方松 馬健霄

摘?要：城市隧道出入口路段照度差異大，內(nèi)部環(huán)境單調(diào)，對駕駛行為有顯著影響。本文擬對城市隧道路段的駕駛行為綜合風(fēng)險(xiǎn)影響因素開展研究，以期降低駕駛行為風(fēng)險(xiǎn)，提高城市隧道交通安全。城市隧道路段駕駛行為綜合風(fēng)險(xiǎn)主要來自主客觀兩個(gè)方面，主觀風(fēng)險(xiǎn)指駕駛?cè)俗陨項(xiàng)l件如駕駛?cè)诵睦砗蜕碡?fù)荷、駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平，客觀風(fēng)險(xiǎn)指道路環(huán)境條件如隧道照明條件、道路線形和交通流量。本文引入風(fēng)險(xiǎn)分析與決策理論，對構(gòu)成駕駛行為決策風(fēng)險(xiǎn)的各個(gè)影響因素進(jìn)行風(fēng)險(xiǎn)度函數(shù)建模，探討城市隧道路段駕駛行為綜合風(fēng)險(xiǎn)量化研究方法。以某城市3條城市隧道基礎(chǔ)數(shù)據(jù)為例，利用文中所建模型計(jì)算其駕駛行為綜合風(fēng)險(xiǎn)度值，結(jié)果表明駕駛行為綜合風(fēng)險(xiǎn)度值較高的隧道B年度統(tǒng)計(jì)事故數(shù)明顯高于隧道A與隧道C，驗(yàn)證了所建模型的準(zhǔn)確性與適用性。

關(guān)鍵詞：交通安全;城市隧道;駕駛行為;綜合風(fēng)險(xiǎn);風(fēng)險(xiǎn)度函數(shù)

中圖分類號：U491.1文獻(xiàn)標(biāo)識碼：A文章編號：1006-8023（2019）06-0067-05

Research on Comprehensive Risk of Driving Behavior of Urban Tunnel

FANG Song1，2， MA Jianxiao1

（1.College of Automobile and Traffic Engineering， Nanjing Forestry University， Nanjing 210037;

2.Nanjing Institute of Railway Technology， Nanjing 210031）

Abstract：The illumination of the entrance and exit sections of urban tunnels varies greatly， and the internal environment is monotonous， which has a significant impact on driving behavior. This paper intends to study the comprehensive risk factors of the driving behavior of the urban tunnel section in order to reduce the risk of driving behavior and improve the safety of urban tunnel traffic. The comprehensive risk of driving behavior in the urban tunnel section mainly comes from two aspects. The subjective risk refers to the drives own conditions such as the psychological load of the drivers life， the drivers risk cognition level， and the objective risk refers to road environmental conditions such as tunnel lighting conditions， road route shape， and traffic flow. In this paper， risk analysis and decision theory are introduced to model the risk degree function of the factors that make up the risk of driving behavior decision， and to explore the quantitative research method of comprehensive risk of driving behavior in urban tunnel section. Taking the basic data of three urban tunnels in a city as an example， the model is used to calculate the comprehensive risk value of driving behavior. The results show that the annual statistical accident number of tunnel B with higher comprehensive risk value of driving behavior is significantly higher than that of tunnel A and tunnel C. The accuracy and applicability of the model are verified.

Keywords：Traffic safety; city tunnels; driving behavior; comprehensive risk; risk function

0?引言

城市隧道結(jié)構(gòu)封閉、內(nèi)部環(huán)境單調(diào)，光照強(qiáng)度、溫度和濕度等內(nèi)外差異較大，因此車輛在隧道環(huán)境下行駛時(shí)駕駛?cè)松砗托睦頎顟B(tài)都會(huì)發(fā)生變化，這種變化不僅會(huì)影響駕駛?cè)藢χ苓叚h(huán)境信息的正確感知，而且會(huì)進(jìn)一步影響駕駛?cè)说鸟{駛行為。目前，國內(nèi)外針對隧道路段駕駛行為的研究主要集中在駕駛?cè)松睦硖匦砸约榜{駛行為模型研究。

駕駛?cè)松砗托睦硖匦匝芯恐饕ㄟ^實(shí)驗(yàn)方法采集駕駛?cè)松砗托睦碇笜?biāo)數(shù)據(jù)，研究其與隧道參數(shù)之間的關(guān)系。Nakamichi和 Narisada等人對隧道照明進(jìn)行了實(shí)驗(yàn)研究，采用動(dòng)態(tài)模擬的方法，得到觀察物體的背景亮度與觀察者注意時(shí)間的關(guān)系模型[1]。Simons研究了白天隧道入口存在的“黑洞效應(yīng)”，提出維持隧道入口一定距離的照度來保證隧道內(nèi)部的可見性，這段距離的大小與駕駛?cè)搜劬m應(yīng)低照度的時(shí)間有關(guān)[2]。同濟(jì)大學(xué)的潘曉東、杜志剛通過視覺特性實(shí)驗(yàn)，基于刺激反映定律建立了隧道出入口瞳孔面積隨周圍照度的變化規(guī)律[3]，揭示了隧道出入口視覺震蕩現(xiàn)象，及其對行車安全的影響[4]。

駕駛行為模型描述駕駛行為的發(fā)生過程，最早是由Gibson J J在20世紀(jì)30年代提出的車輛行駛區(qū)域分析理論，隨著認(rèn)知科學(xué)的興起，研究者開始將認(rèn)知心理學(xué)應(yīng)用于駕駛行為模型分析，將駕駛基本控制、認(rèn)識處理和決策整合到模型中[5-8]。近些年，國內(nèi)關(guān)于駕駛行為模型的研究也取得了一定進(jìn)展，從工程學(xué)的角度和認(rèn)知學(xué)結(jié)合提出了車輛跟馳模型、車道變換模型以及用于車輛輔助駕駛系統(tǒng)的認(rèn)知行為建模方法[9]。1982年，Wilde運(yùn)用恒溫調(diào)節(jié)器的工作過程，建立了駕駛?cè)诵袨榈娘L(fēng)險(xiǎn)內(nèi)在平衡模型（RHT），又稱“風(fēng)險(xiǎn)補(bǔ)償”模型[10-11]。該模型認(rèn)為，駕駛?cè)送ㄟ^衡量安全與不安全行為的收益和損失，確定個(gè)體的目標(biāo)風(fēng)險(xiǎn)水平，當(dāng)感知風(fēng)險(xiǎn)水平和目標(biāo)風(fēng)險(xiǎn)水平出現(xiàn)不一致的情況時(shí)，駕駛?cè)藢⑼ㄟ^調(diào)整自身行為以縮小兩者之間偏差。因此，事故率最終決定于目標(biāo)風(fēng)險(xiǎn)水平，即駕駛?cè)耸孪仍O(shè)定的風(fēng)險(xiǎn)接受水平[6]。

現(xiàn)有關(guān)于隧道路段駕駛行為的研究，大部分基于實(shí)驗(yàn)和理論建模對駕駛?cè)说纳砗托睦硖匦约皼Q策屬性進(jìn)行研究，鮮有從風(fēng)險(xiǎn)控制角度展開分析。本文引入風(fēng)險(xiǎn)分析與決策理論，對構(gòu)成駕駛行為決策風(fēng)險(xiǎn)的各個(gè)影響因素進(jìn)行風(fēng)險(xiǎn)度函數(shù)建模，探討城市隧道路段駕駛行為綜合風(fēng)險(xiǎn)量化研究的方法。

1?駕駛行為綜合風(fēng)險(xiǎn)影響因素

駕駛?cè)送ㄟ^觀察周圍交通環(huán)境判斷當(dāng)前的運(yùn)行狀態(tài)，根據(jù)不同的狀態(tài)風(fēng)險(xiǎn)進(jìn)行決策并執(zhí)行形成駕駛行為，駕駛行為的執(zhí)行反過來又會(huì)影響周圍的交通環(huán)境，由此形成新一輪的認(rèn)知決策過程。在駕駛行為的形成過程中，道路環(huán)境因素會(huì)影響駕駛?cè)说恼J(rèn)知、判斷和決策過程。如圖1所示。

城市隧道路段駕駛行為綜合風(fēng)險(xiǎn)主要來自主客觀兩個(gè)方面，主觀風(fēng)險(xiǎn)指駕駛?cè)俗陨項(xiàng)l件如駕駛?cè)诵睦砗蜕碡?fù)荷、駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平，客觀風(fēng)險(xiǎn)指道路環(huán)境條件如隧道照明條件、道路線形、交通流量。

（1）駕駛?cè)诵睦砗蜕碡?fù)荷

城市隧道路段內(nèi)外環(huán)境差異較大，導(dǎo)致駕駛?cè)诵睦砗蜕碡?fù)荷明顯增加。國內(nèi)外學(xué)者對隧道路段駕駛?cè)艘曈X特性和心率參數(shù)進(jìn)行了大量研究，提出將視覺特征參數(shù)和心率特性變化作為駕駛?cè)艘曈X負(fù)荷和生理負(fù)荷的評價(jià)指標(biāo)。長安大學(xué)的吳玲博士基于因子分析方法，結(jié)合綜合線性加權(quán)模型，得出駕駛?cè)诵睦砗蜕碡?fù)荷量化模型計(jì)算公式[12]：

S=10.969 2（0.606 8×F1+0.362 4×F2）。（1）

式中：F1 為視覺特征參數(shù);F2為心率特性參數(shù)。

（2）駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平

駕駛?cè)说娘L(fēng)險(xiǎn)認(rèn)知水平是指駕駛?cè)嗽隈{駛過程中所產(chǎn)生的對顯性危險(xiǎn)的觀察與對潛在性危險(xiǎn)的預(yù)判。根據(jù)國內(nèi)外學(xué)者的研究表明，在駕駛經(jīng)驗(yàn)的諸多組成要素中，風(fēng)險(xiǎn)認(rèn)知水平與交通事故率相關(guān)性最大。上海交通大學(xué)的鄭東鵬通過實(shí)驗(yàn)數(shù)據(jù)多元回歸分析得出駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平的計(jì)算公式[13]：

S=-0.475X1+0.408X2-0.228X3+0.212X4-0.164X5。 （2）

式中：X1為事故記錄次數(shù);X2為駕駛里程;X3為精神質(zhì);X4為駕照持有時(shí)間;X5為違規(guī)記錄次數(shù)。

（3）隧道照明條件

隧道的洞內(nèi)照度基本來自于隧道照明燈具。隧道洞內(nèi)照度和隧道洞外照度所形成的照度差，是使駕駛員產(chǎn)生不適應(yīng)感的主要原因[14]。車輛駛?cè)胨淼阑蝰偝鏊淼篮?，由于光照?qiáng)度的劇烈變化，導(dǎo)致駕駛員產(chǎn)生的視覺恢復(fù)期是駕駛員視覺條件最差的時(shí)候，嚴(yán)重影響了車輛行駛的安全性和駕駛員的舒適性[15-17]。重慶交通大學(xué)的王露通過實(shí)車實(shí)驗(yàn)數(shù)據(jù)回歸分析得出駕駛適宜性評價(jià)指標(biāo)與城市隧道過渡段照明變化率之間的關(guān)系式[3]：

VS=3.44×103r-0.75+0.003 9s2-

0.525s+26.1。 （3）

其中，VS為駕駛適宜性評價(jià)指標(biāo);r為隧道過渡段平曲線半徑;s為隧道過渡段照度變化率。

（4）道路線形

城市快速路隧道一般為立交通過平面交叉口或湖底、過江隧道類型，其進(jìn)出口一般有較明顯的縱坡，表現(xiàn)為進(jìn)口為下坡段，出口為上坡段。因此，忽略道路線形的平曲線影響，依據(jù)長安大學(xué)、同濟(jì)大學(xué)等學(xué)者的研究成果[18]，提出基于縱向坡度的城市隧道進(jìn)出口線形風(fēng)險(xiǎn)度計(jì)算模型：

r（i）=0.159 4i2-0.162 6i+1.041 5。 （4）

式中：r（i）為縱坡風(fēng)險(xiǎn)值;i為計(jì)算范圍內(nèi)的平均坡度。

（5）交通流量

在流量較小時(shí)，車流密度相對較低，交通流處于自由流狀態(tài)，駕駛?cè)丝梢愿鶕?jù)車輛類型和駕駛習(xí)慣自由選擇行駛速度，此時(shí)車輛的行駛速度值高且分布離散型大。隨著流量的逐漸增大，車輛之間的車頭時(shí)距縮短，車輛間相互作用增強(qiáng)，出現(xiàn)了跟馳現(xiàn)象，車流速度降低，交通流進(jìn)入同步流狀態(tài)。若交通流量進(jìn)一步增大，則進(jìn)入擁擠狀態(tài)，道路通行能力進(jìn)一步下降，服務(wù)水平惡化，事故多發(fā)。同濟(jì)大學(xué)學(xué)者景天然[19]通過對城市道路交通飽和度與交通事故率之間的統(tǒng)計(jì)分析，得出其回歸方程式：

K=-1.687+8.732S-6.036S2。（5）

式中：S為交通飽和度;K為統(tǒng)計(jì)事故率。

2?駕駛行為綜合風(fēng)險(xiǎn)函數(shù)模型

2.1?風(fēng)險(xiǎn)度函數(shù)

傳統(tǒng)的風(fēng)險(xiǎn)描述方法主要分為定性和定量兩種方法，一般采用模糊邏輯方法來進(jìn)行定性描述，定量方法則主要是傳統(tǒng)的概率方法[20]。引入風(fēng)險(xiǎn)度函數(shù)，對綜合風(fēng)險(xiǎn)與其影響因素之間對應(yīng)的函數(shù)關(guān)系進(jìn)行描述。給定某一判斷準(zhǔn)則，則駕駛行為影響因素ri對應(yīng)的風(fēng)險(xiǎn)度函數(shù)即為f（ri）。常見的風(fēng)險(xiǎn)度函數(shù)有以下幾種[21-22]。

（1）風(fēng)險(xiǎn)事件發(fā)生概率的風(fēng)險(xiǎn)度函數(shù)

風(fēng)險(xiǎn)事件發(fā)生概率的風(fēng)險(xiǎn)度函數(shù)用正態(tài)分布函數(shù)來表示：

f（r）=e-π（2r-1）2。（6）

由此函數(shù)關(guān)系可知，當(dāng)自變量r接近于0時(shí)，因變量f（r）亦接近于0;當(dāng)自變量逐漸增大時(shí)，因變量迅速增加;當(dāng)r=50%時(shí)，風(fēng)險(xiǎn)度達(dá)到最大值1，即該因素所引起的風(fēng)險(xiǎn)事件變成了確定性事件。道路交通中交通流量因素符合此規(guī)律，可以采用該函數(shù)進(jìn)行風(fēng)險(xiǎn)描述。

（2）風(fēng)險(xiǎn)事件信息不對稱度的風(fēng)險(xiǎn)度函數(shù)

一般采用冪函數(shù)來表示風(fēng)險(xiǎn)事件損失的風(fēng)險(xiǎn)度函數(shù)：

f（r）=12+12（2r-1）13。（7）

由函數(shù)關(guān)系式可知，當(dāng)自變量接近于0時(shí)，風(fēng)險(xiǎn)度亦接近于0，隨后風(fēng)險(xiǎn)度值隨著自變量的增大而單調(diào)增大，當(dāng)r=1時(shí)，風(fēng)險(xiǎn)度值達(dá)到最大值1。駕駛過程中的信息不對稱度指的是駕駛?cè)藢Φ缆方煌ㄐ畔⒌闹饔^感知與客觀存在之間的差異度，隨著信息不對稱度的增加，駕駛風(fēng)險(xiǎn)度值逐漸增大。采用該函數(shù)對城市隧道路段的照明條件及道路線形因素進(jìn)行風(fēng)險(xiǎn)描述。

（3）風(fēng)險(xiǎn)事件可管理性的風(fēng)險(xiǎn)度函數(shù)

風(fēng)險(xiǎn)事件的可管理性是指通過采取措施能降低風(fēng)險(xiǎn)事件的發(fā)生概率或減少其損失，一般采用冪函數(shù)型式來表示其風(fēng)險(xiǎn)度函數(shù)：

f（r）=12-12（2r-1）13。（8）

由函數(shù)關(guān)系式可知，當(dāng)自變量r=0，即風(fēng)險(xiǎn)事件完全不可管理時(shí)，該因素對應(yīng)的風(fēng)險(xiǎn)度值f（r）=1;隨著自變量的增大，可管理性對應(yīng)的風(fēng)險(xiǎn)度值逐漸變小。駕駛過程中駕駛?cè)烁鶕?jù)道路交通環(huán)境及車輛技術(shù)性能，實(shí)時(shí)調(diào)整自身身心狀態(tài)與操作技能，努力完成駕駛?cè)蝿?wù)。采用該函數(shù)對駕駛?cè)诵睦砗蜕碡?fù)荷及駕駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平進(jìn)行風(fēng)險(xiǎn)描述。

2.2?綜合風(fēng)險(xiǎn)度函數(shù)

根據(jù)駕駛行為綜合風(fēng)險(xiǎn)影響因素的分析，以上5個(gè)影響因素之間是并聯(lián)關(guān)系，駕駛行為綜合風(fēng)險(xiǎn)值的大小由以上5個(gè)因素決定。給定某一判斷準(zhǔn)則，則綜合風(fēng)險(xiǎn)度函數(shù)可表示為：

F=f（r1），f（r2），f（r3），f（r4），f（r5）。（9）

風(fēng)險(xiǎn)事件的風(fēng)險(xiǎn)度是風(fēng)險(xiǎn)多維結(jié)構(gòu)各特性的風(fēng)險(xiǎn)度函數(shù)，其函數(shù)關(guān)系復(fù)雜，根據(jù)參考文獻(xiàn)[11]的研究，分別采用幾何平均和算術(shù)平均，再進(jìn)行算術(shù)平均運(yùn)算，以減少計(jì)算方法的誤差，其函數(shù)關(guān)系表達(dá)式如下：

F=125f（r1）×f（r2）×f（r3）×f（r4）×f（r5）+f（r1）+f（r2）+f（r3）+f（r4）+f（r5）5。

（10）

3?實(shí)例分析

以南京市市區(qū)道路中的富貴山隧道、揚(yáng)子江隧道和玄武湖隧道3條隧道為例，采集隧道基本參數(shù)統(tǒng)計(jì)見表1，為了敘述方便，富貴山隧道、揚(yáng)子江隧道和玄武湖隧道分別標(biāo)記為A、B、C。駕駛行為綜合風(fēng)險(xiǎn)分為主客觀風(fēng)險(xiǎn)兩個(gè)方面，假定通過3個(gè)隧道路段的熟練駕駛?cè)伺c非熟練駕駛?cè)吮壤喈?dāng)，即忽略駕駛?cè)酥饔^風(fēng)險(xiǎn)因素，研究城市隧道路段客觀因素對駕駛行為綜合風(fēng)險(xiǎn)度的影響，對上述綜合風(fēng)險(xiǎn)度函數(shù)模型進(jìn)行參數(shù)確定及效果驗(yàn)證。

根據(jù)隧道參數(shù)計(jì)算各風(fēng)險(xiǎn)因素取值，進(jìn)行無量綱化處理，并將所得值轉(zhuǎn)化至[0，1]區(qū)間內(nèi)，見表2。依據(jù)對應(yīng)的風(fēng)險(xiǎn)度函數(shù)計(jì)算其風(fēng)險(xiǎn)度值，最后代入綜合風(fēng)險(xiǎn)度模型得出3個(gè)隧道的駕駛行為綜合風(fēng)險(xiǎn)度值見表3。

隧道A為城市規(guī)劃區(qū)內(nèi)山體隧道，出入口路段線形較為平緩，但建設(shè)年代較早，內(nèi)部設(shè)施陳舊，過渡段照明條件相對較差，2018年1月至2018年12月共報(bào)告事故數(shù)132起。隧道B為城市快速路平交路口下穿隧道，隧道洞身長度較短，駕駛?cè)艘曈X適應(yīng)性要求較高，車流潮汐現(xiàn)象明顯，路段平均車速較高，統(tǒng)計(jì)平均車頭時(shí)距較小，2018年度報(bào)告事故186起，多為碰擦追尾事故。隧道C為城市湖底隧道，由于地形限制進(jìn)出口處坡度較大，洞身長度較長，為近期建設(shè)的城市重點(diǎn)隧道，內(nèi)部設(shè)施優(yōu)良，測量照度值最高，電子警察布設(shè)亦較為密集，管理規(guī)范，作為城市快速內(nèi)環(huán)的重要組成部分，為環(huán)湖路段，車輛節(jié)省50%～70%的行程，因此交通飽和度相對較大，路段平均車速較低，雖統(tǒng)計(jì)平均車頭時(shí)距較小，但駕駛?cè)嗽谠撀范涡旭倳r(shí)較為謹(jǐn)慎，2018年度報(bào)告事故95起。綜上，隧道B在2018年度統(tǒng)計(jì)事故數(shù)最多，其次為隧道A、隧道C，統(tǒng)計(jì)結(jié)果與綜合風(fēng)險(xiǎn)度模型計(jì)算值相對吻合，驗(yàn)證了該模型的準(zhǔn)確性。

以上分析表明，城市隧道道路線形、照明設(shè)施條件及交通量對駕駛行為綜合風(fēng)險(xiǎn)有一定影響，但各自對綜合風(fēng)險(xiǎn)度的貢獻(xiàn)有多大尚沒有定論。城市隧道C進(jìn)出口坡度大、交通飽和度高，但通過規(guī)范的交通管理措施，亦可以使得客觀條件相對較差的城市隧道取得較低的綜合風(fēng)險(xiǎn)度值。

4?結(jié)論

城市隧道路段駕駛行為綜合風(fēng)險(xiǎn)由駕駛?cè)松砗托睦硖匦浴Ⅰ{駛?cè)孙L(fēng)險(xiǎn)認(rèn)知水平、隧道照明條件、過渡段線形及交通飽和度等因素決定，綜合風(fēng)險(xiǎn)度模型能夠較好地描述城市隧道路段的駕駛風(fēng)險(xiǎn)。

城市隧道駕駛行為綜合風(fēng)險(xiǎn)各影響因素的權(quán)重大小尚無定論，各因素之間的相互作用關(guān)系仍需進(jìn)一步研究。通過規(guī)范的交通管理措施，可以使得客觀條件較差的城市隧道取得相對較低的風(fēng)險(xiǎn)度值。

文中實(shí)例城市隧道C雖取得較低綜合風(fēng)險(xiǎn)度值，報(bào)告事故數(shù)最少，但反饋的擁堵次數(shù)最多，通行能力最差。如何合理采用交通管控措施，在綜合風(fēng)險(xiǎn)與通行能力之間取得一個(gè)平衡點(diǎn)，是下一步需要研究的重點(diǎn)課題。

【參?考?文?獻(xiàn)】

[1]NAKAMICHI F， NARISADA K， YOSHIKAWA K. Experiment on the visibility of the tunnel entrance lighting[J]. Journal of the Illuminating Engineering Institute of Japan， 1967， 15（10）：566-581.

[2]SIMON R H， BEAN A R. Lighting engineering： Applied calculations[M]. London： Routledge， 2001.

[3]王露.山地城市隧道出口路段駕駛適宜性技術(shù)研究[D].重慶：重慶交通大學(xué)，2017.

WANG L. Technical research on driving suitability of mountain city tunnel exit section[D]. Chongqing： Chongqing Jiaotong University， 2017.

[4]杜志剛，潘曉東，楊軫，等.高速公路隧道進(jìn)出口視覺震蕩與行車安全研究[J].中國公路學(xué)報(bào)，2007，20（5）：101-105.

DU Z G， PAN X D， YANG Z， et al. Study on visual shock and traffic safety of highway tunnel entrance and exit[J]. China Journal of Highway and Transport， 2007， 20（5）： 101-105.

[5]RUDINBROWN C M， YOUNG K L， PATTEN C， et al. Driver distraction in an unusual environment： effects of text-messaging in tunnels[J]. Accident Analysis and Prevention， 2013， 50：122-129.

[6]KIRCHER K， LUNDKVIST S. The influence of lighting， wall colour and inattention on traffic safety in tunnels： s simulator study[M]. Sweden： VTI， 2011.

[7]KIRCHER K， AHLSTROM C. The impact of tunnel design and lighting on the performance of attentive and visually distracted drivers[J]. Accident analysis and prevention， 2012， 47：153-161.

[8]SCHMIDTDAFFY M. Fear and anxiety while driving： differential impact of task demands， speed and motivation[J]. Transportation Research Part F： Traffic Psychology and Behavior， 2013， 16：14-28.

[9]向往.基于層級式駕駛仿真實(shí)驗(yàn)的駕駛?cè)诵袨橐?guī)律及表現(xiàn)評價(jià)方法研究[D].北京：北京交通大學(xué)，2016.

XIANG W. Research on driver behavior rule and performance evaluation method based on hierarchical driving simulation experiment[D]. Beijing： Beijing Jiaotong University， 2016.

[10]FENG D S， WU K， CHEN F， et al. Research on optimized design of bridge-tunnel linkage sections on mountainous highways considering the effect of crosswind on driver behavior[J]. Advances in Intelligent Systems and Computing， 2017， 484：717-729.

[11]CALVI A， BLASIIS M R D， GUATTARI C. An empirical study of the effects of road tunnel on driving performance[J]. Procedia-Social and Behavioral Sciences， 2012， 53：1098-1108.

[12]吳玲.基于生理與行為指標(biāo)的高速公路特長隧道環(huán)境駕駛?cè)孙L(fēng)險(xiǎn)特性研究[D].西安：長安大學(xué)，2018.

WU L. Study on risk characteristics of environmental drivers in highway long tunnel based on physiological and behavioral indicators[D]. Xian： Changan University， 2018.

[13]鄭東鵬.駕駛?cè)宋ｋU(xiǎn)感知及影響因素研究[D].上海：上海交通大學(xué)，2013.

ZHENG D P. Study on drivers risk perception and influencing factors[D]. Shanghai： Shanghai Jiaotong University， 2013.

[14]浦雅添，岳川，陳豐，等.城市地下道路LED自發(fā)光指路標(biāo)志視認(rèn)性研究[J].公路工程，2018，43（3）：6-10.

PU Y T， YUE C， CHEN F， et al. Investigate the legibility of LED traffic guide signs in urban tunnels[J].Highway Engineering，2018，43（3）：6-10.

[15]張衛(wèi)華，錢小慧，馮忠祥.照度與視覺敏感度對駕駛辨識行為的影響研究[J].人類工效學(xué)，2014，22（3）：75-80.

ZHANG W H， QIAN X H， FENG Z X. Study on the influence of illumination and visual sensitivity on driving identification behavior[J]. Chinese Journal of Ergonomics， 2014， 22（3）：75-80.

[16]張?jiān)茓?基于駕駛?cè)诵袨樘匦缘陌塑嚨栏咚俟烦隹诎踩嚯x研究[D].西安：長安大學(xué)，2017.

ZHANG Y J. Research on safety distance at exit of eight-lane expressway based on driver behavior characteristics[D]. Xian： Changan University， 2017.

[17]劉明秀，林麗.城市隧道入口自然光對駕駛?cè)艘曈X影響分析[J].森林工程，2018，34（4）：102-107.

LIU M X， LIN L. Analysis of the influence of natural light on driver vision at the urban tunnel entrances[J]. Forest Engineering， 2018， 34（4）：102-107.

[18]王琰，孔令旗，郭忠印，等.基于運(yùn)行安全的公路隧道進(jìn)出口線形設(shè)計(jì)[J].公路交通科技，2008，25（3）：135-138.

WANG Y， KONG L Q， GUO Z Y， et al. Design of highway tunnel inlet and outlet line based on operation safety[J]. Journal of Highway and Transportation Research and Development， 2008， 25（3）：135-138.

[19]景天然.城市道路條件與交通事故率的關(guān)系[J].同濟(jì)大學(xué)學(xué)報(bào)，1992，20（3）：335-340.

JING T R. Relationship between urban road condition and traffic accident rate[J]. Journal of Tongji University， 1992， 20（3）：335-340.

[20]陳陽，馬健霄，徐志豪，等.基于物元分析的自行車交通體系評價(jià)方法研究[J].森林工程，2018，34（5）：84-90.

CHEN Y， MA J X， XU Z H， et al. Research on evaluation method of bicycle traffic system based on matter element analysis[J]. Forest Engineering， 2018， 34（5）：84-90.

[21]向鵬成.基于信息不對稱理論的工程項(xiàng)目風(fēng)險(xiǎn)管理研究[D].重慶：重慶大學(xué)，2005.

XIANG P C. Research on project risk management based on information asymmetry theory[D]. Chongqing： Chongqing University， 2005.

[22]任園園.公路彎道路段行車危險(xiǎn)區(qū)域及駕駛行為模型研究[D].長春：吉林大學(xué)，2011.

REN Y Y. Research on dangerous area and driving behavior model of highway curve section[D]. Changchun： Jilin University， 2011.