城市道路交叉口交通信息誘導效率研究

駱 晨，劉 瀾,2

(1.西南交通大學交通運輸與物流學院，四川成都61031；2.西南交通大學綜合交通運輸智能化國家地方聯合工程實驗室，四川成都61031)

0 引言

在城市道路交叉口發布具有高誘導效率的交通信息，不僅能夠防止瓶頸交叉口擁堵蔓延，還能達到緩解區域交通擁堵的目的[1]。現有交通信息誘導效率的相關研究主要集中于駕駛人對交通信息呈現方式、理解程度、決策過程方面。

交通信息呈現方面的研究主要是從信息的顏色、組合圖形、文字等方面展開。文獻[2]分析了可變信息板(VMS)的色彩方案以及信息數量對駕駛人的影響，其中色彩方案為使用一個、兩個或三個顏色，信息數量為單行、雙行、三行，研究結果顯示紅色單個信息以及單行信息有利于駕駛人對信息的理解。文獻[3]利用信息理論構建交通標志信息量度量模型，以西藏地區特色標志為例進行研究，結果表明標志信息信息量閾值為286.3比特，在此閾值基礎上設計特色交通標志信息有利于提高信息傳遞效率。文獻[4]設計了包含指路標志與車道行駛方向標志的組合標志，測定被試者視認組合標志的正確率及反應時間，得到組合標志的信息量閾值：車道數為3～7時，被試者對組合標志視認的正確率分別為94.17%，93.13%，93.5%，87.5%，86.07%，反應時間分別為2 437.54 ms，2 514.01 ms， 2 634.18 ms，3 60.75 ms，3 836.21 ms；指路標志中一條路名信息的視認反應時間相當于組合標志中5個箭頭的視認反應時間，均為0.5 s；指引圖形較簡單的組合標志信息量閾值為6條路名信息，指引圖形較復雜的組合標志信息量閾值為5條路名信息。

交通信息理解程度方面的研究聚集于量化信息數量與駕駛人個體屬性之間的關系。文獻[5]為研究駕駛人個體屬性與交通信息理解之間的關聯性，利用駕駛模擬器以實驗的方式采集不同車載信息條件下的駕駛行為，結果顯示在駕駛人的個體屬性中性別、年齡對信息理解影響較大。文獻[6]研究信息量大小對駕駛人理解前方道路路況是否有影響，利用仿真模擬手段設計5組不同信息量的實驗場景，對不同年齡段的駕駛人進行實驗，結果顯示因年紀大的駕駛人駕駛風格保守，導致其反而比年紀小的駕駛人需要更多的交通信息。文獻[7]為研究駕駛人個體屬性差異對信息理解的影響，設計一份包含28個交通標志以及駕駛人個體屬性的調查問卷，通過對5個不同國家4 74份調查問卷進行數據分析，結果顯示國籍、性別、年齡、受教育水平等都會對信息理解產生影響，但婚姻狀況、收入水平等影響不顯著。文獻[8]為研究文化差異對交通標志理解的影響，通過4個國家1 0份調查問卷進行整理分析，發現在標志中添加文本可降低因文化差異導致的交通標志理解誤差，特別是不熟悉的或具有本國特色的交通標志。

駕駛人決策過程方面的研究主要集中于利用模型描述決策過程方面。文獻[9]建立模糊邏輯—神經網絡模型，量化駕駛人在道路決策過程中的選擇特性。文獻[10]通過改進AHP層次分析法構建駕駛人路徑決策多維度模型，并通過伊朗道路網絡進行模型驗證。文獻[1]構建多維風險識別模型描述道路決策過程中各因素之間的關系，結果顯示道路決策過程中駕駛人對付費交通信息的支付意愿與駕駛人自身決策習慣以及當地社會人口特點相關。

在實際道路決策中，交通信息誘導效率主要體現在道路交叉口駕駛人路徑變更上，駕駛人根據交通信息實時進行路徑決策，該過程涉及信息采集、認知、決策三部分[12]。現有交通信息主要由圖像類、數字類和文字類信息組成。

上述文獻將交通信息作為整體進行研究，忽略不同信息組合方式對駕駛人的影響，在樣本統計過程中參數分析為一維分析，僅反應路徑變更結果，無法對決策過程中的認知以及決策進行定量描述分析，且參數量化取決于樣本數量，小樣本數據體現特征不強。為此，本文設計在城市道路交叉口發布不同信息組合方式的駕駛決策實驗，借鑒云模型具有把自然語言值表示的某個不確定性概念轉化為相應量化指標的功能[13]，定義基于云模型的交通信息誘導效率評價指標，定量描述駕駛人對交通運行狀態的認知以及基于認知結果的決策，分析不同組合方式下交通信息對駕駛人的誘導效率。

1 基于云模型的交通信息誘導效率評價

云模型在交通信息誘導效率評價中的核心作用是在駕駛決策結果特征分析基礎上，構建相關的云模型進行具體分析。步驟如下：

1）在駕駛決策選擇結果中，對某一次信息發布后的道路選擇結果進行統計，其結果可以表達為為道路選擇結果，用0或1表示；0為不選擇該道路，1為選擇該道路。

2）輸入樣本點xi，根據云模型中期望公式進行計算：

式中：Ex為在城市道路交叉口環境下駕駛人受不同信息組合方式誘導后產生的路徑變更總體水平，即選擇結果的期望。該參數用于表征不同組合方式的交通信息誘導效率[14]。其值越大，說明誘導效率越高。

3）根據選擇結果的期望，計算評價體系中的熵

式中：En為在城市道路交叉口環境下駕駛人接收不同組合方式交通誘導信息后，自身所認知的道路交通狀況與實際交通狀況之間的差距，定義其為認知誤差[15]。其值越小，說明駕駛人對前方道路實際交通狀況認知越精準，同時也說明該部分信息所提供的前方道路交通狀況越容易被駕駛人接收。

4）根據期望、熵等評價結果，計算評價體系中的超熵

式中：He為在城市道路交叉口環境下駕駛人依據交通誘導信息與依據實際道路交通狀況做出的路徑變更決策之間的差距，定義其為決策誤差[16]。

2 實驗設計

2.1 實驗人員

隨機選取50名人員參與實驗，被試者符合以下條件：

1）持有中華人民共和國機動車駕駛證，準駕車型為C1及以上等級；

2）未參加過城市道路交叉口環境下的駕駛決策行為及類似的實驗測試；

3）非職業性車輛駕駛員；

4）實驗前一晚睡眠充足，保證駕駛過程中不存在疲勞、飲酒等對正常駕駛行為產生影響的狀況。

2.2 實驗設備

實驗采用具有環形屏幕顯示的全功能汽車模擬駕駛器，模擬器設備參數為：屏幕分辨率1 024×768，場景刷新頻率60次·s-1，水平最大可視角150°、縱向最大可視角30°，仿真車輛各項參數采集頻率為30 Hz。

2.3 實驗情景

針對交叉口前方某一道路的相同交通狀況，發布四種不同組合方式的交通誘導信息，具體包括：1)語言和數字類信息組合；2)語言和圖像類信息組合；3)數字和圖像類信息組合；4)三類信息組合。其中，語言類信息指由交通管理者針對道路交通狀況給出的定性描述以及行駛路徑建議，數字類信息指針對道路交通狀況以數值形式進行量化，圖像類信息指由VMS上紅、黃、綠三色反映交通狀況。在后臺通過廣播發布語言類信息和數字類信息，圖像類信息通過交叉口場景設計方式發布。

實驗情景設定為駕駛人在某雙向兩車道內行駛，駕駛人在交叉口初始選擇為左轉，在距離道路交叉口前50 m時發布交通誘導信息供駕駛人進行道路決策，統計其接收不同組合方式交通信息后的道路變更情況。實驗中不考慮目的地與道路交叉口之間的距離關系。實驗設定左轉道路的交通狀況為車輛擁堵長度30 m，由VMS表征用于描述前方道路狀況的圖像類信息，道路交叉口交通狀況如圖1所示，其中紅色表示所處道路的交通狀態為擁堵，黃色表示較擁堵，綠色表示暢通。根據上述情景，將四類組合方式的交通誘導信息依次設計為如下內容：

1）交通誘導信息環境一(TrafficInformation Environment 1#,TIE 1#)：交通廣播發布信息“左轉道路擁堵長度為30 m，道路擁堵等級評定為較擁堵，建議行駛路線變更”；

2）交通誘導信息環境二(TIE 2#)：用VMS描述前方道路狀況，交通廣播發布信息“左轉道路擁堵等級評定為較擁堵，建議行駛路線變更”；

3）交通誘導信息環境三(TIE 3#)：用VMS描述前方道路狀況，交通廣播發布信息“左轉道路擁堵長度為30 m”；

4）交通誘導信息環境四(TIE 4#)：用VMS描述前方道路狀況，交通廣播發布信息“左轉道路擁堵長度為30 m，道路擁堵等級評定為較擁堵，建議行駛路線變更”。

2.4 實驗流程

被試者若對實驗流程及相應操作有疑問，則可與實驗組織人員進行單獨溝通咨詢。實驗全程被試者之間不能進行交流，避免因此產生主觀經驗信息。實驗步驟如下：

1）熟悉汽車仿真駕駛器的實驗操作，例如啟動、方向盤旋轉、掛擋、油門踏板踩踏、剎車等；

2）開始第一次實驗，被試者在無交通信息誘導下進行左轉向道路選擇，每輪測試結束后被試者只能得知自身的駕駛決策選擇；

3）進行TIE 1#下的駕駛決策，每位被試者結束相應實驗后，組織者以問答形式詢問被試者選擇其操作的原因，重點記錄哪種信息或聽到哪個關鍵詞導致選擇路徑變更；

圖1 實驗交叉口交通狀況Fig.1 Traffic condition at the tested intersections

4） 分別以TIE 2#，TIE 3#，TIE 4#發布的交通誘導信息進行實驗并做好相關記錄，駕駛人在每種交通誘導信息環境下的路徑變更數量統計結果見表1。

3 實驗結果及分析

對四組實驗數據進行計算，分別得到路徑變更云模型的期望、熵和超熵(見表2)。可以看出：

1）不同信息組合方式的交通誘導效率差異顯著。四類交通信息誘導環境下駕駛人決策的總體水平Ex依次為0.24，0.38，0.50和0.74，表示不同信息組合對駕駛決策影響度從大到小依次為：語言、數字和圖像類信息組合，數字和圖像類信息組合，語言和圖像類信息組合，語言和數字類信息組合。

2）圖像和數字信息組合使駕駛人對前方道路認知誤差較大，不利于駕駛人正確理解前方道路交通狀況。由各組合信息的熵值En可知，駕駛人對不同信息組合方式的認知誤差從大到小依次為：數字和圖像類信息組合，語言圖像類信息組合，語言、數字和圖像類信息組合，語言和數字類信息組合。

3）語言和數字類信息組合使駕駛人的路徑決策誤差較大，不利于駕駛人進行決策。由各組合信息的超熵值He可知，駕駛人在不同信息組合下的決策誤差從大到小依次為：語言和數字類信息組合，語言和圖像類信息組合，語言、數字和圖像類信息組合，數字和圖像類信息組合。

4 結語

本文以駕駛人誘導效率為研究對象，研究不同組合方式的交通誘導信息對駕駛決策的影響，提出基于云模型的交通信息誘導效率評價方法，對駕駛人出行過程中的交通狀態認知和決策結果進行分析。研究結果表明：在城市道路交叉口環境下，由數字、語言、圖像類信息組合而成的交通誘導信息對駕駛人路徑變更影響效果顯著，在擁堵路段或需疏散路段進行三類信息組合發布有利于誘導駕駛人變更原有路徑；由語言和數字類信息組合發布的交通誘導信息對駕駛人路徑變更影響效果最不明顯，但對駕駛人認知前方道路實際交通狀況最為成功，利用該組合方式對道路交通狀況進行描述可提高駕駛人對實際道路狀況的認知；數字和圖像類信息組合發布下的駕駛人決策誤差最小，利用該組合方式對前方道路狀況進行描述可提高駕駛人的決策效率。不同信息組合方式對駕駛決策的誘導效率影響研究應控制在閾值范圍內，本研究設定的情景為基礎的交通信息內容，下一步將結合交通信息量研究不同信息組合方式的信息量閾值。

表1 不同交通誘導信息組合方式環境下的路徑變更人數Tab.1 Number of travel path change under different traffic guidance schemes

表2 駕駛人路徑變更云模型參數Tab.2 Parameters of cloud model for driver's travel path change