基于駕駛人認知模式的荒漠地區運行車速預測模型

蔣曉君

（新疆交通科學研究院，新疆 烏魯木齊 830000）

0 引言

交通安全系統由人-車-道路和環境所組成，道路線形是影響交通安全的主要因素。我國道路線形設計以設計速度為主，缺點在于以固定的設計速度來確定道路線形，而車輛在實際行駛時速度不可能固定不變。高速公路連續使用極限設計指標，相應路段交通事故頻發，且事故后果較為嚴重。研究表明，超過80%的交通事故與駕駛人的誤判、操作失誤有關，駕駛人誤判的一般表現形式是速度控制不當[1-2]。在一些發達國家，基于運行車速法的道路線形設計已經得到廣泛應用，該方法充分考慮駕駛人情況、車輛運行狀況及道路交通形勢，對降低公路交通事故率和事故死亡率有積極作用。而運行車速法的核心是運行車速預測模型的建立，本文基于駕駛人的認知模式，對新疆荒漠地區運行車速預測模型進行研究，可為道路線形設計的質量評價及提出相應優化方案和改善措施提供參考，提高新疆荒漠地區的道路交通安全。

1 駕駛人對道路環境認知特征分析

在行車過程中，駕駛人從外界感受到的是一個包含道路線形特征（包括平曲線半徑、縱坡度、豎曲線半徑）、道路寬度、路面鋪裝水平、視野以及天氣、路面附著情況、限速設置和路側狀況等可以直接感受到的諸多影響駕駛人生理、心理和安全感的因素。駕駛人通過神經系統對這些特征因素進行綜合感受并在大腦中形成對運行環境的安全等級判斷，進而根據以往的經驗對行車速度進行選擇。同時，駕駛人員的行為特征和車輛本身的性能也會對車速產生重要的影響。總體來說，駕駛人車速的形成是由人、車、路、環境和管理等要素構成的一個智能型的閉環系統。

1.1 道路因素對駕駛人控速狀態的影響

當汽車在荒漠地區道路行駛時，影響駕駛人控速狀態的因素主要有道路幾何線形要素、路面狀況、車道寬度、交通安全設施等。在筆直的良好道路上，駕駛人的車速就會提高，在彎曲陡峭的平縱線形下車速就會降低；在行車視距大的道路上，駕駛人視野開闊，會提高車速，而在行車視距很小無法準確判別前方路況的情形下，駕駛人會降低車速并謹慎行駛。

1.2 人的因素對駕駛人控速狀態的影響

駕駛人是車速選擇的主體因素，在新疆荒漠地區道路環境中，車速過快易使駕駛人產生各種不利于駕駛的生理和心理反應，如反應遲鈍、視覺障礙、脫水、頭暈頭痛、孤獨恐懼、心情煩躁等，從而導致超速、違章操作、疲勞駕駛等危險情況。這些情況很大程度上是在特定道路環境下形成的，其主要原因歸結于道路線形、路面狀況、周圍環境等情況。因此，駕駛人的操縱行為也是道路線形等因素的間接產物，或者說人的操縱等行為也是由于路況的影響。

1.3 車的因素對駕駛人控速狀態的影響

車輛的類型不同（如載重不同），則其動力性能、制動性能、操縱穩定性等均不相同，本文選擇四類典型的車輛展開研究，分別對小轎車、中型車（12t級）、三軸重型車（23t級）和五軸重型車（45t級）進行建模計算。

車輛在公路上的實際行駛過程表明，當交通密度小且氣候條件良好時，駕駛人的行車操作意識只受公路的外廓特征（包括公路本身的技術條件及路側環境條件）影響，在這種條件下駕駛人對車速的控制只由駕駛人的“道路安全感”決定。因此，對于特定類型的車輛，可以將車輛運行速度看作道路平曲線半徑、縱坡度、路面寬度、行車視距、環境危險程度等變量的函數，因此，車速可用如下函數描述：

式中：V為駕駛人的運行車速；R為道路平曲線半徑；S為縱坡道；L為道路寬度；E為行車視距；G為道路環境危險度。

2 基于模糊規則的駕駛人車速選擇模型

對于車輛駕駛人來說，在駕駛過程中能夠直接感受到的“道路結構要素”是一個由道路幾何參數和道路路面參數等多重因素構成的信息激勵系統，其中，道路幾何參數包括橫斷面、縱斷面、平面線型，道路路面參數能夠反映路面使用性能、服務能力和破損狀況。駕駛人在行車過程中的“道路安全感覺”就是在適時認知當時當地路段的各種有效道路結構要素信息并逐一（或并行）做出安全性評估的情況下，進行綜合評判的結果。駕駛人對車速水平的判斷是基于原有的道路認知檢驗而得出的具有一定模糊性的規則。因此，針對特定的車型，可以建立一系列的車速控制模糊規則，用于表達駕駛人在不同線型量化程度下的車速水平。具體步驟可分為：（1）道路線形（平曲線半徑和縱坡度等）認知的模糊子集及其隸屬函數；（2）車速控制模型；（3）車速控制模式模擬計算模型。

2.1 建模試驗路段

典型路段的選擇綜合考慮了新疆公路所經環境的地形特征、氣候條件、交通環境狀況、車流結構等因素。為了掌握新疆荒漠地區不同道路環境下車輛實際的行駛情況，完成了典型公路路段車輛實際運行狀態的勘測。典型公路路段為30個以上高速公路測試路段（包括直線段、曲線段、普通路段及橋梁路段）?？睖y內容包括不同等級公路典型路段的路面寬度、縱坡度、覆沙情況、視距長度、平曲線半徑、橫向風速、路面狀況、路側防護狀況、路段性質、上坡車速及下坡車速。被測速的車輛包括小轎車、大客車、兩軸貨車及三軸以上半掛車，每個測試路段處分上行和下行獨立測量，每種車輛車速的測量樣本不少于20輛。

和庫高速公路是G314線的重要組成部分，起點位于新疆巴音郭勒蒙古自治州和碩縣，終點位于巴音郭勒蒙古自治州首府庫爾勒市，是南疆第一條高速公路，是各地通往新疆南疆地區的重要通道，也是迄今為止南北疆各族人民逾越天山最重要、最便捷的陸路通道。和庫高速公路全長92.4km，路基寬28m，共有四車道，路面為瀝青混凝土高級路面，設計車速每小時120km，建設標準為全封閉、全立交的高速公路。路段參數勘測時間為2012年4月14日至2012年4月19日，歷時6d，共測量30個測試路段。測量結果如表1所示，分析結果如圖1、圖2、圖3所示。

表1 高速公路路段參數及車速

表1 （續）

圖1 高速公路線形與小轎車車速散點圖

圖2 高速公路線形與中型車車速散點圖

圖3 高速公路線形與重型車車速散點圖

2.2 駕駛人的安全性認知模糊集及其隸屬函數

2.2.1 道路安全性認知模糊集

研究對新疆荒漠高等級公路典型路段進行了實地測量，每個典型路段的記錄參數有：平曲線半徑、縱坡度、路面寬度、邊坡高度、路面狀況等。對于每一單元高等級公路，路面寬度基本相同，邊坡高度的變化比較單調。在正常情況下高速公路路面狀況較好，因此在評價駕駛人對同單元高等級公路各個典型路段的認知安全性時路面寬度和邊坡高度可以忽略不計。為確定高等級公路安全性認知的變量，建立新疆荒漠道路安全性認知模糊集：

平曲線半徑X1，模糊子集：{很緩彎，緩彎，較急彎，急彎}，記為{A11，A12，A13，A14}

縱坡坡度X2，模糊子集：{很平緩，緩坡，較陡坡，陡坡}，記為：{A21，A22，A23，A24}

2.2.2 安全性認知試驗及認知評價模型

將38位具有不同駕駛經歷和有著較高表述能力的駕駛人作為該路段安全性認知評價試驗“專家”，以131處經過實測記錄的高等級公路典型路段為模糊統計試驗道路樣本，對各處路段的平曲線半徑、縱坡度等道路安全性認知變量按照評語集進行現場實地觀察評價，模糊統計試驗得到的有效認知評價數據為1785組，針對各道路認知變量的評語匯總結果得到的安全性認知變量論域空間覆蓋頻率曲線如圖4和圖5所示。

圖4 高等級公路路段平曲線半徑安全性認知頻率統計圖

圖5 高等級公路縱坡度安全性認知頻率統計圖

分別取其80分位人次“專家”的有感評價（0.2-截集）為各認知評語域的非零集，取0.7置信水平（0.7-截集）頻率區間為各認知評語域的確定集，從截割結果可以確定道路平曲線半徑評語模糊子集的隸屬函數、縱坡度評語模糊子集的隸屬函數都為梯形結構。根據所研究問題的性質，最后經對各評語模糊子集試驗所得界域值的圓整，建立汽車駕駛人對道路安全性的認知評價模糊模型如表2所示，此模型的作用是實現道路結構確定值向認知評價模糊值的轉換。

表2 汽車駕駛人對高等級公路的安全性認知評價模糊模型

2.3 車速控制模型

2.3.1 輸出變量模糊子集及其隸屬函數

駕駛人控制的實際行駛車速為本模型的輸出變量{Y(km/h)}，其模糊子集設定可為：

BJ=11+5×(J-1)×15+5×(J-1)J=1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20

將模糊子集BJ的隸屬函數 μBJ設定為棒形：

2.3.2 輸入/輸出樣本集

本研究中建立車速模糊控制規則所需的輸入/輸出樣本數據是通過對314段高等級公路的道路觀測試驗來獲取的，具體獲取步驟為：

（1）測量（或觀測）并記錄每個試驗路段的道路和交通環境參數作為輸入變量樣本；

（2）在自由流交通狀況下（車流量＜300輛/h），用雷達測速儀測定各類車型（小轎車、中型車、重型車）在該路段的平均行駛車速作為輸出變量樣本。

即，對于每一種車型都有：

2.3.3 模糊控制模型和模糊規則

若 μM=0，則該r組合的條件部不存在對應規則。

若 μM≠0，則進一步計算使該r組合條件部成立的全部樣板組的輸出平均值：

可以得到第r條模糊規則：

重復上述步驟，完成全部組合形式，即建成在新疆荒漠高等級公路上駕駛人關于速度的模糊控制模型。經編程計算可得到小轎車、中型車和重型車駕駛人在高等級公路上進行速度控制的模糊規則集，在模擬得到駕駛人對公路路段的認知評語的情況下，即可根據模糊規則集中的對應規則求得控制車速。

2.4 邏輯推理模型計算

駕駛人在新疆荒漠公路路段上駕車行駛時，在潛意識中將首先對該路段的道路結構和交通環境進行安全性評價，然后根據經驗（MF控制規則）進行模糊邏輯推理，從而控制行車速度于自認為安全的域值。即駕駛人在特定公路路段上控制車速的過程是根據模糊關系合成法進行邏輯推理的過程，其數學描述如下：

根據每類車型的MF規則，第j條MF規則關系為Rj：

根據道路交通環境信息指標值{x1,x2}與控制車速y之間的邏輯推理關系，μB0(y)的值可表達為：

若用wj表示對第 j條控制規則的適用度，即:

則有:

最后應用重心法將上述模糊邏輯推理的結果轉換為非模糊化對應控制車速，即

根據上述模型計算分析，在如圖6所示的計算機軟件中基于模糊規則分析求取高速公路駕駛人運行車速模型，結果表明駕駛人在特定公路路段上控制車速的過程是根據模糊關系合成法進行邏輯推理的過程，在得到運行車速的不同水平后，應用重心法將上述模糊邏輯推理的結果轉換為非模糊化對應控制車速。該方法的實踐和運用將大大提升道路交通安全評價，并為深入研究路網模式奠定基礎。

圖6 基于模糊規則的高速公路駕駛人運行車速模型

3 結語

基于駕駛人對新疆荒漠地區道路情況及周邊環境的不同認知，建立一種新的荒漠地區公路運行車速預測模型，該模型可以作為新疆荒漠地區道路交通線形設計的基礎，為道路實際的安全運營提供依據。研究過程中選取了道路平曲線半徑、縱坡道、道路寬度、行車視距和道路環境危險度等作為模型參數，建立的模型對新疆荒漠地區運行車速預測精度較高，具有非常高的推廣應用價值。研究表明，基于駕駛人認知模式的運行車速預測是合理、有效且準確的，可以為新疆荒漠地區以運行車速為概念基礎的道路線形設計提供技術支撐。

[1]魏朗，陳濤，高麗敏，等.汽車駕駛員車速控制模式的模擬研究[J].汽車工程，2005，27（6）：695-701.

[2]陳濤，張淼，魏朗.基于預瞄的山區高速公路彎坡組合段駕駛人車速模糊控制模型[J].北京理工大學學報，2012，32（1）：51-54.

[3]鄭安文，牛倬民，郭建忠.高速公路道路因素與道路交通安全分析[J].武漢科技大學學報，2002，25（2）：168-172.

[4]魏靜.道路交通事故中非主觀因素分析及建模[D].天津：天津大學，2004.

[5]高建平，郭忠印.基于運行車速的公路線形設計質量評價[J].同濟大學學報：自然科學版，2004，32（7）：906-912.

[6]馬璐.道路因素對道路交通安全的影響分析[D].西安：長安大學，2005.

[7]Gibreel G M,Hassan Y,EI-Dimeery I A,etc.State of the Art of Highway Geometric Design Comsistency[J].Jounal of Transportation Engineering,1999,125(4):305-313.

[8]Zhou Na,Wang Shuangwei,Xi Jianfeng,etc.Grey Synthet?ic Degree of Incidence Entropy and its Application in Traf?fic Accidents Analysis[J].The Journal of Grey System,2010,22(3):257-264.

[9]陳軍.公路線形連續性設計方法的研究[D].天津：天津大學，2004.

[10]郭風香，熊堅，秦雅琴，等.基于駕駛模擬實驗的85%位車速預測模型[J].交通科技與經濟，2010（3）：104-108.

[11]Viola P,Jones M.Rapid Object Detection Using a Boosted Cascade of Simple Feature[C]//Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Colorado Springs.Hawaii:IEEE,2001:511-518.

[12]田世艷，劉偉銘.基于模糊綜合評價的路段實時交通狀態判別方法研究[J].科學技術與工程，2010，10（29）：7206-7210.

[13]鐘小明，榮建，劉小明，等.高速公路彎坡路段小客車自由流運行速度模型研究[J].公路交通科技，2004，21（12）：84-88.