第 6 期杨京帅, 等 : 驾驶人危险感知建模与实验解析 305 感知测试在英国及澳大利亚已经作为获取驾照的必考科目 [8]. 国内外关于危险感知的研究主要是采用交通情境图片问卷录像视频或实际驾驶测试的方式, 对比分析事故组与非事故组 ( 或违规组与非违规组 ) 驾驶人熟练驾驶人与非熟练驾驶

Size: px

Start display at page:

Download "第 6 期杨京帅, 等 : 驾驶人危险感知建模与实验解析 305 感知测试在英国及澳大利亚已经作为获取驾照的必考科目 [8]. 国内外关于危险感知的研究主要是采用交通情境图片问卷录像视频或实际驾驶测试的方式, 对比分析事故组与非事故组 ( 或违规组与非违规组 ) 驾驶人熟练驾驶人与非熟练驾驶"

佛路
5 years ago
Views:

1 第 44 卷第 6 期 204 年月东南大学学报 ( 自然科学版 ) JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition) Vol.44 No.6 Nov.204 doi:0.3969/j.isn 驾驶人危险感知建模与实验解析杨京帅王文亮苏薇杨得婷孙正一 ( 长安大学汽车学院, 西安 70064) 摘要 : 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<0.00); 驾驶经验对驾驶人危险识别时间没有显著影响 (p0.080), 但是对危险的反应时间具有显著影响 (p0.003). 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. 关键词 : 交通工程 ; 驾驶人 ; 危险感知 ; 方差分析 ; 交通情境 ; 驾驶经验中图分类号 :U49 文献标志码 :A 文章编号 : (204) Drivers hazardperceptionmodelingandexperimentalanalysis YangJingshuai WangWenliang SuWei YangDeting SunZhengyi (SchoolofAutomobile,Chang anuniversity,xi an70064,china) Abstract:Toquantifythediferenceofdrivers hazardperceptionandpointoutthecausesofthe diference,drivers hazardperceptionwasmodeledandtestedbyexperiments.thehazardpercep tionmodelwasbuiltbasedonthenaturalphenomenaofbiologicalpopulationsurvivinginpolution environments.thehazarddetectiontimeandhazardreactiontimeweretestedindiferenttraficsitu ations.themodelanalysisandexperimentalresultsshow thatdrivers hazardperceptionthreshold limitvalueisnegativelyafectedbytheinputrateoftraficsituationdangersandpositivelyafected bydrivers corectreactionratiosandhazardsdetectionratios.theresultsofdrivers hazardpercep tiontestrevealamainefectoftraficsituationswithdiferentrisklevelondrivers overalreaction timeandhazarddetectiontime(p<0.00).drivingexperienceshavenosignificantefectonhaz arddetectiontime(p0.080)buthavesignificantefectondrivers hazardreactiontime(p 0.003).Experienceddriversarewithhigherhazardperceptionlevelthanunskileddrivers,whichis reflectedbythefactsthatexperienceddriverscanpredictandevaluatedangerouseventsintraficsit uationsmorequicklyandaccurately. Keywords:traficengineering;driver;hazardperception;analysisofvariance;traficsituation; drivingexperience 深入探究交通事故的原因, 人的因素占事故致因的比例高达 90%. 在人的因素中起主导作用的是人的感知因素, 包含驾驶人对即将降临的危险感知错误和感知迟滞 []. 危险感知被认为是对道路交通情境的读取能力, 即识别预测和评估危险情境的能力 [24]. 视觉信息搜索影响驾驶人对危险的感知与判断 [5], 在驾驶相关的所有技能中, 只有危险感知是与交通事故密切相关的 [67]. 因此, 危险收稿日期 : 作者简介 : 杨京帅 (978 ), 男, 博士, 副教授,yangjingshuai78@63.com. 基金项目 : 国家自然科学基金资助项目 (508040,508390) 中央高校基本科研业务费专项资金项目 (CHD20JC05). 引用本文 : 杨京帅, 王文亮, 苏薇, 等. 驾驶人危险感知建模与实验解析 [J]. 东南大学学报 : 自然科学版,204,44(6): [doi: /j.isn ]

2 第 6 期杨京帅, 等 : 驾驶人危险感知建模与实验解析 305 感知测试在英国及澳大利亚已经作为获取驾照的必考科目 [8]. 国内外关于危险感知的研究主要是采用交通情境图片问卷录像视频或实际驾驶测试的方式, 对比分析事故组与非事故组 ( 或违规组与非违规组 ) 驾驶人熟练驾驶人与非熟练驾驶人年轻驾驶人与年老驾驶人在危险感知方面的差异, 研究结论均有效验证了驾驶人群体危险感知差异性的存在 [9]. 危险感知作为一项复杂的驾驶技能 [0], 驾驶人不仅要及时发现交通情境的各种潜在危险, 而且要判断该危险能否导致交通冲突或交通事故, 从而作出相应的驾驶操作反应. 鉴于这一过程的内部细节难以捕捉和模拟, 现有的研究均没有对驾驶人群体危险感知的差异性进行量化并指出差异性的原因所在. 污染环境下生物种群能否生存下去取决于环境的污染程度污染的输入率种群自身对污染的吸收率排泄率净化率生存与灭绝的阈值, 这与不同危险水平交通情境下驾驶人能否感知危险并成功处理危险情境具有可类比的特性. 不同危险水平的交通情境可类比为受到不同污染程度的生存环境, 生物种群能否在污染的环境中生存可类比为驾驶人能否感知交通情境中的危险并作出合理判断和决策, 从而有效规避危险. 基于此, 本文借鉴了污染环境下生物种群生存这一自然现象, 对驾驶人危险感知进行建模, 并通过实验解析危险感知差异性的可能原因. 驾驶人危险感知建模在构建驾驶人危险感知模型之前, 首先对模型的适用条件和背景进行相应的假设. 交通情境的参与者是驾驶人群体, 驾驶人群体的危险感知水平是有差异的, 现有研究已证实这种差异性的存在 [], 模型中驾驶人群体由不同危险感知水平的驾驶人群体组成 ; 将行人骑行者的交通行为以及道路环境等因素对交通情境危险水平的影响作为外界环境, 输入到交通情境中作为危险因素对待 ; 交通情境的危险水平是由情境危险与动态驾驶行为危险构成的, 交通情境总体危险水平随着交通情境的改变外界危险因素的汇入以及驾驶行为的改变而改变 ; 鉴于驾驶人自身交通知识经验生理心理等原因, 驾驶人存在一定概率水平的感知判断与反应错误, 并具有一定程度的自我修正能力. 用 x i (t)( 简写为 x i ) 表示在某交通情境中 t 时刻第 i 类危险感知水平驾驶人群体, 用 c E (t)( 简写为 c E ) 表示 t 时刻交通情境危险水平. 每类危险感知水平的驾驶人将通过视觉听觉等途径感知危险并作出相应的驾驶行为. 设第 i 类危险感知水平的驾驶人感知判断与反应行为导致的潜在危险为 c i (t)( 简写为 c i ), 驾驶人群体 x i 的危险感知水平随着其导致的潜在危险的增加而降低, 即 r i (t) r i (c i (t))( 简写为 r i ) 为 c i (t) 的线性减函数, 即 r(c(t))r 0 -r c(t). 鉴于各类危险感知水平驾驶人的危险感知判断与反应行为导致的潜在危险及交通情境中环境危险因素的影响, 交通情境中危险水平将不会维持不变, 由此可建立如下的交通情境危险水平模型 : x i x i [r i (c i (t))-a i (t)x i ] c i k i c E -g i c i -h i c i c E -hc E +u(t)- n l i k i c i x i + n m i g i c i x i i i x i0 x i (0)>0,c i0 c i (0)0,c E0 c E (0)0 0 c i (t)<,0 c E (t)<,i,2,, n () 式中, x i 为交通情境中驾驶人群体的数量 ; r i (c i (t))/a i (t) 为交通情境对该危险感知水平的驾驶人群体成员的容纳量 ;a i (t) 为连续有界函数 ; c i 为第 i 类危险感知水平的驾驶人感知判断与反应行为导致的潜在危险, 即第 i 类危险感知水平的驾驶人自身携带的潜在危险 ;k i c E 为交通情境施加于驾驶人的情境危险 ;k i 为交通情境施加于驾驶人情境危险的速率 ( 交通情境危险汇入的速率 );g i c i 为驾驶人采取合理的反应行为规避掉的危险 ;g i 为正确反应率 ;h i c i 为驾驶人感知判断后识别出的危险, 此类危险无需驾驶人作出驾驶行为改变 ;h i 为危险识别率 ; c E 为交通情境危险水平 ;-hc E 为交通情境危险水平由于隔离带标志标线限速标志指引标志信号灯等交通设施设备与交通规则的作用而削减的部分 ;u(t) 为 t 时刻外界危险因素 ( 驾驶人之外的交通参与者道路与环境因素 ) 输入到交通情境中的危险, 是一有界函数 ;l i k i c i x i 为第 i 类危险感知水平的驾驶人感知判断与反应后采用了合理的驾驶行为, 交通情境危险水平减少的部分 ;l i 为第 i 类危险感知水平的驾驶人个体对交通情境危险水平减少的贡献率 ( 消化率 );m i g i c i x i 为第 i 类危险感知水平的驾驶人由于驾驶行为改变所引起的交通情境危险水平增加的部分 ;m i 为第 i 类危险感知水平的驾驶人个体对交通情境危险水平增加的贡献率 ( 排出率 );k i,g i,h i,l i,m i 为正常数. 模型 () 称为交通情境下的非简化危险水平模型. 显然, 它是一个 2n+ 维的非自治非线性系统.

3 306 东南大学学报 ( 自然科学版 ) 第 44 卷当交通情境对驾驶人群体成员的容纳量足够大, 驾驶人自身的驾驶行为对交通情境危险水平的影响可以忽略时 ( 即驾驶行为的改变相对于外界危险因素的汇入对交通情境危险水平影响不大 ), 模型 () 可简化为如下的交通情境危险水平简化模型 : x i x i [r i (c i (t))-a i (t)x i ] c i k i c E -g i c i -h i c i c E -hc E +u(t) x i0 x i (0)>0,c i0 c i (0)0,c E0 c E (0)0 0 c i (t)<,0 c E (t)<,i,2,, n (2) 对于模型 (2), 采用平均值法进行研究. 为此, 引进了如下几个驾驶人危险感知水平概念 : ) 强危险感知. 若 lim infx(t)>0, 称驾驶人 x(t) 是强危险感知的, 他们在复杂的交通情境中足以应付潜在的危险信息. 2) 临界危险感知. 若 lim supx(t)>0, 称驾驶人 x(t) 是临界危险感知的, 他们在复杂的交通情境中对危险信息的感知显得有些力不从心, 是交通冲突或事故的潜在隐患. 3) 弱危险感知. 若 lim supx(t)0, 称驾驶人 x(t) 是弱危险感知的, 他们在复杂的交通情境中对危险信息的感知显得忙乱, 是交通冲突或事故的危险群. 4) 平均危险感知. 若 lim sup t 0 t + t x >0, 称驾驶人 x(t) 是平均危险感知的. 若 x 0, 称驾驶人 x(t) 是平均意义下弱危险感知的. 为书写简洁, 令 x lim infx(t), x(t) t 0 t. 对 x(t) 存在如下不等式 : lim supx(t),x lim supx(t) > lim sup t 0 t > lim infx(t) 故各种意义下的危险感知具有如下关系 : 在一个较长的时间段内, 强危险感知将表现出较高的危险感知水平, 能够感知包括潜在危险在内的大部分危险信息 ; 其次为平均危险感知 ; 临界危险感知的危险感知水平最差, 是交通事故倾向性群体. 2 危险感知阈限值分析对于模型 (2),r(c(t)) 为 c(t) 的线性减函数, 即 r(c(t))r 0 -r c(t). 由方程可得得故 xx(r 0 -r c(t)-ax) x x r 0-r c(t)-ax, 将两边从 0 到 t 积分可 ln x(t) x(0) r 0t-r t t c(s)ds-a 0 0 t lnx(t) x(0) r 0-r c(t) -a x(t) lim t lnx(t) x(0) r 0-r c(t) -a x(t) 由此可得显然,x(t) 是有界的, 则有 lim t lnx(t) x(0) 0. x(t) > r 0 a -r a c(t) 当 c < r 0 时, 有 x >0, 即驾驶人 x(t) 是 r 平均危险感知的. 当 c > r 0 时, 驾驶人 x(t) 是弱 r 危险感知的. 从而有由模型 (2) 中的第 3 个方程可得 c E (t)-c E0 t -h c E + u 而 0 c E (t), 故 0lim c E (t)-c E0 t lim lim inf c E(t)-c E0 t sup c E(t)-c E0 t c E h u, c E h u 同样, 由模型 (2) 中的第 2 个方程可得 c E k g+h c E, c k g+h c E 则可得到如下结论 : ) c k g+h c E k h(g+h) u < r 0, r 即 u < r 0h(g+h) 时, 驾驶人 x(t) 是平均危险感知的. 2) 当 u > r 0h(g+h) 时, 驾驶人 x(t) 是弱危险感知的. 由此可以找到交通情境危险水平与驾驶人弱危险感知的控制阈限值 r 0 h(g+h), 即驾驶人危险

第 6 期杨京帅, 等 : 驾驶人危险感知建模与实验解析 307 感知阈限值随着交通情境施加于驾驶人情境危险的速率 ( 交通情境危险汇入的速率 ) 的增大而减小, 随着驾驶人正确反应率 g 以及危险识别率 h 的增大而增大. 只有当驾驶人感知到的危险水平高于交通情境的实际危险水平时, 才能保证驾驶人能够快速准确地识别交通情境危险信息, 从而合理地评估自身能力并及时采取避免危险的有效措施.

4 第 6 期杨京帅, 等 : 驾驶人危险感知建模与实验解析 307 感知阈限值随着交通情境施加于驾驶人情境危险的速率 ( 交通情境危险汇入的速率 ) 的增大而减小, 随着驾驶人正确反应率 g 以及危险识别率 h 的增大而增大. 只有当驾驶人感知到的危险水平高于交通情境的实际危险水平时, 才能保证驾驶人能够快速准确地识别交通情境危险信息, 从而合理地评估自身能力并及时采取避免危险的有效措施. 这与 Wilde [2] 提出的风险均衡理论 (riskhomeostasis theory,rht) 是一致的. 3 危险感知测试分析危险感知模型量化了各种不同危险感知水平, 并提出了驾驶人弱危险感知的控制阈限值, 但仍不足以解释产生危险感知差异性的原因. 为了进一步探究危险感知差异性的原因所在, 对 40 名驾驶人进行了危险感知测试. 3. 被试实验选取了被试驾驶人 40 名. 其中, 熟练驾驶人 20 名, 驾驶里程 km 以上, 平均年龄 4.9 岁 ; 非熟练驾驶人 20 名, 驾驶里程 km 以内, 平均年龄 33. 岁. 所有被试驾驶人都视力正常或矫正视力正常. 实验完成后, 所有被试驾驶人都得到相应的报酬. 实验分别测试了驾驶人感知到交通场景中危险目标物的时间 ( 即从交通场景出现到驾驶人第次注视到危险目标物的间隔时间, 称之为识别时间 ) 以及作出相应反应的时间 ( 从驾驶人第次注视到危险目标物到驾驶人作出反应的间隔时间, 称之为反应时间 ). 识别时间与反应时间之和为总反应时间. 3.2 实验材料和仪器交通场景是从驾驶人视角截取的真实驾驶交通情境片段 ( 含有急刹车或正常刹车需求的交通情境, 分别代表高危险交通场景和中度危险交通场景 ), 共选取了 30 个交通场景进行测试. 高危险交通场景是指驾驶人在此交通场景下驾驶时, 感知到明显的心理压力, 须采取及时有效的避险行为, 预判时间已不允许过多的犹豫或动作失误. 中度危险交通场景是指驾驶人在此交通场景下驾驶时感知到一定的心理压力, 须采取预防性避险行为, 存在着较充分的预判时间. 危险目标物在交通场景中的所在区域被定义为潜在危险区域, 驾驶人第次注视该区域被认为感知到危险. 实验采用由加拿大 SRResearch 公司开发的 EyelinkⅡ 型头盔式眼动仪, 由眼动仪记录被试驾驶人的注视眼动数据, 采样频率为 250Hz. 交通场景由戴尔 9 英寸纯平显示器呈现, 被试驾驶人坐在距离显示器为 70cm 左右的位置. 3.3 实验程序在正式测试之前, 为每名驾驶人进行眼动仪佩戴测试, 以便能提取到眼动数据. 被试驾驶人的任务是观看交通场景, 当发现交通场景中有潜在危险并认为需要刹车的时候, 敲击键盘的空格键, 并指出所看到的潜在危险区域. 正式测试之前, 先进行 0 个交通场景的预测试, 整个测试约 30min, 每个被试驾驶人生成一个数据文件. 实验结束后, 用 EyelinkⅡ 提供的数据分析软件将数据导出, 然后对数据进行统计分析. 3.4 结果分析需要删除的无效数据包括 : 敲击键盘的时间早于潜在危险区域被注视的时间数据以及潜在危险区域注视错误但作出反应的数据. 被试驾驶人在不同危险程度交通场景的识别时间与反应时间见图. 图驾驶人在不同交通场景的危险识别时间与反应时间用 2 2( 熟练驾驶人与非熟练驾驶人, 高危险场景与中度危险场景 ) 对被试驾驶人反应时间进行重复测量方差分析, 结果显示 : ) 不同危险程度场景对总反应时间有极其显著的影响, 组间 / 组内自由度分别为和 38 的方差分析 F 值 F(,38)6.78, 显著性系数 p< 由图可知, 随着交通场景危险程度的提高, 总反应时间有明显的缩短. 高危险场景下, 熟练驾驶人的危险识别时间和反应时间分别为 396 和 424ms, 其总反应时间为 820ms; 非熟练驾驶人的危险识别时间和反应时间分别为 403 和 589ms, 其总反应时间为 992ms; 由此可得, 高危险场景的平均总反应时间为 ( )/2906ms. 中度危险场景下, 熟练驾驶人的危险识别时间和反应时间分别为 490 和 50ms, 其总反应时间为 000 ms; 非熟练驾驶人的危险识别时间和反应时间分别为 520 和 672ms, 其总反应时间为 92ms; 由此可得, 高危险场景的平均总反应时间为 ( )/2096ms. 2) 驾驶经验对总反应时间有极其显著的影

5 308 东南大学学报 ( 自然科学版 ) 第 44 卷响,F(,38)9.83,p<0.00. 由图可知, 熟练驾驶人的平均总反应时间 (( )/290 ms) 低于非熟练驾驶员的平均总反应时间 (( )/2092ms), 熟练驾驶人能够更快速准确地识别危险并作出相应的反应. 3) 驾驶经验对识别时间没有显著影响,F(, 38)3.23,p0.08, 这与已有的研究结论相左, [3,34] Crundal 等认为非熟练驾驶人识别危险的速度相比熟练驾驶人要慢些. 究其原因, 一方面可能是因为交通情境片段相对于视频的信息量少, 危险区域更易于识别 ; 另一方面, 非熟练驾驶人的视觉搜索模式相对于熟练驾驶人要刻板单调, 其视觉搜索范围更集中于道路前方, 而熟练驾驶人能够有效地利用周边视野 [5]. 实验过程仅需要被试驾驶人观看前方显示器中的交通场景, 这一实验设计可能也弥补了非熟练驾驶人在危险信息视觉搜索方面的不足. 以上 2 个方面的原因可能导致了驾驶经验对危险的识别时间没有显著性差异. 不同危险程度的交通场景对驾驶人危险识别时间有极其显著的影响,F(,38)35.64,p<0.00. 被试驾驶人能够快速准确地识别高危险场景的潜在危险区域所在. 4) 驾驶经验 (F(,38)0.7,p0.003) 与不同危险程度交通场景 (F(,38)0.78,p 0.002) 均对被试驾驶人识别危险后的反应时间有极其显著的影响. 经验丰富的驾驶人能够更加快速准确地对交通场景的目标物是否可能演化成危险作出正确判断和相应的反应. 4 结论 ) 由危险感知模型可知, 驾驶人危险感知受交通情境危险汇入的速率驾驶人危险识别率以及正确反应率的影响. 当驾驶人感知到的危险水平高于交通情境的实际危险水平时, 能够确保驾驶人准确识别交通情境的危险信息, 从而有效避免危险驾驶行为. 2) 熟练驾驶人的危险感知能力高于非熟练驾驶人, 体现在熟练驾驶人危险感知的总反应时间少于非熟练驾驶人. 虽然有关研究指出熟练驾驶人在危险识别速度上同样优于非熟练驾驶人, 但本实验分析仅能表明熟练驾驶人能够更快速准确地预测评估交通情境中危险的演化并作出合理判断, 在危险的视觉搜索速度上没有体现出优势. 3) 驾驶人对高危险情境的危险识别和反应速度更快. 危险感知水平随着驾驶经验的增加而提高, 表明危险感知是可以训练和培养的. 在驾驶人取得驾照的培训过程中, 可以有意识地增加驾驶人对不同交通情境视觉关注点及危险演化预测评估的训练, 提高驾驶人的危险感知能力. 参考文献 (References) [] 郭应时. 交通环境及驾驶经验对驾驶员眼动和工作负荷影响的研究 [D]. 西安 : 长安大学汽车学院,2009. [2]BorowskyA,Oron GiladT,MeirA,etal.Drivers per ceptionofvulnerableroadusers:ahazardperceptionap proach[j].accidentanalysisandprevention,202,44 (): [3] CrundalD,ChapmanP,TrawleyS,etal.Somehaz ardsaremoreatractivethanothers:driversofvarying experienceresponddiferentlytodiferenttypesofhazard [J].AccidentAnalysisandPrevention,202,45: [4]ScialfaCT,BorkenhagenD,LyonJ,etal.Acompari sonofstaticanddynamichazardperceptiontests[j].ac cidentanalysisandprevention,203,5(): [5]HuesteggeL,SkotkeEM,AndersS,etal.Thedevel opmentofhazardperception:disociationofvisualorien tationand hazard procesing[j].transportation Re search, PartF: Trafic Psychology and Behaviour, 200,3(): 8. [6] 郑东鹏. 驾驶人危险感知及影响因素研究 [D]. 上海 : 上海交通大学机械与动力工程学院,203. [7] McknightA J,McknightA S.Youngnovicedrivers: carelesorclueles[j].accidentanalysisandpreven tion,2003,35(6): [8]ScialfaCT,DeschênesM C,FerenceJ,etal.Ahazard perceptiontestfornovicedrivers[j].accidentanalysis andprevention,20,43(): [9] SagbergF,Bj rnskaut.hazardperceptionanddriving experienceamongnovicedrivers[j].accidentanalysis andprevention,2006,38(2): [0]WetonM A,HorswilM S,HatherlyC,etal.Thede velopmentandvalidationoftwocomplementarymeas uresofdrivers hazardperceptionability[j].accident AnalysisandPrevention,200,42(4): []UnderwoodG,NgaiA,UnderwoodJ.Drivingexperi enceandsituationawarenesinhazarddetection[j]. SafetyScience,203,56(): [2]WildeGJS.Riskhomeostasistheoryandtraficacci dents:propositions,deductionsanddiscusionofdisen sioninrecentreactions[j].ergonomics,988,3(4): [3]WalisTSA,HorswilM S.Usingfuzzysignaldetec tiontheorytodeterminewhyexperiencedandtrained driversrespondfasterthannovicesinahazardpercep tiontest[j].accidentanalysisandprevention,2007, 39(6): [4] PolatsekA,FisherD L,PradhanA.Identifyingand remedyingfailuresofselective atention in younger drivers[j].curentdirectionsinpsychologicalsci ence,2006,5(5): [5]UnderwoodG,ChapmanP,BowdenK,etal.Visual searchwhiledriving:skilandawarenesduringinspec tionofthescene[j].transportationresearchpartf: TraficPsychologyandBehaviour,2002,5(2):87 97.

第 5 期杨京帅, 等 : 道路交通碰撞事故致因建模与影响因素试验分析 1009 要进行碰撞或模拟碰撞试验 [2], 基于碰撞结果的分析, 提出车辆被动安全技术设计乘员保护的方法等. 在进行碰撞事故致因分析时, 主要从车辆制动减速度不同天气与路面条件下路面附着系数驾驶人的制动反应时间等方面,

第 5 期杨京帅, 等 : 道路交通碰撞事故致因建模与影响因素试验分析 1009 要进行碰撞或模拟碰撞试验 [2], 基于碰撞结果的分析, 提出车辆被动安全技术设计乘员保护的方法等. 在进行碰撞事故致因分析时, 主要从车辆制动减速度不同天气与路面条件下路面附着系数驾驶人的制动反应时间等方面, 第 45 卷第 5 期 2015 年 9 月东南大学学报 ( 自然科学版 ) JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition) Vol.45 No.5 Sept.2015 doi:10.3969/j.isn.1001-0505.2015.05.033 道路交通碰撞事故致因建模与影响因素试验分析杨京帅任书杭马志政王浩罗钿 ( 长安大学汽车学院,