高速公路交通密度对驾驶员变道和超车动作的影响-基于驾驶模拟器的研究

Effectoftrafficdensityondrivers’lanechangeandovertakingmaneuversinfreewaysituation

Adrivingsimulator

basedstudy高速公路情况下交通密度对驾驶员变道和超车动作的影响—基于驾驶模拟器的研究介绍-变道变道和超车时常发生，是道路安全和交通效率至关重要的操作。如Senetal.(2003)的研究，大约9%的道路交通事故是由变道引起的，同时大约35%~50%的道路交通死亡与超车操作有直接关系。Huang(2002)发现换道率在低密度区域增加，在一定密度附近达到最大值，然后在高密度区域降低。LiandSun(2015)发现变道可以增加交通流量和平均车速，从而提高交通效率。Lavallièreetal.(2011)设计了一个模拟驾驶实验来检验变道过程中年龄对驾驶员视觉搜索策略的影响，结果表明老年驾驶员在变道时对后视镜和盲点的视觉检查频率低于年轻驾驶员。Chenetal.(2015)提出了一种在100辆汽车自然驾驶研究中检测变道事件的方法，发现驾驶员在40-50英里/小时的速度范围内最频繁地变道。介绍-超车Bella(2011)研究了交通量对超车机动的影响，发现交通量对跟车距离、超车距离和碰撞时间有显著影响。Jenkins&

Rilett(2004,2005)开发了一种交通模拟算法，发现面对卡车时的通行时间和距离明显大于面对客车时的通行时间和距离。介绍-目的测试驾驶员在不同交通密度下的变道和超车操作。分分析讨论了变道超车过程中反映驾驶行为的关键变量，如变道超车的频率、持续时间、速度和加速度方法-仪器北京交通大学(BJTU)的高保真驾驶模拟器执行该实验（Yangetal.,2017）。北京交通大学模拟器由具有真实操作界面的全尺寸车舱、环境音响与震动反馈模拟系统、车辆动态模拟系统和数字视频回放系统组成。驾驶场景以300度视野投射在车厢周围的五个屏幕上。方法-参与者本实验招募了29名参与者，其中24名参与者（18名男性，6名女性）完成了实验，5名因模拟晕车而被排除在外。参与者的平均年龄为28.92岁（S.D.=7.807）。每位参与者持有至少2年的有效驾驶执照。他们的平均驾驶经验为6.17年，平均每年行驶里程超过15,000公里。完成实验后，每位参与者将获得人民币300元的报酬。方法-场景设计双向四车道高速公路场景。道路全长22公里，车道宽3.5m。道路线形的详细尺寸如图1所示。由于道路为两车道和四车道，驾驶员可以根据自己的喜好从左侧或右侧进行变道。道路限速80公里/小时。方法-场景设计本研究设计了三种交通密度，以模拟稳定流条件下的三种不同服务水平(Level-of-Service,LOS)，

8veh/km（密度1-LOSB）12veh/km（密度2–LOSC)18veh/km（密度3-LOSD）自由交通流量和高交通流量条件未包括在研究中：自由交通流量（LOSA）下，车辆几乎完全畅通无阻，驾驶员可能会进行变道和超车操作随机，不受周围交通流量影响；高交通密度（LOSE或LOSF）下，驾驶员的变道或超车操作可能会被拥挤的交通流过度干预和约束场景的其他车辆平均速度在60公里/小时左右，因此驾驶员可以在限速下执行超车操作。根据交通密度和运行速度，三种交通密度条件下的交通量从大约480辆/小时到1080辆/小时不等。方法-实验程序实验前，向每位参与者简要介绍了实验要求，并阅读并签署了知情同意书。然后要求参与者像在现实生活中一样开车并遵守交通规则。每位参与者进行了10分钟的练习驾驶，以熟悉模拟器操作。实验过程中，每个参与者被分配在三种交通密度条件下分别沿着测试道路行驶3次。每个场景中每位参与者的驾驶时间约为20分钟。交通密度条件的顺序是随机排列的，以消除时间顺序的影响。方法-数据收集不同的研究对换道过程的识别，特别是换道操纵的起始点的识别各不相同。Leeetal.,

(2004)将车辆首次横向移动作为车道变换启动的点。Salvucci&

Liu(2002)使用参与者的车道变化报告作为口回答。在本研究中，换道开始于前轮到达车道线时，结束于整车进入相邻车道时，这与Hanowskiet

al.,(2000)的定义相似。至于超车过程，Hegemanetal.,(2007)定义超车在左前轮接触中心线时开始，并在左后轮再次越过中心线时完成。在本研究中，超车持续时间定义为从车辆第一次横向移动的那一刻开始，到车辆返回原车道（即整车进入原车道）时结束。至于车辆没有返回原车道而是继续在相邻车道行驶的情况，则认定为单纯的换道操作。方法-分析方法由于实验是重复测量设计，每个场景使用相同的受试者，因此使用单向重复测量方差分析来调查三种不同交通密度下的变道和超车行为是否存在差异。采用Bonferroni调整的事后检验来识别三种密度条件之间的差异。当ANOVA的假设（即没有显著的异常值、因变量的近似正态分布和球形度）被违反时，Friedman的检验被用作替代方法。此外，还进行了Wilcoxon符号秩检验以研究左右换道/超车性能之间的差异。方法-数据收集结果-变道频率根据驾驶员的方向选择，变道操作可分为左向或右向，即车辆分别向左或右相邻车道行驶。左右车道在变换频率之间没有发现显著差异（z=-1.08，p=0.282）。交通密度对换道频率有显著影响（χ2(2)=24.86，p<0.01）。在三种密度条件中，换道频率最高的是密度3，其次是密度2和密度1。总体趋势是驾驶员的换道频率随着交通密度的增加而增加结果-变道持续时间车道变换持续时间受交通密度的显著影响（χ2(2)=12.59，p<0.01）。事后测试进一步表明，密度2和密度3中的车道变换持续时间明显短于密度1对于不同的方向，Wilcoxon符号秩检验（见表4）显示左侧换道持续时间明显长于右侧换道持续时间（z=-2.00，p<0.05）。结果-平均变道速度和加速度换道速度和加速度均由纵向和横向的数值综合而成，可以反映驾驶员在换道过程中的速度控制能力。交通密度对速度没有显著影响（χ2(2)=1.33，p=0.513）交通密度对加速度有显著影响（χ2(2)=9.33，p<0.01）。根据成对比较，密度3的平均换道加速度明显高于密度1和密度2。值得注意的是，密度1中的车道变换加速度为负且接近于零且标准偏差较大。结果-超车频率超车频率可用于衡量驾驶员的超车需求（Hegemanetal.2007）。交通密度对超车频率有显著影响（χ2(2)=16.23,p<0.01），其中密度3的超车频率最高，其次是密度2和密度1。此外，左右超车频率无显著差异（z=-0.58，p=0.559）。不同交通密度下超车时长无显著差异（F=0.13，p=0.880）。但考虑超车方向时，左侧超车时长明显长于右侧超车时长（z=-3.59，p<0.01）结果-超车时间结果-初始超车距离和车头时距交通密度对初始超车距离（χ2(2)=6.55,p<0.05）和车距（χ2(2)=8.91,p<0.05）都有显著影响。具体而言，密度3的初始超车距离明显小于密度1，密度3和密度2的初始超车车距显著小于密度1（见附录图A6）。此外，左右方向的初始距离和初始车头时距的差异也很显著（距离：z=-4.84，p<0.01；车头时距：z=-5.11，p<0.01）（见表4）。右侧的超车距离和车头距离均小于左侧。结果-瞬时速度和加速度超车时的速度控制能力在这个过程中对驾驶员的安全起着重要的作用，因为不适当的速度操作可能会增加与同一车道和相邻车道车辆的碰撞风险。交通密度对瞬时加速度有显著影响（F=3.76，p<0.05）交通密度对瞬时速度没有显著影响（F=1.82，p=0.188）。事后测试结果表明，密度3中的瞬时加速度明显高于密度1在超车方向方面，Wilcoxon符号秩检验结果显示右侧瞬时加速度明显高于左侧（z=-2.51，p<0.05）。讨论虽然交通密度的变化对速度没有影响，但平均换道加速度和瞬时超车加速度确实随着交通密度的增加而显著增加，表明驾驶员在高交通密度情况下完成换道和超车任务的意愿增强。此外，随着交通密度的增加，初始超车距离和车头时距减少，这可能对超车安全产生负面影响。Bella(2011)在驾驶模拟器研究中报告说，超车风险与超车动作的开始有关，并且风险随着交通量的增加而增加。

Farah(2011)发现，与领先车辆的小间隙加上高速行驶会增加潜在的碰撞风险。讨论Huang(2002)研究了双车道高速公路的换道行为，发现换道率首先随着交通密度的增加而增加，然后在达到一定的密度值后减小。怀疑“特定密度值”可能大于本研究中密度3条件下的值。此外，Rahmanet

al.

(2005)提出了一个基于交通量的超车机动模型，结果表明超车频率随着