驾驶人风险感知时间与骑车人损伤风险模型研究

孔春玉等

摘 要：该文通过事故调查得到事故人员的基本生理信息和损伤信息，事故车辆基本参数、运动参数和损伤参数，道路、交通环境、天气等信息等，通过问卷调查、PC-crash及Madymo事故重建等方法，获得了30起汽车-两轮车碰撞事故案例的驾驶人感知、决策、操控等应急行为信息。分析结果表明，驾驶人制动反应时间平均值同样为0.75s，标准偏差0.07，驾驶人风险感知时间平均值为1.25s，标准差0.35。然后，通过最小二乘法拟合得到了驾驶人风险感知时间与AIS损伤级别的定量关系式，并对驾驶人风险感知时间的影响因素进行了分析。

关键词：汽车-两轮车碰撞事故 弱势群体 事故重建 风险感知

中图分类号：G64 文献标识码：A 文章编号：1672-3791（2015）07（a）-0250-03

作为道路交通事故中的弱势群体，行人及两轮车（包括自行车、电动车及摩托车等）骑车人往往受到最为严重的伤害[1]。本文通过PC-crash及Madymo软件对长沙地区30起汽车—两轮车交通事故进行了重建，根据事故仿真重建的结果，对驾驶人风险感知时间的影响因素进行了分析，并探索了风险感知时间及车速与骑车人损伤之间的定量关系。

1 材料和方法

该文中的事故案例来源于湖南大学深度车辆碰撞事故数据库IVAC。事故人员的基本生理信息和损伤信息，事故车辆基本参数、运动参数和损伤参数，道路、交通环境、天气等信息均可由IVAC数据库获得，紧急情况驾驶人的感知、决策、操控等应急行为信息可由问卷调查、事故仿真重建等方法获得。

汽车驾驶人在遇到紧急情况需要采取措施时，从感知到紧急信号到立即行动，首先需要有一段反应延迟时间，这段时间内，驾驶人将紧急信号作为输入，采取何种措施作为输出，最终表现为对汽车的具体操纵上（转向或加减速度），通常称之为反应时间。而汽车还要经过一段时间的作用，或成功躲避障碍物，或与之碰撞而发生交通事故，这段时间称之为作用时间。驾驶人从感知到紧急信号，到可以通过采取措施规避或减轻与障碍物的碰撞时间，即驾驶人风险感知时间，而此时与障碍物之间的距离称为感知风险距离[2]。

本论文选取了30例汽车与两轮车侧面碰撞交通事故，事故信息主要包括道路交通事故现场图、事故现场照片、医院病案单、事故数据采集表等。本文首先应用PC-Crash及Madymo仿真软件对汽车与两轮车碰撞事故进行重建， 重建过程能够很好的反应出汽车作用时间及两车碰撞后动态。基于波兰学者R.Jurecki和T.L.Stańczyk提出的感知风险时间tf和反应时间tr的线性关系方程（1）、（2），计算出准确的事故中驾驶人的风险感知时间和反应时间。驾驶人转向反应时间Tt与风险时间tf、驾驶人制动反应时间Tb与风险时间tf关系分别如公式（1）、（2）所示[3]。

2 结果

2.1 事故表征指标提取

本文对30例汽车-两轮车碰撞交通事故进行重建分析，重点通过事故重建获知两车碰撞时瞬时速度、汽车制动加速度及制动时间，并通过计算获知驾驶人应急感知风险时间及其反应时间，通过Madymo事故重建及医院出诊记录得到两轮车骑车人AIS损伤级别，驾驶人、道路、环境等其他信息由事故现场调查问卷获知。表1详细列出了本文重建的主要交通事故表征指标，进一步研究工作以这些数据为基础展开。

2.2 风险感知时间与反应时间的关系

在驾驶人模型参数中，反应时间与感知风险表现为线性关系，而与车辆初始速度无关。两者之间存在的这种线性关系可以解释为：当驾驶人在接收到紧急信号时，他本身对车速和与障碍物之间的距离没有感知，但是他却能清醒的认识到可供自己作出决定和反应的时间有多少。当驾驶人在认为还有足够的时间的时候，他可能会花费较长的时间去决定该采取怎样的措施以规避障碍物，即此时的反应时间较大。

由于驾驶人在行车过程中遇到的情况复杂且多样，并伴有多种外界刺激，因此，驾驶人应急反应的准确性及快速性对行车安全有重要作用，但相关研究却进展缓慢。淮阴工学院朱为国通过对322个驾驶人进行实验，测得制动反应时间平均值为0.75s，标准偏差0.28[4]。本文30起交通事故中，仿真结果得到驾驶人制动反应时间平均值同样为0.75s，标准偏差0.07，驾驶人风险感知时间平均值为1.25s，标准差0.35。由此，驾驶人在行车过程中对危险信号认识不够，感知时间较短可能是产生交通事故的重要原因。

2.3 两轮车骑车人损伤风险分析

IVAC数据统计显示，汽车碰撞两轮车交通事故中，两轮车骑车人受伤部位大部分为头部和腿部，其中在死亡事故案例中，致因多为头部受伤（常见颅脑损伤）。骑车人损伤情况的评价采用简明损伤定级标准AIS进行分类，通过Madymo事故重建及案卷中伤者医院诊断记录，判定伤者损伤级别。

2.3.1 驾驶人风险感知时间与骑车人损伤关系

驾驶人感知风险能力决定了其是否有足够的时间规避潜在的碰撞或将碰撞所带来的损失降至最小。因此，驾驶人风险感知时间在一定程度上决定了骑车人损伤的严重程度。骑车人AIS损伤1-6级情况下驾驶人风险感知时间的平均值为1.14s、1.34s、1.29s、1.51s、1.29s、1.11s，从数值中可以看出两者存在一定的一元二次函数关系，通过最小二乘法拟合可知驾驶人风险感知时间与AIS损伤级别关系式如下：

2.3.2 车速与骑车人损伤关系

当汽车以较低的速度（小于45km/h）与两轮车发生碰撞时，骑车人更多受到的是小腿骨折与身体挫伤等伤害，AIS损伤级别为轻伤及中重伤，此时，骑车人AIS损伤级别与车速关系不大，而与碰撞角度、骑车人倒地方式及骑车人自身身体素质关系更大，具有一定的个性，并不存在某种共性。在汽车以较高速度（大于45km/h）与两轮车发生碰撞时，骑车人大部分还同时伴有严重的头部及胸部伤害，AIS损伤级别为重度及严重伤害，此时，骑车人AIS损伤级别与车速正比例相关，碰撞速度越大，骑车人损伤越严重。

2.3.3 骑车人损伤风险预测模型

驾驶人在低速驾驶汽车时，面临紧急状况，若其感知时间较大，他完全有可能通过采取一定的措施来规避潜在的碰撞或者将碰撞的损失降至最低；而若其感知时间较小，由于车速较低，此时即使发生碰撞，可能对骑车人不至于构成太大伤害，这很好的解释了在骑车人受到AIS+1、AIS+2级轻度伤害时，平均风险感知时间与平均碰撞速度均较小。当驾驶人在高速驾驶汽车时，面对突发的紧急状况，如果其对风险感知时间较小，没有足够的时间将碰撞损失降至最小，往往对骑车人构成较大伤害，同样很好解释了在骑车人受到AIS+5、AIS+6级严重伤害时，驾驶人平均感知风险较小，而平均碰撞速度较大。

由此，在对汽车—两轮车碰撞交通事故中骑车人损伤的预测时，需综合考虑驾驶人风险感知时间与车辆速度，可由式（3）计算可能的骑车人AIS损伤级别，再根据两者碰撞速度确定AIS值。

3 驾驶人风险感知时间影响因素讨论

3.1 道路对风险感知时间的影响

该文中30起交通事故均为城市道路交通事故，沥青路面，道路条件较好，但驾驶人在直路和平面交叉路口的风险感知时间的表现存在差异。统计结果表明驾驶人在直路上风险感知时间平均值为1.34s，标准差0.55；在平面交叉路口风险感知时间平均值为1.22s，标准差0.26。造成这种差异的主要原因为在平面交叉路口，路况比较复杂，驾驶人感知的信息更为复杂，注意力比较分散，大脑经过一定的时间判别并剔除无效信息后，感知到危险信号的时间较少。这是在平面交叉路口发生较多汽车碰撞两轮车事故的一个重要原因。通过对两轮车骑车人更多的安全教育，规范其骑车行为尤其是在十字路口的行为，以及更加合理的道路设计，能帮助驾驶人更有效的认知道路环境，从而可以减少该类交通事故。

3.2 驾驶人风险感知时间的差异

在人-道路-环境系统下，驾驶人的驾驶行为也有很大差别，相关研究将风险驾驶行为诱因分为无害性失误、一般性违规、攻击性违规以及危险性失误[5]。本节对于不同驾驶人之间风险感知时间的差异首先考虑了驾驶人的性别。同样由于事故样本不大，女性驾驶人较少，因而结果存在一定误差。事故仿真数据表明，男性驾驶人风险感知时间与女性驾驶人风险感知时间并无大的差别，男性稍高（男性驾驶员风险感知时间1.26 s，女性驾驶员风险感知时间1.23s），驾驶人性别对风险感知时间没有太大影响。

车速对于驾驶人风险感知时间的影响也不大，如图5所示，当汽车车速明显提高时，驾驶人风险感知时间并不与之存在一定的规律性变化。车速可以影响驾驶人感知距离，但并不改变其对风险感知能力的表现。具体可解释为当驾驶人驾驶汽车时，速度越快，其视线可能会更远，但对于风险的感知时间却不因此而变化。

该文骑车人损伤风险模型是基于各级损伤中汽车平均速度及驾驶人平均风险感知时间，而实际个体差异较大，又因该文受限于事故重建样本数量及仿真实验条件，因此，本节研究内容主要提供一种参考研究方法，后期研究可通过大量事故重建及虚拟驾驶模拟，得到更为精确、数量更大的驾驶人行为参数，从而获得更准确的两轮车骑车人损伤风险预测及评价模型。

4 结语

使用驾驶人风险感知时间作为评价驾驶人行为特征的参数，能够抛却人的主观因素，是今后研究驾驶人应急行为的重要指标，也能为汽车主动安全技术的研究与开发提供研究基础。

该文还对两轮车骑车人损伤与驾驶人风险感知时间及车速的关系进行了初步探讨，虽受实验仿真条件及事故重建样本的限制，但仍为今后的研究工作提供了一种可借鉴的方法。

参考文献

[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] 朱为国.汽车制动过程时间的分析[J].北京汽车，2006（2）：29-31.

[5] 庄明科，白海峰，谢晓非.驾驶人员风险驾驶行为分析及相关因素研究[J].北京大学学报（自然科学版），2008，44（3）：475-482.