基于自然驾驶数据的跨江大桥小客车驾驶行为特征研究*

孙子秋 潘存书 徐 进,2▲

（1.重庆交通大学交通运输学院 重庆400074；2.重庆交通大学山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室 重庆400074）

0 引 言

长江沿岸是我国高度发达的综合性工业地带，诸多的沿江城市目前已经发展成为我国最具活力的高新技术产业基地。在沿江城市中，跨江大桥是贯通长江南北两岸的咽喉要道，是沿江城市的主动脉。不同于高速公路，城市道路中的桥梁大多数都属于道路网中的重要交通节点，跨江大桥的交通运行状态将会极大的影响道路运行情况。随着交通量的日益增加，沿江城市道路对于跨江大桥的需求也日益增加，因此对于城市道路桥梁的交通运行情况的分析也变得尤为重要。

在桥梁安全相关的研究方面，国内外对于桥梁交通安全的研究多为车辆荷载对于桥梁结构的影响，长跨桥梁强侧风对于车辆行驶安全与舒适性的影响，或者是对于桥梁交通事故进行宏观分析评价，建立桥梁交通系统安全性的评价模型，国内外学者对于桥梁段车辆自身的交通特性以及驾驶行为相关的研究较少。Chen 等[1]通过联系风环境、桥梁和交通系统3 个方面，系统的研究了侧风环境下桥梁荷载与交通系统风险之间的关系。刘伯秀[2]深入研究山区高速桥隧连接段交通安全事故形态，从系统安全出发，建立了山区高速公路桥隧连接安全评价指标体系，提出基于贝叶斯网络的安全评价方法。潘晓东等[3]利用模糊理论以及引入人工神经网络的相关理论，建立了多层次、多因素的桥隧段行车安全评价模型。Elvik 等[4]对挪威2010—2016 年期间6 824座桥梁的交通事故原因进行系统性的分析，发现桥梁交通事故与其交通增长成正比，长桥安全性优于短桥，新建桥梁事故发生率低于旧桥。Enright[5]研究了车辆变道对于桥梁荷载的影响，并且发现桥梁最大荷载对大型车辆所占换道比例的变化相当敏感。倪娜[6]研究了山区高速公路桥隧密集路段的交通特性，得到了速度和车头时距分布特征，结果表明桥梁与桥梁连接处的85%车速最高。

自然驾驶试验可以不间断采集驾驶员在真实驾驶环境下的操作行为，获得车辆在自然驾驶过程中的速度、加速度以及车辆轨迹等大量数据。美国、日本以及欧洲等多国早已开展了多年的自然驾驶试验项目，建立了自然驾驶数据库，用于分析不同道路条件下不同车辆类型的驾驶行为特征。Wu 等[7]发现20世纪60年的交通冲突研究方法存在较大缺陷，使用的数据质量差，对于驾驶员行为表征性较差，使用了100辆车的自然驾驶数据研究了驾驶行为与交通事故之间的关系。Wang等[8]收集了202名驾驶员在219 条弯道上行驶的近10 000 条驾驶记录，分析了曲线半径与行驶速度的关系，发现在半径在274～305 m 范围内，车速变化相对稳定，当低于这个值时，速度下降会加快。Dhahir等[9]从自然驾驶数据库提取了华盛顿49 条乡村双车道公路的驾驶记录数据，建立了减速参数与曲线特性之间的关系模型，发现平曲线上的减速行为与车辆碰撞率直接相关。徐进等[10-12]多次进行自然驾驶试验采集互通立交的小客车驾驶数据，分析了环形立交匝道、苜蓿叶匝道进/出口以及螺旋匝道和螺旋桥的驾驶特征。王雪松等[13-14]基于上海自然驾驶数据，分析了前向避撞预警对车头时视距和反应时间的影响，以及发现中国驾驶员的变道切入持续时间与转向灯使用比例均小于美国。孟哲等[15]基于自然驾驶数据分析了互通立交区域的车辆汇入行为，结果表明加速车道汇入点位置主要分布于加速车道的中间偏前部分，匝道出入口易发生连续变道。

综上，虽然跨江/跨河大桥是城市交通系统的节点和咽喉，大桥上的车辆运行状态决定了周边路网甚至整个区域的交通运行效率，另一方面桥上运行状态还决定了大桥的安全运营水平。但现有的研究主要集中在风-车-桥耦合下的车辆运行安全，桥梁段的驾驶行为和车辆状态一直未得到明确。

自然驾驶数据具有连续性并且能够很好的反应驾驶员与周边驾驶环境进行相互反馈的特性，本文通过进行自然驾驶试验获取桥梁段车辆连续行驶下的速度、加速度等数据，分析驾驶员在桥梁段的驾驶行为特征，为桥梁段驾驶行为研究提供数据支撑。

1 试验设计

1.1 研究对象

本次试验选择了重庆市内连接渝中区和南岸区的菜园坝长江大桥作为试验对象，菜园坝大桥于2007年正式通车运行，为公轨两用的特大桥梁，路面条件良好，是重庆市区北部的城市主干道路的重要节点。主桥部分长度为800 m，桥面上层净宽30.5（2.5+12.25+1.0+12.25+2.5）m，为双向6 车道城市快速路，对向车道设置中央分隔带，设计速度60 km/h，下层为双线轨道交通，设计速度75 km/h。主桥段北接南城隧道、苏家坝立交，南接菜园坝立交，见图1。其中苏家坝立交设计标准：匝道设计速度40 km/h，平曲线最小半径60 m，匝道最大纵坡6.0%，匝道断面宽度9 m（0.25 m（防撞栏）+0.5 m（路缘带）+2×3.75 m+0.5 m（路缘带）+0.25 m（防撞栏））。

图1 重庆菜园坝长江大桥Fig.1 Chongqing Caiyuanba Yangtze River Bridge

1.2 试验设备

本次试验采用中星环宇生产的航姿测量系统ZX-NAV620C（内置高精度GPS、陀螺仪和加速度计）来记录车辆行驶轨迹和行驶速度，以及加速度和行驶姿态，位置精度为2.5 m（使用RTK时位置精度为10 mm），采样频率为20 Hz。

同时使用前向碰撞预警系统Mobileye 630采集道路信息和路面障碍物信息，包括道路曲率、车间距、轮迹线-车道线横向距离、行驶速度、车头时距等参数。试验车为别克商务车GL8，并且在车辆前后挡风玻璃安置行车记录仪以便记录试验过程中的道路交通情况，在数据处理中起到核对的作用。

1.3 试验人员

本次试验自然驾驶阶段选取了30 名驾驶员进行实车试验，其职业涵盖了普通职员、网约车司机和在读大学生等人员，其性别构成为男性21名，女性9名，年龄分布为23～48 岁，平均年龄35 岁，驾龄分布为2～22 年，平均驾龄9.28 年，驾驶里程分布为1 万～60 万km，平均驾驶里程12.67 万km。在试验开始前，除告知驾驶员迂回路线外，不对其作任何驾驶行为的要求，让其按照平时的风格进行驾驶，以确保驾驶员以自身最自然的状态驾驶，每人来回试验3～5次。

1.4 试验流程

在试验开始前，先拟定驾驶路线，确定数据记录的起终点，以及检查数据采集仪器是否能够正常采集数据，仪器上的时间是否与行车记录仪的时间同步，每位驾驶员迂回完成整条线路后，进行数据记录的核对，确保每位驾驶员的行驶数据采集正常。

试验时间为2018 年5 月，共进行了约7 d 实车试验，均在每日10：00—17：00 进行，避开了道路拥堵高峰的时段。在后期的数据处理过程中，对每次经过菜园坝长江的大桥的路段的数据进行视频校核，观察是否存在道路拥堵、车辆违章操作、行人干扰等异常行为所造成的异常变速点，后期进行数据分析时，剔除相关异常数据，并且对多条速度曲线进行叠加对比分析。

2 桥梁段速度变化特征

2.1 桥梁整体速度变化

本次试验每位驾驶员完成3～5 次来回，即通过桥梁6～10次，截取驾驶员进入桥梁前至下桥后的速度曲线，然后将每人的遍历速度曲线进行叠加（已剔除无效数据曲线）。分别得到菜园坝立交—苏家坝立交方向（菜—苏方向）和苏家坝立交—菜园坝立交（苏—菜方向）大桥段的速度曲线叠加，以及15th百分位、均值和85th百分位速度曲线，见图2。由图2中可以看出，车辆行驶速度在总体上呈“∧∧”趋势，即加速→减速→加速→减速。

从整体上来看，车辆从桥头立交驶入桥梁主线时均有明显的加速行为，菜园坝—苏家坝方向的车辆上桥后的加速距离为500 m，上桥初始速度为20 km/h～40 km/h 之间，苏家坝—菜园坝方向的加速距离为600 m，上桥起始速度为40 km/h～60 km/h 之间，并且苏—菜方向的速度相比菜—苏方向而言更加集中，即离散性更弱。这是因为在菜园坝立交上桥前的路段为1个交织区，并且进行了信号管控，一部分车辆需停车等待信号灯启亮，然后从零开始加速，因此在进入桥梁前就存在一个加速过程并且伴随跟车行为，不同车辆之间的加速行为存在差异，所以该方向的速度离散程度更大。而苏家坝上桥点为立交匝道，车辆在匝道行驶的距离较长，在上桥之前有更多的时间和空间进行车速的调整，因此在该方向车辆的速度呈现出较为集中的趋势。

图2 菜园坝长江大桥车辆行驶速度曲线Fig.2 Speed profiles along the Caiyuanba Yangtze River Bridge

2.2 桥梁断面速度变化

将2 个行驶方向85th百分位速度曲线的峰值点和谷值点作为特征断面，统计每个断面的平均速度、15th百分位和85th百分位速度，结果见图3，图中同时标记了大桥的限速值。从图中可以看到苏家坝—菜园坝方向速度波动幅度较大，随着车辆在桥梁路段行驶距离的增加，15th百分位与85th百分位速度的差值（可用来表示速度离散性）从10 km/h 增加到20 km/h 左右，并且车辆在桥梁中段的速度明显高于桥头和桥尾，600 m 和1 500 m 2 处速度峰值部分15th百分位车速都已经超过了该路段限速。菜园坝—苏家坝方向断面平均车速基本上是处于限速之下，并且在600 m 之后速度波动幅度远不如苏家坝—菜园坝方向剧烈，桥梁中段的车速也高于桥头桥尾。速度离散性越大，车辆之间的纵向干涉越严重，追尾事故的风险水平越高。菜园坝大桥自通车以来每年均发生多起多车连续追尾事故，因此，根据图2和图3，大桥中部的追尾风险显著高于桥头和桥尾。

在图4 中的大桥平面图中标记了2 个行驶方向速度曲线发生趋势性波动的特征点，即图中特征断面的位置。从图中能看到菜园坝立交平行式匝道与大桥主线的连接部位，即菜园坝—苏家坝方向的匝道汇入点和苏家坝—菜园坝方向的匝道分流点位置与减速特征点非常接近，这表明汇入/分流车辆的换道行为对桥梁主线直行车辆的速度有显著影响。

桥梁段2个方向的车速均呈现出桥两端的车速低于桥中的车速，但2 个方向的上桥速度和下桥速度的变化情况刚好相反，这种情况的产生是因为在苏家坝—菜园坝方向下桥衔接路段为1个Y型交叉口，并且设置了信号管控；而菜园坝—苏家坝方向刚好相反，在桥头衔接路段设置了信号管控，驾驶员上桥时遇到红灯时需停车等待。将各驾驶员在桥头处速度按时序方式取出，并且绘制散点图，见图5。从图5可以看到，在桥头位置当存在交通管制行为时，不同车辆间速度的离散性会增加，并且入桥速度远低于没有交通管制时的入桥速度，同样在下桥时亦是如此。车辆在上下桥时其速度变化范围、过程和衔接路段的交通环境密不可分，因此对于桥梁端部的交通环境改善与优化有助于控制车辆的行车速度，使得车辆进入桥梁的速度变化过程更加平顺。

图3 桥梁断面速度分布Fig.3 Velocity distribution of bridge sections

图4 桥梁段示意图Fig.4 Illustration of the bridge section

图5 桥梁端部速度散点图Fig.5 Scatter diagram of bridge end velocity

3 桥梁段驾驶行为特征

3.1 减速起/终点分布特征

由于菜园坝大桥为连接苏家坝立交和菜园坝立交的跨江大桥，桥梁两端有分别连接2 个立交的匝道（见图4 中的标注），车辆上、下桥梁主线时，在匝道-桥梁主线衔接处便存在车辆的合流或分流，并且伴随有减速行为。对于车辆在菜园坝大桥减速起、终点位置分布数据进行整理，并且按照从小到大的顺序进行排列之后，对其在桥梁段合流/分流点前后的减速起点、减速终点进行了筛选标记，结果见表1，然后绘制减速起终点的位置分布累计频率图，见图6～7。

表1 为车辆在菜园坝—苏家坝方向合流处、分流处减速起终点的位置统计表，其中合流点为菜园坝立交南区路匝道汇入长江大桥的接入点；分流点为苏家坝立交南铜路方向匝道的分道处，见图4 中的标注。从表中可以看到，几乎所有车辆在合流点前采取了减速行为，并且93.3%的车辆都在合流点前完成了车辆的减速，只有6.7%的车辆没有在合流点前完成减速行为。97.1%的车辆在分流点开始减速，而36.5%的车辆在分流点前完成了减速行为，63.5%的车辆在分流点后完成减速。由图6 可以更加直观地看到，车辆基本上都能在合流点前完成减速，大多数车辆都会在分流点前采取减速行为，超过50%的车辆在分流点后完成减速。

表1 菜园坝—苏家坝方向减速起、终点位置统计Tab.1 Statistics of starting and ending points in Caiyuanba—Sujiaba direction

表2 苏家坝—菜园坝方向减速起、终点位置统计Tab.2 Statistics of starting and ending points in the direction of Sujiaba—Caiyuanba

图6 菜园坝—苏家坝方向减速起终点累积频率图Fig.6 Cumulative frequency diagram of starting and ending points of deceleration in Caiyuanba—Sujiaba direction

图7 苏家坝—菜园坝方向分流点附近的减速起终点Fig.7 Cumulative frequency diagram of starting and ending points of deceleration in Sujiaba—Caiyuanba direction

表2 为车辆在苏家坝—菜园坝方向合流处、分流处减速起终点的位置统计表，分流点为从大桥主线驶出进入菜园坝立交然后进入长江滨江路（见图4中的标注）。从表中可以看到，绝大部分车辆都选择在分流点采取减速行为，表明分流车辆对大桥主线直行车辆的运行有显著影响。在分流点前完成减速的比例为41.9%，即有50%的车辆都是在驶过分流点之后完成减速行为。

除了绘制累积频率分布图，还利用极大似然估计得到了减速距离经验分布（即累积频率分布）的分布函数[17]。通过分析和对比之后发现，正态分布和伽马分布对实验数据的拟合度较好，并且伽马分布的拟合度最高，伽马分布的概率密度，见式（1）～（2）。

其中τ( a )是伽马函数，通过极大似然估计求得分布函数中参数a 和b 的值，并标注在图中，确定分布函数之后绘制成曲线，见图6～7。

3.2 变速长度分布特征

将车辆在合流点、分流点附近的减速距离数据提出并且整理，绘制频率分布直方图，见图8。在图8（a）可以看到，菜园坝—苏家坝方向车辆在合流点附近的减速距离主要集中在50～150 m，平均减速距离131 m，超过半数以上车辆减速距离都在150 m 以内。根据图8（b），菜园坝—苏家坝方向车辆驶入苏家坝立交时，车辆在分流区附近的减速距离呈扁平化分布，没有明显的峰值点，在0～400 m 之间均有较高的发生频次；平均减速距离为213 m，不同车辆之间的减速距离差异性较大。

相比之下，图8（c）中，苏家坝—菜园坝方向大桥主线车辆在分流区附近（菜园坝立交匝道入口）的减速距离主要集中在200～300 m，平均减速距离267 m。

图8 减速距离频率分布直方图Fig.8 Histogram of frequency distribution of deceleration distance

根据高频度速度数据计算出桥梁主线行驶时，驾驶员途径合流点和分流点附近时的平均减速度，然后绘制减速距离-平均减速度散点图[18]，见图9。图9（a）中，对平均减速度数据点再进行一次均值计算，菜园坝—苏家坝方向车辆合流点的平均减速度为-0.301 m/s2。此行驶方向，菜园坝立交的汇入匝道从地面道路升起后一直处于上坡状态，汇入车辆的速度较低；同时该匝道有2条行车道，汇入后车道平衡被严重破坏，路面资源被汇入车辆占用较多，导致汇入车辆对大桥主线直行车辆形成严重干扰，主线行驶的驾驶人从而普遍在合流点前产生减速行为。

图9 减速距离-减速度散点图Fig.9 Decelerationdistance-decelerationvelocityscatterdiagram

图9 （b）是车辆在分流点附近的减速度-减速距离散点图，车辆减速度对于减速距离变化的敏感度低于合流点。同样，计算2 个行驶方向的平均减速度，菜园坝—苏家坝方向为-0.406 m/s2，苏家坝—菜园坝行驶方向为-0.387 m/s2，二者差异不大，但高于合流点的平均减速度。

因此，在桥头立交匝道与大桥主线的连接部位，即分流点和合流点，汇入和驶出的车辆导致大桥主线行驶速度下降，并产生比较严重的交通冲突。基于此，需要加强对于“桥梁主线-匝道”分流点和合流点的交通管制行为[19]，加强行车引导，从而降低交通事故发生的概率。

4 结束语

跨江大桥历来都是城市交通的命脉和交通结点，本文通过实车驾驶实验采集了30位被试在菜园坝长江大桥上的高频速度数据，分析了跨江大桥的速度特征，主要发现如下。

1）菜园坝长江大桥2 个方向都呈“加速-减速-加速-减速”的变化趋势。车辆驶入驶出桥梁的速度变化程度与桥梁-道路相交段的交通组织方式存在一定关系，可以通过改善相交段的交通环境使得车辆进出桥梁的速度变化过程更加平滑。

2）在自由流状态下，不同驾驶人在跨江大桥的速度幅值具有较强的离散性，并且桥中的速度显著高于桥头和桥尾。速度离散性越大、交通冲突越严重，揭示了跨江大桥车辆追尾事故的本质原因。

3）合流与分流车辆的换道行为会显著影响大桥主线直行车辆的运行状态，导致驾驶人采取减速行为，因此桥头立交匝道与大桥主线的接入位置会影响桥梁段的速度变化特征。匝道出入口与桥头距离越近，车辆速度受到的影响程度就会高。

4）车辆在合流点附近的减速距离和减速度要低于分流点，因此分流点周围的交通冲突和事故风险要高于合流点。基于此，有必要加强分流点和合流点附近的交通管控和行车引导，提高车辆行驶安全性。

本文通过对菜园坝长江大桥的自然驾驶数据进行分析，为对桥梁段驾驶员行为分析提供了一定的数据支撑，但是缺乏不同的桥梁交通环境下的数据对比。下一步将对试验数据进行更深一步的挖掘，利用车头时距、车辆行驶轨迹以及驾驶员心率等数据，对不同条件下的跨江桥梁路段，分析驾驶员在自由流状态下驾驶行为特征和影响桥梁段行车安全的交通因素。