A Research Framework on Poor Driving Behavior and Regulation in Complex Geometric Sections of the Extra-long Urban Underwater Tunnels
-
摘要: 城市水下特长隧道普遍存在匝道出入口密集、线形复杂多变及光环境过渡剧烈等典型特征，导致驾驶任务突变、驾驶负荷剧烈增加，与隧道长距离驾驶行为惯性存在显著矛盾，易诱发超速、车距不足、车道偏离等不良驾驶行为，进而加剧事故风险。因此，本文在系统梳理城市水下特长隧道复杂环境特征、驾驶行为规律，以及调控方法基础上，基于“城市水下特长隧道—复杂线形与剧烈光环境过渡—驾驶任务剧增与行为惯性矛盾—不良驾驶行为—恒常性调控”的逻辑链，对隧道入口区域、连续变坡路段、匝道出口区域等重点路段进行合理分区。分析各区段驾驶任务变动与驾驶行为惯性的矛盾，构建城市水下特长隧道不良驾驶行为及调控研究框架。研究提出隧道视觉参照系恒常性优化思路：复杂线形路段视觉参照系增强与过渡区域视觉参照系缓和变动；可通过具备设施恒常性、系统整体优先性、系统冗余性及长程韵律性的恒常型视线诱导系统实现。现有实践表明，恒常型视线诱导系统符合驾驶人心理预期，有效分解驾驶任务，提升水下特长隧道入口区域、连续变坡路段、匝道出口区域等路段的安全性。恒常型视线诱导系统有助于调控城市水下特长隧道复杂线形路段不良驾驶行为，实现隧道照明节能与行车安全舒适的协调统一。Abstract: Urban submerged extra-long tunnels typically exhibit three key characteristics: densely clustered ramp entrances and exits, complex and variable alignment profiles, and abrupt lighting transitions. Drivers' real-time cognitive load and driving task increase rapidly. They also create significant conflicts with the inertia of driving behavior in long-distance tunnel. Such conflicts easily induce poor driving behaviors, including speeding, insufficient following distance, and lane deviation. This further heightens accident risks. Based on a systematic review of existing studies on the complex environmental characteristics, driving behavior patterns, and regulatory methods of urban submerged extra-long tunnels, a clear logical chain is established: urban submerged extra-long tunnels—complex geometry and abrupt lighting transitions—escalating driving demands and behavioral inertia—poor driving behaviors— constancy regulation. The paper proposes rational zoning for critical zones, such as tunnel entrances, continuous gradient-change zones, and ramp exits. It analyzes the conflicts between shifting driving demands and behavioral inertia in these zones. Based on this analysis, the study constructs a research framework for investigating and regulating undesirable driving behaviors in urban submerged extra-long tunnels. The research puts forward an optimization approach for tunnel visual reference system. This approach involves enhancing visual reference system in complex alignment zones and moderating environmental changes in transition zones. It can be achieved through a constancy-based visual guidance system. The system features four core attributes: facility constancy, overall priority, redundancy, and long-range rhythmicity. Existing practice demonstrates that this constancy-based visual guidance system aligns with drivers' psychological expectations. It effectively decomposes driving tasks and improves safety in critical zones, such as tunnel entrances, continuous gradient-change zones, and ramp exits. Additionally, the system helps regulate undesirable driving behaviors on complex curved sections of urban submerged extra-long tunnels. Ultimately, it achieves a harmonious balance between tunnel's lighting energy saving and safe, comfortable driving conditions.
-
图 1 城市水下特长隧道逻辑链模型
Figure 1. Logical chain model diagram of the extra-long urban underwater
图 4 隧道连续变坡路段（弯坡）示意图
Figure 4. Schematic diagram of continuous slope changes in tunnels (curved slopes)
图 12 城市水下特长隧道复杂线形路段不良驾驶行为调控研究框架
Figure 12. Research framework for controlling improper driving behavior on complex curved sections of long underwater tunnels in urban areas
图 14 隧道连续变坡段（弯坡）优化设计图
Figure 14. Optimised design diagram for continuous slope change section (curved slope) in tunnel
表 1 城市水下特长隧道与普通城市隧道的差异性
Table 1. Differences between the extra-long urban underwater tunnels and ordinary urban tunnels
影响因素 城市水下特长隧道 普通城市隧道 道路线形 纵断面多为"U""V""W"形，连续长坡占比高，线形复杂 线形较平缓，坡度变化少，多为短坡或直线设计 环境特征 出入口明暗光环境、空间突变显著；中部长距离单调昏暗封闭 下穿山体、下穿建筑；出入口亮度过渡较平缓，隧道里程短 驾驶心理 长距离环境单调昏暗，易视觉疲劳；线形复杂多样，加剧心理压力 短距离心理压力较小，视觉参照物较丰富 驾驶行为 连续坡道导致驾驶任务切换频繁，与长距离驾驶行为惯性形成矛盾，增大行车风险 驾驶行为较稳定，变道、超车频率较低 
下载: 导出CSV
表 2 城市水下特长隧道不同复杂线形路段的分析
Table 2. Analysis of different complex geometric profiles in the extra-long urban underwater tunnel
复杂线形路段 城市水下特长隧道主要特征 典型特征 视觉特征 心理特征 行为特征 连续纵坡段 “U”“V”“W”形纵坡，长下坡接缓坡 坡度感知偏差导致坡道错觉 驾驶负荷增加，紧张，长时间驾驶易疲劳压抑 超速、制动频繁、易车道偏移 小半径弯道 小半径弯道连续出现，平纵组合不良 视距不足，扫视视角受限 空间压迫感增强，心理负荷提升 转向操作频繁，车辆转向不稳；车速车距控制不稳定 出入口过渡段 连续上坡或下坡衔接 黑白洞效应引发视觉适应滞后[20] 光环境突变，焦虑紧张 紧急制动概率增加，车距车道控制不稳 复合线形 弯坡组合、“S”形曲线、长直线接急弯等 加剧驾驶人视觉负荷 心理情绪波动大，空间压迫感强 转向延迟，易侧滑、撞壁，车速波动幅度大
下载: 导出CSV
表 3 惯性定律与城市水下特长隧道驾驶行为惯性的对比分析
Table 3. A comparative analysis of the law of inertia and driving behavior inertia
分析维度 惯性定律 城市水下特长隧道驾驶行为惯性 定义 一切物体在没有受到外力作用时，总保持静止状态或匀速直线运动状态 在长距离封闭环境中，适应单调视觉环境而形成的相对稳定且具有一定延续性的驾驶行为模式 影响因素 物体质量、外力影响 视觉环境、驾驶心理、驾驶行为经验 表现形式 物体倾向于维持原状态，质量大的物体惯性大，运动状态相对难于改变 长行程单调环境的驾驶行为惯性大，操控行为相对难于改变，如急加减速、车道偏移、跟车过近、疲劳焦虑等
下载: 导出CSV
表 4 隧道入口各区段驾驶任务分析
Table 4. Analysis of driving tasks for each section of tunnel
区段 视觉环境特征 驾驶任务 驾驶行为惯性 风险分析 识别段 光线充足，视觉信息丰富，空间开阔 观察路况与标识，预判隧道入口的位置和走向 保持原有速度和车道行驶 超速、横向偏移过大 接近段 下坡开始，视野收窄，视觉参照减少 保持车道，控制车速 下坡点刹，视线集中于隧道入口 车道偏移较大，急减速 入口段 长下坡，黑白洞效应明显，视认、感知能力下降 提前开启近光灯和轮廊灯；合理控速，精准操控车辆行驶方向和轨迹 减速明显，视觉盲期 误判方向与距离，易追尾、撞壁 过渡段 空间封闭，视距不足，视区受限 控制车速，适应隧道内光线环境 持续减速，视觉适应滞后 误判速度与距离，易超速、追尾 注：识别段为洞门外复杂识别视距到洞门外停车视距范围；接近段为洞门外停车视距到洞门；入口段为洞门到洞内停车视距；过渡段为洞内停车视距到洞内复杂识别视距。
下载: 导出CSV
表 5 隧道连续变坡路段（弯坡）各区段驾驶任务分析
Table 5. Analysis of driving tasks for each section of continuously varying slope sections (curved slopes) in tunnel
区段 视觉环境特征 驾驶任务 驾驶行为惯性 风险行为 识别段 行车环境昏暗封闭，车道识别困难 提前减速，观察道路弯坡方向 弯坡错觉、车速偏高 易超速、前车车距缩小 弯坡段 诱导信息不足，弯道轮廊模糊；视线焦点变化频繁 保持车道与车距，合理控速 弯坡错觉、加速点刹交替、车道车距控制不稳 方向偏移过大或急刹 驶离段 行车道边界不够清晰，视距视区不良 保持车道车距，控制车速，提高警惕 控速控距不稳 加速度过大、易超速 注：识别段为简单识别视距到弯坡段起点；弯坡段为弯坡段起点到弯坡段终点；驶离段为弯坡段终点到简单识别视距。
下载: 导出CSV
表 6 隧道匝道出口各区段的驾驶任务分析
Table 6. Driving task analysis for each section of the ramp exit of tunnel
区段 视觉环境特征 驾驶任务 驾驶行为惯性 风险分析 预告段 视觉信息丰富，空间开阔 提前减速识别标识，观察线形走向进行换道 专注标识，预判出口距离方向，速度维持 横向偏移过大，速度变化大 警示段 视野受限，侧壁收窄，空间压迫感增强 降低车速，平稳过渡，保持安全车距 车速、车距感知扩大 过度减速或加速 行动段 视觉信息剧减，视线焦点变动 精准转向，合理控速；避免随意变道 延迟减速，修正幅度大 操作连贯性不足，易急减速、急转弯 驶入段 空间急剧收窄，视觉信息减少 保持车道与车速，不随意压线或变道 急减速或车道偏移 视野误判，车道偏移大 驶离段 视野开阔，视觉信息丰富 匀速行驶，提高警惕 加速倾向显著 误判剩余匝道距离和方向 注：预告段为复杂识别视距到简单识别视距；警示段为简单识别视距到停车视距；行动段为停车视距到分流鼻端；驶入段为分流鼻端到匝道内停车视距；驶离段为匝道内停车视距到识别视距。
下载: 导出CSV
表 7 城市水下特长隧道的视觉参照系恒常性优化思路的具体释义
Table 7. Specific interpretation of the optimization approach for visual reference constancy in urban underwater long tunnels
优化原理 具体内容 要求 应用案例/场景 设施恒常性 形状、色彩恒常性，对比度显著 利用对比度色彩差异显著的、形状恒常与色彩恒常的诱导设施，来构建稳定的视觉参照系 “V”形、片状反光条、突起路标应用于江罗高速、浙江金华隧道 整体优先性 局部诱导信息与整体诱导信息 要求局部信息与整体信息保持一致，可由部分推断整体，强化信息认知能力，减少感知反应时间，符合驾驶期望 拱形反光环、轮廊带应用于浙江紫之隧道、西安太长高速隧道群 系统冗余性 线性诱导与轮廊诱导 利用多频率、多尺寸的诱导设施，加强轮廊诱导与线性诱导的相互补强，提升对隧道弯道线形与轮廊的感知判断 高中低位诱导设施组合已运用于云南昔宜隧道 长程韵律性 韵律型诱导 利用具有连续重复、交错、渐变、起伏韵律特性的诱导设施来增加韵律信息，符合驾驶人生心理节律 连续韵律的侧壁图案运用于济南开元隧道、上海北横隧道、无锡太湖隧道
下载: 导出CSV
表 8 典型视线诱导设施作用
Table 8. Functions of typical visual induction devices
视线诱导设施 设置形式 作用表现 腰带线 中位连续 线形诱导，明确纵向路权，提升隧道整体方向感 猫眼道钉 低位高频 明确行车横向路权，引导车辆行驶，提升速度感知 线形诱导标 中位中频 线形诱导为主，轮廊诱导为辅，提升方向感和道路线行走向 拱形轮廊带 长线段、高位低频 提高隧道轮廊辨识度，优化视区，缓解驾驶疲劳，起到一定刺激与唤醒的作用 坚向条纹 长线段、中位中频 轮廊诱导为主，提升坚向路权，提升速度感、方向感 立面标记 短线段、低位高频 明确坚向与横向路权，勾勒道路线形，提升距离感与速度感 突起路标 点状、低位高频 明确行车横向路权，提升速度感知 线形轮廊标 低位中频 加强轮廊诱导，增强路缘障碍物的可视性，提升距离与速度感
下载: 导出CSV
表 9 城市水下特长隧道复杂线形路段不良驾驶行为优化方法
Table 9. Optimisation methods for improper driving behaviour on complex geometric sections of urban underwater long-distance tunnels
区段 分区 现状特征 核心问题 解决思路 实施方法 隧道入口区 识别段接近段入口段过渡段 光环境过渡剧烈，黑白洞效应显著，空间收窄，驾驶人需快速适应明暗变化 视错觉显著，驾驶负荷高；易因视觉适应滞后导致控速不稳、方向偏移 恒常性视觉诱导：构建平稳光过渡与空间参照系 LED轮廓带；渐变坚向条纹；线形诱导标；坚向条纹；轮廓标 连续变坡段 识别段弯坡段驶离段 连续变坡或弯坡组合段，环境昏暗单调 速度或空间感知偏差；易因视觉疲劳引发超速或车道偏离 系统冗余性、长程韵律性：多源视觉互补和韵律性诱导 高中低位分层设置轮廓带、坚向条纹、导向箭头和腰带线 匝道出口区 预告段警示段行动段驶入段驶离段 线形复杂，小半径弯坡多，视野频繁变化，驾驶任务密集 易因加速倾向或车速车距方向控制不稳引发碰撞、轨迹偏移 整体优先性和冗余设计：全局引导和多维度信息支撑 坚向条纹；LED轮廓带；线形诱导标；五级道路指示牌
下载: 导出CSV
-
[1] 陈建芹, 冯晓燕, 魏怀. 中国水下隧道数据统计与分析(截至2023年底)[J]. 隧道建设, 2024, 44(4): 826-881.CHEN J Q, FENG X Y, WEI H. Statistics and analysis of underwater tunnels in China(by the End of 2023)[J]. Tunnel Construction, 2024, 44(4): 826-881. (in Chinese) [2] JIAO F T, DU Z G, WANG S S, et al. Research on drivers' visual characteristics in different curvatures and turning conditions of the extra-long urban underwater tunnels[J]. Tunnelling and Underground Space Technology, 2020, 99: 103360. doi: 10.1016/j.tust.2020.103360 [3] HE S M, DU Z G, MEI J L, et al. Driving behavior inertia in urban tunnel diverging areas: new findings based on task-switching perspective[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2025, 109, 1007-1023. doi: 10.1016/j.trf.2025.01.025 [4] 杜志刚, 梅家林, 倪玉丹, 等. 城市水下道路隧道驾驶安全影响因素分析和改善思路[J]. 隧道建设, 2020, 40(11): 1558-1569.DU Z G, MEI J L, NI Y D, et al. Analysis of influencing factors and improve ideas for driving safety in urban road underwater Road tunnels[J]. Tunnel Construction, 2020, 40(11): 1558-1569. (in Chinese) [5] 潘福全, 邢英, 杨金顺, 等. 海底隧道交通事故影响因素与防控策略[J]. 交通科技与经济, 2020, 22(5): 1-5, 56.PAN F Q, XING Y, YANG J S, et al. Analysis of factors affecting traffic accident in undersea tunnels[J]. Technology & Economy in Areas of Communications, 2020, 22(5): 1-5, 56. (in Chinese) [6] 焦方通, 杜志刚, 王首硕, 等. 城市水下特长隧道弯道驾驶人扫视行为研究[J]. 中国安全科学学报, 2019, 29(7): 104-109.JIAO F T, DU Z G, WANG S S, et al. Research on saccade behavior of drivers in extra-long urban underwater tunnel curves[J]. China Safety Science Journal, 2019, 29(7): 104-109. (in Chinese) [7] WANG S W, DU Z D, JIAO F J, et al. Impact of urban undersea tunnel longitudinal slope on the visual characteristics of drivers[J/OL]. (2020-12-03). [2025-05-16]. https://doi.org/10.1155/2020/2576769 .[8] 潘福全, 杨敬洲, 张丽霞, 等. 海底隧道平纵线对驾驶人视觉特征及车速的影响[J]. 交通信息与安全, 2023, 41(2): 50-58.PAN F Q, YANG J Z, ZHANG L X, et al. Influence of horizontal and vertical alignments of undersea tunnel on driver's visual characteristics and vehicle speed[J]. Journal of Transport Information and Safety, 2023, 41(2): 50-58. (in Chinese) [9] LIANG B, WONG Y, HE S, et al. Dynamic traffic safety risk assessment in road tunnel entrance zone based on drivers' psycho physiological perception states: methodology and case-study insights[J]. Tunnelling and Underground Space Technology, 2024, 147: 105-677. [10] JIAO F T, DU Z G, SHI Z, et al. Traffic safety comprehensive evaluation of urban tunnel visual guiding system based on extension matter-element model: a case study in tunnel curves[J]. Traffic Injury Prevention, 2024, 25(7): 993-1001. doi: 10.1080/15389588.2024.2359629 [11] 梅家林, 杜志刚, 贺世明, 等. 基于车距保持的公路隧道反光条设置及驾驶模拟研究[J]. 中国安全科学学报, 2025, 35 (1): 171-177.MEI J L, DU Z G, HE S M, et al. Study on reflective strip configuration and driving simulation in highway tunnels based on vehicle distance maintenance[J]. China Safety Science Journal, 2025, 35(1): 171-177. (in Chinese) [12] 吕能超, 曹越, 秦羚, 等. 基于交通标志信息量的驾驶负荷加载有效性研究[J]. 中国公路学报, 2018, 31(8): 165-172.LYU N C, CAO Y, QIN LING, et al. Research on the effectiveness of driving workload based on traffic sign information volume[J]. China Journal of Highway and Transport, 2018, 31(8): 165-172. (in Chinese) [13] 黄泽. 城市小半径曲线隧道特征及安全保障技术研究[D]. 重庆: 重庆交通大学, 2020.HUANG Z. Research on characteristics of urban smalradius curve tunnels and safety guarantee technology[D]. Chongqing: Chongqing Jiaotong University, 2020. (in Chinese) [14] FANG Y, ZHOU J Y, HU H, et al. Combination layout of traffic signs and markings of expressway tunnel entrance sections: a driving simulator study[J]. Sustainability. 2022, 14 (6): 3377. doi: 10.3390/su14063377 [15] CALIENDO C, DE G M, GUIDA M. A cash-prediction model for road tunnels[J]. Accident Analysis & Prevention, 2013, 55: 107-115. [16] 焦方通, 杜志刚, 王首硕, 等. 城市水下特长隧道出入口视觉及舒适性研究[J]. 中国公路学报, 2020, 33(6): 147-156.JIAO F T, DU Z G, WANG S S, et al. Visual characteristic and comfort at the entrance and exit of the extra-long urban underwater tunnel[J]. China Journal of Highway and Transport, 2020, 33(6): 147-156. (in Chinese) [17] 张志刚, 胡金平, 刘洪洲, 等. 水下公路隧道最大纵坡取值研究[J]. 现代隧道技术, 2013, 50(4): 8-14.ZHANG Z G, HU J P, LIU H Z, et al. Study on the value of maximum longitudinal slope of underwater highway tunnels[J]. Modern Tunnelling Technology, 2013, 50(4): 8-14. (in Chinese) [18] YANG Y Z, DU Z G, PAN F, et al. Driving safety evaluation of longitudinal slope and curve combination of extra-long underwater tunnels[J]. Cognition Technology & Work, 2024, 26: 603-618. [19] FENG Z X, YANG M M, ZHANG W H, et al. Effect of longitudinal slope of urban underpass tunnels on drivers' heart rate and speed: a study based on a real vehicle experiment[J]. Tunnelling and Underground Space Technology, 2018, 81: 525-533. doi: 10.1016/j.tust.2018.08.032 [20] 阎莹, 叶飞, 王晓飞, 等. 隧道群路段环境光照度与驾驶人瞳孔面积分析[J]. 华南理工大学学报(自然科学版), 2016, 44(12): 89-96.YAN Y, YE F, WANG X F, et al. Analysis of ambient illumination and driver's pupil area in tunnel group[J]. Journal of South China University of Technology(Natural Science Edition), 2016, 44(12): 89-96. (in Chinese) [21] GAO K, SHAO M H, AXHAUSEN K W, et al. Inertia effects of past behavior in commuting modal shift behavior: interactions, variations and implications for demand estimation[J]. Transportation, 2022, 49: 1063-1097. doi: 10.1007/s11116-021-10203-6 [22] BURGER, K S. Hard to break: why our brains make habits stick[J]. The FASEB Journal, 2022, 36(3): 22178. doi: 10.1096/fj.202200071 [23] 潘福全, 何水苗, 董炳洁, 等. 照度与线形耦合作用下的海底隧道交通流运行特性[J]. 深圳大学学报(理工版), 2025, 42(4): 482-492.PAN F Q, HE S M, DONG B J, et al. Traffic flow characteristics in the undersea tunnel under the coupling of illuminance and alignment[J]. Journal of Shen zhen University (Science and Engineering), 2025, 42(4): 482-492. (in Chinese) [24] 王晓燕, 马兆有, 董宪元. 中国隧道交通事故分析及管理对策研究[J]. 交通工程, 2017, 17(6): 33-37.WANG X Y, MA Z Y, DONG X Y. An analysis of tunnel traffic crashes and counter- measures[J]. Journal of Transportation Engineering, 2017, 17(6): 33-37. (in Chinese) [25] 陈学文, 王育忠. 多雨雾山区高速公路隧道光环境构建研究和实践应用探讨[J]. 中国交通信息化, 2024(增刊1): 516-519.CHEN X W, WANG Y Z. Research and practical application of light environment construction in highway tunnels in rainy and foggy mountainous Areas[J]. China ITS Journal, 2024(S1): 516-519. (in Chinese) [26] 何世永, 周渊涛, 梁波, 等. 长大隧道光环境下驾驶人信息感知表征方法研究现状和进展[J]. 隧道建设, 2022, 42(2): 176-187.HE S Y, ZHOU Y T, LIANG B, et al. Research status and progress of driver's information perception representation methods in long tunnel light environment[J]. Tunnel Construction, 2022, 42(2): 176-187. (in Chinese) [27] 杜志刚, 韩磊, 梅家林, 等. 基于心理旋转效应的小半径公路长隧道视觉环境优化研究框架[J]. 同济大学学报(自然科学版), 2023, 51(9): 1372-1382.DU Z G, HAN L, MEI J L, et al. Optimization research framework of visual environment for small radius highway long tunnel based on mental rotation effect[J]. Journal of Tongji University(Natural Science), 2023, 51(9): 1372- 1382. (in Chinese) [28] QIN X C, ZHANG N, ZHANG W H, et al. How does tunnel interior color environment lnfluence driving behavior? quantitative analysis and assessment experiment[J]. Tunnelling and Underground Space Technology, 2020, 98: 103320. doi: 10.1016/j.tust.2020.103320 [29] 何坚, 张成龙, 张凡, 等. 基于虚拟现实的隧道交通设施与环境评估技术[J]. 同济大学学报(自然科学版), 2020, 48 (2): 215-222.HE J, ZHANG C L, ZHANG F, et al. Tunnel traffic facilities and landscape evaluation technology based on virtual reality[J]. Journal of Tongji University(Natural Science), 2020, 48 (2): 215-222. (in Chinese) [30] 郑展骥, 杜志刚, 李平凡. 长隧道韵律型视觉环境设计研究[J]. 安全与环境学报, 2017, 17(5): 1800-1805.ZHENG Z J, DU Z G, LI P F. On the visual environment rhythm design for the vehicle drivers to travel through the long highway tunnels[J]. Journal of Safety and Environment, 2017, 17(5): 1800-1805. (in Chinese) -
点击查看大图
图(15) / 表(9)
计量
- 文章访问数: 11
- HTML全文浏览量: 6
- PDF下载量: 2
- 被引次数: 0