石 京， 羅 靈， 吳偉坤

(清華大學交通研究所， 北京 100084)

0 引言

城市道路交通擁堵和交通事故集中分布在平面交叉口處，且主要發(fā)生在黃燈期間[1]. 過往的數(shù)據(jù)和研究表明，道路交通事故是由人、車、路和環(huán)境因素引起的，而駕駛員的不當駕駛行為是其最主要原因[2-4]. 平面交叉口處存在著多種沖突，道路環(huán)境更為復(fù)雜，車輛在黃燈啟亮時接近交叉口，由于駕駛員需要在極短的時間內(nèi)接收和處理大量的交通信息，容易決策失誤，出現(xiàn)搶行、闖紅燈等不當駕駛行為. 而當人的行為風險因素與其他風險因素疊加，事故風險將顯著增大[4]. 對交叉口處黃燈啟亮時的駕駛行為決策進行研究，可為交叉口規(guī)模和信號控制等的設(shè)計、交通法規(guī)制定提供參考依據(jù)，有利于降低風險，改善交叉口的交通安全和通行效率.

目前，國內(nèi)外對交叉口處駕駛行為的研究已取得了不少成果. Rakha. H等[5]根據(jù)車輛到停車線的時間距離建立了黃燈期間的停車概率模型. Tim J. Gates等[6]利用黃燈剩余時長建立了黃燈期間駕駛行為決策模型. 龍科軍等[7]利用黃燈啟亮時車輛位置、速度因素進行了Logistic回歸，構(gòu)建了駕駛員行為模型. 在此基礎(chǔ)上，研究者們擴大了影響因素的研究范圍，Elmitiny N[8]基于分類決策樹分析了黃燈啟亮時車輛速度、車輛到停車線的距離、車輛車型等因素對黃燈期間駕駛行為決策的影響. Panagiotis. P[9]考慮了駕駛員性別、年齡等因素對黃燈期間駕駛行為決策的影響，將駕駛員分為激進型、普通型、保守型3類，并建立了停車概率模型. 在數(shù)據(jù)采集方法上，龍科軍等[7]和 David S. Hurwitz等[10]的研究都采用了視頻拍攝來獲取車輛行駛數(shù)據(jù). 總體上，已有研究主要分析了黃燈時長、車輛位置和速度，對駕駛員的行為決策的影響，但對道路環(huán)境因素(如有無前車、后車)的考慮不足，且還需要進一步把握行為決策和數(shù)學模型的關(guān)聯(lián).

本文選取黃燈啟亮時接近交叉口停車線而需要做出行駛決策的車輛為研究對象，分析駕駛員的決策過程，建立黃燈啟亮時的駕駛行為決策模型；通過視頻觀測，采集分析黃燈啟亮時的車輛行駛數(shù)據(jù)；最后，對模型進行了標定驗證，分析影響黃燈啟亮時駕駛員決策的關(guān)鍵因素. 本研究的主要貢獻包括：①將交通環(huán)境因素加入模型的因變量，量化分析了前車、后車的有無對黃燈啟亮時駕駛員決策的影響；②將加速度決策納入了黃燈啟亮時的駕駛行為決策內(nèi)容，可更好地描述駕駛員在黃燈啟亮時的駕駛行為.

1 黃燈啟亮時的駕駛行為決策過程

假設(shè)車輛在限定車速內(nèi)駛向交叉口，此時交通信號燈由綠燈變?yōu)辄S燈(黃燈啟亮)，駕駛員需要對交通信號變化做出即時的駕駛行為決策. 本文將該決策過程分為3個階段：

1)狀態(tài)判明階段. 駕駛員在決策前需判斷路況和車輛行駛特征，如交叉口幾何尺寸、黃燈時長、車輛速度、距停車線距離等.

2)目標決策階段. 基于路況和車輛行駛特征，駕駛員需決定通過交叉口或在停車線前停車.

3)加速度決策階段. 完成目標決策后，駕駛員進一步選擇不同數(shù)值的加速度.

在狀態(tài)判明階段，駕駛員對路況和車輛行駛特征的判斷，是做出進一步?jīng)Q策的基礎(chǔ). 孫志強等根據(jù)黃燈啟亮時車輛到停車線的距離，劃分了4種行駛狀態(tài)[11]，本文對這一劃分方法進行了改進. 首先定義緊急通過距離和緊急停車距離. 用L1表示緊急通過距離，即黃燈啟亮時駕駛員采取加速操作，加速度最大時恰好能通過交叉口的距離；用L2表示緊急停車距離，即黃燈啟亮時駕駛員采取減速操作(加速度為負值)，加速度最小時恰好能停在停車線前的距離. 用a表示車輛加速度，最大加速度即為最大值amax，最小加速度即為最小值amin. 由于在第2節(jié)的視頻觀測中，攝像機架設(shè)于進道口上游，因此本文統(tǒng)一以車尾到停車線距離表示車輛到停車線距離. 則有式(1)(2)：

(1)

(2)

式中，v0為黃燈啟亮時車輛的速度；vt為交叉口限速值；tp為駕駛員的感知反應(yīng)時間，即從黃燈啟亮到車輛行駛特征發(fā)生改變的時間；ty為黃燈信號時長；W為進口道停車線到對側(cè)停車線的距離；Lv為機動車車長.

根據(jù)車輛到停車線的距離L0與L1、L2的大小關(guān)系，對黃燈啟亮時車輛的行駛狀態(tài)劃分如下：

1)通過狀態(tài)(L0≤L1且L0

2)停車狀態(tài)(L0≥L2且L0>L1)：車輛在黃燈期間可在停車線前停住，但是不能通過交叉口；

3)選擇通過狀態(tài)(L2≤L0≤L1)：車輛在黃燈期間可通過交叉口，也可停在停車線前[12]；

4)進退兩難狀態(tài)(L1

通過狀態(tài)和停車狀態(tài)下對應(yīng)的正確決策分別為通過交叉口、減速停車. 選擇通過狀態(tài)下，通過交叉口和減速停車都是正確決策. 進退兩難狀態(tài)是道路設(shè)計缺陷導致的，該狀態(tài)下兩種決策都不能達到目標[13].

基于上述的駕駛行為決策過程，以及各階段之間的關(guān)系，以決策樹的形式表示黃燈啟亮時的駕駛行為決策過程，如圖1所示. 在實際情況中，駕駛員的決策不僅取決于車輛行駛狀態(tài)，還受到交通環(huán)境等的影響，是多因素疊加的結(jié)果.

圖1 黃燈啟亮時駕駛員決策樹

2 數(shù)據(jù)采集與分析

2.1 基于視頻觀測的數(shù)據(jù)采集

為了獲取黃燈啟亮時的車輛行駛數(shù)據(jù)，本研究選擇北京市海淀區(qū)的中關(guān)村大街與雙榆樹北路交叉口進行實地視頻觀測. 拍攝畫面內(nèi)包括交通信號燈、北側(cè)進口道停車線前50 m的范圍和其他相關(guān)設(shè)施，觀測只針對一般小客車，不包括其他類型車輛. 黃燈啟亮時車身已越過停車線的車輛和黃燈期間第一個選擇停車的車輛(下文稱作首停車)之后的車輛不參與決策，故不計入樣本. 交叉口的基本特征如表1.

表1 觀測交叉口的特征

同時，為了從視頻中提取車輛行駛參數(shù)，以道路中心分隔欄桿的支撐樁作為距離參考點，樁間距離為3 m，拍攝范圍內(nèi)道路兩側(cè)各16個參考點，每側(cè)道路的參考點對應(yīng)臨近車道. 由于從進道口上游向交叉口拍攝，因此在測量車輛到停車線的距離時，采用車尾到停車線的距離. 交叉口及攝像機架設(shè)點如圖2所示.

圖2 交叉口及攝像機架設(shè)點示意圖

將觀測交叉口的特征數(shù)據(jù)(表1)和其他參數(shù)代入式(1)(2)，計算不同車速下的L1和L2. 其中，駕駛員感知反應(yīng)時間tp取1.0 s[14]；最大加速度amax取1.6排量機動車的百公里加速度8.5 m/s2；最小加速度amin取干路面上有ABS裝置的機動車的最小加速度-8.17 m/s2[15]；車長Lv采用一般小客車車長4.5 m. 計算結(jié)果如圖3，根據(jù)車輛到停車線的距離L0與L1、L2的大小關(guān)系可看出，在黃燈啟亮時，觀測交叉口的車輛存在通過狀態(tài)、停車狀態(tài)和選擇通過狀態(tài)，不存在進退兩難狀態(tài).

圖3 黃燈啟亮時的車輛行駛狀態(tài)劃分值

現(xiàn)場拍攝時段選擇在天氣晴朗的10:00—11:00和16:00—17:00，累計獲得10 h的視頻數(shù)據(jù)，剔除不符合要求的車輛(非小客車或不參與決策的小客車)后，有效樣本315輛. 采用人工方法對樣本車輛的相關(guān)參數(shù)進行提取，包括：黃燈啟亮時車尾到停車線的距離，目標決策結(jié)果(通過/停車)，所在車道是否有行人或非機動車，近距離內(nèi)是否有前后車等. 基于提取出的數(shù)據(jù)，進一步計算車輛速度、加速度.

2.2 視頻數(shù)據(jù)分析

基于視頻觀測記錄駕駛員的目標決策結(jié)果(通過交叉口或減速停車)，并根據(jù)L0與L1，L2的大小關(guān)系得到車輛的行駛狀態(tài)，將目標決策結(jié)果與圖1中黃燈啟亮時駕駛員決策樹進行比較，判斷駕駛員的目標決策是否正確. 具體來說，如果在L0L2時決策結(jié)果為停車，則決策正確；如果在L0>L1時決策結(jié)果為通過，或L0

表2列出了對樣本車輛目標決策的統(tǒng)計結(jié)果. 其中，決策正確的車輛有255輛，占80.95%；決策錯誤的車輛有60輛，占19.05%. 在決策錯誤的車輛中，錯誤選擇通過的車輛有58輛，占96.67%，說明駕駛員群體在目標決策中做出激進決策的比例更高.

表2 樣本車輛的目標決策結(jié)果統(tǒng)計

加速度決策的結(jié)果用a0表示，a0為黃燈啟亮后第2 s內(nèi)的平均車速與第1 s內(nèi)的平均車速的差值. 由于駕駛員存在1.0 s的知覺反應(yīng)時間[18]，本研究認為a0能較準確地反映出駕駛員在黃燈啟亮時的第一反應(yīng). 在174輛選擇通過交叉口的樣本車輛中，加速度為負(即減速通過)的有117輛，占67.24%，比例最高. 在選擇通過交叉口的樣本中，有158輛在紅燈啟亮后仍滯留在交叉口內(nèi). 此外，在視頻觀測中還發(fā)現(xiàn)了在停車線外停車、闖紅燈、急剎車等不當駕駛行為.

3 黃燈啟亮時的駕駛行為決策模型

為了分析黃燈啟亮時的駕駛行為與影響因素之間的關(guān)系，進一步建立黃燈啟亮時的駕駛行為決策模型，模型由目標決策模型和加速度決策模型2部分組成.

3.1 黃燈啟亮時的目標決策模型

黃燈啟亮時駕駛員的目標決策包括：通過交叉口和減速停車. 用二分變量Y表示目標決策結(jié)果，Y=1表示駕駛員選擇通過交叉口，Y=0表示駕駛員選擇停車. 根據(jù)變量特征，選取二分類Logistic回歸模型進行分析，可表示為：

(3)

式中PY=1為黃燈啟亮時駕駛員選擇通過交叉口的概率.

此模型共設(shè)置5個自變量，其中，車輛到停車線距離變量L0、速度變量v0為連續(xù)變量；其他3個自變量為01變量，反映對應(yīng)因素是否存在：前車變量F表示樣本車輛前方10 m內(nèi)有無前車；后車變量C表示樣本車輛后方10 m內(nèi)有無后車；行人或非機動車變量表示是否存在妨礙樣本車輛正常通行的行人或非機動車. 利用SPSS軟件擬合模型，行人或非機動車變量、后車變量在顯著性檢驗中不滿足要求，不作為模型的自變量. 因此，二分類Logistic回歸模型可表示為：

(4)

再次擬合觀測數(shù)據(jù)，可得到：

(5)

3.2 黃燈啟亮時的加速度決策模型

完成目標決策后，駕駛員需進一步?jīng)Q策加減速操作對應(yīng)的加速度，以完成通過或停車的決策目標. 用a表示駕駛員加速度決策的結(jié)果. 為了簡化研究，本文假定黃燈啟亮后，駕駛員只做出一次加速度決策，并保持該加速度直到黃燈結(jié)束. 采用多元線性回歸模型，可表示為：

(6)

此模型中共設(shè)置6個自變量，其中車輛到停車線距離變量L0、速度變量v0、前車變量F、后車變量C、行人或非機動車變量的定義與3.1節(jié)相同，目標決策變量D是指駕駛員目標決策的結(jié)果. 利用SPSS軟件的多元線性回歸功能對模型進行擬合，行人或非機動車變量、前車變量在顯著性檢驗中不滿足要求，不作為模型的自變量. 因此，模型可表示為：

a=γ+λ1L0+λ2v0+λ3C+λ4D

(7)

再次擬合觀測數(shù)據(jù)，可得到式(8)：

a=0.78+0.12L0-0.62v0-0.49C+1.88D

(8)

對擬合優(yōu)度進行檢驗，得到Sig.=0.000<0.05，表明在95%置信水平下，模型整體檢驗是顯著的.R2=0.409，表示該模型擬合優(yōu)度一般. 方程中L0的系數(shù)為正，說明車輛到停車線的距離越大，駕駛員加速時的加速度絕對值越大，減速時的加速度絕對值越小.v0的系數(shù)為負，表明速度越大，駕駛員加速時的加速度絕對值越小，減速時的加速度絕對值越大. 目標決策變量D的系數(shù)為正，表明駕駛員選擇通過交叉口時，加速時的加速度絕對值更大，減速時的加速度絕對值更小. 后車變量C的系數(shù)為負，說明在無后車的情況下，駕駛員選擇加速時的加速度絕對值更大，選擇減速時加速度絕對值更小.

4 黃燈啟亮時的駕駛行為特征分析

1)根據(jù)黃燈啟亮時的目標決策模型可發(fā)現(xiàn)，黃燈啟亮時車輛到停車線的距離、車速以及是否有前車對駕駛員目標決策的影響很大. 車輛到停車線的距離越大，駕駛員選擇通過交叉口的概率越小. 車速越大，駕駛員選擇通過交叉口的概率越大. 相比沒有前車的情況，有前車時駕駛員更傾向于選擇通過交叉口. 這可能是因為有前車時駕駛員放大了通過交叉口的效益，在目標決策中表現(xiàn)得更為激進.

2)根據(jù)黃燈啟亮時的速度決策模型可發(fā)現(xiàn)，黃燈啟亮時車輛到停車線的距離、車速以及是否有后車對駕駛員速度決策的影響很大. 車輛到停車線的距離越大，駕駛員在加速時加速度越大，減速時加速度絕對值越小. 車速越大，駕駛員加速時加速度越小，減速時加速度絕對值越大. 相比有后車的情況，無后車時，即位于排隊隊尾時，駕駛員加速時加速度更大，減速時加速度絕對值更小. 這可能是因為在車輛無后車時，即位于排隊隊尾時，駕駛員更傾向于緊跟前車，在加速度決策中表現(xiàn)得更為激進.

3)根據(jù)視頻觀測的結(jié)果發(fā)現(xiàn)，樣本車輛中在黃燈啟亮時選擇減速通過交叉口的比例最高，且在選擇通過交叉口的174輛樣本車輛中，有158輛在紅燈啟亮時仍滯留在交叉口內(nèi). 這主要有2方面原因：一方面，黃燈信號時長的設(shè)置只考慮駕駛員在停車線前安全停車所需的最短時間，而不考慮車輛能否在黃燈期間通過交叉口，因此在黃燈信號期間越過停車線的大部分車輛沒有足夠的時間通過交叉口；另一方面，由于目前交管部門不處罰黃燈信號期間進入交叉口的車輛，而紅燈啟亮時車身已越過停車線的車輛可繼續(xù)通行，因此駕駛員在紅燈啟亮前無法通過交叉口的情況下，仍可能選擇駛?cè)虢徊婵?

駕駛員在黃燈啟亮時的駕駛行為受到許多因素的影響，且易出現(xiàn)不當駕駛行為，比如在紅燈啟亮前無法通過交叉口的情況下駛?cè)虢徊婵? 由于紅燈啟亮后，滯留在交叉口內(nèi)的車輛將與另一方向的車流爭搶道路通行權(quán)，這種駕駛行為實際上是一種搶行行為[16]. 交通管理部門可根據(jù)駕駛員在黃燈啟亮時的駕駛行為特征，制定有效的管理措施以減少不當駕駛行為，進而減少交叉口黃燈期間的交通事故.

5 結(jié)論

本文研究了接近交叉路口停車線的車輛駕駛員在黃燈啟亮時的駕駛行為及其影響因素. 在本文的研究范圍內(nèi)，通過分析黃燈啟亮時駕駛員的行為決策過程，對交叉口車輛進行視頻觀測，建立了黃燈啟亮時的駕駛行為決策模型，包括目標決策模型和加速度決策模型，進而得到車速、離停車線距離、交通環(huán)境等變量對黃燈啟亮時駕駛行為的影響程度. 研究結(jié)果表明駕駛員在黃燈啟亮時的駕駛行為受到許多因素的影響，且易出現(xiàn)不當駕駛行為，該結(jié)果對于改善目前我國的交通安全現(xiàn)狀有重要意義. 目前我國交通法律法規(guī)對于如何處理黃燈期間的一些不當駕駛行為仍然存在空白，有待更為深入地研究.