0 引言

车辆在转弯行车时，由于侧向稳定性变差及视觉效果不良容易引发交通事故，其事故后果严重。随着传感器技术和人工智能技术的发展，人们开展了关于智能辅助驾驶控制的大量研究^[1-3]，汽车辅助模块的预警和控制大大降低了交通事故率^[4-6]。而这类决策依赖于对驾驶员、车辆和道路的状态感知^[7-8]。本研究从驾驶员驾驶行为角度出发，分析在弯道行驶中的转向拓扑特性，以期为车路协同下的智能辅助控制及道路交通安全控制提供依据。

目前，有不少学者相继对弯道驾驶及驾驶员转向行为进行了研究。Lee等^[9]通过函数对驾驶员行为进行建模，并以此分析了驾驶员的转向控制过程。Abbink等^[10]从驾驶员转向行为控制理论分析了驾驶员行为的差异性。Salvucci等^[11]通过软件建模和硬件平台对驾驶行为进行了整体性分析，并通过试验分析了紧急变道时转向持续特性和转向角度特征。Wu^[12]基于自然驾驶数据对紧急转向行为建模并分析了转向盘转角变化特征。Yang^[13-14]依靠转向角度传感器信号, 结合车载通信获得的汽车行驶信息，通过汽车运动学建模识别了转向行为。以上大多从建模和仿真方面开展研究，且侧重于转向持续时间和特征的整体性分析，很少从驾驶员驾驶信息采集的角度关联分析转向行为及各阶段特征。

驾驶员转向行为根据需求不同可分为常规道路转向和紧急避障转向，其中常规道路转向包含道路交通中因交通规则和驾驶需求形成的变道、转向、U-turn^[15]等驾驶行为，是道路交通中的主要驾驶行为，本研究以此类行为为研究对象。

本研究通过设计市区某路况的驾驶试验，完成对转向过程中驾驶信息的采集和数据整理，针对试验过程中的2个完整转向环节的持续时间、转向盘转速及角度进行数学拟合，得出转向特征点及特征曲线，实现对驾驶转向行为的量化分析。

1 试验设计

试验路段以天津市某典型市区路段为例，立交桥下U-turn路段，单向4车道，中间设有隔离设施，每侧路段包含直道和掉头转弯路段，靠近隔离带的1条车道为U-turn道路。驾驶员为28~40岁年龄段的9名驾驶员，具有3 a以上驾驶经验。选用2.0 L排量的自动档家用轿车，驾驶员对路况和驾驶路线熟悉，每个驾驶员完成多次试验任务。用差分定位系统(DGPS)对车辆行驶轨迹进行记录，用眼动仪(Dikablis)记录驾驶员操作和神态相关数据，用转向参数测试仪记录转向盘参数。通过试验，采集并筛选了32个有效的转向记录片段。

2 转向任务及试验过程

驾驶过程中要求驾驶员完成2类转向任务，第1个转向任务为换道侧移，驾驶员从C_s点开始扫视准备(图 1)，随后开始转向操作，使车辆按一定的航向角驶入侧方车道，之后为防止车辆侧向位移过大，重新调整方向盘转角，直至回到转角为0°的车辆最佳航向位置，此时为换道侧移阶段的终点C_z。

此后车辆保持直线行驶完成第2个转向任务U-turn转向，U_b点为驾驶员开始转向操作点，U_r点为转弯入口点，此阶段行驶过的距离称为本试验的进弯提前距离L_br。此后，驾驶员通过适度调整转向角使车辆保持最佳航向角行驶，平缓实现左转行驶至出弯点U_c，此阶段行驶过的道路直线距离为弯道保持距离L_rc。之后，转向盘由最大转角逐渐减小至0°到达转向行为终点U_z，此阶段行驶过的距离为出弯距离L_cz，U-turn转向完成。如图 2所示。

3 转向关键特征分析 3.1 转向行为持续时间特征分析

(1) 换道侧移阶段

换道侧移阶段前期为驾驶人感知、获取关键信息阶段，车速逐渐呈减小趋势，之后驾驶人根据经验执行转向换道，车辆由中间车道减速变道至左侧车道，转向目标范围是左侧车道范围区域。

试验中将驾驶人第1次观看视觉边缘处的时间点记为换道侧移阶段的起始点C_s，驾驶人在道路A点开始转动方向盘(图 1)，此阶段经历的时间为换道前注视时间T_Cs-A，从A点至C_z点(方向盘回到转角为0°的车辆最佳航向位置)的经历的时间为换道侧移时间T_Az。

试验数据如图 3所示，侧移换道前注视时间T_Cs-A集中在0.5~2.0 s之间，平均值为1.02 s。

(2) U-turn转向阶段

在U-turn转向阶段，驾驶员通过控制车辆航向角，确保车身位姿处在车道中心线附近。这一过程对转向准确范围有较高要求，转向行驶控制范围变小，操作持续时间较短。因此，驾驶员一般会通过多次微调方向盘实现安全转向。

如图 4，U-turn入弯阶段平均注视时间0.2~0.9 s，弯道保持阶段平均注视时间0.3~1.2 s，出弯阶段平均注视时间0.2~0.5 s。从中位数来看，入弯与出弯阶段表现为信息的粗粒度处理阶段，驾驶员需要较小的认知努力，注视时间较短。通过对持续时间进行显著性检验，出弯及入弯(F=1.106，P=0.331＞0.05)持续时间差异不显著。而弯道保持阶段为信息细粒度处理，视觉认知负荷大，表现为较长的注视时间。

同时，从驾驶员视觉分布区域来看，入弯前较早地开始注视视觉边缘处，获取充分的左侧、右侧和前方交通信息，但出弯处信息感知与注视时间变短，驾驶人主要关注道路右侧及前方区域^[16]。

如图 5所示，从单组试验工况数据来看，提前进弯距离L_br和出弯距离L_cz数据接近，即可认为车辆在入弯行驶和出弯行驶时驾驶员的转向行为信息接近对称，单从总体数据的分布来看，L_cz大于L_br，相比较入弯而言，出弯驾驶更加缓和。

3.2 转向盘转速及角度分析

驾驶员转向过程依赖于人体手部运动，Morasso指出人类手部在完成目标动作时，手部的运动速度和时间关系与正态分布曲线类似^[17]。在汽车转向过程中，驾驶员操作方向盘的运动过程可看作手部速度和位移的变化过程。结合本试验路况特点，选用高斯函数式(1)对方向盘转向过程进行拟合分析，每个高斯函数可认为产生1次转向修正。

(1)

式中，为转向盘的转速值；B_i, a_i，R，w_i分别为通过试验数据获得的拟合参数；t为转向基元的持续时间。根据转向任务的不同，整个转向过程可由i个基元函数求和拟合而成，见式(2)。

(2)

(1) 换道侧移阶段

换道侧移的主要目的是使车辆进入左侧转向车道，转向目标是左侧车道范围区域，但对响应时间要求不高，驾驶员一般会多次微调方向。选取1组试验数据进行曲线拟合，转向盘角速度曲线分别由3个转向基元拟合而成，拟合曲线如图 6所示。拟合参数如表 1所示，其中R²为0.996 38，根据图 7可知，拟合值与实际数据拟合度较高, 且残差值随自变量变化变动较小，模型稳定。拟合曲线因驾驶员风格不同而有拟合差异，修正次数越多，拟合基线越多，参数越多，但总体趋势基本相同。

根据以上拟合曲线可知，方向盘最大转角可表示为：

(3)

化简式(3)可得:

(4)

令根据参数表2可以求得：K≈233。

故

(5)

可根据转向持续时间的分布区域分别获得不同阶段的转向最大角度。

(2) U-turn转向阶段

此阶段由于驾驶员在适度调节转向盘方向，因此转向盘转速波形具有多个小峰值特点，利用5组正态基线函数的多峰值拟合后，波形曲线如图 8所示(入弯与保持)。

拟合曲线R²为0.978 05，根据残差图可知实际数据与拟合值吻合度很高，且残差值不随自变量变化，模型稳定。

同理可得，此阶段方向盘最大转角可表示为：

(6)

化简式(6)可得:

(7)

令根据参数表2可以求得，此时K≈356。

故可根据转向持续时间的分布区域分别获得不同阶段的转向最大角度。在这一阶段存在转向盘无转速的时间段，受驾驶员个性和驾驶经验的影响，基线函数的组合数目会有所区别，但曲线基本走势相近。

4 结论

本研究从驾驶员驾驶行为角度出发，进行了路段道路试验。试验数据表明，换道前注视时间集中在0.5~2.0 s之间，平均值为1.02 s。U-turn转向入弯阶段平均注视时间为0.2~0.9 s，弯道保持阶段平均注视时间为0.3~1.2 s，出弯阶段平均注视时间为0.2~0.5 s，这表明驾驶人信息感知阶段进行粗粒度信息处理，需要较小的认知努力，表现为较短的注视时间; 而执行阶段进行细粒度信息处理，视觉认知负荷大，表现为较长的注视时间。

车辆在U-turn转向入弯行驶和出弯行驶时驾驶员的转向行为信息接近对称，单从总体数据的分布来看，出弯驾驶更加缓和。合理的进弯提前距离不仅有利于运营道路的交通管理和规划，而且有利于辅助驾驶的转向策略的制订。通过转向特征点设计合理的道路警示标志、智能交通信息控制，一方面可为驾驶员提供预警提示信息，另一方面可为人车路协同控制提供最佳位置参考点。

在汽车转向过程中，驾驶员操作方向盘的运动过程可以看作手部速度和位移的变化过程。结合本试验路况特点，选用高斯函数对方向盘转向过程进行拟合分析，发现转向拟合基线函数的组合数目随驾驶员不同有所区别，但曲线基本走势相近，表明转向基线的模拟分析可表征转向驾驶行为的典型特征。这与文献[9, 18]研究发现的人体手部趋向行为理论相吻合，方向盘转速和转角的运动呈正态相关性，有利于在数据资源的基础上，提前分析驾驶员转向行为，为安全预警和避撞控制提供一定的依据。