基于潜类别Logit模型的两轮车骑行者头部损伤影响因素研究

为研究汽车-两轮车碰撞事故中骑行者头部伤害的影响机理,探究头部损伤致因关系中存在的模式差异与异质性,基于中国交通事故深入研究(CIDAS)数据库中的2 806起两轮车事故,建立潜类别Logit模型。以骑行者头部伤害严重程度为因变量,将驾驶人、车辆、道路、环境和事故碰撞特征的相关因素作为自变量,取显著水平为0.05,建立多项式Logit模型,在此基础上根据拟合优度指标确定最优分组数并构建出潜类别Logit模型。研究结果表明:模型将事故样本划分为2个类别群体,2个群体在参数、变量分布特征和预测概率上存在显著差异,当事故样本具有“两轮车初始速度>30 km/h”、“骑行者碰撞后抛出距离>10 m”等特征时易被归类到类别1,且类别1对应于更严重的头部伤害;骑行者年龄>50岁、汽车类型为商用货车、两轮车类型为摩托车、事故发生在市区外、两轮车初始速度>30 km/h、头部碰撞玻璃和抛出距离>5 m都会增加头部损伤的严重程度;汽车驾驶人行驶意图为停车或变道时,存在造成严重两轮车事故的风险;佩戴头盔会减弱骑行者头部受到的伤害。

基于隐性危险驾驶人感知特性及判别模型研究

为研究驾驶人在隐性危险场景中危险感知行为,基于Bayes判别法,将驾驶行为指标作为输入变量,建立驾驶人危险感知能力预测模型。结果表明:驾驶员在显性危险场景的纵向加速度显著低于隐性危险场景;驾驶人在隐性危险场景中TTC值小于显性危险场景;在被试车辆与轿车、行人、非机动车冲突3种交通冲突场景中,驾驶人对行人危险感知能力最弱。研究结果对提高道路交通安全水平以及驾驶人应急避险能力具有一定实际指导意义。

道路交通安全反事实仿真评估技术综述与展望

为理清道路交通安全反事实仿真发展脉络,进一步推动反事实仿真技术的应用,从反事实仿真技术基本原理出发,梳理反事实仿真5个阶段,比较事故场景与自然驾驶场景的差异,讨论仿真模型在驾驶人避险行为、路面条件、事故损伤与事故风险结合等方面的不足,归纳、对比仿真过程、评估指标技术要点;并在分析反事实仿真技术适用性的基础上,归纳该技术的发展趋势。结果表明:驾驶员因素的不确定性限制了反事实仿真的应用领域,目前该技术更适于碰撞、避险阶段的交通安全评价与分析。

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树(XGBoost)算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速(p=0.01)、制动反应位置(p<0.01)以及反应时间(p<0.01)与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机(SVM),以及逻辑回归(LR)等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM(准确率为78.8%、F1值为76.7%、AUC值为0.924)、SVM(准确率为57.6%、F1值为42.2%、AUC值为0.859),以及LR算法(准确率为69.7%、F1值为65.5%、AUC值为0.836)。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。

公路改、扩建施工区设施与减速特征关系研究

为研究高速公路改、扩建施工区减速行为与设施设置关系,以警告区限速标志类型与施工区间距为自变量,研究改、扩建施工区时平均减速度的变化规律。建立了高速公路改、扩建施工区驾驶模拟场景,并招募了30名不同驾驶经验的驾驶员开展驾驶模拟试验,采集了驾驶人行为数据信息等。利用多因素方差分析法,比较不同设施设置条件下驾驶人平均减速度的差异性,并建立相关模型。研究结果表明:单一限速标志情况下,5000 m施工区间距的平均减速度比2000 m的大;设置逐级限速标志的平均减速度比设置单个限速标志的更小;经验丰富驾驶员的减速过程更加平稳;交通标志数量对平均减速度的影响最大。

西安市公路运输货运枢纽需求预测

根据西安市统计年鉴运用SPSS数据分析软件分析2003-2017年西安市GDP、人口等指标与全社会货运量之间的关系,选用关联度相对较好的人口指标作为自变量建立人口与社会货运量间的数学关系。利用一元线性回归法预测了特征年人口数量并预测社会货运量。根据西安市全社会货运量预测、公路货运量预测等指标,预测了2020年、2030年、2040年的公路货运枢纽站场作业量。

考虑驾驶人特性的指路标志视认反应时间研究

为研究驾驶人特性对指路标志视认反应时间的影响,以认知心理学原理和驾驶人对指路标志的响应特性为基础,进行了基于E-prime的室内模拟试验。结合模拟试验与问卷调查,以文字组合、版面、信息量为指路标志设计指标,以性别、驾龄、目标路名熟悉度为驾驶人特性指标,组织34名驾驶人进行了48次正式视认反应试验。试验采集了驾驶人对指路标志的视认反应时间、正误反馈及人口学因素,利用描述性统计及多因素方差分析了各指标对指路标志视认反应时间的影响。采用逐步回归法遴选自变量,量化了各变量对视认反应时间的影响,建立了视认反应时间影响因子计量模型。结果表明:指路标志信息条数越多,视认反应时间越长;中英对译的指路标志不会使视认反应时间显著增加;驾驶人对目标路名越熟悉,视认反应时间越短;女性视认反应时间普遍长于男性;经验驾驶人的视认反应时间低于新手驾驶人;基于逐步回归法建立的视认反应时间影响因子计量模型的拟合优度为0.583,能够较好地预测驾驶人的视认反应时间;基于计量模型及指路标志视认极限安全时间,得到了指路标志的信息量阈值为不超过7条。最后,对指路标志优化及驾驶人安全培训提出了建议。推荐使用文字组合为中英对译的指路标志,可将驾驶人特性因素考虑在内,针对性地进行安全培训以提高驾驶人视认指路标志时的安全驾驶能力。