基于安全車速差的高速公路特長隧道環境駕駛人行為風險特性研究

吳 玲， 胡 昊， 趙煒華， 朱 彤， 劉浩學

(1. 西安航空學院車輛工程學院， 陜西 西安 710077; 2. 長安大學 汽車運輸安全保障技術交通行業重點實驗室， 陜西 西安 710064)

0 引言

隨著隧道建設占高速公路基礎建設的比重越來越大，與之相伴的交通安全問題也日益突出。事故數據表明，隧道進、出口段交通事故分布最多，總數占比近70%，且追尾事故占比近55%[1]，事故嚴重程度高于開放道路段[2]； 而影響交通安全的諸多因素中，駕駛人因素占事故總數的93%左右[3]。由于隧道空間結構特殊、內部與外部的環境條件存在巨大的差距，駕駛人在行車過程中需要經受若干次的明暗光線變化，生理、心理都將受到一定影響，進而對駕駛行為造成干擾，甚至出現車輛失控現象。人、車、路、環境共同構成了完整的反饋系統，在這個系統中，道路安全很大程度上取決于駕駛人的行為風險。行為風險值減小，會使事故可能性顯著下降，道路安全性得到明顯改善。因此，如何尋求合適的駕駛績效指標，表征駕駛人行為風險，以此衡量和判斷隧道駕駛過程中的行為風險變化關鍵位置點值得深入研究。

國際上對這一問題通常采取模擬器試驗的形式進行研究，分析隧道和普通高速2種不同路段中駕駛人的績效指標并加以對比[4-6]； 國內關于隧道路段交通安全的研究大多反映在事故數據的收集和分析[7-8]、駕駛人的身心變化特點[9-10]、車速與安全的關系評價[11-13]、出口段車速改變規律[14]等內容。杜志剛等[10]進行實車試驗，借助眼動儀等設備分析了出口段駕駛人瞳孔面積和車速之間的聯系，得到了臨界安全車速； 景天然[15]、梁夏等[16]基于調查的交通事故數據，采用統計分析方法，提出了道路交通安全評價方法及交通事故率的綜合影響系數； 葉亞麗等[17]借助人工智能中的云模型方法，構建了基于生理特征的公路安全評價方法； 閆彬等[18]通過實地測試，分析了駕駛人感知特性對隧道群交通安全的影響。

綜上所述，現有的研究很少從安全機制層面出發展開安全評價，未能形成一種兼顧主觀認知與客觀環境2類因素的綜合研究模型，尤其是缺少對隧道空間中駕駛人行為風險變化特性的關注。速度可以作為駕駛行為的重要表征，能夠在很大程度上體現駕駛預期以及行車環境條件，是定量描述駕駛風險性高低的關鍵指標[19]。基于此，本文選取2座有代表性的特長隧道開展實車自然駕駛試驗，收集相關速度數據，提出基于安全車速差的駕駛人行為風險量化方法，分析對比熟練駕駛人與非熟練駕駛人的行為風險變化特性及差異性，以期為道路安全預警、安全設施優化提供參考。

1 特長隧道環境實車試驗

1.1 試驗路段

本文選取的用于實車試驗的特長隧道屬于藍商高速。藍商高速在建設過程中嚴格遵循雙向4車道的設計標準，共包含226座橋梁和35座隧道，單洞長度累計37.13 km。其中，李家河3#隧道、秦嶺隧道屬于特長隧道，分別長4 259 m和4 748 m，2條隧道都采取了雙洞單向的形式，均為2條雙車道，最高行車速度為60 km/h，與普通高速路段(簡稱普通路段)相比低了20 km/h。由于途徑秦嶺地區，藍商高速擁有眾多隧道，能夠比較客觀地反映環境改變對駕駛行為的影響。對該路段進行實地考察，結果顯示該路段處于自由流狀態，駕駛人結合自身的習慣、車輛情況以及道路情況等對車速進行靈活控制，受路況的影響較小。

1.2 試驗人員選擇

由于所選的試驗路段比較特殊，為了保證試驗人員的人身安全以及數據的準確可靠，要求試驗人員的實際駕駛經歷超過3年、身體健康、視覺技能達標、無不良駕駛記錄，并擁有充分的隧道駕駛經驗。根據以上要求，共選取30名合格者，包含15名專職的駕駛人(隧道從業人員)以及15名非專職人員。其中，前者對試驗路段的情況比較熟悉，屬于熟練駕駛人，年齡均值約35.7歲，駕齡均值超過14年；后者對試驗路段的情況比較陌生，年齡均值約39.2歲，駕齡均值約13.6年。本文駕駛經驗變量指該試驗人員是否常駕駛試驗路段，據此分析對路段的熟悉程度是否會對安全駕駛造成影響。駕駛人信息見表1。

表1 駕駛人信息(均值±標準差)

1.3 試驗設備

試驗中所有駕駛人所用車輛均為2007款起亞新佳樂，全部安裝行車記錄儀，試驗時實載4人，車輛技術狀況良好。車速采集有2種形式，一種是利用安裝在固定地點的NC200地磁感應裝置，一種是利用GPS定位或雷達實現車速信息的收集。前者在采集范圍上存在較大的局限性，只能實現定點采集；后者應用比較靈活，但是無法在特長隧道內使用，并且數據存儲比較困難。為了獲得實時行車速度，通過OBD車載自動診斷系統接口對數據進行采集，利用藍牙將采集的數據傳輸到芯片中保存，等待后續的統計和處理。OBD安裝位置如圖1所示。

1.4 試驗過程

試驗前，將試驗路線提供給試驗人員，要求其根據自身習慣駕駛2007款起亞新佳樂通過隧道。行車前對行車記錄儀以及車速信息存儲芯片的信息進行同步處理，通過隧道后再次進行同步。對收集到的信息進行分析之前，需要利用交叉驗證的形式確定車輛進入和離開隧道的時間，對路段進行劃分，然后對數據進行處理。試驗過程現場照片如圖2所示。

圖1 OBD安裝位置

圖2 試驗過程

1.5 數據預處理

1.5.1 路段劃分

根據JTG D70/2—2014《公路隧道設計規范》的要求，隧道照明段的長度和亮度都必須滿足一定的標準，并且應結合照明停車視距等因素確定出入口段、過渡段等不同道路環境下的照明長度。基于隧道照明段長度、亮度相關規定，依據照明停車視距、隧道內凈空高度、設計速度、交通量等提出了入口段、過渡段、中間段、出口段照明長度。此外，針對道路線形，JTG D20—2017《公路路線設計規范》要求隧道洞口內外的線形應保持協調，具體標準為： 隧道洞口內外側各3 s設計速度行程長度范圍的平、縱面線形應一致。按普通山區高速公路80 km/h的車速，3 s的行程長度約為67 m。

結合以上規范要求，將試驗路段范圍拓展到洞口外部300 m的位置，并將試驗路段劃分為入口、行車、出口3段。其中，入口段長度為600 m，隧道入口前后各300 m； 出口段長度為600 m，隧道出口前后各300 m； 隧道內其他路段均屬于行車段。

為了保證研究結果的準確性和普適性，消除道路線形等其他因素的干擾，本文不僅選擇了具有代表性的隧道，即2座特長隧道必須是山區高速公路特長隧道，且所在高速公路涵蓋隧道路段較多； 而且在數據處理方面也采取了相應的措施： 入口、行車、出口等路段均包含上下行2個方向，可以由此分析特長隧道條件下駕駛人的行為風險特征，避免了單一方向的特殊性。路段劃分及行車區間劃分如圖3所示。

圖3 路段劃分及行車區間劃分示意圖

1.5.2 行車區間切分

以往關于隧道環境對駕駛人眼動行為或生理指標影響的研究，一般是從出口段或入口段某個地點對單一指標信息進行橫向對比，并沒有分析數據是否準確、是否存在異常。本文在3段劃分的基礎上，對行車區間進行細分，按照50 m的間隔將出入口段分別切割為12個小區間； 行車段則等距離選取20個點，細分為19個小區間，最終將整個隧道劃分為43個行車區間。原先以某一位置點為指標難以表征此處駕駛人行為狀態，而區間平均指標包含的數據量更多，體現的信息更加豐富，可以更好地反映變化特征。最終得到的數據是上下行2個方向對應指標的平均值。

2 行為風險評價指標的確定方法

2.1 主觀預期車速

主觀預期車速是駕駛人根據其所在的行車環境估計得到的行車速度，即駕駛人在心理上自認為安全的車速狀態，而非道路交通環境允許的安全速度。行車環境改變，主觀預期車速也將隨之出現變化，并據此對實際車速進行調整，不斷重復這一過程。速度作為駕駛行為特性的核心表征，是外部行車環境對駕駛人影響的體現。隧道出入口光環境的驟變及內部行車環境的封閉性，都決定了實際車速的變化存在一定的滯后，這種滯后的存在將造成主觀預期車速和所在環境對應的安全車速之間出現偏差，這是釀成交通事故的重要誘因。

2.2 客觀安全車速

綜合行車環境包含道路情況、車流情況、安全設施等多種因素。結合自身能力(車道保持能力、換道能力、對突發事件的應激處理能力等)，駕駛人根據綜合行車環境能夠保持安全行駛的最大車速，稱為“客觀安全車速”。該速度由行車環境決定，是其反饋給車輛的安全允許速度。客觀安全車速的數值將隨行車環境的改變而不斷改變。

2.3 駕駛人行為風險評價指標

結合以上2類速度，可以體現駕駛人對所在行車環境的主觀判斷與外部環境的要求。因此，可認為駕駛人行為風險源于兩者偏差，這種偏差可以通過2種車速進行計算。在具體的行車過程中，主觀車速和客觀車速之間存在以下幾種情況：

1)兩者基本一致。駕駛人主觀層面上對行車環境的判斷與實際比較接近，在實際環境允許的安全范圍內行駛。這種情況下駕駛人的行為風險值較低，不容易發生交通事故。

2)預期車速低于安全車速。駕駛人主觀層面上對行車環境的判斷存在偏差，認知得到的危險程度超過實際程度。該情況下，雖然當前行為風險值低，但駕駛人負荷過高，其行為風險值在后續的行車過程中可能大幅度增加。

3)預期車速超過安全車速。駕駛人主觀層面上的判斷出現錯誤，預期車速高于實際環境所能允許的安全值。這種情況下行為風險值較高，容易引發交通事故。

對駕駛人的行為風險進行定量研究，最終目的是判斷關鍵位置點，確定事故隱患路段，據此對安全設施加以優化，確保交通安全。構建風險評價模型的難點，集中在如何對2種車速進行量化方面。本文以實測車速作為預期車速，即駕駛人在各個小區間的實測行駛速度，既有隧道路段的數據，也有普通路段的數據。

在客觀安全車速方面，本文主要參考了文獻與統計數據。Solomon提出事故發生的概率和車速之間的關系曲線為U形，在平均車速附近發生交通事故的概率最低；運行車速與平均車速之間的差值越大，出現交通事故的概率越高[20]。根據交通工程學，一般以85%定點單車自由流分位車速作為最高限制車速。對于本文所選擇的特長隧道路段，道路限速最高為60 km/h，對于最低速度未作明確要求；對于普通路段，道路限速最高為80 km/h，最低為60 km/h。對基礎數據進行統計，全部試驗人員85%分位車速都超過了限速范圍。若所有試驗人員均采用單一最高限速值作為安全車速值，由于熟練和非熟練駕駛人對2條隧道的熟悉情況存在差距，很容易造成前者的行為風險值出現高估的情況。考慮到以上內容，對比不同路段車速分布情況，選擇中位數分割的方式[21]，最后決定采用50%分位車速作為試驗人員在2條試驗路段的安全基準值；結合各路段的限速數據，通過比例指標，得到安全車速的上下限；按照U形曲線，選擇二者的均值作為客觀安全車速。以上方法符合法律規定，并且比較充分地照顧了不同試驗人員的個體差異以及路段環境特點。試驗實質是在以下假設的基礎上進行的。

1)特長隧道環境入口、出口、行車等不同路段以及普通路段對應不同的客觀安全車速。

2)由于熟練駕駛人對于路況比較了解，所以其安全車速相對較高。

3)主觀車速和客觀車速之前的偏差越大，其行為風險值越高。

最高安全車速確定方法如下： 全部試驗人員在隧道的出口或入口都將經歷光線的敏感變化，速度將出現較大改變； 而隧道內部光線比較一致，速度相對穩定，并且車速較高，所以非熟練駕駛人在隧道路段以60 km/h作為安全車速上限，普通路段則以80 km/h作為安全車速上限。統計確定熟練和非熟練駕駛人在不同路段的50%分位車速，然后通過比例指標計算其他路段的安全車速最高值。具體采取以下方法計算。

隧道路段(入口段、行車段、出口段)：

(1)

式中：vihs為i路段最高安全車速；vi50為i路段50%分位車速； 60 km/h為非熟練駕駛人行車段最高安全車速； 70.41 km/h為非熟練駕駛人行車段50%分位車速。

普通高速路段：

(2)

式中：vphs為普通路段最高安全車速；vp50為普通路段50%分位車速； 80 km/h為非熟練駕駛人普通路段最高安全車速； 94.51 km/h為非熟練駕駛人普通路段50%分位車速。

計算后確定的最高安全車速信息見表2。觀察表2中數據可知，入口段的速度最低，普通路段的速度最高。

表2 最高安全車速

最低安全車速確定方法如下： 隧道不設最低車速，普通路段車速不能低于60 km/h，所以，針對非熟練駕駛人，在普通路段的最低安全車速設為60 km/h，其他路段則通過比例指標確定。計算方法如下：

(3)

式中：vils為i路段最低安全車速；vi50為i路段50%分位車速。

計算后確定的最低安全車速信息見表3。根據表3中數據可知，入口段的速度最低，普通路段的速度最高。

表3 最低安全車速

結合U形曲線，將最高與最低安全車速的平均值作為客觀安全車速，結果見表4。由表4中數據可知，入口段的速度最低，普通路段的速度最高。

表4 最終安全車速值

3駕駛人行為風險量化結果

采用主觀預期車速與客觀安全車速差值的絕對值作為駕駛人行為風險的量化指標，簡稱安全車速差。安全車速差值越大，說明駕駛人行為越不安全，其行為風險值越高。確定各個區間的差值后，由于缺少參考量綱，所以不能進行橫向對比。為此，通過極值處理法對所得數據進行變換，消除量綱的影響，全部轉換到0～1內，據此確定行為風險值。具體轉換方式如下。

所有樣本表示為：

(4)

極差表示為：

(5)

式中xij為i區間j位試驗人員的安全車速差，km/h。

極差標準化轉換結果表示為：

(6)

式中：i=1，2，…，n；j=1，2，…，m。

經過標準化處理后，數據最低為0，最高為1，無量綱。

3.1 入口段駕駛人行為風險變化規律

每隔20 m，采用保形分段3次Hermite插值法確定入口段2種類型的試驗人員在不同位置處的行為風險值，具體見圖4和圖5。圖中負值表示隧道外，正值表示隧道內。

圖4 熟練駕駛人入口段各位置點行為風險變化曲線

由圖4可知，對于熟練駕駛人，在隧道外距離入口大于100 m范圍內受道路環境的影響較小，行為風險值僅有0.31； 在隧道外距離入口100—20 m所受影響逐漸增大，行為風險值出現上升，增長幅度約為17.97%；在隧道內外距離入口20 m范圍內，所受影響比較一致，行為風險值穩定在0.37附近；隧道內影響逐漸變大，行為風險值不斷增加。行為風險值對應的曲線可以在一定程度上反映車速的改變，即熟練駕駛人在入口段的行車速度變化規律為： 變快—穩定—變快。因此，對比2種類型駕駛人行為風險變化可知，相對于非熟練駕駛人，當試驗人員對路況比較熟悉時，不會將入口段作為事故高發路段，不會提前減速以減少隱患，甚至出現了加速的情況，其行為風險值相對較高，并且在隧道內外距離入口20 m范圍內微弱增加。

圖5 非熟練駕駛人入口段各位置點行為風險變化曲線

對于非熟練駕駛人，在隧道外距離入口300 m范圍內風險值逐漸降低，這一趨勢一直保持到隧道外距離入口80 m處，減少幅度達到14.89%； 在隧道外距離入口80 m到隧道內距離入口120 m范圍，行為風險值比較穩定，保持在0.33附近；進入隧道，行為風險值繼續下降，這一趨勢維持到隧道內距離入口220 m處，減少幅度約為9.29%。因此，非熟練駕駛人在入口處的行為風險表現出以下規律： 減少—穩定—減少。當試驗人員適應隧道環境后，行車速度將增加，行為風險值變高。非熟練駕駛人對道路情況缺乏了解，在進入隧道前將先行減速，心理上處于緊張狀態，并且在隧道內外距離入口20 m范圍內，行為風險值出現微小的下降。

3.2 出口段駕駛人行為風險變化規律

出口段熟練駕駛人與非熟練駕駛人各位置點行為風險變化曲線如圖6和圖7所示，圖中負值表示隧道內，正值表示隧道外。由圖可知，車輛駛近隧道出口并離開的過程中，熟練駕駛人的車速減慢，行為風險值出現微小的下滑，幅度約為5.78%； 隧道外距離出口大于20 m范圍，行為風險值大幅度降低。本文所選擇的熟練駕駛人都是與隧道接觸較多的人員，從光線昏暗的隧道進入光線明亮的環境，根據常理推斷其行車速度將出現一定的上升，即行為風險值變高，但是試驗數據則恰恰相反，可能是由于這一部分試驗人員認為出口處可能存在隱藏的車速測量裝置。

圖6 熟練駕駛人出口段各位置點行為風險變化曲線

隧道內距離出口大于120 m范圍的環境對于非熟練駕駛人而言影響較小，其行為風險值約0.41； 隧道內距離出口120～20 m試驗人員的行為風險值出現了明顯的降低，減少幅度約6.42%；之后其行為風險值快速降為0.33，減少幅度達到11.63%；當試驗人員了解環境后，行車速度加快，行為風險值重新變大。因此，非熟練駕駛人在出口段的行為風險表現出以下規律： 降低—突然下降—升高，并且在隧道內外距離出口20 m范圍內出現了微小的下降。

3.3 特長隧道路段與普通路段行為風險變化曲線

按照本文的計算方法，可得到所有試驗人員行駛通過整個特長隧道的行為風險值。由于所得數據為各個小區間的車速，因此最后獲得的行為風險值也對應不同的區間。圖8示出1號試驗人員(熟練駕駛人)在各個區間的行為風險情況。由圖8可知，沿著車輛行駛方向，1號試驗人員的行為風險值表現出增高—穩定—降低的規律。

圖7 非熟練駕駛人出口段各位置點行為風險變化曲線

圖8 1號試驗人員整段隧道行為風險變化曲線

2種類型試驗人員的行為風險變化曲線如圖9和圖10所示，其中入口段前半段、出口段后半段在隧道外，其余在隧道內。由圖9可知，入口前半段，熟練駕駛人的行為風險值低于非熟練駕駛人，入口后半段則恰恰相反； 行車段前半段，熟練駕駛人的行為風險值超過非熟練駕駛人，后半段則低于非熟練駕駛人； 出口前半段，熟練駕駛人表現出更高的行為風險值，出口后半段則相對偏低。由圖10可知，在普通路段前半段，非熟練駕駛人的風險值相對較高；后半段則相對較低。本文中所選取的普通路段為駕駛人即將進入隧道的高速路段，在前半段，因熟練駕駛人對道路環境較為熟悉，因此其行為風險值相對較低；而在后半段快進入隧道時，非熟練駕駛人認為隧道行車風險較高，因此降低了車速，其行為風險值相對減小。

圖9 2種類型駕駛人整段隧道平均行為風險變化曲線

圖10 2種類型駕駛人普通高速路段平均行為風險變化曲線

圖11示出所有試驗人員在隧道路段和普通高速路段的平均行為風險值。由圖11可知，熟練駕駛人在出入口段的行為風險值與行車段相比偏低；非熟練駕駛人則在出口段表現出較高的行為風險值； 2種試驗人員在普通路段的行為風險值明顯高于隧道路段，并且在入口段都表現出較低的風險值。

圖11 不同路段行為風險

3.4 車速與行為風險關系

對于隧道路段和普通路段，分別繪制不同類型試驗人員行車速度和行為風險之間的散點密度圖如圖12所示，并對其進行皮爾遜相關分析。由于行為風險值的計算是以測量得到的車速信息為基礎，所以二者之間為正線性相關(r=0.906； Sig.=0.000)。由圖12(a)可知，隧道路段熟練駕駛人的行車速度分布在75～85 km/h，行為風險值分布在0.4～0.5； 由圖12(b)可知，非熟練駕駛人的行車速度分布在65～80 km/h，行為風險值分布在0.3～0.5。在普通路段，熟練駕駛人的行車速度分布在100～110 km/h，行為風險值分布在0.5～0.6(見圖12(c))； 非熟練駕駛人的行車速度分布在90～110 km/h，行為風險值分布在0.4～0.6(見圖12(d))。此外，與熟練駕駛人相比，非熟練駕駛人的熱點分布區域相對較廣，表明不同試驗人員之間存在較大的差距。

(a) 熟練駕駛人特長隧道路段

(b) 非熟練駕駛人特長隧道路段

(c) 熟練駕駛人普通高速路段

(d) 非熟練駕駛人普通高速路段

熟練駕駛人由于對試驗路段比較了解，因此行車速度明顯偏高。按照行為風險量化模型的分析結果，其風險均值也明顯偏高。可見，試驗人員熟悉路況不會導致行為風險值降低，甚至反而造成風險值增加。

4 安全車速差特性分析

分別對每個路段計算其實測速度與安全速度之間差值的絕對值，確定不同類型試驗人員的情況，并據此繪制安全車速差箱線圖如圖13和圖14所示。由圖13和圖14可知，熟練駕駛人的車速差統計量相對較大，其中行車段的車速差均值明顯高于出入口段； 對于非熟練駕駛人，則出口段的車速差均值最大。此外，不管是那種類型的試驗人員，在普通路段的車速差均超過隧道路段。從不同路段的視角出發，普通路段的車速差統計量顯著超出隧道路段；入口段的車速差均值最低，行車段與出口段的車速差均值比較接近。

圖15示出2種不同類型試驗人員的安全車速差分布比例情況。由圖15可知，不同曲線比較類似但是存在一定差異，熟練駕駛人在入口段和行車段的車速差占比最大的是10～20 km/h，出口段和普通段則是20～30 km/h；對于非熟練駕駛人，入口、行車、出口等路段的車速差占比最大的是10～20 km/h，普通路段則是20～30 km/h。所以，隧道路段的車速差相對較小，普通路段較大。

圖13 不同類型駕駛人安全車速差箱線圖

Fig. 13 Box plot of safe speed difference for different types of drivers

(a) 各路段折線圖

(b) 各路段箱線圖

(a) 熟練駕駛人

(b) 非熟練駕駛人

5 結論與討論

本文選擇有代表性的高速公路特長隧道作為試驗路段，測量熟練和非熟練2種類型試驗人員的速度數據，基于文獻總結與數據統計，通過中位數分割的方法，結合路段實際限速值，提出基于主觀預期車速與客觀安全車速差值絕對值的駕駛人行為風險量化方法。得到區間行為風險值后，采用保形分段3次Hermite插值法，比較不同類型試驗人員在入口、行車、出口等不同路段以及普通高速路段的行為風險變化情況，以及2種路段環境下的風險值差異。此外，還分析了特長隧道環境與普通路段的安全車速差規律。主要結論如下：

1)進入隧道前，入口外部熟練駕駛人的行為風險值低于非熟練駕駛人；入口內部則恰恰相反。行車段前半段，熟練駕駛人的行為風險值超過非熟練駕駛人，后半段則低于后者。出口內側熟練駕駛人表現出更高的行為風險值，出口外側則相對偏低。即在隧道內部，熟練駕駛人行為風險值高于非熟練駕駛人；而在隧道外部，非熟練駕駛人行為風險更高一些。

2)在隧道路段，熟練駕駛人在出入口段的行為風險值與行車段相比偏低；非熟練駕駛人則在出口段表現出較高的行為風險值； 2種試驗人員在普通路段的行為風險值明顯高于隧道路段，并且在入口段都表現出較低的風險值。

3)在隧道路段，熟練駕駛人的行車速度分布在75～85 km/h，行為風險值分布在0.4～0.5； 非熟練駕駛人的行車速度分布在65～80 km/h，行為風險值分布在0.3～0.5。在普通路段，熟練駕駛人的行車速度分布在100～110 km/h，行為風險值分布在0.5～0.6； 非熟練駕駛人的行車速度分布在90～110 km/h，行為風險值分布在0.4～0.6。

4)對于不同類型的試驗人員，隧道路段安全車速差占比最大的均為10～20 km/h，而普通路段則為20～30 km/h。

所有試驗人員均在入口段行為風險值最低，在普通路段行為風險值最高，這也說明所有試驗人員認為隧道入口段風險系數較高，所以會保持較低的安全車速差，即在隧道入口段需注意相關標志、標線以及安全設施的布置以降低其風險系數。對于熟悉道路條件的熟練駕駛人，因其安全車速差較非熟練駕駛人更高，且在多發事故路段(入口段)并未出現行為風險值降低的趨勢，這在一定程度上增加了事故隱患，需在實際安全設施布置過程中，考慮其行為風險值突變點布置合理的安全保障措施，即在入口段駕駛人行為風險值驟增的區域(隧道外距入口100 m到隧道內距入口220 m范圍)考慮布置安全保障設施。受各方面條件的約束，本文僅基于安全車速差建立了行為風險評價模型，下一步建議多加入一些縱向駕駛績效指標和橫向績效指標，如跟車距離、車頭視距、TTC、橫向偏移距離、橫向速度等。