重型卡车驾驶员分心的交通安全影响：基于微观仿真的宏观统计分析

《Simulation Modelling Practice and Theory》：Traffic-Safety Effects of Heavy Truck Driver Distraction: A Macroscopic Statistical Analysis Based on Microscopic Simulation

分心驾驶对重卡交通流稳定性的微观仿真研究及政策启示。该研究通过驾驶模拟实验量化蓝牙通话、环视和发短信三种分心任务对车辆性能的影响，构建嵌入随机分心模型的IDM扩展模型，并集成SUMO平台开发异构交通流仿真框架。实验表明分心驾驶显著降低车队稳定性，引发交通流波动，低至中等密度时影响尤为突出，多车道仿真显示相邻车道通行效率下降达23%。研究结果为平衡重卡运营效率与交通安全提供理论支撑。

　　

袁新武|钱达林|李思贤|胡振新|梁行灿

北京交通大学城市交通复杂系统理论与技术教育部重点实验室，中国北京

摘要

分心驾驶在乘用车和重型卡车驾驶员中普遍存在，对交通安全构成重大风险，需要深入研究。分心驾驶的随机性以及跟随车辆的反应不确定性增加了分析其安全影响的复杂性。本研究系统地研究了分心驾驶行为，开发了相应的微观交通仿真模型，并探讨了这些行为如何影响交通流特性。通过驾驶仿真实验收集了三种类型的分心任务数据：使用蓝牙手机通话、望向窗外和发短信。利用这些数据，构建了一个包含驾驶员分心的车辆跟随模型，并开发了一个随机分心模型。这些模型被集成到SUMO仿真平台中，创建了一个异构交通流仿真框架，以研究不同分心频率的影响。研究进一步分析了车队稳定性、单车道交通的动态演变以及变道操作对相邻车道流的影响。结果表明，即使在低分心概率下，分心驾驶也会导致车队不稳定和交通流波动增加，尤其是在低至中等密度的情况下。在高密度交通条件下，更高的分心概率与更高的交通事故频率相关。此外，单车道和多车道仿真的比较分析表明，分心驾驶显著影响了相邻车道的运行效率。

引言

货运运输是经济增长的基石，对社会经济活动至关重要。然而，货运运输比其他运输方式风险更高，因为它涉及更多的交通事故。研究表明，涉及货运车辆的交通事故更频繁，造成的伤害更严重，经济损失也更大[1]。2016年，中国共有26,715起卡车事故，占所有商业车辆事故的67.7%[2]。这些事故导致14,256人死亡，估计经济损失达300.3亿元人民币。根据美国公路安全保险协会(IIHS)的数据，卡车事故在每1亿车辆行驶里程中导致1.7人死亡[3]。

卡车事故频发，不安全驾驶被认为是主要原因。超过94%的事故是由不安全驾驶行为引起的[4]。驾驶行为受驾驶员的性格特征和瞬时注意力状态的影响[5,6]。这一问题在重型卡车运输中尤为突出，因为这些车辆经常进行长途运输。单调且不规律的驾驶方式使驾驶员更容易分心和疲劳[7,8]。这种分心是导致卡车事故的主要因素，并被普遍认为是危险的[[9], [10], [11], [12]]。然而，关于驾驶员分心的研究主要集中在轻型车辆上，而对重型卡车驾驶员的行为研究仍然不足。

当重型卡车驾驶员分心时，其带来的安全风险远大于分心的乘用车驾驶员。从根本上说，重型卡车在尺寸、动态特性和操控性方面与乘用车有显著差异[[13], [14], [15]]。重型卡车在紧急情况下给驾驶员提供的反应时间更短，也更难以操控。因此，即使是短暂的注意力分散也可能导致严重后果。此外，它们的大型车身可能会令其他道路使用者感到恐惧。当卡车驾驶员分心时，附近的驾驶员往往会采取避让措施，如变道、加速或紧急制动。这些行为进一步扰乱了交通流[16,17]。相关研究表明，随着道路上卡车比例的增加，由分心引起的事故概率急剧上升[18]。尽管中国的《道路交通安全法》禁止诸如手持电话通话或观看视频等明显的分心行为，但并未对更微妙的分心形式提供指导[19]。此外，由于分心行为短暂且随机发生，量化其对驾驶行为的影响具有挑战性。因此，深入研究重型卡车驾驶员的分心行为及其对交通安全的影响具有重要的实际价值。这样的研究可以提高卡车运营的安全性，并为其他道路使用者提供更好的保护。

现有研究在微观和宏观层面探讨了驾驶员分心对交通安全的影响[20]。在微观层面，主要采用车辆跟随模型(CFM)和元胞自动机模型(CAM)[[21], [22], [23]]。最近，增强人类因素的车辆跟随模型，特别是智能驾驶员模型(IDM)[24]受到了关注，因为它们能更准确地捕捉真实的加速和减速行为[25,26]。然而，传统的IDM仍然忽略了卡车驾驶中的关键分心方面，而卡车驾驶涉及复杂的认知、多通道信息处理和动态响应。因此，改进IDM以准确反映卡车驾驶员的行为至关重要。CFM也广泛用于模拟异构交通，如卡车和乘用车混合交通，因为它们规则简单且灵活[27,28]。然而，由于元胞自动机本质上是离散的，无法准确捕捉交通流的连续演变[29]。因此，IDM被用来模拟分心驾驶。朱等人(2024)扩展了智能驾驶员模型(IDM)，以模拟乘用车中的分心驾驶，并考虑了不同道路场景下的差异。然而，该研究仅关注乘用车，并对不同分心情境下的卡车驾驶行为进行了有限的描述[29]。此外，所提出的模型未通过混合交通仿真进行验证或评估。

在宏观层面，交通流模型描述了整个道路网络的总体行为[30,31]。然而，传统的宏观模型忽略了车辆间的相互作用，通常将多车道交通简化为单车道抽象。因此，它们无法再现现实世界的交通复杂性[32]。一种结合了反应时间、刺激敏感性和期望速度等人因素的多层次仿真框架被引入到交通流建模中[33]。他们的框架阐明了分心如何引发瓶颈并导致拥堵传播。利用TraffSim，扩展了驾驶员模型以量化延迟反应和分心如何降低安全性[34]。他们发现，严重的分心显著增加了追尾事故的风险。开发了一个双车道混合交通CFM，以研究驾驶员分心如何影响交通流效率和安全性。结果证实，驾驶员分心降低了交通流效率和安全性[35]。

尽管之前的研究为驾驶员分心研究奠定了坚实的基础，但针对不同类型卡车的系统研究仍然有限。由于卡车重量大、惯性高且制动距离长，详细研究对于明确分心如何影响其安全性和微观交通流至关重要。此外，大多数现有研究尚未为不同分心子任务的卡车驾驶员开发特定任务模型，这使得难以捕捉不同子任务对卡车跟随和操控行为的异质影响。此外，很少有研究探讨卡车驾驶员的分心如何影响交通流动态（例如，速度波动、容量下降和干扰传播）和整体交通安全。为解决这一差距，本文做出了四项关键贡献：

• (1)
  我们进行了驾驶模拟实验，以量化多种分心子任务的影响，并用校准的分心相关参数扩展了IDM，为后续仿真研究提供了特定任务的模型。
• (2)
  将随机分心模型(SDM)嵌入到微观交通流仿真器中。SDM捕捉了分心的随机性和时间变化特性，使其能够详细分析其对车队稳定性和流动态的影响。
• (3)
  本研究通过二次开发扩展了SUMO，以纳入更真实的驾驶行为。该框架通过指定随机分心事件的概率和持续时间来引入卡车驾驶员的分心机制。它还模拟了由乘用车和货运卡车组成的异构交通。
• (4)
  我们创新性地使用微观仿真来评估不同驾驶员分心对车队稳定性和同车道交通流的影响。我们还考虑了车辆动态和车道间相互作用，探讨了其对相邻车道的影响。

系统实验量化了卡车分心和分心触发概率如何影响交通流和安全性稳定性。这些发现为有效的安全管理提供了理论基础。总之，我们对卡车分心和交通流的系统研究为事故预防和安全政策制定提供了坚实的理论基础。

实验片段

驾驶模拟实验

进行了驾驶模拟实验，以收集不同卡车分心任务下的车辆性能数据。

驾驶性能分析

利用驾驶模拟数据，我们分析了分心状态下的车辆速度和加速度（图3）。图3(a)显示，在自由流条件下，三种分心任务均显著降低了平均速度。“望向窗外”和“发短信”导致的速度下降幅度大于“打电话”；然而，在拥堵条件下，这种差异变小。图3(b)表明，在自由流条件下，“打电话”对速度变化的影响很小，允许驾驶员

仿真结果

所有仿真都在相同的硬件和软件环境中运行，以确保结果的可比性和可重复性。仿真在配备Intel Core i5-12600K处理器的工作站上使用SUMO（v1.23）执行。

结论

本研究探讨了卡车驾驶员的分心行为及其对交通流特性的影响。首先，通过驾驶模拟实验收集了高分辨率的驾驶数据，系统地评估了各种分心类型对驾驶性能的影响。随后，基于收集的数据建立了车辆跟随行为模型。使用遗传算法精确校准了IDM的关键参数和分心相关参数

作者贡献声明

袁新武：撰写——原始草稿，可视化，监督，方法论，数据管理，概念化。钱达林：撰写——原始草稿，资源获取，资金筹集。李思贤：撰写——原始草稿，软件，概念化。胡振新：撰写——原始草稿，方法论，概念化。梁行灿：撰写——原始草稿，方法论，数据管理。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（62272030, 52072289）的资助