無控平交口實時風(fēng)險預(yù)警系統(tǒng)對駕駛?cè)诵袨榈挠绊懛治?/h1>
2023-07-14 15:00:38郭鳳香熊昌安倪定安楊文臣
重慶交通大學(xué)學(xué)報(自然科學(xué)版) 2023年5期
郭鳳香,熊昌安,,倪定安,蘇 宇,楊文臣
(1. 昆明理工大學(xué) 交通工程學(xué)院,云南 昆明 650500;2. 云南省交通規(guī)劃設(shè)計研究院 陸地交通氣象災(zāi)害防治技術(shù)國家工程實驗室,云南 昆明 650200)
0 引 言
無信號控制平面交叉口(以下簡稱“無控平交口”)因缺少必要的交通控制導(dǎo)致交通參與者通行權(quán)分配不明確,致使交叉口內(nèi)部交通秩序混亂、機非混行、人車交織情況嚴重,成為道路交通系統(tǒng)的薄弱環(huán)節(jié)和惡性交通事故多發(fā)點[1]。因此,如何提高無控平交口的綜合安全水平已成為國內(nèi)外的研究熱點。
目前,國內(nèi)針對提升交叉口安全水平的研究主要集中在改良視距[2-3]、改善交通環(huán)境[4]、提升管控水平[5]、調(diào)整幾何設(shè)計[6]等方面。實際上,交通安全設(shè)施的有效布設(shè)能夠明顯降低交通事故的事故數(shù)[7]。隨著研究的不斷深入,交叉口交通安全設(shè)施的評價以經(jīng)驗為主的由傳統(tǒng)定性評估逐漸轉(zhuǎn)變?yōu)榛隈{駛員生理心理特征和駕駛行為的定量評估[8]。任余華[9]建立了駕駛行為中駕駛信息處理模型,從駕駛?cè)说鸟{駛行為特性角度出發(fā),評價交通設(shè)施對駕駛行為的影響;雋志才等[10]應(yīng)用特征說理論證實了交通標志的獨特外形更能吸引駕駛?cè)说淖⒁饬ΑＨ欢?國內(nèi)現(xiàn)有針對靜態(tài)交通標志的有效性研究仍停留在傳統(tǒng)的被動、后評價的層面,缺乏主動性、預(yù)見性和安全性,不能滿足交通事故主動預(yù)防和預(yù)警的需要。
其中,可變信息情報板(variable message signs, VMS)作為無控平交口主動安全防控技術(shù)的典型產(chǎn)品備受關(guān)注。VMS作為路網(wǎng)路況實時信息發(fā)布的重要設(shè)施,在道路管理中得到了廣泛的應(yīng)用,其年增長率高達18.6%[11];W.ZHAO等[12]采用離散選擇模型對1 154名駕駛員的表露偏好和陳述偏好進行問卷調(diào)查,發(fā)現(xiàn)對于當(dāng)前和鄰近的道路交通信息,駕駛?cè)烁嗖A于“黑底黃字”的信息發(fā)布形式;C.LAI[13]研究了VMS的配色方案和信息線數(shù)對駕駛?cè)藨?yīng)績效的影響,研究結(jié)果表明雙色的配色方案搭配兩行文字的顯示效果更好;瑞典道路管理局(swedish road administration, SRA)研發(fā)了一種十字交叉口可變限速系統(tǒng),并于2003—2007年間對該系統(tǒng)進行了試驗,試驗結(jié)果表明在十字交叉口可變限速系統(tǒng)的作用下,車輛經(jīng)過交叉口的行駛速度平均降低了14 km/h,車輛可接受穿插間隙增加了1～2 s[14]。綜上所述,目前針對無控平交口主動安全防控技術(shù)的研究大多集中在無控平交口實時風(fēng)險預(yù)警系統(tǒng)警示效果的現(xiàn)場測試,且多以研究交叉口車輛碰撞風(fēng)險評估、車速分布研究為主,尚未從駕駛?cè)诵袨樘匦越嵌葘︻A(yù)警系統(tǒng)的警示效果進行綜合系統(tǒng)的分析;同時現(xiàn)有研究中針對駕駛?cè)司拘Ч町惖亩垦芯枯^少,未建立駕駛?cè)说鸟{駛行為特性與RTCRWS警示效果的內(nèi)在聯(lián)系。
鑒于此,筆者構(gòu)建不同交通條件下的公路無控平交口虛擬仿真實驗場景,應(yīng)用駕駛模擬系統(tǒng)完成駕駛模擬實驗采集多名駕駛?cè)说鸟{駛行為特性數(shù)據(jù),研究RTCRWS對駕駛?cè)笋{駛行為特性的影響,分析駕駛?cè)嗽诓煌煌l件下對RTCRWS警示效果反應(yīng)的變化情況,揭示駕駛?cè)说男袨樘匦耘cRTCRWS警示效果的內(nèi)在聯(lián)系,為提升無控平交口的行車安全提供一定的理論支撐。
1 實驗設(shè)計
1.1 實驗場景設(shè)計
研究對象為RTCRWS,顯示策略如圖1,閃爍頻率為1.00 Hz,當(dāng)側(cè)向有來車時,預(yù)警警示牌依次閃爍圖1(a)中的信息;側(cè)向無來車時,預(yù)警警示牌依次閃爍圖1(b)中的信息。筆者應(yīng)用昆明理工大學(xué)道路交通模擬實驗室自主開發(fā)的VS-Design三維場景設(shè)計軟件搭建實驗環(huán)境,依次構(gòu)建輕度交通流無預(yù)警、輕度交通流有預(yù)警、重度交通流有預(yù)警共計3個公路無控平交口虛擬仿真場景,如表1。
表1 實驗場景的設(shè)計及仿真效果Table 1 Design and simulation effect of experimental scenarios
圖1 RTCRWS預(yù)警顯示策略及布設(shè)Fig. 1 Early warning display strategy and layout of RTCRWS
1.2 被試者選取
為計算實驗所需樣本量N,筆者選擇10%的顯著水平反映未知參數(shù)的90%置信水平;當(dāng)置信水平為90%時,Z為1.25;σ的取值范圍為0.25～0.50,筆者取值為0.35;因此,計算所得N的取值為19[15]。
N=Z2σ2/E2
(1)
式中:N為樣本量;σ為標準偏差;Z為標準正態(tài)分布統(tǒng)計量;E為最大誤差。
選取22名熟練駕駛?cè)俗鳛楸辉囌?年齡在22～55周歲之間,其中男性13人,女性9人。要求被試人員健康狀況良好,無重大疾病,有自主判斷能力,無色盲;將熟練駕駛?cè)硕x為駕齡超過2年,且累計駕駛里程≥30 000 km。
1.3 實驗設(shè)備
1.3.1 駕駛模擬器
本實驗采用昆明理工大學(xué)交通學(xué)院道路交通模擬實驗室自主研發(fā)的KMRTDS駕駛模擬器實時采集車輛運行參數(shù),記錄頻率為60 Hz。該模擬器能夠提供140°的水平視野和40°的垂直視野,如圖2(a)。陳亮等[16]對駕駛模擬器的三維虛擬圖像物體空間大小進行了標定,解決了被試者在實驗時的視覺感問題;并基于模糊神經(jīng)網(wǎng)絡(luò)方法從駕駛艙、動力學(xué)模型、視覺圖像、體感和基本行為5個層次建立了駕駛模擬器實驗有效性評價模型。利用此模型計算出的KMRTDS駕駛模擬器最終的實驗有效性評價結(jié)果值為0.673 6,能夠較好地適用于駕駛模擬仿真實驗研究[17]。
圖2 實驗設(shè)備Fig. 2 Experimental equipment
1.3.2 ErgoLAB可穿戴無線生理儀
實驗通過ErgoLAB可穿戴無線生理儀采集駕駛?cè)说男碾?ECG)、皮電(EDA)數(shù)據(jù),該系統(tǒng)采用無線射頻生理記錄技術(shù)對被試者無束縛、無任何干擾,不影響被試者真實的自然行為表現(xiàn),適合進行真實世界現(xiàn)場研究,如圖2(b)。
1.4 實驗過程
工作人員在實驗前檢查駕駛模擬平臺確保各功能模塊工作正常、被試者填寫基本信息掉調(diào)查表。講解駕駛模擬器的操作方法和相關(guān)注意事項,引導(dǎo)被試者進行預(yù)實驗,熟悉駕駛模擬器的操作。宣讀實驗要求,為被試者佩戴ErgoLAB生理心理儀并進行調(diào)試校對,開始正式實驗。實時采集被試者的各項指標數(shù)據(jù)并對突發(fā)情況和異常數(shù)據(jù)進行處理。
1.5 實驗平臺有效性驗證
車輛運行速度[18]與駕駛?cè)说男睦砩矸磻?yīng)[19]是表征駕駛模擬實驗有效性的重要指標。因本次實驗所搭建的虛擬仿真道路場景無真實道路原型進行對照,為測試本次駕駛模擬實驗的有效性,研究選取云南省楚雄州牟定縣的朵基交叉口為測試點進行實車實驗,同時搭建高還原度的朵基交叉口虛擬仿真場景進行駕駛模擬實驗,采集被試者經(jīng)過交叉口時的駕駛行為數(shù)據(jù)和心理生理數(shù)據(jù),2組實驗的對比結(jié)果如圖3。
圖3 實驗平臺有效性驗證Fig. 3 Verification of the effectiveness of the experimental platform
由圖3(a)可知,模擬實驗與實車實驗下的平均速度變化趨勢一致,整體略高于實車實驗條件下的車速,相對一致性良好。由圖3(b)可知,駕駛?cè)说男穆试鲩L率在模擬實驗與實車實驗下的變化趨勢相類似,模擬駕駛實驗條件下的心電指標心率具有相對有效性。
綜上可知,KMRTDS駕駛模擬器在實施駕駛行為相關(guān)研究方面具有較高的相對有效性。
2 評價指標選取
心率變異性(heart rate variability, HRV)能夠較為直觀地反映駕駛?cè)说纳碜兓癄顩r[20-21],故筆者選取HRV參數(shù)TSDNN、TRMSSD、NLF-norm和NLF/HF作為被試者生理特性評價指標;同時,研究表明車輛在限速范圍內(nèi)行駛時的交通事故發(fā)生率隨車速均值的增加而逐漸上升[22],且速度標準差能夠表示行駛過程中車速的波動情況[23],車速變異系數(shù)常用于表征車速的離散程度,離散程度越大,車輛安全性越低,發(fā)生事故的可能性越大[24],規(guī)避碰撞時間TTTC(time to collision, TTC)[25]常用于表征交通沖突的風(fēng)險程度,并被廣泛使用。故選取車速均值V、車速標準差VSD、車速變異系數(shù)CV和TTTC作為被試者駕駛操作行為的評價指標。
1)TSDNN為正常心搏NN間期的標準差,單位為ms,正常值>100 ms,能夠反映人體交感神經(jīng)和副交感神經(jīng)的張力。HRV隨TSDNN數(shù)值的增加而上升,隨TSDNN數(shù)值的減少而下降[22]:
(2)
2)TRMSSD為相鄰2個NN間期差值的均方根,單位為ms,正常值為(27±12)ms,常被用來表征HRV中的快變化成分[22]:
(3)
式中:tNN,i和tNN,i+1為相鄰的2個竇性心動周期的長度。
3)NLF-norm為歸一化的低頻段功率單位為nu,能夠表征交感神經(jīng)調(diào)節(jié)的變化[20]:
(4)
式中:NTP為包括NVLF、NLF、NHF在內(nèi)的所有能量的總和;NVLF為極低頻段功率(0.003 3～0.040 0 Hz);NLF為低頻段功率(0.04～0.15 Hz)。
4)NLF/HF為低頻段功率與高頻段功率的比值,能夠表征自主神經(jīng)的平衡狀態(tài)。
5)車速變異系數(shù)為斷面車速標準差與車速均值的比值,用于衡量車輛行駛車速變化幅度的差異[26]:
CV=σ/μ
(5)
式中:CV為車速變異系數(shù);σ為車速標準差;μ為車速均值。
6)規(guī)避碰撞時間(TTTC)為從某一時刻A起,兩車保持原有速度與方向不變,直至碰撞發(fā)生時刻B為止,AB間的時長為TTTC的取值,單位為s。TTTC的取值與交通沖突的風(fēng)險程度的大小成負相關(guān)關(guān)系,TTTC值越大,表征風(fēng)險程度越小[25]。
TTTC=Lt0/Vt0
(6)
式中:t0為支路沖突車輛的發(fā)動時刻;Lt0為t0時刻實驗主車與沖突區(qū)域中心的距離;Vt0為實驗主車在t0時刻的速度。
3 數(shù)據(jù)處理與分析
對實驗數(shù)據(jù)進行篩選和預(yù)處理,通過觀看實驗記錄視頻截取被試者經(jīng)過交叉口的時間段起止點,提取駕駛?cè)笋側(cè)肫浇豢谇?0 s、后5 s內(nèi)(共計25 s)的心理行為特性數(shù)據(jù)和駕駛操作行為數(shù)據(jù)。因心電信號是隨機、非穩(wěn)態(tài)的微弱信號,在提取心電信號時存在多種噪聲干擾和電磁干擾,選擇小波變換(wavelet transform, WT)對HRV信號進行分解和波形重塑處理,降低信號中的噪聲干擾。
3.1 HRV特性分析
HRV時域特性能夠反映心臟交感神經(jīng)和迷走神經(jīng)的張力與平衡性,可作為檢測自主神經(jīng)性活動的非侵入性指標[21]。對3個場景中駕駛?cè)说男碾姅?shù)據(jù)進行HRV時域方法處理,分析結(jié)果如表2。
表2 不同場景下駕駛?cè)薍RV時域指標統(tǒng)計量Table 2 HRV time-domain indicator statistics of drivers in different scenarios
由表2可知,駕駛?cè)说腡SDNN指標均值屬于異常值范圍,均小于正常值的下限,按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次升高,其標準差呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降的趨勢;駕駛?cè)说腡RMSSD指標均值屬于正常值范圍,并按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,其標準差也呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降的趨勢;駕駛?cè)烁黜椫笜说臉藴什畋戎蛋凑蛰p度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序逐漸減小。表明駕駛?cè)思词褂蠷TCRWS的警示效果,在無控平交口面對側(cè)向來車時仍然會表現(xiàn)出超出正常范圍的緊張情緒。
橫向?qū)Ρ?個實驗場景可知駕駛?cè)说男睦砭o張程度按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減弱,表明與在交叉口布設(shè)RTCRWS相比,未布設(shè)RTCRWS的情況下駕駛?cè)送ㄟ^交叉口的緊張情緒和警覺程度更高,且不同交通條件下駕駛?cè)藢TCRWS的警示效果存在差異,相較于重度交通流條件,駕駛?cè)嗽谳p度交通流條件下對RTCRWS的警示效果表現(xiàn)出更強的緊張情緒和警覺程度。
3種場景下駕駛?cè)说腍RV時域特性指標如圖4。由圖4可知,駕駛?cè)说男睦硖匦灾笜嗽谥囟冉煌饔蓄A(yù)警場景中的分布更為集中且更接近指標的正常值范圍。分析原因可知,駕駛?cè)嗽谥囟冉煌饔蓄A(yù)警場景下的心理緊張程度最低,亦從側(cè)面反映出RTCRWS布設(shè)在重度交通流交叉口的警示效果更好。
圖4 駕駛?cè)薍RV時域指標箱型Fig. 4 Drivers’ HRV time-domain index box chart
目前認為HRV頻域分析可以彌補時域分析丟失信號時序信息、靈敏度和特異性低等不足之處,能夠較為細致地觀察交感和迷走神經(jīng)的調(diào)控作用[23]。3種場景下駕駛?cè)说腍RV頻域特性指標如圖5。
圖5 駕駛?cè)薍RV頻域指標箱型Fig. 5 Drivers’ HRV frequency-domain index box chart
現(xiàn)有研究表明個體HRV指標中的NLF-norm值與個體的工作負荷成負相關(guān)關(guān)系,可以很好地反映個體的工作負荷[26];而NLF/HF比值能夠表征自主神經(jīng)系統(tǒng)的平衡狀態(tài),反映駕駛?cè)搜杆龠m應(yīng)環(huán)境能力的高低[27]。由圖5可知,駕駛?cè)说腘LF-norm和NLF/HF指標按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次升高。3個場景下的駕駛?cè)薔LF-norm和NLF/HF的均值分別為62.52、67.71、75.61和4.60、5.65、6.96,據(jù)此可知駕駛?cè)说男睦碡摵砂凑蛰p度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減小,佐證了HRV時域分析的結(jié)論。
3.2 駕駛行為分析
統(tǒng)計駕駛過程中駕駛?cè)说能囁倬怠④囁僮儺愊禂?shù)、車速標準差和TTTC等指標,對比分析駕駛?cè)嗽诓煌瑘鼍跋赂髦笜俗兓闆r及差異,結(jié)果如表3所示;在平交口處不同場景下駕駛?cè)说娜司囁佘壽E曲線如圖6。
表3 不同場景下駕駛?cè)塑囁僦笜私y(tǒng)計量Table 3 Statistics of drivers’ speed index in different scenarios
圖6 不同場景下駕駛?cè)塑囁佘壽E曲線Fig. 6 Driving speed trajectory curve in different scenarios
相關(guān)研究發(fā)現(xiàn)車速均值與交通事故發(fā)生率呈正相關(guān)關(guān)系[22]、車速標準差與行駛平順性呈負相關(guān)關(guān)系[23]、車速變異系數(shù)與行駛安全性呈負相關(guān)關(guān)系[24]。由表3可知,駕駛?cè)说能囁倬怠④囁贅藴什詈蛙囁僮儺愊禂?shù)指標均呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,表明按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序,發(fā)生交通事故的概率依次減小;TTTC指標在場景1、場景2和場景3的取值依次為5.37、8.63和9.94,即駕駛?cè)藢煌_突風(fēng)險的感知按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,交叉口車輛行駛安全、行車平順性和安全性依次提升。
如圖6,在輕度交通流無預(yù)警條件下,駕駛?cè)嗽谶M入交叉口前2 s左右出現(xiàn)車速下降;在輕度交通流有預(yù)警條件下,駕駛?cè)塑囁傧陆档臅r刻提前至進入交叉口前7 s左右;在重度交通流有預(yù)警條件下,駕駛?cè)塑囁傧陆档臅r刻提前至進入交叉口前12 s左右;即駕駛?cè)嗽诮徊婵谔幍能囁僦苿訒r刻按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次提前。
對比輕度交通流無預(yù)警場景與輕度交通流有預(yù)警場景、輕度交通流有預(yù)警場景與重度交通流有預(yù)警場景中的駕駛?cè)塑囁倬怠④囁贅藴什睢④囁僮儺愊禂?shù)指標及車速下降時刻可知,在無控平交口處布設(shè)RTCRWS能夠有效降低駕駛?cè)送ㄟ^交叉口的行駛車速,提升無控平交口處的安全水平;不同交通條件下的RTCRWS警示效果存在差異,相較于輕度交通流,RTCRWS在重度交通流條件下的警示效果更加顯著。
3.3 RTCRWS綜合警示效果評價
為論證不同交通條件下各評價指標對RTCRWS警示效果的綜合貢獻度,采用TSDNN(x1)、TRMSSD(x2)、NLF-norm(x3)、NLF/HF(x4)、車速均值V(x5)、車速標準差VSD(x6)、車速變異系數(shù)CV(x7)和TTTC(x8)等8個評價指標對3種交通條件下RTCRWS的警示效果進行綜合評價。
對8個評價指標進行相關(guān)性檢驗,結(jié)果顯示相關(guān)系數(shù)R2多數(shù)大于0.30,KMO值為0.653,高于標準值0.6,Bartlett球形度檢驗結(jié)果達到顯著性水平(P=0.000,P<0.05),表明適合采用主成分分析進行因素分析;提取指標特征值,得出2個主成分(F1,F2),累計方差貢獻度達到91.876%(>80%),計算主成分得分函數(shù)為:
F1=-0.451x1-0.437x2+0.394x3+0.408x4+
0.181x5-0.484x6+0.149x7+0.293x8
(7)
F2=-0.216x1+0.143x2-0.301x3+0.352x4-
0.484x5+0.145x6+0.542x7+0.249x8
(8)
根據(jù)2個主成分的方差貢獻率計算綜合警示效果Fw,得到駕駛?cè)嗽诓煌煌l件下對RTCRWS的綜合警示效果,見圖7。
圖7 綜合警示效果Fig. 7 Comprehensive warning effect
Fw=0.738F1+0.209F2
(9)
如圖7,輕度交通流無預(yù)警場景下的警示效果為-0.928,輕度交通流有預(yù)警場景下的警示效果為5.847,重度交通流有預(yù)警場景下的警示效果為8.858,綜合評價結(jié)果與HRV特性分析和行駛車速分析的結(jié)果一致,即RTCRWS的警示效果按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次增強,相較于輕度交通流,RTCRWS在重度交通流條件下的警示效果更加顯著。
4 結(jié) 論
通過對不同交通條件下駕駛?cè)薍RV指標、車速均值、標準差和車速變異系數(shù)數(shù)據(jù)的采集與分析,最后實現(xiàn)了RTCRWS在不同交通條件下警示效果的綜合評價,得出以下結(jié)論:
1)RTCRWS對各年齡段駕駛?cè)巳后w的警示效果良好,能夠緩解駕駛?cè)送ㄟ^無控平交口處的緊張情緒、降低駕駛?cè)送ㄟ^無控平交口的行駛車速、提升無控平交口處的安全水平。
2)RTCRWS在不同交通條件下對駕駛?cè)说木拘Ч嬖诓町?駕駛?cè)说男睦砭o張程度按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減弱,且相較于輕度交通流,在重度交通流條件下RTCRWS的警示效果更加顯著。
猜你喜歡
記一次有趣的實驗小獼猴智力畫刊(2022年9期)2022-11-04 02:31:42 微型實驗里看“燃燒”中學(xué)生數(shù)理化·中考版(2022年11期)2022-02-16 07:01:20 按摩效果確有理論依據(jù)中老年保健(2021年12期)2021-11-30 02:58:01 做個怪怪長實驗小哥白尼(趣味科學(xué))(2019年6期)2019-10-10 01:01:50 迅速制造慢門虛化效果攝影之友(影像視覺)(2019年2期)2019-03-05 08:27:14 抓住“瞬間性”效果中華詩詞(2018年11期)2018-03-26 06:41:34 模擬百種唇妝效果Coco薇(2016年8期)2016-10-09 02:11:50 NO與NO2相互轉(zhuǎn)化實驗的改進發(fā)明與創(chuàng)新(2016年38期)2016-08-22 03:02:52 實踐十號上的19項實驗太空探索(2016年5期)2016-07-12 15:17:55 3D—DSA與3D—CTA成像在顱內(nèi)動脈瘤早期診斷中的應(yīng)用效果比較中國醫(yī)藥科學(xué)(2015年19期)2015-02-27 12:33:11
郭鳳香,熊昌安,,倪定安,蘇 宇,楊文臣
(1. 昆明理工大學(xué) 交通工程學(xué)院,云南 昆明 650500;2. 云南省交通規(guī)劃設(shè)計研究院 陸地交通氣象災(zāi)害防治技術(shù)國家工程實驗室,云南 昆明 650200)
0 引 言
無信號控制平面交叉口(以下簡稱“無控平交口”)因缺少必要的交通控制導(dǎo)致交通參與者通行權(quán)分配不明確,致使交叉口內(nèi)部交通秩序混亂、機非混行、人車交織情況嚴重,成為道路交通系統(tǒng)的薄弱環(huán)節(jié)和惡性交通事故多發(fā)點[1]。因此,如何提高無控平交口的綜合安全水平已成為國內(nèi)外的研究熱點。
目前,國內(nèi)針對提升交叉口安全水平的研究主要集中在改良視距[2-3]、改善交通環(huán)境[4]、提升管控水平[5]、調(diào)整幾何設(shè)計[6]等方面。實際上,交通安全設(shè)施的有效布設(shè)能夠明顯降低交通事故的事故數(shù)[7]。隨著研究的不斷深入,交叉口交通安全設(shè)施的評價以經(jīng)驗為主的由傳統(tǒng)定性評估逐漸轉(zhuǎn)變?yōu)榛隈{駛員生理心理特征和駕駛行為的定量評估[8]。任余華[9]建立了駕駛行為中駕駛信息處理模型,從駕駛?cè)说鸟{駛行為特性角度出發(fā),評價交通設(shè)施對駕駛行為的影響;雋志才等[10]應(yīng)用特征說理論證實了交通標志的獨特外形更能吸引駕駛?cè)说淖⒁饬ΑＨ欢?國內(nèi)現(xiàn)有針對靜態(tài)交通標志的有效性研究仍停留在傳統(tǒng)的被動、后評價的層面,缺乏主動性、預(yù)見性和安全性,不能滿足交通事故主動預(yù)防和預(yù)警的需要。
其中,可變信息情報板(variable message signs, VMS)作為無控平交口主動安全防控技術(shù)的典型產(chǎn)品備受關(guān)注。VMS作為路網(wǎng)路況實時信息發(fā)布的重要設(shè)施,在道路管理中得到了廣泛的應(yīng)用,其年增長率高達18.6%[11];W.ZHAO等[12]采用離散選擇模型對1 154名駕駛員的表露偏好和陳述偏好進行問卷調(diào)查,發(fā)現(xiàn)對于當(dāng)前和鄰近的道路交通信息,駕駛?cè)烁嗖A于“黑底黃字”的信息發(fā)布形式;C.LAI[13]研究了VMS的配色方案和信息線數(shù)對駕駛?cè)藨?yīng)績效的影響,研究結(jié)果表明雙色的配色方案搭配兩行文字的顯示效果更好;瑞典道路管理局(swedish road administration, SRA)研發(fā)了一種十字交叉口可變限速系統(tǒng),并于2003—2007年間對該系統(tǒng)進行了試驗,試驗結(jié)果表明在十字交叉口可變限速系統(tǒng)的作用下,車輛經(jīng)過交叉口的行駛速度平均降低了14 km/h,車輛可接受穿插間隙增加了1～2 s[14]。綜上所述,目前針對無控平交口主動安全防控技術(shù)的研究大多集中在無控平交口實時風(fēng)險預(yù)警系統(tǒng)警示效果的現(xiàn)場測試,且多以研究交叉口車輛碰撞風(fēng)險評估、車速分布研究為主,尚未從駕駛?cè)诵袨樘匦越嵌葘︻A(yù)警系統(tǒng)的警示效果進行綜合系統(tǒng)的分析;同時現(xiàn)有研究中針對駕駛?cè)司拘Ч町惖亩垦芯枯^少,未建立駕駛?cè)说鸟{駛行為特性與RTCRWS警示效果的內(nèi)在聯(lián)系。
鑒于此,筆者構(gòu)建不同交通條件下的公路無控平交口虛擬仿真實驗場景,應(yīng)用駕駛模擬系統(tǒng)完成駕駛模擬實驗采集多名駕駛?cè)说鸟{駛行為特性數(shù)據(jù),研究RTCRWS對駕駛?cè)笋{駛行為特性的影響,分析駕駛?cè)嗽诓煌煌l件下對RTCRWS警示效果反應(yīng)的變化情況,揭示駕駛?cè)说男袨樘匦耘cRTCRWS警示效果的內(nèi)在聯(lián)系,為提升無控平交口的行車安全提供一定的理論支撐。
1 實驗設(shè)計
1.1 實驗場景設(shè)計
研究對象為RTCRWS,顯示策略如圖1,閃爍頻率為1.00 Hz,當(dāng)側(cè)向有來車時,預(yù)警警示牌依次閃爍圖1(a)中的信息;側(cè)向無來車時,預(yù)警警示牌依次閃爍圖1(b)中的信息。筆者應(yīng)用昆明理工大學(xué)道路交通模擬實驗室自主開發(fā)的VS-Design三維場景設(shè)計軟件搭建實驗環(huán)境,依次構(gòu)建輕度交通流無預(yù)警、輕度交通流有預(yù)警、重度交通流有預(yù)警共計3個公路無控平交口虛擬仿真場景,如表1。
表1 實驗場景的設(shè)計及仿真效果Table 1 Design and simulation effect of experimental scenarios
圖1 RTCRWS預(yù)警顯示策略及布設(shè)Fig. 1 Early warning display strategy and layout of RTCRWS
1.2 被試者選取
為計算實驗所需樣本量N,筆者選擇10%的顯著水平反映未知參數(shù)的90%置信水平;當(dāng)置信水平為90%時,Z為1.25;σ的取值范圍為0.25～0.50,筆者取值為0.35;因此,計算所得N的取值為19[15]。
N=Z2σ2/E2
(1)
式中:N為樣本量;σ為標準偏差;Z為標準正態(tài)分布統(tǒng)計量;E為最大誤差。
選取22名熟練駕駛?cè)俗鳛楸辉囌?年齡在22～55周歲之間,其中男性13人,女性9人。要求被試人員健康狀況良好,無重大疾病,有自主判斷能力,無色盲;將熟練駕駛?cè)硕x為駕齡超過2年,且累計駕駛里程≥30 000 km。
1.3 實驗設(shè)備
1.3.1 駕駛模擬器
本實驗采用昆明理工大學(xué)交通學(xué)院道路交通模擬實驗室自主研發(fā)的KMRTDS駕駛模擬器實時采集車輛運行參數(shù),記錄頻率為60 Hz。該模擬器能夠提供140°的水平視野和40°的垂直視野,如圖2(a)。陳亮等[16]對駕駛模擬器的三維虛擬圖像物體空間大小進行了標定,解決了被試者在實驗時的視覺感問題;并基于模糊神經(jīng)網(wǎng)絡(luò)方法從駕駛艙、動力學(xué)模型、視覺圖像、體感和基本行為5個層次建立了駕駛模擬器實驗有效性評價模型。利用此模型計算出的KMRTDS駕駛模擬器最終的實驗有效性評價結(jié)果值為0.673 6,能夠較好地適用于駕駛模擬仿真實驗研究[17]。
圖2 實驗設(shè)備Fig. 2 Experimental equipment
1.3.2 ErgoLAB可穿戴無線生理儀
實驗通過ErgoLAB可穿戴無線生理儀采集駕駛?cè)说男碾?ECG)、皮電(EDA)數(shù)據(jù),該系統(tǒng)采用無線射頻生理記錄技術(shù)對被試者無束縛、無任何干擾,不影響被試者真實的自然行為表現(xiàn),適合進行真實世界現(xiàn)場研究,如圖2(b)。
1.4 實驗過程
工作人員在實驗前檢查駕駛模擬平臺確保各功能模塊工作正常、被試者填寫基本信息掉調(diào)查表。講解駕駛模擬器的操作方法和相關(guān)注意事項,引導(dǎo)被試者進行預(yù)實驗,熟悉駕駛模擬器的操作。宣讀實驗要求,為被試者佩戴ErgoLAB生理心理儀并進行調(diào)試校對,開始正式實驗。實時采集被試者的各項指標數(shù)據(jù)并對突發(fā)情況和異常數(shù)據(jù)進行處理。
1.5 實驗平臺有效性驗證
車輛運行速度[18]與駕駛?cè)说男睦砩矸磻?yīng)[19]是表征駕駛模擬實驗有效性的重要指標。因本次實驗所搭建的虛擬仿真道路場景無真實道路原型進行對照,為測試本次駕駛模擬實驗的有效性,研究選取云南省楚雄州牟定縣的朵基交叉口為測試點進行實車實驗,同時搭建高還原度的朵基交叉口虛擬仿真場景進行駕駛模擬實驗,采集被試者經(jīng)過交叉口時的駕駛行為數(shù)據(jù)和心理生理數(shù)據(jù),2組實驗的對比結(jié)果如圖3。
圖3 實驗平臺有效性驗證Fig. 3 Verification of the effectiveness of the experimental platform
由圖3(a)可知,模擬實驗與實車實驗下的平均速度變化趨勢一致,整體略高于實車實驗條件下的車速,相對一致性良好。由圖3(b)可知,駕駛?cè)说男穆试鲩L率在模擬實驗與實車實驗下的變化趨勢相類似,模擬駕駛實驗條件下的心電指標心率具有相對有效性。
綜上可知,KMRTDS駕駛模擬器在實施駕駛行為相關(guān)研究方面具有較高的相對有效性。
2 評價指標選取
心率變異性(heart rate variability, HRV)能夠較為直觀地反映駕駛?cè)说纳碜兓癄顩r[20-21],故筆者選取HRV參數(shù)TSDNN、TRMSSD、NLF-norm和NLF/HF作為被試者生理特性評價指標;同時,研究表明車輛在限速范圍內(nèi)行駛時的交通事故發(fā)生率隨車速均值的增加而逐漸上升[22],且速度標準差能夠表示行駛過程中車速的波動情況[23],車速變異系數(shù)常用于表征車速的離散程度,離散程度越大,車輛安全性越低,發(fā)生事故的可能性越大[24],規(guī)避碰撞時間TTTC(time to collision, TTC)[25]常用于表征交通沖突的風(fēng)險程度,并被廣泛使用。故選取車速均值V、車速標準差VSD、車速變異系數(shù)CV和TTTC作為被試者駕駛操作行為的評價指標。
1)TSDNN為正常心搏NN間期的標準差,單位為ms,正常值>100 ms,能夠反映人體交感神經(jīng)和副交感神經(jīng)的張力。HRV隨TSDNN數(shù)值的增加而上升,隨TSDNN數(shù)值的減少而下降[22]:
(2)
2)TRMSSD為相鄰2個NN間期差值的均方根,單位為ms,正常值為(27±12)ms,常被用來表征HRV中的快變化成分[22]:
(3)
式中:tNN,i和tNN,i+1為相鄰的2個竇性心動周期的長度。
3)NLF-norm為歸一化的低頻段功率單位為nu,能夠表征交感神經(jīng)調(diào)節(jié)的變化[20]:
(4)
式中:NTP為包括NVLF、NLF、NHF在內(nèi)的所有能量的總和;NVLF為極低頻段功率(0.003 3～0.040 0 Hz);NLF為低頻段功率(0.04～0.15 Hz)。
4)NLF/HF為低頻段功率與高頻段功率的比值,能夠表征自主神經(jīng)的平衡狀態(tài)。
5)車速變異系數(shù)為斷面車速標準差與車速均值的比值,用于衡量車輛行駛車速變化幅度的差異[26]:
CV=σ/μ
(5)
式中:CV為車速變異系數(shù);σ為車速標準差;μ為車速均值。
6)規(guī)避碰撞時間(TTTC)為從某一時刻A起,兩車保持原有速度與方向不變,直至碰撞發(fā)生時刻B為止,AB間的時長為TTTC的取值,單位為s。TTTC的取值與交通沖突的風(fēng)險程度的大小成負相關(guān)關(guān)系,TTTC值越大,表征風(fēng)險程度越小[25]。
TTTC=Lt0/Vt0
(6)
式中:t0為支路沖突車輛的發(fā)動時刻;Lt0為t0時刻實驗主車與沖突區(qū)域中心的距離;Vt0為實驗主車在t0時刻的速度。
3 數(shù)據(jù)處理與分析
對實驗數(shù)據(jù)進行篩選和預(yù)處理,通過觀看實驗記錄視頻截取被試者經(jīng)過交叉口的時間段起止點,提取駕駛?cè)笋側(cè)肫浇豢谇?0 s、后5 s內(nèi)(共計25 s)的心理行為特性數(shù)據(jù)和駕駛操作行為數(shù)據(jù)。因心電信號是隨機、非穩(wěn)態(tài)的微弱信號,在提取心電信號時存在多種噪聲干擾和電磁干擾,選擇小波變換(wavelet transform, WT)對HRV信號進行分解和波形重塑處理,降低信號中的噪聲干擾。
3.1 HRV特性分析
HRV時域特性能夠反映心臟交感神經(jīng)和迷走神經(jīng)的張力與平衡性,可作為檢測自主神經(jīng)性活動的非侵入性指標[21]。對3個場景中駕駛?cè)说男碾姅?shù)據(jù)進行HRV時域方法處理,分析結(jié)果如表2。
表2 不同場景下駕駛?cè)薍RV時域指標統(tǒng)計量Table 2 HRV time-domain indicator statistics of drivers in different scenarios
由表2可知,駕駛?cè)说腡SDNN指標均值屬于異常值范圍,均小于正常值的下限,按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次升高,其標準差呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降的趨勢;駕駛?cè)说腡RMSSD指標均值屬于正常值范圍,并按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,其標準差也呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降的趨勢;駕駛?cè)烁黜椫笜说臉藴什畋戎蛋凑蛰p度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序逐漸減小。表明駕駛?cè)思词褂蠷TCRWS的警示效果,在無控平交口面對側(cè)向來車時仍然會表現(xiàn)出超出正常范圍的緊張情緒。
橫向?qū)Ρ?個實驗場景可知駕駛?cè)说男睦砭o張程度按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減弱,表明與在交叉口布設(shè)RTCRWS相比,未布設(shè)RTCRWS的情況下駕駛?cè)送ㄟ^交叉口的緊張情緒和警覺程度更高,且不同交通條件下駕駛?cè)藢TCRWS的警示效果存在差異,相較于重度交通流條件,駕駛?cè)嗽谳p度交通流條件下對RTCRWS的警示效果表現(xiàn)出更強的緊張情緒和警覺程度。
3種場景下駕駛?cè)说腍RV時域特性指標如圖4。由圖4可知,駕駛?cè)说男睦硖匦灾笜嗽谥囟冉煌饔蓄A(yù)警場景中的分布更為集中且更接近指標的正常值范圍。分析原因可知,駕駛?cè)嗽谥囟冉煌饔蓄A(yù)警場景下的心理緊張程度最低,亦從側(cè)面反映出RTCRWS布設(shè)在重度交通流交叉口的警示效果更好。
圖4 駕駛?cè)薍RV時域指標箱型Fig. 4 Drivers’ HRV time-domain index box chart
目前認為HRV頻域分析可以彌補時域分析丟失信號時序信息、靈敏度和特異性低等不足之處,能夠較為細致地觀察交感和迷走神經(jīng)的調(diào)控作用[23]。3種場景下駕駛?cè)说腍RV頻域特性指標如圖5。
圖5 駕駛?cè)薍RV頻域指標箱型Fig. 5 Drivers’ HRV frequency-domain index box chart
現(xiàn)有研究表明個體HRV指標中的NLF-norm值與個體的工作負荷成負相關(guān)關(guān)系,可以很好地反映個體的工作負荷[26];而NLF/HF比值能夠表征自主神經(jīng)系統(tǒng)的平衡狀態(tài),反映駕駛?cè)搜杆龠m應(yīng)環(huán)境能力的高低[27]。由圖5可知,駕駛?cè)说腘LF-norm和NLF/HF指標按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次升高。3個場景下的駕駛?cè)薔LF-norm和NLF/HF的均值分別為62.52、67.71、75.61和4.60、5.65、6.96,據(jù)此可知駕駛?cè)说男睦碡摵砂凑蛰p度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減小,佐證了HRV時域分析的結(jié)論。
3.2 駕駛行為分析
統(tǒng)計駕駛過程中駕駛?cè)说能囁倬怠④囁僮儺愊禂?shù)、車速標準差和TTTC等指標,對比分析駕駛?cè)嗽诓煌瑘鼍跋赂髦笜俗兓闆r及差異,結(jié)果如表3所示;在平交口處不同場景下駕駛?cè)说娜司囁佘壽E曲線如圖6。
表3 不同場景下駕駛?cè)塑囁僦笜私y(tǒng)計量Table 3 Statistics of drivers’ speed index in different scenarios
圖6 不同場景下駕駛?cè)塑囁佘壽E曲線Fig. 6 Driving speed trajectory curve in different scenarios
相關(guān)研究發(fā)現(xiàn)車速均值與交通事故發(fā)生率呈正相關(guān)關(guān)系[22]、車速標準差與行駛平順性呈負相關(guān)關(guān)系[23]、車速變異系數(shù)與行駛安全性呈負相關(guān)關(guān)系[24]。由表3可知,駕駛?cè)说能囁倬怠④囁贅藴什詈蛙囁僮儺愊禂?shù)指標均呈現(xiàn)按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,表明按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序,發(fā)生交通事故的概率依次減小;TTTC指標在場景1、場景2和場景3的取值依次為5.37、8.63和9.94,即駕駛?cè)藢煌_突風(fēng)險的感知按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次下降,交叉口車輛行駛安全、行車平順性和安全性依次提升。
如圖6,在輕度交通流無預(yù)警條件下,駕駛?cè)嗽谶M入交叉口前2 s左右出現(xiàn)車速下降;在輕度交通流有預(yù)警條件下,駕駛?cè)塑囁傧陆档臅r刻提前至進入交叉口前7 s左右;在重度交通流有預(yù)警條件下,駕駛?cè)塑囁傧陆档臅r刻提前至進入交叉口前12 s左右;即駕駛?cè)嗽诮徊婵谔幍能囁僦苿訒r刻按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次提前。
對比輕度交通流無預(yù)警場景與輕度交通流有預(yù)警場景、輕度交通流有預(yù)警場景與重度交通流有預(yù)警場景中的駕駛?cè)塑囁倬怠④囁贅藴什睢④囁僮儺愊禂?shù)指標及車速下降時刻可知,在無控平交口處布設(shè)RTCRWS能夠有效降低駕駛?cè)送ㄟ^交叉口的行駛車速,提升無控平交口處的安全水平;不同交通條件下的RTCRWS警示效果存在差異,相較于輕度交通流,RTCRWS在重度交通流條件下的警示效果更加顯著。
3.3 RTCRWS綜合警示效果評價
為論證不同交通條件下各評價指標對RTCRWS警示效果的綜合貢獻度,采用TSDNN(x1)、TRMSSD(x2)、NLF-norm(x3)、NLF/HF(x4)、車速均值V(x5)、車速標準差VSD(x6)、車速變異系數(shù)CV(x7)和TTTC(x8)等8個評價指標對3種交通條件下RTCRWS的警示效果進行綜合評價。
對8個評價指標進行相關(guān)性檢驗,結(jié)果顯示相關(guān)系數(shù)R2多數(shù)大于0.30,KMO值為0.653,高于標準值0.6,Bartlett球形度檢驗結(jié)果達到顯著性水平(P=0.000,P<0.05),表明適合采用主成分分析進行因素分析;提取指標特征值,得出2個主成分(F1,F2),累計方差貢獻度達到91.876%(>80%),計算主成分得分函數(shù)為:
F1=-0.451x1-0.437x2+0.394x3+0.408x4+
0.181x5-0.484x6+0.149x7+0.293x8
(7)
F2=-0.216x1+0.143x2-0.301x3+0.352x4-
0.484x5+0.145x6+0.542x7+0.249x8
(8)
根據(jù)2個主成分的方差貢獻率計算綜合警示效果Fw,得到駕駛?cè)嗽诓煌煌l件下對RTCRWS的綜合警示效果,見圖7。
圖7 綜合警示效果Fig. 7 Comprehensive warning effect
Fw=0.738F1+0.209F2
(9)
如圖7,輕度交通流無預(yù)警場景下的警示效果為-0.928,輕度交通流有預(yù)警場景下的警示效果為5.847,重度交通流有預(yù)警場景下的警示效果為8.858,綜合評價結(jié)果與HRV特性分析和行駛車速分析的結(jié)果一致,即RTCRWS的警示效果按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次增強,相較于輕度交通流,RTCRWS在重度交通流條件下的警示效果更加顯著。
4 結(jié) 論
通過對不同交通條件下駕駛?cè)薍RV指標、車速均值、標準差和車速變異系數(shù)數(shù)據(jù)的采集與分析,最后實現(xiàn)了RTCRWS在不同交通條件下警示效果的綜合評價,得出以下結(jié)論:
1)RTCRWS對各年齡段駕駛?cè)巳后w的警示效果良好,能夠緩解駕駛?cè)送ㄟ^無控平交口處的緊張情緒、降低駕駛?cè)送ㄟ^無控平交口的行駛車速、提升無控平交口處的安全水平。
2)RTCRWS在不同交通條件下對駕駛?cè)说木拘Ч嬖诓町?駕駛?cè)说男睦砭o張程度按照輕度交通流無預(yù)警、輕度交通流有預(yù)警和重度交通流有預(yù)警的順序依次減弱,且相較于輕度交通流,在重度交通流條件下RTCRWS的警示效果更加顯著。
猜你喜歡
小獼猴智力畫刊(2022年9期)2022-11-04 02:31:42
中學(xué)生數(shù)理化·中考版(2022年11期)2022-02-16 07:01:20
中老年保健(2021年12期)2021-11-30 02:58:01
小哥白尼(趣味科學(xué))(2019年6期)2019-10-10 01:01:50
攝影之友(影像視覺)(2019年2期)2019-03-05 08:27:14
中華詩詞(2018年11期)2018-03-26 06:41:34
Coco薇(2016年8期)2016-10-09 02:11:50
發(fā)明與創(chuàng)新(2016年38期)2016-08-22 03:02:52
太空探索(2016年5期)2016-07-12 15:17:55
中國醫(yī)藥科學(xué)(2015年19期)2015-02-27 12:33:11
