摘要：為解決夜間車輛在村鎮(zhèn)無(wú)信號(hào)公路交叉口易與自行車或行人碰撞的問(wèn)題，本文基于注意分配理論將駕駛?cè)艘曇皥D片亮度、凝視點(diǎn)分布面積、注視點(diǎn)一次馬爾可夫平穩(wěn)分布和累計(jì)注視時(shí)間作為評(píng)價(jià)指標(biāo)，結(jié)合Logistics回歸構(gòu)建視覺(jué)搜索能力量化模型。設(shè)計(jì)模擬駕駛實(shí)驗(yàn)采集6種車速和4種照明下數(shù)據(jù)驗(yàn)證模型，結(jié)果表明模型的正確分類百分比為93.45%。不同照明限速方案的對(duì)比結(jié)果表明夜間村鎮(zhèn)附近公路交叉口段限速應(yīng)設(shè)為50km/h，路面平均照度應(yīng)不低于10lx。

　　關(guān)鍵詞：交通運(yùn)輸系統(tǒng)工程;視覺(jué)認(rèn)知特性;注意分配理論;環(huán)境照明;夜間最高限速;視覺(jué)搜索能力

　　0引言

　　公路交叉口在未設(shè)置照明的情況下，夜間駕駛?cè)艘暰�不良，無(wú)法準(zhǔn)確觀測(cè)到交叉口的交通運(yùn)行情況，容易導(dǎo)致交通事故的發(fā)生。早期研究從分析事故率出發(fā)，探究照明對(duì)交通安全的影響。2008年，Monsere研究發(fā)現(xiàn)美國(guó)俄勒岡州公路在關(guān)閉公路照明之后不同類型路段的事故數(shù)量增加2%~39%[1]。

　　Goswamy統(tǒng)計(jì)分析了愛(ài)荷華州2005年至2014年的鄉(xiāng)村交叉口碰撞頻率數(shù)據(jù)，發(fā)現(xiàn)停車讓行控制的交叉口設(shè)置照明后，夜間交通事故中的受傷人數(shù)減少了24%，夜間交通事故總數(shù)減少了33%[2]。此后，Roshandeh等人通過(guò)對(duì)芝加哥357個(gè)交叉口的事故碰撞信息進(jìn)行分析，發(fā)現(xiàn)在夜間交叉口處的事故多數(shù)發(fā)生在車輛與自行車、行人之間，且有無(wú)照明對(duì)碰撞頻率的影響較大[3]。

　　Bullough等人對(duì)美國(guó)明尼蘇達(dá)州不同類型的交叉口進(jìn)行研究，發(fā)現(xiàn)照明能夠使交叉口碰撞頻率降低12%[4]。在我國(guó)，根據(jù)吉林省交警總隊(duì)提供的數(shù)據(jù)，2015年至2017年，吉林省6個(gè)夜間無(wú)照明公路交叉口共發(fā)生63起死亡事故，其中47起是機(jī)動(dòng)車駕駛?cè)艘蛞暰�不良，未及時(shí)注意路邊或交叉口的行人、非機(jī)動(dòng)車造成的。由上述統(tǒng)計(jì)數(shù)據(jù)可知，在公路交叉口及附近路段布設(shè)照明裝置可以有效提高交通安全水平。隨著研究的深入，更多學(xué)者從內(nèi)在機(jī)理上去探究照明和限速對(duì)分析兩種因素對(duì)駕駛?cè)水a(chǎn)生負(fù)面效應(yīng)的內(nèi)在機(jī)理，相關(guān)研究可分為兩方面。

　　一方面是基于歷史事故數(shù)據(jù)的照明和限速評(píng)價(jià)研究。相關(guān)的研究包括：Hu利用美國(guó)猶他州鄉(xiāng)村州際公路在限速?gòu)?5mph提高到80mph后的車速數(shù)據(jù)，分析了提高限速對(duì)車速和速度變化的影響。結(jié)果表明提高限速會(huì)產(chǎn)生更高的行駛速度，并增加車速超過(guò)新限速的可能性，最終導(dǎo)致受傷或死亡碰撞大幅度增加[5]。

　　Himes等人分析了弗吉尼亞州鄉(xiāng)村州際公路在限速?gòu)?5mph提高到70mph后的事故數(shù)據(jù)。他們發(fā)現(xiàn)道路類型的改善可以有助于抵消提高限速對(duì)交通安全的影響[6]。Ardakani等人通過(guò)對(duì)不同類型農(nóng)村道路和限速下的碰撞事故進(jìn)行調(diào)查，將駕駛?cè)说哪挲g、性別，車輛的速度、重量和軸距作為描述性變量， 利用ANN人工神經(jīng)網(wǎng)絡(luò)對(duì)碰撞事故中兩輛車駕駛員受傷的嚴(yán)重程度進(jìn)行訓(xùn)練，提出了不同類型農(nóng)村公路的最佳限速方案[7]。

　　Huang等人分析了中國(guó)安徽省一處高速公路養(yǎng)護(hù)區(qū)內(nèi)不同區(qū)域的速度差以及重型車(HDV)和輕型車(LDV)車間的速度差，并根據(jù)夜間速度的分布特點(diǎn)，給出了維修作業(yè)區(qū)夜間限速模型[8]。Sakhare等人使用美國(guó)印第安納州商用連接車的速度數(shù)據(jù)，評(píng)估了照明環(huán)境和限速對(duì)夜間駕駛?cè)怂俣鹊挠绊憽＝Y(jié)果表明，在夜間施工區(qū)設(shè)置照明有助于提高駕駛?cè)藢?duì)限速的遵從性[9]。另一種研究思路是基于駕駛?cè)艘曈X(jué)識(shí)別能力和速度估計(jì)的照明和限速評(píng)價(jià)研究。

　　例如Jgerbrand和Sjbergh使用多元自適應(yīng)回歸模型評(píng)估車速對(duì)夜間交通安全的影響，發(fā)現(xiàn)駕駛?cè)宋茨芨鶕?jù)周圍環(huán)境的能見(jiàn)度來(lái)調(diào)整車速是夜間交通事故頻發(fā)的重要原因[10]。李安祺等人通過(guò)實(shí)車道路實(shí)驗(yàn)對(duì)駕駛?cè)说囊挂暳σ约把９馇闆r進(jìn)行了分析。結(jié)果表明，若照明過(guò)暗，駕駛?cè)穗y以及時(shí)發(fā)現(xiàn)障礙物與其他車輛，易發(fā)生交通事故;若照明過(guò)亮，會(huì)導(dǎo)致駕駛?cè)顺霈F(xiàn)眩目現(xiàn)象，導(dǎo)致駕駛員短暫的無(wú)法視物，極易造成事故，對(duì)公路交通安全產(chǎn)生嚴(yán)重影響[11]。

　　程國(guó)柱等人為實(shí)現(xiàn)對(duì)高速公路擴(kuò)改建工作區(qū)的限速標(biāo)志間距值的合理選取，通過(guò)構(gòu)建駕駛?cè)艘曊J(rèn)距離計(jì)算模型，并分析車輛晝夜逐級(jí)減速過(guò)程中的平均減速度特性，最終提出了一種基于駕駛?cè)颂匦缘臐u變限速標(biāo)志間距的計(jì)算方法[12-13]。薛長(zhǎng)龍等人基于駕駛?cè)艘归g的視認(rèn)特性和制動(dòng)特性，建立了駕駛?cè)酥苿?dòng)距離模型和視認(rèn)距離模型，并結(jié)合上述兩個(gè)模型確定了高速公路改擴(kuò)建工作區(qū)上游限速值的計(jì)算方法[14]。

　　可以看出，研究者們均認(rèn)為合理設(shè)置交叉口附近的照明和限速有助于提高交通安全水平，但目前大多數(shù)研究成果僅統(tǒng)計(jì)分析照明或者限速改變情況下事故數(shù)的變化，并未對(duì)公路交叉口環(huán)境下它們的關(guān)系進(jìn)行系統(tǒng)研究，難以從理論上揭示照明和限速對(duì)交通安全的影響機(jī)理。而且駕駛?cè)送ㄟ^(guò)視覺(jué)感知駕駛環(huán)境，且照明、車速都會(huì)對(duì)駕駛?cè)说囊暰唷⒁曇爱a(chǎn)生較大影響，因此在優(yōu)化交通環(huán)境時(shí)應(yīng)考慮照明與速度的匹配。

　　但目前針對(duì)交叉口照明和限速對(duì)駕駛?cè)艘曈X(jué)特性各參數(shù)影響的研究卻少有深入，缺少對(duì)駕駛?cè)艘曈X(jué)特征參數(shù)在交叉口不同照明水平下變化情況的量化研究。通過(guò)在研究限速和照明共同作用下對(duì)駕駛?cè)艘曈X(jué)搜索行為的影響，總結(jié)照明和速度對(duì)視覺(jué)搜索特性的具體作用機(jī)制，可為照明水平和速度如何影響交通安全提供理論依據(jù)。 為解決夜間駕駛?cè)嗽谌鄙僬彰鳁l件的村鎮(zhèn)附近無(wú)信號(hào)公路交叉口處，車輛與自行車、行人之間極易發(fā)生交通事故的問(wèn)題，本文將針對(duì)公路交叉口不同照明條件限速方案下的駕駛?cè)艘曈X(jué)認(rèn)知特性進(jìn)行研究。

　　首先分析視覺(jué)搜索行為的運(yùn)行機(jī)制，基于注意分配理論建立駕駛?cè)艘归g行車過(guò)程注意分配指標(biāo)，并結(jié)合logistic建立駕駛?cè)艘曈X(jué)搜索能力量化模型，其次基于視覺(jué)搜索能力量化模型中的注意分配指標(biāo)設(shè)計(jì)并完成交叉口段實(shí)驗(yàn)，接下來(lái)對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理和統(tǒng)計(jì)分析，并對(duì)視覺(jué)搜索能力量化模型進(jìn)行了驗(yàn)證，最后根據(jù)模型計(jì)算結(jié)果進(jìn)行交叉口區(qū)域不同限速照明方案的對(duì)比并給出合理的限速照明方案。

　　1視覺(jué)搜索能力量化模型建立

　　駕駛?cè)酥饕�通過(guò)視覺(jué)來(lái)感知外界交通信息[15]。交叉口附近影響駕駛安全的主要因素是駕駛?cè)耸欠衲芗皶r(shí)發(fā)現(xiàn)出現(xiàn)在支路上的道路使用者，視覺(jué)搜索能力是評(píng)價(jià)駕駛?cè)嗽谔囟ň�形及環(huán)境的道路上駕駛車輛時(shí)，能否及時(shí)發(fā)現(xiàn)突發(fā)事件的能力。當(dāng)駕駛?cè)嗽谶M(jìn)行視覺(jué)搜索任務(wù)時(shí)，駕駛?cè)耸紫壤�用頭部和眼球的運(yùn)動(dòng)將能夠分辨細(xì)節(jié)的視網(wǎng)膜中央凹移動(dòng)到需要獲取信息的區(qū)域，然后通過(guò)視神經(jīng)將視覺(jué)信息傳導(dǎo)至大腦視覺(jué)中樞產(chǎn)生視覺(jué)，最后根據(jù)駕駛經(jīng)驗(yàn)對(duì)信息進(jìn)行處理與判斷[16]，因此駕駛?cè)说难蹌?dòng)行為會(huì)對(duì)視覺(jué)搜索能力產(chǎn)生著較大的影響。涉及到的視覺(jué)特性主要包括駕駛?cè)艘曇啊⒆⒁夥植技稗D(zhuǎn)移和注視時(shí)間等。使用眼動(dòng)數(shù)據(jù)研究駕駛?cè)说淖⒁饬Ψ峙溥^(guò)程和視覺(jué)搜索能力前，需要對(duì)駕駛?cè)艘曇斑M(jìn)行區(qū)域劃分，將劃分后的不同區(qū)域稱為興趣區(qū)域(AreaofInterest，AOI)。

　　本文采用情景分層法，根據(jù)研究的問(wèn)題將視野中的情景劃分為多個(gè)區(qū)域，再根據(jù)視頻調(diào)整所劃分區(qū)域，使選取的情景始終保持在所劃分的區(qū)域中[17]。根據(jù)圖片中場(chǎng)景的實(shí)際物理意義將駕駛?cè)伺d趣區(qū)域劃分為道路左外側(cè)、道路遠(yuǎn)方、道路右外側(cè)、道路左內(nèi)側(cè)、道路前方、道路右內(nèi)側(cè)和儀表盤7個(gè)區(qū)域。視覺(jué)搜索的控制策略包含自下而上的刺激驅(qū)動(dòng)和自上而下的任務(wù)驅(qū)動(dòng)，其中由刺激屬性引起的、不受個(gè)體的目標(biāo)或期望影響的注意轉(zhuǎn)移被稱為刺激驅(qū)動(dòng)，由個(gè)體的意圖或期望而引發(fā)的注意轉(zhuǎn)移被稱為任務(wù)驅(qū)動(dòng)[18]。

　　由于注意分配模型在刺激驅(qū)動(dòng)和任務(wù)驅(qū)動(dòng)控制策略理論基礎(chǔ)上結(jié)合認(rèn)知過(guò)程發(fā)展而來(lái)的，因此本文采用注意分配模型描述駕駛?cè)艘曈X(jué)搜索行為的運(yùn)行機(jī)制，該模型認(rèn)為執(zhí)行任務(wù)中的視覺(jué)搜索過(guò)程由四個(gè)因素驅(qū)動(dòng)[19]，分別是由物理屬性引起注意的顯著性(Significance)，將搜索行為重新分配到新的興趣區(qū)域上所花費(fèi)的努力Ef(Effort)，從某一興趣區(qū)域獲得信息的可能性即期望Ex(Expectation)，以及該區(qū)域任務(wù)的重要性即價(jià)值(Value)。

　　接下來(lái)根據(jù)本文研究的問(wèn)題對(duì)上述四個(gè)參數(shù)作出具體解釋。是各AOI及AOI中物體的物理屬性引起搜索行為的可能性，夜間駕駛時(shí)在路燈和車前燈的共同作用下可提高環(huán)境亮度，進(jìn)而提高應(yīng)激事件出現(xiàn)時(shí)駕駛?cè)水a(chǎn)生搜索行為的可能性。由于圖片的灰度值可保留圖片中的亮度信息，因此本文利用AOI內(nèi)的圖片灰度值來(lái)表征顯著性這一參數(shù)。

　　采用由紅(R)、綠(G)、藍(lán)(B)三原色組成的圖像像素值作為輸入，通過(guò)對(duì)AOI內(nèi)的圖片像素的數(shù)值進(jìn)行融合為灰度圖像，把白色與黑色之間劃分成各個(gè)“灰度等級(jí)”，其范圍在0–255，0代表純黑，255代表純白。目前常見(jiàn)的灰度計(jì)算方法有最大值灰度法、平均灰度法以及加權(quán)灰度法，其中加權(quán)灰度法是按照人眼對(duì)原色的敏感度，分別給賦予不同的權(quán)重后進(jìn)行加權(quán)平均計(jì)算，該方法較符合人眼對(duì)顏色空間的感知[20]。

　　Ef是駕駛?cè)藢⑺阉餍袨橹匦路峙涞叫翧OI上的難易程度。注意轉(zhuǎn)移前后的AOI間相對(duì)轉(zhuǎn)移距離越大，駕駛?cè)嗽趯⒆⒁廪D(zhuǎn)移到其他區(qū)域所花費(fèi)的努力越大，同時(shí)，當(dāng)車速變大后，由于“隧道視”現(xiàn)象，凝視點(diǎn)分布面積將被壓縮，駕駛?cè)嗽趯⒆⒁廪D(zhuǎn)移到其他區(qū)域所花費(fèi)的努力也將越大，因此使用各個(gè)AOI之間相對(duì)轉(zhuǎn)移距離和凝視點(diǎn)分布面積來(lái)表示。各AOI中心相對(duì)轉(zhuǎn)移距離RD計(jì)算方法為：根據(jù)各興趣區(qū)域的頂點(diǎn)像素坐標(biāo)計(jì)算出第個(gè)興趣區(qū)域的幾何中心，并根據(jù)各興趣區(qū)域的幾何中心，計(jì)算出興趣區(qū)域與其它興趣區(qū)域幾何中心的相對(duì)距離Rd，最后對(duì)其進(jìn)行歸一化處理。

　　由于視覺(jué)搜索能力是評(píng)價(jià)駕駛?cè)四芊窦皶r(shí)發(fā)現(xiàn)突發(fā)事件的能力，因此將駕駛?cè)说囊曈X(jué)搜索能力分為安全和危險(xiǎn)兩類，標(biāo)簽設(shè)定依據(jù)為車輛完全制動(dòng)時(shí)車頭與突發(fā)事件前進(jìn)方向的垂直距離，該預(yù)留距離為安全距離，安全距離一般取5~10m。由于夜間行車危險(xiǎn)程度高，因此安全距離取其范圍的最大值10m作為分類閾值。本文研究問(wèn)題中的因變量為二分類的分類變量，為將駕駛?cè)俗⒁夥峙渲笜?biāo)同駕駛?cè)说囊曈X(jué)搜索能力構(gòu)建聯(lián)系，采用logistics回歸對(duì)駕駛?cè)说囊曈X(jué)搜索能力進(jìn)行預(yù)測(cè)。logistics回歸作為一種廣義的線性回歸分析模型，其優(yōu)勢(shì)就是可以解決因變量不是連續(xù)變量的回歸問(wèn)題，并利用最大似然法來(lái)解決方程估計(jì)和檢驗(yàn)問(wèn)題[21]。

　　2實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集

　　2.1實(shí)驗(yàn)參數(shù)設(shè)計(jì)

　　為獲取公路照明及表征視覺(jué)搜索能力的四個(gè)驅(qū)動(dòng)因素，設(shè)計(jì)并搭建四種照明和六種限速場(chǎng)景對(duì)駕駛?cè)艘曈X(jué)搜索進(jìn)行研究。實(shí)驗(yàn)中的四種照明方案分別為無(wú)照明、較暗照明、正常照明、較亮照明。其中無(wú)照明下的路面平均照度為0lx。

　　由于目前世界上大多數(shù)國(guó)家公路都不設(shè)置照明，導(dǎo)致針對(duì)公路照明設(shè)計(jì)方面投入的研究工作較少[22]，因此本文參考城市道路的路燈設(shè)置標(biāo)準(zhǔn)。本文研究的交叉口屬于次干路與支路交叉口，根據(jù)《中國(guó)城市道路照明設(shè)計(jì)標(biāo)準(zhǔn)CJJ45-2015》，該類交叉口處的路面平均照度維持值應(yīng)在20–30lx之間[23]，因此將正常照明下的路面平均照度設(shè)為20lx，并取正常照度下路面平均照度的50%亮度作為較暗照明，為10lx。

　　在正常照明范圍的基礎(chǔ)上增加5lx，即35lx作為較亮照明。最終四種照明方案對(duì)應(yīng)的路面平均照度分別為0lx、10lx、20lx和35lx。根據(jù)村鎮(zhèn)附近公路的限速應(yīng)不大于80km/h，因此將六種限速依次設(shè)為30 km/h、40km/h、50km/h、60km/h、70km/h、80km/h。

　　2.2模擬駕駛實(shí)驗(yàn)平臺(tái)搭建

　　駕駛模擬器是UC-win/Road，數(shù)控照明裝置由晶閘管控制模塊Atmega328、LED燈和基于LabVIEW開(kāi)發(fā)的上位機(jī)組成，并利用駕駛?cè)搜鄄扛浇�照�?illuminancenearthedriver'seyes,INDE)還原室外照明環(huán)境下路燈照度對(duì)駕駛?cè)艘曈X(jué)特性的影響。根據(jù)我們先前實(shí)驗(yàn)的測(cè)量結(jié)果，在0lx、10lx、20lx、35lx四種路面平均照度下，INDE分別為0.5lx、3.2lx、6.7lx、11.6lx。利用TobiiGlassespro2便攜式眼動(dòng)儀采集駕駛?cè)说难蹌?dòng)數(shù)據(jù)和瞳孔面積。

　　為了驗(yàn)證室內(nèi)模擬實(shí)驗(yàn)的有效性，我們選用瞳孔面積作駕駛?cè)艘曈X(jué)特性的表征參數(shù)進(jìn)行了對(duì)比試驗(yàn)。共有五名參與者參加了測(cè)試，分別在真實(shí)道路和室內(nèi)模擬平臺(tái)采集同一INDE下的瞳孔面積。在室內(nèi)模擬實(shí)驗(yàn)的INDE范圍內(nèi)選取0.4lx、2.2lx、5.1lx、7.3lx、8.9lx和12.3lx六種照明場(chǎng)景進(jìn)行測(cè)試，并得到五名參與者在同一INDE下室內(nèi)和室外的瞳孔面積散點(diǎn)。室內(nèi)瞳孔面積與室外瞳孔面積的皮爾遜相關(guān)系數(shù)為0.984(<0.001)，表明它們之間存在顯著的線性相關(guān)。室內(nèi)瞳孔面積與室外瞳孔面積之間絕對(duì)誤差的均值和標(biāo)準(zhǔn)差分別為0.732mm2和0.459mm2。

　　該結(jié)果進(jìn)一步驗(yàn)證了模擬照明條件可以模擬室外環(huán)境下路燈照度對(duì)駕駛?cè)艘曈X(jué)特性的影響。模擬駕駛場(chǎng)景包括四條雙向四車道的主要道路和四條雙向兩車道的次要道路，它們共形成四個(gè)十字交叉口，其中單條車道寬度為3.5m。路燈間距應(yīng)在25~50m，且模擬場(chǎng)景中選用的路燈燈桿長(zhǎng)度為12m，其間距應(yīng)為32~36m因此模擬場(chǎng)景中的路燈間距設(shè)為35m。

　　2.3模擬駕駛實(shí)驗(yàn)方案設(shè)計(jì)

　　實(shí)驗(yàn)中的突發(fā)事件包括自行車和行人兩種事件類型，行人和自行車出現(xiàn)時(shí)的場(chǎng)景圖片。被試者駕駛車輛到達(dá)沖突點(diǎn)前特定位置會(huì)自動(dòng)觸發(fā)突發(fā)事件，后文將該特定位置與沖突點(diǎn)的距離稱為“觸發(fā)距離”。

　　突發(fā)事件出現(xiàn)位置為次要道路左側(cè)車道，主要道路前方對(duì)向車道和次要道路右側(cè)車道，每一組合的突發(fā)事件路徑、初始位置、速度均是一致的。突發(fā)事件所設(shè)置的自行車和行人都向著垂直于主要道路方向勻速前進(jìn)，其中自行車的速度是12km/h，行人的速度是4km/h。實(shí)驗(yàn)過(guò)程中要求駕駛?cè)朔謩e以30、40、50、60、70、80km/h車速行駛。由于行人速度較慢，因此觸發(fā)情況設(shè)置為車輛一直不減速剛好會(huì)與行人發(fā)生碰撞;而自行車速度較快，設(shè)置的觸發(fā)情況為如果駕駛?cè)瞬辉诳吹绞录�時(shí)立即制動(dòng)，也會(huì)發(fā)生碰撞。

　　根據(jù)我們此前關(guān)于駕駛?cè)藢?duì)交叉口左右兩側(cè)突發(fā)事件的視覺(jué)搜索行為數(shù)據(jù)的分析，駕駛?cè)嗽谶M(jìn)入交叉口前一般先觀察左側(cè)情況，后觀察右側(cè)情況，而且右側(cè)區(qū)域留給駕駛?cè)说乃阉骺臻g更加狹窄，導(dǎo)致右側(cè)出現(xiàn)的突發(fā)事件更加危險(xiǎn)，因此本文主要研究駕駛?cè)藢?duì)右側(cè)出現(xiàn)的突發(fā)事件的搜索能力。

　　但考慮到若將突發(fā)事件全部設(shè)置為右側(cè)出現(xiàn)，被試者將只關(guān)注右側(cè)區(qū)域，而實(shí)際情況中駕駛?cè)嗽谝归g經(jīng)過(guò)交叉口時(shí)注意力大部分依然放在前方，同時(shí)掃視左右兩側(cè)，所以設(shè)置從道路左側(cè)和前方出現(xiàn)的突發(fā)事件作為干擾因素，以減少被試者對(duì)右側(cè)的過(guò)度關(guān)注，影響實(shí)驗(yàn)數(shù)據(jù)的可靠性。實(shí)驗(yàn)中將突發(fā)事件出現(xiàn)在道路右側(cè)方案組合稱為有效方案，共計(jì)24個(gè)。

　　將突發(fā)事件出現(xiàn)在道路左側(cè)和前方的方案稱為干擾方案，其中突發(fā)事件出現(xiàn)在道路左側(cè)和前方的方案各4個(gè)，共計(jì)8個(gè)。道路右側(cè)的組合方案和道路左側(cè)、前方的組合方案主要區(qū)別僅在于突發(fā)事件分別是從交叉口的右側(cè)、左側(cè)和前方對(duì)向車道出現(xiàn)并與駕駛?cè)塑囕v構(gòu)成沖突點(diǎn)。三種組合方案的突發(fā)事件類型和其他參數(shù)設(shè)定均保持一致。每個(gè)駕駛?cè)死塾?jì)完成32次實(shí)驗(yàn)，有效方案和干擾方案呈現(xiàn)順序隨機(jī)排列。在實(shí)驗(yàn)開(kāi)始前，駕駛?cè)耸紫冗M(jìn)行20分鐘的模擬駕駛操作練習(xí)，該練習(xí)的目的是幫助駕駛?cè)耸煜ゑ{駛環(huán)境、車速的控制能力以及車輛制動(dòng)性能，使駕駛?cè)丝梢员３窒鄬?duì)穩(wěn)定的操作能力完成實(shí)驗(yàn)。

　　16名男性和14名女性參與實(shí)驗(yàn)，年齡分布在22至34周歲之間(均值為26.17，標(biāo)準(zhǔn)差為2.72)，駕齡均不少于兩年。實(shí)驗(yàn)流程如下：Step1：駕駛?cè)笋{駛車輛以當(dāng)前限速最大速度勻速行駛，在到達(dá)交叉口前特定位置會(huì)自動(dòng)觸發(fā)突發(fā)事件，駕駛?cè)舜_定發(fā)現(xiàn)突發(fā)事件時(shí)，立刻采取制動(dòng)至車輛完全停止;Step2：工作人員記錄駕駛?cè)说难蹌?dòng)數(shù)據(jù)以及駕駛模擬器中的車輛行駛時(shí)間、速度、行駛位移、制動(dòng)踏板開(kāi)度和制動(dòng)減速度等數(shù)據(jù);Step3：重復(fù)上述流程完成該名駕駛?cè)说娜�部�?shí)驗(yàn)。

　　3駕駛?cè)艘曈X(jué)搜索行為指標(biāo)分析

　　根據(jù)第一節(jié)建立的視覺(jué)搜索能力量化模型中關(guān)于眼動(dòng)行為的參數(shù)，在眼動(dòng)儀中提取駕駛?cè)嗽谒阉鬟^(guò)程中的注視點(diǎn)坐標(biāo)，然后根據(jù)式(2)至式(9)依次計(jì)算駕駛?cè)四�視點(diǎn)分布面積、注視點(diǎn)一次轉(zhuǎn)移概率矩陣和累計(jì)注視時(shí)間百分比，三種指標(biāo)分別代表駕駛?cè)嗽谶M(jìn)行視覺(jué)搜索時(shí)三個(gè)重要的搜索特性：注意范圍、注意轉(zhuǎn)移過(guò)程和注意時(shí)間。

　　通過(guò)對(duì)模型中的三種指標(biāo)進(jìn)行統(tǒng)計(jì)分析，可以得到照明和車速對(duì)注意范圍、注意轉(zhuǎn)移過(guò)程和注意時(shí)間的影響情況。雙因素方差分析法是一種統(tǒng)計(jì)分析方法，可以用來(lái)分析兩個(gè)因素的不同水平對(duì)最終結(jié)果是否有顯著影響，以及兩因素之間是否存在交互作用影響結(jié)果，從而確定可控因素對(duì)研究結(jié)果影響力的大小。

　　本文研究在公路交叉口照明和車速的共同作用下，這兩種因素對(duì)駕駛?cè)艘曈X(jué)搜索能力的影響，因此選用有交互作用的雙因素方差分析較為適合，問(wèn)題的基本假設(shè)是照明和車速的結(jié)合會(huì)產(chǎn)生出一種新的效應(yīng)，進(jìn)而共同對(duì)駕駛?cè)说囊曈X(jué)搜索能力產(chǎn)生影響。行人組實(shí)驗(yàn)中在不同照明條件下平穩(wěn)分布概率均值。

　　可以看出，隨著照明條件提高，道路右外側(cè)區(qū)域平穩(wěn)分布概率下降，且較亮照明條件下道路右外側(cè)區(qū)域平穩(wěn)分布概率水平最低，說(shuō)明駕駛?cè)嗽谠撜彰鳁l件下不需要做出大幅度搜索行為即可發(fā)現(xiàn)突發(fā)事件。較暗照明和正常照明之間沒(méi)有明顯差異，說(shuō)明兩種照明條件對(duì)駕駛?cè)艘曈X(jué)搜索行為的影響不大。

　　自行車組和行人組的平穩(wěn)分布概率表現(xiàn)說(shuō)明隨著速度增加，駕駛?cè)嗽诮咏�交叉口時(shí)更傾向于將注意分配至突發(fā)事件所在區(qū)域，并且只有在駕駛?cè)说念A(yù)留搜索時(shí)間足夠長(zhǎng)時(shí)，照明這一因素才會(huì)對(duì)駕駛?cè)怂阉餍袨楫a(chǎn)生影響，因此設(shè)置公路交叉口照明區(qū)域時(shí)，應(yīng)適當(dāng)增加照明區(qū)域的長(zhǎng)度，給駕駛?cè)祟A(yù)留更長(zhǎng)的搜索時(shí)間，這樣才能提高照明區(qū)域的效果。

　　4模型驗(yàn)證及方案對(duì)比

　　4.1模型驗(yàn)證

　　分別在自行車組和行人組中取13人作為訓(xùn)練樣本，7人為測(cè)試樣本。利用SPSS數(shù)據(jù)分析軟件計(jì)算自行車組和行人組測(cè)試集結(jié)果，由于自行車組和行人組中的危險(xiǎn)樣本量相比安全樣本量小很多，因此將分界值取0.9。

　　自行車組的安全分類正確百分比為94.70%，危險(xiǎn)分類正確百分比為82.35%，總體正確百分比為93.45%，行人組的安全分類正確百分比為94.23%，危險(xiǎn)分類正確百分比為83.33%，總體正確百分比為93.45%。表明采用本文所述的視覺(jué)搜索能力量化指標(biāo)可以較好的對(duì)駕駛?cè)说乃阉髂芰�進(jìn)行評(píng)價(jià)和預(yù)測(cè)。

　　隨著車速的提高，駕駛?cè)酥�間視覺(jué)搜索能力個(gè)體差異越明顯。而且在4種照明條件下，30km/h、40km/h、50km/h視覺(jué)搜索能力量化值標(biāo)準(zhǔn)差均小于0.01，說(shuō)明在不同的照明水平下，當(dāng)車速不超過(guò)50km/h時(shí)，不同駕駛?cè)碎g的視覺(jué)搜索能力差異較小。此外，隨著照明條件提高，駕駛?cè)艘曈X(jué)搜索能力量化值標(biāo)準(zhǔn)差減小，說(shuō)明隨著照明條件改善，駕駛?cè)碎g的視覺(jué)搜索能力差異會(huì)逐漸縮小。

　　上述統(tǒng)計(jì)結(jié)果表明，降低限速、提高照明可以縮小駕駛?cè)碎g的個(gè)體差異性，使視覺(jué)搜索能力較差的駕駛?cè)藫碛信c視覺(jué)搜索能力較強(qiáng)的駕駛?cè)讼嗤�的安全駕駛條件。當(dāng)車速不超過(guò)50km/h時(shí)，不同駕駛?cè)碎g的視覺(jué)搜索能力差異較小，且在此限速下，當(dāng)路面平均照度應(yīng)不低于10lx時(shí)可保證駕駛?cè)嗽?0m安全距離下不發(fā)生碰撞事故。因此在保證安全的前提下，考慮到農(nóng)村城鎮(zhèn)附近交叉口設(shè)置路燈的經(jīng)濟(jì)成本和駕駛?cè)说耐ㄐ行�率，交叉口段的最高限速�?yīng)設(shè)置為50km/h，路面平均照度應(yīng)不低于10lx。在此基礎(chǔ)上，若想進(jìn)一步提高交叉口的通行效率，將路面平均照度提高至20lx。

　　5結(jié)論

　　本文得到的主要結(jié)論如下：

　　(1)基于注意分配理論將駕駛?cè)艘曇皥D片的像素亮度、凝視點(diǎn)分布面積、注視點(diǎn)一次馬爾可夫平穩(wěn)分布和累計(jì)注視時(shí)間百分比作為注意分配指標(biāo)，并結(jié)合logistics回歸構(gòu)建視覺(jué)搜索能力量化模型。模型的總體分類正確百分比為93.45%，可以較好地實(shí)現(xiàn)對(duì)駕駛?cè)说乃阉髂芰�進(jìn)行評(píng)價(jià)和預(yù)測(cè)。

　　(2)駕駛?cè)艘归g行車時(shí)，當(dāng)車速提高后，增加照明可降低駕駛?cè)嗽诓煌珹OI間進(jìn)行注意轉(zhuǎn)移時(shí)的難度，緩解由于“隧道視”現(xiàn)象對(duì)注意范圍的聚集效應(yīng)、進(jìn)而增加突發(fā)事件所在區(qū)域的累計(jì)注視時(shí)間百分比，最終提高駕駛?cè)艘曈X(jué)搜索能力分配值，降低交通事故發(fā)生的概率。

　　(3)通過(guò)統(tǒng)計(jì)實(shí)驗(yàn)中的危險(xiǎn)實(shí)驗(yàn)次數(shù)、視覺(jué)搜索能力分配值均值和標(biāo)準(zhǔn)差對(duì)不同照明、限速方案進(jìn)行對(duì)比分析，結(jié)果表明相對(duì)于設(shè)置照明，降低限速對(duì)提高駕駛?cè)艘曈X(jué)搜索能力的效益更高。為確保夜間行車安全，農(nóng)村城鎮(zhèn)附近公路交叉口段最高限速應(yīng)設(shè)為50km/h，設(shè)置照明后的路面平均照度應(yīng)不低于10lx，若想進(jìn)一步提高交叉口的通行效率，將路面平均照度提高至20lx。

　　(4)由于實(shí)驗(yàn)最高車速僅為80km/h，因此，所得研究結(jié)論對(duì)于拓展到高速狀態(tài)下，駕駛?cè)嗽谑苷斩群拖匏儆绊憰r(shí)對(duì)駕駛?cè)俗⒁夥秶�、注意轉(zhuǎn)移、各區(qū)域注視時(shí)間的規(guī)律需進(jìn)一步驗(yàn)證。

　　參考文獻(xiàn)：

　　[1]MonsereCM,FischerEL.Safetyeffectsofreducingfreewayilluminationforenergyconservation[J].AccidentAnalysisandPrevention,2008,40(5):1773-1780.

　　[2]GoswamyA,HallmarkS,LitteralT,etal.Safetyevaluationofdestinationlightingtreatmentatstopcontrolledcross-intersections[J].Transportationresearchrecord,2018,2672(16):113-121.

　　[3]ArashM.Roshandeh,BismarkR.D.K.Agbelie,YongdooLee.Statisticalmodelingoftotalcrashfrequencyathighwayintersections[J].JournalofTrafficandTransportationEngineering(EnglishEdition),2016,3(2):166-171.

　　作者：李洪濤1，王琳虹1，李俊達(dá)2