扩展功能
文章信息
- 万利, 王虹婷, 张长安, 阎莹, 王孝冬
- WAN li, WANG Hong-ting, ZHANG Chang-an, YAN Ying, WANG Xiao-dong
- 高速公路隧道侧向宽度对大型车驾驶负荷的影响
- Influence of Lateral Width of Expressway Tunnel on Driving Load of Large Vehicle
- 公路交通科技, 2022, 39(9): 169-176
- Journal of Highway and Transportation Research and Denelopment, 2022, 39(9): 169-176
- 10.3969/j.issn.1002-0268.2022.09.022
-
文章历史
- 收稿日期: 2021-12-07
2. 长安大学 运输工程学院, 陕西 西安 710064;
3. 广州越路交通科技有限公司, 广东 广州 510630
2. School of Transportation Engineering, Chang'an University, Xi'an Shaanxi 710064, China;
3. Guangzhou Yuelu Transport Technology Co., Ltd., Guangzhou Guangdong 510630, China
截至2021年末,我国公路隧道数量为23 268处,增加1 952处,其中特长隧道1 599处,长隧道6 211处。近年来,隧道内发生事故的数量逐年增加,由于隧道特殊的半封闭式的结构,一旦发生事故会造成严重伤亡和财产损失,已成为交通事故的热点之一,这对公路隧道的运营管理提出了全新的挑战。
不同的交通环境对驾驶人负荷会产生显著影响[1],当负荷过高时会增大交通事故的风险[2]。由于隧道环境的特殊性,驾驶人在经过隧道时会有紧张感[3],尤其是在隧道出入口段[4-5],因此隧道交通环境的合理化设计对缓解驾驶人行车紧张度、保证行车安全等方面有着重要的意义。
近年来,国内外学者围绕着隧道交通环境和驾驶负荷展开了深入研究。驾驶负荷研究主要集中在视觉性能和心率指标2个方面[6]。学者们针对隧道交通安全研究多从隧道线形、照度和侧墙等方面展开。赵晓华等[7]以微观驾驶行为和眼动数据为基础,发现隧道突起路标对驾驶行为及心理、生理具有较显著的作用。Fang等[8]分析超长隧道内驾驶人的视觉特征,指出隧道半径越小,驾驶人的心理压力越大,行车安全性越低。Qin等[9]发现通过设置隧道墙体色彩装饰方案,驾驶人特性可得到明显改善。罗杰等[10]发现在隧道出入口段驾驶人负荷与隧道照度存在较强相关性。Lorenzo等[11]采集速度、横向位置和驾驶人对障碍物反应时间等数据,分析了不同照明系统对交通安全的影响。Han等[12]分析了隧道中不同轮廓标设置场景和不同路线下驾驶人的视觉特征。
然而隧道复杂的环境因素除了上述方面外,侧向宽度也是不容忽视的因素之一。Calvi等[13]基于驾驶模拟试验发现进入隧道后驾驶人会远离右侧隧道墙体并有减速行为。Xu等[14]基于驾驶模拟试验,发现驾驶人在隧道入口前250 m和出口前50 m处,车辆倾向于向左移动。相似研究成果[12, 15-16]均表明驾驶人会受隧道侧墙影响而改变其车辆横向位置和速度。
综上所述,国内外研究成果为提升隧道安全水平奠定了基础,虽已有学者指出隧道侧墙会对驾驶人造成影响,但目前针对隧道侧向宽度对驾驶人负荷影响的定量分析较少。为此,本研究基于实车试验,设计多种隧道侧向宽度试验方案,通过采集被试人心率、动态视觉性能等数据,分析不同隧道侧向宽度下驾驶负荷的变化规律,研究不同侧向宽度对驾驶人负荷的影响差异。
1 试验方案设计 1.1 试验设备及样本试验中分别采用接触式眼动仪、力康68 B心率表、CAN-OBD分析仪、方向盘转角仪和照度计采集驾驶人心生理数据、车辆运行状态数据和隧道运行环境数据,其他设备包括摄像机、逆变器、笔记本电脑等。试验车辆选用技术工况良好的重汽汕德卡车型。
试验通过雇佣形式共招募30名男性驾驶人,年龄在34~52岁之间,平均年龄44.3岁,驾龄在10~30 a之间,平均驾龄22.1 a。被试人均有高速及隧道驾驶经验,持有效驾照,健康状况良好,无生理缺陷及不良驾驶记录,试验时间集中于9:00—17:00。
1.2 试验场景方案由于运营中隧道无法满足不同侧向宽度场景试验要求,因此选取位于某高速试验场的凤凰山隧道和乐疃隧道作为试验改造隧道,该路段设计速度为60 km/h,双向四车道,隧道内横断面宽8.5 m,隧道基本概况如表 1所示,隧道均采用LED灯照明。通过对隧道车道标线重划线设计了多种侧向宽度方案,分析不同场景下驾驶人驾驶行为特征,试验场景如图 1所示。
| 名称 | 长度/m | 类型 | 间距/m | 进口半径/m | 出口半径/m |
| 凤凰山 | 803 | 中长 | — | 2 200 | 0 |
| 乐疃 | 530 | 中长 | 960 | 1 500 | 0 |
|
| 图 1 试验场景 Fig. 1 Experimental scene |
| |
1.3 隧道侧向宽度方案
结合现行的隧道设计标准中对于隧道侧向宽度的相关规定,右侧侧向宽度按设计速度120 km/h共拟定3种方案,包括: 方案1, 标准侧向宽度1.25 m; 方案2,加宽后侧向宽度1.5 m;方案3,加宽后侧向宽度1.75 m。余宽C值均为0.5 m。
1.4 实车测试步骤为研究不同侧向宽度对大型车驾驶人驾驶负荷的影响,试验步骤流程图如图 2所示。
|
| 图 2 试验步骤 Fig. 2 Experimental steps |
| |
针对每种侧向宽度的具体实施步骤如下。
(1) 隧道重划线。正式试验前,试验人员完成试验隧道划线处理,并向隧道洞口外延长100 m。
(2) 试验要求说明。被试人需知晓试验目的和试验过程等信息,并填写驾驶人信息登记表,试验路段限速120 km/h,被试人需按实际驾驶习惯沿重划线后的车道标线自由驾驶。
(3) 设备安装调试。仪器佩戴期间积极与驾驶人沟通,尽量保证佩戴仪器对驾驶人驾驶行为影响最小。
(4) 静态心率采集。试验人员在试验开始前对被试人采集2 min的静态心率数据,采样频率1 Hz,记录采集时间点。
(5) 正式试验。被试人按照试验要求开始试验,试验人员准确记录被试人出入隧道的时间点,便于后期对试验数据的提取与匹配。
(6) 试验结束。试验人员在被试人完成单人单次试验后及时保存试验数据,并更换被试人重复步骤(2)~(6)。
2 数据分析隧道环境内外差异大并存在“边墙效应”,驾驶人行驶于隧道环境时会调整其驾驶状态。一方面,驾驶人行驶于隧道出入口段和中间段时会不断改变车速,车辆存在横向偏移。另一方面,隧道内侧侧向净距较小,在自然驾驶状态下,驾驶人会下意识与隧道墙体、检修或人行道等保持距离,车辆中心线与车道中心线发生偏移,当车道边缘线与检修道之间有较宽的横向安全距离时,驾驶人驾驶负荷也会较低。
数理统计[17]是一种有效的定量分析方法,其目的在于通过分析数据的内在规律,进而认识事物的客观规律。国内外学者已在多种场景[18-20]下利用数理统计方法分析驾驶人的心生理特性。本节将运用数理统计方法研究不同侧向宽度场景下驾驶人心率和视觉等指标的变化规律,进而探索不同隧道侧向宽度对大型车驾驶负荷影响程度的差异。
2.1 驾驶人心理负荷特征分析右侧侧向宽度环境下不同驾驶人心率变化如图 3所示,其中方案1中5号驾驶人、6号驾驶人和8号驾驶人心率数据缺失。由图 3可知,同一方案下不同驾驶人之间的心率变化各有差异,驾驶人心率波动幅度不同,大多驾驶人心率值维持在70~110次/min之间;另一方面,驾驶人在不同方案下的心率变化亦有差别,例如相较于方案1,方案2中1号驾驶人经过隧道时的心率均值明显减小。
|
| 图 3 右侧侧向宽度下大型车驾驶人心率变化 Fig. 3 Changes of heart rates of large vehicle drivers under right lateral width |
| |
为进一步分析不同侧向宽度方案之间驾驶人心率变化的差异,提取驾驶人心率及心率增长率,分别绘制不同方案下驾驶人心率及心率增长率随距隧道入口距离变化的折线图和不同方案下心率指标整体描述统计柱状图,如图 4~5所示。从图 4中各心率指标数值可知,方案1>方案2>方案3,说明大型车驾驶人在右侧侧向宽度环境下的心理负荷随着侧向宽度的增加呈现减小趋势。
|
| 图 4 驾驶人心率及心率增长率变化 Fig. 4 Changes of driver's heart rate and heart rate growth rate |
| |
|
| 图 5 驾驶人心率指标整体描述统计图 Fig. 5 Overall description statistical chart of drivers'heart rate indicator |
| |
图 5中的心率均值及心率增长率均存在类似变化规律,相较于方案1,方案2心率均值下降9.3%,心率增长率下降50.9%,方案3心率均值下降8.9%,心率增长率下降53.1%,方案3心率的离散性最大,方案2最低。
根据正态检验结果,不同方案的驾驶人心率均值及心率增长率均不服从正态分布,故采用Friedman非参数检验法进行显著性检验,结果显示3种方案的心率均值(p=0.000 < 0.05)和心率增长率(p=0.000 < 0.05)均存在显著性差异。表 2和表 3分别为心率均值和心率增长率的事后多重比较检验结果,除了方案2与方案3外,其他对比样本的驾驶人心率及心率增长率存在显著性差异,说明可通过增加右侧侧向宽度改变大型车驾驶人的心理负荷,与方案1相比,方案2与方案3驾驶人负荷均相对较小,但方案2心率离散性指标最低。
| 对比样本 | 检验统计量 | 调整显著性 |
| 方案1与方案2 | 1.500 | 0.000* |
| 方案1与方案3 | 1.500 | 0.000* |
| 方案2与方案3 | 0.000 | 1.000 |
| 注:*表示差异性显著,下同。 | ||
| 对比样本 | 检验统计量 | 调整显著性 |
| 方案1与方案2 | 1.450 | 0.000* |
| 方案1与方案3 | 1.550 | 0.000* |
| 方案2与方案3 | 0.100 | 1.000 |
为比较不同侧向宽度场景下驾驶人在不同隧道路段的心率变化差异性,绘制各方案下驾驶人的心率均值及心率增长率箱线图,如图 6所示。
|
| 图 6 驾驶人心率均值及心率增长率 Fig. 6 Mean heart rate and heart rate growth rate of drivers |
| |
由图 6可知,在隧道入口段,随侧向宽度增大驾驶人心率及心率增长率呈下降趋势;在隧道中间段,随侧向宽度增加驾驶人心率有下降趋势,表明驾驶人负荷程度有所缓解,但方案2与方案3的负荷程度相差不大;在隧道出口段,驾驶人在方案2场景下心理负荷最小,继续增大侧向宽度驾驶人负荷有增大的趋势。
综上分析,通过增加右侧侧向宽度可有效缓解驾驶人的心理紧张情绪,特别是在隧道出入口段,驾驶人心率均值和心率增长率明显降低。对比样本方案2与方案3中驾驶人心理负荷无显著差异,说明继续增加隧道侧向宽度对驾驶人心理负荷的改善效果有限,但方案2驾驶人心率变化更为稳定。
2.2 驾驶人视觉负荷特征分析右侧侧向宽度环境下大型车驾驶人平均注视持续时间整体描述统计图如图 7所示,平均注视持续时间均值和标准差均呈现减小的变化趋势,说明驾驶人视觉负荷随着隧道侧向宽度的增大而减小。
|
| 图 7 驾驶人平均注视时间整体描述柱状图 Fig. 7 Overall description histogram of average fixation time of drivers |
| |
不同方案平均注视持续时间均不服从正态分布,Friedman检验结果显示3种方案的驾驶人平均注视持续时间存在显著性差异(p=0.000 < 0.05)。表 4为事后多重比较检验结果,对比样本方案1与方案2、方案1与方案3的驾驶人平均注视持续时间存在显著性差异,说明通过增加右侧侧向宽度可缓解大型车驾驶人的视觉负荷。
| 对比样本 | 统计量 | 调整显著性 |
| 方案1与方案2 | 0.202 | 0.000* |
| 方案1与方案3 | 0.234 | 0.000* |
| 方案2与方案3 | 0.132 | 0.053 |
根据30名驾驶人眼动数据绘制不同隧道路段各方案下驾驶人的平均注视持续时间箱线图,如图 8所示。在隧道出入口段3种方案驾驶人平均注视持续时间变化相差不大;而在隧道中间段,随着侧向宽度的增大驾驶人平均注视持续时间有减小的变化趋势;在隧道出口段,驾驶人在方案3场景下平均注视持续时间最小。
|
| 图 8 驾驶人平均注视持续时间 Fig. 8 Drivers' average fixation duration |
| |
图 9为右侧侧向宽度环境下大型车驾驶人平均扫视持续时间整体描述统计图,3种方案下驾驶人平均扫视时间均值及标准差相差不大,显著性检验结果表明不同方案之间驾驶人平均扫视持续时间不存在显著性差异。
|
| 图 9 驾驶人平均扫视持续时间整体描述柱状图 Fig. 9 Overall description histogram of average saccade duration of drivers |
| |
同样地绘制不同隧道路段各方案下驾驶人的平均扫视持续时间变化箱线图,如图 10所示。无论在何种隧道路段环境下,3种方案之间驾驶人平均扫视持续时间变化相差并不大,基本维持在15~35 ms之间,与整体描述结果相一致。
|
| 图 10 驾驶人平均扫视持续时间 Fig. 10 Average saccade duration of drivers |
| |
综上分析,增加右侧侧向宽度对于大型车驾驶视觉负荷有缓解作用,就不同隧道路段而言,驾驶人在隧道中间段的视觉负荷得到改善。同样驾驶人在方案2与方案3中的视觉负荷无显著差异,说明继续增加侧向宽度对驾驶人视觉负荷的缓解效果并不明显。
2.3 驾驶人心生理负荷统计分析基于以上数据分析结果,总结得到如表 5所示的不同侧向宽度下驾驶人负荷统计描述表。驾驶人心生理负荷指标选取心率均值和平均注视持续时间,因其在不同侧向宽度方案中存在显著性差异,可有效表征驾驶人通过隧道时的心理和视觉负荷变化。除此之外,本研究通过配对t检验发现,方案1与方案2(p=0.345>0.05)、方案1与方案3(p=0.204>0.05)、方案2与方案3(p=0.639>0.05)之间大型车驾驶人的方向盘角速度无显著差异,说明通过增加侧向宽度,驾驶人的车道保持能力无显著差异。
| 指标 | 编号 | 数值 | 标准差 | 增减比例/% |
| 心率均值/(次·min-1) | 方案1 | 99.3 | 1.7 | — |
| 方案2 | 90.1 | 1.3 | 9.3↓ | |
| 方案3 | 90.5 | 1.9 | 8.9↓ | |
| 平均注视持续时间/ms | 方案1 | 732.8 | 299.9 | — |
| 方案2 | 660.8 | 240.1 | 9.8↓ | |
| 方案3 | 653.5 | 238.9 | 10.8↓ |
由表 5可知,右侧侧向宽度环境下,对于大型车驾驶人而言,与方案1相比,方案2的驾驶人心率均值减小9.3%,平均注视持续时间减小9.8%,方案3的驾驶人心率均值减小8.9%,平均注视持续时间减小10.8%,方案2心理均值离散性最小,方案3平均注视持续时间离散性最小,说明通过增加侧向宽度可有效缓解驾驶人通过隧道时的紧张感,但是过大的侧向宽度对驾驶负荷的改善效果有限,对比发现方案2尤为有效。
3 结论(1) 本研究基于实车试验,采集驾驶人在不同隧道侧向宽度方案下心率和动态视觉等数据,运用数理统计研究了不同隧道侧向宽度对大型车驾驶负荷影响差异,可为提高隧道运营安全水平提供科学依据。
(2) 在右侧侧向宽度环境下,侧向宽度由方案1增加至方案2或方案3时,均可有效改善驾驶人负荷,特别在隧道出入口段,驾驶人心理负荷得到明显缓解,在隧道中间段,驾驶人视觉负荷有所降低。
(3) 在右侧侧向宽度环境下,侧向宽度由方案2增加至方案3时,驾驶人负荷改善效果无显著差异,即隧道侧向宽度并非越大越好。
(4) 考虑到隧道路段右侧车道大型车占比较大,同时基于工程造价和成本的考虑,本研究推荐右侧侧向宽度采用方案2设计更为适合。
(5) 研究受到多方面因素的制约,存在一些不足之处,有待进一步完善,主要包括以下几个方面:
① 驾驶人心生理特征参数提取有限,导致对驾驶人的驾驶负荷分析不够全面。未来可考虑将瞳孔变化速度、皮肤电导水平等指标纳入研究范围。
② 研究对象仅针对重汽汕德卡车型,缺少其他车型对驾驶人的影响分析。未来可进一步探讨更多代表车型对驾驶人的影响。
③ 试验场景单一,未考虑到昼夜、隧道照明及天气等因素对试验结果的影响。未来可结合模拟试验增加试验场景,以进一步论证结论的科学性。
| [1] |
FAURE V, LOBJOIS R, BENGUIGUI N. The Effects of Driving Environment Complexity and Dual Tasking on Drivers' Mental Workload and Eye Blink Behavior[J].
Transportation Research Part F: Traffic Psychology and Behaviour, 2016, 40: 78-90.
DOI:10.1016/j.trf.2016.04.007 |
| [2] |
WILSON G F, RUSSELL C A. Performance Enhancement in an Uninhabited Air Vehicle Task Using Psychophysiologically Determined Adaptive Aiding[J].
Human Factors, 2007, 49(6): 1005-1018.
DOI:10.1518/001872007X249875 |
| [3] |
FENG D, CHEN F. Research on Driver Physiological Load at the Lowest Point of City River-crossing Tunnels[J].
Transportation Research Procedia, 2017, 25: 1494-1502.
DOI:10.1016/j.trpro.2017.05.178 |
| [4] |
朱彤, 吴玲, 胡月琦, 等. 基于因子模型的高速公路特长隧道驾驶人心理负荷特性研究[J]. 中国公路学报, 2018, 31(11): 165-175. ZHU Tong, WU Ling, HU Yue-qi, et al. Research on Characteristics of Drivers' Mental Workload in Extra-long Expressway Tunnels Based on the Factor Model[J]. China Journal of Highway and Transport, 2018, 31(11): 165-175. DOI:10.3969/j.issn.1001-7372.2018.11.018 |
| [5] |
朱可宁, 龚波. 高速公路特长隧道出口段驾驶人心理负荷变化规律[J]. 交通科技与经济, 2017, 19(3): 6-9. ZHU Ke-ning, GONG Bo. Research on Driver Mental Load in Exit of Super Long Tunnel[J]. Technology & Economy in Areas of Communications, 2017, 19(3): 6-9. |
| [6] |
罗杰, 程鹏, 陆百川, 等. 基于驾驶员心率变异性的光学隧道驾驶负荷分析[J]. 重庆理工大学学报(自然科学版), 2019, 33(8): 44-50, 64. LUO Jie, CHENG Peng, LU Bai-chuan, et al. Analysis of Driver Workload on Optical Tunnel Based on Driver HRV[J]. Journal of Chongqing University of Technology (Natural Science Edition), 2019, 33(8): 44-50, 64. DOI:10.3969/j.issn.1674-8425(z).2019.08.007 |
| [7] |
赵晓华, 鞠云杰, 李佳, 等. 基于驾驶行为和视觉特性的长大隧道突起路标作用效果评估[J]. 中国公路学报, 2020, 33(6): 29-41. ZHAO Xiao-hua, JU Yun-jie, LI Jia, et al. Evaluation of the Effect of RPMs in Extra-long Tunnels Based on Driving Behavior and Visual Characteristics[J]. Chinese Journal of Highway and Transport, 2020, 33(6): 29-41. DOI:10.3969/j.issn.1001-7372.2020.06.003 |
| [8] |
JIAO F, DU Z, WANG S, et al. Research on Drivers' Visual Characteristics in Different Curvatures and Turning Conditions of the Extra-long Urban Underwater Tunnels[J].
Tunnelling and Underground Space Technology, 2020, 99: 103360.
DOI:10.1016/j.tust.2020.103360 |
| [9] |
QIN X, ZHANG N, ZHANG W, et al. How Does Tunnel Interior Color Environment Influence Driving Behavior? Quantitative Analysis and Assessment Experiment[J].
Tunnelling and Underground Space Technology, 2020, 98: 103320.
DOI:10.1016/j.tust.2020.103320 |
| [10] |
罗杰, 陆百川, 徐进, 等. 山地城市隧道照度与速度对驾驶负荷的影响[J]. 重庆理工大学学报(自然科学版), 2019, 33(6): 13-23, 58. LUO Jie, LU Bai-chuan, XU Jin, et al. Effect of Light and Velocity on Driver Workload in Mountain City Tunnel[J]. Journal of Chongqing University of Technology (Natural Science Edition), 2019, 33(6): 13-23, 58. |
| [11] |
DOMENICHINI L, LA TORRE F, VANGI D, et al. Influence of the Lighting System on the Driver's Behavior in Road Tunnels: A Driving Simulator Study[J].
Journal of Transportation Safety & Security, 2017, 9(2): 216-238.
|
| [12] |
HAN X, SHAO Y, PAN B, et al. Evaluating the Impact of Setting Delineators in Tunnels Based on Drivers' Visual Characteristics[J].
Plos One, 2019, 14(12): e0225799.
DOI:10.1371/journal.pone.0225799 |
| [13] |
CALVI A, DE BLASIIS M R, GUATTARI C. An Empirical Study of the Effects of Road Tunnel on Driving Performance[J].
Procedia-Social and Behavioral Sciences, 2012, 53: 1098-1108.
DOI:10.1016/j.sbspro.2012.09.959 |
| [14] |
XU J, ZHANG X, LIU H, et al. Physiological Indices and Driving Performance of Drivers at Tunnel Entrances and Exits: A Simulated Driving Study[J].
Plos One, 2020, 15(12): e0243931.
DOI:10.1371/journal.pone.0243931 |
| [15] |
WANG Y, WANG L, WANG C, et al. How Eye Movement and Driving Performance Vary before, during, and after Entering a Long Expressway Tunnel: Considering the Differences of Novice and Experienced Drivers under Daytime and Nighttime Conditions[J].
SpringerPlus, 2016, 5(1): 1-10.
DOI:10.1186/s40064-015-1659-2 |
| [16] |
CALVI A, D'AMICO F. A Study of the Effects of Road Tunnel on Driver Behavior and Road Safety Using Driving Simulator[J].
Advances in Transportation Studies, 2013(30): 59-76.
|
| [17] |
同济大学数学系. 概率论与数理统计[M]. 北京: 人民邮电出版社, 2017. Department of Mathematics of Tongji University. Probability Theory and Mathematical Statistics[M]. Beijing: Posts and Telecom Press, 2017. |
| [18] |
胡立伟, 李耀平, 林玉珍. 不同等级公路环境下驾驶人动态视觉特性规律研究[J]. 交通运输系统工程与信息, 2014, 14(3): 58-63. HU Li-wei, LI Yao-ping, LIN Yu-zhen. Driver's Dynamic Visual Characteristics and Laws under Different Highway Environments[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(3): 58-63. |
| [19] |
JIAO F, DU Z, WANG S, et al. Research on Drivers' Visual Characteristics in Different Curvatures and Turning Conditions of the Extra-long Urban Underwater Tunnels[J].
Tunnelling and Underground Space Technology, 2020, 99: 103360.
|
| [20] |
LAROCCA A P C, RIBEIRO R L, DA CRUZ FIGUEIRA A, et al. Analysis of Perception of Vertical Signaling of Highways by Drivers in a Simulated Driving Environment[J].
Transportation Research Part F: Traffic Psychology and Behaviour, 2018, 58: 471-487.
|
2022, Vol. 39

