城市道路交叉口指路标志信息认知案例分析

张 伟

(1.中铁第五勘察设计院集团有限公司市政工程设计院， 北京 102600；2.北京工业大学 城市交通学院， 北京 100124)



城市道路交叉口指路标志信息认知案例分析

张 伟1，2

(1.中铁第五勘察设计院集团有限公司市政工程设计院， 北京 102600；2.北京工业大学 城市交通学院， 北京 100124)

城市道路交叉口指路标志信息认知的水平直接影响交通参与者寻路的安全性和舒适性. 为此选取部分国家(中国、美国、日本、英国)、部分地区(北京、上海、武汉、南京)及新方案(4组)的城市道路交叉口指路标志进行案例分析. 应用信息熵模型和人因工程学模型，定量评价其传递的交通信息的认知程度. 当指路标志传递的信息需求程度较高且易于理解时，此信息认知的水平较高.

交通工程； 指路标志； 认知实验； 理解； 需求

1968年，联合国通过了讨论半个多世纪的《道路标志与信号条约》，由此交通标志走向国际统一化. 1986年，中国颁布了第一版《道路交通标志和标线》(GB 5768)，结束了国内各地交通标志各自为政的现象. 交通标志设置的目的是使所有交通人(又称交通参与者，是参与交通活动的自然人，主要包括机动车驾驶人、非机动车驾驶人和行人)在道路上有序地移动，提高道路的安全性和通行效率.

作为交通标志的重要组成部分，交通指路标志是道路交通的导航语言，经常设置于交叉口，为交通人提供最直接有效的导航服务. 同时作为道路交通管理系统中不可或缺的组成部分，交通指路标志被用于引导交通流，均衡路网流量，提高出行效率，降低交通事故风险. 交通人在驾驶路径寻找过程中需要的信息主要包括道路、地点、方向和距离等[1-3]. 在不同的国家和地区，传递给交通人的信息有所侧重：在中国，道路名称是交通指路标志上最主要的交通信息[4]，传递方式以图案式为主；在美国，交通指路标志以引导道路编号为主，地点名称为辅[5]，信息传递方式多为文字式；在日本，地点名称具有优先权，以图案式被显著显示在交通指路标志上[6]；在英国，地点名称和道路编号被以图案式结合设置在交通指路标志上[7]. 形式多样的交通指路标志在一定程度上满足了交通人的寻路需求. 但由于标志图案或文字排列形式不科学、标志信息或过少或过多、地点名称存在局限性等问题，标志内容出现多义性[8]，标志信息出现缺失或超载[9]，这些潜在的问题会降低交通出行效率，甚至会引起交通事故.

在设计交通指路标志时，交通人如何视认标志内容需要重点关注，因为这将直接影响标志的可读性和交叉口的安全性. 如何设计简明易懂、满足需求的交通指路标志，从而向交通人准确、及时地提供有效的交通信息，使其能够了解道路网络结构及通达情况，快速、顺利地到达目的地，具有非常重要的现实意义.

1 标志信息认知实验

选取部分国家(中国、美国、日本、英国)、部分地区(北京、上海、武汉、南京)及新方案(4组)的城市道路交叉口指路标志进行认知实验，分析其传递的交通信息是否满足需求、易于理解.

1.1 实验对象

年龄、婚姻状态、驾驶经验、事故发生率对驾驶人正确理解交通标志的含义没有显著性影响，但女性理解能力较差于男性[10-11]. 有经验的驾驶人往往会比初学者犯更多的错误，因为他们总是先入为主，对标志内容有着强烈的期望，这严重干扰了他们判断的正确性[12].

在95%置信水平下，44名被试者被随机挑选参加实验1. 被试者男女各22人，平均年龄23岁(年龄介于20～30岁，标准差2岁). 被试者均为驾龄不足1年的驾驶人，来自安徽、北京、河北、河南、宁夏、山东、山西、云南等地区. 被试者(矫正)视力均在5.0以上，无色盲色弱. 被试者在实验前和实验中均禁止服用精神活性物质，包括咖啡因、尼古丁、茶和啤酒.

1.2 实验设计

1) 图1举例说明了实验区域和实验路网，使用AutoCAD绘制，中文字体为黑体，数字字体为Arial. 实验区域由16个社区构成，每个社区由4栋单元楼组成；实验路网为城市主次干道构成的正交路网. 如图1(a)所示，除设置实验标志的实验交叉口位于路网中心外，空白实验路网不提供其他任何信息. 如图1(b)所示，标记详细道路信息的实验路网由60条道路信息构成，依次编号1～60. 如图1(c)所示，标记详细地点信息的实验路网由20条地点信息构成，包括16条社区信息、1条飞机场信息、1条火车站信息、1条银行信息和1条宾馆信息.

图1 实验区域和实验路网

2) 如图2所示，实验标志为城市主、次干道交叉口告知标志，参考相应国家(中国、美国、日本、英国)、地区(北京、上海、武汉、南京)规定的标志内容、颜色及形式绘制，同时设计4套新方案. 所有标志均设置在交叉口前30～80 m处. 由于道路走向不规律，方向作为可选内容在分析交通指路标志传递的交通信息认知的优劣程度时暂不考虑，图中指北针仅供参考.

图2 实验标志

3) 实验在室内模拟环境中进行，将实验标志以Microsoft PowerPoint幻灯片形式通过投影仪由后方投影到屏幕上. 被试者坐在屏幕正前方，距离屏幕4 m. 通过幻灯片设置中的切换- 换片方式- 设置自动换片时间设置实验标志出现的时间，选取交通人在驾驶车辆时较为合理的标志视认最小时间1.5 s[16]作为单一信息的视认时间，根据中国等12组实验标志(图2)信息数量(道路信息或地点信息个数的总和)的不同，设置实验标志出现的时间依次为9 s(信息数量为6)、10.5 s(信息数量为7)、9 s(信息数量为6)、13.5 s(信息数量为9)、12 s(信息数量为8)、12 s(信息数量为8)、10.5 s(信息数量为7)、13.5 s(信息数量为9)、4.5 s(信息数量为3)、6 s(信息数量为4)、10.5 s(信息数量为7)、12 s(信息数量为8). 不同实验标志之间设置持续时间5 s的风景图片，供被试者作答，同时缓解被试者的疲劳.

空白实验路网(图1a)由A3图纸打印，每名被试者分发12份；标记详细道路信息的实验路网(图1b)和标记详细地点信息的实验路网(图1c)各由A3图纸打印1份，交由实验组织者保存.

1.3 实验步骤

实验分为7步进行.

第1步：对所有被试者进行实验培训，帮助其熟悉实验步骤及注意事项.

第2步：实验组织者计算中国等12组实验标志中道路信息或地点信息个数的总和，即标志信息数量[13-15]，填入表1.

表1 实验标志信息数量

第3步：要求被试者依次认真观察(阅读并理解)幻灯片放映的实验标志，之后依据自身理解将实验标志上的道路信息或地点信息标记到空白实验路网(图1a)中相应的位置处，如图3所示.

图3 实验第3步示例

第4步：针对标记详细道路信息的实验路网(图1b)和标记详细地点信息的实验路网(图1c)，假设被试者正驾车通过实验路网中心的实验交叉口，要求被试者于60 s内在实验路网上选择并标记出其需要知道的道路信息或地点信息，如图4所示.

图4 实验第4步示例

第5步：要求被试者认真检查实验材料，确保没有遗漏任何信息.

第6步：通过比对标记详细道路信息的实验路网(图1b)和标记详细地点信息的实验路网(图1c)，实验组织者统计实验第3步中被试者标记正确的道路信息或地点信息的数量，并由式(1)计算其标记正确率，填入表2.

(1)

式中，CRjk为实验标志k上道路信息或地点信息j的标记正确率(理解正确率)；Cijk为被试者i正确理解并正确标记实验标志k(图2)上道路信息或地点信息j在空白实验路网(图1a)中的位置的频数. 当正确标记j的位置时，取值1，否则取值0；n为被试者的数量.

表2 实验标志上的道路信息或地点信息被标记正确(理解正确)情况

第7步：实验组织者统计实验第4步中被试者选择并标记出的道路信息或地点信息的数量，并由式(2)计算其选择率(需求率). 根据中国等12组实验标志中出现的道路信息或地点信息情况，挑选出对应的实验道路信息或地点信息的选择率(需求率)，填入表3.

(2)

式中，SRjk为实验标志k上道路信息或地点信息j的选择率(需求率)；Dijk为当被试者i正驾车通过实验交叉口并找寻路径时，从标记详细道路信息的实验路网(图1b)和标记详细地点信息的实验路网(图1c)分别选择实验标志k上道路信息或地点信息j的频数. 当j被选择时，取值1，否则取值0.

表3 实验标志上的道路信息或地点信息被选择(需求)情况

2 标志信息认知计算

根据部分国家、地区及新方案的城市道路交叉口指路标志认知实验结果，应用信息熵模型和人因工程学模型，定量评价指路标志传递的交通信息的认知程度.

2.1 标志易于理解程度计算

将表1和表2数据代入式(3)，计算中国等12组实验标志信息认知的优劣程度，填入表4.

1≤i≤n, 1≤j≤m,1≤k≤p,

且i,j,k,n,m,p∈Z*

(3)

式中，Ck为标志易于理解程度，在特定的交通环境中，交通标志k传递的交通信息能被交通人准确理解的程度，量纲为一，取值0～100%，取值越大表征交通标志k传递的交通信息认知程度越优.

以中国组实验标志为例，计算过程如下：

C中国=

65.9%

得到中国组实验标志信息认知的优劣程度为65.9%. 计算其余组实验标志信息认知的优劣程度.

2.2 标志满足需求程度计算

将表1和表3数据代入式(4)，计算中国等12组实验标志信息认知的优劣程度，填入表4.

1≤i≤n,1≤j≤m,1≤k≤p,

且i,j,k,n,m,p∈Z*

(4)

式中，Dk为标志满足需求程度，在特定的交通环境中，交通标志k传递的交通信息能够满足交通人信息需求的程度，量纲为一，取值0～100%，取值越大表征交通标志k传递的交通信息认知程度越优.

以中国组实验标志为例，计算过程如下：

D中国=

43.2%

得到中国组实验标志信息认知的优劣程度为43.2%. 计算其余组实验标志信息认知的优劣程度.

2.3 信息熵模型计算

2.3.1 信息熵模型

引入信息熵模型，依托信息熵理论，综合语法、语义和语用信息，分别引入满足需求程度、易于理解程度和预先学习程度作为计算指标，公式如下：

(5)

HkD=HkD1+HkD2

(6)

1≤i≤n,1≤j≤m,1≤k≤p,且i,j,k,n,m,p∈Z*

(7)

1≤i≤n,1≤j≤m,1≤k≤p,且i,j,k,n,m,p∈Z*

(8)

HkC=HkC1+HkC2

(9)

1≤i≤n,1≤j≤m,1≤k≤p,且i,j,k,n,m,p∈Z*

(10)

1≤i≤n,1≤j≤m,1≤k≤p,且i,j,k,n,m,p∈Z*

(11)

HL=HL1+HL2

(12)

1≤i≤n,且i,n∈Z*

(13)

1≤i≤n,且i,n∈Z*

(14)

2.3.2 计算示例

将表2和表3数据代入式(5)～式(14)，计算中国等12组实验标志信息认知的优劣程度，填入表4.

以中国组实验标志为例，模型计算过程如下：

当交通人未接受过交通法规培训时，

[27.3%×log227.3%+

(1-27.3%)×log2(1-27.3%)+2+

27.3%×log227.3%+

(1-27.3%)×log2(1-27.3%)+2+

11.4%×log211.4%+

(1-11.4%)×log2(1-11.4%)+2+

11.4%×log211.4%+

(1-11.4%)×log2(1-11.4%)+2)]+

[-90.9%×log290.9%-

(1-90.9%)×log2(1-90.9%)-

90.9%×log290.9%-

(1-90.9%)×log2(1-90.9%)]+

[20.5%×log220.5%+

(1-20.5%)×log2(1-20.5%)+2+

20.5%×log220.5%+

(1-20.5%)×log2(1-20.5%)+2)]+

[-84.1%×log284.1%-

(1-84.1%)×log2(1-84.1%)-

84.1%×log284.1%-

(1-84.1%)×log2(1-84.1%)-

93.2%×log293.2%-

(1-93.2%)×log2(1-93.2%)-

93.2%×log293.2%-

(1-93.2%)×log2(1-93.2%)]+

当交通人接受过交通法规培训时，

[27.3%×log227.3%+

(1-27.3%)×log2(1-27.3%)+2+

27.3%×log227.3%+

(1-27.3%)×log2(1-27.3%)+2+

11.4%×log211.4%+

(1-11.4%)×log2(1-11.4%)+2+

11.4%×log211.4%+

(1-11.4%)×log2(1-11.4%)+2)]+

[-90.9%×log290.9%-

(1-90.9%)×log2(1-90.9%)-

90.9%×log290.9%-

(1-90.9%)×log2(1-90.9%)]+

[20.5%×log220.5%+

(1-20.5%)×log2(1-20.5%)+2+

20.5%×log220.5%+

(1-20.5%)×log2(1-20.5%)+2)]+

[-84.1%×log284.1%-

(1-84.1%)×log2(1-84.1%)-

84.1%×log284.1%-

(1-84.1%)×log2(1-84.1%)-

93.2%×log293.2%-

(1-93.2%)×log2(1-93.2%)-

93.2%×log293.2%-

(1-93.2%)×log2(1-93.2%)]=18.7%

得到中国组实验标志信息认知的优劣程度依次为52.0%、18.7%. 计算其余11组实验标志信息认知的优劣程度.

2.4 人因工程学模型计算

2.4.1 人因工程学模型

引入人因工程学模型，依托人因工程学理论，分析交通人的心生理认知特征，分别引入满足需求程度、易于理解程度和信息适量程度作为计算指标，公式如下：

当Ik≤I时，

I∈{5,6,7},1≤i≤n,1≤j≤m,1≤k≤p,

且i,j,k,n,m,p∈Z*

(15)

当Ik>I时，

I∈{5,6,7},1≤i≤n,1≤j≤m,1≤k≤p,

且i,j,k,n,m,p∈Z*

(16)

式中，DCIk为在特定的交通环境中，交通标志k传递的交通信息认知的优劣程度，量纲为一，取值0～100%，取值越大表征交通标志k传递的交通信息认知程度越优；Dijk为在特定的交通环境中，交通人i在完成交通行为时需要交通标志k传递的交通信息j的频数，当j被需要时取值1，否则取值0；Cijk为在特定的交通环境中，交通人i在完成交通行为时准确理解交通标志k传递的交通信息j含义的频数，当j被准确理解时取值1，否则取值0；Ik为在特定的交通环境中，交通标志k传递的各类交通信息(道路信息、地点信息、危险警告等)的总量，单位“个”；I为“最优”信息数量，单位“个”，交通指路标志“最优”信息数量取值5～7[7,11-13].n为在特定的交通环境中，交通人的总量，单位“个”；m为在特定的交通环境中，交通标志设置位置周边的各类交通信息(道路信息、地点信息、危险警告等)的总量，单位“个”；p为在特定的交通环境中，拟评价的交通标志的总量，单位“个”.

2.4.2 计算示例

将表1、表2和表3的数据代入式(15)和式(16)，计算中国等12组实验标志信息认知的优劣程度，填入表4.

以中国组实验标志为例，模型计算过程如下：

当“最优”信息量I取5时，由于I中国=6>5，故：

当“最优”信息量I取6时，由于I中国=6≤6，故：

当“最优”信息量I取7时，由于I中国=6≤7，故：

得到中国组实验标志信息认知的优劣程度依次为42.6%、45.3%、43.0%. 计算其余11组实验标志信息认知的优劣程度.

3 认知计算结果分析

由表4和图5可以发现：

1) 当仅考虑标志易于理解程度时，实验标志信息认知的优劣程度从好到差依次为新方案1、新方案2、日本、新方案4、新方案3、美国、上海、中国、南京、武汉、北京、英国；

2) 当仅考虑标志满足需求程度时，实验标志信息认知的优劣程度从好到差依次为新方案1、新方案2、新方案3、新方案4、北京、中国、武汉、美国、南京、日本、上海、英国；

3) 应用信息熵模型计算实验标志信息认知的优劣程度，当交通人接受过(或未接受过)交通法规培训时，从好到差依次为新方案1、新方案2、中国、新方案4、新方案3、武汉、日本、美国、南京、上海、北京、英国；

4) 应用人因工程学模型计算实验标志信息认知的优劣程度，当“最优”信息量=5(或6)时，从好到差依次为新方案1、新方案2、中国、新方案3、日本、武汉、新方案4、上海、北京、美国、南京、英国；当“最优”信息量=7时，从好到差依次为新方案1、新方案2、中国、新方案3、武汉、新方案4、日本、北京、上海、美国、南京、英国.

新方案1和新方案2组实验标志信息认知程度较高，计算结果均位列第1位和第2位，且信息熵模型和人因工程学模型对标志信息认知的优劣程度的评价大体一致. 由此可以得出：

1) 信息熵模型和人因工程学模型的计算结果是有效的、可靠的，可有效量化交通标志信息认知水平，进而科学评价交通标志版面的优劣；

2) 如新方案1和新方案2组实验标志，当引导交叉口交叉道路信息和交叉口附近重要地点信息，且标志牌体上的道路信息或地点信息的位置和排列方向与在路网中的相对位置和排列方向一致时，标志信息认知程度较高.

中国城市干道交叉口交通指路标志多采用图案式引导交叉口交叉道路、外围交叉道路以及交叉口周边重要地点等. 为提供更多更加有效的交通信息，结合实际需要也可参考新方案3或新方案4设计标志版面，以获得较高的标志信息认知程度.

表4 实验标志信息认知计算结果

注：横轴为分组实验标志，纵轴为实验标志信息认知计算结果，取值0～100%. 图5 实验标志信息认知计算结果分布图

4 结束语

满足需求、易于理解是城市道路交叉口指路标志设计时应当重点考虑的因素. 本文选取部分国家(中国、美国、日本、英国)、部分地区(北京、上海、武汉、南京)及新方案(4组)的城市道路交叉口指路标志进行案例分析，应用信息熵模型和人因工程学模型，计算其传递的交通信息的认知优劣程度. 新方案1和新方案2组实验标志由于传递了需求程度较高且易于理解的信息，其信息认知程度较高，结论可为设计科学合理的城市道路交叉口指路标志提供理论与技术参考.

[1] 周蔚吾. 道路交通标志标线设置技术手册[M]. 北京: 知识产权出版社, 2007: 73-75.

[2] 韩凤春, 纪强. 平面交叉口交通指路标志版面内容设计方法研究[J]. 中国人民公安大学学报: 自然科学版, 2010(3): 77-80.

[3] 牟振华, 胡光明. 基于城市道路功能划分的交叉口交通指路标志信息分级体系[J]. 道路交通, 城市道桥与防洪, 2007(4): 90-93.

[4] GB 5768. 2—2009 道路交通标志和标线 第2部分: 道路交通标志[S].

[5] FHWA, USDOT. Manual on Uniform Traffic Control Devices (2009) [M]. Baton Rouge: Claitor’s Law Books and Publishing, 2010: 137-179.

[6] 全国道路標識·標示業協会. 道路標識ハンド·バック(2004)[M]. 东京: 日本の建設省道路局、警察庁交通局, 2004: 29-65.

[7] Department for Transport ofGreat Britain. Traffic Signs Manual: Chapter 2 (2006) [M]. Norwich: The United Kingdom for the Stationery Office, 2006: 7-26.

[8] 李伟, 陈宏云, 张高强. 美日中三国公路交通指路标志设置比较研究[J]. 中外公路, 2007(6): 190-193.

[9] 李健行. 城市道路平面交叉口交通指路标志版式与信息组成研究[J]. 公路与汽车, 2008(4): 59-62.

[10] AL-MADANI H, AL-JANAHI A R. Role of drivers’ personal characteristics in understanding traffic sign symbols [J]. Accident Analysis & Prevention, 2002, 34(2): 185-196.

[11] AL-MADANI H, AL-JANAHI A R. Assessment of drivers’ comprehension of traffic signs based on their traffic, personal and social characteristics [J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2002, 5(1): 63-76.

[12] Borowsky A, Shinar D, Parmet Y. The Relation between Driving Experience and Recognition of Road Signs Relative to Their Locations [J]. Human Factors: The Journal of the Human Factors and Ergonomics Society, 2008, 50(2): 173-182.

[13] FHWA. Changeable Message Sign Operation and Messaging Handbook [EB/OL]. [2014-01-10]. http:∥tmcpfs.Ops.Fhwa.Dot.Gov/cfprojects/uploaded_files/CMS%20Operation%20and%20Messaging%20Handbook-Final%20Draft.pdf.html.

[14] 杜志刚, 潘晓东, 郭雪斌. 交通指路标志信息量与认知性关系[J]. 交通运输工程学报, 2008, 8(1): 118-122.

[15] 黄凯. 交通指路标志极限信息量及汉字字高模型研究[D]. 北京: 交通部公路科学研究院, 2008.

[16] 杨久龄, 刘学会. 《道路交通标志和标线》应用指南[M]. 北京: 中国标准出版社, 1999: 74-75.

An Empirical Analysis of Information Cognition Transferred by Traffic Guide sign at Urban Road Intersections

ZHANG Wei

(1.Municipal Engineering Design Institute, China Railway Fifth Survey and Design Institute Group Co., Ltd., Beijing 102600, China;2.College of Metropolitan Transportation，Beijing University of Technology，Beijing 100124, China)

The cognitive level of information transferred by traffic guide sign at urban road intersections directly impacts the safety and comfort of roadway users finding path. This paper analyzes the traffic guide signs installed in urban arterial and minor roads in several countries (e.g. China, the U.S., Japan and UK) and Chinese cities (e.g. Beijing, Shanghai, Wuhan and Nanjing), as well as four new designs. The paper proposed using the information entropy model and human factors engineering model to quantitatively evaluate the cognitive level of information transferred by traffic guide sign. This research found that the cognitive level is higher when the information transferred by traffic guide sign meets the traffic participants’ demand.

traffic engineering; traffic guide sign; cognitive experiment; comprehension; demand

10.13986/j.cnki.jote.2015.04.010

2015- 01- 29.

国家重点基础研究发展计划(973计划)“城市交通行为过程的基础理论研究”(2012CB723303).

张伟(1988—)， 男， 硕士， 助理工程师， 研究方向为交通运输规划与管理. E-mail: zhangwei1003@126.com.

U 491

A

1008-2522(2015)04-53-12