速注意力增加。

圖6 不同天氣條件下平均最小跟馳車速差Fig. 6 Average minimum car-following speed difference under differentweather conditions

3.4 最大跟馳車速差

最大跟馳車速差表示車輛在行駛過程中車速高于前車車速最大車速差，該值越大表明駕駛員在跟馳過程中對(duì)前車減速行為的反應(yīng)越不敏感。方差分析結(jié)果顯示：低速、直線條件下，不同天氣條件對(duì)最大跟馳車速差的影響不具有統(tǒng)計(jì)顯著性〔F(10,324)=1.221，p>0.1〕，即不同天氣條件下最大跟車車速差較為穩(wěn)定，駕駛員對(duì)前車減速行為反應(yīng)受天氣條件影響較小。

3.5 跟馳加速度

跟馳加速度是指跟馳過程中正加速度均值，體現(xiàn)了駕駛員對(duì)當(dāng)前行駛狀態(tài)的縱向控制能力。方差分析顯示：不同天氣條件對(duì)跟馳加速度影響不呈顯著性〔F(10,324)=0.335，p>0.1〕，表明在低速、直線跟馳狀態(tài)中，不同天氣情況下駕駛員對(duì)車速控制能力較為穩(wěn)定。

由以上分析可確定：顯著性指標(biāo)分別為車頭時(shí)距、車頭間距振幅和最小跟馳車速差。

4 不良天氣對(duì)交通流順暢性影響

利用主成分分析方法，筆者綜合考慮不同天氣下車頭時(shí)距、車頭間距振幅、最小跟馳車速差等指標(biāo)，衡量不同天氣條件對(duì)交通流順暢性綜合影響。

一般而言，除最小跟馳車速差外，其他指標(biāo)越大則交通流順暢性越差。為使指標(biāo)趨勢(shì)具有一致性，筆者將最小跟馳車速差取相反值做正向化處理。不同天氣條件下各指標(biāo)值如表2。

對(duì)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理，進(jìn)行主成分分析，計(jì)算特征值及貢獻(xiàn)率如表3。選取前兩個(gè)主成分，貢獻(xiàn)率達(dá)99.20%，獲得主成分因子的成分得分系矩陣如表4。

不同天氣條件對(duì)交通流順暢性影響得分Dn計(jì)算如式(1)：

(1)

式中：Dn為交通流順暢性綜合得分；F1、F2分別為主成分得分；a1、a2分別為主成分特征值。

表3 解釋方差及貢獻(xiàn)率Table 3 Explain variance and contribution rate %

表4 成分得分系數(shù)Table 4 Component score coefficient

根據(jù)低速直線條件下的跟馳行為分析，各天氣條件下交通流順暢性綜合得分如圖8。相對(duì)晴天，輕霧、小雨對(duì)交通流順暢性影響較小，大暴雪天氣對(duì)交通流順暢性的影響最大；在同類天氣中，隨著惡劣程度提升天氣對(duì)交通流順暢性影響基本呈增加趨勢(shì)，然而強(qiáng)濃霧和大暴雨天氣相較于大霧和大雨天氣有所下降；不同等級(jí)雨雪霧天氣條件對(duì)交通流順暢性影響從大到小依次為：大暴雪、大雨、大暴雨、大霧、中雨、霧、強(qiáng)濃霧、大雪、輕霧、小雨、晴天。

圖7 不同天氣條件對(duì)交通流順暢性影響綜合得分Fig. 7 Comprehensive scores of different weather’s effect on traffic flow’s smoothness

5 結(jié) 論

筆者以不良天氣為自變量，以車輛在直線跟馳過程中的車頭時(shí)距、車頭間距振幅、最小跟馳車速差、最大跟馳車速差和跟馳加速度為指標(biāo)，利用單因素方差分析和主成分分析方法，研究了雨雪霧等不良天氣對(duì)低速直線路段跟馳行為及交通流順暢性的影響。

1)在不良天氣條件下，駕駛員在低速跟馳過程中對(duì)車輛行駛穩(wěn)定性及車輛之間距離控制能力下降，對(duì)前車加速行為不敏感，并且車輛與前車距離變大。隨著天氣惡劣程度增加，交通流順暢性基本呈減小趨勢(shì)。

2)在低速直線條件下，不良天氣對(duì)交通流順暢性影響從大到小依次為：大暴雪、大雨、大暴雨、大霧、中雨、霧、強(qiáng)濃霧、大雪、輕霧、小雨、晴天。

本研究結(jié)論針對(duì)低速直線條件下的跟馳行為，當(dāng)改變道路交通條件(如上下坡、彎道)或綜合考慮其他駕駛行為(如變道、超車)時(shí)，天氣條件對(duì)駕駛行為和交通流順暢性影響可能會(huì)發(fā)生變化。基于其他道路交通條件或駕駛行為的不良天氣對(duì)交通流順暢性影響，筆者將在后續(xù)研究中進(jìn)一步分析。