基于驾驶员心生理反应的山区干线公路事故黑点辨别及成因分析研究

2021-01-25乔建刚刘衬雨柯秋雨

公路工程 2020年6期

乔建刚，刘衬雨，柯秋雨, 王伟

(1．河北工业大学土木与交通学院，天津 300401; 2.长治市屯留区交通建设工程质量监督站，山西长治 046100)

由于山区干线公路设计缺陷，事故会集中发生在线形不良的路段。而这些不良路段中往往包含有事故黑点，道路交通事故黑点是指受道路条件、交通条件、气候环境等因素的影响，发生交通事故的数量和特征与其他点相比明显突出或有潜在安全隐患的点。目前，国内外对事故黑点的研究有很多。WRIGHT[1]建立相对危险度模型，并以此作为鉴别事故黑点的依据。HIROSH[2]假设路段上的事故次数服从泊松分布，提出质量控制法鉴别事故黑点，但没有考虑事故的严重程度。长安大学的耿超[3]将动态分段和DBSCAN算法结合运用，提高了公路交通事故黑点路段的鉴别精度。孙连超[4]运用交通冲突技术的灰色评价法为公路交通事故黑点的鉴别提供了新思路。郑州大学的严亚丹[5]利用事故数法研究表明连续长下坡是该路段上黑点发生交通事故的充分条件。国内外针对事故黑点的研究主要是从线性技术精确定位、事故数法以及模糊综合评判法[6]来研究事故黑点的位置，而对提出一新的指标参数来判断路段是否为事故黑点的研究很少。事故的发生与驾驶员的心理变化存在关联，心率增长率是指驾驶员在静止状态下的心率与行驶状态下心率差值的绝对值与静止状态下心率的百分比，通过研究心率增长率可以定量描述山区干线公路驾驶员行驶时的心理紧张程度，驾驶员心理极度恐慌，极易引发交通事故，故引入驾驶员心率增长率作为事故黑点辨别的指标。

1 基于驾驶员心生理反应的山区干线公路安全评价模型建立

在山区干线公路引起事故的线形因素主要为纵坡坡度、弯坡组合、平曲线，应着重对这3种线形进行事故黑点辨别。山区干线公路安全评价模型根据线形主要划分为3种类型：纵坡安全评价模型、平曲线安全评价模型及弯坡安全评价模型[7](以平曲线安全模型的建立为例)。

1.1 心率增长率、速度与半径的拟合关系

通过大量的实地调研，车辆在平曲线上行驶时，驾驶员心生理变化受曲线半径和速度共同影响，因此，研究驾驶员心率增长率、速度与半径的关系。通过统计分析得到半径与速度的关系、半径与心率增长率的关系分别如图1、图2所示：

图1 半径与速度关系图Figure 1 Radius and speed diagram

图2 半径与心率增长率关系图Figure 2 Radius and heart rate growth rate diagram

应用SPSS软件回归半径与速度、半径与心率增长率的关系模型，得到模型式(1)和式(2)。

V=10.270 lnR+1.570

(1)

式中：R为平曲线半径，m；V为行驶速度，km/h。

查F分布表，F0.05(1,28)=9.28

N1=-3.488 lnR+47.140

(2)

式中：N1为心率增长率，%；R为平曲线半径，m。

查F分布表，F0.05(1,28)= 9.28

1.2 驾驶员心率增长率模型的建立

驾驶员心率增长率变化受半径、速度共同影响，以此建立平曲线安全评价模型，得到公式(3)。N=-2.636 lnR+0.267V+43.547

(3)

R=0.8303

式中：N为心率增长率，%；R为平曲线半径，m；V为行驶速度，km/h。

查F分布表，F0.05(2,28)=6.44

同理可以得到弯坡、纵坡安全评价模型。将不同线形条件下安全评价模型及适用条件汇总，如表1所示：

表1 山区干线公路安全评价模型汇总及适用条件Table 1 Summary and applicable conditions for safety evaluation model of mountain trunk roads山区干线公路安全评价模型适用条件N=2.931 i+0.252V+8.488适用于i>2%,R>800m的上坡路段N=-1.018 i+0.132V+0.03l+14.062适用于|i|>2%,R>800 m的下坡路段N=-2.636 lnR+0.267V+43.547适用于|i|<2%,R<800 m的平曲线路段N=-1.521 ln δ-405.619V-1.060 3+53.005适用于|i|>2%,R<800 m的弯坡路段注: δ为弯坡比,m/%,是指平曲线半径与纵坡坡度的比值,即δ=R|i|。i为坡度,%;l为坡长,m。

2 对驾驶员心率增长率安全性阈值标定

为实现对山区干线公路事故黑点的准确辨别，拟对驾驶员心率增长率安全阈值进行标定。北京工业大学乔建刚研究得到驾驶员心率增长率舒适、紧张、恐惧阈值分别为 18%、27%和39%[8]，并且大于高速公路平直路段自由流条件下驾驶员应避免的心理极限安全阈值42%[19]。山区双车道公路比山区干线公路行车环境差，行车舒适性及安全性更低[10]。通过将山区干线公路指标参数代入山区双车道公路安全评价模型得到心率增长率，分析驾驶员紧张、恐慌状态对应的心率增长率差异性，达到标定山区干线公路心率增长率安全阈值的目的。山区双车道公路安全评价模型[11]如表2所示。

表2 山区双车道公路安全评价模型汇总Table 2 Summary of safety evaluation model for mountainous two-lane highway山区双车道公路安全评价模型适用条件N=1.139i+0.581V+2.730适用于i>2.5%的上坡路段N=-0.665i+0.336V+0.011l+9.427适用于|i|>2.5%的下坡路段N=-11.795lnR+96.192适用于|i|<2.5%,R<700 m的平曲线路段 N=15.796lni-2.448lnR+0.408V+4.156适用于|i|>2.5%,R<600 m的弯坡路段

分别将实测数据代入到各模型中计算得到心率增长率，汇总统计各安全评价模型计算心率增长率的最小值、15%位值、中位值、85%位值及最大值，见表3。

表3 各模型分位值汇总表Table 3 Summary of each model's quantile value%模型分类最小值15%位值中位值85%位值最大值上坡25.330.333.637.943.1下坡21.725.130.936.241.8平曲线19.222.728.440.544.9弯坡组合24.930.834.236.838.5

将表3绘制成各模型分位值折线图如图3所示。

图3 模型分位值折线图Figure 3 Model quantile value line chart

由图3可知：

a.垂线长度代表离散程度。中位值和85%位值离散程度较小，表明心率增长率变化幅度较小；最小值、15%位值、最大值离散程度较大，表明心率增长率变化幅度较大。

b.各模型的15%值和85%值的值域分别为22.7%～30.8%、36.2%～40.5%，最大值分别为30.8%、40.5%，驾驶员处于紧张、恐慌临界状态。当驾驶员心率增长率超过40.5%，驾驶员心生理极度恐慌，这种状态往往会造成交通事故。心理阈值是指能够引起心生理质变的临界点[10]，选取30.8%、40.5%作为紧张性、安全性阈值。从行车安全性角度考虑，对其取整，初步得到山区干线公路驾驶员心生理紧张性、安全性阈值分别为30%、40%。

c.标定的紧张性、安全性阈值均大于山区双车道公路各阈值，因为山区干线公路的大部分道路线形参数相对比山区双车道公路更佳，驾驶员在行驶时心生理反应波动更小，所以标定的山区干线公路心率增长率阈值相比于山区双车道公路心率增长率阈值高。

汇总山区双车道公路心率增长率模型计算值，经统计得到累计频率曲线如图4所示。

图4 心率增长率模型计算值累计频率曲线Figure 4 Heart rate growth rate model calculated value cumulative frequency curve

由图4可知：

a.心率增长率30%、40%为累计频率曲线增长突变点，当心率增长率小于30%，处于舒适状态的频率为29%；当心率增长率在30%～40%，处于紧张状态的频率为64%；当心率增长率大于40%时，处于恐慌状态的频率7%。

b.由于山区干线公路存在视距不良、道路线形起伏变化等因素，大部分驾驶员行驶时心理会适度紧张，这种状态在一定程度上能保证其安全行驶。当某路段线形突变，驾驶员心率增长率会迅速升高，此时可能伴随事故发生。

基于上述分析，最终确定驾驶员紧张性、安全性阈值分别为30%和40%，并将安全性阈值作为辨别事故黑点的心生理指标。

3 山区干线事故黑点的成因分析

3.1 山区干线公路事故黑点黑度的划分

为了描述山区干线公路事故黑点的危险程度，提出了事故黑点黑度。根据大量的山区干线公路的事故黑点鉴别结果，对黑点黑度进行了划分。山区干线事故黑点黑度的划分如表4所示。

表4 山区干线事故黑点黑度的划分依据Table 4 The basis for the black point blackness of moun-tain trunk line accidents等级心率增长率的划分范围对各级黑度的描述130%≤N≤35%道路交通安全状况差,驾驶员感到紧张,交通事故发生率稍高于平均水平235%≤N≤40%驾驶员高度紧张,路段发生事故频率提高,路段需要改善340%以上交通安全状况极差,驾驶员感到恐慌,该路段极易发生交通事故,该路段道路交通安全水平急需提高

3.2 山区干线公路事故黑点成因分析

为了更好地治理山区干线公路的事故黑点，需要对事故黑点的成因进行分析，对各种不利因素进行辨析，判断出道路事故黑点成因的主次因素。再根据事故黑点的主要成因采取措施对山区干线道路进行改善和治理，从而提高道路事故多发段的行车安全性。根据事故黑点的研究成果[12]，运用粗糙集理论对事故黑点的成因进行分析。

粗糙集理论利用等价关系将对象集合进行划分，计算出条件属性关于决策属性的重要性，来揭示事物潜在的规律。粗糙集理论的决策表的应用需要决策属性对条件属性的依赖度。POSC在一定程度上反映了属性C对属性D的支持度。因此定义：

(3)

称k为条件属性集C对决策属性D的支持度。并且，条件属性a对决策属性D的重要性定义为：

δCD({a})=kC(D)-kC-{a}(D)

(4)

以山区干线公路的8个事故黑点的资料和鉴别构造决策表如表5所示。

表5 山区公路事故黑点成因分析决策表Table 5 Decision-making table for the cause of black spots in mountain road accidents编号条件属性道路线性交通组成(小型车比例高)道路交通设施设备不完善事故黑点黑度x1较差是否2x2较差是是2x3很差否是3x4很差是是3x5很差是是2x6正常否是1x7较差是否1x8很差否是3

由决策表可以得出：

决策集D={事故黑点黑度}；

U/{C1}={{x3,x4,x5,x8},{x1,x2,x7},{x6}}；

U/{C2}={{x1,x2,x4,x5,x7},{x3,x6,x8}}；

U/{C3}={{x2，x3，x4，x5，x6，x8},{x1，x7}}；

U/{D}={{x1，,x5}，{x2，x6，x7}，{x3，x4，x8}}；

POSC(D)= {x2，x3，x4，x5，x6，x8}。

k=kc(D)=3/4,可以得到条件C对决策D的支持度为3/4，再探究各条件属性关于决策属性的重要性。

U/(C-{C1})={{x2，x4，x5}，

{x1，x7}，

{x3，x6，x8}}；

POSC-{C1}(D) =Φ；

POSC-{C2}(D) ={x2，x6}；

POSC-{C3}(D) ={x3，x6，x8}；

kC-{ C1}(D)=0；

kC-{ C2}(D)=1/4；

kC-{ C3}(D)=3/8；

δCD(C1)=kC(D)-kC-{ C1}(D)=3/4；

δCD(C2)=kC(D)-kC-{ C2}(D)=1/2；

δCD(C3)=kC(D)-kC-{ C3}(D)=3/8。

根据计算结果可以判定：山区干线公路事故黑点的最主要因素为道路的线性不良；交通的组成(小型车的比例高)因素次之；再次之的因素为道路交通设施的不完善。山区干线道路上的行驶的车型比例具有不确定性，道路交通标志根据人为操作也能在一定的时间内得到改进，为了有效地提到山区干线公路的行车安全性，必须从事故黑点成因的最主要因素线性不良进行改善。山区干线公路不良的道路线形包括长大下坡、长直线接小半径平曲线、不良竖曲线、连续急弯组合、急弯与陡坡组合、断背曲线组合等多种线形。

3.3 山区干线公路显著影响因素的确定

为了确定道路线性中影响交通安全的重要因素，需要计算影响因素的综合关联度，综合关联度的计算是由灰色关联度分析法计算得出的数据列关联系数和熵权法计算得到的指标权重共同构成。综合关联度排序按如公式(5)计算。

(5)

式中：wi为由灰色关联度法求出的数据列的关联系数；δi由熵权法得到的指标权重；i=1,2…，10。

根据灰色关联度法计算步骤，选择事故数、死亡人数，受伤人数作为评价指标。由收集统计2018年山区干线公路事故数，得到事故初始指标统计见表6(断背曲线组合路段C1、连续急弯C2、急弯与陡坡组合C3、不良竖曲线C4、长大下坡C5、长直线接小半径平曲线C6)。

表6 事故指标统计表Table 6 Accident indicator statistics主要影响因素事故次数X'1死亡人数X'2受伤人数X'3C11766C2371025C3451624C4351112C5411227C626610

根据灰色关联度分析法计算得到各主要影响因素的关联系数，运用熵权法对数据进行计算，得到事故次数、死亡人数、受伤人数的权重。根据公式(5)计算得到综合关联度排序见表7。

表7 综合关联度排序表Table 7 Comprehensive relevance ranking table主要影响因素事故次数X'1死亡人数X'2受伤人数X'3综合关联度R排序C10.056 8790.170 6290.079 2440.306 7526C20.121 8250.316 0410.254 210.692 0773C30.126 2940.463 620.241 3440.831 2581C40.118 730.324 4740.127 3830.570 5874C50.123 5230.393 8350.264 6980.782 0562C60.074 1970.170 6290.107 3230.352 1485

不良道路线形的各指标权重排序结果为急弯与陡坡组合C3、长大下坡C5、连续急弯C2、不良竖曲线C4、长直线接小半径平曲线C6、断背曲线组合路段C1，危险程度排序由高到低。在进行线路优化的过程中，优先选择危险程度较大的线形加以改善，应首先对急弯与陡坡组合进行优化，危险度相对较低线形采用设置线性诱导标志和警告标志等方式提高行车安全性。

在对急弯与陡坡组合的改善过程中，在急弯前的直线路段应设置限速与警告标志，以防车辆在该路段行驶时因车速过快、刹车不及时等原因造成的追尾、侧翻和冲出路外等事故；按照实际情况设置护栏以及强制减速措施；在急弯处路面上应施画路面中心实线；在下陡坡路段设置减速标线，陡坡段设置避险车道；在上陡坡与急弯内侧应设置轮廓标诱导视线；在视距不良路段应清除弯道内部障碍物以保障视线通透。