李虹燕，王 迪，劉心茹，蘇振海，范新琪，孫 琪

(山東交通學(xué)院 交通與物流工程學(xué)院, 濟(jì)南 250357)

0 引言

霧天條件下因能見度降低、視距不足，駕駛?cè)说囊曈X、情緒易受到較大影響. 不良的道路環(huán)境會影響駕駛?cè)说男畔⒉蹲侥芰皩ν话l(fā)事故的判斷能力，更容易發(fā)生交通事故. 與晴天事故相比，霧天交通事故后果更為嚴(yán)重,傷亡率明顯增加[1]. 據(jù)統(tǒng)計，在我國公安交通管理部門受理的道路交通事故案例中，惡劣天氣導(dǎo)致的交通事故量占全年交通事故量的24.97%、傷亡率為22.74%；而霧天導(dǎo)致的交通事故量占惡劣天氣條件下交通事故量的10.25%，傷亡率為10.87%，盡管與霧天相關(guān)的交通事故較少，但霧天條件下造成的經(jīng)濟(jì)損失最為嚴(yán)重，且霧天發(fā)生交通事故的傷亡率最高，約為正常天氣條件的10倍[2].

事實上，駕駛過程中80%的信息由視覺獲取并加工，駕駛?cè)艘曈X測試研究證實，人因(Human Factors)占事故致因的比例高達(dá)92.6% ,而在人因中起主導(dǎo)作用的因素也多與視覺有關(guān)，包括駕駛?cè)擞^察不當(dāng)、注意力不集中、動態(tài)視敏度較差等. 可見，視覺特性研究在交通安全中占據(jù)極為重要的地位. 以往的研究探究了視覺信息、聽覺信息及信息復(fù)雜度對視覺表現(xiàn)的影響. 學(xué)者們通過對注視點(diǎn)的研究發(fā)現(xiàn)，視覺信息的出現(xiàn)會導(dǎo)致掃視時長與掃視頻率的顯著變化[3],使得注視時長變短、注視點(diǎn)分布不穩(wěn)定[4]，并且減少駕駛?cè)藢Φ缆分行牡年P(guān)注.

由于真實環(huán)境受限，在惡劣天氣條件下駕駛試驗危險性較高，本研究結(jié)合霧天條件下的交通特征，通過車路協(xié)同模擬試驗，采集駕駛?cè)说囊曈X數(shù)據(jù)和車輛的運(yùn)行數(shù)據(jù)[5]，驗證能見度在差、較差、較好、好4種情況下駕駛?cè)说男熊囁俣?、加速度、注視時間、掃視速度、瞳孔直徑的變化，分析駕駛?cè)嗽陟F天條件下車輛的運(yùn)行狀態(tài)及影響程度，得到相應(yīng)結(jié)論. 為避免或減少霧天條件下的交通事故以及研究駕駛?cè)嗽陟F天不同能見度下的視覺特性和車輛運(yùn)行特征提供理論基礎(chǔ).

1 駕駛?cè)艘曈X搜索及眼動行為

駕駛?cè)说囊曈X搜索過程是眼球通過掃視運(yùn)動從1個注視點(diǎn)到下1個注視點(diǎn)[6]. 利用這種運(yùn)動方式在視野內(nèi)循環(huán)交替搜尋目標(biāo)，直到發(fā)現(xiàn)駕駛?cè)烁信d趣的信息. 注視、掃視和眼動追隨是駕駛?cè)诵熊囘^程中的眼動基本形式[7].

注視行為是駕駛?cè)四芮逦目吹接^察對象的視覺過程. 單次注視持續(xù)時間作為處理有效信息的度量標(biāo)準(zhǔn)，可反映駕駛?cè)藢τ行畔⑻崛〉碾y易程度. 累積注視持續(xù)時間可反映駕駛?cè)藢δ骋蛔⒁晫ο蟮母信d趣程度，也代表駕駛?cè)颂幚泶碳ば畔⑺牡臅r間[8].

掃視行為產(chǎn)生于2次注視之間[9]，通常指人眼對于交通環(huán)境中目標(biāo)搜索的過程. 掃視行為發(fā)生的速度特別快，與駕駛?cè)穗p眼的跳動幾乎一致.

圖1 視野圖

眼動追隨就是當(dāng)觀察對象發(fā)生移動時為了可繼續(xù)注視觀察對象，眼球會隨之移動，此時眼球的運(yùn)動稱追隨運(yùn)動. 其眼動追隨的目的是讓觀察對象成像時準(zhǔn)確地落在駕駛?cè)穗p眼視網(wǎng)膜的中央凹處. 然而，在觀察對象運(yùn)動過快或過慢時就很難發(fā)生眼動的追隨運(yùn)動. 在這種情況下，眼動追隨就需要掃視行為的參與.

基于駕駛?cè)艘曈X搜索及眼動行為特征，在車路協(xié)同模擬試驗過程中采集注視、掃視、眼動追隨幾個參數(shù)對駕駛?cè)诵袨?、視覺感知能力、駕駛?cè)思败囕v運(yùn)行狀態(tài)進(jìn)行分析.

2 車路協(xié)同模擬測試

2.1 相關(guān)試驗設(shè)備的介紹

試驗選用Simulator駕駛模擬器作為車輛運(yùn)行數(shù)據(jù)的采集儀器，試驗倉選擇了大眾帕薩特1.8 T轎車，如圖2所示. 此實驗倉具有真實的制動系統(tǒng)、轉(zhuǎn)向系統(tǒng)，模擬真實的駕乘環(huán)境，并通過傳感器反饋給計算機(jī).

圖2 駕駛模擬器

駕駛員在操作時通過眼動儀進(jìn)行視線跟蹤，該眼動儀可有效提取運(yùn)行軌跡、眼動時間、眼動速度、注視點(diǎn)位置和瞳孔的大小等相關(guān)參數(shù)，并進(jìn)行相關(guān)數(shù)據(jù)分析.

2.2 試驗條件準(zhǔn)備

2.2.1 試驗人員篩選

圖3 測試現(xiàn)場

從公安部交管局公布的2020年駕駛?cè)藬?shù)據(jù)中得到駕駛?cè)说哪挲g分布. 18～25歲占11.65%；26～50歲71.79%；51～60歲占13.36%. 從駕駛?cè)说鸟{齡分布看，1～5 a駕齡占27.90%；6～10 a駕齡占29.83%. 從駕駛?cè)说男詣e分布看，男性占66.32%，女性占33.68%. 基于駕駛?cè)四挲g、駕齡分布特征選取20名視力或者矯正視力正常，年齡分布在20～50歲,駕齡2～10 a駕駛?cè)俗鳛楸辉囌?，被試者均具有高速駕駛經(jīng)驗并熟悉駕駛模擬器和眼動儀器的操作方法. 在進(jìn)行試驗前要求試驗對象睡眠充足、飲食正常，不得飲酒和服藥，避免因試驗對象疲勞駕駛、身體不適或者使用藥物異常而導(dǎo)致的試驗值誤差，駕駛員信息見圖4.

圖4 模擬器試驗駕駛?cè)嘶拘畔?/p>

2.2.2 試驗路段設(shè)置

建設(shè)長度為19.8 km的濟(jì)南國際機(jī)場高速公路為模擬試驗路段，選取其中道路條件和交通環(huán)境穩(wěn)定的2 km直線路段進(jìn)行數(shù)據(jù)分析并采用SCANeR studio車路協(xié)同模擬系統(tǒng)進(jìn)行平臺搭建.

車輛類型根據(jù)實際駕駛模擬器的車輛類型設(shè)定為小型轎車，道路的基本條件為雙向6車道，車道寬度為3.75 m，車道采用單一的白色邊緣線和白色中心線作為標(biāo)記，路側(cè)設(shè)置護(hù)欄、行道樹、道路標(biāo)志等日常道路設(shè)施，模擬試驗路段如圖5所示.

圖5 模擬試驗路段

2.2.3 試驗方案

在車路協(xié)同模擬器中設(shè)置自由流，道路的起點(diǎn)與終點(diǎn)分別導(dǎo)入固定車流，并在同向最內(nèi)側(cè)車道加入車速為90～120 km/h的限定車流，道路起點(diǎn)車流如圖6所示. 試驗設(shè)置50、200、350、500 m能見度的車路協(xié)同模擬測試場景，駕駛?cè)伺宕餮蹌觾x在霧天試驗場景下完成加速、勻速、減速3種行車狀態(tài). 在駕駛模擬過程中，車、路、人3方實現(xiàn)動態(tài)實時信息交互，車輛數(shù)據(jù)及道路數(shù)據(jù)反饋給SCANeR studio車路協(xié)同模擬系統(tǒng)，進(jìn)行車輛運(yùn)行數(shù)據(jù)的輸出，配合眼動設(shè)備同時采集駕駛員的運(yùn)動參數(shù).

圖6 道路起點(diǎn)導(dǎo)入車流情況

3 試驗結(jié)果分析

3.1 眼動數(shù)據(jù)分析

對駕駛?cè)嗽诓煌芤姸认滦旭傔^程中的注視持續(xù)時間、掃視持續(xù)時間和眨眼時間數(shù)據(jù)進(jìn)行處理，得到累積注視時間、累積掃視時間和累積眨眼時間的百分比，見圖7.

圖7 累積注視、掃視、眨眼行為時間占比

從整體來看，在一定時間內(nèi)，4種能見度下駕駛?cè)诵熊囘^程中累積注視時間占比最高，再者為累積掃視時間，其次累積眨眼時間占比最少，這表明，駕駛?cè)嗽陟F天行車過程中以注視為主，發(fā)生眨眼行為的時間很少[10].

從注視的累積時間占比可看出，50 m能見度下的累積注視時間較200、350、500 m能見度下的注視累積時間占比最高，這說明在50 m能見度的情況下，駕駛?cè)藦闹心芴崛〉降男畔⑿实?，需要較多的注視時間來獲取道路信息，200、350 m能見度下注視占比時間較低，這說明能見度較高，車速相對緩慢的情況下，駕駛?cè)藦闹心芴崛〉降男畔⑿矢撸?00 m 能見度情況下，駕駛員車速較快，需要較多的注視時間來獲取道路信息，注視時間相對較高.

從掃視和眨眼的累積時間占比可看到，50 m能見度下的累積眨眼時間占比低于200 m能見度條件，這說明駕駛?cè)嗽?0 m能見度下行車時精力更為集中. 50 m能見度下的累積掃視時間占比略高于200 m能見度條件，這說明當(dāng)駕駛?cè)嗽谧⒁暻胺胶茈y得到有效信息時，可能會借助觀察其他輔助信息，比如路面的標(biāo)線、兩側(cè)綠化和護(hù)欄來判斷行車的安全性.

3.1.1 注視特性

注視次數(shù)可作為衡量視覺搜索效率的1個指標(biāo)，注視頻次越高表明駕駛?cè)怂褜じ信d趣區(qū)域的效率越低. 對單次注視持續(xù)時間數(shù)據(jù)求取各區(qū)間段的頻次占比，以0.1 s為1個區(qū)間段，可得到駕駛?cè)嗽?種能見度下在行車過程中的注視持續(xù)時間區(qū)段分布. 駕駛?cè)俗⒁晻r間分段統(tǒng)計結(jié)果見表1.

表1 駕駛?cè)俗⒁暢掷m(xù)時間分段統(tǒng)計結(jié)果

不同能見度下單次注視持續(xù)時間的頻次占比在各個區(qū)間段中的變化大致相同，主要是集中在0.08～0.5 s區(qū)段內(nèi)，且長時間的注視頻次呈逐級遞減趨勢. 經(jīng)計算可得出在4種能見度中，0.08～0.5 s 區(qū)間段的頻次占比和都在80%以上.

在區(qū)間段0.1～0.2 s內(nèi)，四種能見度下的注視頻次占比較為突出，結(jié)合表1計算可得這一區(qū)間段的占比在所有區(qū)間中最高，緊隨其后的是0.2～0.3 s區(qū)間段，這說明在霧天條件下，駕駛?cè)送远虝鹤⒁晛硭阉鞲信d趣的信息.

在0.1～0.2 s區(qū)間段，駕駛?cè)嗽?0 m能見度下行車發(fā)生的單次注視持續(xù)時間的頻次占比明顯最高，這說明駕駛?cè)嗽谝曇皸l件差時，注視頻次偏高，駕駛?cè)说囊曈X搜索效率也會降低，駕駛?cè)烁蛴诙啻芜M(jìn)行短暫的注視來獲取有效信息.

3.1.2 掃視特性

掃視速度可反映出駕駛?cè)嗽趯ふ遗d趣目標(biāo)的速度，也可表示對上一次注視所得信息的處理速度. 根據(jù)區(qū)間段對掃視速度的數(shù)據(jù)求取頻次占比，以50°/s作為1個區(qū)間段，得到駕駛?cè)嗽?種不同能見度下行車的掃視速度區(qū)段分布，駕駛?cè)藪咭曀俣确旨壗y(tǒng)計結(jié)果見表2.

駕駛?cè)嗽谛熊囘^程中，單次掃視速度主要集中在30～200°/s范圍內(nèi)，占比均在80%左右. 掃視速度在50～100°/s范圍內(nèi)的占比高于其他區(qū)間段；50 m能見度下掃視速度占比明顯低于其他3種能見度，在快速掃視范圍內(nèi)，50 m能見度的占比略高于其他3種能見度；30～50°/s區(qū)間段次之. 得出結(jié)論：在霧天條件下，駕駛?cè)似蛴谕ㄟ^較慢的掃視獲取興趣信息，在低能見度情況下，駕駛?cè)司Ω叨燃?，進(jìn)行多次迅速掃視觀察周邊情況，獲取有效信息.

3.1.3 瞳孔特性

瞳孔大小可描述駕駛?cè)说男睦砭o張程度. 由于整個駕駛過程較為平緩，無法選擇1個共同的時間點(diǎn)來比較不同能見度下駕駛?cè)说耐酌娣e變化率，因此選擇在整個駕駛過程中瞳孔面積變化率的最大值作為依據(jù).

(1)

式中，Φ為瞳孔面積變化率(%)；SI為原始瞳孔面積(mm2)；S0為變化后的瞳孔面積(mm2).

可計算出駕駛?cè)嗽谛熊囘^程中瞳孔面積的變化率，將瞳孔面積變化率的最大值進(jìn)行整理，得到瞳孔面積變化率最大值見圖8.

研究表明，瞳孔面積變化率大于40%，表示駕駛?cè)诵睦頎顟B(tài)緊張；在20%～40%之內(nèi)，表示駕駛?cè)诵睦頎顟B(tài)較緊張；小于20%，表明駕駛?cè)说男睦頎顟B(tài)較為舒適[11]. 在50 m能見度時，駕駛?cè)说耐酌娣e變化率最大值更大，表明駕駛?cè)嗽?0 m能見度條件下駕駛車輛更為緊張. 由此得出，在視野條件越差的情況下，駕駛?cè)说男睦頎顟B(tài)越緊張.

表2 駕駛?cè)藪咭曀俣确侄谓y(tǒng)計結(jié)果

圖8 瞳孔面積變化率最大值

3.2 車輛運(yùn)行數(shù)據(jù)分析

3.2.1 速度

通過處理駕駛?cè)嗽诓煌芤姸认萝囕v行駛速度的試驗數(shù)據(jù)，得到速度平均值，見表3.

表3 模擬試驗速度平均值

得出在能見度越高的情況下，駕駛?cè)说乃俣绕骄党噬仙厔?

為判斷霧天能見度與車輛速度平均值之間相互關(guān)系的密切程度，對20位駕駛?cè)嗽?種不同霧天能見度下的車輛速度平均值與霧天能見度做皮爾遜相關(guān)性分析，見表4.

表4 相關(guān)分析結(jié)果表

霧天能見度和車輛速度平均值之間的皮爾遜相關(guān)系數(shù)為0.991，表示在該霧天能見度下車輛行駛的速度平均值呈顯著正相關(guān). 霧天能見度和車輛速度平均值兩變量之間不相關(guān)的Sig雙側(cè)檢驗值為0.009，小于0.01(雙星號標(biāo)記表示在0.01級別以下，相關(guān)性顯著)，所以認(rèn)為此標(biāo)記的相關(guān)系數(shù)是顯著的. 因此推出：霧天的能見度與在該條件下駕駛?cè)诵旭傑囕v的速度平均值兩變量之間存在顯著正相關(guān)性，即霧天的能見度越高，駕駛?cè)诵旭傑囕v的平均速度越高.

運(yùn)用SPSS分析軟件試求解回歸方程，通過所有曲線估算模型分析結(jié)果的對比，三次方程曲線的R2最大，為1.000，說明該模型可解釋因變量的100%差異，由此得出擬合得到的回歸系數(shù)有效，且三次方程曲線完全擬合了在該霧天能見度下駕駛?cè)诵旭傑囕v的速度平均值之間的關(guān)系. 參數(shù)和常數(shù)項的估計值見表 5，三次方程擬合曲線見圖9.

表5 參數(shù)和常數(shù)項的估計值

圖9 三次方程擬合曲線

根據(jù)三次方程曲線的參數(shù)和常數(shù)項的估計值，X為霧天能見度(m)，Y為該能見度下的平均速度(km/h2)，因此得到模型的三次方程為：

Y=14.481+0.405X+0.001X2+1.04×10-6X3

(2)

3.2.2 加速度

計算駕駛?cè)嗽?種能見度下正向加速度和反向加速度的平均值，得出4種能見度下駕駛?cè)诵旭傑囕v的加速度平均值，繪制不同能見度下的平均加速度折線圖，模擬試驗加速度平均值見表6，平均加速度趨勢圖見圖10.

表6 模擬試驗加速度平均值

圖10 加速度平均值趨勢圖

如圖中1區(qū)域所示，在50 m能見度時，減速度的數(shù)值在所有能見度中最大，說明在50 m能見度條件下駕駛?cè)藢p速的需求較大，減速的操作行為較多，從上圖可看出50 m能見度下的正向加速度同樣較高，由此推出50 m能見度的行車狀態(tài)較其他3種能見度的行車狀態(tài)最不穩(wěn)定.

見圖10中2區(qū)域所示，在200 m能見度即天氣條件較差時，正向加速度和反向加速度與50 m能見度條件下相比都有所減少，這說明在200 m的能見度下，駕駛?cè)藢π熊囘^程中的加減速的需求相對較少，不會盲目加速、減速. 由此推斷在200 m能見度時駕駛?cè)说鸟{駛狀態(tài)相對平穩(wěn)，駕駛?cè)说鸟{駛行為也較為謹(jǐn)慎.

見圖10中3區(qū)域所示，在350、500 m能見度下，正向加速度平均值增大，減速度的平均值減小，這說明當(dāng)能見度逐漸增高時，駕駛?cè)说恼蚣铀僭龆?，而反向加速度的絕對值也會相應(yīng)減少，可推出駕駛?cè)嗽谀芤姸雀?，即視野條件越好的情況下，駕駛?cè)诵熊嚑顟B(tài)越為放松.

據(jù)上述分析可看出在霧天條件下駕駛?cè)说男熊嚑顟B(tài)隨能見度的變化而變化，在能見度高的天氣情況下，駕駛?cè)诵熊嚑顟B(tài)越為放松，能見度較低的情況下，駕駛?cè)说男熊嚑顟B(tài)越緊張.

4 結(jié)論與展望

1)駕駛?cè)嗽陟F天行車過程中，視野條件越差行車狀態(tài)越不穩(wěn)定，駕駛?cè)藢p速的需求比較高，駕駛行為比較謹(jǐn)慎，不做過多的加速和減速行為；

2)駕駛?cè)嗽陟F天行車時，單次注視持續(xù)時間主要集中在0.08～0.5 s. 駕駛?cè)嗽陟F天行車時往往以短暫的注視來搜索感興趣信息；在視野條件越好的情況下，駕駛?cè)颂幚碛行У男畔⒏喔鼜?fù)雜，單次注視持續(xù)時間會隨之增長；

3)霧天條件下，駕駛?cè)似蛴谳^慢的掃視來獲取興趣信息；在低能見度情況下，駕駛?cè)诉M(jìn)行多次迅速的掃視獲取有效信息；

4)瞳孔面積變化率隨能見度增高而降低，在視野條件越差的情況下，駕駛?cè)说男睦頎顟B(tài)更為緊張.

在真實環(huán)境中由于模擬受限，所以采用實驗室車路協(xié)同模擬試驗. 以此得出不同霧天能見度對駕駛?cè)说挠绊懠瓣P(guān)系，為減少霧天條件下的事故傷亡率提供依據(jù). 有效保證了交通安全及人身安全. 但由于試驗場景單一，與實際情況有所差距，因此準(zhǔn)確性有一定影響. 故希望在論文的選擇、結(jié)構(gòu)和成文上，提出寶貴的建議.

將霧天條件主觀設(shè)定為50、200、350、500 m，與實際情況略有差異；因試驗條件限制，汽車艙內(nèi)操作裝置與真實車輛駕乘感有差距，對數(shù)據(jù)采集的準(zhǔn)確性有一定影響.