何 莎 閆學東 龐洪濤 趙 佳

（北京交通大學城市交通復雜系統(tǒng)理論與技術教育部重點實驗室 北京 100044）

0 引言

近年來，由霧引發(fā)的惡性交通事故頻繁發(fā)生［1］。據統(tǒng)計，霧天交通事故發(fā)生率是正常情況下的近10倍［2］。霧天作為交通事故多發(fā)的環(huán)境之一，其對駕駛人的駕駛行為、駕駛心理和生理，以及車輛運行狀態(tài)均有不同程度的影響。因此，對霧天駕駛方面的研究已成為各國交通安全研究的重點，并且對改善我國交通安全狀況具有重大意義。

國內外針對霧天駕駛行為方面展開了大量研究。例如，陳秀峰等人［3］研究了駕駛人不同霧天等級能見度下的駕駛速度選擇和車輛保持特性；Broughton等人［4］利用高仿真度駕駛模擬器研究駕駛人跟車行為，他們發(fā)現(xiàn)在霧天環(huán)境下駕駛人跟車距離更短；Kolisetty等人［5］探索出可變信息標志牌（VMS）可以降低駕駛人在霧天環(huán)境下的行駛速度，從而提高道路安全性；Ni和Uc等［6－7］發(fā)現(xiàn)在濃霧環(huán)境下年老者更容易發(fā)生交通事故；而Sagberg［8］發(fā)現(xiàn)和熟練的駕駛人相比，新手駕駛人的心理承受能力、駕駛經驗、對危險情況的感知判斷都有欠缺，而霧天環(huán)境往往對這些要求更高。以往這些研究主要集中在霧天環(huán)境下駕駛人的速度選擇［9］和速度控制［10］，跟車行為，VMS、年齡、駕駛經驗對霧天環(huán)境下的駕駛行為影響等，很少涉及到霧天環(huán)境下的駕駛人緊急避撞行為研究，特別是駕駛人與行人之間的碰撞。而行人作為道路交通的重要參與者，每年都有大量行人死于交通事故中，特別是在霧天環(huán)境下，駕駛人與行人發(fā)生碰撞的事故率明顯高于無霧環(huán)境［11］。相關研究表明，駕駛行為是導致交通事故的重要原因之一［12］，為了減少霧天環(huán)境下駕駛車輛與行人發(fā)生碰撞的風險，深入研究駕駛人在緊急避撞過程中的駕駛行為對于今后開發(fā)緊急避撞系統(tǒng)和降低行人－車輛碰撞風險具有深遠意義。

本實驗采用線形混合效應模型，選取霧天作為干預因素，通過不同霧天等級下的駕駛模擬實驗系統(tǒng)地分析霧天環(huán)境對駕駛人在緊急避撞過程中的駕駛行為影響，為進一步建立霧天駕駛安全行為評價體系奠定了數(shù)據基礎，為分析其他干預因素對駕駛行為的影響提供了研究思路和系統(tǒng)的實驗分析方法。

1 實驗方法與數(shù)據來源

1.1 實驗對象

實驗參與者為46名（男性26名，女性20名）擁有合法駕照的實驗人員，年齡為20～52歲（平均年齡為30歲），擁有2年以上駕駛經驗以及年駕駛里程超過20 000km。其中職業(yè)司機21人，非職業(yè)司機25人。

1.2 實驗設計

實驗主要分析駕駛人在不同霧天環(huán)境下的緊急避撞行為變化，采用的設備是北京交通大學駕駛模擬器（BJTU driving simulator）。以46名實驗參與者為對象，設計道路限速為80km／h，選取霧天作為干擾條件，由于正常行駛時，駕駛人視野開闊，隨著霧的濃度越大，駕駛人在直路上的能見距離不斷降低，而濃霧天氣能見度低于50 m，因此本次實驗設計了無霧、輕霧（能見度為250m）和濃霧（能見度為50m）3個等級的天氣條件，見圖1，用來分析霧天環(huán)境對駕駛人緊急避撞行為的影響。

圖1 霧天等級效果圖Fig.1 The impression drawing for fog levels

在霧天環(huán)境作為干擾因素的前提下，通過TTC傳感器（time to collision sensor）實現(xiàn)緊急相撞事件。即當試驗車行駛到學校附近時，會觸發(fā)在路邊的行人突然跑步過街，此時，駕駛人需要采取緊急制動或轉向等操作才能避免和行人相撞，進而分析駕駛人在緊急避撞過程中的駕駛行為。因為TTC傳感器是以時間距離作為觸發(fā)條件，根據實驗中設置的行人跑步速度15km／h和行人距車道中心線的距離15m，可算出行人跑到車道中間位置所用的時間大約是3.5s，所以將TTC傳感器的時間閾值設置為3.5s。即當試驗車行駛到距離沖突點的時間距離為3.5s時，將觸發(fā)行人跑步過街。

1.3 數(shù)據結構

為使實驗數(shù)據更加科學合理，實驗采取隨機形式，即每名實驗者隨機地參加3次實驗（3種霧天等級），每次實驗不超過10 min，實驗共獲得138條數(shù)據。每條數(shù)據記錄能反應駕駛人緊急避撞行為的實驗變量，主要包括剎車瞬時速度和剎車反應時間。由于某些駕駛人中途退出實驗，不能完整地完成3次實驗，導致所測量數(shù)據的不完整性，因此，一共有128條數(shù)據可用于數(shù)據分析，實驗所得數(shù)據為典型的非平衡重復測量數(shù)據。此外實驗還記錄了實驗者的性別、職業(yè)等資料。實驗人員的基礎數(shù)據結構見表1。

1.4 分析方法

筆者利用線性混合效應模型進行數(shù)據分析，該模型能有效解決重復測量數(shù)據缺失問題。一般來說，每個實驗個體要求有相同次數(shù)的重復測量值，但某些實驗個體由于身體不適中途退出實驗，導致某個霧天等級下的駕駛行為數(shù)據不可用，因此本次實驗數(shù)據是典型的非平衡重復測量數(shù)據，故不適宜用傳統(tǒng)的方差分析方法，而線性混合效應模型恰巧能解決這類非平衡重復測量問題。

表1 實驗數(shù)據基礎結構Tab.1 The infrastructure for experimental data

線形混合效應模型包含固定效應和隨機效應，固定效應主要反映總體特征，而隨機效應體現(xiàn)個體差異，并且混合模型不僅充分考慮了重復測量值之間的相關性，還能處理測量值缺失的情況，在重復測量實驗中廣受應用。因此，線形混合效應模型在一般線形模型的基礎上發(fā)展為

式中：Y為因變量也是觀測變量；X為固定效應自變量的設計矩陣；β為與固定效應相對應的參數(shù)向量；Z為隨機效應變量的設計矩陣，矩陣結構與X一致；u為與隨機效應相對應的參數(shù)向量。此時，不要求ε獨立同分布，假設ε～N（0，R）。

2 實驗結果分析

從多水平模型考慮，這是1 個3（霧天等級）×2（性別）×2（職業(yè)）的混合設計。將性別和職業(yè)作為固定效應變量，霧天等級作為重復測量變量，利用線形混合模型分析不同霧天環(huán)境、性別、職業(yè)對駕駛人剎車瞬時速度和剎車反應時間的影響。

2.1 剎車瞬時速度

剎車瞬時速度反映駕駛人避撞前的正常駕駛狀態(tài)。在α＝0.05的置信水平上，霧天等級對剎車瞬時速度具有顯著性影響（p＜0.01），性別和職業(yè)沒有統(tǒng)計學意義，見表2。表3 為固定效應參數(shù)估計。由表3可見，濃霧環(huán)境相比于無霧環(huán)境對剎車瞬時速度的影響為負效應（p＜0.01）。將濃霧環(huán)境作為基線，無霧環(huán)境下的平均剎車瞬時速度估計值比濃霧環(huán)境高22.31km／h（見式3）。結合圖2，無霧環(huán)境（68.10km／h）下的平均剎車瞬時速度遠高于輕霧（45.43km／h）和濃霧環(huán)境（45.85km／h）下的剎車瞬時速度，且輕霧和濃霧環(huán)境下的平均剎車瞬時速度基本持平。說明有霧環(huán)境下駕駛人在避撞前的車輛瞬時速度低于無霧環(huán)境。這是因為霧天環(huán)境下駕駛人視野受到限制，在無法判斷前方道路交通如何運行及是否有危險的情況下，由于霧天環(huán)境的“補償”［13－14］作用使得駕駛人駕駛行為更加謹慎，通過降低車速來保障行車安全。

表2 線形混合模型固定效應檢驗Tab.2 Tests of fixed effects for linear mixed model

表3 固定效應參數(shù)估計Tab.3 Estimates of fixed effects

圖2 不同霧天等級下的平均剎車瞬時速度Fig.2 Braking instantaneous speed by different fog levels

2.2 剎車反應時間

剎車反應時間能反映出駕駛人在遇到緊急事件時的反應特性。表4結果顯示，霧天等級對剎車反應時間具有顯著性影響（p＝0.03），性別和職業(yè)沒有統(tǒng)計學意義。由表5可以看出，濃霧環(huán)境相比于無霧環(huán)境（p＝0.02）和輕霧環(huán)境（p＝0.02），對剎車反應時間的影響為正效應。無霧和輕霧環(huán)境下的平均剎車反應時間估計值分別比濃霧環(huán)境下低0.36s和0.32s（見式（6）、式（7））。結合圖3，濃霧環(huán)境下的平均剎車反應時間最高，為1.56s，其次為輕霧（1.26s）和無霧（1.22s）。因此，霧天增加了駕駛人在緊急避撞中的剎車反應時間，這是因為在無霧環(huán)境下駕駛人視野更清晰，他們能及時觀察到潛在的交通沖突并馬上采取相應的避撞措施來減少事故風險，換而言之，隨著霧天濃度越大，能見度越低，駕駛人無法清晰準確的做出決策，只有在視野范圍內并且捕捉到危險狀況后才能采取減速措施，導致剎車反應時間增長。

表4 線形混合模型固定效應檢驗Tab.4 Tests of fixed effects for linear mixed model

表5 固定效應參數(shù)估計Tab.5 Estimates of fixed effects

圖3 不同霧天等級下的平均剎車反應時間Fig.3 Braking reaction time by different fog levels

3 結束語

實驗基于線形混合效應模型探討了霧天對駕駛人緊急避撞行為的影響。研究結果表明：霧天增加了駕駛人的剎車反應時間，減少了駕駛人的剎車瞬時速度。隨著霧天濃度增大，霧天環(huán)境下的能見度降低，駕駛人可視距離更短，導致駕駛人對緊急情況不能馬上做出反應，從而駕駛人剎車反應時間增長，進而由于“補償”作用導致駕駛人在霧天環(huán)境下的行駛車速較小，遇到緊急情況時的剎車瞬時速度小于無霧環(huán)境下的剎車瞬時速度。因此，霧天降低了駕駛人的駕駛安全性。

綜合以上結果證明，基于駕駛模擬器和線形混合效應模型研究霧天對駕駛人緊急避撞行為的影響是可行的，線型混合效應模型不僅很好的解決了本次實驗中的非平衡重復測量數(shù)據問題，同時還充分考慮了每個實驗對象重復測量數(shù)據之間的相關性，非常適用于多層次結構的資料和重復測量數(shù)據。然而由于高仿真度的駕駛模擬器與真實環(huán)境存在差異，這會對實驗結果產生一定影響，同時文中沒有考慮隨機效應的影響，有待進一步研究。

［1］蔣賢才，黃 科.霧天道路交通安全保障措施及其成效分析［J］.哈爾濱工業(yè)大學學報，2012（6）：86－91.Jiang Xiancai，Huang Ke.Safeguards and effects of road transportation safety in fog［J］.Journal of Harbin Institute of Technology，2012（6）：86－91.（in Chinese）.

［2］潘曉東，蔣 宏，高 昂.霧天高速公路交通事故成因分析及安全對策［J］.交通標準化，2006（10）：200－203.Pan Xiaodong，Jiang Hong，Gao Ang.Cause and security countermeasures of traffic accident in foggy expressway［J］.Traffic Standardization，2006（10）：200－203.（in Chinese）.

［3］陳秀峰，曲大義，劉尊民，等.基于駕駛模擬器的霧天駕駛行為特性研究［J］.武漢理工大學學報，2013（4）：763－766.Chen Xiufeng，Qu Dayi，Liu Zunmin，Hao Jie.Driving performance research in foggy conditions based on driving simulator［J］.Journal of Wuhan University of Technology，2013（4）：763－766.（in Chinese）.

［4］Broughton K L M，Switzer F，Scott D.Car following decisions under three visibility conditions and two speeds tested with a driving simulator［J］.Accident Analysis and Prevention，2007，39（1）：106－116.

［5］Kolisetty V G B，Iryo T，Asakura Y，et al.Effect of variable message signs on driver speed behavior on a section of expressway under adverse fog conditions：A driving simulator approach［J］.Journal of Advanced Transportation，2006，40（1）：47－74.

［6］Ni Rui，Kang J J，Andersen G J.Age－related declines in car following performance under simulated fog conditions［J］.Accident Analysis and Prevention，2010，42（3）：818－826.

［7］Uc E Y，Rizzo M，Anderson S W，et al.Driving under low－contrast visibility conditions in Parkinson disease［J］.Neurology，2009，73（14）：1103－1110.

［8］Sagberg F.Hazard perception and driving experience among novice drivers［J］.Accident Analysis and Prevention，2006，38（2）：407－414.

［9］Brooks J O，Crisler M C，Klein N，et al.Speed choice and driving performance in simulated foggy conditions［J］.Accident Analysis and Prevention，2011，43（3）：698－705.

［10］Owens D Alfred，Wood Joanne，Carberry Trent.Effects of reduced contrast on the perception and control of speed when driving［J］.Perception，2010，39（9）：1199－1215.

［11］Kim Joon－Ki，Ulfarsson G F，Shankar V N，et al.A note on modelling pedestrian－injury severity in motor－vehicle crashes with the mixed logit model［J］.Accident Analysis and Prevention，2010，42（6）：1751－1758.

［12］嚴新平，張 暉，吳超仲，等.道路交通駕駛行為研究進展及其展望［J］.交通信息與安全，2013（1）：45－51.Yan Xinping，Zhang Hui，Wu Chaozhong，et al.Research progress and prospect of road traffic driving behavior［J］.Transport Information and Safety，2013，31（1）：45－51.（in Chinese）.

［13］Nishida Y.Driving characteristics of the elderly：risk compensation of the elderly driver from the viewpoint of reaction behavior［J］.JSAE Review，1999，20（3）：375－380.

［14］Trick L M，Toxopeus R，Wilson D.The effects of visibility conditions，traffic density，and navigational challenge on speed compensation and driving performance in older adults［J］.Accident Analysis and Prevention，2010，42（6）：1661－1671.