楊京帥 任書杭 馬志政 王 浩 羅 鈿

(長安大學(xué)汽車學(xué)院，西安710064)

碰撞是交通事故的一種常見形態(tài).在研究道路交通碰撞事故時(shí)，需要進(jìn)行事故再現(xiàn)，即通過提取車輛軌跡、剎車痕跡、散落的碰撞物等數(shù)據(jù)，利用模擬仿真或數(shù)學(xué)建模的方式，再現(xiàn)事故發(fā)生時(shí)的速度、碰撞形態(tài)等事故場景[1]，以作為事故責(zé)任認(rèn)定與事故發(fā)生過程分析的重要參考依據(jù).此外，還需要進(jìn)行碰撞或模擬碰撞試驗(yàn)[2]，基于碰撞結(jié)果的分析，提出車輛被動(dòng)安全技術(shù)設(shè)計(jì)、乘員保護(hù)的方法等.在進(jìn)行碰撞事故致因分析時(shí)，主要從車輛制動(dòng)減速度、不同天氣與路面條件下路面附著系數(shù)、駕駛?cè)说闹苿?dòng)反應(yīng)時(shí)間等方面，研究車輛的制動(dòng)停車安全距離與安全跟車距離.碰撞事故的影響因素分析則大多基于道路與環(huán)境等客觀條件、駕駛?cè)四挲g、駕駛經(jīng)驗(yàn)、身心條件等因素導(dǎo)致事故率的差異，統(tǒng)計(jì)分析道路、環(huán)境與駕駛?cè)说囊?guī)律性特征[3-4].雖然碰撞事故的致因分析有助于預(yù)防或減少事故，但鑒于人-車-路-環(huán)境相互作用機(jī)理研究的復(fù)雜性，尤其是駕駛?cè)诵袨榉磻?yīng)的深層次原因難以捕捉與模擬，交通情境與駕駛?cè)讼嗷プ饔脤?duì)碰撞事故發(fā)生的影響一直是研究難點(diǎn).

駕駛?cè)耸堑缆方煌ㄏ到y(tǒng)的信息處理者和決策者，也是人-車-路-環(huán)境系統(tǒng)處于安全狀態(tài)的調(diào)節(jié)者和控制者.隨著新技術(shù)在道路交通安全系統(tǒng)中的逐步應(yīng)用，駕駛?cè)藢⒊蔀樽畈豢煽康囊蛩?，駕駛?cè)藢?dǎo)致事故的比例將會(huì)進(jìn)一步增大[5].對(duì)于駕駛?cè)说某賉6]或其他交通違法行為[7-8]導(dǎo)致的碰撞事故，主要采用演化博弈的分析方法，分析行為產(chǎn)生的原因，分析前提是駕駛?cè)烁兄接行畔⒉⒂幸鉃橹?，忽略了駕駛?cè)艘驗(yàn)楦兄t滯或感知失誤導(dǎo)致的碰撞.本文將從駕駛?cè)说慕嵌瘸霭l(fā)，忽略駕駛?cè)斯室膺`法行為，借鑒智能群體建模與魚骨圖方法來分析碰撞事故致因影響因素，基于交通情境與駕駛?cè)说南嗷プ饔眠M(jìn)行試驗(yàn)設(shè)計(jì)，測試分析影響因素的顯著性.

1 碰撞事故致因建模

假設(shè)n維空間中存在由m個(gè)交通參與者個(gè)體組成的群體，個(gè)體i的位置由xi∈Rn表示.假定每個(gè)交通參與者個(gè)體(本文以駕駛?cè)藶檠芯繉?duì)象)的感知能力正常，即個(gè)體i和個(gè)體j之間能夠相互感知到對(duì)方的存在和所在位置.S={1，2，…，m}表示所有駕駛?cè)藗€(gè)體的集合.個(gè)體i視線范圍內(nèi)的所有個(gè)體集合定義為

式中，ε為駕駛?cè)藗€(gè)體所能感知到的空間距離;‖xi－xj‖表示n維空間中任意2個(gè)坐標(biāo)點(diǎn)之間的距離.

駕駛?cè)藗€(gè)體i的安全運(yùn)動(dòng)區(qū)域(不會(huì)發(fā)生碰撞的區(qū)域)定義為

式中，r為個(gè)體間對(duì)駕駛行為有影響的最大距離;ρ為個(gè)體間的最小安全距離.

由于每個(gè)駕駛?cè)藗€(gè)體都能夠感知辨識(shí)交通情境信息并作出預(yù)測和相應(yīng)的決策，駕駛?cè)巳后w體現(xiàn)出智能性與環(huán)境適應(yīng)性，群體既是一個(gè)多個(gè)體系統(tǒng)，又是一個(gè)復(fù)雜適應(yīng)系統(tǒng).駕駛?cè)巳后w與自然界中的鳥群或魚群一樣，存在2種平衡且相互對(duì)立的行為:① 行進(jìn)過程中期望向鄰近個(gè)體靠近;②避免與相鄰的個(gè)體發(fā)生碰撞[9].

根據(jù)上述假設(shè)條件以及智能群體的特點(diǎn)，構(gòu)建如下的駕駛?cè)藗€(gè)體運(yùn)動(dòng)控制方程:

式中，Xi(t)表示t時(shí)刻駕駛?cè)藗€(gè)體i在向目標(biāo)位置移動(dòng)過程中的所在位置;∈Rn表示駕駛?cè)藗€(gè)體i視線范圍內(nèi)的運(yùn)動(dòng)目標(biāo)位置;a表示駕駛?cè)藗€(gè)體間的相對(duì)運(yùn)動(dòng)速度，且a≥0;b表示駕駛?cè)藗€(gè)體的感知水平(即識(shí)別、預(yù)測和評(píng)估危險(xiǎn)情境的能力，體現(xiàn)在感知速度與準(zhǔn)確度的高低)，且 b＞0[10-11]，感知水平影響個(gè)體i的安全運(yùn)動(dòng)區(qū)域.

如果在駕駛?cè)藗€(gè)體i的安全運(yùn)動(dòng)區(qū)域內(nèi)，距離其最近的個(gè)體j處在xi指向運(yùn)動(dòng)目標(biāo)位置的線段上，即個(gè)體j處在個(gè)體i向運(yùn)動(dòng)目標(biāo)位置移動(dòng)的線段上，則個(gè)體i靠近個(gè)體j的過程中要保持安全運(yùn)動(dòng)狀態(tài)，個(gè)體i信息感知處理的速度快于個(gè)體i與個(gè)體j的相對(duì)運(yùn)動(dòng)速度a，則

由模型(6)可得

相對(duì)運(yùn)動(dòng)速度a受駕駛?cè)诵袨?、車輛、道路與交通條件等因素的影響[12].本文僅對(duì)駕駛?cè)说母兄絙的影響因素進(jìn)行分析.駕駛?cè)烁兄e(cuò)誤和判斷錯(cuò)誤有關(guān)的交通事故占事故總數(shù)的80% ～85%[14].英國及澳大利亞因此將危險(xiǎn)感知測試作為獲取駕照的必考科目之一[15].

2 危險(xiǎn)感知影響因素魚骨圖分析

隨著駕駛行為研究的深入開展，對(duì)于危險(xiǎn)感知的研究日益引起關(guān)注.文獻(xiàn)[13]指出，在與駕駛相關(guān)的所有技能中，只有危險(xiǎn)感知是與交通事故密切相關(guān)的.相關(guān)統(tǒng)計(jì)資料表明，駕駛?cè)宋ｋU(xiǎn)感知錯(cuò)誤導(dǎo)致的交通事故約占事故總數(shù)的40% ～45%，與圖1為駕駛?cè)诵畔⒏兄幚砟Ｊ?由圖可知，影響駕駛?cè)思皶r(shí)準(zhǔn)確地感知危險(xiǎn)并做出相應(yīng)行為反應(yīng)的因素可能來自于危險(xiǎn)信息、交通情境、干擾因素、駕駛?cè)?個(gè)方面.采用魚骨圖方法，將這4個(gè)方面的影響因素進(jìn)行分解，通過頭腦風(fēng)暴法找出所有可能的主要影響因素，結(jié)果見圖2.

圖1 駕駛?cè)诵畔⒏兄幚砟Ｊ?/p>

圖2 駕駛?cè)宋ｋU(xiǎn)感知影響因素魚骨圖

3 危險(xiǎn)感知影響因素測試分析

基于魚骨圖分析結(jié)果，針對(duì)可能影響駕駛?cè)宋ｋU(xiǎn)感知的危險(xiǎn)信息、交通情境、駕駛?cè)伺c干擾因素進(jìn)行試驗(yàn)設(shè)計(jì)，測試其是否對(duì)駕駛?cè)宋ｋU(xiǎn)感知有顯著影響.

3.1 被試

試驗(yàn)選取40名被試駕駛?cè)?，所有被試駕駛?cè)硕家暳φ；虺C正視力正常.考慮到駕駛經(jīng)歷、交通情境認(rèn)知能力、交通情境判斷能力等因素，將被試駕駛?cè)朔譃?組，其中20名為熟練駕駛?cè)?，其駕駛里程超過5×104km，平均年齡41.9歲;另外20名為非熟練駕駛?cè)耍漶{駛里程小于5×104km，平均年齡33.1歲.駕駛?cè)说囊曈X行為通過佩戴眼動(dòng)儀進(jìn)行測試.

3.2 試驗(yàn)場景設(shè)計(jì)

交通情境是從駕駛?cè)艘暯墙厝〉恼鎸?shí)駕駛交通情境片段，本文共選取了30個(gè)交通情境進(jìn)行測試.交通情境劃分為2類:① 靜態(tài)環(huán)境類交通情境，例如路邊?？寇囕v后面可能走出的行人、前方支路可能出現(xiàn)的車輛等;②動(dòng)態(tài)行為類交通情境，例如路邊啟動(dòng)的車輛、輔路駛?cè)胫髀返能囕v、換道和轉(zhuǎn)彎車輛、行人穿越馬路等.危險(xiǎn)目標(biāo)物在交通情境中可能出現(xiàn)的區(qū)域被定義為潛在危險(xiǎn)區(qū)域，危險(xiǎn)目標(biāo)物包括實(shí)際可能造成碰撞的車輛、行人等.駕駛?cè)俗⒁暤綕撛谖ｋU(xiǎn)區(qū)域并敲擊空格鍵被認(rèn)為感知到潛在危險(xiǎn)，駕駛?cè)俗⒁暤轿ｋU(xiǎn)目標(biāo)物并敲擊回車鍵被認(rèn)為感知到實(shí)際危險(xiǎn).

3.3 試驗(yàn)過程

試驗(yàn)采用EyelinkⅡ型眼動(dòng)儀，由眼動(dòng)儀記錄被試駕駛?cè)俗⒁曆蹌?dòng)數(shù)據(jù)，采樣頻率為250 Hz.交通場景由戴爾19英寸(48.26 cm)純平顯示器呈現(xiàn)，被試駕駛?cè)俗诰嚯x顯示器70 cm左右的位置處.在正式測試之前，為每名駕駛?cè)诉M(jìn)行眼動(dòng)儀佩戴測試，以便提取到眼動(dòng)數(shù)據(jù).被試駕駛?cè)说娜蝿?wù)是觀看交通情境，當(dāng)發(fā)現(xiàn)交通情境中有潛在危險(xiǎn)和實(shí)際危險(xiǎn)時(shí)，分別敲擊鍵盤的空格鍵和回車鍵.潛在危險(xiǎn)顯示時(shí)間為潛在危險(xiǎn)區(qū)域在畫面開始出現(xiàn)到實(shí)際危險(xiǎn)出現(xiàn)為止，實(shí)際危險(xiǎn)顯示時(shí)間為實(shí)際危險(xiǎn)開始出現(xiàn)到車輛駛過實(shí)際危險(xiǎn)為止.

正式測試之前，先進(jìn)行6個(gè)交通情境的預(yù)測試.正式測試完畢后，從測試的交通情境中選取30個(gè)畫面，進(jìn)行交通情境演變預(yù)測的問卷測評(píng)，讓駕駛?cè)藢?duì)交通情境危險(xiǎn)的可能演變趨勢進(jìn)行判斷，對(duì)該判斷是否正確的自信程度進(jìn)行打分.整個(gè)測試過程共計(jì)50 min左右，每個(gè)被試駕駛?cè)松梢粋€(gè)數(shù)據(jù)文件.試驗(yàn)結(jié)束后，用EyelinkⅡ提供的數(shù)據(jù)分析軟件將數(shù)據(jù)導(dǎo)出，然后對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析.

3.4 結(jié)果分析

對(duì)于敲擊空格鍵的時(shí)間早于潛在危險(xiǎn)區(qū)域被注視時(shí)間、敲擊回車鍵的時(shí)間早于實(shí)際危險(xiǎn)被注視時(shí)間或是危險(xiǎn)點(diǎn)注視錯(cuò)誤但是做出反應(yīng)的數(shù)據(jù)進(jìn)行了刪除.根據(jù)測試數(shù)據(jù)，進(jìn)行了以下2項(xiàng)內(nèi)容的分析:①不同駕駛?cè)巳后w是否注視到潛在危險(xiǎn)區(qū)域及危險(xiǎn)目標(biāo)物(即是否發(fā)現(xiàn)危險(xiǎn));②注視到潛在危險(xiǎn)區(qū)域與危險(xiǎn)目標(biāo)物的快慢程度(即發(fā)現(xiàn)危險(xiǎn)的速度).

用2×2(熟練駕駛?cè)伺c非熟練駕駛?cè)?，潛在危險(xiǎn)與實(shí)際危險(xiǎn))對(duì)被試駕駛?cè)耸欠癜l(fā)現(xiàn)危險(xiǎn)以及發(fā)現(xiàn)危險(xiǎn)的速度進(jìn)行方差分析.

首先，對(duì)所有交通情境中的潛在危險(xiǎn)區(qū)域與危險(xiǎn)目標(biāo)物是否被注視并做出反應(yīng)進(jìn)行統(tǒng)計(jì)，結(jié)果見表1.由表可知，駕駛?cè)俗R(shí)別出實(shí)際危險(xiǎn)的比例為(91.7%+69.4%+89.3%+80.6%)/4 ≈82.8%，識(shí)別出潛在危險(xiǎn)的比例為(56.2%+58.4%+72.7%+41.1%)/4≈57.1%.對(duì)潛在危險(xiǎn)與實(shí)際危險(xiǎn)識(shí)別率進(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，組間與組內(nèi)自由度分別為1和38的F檢驗(yàn)統(tǒng)計(jì)量的值F(1，38)=102.1，對(duì)應(yīng)的概率 p ＜ 0.01，說明在0.01的顯著性水平下，駕駛?cè)藢?duì)潛在危險(xiǎn)與實(shí)際危險(xiǎn)的識(shí)別率有顯著差異，即駕駛?cè)烁菀装l(fā)現(xiàn)看得見的危險(xiǎn).相比非熟練駕駛?cè)耍炀汃{駛?cè)税l(fā)現(xiàn)了更多的潛在危險(xiǎn)和實(shí)際危險(xiǎn)，對(duì)熟練駕駛?cè)伺c非熟練駕駛?cè)说奈ｋU(xiǎn)識(shí)別率進(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，F(xiàn)(1，38)=9.3，p ＜0.01，說明在 0.01 的顯著性水平下，熟練駕駛?cè)伺c非熟練駕駛?cè)说奈ｋU(xiǎn)識(shí)別率有顯著差異，即熟練駕駛?cè)孙@示出更高的危險(xiǎn)感知水平.

表1 駕駛?cè)藢?duì)潛在危險(xiǎn)與實(shí)際危險(xiǎn)的識(shí)別率 %

對(duì)駕駛?cè)嗽陟o態(tài)環(huán)境類交通情境與動(dòng)態(tài)行為類交通情境的危險(xiǎn)發(fā)現(xiàn)時(shí)間百分位進(jìn)行統(tǒng)計(jì)，結(jié)果見表2.駕駛?cè)俗⒁暤綕撛谖ｋU(xiǎn)區(qū)域與危險(xiǎn)目標(biāo)物的快慢程度用駕駛?cè)说?次注視到危險(xiǎn)所需時(shí)間與該危險(xiǎn)畫面總持續(xù)時(shí)間的比值來表示.顯然，該比值越小，表明駕駛?cè)嗽皆缱⒁暤皆撐ｋU(xiǎn).由表2可知，駕駛?cè)藢?duì)動(dòng)態(tài)行為類交通情境的危險(xiǎn)發(fā)現(xiàn)時(shí)間百分位比靜態(tài)環(huán)境類交通情境的危險(xiǎn)發(fā)現(xiàn)時(shí)間百分位快，對(duì)2種交通情境的危險(xiǎn)發(fā)現(xiàn)時(shí)間百分位進(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，F(xiàn)(1，38)=21.1，p ＜0.01，說明在0.01的顯著性水平下，不同交通情境的危險(xiǎn)發(fā)現(xiàn)時(shí)間百分位有顯著差異;駕駛?cè)藢?duì)實(shí)際危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位((23.7%+48.2%+22.2%+41.8%)/4≈34.0%)比潛在危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位 ((65.6%+73.3%+41.3%+74.4%)/4≈63.7%)快，潛在危險(xiǎn)與實(shí)際危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位方差分析統(tǒng)計(jì)檢驗(yàn)結(jié)果表明F(1，38)=189.3，p ＜0.01，說明在 0.01 的顯著性水平下，駕駛?cè)藢?duì)潛在危險(xiǎn)與實(shí)際危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位有顯著性差異;相比非熟練駕駛?cè)耍炀汃{駛?cè)四軌蚋焖俚匕l(fā)現(xiàn)危險(xiǎn)，熟練駕駛?cè)说钠骄l(fā)現(xiàn)時(shí)間百分位為(65.6%+23.7%+41.3%+22.2%)/4≈38.2%.對(duì)熟練駕駛?cè)伺c非熟練駕駛?cè)说奈ｋU(xiǎn)發(fā)現(xiàn)時(shí)間百分位進(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，F(xiàn)(1，38)=15.7，p ＜0.01，說明在 0.01 的顯著性水平下，熟練駕駛?cè)伺c非熟練駕駛?cè)说奈ｋU(xiǎn)發(fā)現(xiàn)時(shí)間百分位有顯著性差異.

表2 駕駛?cè)嗽诓煌煌ㄇ榫车奈ｋU(xiǎn)發(fā)現(xiàn)時(shí)間百分位 %

在駕駛?cè)司徒煌ㄇ榫逞葑冾A(yù)測的問卷測評(píng)中，對(duì)交通情境的演變預(yù)測完全正確為10分，熟練駕駛?cè)伺c非熟練駕駛?cè)说睦斫饬Ψ种捣謩e為8.87和7.85，對(duì)熟練駕駛?cè)伺c非熟練駕駛?cè)说睦斫饬Ψ种颠M(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，F(xiàn)(1，38)=20.4，p＜0.01，說明在0.01的顯著性水平下，熟練駕駛?cè)伺c非熟練駕駛?cè)藢?duì)交通情境的理解力有顯著差異，熟練駕駛?cè)孙@示了更好的交通情境閱讀理解能力.對(duì)所回答問題是否正確的自信程度進(jìn)行打分(滿分為10分)，熟練駕駛?cè)伺c非熟練駕駛?cè)说淖孕欧种捣謩e為7.96和7.07.對(duì)熟練駕駛?cè)伺c非熟練駕駛?cè)说淖孕欧种颠M(jìn)行方差分析統(tǒng)計(jì)檢驗(yàn)，F(xiàn)(1，38)=14.1，p ＜0.01，說明在0.01 的顯著性水平下，熟練駕駛?cè)伺c非熟練駕駛?cè)说淖孕懦潭扔酗@著差異，熟練駕駛?cè)讼啾确鞘炀汃{駛?cè)说淖孕懦潭雀?

4 結(jié)論

1)由碰撞事故致因模型可知，駕駛?cè)司S持安全駕駛狀態(tài)取決于駕駛?cè)说奈ｋU(xiǎn)信息感知能力和個(gè)體間的相對(duì)運(yùn)動(dòng)速度.相對(duì)運(yùn)動(dòng)速度的大小是危險(xiǎn)感知的行為體現(xiàn)，危險(xiǎn)信息感知水平是安全駕駛狀態(tài)的主要決定因素.

2)熟練駕駛?cè)伺c非熟練駕駛?cè)司嬖谖ｋU(xiǎn)信息遺漏現(xiàn)象，熟練駕駛?cè)讼啾确鞘炀汃{駛?cè)四軌虬l(fā)現(xiàn)更多的危險(xiǎn)信息，體現(xiàn)了熟練駕駛?cè)司哂懈叩奈ｋU(xiǎn)感知能力;交通情境中的潛在危險(xiǎn)相比看得見的危險(xiǎn)更不易被發(fā)現(xiàn).在危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位方面，駕駛?cè)藢?duì)于動(dòng)態(tài)危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位小于靜態(tài)危險(xiǎn);對(duì)實(shí)際危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位比潛在危險(xiǎn)的發(fā)現(xiàn)時(shí)間百分位要快得多;熟練駕駛?cè)吮确鞘炀汃{駛?cè)四芨焖俚匕l(fā)現(xiàn)危險(xiǎn).此外，熟練駕駛?cè)藢?duì)于交通情境的演變預(yù)測與判別更準(zhǔn)確，并具有更高的自信程度(p＜0.01).

References)

[1] 劉志強(qiáng)，汪澎，張建華，等.交通事故再現(xiàn)技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J].中國安全科學(xué)學(xué)報(bào)，2007，17(4):16-20.Liu Zhiqiang，Wang Peng，Zhang Jianhua，et al.Review of traffic accident reproduction technology and its developing trend[J].China Safety Science Journal，2007，17(4):16-20.(in Chinese)

[2] 孫振東，劉玉光，朱西產(chǎn).不同形式的汽車正面碰撞試驗(yàn)研究及分析[J].汽車工程，2006，28(7):652-655.Sun Zhendong，Liu Yuguang，Zhu Xichan.A study on some typical vehicle frontal crash test programs[J].Automobile Engineering，2006，28(7):652-655.(in Chinese)

[3] Underwood G，Ngai A，Underwood J.Driving experience and situation awareness in hazard detection[J].Safety Science，2013，56(1):29-35.

[4] Borowsky A，Oron-Gilad T，Parmet Y.Age and skill differences in classifying hazardous traffic scenes[J].Transportation Research Part F:Traffic Psychology and Behaviour，2009，12(4):277-287.

[5] Hudoklin A，Rozman V.Human errors versus stress[J].Reliability Engineering ＆System Safety，1992，37(3):231-236.

[6] 李振龍，張利國.超速駕駛行為的演化博弈[J].交通運(yùn)輸系統(tǒng)工程與信息，2010，10(4):137-142.Li Zhenlong， Zhang Liguo. Evolutionary game of speeding driving behavior[J].Journal of Transportation Systems Engineering and Information Technology，2010，10(4):137-142.(in Chinese)

[7] 余孝軍，羅玲玲，王雙.基于進(jìn)化博弈的交通安全分析[J].西南師范大學(xué)學(xué)報(bào):自然科學(xué)版，2013，38(6):35-41.Yu Xiaojun.Luo Lingling，Wang Shuang.On analysis of traffic safety based on evolutionary game[J].Journal of Southwest China Normal University:Natural Science Edition，2013，38(6):35-41.(in Chinese)

[8] Yang J S，Hu H，Hu D W，et al.Road traffic safety system stability based on driving behaviors double feedback control[J].International Journal of Advancements in Computing Technology，2013，5(8):807-815.

[9] 陳世明，方華京.大規(guī)模智能群體的建模及穩(wěn)定性分析[J].控制與決策，2005，20(5):490-494.Chen Shiming，F(xiàn)ang Huajing.Modeling and stability analysis of large-scale intelligent swarm [J].Control and Decision，2005，20(5):490-494.(in Chinese)

[10] Borowsky A，Oron-Gilad T，Meir A，et al.Drivers'perception of vulnerable road users:a hazard perception approach[J].Accident Analysis and Prevention，2012，44(1):160-166.

[11] Scialfa C T，Borkenhagen D，Lyon J，et al.A comparison of static and dynamic hazard perception tests[J].Accident Analysis and Prevention，2013，51:268-273.

[12] 李楊.高速公路可變速度控制方法研究[D].西安:長安大學(xué)公路學(xué)院，2011.

[13] McKnight A J，McKnight A S.Young novice drivers:careless or clueless[J].Accident Analysis and Prevention，2003，35(6):921-925.

[14] 鄭東鵬.駕駛?cè)宋ｋU(xiǎn)感知及影響因素研究[D].上海:上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院，2013.

[15] Scialfa C T，Deschênes M C，F(xiàn)erence J，et al.A hazard perception test for novice drivers[J].Accident A-nalysis and Prevention，2011，43(1):204-208.