无控平交口实时风险预警系统对驾驶人行为的影响分析

2023-07-14郭凤香熊昌安倪定安杨文臣

重庆交通大学学报(自然科学版) 2023年5期

郭凤香,熊昌安,,倪定安,苏宇,杨文臣

(1. 昆明理工大学交通工程学院,云南昆明 650500;2. 云南省交通规划设计研究院陆地交通气象灾害防治技术国家工程实验室,云南昆明 650200)

0 引言

无信号控制平面交叉口(以下简称“无控平交口”)因缺少必要的交通控制导致交通参与者通行权分配不明确,致使交叉口内部交通秩序混乱、机非混行、人车交织情况严重,成为道路交通系统的薄弱环节和恶性交通事故多发点[1]。因此,如何提高无控平交口的综合安全水平已成为国内外的研究热点。

目前,国内针对提升交叉口安全水平的研究主要集中在改良视距[2-3]、改善交通环境[4]、提升管控水平[5]、调整几何设计[6]等方面。实际上,交通安全设施的有效布设能够明显降低交通事故的事故数[7]。随着研究的不断深入,交叉口交通安全设施的评价以经验为主的由传统定性评估逐渐转变为基于驾驶员生理心理特征和驾驶行为的定量评估[8]。任余华[9]建立了驾驶行为中驾驶信息处理模型,从驾驶人的驾驶行为特性角度出发,评价交通设施对驾驶行为的影响;隽志才等[10]应用特征说理论证实了交通标志的独特外形更能吸引驾驶人的注意力。然而,国内现有针对静态交通标志的有效性研究仍停留在传统的被动、后评价的层面,缺乏主动性、预见性和安全性,不能满足交通事故主动预防和预警的需要。

其中,可变信息情报板(variable message signs, VMS)作为无控平交口主动安全防控技术的典型产品备受关注。VMS作为路网路况实时信息发布的重要设施,在道路管理中得到了广泛的应用,其年增长率高达18.6%[11];W.ZHAO等[12]采用离散选择模型对1 154名驾驶员的表露偏好和陈述偏好进行问卷调查,发现对于当前和邻近的道路交通信息,驾驶人更青睐于“黑底黄字”的信息发布形式;C.LAI[13]研究了VMS的配色方案和信息线数对驾驶人应绩效的影响,研究结果表明双色的配色方案搭配两行文字的显示效果更好;瑞典道路管理局(swedish road administration, SRA)研发了一种十字交叉口可变限速系统,并于2003—2007年间对该系统进行了试验,试验结果表明在十字交叉口可变限速系统的作用下,车辆经过交叉口的行驶速度平均降低了14 km/h,车辆可接受穿插间隙增加了1～2 s[14]。综上所述,目前针对无控平交口主动安全防控技术的研究大多集中在无控平交口实时风险预警系统警示效果的现场测试,且多以研究交叉口车辆碰撞风险评估、车速分布研究为主,尚未从驾驶人行为特性角度对预警系统的警示效果进行综合系统的分析;同时现有研究中针对驾驶人警示效果差异的定量研究较少,未建立驾驶人的驾驶行为特性与RTCRWS警示效果的内在联系。

鉴于此,笔者构建不同交通条件下的公路无控平交口虚拟仿真实验场景,应用驾驶模拟系统完成驾驶模拟实验采集多名驾驶人的驾驶行为特性数据,研究RTCRWS对驾驶人驾驶行为特性的影响,分析驾驶人在不同交通条件下对RTCRWS警示效果反应的变化情况,揭示驾驶人的行为特性与RTCRWS警示效果的内在联系,为提升无控平交口的行车安全提供一定的理论支撑。

1 实验设计

1.1 实验场景设计

研究对象为RTCRWS,显示策略如图1,闪烁频率为1.00 Hz,当侧向有来车时,预警警示牌依次闪烁图1(a)中的信息;侧向无来车时,预警警示牌依次闪烁图1(b)中的信息。笔者应用昆明理工大学道路交通模拟实验室自主开发的VS-Design三维场景设计软件搭建实验环境,依次构建轻度交通流无预警、轻度交通流有预警、重度交通流有预警共计3个公路无控平交口虚拟仿真场景,如表1。

表1 实验场景的设计及仿真效果Table 1 Design and simulation effect of experimental scenarios

图1 RTCRWS预警显示策略及布设Fig. 1 Early warning display strategy and layout of RTCRWS

1.2 被试者选取

为计算实验所需样本量N,笔者选择10%的显著水平反映未知参数的90%置信水平;当置信水平为90%时,Z为1.25;σ的取值范围为0.25～0.50,笔者取值为0.35;因此,计算所得N的取值为19[15]。

N=Z2σ2/E2

(1)

式中:N为样本量;σ为标准偏差;Z为标准正态分布统计量;E为最大误差。

选取22名熟练驾驶人作为被试者,年龄在22～55周岁之间,其中男性13人,女性9人。要求被试人员健康状况良好,无重大疾病,有自主判断能力,无色盲;将熟练驾驶人定义为驾龄超过2年,且累计驾驶里程≥30 000 km。

1.3 实验设备

1.3.1 驾驶模拟器

本实验采用昆明理工大学交通学院道路交通模拟实验室自主研发的KMRTDS驾驶模拟器实时采集车辆运行参数,记录频率为60 Hz。该模拟器能够提供140°的水平视野和40°的垂直视野,如图2(a)。陈亮等[16]对驾驶模拟器的三维虚拟图像物体空间大小进行了标定,解决了被试者在实验时的视觉感问题;并基于模糊神经网络方法从驾驶舱、动力学模型、视觉图像、体感和基本行为5个层次建立了驾驶模拟器实验有效性评价模型。利用此模型计算出的KMRTDS驾驶模拟器最终的实验有效性评价结果值为0.673 6,能够较好地适用于驾驶模拟仿真实验研究[17]。

图2 实验设备Fig. 2 Experimental equipment

1.3.2 ErgoLAB可穿戴无线生理仪

实验通过ErgoLAB可穿戴无线生理仪采集驾驶人的心电(ECG)、皮电(EDA)数据,该系统采用无线射频生理记录技术对被试者无束缚、无任何干扰,不影响被试者真实的自然行为表现,适合进行真实世界现场研究,如图2(b)。

1.4 实验过程

工作人员在实验前检查驾驶模拟平台确保各功能模块工作正常、被试者填写基本信息掉调查表。讲解驾驶模拟器的操作方法和相关注意事项,引导被试者进行预实验,熟悉驾驶模拟器的操作。宣读实验要求,为被试者佩戴ErgoLAB生理心理仪并进行调试校对,开始正式实验。实时采集被试者的各项指标数据并对突发情况和异常数据进行处理。

1.5 实验平台有效性验证

车辆运行速度[18]与驾驶人的心理生理反应[19]是表征驾驶模拟实验有效性的重要指标。因本次实验所搭建的虚拟仿真道路场景无真实道路原型进行对照,为测试本次驾驶模拟实验的有效性,研究选取云南省楚雄州牟定县的朵基交叉口为测试点进行实车实验,同时搭建高还原度的朵基交叉口虚拟仿真场景进行驾驶模拟实验,采集被试者经过交叉口时的驾驶行为数据和心理生理数据,2组实验的对比结果如图3。

图3 实验平台有效性验证Fig. 3 Verification of the effectiveness of the experimental platform

由图3(a)可知,模拟实验与实车实验下的平均速度变化趋势一致,整体略高于实车实验条件下的车速,相对一致性良好。由图3(b)可知,驾驶人的心率增长率在模拟实验与实车实验下的变化趋势相类似,模拟驾驶实验条件下的心电指标心率具有相对有效性。

综上可知,KMRTDS驾驶模拟器在实施驾驶行为相关研究方面具有较高的相对有效性。

2 评价指标选取

心率变异性(heart rate variability, HRV)能够较为直观地反映驾驶人的生理变化状况[20-21],故笔者选取HRV参数TSDNN、TRMSSD、NLF-norm和NLF/HF作为被试者生理特性评价指标;同时,研究表明车辆在限速范围内行驶时的交通事故发生率随车速均值的增加而逐渐上升[22],且速度标准差能够表示行驶过程中车速的波动情况[23],车速变异系数常用于表征车速的离散程度,离散程度越大,车辆安全性越低,发生事故的可能性越大[24],规避碰撞时间TTTC(time to collision, TTC)[25]常用于表征交通冲突的风险程度,并被广泛使用。故选取车速均值V、车速标准差VSD、车速变异系数CV和TTTC作为被试者驾驶操作行为的评价指标。

1)TSDNN为正常心搏NN间期的标准差,单位为ms,正常值>100 ms,能够反映人体交感神经和副交感神经的张力。HRV随TSDNN数值的增加而上升,随TSDNN数值的减少而下降[22]:

(2)

2)TRMSSD为相邻2个NN间期差值的均方根,单位为ms,正常值为(27±12)ms,常被用来表征HRV中的快变化成分[22]:

(3)

式中:tNN,i和tNN,i+1为相邻的2个窦性心动周期的长度。

3)NLF-norm为归一化的低频段功率单位为nu,能够表征交感神经调节的变化[20]:

(4)

式中:NTP为包括NVLF、NLF、NHF在内的所有能量的总和;NVLF为极低频段功率(0.003 3～0.040 0 Hz);NLF为低频段功率(0.04～0.15 Hz)。

4)NLF/HF为低频段功率与高频段功率的比值,能够表征自主神经的平衡状态。

5)车速变异系数为断面车速标准差与车速均值的比值,用于衡量车辆行驶车速变化幅度的差异[26]:

CV=σ/μ

(5)

式中:CV为车速变异系数;σ为车速标准差;μ为车速均值。

6)规避碰撞时间(TTTC)为从某一时刻A起,两车保持原有速度与方向不变,直至碰撞发生时刻B为止,AB间的时长为TTTC的取值,单位为s。TTTC的取值与交通冲突的风险程度的大小成负相关关系,TTTC值越大,表征风险程度越小[25]。

TTTC=Lt0/Vt0

(6)

式中:t0为支路冲突车辆的发动时刻;Lt0为t0时刻实验主车与冲突区域中心的距离;Vt0为实验主车在t0时刻的速度。

3 数据处理与分析

对实验数据进行筛选和预处理,通过观看实验记录视频截取被试者经过交叉口的时间段起止点,提取驾驶人驶入平交口前20 s、后5 s内(共计25 s)的心理行为特性数据和驾驶操作行为数据。因心电信号是随机、非稳态的微弱信号,在提取心电信号时存在多种噪声干扰和电磁干扰,选择小波变换(wavelet transform, WT)对HRV信号进行分解和波形重塑处理,降低信号中的噪声干扰。

3.1 HRV特性分析

HRV时域特性能够反映心脏交感神经和迷走神经的张力与平衡性,可作为检测自主神经性活动的非侵入性指标[21]。对3个场景中驾驶人的心电数据进行HRV时域方法处理,分析结果如表2。

表2 不同场景下驾驶人HRV时域指标统计量Table 2 HRV time-domain indicator statistics of drivers in different scenarios

由表2可知,驾驶人的TSDNN指标均值属于异常值范围,均小于正常值的下限,按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次升高,其标准差呈现按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次下降的趋势;驾驶人的TRMSSD指标均值属于正常值范围,并按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次下降,其标准差也呈现按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次下降的趋势;驾驶人各项指标的标准差比值按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序逐渐减小。表明驾驶人即使有RTCRWS的警示效果,在无控平交口面对侧向来车时仍然会表现出超出正常范围的紧张情绪。

横向对比3个实验场景可知驾驶人的心理紧张程度按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次减弱,表明与在交叉口布设RTCRWS相比,未布设RTCRWS的情况下驾驶人通过交叉口的紧张情绪和警觉程度更高,且不同交通条件下驾驶人对RTCRWS的警示效果存在差异,相较于重度交通流条件,驾驶人在轻度交通流条件下对RTCRWS的警示效果表现出更强的紧张情绪和警觉程度。

3种场景下驾驶人的HRV时域特性指标如图4。由图4可知,驾驶人的心理特性指标在重度交通流有预警场景中的分布更为集中且更接近指标的正常值范围。分析原因可知,驾驶人在重度交通流有预警场景下的心理紧张程度最低,亦从侧面反映出RTCRWS布设在重度交通流交叉口的警示效果更好。

图4 驾驶人HRV时域指标箱型Fig. 4 Drivers’ HRV time-domain index box chart

目前认为HRV频域分析可以弥补时域分析丢失信号时序信息、灵敏度和特异性低等不足之处,能够较为细致地观察交感和迷走神经的调控作用[23]。3种场景下驾驶人的HRV频域特性指标如图5。

图5 驾驶人HRV频域指标箱型Fig. 5 Drivers’ HRV frequency-domain index box chart

现有研究表明个体HRV指标中的NLF-norm值与个体的工作负荷成负相关关系,可以很好地反映个体的工作负荷[26];而NLF/HF比值能够表征自主神经系统的平衡状态,反映驾驶人迅速适应环境能力的高低[27]。由图5可知,驾驶人的NLF-norm和NLF/HF指标按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次升高。3个场景下的驾驶人NLF-norm和NLF/HF的均值分别为62.52、67.71、75.61和4.60、5.65、6.96,据此可知驾驶人的心理负荷按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次减小,佐证了HRV时域分析的结论。

3.2 驾驶行为分析

统计驾驶过程中驾驶人的车速均值、车速变异系数、车速标准差和TTTC等指标,对比分析驾驶人在不同场景下各指标变化情况及差异,结果如表3所示;在平交口处不同场景下驾驶人的人均车速轨迹曲线如图6。

表3 不同场景下驾驶人车速指标统计量Table 3 Statistics of drivers’ speed index in different scenarios

图6 不同场景下驾驶人车速轨迹曲线Fig. 6 Driving speed trajectory curve in different scenarios

相关研究发现车速均值与交通事故发生率呈正相关关系[22]、车速标准差与行驶平顺性呈负相关关系[23]、车速变异系数与行驶安全性呈负相关关系[24]。由表3可知,驾驶人的车速均值、车速标准差和车速变异系数指标均呈现按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次下降,表明按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序,发生交通事故的概率依次减小;TTTC指标在场景1、场景2和场景3的取值依次为5.37、8.63和9.94,即驾驶人对交通冲突风险的感知按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次下降,交叉口车辆行驶安全、行车平顺性和安全性依次提升。

如图6,在轻度交通流无预警条件下,驾驶人在进入交叉口前2 s左右出现车速下降;在轻度交通流有预警条件下,驾驶人车速下降的时刻提前至进入交叉口前7 s左右;在重度交通流有预警条件下,驾驶人车速下降的时刻提前至进入交叉口前12 s左右;即驾驶人在交叉口处的车速制动时刻按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次提前。

对比轻度交通流无预警场景与轻度交通流有预警场景、轻度交通流有预警场景与重度交通流有预警场景中的驾驶人车速均值、车速标准差、车速变异系数指标及车速下降时刻可知,在无控平交口处布设RTCRWS能够有效降低驾驶人通过交叉口的行驶车速,提升无控平交口处的安全水平;不同交通条件下的RTCRWS警示效果存在差异,相较于轻度交通流,RTCRWS在重度交通流条件下的警示效果更加显著。

3.3 RTCRWS综合警示效果评价

为论证不同交通条件下各评价指标对RTCRWS警示效果的综合贡献度,采用TSDNN(x1)、TRMSSD(x2)、NLF-norm(x3)、NLF/HF(x4)、车速均值V(x5)、车速标准差VSD(x6)、车速变异系数CV(x7)和TTTC(x8)等8个评价指标对3种交通条件下RTCRWS的警示效果进行综合评价。

对8个评价指标进行相关性检验,结果显示相关系数R2多数大于0.30,KMO值为0.653,高于标准值0.6,Bartlett球形度检验结果达到显著性水平(P=0.000,P<0.05),表明适合采用主成分分析进行因素分析;提取指标特征值,得出2个主成分(F1,F2),累计方差贡献度达到91.876%(>80%),计算主成分得分函数为:

F1=-0.451x1-0.437x2+0.394x3+0.408x4+

0.181x5-0.484x6+0.149x7+0.293x8

(7)

F2=-0.216x1+0.143x2-0.301x3+0.352x4-

0.484x5+0.145x6+0.542x7+0.249x8

(8)

根据2个主成分的方差贡献率计算综合警示效果Fw,得到驾驶人在不同交通条件下对RTCRWS的综合警示效果,见图7。

图7 综合警示效果Fig. 7 Comprehensive warning effect

Fw=0.738F1+0.209F2

(9)

如图7,轻度交通流无预警场景下的警示效果为-0.928,轻度交通流有预警场景下的警示效果为5.847,重度交通流有预警场景下的警示效果为8.858,综合评价结果与HRV特性分析和行驶车速分析的结果一致,即RTCRWS的警示效果按照轻度交通流无预警、轻度交通流有预警和重度交通流有预警的顺序依次增强,相较于轻度交通流,RTCRWS在重度交通流条件下的警示效果更加显著。