基于驾驶模拟技术的不良天气对驾驶员跟驰行为的综合影响研究

赵晓华，任贵超，陈 晨，荣 建，常 新

(1. 北京工业大学 北京市交通工程重点实验室，北京 100124； 2. 北京市城市交通运行保障工程技术研究中心，北京 100124； 3. 北京市交通信息中心，北京 100073)

0 引 言

因不良天气造成交通拥堵的情况屡见不鲜。2010年9月北京小雨，导致主要路段全天9 h处于严重拥堵状态[1]；2011年6月北京遭受暴雨袭击，造成22处道路中断，交通运行状况受到极大的干扰[2]。极端恶劣天气对交通状态会造成更大影响，甚至导致交通瘫痪。因此，不良天气对交通运行状态影响受到各级政府及管理部门的高度重视，2008年公安部发布《高速公路交通应急管理程序规定》，以期对不良天气条件下交通运行状态实施预告预警，引导公众出行，提高交通运行效率和安全水平。

近年来，有关不良天气条件对交通运行状态的影响研究主要集中在不良天气条件下交通流运行特性分析。杨中良等[3]利用上海市交通及天气信息数据分析了降雨对交通流的影响，得出降雨环境下道路通行能力下降6%～15%；刘力力等[4]对比分析了降雪和正常天气条件下快速路交通流量和运行速度变化，给出了不同等级降雪天气下流量和速度折减系数；郑福维[5]等利用往年气象及交通数据，研究了雾天等不良天气对交通运行的影响；陈富坚[6]等研究表明：恶劣天气对交通运行状态造成严重影响，其中，低能见度是交通拥堵及安全隐患的重要原因；张续光[7]等研究指出：暴风雪等恶劣天气会极大影响道路使用性能和行车环境条件；M.AGARWAL等[8]分析了不同状况下恶劣天气对交通运行状态影响，指出大雨、大雪会使道路通行能力分别下降10%～17%、19%～27%；B.L.SMITH等[9]研究了不同强度降雨对高速公路通行能力和车辆运行速度的影响。

事实上，不良天气对驾驶行为影响是导致交通运行状态变化的主要原因。驾驶员作为道路交通的参与者，其驾驶行为(特别是跟驰行为)受环境、天气等外界因素的综合影响，导致交通运行状态产生差异。目前，国内外很多学者对不良天气条件下的驾驶行为开展了相关研究，A.T.IBRAHIM等[10]对降雪天气下的交通数据采用虚拟变量回归分析法，得出小雪天气下车辆速度降低3%～5%，大雪天气下车辆速度降低30%～40%的结论；M.E.WHITE等[11]研究了低能见度天气下车头时距变化，结果表明：当能见度为150 m时，车头时距低于2 s的车辆所占比例是晴天正常交通流的2.5倍。以往的研究主要基于实际车辆运行数据，指标一般限于速度、车头时距等易于测量参数，无法较为全面地反应不良天气对跟驰行为影响。此外，由于实测情况下极端天气罕为发生，不同等级天气条件下相关数据覆盖面不足也限制了研究成果应用。

跟驰行为作为最基本的微观驾驶行为，描述了单一车道中前后两车之间的相互关系，是交通流中的主要驾驶行为，对其研究有助于理解交通流运行特性。城市快速路作为城市道路的骨干路网，决定了城市交通运行状态总体水平。鉴于此，笔者利用驾驶模拟技术，搭建城市快速道路场景，设置多种等级的雨雪雾天气条件，研究不同天气条件对驾驶员跟驰行为影响，进而评价不良天气条件对交通流顺畅性影响，以期为交通状态综合管控措施的制定及居民出行选择提供支持。

1 实验设计

笔者选取北京市东二环道路作为研究背景，在道路线性、路侧景观实地调查基础上，利用3D建模技术，结合纬地软件，在AutoSim驾驶模拟器中〔图1(a)〕真实再现了道路交通环境。基于系统内置SCANeR Studio软件，该模拟器能为驾驶员提供道路、标志标线及其他运动车辆、路侧景观等虚拟驾驶场景，同时能完成雨雪雾等天气参数设置。

图1 驾驶模拟器与道路示意Fig. 1 Driving simulator and road conditions

模拟场景道路为双向六车道、车道宽度为3.75 m，包括直线、上坡、下坡和弯道这4种道路条件，场景全长9 km〔如图1(b)中黑线标示〕。模拟器具有3个自由度，可为驾驶员提供前方130°水平视野和40°垂直视野，以及左右后视镜和后方30°水平视野、 40°垂直视野，共4个通道。模拟场景中，实验车辆周围设置30辆车辆，模拟真实环境下的交通流。通过编写控制脚本，使周围车辆在行驶过程中实现匀速、加速及减速行驶。实验车辆完成3种跟驰行为：① 匀速跟驰：前方车辆以40 km/h速度运行；② 加速跟驰：前方车辆以3.3 m/s2加速度由40 km/h加速至50 km/h；③减速跟驰：前方车辆以3.3 m/s2减速度从40 km/h减速至30 km/h。

依据GB/T 28592—2012《降水量等级》[12]和GB/T 27964—2011《雾的等级与预报》[13]，雨天天气可划分为小雨、中雨、大雨、暴雨、大暴雨及特大暴雨这6个等级；雪天天气划分为小雪、中雪、大雪、暴雪、大暴雪及特大暴雪等6个等级；雾天根据能见度可以划分为轻雾、雾、大雾、浓雾、强浓雾等5个等级。受驾驶模拟条件限制，笔者将雨天设置为4个等级，雪天设置为2个等级，雾天能见度设置为0～10 km。基于实际生活与虚拟环境下雨雪天气等级不同，笔者选取31名自愿者进行虚拟场景雨雪天气与实际雨雪天气匹配测试。结果显示：虚拟环境中雨天4个等级分别对应实际生活中的小雨、中雨、大雨、大暴雨；雪天2个等级分别对应实际生活中的大雪、大暴雪。因此，实验设计了11种天气条件。模拟驾驶系统根据天气条件调整道路表面抓地力，图2为天气场景示例，这11种天气条件参数及抓地力折减系数如表1。

图2 模拟舱天气场景示意Fig. 2 Weather scenario in simulator

/m——10 0001.000.20—2 0001.000.45—8000.750.70—5500.600.95—3000.45—0.455000.45—0.951000.20——1 5001.00——8001.00——3001.00——501.00

实验共招募31名被试，年龄分布为26～56岁(平均年龄为41岁，SD=8)，身体状况良好，无色弱色盲。模拟器以20 Hz频率记录驾驶员操控行为参数(加速踏板/制动踏板深度、方向盘转角、挡位等)及车辆运行参数(速度、加速度、侧向位移、与前车距离等)。

2 数据预处理

直线路段是城市快速路主要组成部分，笔者选取直线路段对研究不良天气下城市快速路交通流顺畅性具有代表意义。车辆与前车之间的距离、相对速度和加速度能反应驾驶员的跟驰状态，选取车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差、跟驰加速度共5个驾驶过程指标进行不同天气条件下跟驰过程分析，其指标示意如图3。

图3 跟驰过程指标示意Fig. 3 Indicators during car-following process

根据车头时距等5个指标在不同天气条件下的表现，分析驾驶员行为变化，并进一步阐明天气条件对交通流顺畅性的综合影响。

3 不良天气对跟驰行为影响

3.1 车头时距

各种天气条件下被试车辆车头时距均值如图4。方差分析结果表明：在低速、直线条件下，天气条件对车头时距具有显著影响〔F(10,324)=1.815，p=0.057〕，显著性主要是由晴天及大暴雪引起；此外不同类型天气的车头时距均大于晴天，且随着天气恶劣程度提升基本呈增加趋势；对于雾天这一类天气，强浓雾条件下的车头时距与其他几种雾天状态相比呈现下降趋势，表明在能见度极低状态下，驾驶员倾向于跟紧前车以确保行驶安全；大暴雨条件下的车头时距与大雨状态类似(两两比较p=0.754)，可能是当降雨强度超过某一阈值时，驾驶员对危险感知达到最大值。

图4 不同天气条件下平均车头时距Fig. 4 Average headway time distance under different weatherconditions

3.2 车头间距振幅

车头间距振幅是指跟驰过程中车辆纵向摆动幅度，驾驶员在该值范围内调整车头间距，各天气条件下车头间距振幅均值如图5。方差分析结果显示：在低速、直线条件下，天气条件对车头间距振幅具有显著影响〔F(10,324)=1.63，p=0.097〕，显著性主要由大暴雪及晴天引起；不同天气条件下车头间距振幅均值均大于晴天；同一类天气条件下，随着天气恶劣程度提升，车头间距振幅基本呈增大趋势；与车头时距类似，强浓雾条件下车头间距振幅与大雾天气相比降低，表明驾驶员在能见度极低条件下对车辆控制稳定性增强。

图5 不同天气条件下平均车头间距振幅Fig. 5 Average head spacing amplitude under different weatherconditions

3.3 最小跟驰车速差

最小跟驰车速差表示车辆在行驶过程中车速低于前车车速时最大车速差，其绝对值越大表示驾驶员跟驰过程中对前车加速行为反应越不敏感，各天气条件下最小跟驰车速差均值如图6。方差分析结果显示：低速、直线条件下，天气条件对最小跟驰车速差具有显著影响〔F(10,324)=1.865，p=0.049〕，显著性主要由大雾、大暴雨及大暴雪天气引起；在同类天气条件下，最小跟驰车速差随天气恶劣程度的增加基本呈减小趋势；大雾及大暴雨条件下最小跟驰车速差出现振荡，可能是由于该天气下能见度较低且车头时距较大，驾驶员为使前车保持在视野内而对前车车速注意力增加。

图6 不同天气条件下平均最小跟驰车速差Fig. 6 Average minimum car-following speed difference under differentweather conditions

3.4 最大跟驰车速差

最大跟驰车速差表示车辆在行驶过程中车速高于前车车速最大车速差，该值越大表明驾驶员在跟驰过程中对前车减速行为的反应越不敏感。方差分析结果显示：低速、直线条件下，不同天气条件对最大跟驰车速差的影响不具有统计显著性〔F(10,324)=1.221，p>0.1〕，即不同天气条件下最大跟车车速差较为稳定，驾驶员对前车减速行为反应受天气条件影响较小。

3.5 跟驰加速度

跟驰加速度是指跟驰过程中正加速度均值，体现了驾驶员对当前行驶状态的纵向控制能力。方差分析显示：不同天气条件对跟驰加速度影响不呈显著性〔F(10,324)=0.335，p>0.1〕，表明在低速、直线跟驰状态中，不同天气情况下驾驶员对车速控制能力较为稳定。

由以上分析可确定：显著性指标分别为车头时距、车头间距振幅和最小跟驰车速差。

4 不良天气对交通流顺畅性影响

利用主成分分析方法，笔者综合考虑不同天气下车头时距、车头间距振幅、最小跟驰车速差等指标，衡量不同天气条件对交通流顺畅性综合影响。

一般而言，除最小跟驰车速差外，其他指标越大则交通流顺畅性越差。为使指标趋势具有一致性，笔者将最小跟驰车速差取相反值做正向化处理。不同天气条件下各指标值如表2。

对原始数据标准化处理，进行主成分分析，计算特征值及贡献率如表3。选取前两个主成分，贡献率达99.20%，获得主成分因子的成分得分系矩阵如表4。

不同天气条件对交通流顺畅性影响得分Dn计算如式(1)：

(1)

式中：Dn为交通流顺畅性综合得分；F1、F2分别为主成分得分；a1、a2分别为主成分特征值。

表3 解释方差及贡献率Table 3 Explain variance and contribution rate %

表4 成分得分系数Table 4 Component score coefficient

根据低速直线条件下的跟驰行为分析，各天气条件下交通流顺畅性综合得分如图8。相对晴天，轻雾、小雨对交通流顺畅性影响较小，大暴雪天气对交通流顺畅性的影响最大；在同类天气中，随着恶劣程度提升天气对交通流顺畅性影响基本呈增加趋势，然而强浓雾和大暴雨天气相较于大雾和大雨天气有所下降；不同等级雨雪雾天气条件对交通流顺畅性影响从大到小依次为：大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。

图7 不同天气条件对交通流顺畅性影响综合得分Fig. 7 Comprehensive scores of different weather’s effect on traffic flow’s smoothness

5 结 论

笔者以不良天气为自变量，以车辆在直线跟驰过程中的车头时距、车头间距振幅、最小跟驰车速差、最大跟驰车速差和跟驰加速度为指标，利用单因素方差分析和主成分分析方法，研究了雨雪雾等不良天气对低速直线路段跟驰行为及交通流顺畅性的影响。

1)在不良天气条件下，驾驶员在低速跟驰过程中对车辆行驶稳定性及车辆之间距离控制能力下降，对前车加速行为不敏感，并且车辆与前车距离变大。随着天气恶劣程度增加，交通流顺畅性基本呈减小趋势。

2)在低速直线条件下，不良天气对交通流顺畅性影响从大到小依次为：大暴雪、大雨、大暴雨、大雾、中雨、雾、强浓雾、大雪、轻雾、小雨、晴天。

本研究结论针对低速直线条件下的跟驰行为，当改变道路交通条件(如上下坡、弯道)或综合考虑其他驾驶行为(如变道、超车)时，天气条件对驾驶行为和交通流顺畅性影响可能会发生变化。基于其他道路交通条件或驾驶行为的不良天气对交通流顺畅性影响，笔者将在后续研究中进一步分析。