山區城市道路匝道段縱向視錯覺減速標線影響研究

尚婷, 白婧榮

(1.重慶交通大學 交通運輸學院， 重慶市 400074； 2.重慶交通大學 土木工程學院)

1 前言

山區道路由于受地形條件限制，在公路上多有急彎陡坡等特殊路段，在城市道路中交叉口多存在畸形交叉口，坡度較大，分合流情況復雜。在山區道路的視距不良路段，線形指標通常較低，行車環境復雜。道路線形的復雜程度對車輛行車狀態具有十分重要的影響，當行駛道路的線形不良時，車輛行車狀態會頻繁發生變化，也會增加駕駛員行車的危險性。駕駛員在彎道行駛時容易發生占道行為，造成追尾、刮擦等事故。

2010年，Sunanda Dissanayake研究不同的平曲線及路面標線會改變車輛行駛軌跡；2012年，Michelle L. Rusch等研究得到增強現實線索，可以減少駕駛員反應時間，增加危險檢測的可能性；2014—2016年高振海等采用非侵入式眼動儀從視覺搜索廣度、換道前預瞄距離、視線轉移概率等多角度分析車輛以不同的行駛速度變換車道時的駕駛員眼動特征，豐富了換道輔助駕駛系統的理論依據；冀秉魁建立了不同場景下的駕駛行為預測模型，使得駕駛行為預警系統更加實用化；田晶晶、李世武等分析出駕駛員視認難度系數隨著隧道長度的增加和環境復雜程度的增加而變難，其中眼動指標中注視點最為突出；2014年，吳立新研究了不同車型在不同的平曲線半徑下的車輛行駛軌跡偏移量；2014年康建設對山區旅游公路的車輛行駛軌跡變化特性進行測量分析，并給出彎道行車的安全防治措施；2016年，胡愛秀利用仿真試驗發現魚刺形減速標線的閃現率、可視性和刺激強度均大于邊緣率減速標線，適用于緩彎、緩坡路段和車流量小的交匯口；2016年，尚婷等通過實車試驗采集數據分析了視錯覺減速標線橫向寬度和角度對車速變化的影響；2018年，孫吉書等推導出高速公路凹形豎曲線段防眩板高度計算公式,系統分析了豎曲線半徑、前燈眩光照距等因素對凹形豎曲線段防眩板設置高度的影響特性。

行車環境對駕駛安全有著重要影響，駕駛員通過車速儀表盤和車外參照物來判斷行車速度的快慢程度，并且在下雨、降雪、大霧等惡劣的天氣里行車時，很難看清楚視野邊緣作為襯托車速移動的景物，很容易把車速估計得較低。在匝道出口路段，由于交通標志和標線的設置影響著車流的穩定性，如果匝道限速值與主線限速值相差較大或駛出匝道的設置長度過短時，很容易使想要駛出主線的駕駛員采取緊急制動降低行車速度，更甚者導致后車駕駛員反應時間太短而產生追尾事故。橫縱向視錯覺減速標線主要是通過設置不同間距、長度和寬度的圖案，使行駛的車輛在橫跨車道時輪胎碾壓有明顯凹凸感覺，并利用視覺錯覺使駕駛員產生前方道路變窄的錯覺，從而達到主動降低車速的目的。因此，在山區道路互通匝道處施劃縱向視錯覺減速標線可以通過駕駛員的視覺來傳遞減速信息。

該文以重慶市鵝公巖大橋出口匝道進行實車試驗，利用眼動儀對駕駛人視覺的精確追蹤，觀察駕駛人在經過縱向視錯覺減速標線路段和一般路段時的眼動特征，記錄車輛行駛數據及其駕駛員相關眼動數據；利用無人機對試驗道路的交通流特性進行采集，獲得交通流量、車型比例、車頭時距和試驗車輛軌跡橫向偏移量等數據，再對試驗所得數據進行分析，得出駕駛人注視行為特征、瞳孔變化規律和車輛行駛軌跡特征。

2 試驗設計及數據采集

2.1 試驗道路選擇

通過綜合考察后選取重慶市鵝公巖大橋的出口匝道作為實例進行分析，選取布設縱向減速標線的匝道段為試驗路段，減速標線布設長度為120 m，布設位置為道路ZH點到HZ點；對比路段為與之相鄰的內側匝道，其中試驗路段與對比路段的匝道設計參數一致，可以盡可能減小因道路設計因素帶來的試驗誤差。對鵝公巖大橋試驗匝道和對比匝道的縱向坡度、超高和地形圖進行測量，此匝道為雙向兩車道，車道寬度4 m，道路寬度6 m，縱坡坡度5.204%，匝道轉彎半徑60 m，由于鵝公巖匝道為重慶南岸區通往九龍坡區的主要通道，在高峰時期車輛十分擁堵，此時減速標線并不能發揮理想效果，因此，該文利用航拍視頻錄制自由流狀態下的交通流量視頻，在120 m長度布設減速標線試驗路段，車型組成主要為小型客車和中型貨車，對基本所需數據的計算得到至少需要35個試驗樣本量，該文對測得的73輛小客車進行分析，其區間速度平均值為30.99 km/h，對比路段200 m通過的44輛標準小客車的區間平均速度為33.86 km/h，根據超高計算公式，取μ=0.20代入公式計算，得到超高值為7.42%，計算得到其合成坡度為9.06%，滿足規范要求。匝道出口的車速限制可以保證車輛運行速度的均勻性和交通流穩定性，此匝道出口的減速路段設置縱向減速標線，可以提前提醒駕駛員在駛出匝道前進行充分的減速，減小前后車輛之間的運行速度差值，避免發生追尾事故。

2.2 試驗設備

試驗中主要用到4種儀器設備，分別為行車記錄儀、無人航拍機、眼動儀和坡度計。行車記錄儀能夠記錄的數據相對來說精度較高，且可以錄制行駛過程中所有的視頻狀態，信息比較全面，可以為后期試驗校對時間與路段位置的一致性，也可以確定行車地點和駕駛周邊的環境。精靈4pro無人機的感應系統為視覺定位系統和前視障礙物感知系統；支持APP控制。坡度計用于測量試驗路段的坡度。Smart Eye型眼動儀可以用于記錄試驗過程中駕駛員的眼動指標的變化，以文本文檔和視頻形式保存，再通過配套分析軟件Begaze來分析注視和掃視行為數據，簡化試驗數據分析過程。

3 交通特性分析

3.1 區間速度

速度描述統計量數據見表1。

表1 速度分布描述統計量

由表1可知：鵝公巖大橋試驗匝道的速度樣本數為73個，滿足樣本量的要求；對比試驗路段和對比路段的P-P圖(圖1)，驗證真實數據和待檢驗分布的累計概率，檢驗其是否符合正態分布。

表1表明：① 對比路段速度的標準差7.27 km/h大于試驗路段速度的標準差5.94 km/h，即對比路段的速度分布較為離散，其大部分的數值和其平均值之間差異較大；② 對比路段速度的均值33.86 km/h大于試驗路段速度的均值30.99 km/h，說明在同樣的道路環境下，在匝道設置縱向減速標線可以使區間速度的均值降低8.48%。對比路段與試驗路段的V15相差不大，V85相差較大，試驗路段的V85相對對比路段V85降低了14.99%。

圖1 速度正態P-P圖和頻率分布圖

3.2 車頭時距

車頭時距描述統計量見表2。

表2 車頭時距描述統計量

試驗路段有效樣本數為50，樣本均值為2.68 s，標準偏差為2.12 s，中值為2.00 s，對比路段的有效樣本數為36，樣本均值為3.14s，標準偏差為1.97 s，中值為3.00 s，對試驗路段和對比路段的PP圖(圖2)驗證真實數據和待檢驗分布的累計概率，符合正態分布。研究表明：由于此試驗路段為雙車道匝道，不同車道上的車輛之間影響較小，設置縱向減速標線對此匝道路段的車頭時距無顯著影響。

圖2 車頭時距正態P-P圖和頻率分布圖

4 生理行為指標分析

4.1 注視區域劃分方法

為了能夠使駕駛員識別到更多的信息獲取充足的道路環境狀態來保證安全行駛，駕駛員在行駛時需要關注道路上的各種目標。然而，由于并不是所有的目標都會影響到駕駛員的行車安全，因此，駕駛員往往會選擇性反復關注特定的幾個感興趣目標。為了能夠更加充分地研究駕駛員的眼動特性規律和視覺搜索模式，該文選取機械劃分法的原理結合眼動設備采集的注視點數據，利用逐一統計和k均值動態聚類的方法來分析駕駛員視覺特性。動態聚類法的具體過程如下：

第一步：初始化。選擇對象集X，按照指定的聚類類別個數k，在X中按照需要的k作為初始聚類中心，設置迭代中止條件，迭代時首先進行相似度計算：

(1)

式中：cj為第j個聚類中心，而d(xi,cj)是聚類中心cj與樣本xi之間的距離。距離的計算采用閔可夫斯基公式：

(2)

第二步：進行迭代。

第三步：更新聚類中心。

第四步：重復上述第二和第三步。

綜合分析，根據目前已有研究的駕駛員視野平面劃分方法，該文基于動態聚類算法，以駕駛員視覺視線點為基礎，再根據道路線形、車輛結構特性和駕駛員的駕駛特性，對駕駛員視野平面進行了劃分。

4.2 注視區域劃分和注視點分布規律研究

通過注視區域劃分方法的方法，利用注視點逐一統計和視野平面劃分的方法，將眼動儀統計到的注視點進行聚類分析，選取合適的聚類個數，結合駕駛員行車過程中的視覺特性，該文根據拉依達準則法和標準化數值對眼動數據進行剔除，通過SPSS軟件得到相應駕駛員眼動數據對應的均值和標準差，得到剔除異常數據后的可分析眼動數據，根據駕駛員注視點分布規律和實驗車輛環境特性,通過Origin軟件的k均值聚類，對處理后的眼動數據選取6類k均值聚類對視線點坐標(x，y)進行了聚類分析，聚類結果見表3；根據聚類結果畫出的不同駕駛員行駛在鵝公巖大橋的視線點坐標(x1，y1)、(x2，y2)聚類見圖3。

表3 鵝公巖大橋匝道注視點聚類中心

圖3 鵝公巖大橋匝道縱向減速標線注視點坐標x-y密度圖

通過分析最終聚類結果發現，駕駛員視線點在其視野范圍內呈一定分布規律，因此，結合車輛結構和道路線形，按照試驗路段的不同駕駛員注視點匯總分析，將駕駛員前方視野平面劃分為左前方、右前方、左遠前方、右遠前方、近前方和遠前方6個區域，其具體含義是：左前方(紫色框)：駕駛員視線左側道路輪廓；右前方(橘色框)：駕駛員視線右側道路輪廓；左遠前方(綠色框)：駕駛員視線左側上方道路環境；右遠前方(藍色框)：駕駛員視線右側上方道路環境；近前方(白色框)：駕駛員視線注意點；遠前方(黃色框)：駕駛員視線上空及遠處道路環境。

在不同的道路線形和環境下，駕駛員的視點分布主要是在道路左右兩側遠近不同的道路輪廓及線形走向和道路前方遠近不同的道路環境上，因該文的異常數據篩選的方法選取，將少量的視點因變更車道和超車而落在車輛的左右兩側后視鏡上的數據剔除了，且后視鏡處的視點對該文研究的減速標線影響不大，所以對此不做分析。

通過對各路段注視區域平面劃分的結果分析，可以看出該文研究的減速標線主要落在近前方(白色框)區域。當處于左轉道路時，視點落在左側的頻率大于右側，當處于右轉道路時，視點落在右側的頻率大于左側，當處于直線路段時，視線點落在前方的頻率稍大一些。駕駛員在右轉彎時主要注意內路邊緣，左轉時注意外路邊緣，駕駛員注視行為在曲線路段和平直路段上存在顯著差異，對駕駛員視點數進行統計計算，得到駕駛員的視點在標線所在區域的占比，即減速標線所在區域的視點數除以總的視點數。人的眼動行為可分為注視、掃視和眨眼3種，其中注視是表示關注目標的行為。注視時間百分比是駕駛員產生的所有注視行為的時間與產生所有眼動行為的總時間的比值，其反映了某一時間段內駕駛員的注意力集中程度。鵝公巖大橋由于匝道線形復雜和周圍環境的單調，在設置減速標線的區域視點占比較多，為40.28%。

5 軌跡指標分析

通過對試驗中錄制的視頻進行分析，該文主要針對小客車的行駛軌跡，按照30幀/s(圖4)的頻數劃分數據采集斷面A-G，再結合數據采集斷面對車輛軌跡橫向偏移量D(t)(假設視頻中的車輛為一個質點，其橫向偏移量為質點到車道邊緣線的距離)進行標定和數據采集，具體數據見表4、5。

圖4 縱向減速標線試驗路段數據采集點

表4 試驗數據統計分析結果

表5 鵝公巖大橋試驗路段、對比路段小型車行駛軌跡偏移量頻率值

對試驗路段的軌跡橫向偏移量進行統計分析，可以發現鵝公巖大橋設置減速標線后的第85百分位值要小于未設置的對比路段，鵝公巖大橋試驗路段均值小于對比路段均值，說明設置橫向減速標線使得山區城市道路匝道路段軌跡橫向偏移量的離散程度降低。

對鵝公巖大橋試驗路段和對比路段的軌跡橫向偏移量進行統計分析，可以發現：在試驗路段7個不同斷面的軌跡偏移統計中，A、C、D、E、F和G斷面偏移量分布頻率最大值31.34%、38.24%、32.31%、38.60%、43.59%和36.00%均在(0.5 m，1 m]區間內，B斷面偏移量分布頻率最大值27.94%在(0，0.5 m]區間內，其次偏移量分布頻率值26.47%也在(0.5 m，1 m]區間內；說明大部分車輛在設置減速標線的路段行駛時，其軌跡偏移量一般在0.5～1 m范圍內；未設置減速標線的對比路段A斷面偏移量分布頻率最大值34.29%在(1 m，1.5 m]區間內，B、C、D和E斷面偏移量分布頻率最大值38.24%、34.29%、33.33%和42.86%均在(1.5 m，2 m]區間內，F斷面偏移量分布頻率最大值47.06%均在(2 m，2.5 m]區間內，G斷面偏移量分布頻率最大值44.44%均在(2.5 m，3 m]區間內，說明在未設置減速標線路段的大部分車輛在進入鵝公巖匝道時，其軌跡偏移量逐漸增大，由1～1.5 m區間逐步地穩定過渡到1.5～2 m范圍，在駛離匝道時，其軌跡偏移量較為離散，增大到2～3 m的范圍。因此，設置減速標線可以縮小車輛在匝道行駛時的橫向偏移量，規范車輛行駛軌跡線路。

6 結語

采用統計分析方法對試驗路段和對比路段的試驗數據進行分析，得到鵝公巖匝道路段的基本線形參數，如超高、合成坡度值和道路寬度等，根據實地情況對試驗段的交通流特性、駕駛員生理行為指標和軌跡規律進行分析，其中交通流特性主要包括一定時間內通過試驗段的交通流量、區間速度和不同車型的速度對比分析，駕駛員生理行為分析主要包括注視區域劃分、注視點分布變化規律，軌跡規律分析主要包括減速標線對軌跡橫向偏移量的影響，試驗表明：在匝道設置縱向減速標線可以使區間速度的均值降低8.48%，分布更為集中，對車頭時距無顯著影響，大部分車輛軌跡偏移量一般在0.5～1 m范圍內，小于對比路段的1～1.5 m；駕駛員視線點在其視野范圍內呈一定分布規律，因此，利用聚類分析結合車輛結構和道路線形，將駕駛員前方視野平面劃分為左前方、右前方、左遠前方、右遠前方、近前方和遠前方6個區域，鵝公巖大橋匝道段視點占比為40.28%。總之，在匝道路段設置縱向減速標線可以提前警告駕駛員控制車速，提高匝道行駛安全性。