海底隧道出入口段駕駛?cè)搜蹌?dòng)特征分析與建模

潘福全，泮海濤，王 錚，楊金順，張麗霞，康國祥

(青島理工大學(xué)機(jī)械與汽車工程學(xué)院，青島 266520)

駕駛員在隧道路段行車時(shí)，由于隧道出入口段光照的劇烈變化和隧道的密閉性，會(huì)引起駕駛員心理及生理上的變化。隧道行車安全問題是交通安全研究領(lǐng)域的重要內(nèi)容，中外的許多研究學(xué)者對公路隧道行車安全研究主要分為以下兩個(gè)方面：一方面，基于駕駛?cè)搜蹌?dòng)特征的隧道照明設(shè)計(jì)優(yōu)化方案；另一方面，隧道道路線形優(yōu)化設(shè)計(jì)方案。海底隧道是一流特殊的隧道，其需要先從陸地引入海底，然后從海床下通過，然后再穿出到陸地，故海底隧道的結(jié)構(gòu)線形比普通山體隧道復(fù)雜得多[1]。目前針對海底隧道出入口段照度變化對交通運(yùn)行安全性影響研究少[2-3]。

關(guān)于照度對駕駛員駕駛行為的影響，中外學(xué)者都進(jìn)行了較多的研究。Kircher等[4]通過駕駛模擬器研究了隧道設(shè)計(jì)因素對駕駛行為的影響，研究表明隧道墻壁顏色和照明會(huì)對駕駛行為產(chǎn)生一定的影響。Bo等[5]為了提高公路隧道照明的交通安全性，以反應(yīng)時(shí)間為參數(shù)，研究了LED(lighting em)照明對人眼視覺性能的影響。Qin等[6]通過實(shí)車實(shí)驗(yàn)，詳細(xì)分析了白天和夜晚不同照度和不同車速條件下高速公路入口段駕駛?cè)搜蹌?dòng)特征變化規(guī)律。樊兆董等[7]通過虛擬現(xiàn)實(shí)和3D光環(huán)境技術(shù)對隧道內(nèi)不同間距的反光環(huán)對駕駛員的影響進(jìn)行研究,發(fā)現(xiàn)反光環(huán)設(shè)置間距200 m時(shí)駕駛員的駕駛安全性、穩(wěn)定性較好,心理舒緊張感較低。羅杰等[8]基于實(shí)測數(shù)據(jù)，分析了隧道照度和行駛速度對駕駛員心率增長率的影響規(guī)律，并建立了其回歸模型。胡馨月[9]提出了基于人眼動(dòng)態(tài)視覺的隧道中間段亮度和過渡段的亮度照明指標(biāo)，該照明指標(biāo)更符合駕駛員的視覺響應(yīng)特點(diǎn)。

關(guān)于坡度對駕駛員駕駛行為影響的研究，楊理波等[10]通過駕駛模擬器和E-prime軟件進(jìn)行坡度感知和速度感知的心理物理實(shí)驗(yàn)，對隧道內(nèi)行車環(huán)境的變化對駕駛員的坡度感知能力和速度感知能力的影響進(jìn)行了分析。馮忠祥等[11]通過城市下穿隧道縱坡段實(shí)車試驗(yàn)，發(fā)現(xiàn)在城市下穿隧道上、下坡段行駛時(shí)，不同坡度范圍下的車速和心率增長率有一定的差異性。杜志剛等[12-13]通過實(shí)車實(shí)驗(yàn)采集相關(guān)數(shù)據(jù)，分析了不同隧道出入口段駕駛?cè)艘曈X負(fù)荷評(píng)價(jià)，為深入的研究駕駛?cè)送ㄟ^隧道出入口段視覺舒適度提出了切入點(diǎn)。趙建有等[14]通過實(shí)驗(yàn)研究發(fā)現(xiàn)高速公路隧道縱坡的坡度對駕駛?cè)说男穆首兓视邢喈?dāng)大的影響同時(shí)計(jì)算得出實(shí)驗(yàn)隧道的安全坡度和上、下坡的汽車安全行駛速度。

基于目前中外學(xué)者對于隧道內(nèi)駕駛行為的研究大多針對公路隧道，關(guān)于海底隧道內(nèi)駕駛行為，尤其是眼動(dòng)特征的研究很少。因此，基于Facelab 5.0眼動(dòng)儀，選取青島膠州灣隧道進(jìn)行道路實(shí)車實(shí)驗(yàn)，對比分析不同照度及縱坡坡度對駕駛?cè)搜蹌?dòng)特征的影響，對提高海底隧道運(yùn)營安全具有重要意義。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 實(shí)驗(yàn)線路

實(shí)驗(yàn)道路選擇青島膠州灣海底隧道中黃島-青島四個(gè)往返隧道出入口，本實(shí)驗(yàn)路線為：黃島區(qū)入口-青島市云南路出口、青島市莘縣路入口-黃島區(qū)出口。其中黃島區(qū)入口、黃島區(qū)出口、青島市云南路出口、青島市莘縣路入口以下簡稱隧道1段、隧道2段、隧道3段和隧道4段。其主要技術(shù)參數(shù)如表1所示。

表1 青島膠州灣海底隧道實(shí)驗(yàn)道路基本情況Table 1 Basic situation of Qingdao Jiaozhou Bay subsea tunnel experimental road

為減少交通因素對實(shí)驗(yàn)結(jié)果的影響，獲得自由流狀態(tài)下駕駛?cè)送ㄟ^海底隧道的反應(yīng)，實(shí)驗(yàn)時(shí)間選擇2019年6月30日至2019年7月30日，10:00—12:00和14:00—16:00點(diǎn)，在戶外照度為40 000～45 000 lux的實(shí)驗(yàn)工況下，分別進(jìn)行駕駛?cè)藢?shí)車試驗(yàn)，避開早晚高峰期，以及霧天、雨天等不良天氣以保證數(shù)據(jù)采集的準(zhǔn)確性。

1.2 實(shí)驗(yàn)儀器及車輛

本研究使用Facelab 5.0眼動(dòng)儀固定于實(shí)驗(yàn)車輛儀表盤上方，F(xiàn)acelab 5.0眼動(dòng)儀接口連接專用筆記本電腦上實(shí)時(shí)采集、記錄并存儲(chǔ)駕駛?cè)搜鄄€閉合度、眨眼頻率、注視點(diǎn)位置、次數(shù)及單次注視時(shí)長等眼動(dòng)特征，如圖1所示。使用TES-1339R專業(yè)級(jí)照度計(jì)(測量范圍0～999 900 lux)采集隧道出入口段照度數(shù)據(jù)，如圖2所示。實(shí)驗(yàn)車輛采用雪佛蘭景程自動(dòng)擋5座轎車。其他相關(guān)輔助設(shè)備有行車記錄儀、攝像機(jī)、筆記本電腦等。

1.3 實(shí)驗(yàn)人員及采集指標(biāo)

實(shí)驗(yàn)挑選了不同年齡、不同駕齡的35名駕駛?cè)俗鳛檠芯繉ο?，?jīng)過后期篩選最終獲得有效駕駛員

圖1 Facelab 5.0眼動(dòng)儀Fig.1 Facelab 5.0 eye tracker

圖2 TES-1339R專業(yè)級(jí)照度計(jì)Fig.2 TES-1339R professional illuminance meter

26名，其中男性21名，女性5名；矯正視力為4.6～5.0，平均視力為4.8，標(biāo)準(zhǔn)差為0.12；年齡為24～33歲，平均年齡34歲，標(biāo)準(zhǔn)差6.3歲；駕齡為1～12年，平均駕齡為4.4年，標(biāo)準(zhǔn)差2.2年。

眼瞼閉合度指的是左、右眼，上、下眼瞼閉合覆蓋的虹膜部分，其數(shù)值介于0～1，其中1表示上下眼瞼完全覆蓋虹膜部分，即完全閉合；0表示上下眼瞼沒有覆蓋虹膜部分，即未閉合。駕駛?cè)搜鄄€閉合度的大小在一定程度上可以反映出駕駛?cè)水?dāng)時(shí)疲憊狀況和緊張狀況。其計(jì)算式為

(1)

式(1)中：ec為眼瞼閉合度；c0為上眼瞼閉合權(quán)重系數(shù)；e0為上眼瞼閉合度；c1為下眼瞼閉合權(quán)重系數(shù)；e1為下眼瞼閉合度。

眨眼頻率的快慢在一定程度上可以反映出駕駛?cè)诵熊囘^程中生理狀態(tài)和精神狀態(tài)是否飽滿。

注視點(diǎn)位置和次數(shù)在一定程度上反映了駕駛?cè)艘曈X搜索捕捉目標(biāo)物體的位置，次數(shù)的多少以及注視時(shí)間長短在一定程度上反映了駕駛?cè)双@取交通信息的難易程度，注視時(shí)間越長，次數(shù)越多則獲取交通信息難度越大；反之注視時(shí)間越短，次數(shù)越少則獲取交通信息難度越小。

1.4 數(shù)據(jù)采集

海底隧道入口段前、后150 m作為入口段照度采集區(qū)間，出口段前、后150 m作為出口段照度采集區(qū)間，每1 s采集并記錄照度變化數(shù)據(jù)并存儲(chǔ)于照度計(jì)內(nèi)，其具體位置如圖3所示。照度數(shù)據(jù)記錄表如表2所示。

根據(jù)行車記錄儀記錄車輛通過海底隧道出入口段車輛行駛場景與時(shí)間，對應(yīng)攝像機(jī)拍攝的儀表盤顯示的行車速度，計(jì)算得出各隧道出入口段距離sp，如圖4所示。各隧道段縱坡坡度平均值計(jì)算公式為

(2)

式(2)中：sp為隧道p的長度，m；hp為隧道p的凈空，m，其數(shù)值見參考文獻(xiàn)[15]；n為樣本容量；ip為隧道p的縱坡坡度平均值。各隧道段縱坡坡度如表3所示。

表2 青島膠州灣海底隧道照度記錄表Table 2 Qingdao Jiaozhou Bay subsea tunnel illumination record table

表3 實(shí)驗(yàn)道路縱坡坡度Table 3 Slope degree table of experimental road longitudinal slope

圖4 海底隧道出口段剖面Fig.4 Section of exit section of submarine tunnel

通過行車記錄儀記錄車輛通過海底隧道出入口段車輛行駛軌跡，用攝像機(jī)拍攝車輛行駛環(huán)境以及記錄車輛行駛過程中車速變化數(shù)據(jù)。

2 隧道口眼動(dòng)特征及速度分析

通過實(shí)車實(shí)驗(yàn)利用眼動(dòng)儀及照度計(jì)實(shí)時(shí)采集并記錄駕駛?cè)送ㄟ^海底隧道行車過程中眼瞼閉合度、眨眼頻率和注視時(shí)長等眼動(dòng)特征參數(shù)及車輛行駛速度數(shù)據(jù)，以駕駛?cè)送ㄟ^海底隧道的時(shí)間發(fā)生先后順序，通過篩選將400組數(shù)據(jù)進(jìn)行劃分，利用Origin軟件分別對數(shù)據(jù)進(jìn)行平均化處理。數(shù)據(jù)劃分依據(jù)如表4所示。

表4 實(shí)驗(yàn)數(shù)據(jù)分組劃分表Table 4 Experimental data grouping table

2.1 眼瞼閉合度變化特征分析

實(shí)驗(yàn)路段駕駛?cè)搜鄄€閉合度曲線如圖5所示，駕駛?cè)送ㄟ^海底隧道出入口段受到環(huán)境照度明暗交替變化的視覺刺激和縱坡坡度耦合作用，其眼瞼閉合度也發(fā)生相應(yīng)的變化，在實(shí)車實(shí)驗(yàn)過程中，在海底隧道入口段前150 m處時(shí)，駕駛?cè)俗蟆⒂已垩鄄€閉合度逐漸下降至0.5左右，駕駛?cè)俗⒁饬?，精神緊張，當(dāng)進(jìn)入海底隧道入口段時(shí)，照度降低，駕駛?cè)俗?、右眼眼瞼閉合度處于0.4～0.6，注意力持續(xù)集中，當(dāng)進(jìn)入海底隧道入口段后150 m處，駕駛?cè)搜鄄€閉合度數(shù)據(jù)逐漸上升，精神相對放松。

2.2 眨眼頻率變化特征分析

實(shí)驗(yàn)路段駕駛?cè)搜鄄€閉合度曲線如圖6所示。駕駛?cè)送ㄟ^海底隧道出入口段受到環(huán)境照度明暗交替變化的視覺刺激和縱坡坡度耦合作用，其眨眼

圖5 駕駛?cè)搜鄄€閉合度折線圖Fig.5 Line chart of driver’s eyelid closure

頻率也發(fā)生相應(yīng)的變化，眨眼頻率值的大小在一定程度上反映了駕駛?cè)司窬o張程度。在實(shí)車實(shí)驗(yàn)過程中，駕駛?cè)笋{駛車輛進(jìn)入海底隧道入口前 150 m 處時(shí)，駕駛?cè)苏Ｑ垲l率從0.31 Hz增加至0.47Hz，駕駛?cè)俗⒁饬校窬o張；當(dāng)車輛進(jìn)入海底隧道入口段時(shí)，駕駛?cè)苏Ｑ垲l率繼續(xù)增加，最高達(dá)0.61 Hz；當(dāng)車輛駛?cè)肴肟诙魏?50 m處時(shí)駕駛?cè)苏Ｑ垲l率逐漸降低，精神相對放松；當(dāng)車輛接近海底隧道出口段150 m處時(shí)，駕駛?cè)苏Ｑ垲l率逐漸增加，直至駛離海底隧道出口。

2.3 注視時(shí)長變化特征分析

駕駛?cè)送ㄟ^實(shí)驗(yàn)隧道單次注視時(shí)長如圖7所示。注視次數(shù)和注視時(shí)長在一定程度上反映了駕駛?cè)瞬东@交通信息的難易程度，多次注視且單次注視時(shí)長越長，則駕駛?cè)双@得交通信息難度越大，反

圖6 駕駛?cè)苏Ｑ垲l率折線圖Fig.6 Line chart of driver blink frequency

之注視次數(shù)越少，注視時(shí)長越短，則獲得交通信息難度越小。在實(shí)車實(shí)驗(yàn)過程中，駕駛?cè)笋{駛車輛進(jìn)入海底隧道入口前150 m處時(shí)，駕駛?cè)藛未巫⒁晻r(shí)長減少，駕駛?cè)诵枰l繁變化注視點(diǎn)位置，增加交通信息量的獲取，駕駛?cè)俗⒁饬?；?dāng)車輛進(jìn)入海底隧道入口段時(shí)，駕駛?cè)藛未巫⒁晻r(shí)長維持在一個(gè)較低的數(shù)值；當(dāng)車輛駛?cè)肴肟诙魏?50 m處時(shí)駕駛?cè)藛未巫⒁晻r(shí)長逐漸增加，精神相對放松；當(dāng)車輛接近海底隧道出口段前150 m處時(shí)，駕駛?cè)藛未巫⒁晻r(shí)長逐漸減少，駕駛?cè)俗⒁饬?，直至駛離海底隧道出口。

圖7 駕駛?cè)俗⒁晻r(shí)長折線圖Fig.7 Line chart of driver’s gaze duration

2.4 車速變化特征分析

選取駕駛?cè)诵熊囁俣茸鳛轳{駛?cè)诵熊嚢踩珔?shù)之一,駕駛?cè)送ㄟ^實(shí)驗(yàn)隧道車速變化如圖8所示。在實(shí)車實(shí)驗(yàn)過程中，駕駛?cè)笋{駛車輛進(jìn)入海底隧道車速有明顯差異，如圖8(a)所示，駕駛?cè)笋{駛車輛進(jìn)入海底隧道入口段車速先增大后減??；而圖8(b)中駕駛?cè)笋{駛車輛進(jìn)入海底隧道入口段車速持續(xù)減小。這是由于圖8(a)中，駕駛?cè)诉M(jìn)行實(shí)驗(yàn)時(shí)時(shí)需要先經(jīng)過收費(fèi)站繳費(fèi)后再進(jìn)入實(shí)驗(yàn)道路(隧道1段—隧道2段)，車輛通過收費(fèi)站排隊(duì)等待的時(shí)長在一定程度上會(huì)增加駕駛?cè)说慕箲]感，從而使得車輛通過收費(fèi)站后車速增加；而圖8(b)中，駕駛?cè)耸紫韧ㄟ^實(shí)驗(yàn)路段(隧道3段～隧道4段)后進(jìn)入收費(fèi)站，消除了因排隊(duì)等待進(jìn)入收費(fèi)站而產(chǎn)生的焦慮情緒對駕駛?cè)笋{駛行為的影響，因此車輛進(jìn)入海底隧道入口段時(shí)車速持續(xù)減??；當(dāng)車輛在海底隧道中間段行駛時(shí)，車速在60～70 km/h波動(dòng)。當(dāng)車輛即將駛?cè)牒５姿淼莱隹诙螘r(shí)，受車流分流的影響車輛車速逐漸降低直至駛出海底隧道外。

圖8 駕駛?cè)诵熊囁俣日劬€圖Fig.8 Driving speed line chart

3 模型建立

3.1 眼動(dòng)特征與隧道照度數(shù)學(xué)模型

利用Origin軟件將各分組內(nèi)的數(shù)據(jù)平均化后進(jìn)行擬合，環(huán)境照度與駕駛?cè)搜鄄€閉合度散點(diǎn)圖和擬合曲線如圖9所示。駕駛?cè)搜鄄€閉合度主要分布于0.45～0.7，駕駛?cè)搜鄄€閉合度隨照度增加呈現(xiàn)減小—增大—減小—增大的趨勢，在海底隧道出入口段，照度變化較大，駕駛?cè)搜鄄€閉合度減小，精神緊張，注意力集中。

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.897 6，環(huán)境照度與駕駛?cè)搜鄄€閉合度數(shù)學(xué)模型為

0.000 1x1+6 755

(3)

式(3)中：y1為眼瞼閉合度；x1為照度，lux。

環(huán)境照度與駕駛?cè)苏Ｑ垲l率散點(diǎn)圖和擬合曲線如圖10所示。駕駛?cè)苏Ｑ垲l率主要分布于 0.25～0.5 Hz，駕駛?cè)苏Ｑ垲l率隨照度增加呈現(xiàn)增加-減少的趨勢，在海底隧道出入口段，照度變化較大，駕駛?cè)苏Ｑ垲l率增加，精神緊張，注意力集中。

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.875 1，環(huán)境照度與駕駛?cè)苏Ｑ垲l率數(shù)學(xué)模型為

(4)

式(4)中：y2為眨眼頻率，Hz。

圖9 不同照度下駕駛?cè)搜鄄€閉合度擬合曲線Fig.9 Curve of driver’s eyelid closure under different environmental illumination

圖10 不同環(huán)境照度下駕駛?cè)苏Ｑ垲l率擬合曲線Fig.10 Curve of driver’s blink rate under different environmental illumination

環(huán)境照度與駕駛?cè)俗⒁晻r(shí)長散點(diǎn)圖和擬合曲線如圖11所示。由圖11可知，駕駛?cè)俗⒁晻r(shí)長主要分布于2～4 s，駕駛?cè)俗⒁晻r(shí)長隨照度增加呈現(xiàn)減小—增加的趨勢，在海底隧道出入口段，照度變化較大，駕駛?cè)俗⒁晻r(shí)長增加。

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.882 9，環(huán)境照度與駕駛?cè)俗⒁晻r(shí)長數(shù)學(xué)模型為

(5)

式(5)中：y3為單次注視時(shí)長，s。

環(huán)境照度與駕駛?cè)诵熊囁俣壬Ⅻc(diǎn)圖和擬合曲線如圖12所示。海底隧道內(nèi)外照度主要分布于100～45 000 lux，駕駛?cè)诵熊囁俣戎饕植加?0～60 km/h，駕駛?cè)诵熊囁俣入S照度增加呈現(xiàn)減小—增大的趨勢，在海底隧道出入口段，照度變化較大，駕駛?cè)诵熊囁俣葴p小，駕駛狀態(tài)緊張。

圖11 不同環(huán)境照度下駕駛?cè)俗⒁晻r(shí)長擬合曲線Fig.11 Curve of drivers’ fixation duration under different environmental illumination

圖12 不同環(huán)境照度下駕駛?cè)诵熊囁俣葦M合曲線Fig.12 Curve of driving speed under different environmental illumination

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.856 3，環(huán)境照度與駕駛?cè)诵熊囁俣葦?shù)學(xué)模型為

(6)

式(6)中：y4為行車速度，km/h。

3.2 眼動(dòng)特征與隧道坡度數(shù)學(xué)模型

利用Origin軟件將各分組內(nèi)的數(shù)據(jù)平均化后進(jìn)行擬合，縱坡坡度與駕駛?cè)搜鄄€閉合度散點(diǎn)圖和擬合曲線如圖13所示。海底隧道平均縱坡坡度為 -1.6%～3.5%，駕駛?cè)搜鄄€閉合度主要分布于 0.45～0.7，駕駛?cè)搜鄄€閉合度隨照度增加呈現(xiàn)減小—增大—減小的趨勢，在海底隧道出入口段，縱坡坡度變化大，駕駛?cè)搜鄄€閉合度減小，精神緊張，注意力集中。

圖13 不同縱坡坡度下駕駛?cè)搜鄄€閉合度擬合曲線Fig.13 Curve of the driver’s eyelid closure under different vertical slope

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.796 9，縱坡坡度與駕駛?cè)搜鄄€閉合度數(shù)學(xué)模型為

0.125 2x2+0.700 4

(7)

式(7)中：y1為眼瞼閉合度；x2為縱坡坡度，%。

縱坡坡度與駕駛?cè)苏Ｑ垲l率散點(diǎn)圖和擬合曲線如圖14所示。駕駛?cè)苏Ｑ垲l率主要分布于 0.25～0.5 Hz，駕駛?cè)苏Ｑ垲l率隨縱坡坡度增加呈現(xiàn)減小—增大的趨勢，在海底隧道出入口段，縱坡坡度變化大，駕駛?cè)苏Ｑ垲l率增加，精神緊張，注意力集中。

圖14 不同縱坡坡度下駕駛?cè)苏Ｑ垲l率擬合曲線Fig.14 Curve of driver’s blink rate under different vertical slope

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.830 5，縱坡坡度與駕駛?cè)苏Ｑ垲l率數(shù)學(xué)模型為

(8)

式(8)中：y2為眨眼頻率，Hz。

縱坡坡度與駕駛?cè)俗⒁晻r(shí)長和擬合曲線如圖15所示。駕駛?cè)苏Ｑ垲l率主要分布于2.5～3 s，駕駛?cè)俗⒁晻r(shí)長隨縱坡坡度增加呈現(xiàn)增大—減小—增大—減小的趨勢，在海底隧道出入口段，縱坡坡度變化大，駕駛?cè)俗⒁晻r(shí)長增加，注意力集中。

圖15 不同縱坡坡度下駕駛?cè)俗⒁晻r(shí)長擬合曲線Fig.15 Curve of drivers’ fixation duration under different vertical slope

通過使用Origin軟件對數(shù)據(jù)擬合，判定系數(shù)R2=0.780 1，縱坡坡度與駕駛?cè)俗⒁晻r(shí)長數(shù)學(xué)模型為

0.100 6x2+2.552 8

(9)

式(9)中：y3為單次注視時(shí)長，s。

縱坡坡度與駕駛?cè)诵熊囁俣壬Ⅻc(diǎn)圖和擬合曲線如圖16所示。在平均縱坡坡度為-1.6%～3.5%下，駕駛?cè)诵熊囁俣戎饕植加?0～60 km/h，駕駛?cè)诵熊囁俣入S縱坡坡度增加呈現(xiàn)增大—減小的趨勢，在海底隧道出入口段，縱坡坡度變化大，駕駛?cè)诵熊囁俣炔▌?dòng)性增加。

圖16 不同縱坡坡度下駕駛?cè)诵熊囁俣葦M合曲線Fig.16 Curve of driver’s driving speed under different vertical slope

通過使用Origin軟件對數(shù)據(jù)擬合發(fā)現(xiàn)，4次模型R2=0.907 1，誤差較小，因此綜上所述，縱坡坡度與駕駛?cè)诵熊囁俣葦?shù)學(xué)模型為

0.459x2+56.683

(10)

式(10)中：y4為行車速度，km/h。

4 結(jié)論

針對海底隧道的交通安全運(yùn)營問題，研究了駕駛?cè)笋{駛車輛在隧道出入口段行駛過程中的眼動(dòng)特征，得到如下結(jié)論。

(1)通過在青島膠州灣隧道進(jìn)行實(shí)車試驗(yàn)，采集了車輛在隧道出入口段行駛過程中駕駛?cè)搜鄄€閉合度、眨眼頻率、注視時(shí)長及車速信息。對駕駛?cè)嗽谒淼莱鋈肟诙窝蹌?dòng)特征及車速信息進(jìn)行了分析，檢驗(yàn)了其在不同照度及縱坡坡度下的差異性。

(2)基于眼動(dòng)特征數(shù)據(jù)與照度數(shù)據(jù)，分別建立了眼瞼閉合度、眨眼頻率、注視時(shí)長及車速關(guān)于照度和坡度的數(shù)學(xué)模型。

(3)駕駛?cè)笋{車通過海底隧道出入口段時(shí)，受照度和坡度變化影響，眼瞼閉合度和眨眼頻率明顯降低；受照度變化影響，注視時(shí)長增加，視認(rèn)難度增加，注意力集中；不同照度及縱坡下車速保持能力存在差異性，平均車速受照度及縱坡坡度影響較大，車速呈現(xiàn)下降—上升—趨于平緩—下降—上升的規(guī)律。