雾天对弯道驾驶行为的影响研究＊

李晓梦 闫学东 赵 佳 王江锋

（北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京 100044）

0 引言

道路交通系统主要由人、车、路、环境4部分组成。驾驶人是道路交通系统的主要参与者，其人为因素是导致交通事故发生的主要原因［1］，因此关于驾驶行为的研究一直是交通安全领域的1个热点［2－4］。恶劣天气对驾驶人的驾驶行为有着极大的 影响［5－6］，据统计，2010 年 我国高速公路 发生的交通事故有26.12%发生在雨、雪、雾、高温、低温等恶劣天气，有31.74%的直接经济损失发生在恶劣气象环境中［7］。尤其在雾天条件下，道路能见度大大降低，路面行车条件变差，驾驶人的驾驶行为、驾驶人的生理和心理、道路条件以及车辆运行状态均受到不同程度的影响，容易造成交通事故［8］。此外，道路线形也对驾驶人的驾驶行为及安全存在一定影响。由于弯道线形的特点，驾驶人比较容易在弯道驾驶中发生追尾，碰撞或驶出弯道等事故，因而研究驾驶人在进入弯道时的驾驶特性具有十分重要的意义。

由于雾天环境对驾驶行为和驾驶安全存在极大的负面影响，国外已有许多学者利用驾驶模拟器进行了雾天环境下驾驶行为的研究，主要集中在以下几个方面：①雾天对驾驶人跟车行为的影响研究［9－11］；②雾天环境下驾驶人避撞行为研究［12－13］；③雾天情况下驾驶人对路测引导和指示标志的行为反应研究［14－15］。国内学者中利用驾驶模拟器展开雾天驾驶行为研究的不多，陈学浩等人分析了雾天对高速公路交通安全的影响及雾天驾驶人行车的心理特征和行为特征［6］，蒋锐等人建立了雾天环境影响下的车辆换道的安全模型，并提出雾天驾驶反应延迟模型以量化雾天对交通流微观行驶特征的影响［16］。综合国内外研究成果可以发现，目前针对雾天环境下驾驶人在复杂道路线形中（尤其是复杂S形弯道）的驾驶行为的研究十分有限。

驾驶模拟器由于具有安全、可控、可重复和高度仿真等优点［17］，可以用于设计复杂的动态驾驶模拟实验，考察驾驶人在特定驾驶环境下的驾驶行为表现，并进行相关数据采集与分析，评估所研究的驾驶干预因素的安全效果。本研究利用北京交通大学驾驶模拟器，选取雾天作为环境干预因素，设计简单直角弯道以及复杂S形连续弯道作为道路环境进行驾驶模拟实验，同时考虑驾驶人性别和职业（是否为职业司机）等驾驶人特性变量，分析驾驶人在弯道中的驾驶行为特点。研究成果对于有关部门进行特殊天气和特殊道路线形下的道路交通安全管理，减少和预防交通事故具有重要借鉴作用。

1 实验方法

1.1 实验设备

本实验所用驾驶模拟器由硬件和软件2部分组成。硬件部分包括：福特福克斯整车驾驶舱、视觉模拟系统、车辆模拟计算机、车辆动感模拟平台以及操作控制台，驾驶模拟平台硬件部分见图1。软件部分包括：驾驶场景设计软件（SimVista）、场景控制软件（包括SimCreator实时模拟软件及场景运行软件）。

1.2 实验参与者

本实验共有46名实验人员，根据实验人员的职业性质和性别进行分类。实验人员的职业性质分为职业驾驶人和非职业驾驶人，前者指以驾驶车辆作为谋生手段的人员，后者指以机动车作为通勤交通工具且年行驶里程达到2万km 以上的人员。实验人员的样本结构见表1。

图1 驾驶模拟器硬件部分Fig.1 The hardware of driving simulator

表1 实验人员样本结构Tab.1 The sample structure of experiment subjects人

实验人员在开始实验之前需要录入个人的详细信息，包括姓名、性别、年龄、驾龄、职业、年驾驶里程、交通事故记录等，并接受驾驶模拟实验的培训，然后根据设计的实验场景依次完成实验。

1.3 实验设计与步骤

1.3.1 驾驶场景设计

实验选取雾天作为干预条件，根据其可见度的不同共设计了3种情况：无雾、轻雾和浓雾，其中轻雾和浓雾的可见度分别为250m 和50m，见图2。实验道路场景包括直角弯道以及S形连续弯道2种道路线形，见图3。

图2 不同能见度的雾天环境Fig.2 The different visibilities of fog environment

图3 实验驾驶场景Fig.3 Experiment driving scenario

1.3.2 实验步骤

实验开始前需向实验人员介绍实验要求，并安排他们签署“实验知情书”。每个实验人员均被告知以正常状态驾驶并且要遵守交通规则，实验过程中如有不适反应可以立即终止实验。在正式实验开始前每个实验人员都将进行10 min的训练以熟悉驾驶模拟操作，包括直道驾驶、加速、减速、左／右转以及其他基本驾驶行为。随后，实验人员以随机顺序开始3种雾天情况下的驾驶场景测试并在每个场景结束后休息5min以上，然后再进行下一轮场景的测试。

2 数据分析

在每个实验人员进行实验的过程中，驾驶模拟平台的主控计算机每隔0.1s记录1次数据。初始实验数据包括车辆的位置、速度、加速度、车辆操作、转向和车距数据。

由于初始实验数据量较大，需要根据实验场景数据分析需要，从中提取关键变量。由于在弯道驾驶过程中，道路线形一直处于变化中，驾驶人需要不断利用油门踏板、刹车踏板以及方向盘调整车辆的前进，因而其在弯道中的驾驶行为表现可从纵向和横向2个方面进行衡量。纵向变量主要包括车辆前进方向的速度和加速度等，横向变量主要包括车道偏移，横向速度、横向加速度、车辆驶出弯道率等。本研究选择的评估驾驶人弯道驾驶行为的关键变量为速度和车辆驶出弯道率，其中速度变量包括平均车速和瞬时车速，车辆驶出弯道率是指车辆在弯道行驶时驶出弯道的概率。车辆是否驶出弯道是依据车辆最大偏移量来判断的，当车辆的最大偏移量大于1时，说明主车已经驶出弯道。速度和车辆驶出弯道率分别可以表征驾驶人行驶在弯道时的纵向和横向驾驶行为安全。

2.1 平均车速

平均车速是最基本的车辆控制指标。本文采用多变量方差分析法（MANOVA）研究雾天等级、驾驶人性别、职业性质以及三者的交叉对2种弯道线形中车辆的平均速度的影响差异。假设检验分析中以0.05显著性水平为基础进行分析，见表2。由SPSS分析结果可以看出，雾天仅对S形连续弯道的平均车速有显著性影响（F＝5.371，p＜0.01）；而驾驶人的职业性质对直角弯道（F＝5.622，p＜0.05）和S 形弯道（F＝16.732，p＜0.01）的平均速度均有显著性影响；性别以及3种因素的交叉均为非显著性影响因素。

进一步对比分析不同影响因素下的平均车速。图4为不同雾天等级下的弯道平均车速直方图。由图4可见，在弯道中雾天环境下驾驶人的平均车速要比无雾环境下的略高。这是由于在视距良好的条件下，驾驶人可以清晰地看到弯道，并及时减速；而在雾天环境下，驾驶人对前方道路线形变化的认知能力下降，只有在接近弯道时才能看清道路情况，减速不及时，容易造成车速偏高。

表2 弯道平均车速的多变量方差分析结果Tab.2 MANOVA results of average curve speed

图4 不同雾天等级下的弯道平均车速Fig.4 The average curve speed under different levels of fog condition

对比职业驾驶人与非职业驾驶人的平均车速（见图5）可以看出在直角弯道和S 形连续弯道处，职业驾驶人的平均车速较非职业驾驶人明显偏低，且样本标准差也小。这是由于职业驾驶人驾驶经验丰富且驾驶风格偏保守，他们在驾驶过程中对可能涉及的风险有较为准确的估计，在车速的大小及稳定性控制方面优于非职业驾驶人，从而以较低的速度行驶来补偿可能的风险。

2.2 车辆驶出弯道率

车辆驶出弯道率是指驾驶人在弯道行驶时，驶出弯道的可能性的大小。车辆在弯道行驶时，由于道路线形的变化，驾驶人需要不断地控制转向盘，保持车辆沿着车道轨迹安全的行驶。车辆是否驶出车道是评判驾驶人在弯道处行驶危险性的重要指标之一，驶出弯道的可能性越大，说明驾驶危险性越高。表3中统计了不同影响因素下，驾驶人在直角弯道和S形弯道时驶出弯道的情况。

图5 职业与非职业驾驶人的弯道平均车速Fig.5 The average curve speed of professional and non－professional drivers

表3 车辆驶出弯道情况的描述统计Tab.3 The descriptive statistics of vehicles driven out of curve

由表3可见，随着雾的浓度的增大，驾驶人在直角弯道处和S形连续弯道处驶出弯道的比例均显著增大；男女驾驶人在弯道处驶出弯道的概率没有明显的差别；对比职业与非职业驾驶人，可以发现在直角弯道处，职业驾驶人驶出弯道的比例明显高于非职业驾驶人，而在S形连续弯道处，两者没有明显的差异。

为分析各个自变量对车辆弯道驶出率的影响，将各个自变量作为可能的影响因子，利用Logistic回归分析其对弯道驶出率的影响趋势，建立车辆驶出弯道率的Logistic回归模型。

2.2.1 车辆驶出直角弯道率

表4给出了车辆驶出直角弯道的Logistic回归分析结果，其中雾天等级、驾驶人职业和车辆进入弯道时的瞬时车速均为显著性影响因子（p＜0.01）。

表4 对车辆驶出直角弯道的Logistic回归分析结果Tab.4 The Logistic regression analysis of vehicles driven out of right angle curve

由表4可见，与无雾相比，轻雾和浓雾天气属于危险因素，会增加驾驶人驶出弯道的概率，其中轻雾会造成驾驶人驶出弯道的可能性比无雾天气增大1.481倍，而浓雾会造成驾驶人驶出弯道的可能性比无雾天气增大约10倍；此外随着进入弯道时车速的增加，驾驶人驶出弯道的可能性以1.228倍的速度增加，所以进入直角弯道时的瞬时车速也属于潜在危险因素。将对车辆驶出直角弯道具有显著性影响的因素作为自变量建立Logistic回归模型，如下：

式中：p为车辆驶出直角弯道的可能性；0≤p≤1；

a为雾天等级，无雾天气时，a0＝0，a1＝0；

轻雾天气时，a0＝1，a1＝0；

浓雾天气时，a0＝0，a1＝1；

b为职业性质，职业驾驶人时，b＝1，非职业驾驶人时，b＝0；v为进入直角弯道的瞬时车速。

此模型可以预测无雾、轻雾、浓雾环境下，职业与非职业驾驶人以不同的速度进入直角弯道时驶出弯道的可能性。例如，图6展示了对应不同的车辆进入直角弯道的瞬时车速，不同雾天环境下车辆驶出弯道的可能性的变化。

图6 基于Logistic回归模型的车辆驶出直角弯道可能性变化图Fig.6 The possibility of vehicles driven out of right angle curve based on logistic regression model

2.2.2 车辆驶出S形连续弯道率

表5给出了车辆驶出S形弯道的Logistic回归分析结果。

表5 对车辆驶出S形连续弯道的Logistic回归分析结果Tab.5 The logistic regression analysis of vehicles driven out of s type curve

由表5可见，雾天等级和进入弯道时的瞬时车速对驾驶人在S形连续弯道处驶出弯道的可能性有显著影响（p＜0.05）。与无雾相比，轻雾会造成驾驶人驶出弯道的可能性增大约1.8倍，浓雾会造成该可能性增大6.372倍；随着车辆进入弯道时的瞬时速度增加，其驶出弯道的可能性以1.192倍的速度增加。根据分析结果建立车辆驶出S形弯道可能性的Logistic回归模型，如下：

式中：p为车辆驶出S形弯道的可能性，0≤p≤1；

a为雾天等级，无雾天气时，a0＝0，a1＝0；

轻雾天气时，a0＝1，a1＝0；

浓雾天气时，a0＝0，a1＝1；

v为进入S形连续弯道的瞬时车速。

通过此模型可以计算无雾、轻雾、浓雾环境下，驾驶人以不同速度进入弯道时，在S形连续弯道处驶出弯道的可能性见图7。

3 结束语

图7 基于Logistic回归模型的车辆驶出S形连续弯道可能性变化图Fig.7 The possibility of vehicles driven out of S type curve based on Logistic regression model

由于雾天条件下能见度较低，驾驶人在驾驶时的视觉特性、认知能力、驾驶操作等行为都会受到不同程度影响，交通安全隐患也会随之增加，因此研究雾天环境下驾驶人的驾驶行为及安全具有重要的现实意义。本文利用驾驶模拟仿真平台模拟雾天环境，建立直角弯道与S形连续弯道2种道路线形，重点分析了雾天、驾驶人职业以及性别因素对驾驶人弯道驾驶行为的影响。此外，本文还建立了考虑雾天等级、驾驶人性别、职业性质以及进入弯道的瞬时车速作为影响因子的Logistic回归模型，用于分析车辆在不同条件下驶出直角弯道和S形弯道的可能性。研究结果发现，驾驶人在弯道行驶时，雾天下的平均车速要比无雾情况下略高，并且在雾天条件下，无论是简单直角弯道还是复杂S型弯道，驾驶人进入弯道时的速度都对其是否能安全通过弯道具有显著性影响。这一研究成果表明，在浓雾天气多发地带，尤其是山区道路弯道线形较多，有必要在弯道路段前方设置警示标志或限速标志，提醒驾驶人进入弯道前及时减速，以便顺利安全的通过弯道。本研究目前仅选择了速度和车辆驶出弯道率2个变量衡量雾天对驾驶人弯道驾驶行为的影响，对于雾天情况下驾驶人通过弯道的行为机制还有待于进一步深化。未来的研究中将考虑更为全面的行为变量，为进一步建立雾天驾驶行为安全评价体系奠定数据基础，同时为分析其他干预因素对驾驶行为的影响提供研究思路和系统的实验分析方法。

［1］李晓梦.基于驾驶模拟实验的驾驶员紧急避撞行为研究［D］.北京：北京交通大学，2013.Li Xiaomeng.Study of driver＇s emergentcy collision avoidance behavior based on driving simulator experiment［D］.Beijing：Beijing Jiaotong University，2013.（in Chinese）.

［2］Shamsa M，Shojaeizadeh D.Taxi drivers views on risky driving behavior in Tehran：aqualitative study using a social marketing approach［J］.Accident Analysis ＆Prevention，2011，43（3）：646－651.

［3］Shams M，Rahimi－Movaghar V.Risky driving behaviors in Tehran，Iran［J］.Traffic Injury Prevention，2009，10（1）：91－94.

［4］Stephens A N，Groeger J A.Situational specificity of trait influences on drivers’evaluations and driving behavior［J］.Transportation Research Part F：Traffic Psychology and Behavior，2009，12（1）：29－39.

［5］Edwards J B.Speed adjustment of motorway commuter traffic to inclement weather［J］.Transportation Research Part F：Traffic Psychology and Behavior，1999，2（1）：1－14.

［6］陈学浩，季 君，江海龙.浅析雾天高速公路事故成因及管控要点［J］.中国公共安全，2010（3）：96－98.Chen Xuehao，Ji Jun，Jiang Hailong.Analysis of highway traffic accidents causes and traffic control points in the fog［J］.China Public Security，2010（3）：96－98.（in Chinese）.

［7］公安部交通管理局.中华人民共和国道路交通事故统计年报（2010 年度）［Z］.北京：公安部交通管理局，2009，5.The Ministry of Public Security Traffic Administration.The road traffic accident statistics annals of the people＇s republic of china（2010）［Z］.Beijing：The Ministry of Public Security Traffic Administration，2009，5.（in Chinese）.

［8］潘晓东，蒋 宏，高 昂.雾天高速公路交通事敌成因分析及安全对策［J］.交通标准化，2006（10）：200－203.Pan Xiaodong，Jiang Hong，Gao Ang.Analysis of highway traffic accidents causes and safety countermeasures［J］.Communications Standardization，2006（10）：200－203.（in Chinese）.

［9］Broughton K L M，Switzer F，Scott D.Car following decisions under three visibility conditions and two speeds tested with a driving simulator［J］.Ac－cident Analysis and Prevention，2007，39（1）：106－116.

［10］Ni R，Kang J J，Andersen G J.Age－related declines in car following performance under simulated fog conditions［J］.Accident Analysis and Prevention，2010，42（3）：818－826.

［11］Abdel－Aty M，Ekram A，Huang H，Choi K.A study on crashes related to visibility obstruction due to fog and smoke［J］.Accident Analysis and Prevention，2011，43（5）：1730－1737.

［12］Brooks J O，Crisler M C，Klein N，et al.Speed choice and driving performance in simulated foggy conditions［J］.Accident Analysis and Prevention，2011，43（3）：698－705.

［13］Hassan H M，Abdel－Aty M A.Analysis of drivers’behavior under reduced visibility conditions using a structural equation modeling approach［J］.Transportation Research Part F，2011，14（6）：614－625.

［14］Trick L M，Toxopeus R，Wilson D.The effects of visibility conditions，traffic density，and navigational challenge on speed compensation and driving performance in older adults［J］.Accident Analysis and Prevention，2010，42（6）：1661－1671.

［15］蒋 锐，郭忠印，李振楠.恶劣天气条件下车辆换车道的安全模型［J］.同济大学学报：自然科学版，2011，39（4）：529－533.Jiang Rui，Guo Zhongyin，Li Zhennan.Lane changing safety model for deteriorative weather［J］.Journal of Tongji University：Natural Science，2011，39（4）：529－533.（in Chinese）.

［16］刘 畅，丁 荣，赵 琼，等.使用手机对低龄驾驶人可靠度影响的模拟驾驶实验分析［J］.交通信息与安全，2012，30（3）：152－156.Liu Chang，Ding Rong，Zhao Qiong，et al.Reliability analysis of cell－phone related driving based on simulator［J］.Journal of Transport Information Safety，2012，30（3）：152－156.（in Chinese）.