城市道路應(yīng)激交通事件分析*

吳付威，王暢，馬勇，徐云杰

（1.長安大學(xué)汽車學(xué)院，陜西西安 710064；2.長安大學(xué)汽車運輸安全保障技術(shù)交通行業(yè)重點實驗室，陜西西安 710064）

城市道路應(yīng)激交通事件分析*

吳付威1，2，王暢1，2，馬勇1，徐云杰1

（1.長安大學(xué)汽車學(xué)院，陜西西安 710064；2.長安大學(xué)汽車運輸安全保障技術(shù)交通行業(yè)重點實驗室，陜西西安 710064）

通過對城市道路環(huán)境中典型交通事故案例的分析，結(jié)合實際道路應(yīng)激事件實地調(diào)研，分析了城市道路環(huán)境中典型應(yīng)激事件的特征；在此基礎(chǔ)上，運用FORUM 8軟件開發(fā)了城市道路環(huán)境中典型應(yīng)激事件三維場景，并基于典型應(yīng)激事件三維場景設(shè)計問卷調(diào)查，確定了各類典型事件的危險程度和發(fā)生頻率；利用Visual C++和Access建立了城市道路典型應(yīng)激事件數(shù)據(jù)庫，用于城市道路環(huán)境駕駛?cè)藨?yīng)激操作行為分析，指導(dǎo)駕駛?cè)瞬扇『侠淼膽?yīng)對措施，預(yù)防交通事故的發(fā)生。

城市交通；應(yīng)激事件；危險程度；發(fā)生頻率；數(shù)據(jù)庫

中國城市道路交通事故一直居高不下。據(jù)統(tǒng)計，2013年全國共發(fā)生城市道路交通事故84 107起，占事故總數(shù)的42.39%，其中城市快速路和一般城市道路發(fā)生的事故占36.93%。由于城市道路交通組成復(fù)雜，在駕駛過程中駕駛?cè)诵杼幚砼c其他車輛、公交車、電動車、自行車、行人等不同交通參與者之間的沖突，經(jīng)常會遭遇一些猝不及防的緊急情況，即交通應(yīng)激事件。

1 應(yīng)激交通事件研究現(xiàn)狀

國外學(xué)者對城市道路環(huán)境中的應(yīng)激事件開展了一系列研究：英國把道路訓(xùn)練和課堂培訓(xùn)作為道路險情處理方法，通過專門設(shè)計的視頻資料培訓(xùn)駕駛?cè)巳绾伟l(fā)現(xiàn)交通場景中的潛在危險，提高其預(yù)測危險的能力；Gitelman V.等研究發(fā)現(xiàn)以色列約有75%死亡事故和95%受傷事故發(fā)生在城市地區(qū)，其中約80%事故是行人在穿過沒有人行橫道的地點或沒有信號燈的人行橫道時發(fā)生的；Jurecki R.S.等利用AutoPW駕駛模擬器研究了駕駛?cè)嗽谠庥銮胺酵蝗怀霈F(xiàn)障礙物這種應(yīng)激事件時的緊急制動操作行為；Maestracci M.等對巴黎城市道路中機(jī)動車與電動車事故開展研究，發(fā)現(xiàn)當(dāng)汽車向左或向右變換車道及掉頭時與電動車發(fā)生事故的可能性大大增加；Mark A.等研究表明通過實際交通視頻培訓(xùn)新手駕駛?cè)说奈ｋU感知能力有利于提高駕駛?cè)藨?yīng)對應(yīng)激交通場景的能力。目前，利用駕駛模擬器可以開展城市道路環(huán)境中應(yīng)激交通事件研究，通過駕駛模擬器建立三維交通場景，可以涵蓋不同類型應(yīng)激交通事件，如前車突然換道或剎車、行人突然橫穿馬路等，用于研究駕駛?cè)嗽谟龅綉?yīng)激事件時的操作反應(yīng)。

國內(nèi)也通過駕駛模擬器開展了初步研究，利用三維建模軟件設(shè)計典型突發(fā)應(yīng)激場景，并在駕駛模擬器上實現(xiàn)，用于評價駕駛?cè)说膽?yīng)激反應(yīng)能力及進(jìn)行緊急避險訓(xùn)練。由于中國城市道路交通的復(fù)雜性及國內(nèi)外交通法規(guī)的差異，國外研究成果不能直接應(yīng)用。為此，該文對中國城市道路環(huán)境應(yīng)激交通事件進(jìn)行分析，建立相應(yīng)場景信息庫，為提高駕駛?cè)藨?yīng)對應(yīng)激交通事件的能力提供理論支持。

2 應(yīng)激交通事件影響因素分析

城市道路環(huán)境中應(yīng)激交通事件場景建立中的關(guān)鍵是如何提取應(yīng)激事件的特征。調(diào)查發(fā)現(xiàn)，絕大多數(shù)交通事故的發(fā)生是由人-車-路（環(huán)境）等因素相互作用導(dǎo)致的。鑒于城市道路交通的特點及各類交通參與者的動態(tài)行為特性，分別對人、車、道路環(huán)境因素進(jìn)行分析。

2.1 人的因素

駕駛?cè)藨?yīng)激反應(yīng)能力的差異是由駕駛?cè)藗€體之間的心理素質(zhì)、注意品質(zhì)、決策能力和駕駛技能的不同導(dǎo)致的。心理學(xué)家認(rèn)為優(yōu)秀的駕駛?cè)藨?yīng)具備特有

的、復(fù)雜的注意力，能持續(xù)地接收和分析道路環(huán)境中行人和車輛的運動狀態(tài)，并且善于預(yù)見各種交通變化，能在一瞬間作出迅速、準(zhǔn)確的判斷。城市道路環(huán)境交通參與者包括機(jī)動車駕駛?cè)?、騎自行車人、行人等，約有80%的城市交通事故和人的因素有關(guān)。不同的交通參與者有各自的動態(tài)特征，有些特征是導(dǎo)致應(yīng)激交通事件的主要因素。

（1）心理素質(zhì)。駕駛?cè)诵睦硭刭|(zhì)的好壞直接影響行車安全，受性別、駕駛經(jīng)驗等影響，心理素質(zhì)差的人在遇到緊急情況時容易驚慌失措，導(dǎo)致駕駛決策和操作失誤。

（2）注意品質(zhì)。與駕駛?cè)讼嚓P(guān)的主要指駕駛?cè)双@取交通信息的能力。駕駛時注意力高度集中的駕駛?cè)四塬@取全面的交通信息，及時發(fā)現(xiàn)異常情況。而注意品質(zhì)低的駕駛?cè)巳菀追中?，從而?dǎo)致事故。

（3）決策能力。在應(yīng)激情況下，駕駛?cè)嗽诙虝r間內(nèi)作出正確決策的能力受年齡、性別、駕駛經(jīng)驗、駕駛疲勞、飲酒和藥物等因素的影響。

（4）駕駛技能。是指在應(yīng)激情況下駕駛?cè)俗鞒稣_駕駛操作的能力。熟練的駕駛技能是安全行車的重要保障。

2.2 車的因素

車輛是交通事故的載體，在引發(fā)交通事故的諸多因素中車輛因素約占10%。容易引發(fā)應(yīng)激交通事件的最主要車輛因素包括：1）制動不良或失效。在遇到緊急情況時，車輛無法及時減速或停車，容易發(fā)生碰撞。2）轉(zhuǎn)向失靈。在遇到緊急情況時，駕駛?cè)藷o法通過方向盤控制車輛的行駛方向，容易出現(xiàn)避讓不及現(xiàn)象。多種因素的共同作用則會導(dǎo)致更加危險的狀況。

2.3 道路（環(huán)境）因素

道路（環(huán)境）作為引發(fā)交通事故的重要因素，對交通安全有著重要作用，甚至在有些特殊條件下起決定性的作用。道路（環(huán)境）因素一般分為道路環(huán)境和自然環(huán)境。城市道路環(huán)境具有以下特點：1）交通組成復(fù)雜，混合交通現(xiàn)象嚴(yán)重。2）平面交叉路口多，交通沖突嚴(yán)重。3）建筑物、廣告牌等障礙物多，容易遮擋人的視野，增加了交通事故發(fā)生的可能性。4）違章行為多，安全風(fēng)險大。機(jī)動車常見違章行為有搶道、逆行、違章轉(zhuǎn)彎及隨意變更車道等；行人、騎自行車人常見違章行為有闖紅燈、占用機(jī)動車道等。這些特點往往造成很多交通沖突，使駕駛?cè)伺c其他交通參與者出現(xiàn)緊急事件的情況增加。

3 應(yīng)激交通事件調(diào)查

3.1 應(yīng)激交通事件分類及構(gòu)建

在西安市的主要城市道路進(jìn)行實車錄像采集應(yīng)激交通事件數(shù)據(jù)，結(jié)合文獻(xiàn)調(diào)研，對典型應(yīng)激交通事件場景進(jìn)行分類，共得出10個類別、130多個應(yīng)激交通事件（見圖1）。

圖1 典型應(yīng)激交通事件發(fā)生概率

利用FORUM 8三維虛擬軟件構(gòu)建應(yīng)激交通事件場景，考慮到應(yīng)激交通事件場景的典型性和完整性，共構(gòu)建25個典型應(yīng)激交通事件場景進(jìn)行研究（見圖2、圖3）。

圖2 車輛與自行車的沖突

圖3 車輛與公交車的沖突

3.2 應(yīng)激交通事件問卷調(diào)查

應(yīng)激交通事件用發(fā)生頻率和危險程度兩個指標(biāo)

進(jìn)行評價，發(fā)生頻率等級為高=3分、中=2分、低= 1分，危險程度等級為高=3分、中=2分、低=1分。通過問卷調(diào)查對不同應(yīng)激交通事件進(jìn)行評價，共發(fā)放問卷270份，實際回收256份，剔除信息缺失量較多、明顯胡亂作答的問卷，得到有效問卷234份，有效回收率為86.7%。

對所回收有效問卷進(jìn)行統(tǒng)計分析。在被調(diào)查對象中，熟練駕駛?cè)?00人，占總調(diào)查表的42.7%；非熟練駕駛?cè)?34人，占57.3%。從年齡、性別、駕齡、駕駛里程、是否為職業(yè)駕駛員等方面對被調(diào)查對象進(jìn)行分析，結(jié)果見表1。

表1 被調(diào)查對象的背景信息

3.3 應(yīng)激交通事件分析

應(yīng)激事件的危險程度和發(fā)生頻率對應(yīng)激事件的評估相當(dāng)關(guān)鍵，其數(shù)值大小可直觀發(fā)映應(yīng)激事件對道路交通安全的影響。主要通過問卷調(diào)查確定危險程度和發(fā)生頻率。

3.3.1 權(quán)重的確定

一般而言，熟練駕駛?cè)说鸟{駛經(jīng)驗較豐富，遇到的危險場景較多，且具有較成熟的應(yīng)對技巧。與非熟練駕駛?cè)讼啾?，熟練駕駛?cè)藢?yīng)激場景的認(rèn)識更具有可參考性，所占的權(quán)重值較大。權(quán)重一般采用專家調(diào)查法或主層次分析法確定，記熟練駕駛?cè)撕头鞘炀汃{駛?cè)说臋?quán)重分別為α1和α2，通過專家打分，得α1和α2分別為0.6、0.4。

3.3.2 危險程度分析

危險程度集中反映該應(yīng)激事件場景的應(yīng)激性。記熟練駕駛?cè)撕头鞘炀汃{駛?cè)藢?yīng)激交通事件危險程度的評價值分別為D1、D2，則應(yīng)激交通事件危險程度的加權(quán)值D3=α1D1+α2D2，計算得各應(yīng)激事件場景的危險程度見表2。

表2 應(yīng)激事件場景危險程度得分

3.3.3 發(fā)生頻率分析

發(fā)生頻率集中反映應(yīng)激事件場景的典型性和代表性。記F1、F2分別為熟練和非熟練駕駛?cè)藢鼍鞍l(fā)生頻率的評價值，則應(yīng)激事件場景的發(fā)生頻率加權(quán)值F3=α1F1+α2F2，計算得各應(yīng)激事件場景的發(fā)生頻率見表3。

表3 應(yīng)激事件場景的發(fā)生頻率

4 應(yīng)激交通事件分析及信息庫的建立

4.1 應(yīng)激交通事件場景歸類與分析

城市道路環(huán)境中的應(yīng)激事件主要包括車輛與車

輛、車輛與自行車、車輛與行人及特殊天氣下的應(yīng)激事件。其中：車輛與車輛應(yīng)激事件包括交叉路口發(fā)生沖突（視線不良），追尾沖突，超車時發(fā)生沖突，駛?cè)?、離開車道的車輛發(fā)生沖突，換道時發(fā)生沖突；車輛與自行車應(yīng)激事件包括與橫穿道路的騎自行車人發(fā)生沖突、在轉(zhuǎn)彎時與騎車人發(fā)生沖突；車輛與行人應(yīng)激事件包括與突然橫穿道路的行人發(fā)生沖突、與突然下車的乘員發(fā)生沖突、與行駛公交車后面的行人發(fā)生沖突、與停駛公交車前突然竄出的行人發(fā)生沖突、在交叉路口轉(zhuǎn)彎時與行人發(fā)生沖突；特殊天氣下的應(yīng)激事件包括霧天環(huán)境下的沖突、雪天環(huán)境下的沖突、雨天環(huán)境下的沖突、夜間情況下的沖突。

針對每種應(yīng)激事件，分別從應(yīng)激事件的引發(fā)者、被影響者、形成原因、出現(xiàn)形式、可能后果及避免措施等方面進(jìn)行分析，探索應(yīng)激事件發(fā)生機(jī)理，提出相應(yīng)對策。

4.2 應(yīng)激交通事件信息庫建立

為了更直觀地展現(xiàn)交通應(yīng)激場景，使用Visual C++和Access數(shù)據(jù)庫開發(fā)應(yīng)激交通事件數(shù)據(jù)庫（見圖4）。利用該數(shù)據(jù)庫，可通過選擇天氣情況、車輛行駛狀態(tài)查看城市道路環(huán)境中應(yīng)激交通事件的場景特點和示意圖片；通過查看數(shù)據(jù)庫操作界面，使用者可認(rèn)識到該應(yīng)激事件的引發(fā)者、引發(fā)原因、被影響者、出現(xiàn)形式、可能后果及相應(yīng)避免措施；更重要的是可使使用者對各種應(yīng)激事件的危險程度有充分的認(rèn)識，從而在駕駛過程中盡量減少此類事故的發(fā)生。

5 結(jié)語

該文通過分析城市道路環(huán)境中應(yīng)激交通事件的影響因素，明確了各因素對應(yīng)激交通事件的影響機(jī)理；通過問卷調(diào)查，提出以危險程度和發(fā)生頻率作為應(yīng)激交通事件的評價指標(biāo)；考慮到典型性和代表性，選擇25個應(yīng)激事件建立了應(yīng)激事件數(shù)據(jù)庫，為開展城市道路駕駛?cè)藨?yīng)激操作行為研究提供理論支持。

［1］ 公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計年報［R］.北京：公安部交通管理局，2013.

［2］ Mills K L，Hall R D，Mcdonald M，et al.The effects of hazard perception training on the development of novice driver skills［A］.Road Safe′96 Influences Affecting Road User Behaviour［C］.1996.

［3］ Gitelman V，Balasha D，Carmel R，et al.Characterization of pedestrian accidents and an examination of infrastructure measures to improve pedestrian safety in Israel［J］.Accident Analysis＆Prevention，2012，44（1）.

［4］ Jurecki R S，Jaskiewicz M，Guzek M，et al.Driver′s reaction time under emergency braking a car-research in a driving simulator［J］.Eksploatacja I Niezawodnosc-Maintenance and Reliability，2012，14（4）.

［5］ Maestracci M，Prochasson F，Geffroy A，et al.Powered two-wheelers road accidents＆their risk perception in dense urban areas：case of Paris［J］.Accident Analysis＆Prevention，2012，49（12）.

［6］ Mark AWetton，AndrewHill，Mark S Horswill.Are what happens next exercises and self-generated commentaries useful additions to hazard perception training for novice drivers［J］.Accident Analysis＆Prevention，2013，54（5）.

［7］ Arne L，Anna A，Goran K，et al.Wakefulness in young and elderly subjects driving at night in a car simulator［J］.Accident Analysis＆Prevention，2009，41（5）.

［8］ Martínez-Ruiz V，Lardelli-Claret P，Jiménez-Mejías E，et al.Risk factors for causing road crashes involving cyclists：an application of a quasi-induced exposure method［J］.Accident Analysis＆Prevention，2013，51（3）.

［9］ Andersson AK，Chapman L.The impact of climate change on winter roadmaintenance and traffic accidents in West Midlands，UK［J］.Accident Analysis＆Prevention，2011，43（1）.

［10］ Taimur U，Liping F，Miranda-Moreno L F.Quantifying safety benefit of winter road maintenance：accident frequencymodeling［J］.Accident Analysis＆Prevention，2010，42（6）.

［11］ 吳初娜.駕駛?cè)藨?yīng)激反應(yīng)能力評估研究［D］.西安：長安大學(xué)，2011.

［12］ 周穎.面向安全意識培訓(xùn)的典型道路交通情景設(shè)計與實現(xiàn)［D］.武漢：武漢理工大學(xué)，2011.［13］ 徐云杰.城市道路環(huán)境中突現(xiàn)事件分析與信息庫建立［D］.西安：長安大學(xué)，2013.

［14］ 魏愛國，王冉冉，解廣坤.基于駕駛模擬器的緊急避險訓(xùn)練研究［A］.第六屆中國智能交通年會暨第七屆國際節(jié)能與新能源汽車創(chuàng)新發(fā)展論壇優(yōu)秀論文集（智能交通）［C］.2011.

［15］ 劉永芳.管理心理學(xué)［M］.北京：清華大學(xué)出版社，2008.

［16］ 胡啟洲，劉英舜，郭唐儀.城市交通擁堵態(tài)勢監(jiān)控的時空分布形態(tài)識別模型［J］.交通運輸系統(tǒng)工程與信息，2012，12（3）.

U491.3

A

1671-2668（2016）06-0041-04

2016-06-01

教育部“長江學(xué)者和創(chuàng)新團(tuán)隊發(fā)展計劃”（IRT1286）；中央高校基本科研業(yè)務(wù)費專項資金資助項目（310822151028；310822161006；310822161009）