Представлено результати експериментальних досліджень поводження водіїв під час взаємодії з об’єктами-перешкодами, які зумовлені припаркованими транспортними засобами. На сьогодні паркування автомобілів на двосмугових вулицях є значною проблемою для водіїв під час руху та створює перешкоди. Водіям потрібно вчасно помітити припаркований автомобіль та виконати маневр зміни смуги руху. Все це впливає на траєкторії руху транспортних засобів та функціональний стан водія. Водієві потрібен певний проміжок часу для виконання маневру, який складається з часу реакції, прийняття рішення про зміну смуги руху та виконання дії. Все це ускладнюється умовами руху для водія та створює небезпеку для керування. Якщо водій вчасно не отримає інформацію про розташування паркування на вулиці зі швидкісним рухом, імовірність небезпеки значно підвищується. Крім того, водії для зменшення впливу паркування на функціональний стан організму заздалегідь намагаються змінити смугу руху, яка зайнята попереду паркуванням. Також спостерігається відхилення у поперечному перерізі вулиці за збільшення швидкості руху відносно припаркованого автомобіля, що остаточно вказує на зміну положення на смузі руху. Було встановлено, що водії індивідуально обирають траєкторії зміни смуги руху відповідно до швидкості руху. Крім того, кожен водій на власний розсуд суб’єктивно приймає рішення про початок зміни смуги руху під час виникнення перешкоди на певній відстані. В якості індикатора імовірності знаходження об’єкта перешкоди у небезпечному стані було використано кутову швидкість. Кутова швидкість є основним параметром в орієнтовній діяльності водія та сигналізує про небезпеку. За значень кутової швидкості від 0,015–0,03 рад/c водії намагались завершити маневр та залишити певну відстань до перешкоди (зазор безпеки). Це вказує на певний інтервал кутової швидкості щодо сприйняття об’єкта перешкоди у просторі та відчуття небезпеки. Отримані закономірності зміни смуги руху водіями дозволяють визначити безпечну відстань до паркування та забезпечити безпеку руху шляхом використання відповідної розмітки та дорожніх знаків.
1. Zhao, C., Zhao, X., Li, Z., & Zhang, Q. (2022). XGBoost-DNN Mixed Model for Predicting Driver's Estimation on the Relative Motion States during Lane-Changing Decisions: A Real Driving Study on the Highway. Sustainability, 14(11), 6829. doi: 10.3390/su14116829 (in English).
https://doi.org/10.3390/su14116829
2. Xu, C., Wang, X., Yang, H., Xie, K., & Chen, X. (2019). Exploring the impacts of speed variances on safety performance of urban elevated expressways using GPS data. Accident Analysis & Prevention, 123, 29-38. doi: 10.1016/j.aap.2018.11.012 (in English).
https://doi.org/10.1016/j.aap.2018.11.012
3. Yang, Q., Lu, F., Wang, J., Zhao, D., & Yu, L. (2020). Analysis of the Insertion Angle of Lane-Changing Vehicles in Nearly Saturated Fast Road Segments. Sustainability, 12(3), 1013. doi: 10.3390/su12031013 (in English).
https://doi.org/10.3390/su12031013
4. Ramezani-Khansari, E., Tabibi, M., & Moghadas Nejad, F. (2021). Estimating Lane Change Duration for Overtaking in Nonlane-Based Driving Behavior by Local Linear Model Trees (LOLIMOT). Mathematical Problems in Engineering, 2021, 1-7. doi: 10.1155/2021/4388776 (in English).
https://doi.org/10.1155/2021/4388776
5. Sun, K., Zhao, X., Gong, S., & Wu, X. (2023). A Cooperative Lane Change Control Strategy for Connected and Automated Vehicles by Considering Preceding Vehicle Switching. Applied Sciences, 13(4), 2193. doi: 10.3390/app13042193 (in English).
https://doi.org/10.3390/app13042193
6. Ataelmanan, H., Puan, O. C., & Hassan, S. A. (2021, May). Examination of lane changing duration time on expressway. In IOP Conference Series: Materials Science and Engineering, 1144(1), (pp. 012078). doi: 10.1088/1757-899X/1144/1/012078 (in English).
https://doi.org/10.1088/1757-899X/1144/1/012078
7. Li, Y., Li, L., Ni, D., & Zhang, Y. (2021). Comprehensive survival analysis of lane-changing duration. Measurement, 182, 109707. doi: 10.1016/j.measurement.2021.109707 (in English).
https://doi.org/10.1016/j.measurement.2021.109707
8. Wang, Y., Cao, X., & Ma, X. (2022). Evaluation of automatic lane-change model based on vehicle cluster generalized dynamic system. Automotive Innovation, 5(1), 91-104. doi: 10.1007/s42154-021-00171-z (in English).
https://doi.org/10.1007/s42154-021-00171-z
9. Lancelot, J., Rimal, B. P., & Dennis, E. M. (2023). Performance Evaluation of a Lane Correction Module Stress Test: A Field Test of Tesla Model 3. Future Internet, 15(4), 138. doi: 10.3390/fi15040138 (in English).
https://doi.org/10.3390/fi15040138
10. Meesit, R., Kanitpong, K., & Jiwattanakulpaisarn, P. (2020). Investigating the influence of highway median design on driver stress. Transportation research interdisciplinary perspectives, 4, 100098. doi: 10.1016/j.trip.2020.100098 (in English).
https://doi.org/10.1016/j.trip.2020.100098
11. Goncalves, R. C., Louw, T. L., Madigan, R., Quaresma, M., Romano, R., & Merat, N. (2022). The effect of information from dash-based human-machine interfaces on drivers' gaze patterns and lane-change manoeuvres after conditionally automated driving. Accident Analysis & Prevention, 174, 106726. doi: 10.1016/j.aap.2022.106726 (in English).
https://doi.org/10.1016/j.aap.2022.106726
12. Haar, A., Haeske, A. B., Kleen, A., Schmettow, M., & Verwey, W. B. (2022). Improving clarity, cooperation and driver experience in lane change manoeuvres. Transportation research interdisciplinary perspectives, 13, 100553. doi: 10.1016/j.trip.2022.100553 (in English).
https://doi.org/10.1016/j.trip.2022.100553
13. Wei, W., Fu, X., Zhong, S., & Ge, H. (2023). Driver's mental workload classification using physiological, traffic flow and environmental factors. Transportation research part F: traffic psychology and behaviour, 94, 151-169. doi: 10.1016/j.trf.2023.02.004 (in English).
https://doi.org/10.1016/j.trf.2023.02.004
14. Yamina, H., Mébarek, D., Mohammed, B., & Saadia, S. (2023). Contribution to the analysis of driver behavioral deviations leading to road crashes at work. IATSS Research. doi: 10.1016/j.iatssr.2023.03.003 (in English).
https://doi.org/10.1016/j.iatssr.2023.03.003
15. Chen, Z., Qin, X., & Shaon, M. R. R. (2018). Modeling lane-change-related crashes with lane-specific real-time traffic and weather data. Journal of Intelligent Transportation Systems, 22(4), 291-300. doi: 10.1080/15472450.2017.1309529 (in English).
https://doi.org/10.1080/15472450.2017.1309529
16. Ding, T., Li, X., Zheng, L., & Hao, Z. (2019). Research on safety lane change warning method based on potential angle collision point. Journal of advanced transportation, 2019. 1-15 doi: 10.1155/2019/1281425 (in English).
https://doi.org/10.1155/2019/1281425
17. Liu, H., Song, X., Liu, B., Liu, J., Gao, H., & Liang, Y. (2023). A dynamic lane-changing driving strategy for CAV in diverging areas based on MPC system. Sensors, 23(2), 559. doi: 10.3390/s23020559 (in English).
https://doi.org/10.3390/s23020559
18. Pan, J., & Shen, Y. (2022). Assessing driving risk at the second phase of overtaking on two-lane highways for young novice drivers based on driving simulation. International journal of environmental research and public health, 19(5), 2691. doi: 10.3390/ijerph19052691 (in English).
https://doi.org/10.3390/ijerph19052691
19. Xie, H., Ren, Q., & Lei, Z. (2022). Influence of Lane-Changing Behavior on Traffic Flow Velocity in Mixed Traffic Environment. Journal of Advanced Transportation, 2022, 1-26. doi: 10.1155/2022/8150617 (in English).
https://doi.org/10.1155/2022/8150617
20. Fornalchyk, Y., Kernytskyy, I., Hrytsun, O., & Royko, Y. (2021). Choice of the rational regimes of traffic light control for traffic and pedestrian flows. Scientific Review Engineering and Environmental Studies (SREES), 30(1), 38-50. doi: 10.22630/PNIKS.2021.30.1.4 (in English).
https://doi.org/10.22630/PNIKS.2021.30.1.4
21. Lynnyk, I., Chepurna, S., Vakulenko, K., & Kulbashna, N. (2022). Informational Characteristics of Objects to the Driver's Perception Field in Urban and Suburban Conditions. In Smart Technologies in Urban Engineering: Proceedings of STUE-2022 (pp. 695-706). doi: 10.1007/978-3-031-20141-7_62 (in English).
https://doi.org/10.1007/978-3-031-20141-7_62
22. Chebanyuk, K., Prasolenko, O., Burko, D., Galkin, A., Lobashov, O., Shevchenko, A., ... & Persia, L. (2020). Pedestrians influence on the traffic flow parameters and road safety indicators at the pedestrian crossing. Transportation research procedia, 45, 858-865. doi: 10.1016/j.trpro.2020.02.083 (in English).
https://doi.org/10.1016/j.trpro.2020.02.083