快速路激進(jìn)駕駛行為影響因素分析

吳大勇, 楊心雨, 徐 華, 潘成貴, 程 麗, 伍毅平

(1.招商新智科技有限公司, 北京 100070; 2.北方工業(yè)大學(xué)電氣與控制工程學(xué)院, 北京 100144;3.招商局公路網(wǎng)絡(luò)科技控股股份有限公司, 北京 102600;4.廣西桂梧高速公路桂陽段投資建設(shè)有限公司, 廣西 541900; 5.北京工業(yè)大學(xué)城建學(xué)部, 北京 100010)

0 引言

城市快速路對(duì)緩解城市交通的擁堵、保障城市交通運(yùn)輸系統(tǒng)的穩(wěn)定和發(fā)展起到極其重要作用. 在北京二至六環(huán)路等快速路已逐步發(fā)展成為北京市城市交通中不可或缺的重要的聯(lián)通干道,承載了全市近30%的交通流量[1]. 由此可知,一旦快速路出現(xiàn)中斷或者交通事件,很容易導(dǎo)致整個(gè)區(qū)域交通系統(tǒng)的癱瘓,牽一發(fā)而動(dòng)全身. 因此,深入研究城市快速路的典型問題,尤其是預(yù)防激進(jìn)駕駛行為可能導(dǎo)致的交通安全問題,對(duì)于保障城市交通的運(yùn)行、提升城市的服務(wù)水平具有重要意義.

快速路作為重要的交通運(yùn)輸樞紐連接多個(gè)地區(qū),其出入口較多且距離較近,車輛交織空間有限,駕駛?cè)送鶠闋帄Z時(shí)空資源爭先換道、加速[2],因而潛在的交通安全風(fēng)險(xiǎn)很高. 而研究此類激進(jìn)駕駛行為對(duì)于解決快速路事故風(fēng)險(xiǎn)、提高道路安全性具有重要意義,激進(jìn)駕駛行為是指駕駛員主觀意識(shí)下產(chǎn)生的1種不安全的駕駛行為,比如急加速、急轉(zhuǎn)彎等,在整個(gè)駕駛環(huán)境中會(huì)對(duì)他人造成身體上和心理上的傷害[3-6]. 激進(jìn)駕駛行為一定程度上反映了事故發(fā)生的潛在風(fēng)險(xiǎn),也是導(dǎo)致事故發(fā)生的重要因素[7]. 據(jù)統(tǒng)計(jì),在美國,平均每年至少有1 500人因激進(jìn)駕駛受傷或死亡,且以每年7%的速度增長. 由此可見,研究并減少駕駛員激進(jìn)駕駛行為對(duì)安全的不利影響有助于交通管理、提高道路安全性.

現(xiàn)如今,學(xué)者們主要采用事故數(shù)據(jù)探究交通控制設(shè)施、道路條件、交通運(yùn)行狀態(tài)、天氣條件等因素對(duì)交通安全風(fēng)險(xiǎn)的影響. 其中,在道路條件方面,Baek等[8]在多車道郊區(qū)道路的研究中發(fā)現(xiàn),道路兩側(cè)出入口過多、間距減小會(huì)導(dǎo)致交通事故數(shù)增加. Abdel-Aty等[9]研究表明,車道數(shù)較多的條件下會(huì)發(fā)生更多的交通事故. 交通控制設(shè)施方面,Gattis等[10]發(fā)現(xiàn)無物理分隔的路段比有物理分隔的路段更容易導(dǎo)致事故的發(fā)生. 王紅超等[11]在研究中提到,有效的指路標(biāo)志將會(huì)使交通事故降低約70%. 交通運(yùn)行狀況方面,探討交通擁堵對(duì)交通事故影響的研究比較少[12]. Shefer[13]認(rèn)為車輛之間的相互作用增加,同時(shí)也會(huì)增加交通擁堵時(shí)的碰撞頻率,而交通擁堵時(shí)的車速較低,碰撞嚴(yán)重程度則下降. 天氣方面,Eisenberg[14]基于負(fù)二項(xiàng)回歸模型,開展了不良天氣例如降雪對(duì)事故率的影響研究. 結(jié)果表明,降雪天氣會(huì)導(dǎo)致事故頻次增加.

從以往針對(duì)交通安全風(fēng)險(xiǎn)的研究來看,大多研究是基于事故數(shù)據(jù)進(jìn)行的. 然而,事故為小概率事件,難以基于此類數(shù)據(jù)評(píng)估未發(fā)生交通事故的道路的風(fēng)險(xiǎn)水平、挖掘影響因素對(duì)安全的貢獻(xiàn)度、詳細(xì)描述道路風(fēng)險(xiǎn)的成因. 因此部分學(xué)者應(yīng)用道路駕駛行為特征實(shí)現(xiàn)道路交通安全性評(píng)估,從駕駛行為層面研究致因機(jī)理. FaraH等[15]基于安裝在直升機(jī)下方的攝像機(jī)拍攝的穩(wěn)定視頻圖像,收集自由移動(dòng)車輛的軌跡數(shù)據(jù),從而分析與挖掘彎道的幾何特征、駕駛員的期望、設(shè)計(jì)的一致性和卡車占比對(duì)交通安全性的影響. 趙曉華等[16]利用駕駛模擬器研究了指路標(biāo)志對(duì)駕駛行為的影響. 研究得出,橋形標(biāo)的復(fù)雜度及出口預(yù)告標(biāo)志的數(shù)量對(duì)互通式立交出口的交通安全性有顯著影響.

作為1種高風(fēng)險(xiǎn)的駕駛行為,激進(jìn)駕駛行為已成為影響交通安全的典型因素. 據(jù)美國國家公路交通安全管理局(NHTSA)調(diào)查,在美國有66%交通死亡事故的產(chǎn)生原因?yàn)榧みM(jìn)駕駛. 從激進(jìn)駕駛行為入手,有利于進(jìn)行細(xì)粒度條件下道路安全風(fēng)險(xiǎn)的致因挖掘. 例如高峰時(shí)期瓶頸路段、交通擁堵、不當(dāng)?shù)男盘?hào)控制、混亂的交叉口(如環(huán)形交叉口)等道路條件,以及缺少標(biāo)志指引引發(fā)的不良情緒,以及高溫等不良天氣會(huì)增加駕駛員的挫敗感,可能引發(fā)激進(jìn)駕駛行為,進(jìn)而對(duì)交通安全產(chǎn)生影響[17].

總之,為進(jìn)一步提高道路安全性、改善道路設(shè)計(jì),本研究從駕駛行為層面、以部分快速路出口為例,基于高德導(dǎo)航系統(tǒng)提供的動(dòng)態(tài)數(shù)據(jù),探究交通設(shè)備情況、道路條件、交通運(yùn)行狀態(tài)、天氣條件等因素對(duì)于激進(jìn)駕駛行為的影響.

1 數(shù)據(jù)庫搭建

本文所采用的數(shù)據(jù)來源主要有2個(gè),一是基于高德地圖導(dǎo)航軟件獲取相關(guān)動(dòng)態(tài)數(shù)據(jù),包括激進(jìn)駕駛行為數(shù)據(jù)、交通擁堵指數(shù)數(shù)據(jù)、路段流量數(shù)據(jù)以及天氣數(shù)據(jù);二是根據(jù)百度地圖全景地圖、配合實(shí)地調(diào)研中獲取以指路標(biāo)志為代表的交通控制設(shè)施數(shù)據(jù)和道路條件等靜態(tài)數(shù)據(jù).

1.1 數(shù)據(jù)介紹

本文研究數(shù)據(jù)分布在2019年6月1日至6月30日北京市西二環(huán)路(菜戶營橋—西直門橋)、蓮花池東路、蓮花池西路和蓮石東路(天寧寺橋—衙門口橋),共4條主要快速路. 其中,西二環(huán)是連接西直門、復(fù)興門、廣安門、麗澤商務(wù)區(qū)等重要區(qū)域的重要快速路;蓮花池東路、蓮花池西路、蓮石東路是重要的通勤干道,連接石景山區(qū)和市中心,沿線分布了玉泉路、萬壽路等多個(gè)主要居民區(qū)和居民區(qū),以及北京西站這一重要的交通樞紐. 其中分布在這4條快速路的45個(gè)快速路出口(包括22個(gè)立交出口和23個(gè)普通路段出口)為本文研究的重點(diǎn)研究對(duì)象,研究區(qū)域如圖1所示.

圖1 研究區(qū)域

圖2 西直門橋指路標(biāo)志標(biāo)志的設(shè)置

數(shù)據(jù)包括激進(jìn)駕駛行為數(shù)據(jù)、地圖信息數(shù)據(jù)、交通運(yùn)行數(shù)據(jù)、路段流量數(shù)據(jù)以及天氣數(shù)據(jù).

1.1.1 激進(jìn)駕駛行為數(shù)據(jù)

本文采集的激進(jìn)駕駛行為數(shù)據(jù)通過高德導(dǎo)航軟件獲取,主要包括城市快速路路段的兩種激進(jìn)駕駛行為的類型、發(fā)生地點(diǎn)的經(jīng)緯度坐標(biāo)、所在路段的編號(hào)ID以及記錄時(shí)間(精確到秒).

急變速行為：當(dāng)手機(jī)處于固定位置時(shí),如果直線加速度大于某一閾值,會(huì)識(shí)別并記錄為1次急變速行為.

急轉(zhuǎn)彎行為：當(dāng)手機(jī)處于固定位置時(shí),如果轉(zhuǎn)彎向心力的角度大于某個(gè)閾值,則將其識(shí)別為1次急轉(zhuǎn)彎行為.

1.1.2 地圖信息數(shù)據(jù)

地圖信息數(shù)據(jù)為高德導(dǎo)航軟件底圖數(shù)據(jù),包括區(qū)域內(nèi)每條道路的ID、道路的長度、等級(jí)、類型等信息. 研究使用的指標(biāo)為路段的編號(hào)ID、道路長度.

1.1.3 交通運(yùn)行數(shù)據(jù)

交通運(yùn)行數(shù)據(jù)記錄了路段的編號(hào)ID、時(shí)間、路段上的平均行駛車速(km/h)、交通流量(veh/h)、擁堵指數(shù). 數(shù)據(jù)每2 min更新1次,擁堵指數(shù)計(jì)算方法見式(1).

(1)

導(dǎo)航軟件將擁堵指數(shù)劃分為4個(gè)等級(jí),自由流CI∈[0,1.5)、緩行CI∈[1.5,2)、擁堵CI∈[2,4)、嚴(yán)重?fù)矶翪I∈[4,+∞).

1.1.4 道路條件

道路條件數(shù)據(jù)包括車道數(shù)、合流數(shù)、分流數(shù)、出口間距屬性等.

車道數(shù)：考慮到城市快速路道路條件的復(fù)雜性,許多出口間路段包含交織區(qū). 因此,將出口間路段中除交織區(qū)之外的基本路段的車道數(shù),定義為車道數(shù).

合流數(shù)：出口前500 m內(nèi),若存在交織段,則交通合流點(diǎn)數(shù)量表示合流數(shù).

分流數(shù)：出口前500 m內(nèi),若存在交織段,則交通分流點(diǎn)數(shù)量表示分流數(shù).

出口間距：表示沿道路行駛方向相鄰出口間距,單位米. 可分為小間距(<250 m)、中等間距(250～750 m)、大間距(>750 m)[18].

1.1.5 指路標(biāo)志數(shù)據(jù)

指路標(biāo)志數(shù)據(jù)包括預(yù)告次數(shù)和橋形標(biāo)復(fù)雜度.

預(yù)告次數(shù)：參考《北京市道路交通標(biāo)志指路系統(tǒng)設(shè)置指南》中對(duì)城市快速路的出口預(yù)告標(biāo)志的定義,利用百度地圖全景地圖獲取的指路標(biāo)志位置的打點(diǎn)數(shù)據(jù),統(tǒng)計(jì)每個(gè)出口對(duì)應(yīng)的出口預(yù)告標(biāo)志數(shù)量作為預(yù)告系統(tǒng)等級(jí)數(shù)據(jù). 一般在出口前(0.5～2)km范圍內(nèi)連續(xù)設(shè)置多級(jí)提前出口引導(dǎo)標(biāo)志.

橋形標(biāo)復(fù)雜度：以往的研究表明,城市快速路上橋形標(biāo)對(duì)行車行為有著重要的影響. 利用全景地圖,確定每個(gè)出口路段是否包含橋形標(biāo),并依據(jù)相關(guān)標(biāo)準(zhǔn),確定橋形標(biāo)的復(fù)雜度,作為橋形標(biāo)復(fù)雜度數(shù)據(jù). 參照李洋等[19]研究,本文中橋形標(biāo)根據(jù)圖形的復(fù)雜度分為無橋形標(biāo)、低復(fù)雜度和中復(fù)雜度3種類型,具體分類如圖3所示.

圖3 橋形標(biāo)復(fù)雜度分類

1.2 數(shù)據(jù)處理

為排除路段長度、流量對(duì)于研究的干擾,本文將選用的2種類型的激進(jìn)駕駛行為分別轉(zhuǎn)化為激進(jìn)駕駛行為事件的頻率(FE). 如式(2)所示,FE反映快速路路段內(nèi)的單位長度、單位流量、單位小時(shí)發(fā)生激進(jìn)駕駛行為的頻率.

(2)

式中,i為第i個(gè)小時(shí)間隔,i=0,1,2,3,…23;j為快速路路段編號(hào);k指的是日期,k=1,2,3,…23;sum(eventijk)為路段j在第k日第i小時(shí)至第i+1小時(shí)內(nèi)發(fā)生的激進(jìn)駕駛行為的總頻數(shù),單位為(次/h);qijk為路段j在第k日第i小時(shí)至第i+1小時(shí)內(nèi)的平均小時(shí)交通量,單位為veh;FEijk為路段j在第k日第i小時(shí)至第i+1小時(shí)內(nèi)發(fā)生的激進(jìn)駕駛行為的發(fā)生頻率,單位為次/(km·veh·h).

本研究以路段ID、日期、時(shí)間作為數(shù)據(jù)庫的主碼,對(duì)原始數(shù)據(jù)進(jìn)行整合和處理,得到的數(shù)據(jù)庫主要字段如表1所示.

表1 數(shù)據(jù)描述

2 快速路激進(jìn)駕駛行為診斷模型構(gòu)建

本研究通過建立結(jié)構(gòu)方程模型來探究擁堵情況、指路標(biāo)志、道路條件和天氣條件對(duì)于激進(jìn)駕駛行為的影響. 結(jié)構(gòu)方程模型通過路徑分析、因子分析解析變量之間的關(guān)聯(lián)關(guān)系,是一種常用統(tǒng)計(jì)分析技術(shù)[20-21],這種方法可用于探究潛在變量和觀測變量、潛在變量與潛在變量之間的關(guān)系.

2.1 模型建立

相關(guān)研究表明,擁堵情況[22],天氣情況[23],橋形標(biāo)復(fù)雜度和預(yù)告次數(shù)[16],車道數(shù)[24]、合流數(shù)[9, 25]、分流數(shù)[9, 26]和出口間距[7,9]均可能對(duì)駕駛?cè)税踩托袨楫a(chǎn)生影響,因此將數(shù)據(jù)庫中變量均選入模型. 根據(jù)觀測變量橋形標(biāo)復(fù)雜度和預(yù)告次數(shù)建立對(duì)應(yīng)潛變量指路標(biāo)志;根據(jù)車道數(shù)、分流數(shù)、合流數(shù)、出口間距建立對(duì)應(yīng)潛變量道路條件;根據(jù)觀測變量急轉(zhuǎn)彎、急并道建立對(duì)應(yīng)潛變量激進(jìn)駕駛行為. 將擁堵級(jí)別、指路標(biāo)志情況、道路條件和天氣條件均視為模型自變量,將激進(jìn)駕駛行為視為模型因變量. 如圖4所示激進(jìn)駕駛行為致因模型. 假設(shè)見圖4.

圖4 激進(jìn)駕駛行為致因模型

H1：指路標(biāo)志顯著影響駕駛?cè)思みM(jìn)駕駛行為

H2：道路條件顯著影響駕駛?cè)思みM(jìn)駕駛行為

H3：擁堵級(jí)別顯著影響駕駛?cè)思みM(jìn)駕駛行為

H4：天氣情況顯著影響駕駛?cè)思みM(jìn)駕駛行為

表2顯示了該SEM的模型適用性檢驗(yàn)結(jié)果. 其中使用了卡方自由度比值(CMIN/DF)、擬合優(yōu)度指數(shù)(GFI)、調(diào)整擬合優(yōu)度指數(shù)(AGFI)、標(biāo)準(zhǔn)擬合指數(shù)(NFI)、比較擬合指數(shù)(CFI)、均方根誤差(RMSEA)進(jìn)行擬合檢驗(yàn). 選用的模型擬合標(biāo)準(zhǔn)檢驗(yàn)指標(biāo)涵蓋了絕對(duì)、增值和簡約適配3個(gè)層次. 首先,CMIN/DF值小于5,說明該模型與數(shù)據(jù)擬合良好. 其次,RMSEA 小于0.08. 最后,其他擬合指數(shù) GFI、AGFI、NFI、CFI 均大于0.9,表明模型具有可接受的擬合度. 所有指標(biāo)均符合標(biāo)準(zhǔn),表明SEM模型與觀測數(shù)據(jù)擬合度較好.

表2 結(jié)構(gòu)方程模型質(zhì)量評(píng)估

2.2 激進(jìn)駕駛行為致因模型結(jié)果及分析

結(jié)構(gòu)方程模型中,路徑系數(shù)用于表示變量之間的關(guān)系. 影響程度由路徑系數(shù)絕對(duì)值的大小決定. 如圖5所示,指路標(biāo)志、道路條件、擁堵級(jí)別、天氣對(duì)激進(jìn)駕駛行為具有顯著性影響(p<0.001). 通過對(duì)比變量間的路徑系數(shù),可發(fā)現(xiàn)顯變量擁堵級(jí)別(β=0.318)對(duì)于激進(jìn)駕駛行為的影響最大,潛變量指路標(biāo)志(β=0.276)次之,道路條件(β=0.26)再次,天氣情況(β=0.026)對(duì)于激進(jìn)駕駛行為的影響程度最小.

圖5 激進(jìn)駕駛行為致因模型結(jié)果

研究表明擁堵程度與激進(jìn)駕駛行為呈正相關(guān)關(guān)系,說明隨交通擁堵程度的增加,駕駛?cè)税l(fā)生激進(jìn)駕駛行為的頻率也隨之升高. 一些研究指出,當(dāng)?shù)缆窊矶聲r(shí)可能會(huì)帶給駕駛?cè)藭r(shí)間上的壓力[25],容易使駕駛?cè)烁械浇箲],產(chǎn)生負(fù)面情緒[22],因此可能會(huì)導(dǎo)致駕駛?cè)水a(chǎn)生激進(jìn)駕駛行為. 同時(shí),不同的天氣情況下駕駛?cè)思みM(jìn)駕駛行為頻率存在較大差異. 一些研究發(fā)現(xiàn),不良天氣情況下駕駛?cè)说囊曈X條件可能受到影響,例如,雨天情況下,車輛的車窗玻璃和后視鏡都有可能因?yàn)檎瓷嫌甑胃蓴_駕駛?cè)藢?duì)于交通情況和周圍環(huán)境的判斷[27],從而產(chǎn)生風(fēng)險(xiǎn)駕駛行為.

結(jié)構(gòu)方程模型中的路徑系數(shù)揭示了快速路駕駛?cè)思みM(jìn)駕駛行為頻率較高的主要誘因?yàn)榻煌〒矶?因此可通過鼓勵(lì)駕駛?cè)隋e(cuò)峰出行來提高道路的順暢性;改善道路設(shè)計(jì)、指路標(biāo)志設(shè)置情況對(duì)于減少激進(jìn)駕駛行為頻率同樣具有積極作用;并可充分利用導(dǎo)航系統(tǒng)引導(dǎo)功能,根據(jù)不同天氣情況和環(huán)境給予駕駛?cè)颂崾竞鸵龑?dǎo),以提高道路安全性.

依據(jù)道路條件與觀測變量間的路徑系數(shù)可知,分流數(shù)(β=0.969)的對(duì)于激進(jìn)駕駛行為的影響程度最高,其次是車道數(shù)(β=0.816)和出口間距(β=-0.583),最后是合流數(shù)(β=0.223). 在城市道路規(guī)劃設(shè)計(jì)中,合流、分流個(gè)數(shù)的增加使主線車流更容易受到干擾,從而導(dǎo)致發(fā)生激進(jìn)駕駛行為,如急轉(zhuǎn)彎、急變速等,這與Hou[28]研究的一致. 值得注意的是,出口間距與激進(jìn)駕駛行為頻率呈負(fù)相關(guān),因此通過增加城市快速路出口之間的距離,可避免在短距離內(nèi)形成多個(gè)交織區(qū),從而一定程度上減少激進(jìn)駕駛行為的發(fā)生頻率. 另外,較多的車道可能會(huì)增加超車和換道的幾率[23],因此,根據(jù)實(shí)際情況適當(dāng)減少車道數(shù)有助于進(jìn)一步提高道路安全性. 依據(jù)指路標(biāo)志與觀測變量間的路徑系數(shù)可知,相較于預(yù)告次數(shù)(β=0.246),橋型標(biāo)復(fù)雜度(β=0.525)對(duì)于激進(jìn)駕駛行為的影響程度更大. 從模型結(jié)果來看,低等復(fù)雜度橋形標(biāo)有助于提高道路安全性,而由于研究選取的路段無高等復(fù)雜度類型,因此高復(fù)雜度的橋形標(biāo)仍有待進(jìn)一步研究. 另外,一些研究顯示,多余的道路標(biāo)志也可能會(huì)使駕駛?cè)祟l繁發(fā)生急變道等激進(jìn)駕駛行為[29],這與我們的研究結(jié)論類似. 因此,為提高快速路的安全性,可優(yōu)先考慮橋型標(biāo)復(fù)雜度的設(shè)計(jì),其次,可根據(jù)實(shí)際情況適當(dāng)減少預(yù)告標(biāo)志.

本文基于導(dǎo)航數(shù)據(jù)構(gòu)建駕駛?cè)思みM(jìn)駕駛行為診斷模型,以激進(jìn)駕駛行為為因變量,以指路標(biāo)志、道路條件、擁堵級(jí)別、天氣為自變量綜合分析激進(jìn)駕駛行為的影響因素,量化各要素間的影響程度,為交通管理與道路設(shè)計(jì)進(jìn)一步提供引導(dǎo),實(shí)現(xiàn)快速路激進(jìn)駕駛行為的問題診斷與道路安全風(fēng)險(xiǎn)辨識(shí).

3 結(jié)論

本研究探討了指路標(biāo)志、道路條件、交通運(yùn)行和天氣因素對(duì)于激進(jìn)駕駛行為的影響作用. 基于導(dǎo)航系統(tǒng)采集了交通運(yùn)行狀態(tài)數(shù)據(jù)、駕駛行為數(shù)據(jù),以及地圖數(shù)據(jù)并結(jié)合網(wǎng)絡(luò)和實(shí)際調(diào)查獲得了天氣數(shù)據(jù)、指路標(biāo)志數(shù)據(jù)、道路條件數(shù)據(jù),構(gòu)建多維度激進(jìn)駕駛行為分析數(shù)據(jù)庫,應(yīng)用結(jié)構(gòu)方程模型量化了各類因素對(duì)于激進(jìn)駕駛行為的影響程度. 相較于基于事故數(shù)據(jù)的粗粒度道路安全影響因素分析,研究從激進(jìn)駕駛行為特征角度實(shí)現(xiàn)了道路安全風(fēng)險(xiǎn)辨識(shí),為進(jìn)一步改善優(yōu)化道路安全提供了導(dǎo)向和參考. 所獲得的結(jié)論如下：

1)指路標(biāo)志、道路條件、道路擁堵級(jí)別和天氣均對(duì)快速路駕駛?cè)思みM(jìn)駕駛行為產(chǎn)生顯著影響.

2)道路擁堵程度對(duì)于激進(jìn)駕駛行為頻率的影響最大,其次是指路標(biāo)志與道路條件,天氣的影響最小.

3)改善快速上駕駛?cè)思みM(jìn)駕駛行為頻率,首要是緩解擁堵,鼓勵(lì)駕駛?cè)隋e(cuò)峰出行;交通控制設(shè)施設(shè)計(jì)過程中,需要降低橋型標(biāo)復(fù)雜度并根據(jù)實(shí)際條件減少預(yù)告標(biāo)志;道路設(shè)計(jì)時(shí),應(yīng)適當(dāng)減少合流、分流、車道個(gè)數(shù),并擴(kuò)大出口間距,避免在短距離內(nèi)形成多個(gè)交織區(qū);最后,可充分利用導(dǎo)航的提示功能,針對(duì)不同天氣情況激進(jìn)駕駛行為頻率顯著不同的問題個(gè)性化設(shè)計(jì)導(dǎo)航提示、引導(dǎo)的內(nèi)容以提高道路交通安全性.