基于深度交通事故调查的驾驶人应急行为数据库建设及数据挖掘研究

Driving behavior research has become one of the hottest spot in the researches on intelligent car and intelligent transportation system. However the lack of real accident data is the bottleneck of making an in-depth study. The current study aims to build the database of driver urgent behavior in China based on the real accident cases, and make an in-depth data mining with the relationship between driver urgent behavior and vulnerable road users' (pedestrian and cyclist) injury risk. The accident data were collected from in-depth traffic accident investigation in Changsha. Through the methods of questionnaire investigation, accident reconstruction and virtual driving test, the data of the driver behavior in urgency will be collected. In order to build the database of urgent behavioral characteristics for passenger cars' drivers, decision-making, controlling, and kinematic parameters of passenger cars, and indicators of road environment. The qualitative and quantitative relationships of driver urgent behavior and traffic injury risks of vulnerable road users will be studied based on the accident scenario analyses, Bayesian Networks and logistic regression method. The driver urgent behavior assessment model will be built based on Analytic Network Process (ANP). This study will provide the essential data and scientific basis to the development of vehicle active safety technologies, human engineering and the development of intelligent transportation technologies in China.

驾驶行为研究是世界智能汽车和智能交通领域的热点，缺乏真实的事故数据是严重制约我国深入研究的瓶颈之一。本研究的目的是基于真实的事故数据构建我国驾驶人应急行为数据库,并深入挖掘应急驾驶行为与道路弱势群体（行人、骑两轮车者）损伤风险的关系。数据来源于长沙市深度交通事故调查研究，通过问卷调查、事故重建和虚拟驾驶试验等方法采集驾驶人的真实应急避险行为数据；对感知、决策、操控等应急行为环节以及车辆运动参数、道路环境指标等进行精细化描述，提取应急行为特征值，构建我国乘用车驾驶人应急行为表征数据库。基于深入的事故形态研究和贝叶斯信念网络方法深入挖掘应急驾驶行为特征与弱势群体损伤风险的定性关系；基于Logistic回归方法探索应急驾驶行为特征与弱势群体损伤风险的定量关系；基于网络层次分析法（ANP）构建驾驶人应急行为风险评估模型。为我国车辆主动安全、人机工程以及智能交通技术的发展提供基础数据和科学依据。

当前，驾驶人行为研究是是世界智能汽车以及智能交通领域的研究热点，受制于缺乏真实的事故数据，我国相关研究还停留在起步阶段。.本项目首先在道路交通事故致因分析的基础上，开展汽车与两轮车碰撞事故致因研究，并将其与贝叶斯网络方法结合，进行汽车与两轮车碰撞事故的骑车人损伤风险研究。本项目选取和整理了2001 年至2010 年间长沙地区2094 起汽车与两轮车碰撞事故样本数据，同时研究了导致汽车—两轮车碰撞事故发生的人、车、路及环境四方面因素，进而确定出四类因素具体种类及事故发生情况。随后，基于人-车-道路-环境耦合系统，进行综合、深入化的多因素分析研究，建立汽车与两轮车碰撞事故的贝叶斯网络模型，得出导致两轮车碰撞事故发生的致因链条。.其次通过对汽车—二轮车碰撞交通事故发生前驾驶人应急行为的研究，旨在探索驾驶人应急行为与事故风险的关系。本项目以驾驶人风险感知时间为研究对象，研究了人、道路、环境闭环系统下驾驶人风险感知时间的影响因素，探讨其与二轮车骑车人损伤风险之间的关系，并建立驾驶人应急制动模型。.本项目从湖南大学深入交通事故调查数据库（IVAC）中选取30例汽车—二轮车碰撞交通事故进行PC-Crash及Madymo事故重建，提取驾驶人应急行为表征指标。通过对不同交通事故情况下驾驶人风险感知时间的差异，提出驾驶人风险感知时间受道路、时间、天气等等因素的影响，但人的主观因素对其影响不大。此外，研究表明，驾驶人风险感知时间与驾驶人反应时间成线性关系，因此，以驾驶人风险感知时间作为驾驶人应急行为评价指标具有一定优势，即可以抛开驾驶人的主观因素影响，更好的揭示碰撞交通事故发生前驾驶人一系列应急行为。.二轮车骑车人损伤风险与车辆速度及驾驶人风险感知时间都存在一定的关系：车速较低时，骑车人损伤主要受碰撞角度、倒地方式等影响，此时车速对其影响不大；车速较高时，两者正比例相关。本项目以车速和驾驶人风险感知时间为影响因子建立了二轮车骑车人损伤风险预测模型。本项目还初步探讨了基于驾驶人风险感知时间建立驾驶人应急制动模型的方法，根据事故数据分析研究了制动加速度与风险感知时间之间的关系。.研究结果可以为汽车主动安全技术的开发与设计、驾驶人应急行为干预及发展智能交通提供数据基础；也可用于交通事故鉴定与处理，提高交通事故鉴定水平。