一种基于点云数据评估城市道路驾驶安全性的能见度指数

《Accident Analysis & Prevention》：A driving visibility index for evaluating urban road driving safety based on point cloud data

基于LiDAR点云数据构建三维可见性场框架，提出驾驶可见性指数（DVI）量化方法，应用于校园主干道验证显示双向DVI范围为0.2-0.6，验证了方法在道路安全评估中的有效性。

　　

张志荣|袁媛|黄海兰|王宇|李佳欢|吴斌

中山大学地理空间工程与科学学院，中国珠海519082

摘要

道路交通安全评估对于减少交通事故、保护人类生命和财产以及促进社会经济发展至关重要。现有的评估方法依赖于对历史交通事故和冲突的统计分析以及对道路设计参数的评估，在评估道路交通安全中发挥着关键作用。驾驶能见度作为驾驶员视野范围的关键指标，对这些方法起到了重要的补充作用。因此，本研究提出了一种利用LiDAR点云数据量化三维驾驶能见度的方法。该方法建立了一个从驾驶员视角出发的三维可见空间计算框架，并引入了一种新的驾驶能见度指数（DVI）来进行基于能见度的安全评估。所提出的方法包括三个主要组成部分：道路点云的采集与预处理、驾驶能见度场的计算以及DVI的计算。我们在中山大学珠海校区的宜贤大道上验证了该方法，生成了一张驾驶安全地图。结果显示，宜贤大道双向行驶的总体DVI范围在0.2到0.6之间，表明安全条件不尽理想。随后与现场收集的数据进行比较分析，进一步证实了我们提出方法的可靠性。该方法从驾驶员视角对三维可见空间的客观直观量化为交通管理提供了新的基础，其应用范围涵盖道路设计、交通设施布局以及智能交通网络的验证。

引言

城市化进程的加快导致了城市人口和机动车拥有量的同步增长，从而引发了高发的交通事故，这对城市发展和日常生活产生了显著影响。全球范围内，每年约有135万人死于道路交通事故（Rosen等人，2022年），这些事故造成的经济损失相当于许多国家GDP的近3%（Wijnen和Stipdonk，2016年）。在许多城市中，空间限制阻碍了道路基础设施和交通管理系统的扩展，使其无法满足日益增长的交通需求（Islam和Bhuiyan，2024年）。除了基础设施的限制外，人为因素也对道路安全构成了重大威胁。实证研究表明，驾驶员行为是道路安全结果的关键决定因素；诸如能见度差、注意力分散、超速、饮酒和疲劳等因素会降低注意力能力和反应效率，从而增加事故风险。与联合国可持续发展目标（SDGs）一致，系统的城市道路安全评估不仅有助于识别潜在危险以降低事故概率，还为基于证据的城市规划和交通基础设施策略提供信息（Calderón Ramírez等人，2023年）。因此，道路安全评估成为保护人类生命和财产、提升交通系统性能以及推动可持续社会经济发展不可或缺的任务。

道路安全评估传统上依赖于两种方法：对历史交通事故数据的统计分析和基于道路设计参数的评估。统计方法通常使用回归模型来量化事故风险和严重程度（Wang等人，2021年；Hou等人，2020年；Huang等人，2022年；Wali等人，2020年；Behnood和Mannering，2015年；Lord和Mannering，2010年）。然而，这些分析存在局限性，包括离散的数据分布、有限的样本量（Mannering和Bhat，2014年），以及道路段划分的不同导致道路安全评估中的空间效应差异（Tahir等人，2022年）。另一方面，道路设计参数评估基于这样的前提：道路环境（包括周围建筑物、交通标志和行人活动）对道路安全有显著影响（Xiao等人，2024年）。研究表明，优化的道路几何设计可以提高驾驶安全性（Zhao等人，2021年），相关研究探讨了几何设计参数对道路安全的影响（álvarez等人，2020年）、事故频率与几何特征的相关性（Vayalamkuzhi和Amirthalingam，2016年）、基于几何参数的风险量化（Antonio Martín-Jiménez等人，2018年）以及路面状况的影响（Ibragimov等人，2024年；Zheng等人，2024年）。此外，交通流量特征（流量、速度和密度）也明显影响道路安全，这一点通过关于行驶速度（Xu等人，2019年；Doecke等人，2020年；Camacho-Torregrosa等人，2013年；Llopis-Castelló等人，2018年；Yao等人，2019年）和交通流量（Kahaki等人，2009年；Sakai等人，2019年；Azimjonov等人，2023年）的研究得到了证实。然而，道路设计参数评估在环境变量选择和权重分配方面存在固有的主观性。尽管如此，历史交通事故数据往往是唯一可用的直接安全结果，因此仍然是当前道路安全评估的核心。

同时，驾驶能见度是驾驶员视野范围的关键决定因素。通过为现有框架提供重要的补充，能见度分析有助于更全面地评估整体道路安全。一般来说，道路安全评估从根本上依赖于驾驶员的视野范围和道路环境的能见度，这些因素受视线距离、天气条件（Guo等人，2023年；Hu等人，2022年）、照明水平和道路特征的影响。驾驶员在夜间或光线不足的条件下更容易出现视觉疲劳和反应迟缓，因此照明变化成为驾驶安全的一个有效指标（Darus等人，2022年；Li等人，2023年；Liu等人，2025年）。驾驶员视野范围的空间范围对障碍物检测能力和反应时间有重要影响，使其成为道路安全评估的基本因素。主要的评估指标包括视线距离（Castro等人，2014年；Sarran和Sarran，2025年）以及能见度多边形或可见体积（Wu等人，2021年）。

近年来，基于三维点云数据的驾驶员能见度分析已成为一个主导的研究方向，包括单点视域分析、路段级能见度距离估计、交叉口视线距离评估以及超车视线距离和停车视线距离的评估。现有研究中的主要方法包括基于光线追踪的遮挡检测（González-Jorge等人，2016年；Jung等人，2018年；Kilani等人，2021年）、基于表面或栅格的视域分析（Orlof等人，2024年；Parent和Lei-Parent，2023年）以及参数化的视锥或动态模拟方法（Guerrero-Sevilla等人，2025年；Ma等人，2022年；Naghdi等人，2024年）。其中，Choi等人（Choi等人，2020年）开发了一个基于欧几里得几何的驾驶员视觉感知模型，定义了三种速度依赖的感知类型，以实现实时跟踪和障碍物检测，从而捕捉驾驶速度与视野之间的关系。Guerrero-Sevilla等人（Guerrero-Sevilla等人，2025年）整合了八个参数，包括驾驶员的观察角度、制动距离和超车视线距离，构建了三种类型的金字塔模型来模拟驾驶员的视野范围。在不同场景下，以5米的间隔评估了能见度，并在西班牙的三条次级道路上得到了良好的验证。

通过以驾驶员为中心的视野范围分析来改进道路安全评估既是现代交通安全科学的一项基本研究任务，也是一个持续的挑战。当前的评估范式通常使用固定或代表性的视角，并在相对粗糙的空间间隔内估计能见度，这限制了驾驶员能见度的定义，并倾向于关注单向或局部的道路路段。关键的是，这些方法在模拟驾驶员有效视野范围方面缺乏计算复杂性，限制了它们解决动态能见度变化及其安全后果的能力。本研究通过利用三维点云数据来计算驾驶员视角的道路能见度，从而实现了更精确和具有丰富上下文的安全评估。本文的其余部分组织如下：第2节描述研究区域和数据；第3节详细介绍了所提出的方法；第4节报告了道路安全分析的结果；第5节讨论了与现有文献的关联；第6节总结了研究。

研究区域

研究区域

如图1(a)所示，我们的研究区域涵盖了位于中国广东省珠海市中山大学珠海校区内的宜贤大道900米路段。这条三级校园道路东西走向，全长1700米，从秦湖延伸到海勤大楼，是学生往返于学术区和休闲区之间的主要通道，交通流量持续繁忙。值得注意的是，秦湖与学术大楼之间的路段具有...

方法

本研究开发了一种新的定量评估框架，以克服基于驾驶员能见度的道路安全评估中的局限性。该框架结合了TLS点云数据和几何视野范围分析，如技术工作流程（图2）所示。该方法包括三个核心组成部分：（1）点云数据预处理；（2）驾驶能见度场计算；（3）驾驶能见度指数计算。

驾驶能见度的变化

为了研究连续视角下驾驶能见度的变化，选择了研究区域内一个具有代表性的道路路段进行分析（图6(a)）。驾驶能见度场的特点是角度分布不对称，其中向上能见度场明显超过向下能见度场（图6(c)），右侧能见度场超过左侧能见度场（图6(b)）。因此，向上和向右的能见度场...

验证

为了验证计算结果的可靠性，在宜贤大道的每个方向选择了四个观察点，拍摄了真实场景的照片，以便与计算出的驾驶能见度体积进行视觉比对。如图10所示，驾驶能见度体积的空间配置与真实场景非常吻合。可见空间沿道路方向延伸，同时受到两侧路边树木的限制...

结论

驾驶能见度是影响驾驶安全的关键因素。对道路路段上的驾驶能见度进行细致量化有助于快速识别风险并减少驾驶员在导航过程中的认知负担。本研究提出了一种利用地面LiDAR生成的点云数据从驾驶员视角计算驾驶能见度场的新方法。我们引入了一种驾驶能见度指数（DVI）来量化道路驾驶安全水平，构建了...

CRediT作者贡献声明

张志荣：撰写——审稿与编辑、撰写——初稿、可视化、验证、方法论、调查、正式分析、数据管理、概念化。袁媛：监督、软件、资源管理、项目管理、方法论、资金获取、概念化。黄海兰：验证、监督、软件、项目管理、调查、正式分析、数据管理。王宇：验证、监督、软件、项目管理、调查、

资助

本工作得到了国家自然科学基金（编号：42571531）和广东省基础与应用基础研究基金（编号：2023A1515012487）的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文所报告工作的竞争性财务利益或个人关系。