基于视觉感知的高速公路跟车风险分析

夏国栋

(深圳城市交通规划设计研究中心有限公司，广东深圳 518021)

基于视觉感知的高速公路跟车风险分析

夏国栋

(深圳城市交通规划设计研究中心有限公司，广东深圳 518021)

为研究人的视觉感知对跟车行为的影响，根据驾驶员跟车视角的变化对跟车行为进行分析。依据人眼对跟车距离和速度差的变化识别特性，对多种跟车组合的横、竖向视角变化率进行比较。结果表明：小型车-大型车跟车组合，后车驾驶员对跟车距离和速度差变化感知最为迟钝，跟车风险最高。选取我国多条高速公路自然交通流特征对跟车风险进行分析，分析结果与基于视觉感知的高速公路跟车风险分析结果一致，证明了基于视觉感知分析跟车风险方法的有效性。

高速公路；视觉感知；跟车风险

1988年沪嘉高速公路建成通车，至2016年底我国高速公路里程已达到13.1万km[1]，交通事故也在逐年增加。高速公路交通事故发生形式多样，但绝大多数是由驾驶员对距离和速度差感知错误而引发的[2-5]，本文将结合驾驶员视觉感知相关特性尝试对这类事故原因进行深入分析。

1 跟车视觉分析基础

生理-心理跟车模型认为[6-9]，驾驶员是通过分析前车在其视觉中投影夹角的变化感知前后车的相对速度，目前很多交通仿真软件都在应用该跟车模型。跟车过程中，人的视觉神经对水平及竖向视角的变化都有所感知，后车驾驶员通过对前车外部轮廓的视角变化感知与前车速度和距离的变化，当跟车距离过小或前、后车速度差过大都将通过视角的变化被感知，从而采取相应的应对措施。文献[10]通过试验对在视觉皮层编码的信息类型提供了直接证据。

受车道宽度标准的限制，车辆的宽度差距较小，但不同车型高度相差明显。车辆不同的外形尺寸对驾驶员视角的影响不同。表1为几种代表车型的外形尺寸规格，表1中驾驶员视高为驾驶员眼睛距地面的垂直距离。

表1 高速公路行车类型划分 单位：mm

2 跟车驾驶员视角变化分析

根据车辆的高度与宽度尺寸，分别在横、竖向2个方向对跟车驾驶员视角变化进行对比分析。

2.1横向视角变化模型

横向视角跟车组合主要选择目前高速公路上较常见的跟车形式，前车-后车组合分别为小汽车-小汽车和大货车-小汽车2种。跟车驾驶员横向视角示意图如图1所示。图1中v1、v2分别为前、后车车速，L为前后车跟车距离，α为后车驾驶员的横向视角，d为前车宽度。

图1 跟车横向视角示意图

由图1得：

(1)

有

(2)

式中：Δv=v2-v1；Δh=h-H，其中H为前车高度,h为后车驾驶员视高,当H≥h时，Δh=0；dα/dt为后车驾驶员跟车视角变化率。

表2 横向跟车视角组合参数 单位：m

2种形式的跟车组合具体参数如表2所示。

2.2跟车竖向视角变化模型

前车-后车跟车组合分别选取小汽车-小汽车、大客车-小汽车和小汽车-大客车3种跟车组合形式进行分析，后车驾驶员竖向视角示意图如图2所示，图2中β为后车驾驶员的竖向视角。

图2 跟车竖向视角示意图

由图2得：

(3)

有

(4)

小汽车-小汽车组合H=1.500 m，h=1.200 m；大客车-小汽车组合，H=3.615 m，h=1.200 m；小汽车-大客车组合，H=1.500 m，h=2.000 m。

2.3跟车横、竖向视角变化对比

根据交通流理论[11]，单车道交通流中，车头间距为0～125 m的车辆之间存在相互影响关系；根据对自然交通流的跟车情况观测数据分析[12]，实际跟车距离一般小于150 m，同时当v2≤120 km/h、跟车距离≥150 m时行车安全系数较高[13]，选取跟车距离为80、100、150 m进行分析。

在稳态跟车过程中，假设前后两车匀速行驶，前后车辆速度差分别取5、10、15、30 km/h。当后车速度大于前车时危险系数较高，故取这种情形作为分析对象。根据横向、竖向跟车视角变化模型，不同跟车组合及不同速度差情况下后车驾驶员视角变化率如表3、4所示，表3、4中带阴影的数值大于驾驶员视角变化阈值。

表3 不同跟车组合后车驾驶员横向视角变化率 单位：rad/s

表4 不同跟车组合后车驾驶员竖向视角变化率 单位：rad/s

根据文献[14]，人体感觉量的增加落后于物理量的增加，物理量成几何级数增长，心理量成算术级数增长。将最小可觉差(连续的差别阈限)作为感觉量的单位，即每增加一个差别阈限，心理量增加一个单位。通过实地跟车试验发现驾驶员的感知视角变化率阈值为3×10-4～10×10-4rad/s[14]，取其平均值约为6.5×10-4rad/s。结合感知视角变化率阈值由表3、4可得：

1)在相同跟车距离和速度差条件下，不同跟车组合形式后车驾驶员的视觉感知不同。大货车-小汽车比小汽车-小汽车组合的横向视角变化率大；大客车-小汽车组合的竖向视角变化率最大，小汽车-大客车组合最小。因此，小汽车-大客车组合的跟车速度差和距离变化最不容易被后车驾驶员视觉感知，跟车风险高。

2)在相同跟车距离和速度差条件下，相同的跟车模式，横向和竖向视觉感知不同。小汽车-小汽车组合的横向视角变化率大于竖向视角变化率，跟车距离和速度差的变化更容易在横向视角变化中被感知。

3)2种车型，交换跟车时，速度差和距离变化被感知情况不同。大客车-小汽车比小汽车-大客车组合驾驶员的竖向视角变化率大。即当前车为大客车情况下，速度差和距离变化更容易被感知；当前车为小汽车时，即小汽车-大客车组合驾驶员的视角变化率较小，易延迟跟车驾驶员的驾驶操作，导致单次驾驶动作调整幅度大，致使跟车不稳定，行车安全性最差。

3 自然交通流跟车距离分析

为验证基于视角感知的跟车组合风险分析结果的有效性，采集自然交通流的基础数据进行对比分析。采集广州—佛山、北京—石家庄、北京—哈尔滨高速公路路段的196 049个单车信息,根据实际交通情况删除轴距小于0.9 m和采集仪无法判明车型以及车速大于160 km/h 的单车数据，最终获得有效的前后车数据共184 546项。

不同车型的几何尺寸、加减速性能、操纵性能以及对邻近车辆的心理影响等方面存在差异，根据车辆的外观尺寸将高速公路中的运行车辆分为微型车、小型车、大中型车和不定型车4种类型。考虑到车速越低，跟车风险越小，取车速大于60 km/h，选择车速间隔为10 km/h。各种跟车模式下跟车间距如表5所示。

表5 不同跟车组合与不同跟车速度时的跟车距离 单位：m

为使驾驶员有一定的制动反应时间，在行车中应保持足够的行车间距。一定跟车速度下的安全跟车距离如表6所示[15-16]。

表6 不同跟车速度下的推荐安全跟车距离

图3 实际跟车距离与推荐安全跟车距离

将推荐的安全跟车距离与实际跟车距离进行对比。如图3所示。由图3可知：

1)小型车-小型车组合的跟车距离始终小于推荐的安全跟车距离，且差值较大；当跟车速度大于80 km/h时，除大型车-小型车组合形式外，其它各种组合形式的跟车距离都小于推荐的安全跟车距离。说明不同的跟车形式下，驾驶员的安全感不同。小型车-小型车组合形式跟车驾驶员心理压力较小，但由于跟车距离较小，跟车风险较高。

2)小型车-大型车组合的曲线与其它组合形式差别较大，在车速接近100 km/h时，跟车距离的增长趋于平缓，且随着速度的增加，跟车距离与理论推荐的安全距离差增大。根据前文分析，这种跟车形式下大型车驾驶员对速度差和距离变化感知迟缓，容易导致跟车距较推荐的安全值小。同时当车速较低时，交通流不稳定[17]，车辆处于反复加速-减速的状态，此时，驾驶员往往保持较大的跟车距离以保证行车安全，特别是大车启停不如小车灵活，驾驶员给自己预留的安全空间会更大。

3)在跟车速度大于80 km/h时，大型车-小型车是唯一一种跟车距离基本达到推荐安全跟车距离的组合形式 。大型车-小型车的跟车视角变化幅度大，驾驶员感知灵敏度高，跟车状态调速快。同时由于大车的外形尺寸较大，会遮挡住一部分后面跟随小车驾驶员的视线，使后车驾驶员无法了解前面路况，并且大车底盘高，会给小车驾驶员一种不安全感和恐惧感，因此，这种形式下，小车驾驶员行车比较谨慎，跟车风险较小。

4)大型车-大型车组合的跟车距离较接近推荐的安全跟车距离，大车跟随大车时，驾驶员一般都比较谨慎，行车风险一般较低。

4 结论

1)针对各种跟车组合形式，跟车驾驶员视角变化的感知速度差的大小关系为：大型车-小型车>大型车-大型车>小型车-小型车>小型车-大型车，其对应的行车风险为：小型车-大型车>小型车-小型车>大型车-大型车>大型车-小型车。

2)根据对自然交通流收集的数据分析，当车速大于100 km/h时，不同跟车组合跟车距离从小到大的关系为：小型车-大型车<小型车-小型车<大型车-大型车<大型车-小型车，其行车风险为：小型车-大型车>小型车-小型车>大型车-大型车>大型车-小型车。

3)利用驾驶员跟车视角变化对跟车行为进行分析与采用自然交通流跟车距离分析跟车风险，2种方法得到的结论高度一致。小型车-大型车跟车形式的驾驶员最小可识别速度差大于其它跟车形式，跟车距离也大大低于安全跟车距离，这种跟车模式风险最高，其次是小型车-小型车和大型车-大型车，大型车-小型车组合跟车风险最小。

[1]国家发展和改革委员会，交通运输部，国家铁路局，等.中国交通年鉴2016[M].北京：中国交通年鉴社，2017.

[2]李淑庆，彭囿朗，肖莉英，等.道路交通事故发生机理研究现状与趋势分析[J].安全与环境学报， 2014，14(3)：14-18. LI Shuqing，PENG Youlang，XIAO Liying，et al.Analysis of the mechanism of the road traffic accidents in-situ and the future research trends[J].Journal of Safety and Environment，2014，14(3)：14-18.

[3]BANBURY S,TREMBLAY S.A cognitive approach to situation awareness:Theory and aplication[J].Ergonomics,2004,50(9),1518-1520.

[4]RUMAR K.The role of perceptual and cognitive filters in observed behavior[J].Human Behavior and Traffic Safety， 1985，12(2)：151-170.

[5]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(2015)[M].北京:公安部交通管理科学研究所，2016.

[6]张智勇，荣建，任福田.跟车模型研究综述[J].公路交通科技，2004，21(8)：108-113. ZHANG Zhiyong，RONG Jian，REN Futian.Review of car-following model research[J].Journal of Highway and Transportation Research and Development，2004，21(8):108-113.

[7]翟静.基于驾驶员视觉的跟车模型研究[D].昆明：昆明理工大学，2008. ZHAI Jing.Research on car following model based on driver′s vision[D].Kunming:Kunming University of Science and Technology，2008.

[8]张勇刚，胡三根，邝先验.基于驾驶员视角变化的跟驰模型研究[J].昆明理工大学学报(自然科学版)，2015,40(3)：52-57. ZHANG Yonggang，HU Sangen，KUANG Xianyan.Car-following model considering drivers′ visual angle[J].Journal of Kunming University of Science and Technology (Natural Science Edition)，2015，40(3)：52-57.

[9]翟静，熊坚.基于驾驶员视觉的车辆跟驰建模与仿真[J].道路交通与安全，2007 (3) ：34-37. ZHAI jing，XIONG Jian.Vehicle following modeling and simulation based on driver vision[J].Road Traffic & Safety, 2007 (3) :34-37.

[10]罗伯特·L索尔所，M·金伯利·麦克林，奥托·H麦克林.认知生理学[M].上海：上海人民出版社，2008：33-36.

[11]邵春福，魏丽英，贾斌.交通流理论[M].北京:电子工业出版社，2012：40-45.

[12]何民，荣建，刘小明.自然交通流跟驰特性研究[J].公路交通科技，2002，19(3)：110-114. HE Min，RONG Jian，LIU Xiaoming.Study on car-following behaviors of combined traffic flow[J].Journal of Highway and Transportation Research and Development，2002，19(3)：110-114.

[13]张祝安，刘兴茂.高速公路平直路段安全跟车距离分析[J].交通科技，2015 (6) ：145-147. ZHANG Zhu′an，LIU Xingmao.Analysis of safe distance between car and highway in straight section[J].Transportation Science & Technology，2015 (6) ：145-147.

[14]杨治良.心理物理学[M].兰州:甘肃人民出版社，1988 : 52-55.

[15] MICHAELS R M.Perceptual factors in car following[C]//Proceedings of the 2nd International Symposium on the Theory of Road Traffic Flow.Paris:OECD 1963，186(1) : 85-88.

[16]许洪国.道路交通事故分析与处理[M].北京:人民教育出版社，2004：105-110.

[17]梁国华，程国柱，王春艳，等.高速公路大型车混入率与交通流稳定性关系[J].长安大学学报(自然科学版),2014， 34(4)：120-126. LIANG Guohua，CHENG Guozhu，WANG Chunyan，et al.Relationship between mixing rate of freeway large vehicles and traffic flow stability[J].Journal of Chang′an University(Natural Science Edition)，2014，34(4)： 120-126.

(责任编辑：杨秀红)

RiskAnalysisofExpresswayCarFollowingBasedonVisualPerception

XIAGuodong

(ShenzhenUrbanTransportPlanningCenterCo.,Ltd.,Shenzhen518021,China)

In order to study the effect of human visual perception on car following behavior, the car following behavior is analyzed from the perspective of driver′s visual perception. According to the recognition characteristics of the human eyes for the distance and speed difference, the change rates of the horizontal and vertical visual perception of a variety of car following scenarios are compared. The results show that under the condition of the small car and large vehicle, the driver of the rear car is most insensitive to the distance and speed difference, and the risk is higher. Many expressways in our country are selected to analyze the natural traffic flow characteristics of the car following risks. The analytical results are in accordance with those of the car following risks based on the visual expressways, which is proved that the car following risk method based on the analysis of the visual perception is effective.

expressway; visual perception; car following risk

2017-03-12

夏国栋(1985—)，男，湖北黄石人，工程师，主要研究方向为交通工程与交通安全，E-mail:andyxgd@163.com.

10.3969/j.issn.1672-0032.2017.02.005

U419.25

：A

：1672-0032(2017)02-0027-06