基于GPS行车轨迹的混合交通流环境下驾驶行为分析∗

温惠英，刘敏

（华南理工大学土木与交通学院，广东广州 510640）

基于GPS行车轨迹的混合交通流环境下驾驶行为分析∗

温惠英，刘敏

（华南理工大学土木与交通学院，广东广州 510640）

混合交通流环境极为复杂多变，存在各种干扰因素和突发因素，其对机动车驾驶员驾驶行为的干扰极大，极易导致各种交通事故。文中采用高精度GPS（全球定位系统）导航定位仪采集人流密集的校园中车辆的行驶轨迹数据，通过从轨迹数据中提取超速、急加速、急减速、停车次数、停车时间、加速次数、减速次数等数据对驾驶员驾驶行为进行分析，总结复杂混合交通流环境下驾驶员的行车特性，为混合交通流环境下机动车安全驾驶提供建议。

公路交通；混合交通流；驾驶行为；安全驾驶；行车轨迹；GPS（全球定位系统）

混合交通流是一种极为常见的交通环境，尤其是在中国许多城市老城区的无信号控制交叉口及校园、公园等人流密集、机动车数量大的地方。混合交通流环境下的各种复杂因素、突发因素会对驾驶员造成严重干扰，影响其驾驶行为，极易导致驾驶员判断、操作错误而造成交通事故。所以针对混合交通流环境下机动车驾驶员驾驶行为的研究十分有必要。目前国内外关于混合交通流的研究主要集中在交叉口处混合交通流行为的仿真分析及模型建立方面，如张兴强、张晋、田欢欢等采用元胞自动机建立模型进行仿真，以提高交叉口混合交通效率；邝先验、边晓丽、HaTac-Jun等对城市混合交通流状态进行仿真评价，以提高交叉口服务水平。但少有针对混合交通流环境下安全驾驶行为的分析研究。为此，该文采用高精度GPS（全球定位系统）导航定位仪和摄像机采集车辆行驶轨迹数据及车辆运行前方环境，结合视频和车辆行驶轨迹数据分析混合交通流状态下密集人流环境中的驾驶行为特性，找出其危险因素及致因，进而提出改善建议。

1　试验方案与数据处理

试验地点为人流密集的校园。采用高精度GPS导航定位仪（司南北斗/GNSS高精度接收机）采集车辆行驶轨迹数据及佳能（Canon）LEGHRIA -FS46-41X摄像机同步记录车辆运行前方环境。选用灰色大众NewSantana新桑塔纳1.6L自动小型轿车作为试验车辆，驾驶员为驾驶经验丰富，且熟悉校园道路交通状况的老驾驶员。

1.1试验方案设计

（1）单点定位试验设计。在晴朗天气下，在道路人流高峰时段，选取光线充足、学生人流较密集的道路进行试验。在车辆上装备单点高精度移动基站GPS导航定位仪即M600试验设备；在车辆前排副驾驶位置架设摄像机，记录车辆运行过程中道路前方及周边环境。

（2）差分定位试验设计。以单点定位试验方案为基础，在校园制高点架设固定参考基站设备M300，并与M600移动基站通信连接，进行差分定位试验。

1.2试验方案实施

（1）试验人员分工。试验人员共3人，分别负责驾车（司机）、GPS试验设备操作、摄像机摄像。试验开始前，GPS设备操作人员完成GPS主机配置命令设置，包括M300基准站经纬度坐标和高程参数获取及配置，M600主机主、从站报文命令即PJK（当地平面坐标）、GPTRA（方位角）、GPVTG（地面速度）、HEADINGA（方位角）、GPGGA（经纬度坐标）、BESTPOSA（位置坐标）及相关信息输出端口命令设置。

（2）试验设备时间同步校准。试验开始前进行摄像机、GPS试验仪器（M600）时间同步及试验起始时刻同步校准。

1.3试验数据处理

由于M600主机GPS定位设备输出的经纬度坐标是lll.lllll形式，并非标准大地经纬度坐标（WGS84），需对其进行转换处理。各输出报文所包含的关键数据形式见表1。

表1　GPS设备关键报文输出参数

对实车试验数据进行预处理，采用SQL2010数据库系统对GPS数据进行异常数据剔除和数据形式转换、冗余数据筛选及车辆速度和加速度计算，采用经纬度坐标、高程信息绘制车辆行驶轨迹图。步骤如下：1）使用SQL数据库管理软件筛选报文参数GPGGA（经纬度坐标信息）中的经度、纬度和高程数据；2）对经纬度坐标数据格式进行转换，使之成为标准的WGS84坐标格式，并将其转换为能供Google Earth识别处理的KML格式文件；3）将KML文件在GoogleEarth中打开，绘制试验路线图。

采用MATLAB软件对预处理后的结果进行分析，统计车辆超速比例、车速分布、加速度分布、停车时间、低速运行时间及加减速次数等数据，以时间为参考对照摄像视频分析车辆运行特性。

2　试验结果与分析

2.1试验路线图绘制

进行2组试验，试验时长分别为16.1min（966 s）和19.8min（1190s），试验路线、车辆驾驶人员及试验人员均相同，其中第一次为单点定位试验、第二次为组合定位试验。在GoogleEarth中绘制GPS轨迹图（见图1）。

图1　GPS轨迹图

2.2行车速度分析

校园中人流多、干扰多、交通混合程度高，高速行车更容易造成人车或机非交通事故，故校园区域限速为20km/h。作如下规定：在校园混合交通环境中，若车速超过20km/h，则认为发生超速行为。根据试验结果分析车辆行驶过程中的速度分布，结果见图2和表2。

图2　行车速度变化趋势

表2　行车速度v分布

由图2和表2可看出：车辆行驶过程中，车速起伏变化较大，多数时间（51.55%）车辆处于超速状态，超速10km/h以内时间占超速总时间的63%，超速10～20km/h及以上的时间相对较少；车速低于10km/h的时间约占22.46%。说明混合交通流对车速存在较大影响。

2.3加速度分析

根据试验结果分析车辆行驶过程中的加速度分布，结果见图3和表3。

图3　加速度变化趋势

表3　加速度分布情况

由图3和表3可看出：车辆行驶过程中，加速度主要分布在-1～1m/s2，虽没有急加速、急减速（加速度大于3m/s2或小于-3m/s2）情况，但整个行车过程中共进行了15次明显的加、减速，加速度值变化频繁，一直处于不稳定状态。这与车辆本身车速较低和校园复杂的混合交通流环境有关。

2.4停车分析

混合交通环境下，车辆为了避让行人和自行车，各出入口进出车辆出现一些非情愿的停车现象。根据试验结果，整个行车过程中共出现7次完全停车状态，停车时刻和长度见表4。

表4　停车时刻与长度　s

由表4可看出：车辆出现长时间停车状态（42、25、24、39s），结合视频分析，停车在人流密集区域避让行人和非机动车、排队等待取门卡情况下发生；347～361s不到15s的时间内车辆连续出现2次完全停车，其中一次停车时间长达25s。说明人流密集、车辆多的复杂环境对驾驶员驾驶行为及行车安全的影响很大。

2.5试验结论

在行人、非机动车、机动车高度混行的校园环境中，机动车速度低，加速度变化频繁，少有急加速和急减速的状况出现，这与校园高度混合交通流环境下车辆速度本身较低、驾驶员为了应对各种可能发生的突发情况或避让密集人流和非机动车而保持高度集中的精神状态有关。由于校园限速过低（20 km/h），车辆时常在一些畅通、行车环境相对较好的路段出现超速情况，但超速值较低，加上驾驶员高度集中的精神状态，交通仍处在相对安全的状态。另外，受校园密集人流和大量车流的影响，车辆经常出现长时间完全停车甚至连续完全停车情况，这对于驾驶员的心理、生理都会产生一定影响，可能导致不合理的驾驶行为，以至于发生安全事故。

3　结论

混合交通流环境下，各种突发情况会对驾驶员驾驶行为、操作产生影响。该文利用高精度GPS定位导航仪进行实车试验获取车辆行驶轨迹信息，进而分析行驶速度、加速度的变化情况和停车信息等，总结混合交通环境下车辆的行为特征，结论如下：

（1）在校园这种混合程度呈现时变性、空间差异性的高混合程度的交通环境下，过低的限速会导致一定程度超速，但在驾驶员高度集中精神的操作下，车速超过值较少，仍在相对安全范围内。

（2）由于混合交通环境下较多干扰的影响，车速和加速度变化频繁，驾驶处在一个对周边交通环境不断探索和调整适应的过程中。

（3）密集的人流和非机动车流会造成长时间、高频率、连续的完全停车，对驾驶员的生理和心理影响较大。

（4）保持低速、高度集中精神的驾驶心态和行为是在混合交通流环境下安全行车的有力保障。

由于试验局限于混合交通程度极高的校园，试验基数较少，数据分析不完善，有必要进一步对混合交通流环境下各种影响因素和驾驶行为进行研究分析，使分析结论更加全面并具有普遍性，为驾驶员的安全驾驶提供合理指导。

［1］ 任慧君，许涛，李响.利用车载GPS轨迹数据实现公交车驾驶安全性分析［J］.武汉大学学报：信息科学版，2014，39（6）.

［2］ 张兴强，汪滢，胡庆华.交叉口混合交通流元胞自动机模型及仿真研究［J］.物理学报，2014，63（1）.

［3］ 张晋.基于元胞自动机的城域混合交通流建模方法研究［D］.杭州：浙江大学，2004.

［4］ 田欢欢，薛郁，康三军，等.元胞自动机混合交通流模型的能耗研究［J］.物理学报，2009，58（7）.

［5］ 邝先验.城市混合交通流微观仿真建模研究［D］.广州：华南理工大学，2014.

［6］ 边晓丽.城市信号交叉路口混合交通流动态参数分析及服务水平评价研究［D］.武汉：武汉理工大学，2012.

［7］ HaTac-Jun，BergWD.Developmentofsafety-based level-of-servicecriteriaforisolatedsignalizedintersections［R］.TransportationResearchRecord，1995.

［8］ 李海琼.不同交通流状态下驾驶行为差异模拟实验研究［D］.昆明：昆明理工大学，2012.

［9］ 张毅，姚丹亚，苏岳龙.混合交通环境下交通参与者行为分析与研究［A］.第二届中国智能交通年会论文集［C］.2006.

［10］ 王晓原.交通流微观仿真与驾驶员行为建模理论及方法［M］.北京：科学出版社，2010.

［11］ 付坤.基于驾驶员与道路环境因素的驾驶行为差错数学分析［D］.长春：吉林大学，2013.

［12］ 张增社.山区公路营运客车驾驶员驾驶行为特性研究［D］.西安：长安大学，2010.

［13］ 曲婷.基于随机模型预测控制的驾驶员行为建模［D］.长春：吉林大学，2015.

［14］ 陈麒元.驾驶员的情绪状态对其驾驶行为的影响［D］.杭州：浙江工业大学，2014.

［15］ 陶鹏飞.基于心理场理论的驾驶行为建模［D］.长春：

吉林大学，2012.

U471.1

A

1671-2668（2016）04-0060-03

∗国家自然科学基金资助项目（51378222）；中央高校基本科研业务费专项资金项目（2014ZG0029）

2016-01-22