城市路侧禁令标志对公交车驾驶员驾驶行为影响研究*

徐慧智 武腾飞 裴玉龙

（东北林业大学交通学院 哈尔滨 150040）

0 引 言

随着城市化进程加快，道路基础设施趋于完善，城市道路网络中设置了大量的交通标志。交通标志起到传导道路信息的作用，将交通管理者意图传导给驾驶员，以帮助驾驶员快速且安全的到达目的地。而随着交通标志增多，驾驶员辨识交通标志过程也变得更加复杂，即驾驶员的操作行为、心理变化等受到交通标志影响程度也变得复杂。

目前，国内外学者就交通标志与驾驶员内在关系研究取得了丰硕成果。朱荔等[1]为探究指路标志对驾驶人影响,基于认知心理学理论分析驾驶人对指路标志认知行为及其影响因素,构建了驾驶人对指路标志认知需求模型,并通过问卷调查验证了模型的正确性。陈岳峰等[2]为探究指路标志对互通立交区域车辆驾驶人驾驶行为与交通流的综合影响，基于驾驶模拟，构建了综合考虑驾驶人驾驶行为、交通流的互通立交区指路标志效用评价模型。裴玉龙等[3]为探究外侧车道中大型车对驾驶人驾驶视野遮挡的影响,构建了交叉口路侧交通标志时间遮挡模型。结果表明,在交叉口进口道交通量、绿信比等参数不变的条件下,小型车驾驶人错过交通标志的概率与中大型车比例呈正相关。邵海鹏等[4]为探究精确度量交叉口指路标志信息的有效性，基于人机系统理念，综合考虑影响驾驶人判断的各种因素，构建了交叉口指路标志信息有效性量化模型。吕能超等[5]通过试验分析不同信息量的交通标志对驾驶人认知负荷的影响规律，验证交通标志信息量对负荷加载的有效性。刘小明等[6]针对组合交通标志信息量阈值缺乏量化依据的问题,设计了包含指路标志与车道行驶方向标志的组合标志,测定了被试者视认组合标志的正确率及反应时间,得到组合标志信息量阈值。Shinar等[7]研究在交通标志中添加文本对驾驶员理解力的影响，结果表明，适当增加文本表明可提高驾驶员的理解力并减少理解符号所需时间，从而提高交通安全；Schnell等[8]从交通标志文字大小及背景亮度对交通标志信息采集时间及传输准确度进行探究。彭余华等[9]基于高速公路作业区文字类交通标志信息特性、驾驶人视认特性，构建了车辆行驶模型,并改进传统文字高度算法模型,最终提出了综合考虑行车速度、视认特性及标志信息量等的汉字高度优化模型。李厚杰等[10]从驾驶员的认知规律、车辆到达规律、视认过程等利用数学模型和实际案例结合的方法对路侧遮挡问题进行探究，得到了遮挡概率计算模型。徐良杰等[11]研究冰雪环境条件下弯道交通标志色彩对驾驶员心理效应的影响。关伟等[12]为揭示交通标志诱发驾驶员弯道前制动操作过程，构建驾驶员认知模型,并采用模拟驾驶实验方法进行验证。王雨桐等[13]针对如何提高驾驶员对诱导信息的采用意愿的问题,基于结构方程模型(structural equation modeling,SEM)及改进式科技接受模型(technology acceptance model,TAM),构建驾驶行为影响研究模型，结果表明，交叉口诱导信息的采用意向受驾驶员对信息的感知、信任程度及交通状况影响。林雨等[14]探究了交通标志的视角阈值与车速、天气条件相互关系,并量化数值表达。易恬[15]针对公交驾驶员不良驾驶行为，利用交通心理学、交通行为学、组织行为学等理论，构建了基于主成分分析法与信度分析法公交驾驶员的不良驾驶行为评价指标体系。任慧君等[16]提出了利用车载GPS模块采集公交车驾驶行为，并提取超速、急加速、急减速、急转弯驾驶行为数据，进而评估驾驶行为的安全性。杨艳群等[17]针对公交车对城市交通标志识别等展开调查，结果表明，道路养护中的不同标志对不同类型的驾驶员产生不同的信息量。

综合国内外研究现状，现有研究在驾驶员视认性、禁令标志前置距离、路侧交通标志遮挡、交通标志信息量等方面取得了一定的理论研究成果，但针对驾驶员驾驶行为与禁令标志分布量相关关系研究较少，因此，本文通过选取固定线路的公交车驾驶员进行自然驾驶调查，以寻求不同驾驶行为与禁令标志分布量（禁令标志分布量：单位长度的路段上所设置的标志数量）的关系。

1 自然驾驶行为调查

1.1 调查方案

调查线路为哈尔滨市101路公交线路，起终点分别为汽轮机厂、防洪纪念塔公交首末站，全程共设18站，运营里程为12.2 km。

调查时间为2017年9月18日—19日共计2 d，调查的时段为07：00—12：00，其中07：30—08：30为高峰时段，以每2站之间间隔作1次区间统计。

调查方法采用视频录像观测法、自然驾驶调查与表格记录法。其中，视频录像观测法主要在驾驶员的头顶上方安装视频采集器可记录驾驶员的驾驶行为及车辆进出站时间等。

调查内容主要为沿线禁令标志设置情况（主要为限速速度、禁止停车标志、禁止右转、禁止鸣喇叭、禁止左转）、驾驶员驾驶行为、时间节点等。其中驾驶行为主要包括停车、车道变换、加减速等行为。停车为驾驶员遇到信号灯或拥挤状况下停车，主要包括信号停车、拥挤停车，不包括进入公交站停车；车道变换为车辆由一条车道行驶至另一条车道，分为自由车道变换、强制车道变换，不包括进出站车道变换；加减速行为主要分为加速、减速。

1.2 数据预处理

1.2.1 数据表征

为便于表征各调查数据，定义各指标。

区间时间间隔Δt也即公交车在2个站点之间的运行时间，单位为s；其中离站时间t1为公交车离开站点的时间，到站时间t2为公交车到达站点的时间。其计算模型见式（1）。

区间距离S为相邻公交站距离，m；运行速度v为车辆在相邻站点之间平均运行速度，km/h，其中区间时间不包括公交车辆在每个公交站的站停时间，但是包括行程过程中由于信号控制或交通拥挤的停车时间，且公交车与其他机动车混行，可认为公交车速度为沿线车流的运行速度，其计算模型见式（2）。

每公里停车次数PPK为不同区间内停车次数PI与区间距离S的比值；每公里车道变换次数LCPK为不同区间内车道变换次数LCI与区间距离S的比值；每公里加减速次数ADPK为不同区间内加减速次数ADI与区间距离S的比值，km，其计算模型见式（3）～（5）。

禁令标志分布量TSD为不同区间内禁令标志数量TS与区间距离S的比值，块/km，计算模型见式（6）。

1.2.2 预处理结果

利用式（1）～（6）对采集的原始数据处理，其处理结果（1次观测数据）见表1。

1.3 研究方案

根据上述计算模型对采集的驾驶员驾驶行为数据进行分时段处理，探究不同交通状况下驾驶员的驾驶行为特征；而后为消除不同时段的驾驶员驾驶行为差异性，对同一区间间隔内的不同时段的驾驶行为特征取平均值，进而与禁令标志分布量进行建模分析，若不能直接建模，则需重新分析，探究二者变化之间的相关关系，而后再建模分析。研究方案流程图见图1。

图1 研究方案流程图Fig.1 Research scheme flow chart

表1 数据预处理结果（1次观测数据）Tab.1 Data preprocessing results(1 observation data)

2 调查结果及分析

2.1 驾驶行为特征

为了解驾驶员的驾驶行为特征，对驾驶员在高峰、平峰时间段内每公里停车次数、每公里车道变换次数、每公里加减速次数进行统计分析，其结果见表2。

表2 描述统计结果Tab.2 Results of statistical description

2.1.1 停车特征

高峰时段，每公里停车次数平均值为4.25次/km，最大停车次数为15次/km，最小停车次数为1次/km。平峰时段每公里停车次数平均值为3.51次/km，最大停车次数为20次/km，最小停车次数为0次/km。其调查数据表明，运营过程中，停车的主要原因是信号控制和交通拥挤，高峰时段每公里停车次数多于平峰时段，说明高峰时段途经沿线的交通状况对车辆运行具有较大影响，导致其频繁停车。

2.1.2 车道变换特征

高峰时段每公里车道变换次数平均值为5.31次/km，最大车道变换次数为8次/km，最小车道变换次数为0次/km。在平峰时段每公里车道变换次数平均值为4.96次/km，最大车道变换次数为3次/km，最小车道变换次数为0次/km。其调查数据表明，高峰时段驾驶员区间车道变换次数与每公里车道变换次数的驾驶行为均多于平峰时段，主要是交通压力过大所导致车道变换的行为增多。平峰时段最大车道变换次数为30次/km，大于高峰时段最大车道变换次数为8次/km，表明在平峰时段由于车辆之间的干涉较少，部分驾驶员追求更快的速度，频繁变换车道。

2.1.3 加减速特征

高峰时段每公里加减速次数平均值为12.97次/km，最大车道变换次数为33次/km，最小车道变换次数为4次/km。在平峰时段每公里加减速次数平均值为9.64次/km，最大车道变换次数为72次/km，最小车道变换次数为1次/km。表明在高峰时段驾驶员需要执行更多次加减速行为，保证车辆正常行驶及获取更多路权，平峰时段最大加减速次数与平峰时段相比有所增加，表明驾驶员为及时完成驾驶任务，频繁加减速。

2.2 车辆速度特征

高峰时段，平均区间速度为13.1 km/h，最大速度为25.2 km/h，最小速度为3.81 km/h；平峰时段，平均区间速度为19.4 km/h，最大速度为56.4km/h，最小速度为4.64 km/h。高峰时段平均区间运行速度较平峰时段降低32.54%，最大速度降低55.32%，最小速度降低17.83%，说明高峰时段的车流量大，道路较拥挤，致使车辆的速度减慢。车辆速度特征，见图2。

图2 车辆速度Fig.2 Vehicle speed

2.3 交通标志特征

城市道路交通标志分为主标志和辅助标志，主标志主要分为警告、禁令、指示、指路等。在本次调查的沿线道路上，路侧设置警告、禁令、指示、指路这4种标志总数量为134块，其中禁令标志65块，所占比高达49%,沿途路段更多设置禁令标志，以规范驾驶员的不正确操作行为；警告标志设置14块，所占比例仅为10%；指示、指路标志数量分别为32块和23块，其所占比例分别为24%和17%。交通标志分类及其数量特征见图3。

图3 交通标志分类及其数量特征Fig.3 Classification and quantity of traffic signs

本文主要研究禁令标志。根据统计结果，禁令标志分布量最小为0块/km，最大为15块/km，而根据赵淑婷[18]中交通标志分布量阈值实验研究结果，合理的分布量阈值为38条/km，因此线路中的禁令标志分布量与现有研究结果一致。其中各区间禁令标志数量见图4。

图4 各区间禁令标志数量及其分布量Fig.4 Distribution of prohibition signs in each section

3 禁令标志分布量与驾驶行为关系解析

3.1 禁令标志分布量与驾驶行为平均值的关系

为消除因高峰、平峰导致所采集数据的差异性，对不同区间段内不同时间段所统计的每公里停车次数、每公里车道变化次数、每公里加减速次数进行求平均值。其进行统计分析，描述性统计结果见表3。其中，每公里停车次数平均值的标准差为1.961，说明驾驶员在各个公交站间的停车次数变化不大；每公里车道变化次数平均值的标准差为2.536，说明驾驶员在各个公交站间的车道变换次数变化稍大；而每公里加减速次数平均值的标准差为4.540，说明驾驶员在不同公交站间的加减速行为变化较大。

表3 描述统计结果Tab.3 Results of statistical description

图5 禁令标志分布量与不同驾驶行为散点图Fig.5 Scattered plots of traffic sign distribution and driving behavior

为进一步了解禁令标志分布量与驾驶行为平均值的关系，做其散点图，见图5。禁令标志分布量与每停车次数平均值有略微的线性关系趋势，但与每公里车道变换次数平均值、每公里加减速次数平均值之间线性关系不明显，需进一步确认。

对禁令标志分布量与每公里停车次数平均值、每公里车道变换次数平均值、每公里加减速次数平均值进行相关性分析并检验，结果见表4。禁令标志与每停车次数平均值、每公里车道变化次数平均值、每公里加减速次数平均值之间的相关系数分别为-0.177，0.011，-0.094，其在置信度（双测）为0.01时，相关性是不显著的，因此可认为禁令标志分布量与驾驶行为平均值之间的关系不强。但是可以发现每停车次数平均值与每车道变化次数平均值、每加减速次数平均值的相关系数分别为0.858，0.915，每公里车道变化次数平均值与每加减速次数平均值的相关系数为0.721，因此可认为其在置信度（双测）为0.01时，三者之间的相关关系是显著的。

表4 数据相关性分析Tab.4 Data relevance analysis

3.2 禁令标志分布量与驾驶行为平均值变化量的关系

由上述分析结果可知，禁令标志分布量与不同驾驶行为平均值之间没有表现强烈的相关关系。而从实际应用效用角度考虑，当设置禁令标志时，必定会对驾驶员驾驶行为产生一定约束，但其约束水平因禁令标志分布量不同而对驾驶员驾驶行为影响不同。因此考虑禁令标志分布量发生变化时与驾驶行为平均值变化之间的关系。针对每个公交站间内禁令标志分布量、驾驶员每停车次数平均值、每公里车道变化次数平均值、每加减速次平均值进行求其变化量，并做散点图，见图6。由图6可知，禁令标志分布量变化量与每停车次数平均值变化量线性关系不明显，与每车道变换次数平均值变化量、每公里加减速次数平均值变化量存在线性关系，需进一步进行确认。

图6 禁令标志分布量变化量与不同驾驶行为变化量Fig.6 Changes in the distribution of prohibition signs and driving behaviors

相关性分析及其检验结果，见表5。禁令标志分布量变化量与每停车次数平均值变化量、每公里车道变化次数平均值变化量、每公里加减速次数平均值变化量之间相关系数分别为0.499,0.825,0.624，其在置信度（双测）为0.05时，每公里车道变换次数平均值变化量最为显著，每公里加减速次数平均值变化量是显著的，因此可认为禁令标志分布量变化量与每车道变换次数平均值变化量、每加减速次数平均值变化量都具有显著的相关关系。同时看出，每加减速次数平均值变化量与每停车次数平均值变化量、每车道变换次数平均值变化量的相关系数为0.707,0.650，因此在置信度（双测）为0.05时，其内部的相关关系是显著的。即可认为驾驶员进行停车、车道变换的过程中必然会伴随着加减速。

表5 相关性分析Tab.5 Relevance analysis

3.2.1 禁令标志分布量变化量与每公里车道变换次数平均值变化量

对禁令标志分布量变化量与每公里车道变换次数平均值变化量进行曲线拟合，模型摘要和系数估计结果见表6。其中显著性均小于显著性水平0.05，而线性、二次项、立方模型常量显著性均大于0.05，故排除，选择最优的指数模型。

表6 模型摘要Tab.6 Model summary

指数模型中的相关系数检验结果见表7，其各参数B分别为0.718，0.913，且显著性水平分别为0.004，0.006，明显小于显著性水平0.05，因此可认为选择的对数模型准确。其计算模型见式（7）。

表7 系数Tab.7 Coefficient

禁令标志分布量变化量与每公里车道变换次数平均值变化量的相关关系图，见图7。当禁令标志分布量变化量逐渐增大时，每车道变换次数平均值变化量呈现逐渐增大状态。当禁令标志分布量变化量处于1.6以下时，每车道变换次数平均值变化量处于0.8以下，此阶段变化比较稳定；当禁令标志分布量变化量处于1.6水平以上时，驾驶员每公里车道变换次数变化量不断增加，处于一种突变状态。

图7 禁令标志分布量变化量与每公里车道变换次数平均值变化量Fig.7 The variation of the distribution of prohibition signs and the average change of lane change times per kilometer

3.2.1 禁令标志分布量变化量与每公里加减速次数平均值变化量

对禁令标志分布量变化量与每公里加减速次数平均值变化量进行曲线拟合，模型摘要结果见表8。其中复合函数模型的显著性为0.052，大于显著性水平0.05，因此可排除。而观察R平方，立方模型为0.730，其他模型都小于0.700，因此选择最优的立方模型。

表8 模型摘要Tab.8 Model summary

立方模型的系数检验结果见表9，其各参数B分别为-2.743，2.592，-0.524，1.058，且显著性水平分别为0.012，0.008，0.011，0.002，明显小于显著性水平0.05，因此选择的立方模型准确。其计算模型见式（8）。

表9 系数Tab.9 Coefficient

当相邻区间内的禁令标志分布量变化逐渐增大时，每公里加减速次数平均值变化量呈现先减小后增加状态，见图8。当禁令标志分布量变化量处于1.6以下时，每公里加减速次数变化量处于1.1以下，此阶段变化比较稳定，也即驾驶员在实际的驾驶过程中，其加减速操作反应的变化最小，其驾驶行为处于一定的稳定水平内；当禁令标志分布量变化量处于1.6水平以上时，驾驶员每公里加减速次数变化量处于1.1以上，在此种环境下，其加减速操作反应的变化较大。

图8 禁令标志分布量变化量与每公里加减速次数平均值变化量Fig.8 Variation of distribution of prohibition signs and average acceleration and deceleration times per kilometer

4 结束语

通过调查驾驶员驾驶行为、时间等基础数据，并就驾驶员驾驶行为特征进行分析驾驶行为的内在影响因素，采用相关性分析对禁令标志分布量变化与驾驶行为变化关系探究。得到以下结论。

1）在车辆的实际运行过程中，导致高峰时段每公里停车次数多于平峰时段主要原因是信号控制和交通拥挤，说明车辆途经沿线的交通状况对车辆运行有较大影响。

2）在驾驶员驾驶的过程中，平峰时段最大车道变换次数大于高峰时段最大车道变换次数，表明在平峰时段由于车辆之间干涉较少，驾驶员追求更快的速度，频繁变换车道。高峰时段驾驶员为保证车辆的正常行驶以及获取更多路权，进行频繁的加减速。

3）禁令标志分布量与每公里车道变换次数平均值变化、每公里加减速次数平均值变化存在显著的相关关系，每加减速次数平均值变化与每公里停车次数平均值变化、每车道变换次数平均值变化的相关关系是显著的。也即驾驶员进行停车、车道变换的过程中必然会伴随着加减速。

4）当禁令标志分布量变化量处于1.6水平以下且每公里车道变换次数平均值变化量处于0.8以下，此阶段变化比较稳定，而后驾驶员每公里车道变换次数变化量不断增加，处于一种突变状态。当禁令标志分布量变化量处于1.6以下时，每公里加减速次数变化量处于1.1以下，此阶段变化比较稳定，驾驶员驾驶行为处于一定的稳定水平内；当禁令标志分布量变化量处于1.6水平以上时，驾驶员加减速操作反应的变化较大。

5）本研究就不同区间的禁令标志分布量与不同驾驶行为之间关系研究。而在实际的交通系统中，驾驶员驾驶行为会受到驾驶员记忆效应、道路特性、天气状况、交通流量等多种因素的交叉影响，在后续研究中会重点考虑，以探索不同因素的多重耦合作用。