東野長梅,石建軍
(北京工業(yè)大學 北京市交通工程重點實驗室,北京 100124)
近年來,城市快速路系統(tǒng)發(fā)展迅速,小汽車保有量急劇增加。尤其在大城市的早、晚高峰時段,城市道路資源極其緊張,你爭我搶、加塞擠壓的競爭駕駛行為屢見不鮮。換道行為是車輛駕駛過程中最常見的行為之一,對道路通行能力和交通安全都有顯著影響[1-2],研究道路資源有限條件下車輛間的競爭與協(xié)作換道行為,不僅對提高道路通行能力和減少交通事故具有重要意義,也可為換道輔助系統(tǒng)和車路協(xié)同提供理論支撐。
大多數(shù)研究基于換道意圖將換道行為劃分為自主型換道(Discretionary Lane-change,DLC)和強制型換道(Mandatory Lane-change,MLC)[3-4],對建模方法(如基于規(guī)則型、離散型換道模型以及基于博弈論等換道模型)關(guān)注較多。不同換道行為表現(xiàn)出不同的行為特性,構(gòu)建車輛換道行為模型首先需要對車輛換道類型進行判定。為更加細致地構(gòu)建換道行為模型,國內(nèi)外學者基于換道車輛和后隨車之間的交互行為,將換道行為進一步劃分為自由換道、強迫/競爭換道和協(xié)作換道,并通常基于車輛間距和速度變化來辨別競爭/強迫行為和協(xié)作行為。如國外學者Hidas[5]在判別換道類型時,主要根據(jù)車輛換道過程中的間距變化,認為換道過程中間距先減小后變大為強迫換道,間距先變大后減小則為協(xié)作換道。Wang[6]未考慮強迫換道行為,根據(jù)后隨車換道讓行或減速禮讓行為將協(xié)作換道模型細分為協(xié)同換道子模型和禮讓減速子模型。Sun等[7]根據(jù)換道車輛是否提前開啟轉(zhuǎn)向燈和后隨車減速行為發(fā)生的時刻,將換道類型細分為強迫換道、競爭/協(xié)作換道、自由換道。相比國外,國內(nèi)駕駛環(huán)境更加復雜,冒險型、競爭型換道行為也更頻繁、多樣。孫劍等[8]根據(jù)交通流水平,將交織區(qū)換道分為自由換道和協(xié)作換道進行研究,在協(xié)作換道中分析了后隨車的減速意愿及可行性,若可行則視為協(xié)作換道發(fā)生,否則需要引入換道“協(xié)商”機制。Zhao等[9]通過實地觀察國內(nèi)的換道行為發(fā)現(xiàn)了一種特殊的競爭型換道行為:基于多次決策的多步擠壓換道(Multistep Approaching Lane Changing,MALC),該行為的主要特征為換道車輛減速幅度較大,騎線行駛時間較長,換道過程中多次嘗試插入后隨車間隙。黨睿娜等[10]在高速公路上進行了實車駕駛?cè)藫Q道實驗,研究了換道過程中的車輛、車間狀態(tài)變化和換道操作習慣,但其實驗是在車輛密度較小的交通流進行的,屬于自由換道研究。譚云龍[11]結(jié)合行為發(fā)起者和換道車輛與后隨車的速度是否均減小兩個條件,定義了強迫換道與協(xié)作換道。其他大多數(shù)研究都是基于后隨車對換道請求的響應行為來辨別競爭換道與協(xié)作換道:換道車輛發(fā)出換道請求,若后隨車主動減速則為協(xié)作換道;若后隨車不減速、換道車依然堅持換道從而后隨車被迫減速的行為,則為競爭換道[12-13]。
綜上所述,競爭換道行為已引起廣泛關(guān)注,但關(guān)于競爭換道與協(xié)作換道的判定標準研究較為欠缺,現(xiàn)有研究多從定性角度描述間距、速度的變化趨勢,判定規(guī)則單一,觀測時間節(jié)點也較為模糊,缺乏定量、系統(tǒng)的分類方法。因此,本文在已有換道分類方法的基礎(chǔ)上,充分考慮車輛間的交互行為特點,提出一個定量辨別競爭與協(xié)作換道行為的判定標準。首先,系統(tǒng)地提出了競爭換道與協(xié)作換道行為的定量判定方法;然后,設(shè)計實驗驗證上述判定方法的有效性;最后,分析了競爭換道與協(xié)作換道的外顯運動特征,并量化了競爭換道與協(xié)作換道的發(fā)生概率與接受間距的變化關(guān)系。
通過觀察換道過程中換道車輛與后隨車的交互行為,將合流區(qū)換道行為劃分為自由換道、協(xié)作換道和競爭換道,本文重點研究競爭與協(xié)作換道行為。
(1)協(xié)作換道行為:換道條件不充分(主要表現(xiàn)為換道間距小于臨界接受間距),換道車輛向目標車道微調(diào)車頭,后隨車主動調(diào)節(jié)速度保證與換道車輛之間的安全距離,整個交互過程發(fā)生在換道車輛進入目標車道前,之后換道車輛開始繼續(xù)向目標車道駛?cè)搿?/p>
(2)競爭換道行為:根據(jù)競爭行為的發(fā)起者,一般有兩種表現(xiàn)。一是換道車輛為競爭行為的主導者,在換道條件不充分的條件下,持續(xù)逼近目標車道,最終騎線與前導車并行,從而強迫后隨車減速、增大換道間距;二是后隨車為競爭行為的主導者,換道車輛保持一定轉(zhuǎn)角表達自己的換道意圖,后隨車加速或保持原速跟進前導車,換道車輛等待一段時間后仍未獲得接受間距,開始駛?cè)肽繕塑嚨?,此時后隨車為避免碰撞、刮蹭等而驟然減速。
為更好地描述換道行為,構(gòu)建一般換道行為的交通場景圖(見圖1)。其中,VehS為換道車輛,VehF為后隨車,VehL為前導車。由于合流區(qū)換道行為屬于出行需求誘導下的換道[14],一般與本車道上的前車或后車的車輛類型、運行狀態(tài)等無關(guān),故本文不考慮本車道上前、后車輛對競爭與協(xié)作行為的影響。
圖1 合流區(qū)換道行為示意圖
對于較明顯的競爭與協(xié)作行為,結(jié)合速度和間距兩個指標可直觀地進行判斷,但有些換道行為單通過速度、間距的變化很難確定。比如:換道車輛發(fā)出換道請求后,后隨車速度略微減小甚至不減小,但兩車速度均較小且后車間距較大的情況,按照速度變化來看,顯然屬于競爭行為。但實際上后隨車沒有減速的必要,換道車輛可跟隨前導車平緩駛?cè)肽繕塑嚨?。所以本文引入車頭時距和碰撞時間指標,依次通過接受間距、車頭時距和碰撞時間來判定復雜環(huán)境下的競爭與協(xié)作換道行為類型。
結(jié)合實際數(shù)據(jù)的多種可能性,本文給出較為完整的競爭與協(xié)作換道行為判定方法(Identify Method of Lane-Changing,IMLC),具體判斷流程見圖2。其中需要提取的判定參數(shù)包括:①換道接受總間距GAPT(m)及后隨車間距GAPf(m);②換道車輛和后隨車的速度vs和v(fkm/h);③換道車輛與后隨車的碰撞時間(s);④換道車輛的車長Ls(m)。
圖2 換道行為類型判定流程圖
第一步:判斷目標車道上的前、后車總間距是否大于自由換道的最小接受間距閾值。研究表明,城市道路環(huán)境中,安全車頭時距處于2~4s之間,大于4s后車輛處于自由流狀態(tài)[15-16]。換道車輛與后隨車博弈較為激烈時,其極度靠近目標車道線,隨時有碰撞危險,故本文將前導車與換道車、換道車與后隨車的車頭時距計入總接受間距閾值的計算,取最小車頭時距為2s,則總接受間距閾值GAPT0=Ls+2vs+2vf。若當前間距大于總接受間距閾值,則判定為自由換道行為,否則繼續(xù)判斷后隨車間距;若當前間距大于后隨車間距閾值GAPf0=2vf,仍判定為自由換道,否則進行下一步判定。
第二步:GAPf越小,換道車輛的換道意圖越不容易被提前察覺,所以需要跨道前后較短時間內(nèi)的數(shù)據(jù)。本文規(guī)定當GAPf=(0,vf]時,提取跨道時刻前、后1s時刻的數(shù)據(jù);當GAPf=(vf,2vf]時,提取跨道時刻前、后2s的數(shù)據(jù)。然后,計算跨道前、跨道時、跨道后3個時刻的數(shù)據(jù)值,為去除噪聲數(shù)據(jù),取每個時刻前后0.5s的數(shù)據(jù)平均值作為該時刻的值,并規(guī)定GAPf變化量的絕對差值在0.1vf以內(nèi),都視作無變化。在擁擠交通環(huán)境中,依據(jù)跨道前、跨道后的GAPf變化情況,可知跨道前GAPf有不變、變大和變小3種可能性;同理,跨道后GAPf也有不變、變大、變小3種可能性。各種可能性的組合結(jié)果及判定規(guī)則如圖3所示。
圖3 基于后隨車間距的競爭與協(xié)作換道行為判定規(guī)則
圖3(a)中,跨道前GAPf無明顯變化,說明后隨車有輕微的競爭意識,換道后GAPf不變或減小,需要根據(jù)換道車輛與后隨車之間的碰撞時間進一步判定換道行為類型;圖3(b)中,跨道前GAPf變大,說明后隨車有協(xié)作意識,但GAPf先增后減,有可能是換道車輛通過加速暫時犧牲前導車間距,之后后隨車加速靠近的結(jié)果,所以不能排除競爭換道的可能性;圖3(c)中,跨道前GAPf變小,說明后隨車有競爭意識,但同理,GAPf先減小后增大或不變,有可能是換道車輛通過減速暫時犧牲后隨車間距,之后后隨車減速協(xié)作的結(jié)果,所以不能排除協(xié)作換道的可能性,需要結(jié)合碰撞時間進一步判斷。
第三步:對于圖3中需要進一步判定的case②,case③,case⑥,case⑦,case⑧,case⑨,可根據(jù)換道車輛與后隨車的碰撞時間的倒數(shù)進行判定,判定方法如表1所示。大量調(diào)查表明,碰撞時間(Time-to-Collision,TTC)的安全閾值為[2,4]s,本文取最小安全閾值,則TTC-1=0.5。
表1 自由、競爭與協(xié)作換道行為判定
調(diào)查前采用電子地圖線上選點與實地勘察線下踩點相結(jié)合的方式,最終選定幾何特征相似的北京市長虹橋和肖村橋合流區(qū)作為研究對象,這兩處合流區(qū)均為平行式加速車道,且加速車道長度相近,具體路況如圖4所示。為使所采集的數(shù)據(jù)能反映擁擠交通流的基本特性,調(diào)查時間選擇包含早晚高峰時段的3個普通工作日。拍攝視頻時,將攝像機架設(shè)在高3.5m的人行天橋上并將安有廣角鏡頭的攝像頭固定在4m長的伸縮桿頂端,盡量做到垂直拍攝,視頻坐標標定誤差限制在0.1m以內(nèi),拍攝時長共計9h。然后,通過視頻處理軟件Format Factory將視頻處理成10幀/s的AVI格式的視頻圖像,再利用車輛軌跡提取軟件George通過視頻導入、特征點坐標標定及矯正、車輛軌跡點選、數(shù)據(jù)導出等步驟,最終可獲得相應時刻的車輛位置、速度、加速度、曲率等數(shù)據(jù)。
圖4 快速路合流區(qū)調(diào)查地點
隨機選擇5名非職業(yè)駕駛員,首先為之講解競爭與協(xié)作換道的含義以及從定性角度判定競爭與協(xié)作行為的方法,然后為他們回放換道行為數(shù)據(jù)對應的視頻片段。觀看過程中,觀察者根據(jù)換道開始到跨道發(fā)生前這段決策時間的視頻,觀察換道車輛和后隨車的車輛行為,并結(jié)合速度、間距變化,從主觀上給出競爭或協(xié)作的判斷結(jié)果。為保證評判結(jié)果的客觀性,每名觀察者需要獨立作出判斷,每個樣本若有3人以上(含3人)的結(jié)果保持一致,則該樣本類型取此結(jié)果,否則將對該樣本進行單獨標記。
最終,通過人工法成功判定出79組樣本量的換道行為類型,競爭換道與協(xié)作換道分別為32組和47組。然后,基于MATLAB對IMLC編程,對以上79組樣本的換道類型進行自動識別。對比兩者結(jié)果發(fā)現(xiàn),人工組與算法組的換道行為類型平均匹配率高達87%。其余由人工未能有效分辨出換道類型的樣本,也通過IMLC得到了有效甄別,綜合IMLC的兩次判定結(jié)果,競爭換道與協(xié)作換道分別為79組和128組,具體判定結(jié)果如表2所示。
表2 人工法與IMLC法換道行為類型判定結(jié)果
結(jié)果分析:通過判定較為直觀的換道行為,所得人工評判和算法評判結(jié)果的平均匹配率為87%,可證明所述方法有效。最終,通過IMLC可有效識別競爭與協(xié)作行為的模糊性,明確其他的復雜換道行為類型。
為明確競爭與協(xié)作換道行為特征,首先需對換道行為關(guān)鍵點進行定義,然后對換道行為主要特性進行統(tǒng)計分析。圖1中,A、D點表示換道行為的起點和終點,A(D)點指車輛跨道開始前(完成后),車輛橫向位移值不大于上游(下游)相鄰1s內(nèi)的任一時刻的值;B、C點分別表示跨道開始時刻和跨道完成時刻。則BC階段為騎線行駛過程,AD階段為完整換道過程,兩者對應時間分別為騎線行駛時間和換道時間。
圖5為相對速度與接受間距的關(guān)系圖,圖中實線為協(xié)作換道的擬合曲線,虛線為競爭換道的擬合曲線,可見競爭與協(xié)作換道行為中:①在一定的相對速度范圍內(nèi),接受間距均隨相對速度增大而增大;②同一相對速度條件下,后隨車間距整體大于前導車間距,說明在換道過程中,由于后隨車間距不受換道車輛自身控制,故對其換道成敗更為關(guān)鍵。
另外,對相對速度與接受間距進行回歸分析,發(fā)現(xiàn)在同一相對速度條件下,競爭換道行為的接受間距較小,尤其當前車相對速度小于5km/h時,競爭換道的前導車間距出現(xiàn)大量負值,表示換道車輛部分車身與前導車相重合,這種情況顯然不具備換道條件。這說明為逼迫后隨車減速,換道車輛在實施換道前很長一段時間就開始騎線與前導車并行,充分展現(xiàn)了搶占資源時“你爭我擠”的激烈性。
圖5 換道行為相對速度與接受間距關(guān)系圖
目前,關(guān)于換道起始節(jié)點的定義無統(tǒng)一規(guī)定且比較模糊,這使得換道時間在統(tǒng)計值上相差很大。為減少異議,本文選取騎線行駛時間作為競爭與協(xié)作換道行為的特征指標之一,其分布圖及累積頻率曲線如圖6所示,其中,五角星標志與菱形標志的折線分別代表競爭換道與協(xié)作換道的累積頻率曲線。
圖6 騎線行駛時間分布圖
協(xié)作換道行為的騎線行駛時間集中在2~6s,10s以上的換道行為僅占3%左右,均值為4.8s;競爭換道行為中,騎線行駛時間較為分散,4s以下的僅占15%左右,10s以上則占到30%,均值為7.9s。這說明在競爭換道行為中,換道車輛為表明換道的堅決性,會騎線向目標車輛加壓,直至出現(xiàn)可接受間距。
換道過程中受影響最大的一般為后隨車輛,其最大速度變化值可反映換道過程的平穩(wěn)性,計算公式如下:
目標后車速度變化最大值雷達圖見圖7。由圖7可知,競爭與協(xié)作換道行為均會對目標后車的運行速度產(chǎn)生一定影響,但競爭換道行為的影響要大于協(xié)作換道行為,具體表現(xiàn)為:兩行為中,后隨車的最大速度變化值均集中于5~10km/h;但協(xié)作換道行為中,后隨車的最大速度變化值在5km/h以內(nèi)的比例明顯高于競爭換道行為。
圖7 目標后車速度變化最大值雷達圖
研究表明,激進駕駛行為的Jerk值高于一般駕駛行為[17]。車輛舒適行駛狀態(tài)下的Jerk值在2m/s3以內(nèi),超過3m/s3后則會對行車舒適性和交通穩(wěn)定性產(chǎn)生較大的負面影響[18]。對后隨車和換道車輛在AC段中Jerk值大于3m/s3的頻率進行統(tǒng)計分析,如圖8所示。
圖8 后隨車Jerk值大于3m/s3所占換道時間比例分布圖
在協(xié)作換道中,后隨車的Jerk值大于3m/s3所占換道時間比例在0.4以下的占70%,競爭換道中這一比例約為50%;Jerk值大于3m/s3所占換道時間比例超過0.8的情況在協(xié)作換道行為中未出現(xiàn),競爭換道中這一比例則達到了12%。由此可知,相比競爭換道,協(xié)作換道中后隨車的加速度變化率較小,其大部分時間處于舒適安全狀態(tài),對交通流運行的負面影響較小。
圖9為競爭與協(xié)作換道行為的接受間距分布和累積頻率圖,其中平滑曲線代表接受間距的分布趨勢,折線代表其累積頻率。由圖9可知,競爭與協(xié)作換道行為的接受間距存在一定差異。競爭換道的總接受間距集中在5~10m,平均值為7.6m,接受間距在0~5m之間的占到24%,大于15m的接受間距不足5%;協(xié)作換道行為的接受間距集中在10~15m,平均值為13.3m,在0~5m之間的接受間距僅占5%左右,大于15m的則占到30%。
圖9 車輛換道接受間距分布和累積頻率
對競爭與協(xié)作換道行為的接受間距進行單樣本K-S檢驗,結(jié)果顯示兩種行為的接受間距均服從正態(tài)分布。通過數(shù)據(jù)擬合得到:協(xié)作換道行為中,接受間距服從G(12.77,6.17)的正態(tài)分布;競爭換道行為中,接受間距服從G(9.74,3.66)的正態(tài)分布,據(jù)此得到競爭與協(xié)作換道行為的概率密度如式(2)、式(3)所示:
則競爭與協(xié)作換道概率如式(4)、式(5)所示:
式(2)~式(5)中:fcom(x)為競爭換道行為密度函數(shù);fcoo(x)為協(xié)作換道行為密度函數(shù);x為換道行為接受間距(m);Pcom(x)和Pcoo(x)分別為競爭換道概率與協(xié)作換道概率。
基于式(4)和式(5)得到不同接受間距下的換道行為選擇概率值,如表3所示。
觀察表3發(fā)現(xiàn):競爭或協(xié)作換道概率并非隨間距增大而單調(diào)增大,而是在臨界值8m處出現(xiàn)轉(zhuǎn)折;當間距小于8m時,競爭換道的概率隨間距增大而增大。這可以解釋為當間距較小時,駕駛員意識到競爭對換道行為并無幫助,故協(xié)作意識反而較高。整體來看,當間距小于14m時,換道車輛采取競爭行為的概率較大;當間距大于16m時,換道車輛采取協(xié)作行為的概率明顯增大;當間距大于22m時,換道車輛基本可以通過協(xié)作順暢完成換道行為。
表3 不同間距下的換道行為概率
本文在實地觀測和已有研究基礎(chǔ)上,結(jié)合接受間距、車頭時距和碰撞時間,系統(tǒng)地總結(jié)出一套定量判定競爭換道與協(xié)作換道的方法,并與人工判定結(jié)果相對比,驗證了該方法的有效性。對比分析競爭與協(xié)作換道的行為特性,發(fā)現(xiàn)競爭換道中,換道車輛騎線壓迫后車減速行為較頻繁,后車運行狀態(tài)波動較大、接受間距較小,主要表現(xiàn)如下:
(1)騎線行駛時間:競爭換道騎線時間均值為7.9s,是協(xié)作換道的1.6倍;
(2)后隨車最大速度變化值:競爭換道中速度變化值分布范圍較大,且20%的競爭換道中,后隨車速度變化在15km/h以上;Jerk值大于3m/s3的時間比例在0.6以上接近20%,協(xié)作換道中該比例不足10%;
(3)正態(tài)分布能較好地擬合競爭與協(xié)作換道的接受間距,且當間距值小于8m時,競爭換道概率隨間距增大而增大;當間距值大于20m后,競爭換道的概率不足10%。
車輛換道行為受交通流、車輛性能以及駕駛員特征等多種因素影響,本文僅考慮了擁擠狀態(tài)下的接受間距與換道行為的概率關(guān)系,在今后研究中將會全面考慮以上因素。另外,汽車的智能化、網(wǎng)聯(lián)化已成為全球汽車產(chǎn)業(yè)的發(fā)展重點,研究應進一步考慮智能網(wǎng)聯(lián)環(huán)境下的競爭與協(xié)作換道行為特性并構(gòu)建相應模型[19-20]。