城市道路交叉口交通信息誘導(dǎo)效率研究

駱 晨，劉 瀾,2

(1.西南交通大學(xué)交通運(yùn)輸與物流學(xué)院，四川成都61031；2.西南交通大學(xué)綜合交通運(yùn)輸智能化國家地方聯(lián)合工程實(shí)驗(yàn)室，四川成都61031)

0 引言

在城市道路交叉口發(fā)布具有高誘導(dǎo)效率的交通信息，不僅能夠防止瓶頸交叉口擁堵蔓延，還能達(dá)到緩解區(qū)域交通擁堵的目的[1]。現(xiàn)有交通信息誘導(dǎo)效率的相關(guān)研究主要集中于駕駛?cè)藢煌ㄐ畔⒊尸F(xiàn)方式、理解程度、決策過程方面。

交通信息呈現(xiàn)方面的研究主要是從信息的顏色、組合圖形、文字等方面展開。文獻(xiàn)[2]分析了可變信息板(VMS)的色彩方案以及信息數(shù)量對駕駛?cè)说挠绊?，其中色彩方案為使用一個(gè)、兩個(gè)或三個(gè)顏色，信息數(shù)量為單行、雙行、三行，研究結(jié)果顯示紅色單個(gè)信息以及單行信息有利于駕駛?cè)藢π畔⒌睦斫?。文獻(xiàn)[3]利用信息理論構(gòu)建交通標(biāo)志信息量度量模型，以西藏地區(qū)特色標(biāo)志為例進(jìn)行研究，結(jié)果表明標(biāo)志信息信息量閾值為286.3比特，在此閾值基礎(chǔ)上設(shè)計(jì)特色交通標(biāo)志信息有利于提高信息傳遞效率。文獻(xiàn)[4]設(shè)計(jì)了包含指路標(biāo)志與車道行駛方向標(biāo)志的組合標(biāo)志，測定被試者視認(rèn)組合標(biāo)志的正確率及反應(yīng)時(shí)間，得到組合標(biāo)志的信息量閾值：車道數(shù)為3～7時(shí)，被試者對組合標(biāo)志視認(rèn)的正確率分別為94.17%，93.13%，93.5%，87.5%，86.07%，反應(yīng)時(shí)間分別為2 437.54 ms，2 514.01 ms， 2 634.18 ms，3 60.75 ms，3 836.21 ms；指路標(biāo)志中一條路名信息的視認(rèn)反應(yīng)時(shí)間相當(dāng)于組合標(biāo)志中5個(gè)箭頭的視認(rèn)反應(yīng)時(shí)間，均為0.5 s；指引圖形較簡單的組合標(biāo)志信息量閾值為6條路名信息，指引圖形較復(fù)雜的組合標(biāo)志信息量閾值為5條路名信息。

交通信息理解程度方面的研究聚集于量化信息數(shù)量與駕駛?cè)藗€(gè)體屬性之間的關(guān)系。文獻(xiàn)[5]為研究駕駛?cè)藗€(gè)體屬性與交通信息理解之間的關(guān)聯(lián)性，利用駕駛模擬器以實(shí)驗(yàn)的方式采集不同車載信息條件下的駕駛行為，結(jié)果顯示在駕駛?cè)说膫€(gè)體屬性中性別、年齡對信息理解影響較大。文獻(xiàn)[6]研究信息量大小對駕駛?cè)死斫馇胺降缆仿窙r是否有影響，利用仿真模擬手段設(shè)計(jì)5組不同信息量的實(shí)驗(yàn)場景，對不同年齡段的駕駛?cè)诉M(jìn)行實(shí)驗(yàn)，結(jié)果顯示因年紀(jì)大的駕駛?cè)笋{駛風(fēng)格保守，導(dǎo)致其反而比年紀(jì)小的駕駛?cè)诵枰嗟慕煌ㄐ畔ⅰＮ墨I(xiàn)[7]為研究駕駛?cè)藗€(gè)體屬性差異對信息理解的影響，設(shè)計(jì)一份包含28個(gè)交通標(biāo)志以及駕駛?cè)藗€(gè)體屬性的調(diào)查問卷，通過對5個(gè)不同國家4 74份調(diào)查問卷進(jìn)行數(shù)據(jù)分析，結(jié)果顯示國籍、性別、年齡、受教育水平等都會對信息理解產(chǎn)生影響，但婚姻狀況、收入水平等影響不顯著。文獻(xiàn)[8]為研究文化差異對交通標(biāo)志理解的影響，通過4個(gè)國家1 0份調(diào)查問卷進(jìn)行整理分析，發(fā)現(xiàn)在標(biāo)志中添加文本可降低因文化差異導(dǎo)致的交通標(biāo)志理解誤差，特別是不熟悉的或具有本國特色的交通標(biāo)志。

駕駛?cè)藳Q策過程方面的研究主要集中于利用模型描述決策過程方面。文獻(xiàn)[9]建立模糊邏輯—神經(jīng)網(wǎng)絡(luò)模型，量化駕駛?cè)嗽诘缆窙Q策過程中的選擇特性。文獻(xiàn)[10]通過改進(jìn)AHP層次分析法構(gòu)建駕駛?cè)寺窂經(jīng)Q策多維度模型，并通過伊朗道路網(wǎng)絡(luò)進(jìn)行模型驗(yàn)證。文獻(xiàn)[1]構(gòu)建多維風(fēng)險(xiǎn)識別模型描述道路決策過程中各因素之間的關(guān)系，結(jié)果顯示道路決策過程中駕駛?cè)藢Ω顿M(fèi)交通信息的支付意愿與駕駛?cè)俗陨頉Q策習(xí)慣以及當(dāng)?shù)厣鐣丝谔攸c(diǎn)相關(guān)。

在實(shí)際道路決策中，交通信息誘導(dǎo)效率主要體現(xiàn)在道路交叉口駕駛?cè)寺窂阶兏?，駕駛?cè)烁鶕?jù)交通信息實(shí)時(shí)進(jìn)行路徑?jīng)Q策，該過程涉及信息采集、認(rèn)知、決策三部分[12]。現(xiàn)有交通信息主要由圖像類、數(shù)字類和文字類信息組成。

上述文獻(xiàn)將交通信息作為整體進(jìn)行研究，忽略不同信息組合方式對駕駛?cè)说挠绊?，在樣本統(tǒng)計(jì)過程中參數(shù)分析為一維分析，僅反應(yīng)路徑變更結(jié)果，無法對決策過程中的認(rèn)知以及決策進(jìn)行定量描述分析，且參數(shù)量化取決于樣本數(shù)量，小樣本數(shù)據(jù)體現(xiàn)特征不強(qiáng)。為此，本文設(shè)計(jì)在城市道路交叉口發(fā)布不同信息組合方式的駕駛決策實(shí)驗(yàn)，借鑒云模型具有把自然語言值表示的某個(gè)不確定性概念轉(zhuǎn)化為相應(yīng)量化指標(biāo)的功能[13]，定義基于云模型的交通信息誘導(dǎo)效率評價(jià)指標(biāo)，定量描述駕駛?cè)藢煌ㄟ\(yùn)行狀態(tài)的認(rèn)知以及基于認(rèn)知結(jié)果的決策，分析不同組合方式下交通信息對駕駛?cè)说恼T導(dǎo)效率。

1 基于云模型的交通信息誘導(dǎo)效率評價(jià)

云模型在交通信息誘導(dǎo)效率評價(jià)中的核心作用是在駕駛決策結(jié)果特征分析基礎(chǔ)上，構(gòu)建相關(guān)的云模型進(jìn)行具體分析。步驟如下：

1）在駕駛決策選擇結(jié)果中，對某一次信息發(fā)布后的道路選擇結(jié)果進(jìn)行統(tǒng)計(jì)，其結(jié)果可以表達(dá)為為道路選擇結(jié)果，用0或1表示；0為不選擇該道路，1為選擇該道路。

2）輸入樣本點(diǎn)xi，根據(jù)云模型中期望公式進(jìn)行計(jì)算：

式中：Ex為在城市道路交叉口環(huán)境下駕駛?cè)耸懿煌畔⒔M合方式誘導(dǎo)后產(chǎn)生的路徑變更總體水平，即選擇結(jié)果的期望。該參數(shù)用于表征不同組合方式的交通信息誘導(dǎo)效率[14]。其值越大，說明誘導(dǎo)效率越高。

3）根據(jù)選擇結(jié)果的期望，計(jì)算評價(jià)體系中的熵

式中：En為在城市道路交叉口環(huán)境下駕駛?cè)私邮詹煌M合方式交通誘導(dǎo)信息后，自身所認(rèn)知的道路交通狀況與實(shí)際交通狀況之間的差距，定義其為認(rèn)知誤差[15]。其值越小，說明駕駛?cè)藢η胺降缆穼?shí)際交通狀況認(rèn)知越精準(zhǔn)，同時(shí)也說明該部分信息所提供的前方道路交通狀況越容易被駕駛?cè)私邮铡?/p>

4）根據(jù)期望、熵等評價(jià)結(jié)果，計(jì)算評價(jià)體系中的超熵

式中：He為在城市道路交叉口環(huán)境下駕駛?cè)艘罁?jù)交通誘導(dǎo)信息與依據(jù)實(shí)際道路交通狀況做出的路徑變更決策之間的差距，定義其為決策誤差[16]。

2 實(shí)驗(yàn)設(shè)計(jì)

2.1 實(shí)驗(yàn)人員

隨機(jī)選取50名人員參與實(shí)驗(yàn)，被試者符合以下條件：

1）持有中華人民共和國機(jī)動車駕駛證，準(zhǔn)駕車型為C1及以上等級；

2）未參加過城市道路交叉口環(huán)境下的駕駛決策行為及類似的實(shí)驗(yàn)測試；

3）非職業(yè)性車輛駕駛員；

4）實(shí)驗(yàn)前一晚睡眠充足，保證駕駛過程中不存在疲勞、飲酒等對正常駕駛行為產(chǎn)生影響的狀況。

2.2 實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)采用具有環(huán)形屏幕顯示的全功能汽車模擬駕駛器，模擬器設(shè)備參數(shù)為：屏幕分辨率1 024×768，場景刷新頻率60次·s-1，水平最大可視角150°、縱向最大可視角30°，仿真車輛各項(xiàng)參數(shù)采集頻率為30 Hz。

2.3 實(shí)驗(yàn)情景

針對交叉口前方某一道路的相同交通狀況，發(fā)布四種不同組合方式的交通誘導(dǎo)信息，具體包括：1)語言和數(shù)字類信息組合；2)語言和圖像類信息組合；3)數(shù)字和圖像類信息組合；4)三類信息組合。其中，語言類信息指由交通管理者針對道路交通狀況給出的定性描述以及行駛路徑建議，數(shù)字類信息指針對道路交通狀況以數(shù)值形式進(jìn)行量化，圖像類信息指由VMS上紅、黃、綠三色反映交通狀況。在后臺通過廣播發(fā)布語言類信息和數(shù)字類信息，圖像類信息通過交叉口場景設(shè)計(jì)方式發(fā)布。

實(shí)驗(yàn)情景設(shè)定為駕駛?cè)嗽谀畴p向兩車道內(nèi)行駛，駕駛?cè)嗽诮徊婵诔跏歼x擇為左轉(zhuǎn)，在距離道路交叉口前50 m時(shí)發(fā)布交通誘導(dǎo)信息供駕駛?cè)诉M(jìn)行道路決策，統(tǒng)計(jì)其接收不同組合方式交通信息后的道路變更情況。實(shí)驗(yàn)中不考慮目的地與道路交叉口之間的距離關(guān)系。實(shí)驗(yàn)設(shè)定左轉(zhuǎn)道路的交通狀況為車輛擁堵長度30 m，由VMS表征用于描述前方道路狀況的圖像類信息，道路交叉口交通狀況如圖1所示，其中紅色表示所處道路的交通狀態(tài)為擁堵，黃色表示較擁堵，綠色表示暢通。根據(jù)上述情景，將四類組合方式的交通誘導(dǎo)信息依次設(shè)計(jì)為如下內(nèi)容：

1）交通誘導(dǎo)信息環(huán)境一(TrafficInformation Environment 1#,TIE 1#)：交通廣播發(fā)布信息“左轉(zhuǎn)道路擁堵長度為30 m，道路擁堵等級評定為較擁堵，建議行駛路線變更”；

2）交通誘導(dǎo)信息環(huán)境二(TIE 2#)：用VMS描述前方道路狀況，交通廣播發(fā)布信息“左轉(zhuǎn)道路擁堵等級評定為較擁堵，建議行駛路線變更”；

3）交通誘導(dǎo)信息環(huán)境三(TIE 3#)：用VMS描述前方道路狀況，交通廣播發(fā)布信息“左轉(zhuǎn)道路擁堵長度為30 m”；

4）交通誘導(dǎo)信息環(huán)境四(TIE 4#)：用VMS描述前方道路狀況，交通廣播發(fā)布信息“左轉(zhuǎn)道路擁堵長度為30 m，道路擁堵等級評定為較擁堵，建議行駛路線變更”。

2.4 實(shí)驗(yàn)流程

被試者若對實(shí)驗(yàn)流程及相應(yīng)操作有疑問，則可與實(shí)驗(yàn)組織人員進(jìn)行單獨(dú)溝通咨詢。實(shí)驗(yàn)全程被試者之間不能進(jìn)行交流，避免因此產(chǎn)生主觀經(jīng)驗(yàn)信息。實(shí)驗(yàn)步驟如下：

1）熟悉汽車仿真駕駛器的實(shí)驗(yàn)操作，例如啟動、方向盤旋轉(zhuǎn)、掛擋、油門踏板踩踏、剎車等；

2）開始第一次實(shí)驗(yàn)，被試者在無交通信息誘導(dǎo)下進(jìn)行左轉(zhuǎn)向道路選擇，每輪測試結(jié)束后被試者只能得知自身的駕駛決策選擇；

3）進(jìn)行TIE 1#下的駕駛決策，每位被試者結(jié)束相應(yīng)實(shí)驗(yàn)后，組織者以問答形式詢問被試者選擇其操作的原因，重點(diǎn)記錄哪種信息或聽到哪個(gè)關(guān)鍵詞導(dǎo)致選擇路徑變更；

圖1 實(shí)驗(yàn)交叉口交通狀況Fig.1 Traffic condition at the tested intersections

4） 分別以TIE 2#，TIE 3#，TIE 4#發(fā)布的交通誘導(dǎo)信息進(jìn)行實(shí)驗(yàn)并做好相關(guān)記錄，駕駛?cè)嗽诿糠N交通誘導(dǎo)信息環(huán)境下的路徑變更數(shù)量統(tǒng)計(jì)結(jié)果見表1。

3 實(shí)驗(yàn)結(jié)果及分析

對四組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行計(jì)算，分別得到路徑變更云模型的期望、熵和超熵(見表2)。可以看出：

1）不同信息組合方式的交通誘導(dǎo)效率差異顯著。四類交通信息誘導(dǎo)環(huán)境下駕駛?cè)藳Q策的總體水平Ex依次為0.24，0.38，0.50和0.74，表示不同信息組合對駕駛決策影響度從大到小依次為：語言、數(shù)字和圖像類信息組合，數(shù)字和圖像類信息組合，語言和圖像類信息組合，語言和數(shù)字類信息組合。

2）圖像和數(shù)字信息組合使駕駛?cè)藢η胺降缆氛J(rèn)知誤差較大，不利于駕駛?cè)苏_理解前方道路交通狀況。由各組合信息的熵值En可知，駕駛?cè)藢Σ煌畔⒔M合方式的認(rèn)知誤差從大到小依次為：數(shù)字和圖像類信息組合，語言圖像類信息組合，語言、數(shù)字和圖像類信息組合，語言和數(shù)字類信息組合。

3）語言和數(shù)字類信息組合使駕駛?cè)说穆窂經(jīng)Q策誤差較大，不利于駕駛?cè)诉M(jìn)行決策。由各組合信息的超熵值He可知，駕駛?cè)嗽诓煌畔⒔M合下的決策誤差從大到小依次為：語言和數(shù)字類信息組合，語言和圖像類信息組合，語言、數(shù)字和圖像類信息組合，數(shù)字和圖像類信息組合。

4 結(jié)語

本文以駕駛?cè)苏T導(dǎo)效率為研究對象，研究不同組合方式的交通誘導(dǎo)信息對駕駛決策的影響，提出基于云模型的交通信息誘導(dǎo)效率評價(jià)方法，對駕駛?cè)顺鲂羞^程中的交通狀態(tài)認(rèn)知和決策結(jié)果進(jìn)行分析。研究結(jié)果表明：在城市道路交叉口環(huán)境下，由數(shù)字、語言、圖像類信息組合而成的交通誘導(dǎo)信息對駕駛?cè)寺窂阶兏绊懶Ч@著，在擁堵路段或需疏散路段進(jìn)行三類信息組合發(fā)布有利于誘導(dǎo)駕駛?cè)俗兏新窂?；由語言和數(shù)字類信息組合發(fā)布的交通誘導(dǎo)信息對駕駛?cè)寺窂阶兏绊懶Ч畈幻黠@，但對駕駛?cè)苏J(rèn)知前方道路實(shí)際交通狀況最為成功，利用該組合方式對道路交通狀況進(jìn)行描述可提高駕駛?cè)藢?shí)際道路狀況的認(rèn)知；數(shù)字和圖像類信息組合發(fā)布下的駕駛?cè)藳Q策誤差最小，利用該組合方式對前方道路狀況進(jìn)行描述可提高駕駛?cè)说臎Q策效率。不同信息組合方式對駕駛決策的誘導(dǎo)效率影響研究應(yīng)控制在閾值范圍內(nèi)，本研究設(shè)定的情景為基礎(chǔ)的交通信息內(nèi)容，下一步將結(jié)合交通信息量研究不同信息組合方式的信息量閾值。

表1 不同交通誘導(dǎo)信息組合方式環(huán)境下的路徑變更人數(shù)Tab.1 Number of travel path change under different traffic guidance schemes

表2 駕駛?cè)寺窂阶兏颇Ｐ蛥?shù)Tab.2 Parameters of cloud model for driver's travel path change