夏國棟

(深圳城市交通規(guī)劃設計研究中心有限公司，廣東深圳 518021)

基于視覺感知的高速公路跟車風險分析

夏國棟

(深圳城市交通規(guī)劃設計研究中心有限公司，廣東深圳 518021)

為研究人的視覺感知對跟車行為的影響，根據(jù)駕駛員跟車視角的變化對跟車行為進行分析。依據(jù)人眼對跟車距離和速度差的變化識別特性，對多種跟車組合的橫、豎向視角變化率進行比較。結果表明：小型車-大型車跟車組合，后車駕駛員對跟車距離和速度差變化感知最為遲鈍，跟車風險最高。選取我國多條高速公路自然交通流特征對跟車風險進行分析，分析結果與基于視覺感知的高速公路跟車風險分析結果一致，證明了基于視覺感知分析跟車風險方法的有效性。

高速公路；視覺感知；跟車風險

1988年滬嘉高速公路建成通車，至2016年底我國高速公路里程已達到13.1萬km[1]，交通事故也在逐年增加。高速公路交通事故發(fā)生形式多樣，但絕大多數(shù)是由駕駛員對距離和速度差感知錯誤而引發(fā)的[2-5]，本文將結合駕駛員視覺感知相關特性嘗試對這類事故原因進行深入分析。

1 跟車視覺分析基礎

生理-心理跟車模型認為[6-9]，駕駛員是通過分析前車在其視覺中投影夾角的變化感知前后車的相對速度，目前很多交通仿真軟件都在應用該跟車模型。跟車過程中，人的視覺神經對水平及豎向視角的變化都有所感知，后車駕駛員通過對前車外部輪廓的視角變化感知與前車速度和距離的變化，當跟車距離過小或前、后車速度差過大都將通過視角的變化被感知，從而采取相應的應對措施。文獻[10]通過試驗對在視覺皮層編碼的信息類型提供了直接證據(jù)。

受車道寬度標準的限制，車輛的寬度差距較小，但不同車型高度相差明顯。車輛不同的外形尺寸對駕駛員視角的影響不同。表1為幾種代表車型的外形尺寸規(guī)格，表1中駕駛員視高為駕駛員眼睛距地面的垂直距離。

表1 高速公路行車類型劃分 單位：mm

2 跟車駕駛員視角變化分析

根據(jù)車輛的高度與寬度尺寸，分別在橫、豎向2個方向對跟車駕駛員視角變化進行對比分析。

2.1橫向視角變化模型

橫向視角跟車組合主要選擇目前高速公路上較常見的跟車形式，前車-后車組合分別為小汽車-小汽車和大貨車-小汽車2種。跟車駕駛員橫向視角示意圖如圖1所示。圖1中v1、v2分別為前、后車車速，L為前后車跟車距離，α為后車駕駛員的橫向視角，d為前車寬度。

圖1 跟車橫向視角示意圖

由圖1得：

(1)

有

(2)

式中：Δv=v2-v1；Δh=h-H，其中H為前車高度,h為后車駕駛員視高,當H≥h時，Δh=0；dα/dt為后車駕駛員跟車視角變化率。

表2 橫向跟車視角組合參數(shù) 單位：m

2種形式的跟車組合具體參數(shù)如表2所示。

2.2跟車豎向視角變化模型

前車-后車跟車組合分別選取小汽車-小汽車、大客車-小汽車和小汽車-大客車3種跟車組合形式進行分析，后車駕駛員豎向視角示意圖如圖2所示，圖2中β為后車駕駛員的豎向視角。

圖2 跟車豎向視角示意圖

由圖2得：

(3)

有

(4)

小汽車-小汽車組合H=1.500 m，h=1.200 m；大客車-小汽車組合，H=3.615 m，h=1.200 m；小汽車-大客車組合，H=1.500 m，h=2.000 m。

2.3跟車橫、豎向視角變化對比

根據(jù)交通流理論[11]，單車道交通流中，車頭間距為0～125 m的車輛之間存在相互影響關系；根據(jù)對自然交通流的跟車情況觀測數(shù)據(jù)分析[12]，實際跟車距離一般小于150 m，同時當v2≤120 km/h、跟車距離≥150 m時行車安全系數(shù)較高[13]，選取跟車距離為80、100、150 m進行分析。

在穩(wěn)態(tài)跟車過程中，假設前后兩車勻速行駛，前后車輛速度差分別取5、10、15、30 km/h。當后車速度大于前車時危險系數(shù)較高，故取這種情形作為分析對象。根據(jù)橫向、豎向跟車視角變化模型，不同跟車組合及不同速度差情況下后車駕駛員視角變化率如表3、4所示，表3、4中帶陰影的數(shù)值大于駕駛員視角變化閾值。

表3 不同跟車組合后車駕駛員橫向視角變化率 單位：rad/s

表4 不同跟車組合后車駕駛員豎向視角變化率 單位：rad/s

根據(jù)文獻[14]，人體感覺量的增加落后于物理量的增加，物理量成幾何級數(shù)增長，心理量成算術級數(shù)增長。將最小可覺差(連續(xù)的差別閾限)作為感覺量的單位，即每增加一個差別閾限，心理量增加一個單位。通過實地跟車試驗發(fā)現(xiàn)駕駛員的感知視角變化率閾值為3×10-4～10×10-4rad/s[14]，取其平均值約為6.5×10-4rad/s。結合感知視角變化率閾值由表3、4可得：

1)在相同跟車距離和速度差條件下，不同跟車組合形式后車駕駛員的視覺感知不同。大貨車-小汽車比小汽車-小汽車組合的橫向視角變化率大；大客車-小汽車組合的豎向視角變化率最大，小汽車-大客車組合最小。因此，小汽車-大客車組合的跟車速度差和距離變化最不容易被后車駕駛員視覺感知，跟車風險高。

2)在相同跟車距離和速度差條件下，相同的跟車模式，橫向和豎向視覺感知不同。小汽車-小汽車組合的橫向視角變化率大于豎向視角變化率，跟車距離和速度差的變化更容易在橫向視角變化中被感知。

3)2種車型，交換跟車時，速度差和距離變化被感知情況不同。大客車-小汽車比小汽車-大客車組合駕駛員的豎向視角變化率大。即當前車為大客車情況下，速度差和距離變化更容易被感知；當前車為小汽車時，即小汽車-大客車組合駕駛員的視角變化率較小，易延遲跟車駕駛員的駕駛操作，導致單次駕駛動作調整幅度大，致使跟車不穩(wěn)定，行車安全性最差。

3 自然交通流跟車距離分析

為驗證基于視角感知的跟車組合風險分析結果的有效性，采集自然交通流的基礎數(shù)據(jù)進行對比分析。采集廣州—佛山、北京—石家莊、北京—哈爾濱高速公路路段的196 049個單車信息,根據(jù)實際交通情況刪除軸距小于0.9 m和采集儀無法判明車型以及車速大于160 km/h 的單車數(shù)據(jù)，最終獲得有效的前后車數(shù)據(jù)共184 546項。

不同車型的幾何尺寸、加減速性能、操縱性能以及對鄰近車輛的心理影響等方面存在差異，根據(jù)車輛的外觀尺寸將高速公路中的運行車輛分為微型車、小型車、大中型車和不定型車4種類型。考慮到車速越低，跟車風險越小，取車速大于60 km/h，選擇車速間隔為10 km/h。各種跟車模式下跟車間距如表5所示。

表5 不同跟車組合與不同跟車速度時的跟車距離 單位：m

為使駕駛員有一定的制動反應時間，在行車中應保持足夠的行車間距。一定跟車速度下的安全跟車距離如表6所示[15-16]。

表6 不同跟車速度下的推薦安全跟車距離

圖3 實際跟車距離與推薦安全跟車距離

將推薦的安全跟車距離與實際跟車距離進行對比。如圖3所示。由圖3可知：

1)小型車-小型車組合的跟車距離始終小于推薦的安全跟車距離，且差值較大；當跟車速度大于80 km/h時，除大型車-小型車組合形式外，其它各種組合形式的跟車距離都小于推薦的安全跟車距離。說明不同的跟車形式下，駕駛員的安全感不同。小型車-小型車組合形式跟車駕駛員心理壓力較小，但由于跟車距離較小，跟車風險較高。

2)小型車-大型車組合的曲線與其它組合形式差別較大，在車速接近100 km/h時，跟車距離的增長趨于平緩，且隨著速度的增加，跟車距離與理論推薦的安全距離差增大。根據(jù)前文分析，這種跟車形式下大型車駕駛員對速度差和距離變化感知遲緩，容易導致跟車距較推薦的安全值小。同時當車速較低時，交通流不穩(wěn)定[17]，車輛處于反復加速-減速的狀態(tài)，此時，駕駛員往往保持較大的跟車距離以保證行車安全，特別是大車啟停不如小車靈活，駕駛員給自己預留的安全空間會更大。

3)在跟車速度大于80 km/h時，大型車-小型車是唯一一種跟車距離基本達到推薦安全跟車距離的組合形式 。大型車-小型車的跟車視角變化幅度大，駕駛員感知靈敏度高，跟車狀態(tài)調速快。同時由于大車的外形尺寸較大，會遮擋住一部分后面跟隨小車駕駛員的視線，使后車駕駛員無法了解前面路況，并且大車底盤高，會給小車駕駛員一種不安全感和恐懼感，因此，這種形式下，小車駕駛員行車比較謹慎，跟車風險較小。

4)大型車-大型車組合的跟車距離較接近推薦的安全跟車距離，大車跟隨大車時，駕駛員一般都比較謹慎，行車風險一般較低。

4 結論

1)針對各種跟車組合形式，跟車駕駛員視角變化的感知速度差的大小關系為：大型車-小型車>大型車-大型車>小型車-小型車>小型車-大型車，其對應的行車風險為：小型車-大型車>小型車-小型車>大型車-大型車>大型車-小型車。

2)根據(jù)對自然交通流收集的數(shù)據(jù)分析，當車速大于100 km/h時，不同跟車組合跟車距離從小到大的關系為：小型車-大型車<小型車-小型車<大型車-大型車<大型車-小型車，其行車風險為：小型車-大型車>小型車-小型車>大型車-大型車>大型車-小型車。

3)利用駕駛員跟車視角變化對跟車行為進行分析與采用自然交通流跟車距離分析跟車風險，2種方法得到的結論高度一致。小型車-大型車跟車形式的駕駛員最小可識別速度差大于其它跟車形式，跟車距離也大大低于安全跟車距離，這種跟車模式風險最高，其次是小型車-小型車和大型車-大型車，大型車-小型車組合跟車風險最小。

[1]國家發(fā)展和改革委員會，交通運輸部，國家鐵路局，等.中國交通年鑒2016[M].北京：中國交通年鑒社，2017.

[2]李淑慶，彭囿朗，肖莉英，等.道路交通事故發(fā)生機理研究現(xiàn)狀與趨勢分析[J].安全與環(huán)境學報， 2014，14(3)：14-18. LI Shuqing，PENG Youlang，XIAO Liying，et al.Analysis of the mechanism of the road traffic accidents in-situ and the future research trends[J].Journal of Safety and Environment，2014，14(3)：14-18.

[3]BANBURY S,TREMBLAY S.A cognitive approach to situation awareness:Theory and aplication[J].Ergonomics,2004,50(9),1518-1520.

[4]RUMAR K.The role of perceptual and cognitive filters in observed behavior[J].Human Behavior and Traffic Safety， 1985，12(2)：151-170.

[5]公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計年報(2015)[M].北京:公安部交通管理科學研究所，2016.

[6]張智勇，榮建，任福田.跟車模型研究綜述[J].公路交通科技，2004，21(8)：108-113. ZHANG Zhiyong，RONG Jian，REN Futian.Review of car-following model research[J].Journal of Highway and Transportation Research and Development，2004，21(8):108-113.

[7]翟靜.基于駕駛員視覺的跟車模型研究[D].昆明：昆明理工大學，2008. ZHAI Jing.Research on car following model based on driver′s vision[D].Kunming:Kunming University of Science and Technology，2008.

[8]張勇剛，胡三根，鄺先驗.基于駕駛員視角變化的跟馳模型研究[J].昆明理工大學學報(自然科學版)，2015,40(3)：52-57. ZHANG Yonggang，HU Sangen，KUANG Xianyan.Car-following model considering drivers′ visual angle[J].Journal of Kunming University of Science and Technology (Natural Science Edition)，2015，40(3)：52-57.

[9]翟靜，熊堅.基于駕駛員視覺的車輛跟馳建模與仿真[J].道路交通與安全，2007 (3) ：34-37. ZHAI jing，XIONG Jian.Vehicle following modeling and simulation based on driver vision[J].Road Traffic & Safety, 2007 (3) :34-37.

[10]羅伯特·L索爾所，M·金伯利·麥克林，奧托·H麥克林.認知生理學[M].上海：上海人民出版社，2008：33-36.

[11]邵春福，魏麗英，賈斌.交通流理論[M].北京:電子工業(yè)出版社，2012：40-45.

[12]何民，榮建，劉小明.自然交通流跟馳特性研究[J].公路交通科技，2002，19(3)：110-114. HE Min，RONG Jian，LIU Xiaoming.Study on car-following behaviors of combined traffic flow[J].Journal of Highway and Transportation Research and Development，2002，19(3)：110-114.

[13]張祝安，劉興茂.高速公路平直路段安全跟車距離分析[J].交通科技，2015 (6) ：145-147. ZHANG Zhu′an，LIU Xingmao.Analysis of safe distance between car and highway in straight section[J].Transportation Science & Technology，2015 (6) ：145-147.

[14]楊治良.心理物理學[M].蘭州:甘肅人民出版社，1988 : 52-55.

[15] MICHAELS R M.Perceptual factors in car following[C]//Proceedings of the 2nd International Symposium on the Theory of Road Traffic Flow.Paris:OECD 1963，186(1) : 85-88.

[16]許洪國.道路交通事故分析與處理[M].北京:人民教育出版社，2004：105-110.

[17]梁國華，程國柱，王春艷，等.高速公路大型車混入率與交通流穩(wěn)定性關系[J].長安大學學報(自然科學版),2014， 34(4)：120-126. LIANG Guohua，CHENG Guozhu，WANG Chunyan，et al.Relationship between mixing rate of freeway large vehicles and traffic flow stability[J].Journal of Chang′an University(Natural Science Edition)，2014，34(4)： 120-126.

(責任編輯：楊秀紅)

RiskAnalysisofExpresswayCarFollowingBasedonVisualPerception

XIAGuodong

(ShenzhenUrbanTransportPlanningCenterCo.,Ltd.,Shenzhen518021,China)

In order to study the effect of human visual perception on car following behavior, the car following behavior is analyzed from the perspective of driver′s visual perception. According to the recognition characteristics of the human eyes for the distance and speed difference, the change rates of the horizontal and vertical visual perception of a variety of car following scenarios are compared. The results show that under the condition of the small car and large vehicle, the driver of the rear car is most insensitive to the distance and speed difference, and the risk is higher. Many expressways in our country are selected to analyze the natural traffic flow characteristics of the car following risks. The analytical results are in accordance with those of the car following risks based on the visual expressways, which is proved that the car following risk method based on the analysis of the visual perception is effective.

expressway; visual perception; car following risk

2017-03-12

夏國棟(1985—)，男，湖北黃石人，工程師，主要研究方向為交通工程與交通安全，E-mail:andyxgd@163.com.

10.3969/j.issn.1672-0032.2017.02.005

U419.25

：A

：1672-0032(2017)02-0027-06