賈丙碩 雷嘉豪 程吉鵬

（陜西工業(yè)職業(yè)技術(shù)學院 陜西 咸陽 712000）

引言

由于市區(qū)道路環(huán)境是機動車與非機動車混行的道路環(huán)境，且為復雜多變的行車環(huán)境，發(fā)生交通事故的概率高于其他類型的道路環(huán)境[1]。另外，在市區(qū)道路環(huán)境下，橫向危險應激物的出現(xiàn)幾率更大，且更易使駕駛?cè)顺霈F(xiàn)駕駛操作失誤，從而造成交通事故。因此，對駕駛?cè)嗽跈M向危險出現(xiàn)時駕駛行為的特性進行研究和分析，可為探求減少因駕駛?cè)嗽蚨l(fā)的交通事故和從駕駛?cè)朔矫嫣岣叩缆钒踩院涂煽啃蕴峁├碚摶A(chǔ)[2]。

駕駛?cè)说木o急避險反應與市區(qū)道路環(huán)境下交通事故的發(fā)生與否存在較大的聯(lián)系。國內(nèi)外對于駕駛?cè)说木o急避險特性開展了一系列研究。危險感知方面，2010 年，David Crundall 及其團隊設(shè)計了9 個駕駛應激場景，利用Faros GB3 Simulator 駕駛模擬器對被試者進行口頭提示潛在危險場景的測試，進一步驗證了對駕駛?cè)诉M行口頭提示危險訓練可以增強其危險感知能力[3]。決策方面，錢宇彬等[4]對駕駛?cè)说膽し磻芰τ柧氝M行了研究，利用汽車模擬試驗裝置記錄駕駛?cè)嗽趹顟B(tài)下的生理反應和操作反應。研究結(jié)果表明，對駕駛?cè)诉M行適當?shù)挠柧?，可以提高他們在緊急情況下的處理能力；于鵬程等[5]通過建立判斷時間預測模型，得出駕駛?cè)伺袛鄷r間與車速之間存在較強的相關(guān)性。此外，隨著駕駛?cè)藢I(yè)訓練次數(shù)的增加，駕駛?cè)朔磻芰σ约罢_操作率都能得到提高，緊急避險能力可以得到有效提高。

綜上所述，對駕駛?cè)嗽诰o急避險過程中感知、判斷、決策、動作等方面進行研究，可以掌握駕駛?cè)说母兄?操作時間、避險常用操作等。

鑒于市區(qū)道路行車環(huán)境復雜多變，錯誤的避險操作容易引發(fā)交通事故，本文建立了6 個典型市區(qū)行車危險場景，采集不同駕駛?cè)说臋M向避險數(shù)據(jù)并進行研究，得到危險場景下的駕駛?cè)吮茈U特性，探求解決城市交通事故頻發(fā)的有效途徑，從駕駛?cè)朔矫嫣岢鎏岣咝熊嚢踩院涂煽啃缘拇胧?/p>

1 試驗設(shè)計

1.1 試驗儀器與被試者選取

本試驗采用Silab 4.0 駕駛模擬器搭配Facelab 5.0 非接觸式眼動儀對被試者進行數(shù)據(jù)采集，F(xiàn)acelab 5.0 非接觸式眼動儀用于追蹤駕駛?cè)说难劬邦^部運動，可以精確測量駕駛?cè)俗⒁曅袨?、掃視行為、頭部位置、頭部轉(zhuǎn)動角度等參數(shù)[6]。

試驗共招募20 名被試者，平均年齡為24.5 歲（標準差SD=1.53），平均駕齡為1.5 年（SD=1.37）。所有被試者精神狀態(tài)良好，試驗前精力充沛，雙眼視力（含矯正視力）在5.0 左右，可獨立規(guī)范駕駛車輛。

1.2 試驗場景設(shè)計

考慮到真實的城市道路環(huán)境中存在機動車與非機動車混行等多種復雜的道路狀況，依據(jù)典型性、多樣性和全面性原則，選取6 個可測試駕駛?cè)司o急避險特性的典型市區(qū)行車危險場景，見表1。為使駕駛?cè)送耆两诜抡骜{駛道路中，每段危險場景出現(xiàn)前，駕駛?cè)硕紩旭傄欢纹椒€(wěn)無危險的道路。

表1 典型市區(qū)行車危險場景

場景1：自車行駛經(jīng)過一段平穩(wěn)路段，進入亮起綠燈的十字路口，在距離危險車輛50 m 時，右側(cè)橫向車道內(nèi)車輛突然闖紅燈并以75 km/h 的速度經(jīng)過交叉路口，兩車存在明顯沖突，駕駛?cè)诵璨扇”茈U操作。

場景2：當自車行駛到距離路側(cè)停放的危險車輛30 m 時，激活該危險車，該危險車開始運行并以10 m/s2的加速度加速到50 km/h。在整個加速過程中，危險車同時向自車道并線匯入。此時，駕駛?cè)藨摷皶r感知到該車的潛在危險及干擾，采取相應的避險操作。

場景3：自車在一段直路上正常行駛，當行駛到距離左前方特定危險車20 m 時，該危險車突然向右換道并線匯入自車道。這種情況要求駕駛?cè)思皶r察覺周圍車輛動向，遇到突發(fā)情況及時做出調(diào)整，避免交通事故發(fā)生。

場景4：當自車經(jīng)過一段平穩(wěn)路段并行駛到距離對向危險車輛165 m 時，激活對向危險車輛，危險車輛向前行駛到距離自車25 m 時，突然以33 km/h 的速度掉頭，然后匯入自車道。駕駛?cè)艘皶r察覺到左側(cè)掉頭車輛并迅速做出避讓，避免發(fā)生交通事故。

場景5：公交車停靠在站臺，行人被公交車遮擋，當自車以75 km/h 的速度行駛到距離行人40 m 時，行人從距離當前行駛車道中心線7.5 m 處以3.5 m/s的速度橫穿馬路。

場景6：在夜晚的城市道路環(huán)境下，駕駛?cè)笋{駛車輛正常行駛一段距離，在即將進入十字路口、且自車與危險目標行人相距45 m 時，目標行人從距離自車道中心線7.5 m 處以3.5 m/s 的速度突然橫穿馬路，與自車造成沖突。

1.3 數(shù)據(jù)采集與處理

試驗開始前，對試驗儀器進行調(diào)試和校正，打開Facelab 5.0 和Silab 4.0，確定程序可以正確運行，保證后續(xù)試驗順利進行。所有試驗所需的被試者信息采集完畢后，打開非試驗場景，請被試者分別駕車行駛兩段非試驗場景道路，熟悉駕駛模擬器的使用方法。待被試者完全掌握駕駛模擬器的使用方法后，打開建立好的典型市區(qū)行車危險場景，要求被試者以75 km/h 的車速靠右側(cè)車道行駛，遇到緊急情況時進行相應避險操作。試驗過程中，利用Facelab5.0 和Silab4.0 實時采集被試者眼動和操作數(shù)據(jù)，進而分析駕駛?cè)艘暰€分布與避險操作特性。

2 眼動數(shù)據(jù)分析

2.1 總體視線分布

試驗過程所模擬的典型市區(qū)行車危險場景整體存在一定的相似性，通過整理數(shù)據(jù)發(fā)現(xiàn)，駕駛?cè)说囊暰€分布存在一定的差異性。場景1 和場景2 中，駕駛?cè)诵枰獞獙τ覀?cè)沖突并進行避險操作；場景3 和場景4 中，駕駛?cè)诵枰獞獙ψ髠?cè)沖突并進行避險操作；場景5 和場景6 都是行人快速穿越馬路，區(qū)別在于是否存在遮擋物。由于每個場景中危險目標的位置、速度均會有所不同，所以駕駛?cè)艘暰€分布會存在一定差異。

場景1、場景2 駕駛?cè)艘暰€分布如圖1 所示。圖中，橫坐標上的正數(shù)代表右視角，負數(shù)代表左視角；縱坐標上的正數(shù)代表上視角，負數(shù)代表下視角。

圖1 場景1、場景2 駕駛?cè)艘暰€分布

由圖1 可知：場景1 和場景2，駕駛?cè)怂揭暰€均集中在[0°，10°]，垂直視線均集中在[-15°，5°]。這主要是因為，當路邊?？寇囕v或右側(cè)橫向闖紅燈車輛進入駕駛?cè)艘曇皶r，基本處于視野右前方。相較于場景2，場景1 的駕駛?cè)怂揭暯欠植几鼮榉稚?。這是由于闖紅燈車輛危險性更大，駕駛?cè)藭r刻關(guān)注其運行狀態(tài)。

場景3、場景4 駕駛?cè)艘暰€分布如圖2 所示。圖中，橫坐標上的正數(shù)代表右視角，負數(shù)代表左視角；縱坐標上的正數(shù)代表上視角，負數(shù)代表下視角。

圖2 場景3、場景4 駕駛?cè)艘暰€分布

由圖2 可知，場景3 和場景4，駕駛?cè)怂揭暰€均集中在[-10°，10°]，垂直視線均集中在[-15°，10°]。這主要是因為，無論是左前方車輛變道匯入自車道，還是對向車輛調(diào)頭行駛，危險車輛主要集中在左前方，故駕駛?cè)俗⒁朁c整體偏左。相較于場景4，場景3的駕駛?cè)怂阶⒁朁c整體偏右。由此可見，當駕駛?cè)擞龅綄ο蜍囕v調(diào)頭行駛時，更能引起注意，其水平注視點整體分布更分散且偏向左前方。

場景5、場景6 駕駛?cè)艘暰€分布如圖3 所示。圖中，橫坐標上的正數(shù)代表右視角，負數(shù)代表左視角；縱坐標上的正數(shù)代表上視角，負數(shù)代表下視角。

圖3 場景5、場景6 駕駛?cè)艘暰€分布

場景5 和場景6 均為行人橫穿馬路，區(qū)別在于是否存在遮擋物。由圖3 可知，駕駛?cè)舜怪币暰€分布基本保持在[-15°，10°]。但是場景5 的駕駛?cè)怂揭暰€集中在[-5°，15°]，場景6 的駕駛?cè)怂揭暰€集中在[-10°，15°]且整體存在較大的追隨運動，水平視角最大可達45°。這是由于在場景5 中，由于公交車遮擋視線，當行人突然出現(xiàn)時，避險操作更加緊急，所以駕駛?cè)烁嗟氖亲⒁曊趽跷锴扒闆r；而在場景6中，行人橫穿馬路，由于視野開闊且行人運動隨機性原因，駕駛?cè)藭霈F(xiàn)視線追隨現(xiàn)象。

綜合分析圖1、圖2、圖3 所示的6 個典型市區(qū)行車危險場景中駕駛?cè)艘暰€分布散點可以明顯發(fā)現(xiàn)：典型市區(qū)行車危險場景中，駕駛?cè)说淖⒁朁c分布特點為水平方向上主要集中在[-5°，10°]，垂直方向上主要集中在[-20°，10°]。這是由于在本試驗中，駕駛?cè)艘话闾幵谟覀?cè)車道行車，在平穩(wěn)駕駛過程中，駕駛?cè)说囊暰€注視點一般在中央位置，當應激事件出現(xiàn)時，駕駛?cè)说淖⒁朁c相應地隨著應激物出現(xiàn)漂移，以此來準備調(diào)整駕駛狀態(tài)隨時避險。

2.2 水平視角分析

駕駛?cè)嗽谑袇^(qū)道路行車，遭遇橫向危險時，水平視角能很好地反映駕駛?cè)艘暰€以及危險認知情況。

對上述6 個典型市區(qū)行車危險場景中駕駛?cè)说乃揭暯沁M行分析，得到駕駛?cè)怂揭暯墙y(tǒng)計見表2。

表2 駕駛?cè)怂揭暯墙y(tǒng)計表 °

由表2 可以看出，6 個場景中，駕駛?cè)说乃揭暯腔旧媳３衷赱0°，10°]，即駕駛?cè)舜蟛糠謺r間視線都停留在右前方。

在場景1 和場景2 中，相較于場景2，場景1 的駕駛?cè)怂揭暯欠雀?。這是由于十字路口視野開闊，駕駛?cè)四軌蚣霸绨l(fā)現(xiàn)橫向車輛。

在場景3 和場景4 中，相較于場景3，場景4 的駕駛?cè)怂揭暯蔷灯?，即相較于左前方車輛變道匯入自車道，對向車調(diào)頭行駛更能引起駕駛?cè)俗⒁?，故大多?shù)駕駛?cè)俗⒁朁c在調(diào)頭車輛上，這與上述分析能夠很好地相互印證。

在場景5 和場景6 中，場景5 由于駕駛?cè)艘暰€受到遮擋物影響，因此駕駛?cè)怂揭暯堑木?、標準差、幅度均較小。場景6 由于橫穿馬路的行人運動隨機性大，駕駛?cè)怂揭暯欠容^大，掃視范圍更寬。

3 駕駛行為分析

3.1 感知-制動時間

從駕駛?cè)税l(fā)現(xiàn)危險目標到采取制動措施的過程即駕駛?cè)烁兄?制動時間[7]，可以通過逐幀分析駕駛?cè)搜蹌右曨l的方法來確定避險過程中感知時刻。6 個典型市區(qū)行車危險場景中駕駛?cè)烁兄?制動時間的統(tǒng)計結(jié)果見表3。

表3 駕駛?cè)烁兄?制動時間統(tǒng)計表 ms

由表3 可知，6 個典型市區(qū)行車危險場景中，駕駛?cè)说母兄?制動時間不具備很強的統(tǒng)一性，但是大多數(shù)場景中，駕駛?cè)说母兄?制動時間均值在1 000 ms 以內(nèi)。由此說明，大多數(shù)駕駛?cè)嗽谠庥鐾话l(fā)危險時均能快速做出避險反應。具體來說，在場景3 中，駕駛?cè)说母兄?制動時間標準差最小，說明所有駕駛?cè)嗽谟龅阶笄胺杰囕v突然換道匯入自車道時反應迅速且高度一致；在場景6 中，駕駛?cè)说母兄?制動時間極大值與極小值差異最大，且均值與標準差均最大，說明在場景6 中駕駛?cè)朔磻町愋宰畲蟆?/p>

3.2 持續(xù)制動時間

感知-制動時間過后，駕駛?cè)巳绻荒艹晒Ρ茈U，接下來就只能選擇踩制動踏板[8]，使車輛速度降低進而避免險情。一般情況下，當駕駛?cè)怂砷_制動踏板后，可以認為避險結(jié)束[9]。對駕駛?cè)吮茈U過程中持續(xù)制動時間進行統(tǒng)計，可幫助分析避險特性。6 個典型市區(qū)行車危險場景中駕駛?cè)顺掷m(xù)制動時間的統(tǒng)計結(jié)果見表4。

表4 駕駛?cè)顺掷m(xù)制動時間統(tǒng)計表 ms

由表4 可以看出：

在場景1、場景2 中，駕駛?cè)顺掷m(xù)制動時間的均值和標準差整體較小，說明大部分駕駛?cè)藢ξｋU的判斷基本一致并通過短暫的制動措施就可完成避險。

在場景5、場景6 中，駕駛?cè)顺掷m(xù)制動時間的均值與標準差均較大，說明在此2 個場景中，駕駛?cè)说闹苿映掷m(xù)時間普遍較長，且各駕駛?cè)说闹苿映掷m(xù)時間波動較大。當行人突然沖出時，部分駕駛員來不及做出正確的駕駛應激反應，易發(fā)生交通事故。

3.3 最大方向盤轉(zhuǎn)角時間

在應激避險過程中，有的場景可以通過緊急制動成功避險，但在一些包含側(cè)面碰撞的場景中，往往需要駕駛?cè)瞬捎棉D(zhuǎn)向或制動轉(zhuǎn)向相結(jié)合的避險方式來避險[10]。在緊急轉(zhuǎn)向過程中，駕駛?cè)送ㄟ^快速轉(zhuǎn)動方向盤使車輛改變原來的行進方向進而達到避險的目的。從危險出現(xiàn)到車輛方向盤轉(zhuǎn)角到達最大值可以認為是避險操作[11]，不同場景中駕駛?cè)俗畲蠓较虮P轉(zhuǎn)角時間統(tǒng)計見表5。

表5 駕駛?cè)俗畲蠓较虮P轉(zhuǎn)角時間統(tǒng)計表 ms

從表5 可以看出，在6 個場景中，場景5 的駕駛?cè)俗畲蠓较虮P轉(zhuǎn)角時間均值最大，標準差最小。說明在市區(qū)道路行車存在視線遮擋的情況下，當有行人突然沖出時，駕駛?cè)吮茈U操作更為緊急；在場景6中，同樣是行人橫穿馬路，由于駕駛?cè)艘曇皼]有遮擋，大部分駕駛?cè)四軌蛱崆坝^察到危險并進行避險操作，只需要輕微轉(zhuǎn)動方向盤或采取制動措施就可以避險，故最大方向盤轉(zhuǎn)角時間均值較??；在場景2中，由于路側(cè)車輛突然啟動并向自車道并線，駕駛?cè)俗畲蠓较虮P轉(zhuǎn)角時間普遍偏長。這是由于路側(cè)車輛運行過程中的隨機性問題，大部分駕駛?cè)送ㄟ^轉(zhuǎn)動方向盤調(diào)整自車位置來達到避險目的。

3.4 車輛橫向位置

以車道中線為中心，自車向左偏為負值，自車向右偏則為正值[12]。6 個典型市區(qū)行車危險場景中，所有被試車輛行車過程中的橫向位置變化值統(tǒng)計見表6。

表6 自車橫向位置變化值 cm

從表6 可以看出，在對向車突然掉頭的場景4中，自車的橫向位置偏右最明顯，說明大部分駕駛?cè)苏{(diào)整自車方向來避險；在行人突然橫穿馬路的場景6中，自車的橫向位置變化幅度為6 個場景中最小，說明在沒有任何遮擋物的情況下，大部分駕駛?cè)四軌蛱崆芭袛喑鑫ｋU并進行制動避險操作；在十字路口右側(cè)車輛闖紅燈行駛的場景1 中，駕駛?cè)说臋M向位置移動有較大的差異性?？傮w上，在6 個場景中，自車的橫向位置始終偏右。

4 結(jié)論

本文在總結(jié)國內(nèi)外有關(guān)城市道路駕駛?cè)藨つ芰ρ芯砍晒幕A(chǔ)上，通過設(shè)計典型市區(qū)行車危險場景，采用駕駛模擬器對市區(qū)道路駕駛?cè)藱M向避險特性進行了研究，結(jié)果發(fā)現(xiàn)：

1）6 個典型市區(qū)行車危險場景中，駕駛?cè)说囊暰€范圍最集中的地方是中部視野區(qū)域。表明在城市道路上行車過程中，由于復雜多變的道路環(huán)境及諸多需要注意的道路信息，駕駛?cè)俗⒁饬径荚谲囕v前方。

2）所有的典型市區(qū)行車危險場景中，當危險出現(xiàn)時，駕駛?cè)司軌蜓杆僮龀龇磻?，感?制動時間均值大多在1 s 之內(nèi)。

3）市區(qū)道路行車，當駕駛?cè)艘暰€存在遮擋時，避險操作更為緊急；相反，當駕駛?cè)艘暰€良好時，大部分駕駛?cè)四軌蚣皶r發(fā)現(xiàn)危險并采取制動避險措施。

4）由于本文研究的典型市區(qū)行車場景均為虛擬場景，且試驗設(shè)備為駕駛模擬器，故駕駛?cè)吮茈U操作可能與真實行車環(huán)境存在一定差異性，后續(xù)可以考慮進行封閉試驗場中的實車試驗來對比結(jié)果差異性。