基于駕駛模擬技術的不良天氣對駕駛員跟馳行為的綜合影響研究

趙曉華，任貴超，陳 晨，榮 建，常 新

(1. 北京工業大學 北京市交通工程重點實驗室，北京 100124； 2. 北京市城市交通運行保障工程技術研究中心，北京 100124； 3. 北京市交通信息中心，北京 100073)

0 引 言

因不良天氣造成交通擁堵的情況屢見不鮮。2010年9月北京小雨，導致主要路段全天9 h處于嚴重擁堵狀態[1]；2011年6月北京遭受暴雨襲擊，造成22處道路中斷，交通運行狀況受到極大的干擾[2]。極端惡劣天氣對交通狀態會造成更大影響，甚至導致交通癱瘓。因此，不良天氣對交通運行狀態影響受到各級政府及管理部門的高度重視，2008年公安部發布《高速公路交通應急管理程序規定》，以期對不良天氣條件下交通運行狀態實施預告預警，引導公眾出行，提高交通運行效率和安全水平。

近年來，有關不良天氣條件對交通運行狀態的影響研究主要集中在不良天氣條件下交通流運行特性分析。楊中良等[3]利用上海市交通及天氣信息數據分析了降雨對交通流的影響，得出降雨環境下道路通行能力下降6%～15%；劉力力等[4]對比分析了降雪和正常天氣條件下快速路交通流量和運行速度變化，給出了不同等級降雪天氣下流量和速度折減系數；鄭福維[5]等利用往年氣象及交通數據，研究了霧天等不良天氣對交通運行的影響；陳富堅[6]等研究表明：惡劣天氣對交通運行狀態造成嚴重影響，其中，低能見度是交通擁堵及安全隱患的重要原因；張續光[7]等研究指出：暴風雪等惡劣天氣會極大影響道路使用性能和行車環境條件；M.AGARWAL等[8]分析了不同狀況下惡劣天氣對交通運行狀態影響，指出大雨、大雪會使道路通行能力分別下降10%～17%、19%～27%；B.L.SMITH等[9]研究了不同強度降雨對高速公路通行能力和車輛運行速度的影響。

事實上，不良天氣對駕駛行為影響是導致交通運行狀態變化的主要原因。駕駛員作為道路交通的參與者，其駕駛行為(特別是跟馳行為)受環境、天氣等外界因素的綜合影響，導致交通運行狀態產生差異。目前，國內外很多學者對不良天氣條件下的駕駛行為開展了相關研究，A.T.IBRAHIM等[10]對降雪天氣下的交通數據采用虛擬變量回歸分析法，得出小雪天氣下車輛速度降低3%～5%，大雪天氣下車輛速度降低30%～40%的結論；M.E.WHITE等[11]研究了低能見度天氣下車頭時距變化，結果表明：當能見度為150 m時，車頭時距低于2 s的車輛所占比例是晴天正常交通流的2.5倍。以往的研究主要基于實際車輛運行數據，指標一般限于速度、車頭時距等易于測量參數，無法較為全面地反應不良天氣對跟馳行為影響。此外，由于實測情況下極端天氣罕為發生，不同等級天氣條件下相關數據覆蓋面不足也限制了研究成果應用。

跟馳行為作為最基本的微觀駕駛行為，描述了單一車道中前后兩車之間的相互關系，是交通流中的主要駕駛行為，對其研究有助于理解交通流運行特性。城市快速路作為城市道路的骨干路網，決定了城市交通運行狀態總體水平。鑒于此，筆者利用駕駛模擬技術，搭建城市快速道路場景，設置多種等級的雨雪霧天氣條件，研究不同天氣條件對駕駛員跟馳行為影響，進而評價不良天氣條件對交通流順暢性影響，以期為交通狀態綜合管控措施的制定及居民出行選擇提供支持。

1 實驗設計

筆者選取北京市東二環道路作為研究背景，在道路線性、路側景觀實地調查基礎上，利用3D建模技術，結合緯地軟件，在AutoSim駕駛模擬器中〔圖1(a)〕真實再現了道路交通環境。基于系統內置SCANeR Studio軟件，該模擬器能為駕駛員提供道路、標志標線及其他運動車輛、路側景觀等虛擬駕駛場景，同時能完成雨雪霧等天氣參數設置。

圖1 駕駛模擬器與道路示意Fig. 1 Driving simulator and road conditions

模擬場景道路為雙向六車道、車道寬度為3.75 m，包括直線、上坡、下坡和彎道這4種道路條件，場景全長9 km〔如圖1(b)中黑線標示〕。模擬器具有3個自由度，可為駕駛員提供前方130°水平視野和40°垂直視野，以及左右后視鏡和后方30°水平視野、 40°垂直視野，共4個通道。模擬場景中，實驗車輛周圍設置30輛車輛，模擬真實環境下的交通流。通過編寫控制腳本，使周圍車輛在行駛過程中實現勻速、加速及減速行駛。實驗車輛完成3種跟馳行為：① 勻速跟馳：前方車輛以40 km/h速度運行；② 加速跟馳：前方車輛以3.3 m/s2加速度由40 km/h加速至50 km/h；③減速跟馳：前方車輛以3.3 m/s2減速度從40 km/h減速至30 km/h。

依據GB/T 28592—2012《降水量等級》[12]和GB/T 27964—2011《霧的等級與預報》[13]，雨天天氣可劃分為小雨、中雨、大雨、暴雨、大暴雨及特大暴雨這6個等級；雪天天氣劃分為小雪、中雪、大雪、暴雪、大暴雪及特大暴雪等6個等級；霧天根據能見度可以劃分為輕霧、霧、大霧、濃霧、強濃霧等5個等級。受駕駛模擬條件限制，筆者將雨天設置為4個等級，雪天設置為2個等級，霧天能見度設置為0～10 km。基于實際生活與虛擬環境下雨雪天氣等級不同，筆者選取31名自愿者進行虛擬場景雨雪天氣與實際雨雪天氣匹配測試。結果顯示：虛擬環境中雨天4個等級分別對應實際生活中的小雨、中雨、大雨、大暴雨；雪天2個等級分別對應實際生活中的大雪、大暴雪。因此，實驗設計了11種天氣條件。模擬駕駛系統根據天氣條件調整道路表面抓地力，圖2為天氣場景示例，這11種天氣條件參數及抓地力折減系數如表1。

圖2 模擬艙天氣場景示意Fig. 2 Weather scenario in simulator

/m——10 0001.000.20—2 0001.000.45—8000.750.70—5500.600.95—3000.45—0.455000.45—0.951000.20——1 5001.00——8001.00——3001.00——501.00

實驗共招募31名被試，年齡分布為26～56歲(平均年齡為41歲，SD=8)，身體狀況良好，無色弱色盲。模擬器以20 Hz頻率記錄駕駛員操控行為參數(加速踏板/制動踏板深度、方向盤轉角、擋位等)及車輛運行參數(速度、加速度、側向位移、與前車距離等)。

2 數據預處理

直線路段是城市快速路主要組成部分，筆者選取直線路段對研究不良天氣下城市快速路交通流順暢性具有代表意義。車輛與前車之間的距離、相對速度和加速度能反應駕駛員的跟馳狀態，選取車頭時距、車頭間距振幅、最小跟馳車速差、最大跟馳車速差、跟馳加速度共5個駕駛過程指標進行不同天氣條件下跟馳過程分析，其指標示意如圖3。

圖3 跟馳過程指標示意Fig. 3 Indicators during car-following process

根據車頭時距等5個指標在不同天氣條件下的表現，分析駕駛員行為變化，并進一步闡明天氣條件對交通流順暢性的綜合影響。

3 不良天氣對跟馳行為影響

3.1 車頭時距

各種天氣條件下被試車輛車頭時距均值如圖4。方差分析結果表明：在低速、直線條件下，天氣條件對車頭時距具有顯著影響〔F(10,324)=1.815，p=0.057〕，顯著性主要是由晴天及大暴雪引起；此外不同類型天氣的車頭時距均大于晴天，且隨著天氣惡劣程度提升基本呈增加趨勢；對于霧天這一類天氣，強濃霧條件下的車頭時距與其他幾種霧天狀態相比呈現下降趨勢，表明在能見度極低狀態下，駕駛員傾向于跟緊前車以確保行駛安全；大暴雨條件下的車頭時距與大雨狀態類似(兩兩比較p=0.754)，可能是當降雨強度超過某一閾值時，駕駛員對危險感知達到最大值。

圖4 不同天氣條件下平均車頭時距Fig. 4 Average headway time distance under different weatherconditions

3.2 車頭間距振幅

車頭間距振幅是指跟馳過程中車輛縱向擺動幅度，駕駛員在該值范圍內調整車頭間距，各天氣條件下車頭間距振幅均值如圖5。方差分析結果顯示：在低速、直線條件下，天氣條件對車頭間距振幅具有顯著影響〔F(10,324)=1.63，p=0.097〕，顯著性主要由大暴雪及晴天引起；不同天氣條件下車頭間距振幅均值均大于晴天；同一類天氣條件下，隨著天氣惡劣程度提升，車頭間距振幅基本呈增大趨勢；與車頭時距類似，強濃霧條件下車頭間距振幅與大霧天氣相比降低，表明駕駛員在能見度極低條件下對車輛控制穩定性增強。

圖5 不同天氣條件下平均車頭間距振幅Fig. 5 Average head spacing amplitude under different weatherconditions

3.3 最小跟馳車速差

最小跟馳車速差表示車輛在行駛過程中車速低于前車車速時最大車速差，其絕對值越大表示駕駛員跟馳過程中對前車加速行為反應越不敏感，各天氣條件下最小跟馳車速差均值如圖6。方差分析結果顯示：低速、直線條件下，天氣條件對最小跟馳車速差具有顯著影響〔F(10,324)=1.865，p=0.049〕，顯著性主要由大霧、大暴雨及大暴雪天氣引起；在同類天氣條件下，最小跟馳車速差隨天氣惡劣程度的增加基本呈減小趨勢；大霧及大暴雨條件下最小跟馳車速差出現振蕩，可能是由于該天氣下能見度較低且車頭時距較大，駕駛員為使前車保持在視野內而對前車車速注意力增加。

圖6 不同天氣條件下平均最小跟馳車速差Fig. 6 Average minimum car-following speed difference under differentweather conditions

3.4 最大跟馳車速差

最大跟馳車速差表示車輛在行駛過程中車速高于前車車速最大車速差，該值越大表明駕駛員在跟馳過程中對前車減速行為的反應越不敏感。方差分析結果顯示：低速、直線條件下，不同天氣條件對最大跟馳車速差的影響不具有統計顯著性〔F(10,324)=1.221，p>0.1〕，即不同天氣條件下最大跟車車速差較為穩定，駕駛員對前車減速行為反應受天氣條件影響較小。

3.5 跟馳加速度

跟馳加速度是指跟馳過程中正加速度均值，體現了駕駛員對當前行駛狀態的縱向控制能力。方差分析顯示：不同天氣條件對跟馳加速度影響不呈顯著性〔F(10,324)=0.335，p>0.1〕，表明在低速、直線跟馳狀態中，不同天氣情況下駕駛員對車速控制能力較為穩定。

由以上分析可確定：顯著性指標分別為車頭時距、車頭間距振幅和最小跟馳車速差。

4 不良天氣對交通流順暢性影響

利用主成分分析方法，筆者綜合考慮不同天氣下車頭時距、車頭間距振幅、最小跟馳車速差等指標，衡量不同天氣條件對交通流順暢性綜合影響。

一般而言，除最小跟馳車速差外，其他指標越大則交通流順暢性越差。為使指標趨勢具有一致性，筆者將最小跟馳車速差取相反值做正向化處理。不同天氣條件下各指標值如表2。

對原始數據標準化處理，進行主成分分析，計算特征值及貢獻率如表3。選取前兩個主成分，貢獻率達99.20%，獲得主成分因子的成分得分系矩陣如表4。

不同天氣條件對交通流順暢性影響得分Dn計算如式(1)：

(1)

式中：Dn為交通流順暢性綜合得分；F1、F2分別為主成分得分；a1、a2分別為主成分特征值。

表3 解釋方差及貢獻率Table 3 Explain variance and contribution rate %

表4 成分得分系數Table 4 Component score coefficient

根據低速直線條件下的跟馳行為分析，各天氣條件下交通流順暢性綜合得分如圖8。相對晴天，輕霧、小雨對交通流順暢性影響較小，大暴雪天氣對交通流順暢性的影響最大；在同類天氣中，隨著惡劣程度提升天氣對交通流順暢性影響基本呈增加趨勢，然而強濃霧和大暴雨天氣相較于大霧和大雨天氣有所下降；不同等級雨雪霧天氣條件對交通流順暢性影響從大到小依次為：大暴雪、大雨、大暴雨、大霧、中雨、霧、強濃霧、大雪、輕霧、小雨、晴天。

圖7 不同天氣條件對交通流順暢性影響綜合得分Fig. 7 Comprehensive scores of different weather’s effect on traffic flow’s smoothness

5 結 論

筆者以不良天氣為自變量，以車輛在直線跟馳過程中的車頭時距、車頭間距振幅、最小跟馳車速差、最大跟馳車速差和跟馳加速度為指標，利用單因素方差分析和主成分分析方法，研究了雨雪霧等不良天氣對低速直線路段跟馳行為及交通流順暢性的影響。

1)在不良天氣條件下，駕駛員在低速跟馳過程中對車輛行駛穩定性及車輛之間距離控制能力下降，對前車加速行為不敏感，并且車輛與前車距離變大。隨著天氣惡劣程度增加，交通流順暢性基本呈減小趨勢。

2)在低速直線條件下，不良天氣對交通流順暢性影響從大到小依次為：大暴雪、大雨、大暴雨、大霧、中雨、霧、強濃霧、大雪、輕霧、小雨、晴天。

本研究結論針對低速直線條件下的跟馳行為，當改變道路交通條件(如上下坡、彎道)或綜合考慮其他駕駛行為(如變道、超車)時，天氣條件對駕駛行為和交通流順暢性影響可能會發生變化。基于其他道路交通條件或駕駛行為的不良天氣對交通流順暢性影響，筆者將在后續研究中進一步分析。