山区城市道路交叉口纵向减速标线影响分析

白婧荣，唐伯明*，赵子玉，吴 鹏

(1.重庆交通大学土木工程学院，重庆 400074；2.重庆市轨道交通(集团)有限公司，重庆 401120；3.重庆交通大学交通运输学院，重庆 400074)

在驾驶行驶过程中，驾驶员的生心理压力大小和视觉适应对行驶安全具有很大影响。视错觉减速标线的原理是通过减速标线使驾驶员形成视觉错觉，造成感知速度加快的错像，从驾驶员视觉注意的选择、持续时间和转移时间等方面分析驾驶员的感知视觉信息，当驾驶员在环境宜人的条件下行驶时，瞳孔较小，视点相对散乱，具有很大的跳跃性，保持一定次数的眨眼行为，而在环境较差的条件下行驶时，驾驶员的神经会逐渐紧张，瞳孔增大。因此，对减速标线措施的设置有效性进行评价时，从视觉生心理反应的评估不可缺少。

尚婷等[1]通过将减速标线的横向宽度设置到20～50 cm，利用室内仿真实验手段，分析瞳孔面积变化率与横向宽度之间的关系，随着速度的增加，驾驶紧张程度增加，瞳孔面积变化率增大。周剑萍等[2]从驾驶员心理角度出发，考虑驾驶员的视错觉特性，设计减速标线并判断其有效性，提出一种基于视错觉原理的标线设计方法。张强等[3]通过在隧道内增加主动发光的隧道走向轮廓标线及在隧道出入口设置绿环植被来增加视觉环境中所需要满足的视距需求。郭应时[4]根据道路的条件分析注视行为并划分出注视区域。丁光明等[5]研究得到驾驶员在接近高速公路隧道出口时的注视行为会减弱，而扫视幅度会增加，当出隧道后，各项行为的指标数据均有所增加。陈鹏等[6]对城市隧道出入口亮度对驾驶员视觉的影响特性进行研究。白彬[7]利用眼动仪采集眼动的注视和扫视等数据，评价驾驶员视觉特性与其在交叉口处的认知特性。叶建光[8]通过采集眼动参数和心理反应指标分析不同的公路线形和空间开闭情况对驾驶行为的影响。

城市道路交叉口位置在城市路网中有一定的特殊性，如何在确保交叉口通畅的同时，按照合理的行车速度行驶，对提高交叉口的安全性能十分重要。在真实的道路上进行实车试验，利用眼动仪对驾驶人视觉的精确追踪，观察驾驶人在经过纵向视错觉减速标线路段和一般路段时的眼动特征，记录车辆行驶数据及其驾驶员相关眼动数据；利用无人机对试验道路的交通流特性进行采集，获得交通流量、车型比例、车头时距和试验车辆轨迹横向偏移量等数据，再对试验所得数据进行分析，得出驾驶人注视行为特征、瞳孔变化规律和车辆行驶轨迹特征。

1 实验设计及数据采集

1.1 试验道路选择

山区城市道路交叉口由于受到地形条件限制，常常存在一定的坡度，经过综合对比选取重庆市明佳路-光电路十字交叉口处进行分析，其实景如图1所示。对明佳路的纵向减速标线路段和对比路段的地形图进行测量，此道路为双向四车道，由于交通量较小，左右路侧车道很少用于行车，尤其是在交叉口外80 m，作为大部分车辆的临时停车点。并利用航拍视频得到试验路段40 m通过的有效车辆43辆标准小客车，区间速度平均值为16.14 km/h，对比路段40 m通过的55辆标准小客车的区间平均速度为25.75 km/h。

1.2 试验设备

试验中主要用到4种仪器设备，分别为行车记录仪、无人航拍机、眼动仪和坡度计。行车记录仪(图2)能够记录的数据相对来说精度较高，可以为后期试验校对时间与路段位置的一致性，也可以确定行车地点和驾驶周边的环境。

精灵4pro无人机(图3)的感应系统为视觉定位系统和前视障碍物感知系统，支持APP控制。坡度计(图4)用于测量试验路段的坡度。Smart Eye型眼动仪电脑(图5)可以用于记录试验过程中驾驶员的眼动指标的变化，以文本文档和视频形式保存，再通过配套分析软件Begaze来分析注视和扫视行为数据，简化试验数据分析过程，眼动仪数据采集实验如图6所示。

图1 试验路段实景图Fig.1 Test road section

图2 行车记录仪Fig.2 Automobile recorder

图3 无人航拍机Fig.3 Unmanned aerial camera

图4 坡度计Fig.4 Slope meter

图5 电脑Fig.5 Computer

图6 眼动仪Fig.6 Eye tracker

2 交通特性分析

2.1 区间速度

明佳路试验路段速度的样本标准偏差为6.89，中值V50为15.00 km/h，V15为8.98 km/h，V85为25.71 km/h；对比路段速度的样本标准偏差为8.67，中值V50为16.36 km/h，V15为25.71 km/h，V85为36.00 km/h；对试验路段和对比路段速度数据验证符合正态分布，如表1所示。试验表明：①对比路段速度的标准差8.67大于试验路段速度的标准差6.89，即设置减速标线后车辆的速度分布较为集中，大部分数值和其平均值之间差异较小。②对比路段与试验路段的V15、V85相差都比较大，对比路段区间速度的均值25.75 km/h大于试验路段区间速度的均值16.14 km/h，即设置减速标线的试验路段区间速度低于未设置减速标线的对比路段区间速度的37.32%。这说明在城市道路交叉口处，进口道的行车速度明显低于出口道行车速度，在交叉口处设置纵向减速标线可以使驾驶员提前降低行驶速度，增加行车警惕的心理，在综合因素下，城市道路交叉口处设置减速标线可以提高行驶安全性。

2.2 车头时距

试验路段车头时距有效样本数为49，样本均值为6.27 s，标准偏差为7.19，中值t50为4.00 s；对比路段车头时距的有效样本数为39，样本均值为8.59 s，标准偏差为12.68，中值S50为3.00 s，对试验路段和对比路段车头时距数据验证符合正态分布，如表2所示。研究表明：①由于此试验路段为城市道路交叉口的进口道和出口道，不同方向的车道上的车辆之间影响较小，而路侧行人、出租车上下客和早晚高峰时间对车头时距的影响较大。②在设置纵向减速标线的交叉口进口道车辆数较多，车头时距数值较小，且车头时距的分布也较为集中。

3 生理行为指标分析

3.1 注视区域划分方法

驾驶员的视野平面划分方法是指通过研究不同的驾驶员注意力分配和视觉搜索模式来分析驾驶员视点在行驶过程中分布特性的重要手段。为了能够使驾驶员识别到更多的信息获取充足的道路环境状态来保证安全行驶，驾驶员在行驶时需要关注道路上的各种目标，因此，驾驶员往往会选择性反复关注特定的几个感兴趣目标。为了能够更加充分地研究驾驶员的眼动特性规律和视觉搜索模式，选取机械划分法的原理结合眼动设备采集的注视点数据，利用逐一统计和K均值动态聚类的方法来分析驾驶员视觉特性。动态聚类法的具体过程如下。

表1 速度分布描述统计量Table 1 Velocity distribution description statistic

注：试验路段②为明佳路-光电路交叉口纵向-直行段；对比路段2为明佳路-光电路交叉口直行段。

表2 车头时距描述统计量Table 2 Velocity distribution description statistic

注：试验路段②为明佳路-光电路交叉口纵向-直行段；对比路段2为明佳路-光电路交叉口直行段。

第1步：初始化。选择对象集X，按照指定的聚类类别个数k，在X中按照需要的k作为初始聚类中心，设置迭代中止条件，迭代之时首先要进行相似度的计算，如公式(1)所示。

(1)

式(1)中:cj为第j个聚类中心；d(xi,cj)是聚类中心cj与样本xi之间的距离。距离的计算采用闵可夫斯基公式，如公式(2)所示。

(2)

式(2)中：当p=1时，p为曼哈顿距离；当p=2时，p为欧氏距离；当p→∞时，p为切比雪夫距离。

第2步：进行迭代。

第3步：更新聚类中心。

第4步：重复上述第2步和第3步。

综合分析，根据目前已有研究的驾驶员视野平面划分方法，基于动态聚类算法，以驾驶员视觉视线点为基础，再根据道路线形、车辆结构特性和驾驶员的驾驶特性，对驾驶员视野平面进行划分。

3.2 注视区域划分和注视点分布规律

通过注视区域划分的方法，利用注视点逐一统计和视野平面划分的方法，将眼动仪统计到的注视点进行聚类分析，选取合适的聚类个数，结合驾驶员行车过程中的视觉特性，根据拉依达准则法和标准化数值对眼动数据进行剔除，通过SPSS软件得到相应驾驶员眼动数据对应的均值和标准差，得到剔除异常数据后的可分析眼动数据。根据驾驶员注视点分布规律和试验车辆环境特性,通过origin软件的K均值聚类，对处理后的眼动数据选取6类K均值聚类对视线点坐标进行了聚类分析。山区城市道路交叉口处的聚类结果如表3所示。

通过对试验人员的注视点区域的初步聚类分析，可以看出聚类后的视线点分布，如图7所示。

通过分析最终聚类结果发现，驾驶员视线点在其视野范围内呈一定分布规律，因此，结合车辆结构和道路线形，按照试验路段的不同驾驶员注视点汇总分析，将驾驶员前方视野平面划分为左前方、右前方、左远前方、右远前方、近前方和远前方等6个区域，如图8所示。其具体含义是：左前方(紫色框)为驾驶员视线左侧道路轮廓；右前方(橘色框)为驾驶员视线右侧道路轮廓；左远前方(绿色框)为驾驶员视线左侧上方道路环境；右远前方(蓝色框)为驾驶员视线右侧上方道路环境；近前方(白色框)为驾驶员视线注意点；远前方(黄色框)为驾驶员视线上空及远处道路环境。

在不同的道路线形和环境下，驾驶员的视点分布主要是在道路左右两侧远近不同的道路轮廓及线形走向和道路前方远近不同的道路环境上，因本文的异常数据筛选的方法选取，将少量的视点因变更车道和超车而落在车辆的左右两侧后视镜上的数据剔除了，且后视镜处的视点对本文研究的减速标线影响不大，所以对此不做分析。

通过对各路段注视区域平面划分的结果分析，可以看出，本文研究的减速标线主要落在近前方(白色框)区域。当处于左转道路时，视点落在左侧的频率大于右侧；当处于右转道路时，视点落在右侧的频率大于左侧；当处于直线路段时，视线点落在前方的频率稍大一些。驾驶员在右转弯时主要注意内路边缘，左转时注意外路边缘，驾驶员注视行为在曲线路段和平直路段上存在显著差异。对驾驶员视点数进行统计计算，得到驾驶员的视点在标线所在区域的占比，即减速标线所在区域的视点数除以总的视点数。注视时间百分比是驾驶员产生的所有注视行为的时间与产生所有眼动行为的总时间的比值，其反映了某一时间段内驾驶员的注意力集中程度。明佳路-光电路处，由于路侧行人和道路环境复杂，且受信号灯影响，因此视点占比较少，为12.95%。

4 轨迹指标分析

通过对试验中录制的视频进行分析，主要针对小客车的行驶轨迹，按照30帧/s的频数对车辆轨迹横向偏移量D(t)(假设视频中的车辆为一个质点，其横向偏移量为质点到车道边缘线的距离)进行标定和数据采集，具体数据如表4、表5和表6所示。对明佳路试验路段和对比路段的轨迹横向偏移量进行统计分析，可以发现在试验路段和对比路段的偏移量分布频率最大值42.62%和38.18%在(0.5，1]区间内，说明在设置减速标线的路段行驶时，其车辆行驶轨迹偏移量一般在0.5～1 m范围内的频率要大于未设置减速标线。图9和图10分别为实际行驶轨迹和预期行驶轨迹。

表3 明佳路注视点聚类中心Table 3 Mingjia Road gazing point cluster center

表4 试验数据统计分析结果Table 4 Test data statistical analysis results

表5 明佳路小型车行驶轨迹偏移量频率值Table 5 Mingjia Road small car driving track offset frequency value

表6 轨迹偏移量均值统计分析Table 6 Statistical analysis of mean value of track offset

图9 车辆实际行驶轨迹Fig.9 Actual vehicle trajectory

图10 车辆预期行驶轨迹Fig.10 Vehicle expected trajectory

5 结论

采用统计分析方法对试验路段和对比路段的试验数据进行分析，得到山区城市道路交叉口的基本道路条件参数，再根据实地情况对试验段的交通流特性、驾驶员生理行为指标和轨迹规律进行分析，其中交通流特性主要包括一定时间内通过试验段的交通流量、区间速度和不同车型的速度对比分析，驾驶员生理行为分析主要包括注视区域划分、注视点分布变化规律，轨迹规律分析主要包括减速标线对轨迹横向偏移量的影响，试验表明：在城市道路交叉口设置纵向减速标线后车辆的速度分布较为集中，增加行车警惕的心理，提前降低行驶速度，试验路段和对比路段的偏移量分布频率最大值42.62%和38.18%在(0.5，1]区间内；驾驶员视线点在其视野范围内呈一定分布规律，因此，利用聚类分析结合车辆结构和道路线形，将驾驶员前方视野平面划分为左前方、右前方、左远前方、右远前方、近前方和远前方等6个区域，山区城市道路交叉口段视点占比为12.95%。总之，在山区城市道路交叉口段设置纵向减速标线可以提前警告驾驶员控制车速等有利的影响，提高交叉口行驶安全性。