成 波，徐少兵，王文軍，張 維，張 波

(清華大學(xué)，汽車(chē)安全與節(jié)能?chē)?guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100084)

前言

急制動(dòng)、急換線等激進(jìn)駕駛行為是道路交通安全的重要影響因素，但難以采用法規(guī)進(jìn)行限制。美國(guó)交通部的統(tǒng)計(jì)結(jié)果顯示，39%的受訪者認(rèn)為激進(jìn)駕駛是最大的安全威脅，90%的受訪者認(rèn)為曾被他人激進(jìn)駕駛所影響［1－2］，激進(jìn)駕駛已被認(rèn)為是現(xiàn)代道路交通安全的最大隱患之一［3］。

激進(jìn)駕駛識(shí)別可用于車(chē)輛的監(jiān)管，尤其是營(yíng)運(yùn)車(chē)輛。研究顯示，營(yíng)運(yùn)車(chē)輛駕駛員(如出租車(chē)司機(jī))更易于激進(jìn)駕駛，比普通駕駛員引發(fā)或者被牽涉進(jìn)交通事故的概率高53%左右，每年20%～65%的營(yíng)運(yùn)車(chē)輛會(huì)卷入交通事故［4］。所以識(shí)別出激進(jìn)駕駛狀態(tài)進(jìn)而向駕駛員提供適當(dāng)預(yù)警將有助于減少交通事故，具有一定的社會(huì)和經(jīng)濟(jì)意義［5－6］。

現(xiàn)階段對(duì)激進(jìn)駕駛的研究主要集中在其影響因素和相關(guān)性上，主要采用問(wèn)卷和訪談等調(diào)研方法。文獻(xiàn)［3］和文獻(xiàn)［7］中對(duì)年齡、性別、交通條件、乘客、技術(shù)等主要因素的影響程度進(jìn)行統(tǒng)計(jì)和量化;文獻(xiàn)［2］和文獻(xiàn)［8］中對(duì)激進(jìn)駕駛和激進(jìn)駕駛員的關(guān)系，激進(jìn)駕駛和憤怒、壓力的關(guān)系進(jìn)行了研究，激進(jìn)駕駛并不等同于激進(jìn)駕駛員的駕駛，激進(jìn)駕駛員處于激進(jìn)駕駛狀態(tài)的概率比普通駕駛員高，溫和的駕駛員出于憤怒、緊急事件等原因也可能處于激進(jìn)駕駛狀態(tài);文獻(xiàn)［9］中認(rèn)為現(xiàn)階段的激進(jìn)駕駛定義過(guò)于模糊，缺乏量化定義，給監(jiān)管和研究帶來(lái)困難。實(shí)際上，量化定義激進(jìn)駕駛行為存在兩個(gè)難點(diǎn):(1)駕駛行為種類繁多，難以解析出駕駛行為的主要影響因素和建立統(tǒng)一的描述方法;(2)難以量化評(píng)價(jià)駕駛行為的激進(jìn)程度，即評(píng)價(jià)指標(biāo)和體系的構(gòu)建。

針對(duì)上述難點(diǎn)，本文中從車(chē)輛運(yùn)動(dòng)的角度定量評(píng)價(jià)駕駛激進(jìn)程度，重點(diǎn)關(guān)注駕駛行為的描述方法和評(píng)價(jià)指標(biāo)構(gòu)建，旨在形成駕駛員的激進(jìn)駕駛狀態(tài)識(shí)別算法，以應(yīng)用于激進(jìn)駕駛預(yù)警等系統(tǒng)中，通過(guò)加強(qiáng)對(duì)駕駛員的反饋和約束以減少交通事故的發(fā)生。該系統(tǒng)在對(duì)營(yíng)運(yùn)車(chē)輛駕駛員的管理和監(jiān)控方面有廣闊的應(yīng)用前景。

1 駕駛狀態(tài)的數(shù)學(xué)描述

激進(jìn)駕駛狀態(tài)識(shí)別指建立一套駕駛狀態(tài)量化評(píng)價(jià)算法，并據(jù)此將駕駛狀態(tài)劃分為正常、較激進(jìn)和激進(jìn)3個(gè)等級(jí)。駕駛狀態(tài)是駕駛員在一段時(shí)間內(nèi)駕駛行為的綜合體現(xiàn)，如頻繁的魯莽駕駛行為直接反映了駕駛的激進(jìn)性，因此對(duì)駕駛狀態(tài)評(píng)價(jià)的基礎(chǔ)是建立駕駛行為的評(píng)價(jià)方法。駕駛行為是駕駛員通過(guò)對(duì)轉(zhuǎn)向盤(pán)、加速踏板和制動(dòng)踏板的復(fù)合操作實(shí)現(xiàn)對(duì)車(chē)輛的控制，同時(shí)每種操作的強(qiáng)度存在差異，因此駕駛行為的表現(xiàn)形式多樣(如急換線過(guò)程中復(fù)合急加速)，常用的窮舉法只能針對(duì)部分典型的駕駛行為。實(shí)際上，駕駛行為的“多樣性”導(dǎo)致難以建立嚴(yán)格的數(shù)學(xué)描述體系，進(jìn)而導(dǎo)致難以建立統(tǒng)一的駕駛狀態(tài)量化評(píng)價(jià)指標(biāo)。

基于上述分析，本文中提出“駕駛狀態(tài)-駕駛行為-駕駛模式”3層結(jié)構(gòu)的描述體系，圖1為該描述體系的結(jié)構(gòu)示意圖。

如圖1所示，一段時(shí)間T內(nèi)的駕駛狀態(tài)S由駕駛行為Be1，Be2，…，BeN綜合而得。駕駛行為指完成某一駕駛?cè)蝿?wù)而采取的一系列駕駛操作，具體操作按其功能可細(xì)分為5類:實(shí)現(xiàn)制動(dòng)、加速、換線、轉(zhuǎn)彎的操作以及跟車(chē)距離的控制，本文中定義其為基本駕駛模式。其中制動(dòng)模式可由釋放加速踏板或者踩下制動(dòng)踏板實(shí)現(xiàn)，換線模式體現(xiàn)為快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤(pán)以實(shí)現(xiàn)變換車(chē)道，轉(zhuǎn)彎模式體現(xiàn)為保持轉(zhuǎn)向盤(pán)轉(zhuǎn)角在合適范圍內(nèi)以實(shí)現(xiàn)彎道行車(chē)(不包括低速調(diào)轉(zhuǎn)車(chē)頭朝向的行為)。

基本駕駛模式是完成駕駛行為中的子任務(wù)而采取的特定操作，是駕駛行為的基本組成元素，可以更細(xì)化地描述駕駛行為。如彎道超車(chē)行為，駕駛員須“保持轉(zhuǎn)向盤(pán)過(guò)彎→踩下加速踏板加速→快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤(pán)換線→快速小幅旋轉(zhuǎn)轉(zhuǎn)向盤(pán)再換線→釋放加速踏板減速”，對(duì)應(yīng)的駕駛模式為“轉(zhuǎn)彎模式-加速模式-換線模式-換線模式-制動(dòng)模式”。其中，轉(zhuǎn)彎模式和換線模式雖然都是由操作轉(zhuǎn)向盤(pán)實(shí)現(xiàn)，但其操作方式和實(shí)現(xiàn)的功能均不同。實(shí)際上，任一駕駛行為都可由 B(制動(dòng))、A(加速)、F(跟車(chē)距離)、L(換線)、C(轉(zhuǎn)彎)5類基本駕駛模式復(fù)合而得，某些駕駛行為也可以只由一類駕駛模式組成，如加速行為只包含加速模式。

根據(jù)上述駕駛狀態(tài)3層結(jié)構(gòu)可建立其數(shù)學(xué)描述方法:(1)任何一駕駛行為Be都可以通過(guò)一個(gè)由基本駕駛模式構(gòu)成的5元向量來(lái)描述;(2)一段時(shí)間T內(nèi)的駕駛狀態(tài)S可通過(guò)N個(gè)駕駛行為的時(shí)間序列來(lái)描述，即由基本駕駛模式構(gòu)成的5×N的矩陣:

上述駕駛狀態(tài)數(shù)學(xué)描述方法具有如下特點(diǎn):通過(guò)對(duì)行為的分解得到物理意義明確的基本駕駛模式，且層次結(jié)構(gòu)利于駕駛狀態(tài)的數(shù)學(xué)表達(dá);通過(guò)這種層次結(jié)構(gòu)，可以將駕駛狀態(tài)的評(píng)價(jià)轉(zhuǎn)化為對(duì)各個(gè)基本駕駛模式的評(píng)價(jià)。

2 激進(jìn)駕駛狀態(tài)識(shí)別算法

在建立駕駛狀態(tài)數(shù)學(xué)描述的基礎(chǔ)上，進(jìn)一步提出駕駛模式激進(jìn)指數(shù)來(lái)衡量基本駕駛模式的激進(jìn)程度，并建立駕駛狀態(tài)識(shí)別算法。

2.1 駕駛模式激進(jìn)指數(shù)

駕駛員的駕駛行為激進(jìn)程度難以直接通過(guò)人體的生理指標(biāo)客觀評(píng)價(jià)，實(shí)際上，駕乘人員可以通過(guò)車(chē)輛的運(yùn)動(dòng)狀態(tài)對(duì)駕駛激進(jìn)程度進(jìn)行主觀評(píng)價(jià)。如果采用定量指標(biāo)來(lái)模擬描述經(jīng)驗(yàn)駕駛員對(duì)激進(jìn)駕駛的主觀評(píng)價(jià)，將可以量化激進(jìn)駕駛的程度，進(jìn)而形成一套客觀評(píng)價(jià)方法。

在駕駛模式激進(jìn)程度評(píng)價(jià)中，核心為評(píng)價(jià)指標(biāo)的構(gòu)建，其須滿足如下條件:(1)具有線性累加性，“駕駛狀態(tài)-駕駛行為-駕駛模式”3級(jí)中，上級(jí)的激進(jìn)程度是下級(jí)的復(fù)合，如駕駛行為的激進(jìn)程度是各駕駛模型激進(jìn)程度之和，這就要求不同駕駛模式的評(píng)價(jià)指標(biāo)具有同量綱和線性可加性;(2)采用的變量能有效地表達(dá)車(chē)輛運(yùn)動(dòng)特性。

基于上述分析，通過(guò)量化駕乘人員對(duì)車(chē)輛加速度的主觀感受得到駕駛激進(jìn)程度的量化衡量指標(biāo)。選擇加速度作為基本評(píng)價(jià)參數(shù)的原因?yàn)?加速度是5類駕駛模式的核心特征參數(shù)，也是駕乘人員對(duì)車(chē)輛運(yùn)動(dòng)感知的最敏感刺激輸入。

在量化描述人的主觀感受與客觀刺激之間的關(guān)系時(shí)，通常采用由美國(guó)心理學(xué)家Stevens提出的冪定律:人的主觀感受同外界刺激的冪指數(shù)成正比［8］。本文中提出以加速度為刺激輸入的駕乘人員主觀感受作為衡量激進(jìn)程度的指標(biāo)，即激進(jìn)指數(shù)為

式中:Ei為駕駛模式i的激進(jìn)指數(shù);Ti為駕駛模式i歷經(jīng)時(shí)間;ai為駕駛模式i對(duì)應(yīng)的敏感方向加速度;f(·)為人對(duì)加速度刺激的感受函數(shù);wi為權(quán)重系數(shù);x為冪指數(shù);i為駕駛模式編號(hào)，1代表制動(dòng)模式B，2代表加速模式A，3代表跟車(chē)距離控制F，4代表?yè)Q線模式L，5代表轉(zhuǎn)彎模式C。

駕駛模式i的激進(jìn)指數(shù)Ei物理意義為:人對(duì)駕駛模式i的敏感方向加速度刺激的主觀感受在駕駛模式歷時(shí)內(nèi)的累積。ai為各駕駛模式的敏感方向加速度，其中制動(dòng)、加速模式對(duì)應(yīng)縱向加速度，換線、轉(zhuǎn)彎模式對(duì)應(yīng)橫向加速度，跟車(chē)控制模式的激進(jìn)性體現(xiàn)在跟車(chē)距離控制不當(dāng)造成潛在追尾危險(xiǎn)，為此提出跟車(chē)模式等效加速度作為跟車(chē)模式激進(jìn)指數(shù)的刺激輸入，即

式中:vs為自車(chē)車(chē)速;vf為前車(chē)車(chē)速;D0為兩車(chē)相對(duì)距離;a2為預(yù)期前車(chē)平均制動(dòng)減速度，取－0.3g［10］;τ 為駕駛員反應(yīng)時(shí)間，取 0.5s［10］。

式(3)物理意義為:某一跟車(chē)時(shí)刻，若前車(chē)以減速度a2制動(dòng)，則自車(chē)為避免碰撞須采取的最小平均減速度為af。此等效加速度越大，跟車(chē)模式的激進(jìn)程度越高。

2.2 駕駛狀態(tài)識(shí)別算法

在提出駕駛狀態(tài)數(shù)學(xué)描述和駕駛模式激進(jìn)指數(shù)的基礎(chǔ)上，駕駛行為的激進(jìn)程度可由5個(gè)基本駕駛模式的激進(jìn)指數(shù)復(fù)合值來(lái)衡量，即駕駛行為激進(jìn)指數(shù)為

一段時(shí)間T內(nèi)駕駛狀態(tài)的綜合激進(jìn)程度可由該時(shí)間內(nèi)發(fā)生的所有行為的激進(jìn)指數(shù)復(fù)合值來(lái)衡量，即駕駛狀態(tài)激進(jìn)指數(shù)為

式中:ES為駕駛狀態(tài)激進(jìn)指數(shù);N為時(shí)間T內(nèi)發(fā)生的駕駛行為次數(shù)。

駕駛狀態(tài)激進(jìn)指數(shù)是在駕駛模式激進(jìn)指數(shù)的基礎(chǔ)上得到的衡量駕駛狀態(tài)激進(jìn)程度的定量指標(biāo)?；诖酥笜?biāo)可將駕駛員在時(shí)間T內(nèi)的駕駛劃分成正常、較激進(jìn)和激進(jìn)3種狀態(tài)，其閾值設(shè)置為 ES0和ES1，駕駛狀態(tài)激進(jìn)指數(shù)小于ES0，表明其駕駛穩(wěn)健，屬于正常駕駛;駕駛狀態(tài)激進(jìn)指數(shù)大于ES1，表明其駕駛魯莽，屬于激進(jìn)駕駛;介于兩者之間為較激進(jìn)駕駛狀態(tài)。時(shí)間參數(shù)T表示駕駛狀態(tài)評(píng)價(jià)時(shí)間窗，本研究中時(shí)間窗T設(shè)置為3min。

綜上，建立了激進(jìn)駕駛狀態(tài)識(shí)別算法框架，冪指數(shù)x，權(quán)重wi和閾值ES0、ES1等參數(shù)將通過(guò)實(shí)車(chē)實(shí)驗(yàn)數(shù)據(jù)確定。

3 實(shí)驗(yàn)設(shè)計(jì)

激進(jìn)駕駛沒(méi)有法規(guī)和學(xué)術(shù)上嚴(yán)格的量化界定，本文擬采用駕乘人員的主觀感受來(lái)衡量，因此實(shí)驗(yàn)過(guò)程中通過(guò)主觀評(píng)價(jià)法確定駕駛狀態(tài)樣本的屬性(正常、較激進(jìn)、激進(jìn))。實(shí)驗(yàn)設(shè)計(jì)如下。

實(shí)際道路實(shí)驗(yàn)中，選擇北京的北清路、五環(huán)路和京郊道路。駕駛員根據(jù)道路交通環(huán)境適機(jī)進(jìn)行各類操作，包含正常和激進(jìn)駕駛行為，被試為5名具有豐富經(jīng)驗(yàn)的駕駛員，人均約做30組實(shí)驗(yàn)，每組3min形成一個(gè)駕駛狀態(tài)樣本。為確定每個(gè)樣本的屬性，2名有經(jīng)驗(yàn)駕駛員隨車(chē)進(jìn)行評(píng)價(jià)，評(píng)價(jià)者每隔3min對(duì)前3min的駕駛狀態(tài)(正常、較激進(jìn)、激進(jìn))進(jìn)行評(píng)價(jià)和記錄，之后駕駛員將自評(píng)，綜合2名評(píng)價(jià)者的評(píng)價(jià)結(jié)果和駕駛員自評(píng)結(jié)果確定駕駛狀態(tài)樣本屬性。2名評(píng)價(jià)者駕駛習(xí)慣良好，無(wú)交通事故記錄，無(wú)任何交通處罰，其評(píng)價(jià)具有一定的客觀性。圖2所示為實(shí)驗(yàn)道路環(huán)境和實(shí)驗(yàn)用車(chē)。

實(shí)驗(yàn)車(chē)輛上安裝加速度計(jì)和轉(zhuǎn)向盤(pán)轉(zhuǎn)角傳感器等，通過(guò)Freescale單片機(jī)實(shí)時(shí)采集加速度等信息并發(fā)布至車(chē)載CAN總線網(wǎng)絡(luò)，同時(shí)車(chē)上安裝有前向攝像頭和駕駛員面部攝像頭記錄現(xiàn)場(chǎng)視頻。車(chē)載工控機(jī)通過(guò)CAN采集卡實(shí)時(shí)采集車(chē)輛的加速度、速度、轉(zhuǎn)向盤(pán)轉(zhuǎn)角、車(chē)道線偏距和前車(chē)距離等車(chē)輛狀態(tài)和環(huán)境參數(shù)，數(shù)據(jù)采樣頻率10Hz，通過(guò)視頻采集卡實(shí)時(shí)采集前方道路和駕駛員面部視頻。圖3所示為實(shí)驗(yàn)中的車(chē)輛狀態(tài)數(shù)據(jù)采集裝置和攝像頭。

實(shí)驗(yàn)共采集145組有效駕駛狀態(tài)樣本，每個(gè)樣本為3min駕駛數(shù)據(jù)，其中正常駕駛狀態(tài)樣本40組，較激進(jìn)樣本64組，激進(jìn)樣本41組，包含制動(dòng)174次、加速160次、換線149次、轉(zhuǎn)彎96次，隨機(jī)分布于各樣本中。

4 算法參數(shù)確定與算法驗(yàn)證

激進(jìn)駕駛狀態(tài)識(shí)別算法中冪指數(shù)x、權(quán)重wi、閾值ES0、ES1為待定參數(shù)，因此從實(shí)驗(yàn)采集的145組駕駛狀態(tài)樣本中隨機(jī)抽取95組樣本(學(xué)習(xí)樣本)用于參數(shù)確定，剩余50組用于算法驗(yàn)證。

4.1 參數(shù)確定

冪指數(shù)x表征激進(jìn)駕駛導(dǎo)致的外界刺激和駕乘人員對(duì)其主觀感受之間的關(guān)系。對(duì)于確定的x，存在最優(yōu)wi、ES0、ES1使95組學(xué)習(xí)樣本檢測(cè)精度達(dá)到最大。因此，使檢測(cè)精度最大的x及其對(duì)應(yīng)的wi、ES0、ES1即為算法的最優(yōu)參數(shù)。檢測(cè)精度為

式中:R為檢測(cè)精度;N11、N22、N33分別指主觀評(píng)價(jià)為正常、較激進(jìn)、激進(jìn)的樣本也分別被算法識(shí)別為正常、較激進(jìn)、激進(jìn)的個(gè)數(shù);主觀評(píng)價(jià)為i等級(jí)而被算法誤識(shí)別為j等級(jí)的各類樣本個(gè)數(shù)用Nij(i≠j)來(lái)表示;N為學(xué)習(xí)樣本總數(shù)。

對(duì)數(shù)據(jù)分析后發(fā)現(xiàn)，數(shù)據(jù)差異基本都滿足要求，除去個(gè)別差距在5%，其余所有數(shù)據(jù)誤差均在誤差范圍之內(nèi)，因此，本程序中的風(fēng)荷載計(jì)算模塊是可靠的。

求解wi、ES0、ES1是一個(gè)性能指標(biāo)非光滑的最優(yōu)化問(wèn)題，因此本文中選擇定步長(zhǎng)迭代法，即x以定步長(zhǎng)逐漸變化，對(duì)特定的 x，參數(shù) wi、ES0、ES1在一個(gè)初選區(qū)間內(nèi)以定步長(zhǎng)遞增，以尋找出一個(gè)較小的最優(yōu)解區(qū)間，在此區(qū)間以較小的步長(zhǎng)再次尋優(yōu)，重復(fù)上述步驟至檢測(cè)精度變化量小于設(shè)定值。

圖4為當(dāng)冪指數(shù)x從1漸增至3時(shí)，駕駛狀態(tài)識(shí)別精度變化曲線。當(dāng)x為1.89～2.32時(shí)檢測(cè)精度大于90%，此區(qū)間為優(yōu)選區(qū)域。本研究選取x=2，此時(shí)滿足最大檢測(cè)精度對(duì)應(yīng)的權(quán)重wi、閾值ES0、ES1為

其中，w1，w2，…，w5分別為制動(dòng)、加速、跟車(chē)、換線、轉(zhuǎn)彎駕駛模式激進(jìn)指數(shù)的權(quán)重系數(shù)。該權(quán)重反映不同駕駛模式產(chǎn)生相同加速度對(duì)應(yīng)的激進(jìn)程度不同。如換線模式由于快速旋轉(zhuǎn)轉(zhuǎn)向盤(pán)，雖然加速度幅度較小但是波動(dòng)快速，所以人的主觀感受強(qiáng)烈，因此其權(quán)重系數(shù)較大。通過(guò)上述分析，當(dāng)x=2時(shí)駕駛模式激進(jìn)指數(shù)為

表1 不同強(qiáng)度制動(dòng)的激進(jìn)指數(shù)

4.2 算法驗(yàn)證

在建立駕駛狀態(tài)識(shí)別算法并確定其參數(shù)后，利用剩余50組駕駛狀態(tài)樣本進(jìn)行算法驗(yàn)證。將50組駕駛狀態(tài)樣本依次計(jì)算出各個(gè)駕駛模式、駕駛行為和駕駛狀態(tài)的激進(jìn)指數(shù)，基于駕駛狀態(tài)激進(jìn)指數(shù)利用已求的閾值ES0、ES1將駕駛狀態(tài)劃分為正常、較激進(jìn)和激進(jìn)3個(gè)等級(jí)，并與有經(jīng)驗(yàn)駕駛員的評(píng)價(jià)結(jié)果對(duì)比得到算法檢測(cè)精度。

圖6為50組樣本的駕駛狀態(tài)激進(jìn)指數(shù)值，其檢測(cè)結(jié)果如表2所示，其中正常樣本19個(gè)，不良樣本16個(gè)，激進(jìn)樣本15個(gè)，正確檢測(cè)46個(gè)，對(duì)驗(yàn)證樣本庫(kù)檢測(cè)精度為92.0%。在實(shí)際運(yùn)用中可增加訓(xùn)練樣本，以使算法適應(yīng)更大的駕駛員群體。

表2 算法驗(yàn)證結(jié)果

表3為驗(yàn)證樣本中第27樣本檢測(cè)結(jié)果，其中制動(dòng)4次，加速4次，換線5次，轉(zhuǎn)彎2次，駕駛狀態(tài)綜合激進(jìn)指數(shù)為218.7，大于閾值150，故判斷為激進(jìn)駕駛，與評(píng)價(jià)者的主觀評(píng)價(jià)結(jié)果一致。

表3 第27樣本駕駛狀態(tài)識(shí)別結(jié)果

5 結(jié)論

(2)提出了基于加速度的駕駛模式激進(jìn)程度評(píng)價(jià)指標(biāo)——激進(jìn)指數(shù)?；诖酥笜?biāo)建立了駕駛模式-駕駛行為-駕駛狀態(tài)3級(jí)評(píng)價(jià)方法，將激進(jìn)駕駛狀態(tài)的評(píng)價(jià)問(wèn)題轉(zhuǎn)化為基本駕駛模式的評(píng)價(jià)問(wèn)題。

(3)通過(guò)實(shí)驗(yàn)完成算法參數(shù)的確定和算法驗(yàn)證，驗(yàn)證結(jié)果表明該算法能有效識(shí)別駕駛狀態(tài)激進(jìn)程度等級(jí)。

［1］ Seay A，Zaloshnja E，Miller T，et al．The Economic Impact of Motor Vehicle Crashes，2000［R］．Washington，DC:US Department of Transportation，National Highway Traffic Safety Administration，2002．

［2］ Lajunen T，Parker D．Are Aggressive People Aggressive Drivers?A Study of the Relationship Between Self-reported General Aggressiveness，Driver Anger and Aggressive Driving［J］．Accident Analysis＆ Prevention，2001，33(2):243 －255．

［3］ Shinar D，Compton R．Aggressive Driving:an Observational Study of Driver，Vehicle，and Situational Variables［J］．Accident Analysis＆ Prevention，2004，36(3):429 －437．

［4］ Lynn P，Lockwood C R．The Accidental Liability of Company Car Drivers［R］．Transport Research Laboratory，Report 317，1999．

［5］ Ellison P A，Govern J M，Petri H L，et al．Anonymity and Aggressive Driving Behavior:A Field Study［J］．Journal of Social Behavior＆ Personality，1995，10(1):265 －272．

［6］ Krahé B，F(xiàn)enske I．Predicting Aggressive Driving Behavior:The Role of Macho Personality，Age，and Power of Car［J］．Aggressive Behavior，2002，28(1):21 －29．

［7］ Shinar D．Aggressive Driving:the Contribution of the Drivers and the Situation［J］．Transportation Research Part F:Traffic Psychology and Behaviour，1998，1(2):137 －160．

［8］ Ellison-Potter P，Bell P，Deffenbacher J．The Effects of Trait Driving Anger，Anonymity，and Aggressive Stimuli on Aggressive Driving Behavior［J］．Journal of Applied Social Psychology，2001，31(2):431－443．

［9］ Dula C S，Geller E S．Risky，Aggressive，or Emotional Driving:Addressing the Need for Consistent Communication in Research［J］．Journal of Safety Research，2003，34(5):559 －566．

［10］ Lin Q，F(xiàn)eng R，Cheng B，et al．Analysis of Causes of Rear-end Conflicts Using Naturalistic Driving Data Collected by Video Drive Recorders［C］．SAE Paper 2008－01－0522．