Stel dat je op een weg rijdt met ook een flink aantal connected, zelfrijdende voertuigen. Doet dat dan iets met je rijgedrag? Pas je je volgafstand misschien aan of voeg je anders in? En maakt het daarbij uit of die zelfrijdende voertuigen door het gewone verkeer rijden of op een aparte rijstrook? Solmaz Razmi Rad en haar collega’s op de TU Delft zochten het uit.
Er wordt veel verwacht van connected automated vehicles, kortweg CAV’s. Die slimme, zelfrijdende voertuigen zouden niet alleen veiliger zijn, maar ze hebben ook de potentie om de verkeersdoorstroming fors te verbeteren. Omdat ze connected zijn met andere voertuigen en sowieso een heel hoge reactietijd hebben, kunnen CAV’s immers gevaarloos dicht op elkaar rijden en ook zonder horten of stoten in- en uitvoegen.
Deze verwachtingen zijn zeker niet overdreven optimistisch, want er kan al veel en de technologische ontwikkelingen gaan razendsnel. Maar wat wel een addertje onder het gras is, is dat die situatie van soepel CAV-verkeer hoe dan ook zal worden voorafgegaan door een lange periode van gemengd verkeer. Gedurende misschien wel twee of drie decennia zullen CAV’s immers het wegdek moeten delen met voertuigen die nog gewoon door ons mensen worden bestuurd. Hoe zal dat gaan? En welke (nieuwe) problemen kunnen zich dan voordoen?
Gedurende twee of drie decennia zullen CAV’s het wegdek moeten delen met voertuigen die nog door ons mensen worden bestuurd. Hoe zal dat gaan?
We zijn misschien geneigd die gemengd-verkeeruitdagingen vanuit de CAV’s te benaderen: hoe gaan die CAV’s om met de grillen van menselijke bestuurders en kunnen ze daarin nog slimmer worden? Ook is wel gesuggereerd om, waar mogelijk, een aparte rijstrook voor CAV’s in te richten. Daarmee voorkom je een directe interactie tussen de CAV’s en menselijke bestuurders, en ben je een aantal problemen voor.
Maar dat CAV-perspectief is slechts één kant van het verhaal. We hebben immers ook nog het perspectief van de mens: wat doen die CAV’s met ons? Verschillende recente studies wijzen bijvoorbeeld uit dat bestuurders CAV-pelotons onbewust imiteren door bijvoorbeeld ook dichter op de voorligger te gaan rijden. Hoe sterk is dat effect precies? En welke rol speelt een eventuele aparte CAV-rijstrook daarbij? Omdat onze kennis op dit vlak nog erg beperkt was, besloten we eind 2020 om daar aan de TU Delft verdiepend onderzoek naar te doen.
Uitgangspunten en opzet onderzoek
Bij ons onderzoek zijn we uitgegaan van CAV’s van SAE-niveau 4 en 5 die in staat zijn in pelotons te rijden met een volgtijd van 0,3 seconden. Ter vergelijking: voor mensen wordt een volgtijd van 2 seconden aanbevolen. We waren nieuwsgierig naar wat er gebeurt bij een CAV-penetratiegraad van 43 procent, een penetratie die een aparte CAV-rijstrook rechtvaardigt.1Als de penetratiegraad van CAV’s laag is, kost een aparte rijstrook te veel kostbare wegcapaciteit. Vanaf ongeveer 40 procent is zo’n aparte strook wel haalbaar. Wat is de invloed van CAV’s op menselijke bestuurders als die CAV’s tussen het gewone verkeer rijden? En wat is de impact op ons gedrag als er een aparte CAV-strook is?
Het is uiteraard lastig om het bovenstaande te onderzoeken in echte experimenten op de weg. We hebben daarom gebruikgemaakt van een second best-optie: een dashboardmodel rijsimulator, met drie 4K-schermen die een zicht van ongeveer 180 graden bieden, een stuur, pedalen en een knipperlichtbediening – zie foto boven. Voor deze installatie hebben we 51 deelnemers geworven: 22 vrouwen en 29 mannen, allen in het bezit van een geldig rijbewijs, wat leeftijd betreft voornamelijk in de categorie 18-39 jaar, maar verder tot aan de 70+ toe.
De deelnemers hebben drie ritten in de rijsimulator gedaan. Elke rit duurde 6 tot 7 minuten. Ze moesten de motor starten, een parkeerplaats afrijden, de snelweg op en de verkeersborden volgen naar een van tevoren vastgestelde bestemming. Ze begonnen met een rit in het basisscenario: een rit met uitsluitend ‘gewone’ auto’s, dus nog zonder CAV’s. Na deze nulmeting deed elke deelnemer – per deelnemer in willekeurige volgorde – een rit in het scenario ‘Mix’ en in het scenario ‘CAV-strook’.
In het Mix-scenario was de snelweg qua bebording en uitvoering identiek aan die in het basisscenario. De aanwezige CAV’s konden op elke rijstrook van de snelweg rijden, waar mogelijk in pelotons van twee tot drie voertuigen. De volgtijden binnen de pelotons werd gezet op 0,3 seconden en die tussen pelotons op 2 seconden.
In het CAV-strook-scenario was steeds de meest linkse rijstrook van de autosnelweg voorbehouden aan CAV’s – en die mochten dan ook niet op de andere rijstroken rijden. De CAV-rijstrook was duidelijk aangegeven met borden boven de weg. Zie figuur 1. De volgtijden die de CAV’s aanhielden, waren ook hier 0,3 seconden binnen en 2 seconden tussen pelotons. Ook de pelotonsgrootte waren als in het Mix-scenario: twee tot drie voertuigen.
Waar we op gelet hebben
De rijsimulator heeft alle 153 ritten van de deelnemers nauwkeurig gelogd, inclusief de trajecten van het overige verkeer. Uit de ruwe data – snelheid, positie, koers (bewegingsrichting) en rijstrook – hebben we de gewenste gegevens over volgen en van rijstrook wisselen gedestilleerd.
Bij het volgen gaat het om de volgtijd in seconden tussen de proefpersoon en z’n voorligger. Is die volgtijd groter dan 3 seconden dan spreken we van free flow: van echt volgen is dan geen sprake meer. Onder de 3 seconden gaat het om volgen. Minder dan 1,5 seconden noemen we kort volgen, omdat dat voor menselijke bestuurders al richting het plakken gaat.
Bij het van rijstrook wisselen hebben we gelet op vier situaties: invoegen (de snelweg oprijden), een strook naar links opschuiven (inhaalmanoeuvre inzetten), terug naar de rechterrijstrook gaan na een inhaalmanoeuvre (inhaalmanoeuvre beëindigen) en naar de rechterrijstrook gaan als voorbereiding op het uitvoegen. Zie ook figuur 2. Van elk van deze manoeuvres is de ‘ruimte’ tussen de twee voertuigen waar de proefpersoon naartoe schoof als maat genomen: hoeveel seconden was dat gat?
Analyse volgtijden
Een eerste, eenvoudige analyse met betrekking tot het volgen staat in tabel 1. Het betreft het aantal waarnemingen per type volgen, per scenario. Merk op dat het kort volgen, als onze proefpersonen minder dan 1,5 seconden aanhielden, opvallend vaak voorkomt in het scenario CAV-strook: beduidend meer dan in het basis- en het Mix-scenario. Dat is een eerste indicatie van imitatiegedrag.
Met behulp van zogenaamde Linear Mixed-Effects Models, LMM, hebben we deze waarnemingen nader bestudeerd. LMM is ideaal om onevenwichtige longitudinale gegevens te analyseren, als individuen bijvoorbeeld op verschillende tijdstippen of op een verschillend aantal tijdstippen zijn gemeten. Met de methode kunnen we dan vrij eenvoudig correlaties vaststellen tussen rijgedrag enerzijds en specifieke kenmerken anderzijds, zoals scenario, rijstrook of leeftijd van de bestuurder.
We hebben in onze LMM-analyse alleen gekeken naar het echte volgen, volgtijden van 3 seconden of minder. We konden geen verschil in volgtijden vaststellen tussen het basis- en het Mix-scenario. In het scenario CAV-strook waren de volgtijden echter wel significant korter, 0,128 seconden.
Interessant is ook de interactie rijstrook en scenario. Over het algemeen genomen is de volgtijd op de middelste rijstrook wat langer dan op de rechterrijstrook. Maar kijken we specifiek naar het scenario CAV-strook, dan is de volgtijd op de middelste rijstrook daar juist korter (0,058 s). Dat is interessant, want de middelste strook ligt in dat scenario direct naast de (meest linkse) CAV-strook.
Al deze resultaten wijzen in één richting: met een CAV-penetratiegraad van 43 procent vallen in het Mix-scenario de pelotons nog te weinig op om het rijgedrag van andere chauffeurs te beïnvloeden. Maar zetten we de CAV’s allemaal bij elkaar op één strook, dan is die zichtbaarheid (en dus: invloed) er wel degelijk. Het is dan zelfs zo dat de rijstrook naast de CAV-strook meer beïnvloed wordt dan de meest rechtse strook.
Een ander opmerkelijk resultaat van de LMM-analyse is trouwens de interactie leeftijd en scenario. De cijfers uit ons experiment laten zien dat oudere bestuurders significant grotere volgtijden aanhouden dan jongere bestuurders.2Zo bleek ook dat vrouwen ruimere volgtijden aanhouden dan mannen. Ook een hogere opleiding staat voor langere volgtijden. Maar tegelijkertijd bleek dat oudere bestuurders hun volgafstand in het scenario CAV-rijstrook fors verminderen in vergelijking met het basisscenario (significant op 10%-niveau). Oudere bestuurders zijn dus eerder geneigd hun gedrag aan te passen als ze naast CAV-pelotons rijden, meer dan jongere rijders. Dit effect nemen we overigens niet waar als we specifiek kijken naar het (risicovol) kort volgen. Oudere bestuurders laten zich dus wel meer beïnvloeden, maar niet tot het punt dat het gevaarlijk wordt.
Analyse rijstrookwisselingen
In figuur 3 hebben we zogenaamde boxplots van de invoegruimte opgenomen. Voor drie manoeuvres tonen we de ruimtes per scenario. Merk op dat voor de verschillende manoeuvres geldt dat de proefpersonen in het scenario CAV-strook eerder geneigd zijn kleinere hiaten bij het invoegen te aanvaarden.
Ook deze resultaten hebben we aan een aantal LMM-analyses onderworpen. Wat betreft rechts aanhouden (inhaalmanoeuvre beëindigen) bleken bestuurders in zowel het Mix- als het CAV-strook-scenario kleinere invoegruimtes te accepteren dan in het basisscenario. In de scenario’s met CAV-rijstrook accepteerden de bestuurders ook kleinere invoegruimten bij de manoeuvres de snelweg oprijden en naar de rechterbaan gaan om te kunnen uitvoegen. Aangezien de verkeersstromen per rijstrook voor alle scenario’s gelijk waren, lijkt het er ook hier op dat de verschillen te verklaren zijn door de aanwezigheid van CAV’s – en het daaropvolgende imitatiegedrag.
We hebben ook de rijbaanveranderingen bestudeerd die werden uitgevoerd om in te halen. Hierbij werd geen specifieke trend vastgesteld. Verder konden we uit de LMM-analyses geen statistisch significante invloed opmaken van de rijstijlen.
Conclusies
In deze studie hebben we de gedragsaanpassing van ‘gewone’ bestuurders onderzocht bij een CAV-penetratiegraad van 43 procent. Uit de resultaten blijkt dat autobestuurders hun volg- en rijstrookwisselgedrag in het Mix-scenario niet of licht aanpassen. Concentreren we diezelfde hoeveelheid CAV’s echter op één aparte rijstrook, dan is de invloed significant: de bestuurders gaan dichter op elkaar rijden en voegen bij kleinere tussenruimtes in. Dat is ook wat we verwachten bij ‘imitatiegedrag’, namelijk hoe groter de zichtbaarheid en blootstelling, hoe groter de invloed ervan.
Concentreren we zelfrijdende voertuigen op één aparte rijstrook, dan is de invloed significant: de ‘gewone’ bestuurders gaan dichter op elkaar rijden en voegen bij kleinere tussenruimtes in.
Dit imitatiegedrag is een factor om rekening mee te houden. Dichter op elkaar rijden vergroot de capaciteit van een snelweg en dat is in principe positief. Tegelijkertijd geldt dat het imiteren van CAV’s z’n risico’s heeft: we hebben als menselijke bestuurders onze beperkingen als het gaat om reactiesnelheid, dus dichter op elkaar rijden of bij niet al te veel tussenruimte toch invoegen kan tot gevaarlijke situaties en zelfs kopstaartbotsingen leiden. Hiermee zou in letterlijk één klap alle eventuele capaciteitswinst weer tenietgedaan worden. Als we de voertuigen met menselijke bestuurders zouden uitrusten met slimme veiligheidssystemen die botsingen op de voorligger helpen voorkomen, dan zou de winst van hogere capaciteit genomen kunnen worden zónder extra risico op ongevallen. Maar voor zo’n systeem geldt natuurlijk hetzelfde als wat voor CAV’s geldt: je hebt nooit in één keer al je voertuigen klaar.
We hebben op basis van ons onderzoek al een scherper beeld gekregen van de invloed van CAV’s op het overige verkeer, maar er is nog veel meer onderzoek nodig. Zo hebben wij de experimenten uitgevoerd met slechts één penetratiegraad. Het zou interessant zijn om te kijken hoe het imitatiegedrag is bij andere graden. Ook hebben we de deelnemers per scenario één rit laten maken. Wat gebeurt er als ze vaker ritten maken in de scenario’s Mix of CAV-rijstrook? Laten ze zich dan nog meer beïnvloeden en zo ja tot in welke mate? Uiteindelijk hebben we natuurlijk ook veldproeven nodig om de resultaten met de simulator te valideren. Willen we tijdens de lange overgang naar 100 procent CAV-verkeer niet voor verrassingen komen te staan, dan is er dus werk aan de winkel.
____
De auteurs
Solmaz Razmi Rad MSc. is PhD’er aan de TU Delft.
Dr. ir. Haneen Farah en prof. dr. ir. Serge Hoogendoorn zijn respectievelijk universitair docent en hoogleraar aan TU Delft, Transport & Planning.
