華 珺，孫智誠，趙俊瑋，朱 彤,3

(1. 北京航空航天大學(xué) 交通科學(xué)與工程學(xué)院，北京 100191； 2. 長安大學(xué) 汽車學(xué)院，陜西 西安 710064；3. 長安大學(xué) 汽車運(yùn)輸安全保障技術(shù)交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710064)

0 引 言

行人是道路交通環(huán)境中的弱勢群體。據(jù)歐盟統(tǒng)計(jì)，行人在交通事故中的死亡率是車內(nèi)乘員的9倍。2017年中國道路交通事故中行人死亡17 286人，占總死亡人數(shù)的27.11%[1]，這一比例在城市中更高。城市道路交通環(huán)境復(fù)雜，保護(hù)行人非常必要。

起初，技術(shù)人員采取被動安全防護(hù)措施來達(dá)到保護(hù)行人的目的，例如應(yīng)用車身吸能材料來緩沖吸能，減少撞擊時(shí)車輛對行人的傷害。然而，被動安全方法的作用在于減輕行人的傷害嚴(yán)重程度，并不能防止事故的發(fā)生。主動安全系統(tǒng)由于能夠預(yù)測和避免車輛撞擊行人，已成為先進(jìn)駕駛輔助系統(tǒng)的重要組成部分。主動安全系統(tǒng)包括用于觀察車輛周圍環(huán)境的傳感器、用于檢測可能發(fā)生危險(xiǎn)的應(yīng)用程序以及應(yīng)對危險(xiǎn)的執(zhí)行器[2]。

行人檢測系統(tǒng)是一種車載駕駛輔助系統(tǒng)，通過檢測傳感器來探測、感知車輛前方行人，當(dāng)存在碰撞風(fēng)險(xiǎn)但駕駛?cè)宋茨苡^察到行人或未能及時(shí)反應(yīng)時(shí)，系統(tǒng)將發(fā)出警報(bào)提醒駕駛?cè)嘶蛲ㄟ^輔助制動干預(yù)駕駛?cè)瞬僮鳎A(yù)防和減輕人車碰撞傷害[3]。F.BELLA等[4]通過模擬駕駛輔助系統(tǒng)提供視聽覺信息，分析了不同駕駛?cè)嗽诓煌瑘鼍跋掠行腥诉^街時(shí)的行為，評估了行人檢測系統(tǒng)在多個道路環(huán)境中的有效性，結(jié)果表明系統(tǒng)有利于駕駛?cè)藢?shí)施更安全的讓行操作；D.J.SEARSON等[5]通過提取分析車輛碰撞速度分布數(shù)據(jù)，驗(yàn)證了安裝行人檢測系統(tǒng)和自動緊急制動系統(tǒng)對于降低行人與車輛前部碰撞風(fēng)險(xiǎn)具有有效性。

人車通訊系統(tǒng)也是一種新興的行人主動安全系統(tǒng)，它基于P2V(pedestrian to vehicle)和V2P (vehicle to pedestrian)通訊技術(shù)，能夠?qū)崿F(xiàn)人車間的信息交換，將潛在碰撞風(fēng)險(xiǎn)最小化。人車通訊系統(tǒng)在行人端通常通過智能手機(jī)應(yīng)用體現(xiàn)。J.J.ANAYA等[6]開發(fā)的智能手機(jī)應(yīng)用能夠在人車潛在沖突場景中提供wifi通訊、風(fēng)險(xiǎn)計(jì)算和危險(xiǎn)警報(bào)功能，并設(shè)定最小通信距離為行人提供必要的感知和反應(yīng)時(shí)間；K.DHONDGE等[7]開發(fā)的應(yīng)用將車輛地理位置、行駛速度和運(yùn)動方向發(fā)送至行人端，并通過試驗(yàn)證明了該應(yīng)用能夠在足夠的反應(yīng)時(shí)間內(nèi)，成功將潛在碰撞信息告知行人；A.HUSSEIN等[8]對其開發(fā)的智能手機(jī)應(yīng)用進(jìn)行了用戶調(diào)查，調(diào)查結(jié)果顯示用戶群體對該應(yīng)用在行人安全性和使用便捷性方面的提升具有較高的滿意度。

過去的研究大多只關(guān)注了行人主動安全系統(tǒng)在微觀人車沖突場景下的安全效用[4,9]，卻忽略了這些系統(tǒng)在長時(shí)間運(yùn)行時(shí)對其他方面的影響。為此，筆者選擇特定人車交互場景，運(yùn)用基于智能體建模思想，基于Net Logo仿真平臺，模擬交通流系統(tǒng)的運(yùn)行機(jī)制，分析行人主動安全系統(tǒng)在不同道路限速值、車流量和行人規(guī)模等道路條件下對交通流穩(wěn)定性及通行效率的影響。希望為未來自動駕駛環(huán)境下對行人等弱勢群體的保護(hù)以及人機(jī)交互系統(tǒng)的構(gòu)建提供理論基礎(chǔ)和發(fā)展思路。

1 仿真試驗(yàn)設(shè)計(jì)

1.1 場景選擇及模型建立

在車輛與行人碰撞導(dǎo)致行人傷亡的事故中，最為常見的是直行路段過街行人被直行車輛撞擊[10]。與綠燈時(shí)行人在人行橫道過街相比，無信號控制路段人行橫道處，行人過街具有更高的風(fēng)險(xiǎn)[11]。因此，選擇該場景下的人車交互為研究對象。

運(yùn)用Net Logo搭建城市道路直行路段無信號控制人行橫道場景。在所建立的人車交互模型中，車輛智能體能夠在規(guī)定限速值下，自我調(diào)整行駛速度，根據(jù)周圍環(huán)境做出自己的判斷和決策。通過設(shè)置各參數(shù)變化范圍，使駕駛?cè)巳后w、行人群體及道路條件的特征參數(shù)在其對應(yīng)范圍內(nèi)取不同值。

為比較不同系統(tǒng)性能差異，選擇傳統(tǒng)人工駕駛車輛、行人檢測系統(tǒng)車輛和人車通訊系統(tǒng)車輛分別進(jìn)行仿真試驗(yàn)，并假設(shè)不存在不同系統(tǒng)車輛混行的情況。上述3種車輛的最大差異在于對前方行人的感知能力不同。傳統(tǒng)人工駕駛車輛需要駕駛?cè)藖磉M(jìn)行危險(xiǎn)感知、決策和操作。駕駛?cè)藢η胺降缆沸畔⒌母兄?0%來源于視覺，而駕駛過程中的視覺搜索能力通常與車速有關(guān)。潘兵宏等[12]研究得出了駕駛?cè)艘曇胺秶c車速的關(guān)系。行人檢測系統(tǒng)通過傳感器實(shí)現(xiàn)對行人的感知，多數(shù)車載傳感器能夠檢測車輛前方150 m范圍內(nèi)的物體[13]；特斯拉的Autopilot 2.0硬件系統(tǒng)能夠覆蓋360°可視范圍。人車通訊系統(tǒng)通常具有300 m全向有效范圍以實(shí)現(xiàn)人車雙向信息交換，能夠提供更準(zhǔn)確和更廣泛的感知功能[14]。

1.2 自變量選取

車速不僅會影響駕駛?cè)艘曇胺秶?，也會影響行人對人車間距的判斷，從而改變過街決策。A.SHEYKHFARD等[15]通過視頻拍攝分析了216條人車交互案例，結(jié)果顯示車速和人車間距是影響人車沖突發(fā)生的最重要因素。試驗(yàn)設(shè)置不同道路限速值來控制車輛速度。車流量是影響人車碰撞的因素之一[16,17]，其影響在試驗(yàn)中不可忽視。行人規(guī)模體現(xiàn)在過街行人群體的數(shù)量，大量研究表明其對人車沖突及行人安全的影響作用[18,19]。在考慮行人過街安全性同時(shí)，也需研究相關(guān)因素對交通流穩(wěn)定性和通行效率的影響。

1.3 觀察變量提取

交通流穩(wěn)定性是考察道路中隨機(jī)出現(xiàn)的擾動對交通流狀態(tài)影響的一種有效分析指標(biāo)，是衡量交通流運(yùn)行質(zhì)量的重要指標(biāo)。若交通流穩(wěn)定，則車速在合理范圍內(nèi)有序波動，當(dāng)受到外界干擾時(shí)，擾動會隨著時(shí)間演進(jìn)而在交通流系統(tǒng)中逐漸減小并消失。若交通流不穩(wěn)定，則不同時(shí)刻車速會發(fā)生無序變化，此時(shí)交通流效率、道路交通安全水平也隨之降低。試驗(yàn)觀察序列車輛在不同道路條件下的速度波動，從而判斷不同變量對交通流穩(wěn)定性的影響。

對于道路上行駛的車輛來說，人行橫道處過街的行人是路段的一個外部干擾，對路段交通流的運(yùn)行效率存在一定影響。人車沖突導(dǎo)致車輛運(yùn)行速度受影響，進(jìn)而產(chǎn)生延誤。延誤常被作為評價(jià)道路運(yùn)行效率的重要指標(biāo)，也是學(xué)者研究行人過街所引發(fā)問題時(shí)常常關(guān)注的重點(diǎn)[20,21]。定義等待時(shí)間為車輛和行人到達(dá)和離開人行橫道處的時(shí)刻差[22]。試驗(yàn)采用車輛等待時(shí)間和行人等待時(shí)間、行人速度反映車輛流和行人流的通行效率。根據(jù)以往研究，在仿真模型中設(shè)置行人速度范圍[23,24]，使行人智能體在該范圍內(nèi)自行調(diào)整速度。之后，觀察不同系統(tǒng)運(yùn)行時(shí)行人速度的時(shí)間分布并對其加以分析。

2 試驗(yàn)結(jié)果

2.1 序列車輛車速波動情況

隨著路段上車輛的運(yùn)行，其平均速度不是恒定不變的，不同時(shí)刻存在差異。在相同的道路限速值、車流量和行人規(guī)模下，安裝不同車載系統(tǒng)的車輛的平均車速如圖1。仿真中時(shí)間單位為tick，距離單位為patch，車輛智能體速度單位為patches·tick-1。在仿真時(shí)段內(nèi)，傳統(tǒng)車輛和行人檢測系統(tǒng)車輛的平均車速在一定范圍內(nèi)呈現(xiàn)不同幅度的波動，而人車通訊系統(tǒng)車輛平均車速在仿真時(shí)段前期持續(xù)降低后逐漸穩(wěn)定。

圖1 同限速值、同車流量、同行人規(guī)模下不同系統(tǒng)車輛的平均車速波動狀態(tài)

3種系統(tǒng)車輛在不同道路限速值下平均車速的時(shí)間序列值如圖2。在仿真時(shí)段內(nèi)，隨著道路限速值取值的增大，傳統(tǒng)車輛平均速度的標(biāo)準(zhǔn)差逐漸增大，分別為0.019 4、0.037 4和0.042 9 patches·tick-1。這表明道路限速值越大，平均車速波動越大。這一發(fā)現(xiàn)同樣適用于行人檢測系統(tǒng)車輛，其平均車速標(biāo)準(zhǔn)差分別為0.027 8、0.052 3和0.053 8 patches·tick-1。在道路限速值相同時(shí)，行人檢測系統(tǒng)車輛速度波動比傳統(tǒng)車輛更大。人車通訊系統(tǒng)車輛平均速度分別從第71、80和117 tick開始趨于一個相對穩(wěn)定的值。也就是說，限速值越大，平均車速越晚呈現(xiàn)穩(wěn)定狀態(tài)。

圖2 不同類型車輛在不同限速值下的平均車速波動狀態(tài)

3種系統(tǒng)車輛在不同車流量下平均車速時(shí)間序列值，如圖3。傳統(tǒng)車輛和行人檢測系統(tǒng)車輛的平均速度在仿真時(shí)段內(nèi)均有不同程度波動。對這2種類型車輛平均速度時(shí)間序列值進(jìn)行組內(nèi)方差分析。分析結(jié)果顯示，傳統(tǒng)車輛在低流量和中等流量(F=28.729, df=1,p=0.000)、低流量和高流量(F=2635.224, df=1,p=0.000)及中等流量和高流量(F=3145.128, df=1,p=0.000)下平均車速均有顯著差異；行人檢測系統(tǒng)車輛在低流量和中等流量(F=401.831, df=1,p=0.000)、低流量和高流量(F=4794.155, df=1,p=0.000)及中等流量和高流量(F=500.295, df=1,p=0.000)下平均速度均有顯著差異(F為顯著性差異水平；df為自由度；p為檢驗(yàn)水平，p值小于0.05時(shí)表示兩組存在顯著差異)。對上述2種類型車輛平均速度時(shí)間序列值組間方差分析。低流量(F=106.916, df=1,p=0.000)、中等流量(F=219.391, df=1,p=0.000)和高流量(F=124.000, df=1,p=0.000)下，其平均車速均有顯著差異。分析結(jié)果表明道路車流量高低對2種類型車輛平均速度波動有顯著影響，且在相同車流量下平均車速波動狀態(tài)也具有顯著差異。在仿真時(shí)段內(nèi)，傳統(tǒng)車輛在低、中、高車流量下瞬時(shí)平均車速的平均值分別為0.174 5, 0.171 4, 0.065 5 patches·tick-1；行人檢測系統(tǒng)車輛為0.195 8, 0.144 1, 0.084 6 patches·tick-1。可見道路車流量越大，車流整體速度越小。人車通訊系統(tǒng)車輛在低、中、高流量下分別在第161、80和36 tick開始呈現(xiàn)穩(wěn)定狀態(tài)?？梢酝茢?，在一定范圍內(nèi)車流量越大，人車通訊系統(tǒng)車輛越早趨于穩(wěn)定。

圖3 不同類型車輛在不同車流量下的平均車速波動狀態(tài)

3種類型系統(tǒng)車輛在不同行人規(guī)模下平均車速的時(shí)間序列值如圖4。從波動圖可以看出，隨著行人規(guī)模增大，傳統(tǒng)車輛和行人檢測系統(tǒng)車輛平均車速波動頻率逐漸減小。傳統(tǒng)車輛在小規(guī)模、中等規(guī)模和大規(guī)模行人狀態(tài)下的瞬時(shí)平均速度的平均值分別為0.210 9, 0.171 4, 0.081 0 patches·tick-1；行人檢測系統(tǒng)車輛分別為0.220 2, 0.144 1, 0.079 6 patches·tick-1。可以推斷，人行橫道處過街行人規(guī)模越大，車流整體速度越小。過街行人規(guī)模不同時(shí)，人車通訊系統(tǒng)車輛的平均車速分別在第62、80和82 tick開始趨于低速穩(wěn)定狀態(tài)?？梢?，不同行人規(guī)模下，人車通訊系統(tǒng)車輛運(yùn)行狀態(tài)差異并不明顯。

圖4 不同類型車輛在不同行人規(guī)模下的平均車速波動狀態(tài)

2.2 等待時(shí)間與行人速度分布

提取車輛平均等待時(shí)間和行人平均等待時(shí)間的瞬時(shí)值，并將其由低到高排列，分別取第80%位值作為該系統(tǒng)在特定行駛條件下的車輛和行人等待時(shí)間值，并經(jīng)過多次仿真計(jì)算該值的平均值。

3種類型車輛在不同道路限速值、不同車流量和不同行人規(guī)模下運(yùn)行得到的車輛等待時(shí)間和行人等待時(shí)間見表1。從不同類型車輛來看，車流量增大使得傳統(tǒng)車輛等待時(shí)間有較為明顯的增長；行人規(guī)模增大時(shí)，車輛等待時(shí)間的增長更為顯著，在大規(guī)模下達(dá)到了小規(guī)模時(shí)的42.35倍。隨著行人規(guī)模增大，行人檢測系統(tǒng)車輛等待時(shí)間也隨之增加，而在道路限速值和車流量不同時(shí)無明顯變化。在不同行駛條件下，人車通訊系統(tǒng)車輛等待時(shí)間在350 ticks左右浮動，值得注意的是，相比于其他行駛狀態(tài)，在車流量較小時(shí)，其等待時(shí)間大大增加。從相同行駛條件來看，人車通訊系統(tǒng)車輛等待時(shí)間遠(yuǎn)超于其他2種類型車輛；行人檢測系統(tǒng)車輛的等待時(shí)間比傳統(tǒng)車輛更長，只有在車流量較高和行人規(guī)模較大時(shí)才短于傳統(tǒng)車輛等待時(shí)間。

從表1可以看出，行人檢測系統(tǒng)車輛行駛環(huán)境下，行人等待時(shí)間相較于傳統(tǒng)車輛行駛時(shí)更長，但在車流量較大時(shí)卻相反；與車輛等待時(shí)間不同的是，人車通訊系統(tǒng)車輛行駛時(shí)的行人等待時(shí)間遠(yuǎn)低于其他2種類型車輛行駛時(shí)的情況。從不同類型車輛來看，傳統(tǒng)車輛行駛時(shí)，行人等待時(shí)間隨道路限速值增大而縮短，卻隨車流量和行人規(guī)模增大而延長。行人檢測系統(tǒng)車輛行駛時(shí)，行人等待時(shí)間隨道路限速值增大而縮短，隨車流量增大而先延長后縮短；行人規(guī)模變化對其無明顯影響，其值保持在1 tick左右。人車通訊系統(tǒng)車輛行駛時(shí)，行人等待時(shí)間在不同條件下均趨近于0或等于0。

表1 不同道路限速值、不同車流量和不同行人規(guī)模下3類車輛等待時(shí)間

將3種車輛分別放置在不同道路條件下運(yùn)行，觀察軟件輸出行人速度瞬時(shí)最大、最小和平均值隨時(shí)間的變化情況，發(fā)現(xiàn)行人速度的時(shí)間序列分布并不會隨道路限速值和車流量變化而產(chǎn)生明顯變化；但當(dāng)行人規(guī)模增大時(shí)，行人速度時(shí)間序列值波動范圍逐漸縮小，行人流更加穩(wěn)定。3種類型車輛在相同條件下運(yùn)行時(shí)，行人瞬時(shí)平均速度的時(shí)間序列分布如圖5。觀察圖5可知，傳統(tǒng)車輛運(yùn)行時(shí)行人速度波動最為明顯，行人檢測系統(tǒng)車輛次之。人車通訊系統(tǒng)車輛運(yùn)行時(shí)，行人速度在0.03～0.12 patches·tick-1之間波動，且散點(diǎn)在0.06～0.10 patches·tick-1范圍內(nèi)分布較為密集。計(jì)算發(fā)現(xiàn)，傳統(tǒng)車輛運(yùn)行時(shí)的行瞬時(shí)平均速度的平均值為0.066 5 patches·tick-1，行人檢測系統(tǒng)車輛為0.069 4 patches·tick-1，人車通訊系統(tǒng)車輛為0.076 1 patches·tick-1，由此認(rèn)為，人車通訊系統(tǒng)車輛運(yùn)行時(shí)的行人過街效率最高，其次是行人檢測系統(tǒng)車輛，傳統(tǒng)車輛運(yùn)行時(shí)最低。

圖5 不同類型車輛在相同條件下運(yùn)行時(shí)的行人速度分布

3 模擬結(jié)果分析討論

行人和車輛通過無信號燈控制人行橫道處的運(yùn)行過程往往是一個人機(jī)互相干擾過程。隨著輔助駕駛系統(tǒng)和自動駕駛技術(shù)發(fā)展升級，過街行人安全也許能夠得到一定改善[17-23]，當(dāng)然，安全性也確實(shí)是其他性能的首要條件和基礎(chǔ)，但先進(jìn)技術(shù)除了能夠達(dá)到對行人的保護(hù)作用外，在其他方面是否能夠有良好表現(xiàn)，需要進(jìn)一步驗(yàn)證。

3.1 交通流穩(wěn)定性

在仿真中改變道路限速值，車輛智能體行駛速度也相應(yīng)改變。傳統(tǒng)車輛和行人檢測系統(tǒng)車輛瞬時(shí)平均車速均處于波動狀態(tài)，并且道路限速值越大，平均車速的波動越大。道路限速值的高低一定程度上體現(xiàn)了車速大小，車速較大時(shí)，車輛為避讓行人而產(chǎn)生的加減速幅度也隨之較大。在限速值相同時(shí)，行人檢測系統(tǒng)車輛速度波動比傳統(tǒng)車輛更大，也就是說，傳統(tǒng)車輛車流更穩(wěn)定，這可能是因?yàn)樾腥藱z測系統(tǒng)對目標(biāo)的檢測范圍較大，導(dǎo)致車輛過早開始減速，留給行人過街的時(shí)間足夠充足甚至過長，引起后續(xù)車輛減速排隊(duì)。人車通訊系統(tǒng)車輛平均速度在持續(xù)下降一段時(shí)間后逐步趨于穩(wěn)定，限速值越大，車輛智能體行駛速度越大，需要越長時(shí)間減速，平均車速越晚達(dá)到穩(wěn)定狀態(tài)，然而這種穩(wěn)定狀態(tài)是異常的，很難恢復(fù)至原有狀態(tài)。這是因?yàn)槿塑囃ㄓ嵪到y(tǒng)在接收到行人過街信息后盡可能讓出路權(quán)，讓行人順利過街，當(dāng)行人之間未出現(xiàn)可通過間隙時(shí)，車輛則一直停車等待，以致產(chǎn)生擁堵。

道路車流量高低對傳統(tǒng)車輛和行人檢測系統(tǒng)車輛平均車速波動具有顯著影響，車流量越大，車速波動越小。這是因?yàn)檐嚵髁枯^高，車流整體速度較低，交通流不易受穿越行人影響。2種車輛在相同車流量下平均車速的時(shí)間序列值具有顯著差異，但從長時(shí)間運(yùn)行狀態(tài)看，車流狀態(tài)并沒有很大區(qū)別，并不能區(qū)分孰優(yōu)孰劣。另外，車輛智能體運(yùn)動具有自主性，且仿真實(shí)驗(yàn)起始時(shí)的車流狀態(tài)具有隨機(jī)性，由此引起的顯著差異性也是一方面原因。在一定范圍內(nèi)車流量越大，人車通訊系統(tǒng)車輛越早趨于穩(wěn)定狀態(tài)，這同樣可以解釋為交通流量大，整體車流速度小，減速避讓行人所需時(shí)間短。

行人規(guī)模反映路段行人流量的大小。隨著行人規(guī)模增大，傳統(tǒng)車輛和行人檢測系統(tǒng)車輛的平均車速波動頻率逐漸減小。這是因?yàn)楫?dāng)行人規(guī)模較小時(shí)，車輛為避讓行人而采取的加速、減速操作較為頻繁；反之，人行橫道處過街行人密集，行人頻繁到達(dá)人行橫道處，車輛沒有足夠時(shí)間加速到最大速度。人行橫道處過街行人規(guī)模越大，停車或低速排隊(duì)車輛越多，車流整體速度越小，交通流處于低速狀態(tài)，車流通行能力降低。當(dāng)行人規(guī)模相同時(shí)，從車流長時(shí)間運(yùn)行狀態(tài)來看，2種類型車輛平均速度波動狀態(tài)并沒有明顯區(qū)別，只是在規(guī)模較大時(shí)，傳統(tǒng)車輛整體車流速度略高于行人檢測系統(tǒng)車輛。這可能是因?yàn)?者避撞模式相似，均需經(jīng)歷感知、判斷、決策和操作過程，而行人檢測系統(tǒng)相對于駕駛?cè)藖碚f對目標(biāo)行人檢測能力更強(qiáng)，能夠更早采取減速操作避讓行人，當(dāng)排隊(duì)車輛較多時(shí)，整體車流速度自然也會變小。人車通訊系統(tǒng)車輛接收到行人過街信息后即及時(shí)避讓行人，因此在不同行人規(guī)模下運(yùn)行狀態(tài)差異并不明顯。結(jié)合之前的分析來看，人車通訊系統(tǒng)車輛雖然在各種道路條件下都能保持穩(wěn)定車流，但其對行人的讓行使得車流無法正常運(yùn)行，因此有理由認(rèn)為人車通訊系統(tǒng)也許并不是先進(jìn)駕駛系統(tǒng)的最佳選擇。

3.2 通行效率

車輛通行效率是城市路網(wǎng)健康發(fā)展的重要組成部分。一方面車輛速度能夠反映通行效率，另一方面車輛交通流受其他道路使用者干擾時(shí)的等待時(shí)間也能夠反映交通流運(yùn)行效率。道路限速值、車流量和行人規(guī)模變化，均會引起傳統(tǒng)車輛等待時(shí)間變化。車流量較大時(shí)，車輛等待時(shí)間明顯增長，行人規(guī)模較大時(shí)，這種增長更為顯著。這是因?yàn)榻煌髁看螅囬g距離較小，整體車速較低，當(dāng)與行人存在沖突風(fēng)險(xiǎn)的車輛減速停車時(shí)，后續(xù)跟馳車輛在較短時(shí)間內(nèi)也相繼減速停車。群體行人過街時(shí)，所需過街時(shí)間比單個行人過街多得多，且群體行人過街速度通常低于單個行人過街速度。與傳統(tǒng)車輛相同的是，隨著行人規(guī)模增大，行人檢測系統(tǒng)車輛等待時(shí)間隨之出現(xiàn)增加趨勢。人車通訊系統(tǒng)車輛在各種道路條件下等待時(shí)間沒有明顯差距，唯一不同的是，在車流量較小時(shí)，其等待時(shí)間反而高于其他情況。將這個發(fā)現(xiàn)解釋為車流量小時(shí)車間距離大，行人認(rèn)為的可通過間隙多，因此路邊行人直接過街而不是在路邊等待的可能性更大，這使得行人過街狀態(tài)離散，行人檢測系統(tǒng)車輛能夠較早識別到正在過街的行人，需頻繁減速停車，反而導(dǎo)致了車輛通行效率降低。在大多數(shù)條件下，傳統(tǒng)車輛等待時(shí)間比行人檢測系統(tǒng)短，而在較高車流量和較大行人規(guī)模下前者才長于后者。而人車通訊系統(tǒng)車輛等待時(shí)間遠(yuǎn)遠(yuǎn)超過了其他2種類型車輛。推斷原因是行人檢測系統(tǒng)檢測目標(biāo)行人的靈敏性以及人車通訊系統(tǒng)接收信息的快捷性使得車流過早開始減速，停車時(shí)距離人行橫道還有一定距離，當(dāng)后續(xù)行人陸續(xù)到達(dá)時(shí)，車輛沒有足夠時(shí)間加速通過只能繼續(xù)停車等待。這說明行人檢測系統(tǒng)和人車通訊系統(tǒng)在通行效率方面的表現(xiàn)并不優(yōu)于傳統(tǒng)車輛，先進(jìn)駕駛輔助系統(tǒng)的使用有可能會加劇交通擁堵，尤其是人車通訊系統(tǒng)。因此，若未來將其大量投放市場，決策者們則需要考慮行人流量較大時(shí)的車輛擁堵問題。

在實(shí)際中，過街行人在路邊等待時(shí)通常存在等待忍受時(shí)間，等待時(shí)間過長不僅會影響人流通行效率，導(dǎo)致路邊聚集行人過多而擁擠，還會使其產(chǎn)生焦慮心理，影響通行體驗(yàn)。當(dāng)傳統(tǒng)車輛或行人檢測系統(tǒng)車輛行駛時(shí)，行人等待時(shí)間隨車流量和行人規(guī)模增大而延長。空間需要在過街過程中體現(xiàn)為行人和機(jī)動車密度大小，也就是行人規(guī)模和車流量大小。人的自然屬性驅(qū)使行人尋找空間滿足其需要，空間越大舒適度越高。若周圍環(huán)境擁擠，例如在路沿石等待過街或隨大群行人一同過街時(shí)，不斷有行人出現(xiàn)在身旁，可利用空間不斷縮小，行人會自行調(diào)整與其他行人之間的距離。也就是說，車流量小時(shí)，人車間距大于行人認(rèn)為的可通過間隙，因而行人直接過街，等待時(shí)間短，通行效率高；行人規(guī)模大時(shí)，路邊和人行橫道上易產(chǎn)生擁擠現(xiàn)象，從而使得行人群體過街速度小，有時(shí)需等待才能尋找到合適的行走空間，通行效率低。當(dāng)行人檢測系統(tǒng)車輛行駛時(shí)，行人等待時(shí)間會隨車流量增高而先延長后縮短，這可以理解為車流量足夠大時(shí)，車速緩慢，足以讓行人尋找間隙順利過街，從而縮短等待時(shí)間。當(dāng)人車通訊系統(tǒng)車輛行駛時(shí)，行人幾乎無需等待即可過街。這是因?yàn)檐囕v在接收到行人過街信息的情況下將通行權(quán)讓給行人，保證行人通行效率。多數(shù)情況下，行人等待時(shí)間在行人檢測系統(tǒng)車輛運(yùn)行時(shí)比傳統(tǒng)車輛運(yùn)行時(shí)稍長，僅在車流量較大時(shí)后者超過了前者；而人車通訊系統(tǒng)車輛運(yùn)行時(shí)，行人等待時(shí)間遠(yuǎn)遠(yuǎn)低于其他2種類型車輛運(yùn)行時(shí)的情況。這說明了人車通訊系統(tǒng)對行人通行效率有很大改善作用，而行人檢測系統(tǒng)在這方面的表現(xiàn)并不好。

從行人速度看，人車通訊系統(tǒng)車輛運(yùn)行時(shí)的行人過街效率最高，其次是行人檢測系統(tǒng)車輛，傳統(tǒng)車輛運(yùn)行時(shí)最低，但這個結(jié)論僅來源于傳統(tǒng)車輛和行人檢測系統(tǒng)車輛運(yùn)行時(shí)行人低速時(shí)刻較多。但是這與上面關(guān)于行人等待時(shí)間的結(jié)論基本符合。在實(shí)際中，人車通訊系統(tǒng)車輛由于能夠很早接收到行人過街需求信息，能夠及時(shí)避讓行人，保證行人通行效率；而行人也能夠知曉車輛運(yùn)動狀態(tài)，無需停下觀察即可過街。當(dāng)傳統(tǒng)車輛或行人檢測系統(tǒng)車輛運(yùn)行時(shí)，行人由于難以判斷車輛行駛狀態(tài)而需要停在路邊觀察后再過街，因此存在的低速時(shí)刻較多。

3.3 模擬局限性

試驗(yàn)不可避免地存在一些仿真失真的情況。例如，討論車輛等待時(shí)間和行人等待時(shí)間時(shí)，忽略了駕駛?cè)撕托腥说娜棠蜆O限，這就是人與機(jī)器的區(qū)別。對于需要駕駛?cè)耸謩硬倏v的傳統(tǒng)車輛來說，其運(yùn)動受到駕駛?cè)饲榫w、性格及天氣環(huán)境等不確定因素多方面影響，例如，駕駛?cè)祟l繁加減速會造成其情緒煩躁，無形之中降低安全性。雖然運(yùn)用車輛智能體來表征車輛在一定速度范圍內(nèi)的隨機(jī)運(yùn)動，但仍然不能保證模擬出其與自動駕駛系統(tǒng)運(yùn)行模式的區(qū)別。行人也同樣如此，與微觀研究相比，并沒有考慮冒險(xiǎn)型行人和保守型行人不同過街特性，而是直接考慮了行人群體過街特點(diǎn)以及不同年齡范圍對應(yīng)的過街速度，但這也許更適合于所做的宏觀研究。

4 結(jié) 語

筆者探索了傳統(tǒng)車輛(即駕駛?cè)?、行人檢測系統(tǒng)以及人車通訊系統(tǒng)分別在各自感知能力下在長時(shí)間內(nèi)對城市無信號人行橫道路段交通流運(yùn)行的影響。研究結(jié)果表明：雖然行人主動安全系統(tǒng)的發(fā)展越來越能夠改善行人安全性，但這些先進(jìn)系統(tǒng)在交通流運(yùn)行質(zhì)量和通行效率方面的性能并不是越來越好的，例如，行人檢測系統(tǒng)車輛也許并不利于交通流的穩(wěn)定；人車通訊系統(tǒng)的普及也許會嚴(yán)重影響車輛通行效率，加劇城市擁堵。決策者應(yīng)認(rèn)識到這一點(diǎn)，并采取措施規(guī)避這些缺陷。

很多輔助駕駛系統(tǒng)試圖通過目標(biāo)檢測功能和圖像處理技術(shù)來達(dá)到行人檢測和避撞目的。而從仿真試驗(yàn)結(jié)果可以看出，當(dāng)?shù)缆愤\(yùn)行狀況不同時(shí)，不同系統(tǒng)的各個性能指標(biāo)無法在同一條件下取得最優(yōu)值，而需要從道路管理功能方面結(jié)合路段交通流的實(shí)際運(yùn)行情況，綜合評價(jià)不同系統(tǒng)的性能。