基于AHP法的駕駛員反應(yīng)時間影響因素評價研究

張智勇，賈建林，張丹丹，梁天聞

(北京工業(yè)大學(xué) 城市交通學(xué)院交通工程北京市重點實驗室，北京 100124)

0 引 言

隨著機動車保有量的逐年增長，據(jù)不完全統(tǒng)計2015年交通事故達到20萬起，其中有70%的事故是由駕駛員自身原因造成的。影響駕駛員安全駕駛的因素有很多，其中駕駛員反應(yīng)時間是重要因素之一。在車速60～80 km/h時，如果反應(yīng)時間延長零點幾秒，剎車距離就會增加十幾米，這在一定程度上會造成人身危險[1]。駕駛員反應(yīng)時間是車輛安全距離的一個重要參數(shù)，同樣也是車輛智能預(yù)警系統(tǒng)的一個重要參數(shù)。駕駛員反應(yīng)時間是指遇到危險信號時，腳從油門踏板移動到剎車踏板的時間。不同的駕駛員、不同的道路狀況以及不同的外在環(huán)境其反應(yīng)時間均不相同。影響駕駛員反應(yīng)時間的影響因素有很多，但對于各個影響因素之間差異性的研究還比較少，因此有必要對各個影響因素進行重要度分析。

國外對駕駛員反應(yīng)時間的研究最早開始于車輛跟車模型。G.JOHANSSON[2]在實際的交通流中對321個駕駛員進行了剎車時間的測試，得出駕駛員在遇到危險時的反應(yīng)時間，G.JOHANSSON早期的研究只是對駕駛員在遇到危險時反應(yīng)時間進行一個統(tǒng)計分析，沒有考慮更多因素對反應(yīng)時間的影響；ZHANG E等[3]在駕駛模擬艙中分別對駕駛員的靜態(tài)反應(yīng)時間和動態(tài)反應(yīng)時間進行測試，得出駕駛員在駕駛機動車時從事與駕駛無關(guān)的工作時會使反應(yīng)時間增加；R. S. JURECKI等[4]在復(fù)雜的模擬環(huán)境下對駕駛員反應(yīng)時間進行了測試，并對30位駕駛員的平均反應(yīng)時間進行線性回歸。

國內(nèi)對駕駛員的反應(yīng)時間研究也有很多，呂集爾等[5]運用改進后的Nasch模型對駕駛員反應(yīng)時間進行研究得出反應(yīng)時間對交通安全的影響曲線，提出杜絕酒后駕駛和疲勞駕駛是安全行車的前提；耿嵐鑫等[6]利用簡單反應(yīng)時間測試儀器，對駕駛員年齡、性別、駕駛經(jīng)驗等特性進行研究并得出駕駛員的具體反應(yīng)時間，為預(yù)警類輔助駕駛系統(tǒng)提供一定的理論基礎(chǔ)；竇廣波等[7]通過2駕駛經(jīng)驗×2危險類型混合實驗設(shè)計，并利用眼動儀對駕駛員反應(yīng)時間進行測試，得出緩慢出現(xiàn)的危險會誘發(fā)有經(jīng)驗駕駛員的情景意識，他們的注意模式會更好；吳超仲等[8]在不考慮性別年齡影響的情況下，只考慮駕駛員的經(jīng)驗和熟練程度，根據(jù)密度函數(shù)求出駕駛員的反應(yīng)時間。

目前國內(nèi)外對駕駛員反應(yīng)時間的研究主要集中在某一特定的因素下進行研究，但是影響駕駛員的反應(yīng)時間的因素較多，各個影響因素之間的差異性研究還較少。因此，通過構(gòu)造駕駛員反應(yīng)時間影響因素層次分析框架，利用AHP法對其影響因素重要度進行分析，得出各個影響因素的權(quán)重。

1 駕駛員反應(yīng)時間的影響因素

駕駛行為研究中重要的一項就是反應(yīng)時間，由于受到復(fù)雜的道路交通環(huán)境影響，駕駛員的反應(yīng)時間影響因素較多。總的來說駕駛員反應(yīng)時間的影響因素可以從駕駛員自身狀況、道路狀況以及交通狀況3個方面進行分析。

1.1 駕駛員自身因素

影響駕駛員反應(yīng)時間的自身因素主要包括駕駛員的年齡、性別、駕駛經(jīng)驗、心理、生理狀況等。目前，根據(jù)公安部交通管理局的交通事故表明，由于駕駛員自身因素導(dǎo)致的交通事故占所有交通事故的70%以上[9]。駕駛員的反應(yīng)時間隨著年齡的增加會不斷地增加；女性駕駛員相應(yīng)地比同等條件下男性駕駛員的反應(yīng)時間長[10]；駕駛經(jīng)驗豐富的駕駛員反應(yīng)時間較少[11]。駕駛員的生理影響因素主要包括駕駛員的疾病(重大疾病、一般性疾病與輕微性疾病)、疲勞程度、器官功能性缺陷(色弱、色盲、弱視等)、生理機能的變化(飲酒、吸煙、藥物及飲品等)，這些生理因素對駕駛員的反應(yīng)時間均有重要影響,如駕駛員連續(xù)駕駛3個小時大腦就會出現(xiàn)疲勞狀況，事故率就會逐漸增加，因此生理因素在一定程度上會造成駕駛員的反應(yīng)時間延長。此外，駕駛員的心理因素主要包括在駕駛員的抑郁、焦慮、敵對、恐怖、偏執(zhí)等因素，駕駛員存在心理問題，就會造成注意力不集中，判斷能力下降，相應(yīng)的反應(yīng)時間就會變長。

1.2 交通環(huán)境因素

交通環(huán)境影響因素主要包括外部天氣狀況、不同的駕駛時段、不同的速度以及交通秩序等。在災(zāi)害性天氣條件下能見度較低，駕駛員的視覺會受到一定的影響，其感知閾值就會相應(yīng)的提高，駕駛員需要花費更多的時間判斷前車車輛運行狀態(tài)，造成反應(yīng)時間的增加[12]。駕駛時段是指駕駛員一天中駕駛車輛所處的時間段，一般情況下白天比黑夜和凌晨的反應(yīng)時間要少。在中午或者深夜由于具有強烈的睡意很容易產(chǎn)生疲勞的現(xiàn)象，造成駕駛員視力下降，視野變窄，相應(yīng)反應(yīng)時間就會增加[13]。不同的速度下駕駛員的反應(yīng)時間不同，隨著車速的增加駕駛員的視野逐漸變小，注視點也逐漸的變遠，其動態(tài)視力及空間辨識能力下降，造成反應(yīng)時間呈現(xiàn)一定的上升趨勢[14]。

1.3 道路狀況因素

道路狀況因素主要包括道路的等級、道路的線形、路面平整度以及一些路況條件。道路線形條件比較差時，如駕駛員在行駛時遇到急彎、視距不良路段等道路條件時，駕駛員就會出現(xiàn)高度的緊張，很容易引起駕駛疲勞，其反應(yīng)時間就會增加；此外，如果交通流密度較大時駕駛員就會出現(xiàn)一種焦慮的狀態(tài)，注意力比較集中就會出現(xiàn)反應(yīng)時間的延長。

2 AHP模型構(gòu)建

AHP模型共包括3個層次，即目標層、準則層和方案層。對駕駛員反應(yīng)時間影響因素進行研究，需要依次確定各個層次所對應(yīng)的要素。

2.1 目標層要素

總目標層為駕駛員反應(yīng)時間，用C表示。

2.2 準則層要素

準則層要素包括：①自身狀況B1，駕駛員自身原因是造成交通事故的主要因素，不同的駕駛員在不同的自身影響條件下，反應(yīng)時間差別很大；②交通環(huán)境狀況因素B2，不同的交通環(huán)境下，駕駛員的反應(yīng)時間會有很大差別，在不同的天氣狀況以及不同的駕駛時段下，駕駛員的反應(yīng)時間都會有差別；③道路狀況因素B3，如越大的交通流速度下，駕駛員的反應(yīng)時間就會越長。

駕駛員自身因素、交通環(huán)境狀況因素和道路狀況因素分別從人、車、路以及環(huán)境方面將復(fù)雜的道路交通包括在內(nèi)，這3個層次能夠綜合的反映影響駕駛員反應(yīng)時間的不同方面。

2.3 方案層要素

通過對駕駛員反應(yīng)時間影響因素的分析，總結(jié)出對應(yīng)于3個準則層的各個指標，作為方案層要素。其中，駕駛員自身狀況因素主要從駕駛經(jīng)驗、年齡、性別等方面評價。交通環(huán)境因素主要從天氣狀況、駕駛時段、交通秩序以及速度等方面進行評價。道路狀況因素主要從道路等級、道路線形、路面平整度以及路況特點等進行評價。

2.4 層次結(jié)構(gòu)模型

根據(jù)上述目標層、準則層和方案層要素的分析，建立圖1所示的駕駛員反應(yīng)時間影響因素層次結(jié)構(gòu)模型。

圖1 駕駛員反應(yīng)時間影響因素層次結(jié)構(gòu)模型Fig. 1 Hierarchical structure model drivers' reaction times’ influencing factors

3 反應(yīng)時間影響因素重要度模型計算

3.1 影響因素重要度調(diào)查方法

論文采用問卷調(diào)查的方法采集數(shù)據(jù)。根據(jù)上述駕駛員反應(yīng)時間影響因素分析，并借助SAATY提出的互反性1～9重要性標度進行問卷設(shè)置[15]。重要性標度表如表1，問卷形式如表2。

表1 重要性標度含義Table 1 Scale and meaning of importance

表2 影響因素重要度調(diào)查問卷Table 2 Questionnaire of influencing factors

調(diào)查對象分為3類：駕駛行為研究專家、道路交通安全專家和駕駛里程達到50 000 km以上的經(jīng)驗豐富的駕駛員。為了使結(jié)果更加合理，賦予以上3類調(diào)查對象40%、30%和30%的初始權(quán)重。駕駛行為研究專家主要指從事駕駛員基本反應(yīng)特性研究的專家，調(diào)查數(shù)量為12人；道路交通安全專家主要是研究道路交通流理論以及道路線形設(shè)計的專家，調(diào)查數(shù)量為10人；具有5年以上駕駛經(jīng)驗的駕駛員調(diào)查數(shù)量為158人。

3.2 影響因素重要度數(shù)據(jù)

本次調(diào)查共發(fā)放問卷180份，實際收回178份，全部為有效問卷。通過對駕駛行為專家賦初始權(quán)重40%、道路交通安全專家賦初始權(quán)重30%以及駕駛里程達到50 000 km以上的經(jīng)驗豐富駕駛員賦初始權(quán)重30%，并結(jié)合問卷調(diào)查結(jié)果，整理后得到表3～表6判斷矩陣。通過問卷調(diào)查保證了數(shù)據(jù)的準確性、獨立性和客觀性。

表3 總目標層對應(yīng)的判斷矩陣Table 3 Judgement matrixes corresponding to total target layer

表4 自身狀況對應(yīng)的判斷矩陣Table 4 Judgement matrixes corresponding to drivers’ conditions

表5 交通環(huán)境狀況判斷矩陣Table 5 Judgement matrixes corresponding to traffic environment

表6 道路狀況判斷矩陣Table 6 Judgement matrixes corresponding to road condition

3.3 層次單排序和一致性檢驗

層次單排序是通過判斷矩陣計算,對于上一層某元素，本層次與之相關(guān)的各元素重要性次序的權(quán)值，層次單排序的基礎(chǔ)是通過判斷矩陣計算相應(yīng)的特征根以及特征向量。在保證精度的情況下，求出最大特征值和特征向量，將特征向量歸一化就得到判斷矩陣的權(quán)重向量。

由于反應(yīng)時間的影響因素較多，根據(jù)問卷調(diào)查得到的判斷矩陣，對某些因素很難給出非常精確的比較判斷，可能產(chǎn)生不一致性，需要進行一致性的檢驗。計算判斷矩陣一致性指標CI值，以及隨機一致性比例CR值，如式(1)～式(2)：

(1)

(2)

式中：RI為平均隨機一致性指標，具體取值如表7。當(dāng)判斷矩陣的一致性指標CI與平均一致性指標RI均小于0.1時，判斷矩陣具有滿意的一致性。具體計算結(jié)果如表8～表9。

表7 判斷矩陣RI取值Table 7 Value of RI for judgement matrixes

表8 判斷矩陣的計算結(jié)果Table 8 Value of RI for judgement matrixes

表9 最大特征值對應(yīng)的歸一化向量Table 9 Normalized vector of maximal eigenvalue

3.4 元素的組合權(quán)重

表10 駕駛員反應(yīng)時間要素指標權(quán)重計算結(jié)果Table 10 Weight calculation results of drivers’ reaction time

圖2 反應(yīng)時間影響因素重要度排序Fig. 2 Weight ratio of index factors

組合權(quán)重一致性檢驗指標計算如下：

CI=0.637×0.075+0.258×0.08+0.105×0.036=0.072

RI=0.637×1.49+0.258×0.96+0.105×1.24=1.327

CR=CI/RI=0.072/1.327=0.054<0.10

上述駕駛員反應(yīng)時間影響因素的組合權(quán)重一致性檢驗指標表明：計算結(jié)果具有滿意的一致性。

3.5 結(jié)果分析

模型計算結(jié)果中，各個要素的單層排序權(quán)重和組合權(quán)重的一致性檢驗均小于0.10，滿足要求。結(jié)果顯示駕駛員反應(yīng)時間影響因素的準則層中自身狀況影響最大，其權(quán)重值達到0.637，重要度排序依次為自身狀況、交通環(huán)境狀況和道路狀況。在方案層中各個要素中影響最大的是天氣狀況、駕駛經(jīng)驗和年齡。因此在雨、霧等災(zāi)害性天氣以及強光和路面亮度不足等惡劣環(huán)境下駕駛員的反應(yīng)時間會相應(yīng)的增加，在天氣狀況不好時應(yīng)該加強駕駛員注意力以保證行車的安全。同時，駕駛員的反應(yīng)時間會隨著駕駛經(jīng)驗的豐富以及駕齡的增加而減少，相應(yīng)地會隨著年齡的增加而逐漸的增加。

4 反應(yīng)時間影響因素重要度模型驗證

通過采用控制變量的方法，并結(jié)合SimWord駕駛模擬艙平臺對上述AHP法得出的影響因素重要度排序進行驗證。由于影響因素較多，因此選擇排序中靠前的重要影響因素進行驗證。通過記錄不同駕駛員在跟車狀態(tài)下，前車和后車的三維位置坐標、加速度、速度等參數(shù)，計算相應(yīng)的反應(yīng)時間，并利用不同影響因素下駕駛員具體的反應(yīng)時間驗證模型的合理性。

4.1 反應(yīng)時間采集方法

跟車反應(yīng)時間是指處于跟馳狀態(tài)的后車發(fā)現(xiàn)前車駕駛?cè)说鸟{駛行為發(fā)生變化后，經(jīng)過分析判斷，決定加速或者開始減速，并且移動右腳到油門或者制動踏板，至后車開始加速或者減速的時間間隔。其加速或者減速狀態(tài)下，反應(yīng)時間采集如圖3～圖4。

圖3 減速狀態(tài)下速度與時間關(guān)系Fig. 3 Relationship between reaction time and velocity in car-following deceleration state

圖4 加速狀態(tài)下速度與時間關(guān)系Fig. 4 Relationship between reaction time and velocity in car-following acceleration state

4.2 不同影響因素下駕駛員的反應(yīng)時間

在不同的影響因素下，設(shè)置相應(yīng)的模擬實驗場景進行實驗，實驗時嚴格按照控制變量的原則。其中圖8中的橫坐標依次代表天氣晴朗、陰天、小雨、中雨、大雨和暴雨，圖9中的橫坐標依次代表城市快速路、主干路、次干路和支路，具體實驗結(jié)果統(tǒng)計如圖5～圖9。

圖5 不同速度下駕駛員的反應(yīng)時間Fig. 5 Reaction time of driver at different speeds

圖6 不同年齡下駕駛員的反應(yīng)時間Fig. 6 Reaction time of driver at different ages

圖7 不同駕駛經(jīng)驗下駕駛員的反應(yīng)時間Fig. 7 Reaction time of driver at different experience

圖8 不同天氣狀況下駕駛員的反應(yīng)時間Fig. 8 Reaction time of driver different weather

圖9 不同道路等級下駕駛員的反應(yīng)時間Fig. 9 Reaction time of driver at different road grade

4.3 結(jié)果分析

通過駕駛員的自身狀況、交通環(huán)境以及道路狀況分析設(shè)計相應(yīng)的實驗場景，對上述層次分析法得到的影響因素重要度排序進行驗證。通過圖5～圖9駕駛員反應(yīng)時間變化規(guī)律可以看出，在天氣狀況有晴朗到暴雨的過程中駕駛員反應(yīng)時間變化率最大其值在0.89～1.83 s，說明天氣狀況對駕駛員反應(yīng)時間影響最大；其次隨著駕駛里程的不斷增加，駕駛員反應(yīng)時間變化率次之，其值在0.87～1.72 s，因此影響次之；年齡、速度以及道路等級影響下，反應(yīng)時間變化率依次減小，實驗得出的數(shù)據(jù)結(jié)論與上述AHP法得出的結(jié)論相吻合。

5 結(jié) 語

在現(xiàn)有研究的基礎(chǔ)上，筆者結(jié)合問卷調(diào)查的方法和采用層次分析法(AHP)建立駕駛員反應(yīng)時間影響因素重要度模型，可以系統(tǒng)地分析駕駛員反應(yīng)時間影響因素之間的差異性。通過影響因素重要度的排序得出天氣狀況、駕駛經(jīng)驗、年齡以及速度等因素對駕駛員反應(yīng)時間影響較大。并通過駕駛模擬艙實驗平臺對反應(yīng)時間影響因素重要度進行驗證，實驗結(jié)果與AHP法得出的結(jié)論相吻合。

但是由于調(diào)查樣本的局限性，以及存在一定的主觀因素，導(dǎo)致模型的精度欠缺。對于增加樣本量和調(diào)查對象的多樣性是以后研究的重點。

參考文獻(References)：

[1] 唐陽山,夏道華.不同駕駛員反應(yīng)時間對汽車防撞安全距離的影響研究[J]. 科學(xué)技術(shù)與工程,2016(1):250-254.

TANG Yangshan，XIA Daohua. Effects of different driver response time on safety distance of vehicle collision avoidance[J].ScienceandTechnology, 2016(1): 250-254.

[2] JOHANSSON G, RUMAR H. Drive’s brake reaction times[J].HumanFacto,1971, 13(1): 23-27.

[3] ZHANG Z, ASAKAWA Y, IMAMURA T,et al. Experiment design for measuring driver reaction time in driving situation[J].IEEEInternationalConferenceonSystems,Man, &Cybernetics,2013, 8215(2):3699-3703.

[4] JURECKI R S，STAńCZYK T L, JA?KIEWICZ M J. Driver’s reaction time in a simulated complex road incident[J].Transport, 2017,32(1):44-54.

[5] 呂集爾,朱留華,鄭容森,等.駕駛員反應(yīng)時間對行車安全的影響[J].交通運輸系統(tǒng)工程與信息,2014,14(2):80-86.

LV Jier, ZHU Liuhua, ZHENG Rongsen,et al. Effects of driver’s reaction time on safe driving[J].TransportationSystemsEngineeringandInformationTechnology,2014,14(2): 80-86.

[6] 耿嵐鑫,劉凇男.駕駛員反應(yīng)時間研究[J].交通節(jié)能與保,2015(2):25-29.

GENG LanXin, LIU Songnan. The study of driver’s reaction time[J].EnergyConservation﹠EnvironmentalProtectioninTransportation,2015(2):25-29.

[7] 竇廣波,孫龍,常若松.駕駛經(jīng)驗與危險類型對駕駛員危險知覺的影響[J].人類工效學(xué),2015,21(6):7-10.

DOU Guangbo,SUN Long,CHANG Ruosong. Effects of driving experience and hazard type on hazard perception[J].ChineseJournalofErgonomics,2015,21(6):7-10.

[8] 吳超仲,馬曉鳳,嚴新平.考慮駕駛員反應(yīng)能力的跟馳模型[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2007,31(4):630-632.

WU Chaozhong, MA Xiaofeng, YAN Xinping. Car-following model considering driver’s responsiveness[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering),2007,31(4): 630-632.

[9] 徐婷,曹世理,馬壯林,等.跟馳車流中的反應(yīng)時間和車頭間距研究[J].西南交通大學(xué)學(xué)報,2013,48(1):173-177.

XU Ting, CAO Shili, MA Zhuanglin，et al. Reaction time and headway in car-following flow[J].JournalofSouthwestJiaotongUniversity, 2013,48(1):173-177.

[10] 徐濟宣,吳紀生.惡劣環(huán)境對駕駛員反應(yīng)時間的影響研究[J].交通標準化,2009(23):103-106.

XU Jixuan, WU Jisheng. Harsh environment influence on drivers’response

time[J].CommunicationsStandardization, 2009(23):103-106.

[11] 李江.駕駛經(jīng)驗對交通流特性的影響研究[D].北京：北京工業(yè)大學(xué),2008.

LI Jang.ResearchontheInfluenceofDrivingExperience[D]. Beijing: Beijing University of Technology,2008.

[12] 景國勛,張永全,張軍波.基于多層次模糊綜合評判的人疲勞綜合評價[J].中國安全科學(xué)學(xué)報,2006,16(6):55-59+146.

JING Guoxun, ZHANG Yongquan, ZHANG Junbo. Comprehensive evaluation on human fatigue based on multi-stage fuzzy synthetic judgment[J].ChinaSafetyScienceJournal, 2006,16(6): 55-59+

146.

[13] 楊鵬飛,付銳,于鵬程.虛擬城市道路場景中的駕駛?cè)藨?yīng)激感知反應(yīng)時間特性[J].長安大學(xué)學(xué)報(自然科學(xué)版),2013,33(2):73-78.

YANG Pengfei, FU Rui,YU Pengcheng. Time characteristics of drivers’ stress perception in virtual urban road environment[J].JournalofChang’anUniversity(NaturalScienceEdition), 2013,33(2):73-78.

[14] 于廣鵬,譚德榮,初敏,等.基于模糊多目標決策的駕駛員反應(yīng)狀態(tài)辨識[J].科學(xué)技術(shù)與工程,2014,14(33):294-299.

YU Guangpeng, TAN Derong, CHU Min,et al.Driver’s reaction state identification based on fuzzy multi - objective decision[J].ScienceTechnologyandEngineer, 2014,14(33):294-299.

[15] 李振福.基于可拓模糊層次分析法的城市交通文化系統(tǒng)評價[J].數(shù)學(xué)的實踐與認識,2009,39(3):45-53.

LI Zhenfu. Urban traffic cultural system assessment based on extension fuzzy analytic hierarchy process[J].MathematicsinPracticeandTheory, 2009,39(3):45-53.