基于模擬駕駛的借道左轉(zhuǎn)駕駛?cè)艘曈X特性研究

丁柏群,閆艷紅,楊 柳, 宋子龍

(1. 東北林業(yè)大學(xué) 交通學(xué)院,黑龍江 哈爾濱 150040; 2. 長春市市政工程設(shè)計(jì)研究院有限責(zé)任公司,吉林 長春 130031; 3. 哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院,黑龍江 哈爾濱 150090)

0 引 言

左轉(zhuǎn)車流是制約交叉口通行能力、引發(fā)交通沖突、造成交通擁堵的重要因素。針對(duì)高峰時(shí)段左轉(zhuǎn)車流飽和度高且道路空間資源有限的交叉口,環(huán)形交叉左轉(zhuǎn)、連續(xù)右轉(zhuǎn)式左轉(zhuǎn)、U型遠(yuǎn)引式左轉(zhuǎn)等交通組織方式應(yīng)運(yùn)而生。作為緩解左轉(zhuǎn)交通壓力的一種新型方法,借道左轉(zhuǎn)也開始逐步得到應(yīng)用,已在國內(nèi)幾十座城市中取得了較好效果。

借道左轉(zhuǎn)是通過信號(hào)對(duì)交叉口靠近中央分隔帶的一條或多條出口車道進(jìn)行控制,使其能夠在信號(hào)周期內(nèi)不同相位,分別作為左轉(zhuǎn)進(jìn)口車道或其它流向出口車道,為左轉(zhuǎn)車流增加空間路權(quán),提高左轉(zhuǎn)流向通行能力。借道左轉(zhuǎn)交通組織方式需要滿足:交叉口左轉(zhuǎn)車流量較大,調(diào)整相位配時(shí)無法滿足左轉(zhuǎn)需求;交叉口空間能滿足設(shè)置借用車道及并行左轉(zhuǎn)的需求;借道左轉(zhuǎn)與普通左轉(zhuǎn)車道數(shù)之和不大于所對(duì)應(yīng)的出口車道數(shù),避免借道車輛與對(duì)向右轉(zhuǎn)車輛發(fā)生沖突;借道左轉(zhuǎn)的信號(hào)相位與普通左轉(zhuǎn)相位同步、與其它相位分離,預(yù)信號(hào)與主信號(hào)的相位和配時(shí)相協(xié)調(diào),確保其它相位放行過程中,出口道不被借道車輛占用。

劉洋等[1]針對(duì)借道左轉(zhuǎn)這一設(shè)置的特殊性,提出了相應(yīng)的渠化要素、標(biāo)線、標(biāo)志及信號(hào)燈的規(guī)范化等設(shè)計(jì)要求;羅丹丹等[2]運(yùn)用車流波理論和VISSIM仿真分析,提出了借道左轉(zhuǎn)設(shè)置的臨界車流量;關(guān)昊天等[3]基于VISSIM仿真分析,研究了借道左轉(zhuǎn)車道分隔帶的開口位置; WANG Tao等[4]分析了借道左轉(zhuǎn)交叉口的行人過街延誤;WU Jiaming等[5]評(píng)估了借道左轉(zhuǎn)對(duì)信號(hào)交叉口的影響。綜上,目前關(guān)于借道左轉(zhuǎn)的研究主要集中于其設(shè)置、運(yùn)行等道路交通組織的理論和實(shí)踐方面。

近年來學(xué)者也在研究特定交通情境下駕駛?cè)说囊曈X特性。YAN Ying等[6]研究了在特長隧道特殊光區(qū)路段,駕駛?cè)说淖⒁曁匦院屯酌娣e的變化規(guī)律;方松等[7]探究了城市隧道長度對(duì)駕駛?cè)艘曈X特性的影響;尚婷等[8]基于駕駛?cè)艘曈X特性理論,研究了控速標(biāo)線對(duì)駕駛?cè)送酌娣e變化率的影響程度;趙亮等[9]研究了新老駕駛?cè)嗽诔鞘械缆翻h(huán)境下的視覺特性;呂貞等[10]分析了在草原公路行駛時(shí)駕駛?cè)苏ｑ{駛和認(rèn)知、復(fù)合分心狀態(tài)下的動(dòng)態(tài)視覺特性;徐軍莉等[11]建立了融合腦電特征和眼動(dòng)特征的疲勞檢測(cè)模型;楊柳[12]利用駕駛?cè)艘曈X和生理特性的變化規(guī)律,定義了交叉口微觀風(fēng)險(xiǎn)點(diǎn),揭示出兩者之間的關(guān)聯(lián)性。但目前還未見從人因工程的角度,考慮借道左轉(zhuǎn)過程對(duì)駕駛?cè)艘曈X特性、生理反應(yīng)、行車風(fēng)險(xiǎn)等影響的研究。

筆者通過駕駛模擬平臺(tái),設(shè)計(jì)城市道路交叉口借道左轉(zhuǎn)仿真場(chǎng)景,利用眼動(dòng)追蹤系統(tǒng)獲取駕駛?cè)四M駕駛的眼動(dòng)數(shù)據(jù),分析駕駛?cè)私璧雷筠D(zhuǎn)過程的視覺特性變化,以及借道左轉(zhuǎn)交叉口存在的交通安全風(fēng)險(xiǎn),為借道左轉(zhuǎn)的設(shè)置和運(yùn)行組織提供科學(xué)依據(jù)和參考。

1 試 驗(yàn)

1.1 試驗(yàn)設(shè)備

試驗(yàn)采用駕駛模擬試驗(yàn)系統(tǒng)和Dikablis眼動(dòng)追蹤系統(tǒng)。

駕駛模擬試驗(yàn)系統(tǒng)主要由仿真車輛、駕駛模擬軟件SILAB、顯示系統(tǒng)、無線生理儀、外部數(shù)據(jù)通訊模塊、IT控制設(shè)備、同步數(shù)字化沙盤以及配套搭建典型交通場(chǎng)景組成。其中,顯示系統(tǒng)為半徑3.5 m、高4 m的180°環(huán)形屏幕,駕駛環(huán)境和駕駛體驗(yàn)仿真程度較高;仿真車輛加裝高精度力反饋方向盤、力反饋電機(jī)、力反饋踏板、檔位操作桿和電子通訊總成模塊等,實(shí)現(xiàn)車輛的模擬操控,且可以采集模擬車輛的行車數(shù)據(jù)和駕駛?cè)松?、腦電、眼動(dòng)、行為視頻等人因數(shù)據(jù)。SILAB軟件具有仿真控制功能和場(chǎng)景編輯功能、3D建筑和基礎(chǔ)設(shè)施模型,可真實(shí)模擬城市道路環(huán)境,同時(shí)具有生成虛擬交通量和行人的功能,并支持模擬駕駛和場(chǎng)景演示,可以切實(shí)表現(xiàn)道路上的各種交通狀況。

Dikablis眼動(dòng)追蹤系統(tǒng)主體是以D-LAB軟件為依托的頭戴式Dikablis眼動(dòng)儀,是一種眼動(dòng)檢測(cè)及追蹤的綜合系統(tǒng),采樣頻率為60 Hz。眼動(dòng)監(jiān)測(cè)攝像頭檢測(cè)眼動(dòng)行為,利用系統(tǒng)算法分析得到瞳孔的位置和直徑、眨眼頻率、注視時(shí)間、掃視時(shí)間等參數(shù),實(shí)現(xiàn)對(duì)駕駛?cè)艘曈X特征的實(shí)時(shí)監(jiān)測(cè)。

1.2 場(chǎng)景搭建

通過SILAB軟件建立雙向六車道城市道路交叉口借道左轉(zhuǎn)仿真場(chǎng)景。選用西進(jìn)口道設(shè)置借道左轉(zhuǎn)車道如圖1,車道寬度為3.5 m,道路限速為40 km/h,中央分隔帶開口長度為17 m。圖2為交叉口信號(hào)相位和配時(shí)。

圖1 借道左轉(zhuǎn)示例交叉口Fig. 1 Example intersection of contraflow left-turn

圖2 仿真交叉口信號(hào)相位和配時(shí)Fig. 2 Signal phase and timing of the simulated intersection

借道左轉(zhuǎn)車道設(shè)置與交通運(yùn)行過程是:首先將交叉口西進(jìn)口左轉(zhuǎn)車道與相鄰對(duì)向出口車道(即借用車道)一同設(shè)為左轉(zhuǎn)車道;其次預(yù)信號(hào)與主信號(hào)協(xié)調(diào)控制,當(dāng)預(yù)信號(hào)綠燈啟亮?xí)r,控制車輛在中央分隔帶開口處從普通左轉(zhuǎn)車道駛?cè)虢璧雷筠D(zhuǎn)車道;然后當(dāng)主信號(hào)綠燈啟亮?xí)r,借道左轉(zhuǎn)車輛與普通左轉(zhuǎn)車輛一同左轉(zhuǎn);最后當(dāng)預(yù)信號(hào)紅燈啟亮?xí)r,禁止左轉(zhuǎn)車輛進(jìn)入借用的左轉(zhuǎn)車道。

SILAB軟件中利用Aedit功能實(shí)現(xiàn)借道左轉(zhuǎn)交叉口平面圖的繪制以及交通標(biāo)志布設(shè)、交通量標(biāo)定和信號(hào)配時(shí)等場(chǎng)景設(shè)計(jì);SILAB將二維平面圖轉(zhuǎn)換為3D虛擬仿真場(chǎng)景,場(chǎng)景搭建效果如圖3。

圖3 仿真場(chǎng)景搭建效果Fig. 3 Simulated scene building effect

通過調(diào)查陽泉市泉中路與北大街交叉口的車流狀況,并確定仿真交叉口道路交通參數(shù)[13-15],如表1。

表1 仿真交叉口道路和交通參數(shù)Table 1 Simulated intersection roads and traffic parameters

1.3 試驗(yàn)對(duì)象

試驗(yàn)招募年齡為19～58歲,駕齡為1～16年的駕駛?cè)斯?2名,其中男性17名,女性15名。駕駛?cè)松眢w狀況良好,雙眼矯正視力1.0以上,無影響安全駕駛的生理缺陷,均有良好的駕駛習(xí)慣。

1.4 試驗(yàn)過程

駕駛?cè)嗽囼?yàn)當(dāng)天睡眠充足,精神狀態(tài)良好,情緒平穩(wěn),并逐一完成如圖4的駕駛模擬試驗(yàn)流程。

圖4 試驗(yàn)流程Fig. 4 Experiment flow chart

D-LAB軟件實(shí)時(shí)記錄駕駛?cè)嗽囼?yàn)過程的視覺變化數(shù)據(jù),通過軟件內(nèi)部算法判定瞳孔面積、是否注視、注視時(shí)長、是否掃視、掃視時(shí)長、掃視角度等視覺參數(shù)。其中,軟件依據(jù)檢測(cè)數(shù)據(jù)和橢圓面積公式,計(jì)算瞳孔面積。

1.5 試驗(yàn)結(jié)果

試驗(yàn)獲得有效數(shù)據(jù)31份,其中有24人選擇了借用對(duì)向車道進(jìn)行左轉(zhuǎn),部分試驗(yàn)數(shù)據(jù)如表2。

表2 某駕駛?cè)艘曈X特征參數(shù)變化數(shù)據(jù)(部分)Table 2 Variation data on a driver’s visual characteristic parameters (partial)

2 瞳孔變化分析

2.1 數(shù)據(jù)處理

將瞳孔變化監(jiān)測(cè)數(shù)據(jù)從D-LAB軟件中導(dǎo)出到Excel,并利用D-LAB和Excel對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。采用眼動(dòng)儀監(jiān)測(cè)駕駛?cè)送鬃兓?以式(1)中的瞳孔面積變化率作為判斷指標(biāo):

(1)

式中:S為瞳孔面積變化率,%;Sdr為行駛過程中的瞬時(shí)瞳孔面積,pixel2;Ssta為靜息狀態(tài)時(shí)的平均瞳孔面積,pixel2。

用MATLAB的CF Tool工具箱,對(duì)駕駛?cè)私璧雷筠D(zhuǎn)過程中的瞳孔面積變化率進(jìn)行擬合。3、6、9次多項(xiàng)式擬合結(jié)果如圖5,擬合誤差分析列于表3,其中9次擬合效果最好,擬合公式見式(2)。

表3 瞳孔面積變化率擬合誤差Table 3 Fitting error of pupil area change rate

圖5 多次項(xiàng)擬合效果Fig. 5 Polynomial fitting effect

10-2t3-4.3×10-3t4+3.8×10-4t5-2.0×10-5t6+6.2×

10-7t7-1.0×10-8t8+7.1×10-11t9

(2)

2.2 瞳孔面積變化分析

人類通過眼睛獲取外界視覺信息,尤其是在駕駛過程中,多達(dá)80%以上的交通信息來自于視覺[16]。其中,瞳孔變化最能反映駕駛?cè)说墨@取周圍信息的心理“努力”程度。

在駕駛過程中,隨著外界環(huán)境的改變,駕駛?cè)诵睦頎顟B(tài)會(huì)發(fā)生變化,從而影響瞳孔大小。研究表明[17],瞳孔大小與光照強(qiáng)度、情緒和認(rèn)知強(qiáng)度有關(guān)。筆者試驗(yàn)在室內(nèi)模擬駕駛艙進(jìn)行,避免了光照變化,且保證駕駛?cè)饲榫w穩(wěn)定,因此瞳孔面積的變化幅度可以體現(xiàn)駕駛?cè)嗽谔幚斫煌ㄐ畔r(shí),心理負(fù)荷程度和對(duì)該環(huán)境的認(rèn)知強(qiáng)度。當(dāng)駕駛?cè)伺ψR(shí)別一個(gè)目標(biāo)物且認(rèn)為駕駛環(huán)境安全風(fēng)險(xiǎn)較大時(shí),瞳孔面積會(huì)增大,與常態(tài)時(shí)瞳孔面積差距大(S增大);當(dāng)駕駛?cè)颂幱诤?jiǎn)單輕松的駕駛氛圍時(shí),注意力集中程度低,瞳孔面積會(huì)接近常態(tài)(S降低)。因此,可通過分析瞳孔面積變化可以標(biāo)定借道左轉(zhuǎn)駕駛?cè)诵睦砭o張的位置,并分析該位置存在的交通安全風(fēng)險(xiǎn)。

綜合多次瞳孔面積變化率擬合曲線并結(jié)合駕駛視頻發(fā)現(xiàn),曲線第1次峰值是駕駛?cè)擞^察借道左轉(zhuǎn)標(biāo)識(shí)及開口路段,第2次峰值(最高峰)是車輛從開口左轉(zhuǎn)進(jìn)入對(duì)向借用車道的時(shí)刻,第3次峰值是駕駛?cè)藦慕栌密嚨劳＼嚲€進(jìn)入交叉口的時(shí)刻,相應(yīng)位置標(biāo)記為圖6中①、②、③。

圖6 瞳孔面積變化率峰值點(diǎn)位置標(biāo)定Fig. 6 Calibration of peak position of pupil area change rate

分析瞳孔面積的變化可以發(fā)現(xiàn),上述3個(gè)標(biāo)記點(diǎn)為駕駛?cè)私璧雷筠D(zhuǎn)過程中交通信息負(fù)荷較大、心理較緊張的位置。

借道左轉(zhuǎn)車輛駕駛?cè)耸紫仍谖恢芒偬幷J(rèn)讀位置②處的借道左轉(zhuǎn)標(biāo)識(shí)。由于借道左轉(zhuǎn)交叉口幾何設(shè)計(jì)和信號(hào)調(diào)控與傳統(tǒng)交叉口不同,通行規(guī)則也有其特殊性,容易導(dǎo)致駕駛?cè)丝匆娊璧雷筠D(zhuǎn)預(yù)信號(hào)及標(biāo)志時(shí)猶豫遲疑或判斷失誤,擔(dān)心誤入對(duì)向車道與相應(yīng)車流發(fā)生沖突等,產(chǎn)生一定的心理壓力。

位置②為中央分隔帶開口處,這是一個(gè)關(guān)鍵位置,駕駛?cè)艘诖送瓿蓽p速、左轉(zhuǎn)隨即右轉(zhuǎn)、加速等一系列操作,處理的交通信息驟增,反應(yīng)速度需要快,駕駛技術(shù)需要比較熟練;同時(shí)這一過程交通風(fēng)險(xiǎn)增大,如突然和較大減速可能引發(fā)后車尾撞,借道左轉(zhuǎn)車道未及時(shí)清空可能引發(fā)碰撞,左轉(zhuǎn)變道時(shí)容易導(dǎo)致車頭突出借用車道發(fā)生沖突,以及S形轉(zhuǎn)彎操作不當(dāng)與隔離柵、交通標(biāo)志等設(shè)施刮蹭等。

位置③為借道左轉(zhuǎn)車道停止線前,駕駛?cè)藦拇颂庍M(jìn)入交叉口時(shí),行駛軌跡與普通左轉(zhuǎn)車道不同,轉(zhuǎn)彎半徑較小;與普通左轉(zhuǎn)車流并行轉(zhuǎn)彎,容易產(chǎn)生相互干擾、交叉和沖突,增加行車風(fēng)險(xiǎn)和駕駛?cè)诵睦韷毫Α?/p>

因此,這3處位置交通狀況復(fù)雜,行車風(fēng)險(xiǎn)較大,駕駛?cè)瞬僮鞫?、緊張程度高,在空間資源分配和時(shí)間資源設(shè)計(jì)中,應(yīng)有效針對(duì)這些潛在的交通風(fēng)險(xiǎn)進(jìn)行管理與控制。

3 眼動(dòng)行為分析

駕駛?cè)死醚劬牡缆翻h(huán)境中獲取刺激物信息,經(jīng)神經(jīng)傳入大腦皮層進(jìn)行處理加工并發(fā)出指示信號(hào),產(chǎn)生眼動(dòng)行為。眼動(dòng)行為主要表現(xiàn)為注視、掃視和眨眼,通過眼球的轉(zhuǎn)動(dòng)尋找特定的刺激。眨眼是駕駛?cè)送ㄟ^眼瞼開合緩解疲勞和提高視覺舒適性的行為,不能獲取信息[18]。因此,筆者選取注視和掃視作為反映駕駛?cè)艘曈X和心理活動(dòng)的指標(biāo)。

3.1 注視行為分析

3.1.1 注視時(shí)間

注視通常指駕駛?cè)艘暰€在中心視力2～5°區(qū)域范圍內(nèi),停留最短時(shí)間超過80～100 ms時(shí)的狀態(tài)[19]。持續(xù)注視時(shí)間表示駕駛?cè)藛未螌⒁暰€集中在某一個(gè)區(qū)域上的時(shí)間長度。通常,注視時(shí)間反映出駕駛?cè)藢?duì)該區(qū)域的關(guān)注程度,體現(xiàn)駕駛?cè)双@取該區(qū)域的信息所用的精力和處理信息的難易程度。

圖7為駕駛?cè)嗽诮徊婵诮璧雷筠D(zhuǎn)路段和普通左轉(zhuǎn)進(jìn)口路段(以下簡(jiǎn)稱普通左轉(zhuǎn)路段)中,各注視時(shí)長區(qū)段內(nèi)相應(yīng)注視行為發(fā)生的頻率,即注視次數(shù)的時(shí)間分布。在借道左轉(zhuǎn)過程中,駕駛?cè)顺掷m(xù)注視時(shí)間在400 ms以下的次數(shù)占比達(dá)67%,比普通左轉(zhuǎn)路段增加了40%;其中100 ms以下的短期注視行為次數(shù)最多,占比達(dá)27%,比普通左轉(zhuǎn)路段增加了1.25倍。同時(shí),持續(xù)注視時(shí)間分布曲線起伏落差較大。這表明借道左轉(zhuǎn)過程關(guān)注對(duì)象多,信息密集度高且處理難度差別大,因而駕駛?cè)吮仨氃诙虝r(shí)間內(nèi)完成更多信息的分析處理,認(rèn)知負(fù)荷更重,需要更高的信息處理能力和強(qiáng)度。

圖7 注視次數(shù)的時(shí)間分布Fig. 7 Time distribution of the number of fixations

圖8為駕駛?cè)笋傔^借道左轉(zhuǎn)路段依次發(fā)生的注視行為持續(xù)時(shí)間的情況。持續(xù)注視時(shí)間較長的3個(gè)峰值點(diǎn)分別為717、2 934、1 216 ms;結(jié)合模擬駕駛試驗(yàn)記錄視頻分析,發(fā)現(xiàn)峰值點(diǎn)出現(xiàn)位置均與瞳孔面積變化率峰值標(biāo)定結(jié)果吻合,支持了2.1節(jié)標(biāo)定位置駕駛?cè)司o張程度較大的分析,且兩者反映緊張程度的次序也一致。最高峰在位置②,這是由于車輛S形轉(zhuǎn)彎為一個(gè)短暫過程,受城市道路條件限制,車頭或整個(gè)車輛突出借用車道的狀況難以避免,駕駛?cè)艘蚨a(chǎn)生安全風(fēng)險(xiǎn)顧慮和心理緊張,耗費(fèi)精力較大,體現(xiàn)為曲線上跟隨最高峰出現(xiàn)的小高峰波動(dòng)。

圖8 持續(xù)注視時(shí)間Fig. 8 Continuous fixation duration

依據(jù)持續(xù)注視時(shí)間長短和瞳孔面積變化率大小,駕駛?cè)司o張程度排序?yàn)?位置②>位置③>位置①,即借道左轉(zhuǎn)開口處>借道左轉(zhuǎn)車道停車線處>識(shí)讀借道左轉(zhuǎn)標(biāo)識(shí)處。

3.1.2 注視興趣區(qū)域

結(jié)合眼動(dòng)試驗(yàn)注視點(diǎn)的分布區(qū)域和駕駛?cè)艘曈X興趣區(qū)域劃分理論方法,將注視興趣區(qū)域劃為左方、中心、右方、上方和下方5個(gè)區(qū)域,如圖9。

圖9 注視興趣區(qū)域劃分Fig. 9 Division of interest area of fixation

試驗(yàn)中,簡(jiǎn)短的注視在注視熱點(diǎn)圖上表示為淺灰色;隨著注視時(shí)間延長,顏色由淺灰到深黑。在注視路徑圖中,視點(diǎn)在一個(gè)固定位置時(shí),會(huì)出現(xiàn)一個(gè)圓圈,注視時(shí)間越長,圓圈越大;由一個(gè)位置移動(dòng)到下一個(gè)位置時(shí),會(huì)出現(xiàn)一條直線。

圖10、圖11分別為普通路段與借道路段的注視熱點(diǎn)圖、注視路徑圖。兩相對(duì)比可以發(fā)現(xiàn),駕駛?cè)嗽谄胀范闻d趣區(qū)域比較集中,主要關(guān)注中心區(qū)域的交通狀況;而在借道過程中,特別是在①、②、③這3個(gè)位置,興趣區(qū)域較多,注視對(duì)象分布較廣,注視路徑多變。在位置①處認(rèn)讀借道左轉(zhuǎn)標(biāo)識(shí)后,駕駛?cè)藘A向于關(guān)注前方車輛、右前側(cè)車輛及前方預(yù)信號(hào)燈;在位置②處到達(dá)借道左轉(zhuǎn)開口路段,駕駛?cè)祟l繁關(guān)注左轉(zhuǎn)開口和借用車道的交通狀況;在位置③處進(jìn)入對(duì)向借用車道后,駕駛?cè)碎_始關(guān)注信號(hào)燈狀態(tài)、普通左轉(zhuǎn)車輛和交叉口內(nèi)車輛的行駛狀態(tài)。

圖10 普通路段注視熱點(diǎn)、路徑Fig. 10 Fixation heat map and path map of ordinary road

對(duì)注視熱點(diǎn)和注視路徑分析表明:借道左轉(zhuǎn)這一交通組織方式較為復(fù)雜,過程信息量大、關(guān)注點(diǎn)多,對(duì)駕駛?cè)水a(chǎn)生的心理壓力較大,對(duì)駕駛技術(shù)、駕駛經(jīng)驗(yàn)及借道左轉(zhuǎn)組織形式熟悉度有較高要求。

3.2 掃視行為分析

3.2.1 掃視時(shí)間

掃視又稱眼跳,是兩次注視之間眼球的快速跳躍運(yùn)動(dòng)。通常掃視范圍為1～40°,掃視速度可達(dá)400～600°/s,掃視的持續(xù)時(shí)間為30～120 ms[20]。在駕駛過程中,掃視行為表征駕駛?cè)艘朁c(diǎn)在關(guān)注目標(biāo)之間的轉(zhuǎn)移,主要是為了搜索、發(fā)現(xiàn)、補(bǔ)充與駕駛相關(guān)的信息、目標(biāo)或異常情況。

累計(jì)掃視時(shí)間是在一次試驗(yàn)過程中,試驗(yàn)對(duì)象所掃視時(shí)間的總和[21]。圖12(a)為駕駛?cè)嗽诮璧雷筠D(zhuǎn)路段和普通左轉(zhuǎn)路段的累計(jì)掃視時(shí)間占總行程時(shí)間的百分比,圖12(b)為借道左轉(zhuǎn)路段依次標(biāo)定的位置區(qū)間內(nèi)掃視行為發(fā)生的頻率,即掃視次數(shù)的位置分布。

從圖12(a)可以發(fā)現(xiàn),借道左轉(zhuǎn)路段和普通路段的累計(jì)掃視時(shí)間占比都不高,其平均值分別為5.36%和3.72%,其中最大占比也僅為14.39%和12.90%,表明駕駛?cè)舜蟛糠謺r(shí)間均以注視作為視覺收集道路信息的主要方式。在借道左轉(zhuǎn)路段多達(dá)83%的駕駛?cè)死塾?jì)掃視時(shí)間占比高于普通路段,而且累計(jì)掃視時(shí)間占比平均值要高出普通路段44%。研究表明[22],在安全舒適的交通環(huán)境中,駕駛?cè)说难蹌?dòng)行為以注視為主,穿插少數(shù)掃視行為;但行車環(huán)境變得復(fù)雜時(shí),駕駛?cè)藭?huì)增加掃視比例,駕駛操作反應(yīng)時(shí)間拉長,同時(shí)行車風(fēng)險(xiǎn)增大?？梢?上述結(jié)果反映出借道左轉(zhuǎn)過程環(huán)境信息復(fù)雜、安全風(fēng)險(xiǎn)較大,駕駛?cè)说男睦砭o張程度遠(yuǎn)高于普通路段。

借道左轉(zhuǎn)過程中掃視頻率隨行車位置的變化曲線〔圖12(b)〕也出現(xiàn)了3個(gè)較大的峰值點(diǎn),結(jié)合駕駛視頻確定其發(fā)生位置與瞳孔面積變化率標(biāo)定的①、②、③位置、以及持續(xù)注視時(shí)間的3個(gè)高峰位置相對(duì)應(yīng)。在這些位置,環(huán)境信息驟然增多,駕駛?cè)艘龀龃罅坑^察、分析對(duì)比、判斷、選擇和操作,需要在短時(shí)間甚至“同時(shí)”處理很多信息,因而會(huì)通過增加掃視行為來快速搜索環(huán)境目標(biāo)、確定關(guān)注對(duì)象、補(bǔ)充注視信息。掃視頻率峰值反映出其比較強(qiáng)烈的心理壓力、風(fēng)險(xiǎn)認(rèn)知和緊張程度。

3.2.2 掃視幅度

掃視幅度是指駕駛?cè)藦囊淮巫⒁暯Y(jié)束到下一次注視開始之前這個(gè)階段內(nèi),眼球坐標(biāo)變化的角度。掃視幅度可以作為衡量駕駛?cè)俗⒁馍疃鹊闹笜?biāo)。當(dāng)駕駛?cè)嗽谝淮巫⒁曋锌梢垣@得足夠的信息,那么下一次掃視的角度會(huì)相對(duì)大些;但如果道路交通條件復(fù)雜,則一次注視不足以獲得有效信息,隨后的掃視角度會(huì)相對(duì)小些,在該注視點(diǎn)附近補(bǔ)充信息。另外,掃視幅度與外界環(huán)境信息密度呈負(fù)相關(guān),信息密度越小,掃視幅度越大。各掃視幅度區(qū)間內(nèi)相應(yīng)掃視行為發(fā)生的頻率如圖13。

圖13 掃視次數(shù)的幅度分布Fig. 13 The amplitude distribution of the number of saccade

從圖13可見:在借道左轉(zhuǎn)路段和普通左轉(zhuǎn)路段駕駛?cè)藪咭暦榷荚?0°以內(nèi),其中5°以下的微小角度掃視發(fā)生頻率最大,借道路段達(dá)78%,比普通路段高25.8%;而15°以上的掃視極少。這表明在借道左轉(zhuǎn)過程中,駕駛?cè)藪咭曅袨榈哪康亩嗍菫樯弦淮巫⒁暸d趣對(duì)象補(bǔ)充視覺信息。

3.3 視覺指標(biāo)差異性分析

筆者采用獨(dú)立樣本T檢驗(yàn)分析持續(xù)注視時(shí)間、累計(jì)掃視時(shí)間、掃視幅度3個(gè)視覺指標(biāo)試驗(yàn)數(shù)據(jù)在借道左轉(zhuǎn)路段與普通左轉(zhuǎn)路段的統(tǒng)計(jì)學(xué)差異,結(jié)果如表4。

表4 借道路段與普通路段視覺特性差異性Table 4 Difference of visual characteristics between contraflow left-turn lane and ordinary lane

兩種路段行駛情形下,持續(xù)注視時(shí)間差異非常顯著(p<0.01);累計(jì)掃視時(shí)間和掃視幅度差異顯著(p<0.05)。因此,這3項(xiàng)試驗(yàn)數(shù)據(jù)用于對(duì)比駕駛?cè)嗽诮璧缆范闻c普通路段之間視覺特性的差異是有效的,可據(jù)以分析駕駛?cè)说男睦碡?fù)荷和風(fēng)險(xiǎn)感知差異。

4 結(jié) 論

借道左轉(zhuǎn)作為一種新型交通組織形式,在實(shí)踐中已經(jīng)發(fā)揮了緩解交叉口左轉(zhuǎn)流向道路資源緊張、平衡供應(yīng)與需求的作用;但目前很少有從人因工程角度分析借道左轉(zhuǎn)的研究。筆者開展借道左轉(zhuǎn)駕駛?cè)艘曈X特性研究,根據(jù)瞳孔變化和眼動(dòng)行為分析駕駛?cè)嗽诮璧肋^程中的心理壓力和行車風(fēng)險(xiǎn),標(biāo)定了借道左轉(zhuǎn)過程的高風(fēng)險(xiǎn)點(diǎn),可以為相應(yīng)交通組織設(shè)置提供參考。

1)借道左轉(zhuǎn)過程中,駕駛?cè)送酌娣e變化率呈現(xiàn)3次峰值,分別對(duì)應(yīng)于識(shí)讀借道左轉(zhuǎn)信號(hào)、到達(dá)中央分隔帶開口及到達(dá)借用車道停車線3個(gè)位置,最高峰發(fā)生在隔離柵開口處;持續(xù)注視時(shí)間的峰值規(guī)律及對(duì)應(yīng)位置、興趣區(qū)域和注視路徑多變位置以及掃視頻率峰值位置與之相同,表明它們是駕駛?cè)私璧雷筠D(zhuǎn)過程中需要信息量大、風(fēng)險(xiǎn)感知強(qiáng)烈、注意力高度集中的3個(gè)位置,而其中轉(zhuǎn)入借用車道的位置風(fēng)險(xiǎn)最高。

2)借道左轉(zhuǎn)路段駕駛?cè)嗽?00、100 ms以下的短期注視行為比普通左轉(zhuǎn)路段分別增加了40%和125%,且時(shí)間分布落差較大,表明該過程駕駛?cè)岁P(guān)注目標(biāo)多、攝取信息密集且處理難度懸殊、認(rèn)知負(fù)荷大,需要進(jìn)行更高強(qiáng)度的信息處理。

3)借道左轉(zhuǎn)過程駕駛?cè)死塾?jì)掃視時(shí)間普遍很少,平均占比僅為5.35%,且以5°以下小角度掃視為主,表明注視是駕駛?cè)双@取環(huán)境信息的主要方式,掃視則主要是補(bǔ)充注視獲取信息的不足。但絕大多數(shù)駕駛?cè)死塾?jì)掃視時(shí)間占比均高于普通左轉(zhuǎn)路段,反映出借道左轉(zhuǎn)過程環(huán)境信息多而復(fù)雜,駕駛?cè)怂阉?、?duì)比分析的需求更高,心理緊張程度也更高,需要通過掃視紓解。