摩托车碰撞中的人为错误：基于深度数据识别所需技能并支持安全骑行培训干预的方法论
计算机与社会
2021-03-04 v1
摘要
本文定义了一种利用深度数据识别高风险碰撞构型中骑行者所需技能以降低伤亡率的方法论。我们展示了一个使用 803 起机动两轮车碰撞深度数据的案例研究。基于所涉道路使用者碰撞前轨迹，考虑了七种高风险碰撞构型，以调查作为碰撞诱因的人为错误。我们识别了主要碰撞贡献因素、所采取的规避机动、道路平面线形以及与速度相关的因素，同时识别了最常见构型以及严重伤害风险最大的构型。直行交叉路径/横向方向是最常见的碰撞构型，而转弯横穿路径/对向方向是严重伤害风险最大的构型。多车碰撞不能被视为归因同一人为失误的同质碰撞类别，因为摩托车手与其他道路使用者之间的不同交互既关联不同类型的人为错误，也关联不同的骑行者反应。多车碰撞中涉及交叉路径构型的人为错误不同于追尾或正面碰撞相关的错误。多车正面碰撞和单车碰撞常发生于弯道处。骑行者所涉及的碰撞避免机动在最高风险碰撞构型间存在显著差异。我们识别了最相关的技能缺失并将其与最具代表性的情境相联系。在大多数情况下，避免碰撞需要同时组合不同技能。研究结果强调了超越常规的单车对多车碰撞分类、对事故案例进行分组的必要性。我们的方法论也可用于支持基于骑行者培训的预防措施，并最终用于 ADAS 设计。
引用
@article{arxiv.2103.01743,
title = {Human error in motorcycle crashes: a methodology based on in-depth data to identify the skills needed and support training interventions for safe riding},
author = {Pedro Huertas-Leyva and Niccolò Baldanzini and Giovanni Savino and Marco Pierini},
journal= {arXiv preprint arXiv:2103.01743},
year = {2021}
}
备注
Preprint submitted for publication in Taylor & Francis