駕駛人風險感知時間與騎車人損傷風險模型研究

孔春玉等

摘 要：該文通過事故調查得到事故人員的基本生理信息和損傷信息，事故車輛基本參數、運動參數和損傷參數，道路、交通環境、天氣等信息等，通過問卷調查、PC-crash及Madymo事故重建等方法，獲得了30起汽車-兩輪車碰撞事故案例的駕駛人感知、決策、操控等應急行為信息。分析結果表明，駕駛人制動反應時間平均值同樣為0.75s，標準偏差0.07，駕駛人風險感知時間平均值為1.25s，標準差0.35。然后，通過最小二乘法擬合得到了駕駛人風險感知時間與AIS損傷級別的定量關系式，并對駕駛人風險感知時間的影響因素進行了分析。

關鍵詞：汽車-兩輪車碰撞事故 弱勢群體 事故重建 風險感知

中圖分類號：G64 文獻標識碼：A 文章編號：1672-3791（2015）07（a）-0250-03

作為道路交通事故中的弱勢群體，行人及兩輪車（包括自行車、電動車及摩托車等）騎車人往往受到最為嚴重的傷害[1]。本文通過PC-crash及Madymo軟件對長沙地區30起汽車—兩輪車交通事故進行了重建，根據事故仿真重建的結果，對駕駛人風險感知時間的影響因素進行了分析，并探索了風險感知時間及車速與騎車人損傷之間的定量關系。

1 材料和方法

該文中的事故案例來源于湖南大學深度車輛碰撞事故數據庫IVAC。事故人員的基本生理信息和損傷信息，事故車輛基本參數、運動參數和損傷參數，道路、交通環境、天氣等信息均可由IVAC數據庫獲得，緊急情況駕駛人的感知、決策、操控等應急行為信息可由問卷調查、事故仿真重建等方法獲得。

汽車駕駛人在遇到緊急情況需要采取措施時，從感知到緊急信號到立即行動，首先需要有一段反應延遲時間，這段時間內，駕駛人將緊急信號作為輸入，采取何種措施作為輸出，最終表現為對汽車的具體操縱上（轉向或加減速度），通常稱之為反應時間。而汽車還要經過一段時間的作用，或成功躲避障礙物，或與之碰撞而發生交通事故，這段時間稱之為作用時間。駕駛人從感知到緊急信號，到可以通過采取措施規避或減輕與障礙物的碰撞時間，即駕駛人風險感知時間，而此時與障礙物之間的距離稱為感知風險距離[2]。

本論文選取了30例汽車與兩輪車側面碰撞交通事故，事故信息主要包括道路交通事故現場圖、事故現場照片、醫院病案單、事故數據采集表等。本文首先應用PC-Crash及Madymo仿真軟件對汽車與兩輪車碰撞事故進行重建， 重建過程能夠很好的反應出汽車作用時間及兩車碰撞后動態。基于波蘭學者R.Jurecki和T.L.Stańczyk提出的感知風險時間tf和反應時間tr的線性關系方程（1）、（2），計算出準確的事故中駕駛人的風險感知時間和反應時間。駕駛人轉向反應時間Tt與風險時間tf、駕駛人制動反應時間Tb與風險時間tf關系分別如公式（1）、（2）所示[3]。

2 結果

2.1 事故表征指標提取

本文對30例汽車-兩輪車碰撞交通事故進行重建分析，重點通過事故重建獲知兩車碰撞時瞬時速度、汽車制動加速度及制動時間，并通過計算獲知駕駛人應急感知風險時間及其反應時間，通過Madymo事故重建及醫院出診記錄得到兩輪車騎車人AIS損傷級別，駕駛人、道路、環境等其他信息由事故現場調查問卷獲知。表1詳細列出了本文重建的主要交通事故表征指標，進一步研究工作以這些數據為基礎展開。

2.2 風險感知時間與反應時間的關系

在駕駛人模型參數中，反應時間與感知風險表現為線性關系，而與車輛初始速度無關。兩者之間存在的這種線性關系可以解釋為：當駕駛人在接收到緊急信號時，他本身對車速和與障礙物之間的距離沒有感知，但是他卻能清醒的認識到可供自己作出決定和反應的時間有多少。當駕駛人在認為還有足夠的時間的時候，他可能會花費較長的時間去決定該采取怎樣的措施以規避障礙物，即此時的反應時間較大。

由于駕駛人在行車過程中遇到的情況復雜且多樣，并伴有多種外界刺激，因此，駕駛人應急反應的準確性及快速性對行車安全有重要作用，但相關研究卻進展緩慢。淮陰工學院朱為國通過對322個駕駛人進行實驗，測得制動反應時間平均值為0.75s，標準偏差0.28[4]。本文30起交通事故中，仿真結果得到駕駛人制動反應時間平均值同樣為0.75s，標準偏差0.07，駕駛人風險感知時間平均值為1.25s，標準差0.35。由此，駕駛人在行車過程中對危險信號認識不夠，感知時間較短可能是產生交通事故的重要原因。

2.3 兩輪車騎車人損傷風險分析

IVAC數據統計顯示，汽車碰撞兩輪車交通事故中，兩輪車騎車人受傷部位大部分為頭部和腿部，其中在死亡事故案例中，致因多為頭部受傷（常見顱腦損傷）。騎車人損傷情況的評價采用簡明損傷定級標準AIS進行分類，通過Madymo事故重建及案卷中傷者醫院診斷記錄，判定傷者損傷級別。

2.3.1 駕駛人風險感知時間與騎車人損傷關系

駕駛人感知風險能力決定了其是否有足夠的時間規避潛在的碰撞或將碰撞所帶來的損失降至最小。因此，駕駛人風險感知時間在一定程度上決定了騎車人損傷的嚴重程度。騎車人AIS損傷1-6級情況下駕駛人風險感知時間的平均值為1.14s、1.34s、1.29s、1.51s、1.29s、1.11s，從數值中可以看出兩者存在一定的一元二次函數關系，通過最小二乘法擬合可知駕駛人風險感知時間與AIS損傷級別關系式如下：

2.3.2 車速與騎車人損傷關系

當汽車以較低的速度（小于45km/h）與兩輪車發生碰撞時，騎車人更多受到的是小腿骨折與身體挫傷等傷害，AIS損傷級別為輕傷及中重傷，此時，騎車人AIS損傷級別與車速關系不大，而與碰撞角度、騎車人倒地方式及騎車人自身身體素質關系更大，具有一定的個性，并不存在某種共性。在汽車以較高速度（大于45km/h）與兩輪車發生碰撞時，騎車人大部分還同時伴有嚴重的頭部及胸部傷害，AIS損傷級別為重度及嚴重傷害，此時，騎車人AIS損傷級別與車速正比例相關，碰撞速度越大，騎車人損傷越嚴重。

2.3.3 騎車人損傷風險預測模型

駕駛人在低速駕駛汽車時，面臨緊急狀況，若其感知時間較大，他完全有可能通過采取一定的措施來規避潛在的碰撞或者將碰撞的損失降至最低；而若其感知時間較小，由于車速較低，此時即使發生碰撞，可能對騎車人不至于構成太大傷害，這很好的解釋了在騎車人受到AIS+1、AIS+2級輕度傷害時，平均風險感知時間與平均碰撞速度均較小。當駕駛人在高速駕駛汽車時，面對突發的緊急狀況，如果其對風險感知時間較小，沒有足夠的時間將碰撞損失降至最小，往往對騎車人構成較大傷害，同樣很好解釋了在騎車人受到AIS+5、AIS+6級嚴重傷害時，駕駛人平均感知風險較小，而平均碰撞速度較大。

由此，在對汽車—兩輪車碰撞交通事故中騎車人損傷的預測時，需綜合考慮駕駛人風險感知時間與車輛速度，可由式（3）計算可能的騎車人AIS損傷級別，再根據兩者碰撞速度確定AIS值。

3 駕駛人風險感知時間影響因素討論

3.1 道路對風險感知時間的影響

該文中30起交通事故均為城市道路交通事故，瀝青路面，道路條件較好，但駕駛人在直路和平面交叉路口的風險感知時間的表現存在差異。統計結果表明駕駛人在直路上風險感知時間平均值為1.34s，標準差0.55；在平面交叉路口風險感知時間平均值為1.22s，標準差0.26。造成這種差異的主要原因為在平面交叉路口，路況比較復雜，駕駛人感知的信息更為復雜，注意力比較分散，大腦經過一定的時間判別并剔除無效信息后，感知到危險信號的時間較少。這是在平面交叉路口發生較多汽車碰撞兩輪車事故的一個重要原因。通過對兩輪車騎車人更多的安全教育，規范其騎車行為尤其是在十字路口的行為，以及更加合理的道路設計，能幫助駕駛人更有效的認知道路環境，從而可以減少該類交通事故。

3.2 駕駛人風險感知時間的差異

在人-道路-環境系統下，駕駛人的駕駛行為也有很大差別，相關研究將風險駕駛行為誘因分為無害性失誤、一般性違規、攻擊性違規以及危險性失誤[5]。本節對于不同駕駛人之間風險感知時間的差異首先考慮了駕駛人的性別。同樣由于事故樣本不大，女性駕駛人較少，因而結果存在一定誤差。事故仿真數據表明，男性駕駛人風險感知時間與女性駕駛人風險感知時間并無大的差別，男性稍高（男性駕駛員風險感知時間1.26 s，女性駕駛員風險感知時間1.23s），駕駛人性別對風險感知時間沒有太大影響。

車速對于駕駛人風險感知時間的影響也不大，如圖5所示，當汽車車速明顯提高時，駕駛人風險感知時間并不與之存在一定的規律性變化。車速可以影響駕駛人感知距離，但并不改變其對風險感知能力的表現。具體可解釋為當駕駛人駕駛汽車時，速度越快，其視線可能會更遠，但對于風險的感知時間卻不因此而變化。

該文騎車人損傷風險模型是基于各級損傷中汽車平均速度及駕駛人平均風險感知時間，而實際個體差異較大，又因該文受限于事故重建樣本數量及仿真實驗條件，因此，本節研究內容主要提供一種參考研究方法，后期研究可通過大量事故重建及虛擬駕駛模擬，得到更為精確、數量更大的駕駛人行為參數，從而獲得更準確的兩輪車騎車人損傷風險預測及評價模型。

4 結語

使用駕駛人風險感知時間作為評價駕駛人行為特征的參數，能夠拋卻人的主觀因素，是今后研究駕駛人應急行為的重要指標，也能為汽車主動安全技術的研究與開發提供研究基礎。

該文還對兩輪車騎車人損傷與駕駛人風險感知時間及車速的關系進行了初步探討，雖受實驗仿真條件及事故重建樣本的限制，但仍為今后的研究工作提供了一種可借鑒的方法。

參考文獻

[1] Peden M， Scurfield R， Sleet D， et al. World Report on Road Traffic Injury Prevention[D]. Geneva： Word Health Organization， 2004.

[2] Azra Habibovic， Emma Tivesten， Nobuyuki Uchida， Jonas Bagmana， Mikael Ljung Aust. Driver behavior in car-to-pedestrian incidents： An application of the Driving Reliability and Error Analysis Method （DREAM）[J].Accident Analysis & Prevention，2013，50（3）：554-565.

[3] R Jurecki， T L Stańczyk. Driver model for the analysis of pre-accident situations[J].Vehicle System Dynamics： International Journal of Vehicle Mechanics and Mobility，2009，47（5）：589-612.

[4] 朱為國.汽車制動過程時間的分析[J].北京汽車，2006（2）：29-31.

[5] 莊明科，白海峰，謝曉非.駕駛人員風險駕駛行為分析及相關因素研究[J].北京大學學報（自然科學版），2008，44（3）：475-482.