霧天橋梁可變限速值的效用評估及優化

張建華 趙曉華 歐居尚 欒森 戴義博

（1.北京工業大學 城市建設學部，北京 100124；2.四川警察學院 智能警務四川省重點實驗室，四川 瀘州 646000）

橋梁作為跨江、跨海的交通紐帶及保障公路快速通行的重要手段，其建設規模也在不斷擴大。截至2020年底，我國公路橋梁數量已超過90萬座［1］。研究表明，橋梁交通事故一般多發于雨、雪、大霧等天氣條件［2］。相較于普通路段，由于橋梁結構的半封閉性及橋梁復雜多變的行車環境，橋梁路段一旦發生交通事故，極易造成擁堵，甚至可能導致二次事故發生。2020 年11月，陜西包茂高速關莊立交橋面由于霧天發生了43 車接連相撞的重大交通事故。由此可見，橋梁作為公路特殊路段，其安全治理和風險防控問題亟待解決。研究顯示，超過90%的交通事故是人為因素導致的［3］，因此，改善霧天橋梁駕駛行為特性，對緩解交通運行安全隱患問題極為重要。

從交通運營安全方面看，現階段研究主要集中在事故特征、運行效率及駕駛行為及其之間的關聯關系。事故特征方面，黃冰娥等［2］通過事故統計資料，分析橋梁事故的時空、形態分布與天氣狀況之間的關系；王文治等［4］通過杭州灣大橋交通事故數據，探究交通事故與車型、道路環境、氣候因素的關系，并指出霧天等不良天氣會對橋梁行車安全產生嚴重影響。運行效率方面，袁觀虎［5］通過構建橋梁運行狀態評估模型對其安全運營效率進行評價。駕駛行為方面，現有研究大多為強側風對橋梁行車安全的影響［6］，并通過橫風強度確定安全行車閾值［7］。然而，霧天作為橋梁交通運行安全風險的重要致因，從駕駛行為角度出發，其防控措施及改善策略的相關研究較少。霧天橋梁上的能見度低，高速行駛的車輛更容易發生事故，一旦遇到緊急情況駕駛人往往無法及時反應，容易發生追尾等事故。限速能夠使駕駛人有更多的時間做出反應以應對突發情況。同時，其他研究也表明，限速標志能夠有效改善公路霧區駕駛行為，減輕事故嚴重程度［8］。因此，限速作為改善交通運行安全的有效措施，有必要探究限速措施對霧天橋梁運行安全的影響及效能。

可變限速標志（VSL）作為常見的道路交通設施，能夠在惡劣天氣、交通事件、橋梁和隧道等路段進行有效的速度控制［9］。事實上，國內外針對VSL 進行了大量的研究。Martínez 等［10］基于實測數據研究了可變限速標志設置區域，以防止下游瓶頸路段擁堵；張珊等［11］通過實測數據和仿真實驗提出了一套霧天可變限速控制方法，該方法可有效保障行車安全和通行效率；孫長樂等［12］通過分析可變限速作用下的公路特性，提出了一套可變限速交通流模型；Zhao等［13］基于駕駛模擬器開發了車聯網環境下的可變限速應用程序，在霧天條件下，車聯網可變限速能夠有效地降低霧區車速。這些研究明確指出了可變限速對速度控制的有效性，主要通過改善駕駛人對車速的控制能力來提升交通運行的安全性?？梢?，研究橋梁可變限速的作用效果，應充分考慮駕駛人的真實反映。目前，國內外針對VSL的研究主要采用實車測試、仿真實驗和理論推導等方法。實車測試雖然考慮了人的屬性，但出于安全、成本原因，很難實現全面分析；仿真實驗和理論推導無法描述復雜的駕駛行為。而駕駛模擬器作為一種有效的實驗工具［14］，能夠很好地控制外部因素（天氣條件、道路環境、交通狀態等）的影響［15-17］。針對橋梁而言，天氣條件、道路環境及交通流組成等因素均為控制變量，通過科學實驗設計和細粒度數據感知，可實現可變限速作用規律和特征表現，為進一步揭示其影響特性提供支撐。

為探究霧天橋梁環境下可變限速對駕駛人的影響，文中通過駕駛模擬實驗測試，獲取細粒度微觀駕駛行為數據，從駕駛人服從效應角度提出了量化評估體系，以實現可變限速策略的綜合評估及最優策略甄選。

1 駕駛模擬實驗

1.1 系統實驗平臺

為研究霧天條件下可變限速標志對橋梁駕駛行為的影響，文中采用AutoSimAS駕駛模擬器進行模擬實驗。駕駛模擬器主要由控制系統、顯示系統和車輛系統3部分組成?？刂葡到y是平臺核心，用于實現實驗系統的設計、控制、監控和記錄等功能，具有動態開放編程接口，可根據實驗需求，利用腳本語言控制其他車輛的運行狀態、時間、天氣及突發事件等情景；顯示系統主要為駕駛人提供虛擬3 維駕駛場景；車輛系統實現人機對接，為駕駛人提供駕駛操作平臺，實現逼真的車輛駕駛感受。道路場景投影在3 塊1 920 像素×1 080 像素顯示屏上，投影設備為駕駛人提供前方130°的水平視野。實驗設置以20 Hz 的頻率記錄車輛運行狀態、駕駛人操作特征、車輛運行環境特征等數據，其中車輛運行狀態參數包括速度、加速度、油門、剎車、車輛坐標等。同時已有研究從駕駛人的視覺［18］、駕駛行為［19］和生理［20］方面對駕駛模擬器的有效性進行了驗證，并采用問卷調查的方法從主觀感受［20］評價駕駛模擬器的真實性，結果表明駕駛模擬器具有相對有效性。駕駛模擬器和實驗場景如圖1所示。

圖1 駕駛模擬器及實驗場景Fig.1 Driving simulator and experimental scene

1.2 場景設計

文中研究以鄂東長江大橋為設計原型。鄂東大橋為連接國家高速G45、G50 的重要組成部分，地處南方區域，且位于長江之上，故經常出現影響高速公路正常交通狀況的低能見度天氣。橋面設計為雙向六車道高速公路，橋面凈寬33 m，整體限速為100 km/h?？紤]到霧天低能見度對駕駛行為的影響，實驗設計橋梁上的能見度為100 m。相關研究表明，霧天高速公路的交通狀態一般多為自由流［21］。為避免交通流對實驗結果產生干擾，文中依據《公路通行能力手冊》自由流交通密度6 pcu/（km·車道），設計交通流平均車頭間距為超過175 m 的自由流。實驗場景設計如圖2所示。

圖2 鄂東長江大橋實驗場景設計Fig.2 Experimental scene design of E’dong Yangtze River Bridge

由圖2可知，實驗路段分為正常路段、限速區及霧區。正常路段（清晰區，OA1）設計車速為100 km/h，長度為2 km，保證車輛有足夠的距離加速到正常行駛水平。限速區（A1F1）長度為300 m，參照《公路限速標志設計規范》（JTG/T 3381-02—2020），相鄰兩個限速路段的限速值之差不應大于20 km/h，限速標志采取逐級降速方式。霧區（F1F2）全長2 km，能見度設置為100 m。為探究不同限速水平對駕駛行為的影響，文中實驗共設計3組限速策略SⅠ、SⅡ和SⅢ，具體設置如表1所示。

表1 可變限速標志具體設置Table 1 Specific setting of variable speed limit sign

1.3 被試選擇

本研究共招募了31 名（21 名男性，10 名女性）參與者作為被試來完成模擬實驗，參與者年齡分布在22～64 歲（均值為30.9，標準差為9.6）之間，視力或矯正視力正常，均持有有效的駕駛執照且至少有1年以上駕駛經驗。所有被試均要求按照日常駕駛習慣進行模擬實驗，且未提前被告知本次實驗的研究目標。樣本量n的選取是獲得足夠實驗數據的關鍵，本研究從統計學上解決樣本量是否滿足要求，具體計算公式為

式中：zα/2為標準正態分布上α/2 分位統計值；zβ為標準正態分布上β分位統計值；β為正態分布總體標準差；ε為響應指標均值與參考值的差值，ε=±σδ，σ為正態分布的標準差，δ為有意義差異。

由于駕駛模擬實驗的人數限制，通常選擇10%的顯著水平來反映未知參數的90%置信水平。此外，為了平衡效度和成本效益，文中使用80%的效度和0.5 的有意義差異［22］。結果表明，研究所需的最小樣本量為25。文中被試數量超過研究所需樣本量，具有統計學意義，能夠為實驗研究提供可靠的數據支撐。

1.4 實驗步驟

基于駕駛模擬技術開展霧天橋梁駕駛測試，實驗由5部分組成：①測試前基本信息采集，被試填寫基本信息表，記錄被試的年齡、性別、駕齡等人口統計學信息；②實驗說明，對被試宣讀指導語，介紹實驗目的（為了研究不同條件下的日常駕駛行為）以及駕駛模擬器操作規程，并要求被試按照日常駕駛習慣操作模擬器；③預實驗，選用非正式實驗場景進行預實驗，使被試能夠熟悉駕駛模擬器操作，并測試被試是否適應駕駛模擬環境；④正式實驗，為了避免學習效用，每位被試以隨機順序分別開展3 次駕駛實驗SⅠ、SⅡ和SⅢ，實驗之間間隔5 min；⑤測試后問卷調查，被試填寫問卷，記錄駕駛人對于場景、操作的主觀感受及真實性評價。

1.5 數據預處理

通過駕駛模擬器測試采集每位被試微觀駕駛行為數據，按照清晰區、限速區及霧區對原始數據進行篩選和預處理。參照《高速公路LED 可變限速標志》（GB 23826—2009），考慮駕駛人的動態視認距離不低于210 m，清晰區的數據截取長度為200 m，以確保霧區或限速標志對駕駛行為開始產生影響。對照組SⅠ沒有限速區，實驗組SⅡ限速區長度為200 m，SⅢ限速區長度為300 m?？紤]低能見度對駕駛行為的影響，并結合霧區內駕駛人速度和加速度的空間分布特征，進入霧區500 m 后駕駛人的速度達到相對穩定的狀態，故霧區的數據截取長度為500 m。實驗獲取31位駕駛人在3個限速策略下清晰區、限速區和霧區內的248 條駕駛行為數據，包括速度、加速度、方向盤轉角、剎車、油門等，并以5 m 為單元獲取駕駛人空間維度數據［16］。

2 限速策略效用評估方法

車輛速度［23］特性能夠直接反映出道路上車輛運行的動態規律，也是運行速度預測的基礎。為了探究不同限速策略對駕駛行為的影響，本研究首先采用單因素重復測量方差分析法和配對T檢驗法分析不同限速條件下車輛進入霧區前后運行狀態的變化情況；然后，將反饋控制理論遷移至可變限速有效性分析，從駕駛人服從效應角度提出評價指標體系；最后，基于模糊綜合評價對不同限速策略進行評價。

2.1 服從效應指標體系構建

由于人的一切活動都體現了反饋控制原理，且人本身就是具有高度復雜控制能力的反饋控制系統［24］，因此將駕駛人響應可變限速標志而采取的行動視為控制系統響應過程，如圖3所示。其中，駕駛人大腦思考過程視為控制裝置，駕駛人操作行為視為被控對象，可變限速標志為輸入變量，車速為輸出變量。駕駛人在觀察到限速標志后，會根據車輛運行狀態及人為因素采取相應的控速措施，并將實時獲取的車速作為反饋信息，用以不斷調整實際車速與期望水平之間的偏差，從而研究人為因素（擾動作用）引起駕駛操作（被控量）變化的全過程，如圖4所示。從駕駛人服從效應角度提出了包含響應快速性、穩定性和準確性3 個層面的評價指標體系，探究不同限速方案的作用機理及特征表現，具體映射關系如表2所示。

表2 駕駛操作映射關系Table 2 Mapping relationship of driving behavior

圖3 控制系統響應過程Fig.3 Response process of control system

圖4 駕駛人速度變化過程Fig.4 Driver’s speed change process

限速區平均加速度al指車輛進入霧區的初始速度與距霧區500 m 上游的速度差值與行程時間的比值，代表駕駛人針對不同限速策略響應形式的激烈程度。該值越小，說明駕駛人進入霧區前的響應越快速。其計算公式為

式中，vs，c為清晰區內車輛距霧區500 m上游的速度，ve，l為駛離限速區的車速，t為在限速區內的行程時間。

峰值時間tp指車輛從距霧區500 m 上游車速到達第一個低峰值的行程時間。該值越小，說明駕駛人在霧區行駛過程中第一次調整至期望運行狀態所需的時間越短，響應越快。其計算公式為

式中，Ts，c為車輛到達距霧區500 m上游位置的時刻，Tp，f為車速到達第一個低峰值所對應的時刻。

霧區速度標準差vSD指車輛進入霧區后整體空間上的速度標準差，表示駕駛人進入霧區后整體速度的波動程度，該值越小說明進入霧區后駕駛人的整體穩定性越高。其計算公式為

式中，f為車輛霧區行駛過程記錄頻數，vi為在i記錄點的車速，vˉ為霧區的平均車速。

霧區穩態頻數Ns指車輛在霧區行駛過程中達到穩態的次數。實際駕駛過程中，由于霧區的低能見度、不斷變化的道路和交通條件，駕駛人難以長時間保持車輛高速穩定運行。因此，本研究達到穩態的判別依據是連續5 s內速度波動不超過1 km/h即為一次穩態［25］。如表2所示，車輛會出現多次達到穩態的情況，以5 s 作為滑動時間窗逐點滑動，當滿足條件時，標記為穩態點。Ns越大，說明車輛在霧區行駛過程中的穩定性越高。

霧區速度超調量σv指霧區中最小車速與限速值的差值，表示駕駛人在極端情況下偏離限速值的程度，該值越小說明極端情況下的服從性越好。其計算公式為

式中，vl為霧區中的限速值，vmin為霧區行駛的最小車速。

速度跟隨比pf指霧區的平均車速與限速值的絕對誤差比，表示駕駛人整體速度服從限速值的水平，該值越小整體的服從性越好。其計算公式為

2.2 模糊綜合評價

模糊綜合評價運用模糊數學的原理，基于模糊數學的隸屬度理論將定性評價轉化為定量評價。適合對具有多種屬性的對象，或者受到多種因素制約的對象做出一個總體的評價［25］。具體的模糊綜合評價實現步驟如下：

（1）確定評價指標集和評語集。構建指標集U={U1，U2，…，Um}，將每項評價指標劃分為好、較好、一般、較差和差5個評價等級，各項指標的評語集為V={V1，V2，…，V5}。

（2）建立評價矩陣。給定評價指標現狀值λi，其允許范圍為[api，bpi]，[aij，bij]為各評價等級的取值區間，各評價指標不同等級的隸屬度rij的計算公式為

（3）確定指標權重。熵權法是一種在綜合考慮各因素提供信息量的基礎上計算一個綜合指標的數學方法，能較好地反映駕駛人在不同限速策略下的評價指標所包含的信息量，將各類指標融合在一起，可以解決信息量大、量化難的問題。根據各指標對評價對象的貢獻程度給予相應的權重，得到指標權重向量W。

（4）計算評估結果。將權重向量W和歸一化后的隸屬度矩陣R進行模糊合成，得到模糊綜合評價結果向量S，即

式中，?為模糊合成算子。

3 實驗結果與分析

3.1 運行狀態影響分析

選取橋梁清晰區、限速區和霧區駕駛人的平均速度、速度標準差、平均加速度等參數，探究不同限速策略對駕駛行為的影響。通過方差分析、配對檢驗分別對橋梁清晰區、霧區和限速區不同限速策略下運行狀態參數的顯著性（P）進行分析，實驗結果如表3所示。從表中可知：清晰區的速度標準差、平均加速度存在顯著差異；限速區的平均速度和平均加速度存在顯著差異；霧區的平均速度存在顯著差異。

表3 不同區域駕駛參數的顯著性分析結果Table 3 Significant analysis results of driving parameters in different zone

采用Bonferroni 校正事后方差分析法對橋梁清晰區、霧區和限速區不同限速策略下的運行狀態參數進行配對檢驗，結果如圖5所示。

圖5 不同限速策略下的運動狀態參數分布Fig.5 Distribution of motion status parameters under different speed limit strategies

從圖5（a）中可知：在清晰區內，不同限速策略對平均速度沒有顯著影響（清晰區的整體顯著性Pc=0.061）；在限速區和霧區內，不同限速策略下的平均速度存在顯著性差異（限速區、霧區的整體顯著性Pl=0.042，Pf＜0.001）。在霧區內，與SⅠ相比，SⅡ和SⅢ實驗組的平均速度分別降低了26.396 km/h（P＜0.001）、33.698 km/h（P＜0.001），且實驗組SⅢ的平均速度比SⅡ顯著降低了7.302 km/h（P=0.025）。以上結果表明，可變限速策略能夠有效調整駕駛人進入限速區和霧區后的速度。

從圖5（b）可知：在清晰區內，與SⅠ相比，SⅡ和SⅢ實驗組的速度標準差分別顯著增加了1.281 km/h（P＜0.001）、2.26 km/h（P＜0.001），且SⅡ實驗組的速度標準差比SⅢ實驗組顯著增加了0.979 km/h（P=0.033）；在限速區和霧區內，SⅡ和SⅢ實驗組與SⅠ的速度標準差沒有顯著性差異。結果表明，清晰區內不同限速策略的速度標準差變化具有顯著性差異，這是因為駕駛人在看到限速標志后會采取減速策略，從而導致速度變化差異較大。

從圖5（c）可知：在清晰區內，與SⅠ相比，SⅡ和SⅢ實驗組的平均加速度分別顯著降低了0.155 m/s2（P＜0.001）、0.144 m/s2（P＜0.001）；在限速區內，SⅢ實驗組的平均加速度比SⅡ實驗組顯著降低了0.109 m/s2（P=0.029）；在霧區內，SⅠ對照組、SⅡ和SⅢ實驗組的平均加速度無顯著性差異。結果表明，不同的限速策略能夠使駕駛人在清晰區提前采取減速措施，且不同的限速策略對限速區內的減速行為具有顯著影響。

進一步對不同限速策略下駕駛人在清晰區、限速區和霧區內的空間顯著性進行分析。以5 m為間隔，比較不同限速策略下駕駛行為的逐點顯著性。圖6顯示了駕駛人在不同限速水平下平均速度、平均加速度的變化軌跡及其空間顯著性（1 代表存在顯著性差異，0代表無顯著性差異），圖中PSⅠ∶PSⅡ、PSⅡ∶PSⅢ、PSⅠ∶PSⅢ表示3組策略兩兩之間的顯著性比較。車輛在1 000 m 位置處進入霧區，A1、A2、A3分別代表可變限速標志的位置。由圖6（a）可以看出，與對照組相比，當車輛進入限速區范圍時，可變限速對駕駛人的行駛速度開始產生了顯著影響。由圖6（b）可知：在距離可變限速標志（A1）100 m位置處，可變限速已對駕駛人的加速度產生作用，駕駛人在限速區和剛進入霧區時采取較大的減速措施，說明可變限速標志會使駕駛人更早地采取制動措施，從而保持以相對較低的速度進入霧區；SⅠ中的駕駛人更傾向在進入霧區200 m 后開始采取減速措施，霧區中駕駛條件、環境等不確定因素會使駕駛風險增大。

圖6 不同限速策略下駕駛參數的空間分布Fig.6 Spatial distribution of driving parameters under different speed limit strategies

總體來看，在清晰區內，由于駕駛人提前感知限速標志，可變限速標志能夠使駕駛人提前采取減速措施，對清晰區的速度變化具有顯著影響。在霧區內，速度標準差和平均加速度沒有顯著差異，說明不同限速策略對霧區內的速度變化沒有顯著影響。從空間層面上看，可變限速標志能夠使駕駛人更早地采取減速措施以應對霧區環境，同時限速策略下駕駛人在進入霧區后的整體速度變化相對較小，對照組則需要采取更大的制動措施來調整車速以應對霧天行駛環境。然而，不同可變限速對車輛進入霧區前后的運行狀態存在一定的差異性，難以在工程應用中直接選取合適的限速策略，因此有必要進一步驗證不同限速策略對駕駛行為的影響，進而選取有效的限速方案。

3.2 可變限速的有效性分析

從駕駛人響應的快速性、穩定性和準確性3方面對不同限速策略的有效性進行分析，結果如表4所示。由表中可知，不同限速策略下平均減速度、峰值時間、穩態頻數、速度超調量和速度跟隨比均存在顯著差異，而霧區內速度標準差沒有顯著差異。

不同限速策略下駕駛人響應的快速性、穩定性和準確性比較如圖7所示。從圖7（a）可知：與SⅠ對照組相比，SⅡ和SⅢ實驗組的平均加速度分別顯著降低了0.603 m/s2（P＜ 0.001）、0.945 m/s2（P＜ 0.001），且SⅢ實驗組的平均減速度比SⅡ實驗組顯著降低了0.342 m/s2（P=0.007），說明90～70～50 km/h逐級限速策略下，駕駛人對限速措施做出響應更加激烈；與SⅠ對照組相比，SⅡ實驗組的峰值時間顯著增加了10.321 s（P=0.006），SⅢ實驗組則無明顯差異，說明90～70 km/h限速策略下，駕駛人需要更長的時間才能達到穩定狀態。

圖7 不同限速策略下駕駛人響應的快速性、穩定性和準確性比較Fig.7 Comparison of driver’s response rapidity，stability and accuracy indicators under different speed limit strategies

從圖7（b）可知：不同限速策略下，駕駛人在進入霧區后的速度波動沒有明顯差異；與SⅠ和SⅡ組相比，SⅢ組達到速度穩態的頻數分別顯著增加了214（P＜ 0.001）、134（P=0.028），說明90～70～50 km/h逐級限速策略下，駕駛人在霧區中行駛的穩定性更高。

從圖7（c）可知：與SⅠ對照組相比，SⅡ和SⅢ實驗組的速度超調量分別顯著降低了9.23 km/h（P=0.004）、20.56 km/h（P＜ 0.001），且SⅢ實驗組的超調量比SⅡ實驗組顯著降低了11.33 km/h（P＜0.001）；與SⅠ和SⅡ組相比，SⅢ實驗組在霧區的速度跟隨比分別顯著降低了6.8%（P=0.008）、7.2%（P=0.002），說明90～70～50 km/h 逐級限速策略下，駕駛人在霧區行駛過程中對限速值的極端偏離程度和平均偏差程度更低，對限速條件的響應準確性更高。

3.3 橋梁可變限速模糊綜合評價結果

文中以霧天橋梁限速策略SⅢ為計算案例進行說明?？紤]駕駛人在不同限速策略下響應的快速性、穩定性和準確性，文中通過構建評價指標集對限速方案進行評估。

由于各類指標缺乏相應的分類參考，難以確定評價等級取值范圍。因此，文中采用K-means 聚類算法計算各指標的聚類區間［26-27］，以確定不同評價等級的取值范圍，結果如表5 所示。根據式（7）對各評價指標的隸屬度進行計算，形成評價等級隸屬度矩陣，如表6所示。

表5 可變限速評價指標等級取值區間Table 5 Level value ranges of variable speed limit evaluation indicators

表6 評價指標隸屬度矩陣計算結果Table 6 Membership matrix calculation results of evaluation indicators

通常情況下，反映限速方案有效性的評價指標之間并不是同等重要的，文中根據熵權法對評價對象的貢獻程度給予相應的權重，各評估指標（al、tp、vSD、Ns、σv、pf）的權重分別為0.340、0.035、0.015、0.297、0.174和0.138。

文中采用加權平均型算子M(×，⊕)計算不同限速策略隸屬于各評價等級的程度。定義各評價等級的分數梯度矩陣A=(90，80，70，60，50)，則S和A的向量積為綜合得分。模糊綜合評估結果如表7所示。由表中可知，SⅢ實驗組的綜合評分最高，因此，綜合駕駛人響應的快速性、穩定性和準確性3 方面的6 項評價指標，90～70～50 km/h 逐級限速策略為最優設置方案。即在霧天能見度為100 m 條件下，限速50 km/h 能夠使車輛在橋梁區域運行的服從度和穩定性更高，整體運行效率更好，能夠有效地緩解車輛進入霧區后產生波動，從而有效降低橋梁霧區駕駛風險。

表7 不同策略的模糊綜合評價結果Table 7 Fuzzy comprehensive evaluation results of different strategies

4 結語

文中依托駕駛模擬實驗平臺，實現不同限速條件下霧天橋梁場景微觀駕駛行為數據的細粒度感知，分析可變限速對駕駛行為的綜合影響；從駕駛人服從效應考慮構建評價指標體系，量化分析不同限速策略的作用機理和特征表現；最后采用模糊綜合評價對不同限速方案進行評估，得到的主要結論如下：

（1）進入橋梁霧區前，可變限速能夠使駕駛人更早地采取減速措施以應對霧區環境。90～70～50 km/h 逐級限速方案在清晰區的整體速度波動最大，速度調整更為劇烈，而在限速區和霧區內，并未因為限速措施及霧天環境的影響而導致速度波動，從而保證了不同限速策略下霧區行駛的穩定性。

（2）從駕駛人的響應快速性可知，90～70～50 km/h逐級限速策略在清晰區的平均減速度更大，達到穩定狀態的峰值時間更短；從駕駛人的響應穩定性可知，90～70～50 km/h逐級限速策略在霧區中的車輛穩態頻數最大，空間穩定性更好；從駕駛人的響應準確性可知，90～70～50 km/h逐級限速策略在霧區中的速度超調量和跟隨比最小，響應準確性更高。

（3）霧天橋梁可變限速模糊綜合評估結果表明，在霧天能見度100 m的條件下，90～70～50 km/h逐級限速策略為最優方案，該方案能夠有效地降低駕駛行為激變導致的風險，從而提升霧區安全性和通行效率。

文中結合反饋控制原理，從系統的“快、準、穩”層面提出了針對霧天橋梁可變限速的綜合評估及優化設置方法，該方法可有效支撐霧天橋梁交通安全的風險防控，進而泛化推廣至應用可變限速實現速度控制的相關應用領域。此外，文中方法僅考慮了霧天能見度100 m 的條件，但在實際中霧天的能見度是多變的，未來可研究不同能見度下的限速方案；文中方法尚未考慮不同駕駛人特性與限速效果的關聯關系，未來可進一步擴充樣本量，探究駕駛人個體特征對限速策略的作用效果；文中僅在駕駛模擬實驗環境下驗證了限速方案的有效性，未來可與實車實驗進行對比，以提升研究成果的可靠性。