张智勇，贾建林，张丹丹，梁天闻

(北京工业大学 城市交通学院交通工程北京市重点实验室，北京 100124)

0 引 言

随着机动车保有量的逐年增长，据不完全统计2015年交通事故达到20万起，其中有70%的事故是由驾驶员自身原因造成的。影响驾驶员安全驾驶的因素有很多，其中驾驶员反应时间是重要因素之一。在车速60～80 km/h时，如果反应时间延长零点几秒，刹车距离就会增加十几米，这在一定程度上会造成人身危险[1]。驾驶员反应时间是车辆安全距离的一个重要参数，同样也是车辆智能预警系统的一个重要参数。驾驶员反应时间是指遇到危险信号时，脚从油门踏板移动到刹车踏板的时间。不同的驾驶员、不同的道路状况以及不同的外在环境其反应时间均不相同。影响驾驶员反应时间的影响因素有很多，但对于各个影响因素之间差异性的研究还比较少，因此有必要对各个影响因素进行重要度分析。

国外对驾驶员反应时间的研究最早开始于车辆跟车模型。G.JOHANSSON[2]在实际的交通流中对321个驾驶员进行了刹车时间的测试，得出驾驶员在遇到危险时的反应时间，G.JOHANSSON早期的研究只是对驾驶员在遇到危险时反应时间进行一个统计分析，没有考虑更多因素对反应时间的影响；ZHANG E等[3]在驾驶模拟舱中分别对驾驶员的静态反应时间和动态反应时间进行测试，得出驾驶员在驾驶机动车时从事与驾驶无关的工作时会使反应时间增加；R. S. JURECKI等[4]在复杂的模拟环境下对驾驶员反应时间进行了测试，并对30位驾驶员的平均反应时间进行线性回归。

国内对驾驶员的反应时间研究也有很多，吕集尔等[5]运用改进后的Nasch模型对驾驶员反应时间进行研究得出反应时间对交通安全的影响曲线，提出杜绝酒后驾驶和疲劳驾驶是安全行车的前提；耿岚鑫等[6]利用简单反应时间测试仪器，对驾驶员年龄、性别、驾驶经验等特性进行研究并得出驾驶员的具体反应时间，为预警类辅助驾驶系统提供一定的理论基础；窦广波等[7]通过2驾驶经验×2危险类型混合实验设计，并利用眼动仪对驾驶员反应时间进行测试，得出缓慢出现的危险会诱发有经验驾驶员的情景意识，他们的注意模式会更好；吴超仲等[8]在不考虑性别年龄影响的情况下，只考虑驾驶员的经验和熟练程度，根据密度函数求出驾驶员的反应时间。

目前国内外对驾驶员反应时间的研究主要集中在某一特定的因素下进行研究，但是影响驾驶员的反应时间的因素较多，各个影响因素之间的差异性研究还较少。因此，通过构造驾驶员反应时间影响因素层次分析框架，利用AHP法对其影响因素重要度进行分析，得出各个影响因素的权重。

1 驾驶员反应时间的影响因素

驾驶行为研究中重要的一项就是反应时间，由于受到复杂的道路交通环境影响，驾驶员的反应时间影响因素较多。总的来说驾驶员反应时间的影响因素可以从驾驶员自身状况、道路状况以及交通状况3个方面进行分析。

1.1 驾驶员自身因素

影响驾驶员反应时间的自身因素主要包括驾驶员的年龄、性别、驾驶经验、心理、生理状况等。目前，根据公安部交通管理局的交通事故表明，由于驾驶员自身因素导致的交通事故占所有交通事故的70%以上[9]。驾驶员的反应时间随着年龄的增加会不断地增加；女性驾驶员相应地比同等条件下男性驾驶员的反应时间长[10]；驾驶经验丰富的驾驶员反应时间较少[11]。驾驶员的生理影响因素主要包括驾驶员的疾病(重大疾病、一般性疾病与轻微性疾病)、疲劳程度、器官功能性缺陷(色弱、色盲、弱视等)、生理机能的变化(饮酒、吸烟、药物及饮品等)，这些生理因素对驾驶员的反应时间均有重要影响,如驾驶员连续驾驶3个小时大脑就会出现疲劳状况，事故率就会逐渐增加，因此生理因素在一定程度上会造成驾驶员的反应时间延长。此外，驾驶员的心理因素主要包括在驾驶员的抑郁、焦虑、敌对、恐怖、偏执等因素，驾驶员存在心理问题，就会造成注意力不集中，判断能力下降，相应的反应时间就会变长。

1.2 交通环境因素

交通环境影响因素主要包括外部天气状况、不同的驾驶时段、不同的速度以及交通秩序等。在灾害性天气条件下能见度较低，驾驶员的视觉会受到一定的影响，其感知阈值就会相应的提高，驾驶员需要花费更多的时间判断前车车辆运行状态，造成反应时间的增加[12]。驾驶时段是指驾驶员一天中驾驶车辆所处的时间段，一般情况下白天比黑夜和凌晨的反应时间要少。在中午或者深夜由于具有强烈的睡意很容易产生疲劳的现象，造成驾驶员视力下降，视野变窄，相应反应时间就会增加[13]。不同的速度下驾驶员的反应时间不同，随着车速的增加驾驶员的视野逐渐变小，注视点也逐渐的变远，其动态视力及空间辨识能力下降，造成反应时间呈现一定的上升趋势[14]。

1.3 道路状况因素

道路状况因素主要包括道路的等级、道路的线形、路面平整度以及一些路况条件。道路线形条件比较差时，如驾驶员在行驶时遇到急弯、视距不良路段等道路条件时，驾驶员就会出现高度的紧张，很容易引起驾驶疲劳，其反应时间就会增加；此外，如果交通流密度较大时驾驶员就会出现一种焦虑的状态，注意力比较集中就会出现反应时间的延长。

2 AHP模型构建

AHP模型共包括3个层次，即目标层、准则层和方案层。对驾驶员反应时间影响因素进行研究，需要依次确定各个层次所对应的要素。

2.1 目标层要素

总目标层为驾驶员反应时间，用C表示。

2.2 准则层要素

准则层要素包括：①自身状况B1，驾驶员自身原因是造成交通事故的主要因素，不同的驾驶员在不同的自身影响条件下，反应时间差别很大；②交通环境状况因素B2，不同的交通环境下，驾驶员的反应时间会有很大差别，在不同的天气状况以及不同的驾驶时段下，驾驶员的反应时间都会有差别；③道路状况因素B3，如越大的交通流速度下，驾驶员的反应时间就会越长。

驾驶员自身因素、交通环境状况因素和道路状况因素分别从人、车、路以及环境方面将复杂的道路交通包括在内，这3个层次能够综合的反映影响驾驶员反应时间的不同方面。

2.3 方案层要素

通过对驾驶员反应时间影响因素的分析，总结出对应于3个准则层的各个指标，作为方案层要素。其中，驾驶员自身状况因素主要从驾驶经验、年龄、性别等方面评价。交通环境因素主要从天气状况、驾驶时段、交通秩序以及速度等方面进行评价。道路状况因素主要从道路等级、道路线形、路面平整度以及路况特点等进行评价。

2.4 层次结构模型

根据上述目标层、准则层和方案层要素的分析，建立图1所示的驾驶员反应时间影响因素层次结构模型。

图1 驾驶员反应时间影响因素层次结构模型Fig. 1 Hierarchical structure model drivers' reaction times’ influencing factors

3 反应时间影响因素重要度模型计算

3.1 影响因素重要度调查方法

论文采用问卷调查的方法采集数据。根据上述驾驶员反应时间影响因素分析，并借助SAATY提出的互反性1～9重要性标度进行问卷设置[15]。重要性标度表如表1，问卷形式如表2。

表1 重要性标度含义Table 1 Scale and meaning of importance

表2 影响因素重要度调查问卷Table 2 Questionnaire of influencing factors

调查对象分为3类：驾驶行为研究专家、道路交通安全专家和驾驶里程达到50 000 km以上的经验丰富的驾驶员。为了使结果更加合理，赋予以上3类调查对象40%、30%和30%的初始权重。驾驶行为研究专家主要指从事驾驶员基本反应特性研究的专家，调查数量为12人；道路交通安全专家主要是研究道路交通流理论以及道路线形设计的专家，调查数量为10人；具有5年以上驾驶经验的驾驶员调查数量为158人。

3.2 影响因素重要度数据

本次调查共发放问卷180份，实际收回178份，全部为有效问卷。通过对驾驶行为专家赋初始权重40%、道路交通安全专家赋初始权重30%以及驾驶里程达到50 000 km以上的经验丰富驾驶员赋初始权重30%，并结合问卷调查结果，整理后得到表3～表6判断矩阵。通过问卷调查保证了数据的准确性、独立性和客观性。

表3 总目标层对应的判断矩阵Table 3 Judgement matrixes corresponding to total target layer

表4 自身状况对应的判断矩阵Table 4 Judgement matrixes corresponding to drivers’ conditions

表5 交通环境状况判断矩阵Table 5 Judgement matrixes corresponding to traffic environment

表6 道路状况判断矩阵Table 6 Judgement matrixes corresponding to road condition

3.3 层次单排序和一致性检验

层次单排序是通过判断矩阵计算,对于上一层某元素，本层次与之相关的各元素重要性次序的权值，层次单排序的基础是通过判断矩阵计算相应的特征根以及特征向量。在保证精度的情况下，求出最大特征值和特征向量，将特征向量归一化就得到判断矩阵的权重向量。

由于反应时间的影响因素较多，根据问卷调查得到的判断矩阵，对某些因素很难给出非常精确的比较判断，可能产生不一致性，需要进行一致性的检验。计算判断矩阵一致性指标CI值，以及随机一致性比例CR值，如式(1)～式(2)：

(1)

(2)

式中：RI为平均随机一致性指标，具体取值如表7。当判断矩阵的一致性指标CI与平均一致性指标RI均小于0.1时，判断矩阵具有满意的一致性。具体计算结果如表8～表9。

表7 判断矩阵RI取值Table 7 Value of RI for judgement matrixes

表8 判断矩阵的计算结果Table 8 Value of RI for judgement matrixes

表9 最大特征值对应的归一化向量Table 9 Normalized vector of maximal eigenvalue

3.4 元素的组合权重

表10 驾驶员反应时间要素指标权重计算结果Table 10 Weight calculation results of drivers’ reaction time

图2 反应时间影响因素重要度排序Fig. 2 Weight ratio of index factors

组合权重一致性检验指标计算如下：

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

上述驾驶员反应时间影响因素的组合权重一致性检验指标表明：计算结果具有满意的一致性。

3.5 结果分析

模型计算结果中，各个要素的单层排序权重和组合权重的一致性检验均小于0.10，满足要求。结果显示驾驶员反应时间影响因素的准则层中自身状况影响最大，其权重值达到0.637，重要度排序依次为自身状况、交通环境状况和道路状况。在方案层中各个要素中影响最大的是天气状况、驾驶经验和年龄。因此在雨、雾等灾害性天气以及强光和路面亮度不足等恶劣环境下驾驶员的反应时间会相应的增加，在天气状况不好时应该加强驾驶员注意力以保证行车的安全。同时，驾驶员的反应时间会随着驾驶经验的丰富以及驾龄的增加而减少，相应地会随着年龄的增加而逐渐的增加。

4 反应时间影响因素重要度模型验证

通过采用控制变量的方法，并结合SimWord驾驶模拟舱平台对上述AHP法得出的影响因素重要度排序进行验证。由于影响因素较多，因此选择排序中靠前的重要影响因素进行验证。通过记录不同驾驶员在跟车状态下，前车和后车的三维位置坐标、加速度、速度等参数，计算相应的反应时间，并利用不同影响因素下驾驶员具体的反应时间验证模型的合理性。

4.1 反应时间采集方法

跟车反应时间是指处于跟驰状态的后车发现前车驾驶人的驾驶行为发生变化后，经过分析判断，决定加速或者开始减速，并且移动右脚到油门或者制动踏板，至后车开始加速或者减速的时间间隔。其加速或者减速状态下，反应时间采集如图3～图4。

图3 减速状态下速度与时间关系Fig. 3 Relationship between reaction time and velocity in car-following deceleration state

图4 加速状态下速度与时间关系Fig. 4 Relationship between reaction time and velocity in car-following acceleration state

4.2 不同影响因素下驾驶员的反应时间

在不同的影响因素下，设置相应的模拟实验场景进行实验，实验时严格按照控制变量的原则。其中图8中的横坐标依次代表天气晴朗、阴天、小雨、中雨、大雨和暴雨，图9中的横坐标依次代表城市快速路、主干路、次干路和支路，具体实验结果统计如图5～图9。

图5 不同速度下驾驶员的反应时间Fig. 5 Reaction time of driver at different speeds

图6 不同年龄下驾驶员的反应时间Fig. 6 Reaction time of driver at different ages

图7 不同驾驶经验下驾驶员的反应时间Fig. 7 Reaction time of driver at different experience

图8 不同天气状况下驾驶员的反应时间Fig. 8 Reaction time of driver different weather

图9 不同道路等级下驾驶员的反应时间Fig. 9 Reaction time of driver at different road grade

4.3 结果分析

通过驾驶员的自身状况、交通环境以及道路状况分析设计相应的实验场景，对上述层次分析法得到的影响因素重要度排序进行验证。通过图5～图9驾驶员反应时间变化规律可以看出，在天气状况有晴朗到暴雨的过程中驾驶员反应时间变化率最大其值在0.89～1.83 s，说明天气状况对驾驶员反应时间影响最大；其次随着驾驶里程的不断增加，驾驶员反应时间变化率次之，其值在0.87～1.72 s，因此影响次之；年龄、速度以及道路等级影响下，反应时间变化率依次减小，实验得出的数据结论与上述AHP法得出的结论相吻合。

5 结 语

在现有研究的基础上，笔者结合问卷调查的方法和采用层次分析法(AHP)建立驾驶员反应时间影响因素重要度模型，可以系统地分析驾驶员反应时间影响因素之间的差异性。通过影响因素重要度的排序得出天气状况、驾驶经验、年龄以及速度等因素对驾驶员反应时间影响较大。并通过驾驶模拟舱实验平台对反应时间影响因素重要度进行验证，实验结果与AHP法得出的结论相吻合。

但是由于调查样本的局限性，以及存在一定的主观因素，导致模型的精度欠缺。对于增加样本量和调查对象的多样性是以后研究的重点。

参考文献(References)：

[1] 唐阳山,夏道华.不同驾驶员反应时间对汽车防撞安全距离的影响研究[J]. 科学技术与工程,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, JAšKIEWICZ M J. Driver’s reaction time in a simulated complex road incident[J].Transport, 2017,32(1):44-54.

[5] 吕集尔,朱留华,郑容森,等.驾驶员反应时间对行车安全的影响[J].交通运输系统工程与信息,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] 耿岚鑫,刘凇男.驾驶员反应时间研究[J].交通节能与保,2015(2):25-29.

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

[7] 窦广波,孙龙,常若松.驾驶经验与危险类型对驾驶员危险知觉的影响[J].人类工效学,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] 吴超仲,马晓凤,严新平.考虑驾驶员反应能力的跟驰模型[J].武汉理工大学学报(交通科学与工程版),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,马壮林,等.跟驰车流中的反应时间和车头间距研究[J].西南交通大学学报,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] 徐济宣,吴纪生.恶劣环境对驾驶员反应时间的影响研究[J].交通标准化,2009(23):103-106.

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

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

[11] 李江.驾驶经验对交通流特性的影响研究[D].北京：北京工业大学,2008.

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

[12] 景国勋,张永全,张军波.基于多层次模糊综合评判的人疲劳综合评价[J].中国安全科学学报,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] 杨鹏飞,付锐,于鹏程.虚拟城市道路场景中的驾驶人应激感知反应时间特性[J].长安大学学报(自然科学版),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] 于广鹏,谭德荣,初敏,等.基于模糊多目标决策的驾驶员反应状态辨识[J].科学技术与工程,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.基于可拓模糊层次分析法的城市交通文化系统评价[J].数学的实践与认识,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.