网联碰撞预警信息系统对雾天高速公路驾驶行为的影响

doi:10.12141/j.issn.1000-565X.240122

摘要/Abstract

摘要：

高速公路在雾天环境存在较大的驾驶安全风险和事故隐患，网联碰撞预警信息系统为解决该难题提供了新的思路，而其对驾驶行为的影响是论证其有效性的根本。该研究运用驾驶模拟技术搭建网联碰撞预警信息系统测试平台，考虑浓雾天气类型，设计基准传统和对照网联两种驾驶环境，构建前方慢速车辆急刹这一典型碰撞风险事件，招募27名被试开展驾驶模拟实验以获取细粒度微观驾驶行为数据。从稳定性、安全性、服从性多个维度构建评价指标体系，对网联碰撞预警信息系统在驾驶人与前车不同交互阶段（慢速跟驰、前车急刹）的效能展开了定量描述和统计分析。结果表明：在稳定性方面，碰撞预警信息会导致在慢速跟驰阶段的一段时间内驾驶稳定性降低，在慢速跟驰阶段车辆减速完成达到稳定状态之后和前车急刹阶段，其具有比无碰撞预警信息更好的稳定性；在安全性方面，碰撞预警信息使得驾驶过程中时间、加速度、距离多个层面的冲突风险均得到了显著减少；在服从性方面，碰撞预警信息能够提升驾驶人对于前车信息的服从水平，减弱驾驶人在慢速跟驰和前车急刹这两个阶段中对前车信息服从水平的差异性。研究成果可为高速公路雾天环境下网联碰撞预警信息系统的测试和应用提供平台支撑和理论支持。

关键词: 高速公路, 雾天环境, 网联技术, 碰撞预警信息系统, 驾驶行为

Abstract:

Freeway driving in foggy conditions poses significant safety risks and accident hazards. The connected collision warning information system (CCWIS) offers a novel approach to addressing this challenge, and its impact on driving behavior is fundamental to demonstrating its effectiveness. This study employed driving simulation technology to create a CCWIS testing platform. Considering dense fog weather conditions, it designs two driving environments: a baseline traditional and a comparative connected. And a typical collision risk scenario involving a sudden braking maneuver by a slow-moving vehicle ahead was constructed. A total of 27 participants were recruited to conduct driving simulation experiments to yield fine-grained microscopic data on driving behavior. An evaluation indicator system was developed from multiple dimensions, including stability, safety, and compliance, to quantitatively describe and statistically analyze the effectiveness of CCWIS during different interaction stages with the lead vehicle (slow-speed car-following and the frout vehicle emergency braking stage). The results indicate that, regarding stability, collision warning information may lead to a decrease in driving stability for a period during the slow-speed car-following stage. After the vehicle in the slow-speed car-following stage has decelerated to a stable state and during the front vehicle emergency braking stage, it exhibits better stability compared to scenarios without collision warning information. In terms of safety, collision warning information significantly reduces risks in terms of time, acceleration, and distance across multiple dimensions during the driving process. Regarding compliance, collision warning information can improve the level of driver compliance with preceding vehicle information, reducing the differences in driver compliance with preceding vehicle information between the slow-speed car-following and the front vehicle emergency braking stages. The results of this study can provide platform and theoretical support for the test and application of connected collision warning information systems in foggy environments of freeways.

Key words: freeway, foggy environment, connected technology, collision warning information system, driving behavioral

中图分类号:

U491.2

任文浩, 赵晓华, 陈晨, 付强. 网联碰撞预警信息系统对雾天高速公路驾驶行为的影响[J]. 华南理工大学学报(自然科学版), 2025, 53(2): 27-37.

REN Wenhao, ZHAO Xiaohua, CHEN Chen, FU Qiang. Impact of Connected Collision Warning Information System on Freeway Driving Behavior in Foggy Conditions[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(2): 27-37.

图/表 10

图1

图2

图3

表1

图4

图5

图6

表2

图7

表3

参考文献 26

1	黄岩，闫学东，李晓梦，等．基于多用户驾驶模拟平台的雾天高速公路跟驰模型参数标定及验证［J］．中国公路学报， 2022， 35（ 8）： 320- 330.
	HUANG Yan， YAN Xuedong， LI Xiaomeng， et al ． Parameter calibration and validation for car-following models on freeway under foggy conditions based on multi-user driving simulator system［J］． China Journal of Highway and Transport， 2022， 35（ 8）： 320- 330.
2	秦严严，肖腾飞，罗钦中，等．雾天高速公路车辆跟驰安全分析及控制策略［J/OL］．吉林大学学报（工学版）［ 2024-03-08］． .
	QIN Yanyan， XIAO Tengfei， LUO Qinzhong， et al ． Car-following safety analysis and control strategy for foggy freeway［J/OL］． Journal of Jilin University （Enginee-ring and Technology Edition）［ 2024-03-08］． .
3	尤鑫，陈雨菲，赵晓华，等．高速公路雾天车路协同条件下可变限速系统服从度研究［J］．武汉理工大学学报， 2019， 41（ 9）： 36- 44.
	YOU Xin， CHEN Yufei， ZHAO Xiaohua， et al ． Study on compliance of variable speed limit system under connected vehicle conditions of freeway in foggy day［J］． Journal of Wuhan University of Technology， 2019， 41（ 9）： 36- 44.
4	YANG G， AHMED M， GAWEESH S， et al ． Connected vehicle real-time traveler information messages for freeway speed harmonization under adverse weather conditions：trajectory level analysis using driving simulator［J］． Accident Analysis & Prevention， 2020， 146： 105707/1- 13.
5	李海舰，刘中华，陈开群，等．高速公路风险防控设施应用研究综述与展望［J］．交通运输工程与信息学报， 2024， 22（ 1）： 54- 78.
	LI Haijian， LIU Zhonghua， CHEN Kaiqun， et al ． An overview and prospect of the application of risk prevention and control facilities on highways［J］． Journal of Transportation Engineering and Information， 2024， 22（ 1）： 54- 78.
6	江筱薇． VMS影响下驾驶员路径选择机理及信息发布策略研究［D］．南京：东南大学， 2017.
7	PAN Y， WU Y， XU L， et al ． The impacts of connected autonomous vehicles on mixed traffic flow：a comprehensive review［J］． Physica A：Statistical Mecha-nics and its Applications， 2024， 635： 129454/1- 16.
8	林泓熠，刘洋，李深，等．车路协同系统关键技术研究进展［J］．华南理工大学学报（自然科学版）， 2023， 51（ 10）： 46- 67.
	LIN Hongyi， LIU Yang， LI Shen， et al ． Research progress on key technologies in the cooperative vehicle infrastructure system［J］． Journal of South China University of Technology（Natural Science Edition）， 2023， 51（ 10）： 46- 67.
9	KAMRANI M， CONCAS S， KOURTELLIS A， et al ． Drivers’reactions to connected vehicle forward collision warnings：Leveraging real-world data from the THEA CV pilot［J］． Transportation Research Part F：Traffic Psychology and Behaviour， 2023， 92： 108- 120.
10	SON S O， JEONG J， PARK S， et al ． Effects of advanced warning information systems on secondary crash risk under connected vehicle environment［J］． Accident Analysis & Prevention， 2020， 148： 105786/1- 7.
11	ZHANG Y， WU C， QIAO C， et al. The effects of warning characteristics on driver behavior in connected vehicles systems with missed warnings［J］． Accident Analysis & Prevention， 2019， 124： 138- 145.
12	BELLA F， SILVESTRI M ． Effects of directional auditory and visual warnings at intersections on reaction times and speed reduction times［J］． Transportation Research Part F：Traffic Psychology and Behaviour， 2017， 51： 88- 102.
13	HANG J， YAN X， LI X， et al ． In-vehicle warnings for work zone and related rear-end collisions：a driving simulator experiment［J］． Accident Analysis & Prevention， 2022， 174： 106768/1- 11.
14	WU Y， ABDEL-ATY M， PARK J， et al ． Effects of crash warning systems on rear-end crash avoidance behavior under fog conditions［J］． Transportation Research Part C：Emerging Technologies， 2018， 95： 481- 492.
15	ALRUWAILI A， XIE K ． Modeling the influence of connected vehicles on driving behaviors and safety outcomes in highway crash scenarios across varied weather conditions：a multigroup structural equation modeling analysis using a driving simulator experiment［J］． Accident Analysis & Prevention， 2024， 199： 107514/1- 16.
16	赵睿，李云，胡宏宇，等．基于V2I通信的交叉口车辆碰撞预警方法［J］．吉林大学学报（工学版）， 2023， 53（ 4）： 1019- 1029.
	ZHAO Rui， LI Yun， HU Hongyu， et al ． Vehicle collision warning method at intersection based on V2I communication［J］． Journal of Jilin University （Engineering and Technology Edition）， 2023， 53（ 4）： 1019- 1029.
17	ZHAO X， JING S， HUI F， et al ． DSRC-based rea-rend collision warning system-an error-component safety distance model and field test［J］． Transportation Research Part C：Emerging Technologies， 2019， 107： 92- 104.
18	KO J， JANG J， OH C ． A multi-agent driving simulation approach for evaluating the safety benefits of connected vehicles［J］． IEEE Transactions on Intelligent Transportation Systems， 2022， 23（ 5）： 4512- 4524.
19	李晓梦．基于驾驶模拟实验的典型不利因素对驾驶行为表现的影响研究［D］．北京：北京交通大学， 2016.
20	ALI Y， ZHENG Z， HAQUE MD M ． Connectivity’s impact on mandatory lane-changing behaviour：Evidences from a driving simulator study［J］． Transportation Research Part C：Emerging Technologies， 2018， 93： 292- 309.
21	BIAN Y， ZHANG X， WU Y， et al ． Influence of prompt timing and messages of an audio navigation system on driver behavior on an urban expressway with five exits［J］． Accident Analysis & Prevention， 2021， 157： 106155/1- 15.
22	ABDEL-ATY M， WANG Z， ZHENG O， et al ． Advances and applications of computer vision techniques in vehicle trajectory generation and surrogate traffic safety indicators［J］． Accident Analysis & Prevention， 2023， 191： 107191/1- 13.
23	鲁光泉，谭海天，张浩．自动驾驶车辆对人工驾驶车辆跟驰行为影响分析［J］．上海理工大学学报， 2023， 45（ 4）： 321- 331.
	LU Guangquan， TAN Haitian， ZHANG Hao ． Analysis of the impact of automated vehicle on the car-following behavior of manual vehicle［J］． Journal of University of Shanghai for Science and Technology， 2023， 45（ 4）： 321- 331.
24	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.
25	ZHENG J， MA L， ZHANG W ． Promotion of driver compliance with V2V information in car-following tasks via multimodal display［J］． Transportation Research Part F：Traffic Psychology and Behaviour， 2023， 94： 243- 253.
26	ZHAO W， GONG S， ZHAO D， et al ． Effects of collision warning characteristics on driving behaviors and safety in connected vehicle environments［J］． Accident Analysis & Prevention， 2023， 186： 107053/1- 12.

性别	数量	年龄/岁		驾驶经验/a
性别	数量	均值	标准差	均值	标准差
全部	27	29.85	7.95	7.29	3.50
男性	17	32.00	8.41	8.62	3.13
女性	10	26.20	3.79	4.00	1.71

指标	无预警信息均值			有预警信息均值			预警信息显著性
指标	慢速跟驰	前车急刹	整个过程	慢速跟驰	前车急刹	整个过程	慢速跟驰	前车急刹	整个过程
THW/s	8.36	6.65	8.01	10.80	8.59	10.33	0.007**	0.012*	0.006**
DRAC/（m·s ^-2）	0.15	1.35	0.40	0.09	0.77	0.23	0.004**	0.003**	0.001**
PICUD/m	81.49	20.22	68.79	107.00	46.41	94.10	0.005**	0.002**	0.005**

指标	无预警信息均值		有预警信息均值		预警信息显著性		不同阶段显著性
指标	慢速跟驰	前车急刹	慢速跟驰	前车急刹	慢速跟驰	前车急刹	无预警	有预警
响应时间/s	4.43	2.59	3.72	3.15	0.018*	0.210	0.002**	0.248
相对速度变化	0.04	0.48	0.13	0.32	0.004**	0.215	0.001**	0.064
响应稳定时间/s	15.18	6.20	12.06	8.11	0.121	0.084	0.001**	0.078

[1]	武彪, 任洪泽, 郑联庆, 朱西产, 马志雄. 基于自然驾驶行为的智能驾驶复杂场景构建方法[J]. 华南理工大学学报(自然科学版), 2025, 53(2): 38-47.
[2]	陈兵硕, 李洋, 赵晓华, 等. 老年驾驶人认知驾驶能力评价及影响因素研究[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 142-152.
[3]	何庆龄, 裴玉龙, 董春彤, 等. 基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 131-141.
[4]	付强, 赵晓华, 李海舰, 任文浩, 戴义博. 跟驰事件下网联混驾编队的运行特征及生态安全影响[J]. 华南理工大学学报(自然科学版), 2024, 52(8): 65-75.
[5]	温惠英, 何梓琦, 胡宇晴, 等. 高速公路新能源汽车碳排放量的测算及空间分布特征[J]. 华南理工大学学报(自然科学版), 2024, 52(8): 1-13.
[6]	高龙凯, 赵晓华, 欧居尚, 等. 基于Unity3D的立体复合高速公路标志系统优化设计[J]. 华南理工大学学报(自然科学版), 2024, 52(5): 20-30.
[7]	边扬, 张钰, 赵晓华, 等. 行人过街事件网联HUD预警系统对驾驶行为的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 114-125.
[8]	何永明, 邢婉钰, 魏堃, 等. 超高速公路自动驾驶车辆换道轨迹规划策略[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 104-113.
[9]	张婷, 陈丰, 李璜, 等. 基于驾驶行为的快速路交织区发光标线效果评估[J]. 华南理工大学学报(自然科学版), 2024, 52(11): 106-117.
[10]	黄炎, 符锌砂, 曾彦杰, 等. 基于激光雷达里程计的高速公路三维建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 129-138.
[11]	林培群, 张扬, 罗芷晴, 等. 融合多源数据的高速公路路段车流碳排放精细测算方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 100-108.
[12]	林培群, 龚敏平, 周楚昊. 面向运输风险识别的高速公路货车用户画像方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 1-9.
[13]	赵晓华, 董文慧, 李佳, 等. 基于驾驶行为的隧道交通标志影响特征及作用机理[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 88-100.
[14]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[15]	吴娇蓉, 黄正文, 邓泳淇. 都市圈分层空间结构的交通网络密度发展规律[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 111-121.