行人过街风格多参数融合识别

2022-10-29彭金栓赵刘昌杨欢欢

交通运输系统工程与信息 2022年5期

彭金栓，赵刘昌，杨欢欢

(重庆交通大学，交通运输学院，重庆 400074）

0 引言

行人是城市交通系统的重要构成部分，是交通参与者中的弱势群体，全球1/3 的交通事故与行人有关[1]。行人过街作为慢行交通的重要研究内容，可以为过街设施的设计及优化，车路冲突形成与消散机理等提供重要的理论支撑。针对行人过街行为特性研究，国内外已有较多成果。众多学者研究行人进入交叉口不同阶段的过街速度与心理特征，行人在绿灯亮起后，不同阶段进入交叉口的过街速度存在显著差异[2]，绿灯阶段进入交叉口的行人过街速度随时间推移而增大[3]，而在绿灯闪烁阶段进入交叉口的行人通常表现得更匆忙，进入交叉口后速度又显著减小[4]。因此，信号灯所处不同阶段对过街行人进入交叉口后的行为具有重要影响。考虑到行人过街行为具有异质性，为了更科学合理地研究行人过街行为特性，需要结合过街特性对行人进行更加细致的划分。CHOI 等[5]指出老年行人相比年轻行人过街的启动延时更短，穿越阶段老年行人较少回头，且老年行人对驶近车辆距离估计可靠性较差。BIASSONI等[6]通过观察交叉口人行横道情景图发现，成年人过街时对视野中不同兴趣区域扫视次数更多，注视时间更长。JIANG 等[7]使用扫视次数比衡量行人对交通环境的警觉性，通过注视时间等参数评估行人过街时在不同兴趣区域的注意力分布及视觉维持情况。NICHOLLS等[8]通过分析行人注视次数，研究得出：儿童过街时更倾向于关注人行横道及其附近区域，成年人注视集中分布于较远的车辆行驶区域。丁袁等[9]通过眨眼次数、扫视和注视时间分析行人在有无信号控制路口的视负荷、视觉受压迫程度与兴趣区域，结果显示，在无信号控制路口行人的视负荷更大，并且对机动车关注更多。PAPADIMITRIOU 等[10]研究指出，男性行人违章率大于女性，且成年行人的违章率比老年行人更高。

综上，已有相关研究主要结合速度、生理及心理等单一因素对行人的过街行为进行研究，存在以下两个方面的缺失：缺乏影响因素之间的耦合分析，不利于对行人过街行为进行深度解析；行为特征分析尚未上升到风格识别层面，无法为行人的过街行为提供系统性和综合性的评价结果。本文考虑心理临界过街状态下，行人进入交叉口的过街心理和行为特性，对行人风险感知因子与临界安全系数进行聚类，得到行人过街风格，并讨论其过街成功率。为提高行人过街安全、效率及过街设施的设计优化等提供重要的理论支持。

1 试验

1.1 试验地点

将重庆市南岸区回龙路与双龙路有完整倒计时显示的信号控制交叉口作为本次试验地点，选取该交叉口原因如下：(1)平峰时段行人过街时受其他过街行人影响较小，可尽量避免试验被试者在执行过街任务时与其他同行行人产生自组织现象[11]；(2)通过离线的视频观测，行人绿灯信号周期能满足85%的行人顺利完成过街任务；(3)交叉口的人行横道长度能保证被试者在执行过街任务时眼动等行为数据的样本量满足研究需求。

试验数据采集时间为工作日9:00-11:00 和14:00-18:00。平峰时段行人信号周期为91 s，绿灯时长27 s，红灯时长64 s。试验交叉口人行横道有效长度为26.4 m。

1.2 被试样本

在试验交叉口现场随机招募行人作为被试者，保证被试者身体健康状况良好，且视听觉系统均正常。试验共招募282 位被试者，结合眼动仪第1 视角记录的视频与固定机位拍摄的试验视频，筛选被试者过街时附近行人密度，选取被试者过街密度≤3 人·m-²的样本纳入研究范围[12]，最终得到研究样本81个，其中，男性45人，女性36人。被试者平均年龄为33.69 岁，其中，少年([10,18)岁)26 人，中青年([18,60)岁)35人，老年([60,75]岁)20人。

1.3 试验设备

试验采用Tobii Glasses 2 可穿戴式眼动仪，采样频率50 Hz。该设备轻便小巧，佩戴舒适度高。由于行人具有高自由度和宽阔视野范围，佩戴该设备可精确追踪行人注视和扫视等眼动行为。采用SONY HDR-PJ820图像采集设备，通过回放图像确定被试者过街时间及过街状态等，为后期试验数据分析及处理提供支持。

1.4 试验组织

(1)试验设计

试验包含两次过街过程：第1 次为正常过街，待绿灯亮起后，行人按照自己正常反应和习惯完成过街，完成首次过街后，行人自行返回试验起点，并等待绿灯亮起后的第2 次过街；与第1 次过街的不同在于，试验组织人员需告知被试者选择心理认知中能保证自己安全过街的最迟时刻作为此次过街的起始时间；待第2 次过街完成后，被试者在保证安全的前提下回到试验起点，并完成人口学问卷的相关调查，两次过街过程完成。本文将行人第1次过街记为自由过街状态(Free Crossing State，FCS)，第2 次过街记为心理临界过街状态(Psychological Critical Crossing State，PCCS)。试验设计如图1所示。

图1 试验设计Fig.1 Experiment design

(2)兴趣区域划分

注视区域的合理划分有助于快速和有效地将注视点沿点、线及面依次展开，从而精确提取行人过街的视觉搜索规律。行人在过街时需要关注车辆、非机动车及行人等多种目标，以获取足够的环境信息，保证过街安全及通行效率。通过回看眼动视频，将行人过街兴趣区域(Area Of Interest，AOI)划分为4 类：车行区域(Car Area，CA)、信号灯区域(Signal Area，SA)、行人区域(Pedestrian Area，PA)及人行横道区域(Zebra Crossing Area，ZCA)，如图2所示。

图2 兴趣区域Fig.2 AOI

2 过街行为特性与参数耦合

2.1 过街速度

为研究不同过街状态下行人过街行为特性，对被试者样本的过街速度进行统计分析，结果如表1和图3所示。

表1 不同状态过街速度统计结果Table 1 Statistical results of crossing speed in different crossing states

相较于FCS，PCCS 下过街速度与标准差更大。进一步对不同过街状态速度进行配对样本t检验，结果显示：不同过街状态对行人过街速度具有显著影响(P=0＜0.05)，由于PCCS 下过街时间更为紧迫，导致过街时被试者的风险感受增加，行人为尽快到达安全区域，通常会加快步伐以弥补时间上的不足，导致PPCS下过街速度显著大于FCS。

不同年龄人的性格、反应力及判断力均有所差异，年长者由于身体机能逐步退化，心理和生理各方面素质会出现增龄性衰退，文献[13]表明，年长者的反应时间较年幼者更长，中年人在认知和判断等方面更为成熟稳重，青少年活泼好动，反应速度相对较快。分析不同过街状态下，不同年龄行人过街速度差异，结果如图3(b)所示。中青年过街速度(PCCS 中M=1.638 m·s-1，SD=0.100 m·s-1；FCS中M=1.414 m·s-1，SD=0.115 m·s-1)略高于少年(PCCS 中M=1.621 m·s-1，SD=0.146 m·s-1；FCS中M=1.398 m·s-1，SD=0.138 m·s-1)，且显著高于老年(PCCS 中M=1.301 m·s-1，SD=0.207 m·s-1；FCS 中M=1.293 m·s-1，SD=0.105 m·s-1)，其中，M为均值，SD 为标准差。少年行人在两种过街状态下的过街速度分布均较为离散，原因可能是少年行人心智发育尚未成熟，导致个体间差异较大；中青年行人在两种过街状态下的速度分布均较为稳定；老年行人过街速度在各年龄段中最低。分析两种过街状态下不同年龄行人过街速度，发现不同年龄行人在PCCS (P=0＜0.05) 和FCS(P=0.002＜0.05)过街速度均有显著性差异。

图3 过街速度分布Fig.3 Crossing speed distribution

2.2 心理临界时窗

法国哲学家柏格森[14]提出空间时间与心理时间概念，将通过钟表度量的时间称为空间时间或客观时间，将通过个人直觉感受的时间称为心理时间或主观时间。人在进入意识深处时，心理时间相对空间时间更具度量意义。本文定义的心理临界时窗(Psychological Critical Time Window,PCTW)是基于心理时间和临界过街状态提出的行人依据自我心理认知和体能水平评估自身完成过街任务所需的时间长度，具体表现为行人在PCCS 下过街时刻绿灯剩余时间。

分析不同年龄行人的PCTW，少年(M=16.83 s，SD=2.62 s)和中青年(M=16.41 s，SD=2.78 s)PCTW 接近，均低于老年行人(M=21.51 s，SD=3.13 s)。对不同年龄PCTW进行独立样本t检验，结果显示年龄对PCTW 具有显著性影响(P=0＜0.05)，即老年行人普遍认为自身需要比年轻行人预留更多的时间，保证过街安全，反映出老年行人为弥补自身身体机能衰退而采取提高PCTW这一补偿行为的过街策略，结果如图4所示。

图4 不同年龄心理临界时窗分布Fig.4 Psychological critical time window distribution for different ages

2.3 心理临界时窗与过街速度耦合

统计各被试者心理临界时窗和平均过街速度的关系，结果如图5所示。

图5 心理临界时窗对过街速度的影响Fig.5 Effect of psychological critical time window on crossing speed

随着PCTW 增加，行人过街速度呈下降趋势。相比线形拟合，ExpDec2拟合曲线的拟合效果相对较好，其切线L1与之交于Q点，Q点对应的PCTW为19 s，当PCTW 大于该值时，过街速度下降幅度加快；当PCTW较大时，行人过街时间充裕，紧迫感降低，过街速度随之下降。

2.4 心理临界时窗与注视概率耦合

为探究行人过街时，对不同区域的关注度，引入注视概率指标。本文定义的注视概率指行人执行过街任务时，对某定义区域(例如SA和CA等)的注视时间占总注视时间的比值，对不同兴趣区域的注视概率可反映行人的风险意识。行人对CA/SA注视概率与PCTW的关系如图6所示。

图6 心理临界时窗对注视概率的影响Fig.6 Effect of psychological critical time window on fixation probability

随着PCTW 增大，行人对CA 注视概率总体呈上升趋势，对SA 注视概率总体呈下降趋势。PCTW 越小，意味着行人完成过街任务越紧迫，为保证在绿灯周期内顺利过街，行人会加大对SA 的注视强度。反复确认绿灯剩余时间是否充足，而减少了对CA 的关注时间。相反地，随着PCTW 不断增大，行人过街紧迫性亦随之降低，对SA关注时间逐渐减少，同时，将更多视觉资源转移至CA。分别对PCTW 与CA 及SA 注视概率进行数据拟合，结果显示：两两因素间均具有较好线性关系(CA 中P=0＜0.05，SA中P=0＜0.05)。

3 过街风格识别

参考文献[15]驾驶风格的相关概念，本文定义过街风格是考虑行人视觉搜索、决策质量以及运动能力等多维特征，综合度量行人过街行为谨慎程度，将行人风格分为谨慎型、普通型和冒险型。过街风格识别作为现代慢行交通行人特征评估的一部分，可以为过街设施的设计与优化提供必要的理论支撑。本文融合视觉、运动特性及决策心理等多源参数识别行人过街风格。考虑FCS 和PCCS 两种状态下行人的特征差异，重点遴选PCCS 下的特征参数融合辨识行人的过街风格。

3.1 指标选取

3.1.1 风险感知因子

行人过街时，对兴趣区域的关注度差异与不同行人的心理及生理特点有关[16]。依据划分的兴趣区域，提取对行人过街安全影响较大的CA及SA注视概率，将其作为PCCS 下衡量行人风险感知态势的参数。本文引入风险感知因子(Risk Perception Factors，RPF)概念描述过街过程中行人对关键兴趣区域的关注强度和风险感知能力，定义为

式中：PCA为车行区域注视概率；PSA为信号灯区域注视概率；TCA为车行区域注视时间；TSA为信号灯区域注视时间；TPA为行人区域注视时间；TZCA为人行横道区域注视时间。当行人对CA 或SA 注视概率较大时，RPF 则越大，表明行人在过街过程中对关键目标的视觉搜索效率越高，对潜在危险的感知能力更强。

3.1.2 临界安全系数

PCTW 反映行人过街时间的紧迫程度，PCTW越大，且过街速度越快时，过街成功率则越高。基于此，引入临界安全系数(Criticality Safety Factor，CSF)指标评估行人过街的安全性，定义为

式中：SCSF为临界安全系数；为行人过街平均速度(m·s-1)；Tpc为心理临界时窗(s)；L为人行横道长度(m)。由定义可知，临界安全系数融合自我评估和运动能力两个维度，协同评价行人过街的安全性和过街成功率。SCSF≥1 时，表明行人理论上可以在绿灯周期内安全过街；当0＜SCSF＜1，则意味着综合行人的自我评估和运动能力特征存在时间违章的风险。

3.2 K-Means聚类分析

本文结合RPF 和CSF 两项指标对行人过街性格进行离线识别，其中，RPF 表征行人的风险感知能力，CSF 重点刻画行人自我评估能力与运动能力。为消除两项指标量级差异过大对识别结果造成的消极影响，分别对RPF 和CSF 进行0-1 标准化处理，将处理后的数据导入SPSS 中进行K-Means聚类分析。结果表明，RPF 和CSF 作为聚类参数均具有显著差异(RRPF中P=0＜0.05，SCSF中P=0＜0.05)，该聚类模型对行人过街风格区分度较高。其中，冒险型行人占比28.40%，普通型行人占比39.50%，谨慎型行人占比32.10%，分类结果如图7所示。

图7 聚类结果Fig.7 K-Means clustering results

冒险型位于分布的左下侧，具有较小的RRPF与SCSF，意味着冒险型行人过街时风险感知能力较差且时间违章的风险较高；谨慎型位于分布的右上侧，具有较高的RRPF与SCSF，即谨慎型行人过街时风险感知能力较好，过街环境搜索效率高，同时，其过街违章风险较低；普通型行人介于两者之间。

基于聚类结果分析年龄和性别对过街风格的影响。少年谨慎型风格行人占比最大(38.46%)，其次是普通型(38.5%)和冒险型(26.92%)；中青年普通型风格占比超一半(51.4%)；老年行人中占比最大为谨慎型(40%)，其次是冒险型(35%)和普通型(25%)，表明老年行人过街行为区别于另外两个群体，分化更为严重。其中，谨慎型老年人伴随身体机能的下降，往往采取更为稳妥和谨慎的视觉搜索方式和过街策略，冒险型老年人在PCCS 下过街速度有所提高，但对周围环境的视觉搜索能力有所下降。女性行人中，冒险型风格比例较男性大，同时，谨慎型风格占比也更少，因此，女性在过街时的性格表现比男性更加冒险。过街风格分布如图8所示。

图8 过街风格分布Fig.8 Distribution of crossing style

3.3 行人过街成功率

统计PCCS 下行人能否在绿闪信号结束前顺利完成过街。结合行人风格分类结果，分析不同风格行人过街成功率，总体上，谨慎型行人的过街成功率最高(65.38%)，普通型次之(46.88%)，冒险型行人过街成功率最低(34.78%)。《人行横道信号灯控制设置规范》(GA/T851-2009)对人行横道信号灯绿灯总时长的设置中，仅保证红灯期间等待过街的全部行人安全过街，而未考虑在绿灯期间进入人行横道的行人能否顺利过街。因此，在绿灯中后期，对冒险型风格行人进行一定的技术干预和安全教育，可以极大程度上减少人车冲突发生的可能性。

PCCS下过街成功率数据反映了不同风格行人在其可接受过街时间内的过街违章情况。结合不同年龄分析3种风格对行人过街成功率的影响，发现各年龄段中冒险型行人过街成功率均最低，谨慎型行人成功率最高，与总体趋势保持较强的一致性，年龄对过街成功率的影响如图9所示。

3.4 重点干预人群过街行为诊断

结合图9发现，冒险型老年人过街成功率仅为14.29%，而谨慎型少年与中青年过街成功率较高。因此，将冒险型老年人作为重点干预对象(干预组)，选择谨慎型少年和中青年作为对照组，借助过街行为的对比分析，诊断重点干预人群的过街行为，为未来干预策略的制定和实施提供理论依据。

图9 年龄对过街成功率的影响Fig.9 Influence of age on crossing success rate

图10表明，干预组SCSF(M=0.908)显著低于对照组(M=1.205)，表明干预组在过街速度较低的同时未增加PCTW以保证过街安全，高估自身过街能力是该人群时空违章率高的主要致因，因此，加强干预组对自身运动机能的正确评估是提升其过街安全性的重要措施。

眼动行为反映过街行人的认知规律与心理状态，图10表明，FCS与PCCS下，干预组的扫视时间占比均显著低于对照组(FCS中P=0.002，PCCS中P=0.001)，表明冒险型老年人在过街过程中视觉搜索不够灵活宽泛，是该人群过街风险偏高的重要致因；PCCS 下，干预组对CA 与SA 注视概率均显著低于对照组(CA 中P=0.000，SA 中P=0.027)，表明在过街起始时刻相对滞后的前提下，干预组对信号灯和车行区域关注不足；此外，FCS下，干预组的扫视速度显著低于对照组(P=0.011)，表明干预组在自由过街模式下视觉搜索效率较低，对外界剌激信息的提取能力有待加强。

因此，需要重点防范该类人群在信号控制交叉口所表现出的危险过街行为。老年人日常应加强身体协调性训练，外出时佩戴反光帽，身着饱和度高的服装，增强过街安全意识，提高对自身身体机能的认知能力。倡议有条件的社区组织干预对象进行过街风险感知能力相关的安全教育和模拟训练。交通工程设计尤其需要关注老年群体，依据区域内老年人的比例合理优化信号配时，在老年人聚集区域增加交通安全教育类标语。在信号灯末期增加语音以及视觉辅助提示的方式，以提高冒险型老年行人过街唤醒水平。另外，向社会招募交通协管志愿者，必要时，对绿灯中后期试图过街的老年人进行合理干预或安全引导，协调老年人与过街系统其他要素之间的内在联系，有效保证其过街安全性。