中国公路学报

作者：谢练, 吕能超, 吴超仲

单位：1. 湖南城市学院　土木工程学院，湖南　益阳　413000","2. 桂林电子科技大学　广西智慧交通重点实验室，广西　桂林　541004","3. 武汉理工大学　智能交通系统研究中心，湖北　武汉　430063","4. 湖北文理学院，湖北　襄阳　441053

关键词：交通工程,安全评价,极限梯度提升树模型,补偿行为,驾驶负荷

<p>补偿行为是复杂交通场景下驾驶人平衡工作负荷和驾驶任务、维持驾驶绩效、保证行车安全的操作过程。为了探究高负荷状态下驾驶人补偿行为特征，并量化这些行为对提升行车安全的效能，设计了3种次任务与3种跟车条件组合的驾驶负荷加载场景，招募42名被试开展驾驶模拟试验。首先，选取制动减速度、车头时距、次任务完成率等6项指标，构建补偿行为测定指标体系，并进行多因素方差分析；其次，提取跟车过程安全裕度指标，基于Logit连接函数构建跟车驾驶碰撞风险预测广义线性混合模型；然后，考虑驾驶人个体差异，基于逼近理想解算法，对补偿行为积极性量化排序，结合聚类方法对驾驶人进行分类；最后，在极限梯度提升树模型的基础上，采用优化算法对模型最大深度、学习率和树的数量等超参数寻优，构建行车安全评价模型。研究结果表明：高负荷场景下驾驶人采取了降低车速、增大车头时距、提升努力程度、中断次任务等补偿策略，前车一般制动和紧急制动场景下，驾驶人通过降速补偿策略将车头时距分别提升46.2%和49.5%，可维持行车安全状态不变，验证了补偿行为有效性；融入驾驶人补偿行为特征变量后，行车安全评价模型召回率提升了7.13%、准确率提升了3.08%。研究结果可为高负荷环境下的驾驶行为调控和交通安全评价提供参考。</p>

来源：2025年第3期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第3期