雾天桥梁运行风险主动预警防控策略的改善效用

doi:10.12141/j.issn.1000-565X.230757

摘要/Abstract

摘要：

为改善高速公路桥梁路段雾天环境下的交通运行状态，以人因为导向，提出传统交通安全设施与风险预警、动态限速、视线诱导等智能技术融合的桥梁运行风险主动预警防控策略，通过不同风险等级下防控水平的变化，充分利用设施资源，实现由静态告知向动态引导过渡的多层级、差异化防控目标。但该过程对于驾驶行为及交通运行的安全高效性是否起到改善效用尚未清晰，难以支撑其有效设计与应用。故以鄂东长江大桥为例，通过驾驶模拟测试量化评估防控策略改善效用，以验证其有效性，基于人因需求服务于防控策略配置优选与实施，进而指导实际应用具有更优的作用效果。研究综合考虑心理感受、安全效用及通行效率3个层面，通过各指标改善率实现防控策略改善效用评价。结果表明：主动预警防控策略有助于提高驾驶人自信程度并缓解紧张感，明显改善了驾驶人行为表现及交通运行状态，提高了车辆横纵向运行安全性和通行效率；对于安全效用的改善能力最强，尤其体现在纵向层面；较高亮度视线诱导策略更有利于提高安全水平，显著增加通行能力，相比于低亮度条件对于驾驶人心理感受可能存在一定负面影响，但并不明显；当桥梁能见度为100 m时，推荐智能雾天诱导灯闪烁频率为0.5 Hz，亮度为3 500 cd/m²。研究结果为防控策略在雾天桥梁的实际应用提供了必要的理论依据。提出的雾天跨江桥段运行风险主动防控的解决方案及其改善效用分析思路，为风险路段的靶向防控和治理提供借鉴。

关键词: 雾天桥梁, 主动预警防控策略, 驾驶模拟, 视线诱导

Abstract:

In order to improve traffic operation of freeway bridge sections in fog, this paper proposed a human factor-oriented operation risk active warning prevention and control strategy for bridges. This strategy integrates traditional traffic safety facilities with intelligent technologies such as risk warning, dynamic speed limits, and visual guidance. Through changes in prevention and control levels under different risk levels, the facility resources were fully utilized to achieve the goal of multi-level and differentiated prevention and control from static notification to dynamic guiding. However, it is not yet clear whether this process will improve the driving behavior and the safety and efficiency of traffic operation, so it is difficult to support the effective design and application of the prevention and control strategy. Therefore, E’dong Yangtze River Bridge was taken as an example to quantitatively evaluate the improvement effectiveness of the prevention and control strategy through driving simulation test and to verify its validity. The optimization and implementation is based on the fact that human factor needs are subjected to the prevention and control strategy, then it has a better effect in guiding the practical application. The improvement effectiveness evaluation of prevention and control strategy was realized through the improvement rate of each indicator from three aspects (psychological perception, safety effectiveness and traffic efficiency). The results show that the prevention and control strategy is helpful to improve driver’s confidence and alleviate tension; it can significantly improve the driver’s behavioral performance and traffic operation state and enhance the traffic efficiency and the safety of horizontal and longitudinal operation of vehicles; it has the strongest ability to improve safety effectiveness, especially at the longitudinal level; the higher brightness line-of-sight induction strategy is more conducive to improving the safety level and significantly increasing the traffic capacity. Compared with the low brightness condition, it may have a negative impact on the driver’s psychological feelings, but it is not obvious. When the visibility is 100 m on bridge, it is recommended that the flashing frequency of visual guidance technology is 0.5 Hz and the brightness is 3 500 cd/m². The results provide the necessary theoretical basis for the practical application of prevention and control strategy on foggy bridges. The proposed solution and the analytical idea of its improvement effectiveness provide a reference for targeted prevention and management of risky sections.

Key words: foggy bridge, active warning prevention and control strategy, driving simulation, visual guidance

中图分类号:

U491

戴义博, 赵晓华, 边扬, 等. 雾天桥梁运行风险主动预警防控策略的改善效用[J]. 华南理工大学学报(自然科学版), 2024, 52(11): 118-133.

DAI Yibo, ZHAO Xiaohua, BIAN Yang, et al. Improvement Effectiveness of Active Warning Prevention and Control Strategy for Operation Risk on Foggy Bridges[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(11): 118-133.

图/表 18

表1

表2

图1

图2

表3

图3

图4

表4

图5

表5

图6

图7

图8

图9

图10

图11

图12

图13

参考文献 42

1	孙子秋，潘存书，徐进．基于自然驾驶数据的跨江大桥小客车驾驶行为特征研究［J］．交通信息与安全，2020，38（3）：148-156.
	SUN Ziqiu， PAN Cunshu， XU Jin ．Driving behavior of passenger cars on river crossing bridge based on naturalistic driving data［J］．Journal of Transport Information and Safety，2020，38（3）：148-156.
2	XIONG Z， ZHU J， ZHENG K，et al ．Framework of wind-traffic-bridge coupled analysis considering realistic traffic behavior and vehicle inertia force［J］．Journal of Wind Engineering and Industrial Aerodynamics，2020，205：104322/1-14.
3	阚有俊．基于BORA法的长大桥梁运营安全风险评估技术研究［J］．安全与环境工程，2018，25（3）：155-159，165.
	KAN Youjun ．Safety risk assessment technology for long span bridges operation based on BORA［J］．Safety and Environmental Engineering，2018，25（3）：155-159，165.
4	颜文华，陆建．特大桥梁危险品运输风险分析及防范措施研究［J］．交通标准化，2009（1）：17-21.
	YAN Wen-hua， LU Jian ．Risk assessment of transporting dangerous articles on long-span concrete bridge and preventive measures［J］．Transportation Standardization，2009（1）：17-21.
5	吕惠卿，张湘伟，姜海波，等．重要公路桥梁安全运营的动态监控及预警研究［J］．广东工业大学学报，2011，28（1）：16-19.
	Hui-qing LÜ， ZHANG Xiang-wei， JIANG Hai-bo，et al ．The study of safety running monitors and early-warning systems of highway bridge structures［J］．Journal of Guangdong University of Technology，2011，28（1）：16-19.
6	CHEN S， ZHOU Y， WU J，et al ．Research of long-span bridge and traffic system subjected to winds：a system and multi-hazard perspective［J］．International Journal of Transportation Science and Technology，2017，6（3）：184-195.
7	尹紫红．大型复杂多通道交通项目运营期风险管理研究［D］．成都：西南交通大学，2013.
8	邵长专．斜拉桥风险评估研究与实践［D］．重庆：重庆交通大学，2011.
9	齐玉超．长三角地区特大桥梁运营安全评价与预测研究［D］．上海：上海交通大学，2012.
10	郝景贤．大跨径斜拉桥全寿命周期风险评估及对策研究［D］．西安：长安大学，2017.
11	ZHAO X， YANG H， YAO Y，et al ．Factors affecting traffic risks on bridge sections of freeways based on partial dependence plots［J］．Physica A：Statistical Mechanics and Its Applications，2022，598：127343/1-16.
12	WANG J， YANG B， LIU J，et al ．Safety speed assessment for driving in foggy environment based on visibility and vehicle brake performance［R］．Detroit：SAE，2017.
13	赵晓华，任贵超，陈晨，等．不良天气下驾驶行为研究综述［J］．交通信息与安全，2017，35（5）：70-75，98.
	ZHAO Xiaohua， REN Guichao， CHEN Chen，et al ．A review on driving behavior under adverse weather conditions［J］．Journal of Transport Information and Safety，2017，35（5）：70-75，98.
14	WANG K， ZHANG W， FENG Z，et al ．Reasonable driving speed limits based on recognition time in a dynamic low-visibility environment related to fog — a driving simulator study［J］．Accident Analysis & Prevention，2021，154：106060/1-8.
15	张建华，赵晓华，欧居尚，等．雾天桥梁可变限速值的效用评估及优化［J］．华南理工大学学报（自然科学版），2024，52（1）：127-138.
	ZHANG Jianhua， ZHAO Xiaohua， Jushang OU，et al ．Evaluation of utility and optimal of variable speed limit value for bridge in foggy condition［J］．Journal of South China University of Technology（Natural Science Edition）， 2024，52（1）：127-138.
16	PISANO P A， GOODWIN L C ．Research needs for weather-responsive traffic management［J］．Transportation Research Record，2004，1867（1）：127-131.
17	许先锋．不良天气条件下高速公路安全控制研究［D］．青岛：山东科技大学，2007.
18	WU Y， ABDEL-ATY M， PARK J，et al ．Effects of real-time warning systems on driving under fog conditions using an empirically supported speed choice modeling framework［J］．Transportation Research Part C：Emerging Technologies，2018，86：97-110.
19	肖殿良，郭忠印，周子楚，等．山区高速公路桥隧群运行风险预警系统［J］．公路，2017，62（11）：168-173.
	XIAO Dianliang， GUO Zhongyin， ZHOU Zichu，et al ．Operational risk warning system for mountain freeway bridge and tunnel clusters［J］．Highway，2017，62（11）：168-173.
20	朱岩，张洋，张丽红，等．低能见度下高速公路主动诱导技术的应用［J］．中国交通信息化，2016（6）：83-85.
	ZHU Yan， ZHANG Yang， ZHANG Lihong，et al ．The application of active guidance technology on highways under low visibility［J］．China ITS Journal，2016（6）：83-85.
21	LI C， FENG H， ZHI X，et al ．Intelligent guidance system for foggy area traffic safety operation［C］∥Proceedings of 2011 14th International IEEE Conference on Intelligent Transportation Systems （ITSC）．Washington，D C：IEEE，2011：428-432.
22	李晓雷．山区高速公路团雾段行车风险评估与视觉诱导研究［D］．重庆：重庆交通大学，2018.
23	赵晓华，陈雨菲，李海舰，等．面向人因的车路协同系统综合测试及影响评估［J］．中国公路学报，2019，32（6）：248-261.
	ZHAO Xiao-hua， CHEN Yu-fei， LI Hai-jian，et al ．Comprehensive test and impact assessment for human factors of connected vehicle system［J］．China Journal of Highway and Transport，2019，32（6）：248-261.
24	ZHAO X， CHEN Y， LI H，et al ．A study of the compliance level of connected vehicle warning information in a fog warning system based on a driving simulation［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2021，76：215-237.
25	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 Xiaohua， JU Yunjie， LI Jia，et al ．Evaluation of the effect of RPMs in extra-long tunnels based on driving behavior and visual characteristics［J］．China Journal of Highway and Transport，2020，33（6）：29-41.
26	Van DER HORST R， De RIDDER S. Influence of roadside infrastructure on driving behavior：driving simulator study［J］．Transportation Research Record，2007，2018（1）：36-44.
27	陈亦新，王雪松．山区高速公路组合线形路段车道偏移行为［J］．中国公路学报，2018，31（4）：98-104.
	CHEN Yi-xin， WANG Xue-song ．Effects of combined alignments of mountainous freeways on lane departure［J］．China Journal of Highway and Transport，2018，31（4）：98-104.
28	LERMAN J. Study design in clinical research：sample size estimation and power analysis［J］．Canadian Journal of Anaesthesia，1996，43（2）：184-191.
29	CHOW S C， SHAO J， WANG H，et al ．Sample size calculations in clinical research［M］．Boca Raton：CRC Press，2017.
30	张文彤，董伟．SPSS统计分析高级教程［M］．北京：高等教育出版社，2013.
31	LIANG B， HE S， TÄHKÄMÖ L，et al ．Lighting for road tunnels：the influence of CCT of light sources on reaction time［J］．Displays，2020，61：101931/1-8.
32	REN S， HE K， GIRSHICK R，et al ．Faster R-CNN：towards real-time object detection with region proposal networks［J］．IEEE Transactions on Pattern Analysis & Machine Intelligence，2017，39（6）：1137-1149.
33	李海舰，赵国强，杨艳芳，等．急刹预警作用下的车辆时空图特性［J］．华南理工大学学报（自然科学版），2020，48（7）：76-84.
	LI Haijian， ZHAO Guoqiang， YANG Yanfang，et al ．Characteristics of vehicle spatiotemporal diagram under the emergency braking warning［J］．Journal of South China University of Technology （Natural Science Edition），2020，48（7）：76-84.
34	ZAKI M H， SAYED T， SHAABAN K ．Use of drivers’ jerk profiles in computer vision-based traffic safety evaluations［J］．Transportation Research Record，2014，2434（1）：103-112.
35	OTHMAN M R， ZHANG Z， IMAMURA T，et al ．A study of analysis method for driver features extraction［C］∥ Proceedings of 2008 IEEE International Conference on Systems，Man and Cybernetics．Singapore：IEEE，2008：1501-1505.
36	赵晓华，迟景昊，樊兆董，等．公路平交路口交通安全设施配套设置方法［J］．中国公路学报，2017，30（11）：122-128.
	ZHAO Xiao-hua， CHI Jing-hao， FAN Zhao-dong，et al ．Installation methodology of traffic safety devices at highway intersections［J］．China Journal of Highway and Transport，2017，30（11）：122-128.
37	张文彤．SPSS统计分析基础教程［M］．北京：高等教育出版社，2017.
38	YANG H， ZHAI X， ZHENG C. Effects of variable speed limits on traffic operation characteristics and environmental impacts under car-following scenarios：simulations in the framework of Kerner’s three-phase traffic theory［J］．Physica A：Statistical Mechanics and Its Applications，2018，509：567-577.
39	CHANG X， LI H， RONG J，et al ．Spatiotemporal characteristics of vehicle trajectories in a connected vehicle environment—a case of an extra-long tunnel scenario［J］．IEEE Systems Journal，2020，15（2）：2293-2304.
40	TSELENTIS D I， VLAHOGIANNI E I， YANNIS G. Driving safety efficiency benchmarking using smartphone data［J］．Transportation Research Part C：Emerging Technologies，2019，109：343-357.
41	樊兆董．特长隧道特殊交通安全设施评估及优化方法研究［D］．北京：北京工业大学，2018.
42	DING H， ZHAO X， RONG J，et al ．Experimental research on the effectiveness and adaptability of speed reduction markings in downhill sections on urban roads：a driving simulation study［J］．Accident Analysis & Prevention，2015，75：119-127.

能见度/m	风险等级	防控层级	传统交通安全设施	风险预警	视线诱导			动态限速（逐级）
能见度/m	风险等级	防控层级	传统交通安全设施	风险预警	I级	II级	III级	动态限速（逐级）
（500，+∞）	A	强制	√
（200，500］	B	改善	√	√	√
（100，200］	C	增强	√	√		√		√
（50，100］	D	完备	√	√			√	√

传统交通安全设施	风险预警（VMS文字提示信息）			视线诱导				动态限速（逐级）/（km·h^-1）
传统交通安全设施	1 km	500 m	50 m	诱导等级	工作模式	亮度	频率/Hz	动态限速（逐级）/（km·h^-1）
注意桥头跳车限速注意不利气象禁止超车车距确认	前方 1 km能见度低	前方500 m能见度低，请减速慢行	前方能见度xx m，请谨慎驾驶	I级	黄灯常亮	500~7 000 cd/m²		100、80、60 100、80、60、40
				II级	黄灯闪烁		0.5 1.0 2.0
				III级	红灯警示		0.5 1.0 2.0

方案	II级视线诱导			风险预警（VMS文字提示信息）			动态限速（逐级）
方案	亮度/（cd·m^-2）	频率/Hz	间距/m	1 km	500 m	50 m	动态限速（逐级）
对照组	无	无	无	无	无	无	无
实验组A	500	0.5	20	前方1 km能见度低	前方500 m能见度低，请减速慢行	前方能见度100 m，请谨慎驾驶	100 km/h、 80 km/h、 60 km/h （级差：20 km/h）
实验组B	3 500	0.5	20	前方1 km能见度低	前方500 m能见度低，请减速慢行	前方能见度100 m，请谨慎驾驶	100 km/h、 80 km/h、 60 km/h （级差：20 km/h）

指标	均值（标准差）			P值
指标	C	A	B	整体比较	成对比较
绝对加加速度/（m·s^-3）	0.401（0.197）	0.312（0.102）	0.338（0.182）	0.040**	C-A：0.011** A-B：0.452 C-B：0.072*
加速度/（m·s^-2）	-0.116（0.104）	-0.013（0.051）	-0.003（0.038）	0.012**	C-A：0.000 A-B：0.402 C-B：0.000
方向盘转角/（°）	0.432（0.096）	0.265（0.059）	0.251（0.068）	0.000**	C-A：0.000 A-B：1.000 C-B：0.000

组别	最大值	均值	标准差	变异系数
对照组	0.002 8	2.190×10^-4	2.634×10^-4	1.206 7
实验组A	0.001 5	2.316×10^-4	2.119×10^-4	0.915 1
实验组B	0.001 8	2.206×10^-4	2.064×10^-4	0.935 5