徐 進 孫子秋 王思棋 楊子邈

(1重慶交通大學交通運輸學院,重慶 400074)(2重慶交通大學山區(qū)復雜道路環(huán)境“人-車-路”協(xié)同與安全重慶市重點實驗室,重慶 400074)(3深圳市城市交通規(guī)劃設(shè)計研究中心股份有限公司,深圳 518057)

隨著高速路和快速路里程的不斷增加,交通需求不斷上升,路網(wǎng)的互通立交變得更加密集,從而使互通立交間距持續(xù)減小.立交間距不足會影響交織區(qū)的交通運行[1]和路網(wǎng)結(jié)構(gòu)功能的發(fā)揮,并降低立交出入口的行車安全性[2].高密度立交群的出現(xiàn)會導致駕駛?cè)嗽诹⒔怀鋈肟诟浇懈叩鸟{駛操作壓力[3],最終致使該區(qū)域的交通沖突和事故風險進一步上升.高密度立交群的界定可以采用以下2個指標：① 以凈距為判斷指標,即不滿足《城市道路路線設(shè)計規(guī)范》(CJJ 193—2012)[4]和《公路路線設(shè)計規(guī)范》(JTG D20—2017)[5]中對于立交最小凈距要求(1 km)的立交,即小凈距立交;② 以立交間距為判別指標,即高速公路行駛環(huán)境下平均間距低于4 km的相鄰立交,如10 km連續(xù)路段內(nèi)出現(xiàn)3座以上立交的可判定為高密度立交群.

針對互通立交的駕駛行為分析以及安全性評價,現(xiàn)有研究主要集中在交織區(qū)和變速車道.由于車輛在立交出入口時所經(jīng)歷的交織過程會形成交通沖突區(qū)域,其分/合流過程會引起車輛運行特征變化,進而導致車輛碰撞的事故風險.根據(jù)事故數(shù)據(jù)統(tǒng)計結(jié)果,立交出口區(qū)域的事故頻次在總體上要高于入口區(qū)域[6],尤其是與相鄰設(shè)施較近的互通出口(如隧道出口緊鄰前方互通、互通凈距較小、互通與相鄰服務(wù)區(qū)較近)和通視性較差的互通出口.McCartt等[7]研究發(fā)現(xiàn)，互通立交出口的事故數(shù)量明顯多于2個入口之間的路段;Papadimitriou等[8]基于Meta分析發(fā)現(xiàn)，立交出口車輛速度的差異性是誘發(fā)交通沖突的關(guān)鍵因素;劉亞非等[9]基于視頻檢測數(shù)據(jù),發(fā)現(xiàn)駕駛員在減速車道終點時的期望車速高于匝道限速.而變速車道的長度則影響車輛在進入主線或匝道時的運行狀態(tài)[10],如Kondyli等[3]的研究結(jié)果表明加速車道過短導致車輛匯入主線時速度過低是引發(fā)交通沖突的關(guān)鍵因素,而Chen等[11]通過研究發(fā)現(xiàn)減速車道長度不足會使得主線車輛減速過程延續(xù)到匝道,從而導致車輛撞擊護欄或側(cè)翻.

駕駛?cè)俗鳛檐囕v的操縱者和行駛決策過程中的執(zhí)行者,是人-車-路-環(huán)境組成的交通運行系統(tǒng)中的重要一環(huán).而在信息感知過程中,人的視覺感知又作為信息的主要輸入源,與其駕駛行為密不可分.因此,國內(nèi)外學者也開展了大量駕駛?cè)艘曈X特性相關(guān)的實驗研究,如Arakawa[12]基于駕駛員眼動特性,利用時間序列分析了駕駛員的視覺特性,建立了駕駛員狀態(tài)檢測模型;Le等[13]集合Vestibulo-Ocular-Reflex(VOR)模型和Optp-Kinetic-Reflex(OKR)模型,基于2×2因子設(shè)計分析,建立了駕駛?cè)朔中脑u估模型;馬勇等[14]利用EyeLink Ⅱ眼動儀對駕駛?cè)艘曈X搜索行為進行分析,研究了車速以及標志字體高度之間的相關(guān)性;郭應(yīng)時等[15-16]研究了不同通道寬度對駕駛?cè)说膭討B(tài)視覺和操作行為的影響以及駕駛經(jīng)驗對注視行為和注視點分布的影響;潘曉東等[17]利用EMR-8B眼動儀研究了山區(qū)道路平曲線半徑連續(xù)變化的條件下駕駛員的視覺需求;陳芳等[18]研究了山區(qū)高速公路彎道場景路段駕駛員的視點分布特征;趙曉華等[19]通過駕駛模擬試驗,研究了在長大隧道場景下突起路標對車輛速度調(diào)控管理和駕駛?cè)诵睦硪约吧淼挠绊?

駕駛?cè)嗽谛旭傔^程中對環(huán)境的感知主要通過視覺來完成,感知特性決定了駕駛操縱和車輛運行特性,目前復雜立交環(huán)境駕駛?cè)艘曈X感知的相關(guān)研究較少,尤其是高密度立交區(qū)域的駕駛?cè)艘曈X特性尚未得到揭示.為此本文選取了重慶市一處高密度立交群作為研究對象,采集駕駛?cè)嗽谛旭傔^程中的眼動數(shù)據(jù),對比分析了駕駛?cè)说淖⒁曓D(zhuǎn)移和分布特征.本文研究成果可以為高密度立交出口設(shè)計以及安全管理提供科學依據(jù)和理論支撐.

1 眼動數(shù)據(jù)采集試驗設(shè)計

1.1 試驗地點

通過衛(wèi)星地圖以及實地調(diào)研,選擇位于重慶市渝北區(qū)和江北區(qū)交界處附近的5座互通立交作為試驗地點,如圖1(a)所示.其中,寸灘立交位于城市主干道(限速80 km/h),五桂立交、五童立交、東環(huán)立交和人和立交位于城市內(nèi)環(huán)快速路(限速100 km/h);寸灘立交用于車輛調(diào)頭,位于快速路的4座立交用于駕駛行為研究.

立交凈距為上游立交加速車道終點至下游立交減速車道起點間的距離.東環(huán)、五童和五桂3個立交之間的凈距都不足1 km,為小凈距立交區(qū)域;東環(huán)立交和人和立交之間的凈距大于1 km,為普通凈距區(qū)域;而五桂立交為復合式立交,最終本文選擇了4個立交中的6個出口作為研究對象,立交幾何樣式、匝道類型、匝道半徑、車道數(shù)等信息如表1所示.試驗互通類型包括苜蓿葉型、三岔型和雙喇叭型,匝道類型包括直連式、半直連式、迂回式和環(huán)形匝道,如圖1(b)所示,基本涵蓋了高速路/快速路的主要互通樣式和匝道類型,圖1(b)中編號為RH、DH1、DH2、WT1和WT2、WG的匝道,分別為試驗車輛在人和立交、東環(huán)立交、五童立交和五桂立交進行方向轉(zhuǎn)換時的行駛路線.

將立交出口區(qū)域劃分為2個行駛階段,如圖2所示,其中分流段為立交出口分流點至減速車道漸變段起點之間的路段,匝道段為車輛駛過分流點至匝道終點之間的路段.

圖2 行駛階段劃分示意圖

1.2 試驗設(shè)備

本文使用非接觸式眼動儀Tobii Glasses2.0作為眼動數(shù)據(jù)采集設(shè)備,該眼動儀使用動態(tài)LED技術(shù)和3D眼睛模型來精確估算眼睛的空間位置和注視點,可以有效地采集到車輛行駛過程中駕駛?cè)说难蹌訑?shù)據(jù).其采樣頻率為50 Hz,采集的數(shù)據(jù)類型包含了駕駛?cè)俗⒁曅袨楹蛼咭曅袨榈南嚓P(guān)指標,再通過Ergolab平臺進行眼動片段提取,采用速度閾值識別算法對注視點進行合并.

1.3 試驗人員

在社會上招募了47名駕駛員,如表2所示.其中，男女比例接近3∶1;駕駛?cè)四挲g分布在25～51歲之間;駕齡分布在2～25年之間;駕駛里程分布在2～50萬km之間.由于可穿戴式眼動儀的特點,被試均被要求矯正視力在5.0以上,并且沒有其他眼科疾病.

表2 試驗人員相關(guān)信息

1.4 試驗流程

汽車啟動出發(fā)前,被試在眼動儀校準后進行5～10 min的自由觀察,若有不適或異?，F(xiàn)象則及時進行調(diào)整并且重新校準.在每位駕駛?cè)诵旭偳案嬷湫旭偮肪€,行駛過程中提前告知駕駛?cè)耸欠耨偝龊婉側(cè)胫骶€(見圖1);除此之外,對駕駛員不予任何的限制行為,讓其保持平日的駕駛風格來操控車輛行進.同一名駕駛?cè)搜卦撛囼灺窂竭B續(xù)行駛2～3個循環(huán)后返回起點,停止記錄并保存各項數(shù)據(jù).本次試驗共持續(xù)16 d,每日均在10:00—17:00進行,本文的主要研究目的是分析立交設(shè)計因素對駕駛?cè)俗⒁曅袨榈挠绊?在試驗中避開了高峰時刻,車輛處于相對自由的行駛狀態(tài),對駕駛?cè)诵袨槠鹬饕饔玫氖堑缆翻h(huán)境因素.為保證數(shù)據(jù)的準確性,后期只對有效眼動識別率高于90%的數(shù)據(jù)進行了提取分析.

2 駕駛?cè)艘暣皡^(qū)域劃分

在車輛行駛的過程中,駕駛?cè)藭⒆⒁朁c分配到道路場景中,通過觀察不同目標物(道路標線、標志牌、周圍車輛等)來操縱車輛.因此該過程可以反映出駕駛?cè)说淖⒁曁卣?同時也能反映不同注視目標對駕駛?cè)说闹匾潭?多數(shù)注視點往往呈現(xiàn)出團聚狀,少數(shù)注視點呈現(xiàn)離散狀,因此需要對駕駛?cè)说淖⒁朁c進行聚類,將不同注視點歸化至單獨的區(qū)域中,從而劃分駕駛?cè)说淖⒁曇暣皡^(qū)域.

2.1 K-medoids動態(tài)聚類法

駕駛?cè)嗽谛旭傔^程中,會觀察一些對于駕駛操縱無關(guān)的場景,從而在整個視野平面會出現(xiàn)一些孤立注視點,這些點作為異常值會對K-means聚類劃分造成一定影響,如降低聚類區(qū)間劃分的精度,容易達到局部最優(yōu)等問題.而K-medoids中心點選擇為樣本內(nèi)的點,對異常值敏感度較低,更容易達到全局最優(yōu),結(jié)果可信度更高,因此本文采用K-medoids聚類算法進行駕駛?cè)艘暣皡^(qū)域的劃分.K-medoids聚類算法采用歐式距離作為判斷指標,通過計算類簇指標,利用手肘法來確定最優(yōu)聚類數(shù)k值,類簇平均質(zhì)心距離Rmc的加權(quán)平均值計算公式如下：

(1)

式中,n為類簇數(shù);m為j簇中的樣本數(shù);(xi,yi)為j簇中的一個樣本點;(uj,vj)為j簇的質(zhì)心.

2.2 視窗區(qū)域劃分結(jié)果

聚類原始數(shù)據(jù)以駕駛?cè)俗⒁朁c在視野平面上的解析坐標作為聚類變量,每位駕駛?cè)诉x取了約2 000個連續(xù)注視點坐標作為聚類數(shù)據(jù),如圖3所示,并且對各駕駛?cè)说淖⒁朁c分別進行聚類.聚類數(shù)k在3～11范圍內(nèi)取值并且進行聚類計算,圖4(a)為駕駛?cè)薉7的類簇指標變化曲線,從中可以看到,在聚類數(shù)為3～6時,指標迅速下降,當聚類數(shù)為7～11時,指標變化程度明顯下降,即當k=7時,聚類效果最優(yōu);通過對比分析所有駕駛?cè)说木垲惤Y(jié)果后,最終將駕駛視窗劃分為7個區(qū)域P1～P7,如圖4(b)所示.

(a) 聚類指標計算

3 注視點轉(zhuǎn)移特征分析

駕駛?cè)说淖⒁朁c在時間和空間上都是離散的[13],并且轉(zhuǎn)移過程滿足下一個注視點所處的位置往往只與當前注視點所在位置高度相關(guān),而與之前所注視的位置無關(guān).因此可以利用馬爾可夫鏈計算駕駛?cè)嗽诟呙芏攘⒔怀隹诃h(huán)境下的注視點轉(zhuǎn)移概率以及平穩(wěn)分布,從而能夠分析駕駛?cè)说淖⒁曅袨檗D(zhuǎn)移特征.

在2.2節(jié)中確定的視窗區(qū)域就可作為馬爾可夫鏈中的空間狀態(tài),每個區(qū)域中的注視點即為隨機變量集合,其單步轉(zhuǎn)移中可以將所有狀態(tài)的轉(zhuǎn)移概率按照矩陣進行排列,其計算過程如圖5所示.圖中,t1～t5為時序,P為概率矩陣,Nij為狀態(tài)i轉(zhuǎn)移到狀態(tài)j的頻數(shù),Pi,j為狀態(tài)i到狀態(tài)j的一步轉(zhuǎn)移概率.

(a) 按時間增序排列注視點

3.1 出口分流段注視點轉(zhuǎn)移特征

對各駕駛?cè)说淖⒁朁c按照時間順序標記其狀態(tài),統(tǒng)計出各個狀態(tài)之間的一次轉(zhuǎn)移頻數(shù),之后按照各狀態(tài)分別計算一步轉(zhuǎn)移概率,最后得到駕駛?cè)嗽诟呙芏攘⒔怀隹诜至鞫蔚囊徊阶⒁曓D(zhuǎn)移概率矩陣,計算結(jié)果如圖6所示.

(a) 普通凈距立交

在小凈距立交出口段時,駕駛?cè)藢τ趨^(qū)域P2的重復注視概率為0.61,并且從其他區(qū)域一步轉(zhuǎn)移到區(qū)域P2的概率均高于普通凈距,復合立交分流段在區(qū)域P2的一步注視概率也幾乎都高于普通凈距.這是因為立交凈距的不足導致車輛的交織行為更加頻繁,駕駛?cè)藢τ谧髠?cè)車道區(qū)域的視覺需求更高,需要分配更多的注意力在該區(qū)域來獲取相關(guān)信息.

試驗駕駛?cè)嗽趨^(qū)域P1、P4、P6、P7的一步轉(zhuǎn)移概率都較低,說明駕駛?cè)藢τ谶@4個區(qū)域的關(guān)注度較低或者不需要頻繁地重復注視便可以有效獲取相關(guān)信息.此外,駕駛?cè)嗽谛艟嗪蛷秃狭⒔怀隹诜至鞫螘r,一步注視轉(zhuǎn)移概率出現(xiàn)0的次數(shù)均高于普通凈距情況,一步轉(zhuǎn)移概率為0代表該區(qū)域沒有進行重復注視.綜合以上分析：駕駛?cè)嗽诨ネ⒔怀隹诜至鞫螘r,會傾向于關(guān)注區(qū)域P2和P3以保證其視覺需求,即前窗的左下部分,其中視窗區(qū)域P2對應(yīng)的行駛環(huán)境為行駛通道左側(cè)邊界(單車道匝道時左側(cè)邊界為左側(cè)護欄和路緣線,雙車道匝道時為車道分界線),是駕駛?cè)丝刂菩羞M軌跡的重要參考;視窗區(qū)域P3對應(yīng)的行駛環(huán)境為車輛前方近處的路面區(qū)域,是獲取路面狀況和障礙物信息的重點區(qū)域.相比于普通凈距,在小凈距立交出口段行駛時,駕駛?cè)藢^(qū)域P2的關(guān)注度更高.

3.2 出口匝道段注視點轉(zhuǎn)移特征

同樣,統(tǒng)計并且計算得到駕駛?cè)嗽诟呙芏攘⒔怀隹谠训蓝蔚囊徊阶⒁曓D(zhuǎn)移概率矩陣,計算結(jié)果如圖7所示.

從矩陣主對角線的數(shù)據(jù)可以看到,駕駛?cè)嗽诓煌脑训佬旭倳r,對于各區(qū)域的重復注視率存在一定差異性.在五童立交WT1和WT2出口匝道行駛時,其對于區(qū)域P3(車輛前方近處的路面區(qū)域)的重復注視率最高;而在五桂立交以及人和立交出口匝道行駛時,對于區(qū)域P4(行駛通道右側(cè)區(qū)域)的重復注視率最高.就匝道半徑而言,在小半徑匝道(人和立交和五桂立交匝道)行駛時,駕駛?cè)说淖⒁朁c從其他區(qū)域轉(zhuǎn)移到區(qū)域P4(單車道匝道表現(xiàn)為右側(cè)護欄和右側(cè)路緣線)的概率更高;而在較大半徑的匝道(WT2匝道段)行駛時,注視點從其他區(qū)域轉(zhuǎn)移到區(qū)域P3的概率更高.這是因為在小半徑曲線右轉(zhuǎn)行駛時,較高的彎道曲率會增加駕駛?cè)藢Ψ较虮P的操縱需求.

同時,還可以看出在匝道段時,其一步轉(zhuǎn)移概率矩陣的分布更加集中,轉(zhuǎn)移概率為0或者接近0的值出現(xiàn)更頻繁,這說明在匝道段駕駛?cè)说淖⒁朁c分布更加集中.因為在匝道段對于車輛控制的需求要高于直線路段,駕駛?cè)诵枰邮茏銐虻淖⒁曅畔磉M行轉(zhuǎn)向操縱.

(a) 五童立交WT1匝道段

4 注視點分布特征分析

4.1 出口分流段

在出口分流段,車輛從主線駛?cè)氤隹谠训罆r往往會受到車輛交織的影響,所需要觀察的道路信息也更多.因此本文選取了試驗立交的5個出口分流段,在注視點轉(zhuǎn)移過程的分析結(jié)果上,進一步分析駕駛?cè)藦闹骶€駛?cè)朐训婪至鞫芜^程的視覺搜索行為.

在選取了以上注視片段后,從前置行車記錄儀視頻記錄中發(fā)現(xiàn),駕駛?cè)笋傠x主線進入匝道時,按照車輛的行駛軌跡可以分為2種情況：不需變道駛出主線和需變道駛出主線,如圖8所示.

(a) 不需變道駛出主線

按照以上2種情況,對每位駕駛?cè)嗽诜至鞫巫⒁暱倳r長,分別繪制在有變道行為和無變道行為情況下的平均注視時長分布圖(見圖9),同時統(tǒng)計注視點轉(zhuǎn)移數(shù)據(jù)——掃視次數(shù)和平均掃視幅度,并進行分類,得到了各駕駛?cè)嗽诓煌愋土⒔怀隹诜至鞫蔚膾咭曌兓卣?其結(jié)果如圖10所示.從圖9和圖10中能夠得到以下發(fā)現(xiàn)：

1) 駕駛?cè)瞬扇∽兊佬袨轳側(cè)氤隹跁r,落在右后視鏡區(qū)域的注視點明顯高于未采取變道行為的情況.這是由于駕駛?cè)俗兊礼側(cè)霚p速車道時,需要通過反復觀察右側(cè)和右后側(cè)的車輛運行狀態(tài)來確定變道時機,對右側(cè)后視鏡區(qū)域的注視需求增加.而車輛位于最外側(cè)車道時無需變道即可駛?cè)胱兯佘嚨?不再需要過多關(guān)注右后視區(qū)域,而是將更多的注視點分配在前方或者左側(cè)后視鏡區(qū)域.

2) 駕駛?cè)俗兊礼側(cè)霚p速車道時,小凈距立交出口分流段的平均掃視次數(shù)顯著高于普通凈距立交和復合式立交;而在掃視幅度上,小凈距立交出口分流段的平均掃視幅度要小于普通凈距和復合立交,這說明駕駛?cè)嗽谛艟嗔⒔环至鞫蔚淖⒁曓D(zhuǎn)移特征為高頻率、低幅度,即小凈距立交分流段對于掃視的需求較高,但視野所觀察的范圍較窄;而駕駛?cè)嗽谄胀▋艟嗲闆r下的注視轉(zhuǎn)移次數(shù)需求較低,但是視野觀察的范圍卻更廣,能夠接受到更全面的道路相關(guān)信息;同時,駕駛?cè)嗽趶秃狭⒔环至鞫蔚淖⒁曓D(zhuǎn)移次數(shù)最低,掃視幅度與普通凈距相當,即其注視轉(zhuǎn)移特征為低頻率、高幅度.

圖9 出口分流段平均注視時長分布

(a) 掃視次數(shù)

3) 未變道直接駛?cè)霚p速車道時,小凈距立交出口分流段的平均掃視次數(shù)為66,明顯高于普通凈距立交和復合式立交;在掃視幅度上,小凈距立交出口分流段的平均掃視幅度46像素,顯著低于普通凈距和復合立交的96和113像素.

4) 在未變道的情況下,駕駛?cè)嗽谛艟嗔⒔缓蛷秃鲜搅⒔怀隹诜至鞫蔚膾咭暣螖?shù)變化較小,均略低于變道情況.與變道駛?cè)胂啾?未變道時小凈距立交分流段的平均掃視幅度出現(xiàn)了大幅下降;同時,駕駛?cè)嗽谄胀▋艟喑隹诜至鞫蔚膾咭暣螖?shù)和平均掃視幅度也出現(xiàn)了明顯的下降,即駕駛?cè)嗽谖醋兊?直接駛?cè)?情況下,對于掃視需求整體上都是呈現(xiàn)下降的趨勢.

4.2 出口匝道段

4.2.1 曲線段注視熱點分布

注視熱點是指駕駛?cè)嗽谛旭傔^程中頻繁注視的主要目標,即道路環(huán)境中人眼注視點最集中的點位.駕駛?cè)嗽谠训蓝涡旭倳r,無論是車輛之間的沖突還是道路目標物對于駕駛?cè)说挠绊懚驾^小,而從前文對匝道段的注視轉(zhuǎn)移過程中可以發(fā)現(xiàn),匝道段獨特的線形條件導致了駕駛?cè)俗⒁朁c在彎道附近的分布更為集中.因此,為了進一步分析駕駛?cè)嗽诟鱾€匝道段行駛時的注視行為,提取了各駕駛?cè)嗽诓煌训狼€段時的注視點,并且根據(jù)其注視時間進行注視熱力圖繪制,部分結(jié)果如圖11所示.

(a) 道路左側(cè)路緣

從圖11中可以看到,在匝道曲線段行駛時,不同駕駛?cè)说淖⒁朁c分布有著明顯的差異性,按照其主要注視目標,可以劃分為道路右側(cè)邊緣、道路左側(cè)邊緣、行車道中線、車道分界線、前方車輛5個視覺注視熱點.駕駛?cè)顺霈F(xiàn)以某一目標物作為注視熱點的這一行為,主要是因為在匝道段時,由于存在車輛轉(zhuǎn)向需求,駕駛?cè)诵枰ㄟ^不斷注視道路路面、標線或者車輛等目標來確定和修正方向盤的轉(zhuǎn)角幅度,從而保證車輛的正常行駛.

4.2.2 不同工況下注視搜索特征

通過駕駛?cè)嗽谙嚓P(guān)場景中的眼動儀記錄視頻發(fā)現(xiàn),在雙車道的右轉(zhuǎn)匝道行駛場景中,按照駕駛?cè)说男旭傑嚨篮褪欠翊嬖谇胺杰囕v,可以分為4種駕駛工況：彎道外側(cè)車道-有前車、彎道外側(cè)車道-無前車、彎道內(nèi)側(cè)車道-有前車和彎道內(nèi)側(cè)車道-無前車.而在單車道的右轉(zhuǎn)匝道行駛場景下,可以分為2種駕駛工況：有前車和無前車.針對以上幾種工況,分別統(tǒng)計駕駛?cè)嗽谠训郎系囊曈X熱點信息注視時間,計算不同駕駛?cè)嗽诓煌⒁暉狳c的時間占比,結(jié)果如圖12所示.

從圖12中可以看到,在右轉(zhuǎn)出口匝道時,駕駛?cè)怂旭偟能嚨篮褪欠裼星败噷τ谧⒁曀阉餍袨榇嬖谝欢ㄓ绊?處于彎道外側(cè)車道并且前方?jīng)]有車輛時,車道分界線為主要注視目標的時間占比最高,達到了65.4%;而在彎道內(nèi)側(cè)車道前方無車時,車道右側(cè)路緣為主要注視目標的時間占比最高,為70.5%.在單車道無前車時,右側(cè)路緣注視時間的時間占比為63.8%.由此可以發(fā)現(xiàn),駕駛?cè)嗽谟肄D(zhuǎn)出口匝道行駛時,更傾向于以視野右側(cè)作為主要注視區(qū)域.

(a) 雙車道匝道-有前車

而在前方有車輛時,以前車作為主要注視目標的時間占比在外側(cè)車道時最高,為50%,在彎道內(nèi)側(cè)車道時,以前車作為主要注視目標的為36.2%,在三者中最低.可以看出,當駕駛?cè)诵旭傆谠训乐袝r,前方車輛對于駕駛?cè)说淖⒁曀阉鬟^程存在較高影響,一方面是需要觀察前車來保證合適的車間距,另一方面可以以前方車輛作為轉(zhuǎn)向的參考目標物.

立交匝道設(shè)計速度為40 km/h時,圓曲線半徑R的一般值為60 m,極限值為45 m[2],因此以60 m半徑為標準,可以將出口匝道劃分為R≤60 m和R>60 m 2組,分別對比駕駛?cè)嗽?種半徑條件和車道情況下行駛在匝道時的注視行為,結(jié)果如圖13所示.

從圖13中可以看到,無論是在雙車道還是單車道匝道,當匝道半徑較小時,駕駛?cè)藭嗟刈⒁曈覀?cè)路緣或者左側(cè)路緣,即注視點更多地分布于道路兩側(cè);而當匝道半徑較大時,則會更多地關(guān)注前車或者行車道中線,即注視點更多地分布于道路中間.這說明駕駛?cè)嗽谠训佬旭倳r受到其線形條件的限制,其注視行為會受到一定約束,而匝道半徑也是重要的影響因素,匝道半徑越小,這種影響會更加顯著.

(a) 雙車道匝道

5 結(jié)論

1) 運用K-medoids動態(tài)聚類算法對高密度立交出口場景下駕駛?cè)说淖⒁朁c解析坐標進行了聚類分析,將駕駛?cè)艘曇皠澐譃?個區(qū)域;基于馬爾可夫鏈計算了駕駛?cè)嗽诹⒔怀隹趨^(qū)域的一次注視轉(zhuǎn)移概率矩陣,在分流段時駕駛?cè)说闹饕⒁晠^(qū)域為道路正前方近處,但凈距不足會增加駕駛?cè)藢ψ笄皞?cè)方向的重復注視行為,并且減少對于左側(cè)后視鏡的關(guān)注度.

2) 在匝道段行駛時,由于匝道段對駕駛操作性的要求提高,駕駛?cè)藭p少對于非關(guān)鍵道路信息的關(guān)注程度,其一步轉(zhuǎn)移概率矩陣零值出現(xiàn)更加頻繁,更傾向轉(zhuǎn)移至車輛前方近處路面區(qū)域和行駛通道右側(cè),并且匝道半徑會影響其注視轉(zhuǎn)移行為.

3) 在小凈距立交出口分流段駕駛?cè)说淖⒁曓D(zhuǎn)移特征為高頻率、低幅度,即掃視的需求較高,而視野所觀察的范圍較窄;在普通凈距情況下視野觀察的范圍更廣,并且在需要變道駛?cè)氤隹谠训罆r,這種特征更明顯.

4) 匝道曲線段的注視行為明顯區(qū)別于直線路段,在右轉(zhuǎn)出口匝道且前方?jīng)]有車輛時,駕駛?cè)艘砸曇坝覀?cè)作為主要注視區(qū)域,位于雙車道匝道的彎道外側(cè)車道時主要關(guān)注車道分界線,注視時間占比為65.4%;位于雙車道匝道彎道內(nèi)側(cè)車道以及單車道匝道時,右側(cè)路緣為主要注視目標,注視時間占比分別為70.5%和63.8%.

5) 匝道平曲線半徑小于或等于60 m時,駕駛?cè)烁鼉A向注視左右兩側(cè)路緣;而匝道半徑大于60 m時,駕駛?cè)烁P(guān)注行車道中線或者前方車輛,即前方行駛通道的中間區(qū)域.