王 益,榮 建

(北京工業(yè)大學城市交通學院，北京 100124)

0 引言

研究駕駛行為被認為是提高道路服務水平，減少道路交通事故，改善車輛設計，開發(fā)車載安全設備的重要方法.而駕駛行為的參數(shù)直接影響交通流的參數(shù).Lownes和Machemehl[1]利用VISSIM仿真平分析了駕駛行為參數(shù)對通行能力的敏感性.Yannes和Lownes[2]進一步驗證了駕駛員特征之間的關系以及如何影響仿真的通行能力.Pueboobpaphan[3]等回顧了手動駕駛、輔助駕駛、混合交通條件下駕駛員和車輛特性與交通流穩(wěn)定性之間關系.結果顯示，駕駛員和車輛的特征對交通流穩(wěn)定性都有影響.為確保仿真結果的準確和可靠，必須對駕駛行為參數(shù)進行校準和驗證.Gomes等[4]研究了選定的調(diào)整參數(shù)對擁擠高速公路的影響，并對仿真模型進行校準.Brockfeld等[5]分析和驗證了各種仿真(VISSIM,PARAMICS,ARTEMIS,AIMSUN)軟件中的車輛跟馳模型.

前人對駕駛行為與交通流關系研究中較少考慮駕駛員的特征.然而，駕駛員因素是“人-車-路-環(huán)境”系統(tǒng)中最重要的部分.駕駛是從信息獲取、傳遞、處理到操作的一個動態(tài)過程.而駕駛員的特征是駕駛行為表現(xiàn)的基礎.駕駛員之間的差異跟年齡、性別、經(jīng)濟水平、教育程度、健康狀況、性格特征都有關系.Knipling等[6]研究了高風險駕駛員中個體差異對安全性的影響.駕駛員不僅會控制駕駛行為，而且其個體之間的差異也會直接或間接影響駕駛行為，進而影響交通流.

因此，本文將駕駛員分為3類，并利用3類駕駛員的特性對仿真軟件中跟馳和換道模型進行參數(shù)調(diào)整，并分析每種駕駛行為下不同車道位置的交通流特征.本研究具有以下特點：

1)由于駕駛員存在個體差異，將被測試駕駛員分為3類：激進的、中等的、謹慎的.通過對典型中國駕駛員駕駛行為模型的參數(shù)估計，并對駕駛特性展開深入研究.

2)通過仿真軟件分析了3類駕駛員的駕駛行為對交通流的影響，并明晰了個體差異、駕駛行為和交通流之間的關系.

3)與之前的單一研究駕駛員與交通流、駕駛行為與交通流之間的關系不同，本文探究了駕駛員特征、駕駛行為、交通流3者之間的相互關系.

1 研究思路及實驗設計

1.1 研究思路

本文采用駕駛模擬器與微觀交通仿真相結合的方法.首先，利用駕駛模擬器收集駕駛適應性指標，如聽力、視力、操作機能等；收集動態(tài)駕駛指標，如平均行駛速度、加速度、換道次數(shù)等.其次，采用主成分分析法確定主要構成指標，并使用聚類分析將駕駛員分為3類.然后，根據(jù)模擬器采集的行為數(shù)據(jù)對交通仿真軟件中微觀駕駛行為參數(shù)進行校準，并收集交通流數(shù)據(jù).最后，分析3類駕駛員對交通流穩(wěn)定性的影響.研究流程如圖1所示：

圖1 研究框架

1.2 實驗設計

1.2.1 駕駛模擬器場景構建

根據(jù)研究的內(nèi)容和需求，制定了相應的道路場景方案.該場景主要由北京城市快速環(huán)路(雙向6車道)組成.道路兩側(cè)建筑物均采用北京市類型的建筑物，以確保駕駛員駕駛時的感受更貼近現(xiàn)實.

圖2 駕駛環(huán)境截圖

1.2.2 交通條件設置

駕駛模擬器中的交通狀況根據(jù)2003年北京市三環(huán)交通調(diào)查數(shù)據(jù)確定，行車速度為40～80 km/h，V/C比為0.8～1，行車密度為20～40 pcu/km，車頭時距為2～8 s.交通組成方面，小車82.3%，中車12.4%，大車5.3%.駕駛員基本駕駛環(huán)境見圖2.

1.2.3 實驗參與者描述

此次實驗有45名駕駛員參與實驗，所有駕駛員的駕齡均在5年以上.由于在動態(tài)駕車的過程中有的駕駛員暈車，導致部分實驗無法順利完成.除去這些駕駛員共有32 名有效駕駛員樣本.

1.2.4 實驗過程

實驗包括2部分：第一部分是駕駛員適應性實驗，通過聽力計、血壓檢測儀、視力測試儀等測量聽力，血壓，復雜反應，注意力分配，動態(tài)視力，夜視，駕駛控制等適應性指標.第二部分是駕駛模擬器實驗.在駕駛模擬器環(huán)境中，受試者正常駕駛，并記錄所有受試者的駕駛行為.

2 駕駛員特性分類

駕駛員之間的差異不僅體現(xiàn)在個體差異，在駕駛時會表現(xiàn)出特殊特征，駕駛員本身的注意力特征、知識水平、安全態(tài)度甚至當時的情緒都有可能影響到駕駛員在實際中的行為.選擇2種類型的指標分析，更能全面反映駕駛時的差異.駕駛適應性指標：根據(jù)Greenwood[7]提出的事故傾向性理論檢測駕駛員生理、心理素質(zhì).本文根據(jù)國家標準《機動車駕駛員身體條件及其評測要求》(GB 18463—2001)[8],在駕駛前采集了10個駕駛適應性指標.動態(tài)駕駛指標在駕駛過程中，采集了平均速度、最大速度、最大減速度、單位長度上的換道頻率(實際換道次數(shù)/所駕駛路線長度)和最小可接受間隙.

2.1 駕駛員特性指標主成分分析

駕駛員特性指標共15個，且每個指標都能直接或間接影響駕駛行為，如果指標過多不容易發(fā)現(xiàn)其內(nèi)在聯(lián)系.因此，本文采用主成分分析法將15個指標轉(zhuǎn)化成為少量不相關的變量.首先，對駕駛員分類數(shù)據(jù)進行標準化，計算其關系矩陣，特征值以及特征向量.變量的特征值和方差貢獻率如表1所示.根據(jù)特征值大于0.6的特征，提取了7個變量作為主要成分，占數(shù)據(jù)變異性的83.649%.因子載荷矩陣如表2所示.

從主成分分析結果可知，年齡和駕齡在因子1上有較高的載荷，年齡和駕齡越長，駕駛越平穩(wěn)，此因子容易描述駕駛員的經(jīng)驗，可稱之為經(jīng)驗因素.平均車速、最高車速、換車道頻率在因子2上有較高的載荷，不同類型駕駛員在速度和換車道頻率上會有不同選擇，此因子可以成為駕駛因素.依次類推，可計算每個主成分下關聯(lián)度高的因素.

表1 因子解釋原有變量總方差情況

注：采用主成分分析法.

表2 因子載荷矩陣

2.2 駕駛員特征聚類分析

借助SPSS軟件，使用K-Means聚類方法，將32位駕駛員進行分類.根據(jù)駕駛行為和駕駛特性指標，均勻集聚每組的駕駛員.首先，采用系統(tǒng)指定的方式選定初始聚類中心.其次，依次計算每個樣本數(shù)據(jù)點到中心的歐氏距離，如式(1)所示，按距離最短的原則將所有樣本分派，形成分類.最后，計算各類中變量的均值，并以均值點作為新的類中心點，如果類中心點的偏移量小于指定的量則停止迭代，說明聚類收斂，分類結果有效，具體函數(shù)見式(2).

(1)

(2)

表3 駕駛員特性分類表

3 不同駕駛行為對交通流的影響

借助交通仿真軟件[9].分析“速度-流量”關系和交通流穩(wěn)定性對三類駕駛員的影響.

3.1 仿真環(huán)境搭建

整個系統(tǒng)框架分為3部分：輸入模塊，仿真模塊和輸出模塊.各種模型之間的關系如圖3所示.除了以上描述的駕駛行為模型外，還有一些其他的模型，如網(wǎng)格模型、自由流動模型以及模擬環(huán)境中的速度影響模型.

3.2 微觀仿真參數(shù)調(diào)整

駕駛模擬實驗數(shù)據(jù)被用于校準3種駕駛員的跟車和換道參數(shù).參數(shù)包括加速度和減速度的反應時間，跟馳模型中GM模型系數(shù)，以及預期速度，換道行為的臨界間隙.其中，用統(tǒng)計方法估計反應速度和期望速度，用最大似然估計校正GM模型的相關參數(shù)，Logit模型得到臨界距離.表4示出了參數(shù)的校準值.

表4 3類駕駛行為微觀仿真參數(shù)標定

圖3 仿真模型之間關系

3.2 不同駕駛行為對交通流特性的影響分析

3.2.1 對基本路段通行能力的影響

圖4 3種駕駛行為下交通流“速度-流量”關系

為研究不同駕駛行為對基本路段通行能力的影響，首先在仿真軟件中構建了4 km城市快速路基本路段(無出入口)，并模擬了2 400 s.駕駛行為參數(shù)設置如表4.3類駕駛行為的“速度-流量”關系如圖4所示，不同駕駛行為之間的交通流特性有明顯差異.圖4(a)顯示，激進的駕駛行為仿真產(chǎn)生的最大交通量(通行能力)為2 200 pcu/h.此外，圖4(b)(c)顯示，保守駕駛行為仿真產(chǎn)生的最大交通量略大于中等駕駛行為，為1 800 pcu/h和1 700 pcu/h.

3.2.2 對交通流穩(wěn)定性的影響

為研究不同駕駛行為對基本路段上交通流穩(wěn)定性的影響，構建了4 250 m單向雙車道基本路段(無出入口)，并分析了3種駕駛行為特性對交通流穩(wěn)定性的影響.在1 500 m位置附近設置了800 m場的減速區(qū)域，在第800～1 200 s的仿真時段內(nèi)實現(xiàn)車輛減速.在仿真過程第600～1 800 s時間段內(nèi)，設置輸入交通量為1 500 pcu/h.從圖5可以看出，在減速區(qū)域，仿真時間第800～1 200 s間，交通擁堵在1 500 m處形成.激進駕駛行為下交通流表現(xiàn)出的最大密度為80 (veh·km-1)/ln,并出現(xiàn)較大幅度的波動.相應地，保守駕駛行為和中等駕駛行為下交通流更為穩(wěn)定，波浪數(shù)量更少，波幅更小，且密度分別為65 (veh·km-1)/ln，70 (veh·km-1)/ln.

圖5 3種駕駛行為下交通流“密度-時間-空間”關系

4 結束語

本文介紹了駕駛模擬器與交通仿真相結合的方法，研究了3種駕駛行為對宏觀交通流的影響.首先，駕駛行為分為3類：激進的，保守的和中等的.其次，利用駕駛模擬實驗3種駕駛員的駕駛行為參數(shù)進行了校準，并利用交通仿真技術對交通流量的影響進行了分析.從“速度-流量”曲線來看，激進的駕駛行為下最大交通量達到2 200 pcu/h.激進行為的駕駛員在行駛時，更偏好保持較小的車頭時距以及頻繁的換車道來追求更快的預期速度.保守和中等的駕駛員在行駛時與前車則保持較大的車頭時距，故表現(xiàn)出的最大交通量小于激進下的駕駛行為.從交通流穩(wěn)定性看，“密度-時間-空間”關系發(fā)生較大擾動時，激進駕駛行為下交通流更加不穩(wěn)定，主要是因為激進駕駛行為的駕駛員更偏好換道.

不同的駕駛行為對基本路段交通流運行存在顯著的影響.通過采用一些工程或者政策，減少駕駛行為之間的差異，可以對減少交通流的負面影響.尤其針對激進駕駛行為特征下的駕駛員，雖然保持較小車頭時距使得通行能力最大，但頻繁的換道行為使得穩(wěn)定性降低.因此，未來有必要對駕駛行為進行評估，通過培訓、教育或者獎勵等干預措施，減小激進駕駛行為對交通流的負面影響.

[1] Lownes N,Machemehl R.Sensitivity of simulated capacity to modification of VISSIM driver behavior parameters[J].Transportation Research Record: Journal of the Transportation Research Board,2006 (1988): 102-110.

[2] Yannes C D,Lownes N E.Identifying Capacity Interactions in Response to Simulated Driver Behavior[R].09-1472,USA: Transportation Research Board,2009.

[3] Pueboobpaphan R,Van Arem B.Driver and Vehicle Characteristics and Platoon and Traffic Flow Stability: Understanding the Relationship for Design and Assessment of Cooperative Adaptive Cruise Control[J].Transportation Research Record,2010,2189(2189): 89-97.

[4] Gomes G,May A,Horowitz R.Congested freeway microsimulation model using VISSIM[J].Transportation Research Record: Journal of the Transportation Research Board,2004 (1876): 71-81.

[5] Brockfeld E,Kühne R,Wagner P.Calibration and validation of microscopic models of traffic flow[J].Transportation Research Record: Journal of the Transportation Research Board,2005 (1934): 179-187.

[6] Knipling R R.Individual Differences and the "High-Risk" Commercial Driver [M].USA: Transportation Research Board,2004.

[7] Greenwood M,Woods H M.The incidence of industrial accidents upon individuals: With special reference to multiple accidents[M].London: HM Stationery Office,1919.

[8] GB 18463—2001機動車駕駛員身體條件及其評測要求[S]

[9] 榮建.高速公路基本路段通行能力研究[D].北京: 北京工業(yè)大學,1999.