圖狀信息板影響下的駕駛員路徑選擇行為

蘇 紅, 干宏程

(上海理工大學超網絡研究中心,上海 200093)

圖狀信息板影響下的駕駛員路徑選擇行為

蘇 紅, 干宏程

(上海理工大學超網絡研究中心,上海 200093)

為了探索圖狀信息板(GRIP)對駕駛員路徑選擇行為的影響因素及其影響程度,借助GRIP信息發布平臺,在信息板同時提供前方道路交通問題性質、事故嚴重程度的情況下,利用全因子方法設計了GRIP的6種假定交通情景,并對這6種情景下駕駛員路徑選擇行為數據進行采集.采用離散選擇分析方法對路徑選擇行為的影響因素進行了多變量分析,并建立了路徑選擇概率的多元logit模型.研究表明,駕駛員對GRIP影響下路徑選擇影響程度的認知、開車類型、月收入、交通問題性質及嚴重程度在不同程度上影響駕駛員的出行決策行為.

圖狀信息板;意向調查;路徑選擇;多元logit模型

圖狀信息板(graphical route information panel, GRIP)作為現代交通誘導手段的一種有效交通管理技術,在現實生活中得到了廣泛的應用及推廣,它是先進的出行者信息系統(advanced traveler information system,ATIS)最重要的信息發布技術,已全面覆蓋了上海的高架以及快速路網,成為高架和快速路網交通管理的重要手段[1].對于GRIP的研究涵蓋了面板設計、GRIP布局、GRIP信息發布系統的人機界面設計、GRIP利用率研究[2-7]等方面.國外在此方面的研究較為深入,日本學者[8]探討了駕駛員對GRIP的易理解性、可識別性、有用性情況,研究表明,GRIP能夠被駕駛員接受;荷蘭學者Alkim等[9]調查了機動車車主對GRIP的響應行為,研究表明,GRIP較之于傳統的可變信息板優勢顯著;美國學者Aitken等[10]設計了幾種不同形式的GRIP板并進行了網絡調查來評估GRIP對駕駛員的吸引力及其實用性,研究發現,駕駛員的年齡、性別、對路網的熟悉度以及GRIP是否提供出行時間信息都會影響GRIP的利用、理解情況.國內學者干宏程[11]、王衛衛等[12]、姜桂艷等[13]對圖形式可變信息板影響下路徑選擇行為的建模、仿真方面進行了調查研究,并取得了一定的成果.駕駛員對誘導信息響應行為[14]的研究尤其是GRIP影響下路徑選擇行為的研究逐漸得到了相關部門及學者的高度重視.探索GRIP對駕駛員路徑選擇行為的影響已是大勢所趨,對于交通規劃管理部門合理規劃布設GRIP、提高GRIP的利用率、方便駕駛員通暢出行具有指導意義.

以往對GRIP影響下實際路徑選擇響應行為的調查分析比較少,探索實際路況中GRIP影響下的行為數據對GRIP信息內容、駕駛員社會經濟屬性、交通感知特性以及交通問題性質和嚴重程度等信息與路徑選擇概率之間的相互映射關系仍是一個重要的研究方向.較之于以往研究,在更加豐富的樣本量以及考慮更為周全的問卷內容所獲得的行為數據的基礎上,探索影響因素與路徑選擇概率之間相互映射關系效果更為顯著、更有說服力.

作者以上海一塊實地高架路網中的GRIP為研究對象,探索中型GRIP信息誘導下駕駛員途中改道行為的影響因素并構建路徑選擇概率模型.主要對在真實交通場景中,6種假定交通出行情景下駕駛員的路徑選擇行為進行SP(stated preference)調查,通過離散選擇模型進行建模分析,建立路徑選擇概率的多元logit模型.

1 GRIP影響下路徑選擇行為數據的采集

利用GRIP實時發布前方道路的交通信息在上海高架快速路網中已具有普適性.為此本文以上海一塊實地運行的中型圖文混合型可變信息標志(中型GRIP)為研究對象,采集信息誘導下駕駛員途中改道行為數據.

1.1 出行情景的設定

假定的交通出行情景為:正常工作日(周一到周五任意一天)的平峰時段,駕駛員從靜安區政府開車經延安高架駛往東華大學延安校區,原計劃從凱旋路出口匝道離開高架道路,到達位于凱旋路附近的東華大學.當駕駛員來到華山路出口上游時,看到中型GRIP發布前方交通狀況的實時信息,然后被調查者根據上述情景,針對中型GRIP顯示的不同信息內容,作出相應決策.駕駛員面對GRIP提供的信息有3條路徑可供選擇:按原計劃沿高架路直走,然后在凱旋路出口下匝道到達東華大學(正常行程時間約12 min);在江蘇路出口下匝道,沿地面道路到達東華大學(正常行程時間約13 min);在華山路出口下匝道,沿地面道路到達東華大學(正常行程時間約15 min).具體情境示意簡圖如圖1所示.

圖1 情境示意簡圖Fig.1 Situational schematic diagram

GRIP板通過圖文并茂的形式顯示前方道路交通問題性質(事故、非事故2種水平)以及問題嚴重程度(輕微、中等、嚴重3種水平)的交通信息.利用全因子方法設計了GRIP板的6種(2×3=6)不同信息內容(詳見圖2),調查駕駛員在面臨這6種情景時路徑選擇行為數據.其中將GRIP提供的事件類型信息量化為了延誤時間對路徑選擇的影響(在只考慮圖形信息,忽略文字信息情況下,對延誤情況進行簡單量化,根據色塊顯示設計標準以及問題路段距離,通過計算得到:情景1和情景6延誤時間為2.4 min,情景2和情景4延誤時間為0.4 min,情景3和情景5延誤時間為3 min.).

圖2 GRIP顯示的6種SP情景Fig.2 Six scenarios displayed on the GRIP

1.2 路徑選擇行為SP調查

實地調查了上海居民從靜安區政府沿延安高架自駕自東向西至東華大學起訖點間GRIP影響下的路徑選擇行為.采用SP問卷調查形式調查了駕駛員在GRIP顯示不同路況信息時所對應的路徑選擇響應行為.具體調查內容主要包括駕駛員的社會經濟屬性、出行屬性、交通信息利用屬性以及交通信息渠道設施利用率屬性4個方面.調查員向駕駛員隨機發放問卷,填寫后當場回收,共得到246份有效問卷.因此,可得到1 476(246×6)個樣本用于數據分析和建模.

1.3 數據初步分析結果

SP問卷中GRIP提供信息內容與路徑選擇情況的初步統計如表1所示.

表1 不同情景下駕駛員途中換道行為統計Tab.1 Statistics of route choice behavior under different scenarios

從表1的結果可以看出,在前方道路出現非事故情況下,輕微的交通擁擠并不會影響駕駛員的路徑選擇行為.雖然換道用的行程時間比較短,但是,為了避免換道的繁瑣或是依據以往駕駛經驗,駕駛員還是更傾向于安于交通現狀,繼續按計劃路線行駛.只有在發生嚴重擁擠以及交通事故時,駕駛員才會選擇變更行駛路線.如果變更行駛路線,駕駛員更傾向于提前一個出口下高架,只有極少數的駕駛員選擇提前2個出口下高架.通過換道百分率可以看出,尤其是情景3和情景5情況下,GRIP誘導信息著實為駕駛員進行路徑決策提供了便利,其應用價值得到了充分發揮.

2 路徑選擇行為的離散選擇分析

2.1 建模方法

在進行行為建模時,一般采用的是非集計模型中的離散選擇模型.調查的應變量為駕駛員對GRIP信息響應的路徑選擇具體行為,各自變量包括駕駛員的社會經濟屬性、出行屬性、交通信息屬性、交通設施屬性4方面的因素,每個方面又包括很多的子因素.因此,在對駕駛員基于信息的路徑選擇行為進行預測時,需要剔除對結果影響不是很大的因子,以便減少計算量,篩選、明確主要影響因子.路徑選擇行為應變量有3個水平:按原計劃行駛,提前1個出口下高架,提前2個出口下高架,可以定義為分類變量.logit模型就是對分類應變量進行分類處理的適當模型,鑒于應變量有3種選擇,而且是分類變量,因此,采用多元logit模型(multinomal logit model, MNL)分析駕駛員屬性因素和客觀條件對應變量的影響作用.

MNL是離散選擇模型中使用最為方便、廣泛的一種,其概括數學表達式為

式中,Pni為駕駛員n選擇方案i(i=1,2,…,m)的概率,共有m種選擇方案,n=246,m=3;Vni為駕駛員n選擇方案i的效用函數的固定項;Xni= (Xni1,…,Xnik,…,XniK)是駕駛員n選擇方案i的影響因素組成的向量,k表示第k個影響因素;θ= (θ1,θ2,…θk)T是對應于各影響因素前面的未知參數向量;An為駕駛員n選擇方案的集合(此處n= 246,m=3).

2.2 各變量賦值轉化及篩選標準

為方便模型建立,提高建模精度,需要對模型相應的各影響因素進行合理賦值轉化,設定有效的變量類型及助記符.使用logit回歸模型多次篩選自變量的標準是將wa1d值較小而顯著性值(sig.)較大的剔除出去,wa1d是一個卡方值,為自變量的顯著性檢驗,相當于普通線性回歸中自變量的t檢驗值.顯著性值(sig.或P值)通常選取0.25或0.5作為篩選標準,為了提高精度,本文選取0.25作為顯著性標準值,逐步回歸、篩選、剔除.在95%的置信水平下,將wald值較小且P值(sig.)較大的自變量逐個剔除后,再次進行回歸分析直至變量顯著性水平低于0.05.

調查問卷中主要考察了駕駛員的社會經濟屬性、出行屬性、交通信息利用屬性以及交通信息渠道設施利用屬性4方面的內容.駕駛員的社會經濟屬性包括性別(X1)、年齡(X2)、駕齡(X3)、學歷(X4)、月收入(X5)、是否上海常住人口(X6)7個自變量;出行屬性包括開車類型(X7)、出行目的(X8)、出行頻率(X9)、使用高架頻率(X10)、年行駛公里數(X11)5個自變量;交通信息利用屬性包括對上海高架(快速路)的熟悉程度(X12)、對GRIP的關注程度(X13)、GRIP對駕駛員擇路或改道的影響(X14)3個自變量;交通信息渠道設施利用屬性包括電臺廣播(X15)、車載導航(X16)、電子信息板(X17)3個自變量.在后期建模中,分析這17個自變量對路徑選擇行為的影響情況.

2.3 模型估計結果分析

駕駛員進入延安高架后,看到前方GRIP板顯示的交通信息,有3種應對措施:按計劃路線行駛到達目的地;提前1個出口下高架;提前2個出口下高架.在研究中將按計劃路線行駛作為路徑選擇的基本選擇項,即參考項,那么,其效用方程值則記為0.利用卡方檢驗估計結果,采用95%的置信度,剔除顯著性水平大于0.05的因素,篩選出影響駕駛員路徑選擇的關鍵影響因素.在建模過程中,延誤時間沒有進入模型,只有8個變量進入最終的模型,模型參數估計結果如表2所示.

表2 模型包含的變量及相關的參數估計Tab.2 Variables in the model and related parameters estimation

在實際應用中優良模型其擬合效果的擬合優度R2一般介于0.2～0.4之間.由表2中的數據可以發現,判定系數Cox&Snell’s R2=0.242, Nagelkerke’s R2=0.288,判定系數R2滿足0.2～0.4的范圍要求,而對數似然函數值(-2 Log likelihood)為589.545,數值較小,所以,認為該模型能很好地闡釋自變量和因變量之間的關系,模型精度較高,符合實際的要求.根據所建模型得出駕駛員進行路徑選擇時主要受制于駕駛員對GRIP的認知程度、開車類型、月收入以及GRIP顯示的交通信息內容,與以往研究得到的路徑選擇受駕駛員的年齡、性別、對路網的熟悉度以及GRIP是否提供出行時間影響的結論有所區別.

根據表2得到提前2個出口下高架的效用函數根據表2得到提前1個出口下高架的效用函數

若一男性、月收入為4 800元,認為GRIP信息對改道有較大影響的駕駛員,自駕從靜安區政府沿延安高架行駛,走到華山路出口前方800 m左右時,發現前方GRIP顯示凱旋路出口三車追尾、嚴重堵塞、事故處理中的信息時,此時該駕駛員選擇提前2個出口下高架的概率為28.07%,選擇提前1個出口下高架的概率為68.85%.

根據模型所得參數估計結果,對各自變量對應變量的影響作如下分析:

a.常數項為負.常數項為負符合實際的選擇情況,因為,在不提供任何交通信息的情況下,駕駛員對前方路況一無所知時,大部分駕駛員會按照以往的習慣繼續走原路,也是源于大部分的駕駛員不愿承擔改道所帶來的任何風險.通過比較2個效用函數常數項,C1=-6.322＜C2=-2.603可以得出,在不得不進行換道的情況下,駕駛員更傾向于提前1個出口下高架,因為,高架道路的服務性能優于地面道路.

b.開車類型,系數為正.與維持原計劃行駛路線相比,私家車較單位用車更容易選擇提前下高架.因為私家車駕駛員更追求乘車的舒適性,單位用車駕駛員可能存在燃油消耗、成本增加等顧慮,因而不大愿意改道提前下高架.

c.月收入小于等于6 000元啞變量,系數為正.表明有著較低收入的駕駛員較有著高收入的駕駛員更傾向于提前下高架,可能原因是這類人群時間價值觀念比較強,對上下班或者上課時間有著很高的要求.

d.GRIP對擇路或改道影響程度,系數為正.駕駛員對GRIP的認知程度越高,說明對其依賴性較強,對GRIP信息就越信任,所以,只要GRIP顯示前方路況的不良變化,駕駛員都會提前采取行動,避免不利路況產生的阻抗.

e.從GRIP信息啞變量的參數估計結果可以看出,GRIP信息5啞變量的系數在2個效用函數中明顯比其它幾個GRIP信息啞變量的系數大,說明在發生事故并且嚴重擁擠的情況下,駕駛員較其它GRIP情景出現時選擇提前離開高架的概率要大.同時,GRIP信息3啞變量前面的系數略小于G5,進一步驗證了G5和G3兩種情況下,駕駛員比GRIP顯示其它類型信息時更容易選擇提前下高架,這與前面數據結果初步分析得出的結論一致,與實際生活情景吻合,符合經驗判斷.由G1,G2,G3,G5,G6系數都為正得出,不論前方道路問題嚴重程度以及交通類型如何,較基準情景4而言,駕駛員傾向于選擇提前下高架.只有在發生非事故、且交通問題性質輕微時,大多數駕駛員會按計劃路線行駛.

2.4 模型應用示例

假設建模時不考慮駕駛員個體屬性,只考慮GRIP顯示的交通信息情況,利用卡方檢驗估計結果,采用95%的置信度,得到的參數估計結果如表3所示.

表3 模型應用參數估計結果Tab.3 Variables with parameters estimation

在不考慮個體屬性的情況下,模型中R2= 0.245,說明模型擬合結果良好.GRIP對駕駛員路徑選擇行為的影響結果與實際吻合,在G3,G5信息的情況下,較情景4而言,駕駛員都會選擇提前下高架,與前面得出的結論一致,進一步驗證了GRIP顯示信息內容能在不同程度上影響駕駛員的路徑決策行為.

3 結束語

以實地的出行情景為例,探討了延安高架上GRIP顯示不同交通信息時駕駛員的途中改道行為.通過探討GRIP對駕駛員路徑選擇行為的影響,可以使道路使用者及交通管理部門更好地認識GRIP在實際應用中發揮的作用,便于政府管理部門對GRIP進行合理的投資、管理,為GRIP信息發布及設置提供更科學的依據,同時建立有效的駕駛員路徑選擇行為模型也可為交通仿真軟件提供支持智能交通系統(ITS)的基礎模型.

本文研究重點在于分析探討GRIP對駕駛員路徑選擇行為的影響因素以及提供不同誘導信息下的駕駛員途中改道行為,通過對駕駛員GRIP響應行為的研究,評價實際應用中GRIP的實用性,進一步指導今后的GRIP設計.通過比較分析得到研究結果如下:

a.駕駛員對GRIP影響下路徑選擇影響程度的認知、開車類型、月收入以及交通問題性質和嚴重程度都會對駕駛員的出行決策產生一定的影響.為提高駕駛員對GRIP的認知水平可在駕駛考試中增加并強化GRIP相關信息的教育學習等內容,或者通過電視廣播等媒介加強宣傳,通過學習引導提高駕駛員對GRIP的行為響應概率,進而使GRIP實用性得到有效體現.

b.數據統計結果以及建模求得概率結果表明, GRIP在同時提供交通問題性質以及交通問題嚴重程度的情況下,其利用價值得到了充分發揮,能夠有效誘導交通流量的合理分配.由建模結果得到GRIP對誘導駕駛員路徑選擇行為、均衡網絡中的交通量分布,避免過多的出行時間延誤有著積極的影響.為了避免路阻函數帶來的負面影響,駕駛員看到誘導信息后都會采取一定程度的改道,可以有效緩解路段交通擁擠(情景5:提前1個出口下高架概率為68.85%,提前2個出口下高架概率為28.07%).在布設GRIP時可根據具體路網情況,同時提供當前路網的交通問題性質以及交通問題嚴重程度信息時,在一定程度上能夠提高駕駛員對GRIP的響應行為.交通問題類型具體通過圖形形式還是文字信息形式抑或是圖文混合形式進行GRIP布局將是今后研究重點.

c.研究中只對特定路網中的GRIP進行了定量分析,得到的結論具有一定的局限性,需要進一步的論證探討.今后研究重點將放在實際應用中的GRIP布局、設計、優化方面,通過進行多布局方案和更細化的方案分析對比,為交通管理部門合理布設GRIP提供更為詳實的理論依據.

[1] Gan H C,Sun L J,Chen J Y.Advanced traveler information system for metropolitan expressways in Shanghai[C]∥Proceedings of 2008 International Conference of Chinese Logistics and Transportation Professionals.New York:American Society of Civil Engineers Press,2008:1810-1818.

[2] 楊兆升,王嬡,管青,等.基于人因工程的城市交通誘導系統設計[J].中國公共安全:智能交通,2006,23 (11):36-42.

[3] 干宏程,孫立軍.人因工程在先進交通管理系統設計中的應用[J].同濟大學學報(自然科學版),2005,33 (10):1317-1322.

[4] 同濟大學交通運輸工程學院.上海市高架道路交通監控系統研究及示范工程研究報告[R].上海:上海市市政工程管理處,2003.

[5] Shalloe S,Sharples S C,Burnett G,et al.Developing a graphical route information panel(GRIP)for use on the UK motorway network[J].Transportation Research Part F:Traffic Psychology and Behaviour,2014,27: 133-149.

[6] Zhong S Q,Zhou L Z,Ma SF,et al.Effects of different factors on drivers’guidance compliance behaviors under road condition information shown on VMS[J]. Transportation Research Part A:Policy and Practice, 2012,46(9):1490-1505.

[7] Lai CJ.Drivers’comprehension of traffic information on graphical route information panels[J].Accident Analysis and Prevention,2012,45(2):565-571.

[8] Matsushima H,Sakai M.Graphic information provision system on metropolitan expressway[C]//7th World Congress on Intelligent Transportation Systems. Turin:CITSPress,2000:15-18.

[9] Alkim T,Schenk B.Graphic route information[C]∥8th World Congress on Intelligent Transportation Systems.Sydney:CITS Press,2001.

[10] Aitken R J,Conway A,Walton C M.Implementing graphical route information panels(GRIPs)in the United States[J].ITE Journal,2012,82(3):42-47.

[11] 干宏程.圖狀路況信息對駕駛員擇路行為影響的研究進展[J].上海理工大學學報,2012,34(3):257-262.

[12] 王衛衛,趙小梅,李新剛,等.VMS對駕駛員路徑選擇影響的實證研究與建模[J].交通運輸系統工程與信息,2013,13(3):60-64.

[13] 姜桂艷,鄭祖舵,白竹,等.擁擠條件下可變信息板交通誘導信息對駕駛行為的影響[J].吉林大學學報(工學版),2006,36(2):183-187.

[14] 李靜,范炳全.基于駕駛員反應行為的誘導博弈分析[J].上海理工大學學報,2003,25(4):398-400.

(編輯:石 瑛)

Graphical Route Information Panel’s Impacts on Drivers’Route Choice Behavior

SUHong, GANHongcheng
(Center for Supernetworks Research,University of Shanghai for Science and Technology,Shanghai 200093,China)

To explore the graphical route information panel’s(GRIP’s)impacts and its influential degree on the driver route choice,with the help of a graphics board information release platform to provide the nature of traffic problems in front of the road and to learn the severity of the accident, a full factorial design method was adopted to figure six kinds of assumed traffic scenario message boards.The drivers’route choice behavior data was obtained under these six scenarios.With the discrete choice analysis method,a multivariate analysis about the influencing factors on route choice behavior was conducted,and a multi-path selection probabilities logit model was established.It is shown that the path selection of drivers under GRIP can be affected by the degree of GRIP influence cognition,car type,monthly income,the nature of traffic and the severity of the problems which influence their route choice decision to some extent.

graphical route information panel;stated preference survey;route choice; multivariate logit model

U 491

A

1007-6735(2015)05-0479-06

10.13255/j.cnki.jusst.2015.05.012

2014-07-21

上海市研究生創新基金資助項目(JWCXSL1202);國家自然科學基金資助項目(51008195);上海市重點學科建設資助項目(S30504);上海市教委科研創新資助項目(09YZ205)

蘇 紅(1987-),女,碩士研究生.研究方向:交通行為分析與建模、智能交通.E-mail:suhongabc@163.com

干宏程(1978-),男,副教授.研究方向:智能交通、交通規劃.E-mail:hongchenggan@126.com