徐 进 孙子秋 王思棋 杨子邈
(1重庆交通大学交通运输学院,重庆 400074)(2重庆交通大学山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室,重庆 400074)(3深圳市城市交通规划设计研究中心股份有限公司,深圳 518057)
随着高速路和快速路里程的不断增加,交通需求不断上升,路网的互通立交变得更加密集,从而使互通立交间距持续减小.立交间距不足会影响交织区的交通运行[1]和路网结构功能的发挥,并降低立交出入口的行车安全性[2].高密度立交群的出现会导致驾驶人在立交出入口附近有更高的驾驶操作压力[3],最终致使该区域的交通冲突和事故风险进一步上升.高密度立交群的界定可以采用以下2个指标：① 以净距为判断指标,即不满足《城市道路路线设计规范》(CJJ 193—2012)[4]和《公路路线设计规范》(JTG D20—2017)[5]中对于立交最小净距要求(1 km)的立交,即小净距立交;② 以立交间距为判别指标,即高速公路行驶环境下平均间距低于4 km的相邻立交,如10 km连续路段内出现3座以上立交的可判定为高密度立交群.
针对互通立交的驾驶行为分析以及安全性评价,现有研究主要集中在交织区和变速车道.由于车辆在立交出入口时所经历的交织过程会形成交通冲突区域,其分/合流过程会引起车辆运行特征变化,进而导致车辆碰撞的事故风险.根据事故数据统计结果,立交出口区域的事故频次在总体上要高于入口区域[6],尤其是与相邻设施较近的互通出口(如隧道出口紧邻前方互通、互通净距较小、互通与相邻服务区较近)和通视性较差的互通出口.McCartt等[7]研究发现，互通立交出口的事故数量明显多于2个入口之间的路段;Papadimitriou等[8]基于Meta分析发现，立交出口车辆速度的差异性是诱发交通冲突的关键因素;刘亚非等[9]基于视频检测数据,发现驾驶员在减速车道终点时的期望车速高于匝道限速.而变速车道的长度则影响车辆在进入主线或匝道时的运行状态[10],如Kondyli等[3]的研究结果表明加速车道过短导致车辆汇入主线时速度过低是引发交通冲突的关键因素,而Chen等[11]通过研究发现减速车道长度不足会使得主线车辆减速过程延续到匝道,从而导致车辆撞击护栏或侧翻.
驾驶人作为车辆的操纵者和行驶决策过程中的执行者,是人-车-路-环境组成的交通运行系统中的重要一环.而在信息感知过程中,人的视觉感知又作为信息的主要输入源,与其驾驶行为密不可分.因此,国内外学者也开展了大量驾驶人视觉特性相关的实验研究,如Arakawa[12]基于驾驶员眼动特性,利用时间序列分析了驾驶员的视觉特性,建立了驾驶员状态检测模型;Le等[13]集合Vestibulo-Ocular-Reflex(VOR)模型和Optp-Kinetic-Reflex(OKR)模型,基于2×2因子设计分析,建立了驾驶人分心评估模型;马勇等[14]利用EyeLink Ⅱ眼动仪对驾驶人视觉搜索行为进行分析,研究了车速以及标志字体高度之间的相关性;郭应时等[15-16]研究了不同通道宽度对驾驶人的动态视觉和操作行为的影响以及驾驶经验对注视行为和注视点分布的影响;潘晓东等[17]利用EMR-8B眼动仪研究了山区道路平曲线半径连续变化的条件下驾驶员的视觉需求;陈芳等[18]研究了山区高速公路弯道场景路段驾驶员的视点分布特征;赵晓华等[19]通过驾驶模拟试验,研究了在长大隧道场景下突起路标对车辆速度调控管理和驾驶人心理以及生理的影响.
驾驶人在行驶过程中对环境的感知主要通过视觉来完成,感知特性决定了驾驶操纵和车辆运行特性,目前复杂立交环境驾驶人视觉感知的相关研究较少,尤其是高密度立交区域的驾驶人视觉特性尚未得到揭示.为此本文选取了重庆市一处高密度立交群作为研究对象,采集驾驶人在行驶过程中的眼动数据,对比分析了驾驶人的注视转移和分布特征.本文研究成果可以为高密度立交出口设计以及安全管理提供科学依据和理论支撑.
1.1 试验地点
通过卫星地图以及实地调研,选择位于重庆市渝北区和江北区交界处附近的5座互通立交作为试验地点,如图1(a)所示.其中,寸滩立交位于城市主干道(限速80 km/h),五桂立交、五童立交、东环立交和人和立交位于城市内环快速路(限速100 km/h);寸滩立交用于车辆调头,位于快速路的4座立交用于驾驶行为研究.
立交净距为上游立交加速车道终点至下游立交减速车道起点间的距离.东环、五童和五桂3个立交之间的净距都不足1 km,为小净距立交区域;东环立交和人和立交之间的净距大于1 km,为普通净距区域;而五桂立交为复合式立交,最终本文选择了4个立交中的6个出口作为研究对象,立交几何样式、匝道类型、匝道半径、车道数等信息如表1所示.试验互通类型包括苜蓿叶型、三岔型和双喇叭型,匝道类型包括直连式、半直连式、迂回式和环形匝道,如图1(b)所示,基本涵盖了高速路/快速路的主要互通样式和匝道类型,图1(b)中编号为RH、DH1、DH2、WT1和WT2、WG的匝道,分别为试验车辆在人和立交、东环立交、五童立交和五桂立交进行方向转换时的行驶路线.
将立交出口区域划分为2个行驶阶段,如图2所示,其中分流段为立交出口分流点至减速车道渐变段起点之间的路段,匝道段为车辆驶过分流点至匝道终点之间的路段.
图2 行驶阶段划分示意图
1.2 试验设备
本文使用非接触式眼动仪Tobii Glasses2.0作为眼动数据采集设备,该眼动仪使用动态LED技术和3D眼睛模型来精确估算眼睛的空间位置和注视点,可以有效地采集到车辆行驶过程中驾驶人的眼动数据.其采样频率为50 Hz,采集的数据类型包含了驾驶人注视行为和扫视行为的相关指标,再通过Ergolab平台进行眼动片段提取,采用速度阈值识别算法对注视点进行合并.
1.3 试验人员
在社会上招募了47名驾驶员,如表2所示.其中，男女比例接近3∶1;驾驶人年龄分布在25～51岁之间;驾龄分布在2～25年之间;驾驶里程分布在2～50万km之间.由于可穿戴式眼动仪的特点,被试均被要求矫正视力在5.0以上,并且没有其他眼科疾病.
表2 试验人员相关信息
1.4 试验流程
汽车启动出发前,被试在眼动仪校准后进行5～10 min的自由观察,若有不适或异常现象则及时进行调整并且重新校准.在每位驾驶人行驶前告知其行驶路线,行驶过程中提前告知驾驶人是否驶出和驶入主线(见图1);除此之外,对驾驶员不予任何的限制行为,让其保持平日的驾驶风格来操控车辆行进.同一名驾驶人沿该试验路径连续行驶2～3个循环后返回起点,停止记录并保存各项数据.本次试验共持续16 d,每日均在10:00—17:00进行,本文的主要研究目的是分析立交设计因素对驾驶人注视行为的影响,在试验中避开了高峰时刻,车辆处于相对自由的行驶状态,对驾驶人行为起主要作用的是道路环境因素.为保证数据的准确性,后期只对有效眼动识别率高于90%的数据进行了提取分析.
在车辆行驶的过程中,驾驶人会将注视点分配到道路场景中,通过观察不同目标物(道路标线、标志牌、周围车辆等)来操纵车辆.因此该过程可以反映出驾驶人的注视特征,同时也能反映不同注视目标对驾驶人的重要程度.多数注视点往往呈现出团聚状,少数注视点呈现离散状,因此需要对驾驶人的注视点进行聚类,将不同注视点归化至单独的区域中,从而划分驾驶人的注视视窗区域.
2.1 K-medoids动态聚类法
驾驶人在行驶过程中,会观察一些对于驾驶操纵无关的场景,从而在整个视野平面会出现一些孤立注视点,这些点作为异常值会对K-means聚类划分造成一定影响,如降低聚类区间划分的精度,容易达到局部最优等问题.而K-medoids中心点选择为样本内的点,对异常值敏感度较低,更容易达到全局最优,结果可信度更高,因此本文采用K-medoids聚类算法进行驾驶人视窗区域的划分.K-medoids聚类算法采用欧式距离作为判断指标,通过计算类簇指标,利用手肘法来确定最优聚类数k值,类簇平均质心距离Rmc的加权平均值计算公式如下：
(1)
式中,n为类簇数;m为j簇中的样本数;(xi,yi)为j簇中的一个样本点;(uj,vj)为j簇的质心.
2.2 视窗区域划分结果
聚类原始数据以驾驶人注视点在视野平面上的解析坐标作为聚类变量,每位驾驶人选取了约2 000个连续注视点坐标作为聚类数据,如图3所示,并且对各驾驶人的注视点分别进行聚类.聚类数k在3～11范围内取值并且进行聚类计算,图4(a)为驾驶人D7的类簇指标变化曲线,从中可以看到,在聚类数为3～6时,指标迅速下降,当聚类数为7～11时,指标变化程度明显下降,即当k=7时,聚类效果最优;通过对比分析所有驾驶人的聚类结果后,最终将驾驶视窗划分为7个区域P1～P7,如图4(b)所示.
(a) 聚类指标计算
驾驶人的注视点在时间和空间上都是离散的[13],并且转移过程满足下一个注视点所处的位置往往只与当前注视点所在位置高度相关,而与之前所注视的位置无关.因此可以利用马尔可夫链计算驾驶人在高密度立交出口环境下的注视点转移概率以及平稳分布,从而能够分析驾驶人的注视行为转移特征.
在2.2节中确定的视窗区域就可作为马尔可夫链中的空间状态,每个区域中的注视点即为随机变量集合,其单步转移中可以将所有状态的转移概率按照矩阵进行排列,其计算过程如图5所示.图中,t1～t5为时序,P为概率矩阵,Nij为状态i转移到状态j的频数,Pi,j为状态i到状态j的一步转移概率.
(a) 按时间增序排列注视点
3.1 出口分流段注视点转移特征
对各驾驶人的注视点按照时间顺序标记其状态,统计出各个状态之间的一次转移频数,之后按照各状态分别计算一步转移概率,最后得到驾驶人在高密度立交出口分流段的一步注视转移概率矩阵,计算结果如图6所示.
(a) 普通净距立交
在小净距立交出口段时,驾驶人对于区域P2的重复注视概率为0.61,并且从其他区域一步转移到区域P2的概率均高于普通净距,复合立交分流段在区域P2的一步注视概率也几乎都高于普通净距.这是因为立交净距的不足导致车辆的交织行为更加频繁,驾驶人对于左侧车道区域的视觉需求更高,需要分配更多的注意力在该区域来获取相关信息.
试验驾驶人在区域P1、P4、P6、P7的一步转移概率都较低,说明驾驶人对于这4个区域的关注度较低或者不需要频繁地重复注视便可以有效获取相关信息.此外,驾驶人在小净距和复合立交出口分流段时,一步注视转移概率出现0的次数均高于普通净距情况,一步转移概率为0代表该区域没有进行重复注视.综合以上分析：驾驶人在互通立交出口分流段时,会倾向于关注区域P2和P3以保证其视觉需求,即前窗的左下部分,其中视窗区域P2对应的行驶环境为行驶通道左侧边界(单车道匝道时左侧边界为左侧护栏和路缘线,双车道匝道时为车道分界线),是驾驶人控制行进轨迹的重要参考;视窗区域P3对应的行驶环境为车辆前方近处的路面区域,是获取路面状况和障碍物信息的重点区域.相比于普通净距,在小净距立交出口段行驶时,驾驶人对区域P2的关注度更高.
3.2 出口匝道段注视点转移特征
同样,统计并且计算得到驾驶人在高密度立交出口匝道段的一步注视转移概率矩阵,计算结果如图7所示.
从矩阵主对角线的数据可以看到,驾驶人在不同的匝道行驶时,对于各区域的重复注视率存在一定差异性.在五童立交WT1和WT2出口匝道行驶时,其对于区域P3(车辆前方近处的路面区域)的重复注视率最高;而在五桂立交以及人和立交出口匝道行驶时,对于区域P4(行驶通道右侧区域)的重复注视率最高.就匝道半径而言,在小半径匝道(人和立交和五桂立交匝道)行驶时,驾驶人的注视点从其他区域转移到区域P4(单车道匝道表现为右侧护栏和右侧路缘线)的概率更高;而在较大半径的匝道(WT2匝道段)行驶时,注视点从其他区域转移到区域P3的概率更高.这是因为在小半径曲线右转行驶时,较高的弯道曲率会增加驾驶人对方向盘的操纵需求.
同时,还可以看出在匝道段时,其一步转移概率矩阵的分布更加集中,转移概率为0或者接近0的值出现更频繁,这说明在匝道段驾驶人的注视点分布更加集中.因为在匝道段对于车辆控制的需求要高于直线路段,驾驶人需要接受足够的注视信息来进行转向操纵.
(a) 五童立交WT1匝道段
4.1 出口分流段
在出口分流段,车辆从主线驶入出口匝道时往往会受到车辆交织的影响,所需要观察的道路信息也更多.因此本文选取了试验立交的5个出口分流段,在注视点转移过程的分析结果上,进一步分析驾驶人从主线驶入匝道分流段过程的视觉搜索行为.
在选取了以上注视片段后,从前置行车记录仪视频记录中发现,驾驶人驶离主线进入匝道时,按照车辆的行驶轨迹可以分为2种情况：不需变道驶出主线和需变道驶出主线,如图8所示.
(a) 不需变道驶出主线
按照以上2种情况,对每位驾驶人在分流段注视总时长,分别绘制在有变道行为和无变道行为情况下的平均注视时长分布图(见图9),同时统计注视点转移数据——扫视次数和平均扫视幅度,并进行分类,得到了各驾驶人在不同类型立交出口分流段的扫视变化特征,其结果如图10所示.从图9和图10中能够得到以下发现：
1) 驾驶人采取变道行为驶入出口时,落在右后视镜区域的注视点明显高于未采取变道行为的情况.这是由于驾驶人变道驶入减速车道时,需要通过反复观察右侧和右后侧的车辆运行状态来确定变道时机,对右侧后视镜区域的注视需求增加.而车辆位于最外侧车道时无需变道即可驶入变速车道,不再需要过多关注右后视区域,而是将更多的注视点分配在前方或者左侧后视镜区域.
2) 驾驶人变道驶入减速车道时,小净距立交出口分流段的平均扫视次数显著高于普通净距立交和复合式立交;而在扫视幅度上,小净距立交出口分流段的平均扫视幅度要小于普通净距和复合立交,这说明驾驶人在小净距立交分流段的注视转移特征为高频率、低幅度,即小净距立交分流段对于扫视的需求较高,但视野所观察的范围较窄;而驾驶人在普通净距情况下的注视转移次数需求较低,但是视野观察的范围却更广,能够接受到更全面的道路相关信息;同时,驾驶人在复合立交分流段的注视转移次数最低,扫视幅度与普通净距相当,即其注视转移特征为低频率、高幅度.
图9 出口分流段平均注视时长分布
(a) 扫视次数
3) 未变道直接驶入减速车道时,小净距立交出口分流段的平均扫视次数为66,明显高于普通净距立交和复合式立交;在扫视幅度上,小净距立交出口分流段的平均扫视幅度46像素,显著低于普通净距和复合立交的96和113像素.
4) 在未变道的情况下,驾驶人在小净距立交和复合式立交出口分流段的扫视次数变化较小,均略低于变道情况.与变道驶入相比,未变道时小净距立交分流段的平均扫视幅度出现了大幅下降;同时,驾驶人在普通净距出口分流段的扫视次数和平均扫视幅度也出现了明显的下降,即驾驶人在未变道(直接驶入)情况下,对于扫视需求整体上都是呈现下降的趋势.
4.2 出口匝道段
4.2.1 曲线段注视热点分布
注视热点是指驾驶人在行驶过程中频繁注视的主要目标,即道路环境中人眼注视点最集中的点位.驾驶人在匝道段行驶时,无论是车辆之间的冲突还是道路目标物对于驾驶人的影响都较小,而从前文对匝道段的注视转移过程中可以发现,匝道段独特的线形条件导致了驾驶人注视点在弯道附近的分布更为集中.因此,为了进一步分析驾驶人在各个匝道段行驶时的注视行为,提取了各驾驶人在不同匝道曲线段时的注视点,并且根据其注视时间进行注视热力图绘制,部分结果如图11所示.
(a) 道路左侧路缘
从图11中可以看到,在匝道曲线段行驶时,不同驾驶人的注视点分布有着明显的差异性,按照其主要注视目标,可以划分为道路右侧边缘、道路左侧边缘、行车道中线、车道分界线、前方车辆5个视觉注视热点.驾驶人出现以某一目标物作为注视热点的这一行为,主要是因为在匝道段时,由于存在车辆转向需求,驾驶人需要通过不断注视道路路面、标线或者车辆等目标来确定和修正方向盘的转角幅度,从而保证车辆的正常行驶.
4.2.2 不同工况下注视搜索特征
通过驾驶人在相关场景中的眼动仪记录视频发现,在双车道的右转匝道行驶场景中,按照驾驶人的行驶车道和是否存在前方车辆,可以分为4种驾驶工况：弯道外侧车道-有前车、弯道外侧车道-无前车、弯道内侧车道-有前车和弯道内侧车道-无前车.而在单车道的右转匝道行驶场景下,可以分为2种驾驶工况：有前车和无前车.针对以上几种工况,分别统计驾驶人在匝道上的视觉热点信息注视时间,计算不同驾驶人在不同注视热点的时间占比,结果如图12所示.
从图12中可以看到,在右转出口匝道时,驾驶人所行驶的车道和是否有前车对于注视搜索行为存在一定影响.处于弯道外侧车道并且前方没有车辆时,车道分界线为主要注视目标的时间占比最高,达到了65.4%;而在弯道内侧车道前方无车时,车道右侧路缘为主要注视目标的时间占比最高,为70.5%.在单车道无前车时,右侧路缘注视时间的时间占比为63.8%.由此可以发现,驾驶人在右转出口匝道行驶时,更倾向于以视野右侧作为主要注视区域.
(a) 双车道匝道-有前车
而在前方有车辆时,以前车作为主要注视目标的时间占比在外侧车道时最高,为50%,在弯道内侧车道时,以前车作为主要注视目标的为36.2%,在三者中最低.可以看出,当驾驶人行驶于匝道中时,前方车辆对于驾驶人的注视搜索过程存在较高影响,一方面是需要观察前车来保证合适的车间距,另一方面可以以前方车辆作为转向的参考目标物.
立交匝道设计速度为40 km/h时,圆曲线半径R的一般值为60 m,极限值为45 m[2],因此以60 m半径为标准,可以将出口匝道划分为R≤60 m和R>60 m 2组,分别对比驾驶人在2种半径条件和车道情况下行驶在匝道时的注视行为,结果如图13所示.
从图13中可以看到,无论是在双车道还是单车道匝道,当匝道半径较小时,驾驶人会更多地注视右侧路缘或者左侧路缘,即注视点更多地分布于道路两侧;而当匝道半径较大时,则会更多地关注前车或者行车道中线,即注视点更多地分布于道路中间.这说明驾驶人在匝道行驶时受到其线形条件的限制,其注视行为会受到一定约束,而匝道半径也是重要的影响因素,匝道半径越小,这种影响会更加显著.
(a) 双车道匝道
1) 运用K-medoids动态聚类算法对高密度立交出口场景下驾驶人的注视点解析坐标进行了聚类分析,将驾驶人视野划分为7个区域;基于马尔可夫链计算了驾驶人在立交出口区域的一次注视转移概率矩阵,在分流段时驾驶人的主要注视区域为道路正前方近处,但净距不足会增加驾驶人对左前侧方向的重复注视行为,并且减少对于左侧后视镜的关注度.
2) 在匝道段行驶时,由于匝道段对驾驶操作性的要求提高,驾驶人会减少对于非关键道路信息的关注程度,其一步转移概率矩阵零值出现更加频繁,更倾向转移至车辆前方近处路面区域和行驶通道右侧,并且匝道半径会影响其注视转移行为.
3) 在小净距立交出口分流段驾驶人的注视转移特征为高频率、低幅度,即扫视的需求较高,而视野所观察的范围较窄;在普通净距情况下视野观察的范围更广,并且在需要变道驶入出口匝道时,这种特征更明显.
4) 匝道曲线段的注视行为明显区别于直线路段,在右转出口匝道且前方没有车辆时,驾驶人以视野右侧作为主要注视区域,位于双车道匝道的弯道外侧车道时主要关注车道分界线,注视时间占比为65.4%;位于双车道匝道弯道内侧车道以及单车道匝道时,右侧路缘为主要注视目标,注视时间占比分别为70.5%和63.8%.
5) 匝道平曲线半径小于或等于60 m时,驾驶人更倾向注视左右两侧路缘;而匝道半径大于60 m时,驾驶人更关注行车道中线或者前方车辆,即前方行驶通道的中间区域.
猜你喜欢注视点净距匝道山东首套ETC匝道准自由流预交易系统正式运行中国交通信息化(2022年7期)2022-10-27眼动仪技术在里院建筑特色分析中的应用智能建筑与智慧城市(2022年9期)2022-09-28不同净距下浅埋分岔隧道力学行为研究高速铁路技术(2022年4期)2022-09-24基于超复数小波和图像空域的卷积网络融合注视点预测算法兰州理工大学学报(2021年5期)2021-11-02埋地燃气管道净距不足时采取的安全防护措施煤气与热力(2021年5期)2021-07-22高速公路出入口匝道控制系统研究中国交通信息化(2020年4期)2021-01-14城市浅埋小净距隧道合理净距研究四川建筑(2020年1期)2020-07-21匝道ETC自由流解决方案及应用效果分析中国交通信息化(2019年2期)2019-03-25基于ANSYS的长距离小净距重叠盾构隧道施工模拟研究新商务周刊(2018年3期)2018-12-08迷宫立交桥知识窗(2017年8期)2017-08-23