车辆驾驶人事故前操作行为模式

以西安及其周边地区交通事故调研数据为基础,对车辆驾驶人事故前操作行为模式进行研究,运用层次分析方法（AHP）和模糊评判方法,分析了影响驾驶人事故前操作行为的因素,建立了驾驶人事故前感知因素评价指标体系及驾驶人对各影响因素指标的评价模型,并用模糊数学和模糊推理的方法建立了基于公路交叉口交通事故的驾驶人事故前操作行为模式模糊控制规则。研究结果表明：在公路交叉口交通事故中,影响驾驶人事故前操作行为的主要因素为驾驶人车速感知、车距感知及交通信息感知;驾驶人事故前操作行为及驾驶人感知因素在一定显著性水平下遵循模糊控制规则。     

考虑驾驶风格的高密度立交群出入口车辆驾驶风险研究

为分析不同驾驶风格驾驶人车辆的驾驶风险,在重庆内环快速路开展了高密度立交群实车驾驶试验,使用车载仪器采集车辆行驶轨迹、速度等运行参数,通过因子分析和聚类分析等方法,提取车辆速度、加速度和横向位移等参数,以此为依据将驾驶风格分为三个类型,即保守型、常规型和冒险型。通过车辆驶离和汇入主线过程中的轨迹偏移,分析了不同驾驶风格的行车轨迹特征,结果表明：冒险型驾驶人的轨迹偏移高于其余2种驾驶风格的驾驶人,且轨迹偏移的分布较为分散;在驶离/汇入主线时,冒险型驾驶人所需要的换道时间更短、换道起始位置更靠前、换道频次也多于另外2 种驾驶风格;以速度波动和加速度波动作为驾驶风险评价指标,两者大小均是冒险型＞常规型＞保守型;利用熵权法确定指标权重并得到驾驶风险率,将其按照不同驾驶风格分类,结果表明：在主线出口位置,呈现明显的分布特征,即冒险型＞常规型＞保守型,而在主线入口位置,冒险型与常规型的驾驶风险率大小相差无异,但冒险型驾驶人分布更加离散。分析不同驾驶风格驾驶人的驾驶风险率,有助于提高驾驶人的行驶安全性。     

驾驶人危险感知影响因素建模与试验

为了分析驾驶人危险感知的影响因素,对驾驶人危险感知的影响因素进行演绎推理与试验分析。采用事故树分析建模与试验测试相结合的方式,剖析了驾驶人危险感知的影响因素并验证了影响因素的有效性。研究结果表明:驾驶人危险感知的影响因素来自于2个方面,一是危险与背景交通情境的特征,二是驾驶人的视觉搜索效率与认知水平;潜在危险与实际危险在识别率、发现速度和注视时间上有显著性差异(p0.01);动态危险的发现速度高于静态危险(p0.01)且受到的注视时间更长(p0.01);熟练驾驶人相比非熟练驾驶人能够发现更多的危险信息(p0.01),能够更加快速地发现危险(p0.01),对危险的注视时间更长(p0.01);熟练驾驶人对于交通情境的演变预测与判别更准确(p0.01),并具有更高的自信程度(p0.01)。     

汽车驾驶人感知-决策-校正行为模式

为了全面地了解汽车驾驶人在驾驶过程中的行为特性,对驾驶人操作行为的信息感知、轨迹决策和操作校正3个阶段的行为反应进行了分析,在不同通道宽度条件下进行了车辆行驶试验,记录驾驶人的眼睛运动、操作行为以及车辆的运行速度变化等数据。结合试验数据,对驾驶人第一次感知障碍物存在的位置、第一次采取制动措施的位置和3个操作阶段用时所占比例进行了对照分析。研究结果表明:随着通行条件逐渐困难,驾驶人用于信息感知的时间比例减少,而用于操作校正的时间比例增加。     

道路交通碰撞事故致因建模与影响因素试验分析

为了分析交通情境与驾驶人因素导致道路交通碰撞事故的原因,采用智能群体建模、鱼骨图方法与试验测试相结合的方式,剖析了道路交通碰撞事故的致因及影响因素的显著性.模型分析结果表明,碰撞事故的致因取决于驾驶人对于交通情境危险信息及时准确的感知以及个体间的相对运动速度.交通情境中的危险识别率和发现时间百分位与危险的类别、交通情境的特点以及驾驶人的经验密切相关.潜在危险与实际危险在识别率与发现时间百分位上存在显著差异;动态危险的发现时间百分位小于静态危险;相比非熟练驾驶人,熟练驾驶人能够发现更多的危险信息,更快速地发现危险,并且对于交通情境的演变预测与判别更准确,具有更高的自信程度.     

特长隧道出口处交通标志与驾驶人感知关系试验

为分析隧道出口处内外横断面上交通标志的设置对驾驶人视认性的影响,通过现场实车试验和室内动态模拟试验研究了交通标志与驾驶人信息感知的关系。选择3名驾驶人运用德国生产的SMI眼动仪,对选取的G65包茂(包头—茂名)高速公路武隆段6条隧道分别进行了34次有效行车试验,并对比分析普通高速公路路段和隧道出口路段驾驶人的瞳孔直径变化比率。采用Premiere软件制作可调的动态交通标志,通过双投影系统将标志和实车录制的路段视频相融合,投射到同一个曲面幕布上,并切换不同隧道出口与标志的位置,以驾驶人视认标志的反应时间为表征参数进行隧道动态驾驶环境下的室内模拟试验。研究结果表明:瞳孔直径变化比率可以作为表征驾驶人明适应状态的表征参数,并在此基础上确定了车速为80 km/h时驾驶人正常瞳孔直径变化比率为±5%;驾驶人完成出口明适应时的瞳孔直径状态,特长隧道出口处驾驶人的明适应时间为2.129 s;特长隧道出口处内外交通标志的反应时间都呈现同一规律,交通标志与行车道位于同侧的反应时间比异侧时的短;交通标志位于隧道外的反应时间均值为2.22 s,比隧道内的反应时间平均短0.64 s。以时间为依据,当隧道出口与互通间距受地形限制,设计完成标志的有效视认时间小于4.5 s时,建议交通标志设置在隧道内部正中顶部位置;反之,设置在隧道外部道路右侧。     

老年驾驶人的应激操作反应特性分析

随着年龄的增长,老年驾驶人的感知认知能力、判断决策能力及操作反应能力均出现衰退,进而导致其交通风险感知和应激反应能力发生变化。为了研究风险情景下老年驾驶人的应激操作反应特性,设计并搭建了行人与机动车、非机动车与机动车、机动车与机动车冲突的道路交叉口风险虚拟试验场景;分别招募了15名中青年与老年驾驶人进行了驾驶模拟试验,采集驾驶过程中驾驶人的操作行为及车辆运行数据,选取相关的指标对试验进行分析。结果表明,老年驾驶人在各风险情境下的反应时间与制动踏板行程总体上比中青年驾驶人长;而在高风险驾驶场景下,老年驾驶人的纵向加速度的波动幅度比中青年驾驶人大,其中有10名老年驾驶人发生了碰撞事故,占所有受试者的比例为33.3%。研究结果为交通安全政策制定者的措施制定提供一些提高老年驾驶人驾驶安全性的理论依据。     

虚拟城市道路场景中的驾驶人应激感知反应时间特性

为了分析城市道路环境中驾驶人应激感知时间的影响因素,基于虚拟现实技术搭建了模拟驾驶平台。利用眼动仪对28名被试驾驶人进行了多种场景下的应激反应试验,获取了驾驶人在不同应激场景下的危险感知时间,并对驾驶人的危险感知时间进行了分析。结果表明:驾驶经验丰富的驾驶人应激感知时间要小于其他驾驶人,而中青年驾驶人的应激感知速度要快于其他年龄的驾驶人;随着车速的提高,驾驶人的应激感知时间相应的增加,且两者之间呈现较强的指数关系;基于驾驶经验、驾驶人年龄和车速,采用对数函数建立的驾驶人应激感知时间预测模型具有较高的精度,被试驾驶人实测感知时间落入到预测区间的比例达到96.2%。     

驾驶人智能手机使用行为与风险感知分析

为了分析驾驶人在驾驶时使用手机的特点与风险感知水平之间的关系,基于网络和实地问卷开展了以450名驾驶人为有效样本的调查研究。通过二元Logistic回归分析,并结合问卷分析结果主要回答以下3个问题:(1)驾驶人开车时主要使用手机的哪些功能;(2)驾驶人对开车使用手机的风险认知情况;(3)驾驶人是否愿意接受限制驾驶时使用手机的功能(APP)。研究结果表明:驾驶时使用手机使交通事故发生的可能性增加3.421倍;72%的被调查者承认存在开车使用手机的情况,且驾驶人驾驶时使用的手机功能(可选择多个功能)主要为通话(70.6%)、导航(55.8%)、音乐(29.8%)和社交软件(25.6%),且通话功能的使用率基本随年龄/驾龄的增长而升高,导航和音乐功能的使用率基本随年龄/驾龄的增长而降低;95.1%的被调查者认为驾驶时使用手机存在一定风险或风险很高,且开车使用手机发生频次较高的危险类型主要包括过交叉口未注意信号灯(17.4%)、追尾(17.1%)和未注意行人(10.4%);83.3%的被调查者表示很愿意和或许会尝试使用手机的限制功能,但该意愿受驾驶人使用手机频率和风险认知水平的影响,其中认为没必要立即回复短信和电话、驾驶时使用手机频次较少的驾驶人,其风险感知水平较高,且更愿意接受驾驶时限制手机功能以提高驾驶安全性。     

驾驶人危险感知建模与实验解析

为了量化驾驶人群体危险感知的差异性并指出差异性的原因所在,对驾驶人危险感知进行建模与实验测试分析.借鉴污染环境下生物种群生存这一自然现象,构建了驾驶人危险感知模型,通过实验测试了驾驶人在不同交通场景的危险识别时间与反应时间.模型分析与实验结果表明,驾驶人危险感知阈限值与交通情境危险输入的速率负相关,与驾驶人正确反应率和危险识别率正相关.不同危险程度的交通场景对驾驶人危险感知的总反应时间和识别时间具有显著影响(p<0.001);驾驶经验对驾驶人危险识别时间没有显著影响(p=0.080),但是对危险的反应时间具有显著影响(p=0.003).熟练驾驶人相比非熟练驾驶人具有较高的危险感知水平,这种差异性主要体现在熟练驾驶人能够更快速准确地预测评估交通情境中的危险并进行合理判断.     

快速路合流区大型车换道时空特征及风险研究

为了研究大型车换道行为特性及其风险状况,基于无人机拍摄与图像识别技术,采集快速路合流区大型车运动轨迹数据,并对其换道特性和时空风险进行分析。结果表明：大型车换道持续时间的平均值为5.28 s,前半时间平均值为2.60 s,后半时间平均值为2.68 s,纵向换道行驶距离平均值为78.12 m,均服从Weibull分布,且均与换道速度显著相关,大型车换道持续时间及前半时间均和与原车道前车间距、与目标车道前车间距显著相关,前半时间还与沿车道线距离显著相关;75.40%的大型车在合流区瓶颈路段前100 m内开始变道,且由外侧车道向内侧车道依次扩散;大型车与原车道前车的车间距和相对速度平均值最小,分别为22.91 m、-0.90 m/s,若换道间隙较小,驾驶员更倾向于在换道间隙缩小缓慢或不断扩大时换道;大型车换道时与原车道前车的碰撞风险最高,约有15.32%大型车换道时与前车处于不安全状态。     

雾霾风险情景下陕西公众防护性行为的文化程度特征

目的 研究雾霾风险情景下公众防护性行为的文化程度特征,以期为陕西雾霾风险防控提供公众参与的社会依据.方法 以陕西不同文化程度公众为主要研究对象,利用问卷星获取数据,分析了雾霾风险情景下陕西公众防护性行为的文化程度特征.结果 雾霾风险情景下陕西公众防护性行为受文化程度的影响较大;不同文化程度公众的防护性行为与雾霾风险感知、感知可控性、环境信息影响和雾霾知识熟悉度间呈正相关关系;不同文化程度公众的防护性行为可以用公众雾霾风险感知、感知可控性、环境信息影响和雾霾知识熟悉度等较好地模拟(R2=0.9975;N S E=0.9973).结论 雾霾风险情景下,陕西不同文化程度公众的防护性行为主要受公众雾霾风险感知、感知可控性、环境信息影响和雾霾知识熟悉度的影响,利用这些参数能够较好地模拟公众的防护性行为,该模型可以为陕西公众雾霾防护性行为的模拟和预测提供参考和借鉴.     

安全驾驶的横向安全预警报警阈值的确定

为减少车道偏离事故的发生,基于车辆将要横越车道边界的时间标准（TLC）,提出一种新的横向安全报警算法。该算法根据车辆运行状态判断驾驶人意图,基于实车试验数据,分析车辆的车轮轨迹曲线与TLC曲线,设定不同路况、不同类型驾驶人的报警阈值;利用驾驶人分类结果中最激进和最保守驾驶人的实车数据,分别验证不同路况下的报警阈值。结果表明：在不同路况下,报警算法给性格保守的驾驶人留出了1s左右的反应时间,给性格激进的驾驶人留出了0.5s左右的反应时间。     

新型全触屏人机交互模式对驾驶风险的影响特性

针对新型全触屏人机交互界面（Human-Machine Interface）对驾驶过程带来的潜在风险,通过搭建2类真实道路驾驶数据采集平台,本文分别在新型全触屏和传统物理按键模式下采集了26名被试的空调操作相关数据。选取任务总时长、注视切换次数、视线离开前方总时间和车道位置标准差（SDLP）共4个指标,对4种车速下的1012组有效数据进行分析,结果表明：4种车速下全触屏HMI的4个指标平均值均高于物理按键,且全触屏HMI的任务总时长、注视切换次数、视线离开前方总时间以及SDLP的平均值相比物理按键分别增加了34.7%、13%、50.7%、37.8%。两种交互模式下任务总时长和视线离开前方总时间的平均值均随着车速的增加而呈现下降的趋势,而SDLP的平均值随着车速的增加而增大。总体而言,全触屏模式增加了驾驶人的视觉负荷,对于驾驶过程带来了一定的风险。     

高速公路驾驶人超车过程视觉行为特性

基于驾驶模拟器构建高速公路超车行为模拟场景,利用眼动仪采集30位驾驶人的眼动视频数据,通过后处理软件逐帧分析,获得驾驶人超车过程中注视、扫视和眨眼等视觉行为参数。将驾驶人视觉区域划分为左后视镜、右后视镜、原始车道、目标车道和其余区域共5部分,经过统计分析,获得驾驶人视觉区域驻留概率。研究结果表明:驾驶人超车过程中目标车辆的速度对注视频率、扫视频率、眨眼频率和平均眨眼时间没有显著影响,与平均扫视时间正相关,与平均注视时间负相关;在同一速度水平下,超车目标为大型车时,驾驶人的平均注视时间、平均扫视时间较长,注视频率、扫视频率较低。超车过程中驾驶人在原始车道和目标车道的驻留时间概率超过70%,在左后视镜和右后视镜驻留时间概率相差不大,均为7%左右,在其他区域驻留时间概率为10%左右。驾驶人主要通过观察目标车道和原始车道获得交通信息,通过左后视镜和右后视镜获得交通信息的概率(约为14%)高于其余区域。     

城市道路环境中驾驶人应激响应感知-制动反应时间分析

针对城市道路环境中驾驶人的应激响应感知-制动反应时间特性,基于虚拟现实技术搭建了测试平台,对多名驾驶人在不同应激场景下的感知-制动反应时间进行了研究。结果表明,熟练驾驶人的感知-制动反应时间要略长于非熟练驾驶人,而青年驾驶人的感知-制动反应能力最为稳定。以驾驶经验、驾驶人年龄和车速为自变量的预测模型能够对驾驶人的应激感知-制动时间进行准确的预测。     

基于驾驶人视觉感知的低等级公路行车速度预测

低等级公路环境下的行车速度变化特征比较复杂,已有的基于几何线形指标的车速模型不足以全面地表述这种特征.通过大量实车实验发现,低等级公路环境下驾驶人所采用的行车速度和其视觉感知到道路条件之间存在很好的相关性.驾驶人感知的道路条件分为视觉车道信息和视觉路侧环境信息.采用Catmull-Rom样条曲线拟合的视觉车道模型能够反应驾驶人感知的低等级公路几何特征,根据视觉车道模型形状参数,使用遗传算法优化BP神经网络(GABP)建立了基于几何信息感知的几何车速模型.同时,基于路侧环境信息利用Logistic回归模型建立了路侧车速修正模型.将上述模型结合起来,形成了基于驾驶人视觉感知的低等级公路行车车速预测方法.由此方法计算的驾驶人行车速度与实测情况吻合性好,能够很好地描述驾驶人在低等级公路环境下通过对道路条件视觉认知而产生行车速度的行为特征,是低等级公路运行车速预测计算的一种有效方法,不仅可以作为道路安全评价的基础,也可以为基于行车速度的公路几何设计提供有力支持.     

翠华山景区暴雨灾害游客风险感知差异性评价

以秦岭翠华山景区为例,通过游客随机抽样问卷调查,获取感知信息;构建游客暴雨灾害风险感知模型,定量评价游客暴雨灾害风险感知能力;最后分析游客个体特征对暴雨灾害风险感知能力的差异性影响。研究表明:游客减灾态度比较积极,减灾知识较缺乏,减灾行为较差。综合来看,游客对翠华山景区暴雨灾害风险感知综合能力较弱。游客的性别、年龄、职业、受教育程度和居住地是否发生灾害等个体特征对游客暴雨灾害风险感知能力产生较大影响。     

非资源消费型野生动物旅游风险感知研究：澳大利亚班布里海豚探索中心实证

通过对前往澳大利亚班布里海豚探索中心的访客进行调研,运用因子分析、K-means聚类分析、方差分析等定量方法,分析游客对在野外生境中接触海豚的风险感知程度及差异性。通过探索性因子分析,共识别和提取野生动物旅游风险感知量表的3个维度:体验质量风险、舒适性风险和身体安全风险。受访者感知程度最强为体验质量因子,其次为舒适性,最后为身体安全。运用K-means聚类分析方法,依据量表均值得分,将受访者分为3类:弱风险感知、强风险感知和中等风险感知,而样本总体对接触海豚风险感知程度归属为弱风险感知,认为接触海豚是相对安全的活动。通过独立样本t检验和方差分析,对比不同游客特征对野生动物旅游风险感知的差异性。结果发现,人口社会学特征中,除性别外,不同年龄、收入和家庭状况在风险感知程度上均存在显著性差异;旅游行为中,旅游经历、旅行同伴、消费额和停留时间对风险感知具有显著性差异,信息来源途径无显著性差异;满意度和重游意愿对风险感知都具有显著性差异。     

陕西关中地区农户生计风险研究——以岐山县凤鸣镇为例

通过对岐山县凤鸣镇农村的实地调查,重点研究了农户面对疾病、缺乏市场信息、教育、医疗等多种风险困扰而生活不稳定等这些风险的感知情况,分析风险产生的原因,提出了帮助农户应对风险的基本策略,以期为相关部门制定和完善农村社会保障制度和政策提供一定的参考依据.