基于AHP法的駕駛員反應時間影響因素評價研究

張智勇，賈建林，張丹丹，梁天聞

(北京工業大學 城市交通學院交通工程北京市重點實驗室，北京 100124)

0 引 言

隨著機動車保有量的逐年增長，據不完全統計2015年交通事故達到20萬起，其中有70%的事故是由駕駛員自身原因造成的。影響駕駛員安全駕駛的因素有很多，其中駕駛員反應時間是重要因素之一。在車速60～80 km/h時，如果反應時間延長零點幾秒，剎車距離就會增加十幾米，這在一定程度上會造成人身危險[1]。駕駛員反應時間是車輛安全距離的一個重要參數，同樣也是車輛智能預警系統的一個重要參數。駕駛員反應時間是指遇到危險信號時，腳從油門踏板移動到剎車踏板的時間。不同的駕駛員、不同的道路狀況以及不同的外在環境其反應時間均不相同。影響駕駛員反應時間的影響因素有很多，但對于各個影響因素之間差異性的研究還比較少，因此有必要對各個影響因素進行重要度分析。

國外對駕駛員反應時間的研究最早開始于車輛跟車模型。G.JOHANSSON[2]在實際的交通流中對321個駕駛員進行了剎車時間的測試，得出駕駛員在遇到危險時的反應時間，G.JOHANSSON早期的研究只是對駕駛員在遇到危險時反應時間進行一個統計分析，沒有考慮更多因素對反應時間的影響；ZHANG E等[3]在駕駛模擬艙中分別對駕駛員的靜態反應時間和動態反應時間進行測試，得出駕駛員在駕駛機動車時從事與駕駛無關的工作時會使反應時間增加；R. S. JURECKI等[4]在復雜的模擬環境下對駕駛員反應時間進行了測試，并對30位駕駛員的平均反應時間進行線性回歸。

國內對駕駛員的反應時間研究也有很多，呂集爾等[5]運用改進后的Nasch模型對駕駛員反應時間進行研究得出反應時間對交通安全的影響曲線，提出杜絕酒后駕駛和疲勞駕駛是安全行車的前提；耿嵐鑫等[6]利用簡單反應時間測試儀器，對駕駛員年齡、性別、駕駛經驗等特性進行研究并得出駕駛員的具體反應時間，為預警類輔助駕駛系統提供一定的理論基礎；竇廣波等[7]通過2駕駛經驗×2危險類型混合實驗設計，并利用眼動儀對駕駛員反應時間進行測試，得出緩慢出現的危險會誘發有經驗駕駛員的情景意識，他們的注意模式會更好；吳超仲等[8]在不考慮性別年齡影響的情況下，只考慮駕駛員的經驗和熟練程度，根據密度函數求出駕駛員的反應時間。

目前國內外對駕駛員反應時間的研究主要集中在某一特定的因素下進行研究，但是影響駕駛員的反應時間的因素較多，各個影響因素之間的差異性研究還較少。因此，通過構造駕駛員反應時間影響因素層次分析框架，利用AHP法對其影響因素重要度進行分析，得出各個影響因素的權重。

1 駕駛員反應時間的影響因素

駕駛行為研究中重要的一項就是反應時間，由于受到復雜的道路交通環境影響，駕駛員的反應時間影響因素較多。總的來說駕駛員反應時間的影響因素可以從駕駛員自身狀況、道路狀況以及交通狀況3個方面進行分析。

1.1 駕駛員自身因素

影響駕駛員反應時間的自身因素主要包括駕駛員的年齡、性別、駕駛經驗、心理、生理狀況等。目前，根據公安部交通管理局的交通事故表明，由于駕駛員自身因素導致的交通事故占所有交通事故的70%以上[9]。駕駛員的反應時間隨著年齡的增加會不斷地增加；女性駕駛員相應地比同等條件下男性駕駛員的反應時間長[10]；駕駛經驗豐富的駕駛員反應時間較少[11]。駕駛員的生理影響因素主要包括駕駛員的疾病(重大疾病、一般性疾病與輕微性疾病)、疲勞程度、器官功能性缺陷(色弱、色盲、弱視等)、生理機能的變化(飲酒、吸煙、藥物及飲品等)，這些生理因素對駕駛員的反應時間均有重要影響,如駕駛員連續駕駛3個小時大腦就會出現疲勞狀況，事故率就會逐漸增加，因此生理因素在一定程度上會造成駕駛員的反應時間延長。此外，駕駛員的心理因素主要包括在駕駛員的抑郁、焦慮、敵對、恐怖、偏執等因素，駕駛員存在心理問題，就會造成注意力不集中，判斷能力下降，相應的反應時間就會變長。

1.2 交通環境因素

交通環境影響因素主要包括外部天氣狀況、不同的駕駛時段、不同的速度以及交通秩序等。在災害性天氣條件下能見度較低，駕駛員的視覺會受到一定的影響，其感知閾值就會相應的提高，駕駛員需要花費更多的時間判斷前車車輛運行狀態，造成反應時間的增加[12]。駕駛時段是指駕駛員一天中駕駛車輛所處的時間段，一般情況下白天比黑夜和凌晨的反應時間要少。在中午或者深夜由于具有強烈的睡意很容易產生疲勞的現象，造成駕駛員視力下降，視野變窄，相應反應時間就會增加[13]。不同的速度下駕駛員的反應時間不同，隨著車速的增加駕駛員的視野逐漸變小，注視點也逐漸的變遠，其動態視力及空間辨識能力下降，造成反應時間呈現一定的上升趨勢[14]。

1.3 道路狀況因素

道路狀況因素主要包括道路的等級、道路的線形、路面平整度以及一些路況條件。道路線形條件比較差時，如駕駛員在行駛時遇到急彎、視距不良路段等道路條件時，駕駛員就會出現高度的緊張，很容易引起駕駛疲勞，其反應時間就會增加；此外，如果交通流密度較大時駕駛員就會出現一種焦慮的狀態，注意力比較集中就會出現反應時間的延長。

2 AHP模型構建

AHP模型共包括3個層次，即目標層、準則層和方案層。對駕駛員反應時間影響因素進行研究，需要依次確定各個層次所對應的要素。

2.1 目標層要素

總目標層為駕駛員反應時間，用C表示。

2.2 準則層要素

準則層要素包括：①自身狀況B1，駕駛員自身原因是造成交通事故的主要因素，不同的駕駛員在不同的自身影響條件下，反應時間差別很大；②交通環境狀況因素B2，不同的交通環境下，駕駛員的反應時間會有很大差別，在不同的天氣狀況以及不同的駕駛時段下，駕駛員的反應時間都會有差別；③道路狀況因素B3，如越大的交通流速度下，駕駛員的反應時間就會越長。

駕駛員自身因素、交通環境狀況因素和道路狀況因素分別從人、車、路以及環境方面將復雜的道路交通包括在內，這3個層次能夠綜合的反映影響駕駛員反應時間的不同方面。

2.3 方案層要素

通過對駕駛員反應時間影響因素的分析，總結出對應于3個準則層的各個指標，作為方案層要素。其中，駕駛員自身狀況因素主要從駕駛經驗、年齡、性別等方面評價。交通環境因素主要從天氣狀況、駕駛時段、交通秩序以及速度等方面進行評價。道路狀況因素主要從道路等級、道路線形、路面平整度以及路況特點等進行評價。

2.4 層次結構模型

根據上述目標層、準則層和方案層要素的分析，建立圖1所示的駕駛員反應時間影響因素層次結構模型。

圖1 駕駛員反應時間影響因素層次結構模型Fig. 1 Hierarchical structure model drivers' reaction times’ influencing factors

3 反應時間影響因素重要度模型計算

3.1 影響因素重要度調查方法

論文采用問卷調查的方法采集數據。根據上述駕駛員反應時間影響因素分析，并借助SAATY提出的互反性1～9重要性標度進行問卷設置[15]。重要性標度表如表1，問卷形式如表2。

表1 重要性標度含義Table 1 Scale and meaning of importance

表2 影響因素重要度調查問卷Table 2 Questionnaire of influencing factors

調查對象分為3類：駕駛行為研究專家、道路交通安全專家和駕駛里程達到50 000 km以上的經驗豐富的駕駛員。為了使結果更加合理，賦予以上3類調查對象40%、30%和30%的初始權重。駕駛行為研究專家主要指從事駕駛員基本反應特性研究的專家，調查數量為12人；道路交通安全專家主要是研究道路交通流理論以及道路線形設計的專家，調查數量為10人；具有5年以上駕駛經驗的駕駛員調查數量為158人。

3.2 影響因素重要度數據

本次調查共發放問卷180份，實際收回178份，全部為有效問卷。通過對駕駛行為專家賦初始權重40%、道路交通安全專家賦初始權重30%以及駕駛里程達到50 000 km以上的經驗豐富駕駛員賦初始權重30%，并結合問卷調查結果，整理后得到表3～表6判斷矩陣。通過問卷調查保證了數據的準確性、獨立性和客觀性。

表3 總目標層對應的判斷矩陣Table 3 Judgement matrixes corresponding to total target layer

表4 自身狀況對應的判斷矩陣Table 4 Judgement matrixes corresponding to drivers’ conditions

表5 交通環境狀況判斷矩陣Table 5 Judgement matrixes corresponding to traffic environment

表6 道路狀況判斷矩陣Table 6 Judgement matrixes corresponding to road condition

3.3 層次單排序和一致性檢驗

層次單排序是通過判斷矩陣計算,對于上一層某元素，本層次與之相關的各元素重要性次序的權值，層次單排序的基礎是通過判斷矩陣計算相應的特征根以及特征向量。在保證精度的情況下，求出最大特征值和特征向量，將特征向量歸一化就得到判斷矩陣的權重向量。

由于反應時間的影響因素較多，根據問卷調查得到的判斷矩陣，對某些因素很難給出非常精確的比較判斷，可能產生不一致性，需要進行一致性的檢驗。計算判斷矩陣一致性指標CI值，以及隨機一致性比例CR值，如式(1)～式(2)：

(1)

(2)

式中：RI為平均隨機一致性指標，具體取值如表7。當判斷矩陣的一致性指標CI與平均一致性指標RI均小于0.1時，判斷矩陣具有滿意的一致性。具體計算結果如表8～表9。

表7 判斷矩陣RI取值Table 7 Value of RI for judgement matrixes

表8 判斷矩陣的計算結果Table 8 Value of RI for judgement matrixes

表9 最大特征值對應的歸一化向量Table 9 Normalized vector of maximal eigenvalue

3.4 元素的組合權重

表10 駕駛員反應時間要素指標權重計算結果Table 10 Weight calculation results of drivers’ reaction time

圖2 反應時間影響因素重要度排序Fig. 2 Weight ratio of index factors

組合權重一致性檢驗指標計算如下：

CI=0.637×0.075+0.258×0.08+0.105×0.036=0.072

RI=0.637×1.49+0.258×0.96+0.105×1.24=1.327

CR=CI/RI=0.072/1.327=0.054<0.10

上述駕駛員反應時間影響因素的組合權重一致性檢驗指標表明：計算結果具有滿意的一致性。

3.5 結果分析

模型計算結果中，各個要素的單層排序權重和組合權重的一致性檢驗均小于0.10，滿足要求。結果顯示駕駛員反應時間影響因素的準則層中自身狀況影響最大，其權重值達到0.637，重要度排序依次為自身狀況、交通環境狀況和道路狀況。在方案層中各個要素中影響最大的是天氣狀況、駕駛經驗和年齡。因此在雨、霧等災害性天氣以及強光和路面亮度不足等惡劣環境下駕駛員的反應時間會相應的增加，在天氣狀況不好時應該加強駕駛員注意力以保證行車的安全。同時，駕駛員的反應時間會隨著駕駛經驗的豐富以及駕齡的增加而減少，相應地會隨著年齡的增加而逐漸的增加。

4 反應時間影響因素重要度模型驗證

通過采用控制變量的方法，并結合SimWord駕駛模擬艙平臺對上述AHP法得出的影響因素重要度排序進行驗證。由于影響因素較多，因此選擇排序中靠前的重要影響因素進行驗證。通過記錄不同駕駛員在跟車狀態下，前車和后車的三維位置坐標、加速度、速度等參數，計算相應的反應時間，并利用不同影響因素下駕駛員具體的反應時間驗證模型的合理性。

4.1 反應時間采集方法

跟車反應時間是指處于跟馳狀態的后車發現前車駕駛人的駕駛行為發生變化后，經過分析判斷，決定加速或者開始減速，并且移動右腳到油門或者制動踏板，至后車開始加速或者減速的時間間隔。其加速或者減速狀態下，反應時間采集如圖3～圖4。

圖3 減速狀態下速度與時間關系Fig. 3 Relationship between reaction time and velocity in car-following deceleration state

圖4 加速狀態下速度與時間關系Fig. 4 Relationship between reaction time and velocity in car-following acceleration state

4.2 不同影響因素下駕駛員的反應時間

在不同的影響因素下，設置相應的模擬實驗場景進行實驗，實驗時嚴格按照控制變量的原則。其中圖8中的橫坐標依次代表天氣晴朗、陰天、小雨、中雨、大雨和暴雨，圖9中的橫坐標依次代表城市快速路、主干路、次干路和支路，具體實驗結果統計如圖5～圖9。

圖5 不同速度下駕駛員的反應時間Fig. 5 Reaction time of driver at different speeds

圖6 不同年齡下駕駛員的反應時間Fig. 6 Reaction time of driver at different ages

圖7 不同駕駛經驗下駕駛員的反應時間Fig. 7 Reaction time of driver at different experience

圖8 不同天氣狀況下駕駛員的反應時間Fig. 8 Reaction time of driver different weather

圖9 不同道路等級下駕駛員的反應時間Fig. 9 Reaction time of driver at different road grade

4.3 結果分析

通過駕駛員的自身狀況、交通環境以及道路狀況分析設計相應的實驗場景，對上述層次分析法得到的影響因素重要度排序進行驗證。通過圖5～圖9駕駛員反應時間變化規律可以看出，在天氣狀況有晴朗到暴雨的過程中駕駛員反應時間變化率最大其值在0.89～1.83 s，說明天氣狀況對駕駛員反應時間影響最大；其次隨著駕駛里程的不斷增加，駕駛員反應時間變化率次之，其值在0.87～1.72 s，因此影響次之；年齡、速度以及道路等級影響下，反應時間變化率依次減小，實驗得出的數據結論與上述AHP法得出的結論相吻合。

5 結 語

在現有研究的基礎上，筆者結合問卷調查的方法和采用層次分析法(AHP)建立駕駛員反應時間影響因素重要度模型，可以系統地分析駕駛員反應時間影響因素之間的差異性。通過影響因素重要度的排序得出天氣狀況、駕駛經驗、年齡以及速度等因素對駕駛員反應時間影響較大。并通過駕駛模擬艙實驗平臺對反應時間影響因素重要度進行驗證，實驗結果與AHP法得出的結論相吻合。

但是由于調查樣本的局限性，以及存在一定的主觀因素，導致模型的精度欠缺。對于增加樣本量和調查對象的多樣性是以后研究的重點。

參考文獻(References)：

[1] 唐陽山,夏道華.不同駕駛員反應時間對汽車防撞安全距離的影響研究[J]. 科學技術與工程,2016(1):250-254.

TANG Yangshan，XIA Daohua. Effects of different driver response time on safety distance of vehicle collision avoidance[J].ScienceandTechnology, 2016(1): 250-254.

[2] JOHANSSON G, RUMAR H. Drive’s brake reaction times[J].HumanFacto,1971, 13(1): 23-27.

[3] ZHANG Z, ASAKAWA Y, IMAMURA T,et al. Experiment design for measuring driver reaction time in driving situation[J].IEEEInternationalConferenceonSystems,Man, &Cybernetics,2013, 8215(2):3699-3703.

[4] JURECKI R S，STAńCZYK T L, JA?KIEWICZ M J. Driver’s reaction time in a simulated complex road incident[J].Transport, 2017,32(1):44-54.

[5] 呂集爾,朱留華,鄭容森,等.駕駛員反應時間對行車安全的影響[J].交通運輸系統工程與信息,2014,14(2):80-86.

LV Jier, ZHU Liuhua, ZHENG Rongsen,et al. Effects of driver’s reaction time on safe driving[J].TransportationSystemsEngineeringandInformationTechnology,2014,14(2): 80-86.

[6] 耿嵐鑫,劉凇男.駕駛員反應時間研究[J].交通節能與保,2015(2):25-29.

GENG LanXin, LIU Songnan. The study of driver’s reaction time[J].EnergyConservation﹠EnvironmentalProtectioninTransportation,2015(2):25-29.

[7] 竇廣波,孫龍,常若松.駕駛經驗與危險類型對駕駛員危險知覺的影響[J].人類工效學,2015,21(6):7-10.

DOU Guangbo,SUN Long,CHANG Ruosong. Effects of driving experience and hazard type on hazard perception[J].ChineseJournalofErgonomics,2015,21(6):7-10.

[8] 吳超仲,馬曉鳳,嚴新平.考慮駕駛員反應能力的跟馳模型[J].武漢理工大學學報(交通科學與工程版),2007,31(4):630-632.

WU Chaozhong, MA Xiaofeng, YAN Xinping. Car-following model considering driver’s responsiveness[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering),2007,31(4): 630-632.

[9] 徐婷,曹世理,馬壯林,等.跟馳車流中的反應時間和車頭間距研究[J].西南交通大學學報,2013,48(1):173-177.

XU Ting, CAO Shili, MA Zhuanglin，et al. Reaction time and headway in car-following flow[J].JournalofSouthwestJiaotongUniversity, 2013,48(1):173-177.

[10] 徐濟宣,吳紀生.惡劣環境對駕駛員反應時間的影響研究[J].交通標準化,2009(23):103-106.

XU Jixuan, WU Jisheng. Harsh environment influence on drivers’response

time[J].CommunicationsStandardization, 2009(23):103-106.

[11] 李江.駕駛經驗對交通流特性的影響研究[D].北京：北京工業大學,2008.

LI Jang.ResearchontheInfluenceofDrivingExperience[D]. Beijing: Beijing University of Technology,2008.

[12] 景國勛,張永全,張軍波.基于多層次模糊綜合評判的人疲勞綜合評價[J].中國安全科學學報,2006,16(6):55-59+146.

JING Guoxun, ZHANG Yongquan, ZHANG Junbo. Comprehensive evaluation on human fatigue based on multi-stage fuzzy synthetic judgment[J].ChinaSafetyScienceJournal, 2006,16(6): 55-59+

146.

[13] 楊鵬飛,付銳,于鵬程.虛擬城市道路場景中的駕駛人應激感知反應時間特性[J].長安大學學報(自然科學版),2013,33(2):73-78.

YANG Pengfei, FU Rui,YU Pengcheng. Time characteristics of drivers’ stress perception in virtual urban road environment[J].JournalofChang’anUniversity(NaturalScienceEdition), 2013,33(2):73-78.

[14] 于廣鵬,譚德榮,初敏,等.基于模糊多目標決策的駕駛員反應狀態辨識[J].科學技術與工程,2014,14(33):294-299.

YU Guangpeng, TAN Derong, CHU Min,et al.Driver’s reaction state identification based on fuzzy multi - objective decision[J].ScienceTechnologyandEngineer, 2014,14(33):294-299.

[15] 李振福.基于可拓模糊層次分析法的城市交通文化系統評價[J].數學的實踐與認識,2009,39(3):45-53.

LI Zhenfu. Urban traffic cultural system assessment based on extension fuzzy analytic hierarchy process[J].MathematicsinPracticeandTheory, 2009,39(3):45-53.