不同交通信息诱导下驾驶员路径选择行为研究

张卫华,李梦凡

(合肥工业大学 汽车与交通工程学院，安徽 合肥 230009)

0 引 言

先进的出行者信息系统(advanced traveler information system,ATIS)作为智能交通系统的重要组成部分，为交通管理者和出行者提供了信息交互平台，可以用来显著改善交通拥堵和提高交通运行效率。在ATIS中，交通信息管理者可通过若干个信息源实时发布交通信息，如互联网，车载广播，呼叫中心和可变消息标志(variable message signs, VMS)等。其中VMS由于其高时效性和低成本等优点被视为ATIS中一个关键要素，精心规划的VMS系统可以有效缓解道路交通拥堵并提高驾驶员出行效率。如何从道路交通网络层面研究不同VMS信息内容下驾驶员的路径选择行为具有重要意义。

为了分析不同VMS信息对驾驶员路径选择的影响，国内外学者已进行了多项研究。其中，S. PEETA 等[1]调查了美国西北印第安纳的驾驶员路径选择意愿，发现VMS上相关信息的详细程度会显著影响驾驶员的选择结果。而K. CHATTERJEE等[2]在伦敦通过比较不同类型的VMS信息时，发现驾驶员最容易受到事故位置和VMS事故消息内容的影响。M. WARDMAN等[3]则发现VMS消息内容、当地情况和驾驶员的特点是影响驾驶员路径转移的关键因素。其中VMS中延误的原因及其程度会显著影响驾驶员的路径选择结果。姜桂艳等[4]通过仿真实验发现提供VMS位置对交通信息的诱导作用有很大影响。史路[5]基于二元Logit回归分析得出驾驶员的驾龄、年收入、对VMS的关注频率会影响驾驶员路径选择行为。徐天东等[6]亦有类似发现，比如年龄、驾龄等个体属性是重要影响因素。以上学者的研究主要侧重于定性的或单一定量的VMS消息内容对驾驶员路径选择的影响， 而事实上不同类型驾驶员对不同VMS信息内容的敏感度存在差异。为了满足更多驾驶员的信息需求并诱导其更加合理的选择路径，可以通过有效利用VMS可变信息板的空间，同时提供多种准确和具体的交通信息，例如绕行节省时间、拥堵距离、绕行距离、限速、替换路径的路况信息等。为此，笔者首先设计调查问卷，采集驾驶员路径选择行为数据，并对数据进行有序多分类Logistic建模与统计分析，总结了影响驾驶员路径选择的关键因素，以期在不同VMS信息内容对驾驶员路径选择行为的影响方面做一些探讨和研究。

1 SP调查方案设计

1.1 交通行为数据调查

驾驶员路径选择行为数据通过基于问卷调查形式的SP调查方法获得。在SP调查中构造如图1的交通出行情景。图1中，在某工作日非高峰时段，被调查者驾驶在合肥市宿松路上(由南向北)，准备由宿松路—南二环路交叉口转南二环路，经金寨路高架往市中心区某处。被调查者在未到达该交叉口前， 根据一块文字式VMS发布的前方高架快速路通道和宿松路地面干道的交通状况信息，做出行动决策。

图1 SP调查的出行场景Fig. 1 Travel scenario specified in SP questionnaire survey

调查问卷的问题分为3类：第1类是关于驾驶员个人属性，包括年龄、对路网的熟悉程度、学历、收听广播情况等；第2类是根据不同的交通状态提供不同信息时驾驶员的路径选择行为；第3类是关于驾驶员对于当前VMS信息发布现状的评价，如行驶时是否有足够时间看清信息文字、期望中VMS信息的精确程度、对VMS信息现状准确度评价等。其中第2类问题共设计了4+9+5种情景(如表1)，综合了拥堵路段长度、绕行多行驶距离和节省时间3种因素以及事故信息。

表1 SP调查中VMS提供的信息内容Table 1 Pictorial presentation of VMS for VMS messages designedin the SP survey

表1中拥堵路段长度可以代表拥堵程度，绕行节省时间权衡了拥堵时间和绕行时间，绕行多行驶距离则可用于比较驾驶员对于距离和时间的敏感程度。由于拥堵路段越长，驾驶员避开拥堵路段就要多绕行一段路程，因此绕行距离也越长。在同一拥堵长度下，驾驶员转换路径节省的时间随绕行距离的增加而减少。但是考虑到主路和替代路径的实时路况，即使绕行距离相同的情况下，节省的时间也可能不同。交通状态信息中包含了交通事故和车流速度的因素，使得VMS信息内容更加全面。此次调查的最大特点是使用多种的定量数字信息描述交通状况，这样可以帮助驾驶员更全面地了解路网状况从而做出路径选择。此外，调查中拥堵路段长度的确定主要依据目前上海市交通拥堵的现状，将500 m定义为轻微拥堵，1 km为普通拥堵，2 km为严重拥堵[5]。

1.2 调查问卷发放

私家车出行因为具有如下特点，被采纳为主要调查对象：出行OD灵活，覆盖面广；路径可变动性大，选择灵活。笔者采用不定时调查的方法(即由专人负责在地下停车场发放调查问卷，说明问卷调查目的及填写要求，私家车司机有宽裕的时间根据自身情况填写问卷并交回问卷)进行路径选择行为数据采集。这种方法避免了以往路边现场即时采集方法中部分司机仓促填写的不足，又克服了国外邮寄问卷调查方法回收率低的缺点，保证了问卷调查结果的合理性与真实性。调查人员随机采访了450位驾驶员，询问并记录了不同类型驾驶员在不同VMS信息内容下的路径选择行为，整理后得到400份有效问卷，问卷有效率为88.9%。

2 路径选择行为结果统计分析

2.1 可靠性检验

可靠性检验是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。笔者主要利用克朗巴哈a系数进行可靠性分析。对于a系数在0.6以上是可以接受的[7]，指标可靠性分析结果如表2。

表2 可靠性统计Table 2 Reliability statistics

2.2 驾驶员个人属性分析

对回收问卷的第1类问题进行统计分析，得到被调查驾驶员个人属性分布情况如表3。由于本次调查中男性占绝大多数，因此在分析中不考虑性别对路径选择行为的影响。驾驶员年龄主要集中在20到49岁这个年龄段，青年驾驶员居多。在路网熟悉程度方面，对路网不熟悉、熟悉和非常熟悉的驾驶员比例分别为36.8%、41.0%和14.3%，仅有8.0%的驾驶员持不确定的态度，对路网熟悉的驾驶员占到了大多数。在驾驶员的学历方面，本科及以上学历占比例最大，达到了46.5%。调查结果表明车载导航是目前影响驾驶员路径选择的主要方式，这和后面的驾驶员对当前VMS信息的准确度评价有关。

表3 驾驶员个人属性分布情况分布Table 3 Distribution of personal attributes of drivers

2.3 不同VMS信息条件下驾驶员的路径选择行为 统计分析

对回收问卷的第2类数据进行统计分析，得到的被调查驾驶员的路径选择行为的结果如图2、图3。由图2可见，在VMS提供单一的交通信息的情况下，驾驶员对绕行节省时间的信息最为敏感，对信息的服从率由高到低依次为:绕行节省时间>单一模糊交通状态>绕行距离>拥堵距离。说明驾驶员对节省时间和突发性交通拥堵信息的敏感度较大，采纳比例很高。

图2 单一VMS消息内容下的路径选择情况Fig. 2 Drivers’ route choices when VMS provides single variablemessage content

对于图3(a)～图3(c)的出行情景，在综合提供不同拥堵长度、绕行距离和绕行节省时间的VMS信息条件下，不同类型驾驶员可接收到自己最为关注的信息，预测转向概率的不确定性比单一提供VMS信息内容低，使得交通管理者可以更加准确的预测道路交通状态。大部分驾驶员首先参考的因素是绕行节省时间，其次是绕行多行驶距离，最后是拥堵长度。绕行节省时间对驾驶员的路径选择影响较为显著。节省时间越长，驾驶员改变路径的比例越高。只有在绕行节省的时间相差不多时，驾驶员才会考虑绕行距离。当替代路径节省时间有限时，改变路径的驾驶员比例较低，驾驶员更习惯按照原计划路径行驶；而随着原计划路径拥堵程度的增加，替代路径可节省的行程时间变得明显，改变路径的驾驶员比例也随之提高。超过15 min的延误，驾驶员转换路径的概率会大大增加。在节省时间相同的情况下，驾驶员是否改变路径与拥堵长度的关系不大。对于图3(d)的出行情景，VMS14～VMS18 为行程速度和交通状态信息，在关键道路拥挤时(时速约30 km/h)，仅有13.5%的驾驶员选择绕行。在关键道路拥挤+轻微事故时(时速约为20 km/h的情况)，这个比例提高到34%。而在关键道路拥挤+中等事故时(时速约为15 km/h的情况)，高达60.3%的驾驶员选择绕行。选择替换路径驾驶员的比例随着关键路径时速的降低, 呈逐渐增长趋势。在速度和事故的条件下，驾驶员认为轻微拥堵是可以忽略的。

图3 不同多定量VMS消息内容下的路径选择情况Fig. 3 Drivers’ route choices when VMS provides multiple variables message content

2.4 驾驶员对VMS诱导态度结果统计分析

对回收问卷的第3类问题进行统计分析，可以得到被调查驾驶员对VMS诱导态度的结果如表4。由表4可知，52.0%驾驶员选择了在事故路段前1个路口改变路径，其次是在前2个路口改变路径，占比为38.3%，只有少数驾驶员选择在3个路口改变路径。在驾驶员收到信息后的决策速度方面，有36.8%的驾驶员选择 “延迟但不影响路径效果”，其次是选择“马上决定”。这符合实际的驾驶逻辑和习惯，即驾驶员不会过早改变路径，又不会在到达拥堵的目标路段前才改变路径，通常会有一个提前量。但也说明驾驶员对诱导信息的态度比较保守，会综合自身经验、对路况的感知等做出判断。所以VMS只有设置在合适的位置，才能起到理想的效用。有55.7%的驾驶员在熟悉道路时不愿接受诱导而在不熟悉道路情况下这一比例降低到21.2%，绝大部分驾驶员选择了接受诱导。在VMS信息精确程度和评价方面，部分驾驶员希望VMS信息有描述和建议，还有66.5%的驾驶员希望有准确的数字信息。有将近一半的驾驶员认为VMS信息准确度处于滞后状态。诱导信息的准确性对驾驶员路径选择影响显著。由于经常出现诱导信息与实际路况不符，导致驾驶员对诱导信息的信任度降低，影响VMS功能的发挥。

表4 驾驶员对交通信息的态度统计Table 4 Statistics of driver’s attitude to traffic information

3 不同VMS信息下驾驶员行为决策的logistics模型分析

3.1 模型的检验

Logistics模型是目前在交通行为数据分析和建模方面应用最广的离散选择模型之一。在本次调查中，将驾驶员对路径选择行为的转变意愿设置为因变量，设定驾驶员的基本3个特性变量为解释变量受访者的年龄(X1)、对路网的熟悉程度(X2)和学历(X3)，采用多元有序Logistic回归模型开展研究。通过构建这一模型，可以预测驾驶员在不同的年龄、学历等背景下改变路径的差异。即给定某个驾驶员的年龄、学历、对路网的熟悉程度情况，由此便可以预测其是否改变路径的选择结果。平行线检验是Logistic回归建模之前需要做的首要工作，其目的是为证明能否采用有序多分类Logistic回归。表5对模型进行了平行线检验，从表5可以看出，显著性水平大于0.05，说明各回归方程互相平行，即自变量的回归系数与分割点无关，因此本次研究是可以采用有序多分类Logistic回归建模方法的。表6对模型中是否所有自变量偏回归系数均为0进行似然比检验，显著性小于0.001，表明至少有一个自变量的偏回归系数不为0，证明拟合含有自变量的模型要优于只包含常数项的模型。表7主要是通过检验当前模型与饱和模型的预测效果之差来考察当前模型是否可以进一步改善。由表7中模型拟合优度检验显著性水平大于0.05，说明此次建模拟合效果较好。

表5 平行线检验Table 5 Parallel line inspection

注：零假设规定位置参数(斜率系数)在各响应类别中都是相同的。

表6 模型拟合信息Table 6 Model fitting information

表7 模型拟合优度Table 7 Model fitting goodness

3.2 多分类有序Logistic 回归预测模型

笔者采用的有序多分类Logistic回归模型如下[5]：

(1)

(2)

P1+P2+P3=1

(3)

式中：P1为驾驶员不转变路径的概率；P2为驾驶员一定情况下转变路径的概率；P3为驾驶员转变路径的概率；αi为需要标定的常数项；βi为需要标定的自变量回归系数。

根据式(1)～式(3)可以得出：

(4)

(5)

P2=1-P1-P3

(6)

根据式(4)～式(6)，可以计算不同类型驾驶员在不同VMS信息内容的影响下的各选择概率。例如，年龄在30～39岁区间的对路网熟悉的本科学历驾驶员接收VMS1 图像(拥堵距离500 m)信息后,不转换路径，有可能转换路径、选择替换路径的概率分别为34.3 %、29.2%、36.5 %。

在SPSS软件中进行有序Logistic回归时，需要将问卷调查结果进行数字化录入。在本次研究的因变量中，分别用“1”表示驾驶员不转变路径(没有转变路径的意愿)，“2”表示驾驶员在一定情况下转变路径(中度转变路径的意愿)，“3”表示驾驶员转变路径(强烈转变路径的意愿)，因变量在转向意愿上有强度大小之分。VMS1的参数估计如表8，将所有不同VMS情况下的回归系数[8]提取，得到回归系数估计结果如表9。

表8 参数估计Table 8 Estimation of parameters

表9 有序Logit 模型的估计结果统计Table 9 Statistics of the estimated results of the ordered Logit model

注：VMSi下转变路径情况=αi+β1X1+β2X2+β3X3。

由表9可知：

1)当VMS提供以下几种情形的信息时：①单一无时间信息的内容；②绕行多行驶距离为拥堵路段长度的2～4倍 ，绕行节省时间为10～20 min；③交通状态明确等信息时，例如在VMS1、VMS2、VMS6、VMS7、VMS9、VMS12～17的情况下，年轻驾驶员更倾向于改变路径。年长驾驶员相应的出行经验丰富，导致其对VMS诱导信息的服从程度也随之降低，更倾向不改变路径。从某种程度上反映了年轻驾驶员对精确的绕行节省时间信息比绕行多行驶距离信息更为敏感，也表明年轻驾驶员经验不足但会更灵活地选择路径而年长驾驶员经验丰富但容易受固定路径影响的特征[6]。

2)当VMS提供以下几种情形的信息时：①单一提供拥堵距离信息或延误原因信息；②绕行多行驶距离为拥堵路段长度的1.5～2.0倍 ，绕行节省时间为10～15 min；③交通状态明确等信息时，对路网越熟悉的驾驶员更愿意选择不改变路径。例如在VMS1、VMS4、VMS5、VMS8、VMS10、VMS14～VMS17情况下，说明对路网越熟悉的驾驶员对于绕行多行驶距离较为敏感，绕行距离长，即使节省10～15 min，驾驶员更愿意选择不改变路径。

3)当VMS提供所有的信息时，学历越高越有可能选择改变路径。说明高知群体对出行延误的敏感度相对较高。例如在VMS5、VMS6、VMS7、VMS8、VMS10等情况下，绕行节省超过5 min以上的时间，即使绕行距离长，驾驶员都极大可能选择转换路径，更希望通过改变路径来节省出行时间。

3.3 预测准确性检验

检验模型的预测准确性是评价模型有效性的重要方法[9]。这里采用常用的误差分析法对上述模型的预测准确性进行检验，为此再进行了120份问卷调查作为模型验证数据。将调查数据代入构建的模型，得到驾驶员3种路径选择行为的概率，即为模型预测结果，而将上述调查问卷中驾驶员做出的实际选择作为统计结果(实际值)。表10为预测结果和统计结果的比较，根据模型预测结果和统计结果的绝对误差值评价模型精度[10]，以VMS1为例，由表10可知，模型计算得到的驾驶员路径选择行为预测结果与实际调查结果基本吻合，各项绝对误差值较小。虽然驾驶员不转变路径的比率相对其他两种选择的绝对值稍大，但绝对误差最大值为6.66%，在可接受的范围以内。总体上看，所建立的有序logistic回归模型具有较高的预测精度。

表10 模型预测结果与实际调查值的比较Table 10 Comparison between model prediction results and actualsurvey values

4 基于驾驶员路径选择的VMS信息 发布策略

1)通过统计分析发现，当前VMS信息发布情况没有达到驾驶员的预期，存在信息滞后，甚至出现信息与实际路况不符的情况，导致驾驶员对信息服从度低，严重影响了VMS的效果。交通管理者应提高信息发布的及时性和准确性。其次，调查发现驾驶员对定量的数字信息比较敏感，比如当节省时间超过一定时间后，大部分驾驶员会选择转换路径。这需要交通管理者准确预估路况，尽可能发布比较具体的交通信息，使得驾驶员更容易做出决策。此外，需要考虑到驾驶员的驾驶习惯，将VMS信息板放置在最合适位置处。本次调查发现，将VMS信息板放在主路径前一个交叉口效果最好。

2)通过建模分析发现，由于不同驾驶员对不同信息的敏感程度不同，交通管理者可以在VMS信息板上发布多种具有代表性的信息，如节省时间，绕行距离，拥堵长度等。这样既可以帮助尽可能多的驾驶员得到自己想要的信息而做出决策，也可以让交通管理者更加准确的预测VMS信息发布后的路况。此外，在尽可能多发布各种路况信息时也要考虑到驾驶员的接受程度，以免降低VMS消息发布的效果。这就需要交通管理者因地制宜，进行人性化的设计。特别是当VMS信息板空间较小时，不应该发布过多的信息而造成驾驶员阅读困难，此时可以考虑在信息板上依次切换信息的种类。根据相关文献研究[11]，一个道路交通诱导板上一次显示的信息通常不能多于6个，其发布的频率(即信息切换时间)与交通流速度密切相关，城市道路交通诱导信息发布切换时间通常以2～3 s为宜。

5 结 语

通过对VMS提供不同消息内容条件下的驾驶员路径选择行为进行了SP调查，建立了描述路径选择概率的logistics模型，对影响驾驶员路径选择的因素进行了多变量分析，提出了VMS信息发布的策略。研究结果表明，在相同交通状况下, 驾驶员对VMS发布的拥堵长度、绕行节省时间、绕行距离和交通状态信息的路径选择差异较大, 信息的服从率由高到低依次为绕行节省时间、绕行距离、交通状态、拥堵长度。总体上看，两条路径行程时间差、绕行多行驶距离和选择替换路径的概率呈正相关。具体来说，对于年轻的驾驶员，精确的绕行节省时间信息比绕行多行驶距离信息影响更大；对于路网越熟悉的驾驶员，其对绕行距离更为敏感，如果绕行距离长，即使节省10～15 min，驾驶员更愿意选择不改变路径；而高知群体对出行延误的敏感度相对较高，超过5 min以上的时间，即使绕行距离长，其都极大可能选择转换路径。综上，交通管理者可以有效利用VMS信息板空间或者采取信息切换的形式，尽可能发布多类型的定量交通信息，满足不同驾驶员的信息需求。 模型结果可以预测出行者改变路径的概率，为制定合理有效的交通诱导策略提供参考依据。因问卷篇幅有限，笔者未考虑到不同时间段发布的VMS信息(如：工作日与周末、特殊节假日、高峰时段、晚高峰时段、日常时段)和职业、收入等对驾驶员路径选择的影响，这些方面还有待后续进一步研究。