弯道工况下驾驶员主观风险感知的量化研究

郭子彬，陈慧，夏韬锴，冉巍，西村要介，王建镇

（1.同济大学汽车学院，上海201804；2.株式会社捷太格特，奈良6348555；3.捷太格特科技研发中心（无锡）有限公司，无锡214161）

前言

车道居中控制系统（lane centering control system，LCCS）是一种常见的高级驾驶辅助系统（advanced driving assistance system，ADAS），系统通过控制转向盘转角将车辆保持在车道中心线行驶。然而，现有的LCCS通常以车辆沿车道中心线行驶为控制目标，而该目标并不符合真实驾驶员的行为习惯，这将降低驾驶员对LCCS的接受度。Spacek的研究表明，在弯道工况，部分驾驶员行驶轨迹与车道中心线存在显著差异。赵斌等基于主观评价实验验证了驾驶员在高速弯道工况对不同的驾驶轨迹存在明显选择倾向。因此，对驾驶员行为的研究是ADAS必不可少的环节。

现有研究表明，驾驶过程中90%的有用信息来自于视觉，且90%的驾驶行为取决于视觉输入。因此，研究视觉感知的基本特性和这些特性如何影响驾驶员的判断和操作是理解驾驶员行为的基 础。驾驶员信息处理过程如图1所示。

图1 驾驶员信息处理过程简化模型

一方面，现有的驾驶员风险感知特性的相关研究局限于对自然驾驶数据的统计分析。Wang等基于采集的自然驾驶数据，建立模拟驾驶员行为的驾驶员模型。Barendswaard等设计分类器，将驾驶员弯道轨迹分成11个类别，代替驾驶员行为模型。但这种方法无法证明其是否符合驾驶员感知特性。文献［9］中研究直线跟车工况下的驾驶员感知特性，主观评价实验验证结果表明，驾驶员对前车接近过程的风险感知可以由指标1/和1/量化描述，且这种感知特性决定了驾驶员的制动和加速行为。

另一方面，弯道工况的车道偏离风险感知特性目前还无人进行实验验证。当车辆通过弯道时，驾驶员通常会调整与边界线的距离，以期能够安全舒适地过弯，这种距离的调整考虑了车辆当前位置和边界线的偏差和对未来一段时间内偏差变化预测的主观风险估计，且风险感知的量化研究有助于理解驾驶员在弯道上的操作。因此为定量确定驾驶员在通过弯道时对风险的主观感知，首先须找出定义车辆与边界线空间关系的物理参数和风险感知心理量的关系。

为解决上述问题，本文中研究分析了高速匝道工况下车道偏离时对驾驶员风险感知的影响因素，并基于驾驶模拟器进行主观评价实验，建立了驾驶员主观风险感知估算模型。然后通过对驾驶员自然驾驶数据的分析验证了所建模型的有效性。

1 主观风险感知的分类与影响因素

有学者将风险感知分为潜在风险（latent risk）和显性风险（overt risk）。在无邻车的弯道驾驶工况中，潜在风险指的是由于操纵行为的不确定性和外部干扰造成的车道偏离碰撞风险，也即使车辆保持当前运动状态行驶而不发生碰撞。显性风险指的是车辆已经发生车道偏离，且没有任何纠正措施导致发生碰撞事故所产生的风险。

受文献［9］对跟车工况下前车接近时风险感知量化的启发，本文中提出基于3种风险感知指标的主观风险感知量化方法，如图2所示。（a）CTLC（curved time to line crossing），表示车辆保持当前速度与横摆角速度行驶时与车道边界线发生接触的时距。（b）STLC（straight time to line crossing），表示车辆保持当前速度和航向角不变时与车道边界线发生触碰的时距。（c）TAD（time to anticipate distance），表示用车辆当前位置到车道边界线的距离除以速度得到的值。对应的计算公式为

图2 风险感知指标示意图

式中：表示轨迹曲率固定时，车辆沿该轨迹行驶到达道路边界的行驶距离；表示车轮转向角为0°时，车辆行驶到达边界的行驶距离；表示车辆当前与车道边线的横向最小距离；表示车速，m/s。

CTLC从时间的角度量化了车辆触碰车道边界线的风险裕度。文献［12］中的理论分析表明，CTLC为解释驾驶员自然驾驶行为对横向位置和速度范围的选择提供强有力的依据。另外，有研究结果表明，驾驶员会通过调整入弯方式来获得较大的STLC，从而降低过弯时的压力。现有研究通常仅在LKA（lane keeping assist）系统中考虑驾驶员的个性化横向偏移偏好。其原因是驾驶员期望避免潜在风险。与此同时，潜在风险的程度还受车速的影响，因此本文提出TAD指标衡量这一驾驶员风险感知特性。

直线跟车工况的风险感知验证实验结果表明，驾驶员通过1/感知与前车的相对关系，而不是。由于研究对象类似，本研究假设风险感知可以由指标1/、1/、1/进行量化。

根据风险感知的分类定义，显性风险可以由指标1/表示。潜在风险由1/和1/共同表征。为验证上述假设，分别针对潜在风险和显性风险设计了如下驾驶实验。

2 主观风险感知量化实验方法

2.1 实验设备

为能在弯道工况中实时生成稳定的驾驶条件并模拟驾驶员在真实场景中的驾驶体验，本研究的所有实验均在固定基座驾驶模拟器上进行。视觉场景由一整块高分辨率（3840×1080）的曲面屏显示输出，覆盖接近100°的水平视角和40°的垂直视角范围。如上所述，视觉信息是驾驶员感知外界环境的主要来源。为只关注源于视觉信息的风险感知，在本研究的主观评价实验中，没给驾驶员其他形式的体感刺激。

2.2 实验场景

研究路段采用真实单车道高速公路匝道数据设计实验场景，匝道形状由直线-缓和曲线-圆弧-缓和曲线-直线连接构成。实验道路半径范围均来源于开源地图OpenStreetMap测量的真实道路半径。车道右侧保留宽度为2.5 m的应急车道，在左侧车道线与护栏之间余留0.75 m空隙。为使实验场景显示尽可能与真实驾驶员视野一致，实验对场景视野进行标定。搭建好的场景效果与真实道路场景高度相似，如图3所示。

图3 场景标定

2.3 实验内容

实验假设弯道工况下驾驶员的显性风险取决于1/、潜在风险取决于1/、1/。因此分别针对这两种风险类型设计验证实验。

实验1：稳定过弯情况下风险感知的量化。本实验旨在模拟不发生车道偏离时，即车辆与车道边界线保持恒定距离，驾驶员的风险感知（风险水平仅取决于潜在风险）。

实验2：车道偏离情况下风险感知的量化。本实验的目的是模拟车辆从车道中心以一定的转向角逐渐靠近车道边界线产生的风险（风险水平主要取决于显性风险）。

2.4 实验流程

实验共招募了15名受试者。受试者年龄范围为23-50岁，其中包括3名专业驾驶员、4名女性驾驶员，超过半数具有较长驾龄（至少5年以上）。在了解完实验内容后，每人都签署了一份书面知情同意书。

在实验中，受试者无须控制转向盘转角和加速踏板，只须通过使用数值评估（magnitude estimation，ME）方法对基于配对比较的实验组进行风险评估。ME方法是一种通过直接让受试者表达感知程度大小来建立人类感知和刺激强度之间关系的过程。

具体来讲，实验会重复进行下面的流程。

（1）受试者按照驾驶模拟器生成的标准刺激条件进行弯道行驶一段时间（实验1：10 s；实验2：5 s）。

（2）通过显示空白屏幕，作两个场景的过渡，时间为1 s。

（3）显示比较刺激条件下的弯道场景，要求受试者行驶和（1）相同的时间。

受试者须口头表达他们对（3）中的比较刺激感知的风险比对（1）中的标准刺激感知的风险增加了多少倍。

例如：给定一组比较对，率先出现的风险场景为标准刺激，后出现的定为比较刺激。告知受试者标准刺激的风险水平为1，然后要求他们给出所呈现的不同条件的比较刺激的风险相比标准刺激增加/减少了多少倍。例如，比较刺激中车辆至车道边线的距离仅为标准刺激中车辆至车道边线距离的1/1.5，因此受试者感受到比较刺激的风险程度是标准刺激的1.5倍，即表示比较刺激的风险水平为1.5。每组对比实验重复3次。

2.5 实验1参数分布

稳定过弯情况下，由于车辆在弯道中的行驶方向始终与车道中心线平行。不存在车道偏离，只须考虑潜在风险。此时车辆的1/值对车道中心线呈对称关系，1/值随车辆逐渐从车道内侧向车道外侧偏移，呈增大的趋势。

实验1选择了最典型的高速匝道工况，将弯道半径设置为120 m。实验采用下面描述的两种测试类型来考察车辆在弯道中的横向位置和速度对风险感知的影响，每种类型设计了7个场景用于配对比较。实验参数分布如表1所示，其中表示车辆距离最近车道边界线的横向距离。

①不同横向偏移距离的配对比较实验。实验设定以恒定速度（=13 m/s）通过弯道，通过设置不同的横向偏移距离改变风险大小。例如，在表1中场景1和场景3的对比实验中，受试者以相同的速度通过弯道，须比较对车道边界线0.3和1.3 m不同间隔距离的风险感知。

②不同车速的配对比较实验。实验设定与车道边界线保持恒定距离（=0.7 m），通过改变车速设计不同风险的场景。例如在表1中的场景2和场景5的对比实验中，受试者以相同的横向偏距行驶，须比较10和20 m/s不同速度下的风险感知。

表1 实验1的参数分布

2.6 实验2参数分布

当车辆发生车道偏离，表明按照这种趋势继续行驶，一定会与车道边界线发生接触，甚至碰撞护栏。此时影响驾驶员更多的是显性风险。

实验2的目的是通过分析受试者对车道偏离风险的主观评估与实际刺激的关系，验证使用1/量化表征显性风险的可行性。虽然在车道偏离工况下，显性风险占据驾驶员感知主导，但潜在风险数值不为0，如实验1结果所示。为避免由于客观潜在风险的变化影响受试者对客观显性风险的主观感知的判断，实验2中采用的场景均具有相同的潜在风险水平。

在车道偏离的过程中，风险是时刻变化的，且随时间逐渐增大。实验2对偏离过程的最后时刻进行实验设计。受试者须根据车道偏离过程的最后时刻对风险程度进行估计，实验流程如第2.3节中所示。

一般而言，弯道半径越小，驾驶员的风险感知越明显。因此分别选取实际公路匝道半径为60和120 m的弯道场景进行实验设计。每种弯道设计7个场景用于配对比较。所有参数均表示最后时刻的值，参数分布如表2所示。

表2 实验2的参数分布

3 实验1稳定过弯情况下主观风险感知的量化

3.1 主观风险感知评价结果

图4显示实验1中所有受试者的主观风险感知评价结果及其置信区间和平均值。横轴表示表1中不同风险刺激的场景，纵轴表示受试者在不同比较刺激场景下相对于标准刺激的主观风险评价值。由图中浅色带状置信区间可见，90%的置信区间表明受试者的评价结果有90%的可能性落在该区间内，且区间的趋势与平均值趋势一致，表明数据整体分布的离散度较小。把图4（a）和图4（b）中的场景4、图4（c）中的场景3的主观风险评价值作为标准刺激值，设为1.0。

图4（a）表示右弯道条件的实验结果。由图可知，受试者的风险感知随车辆偏离车道中心距离增大而增大。且偏离相同距离时，靠近车道外侧的风险感知明显大于内侧。这一现象解释了驾驶员在弯道中行驶更倾向于靠近车道内侧而不是外侧的原因。

图4（b）表示左弯道的实验结果。与图4（a）中的结论高度吻合。不同的是，左弯道中受试者普遍对场景3的风险感知最低。这一现象解释了很多驾驶员相比于车辆居中行驶更喜欢靠内侧行驶的原因。

图4（c）表示受试者因车辆速度变化产生不同的风险感知。速度越快受试者的风险感知越大。

图4 实验1结果

3.2 潜在风险量化模型的构建

基于第3.1节获得的结果，由受试者评估的感觉强度与物理刺激的关系可以用下面的史蒂文斯幂律方程近似拟合。

式中：为常数；为取决于刺激类型的幂指数。

在实验1结果中，驾驶员在弯道中的潜在风险感知很难用横向偏移距离和速度进行统一描述和解释。由于在几何空间中1/具有车道中心对称性，1/具有随车辆从车道内侧向车道外侧移动逐渐增大的性质，能够合理解释上述现象。因此尝试用1/、1/构建如下潜在风险模型。

式中、为权重系数，分别表示1/、1/的权重。

为将主观风险和客观风险指标（）统一为相同维度，设定标准刺激场景的客观风险指标也为1。通过分布不同的权重参数、，对3种场景下的主观风险感知进行拟合。预实验研究表明，当速度过高或过低时，受试者对风险的判断并不符合规律，因此拟合是在=［25 km/h，90 km/h］内进行的。

图5所示为基于的客观风险刺激和主观评价风险的史蒂文斯幂定律方程拟合结果。当=1.3、=0.03时模型的拟合精度最高。由图5可知，本文构建的模型与驾驶员的主观评分规律一致。结果表明，不管是在左弯道或右弯道，不管是改变横向偏移距离还是固定偏移距离改变速度，越大，受试者的风险感知越强。且3种场景下的拟合曲线也显示出相同的变化趋势，幂指数都约为1。即表示的客观风险增加多少倍，受试者的风险感知就增加相应的倍数。因此该模型能够根据弯道场景客观指标量化表征驾驶员的主观风险感知。

图5 客观风险刺激和主观评价风险的关系

3.3 小结

综上所述，实验1的结果表明，稳定过弯时受试者的主观风险感知程度与成正比。验证了本研究关于潜在风险可以用1/、1/量化表征的假设。模型的公式为

4 实验2偏离车道情况下主观风险感知的量化

4.1 主观风险感知评价结果

利用等比量表的特性，对受试者风险感知的主观评分进行处理。由于受试者基于等比量表对风险感知评分，其比率具有等价性。因此可以对实验得到各场景的比较风险评估值乘以某个点的比率，计算出所有点相对于该点的风险值。假设两种弯道半径的实验中取1/最小的场景风险感知为1，计算其他任意场景的风险感知。换句话说，计算其他场景相对于场景1的风险感知增量。

图6所示为所有受试者的主观风险评价的统计学数据，所有评价数据都是在设定场景1的风险水平为1的基础上计算得到。图6（a）和图6（b）分别表示弯道半径为60和120 m场景中的实验结果。实验发现两个比较场景差异越大，个体驾驶员的主观评价差异也越大，例如场景7。结合表2可以看出，1/越大，受试者的风险感知越强。

图6 实验2结果

4.2 实验2总体风险量化模型的构建

为将主观风险和客观风险指标（）统一为相同维度，设定标准刺激场景的客观风险指标也为1。依此计算其他场景的客观风险刺激强度，其计算公式为

式中：等于标准刺激场景的显性客观风险指标即场景1的1/值；等于比较刺激场景的显性客观风险指标即场景2-7的1/值。

图7为只考虑客观显性风险时，客观刺激强度和主观风险感知的关系。并利用最小二乘法对史蒂文斯幂定律方程进行拟合。拟合曲线的幂指数大约为0.55。虽然在两种道路半径下，受试者表现出的风险感知特性相似，但它不符合驾驶员的主观风险感知对客观刺激强度是线性的这一规律，这一点在文献［15］和第3.2节中都作过说明。

图7 客观显著风险和主观评价的关系

如上文所述，虽然在车道偏离过程中，占据主导作用的是显性风险，但潜在风险是始终存在的。实验2针对不同弯道半径的场景分别固定了实验1结论中用于表示潜在风险的1/、1/。而受试者实际的风险感知由这两部分共同组成。因此须重新定义包含潜在风险的客观风险刺激强度，计算公式为

式中：表示比较刺激的总体客观风险；表示标准刺激的总体客观风险；表示根据实验1结果计算得到的潜在风险值；为潜在风险相对于显性风险的权重系数。

图8所示为考虑总体客观风险时，客观刺激强度和主观风险感知的关系。参数识别结果为=0.2，即在实验2条件下，受试者对潜在风险的感知是显性风险感知的1/5。利用最小二乘法拟合的曲线幂指数均近似为1，表明客观风险刺激强度增加多少倍，受试者的风险感知就增强多少倍。此结论与实验1相同。

图8 客观总体风险和主观评价的关系

4.3 小结

综上所述，实验2的主要结论有两点：（1）驾驶员的显性风险可以由1/量化表示。（2）发生车道偏离时，驾驶员的总体风险感知（）由显性风险和潜在风险组成，且潜在风险是显性风险的1/5，公式表示为

5 风险感知公式验证

5.1 验证实验方法

本研究利用驾驶模拟器实验中记录的驾驶员自然驾驶数据来检验上述风险量化模型的有效性。首先，与真实世界的驾驶环境相比，模拟器能够准确记录所需数据，且可通过道路设计在较短的时间内获得足够多的样本。

其次，如果驾驶员在弯道中的驾驶行为基于对风险的主观感知，自然驾驶数据中的风险水平必定符合特定规律。因此，为验证建模结果的有效性，须对比主观评价实验场景与自然驾驶数据中的1/、1/、1/。为阐明风险公式适用范围的广泛性，须在各种条件下测量驾驶员的行为，包括不同弯道半径和不同速度等。因此本实验设计了多工况的测试道路，并记录驾驶员在通过弯道时的风险指标值。

由于在弯道行驶过程中驾驶员通常会保持精神的高度集中，较稳定地通过弯道是驾驶员的常态。因此对稳定过弯工况的风险感知模型进行验证。

5.2 验证实验环境设计

道路的宽度、匝道边距与实验1、2保持一致。为保证弯道更贴近现实世界，实验通过开源地图OpenStreetMap（开放式数据库协议https：//www.openstreetmap.org/copyright）下载了上海市交通流密集的一段高架匝道数据，如图9所示。实验仿照此路段通过Prescan设计了闭环道路。为提高驾驶员对速度的感知力，驾驶模拟器对车辆行驶噪声进行模拟，且在道路的两边增加树木。

图9 OpenStreetMap中的道路

共有17位驾驶员参与此次驾驶实验，驾龄均在3年以上，年龄分布在20-50岁之间。模拟驾驶实验要求驾驶员手动控制加速踏板和转向盘，车速为30~70 km/h。

5.3 验证实验结果分析

图10为驾驶员通过弯道时的客观风险指标（1/和1/）的联合分布图。由图可知，驾驶员自然驾驶时的风险水平几乎始终处于风险边界线之下，这说明驾驶员总是试图将/+/表达的风险控制在一定范围内。如果大于某一界限，即超出驾驶员所能接受的风险，驾驶员会寻求调整速度或转动转向盘来降低风险。

为提取此风险边界线，实验首先对数据进行筛选，去掉由于驾驶员异常操作记录的离群数据，然后进行分段划分，横坐标每间隔1为一段，然后提取95百分位的数据用于风险边界线的拟合。假设95百分位的数据代表了驾驶员不可接受的风险边界，或他们会较大幅度地调整驾驶状态。这样的边界样本拟合的结果即表示风险边界线。得到的直线如图10所示，拟合方程为

图10 弯道自然驾驶风险概况

式（11）可近似转化为式（12），这与实验1得到的潜在风险的式（6）量化表达式几乎一样。对结果的解释是，当1.35×1/+0.03×1/大于2时，驾驶员由于较高的风险感受而产生转向盘纠正行为，降低潜在风险并实现车道保持目的。

综上所述，本实验通过采集基于驾驶模拟器的自然驾驶数据，提取分析了驾驶员通过弯道时的客观风险指标。结果表明，风险边界线与实验1得到的风险感知公式高度相似，基于主观评价实验的驾驶员风险感知量化模型合理。

6 结论

在驾驶模拟器的基础上，建立驾驶员在弯道工况下对车道偏离风险感知模型。然后利用驾驶员自然驾驶数据验证了该模型的有效性。本研究得出的结论如下：

（1）驾驶员的风险感知划分为显性风险和潜在风险，且在弯道工况下显性风险可以用1/表示，潜在风险由1/和1/的线性组合表达。

（2）量化了1/、1/、1/与风险感知的关系，并建立风险感知模型。

（3）在模拟真实驾驶环境中测量驾驶员通过弯道时的风险数据，实验结果验证了潜在风险感知模型的有效性。且指明当潜在风险大于2时，驾驶员会有较高的风险感受。

一般认为，驾驶员的驾驶过程是由感知-判断-操作的重复过程组成，而本研究通过实验验证了1/、1/、1/在风险感知中的重要性，这有助于进一步理解驾驶员的操作行为，对符合驾驶员行为习惯的辅助驾驶功能的开发如LCCS、LKA等具有启示意义。