基于模拟驾驶的借道左转驾驶人视觉特性研究

丁柏群,闫艳红,杨 柳, 宋子龙

(1. 东北林业大学 交通学院,黑龙江 哈尔滨 150040; 2. 长春市市政工程设计研究院有限责任公司,吉林 长春 130031; 3. 哈尔滨工业大学 交通科学与工程学院,黑龙江 哈尔滨 150090)

0 引 言

左转车流是制约交叉口通行能力、引发交通冲突、造成交通拥堵的重要因素。针对高峰时段左转车流饱和度高且道路空间资源有限的交叉口,环形交叉左转、连续右转式左转、U型远引式左转等交通组织方式应运而生。作为缓解左转交通压力的一种新型方法,借道左转也开始逐步得到应用,已在国内几十座城市中取得了较好效果。

借道左转是通过信号对交叉口靠近中央分隔带的一条或多条出口车道进行控制,使其能够在信号周期内不同相位,分别作为左转进口车道或其它流向出口车道,为左转车流增加空间路权,提高左转流向通行能力。借道左转交通组织方式需要满足:交叉口左转车流量较大,调整相位配时无法满足左转需求;交叉口空间能满足设置借用车道及并行左转的需求;借道左转与普通左转车道数之和不大于所对应的出口车道数,避免借道车辆与对向右转车辆发生冲突;借道左转的信号相位与普通左转相位同步、与其它相位分离,预信号与主信号的相位和配时相协调,确保其它相位放行过程中,出口道不被借道车辆占用。

刘洋等[1]针对借道左转这一设置的特殊性,提出了相应的渠化要素、标线、标志及信号灯的规范化等设计要求;罗丹丹等[2]运用车流波理论和VISSIM仿真分析,提出了借道左转设置的临界车流量;关昊天等[3]基于VISSIM仿真分析,研究了借道左转车道分隔带的开口位置; WANG Tao等[4]分析了借道左转交叉口的行人过街延误;WU Jiaming等[5]评估了借道左转对信号交叉口的影响。综上,目前关于借道左转的研究主要集中于其设置、运行等道路交通组织的理论和实践方面。

近年来学者也在研究特定交通情境下驾驶人的视觉特性。YAN Ying等[6]研究了在特长隧道特殊光区路段,驾驶人的注视特性和瞳孔面积的变化规律;方松等[7]探究了城市隧道长度对驾驶人视觉特性的影响;尚婷等[8]基于驾驶人视觉特性理论,研究了控速标线对驾驶人瞳孔面积变化率的影响程度;赵亮等[9]研究了新老驾驶人在城市道路环境下的视觉特性;吕贞等[10]分析了在草原公路行驶时驾驶人正常驾驶和认知、复合分心状态下的动态视觉特性;徐军莉等[11]建立了融合脑电特征和眼动特征的疲劳检测模型;杨柳[12]利用驾驶人视觉和生理特性的变化规律,定义了交叉口微观风险点,揭示出两者之间的关联性。但目前还未见从人因工程的角度,考虑借道左转过程对驾驶人视觉特性、生理反应、行车风险等影响的研究。

笔者通过驾驶模拟平台,设计城市道路交叉口借道左转仿真场景,利用眼动追踪系统获取驾驶人模拟驾驶的眼动数据,分析驾驶人借道左转过程的视觉特性变化,以及借道左转交叉口存在的交通安全风险,为借道左转的设置和运行组织提供科学依据和参考。

1 试 验

1.1 试验设备

试验采用驾驶模拟试验系统和Dikablis眼动追踪系统。

驾驶模拟试验系统主要由仿真车辆、驾驶模拟软件SILAB、显示系统、无线生理仪、外部数据通讯模块、IT控制设备、同步数字化沙盘以及配套搭建典型交通场景组成。其中,显示系统为半径3.5 m、高4 m的180°环形屏幕,驾驶环境和驾驶体验仿真程度较高;仿真车辆加装高精度力反馈方向盘、力反馈电机、力反馈踏板、档位操作杆和电子通讯总成模块等,实现车辆的模拟操控,且可以采集模拟车辆的行车数据和驾驶人生理、脑电、眼动、行为视频等人因数据。SILAB软件具有仿真控制功能和场景编辑功能、3D建筑和基础设施模型,可真实模拟城市道路环境,同时具有生成虚拟交通量和行人的功能,并支持模拟驾驶和场景演示,可以切实表现道路上的各种交通状况。

Dikablis眼动追踪系统主体是以D-LAB软件为依托的头戴式Dikablis眼动仪,是一种眼动检测及追踪的综合系统,采样频率为60 Hz。眼动监测摄像头检测眼动行为,利用系统算法分析得到瞳孔的位置和直径、眨眼频率、注视时间、扫视时间等参数,实现对驾驶人视觉特征的实时监测。

1.2 场景搭建

通过SILAB软件建立双向六车道城市道路交叉口借道左转仿真场景。选用西进口道设置借道左转车道如图1,车道宽度为3.5 m,道路限速为40 km/h,中央分隔带开口长度为17 m。图2为交叉口信号相位和配时。

图1 借道左转示例交叉口Fig. 1 Example intersection of contraflow left-turn

图2 仿真交叉口信号相位和配时Fig. 2 Signal phase and timing of the simulated intersection

借道左转车道设置与交通运行过程是:首先将交叉口西进口左转车道与相邻对向出口车道(即借用车道)一同设为左转车道;其次预信号与主信号协调控制,当预信号绿灯启亮时,控制车辆在中央分隔带开口处从普通左转车道驶入借道左转车道;然后当主信号绿灯启亮时,借道左转车辆与普通左转车辆一同左转;最后当预信号红灯启亮时,禁止左转车辆进入借用的左转车道。

SILAB软件中利用Aedit功能实现借道左转交叉口平面图的绘制以及交通标志布设、交通量标定和信号配时等场景设计;SILAB将二维平面图转换为3D虚拟仿真场景,场景搭建效果如图3。

图3 仿真场景搭建效果Fig. 3 Simulated scene building effect

通过调查阳泉市泉中路与北大街交叉口的车流状况,并确定仿真交叉口道路交通参数[13-15],如表1。

表1 仿真交叉口道路和交通参数Table 1 Simulated intersection roads and traffic parameters

1.3 试验对象

试验招募年龄为19～58岁,驾龄为1～16年的驾驶人共32名,其中男性17名,女性15名。驾驶人身体状况良好,双眼矫正视力1.0以上,无影响安全驾驶的生理缺陷,均有良好的驾驶习惯。

1.4 试验过程

驾驶人试验当天睡眠充足,精神状态良好,情绪平稳,并逐一完成如图4的驾驶模拟试验流程。

图4 试验流程Fig. 4 Experiment flow chart

D-LAB软件实时记录驾驶人试验过程的视觉变化数据,通过软件内部算法判定瞳孔面积、是否注视、注视时长、是否扫视、扫视时长、扫视角度等视觉参数。其中,软件依据检测数据和椭圆面积公式,计算瞳孔面积。

1.5 试验结果

试验获得有效数据31份,其中有24人选择了借用对向车道进行左转,部分试验数据如表2。

表2 某驾驶人视觉特征参数变化数据(部分)Table 2 Variation data on a driver’s visual characteristic parameters (partial)

2 瞳孔变化分析

2.1 数据处理

将瞳孔变化监测数据从D-LAB软件中导出到Excel,并利用D-LAB和Excel对数据进行预处理。采用眼动仪监测驾驶人瞳孔变化,以式(1)中的瞳孔面积变化率作为判断指标:

(1)

式中:S为瞳孔面积变化率,%;Sdr为行驶过程中的瞬时瞳孔面积,pixel2;Ssta为静息状态时的平均瞳孔面积,pixel2。

用MATLAB的CF Tool工具箱,对驾驶人借道左转过程中的瞳孔面积变化率进行拟合。3、6、9次多项式拟合结果如图5,拟合误差分析列于表3,其中9次拟合效果最好,拟合公式见式(2)。

表3 瞳孔面积变化率拟合误差Table 3 Fitting error of pupil area change rate

图5 多次项拟合效果Fig. 5 Polynomial fitting effect

10-2t3-4.3×10-3t4+3.8×10-4t5-2.0×10-5t6+6.2×

10-7t7-1.0×10-8t8+7.1×10-11t9

(2)

2.2 瞳孔面积变化分析

人类通过眼睛获取外界视觉信息,尤其是在驾驶过程中,多达80%以上的交通信息来自于视觉[16]。其中,瞳孔变化最能反映驾驶人的获取周围信息的心理“努力”程度。

在驾驶过程中,随着外界环境的改变,驾驶人心理状态会发生变化,从而影响瞳孔大小。研究表明[17],瞳孔大小与光照强度、情绪和认知强度有关。笔者试验在室内模拟驾驶舱进行,避免了光照变化,且保证驾驶人情绪稳定,因此瞳孔面积的变化幅度可以体现驾驶人在处理交通信息时,心理负荷程度和对该环境的认知强度。当驾驶人努力识别一个目标物且认为驾驶环境安全风险较大时,瞳孔面积会增大,与常态时瞳孔面积差距大(S增大);当驾驶人处于简单轻松的驾驶氛围时,注意力集中程度低,瞳孔面积会接近常态(S降低)。因此,可通过分析瞳孔面积变化可以标定借道左转驾驶人心理紧张的位置,并分析该位置存在的交通安全风险。

综合多次瞳孔面积变化率拟合曲线并结合驾驶视频发现,曲线第1次峰值是驾驶人观察借道左转标识及开口路段,第2次峰值(最高峰)是车辆从开口左转进入对向借用车道的时刻,第3次峰值是驾驶人从借用车道停车线进入交叉口的时刻,相应位置标记为图6中①、②、③。

图6 瞳孔面积变化率峰值点位置标定Fig. 6 Calibration of peak position of pupil area change rate

分析瞳孔面积的变化可以发现,上述3个标记点为驾驶人借道左转过程中交通信息负荷较大、心理较紧张的位置。

借道左转车辆驾驶人首先在位置①处认读位置②处的借道左转标识。由于借道左转交叉口几何设计和信号调控与传统交叉口不同,通行规则也有其特殊性,容易导致驾驶人看见借道左转预信号及标志时犹豫迟疑或判断失误,担心误入对向车道与相应车流发生冲突等,产生一定的心理压力。

位置②为中央分隔带开口处,这是一个关键位置,驾驶人要在此完成减速、左转随即右转、加速等一系列操作,处理的交通信息骤增,反应速度需要快,驾驶技术需要比较熟练;同时这一过程交通风险增大,如突然和较大减速可能引发后车尾撞,借道左转车道未及时清空可能引发碰撞,左转变道时容易导致车头突出借用车道发生冲突,以及S形转弯操作不当与隔离栅、交通标志等设施刮蹭等。

位置③为借道左转车道停止线前,驾驶人从此处进入交叉口时,行驶轨迹与普通左转车道不同,转弯半径较小;与普通左转车流并行转弯,容易产生相互干扰、交叉和冲突,增加行车风险和驾驶人心理压力。

因此,这3处位置交通状况复杂,行车风险较大,驾驶人操作多、紧张程度高,在空间资源分配和时间资源设计中,应有效针对这些潜在的交通风险进行管理与控制。

3 眼动行为分析

驾驶人利用眼睛从道路环境中获取刺激物信息,经神经传入大脑皮层进行处理加工并发出指示信号,产生眼动行为。眼动行为主要表现为注视、扫视和眨眼,通过眼球的转动寻找特定的刺激。眨眼是驾驶人通过眼睑开合缓解疲劳和提高视觉舒适性的行为,不能获取信息[18]。因此,笔者选取注视和扫视作为反映驾驶人视觉和心理活动的指标。

3.1 注视行为分析

3.1.1 注视时间

注视通常指驾驶人视线在中心视力2～5°区域范围内,停留最短时间超过80～100 ms时的状态[19]。持续注视时间表示驾驶人单次将视线集中在某一个区域上的时间长度。通常,注视时间反映出驾驶人对该区域的关注程度,体现驾驶人获取该区域的信息所用的精力和处理信息的难易程度。

图7为驾驶人在交叉口借道左转路段和普通左转进口路段(以下简称普通左转路段)中,各注视时长区段内相应注视行为发生的频率,即注视次数的时间分布。在借道左转过程中,驾驶人持续注视时间在400 ms以下的次数占比达67%,比普通左转路段增加了40%;其中100 ms以下的短期注视行为次数最多,占比达27%,比普通左转路段增加了1.25倍。同时,持续注视时间分布曲线起伏落差较大。这表明借道左转过程关注对象多,信息密集度高且处理难度差别大,因而驾驶人必须在短时间内完成更多信息的分析处理,认知负荷更重,需要更高的信息处理能力和强度。

图7 注视次数的时间分布Fig. 7 Time distribution of the number of fixations

图8为驾驶人驶过借道左转路段依次发生的注视行为持续时间的情况。持续注视时间较长的3个峰值点分别为717、2 934、1 216 ms;结合模拟驾驶试验记录视频分析,发现峰值点出现位置均与瞳孔面积变化率峰值标定结果吻合,支持了2.1节标定位置驾驶人紧张程度较大的分析,且两者反映紧张程度的次序也一致。最高峰在位置②,这是由于车辆S形转弯为一个短暂过程,受城市道路条件限制,车头或整个车辆突出借用车道的状况难以避免,驾驶人因而产生安全风险顾虑和心理紧张,耗费精力较大,体现为曲线上跟随最高峰出现的小高峰波动。

图8 持续注视时间Fig. 8 Continuous fixation duration

依据持续注视时间长短和瞳孔面积变化率大小,驾驶人紧张程度排序为:位置②>位置③>位置①,即借道左转开口处>借道左转车道停车线处>识读借道左转标识处。

3.1.2 注视兴趣区域

结合眼动试验注视点的分布区域和驾驶人视觉兴趣区域划分理论方法,将注视兴趣区域划为左方、中心、右方、上方和下方5个区域,如图9。

图9 注视兴趣区域划分Fig. 9 Division of interest area of fixation

试验中,简短的注视在注视热点图上表示为浅灰色;随着注视时间延长,颜色由浅灰到深黑。在注视路径图中,视点在一个固定位置时,会出现一个圆圈,注视时间越长,圆圈越大;由一个位置移动到下一个位置时,会出现一条直线。

图10、图11分别为普通路段与借道路段的注视热点图、注视路径图。两相对比可以发现,驾驶人在普通路段兴趣区域比较集中,主要关注中心区域的交通状况;而在借道过程中,特别是在①、②、③这3个位置,兴趣区域较多,注视对象分布较广,注视路径多变。在位置①处认读借道左转标识后,驾驶人倾向于关注前方车辆、右前侧车辆及前方预信号灯;在位置②处到达借道左转开口路段,驾驶人频繁关注左转开口和借用车道的交通状况;在位置③处进入对向借用车道后,驾驶人开始关注信号灯状态、普通左转车辆和交叉口内车辆的行驶状态。

图10 普通路段注视热点、路径Fig. 10 Fixation heat map and path map of ordinary road

对注视热点和注视路径分析表明:借道左转这一交通组织方式较为复杂,过程信息量大、关注点多,对驾驶人产生的心理压力较大,对驾驶技术、驾驶经验及借道左转组织形式熟悉度有较高要求。

3.2 扫视行为分析

3.2.1 扫视时间

扫视又称眼跳,是两次注视之间眼球的快速跳跃运动。通常扫视范围为1～40°,扫视速度可达400～600°/s,扫视的持续时间为30～120 ms[20]。在驾驶过程中,扫视行为表征驾驶人视点在关注目标之间的转移,主要是为了搜索、发现、补充与驾驶相关的信息、目标或异常情况。

累计扫视时间是在一次试验过程中,试验对象所扫视时间的总和[21]。图12(a)为驾驶人在借道左转路段和普通左转路段的累计扫视时间占总行程时间的百分比,图12(b)为借道左转路段依次标定的位置区间内扫视行为发生的频率,即扫视次数的位置分布。

从图12(a)可以发现,借道左转路段和普通路段的累计扫视时间占比都不高,其平均值分别为5.36%和3.72%,其中最大占比也仅为14.39%和12.90%,表明驾驶人大部分时间均以注视作为视觉收集道路信息的主要方式。在借道左转路段多达83%的驾驶人累计扫视时间占比高于普通路段,而且累计扫视时间占比平均值要高出普通路段44%。研究表明[22],在安全舒适的交通环境中,驾驶人的眼动行为以注视为主,穿插少数扫视行为;但行车环境变得复杂时,驾驶人会增加扫视比例,驾驶操作反应时间拉长,同时行车风险增大。可见,上述结果反映出借道左转过程环境信息复杂、安全风险较大,驾驶人的心理紧张程度远高于普通路段。

借道左转过程中扫视频率随行车位置的变化曲线〔图12(b)〕也出现了3个较大的峰值点,结合驾驶视频确定其发生位置与瞳孔面积变化率标定的①、②、③位置、以及持续注视时间的3个高峰位置相对应。在这些位置,环境信息骤然增多,驾驶人要做出大量观察、分析对比、判断、选择和操作,需要在短时间甚至“同时”处理很多信息,因而会通过增加扫视行为来快速搜索环境目标、确定关注对象、补充注视信息。扫视频率峰值反映出其比较强烈的心理压力、风险认知和紧张程度。

3.2.2 扫视幅度

扫视幅度是指驾驶人从一次注视结束到下一次注视开始之前这个阶段内,眼球坐标变化的角度。扫视幅度可以作为衡量驾驶人注意深度的指标。当驾驶人在一次注视中可以获得足够的信息,那么下一次扫视的角度会相对大些;但如果道路交通条件复杂,则一次注视不足以获得有效信息,随后的扫视角度会相对小些,在该注视点附近补充信息。另外,扫视幅度与外界环境信息密度呈负相关,信息密度越小,扫视幅度越大。各扫视幅度区间内相应扫视行为发生的频率如图13。

图13 扫视次数的幅度分布Fig. 13 The amplitude distribution of the number of saccade

从图13可见:在借道左转路段和普通左转路段驾驶人扫视幅度都在30°以内,其中5°以下的微小角度扫视发生频率最大,借道路段达78%,比普通路段高25.8%;而15°以上的扫视极少。这表明在借道左转过程中,驾驶人扫视行为的目的多是为上一次注视兴趣对象补充视觉信息。

3.3 视觉指标差异性分析

笔者采用独立样本T检验分析持续注视时间、累计扫视时间、扫视幅度3个视觉指标试验数据在借道左转路段与普通左转路段的统计学差异,结果如表4。

表4 借道路段与普通路段视觉特性差异性Table 4 Difference of visual characteristics between contraflow left-turn lane and ordinary lane

两种路段行驶情形下,持续注视时间差异非常显著(p<0.01);累计扫视时间和扫视幅度差异显著(p<0.05)。因此,这3项试验数据用于对比驾驶人在借道路段与普通路段之间视觉特性的差异是有效的,可据以分析驾驶人的心理负荷和风险感知差异。

4 结 论

借道左转作为一种新型交通组织形式,在实践中已经发挥了缓解交叉口左转流向道路资源紧张、平衡供应与需求的作用;但目前很少有从人因工程角度分析借道左转的研究。笔者开展借道左转驾驶人视觉特性研究,根据瞳孔变化和眼动行为分析驾驶人在借道过程中的心理压力和行车风险,标定了借道左转过程的高风险点,可以为相应交通组织设置提供参考。

1)借道左转过程中,驾驶人瞳孔面积变化率呈现3次峰值,分别对应于识读借道左转信号、到达中央分隔带开口及到达借用车道停车线3个位置,最高峰发生在隔离栅开口处;持续注视时间的峰值规律及对应位置、兴趣区域和注视路径多变位置以及扫视频率峰值位置与之相同,表明它们是驾驶人借道左转过程中需要信息量大、风险感知强烈、注意力高度集中的3个位置,而其中转入借用车道的位置风险最高。

2)借道左转路段驾驶人在400、100 ms以下的短期注视行为比普通左转路段分别增加了40%和125%,且时间分布落差较大,表明该过程驾驶人关注目标多、摄取信息密集且处理难度悬殊、认知负荷大,需要进行更高强度的信息处理。

3)借道左转过程驾驶人累计扫视时间普遍很少,平均占比仅为5.35%,且以5°以下小角度扫视为主,表明注视是驾驶人获取环境信息的主要方式,扫视则主要是补充注视获取信息的不足。但绝大多数驾驶人累计扫视时间占比均高于普通左转路段,反映出借道左转过程环境信息多而复杂,驾驶人搜索、对比分析的需求更高,心理紧张程度也更高,需要通过扫视纾解。