The Epidemiology Study of Intersection Crashes and the Investigation into the Effect of an Intersection Collision Warning Syste.pdf

1、自第一起汽車碰撞事故導(dǎo)致人類死亡以來,車輛在服務(wù)人類的同時,也給人類生命財產(chǎn)安全帶來了威脅。交叉路口匯集了各個方向的交通,是制約道路通行能力的咽喉,在道路交通系統(tǒng)中屬于核心地位。交叉路口存在多處沖突點,機動車和機動車之間,機動車和非機動車或行人之間相互干擾嚴(yán)重,因此,交叉路口及其附近地帶也是道路交通事故的多發(fā)地帶,世界各國都受其困擾。預(yù)防和控制交叉路口事故,提高道路交通的安全通暢,已成為道路交通研究不可缺失的主題。為了探求合理有效的道路

2、安全應(yīng)對措施及為車輛的安全性設(shè)計提供依據(jù),需對交叉路口事故進行深入剖析。有效的事故數(shù)據(jù)是一切分析的基礎(chǔ)。由于中國交叉路口交通事故統(tǒng)計還不完善,上報資料還不翔實,導(dǎo)致交叉路口事故數(shù)據(jù)的匱乏。同樣由于我國現(xiàn)有的交通事故流行病學(xué)研究資料約90%以上均為醫(yī)院病案或公安交通管理部門的事故統(tǒng)計報告,雖然這些資料的收集比較便捷,但其可用性值得商榷。本文所采用的事故數(shù)據(jù)均來自澳大利亞,分析建立在豐富的樣本和翔實的數(shù)據(jù)的基礎(chǔ)上,得到的結(jié)論可為澳大利亞相關(guān)

3、部門采取科學(xué)的預(yù)防措施和合理的救治策略提供依據(jù),并可對缺乏交叉路口事故數(shù)據(jù)的國內(nèi)研究提供借鑒意義和理論指導(dǎo)。本文的研究目的可概括如下：探索交叉路口事故的特征和規(guī)律；揭示影響交叉路口事故傷情嚴(yán)重程度的因素；研究交叉路口事故發(fā)生的起因；建立交通事故致因因素數(shù)據(jù)庫；評價交叉路口防撞預(yù)警系統(tǒng)的防護效果等。下文將逐一闡述各研究目的的工作開展及涉及的方法,所得的結(jié)論等。
　　作為方法學(xué)學(xué)科之一的流行病學(xué),研究交通事故有其自己的學(xué)科優(yōu)勢。交叉路

4、口交通事故流行病學(xué)研究可從預(yù)防醫(yī)學(xué)的角度運用流行病學(xué)理論對交叉路口事故進行描述性流行病學(xué)研究和分析性流行病學(xué)研究。首先,應(yīng)用描述性流行病學(xué)研究方法(Descriptive epidemiological study)之一：描述性統(tǒng)計方法對2000年1月至2009年12月發(fā)生在澳大利亞維多利亞州的交叉路口傷亡事故進行分類別頻數(shù)分析。本次研究所用的交叉路口交通事故數(shù)據(jù)由澳大利亞維多利亞州VicRoads提供,VicRoads是澳大利亞維多利

5、亞州的法定交通管理機構(gòu),負(fù)責(zé)收集相關(guān)事故數(shù)據(jù),制定道路安全法規(guī)等。描述統(tǒng)計學(xué)(Descriptive Statistics)是用來描繪或總結(jié)觀察量的基本情況的統(tǒng)計總稱,闡述如何對客觀現(xiàn)象的數(shù)量表現(xiàn)進行計量、搜集、整理、表示、一般分析與解釋的統(tǒng)計方法體系。其內(nèi)容包括統(tǒng)計指標(biāo)、統(tǒng)計調(diào)查、統(tǒng)計整理、統(tǒng)計圖表、集中趨勢度、離散程度測數(shù)、統(tǒng)計指數(shù)、時間數(shù)列常規(guī)分析等理論和方法。本文主要應(yīng)用描述統(tǒng)計方法中的頻數(shù)分析和統(tǒng)計圖表法對交叉路口事故的分布規(guī)

6、律進行分析。研究表明發(fā)生在交叉路口最常見的事故形態(tài)是車輛與相鄰方向的來車相撞(DCA110-DCA119);60km/h限速區(qū)域的交叉路口事故約占交叉路口事故總數(shù)的53%；41%的交叉路口事故發(fā)生地點沒有交通控制措施,而約29%的交叉路口事故發(fā)生在交通信號燈控制的路口。圓形分布法(Circular distribution method)是流行病學(xué)研究的一種常用方法,最早應(yīng)用在醫(yī)學(xué)領(lǐng)域中。某些疾病的季節(jié)性、晝夜變動是呈周期性變化的,如果

7、用360度表示,則可以反映周期性變化出現(xiàn)的方位,用這種方法統(tǒng)計分析,稱為圓形分布法。由于交通事故的分布也具有類似周期性的規(guī)律,因此圓形分布法也被應(yīng)用于交通事故流行病學(xué)研究。應(yīng)用圓形分布法對交叉路口事故在一年12個月,一周7天和一天24小時的時間分布進行分析,并對事故高峰時間的聚集性進行了研究。如果交叉路口事故有集中于某個時刻發(fā)生的傾向,這一傾向性可用平均角α(mean angle)表示。將平均角轉(zhuǎn)換成相應(yīng)的時刻,即得到交叉路口事故發(fā)生的

8、高峰時刻。將(α±S)轉(zhuǎn)換成相應(yīng)的時段,即得到交叉路口事故發(fā)生的高峰時段(S為角標(biāo)準(zhǔn)差)。平均角可用加權(quán)法計算得到。圓形分布法的分析結(jié)果顯示交叉路口事故在一天24小時的分布上呈現(xiàn)聚集特點,交叉路口事故的集中趨勢時間是15時19分,事故發(fā)生的高峰時段是從9時57分至20時40分。
　　其次,采用分析性流行病學(xué)研究方法(Analytic epidemiological study)之一Logistic回歸(Logistic Regre

9、ssion)方法全面分析交叉路口事故中影響人員傷情嚴(yán)重程度的因素(Risk factor),揭示各影響因素與傷情程度的關(guān)系,為相關(guān)道路管理部門制定預(yù)防和救治措施提供依據(jù)。分析所用的案例同樣選自澳大利亞維多利亞州交通管理局VicRoads提供的2000年1月至2009年12月的交通事故數(shù)據(jù)庫。Logistic回歸和其他的分類數(shù)據(jù)回歸方法經(jīng)常被用來評估各種疾病的影響因素,而Logistic回歸方法在交通事故研究方面的應(yīng)用較為廣泛。Logis

10、tic回歸分析有兩個最重要的用途：第一是用作影響因素分析,求出各自變量對因變量的比數(shù)比(Odds ratio-OR);第二是作為判別分析方法,來估計各種自變量組合條件下因變量各類別的發(fā)生概率。一般用得較多的是前者,而本文也通過這種方式來揭示交叉路口事故傷情程度的影響因素。Logistic回歸分析將交叉路口事故導(dǎo)致人員死亡與否設(shè)為二分類因變量。因變量取值為1時,表明該事故至少導(dǎo)致一人死亡(澳大利亞定義的交通事故死亡為當(dāng)場死亡或事故發(fā)生后的

11、30天內(nèi)因交通傷引發(fā)的死亡)；取值為0時表明該事故至少導(dǎo)致一人受傷,而未有人員死亡。首先從現(xiàn)有的事故數(shù)據(jù)庫中選取12個被認(rèn)為對交叉路口交通事故中人員傷情嚴(yán)重程度有影響的因素作為待觀察因素。這12個因素包括駕駛員、車輛、路面狀況、天氣條件、交通控制形式等多方面的信息。為了簡化分析,本次研究所選用的因素均轉(zhuǎn)換為分類自變量。由于所選取自變量為分類變量,樣本水平數(shù)目較多,若單個水平內(nèi)樣本容量較少,將會給Logistic回歸分析帶來檢驗效能不足的

12、問題,所以需進行自變量小樣本容量水平的合并或刪除。經(jīng)過篩選后,共有12144例案例納入分析,之后對這12個待觀察因素進行單因素Logistic回歸分析,顯著性水平定為0.25,并由此選出10個有統(tǒng)計學(xué)意義的因素納入多因素Logistic回歸分析模型。在進行多因素Logistic回歸分析前,需要考慮各自變量間的多重共線性問題,利用SPSS相關(guān)分析來檢驗自變量間的多重共線性問題,經(jīng)檢驗得知所選取的自變量之間并未存在相關(guān)關(guān)系。多因素Logis

13、tic回歸分析采用正向逐步選擇法,來分析各個因素的重要性,確定自變量。給定顯著性水平α=0.05,如果自變量的Wald統(tǒng)計量的顯著性概率p值(p value)小于顯著性水平,表明該自變量與因變量顯著相關(guān),選擇該自變量；反之,表明該自變量與因變量顯著不相關(guān),不選擇該自變量。經(jīng)過分析,最后進入回歸模型的自變量包括駕駛員的性別、年齡、限速區(qū)域、交通控制形式、事故發(fā)生時段、事故形態(tài)(DCA)、安全帶的使用與否,這7個因素是顯著影響交叉路口交通事

14、故人員傷情嚴(yán)重程度的重要因素。研究發(fā)現(xiàn)男性駕駛員參與的交叉路口事故,發(fā)生人員死亡的比數(shù)高出女性駕駛員參與的交叉路口事故的32%,原因是男性駕駛員比女性駕駛員更容易傾向于一些冒險的駕駛行為,如易超速、黃燈時易加速通行、跟車較近、不使用安全帶、酒后駕車等。本次研究將年齡分為16-24；25-44；45-64；65歲及以上四個組別,65歲及以上組別的駕駛員參與的交叉路口事故發(fā)生人員死亡的比數(shù)是16-24歲組別的2倍以上,這與人體生理狀態(tài)有較大

15、的關(guān)聯(lián),這個組別的駕駛員因為視力退化、反應(yīng)遲鈍等原因?qū)ν话l(fā)交通事件的處理會有所不及；限速區(qū)域同樣是影響事故傷情嚴(yán)重程度的重要因素,發(fā)生在限速為100km/h區(qū)域的交叉路口事故,其人員死亡的比數(shù)是發(fā)生在50km/h限速區(qū)域事故的10.5倍。由于碰撞能量與速度成平方關(guān)系,較高的速度對駕駛員對突發(fā)事件的反應(yīng)時間提出了更高的要求,而且駕駛員對車輛的控制能力會在高速下有所缺失。60km/h限速區(qū)域的交叉路口事故死亡的比數(shù)是50km/h限速區(qū)域的2

16、.2倍,70km/h限速區(qū)域的交叉路口事故死亡的比數(shù)是50km/h限速區(qū)域的4.4倍,而80km/h限速區(qū)域的交叉路口事故死亡的比數(shù)是50km/h限速區(qū)域的3.7倍,原因可能是在澳大利亞80km/h的限速地帶道路雙向車道中央具有隔離帶和較完善的分流,而低于80km/h的限速區(qū)域并無隔離帶,所以70km/h的限速區(qū)域的事故死亡比數(shù)相比80km/h的反而較高；發(fā)生在無任何交通標(biāo)志控制措施的交叉路口的事故死亡比數(shù)是交通信號燈控制路口的兩倍。雖

17、然環(huán)形島不僅降低了車輛的通行速度,而且將原本十字交互的側(cè)面碰撞,轉(zhuǎn)化為斜側(cè)面碰撞,與十字交叉路口相比較為安全,然而本研究中,發(fā)生在環(huán)形島的事故死亡比數(shù)并未顯著區(qū)別于參照水平；凌晨0：00-5：59作為本次研究中交叉路口事故發(fā)生時段的參照水平,結(jié)果表明發(fā)生在凌晨的交叉路口事故,其受害者死亡可能性高于其他時段的事故。各時段死亡比數(shù)的順序為0：00-5：59(凌晨)>18：00-23：59(夜晚)>12：00-17：59(下午)>6：00-1

18、1：59(上午)。凌晨時段,駕駛員易疲勞,并且由于此時路面行人車輛較少,導(dǎo)致駕駛員較易高速飆車,這些都是導(dǎo)致死亡比率高的原因；包含行人的事故形態(tài)(DCA‘100-109’),其死亡可能性高于其他類別,其原因是行人是道路使用的弱勢群體。車輛駛離路面與路邊固定物體或所停車輛碰撞(DCA‘171&173’)所導(dǎo)致的事故死亡比數(shù)比位于所有事故形態(tài)死亡比數(shù)比的第二位,車輛與路邊的剛性柱子或樹木相撞,則大部分的碰撞能量將由車輛吸收,從而給乘員施加了

19、較大的碰撞加速度,而且車輛與柱狀物發(fā)生側(cè)面碰撞,二者接觸面積較窄,較易發(fā)生乘員艙的侵入等,從而加大了事故傷亡等級的嚴(yán)重性；從使用安全帶的情況來看,未使用安全帶的事故死亡比數(shù)是使用安全帶事故的4倍,這個研究數(shù)據(jù)重申了安全帶的重要性。
　　再次,應(yīng)用故障樹技術(shù)(Fault tree analysis)對已經(jīng)發(fā)生的交叉路口交通事故進行分析,探索事故發(fā)生的深層次原因。所用案例來自澳大利亞國家深入事故調(diào)查研究項目(Australian Na

20、tional Crash Investigation Study-ANCIS),共有132個具有完整信息的交叉路口事故案例被納入分析。交通事故調(diào)查大體上分兩類：類是統(tǒng)計性事故調(diào)查；另一類是深入事故調(diào)查。統(tǒng)計性事故調(diào)查一般由交通管理部門承擔(dān),它能宏觀顯示事故的基本信息、交通傷分級等,本文的描述性統(tǒng)計研究和Logistic回歸分析所用數(shù)據(jù)來自統(tǒng)計性事故調(diào)查。深入事故調(diào)查方法可以彌補傳統(tǒng)的統(tǒng)計性事故調(diào)查方法中部分重要事故數(shù)據(jù)的缺失,已在發(fā)達國

21、家興起,是由工程技術(shù)人員、醫(yī)療專家、交通管理部門專家組成的多學(xué)科工作組對具體事故的原因、狀況、過程、結(jié)果等數(shù)據(jù)進行全面采集并予以詳細(xì)分析的方法。本文簡短地概述了世界各國的深入事故調(diào)查方法,并對澳大利亞國家深入事故調(diào)查項目進行了詳細(xì)描述。故障樹分析方法不同于描述性統(tǒng)計分析和Logistic回歸分析,后兩者可對交叉路口事故進行全局分析,了解事故發(fā)生的規(guī)律特征以及影響事故傷情的各獨立危險因素,而故障樹模型的建立是利用深入事故調(diào)查,通過系統(tǒng)性地

22、建模體現(xiàn)交叉路口事故的發(fā)生與人、車、道路環(huán)境等因素之間的邏輯關(guān)系。故障樹的建模是自上而下的過程,本文首次嘗試通過頂事件(Top event)-交叉路口事故的發(fā)生與駕駛員有無違反交通規(guī)則的上下關(guān)系來分類,并根據(jù)邏輯關(guān)系推斷下一層中間事件(Intermediate event)。若駕駛員遵守交通規(guī)則,則錯誤的發(fā)生可能是由于操作或判斷失誤導(dǎo)致。通過對判斷失誤的進一步展開,可得人員失誤或者車輛故障可導(dǎo)致判斷失誤。其中判斷失誤包括誤判車速／車距或

23、未在適當(dāng)時刻發(fā)現(xiàn)正在同一運行軌跡上的道路使用者。同樣可對未在適當(dāng)時刻發(fā)現(xiàn)對方的中間事件展開子樹建模,并由此擴展到基本事件(Basic event)-事故基本致因(Contributing factor)。在此僅舉故障樹的部分子樹為例,本文根據(jù)自上而下邏輯推理的方法建立了交叉路口事故故障樹模型的子樹,并通過各個案例的事故致因分配以及基本事件的概率計算對故障樹模型進行了最小割集的求解,通過求解可以了解到哪些不利因素組合在一起最易導(dǎo)致交叉路口

24、事故的發(fā)生,從而可以根據(jù)這些信息來開展交通事故的預(yù)防工作。由事故調(diào)查組根據(jù)深入事故調(diào)查案例報告中的駕駛員調(diào)查訪問表,車輛信息和道路信息等綜合信息確定導(dǎo)致各個交叉路口事故案例發(fā)生的一個或多個基本致因。最終,故障樹研究發(fā)現(xiàn)駕駛員因素獨立引發(fā)交叉路口事故發(fā)生的比例占72%,駕駛員與環(huán)境因素共同影響的因素占26%,而環(huán)境作為單獨影響因素的比例僅占2%。此次分析未出現(xiàn)車輛因素對交叉路口事故發(fā)生的影響比例,原因可能在于深入事故調(diào)查中并未強調(diào)對有無車

25、輛故障信息的認(rèn)證而只是聽從當(dāng)事者的描述,而且樣本數(shù)量的缺乏也可能是原因之一。故障樹最小割集的研究發(fā)現(xiàn)導(dǎo)致交叉路口事故發(fā)生最普遍的原因是駕駛員誤判速度或車間距離且碰撞前并未采取任何規(guī)避措施,其概率占了總數(shù)的15%。排在第二的原因是,駕駛員無視交通標(biāo)志或信號燈且碰撞前同樣未采取任何規(guī)避措施,其發(fā)生概率為11%。研究發(fā)現(xiàn),駕駛員故意行為引發(fā)交叉路口事故的概率約為37%,而駕駛員判斷意外而導(dǎo)致交叉路口事故發(fā)生的概率為63%。研究還發(fā)現(xiàn),只有28

26、%的駕駛員在即將發(fā)生事故的時候嘗試采取規(guī)避措施,而72%的駕駛員并未采取任何規(guī)避措施。由于精神或身體不適引發(fā)交叉路口事故發(fā)生的概率為11%,注意力不集中導(dǎo)致交叉路口事故發(fā)生的概率為9%。本文通過對交叉路口交通事故的故障樹致因建模及分析,可為事故的發(fā)生機制進行系統(tǒng)可視化地推論。
　　隨后,利用ASP.NET和ACCESS等技術(shù)開發(fā)了交通事故致因因素數(shù)據(jù)庫系統(tǒng)。數(shù)據(jù)庫可以方便地儲存和處理交通事故資料信息,為進行交通事故和交通傷害深入研

27、究提供平臺。在發(fā)達國家的交通事故研究中,各種類型的數(shù)據(jù)庫發(fā)揮著不可忽視的作用。隨著國內(nèi)對深入事故調(diào)查研究的開展,也開始引入交通事故數(shù)據(jù)庫的研究。交通事故的致因分析可從本質(zhì)上剖析事故發(fā)生的原因,為合理有效地預(yù)防事故提供依據(jù)。前文已提及的Logistic回歸分析了影響交叉路口事故傷情的風(fēng)險因素,而故障樹分析可視化地推論了事故發(fā)生的前因后果邏輯關(guān)系,并得到了事故因素的比例。事故致因因素的研究重要性已得到了廣泛的認(rèn)同,然而國內(nèi)外的事故數(shù)據(jù)庫對這

28、項內(nèi)容仍缺乏相應(yīng)的較為全面的記錄。本文構(gòu)建了交通事故致因因素數(shù)據(jù)庫,該系統(tǒng)可輔助收集事故發(fā)生的可能影響因素。隨著互聯(lián)網(wǎng)以及相關(guān)軟件技術(shù)的日漸成熟,網(wǎng)絡(luò)互動系統(tǒng)的應(yīng)用已觸及許多領(lǐng)域,并帶來了許多便利。本文的數(shù)據(jù)庫系統(tǒng)便是在.NET框架下實現(xiàn)的動態(tài)網(wǎng)絡(luò)系統(tǒng)。ASP.NET技術(shù)是Microsoft開發(fā)的一種全新技術(shù),它在.NET框架上提供了一種從構(gòu)建到管理再到展開的一個全方位的Web開發(fā)平臺,由C#進行編寫。本系統(tǒng)選用MicrosoftAcc

29、ess作為數(shù)據(jù)庫平臺。
　　本數(shù)據(jù)庫系統(tǒng)包括兩種用戶類型：信息錄入用戶和信息查詢用戶。數(shù)據(jù)庫的管理員可添加刪減用戶。信息錄入用戶需對本數(shù)據(jù)庫建設(shè)目的、各調(diào)查項目內(nèi)容、相關(guān)術(shù)語及概念的定義進行培訓(xùn),以保證完整、準(zhǔn)確地記錄數(shù)據(jù)信息。信息查詢用戶可通過查詢條件有效尋找所需的信息。該系統(tǒng)前臺網(wǎng)站包括登錄界面、信息錄入界面、信息查詢界面、信息顯示界面。信息錄入界面包含的內(nèi)容為事故基本信息、人的因素、車輛因素、環(huán)境因素。事故基本信息包括卷入事

30、故的車輛數(shù)目、事故發(fā)生的日期、時間、碰撞變形類別(CDC),合力方向(PDOF)、速度差(Delta-V)等。人的因素界面記錄了肇事駕駛員的年齡、性別、駕駛年限等基本信息,而駕駛員事故發(fā)生前所采取的避撞措施也被納入該系統(tǒng)。采用與故障樹建模相同的方式將事故的發(fā)生分為駕駛員有無違反交通規(guī)則兩大類,若駕駛員遵守交通規(guī)則,則事故的發(fā)生可能是由于操作或判斷失誤導(dǎo)致。其中,判斷失誤包括誤判車速／車距(Misjudging speed/gap)或未在

31、適當(dāng)時刻發(fā)現(xiàn)正在同一運行軌跡上的道路使用者(Failing to see other road users)。車輛因素界面涵蓋了車輛的廠家、型號、行駛里程、車輛的狀況、載荷和設(shè)計等信息。環(huán)境因素界面包括道路限速、類型、天氣狀況、照明、交通控制等10項信息。信息查詢界面為方便用戶查詢,設(shè)定了一些常用的查詢條件。信息顯示界面可全面顯示錄入本系統(tǒng)的事故所有信息。
　　最后,對基于專用短程通信技術(shù)的交叉路口交通事故防撞預(yù)警系統(tǒng)進行效果評估

32、。為了緩解交叉路口事故對人類社會的危害,世界各國都在預(yù)防交叉路口事故上開展了多項研究。智能交通系統(tǒng)的出現(xiàn)有潛力改善交叉路口的通行矛盾,為出行者提供更安全的服務(wù),其中,交叉路口防撞預(yù)警系統(tǒng)(Intersection Collision Warning System-ICWS)的應(yīng)用前景得到了許多的肯定,且專用短程通信技術(shù)(Dedicated Short Range Communication-DSRC)因其延時短,抗干擾強,數(shù)據(jù)傳播穩(wěn)定等

33、優(yōu)點,被公認(rèn)為最適合應(yīng)用在移動車輛上的無線通信技術(shù)。因此,澳大利亞政府部門聯(lián)合科研機構(gòu)共同開發(fā)基于專用短程通信技術(shù)的交叉路口防撞預(yù)警系統(tǒng),希望可通過該系統(tǒng)降低澳大利亞交叉路口事故的發(fā)生率和危害性。為了有效開發(fā)該套系統(tǒng),需要先對其用戶接受度及應(yīng)用效果進行評價,而由于道路實車實驗成本較高,且在系統(tǒng)試制階段實現(xiàn)較為困難,汽車駕駛模擬器可為解決這些問題提供便利。本文利用澳大利亞Monash大學(xué)事故研究中心的駕駛模擬器建立了實驗虛擬場景,并模擬防

34、撞系統(tǒng)的觸發(fā),以此來研究交叉路口防撞預(yù)警系統(tǒng)在突發(fā)事件下對駕駛員行為表現(xiàn)的作用效果。為了說明駕駛模擬器的應(yīng)用價值,本文也簡要地概述了駕駛模擬器的軟硬件結(jié)構(gòu)、基本原理及其優(yōu)缺點。駕駛模擬器實驗包含三個階段：準(zhǔn)備階段、實驗階段、數(shù)據(jù)處理階段。
　　準(zhǔn)備階段,包括人員準(zhǔn)備,實驗虛擬場景準(zhǔn)備,各類相關(guān)文件準(zhǔn)備等。人員準(zhǔn)備：明確了駕駛模擬器實驗的目的之后,開始招募志愿者。由于駕駛員的性別和駕駛經(jīng)驗也是本次實驗的研究變量,因此通過網(wǎng)頁信息和傳

35、單廣告,招募了32位駕駛員作為實驗對象參加了本次實驗,其中包括16位年輕缺少經(jīng)驗的駕駛員(年齡在18歲至24歲之間,駕車時間不多于1年的男性,女性各8名)以及16位年紀(jì)大的有經(jīng)驗的駕駛員(年齡在25歲至64歲之間,駕車時間不少于5年的男性,女性各8名)。實驗虛擬場景準(zhǔn)備：本論文關(guān)于交叉路口事故的致因分析發(fā)現(xiàn),駕駛員未遵守交通信號燈或交通標(biāo)志,且未采取規(guī)避措施的因素導(dǎo)致交叉路口事故的發(fā)生約占全部事故因素的11%；兩車十字交互通行(碰撞形態(tài)

36、為DCAl10)及來車轉(zhuǎn)彎去車直行(碰撞形態(tài)為DCA121)的事故發(fā)生頻率相對而言較高：交叉路口事故發(fā)生在60km/h限速區(qū)域的比例明顯高于其它限速區(qū)域。本文的虛擬場景根據(jù)以上條件設(shè)立。駕駛模擬器實驗的虛擬事件場景為駕駛模擬器“主車”駕駛員根據(jù)交通規(guī)則行駛在限速為60km/h的雙向雙車道主干路上,當(dāng)“主車”行至有交通信號燈控制的交叉路口時,有一違規(guī)車輛以70km/h的速度闖紅燈過路口,并且其在模擬器“主車”的運行交叉軌跡上。實驗中根據(jù)兩

37、車十字交互通行(碰撞形態(tài)為DCA110)及來車轉(zhuǎn)彎去車直行(碰撞形態(tài)為DCA121)通行模式模擬違規(guī)車輛的出現(xiàn)：“主車”直行,違規(guī)車輛自交叉路口另一分支左端出現(xiàn)為場景110L；“主車”直行,違規(guī)車輛自交叉路口另一分支右端出現(xiàn)為場景110R；“主車”直行,違規(guī)車輛從來車方向右轉(zhuǎn)彎為場景121,共三種虛擬事件場景(*澳大利亞交通規(guī)則為靠左通行)。模擬器根據(jù)公式計算“主車”安全停車距離,并在此位置觸發(fā)交叉路口防撞預(yù)警系統(tǒng)。為對比有無警示系統(tǒng)及

38、不同警示系統(tǒng)的作用,觸發(fā)點包括無警示觸發(fā),視像警示系統(tǒng)觸發(fā)和音頻警示系統(tǒng)觸發(fā)三種不同形式。本實驗采用組內(nèi)組間混合實驗設(shè)計,組內(nèi)設(shè)計的自變量為警示系統(tǒng),包含無警示(No Warning),視像警示(Visual Warning)和音頻警示(Audio Warning)三個水平,組間設(shè)計的自變量為駕駛員性別和駕駛經(jīng)驗,屬于實驗對象自身屬性。由于違規(guī)車輛出現(xiàn)的模式不同,共有110L,110R,121三種虛擬場景,而實驗對象需進行所有的警示系統(tǒng)

39、水平和虛擬事件場景實驗,因此采用拉丁方設(shè)計來平衡警示系統(tǒng)水平順序排列及不同虛擬事件場景間的排列以減少傳遞效應(yīng),并分配實驗對象按照順序進行實驗。
　　實驗階段：實驗對象到達駕駛模擬器實驗室時,他們首先需要閱讀本次實驗簡要介紹,確認(rèn)實驗同意書,填寫個人信息以及當(dāng)前身體狀態(tài),有無暈動病史等。在進行正式實驗前,他們需完成駕駛模擬器練習(xí),以便熟悉模擬器駕駛,同時便于實驗員觀察他們有無模擬器“暈車”傾向,一旦發(fā)現(xiàn)有“暈車”傾向,需立即停止實驗

40、,并進行醫(yī)療輔助。在完成駕駛模擬器練習(xí)后,每個實驗對象需進行三次正式駕駛實驗。為規(guī)避實驗的可預(yù)測性,單次子實驗駕駛行程包含七至八個交叉路口,其中任意三個路口為虛擬事件場景路口,包含了不同警示系統(tǒng)的觸發(fā),其它路口為所有車輛正規(guī)通行的交叉路口。
　　數(shù)據(jù)處理階段：實驗完畢,進行數(shù)據(jù)處理,根據(jù)方差分析(ANOVA)來檢驗不同警示條件下的駕駛員行為差異性。結(jié)果顯示,在本次實驗的三種虛擬場景中,交叉路口防撞預(yù)警系統(tǒng)(視像警示或音頻警示)可以

41、有效縮短駕駛員對突發(fā)事件的反應(yīng)時間,顯著降低車輛的運行速度。而且,在兩車十字交互通行來車方向為右110R的虛擬場景中,音頻警示系統(tǒng)作用下的駕駛員反應(yīng)時間(1.27秒)顯著短于視覺警示系統(tǒng)作用下的反應(yīng)時間(1.79秒)(p=0.027)。在兩車十字交互通行來車方向為左110L和來車轉(zhuǎn)彎去車直行121的虛擬場景中,交叉路口防撞預(yù)警系統(tǒng)可顯著提高駕駛員剎車減速度。在兩車十字交互通行來車方向為右110R的虛擬場景中,男性駕駛員所表現(xiàn)的對突發(fā)事件

42、的反應(yīng)時間(1.85秒)顯著短于女性駕駛員的反應(yīng)時間(2.22秒)[F(1,27)=4.743,p=0.038],經(jīng)驗豐富的駕駛員平均反應(yīng)時間(1.84秒)趨向短于新手駕駛員的平均反應(yīng)時間(2.23秒)[F(1,27)=4.150,p=0.052]；在來車轉(zhuǎn)彎去車直行121的虛擬場景中,男性駕駛員駕車的平均時速顯著高于女性駕駛員,且經(jīng)驗豐富的駕駛員平均剎車減速度顯著高于新手駕駛員。卡方檢驗(Chi-square test)表明安裝警示系

43、統(tǒng)的車輛事故發(fā)生率與未安裝警示系統(tǒng)的車輛對比具有統(tǒng)計學(xué)顯著性區(qū)別。應(yīng)用預(yù)警系統(tǒng)后,交叉路口事故的比例顯著減少了約40%至50%[110L&121：(χ2=20.779,p=0.000)；110R：(χ2=18.563,p=0.000)]。因此,ICWS可以有效地減少交叉路口事故的比例。駕駛模擬器實驗表明基于專用短程通信技術(shù)的交叉路口碰撞警示系統(tǒng)可以有效降低交叉路口事故發(fā)生率,顯著縮短駕駛員對突發(fā)事件的反應(yīng)時間。模擬器實驗還揭示了不同經(jīng)驗

44、不同性別的駕駛員行為特性。進一步研究中,可以根據(jù)實驗需求,制定更完善的實驗計劃以獲取更多的信息。
　　隨著汽車產(chǎn)業(yè)的快速發(fā)展和機動車輛的急劇增加,道路交叉路口的交通需求將進一步增大,針對交叉路口事故的深入剖析,將對改善交叉路口的交通安全提供有利依據(jù)。本文首先應(yīng)用描述性統(tǒng)計方法,對交叉路口傷亡事故進行分類別頻數(shù)分析,并應(yīng)用圓形分析法研究事故發(fā)生的時間集中趨勢,從而全面分析交叉路口事故發(fā)生的規(guī)律和特征。其次,Logistic回歸分析揭

45、示了影響交叉路口事故傷情嚴(yán)重程度的風(fēng)險因素,通過對風(fēng)險因素的識別以及其各因素水平對事故傷情嚴(yán)重程度的討論,深入了解交叉路口交通傷的特點。本文利用澳大利亞國家深入事故調(diào)查項目案例,通過故障樹的建模技術(shù)對已經(jīng)發(fā)生的交叉路口交通事故進行分析,探索事故發(fā)生的深層次原因。事故致因因素的研究重要性已得到了廣泛的認(rèn)同,然而國內(nèi)外的事故數(shù)據(jù)庫對這項內(nèi)容仍缺乏相應(yīng)的較為全面的記錄。本文利用ASP.NET和ACCESS等技術(shù)構(gòu)建了交通事故致因因素數(shù)據(jù)庫,該

46、系統(tǒng)可輔助收集事故發(fā)生的可能影響因素。最后本文提出應(yīng)用駕駛模擬器對交叉路口防撞預(yù)警系統(tǒng)的駕駛行為影響進行實驗研究的方法,所得結(jié)果可以驗證交叉路口防撞預(yù)警系統(tǒng)的有效性,為開發(fā)該系統(tǒng)提供有利的信息和依據(jù)。
　　本文的主要創(chuàng)新點：
　　1)應(yīng)用Logistic回歸法揭示了影響交叉路口事故傷情嚴(yán)重程度的風(fēng)險因素,并深入研究了各因素水平對事故傷情嚴(yán)重程度的影響。國內(nèi)的交通事故流行病學(xué)研究大部分為描述性流行病學(xué)研究,較少有多因素的綜合分

47、析性流行病學(xué)研究,特別是由于國內(nèi)針對交叉路口的交通事故數(shù)據(jù)匱乏,難以開展深入的交叉路口事故分析。雖然澳大利亞有一些關(guān)于交叉路口事故的研究,但缺乏針對交叉路口事故傷情嚴(yán)重程度的研究。本文充分利用了澳大利亞交通事故數(shù)據(jù)庫中的交叉路口的詳細(xì)事故數(shù)據(jù),分析建立在豐富的樣本和翔實的數(shù)據(jù)的基礎(chǔ)上,得到的結(jié)論可為澳大利亞相關(guān)部門采取科學(xué)的預(yù)防措施和合理的救治策略提供有效的依據(jù),對缺乏交叉路口事故數(shù)據(jù)的國內(nèi)研究來說,也具有一定的借鑒意義。
　　2

48、)建立了交叉路口事故故障樹分析模型,系統(tǒng)性地展示了交叉路口事故發(fā)生的前因后果邏輯關(guān)系。通過最小割集的定量求解,可以研究哪些不利因素組合在一起會導(dǎo)致交叉路口事故的發(fā)生,以及各個不利因素在交叉路口事故發(fā)生中的重要程度,從而可以根據(jù)這些信息來開展交叉路口事故的預(yù)防工作。雖然國內(nèi)也有少數(shù)應(yīng)用故障樹開展交通事故研究的文獻,然而,這些研究由于事故數(shù)據(jù)的匱乏,往往只能進行模型的初步建立以及對最小割集和結(jié)構(gòu)重要度的定性求解,難以進行定量分析。國外也有一

49、些交通事故故障樹模型的建立,然而這些模型往往太過細(xì)致,難以得到各個基本事件的有效概率,最終仍需進行模型簡化。故障樹建模涉及的致因因素(基本事件)選自澳大利亞交通安全局的道路交通事故致因表,所有致因因素數(shù)據(jù)均可由澳大利亞國家深入事故調(diào)查研究項目獲得,可有效地對故障樹模型進行概率分析,從而得到事故各個致因因素的重要度。
　　3)交叉路口交通事故故障樹模型改變以人、車、環(huán)境三因素為獨立故障樹子樹來開展研究的方法,首次嘗試通過交叉路口事故

50、的發(fā)生與駕駛員有無違反交通規(guī)則的上下關(guān)系來分類,并在子樹中融合車輛因素與道路環(huán)境因素,從而體現(xiàn)三者的交互作用。該新方法,更能挖掘道路交通事故人、車、環(huán)境相互影響的本質(zhì)。
　　4)創(chuàng)建了交通事故致因因素數(shù)據(jù)庫,并應(yīng)用ASP.NET和ACCESS技術(shù)開發(fā)了數(shù)據(jù)庫動態(tài)網(wǎng)絡(luò)系統(tǒng)。該系統(tǒng)界面簡潔、框架清晰、自然易懂。設(shè)計所囊括的條目較為全面地涵蓋了人、車、環(huán)境等事故可能影響因素,可為研究交通事故致因因素提供便利。而動態(tài)網(wǎng)絡(luò)特性改變了單機處理

51、數(shù)據(jù)庫的限制,使該系統(tǒng)更易于操作,且有利于信息的推廣。
　　5)交叉路口防撞預(yù)警系統(tǒng)的應(yīng)用前景得到了國內(nèi)外專家學(xué)者的肯定,然而針對預(yù)警系統(tǒng)對駕駛行為影響的研究卻不多見。提出了應(yīng)用駕駛模擬器對交叉路口防撞預(yù)警系統(tǒng)的駕駛行為影響進行實驗研究的方法,并建立了實驗測試模型,開展了大量的志愿者實驗,所得結(jié)果可以用于研究交叉路口防撞預(yù)警系統(tǒng)的有效性,以便更合理有效地開發(fā)該系統(tǒng)。目前,國內(nèi)開展的駕駛模擬器研究側(cè)重于模擬器的軟硬件開發(fā)及對車輛性能