评估研究道路交通安全教育论文

评估研究道路交通安全教育论文 篇1：

风险驾驶行为识别及干预研究综述

摘 要：驾驶人的风险行为已成为交通事故的主要致因。识别风险驾驶行为并进行干预对提高道路交通安全水平具有重要意义，因此本文从风险驾驶行为识别、干预方法以及干预效果评估三方面对国内外研究进行综述。通过车载数据记录设备或智能手机进行数据采集，基于规则或机器学习算法识别风险行为，基于规则的识别方法简单易理解，但各研究中设定的阈值并不一致，机器学习算法的识别效果相对更优。行为干预分为非实时干预和实时干预两种，其中非实时干预包括安全教育和奖惩手段，部分研究采取两种组合的干预方案。研究表明，两种干预方式均对减少风险驾驶行为或降低危险事件率有一定的效果，但效果的大小、持续性有所不同。此外，不同干预方法效果不同，同样的干预方法对不同的驾驶人、风险行为的干预效果也存在差异。

关键词：驾驶行为；行为数据采集；风险行为识别；行为干预；效果评估

Review of risk driving behaviorsidentification and intervention

LI Yan1， LIU Wenchao1， YOU Zhidong2

（1.Beijing Xiaoju Technology Co.， Ltd.， Beijing 100193，China； 2. The Key Laboratory of Ministry of Public Security of Road Traffic Safety， Wuxi 214151，China）

基金項目：道路交通安全公安部重点实验室开放课题基金资助，驾驶风险在线监测评价方法与干预技术研究（2019ZDSYSKFKT02-1）

驾驶人的风险行为已成为道路交通事故的主要致因。2018年，全国因机动车驾驶人违法行为造成的事故死亡人数占88.19%，其中未按规定让行、酒后驾驶、超速行驶、未与前车保持安全距离肇事死亡人数分别占11.23%、6.82%、6.72%和4.30%[1]。因此，减少驾驶人行车过程中的风险行为，对提高道路交通安全水平具有重要意义。

研究表明，驾驶行为的影响因素分为三类：个体差异、暂时性能力损失、认知与社会心理因素[2]。个体差异，指由于年龄、性别、驾驶经验与技能、个性与态度等不同，驾驶人呈现出不同的行为表现；暂时性能力损伤，指某些因素导致驾驶人出现暂时性的行为能力损伤，如酒后驾驶、疲劳驾驶等；认知与社会心理因素包括驾驶人注意力集中度、情绪与感觉和社会心理因素，如使用手机、路怒、有无监督等。此外，驾驶人受时空上或经济上的利益驱使，在明知有风险的情况下依然可能做出不安全驾驶行为。风险平衡理论认为，驾驶人总是不断地调整自身的驾驶行为，从而在自己可接受的风险水平下获得时空上或经济上的利益。风险阈限模型则认为只有当驾驶人的感知风险度超过了阈限时，驾驶人才改变其行为[3]。

基于驾驶行为的影响因素分析，学者们从驾驶技能、安全意识、风险感知、驾驶人心理等方面开展了风险驾驶行为干预方法的研究，包括驾驶人安全操作培训、安全宣传教育、奖惩措施、实时风险警告提醒等手段，并通过实验验证其效果。因此，本文对国内外风险驾驶行为干预的相关研究进行综述，包括风险驾驶行为识别方法、行为干预方法、干预效果评估三部分。

1 风险驾驶行为识别方法

1.1 驾驶行为数据采集

驾驶模拟器和自然驾驶数据采集技术是两种主要的驾驶行为采集手段。驾驶模拟器是一种虚拟现实仿真设备，驾驶人通过模拟器的操作部件与虚拟的交通环境进行交互，驾驶模拟器实验具有场景可控、可重复等特征，且能够方便地采集驾驶人的生理信号，如脑电、眼动数据。自然驾驶数据采集技术则是通过各类传感器和移动智能终端对车辆日常运行过程中的数据进行采集，场景真实且多样化，采集的数据更贴近驾驶人的真实驾驶状态。

已有研究与应用中，自然驾驶行为数据的采集设备主要分为车载数据记录设备和智能手机。车载数据记录设备是指GPS监控设备、车载诊断系统、自适应巡航控制系统等安装在车辆上的设备[4]。Mobileye属于一种交互式的车载数据记录设备，可以定期报告驾驶人的行为，也可以在驾驶过程中实时提供声音和灯光的提醒[5]。一些大型运输企业在车辆上安装了基于GPS和北斗等卫星定位系统技术、GIS技术的运行监控系统，用于识别驾驶人一些异常驾驶行为并进行提醒。智能手机的快速普及与应用，为自然驾驶行为数据采集提供了便利[6-7]。手机上配备的加速度、陀螺仪、GPS、摄像头等多种传感器，可以用于识别和监控驾驶人的行为，包括超速、加减速、刹车、变道、转弯、使用手机、疲劳驾驶等。

1.2 风险驾驶行为识别

驾驶行为与事故风险的关联性一直是研究的重点，常用的驾驶安全性评价指标包括急加速、急刹车、急转弯、急变道等接近碰撞事件。此外，超速行驶、疲劳驾驶、分心驾驶等行为也容易导致交通事故，是驾驶安全研究的重点。

基于规则的识别方法是最为常见的风险驾驶行为识别方法，其核心在于设定阈值。当检测到速度、加速度、角速度等参数超过设定的阈值时，即判定为出现风险驾驶行为。超速是指速度超过道路标明的限速或者营运公司规定的阈值速度。急刹车是日常驾驶中最频繁的风险行为，可以定义为减速度超过0.4g，急加速则被定义为加速度超过0.4g，急转弯定义为转弯时横向加速度超过0.4g[8]。在McGehee等[9]的研究中，急加速和急刹车的阈值取0.5g，急转弯的阈值取0.55g。研究表明安全变道的平均时间为5至6秒[10]，急变道是指车道变更持续时间较短的行为[11]。

除此之外，机器学习算法在风险驾驶行为识别方面应用越来越多，尤其是基于模糊逻辑[7，12]和动态时间规整的识别方法[13-15]。Castignani等[7]提出了基于模糊逻辑的驾驶行为分析方法，根据智能手机传感器采集的数据，将驾驶行为分为正常、温和以及激进三个等级。Saiprasert等[15]提出了基于动态时间规整的模式匹配算法检测风险驾驶行为，将70%的样本数据作为训练集，30%作为测試集，发现该算法优于基于规则的识别方法。Ferreira等[16]比较了人工神经网络、支持向量机、随机森林和贝叶斯网络四种机器学习算法的识别效果，随机森林在急转弯、急加速和急刹车识别方面表现最优，其次人工神经网络在急变道识别方面优于随机森林。

疲劳驾驶的识别方法相对多样化，包括基于车辆操控行为、车辆运行状态、生理信息、机器视觉等方法。车辆操控行为是指驾驶人对方向盘的操控，Mortazavi等[18]发现，驾驶人对方向盘的操控能力在疲劳状态下会明显下降，通过检测方向盘的操作信息，能够实现对疲劳驾驶的判别。车辆运行状态是指偏离车道、异常转向以及异常加速等行车状态，Friedrichs[19]提取车辆横向位置指标，利用神经网络算法建立监测模型，该模型识别精度达到了84%。基于生理信息的识别方法中，采用的心理指标包括脑电信号[20]、心电信号[21]和肌电信号[22]等，Patel等[21]以心率变异性作为特征参数，构建神经网络模型对疲劳驾驶进行识别，准确率达到90%。基于机器视觉的识别方法是通过图像识别设备捕捉驾驶人头部、面部等变化来识别，包括闭眼情况[23]、眼睛注视方向[24]、头部位置[25]、打哈欠[26]等。

2 行为干预方法

2.1 非实时干预方法

非实时干预方法是指基于采集的风险驾驶行为数据，对驾驶安全性进行评价，开展针对性安全教育或通过奖惩等激励手段，以达到改善风险驾驶行为的目的。

2.1.1 安全教育

开展安全教育是较为常见的非实时行为干预方法。安全教育的材料主要包括直观材料和间接材料两种类型。直观材料包括视频、照片等直接记录了驾驶人风险驾驶行为的材料，能够使驾驶人直观地观看风险驾驶行为引发危险交通事件的过程。间接的教育材料是指通过行为观测和分析后，制作的分析报告、警告信等材料，材料没有直接展示危险交通事件的发生过程，但是描述了驾驶人风险驾驶行为的特点，并提出了针对性的改善建议。

Hickman和Hanowski[27-28] 以及Hickman等[29]利用车载安全监控系统对营运驾驶人的危险交通事件和风险驾驶行为数据进行采集，当营运企业的管理者认为有必要的时候，使用视频材料对驾驶人进行安全教育，频率不固定。Bell等[30]的研究中，首先根据风险驾驶行为对驾驶人进行评级，管理者每周对风险最高的驾驶人（3级和4级）基于视频片段进行一对一的教育。同济大学王雪松等[31]与营运企业合作，采集货运驾驶人行为数据，提取风险驾驶行为视频片段并制作分析报告，分别采取面对面分析行为视频片段、电话讲解行为分析报告的方式进行驾驶人安全教育。Toledo和Lotan[32]在干预期让驾驶人登录网站查看自己的风险行为视频片段、分析报告，同时也能查看所有驾驶人的平均风险水平。

此外，通过驾驶模拟器设置虚拟场景，驾驶人可以亲身体验因疲劳驾驶、分心驾驶、酒后驾驶等行为带来的危险，让“事故”帮驾驶人培养安全意识，一些驾校、安全宣教基地和保险公司提供可以提供该项教育。美国一家保险公司特别开设名为“分心101”的安全驾驶培训课程，坐在模拟驾驶器前，驾驶人可以一边打电话或发短信一边“开车”，面前的显示屏上将会出现多个危险场景，这些场景均来自真实事故，以此强调分心驾驶的危险，并教育驾驶人预判隐藏的危险，对紧急情况做出正确反应。

2.1.2 奖惩等激励手段

交警部门利用电子雷达在事故多发点段定点监测，或通过路面巡查来发现驾驶人违法行为，并对其处以相应罚款或驾驶证记分，使驾驶人在承受事故的可能性风险同时，还要承受因风险驾驶行为带来的惩戒。营运企业利用驾驶行为采集设备记录驾驶人的行为，基于行为数据对驾驶人的进行风险排名及评级，将其与奖金挂钩，并对高风险驾驶人进行监督教育。

在保险行业，基于驾驶行为的汽车保险费（Usage-based insurance，UBI）計算模式近年开始流行，驾驶人可以通过更安全的驾驶方式来节省费用。保险公司基于采集的急加速、急刹车、超速等风险驾驶行为数据，为用户提供相应保费折扣。2009年，美国Progressive公司正式推行UBI保险模式，率先推出产品Snapshot，为用户提供对应的保费折扣，其折扣最高值可以达到30%。荷兰PolisVoorMij公司向公众提供了自己的UBI产品，最高可提供20%的保险折扣，美国State Farm保险公司的优惠折扣高达40%[33]。

2.2 实时行为干预方法

实时行为干预方法是指对驾驶行为进行实时监测，当检测到风险驾驶行为时，通过视觉或听觉上的提醒等方式干预驾驶人的行为，如超速提醒、疲劳警告。

车载视频监控系统一般应用于运输企业的车辆，在检测到风险驾驶行为时，警示灯会亮起，不同颜色的灯表示不同风险等级，以提醒驾驶人安全驾驶[28，30，34]。不同风险驾驶行为导致的后果可能存在差异，如不同的疲劳等级、超速比例等，因此部分营运企业会根据风险等级实行分级干预，对于低风险的驾驶行为进行语音提醒，高风险的驾驶行为则是语音提醒加监管人员介入干预。

智能手机应用程序由于安装便利、经济实惠，在驾驶行为实时干预中应用广泛。高德、百度等地图应用在驾驶人超速时进行语音提醒；iOnRoad和Augmented Driving在驾驶人跟车过近时发出声音警报；SmartLDWS在检测到车道偏移时发出声音警报；CarSafe基于手机摄像头，检测到疲劳驾驶或分心驾驶时发出警报[17]。一些网约车平台为提高司乘的行程安全性，基于手机应用程序对驾驶人的风险行为进行语音提醒，对于风险等级高的驾驶行为，监管人员会直接联系驾驶人进行干预。

越来越多的研究采取非实时干预与实时干预组合的方案，以达到更好的干预效果。Mcgehee等[34]研究中，干预期内青少年驾驶人出现风险行为，警示灯会亮起，并且每周将视频片段及对应的图形报告卡作为教育材料发送给驾驶人及其父母，由父母对驾驶人进行安全教育。Levi-Bliech等[11]基于车队驾驶人的研究中，除了提供实时的风险行为警报，在行程结束后，驾驶人还可以在手机应用程序上查看本次行程的驾驶安全性分析报告。Bell等[30]的研究中，为其中一组驾驶人提供实时的风险行为警报，同时管理者每周对高风险驾驶人基于视频片段进行一对一的教育。

3 干预效果评估

3.1 评估指标

驾驶人的风险行为频率是最为直接的行为评估指标。Levick和Swanson[35]对驾驶人的超速、急刹车以及不使用安全带三种风险行为进行干预，通过对比基准期（3个月）和干预期（15个月）风险行为频率的变化情况来评估干预效果。Kim等[36]在基准期（2周）后进行一次安全干预，后续反馈期约7周，采用生存分析法计算生存距离，生存距离表示驾驶人再次出现该类风险行为时所行驶的里程数，距离越长说明干预的效果越好。此外，基于风险驾驶行为计算的驾驶风险指数同样被用来评估干预效果。Toledo等[37]的研究中，通过一个线性函数计算驾驶风险系数，综合考虑风险驾驶行为的频率与严重程度以及驾驶时长。

行为干预的目的是降低事故，事故率是安全性评估最直观的指标。但由于事故是一个小概率事件，在较少的实验对象以及较短时间周期的条件下，难以采集到足够的样本量进行对比分析，因此部分研究将危险交通事件（包括事故、接近碰撞和紧急交通事件）作为事故的替代变量，用于评估行为干预措施的安全效果。McGehee等[9]将驾驶人分为危险驾驶人和安全驾驶人，分别对比了基准期和干预期两类驾驶人的危险交通事件率变化，并根据危险交通事件率的下降程度评估干预效果。在Hickman和Hanowski[27-28]以及Hickman等[29]的研究中，同样分析了教育前后营运驾驶人危险交通事件率的下降程度，以此评估行为干预方法对提高营运驾驶人交通安全水平的效果。

3.2 干预效果

对风险驾驶行为干预效果的评估主要是采用前后对比法和对照组法。关于干预对风险驾驶行为的影响，各研究得出的结论不一致，这与研究对象、干预方案设计、评估指标等均有关系。

多数研究表明，行为干预对减少风险驾驶行为、提高驾驶安全性有一定的效果，但干预效果的大小、效果的持续性存在差异。Levick和Swanson[35]对救护车驾驶人的风险行为进行实时语音提醒，发现与干预前相比，驾驶人不系安全带、超速、急加速、急刹车和急转弯的频率均下降。Levi-Bliech等[11]发现，驾驶人行程前查看历史安全分析报告、风险行为实时提醒两种干预措施均与风险驾驶行为频率呈负相关关系。Hickman等[27]发现实施干预后，营运驾驶人的危险交通事件率虽然有所下降，但是下降的程度并不显著。同济大学罗楝等[38]的研究表明，针对性教育能显著减小驾驶人的危险交通事件率，每月一次的面对面教育后，危险驾驶人的危险交通事件率（以周为时间单位统计）先下降后回升。同样的， Musicant等[39]发现干预期间驾驶人的事故率、肇事率均显著低于干预前，驾驶人的驾驶风险系数在干预期间呈较低水平，干预结束后开始升高，逐渐接近于基准期的水平。

然而，McGehee等[9，34]的研究表明，干預期间危险驾驶人的平均危险事件率有了明显的下降，安全驾驶人则没有显著变化，在40周后停止干预，接下来的8周内继续观察驾驶人的风险行为，发现危险事件率与干预期相比没有明显变化。Toledo和Shiftan[40]基于干预前的驾驶行为数据，将驾驶人分为安全、中等、危险三个等级，发现两周一次的干预对安全和中等水平的驾驶人行为没有影响，但危险驾驶人的危险事件率明显降低。Choudhary等[41]基于保险公司采集的驾驶行为数据进行研究，驾驶人会在行程结束后收到本次行程的评分、累计评分和所能享受的保险折扣信息，结果表明，该干预措施对改善风险驾驶行为没有积极的作用，但驾驶人收到低评分时，短期内驾驶行为会有所改善。

此外，不同干预方法的效果也存在差异。Bell等[30]对比了两种干预策略的效果，发现仅进行实时干预，驾驶人的风险行为频率较干预前有所下降，但与对照组（无干预）相比下降并不显著，另一组采取的是实时干预加定期安全教育的干预方法，风险行为频率较对照组有显著的下降。同样的干预方法对于不同风险行为的效果也不同。Kim等[36]发现，经过安全教育后，驾驶人的急加速、急转弯、急减速行为均有所减少，其中急加速行为下降速度最快。Mcgehee等[9]的研究中，发现干预对急转弯行为有改善作用，但是驾驶人的急刹车行为并没有明显下降。

4 结论

车载数据记录设备和智能手机是当前主流的自然驾驶行为数据采集设备，其中车载数据记录设备一般应用于运输企业的车辆，智能手机更多地应用于私家车，驾驶人只需在手机上安装相应的应用程序，即可采集数据，也能通过视听的方式进行实时的交互。

风险驾驶行为的识别方法呈现多样化，包括基于规则的识别方法与基于机器学习算法进行识别。基于规则的识别方法简单易理解，但各研究中设定的阈值并不一致，机器学习算法的识别效果相对更优。

行为干预方法分为非实时干预和实时干预两种，其中非实时干预包括安全教育和奖惩手段，多数研究中采取非实时和实时组合的干预方案。多数研究表明，两种干预方式均对减少风险驾驶行为或降低危险事件率有一定的效果，但效果的大小、持续性有所不同。此外，不同干预方法效果不同，同样的干预方法对不同的驾驶人、风险行为的干预效果也存在差异。

参考文献

[1] 公安部交通管理局.道路交通事故统计年报[M].2018.

[2] 段冀阳，李志忠. 风险驾驶行为影响因素的研究综述[J]. 人类工效学，2013（02）：88-93.

[3] 杨京帅. 预防道路交通事故的驾驶行为干预技术分析[J]. 人类工效学，2005（03）：40-42.

[4] Zhang C ， Patel M ， Buthpitiya S ， et al. Driver Classification Based on Driving Behaviors[C]// International Conference on Intelligent User Interfaces. ACM， 2016.

[5] Albert G ，Musicant O ， Lotan T ， et al. Evaluating Changes in the Driving Behavior of Young Drivers A Few Years After Licensure Using In-Vehicle Data Recorders[C]// Driving Assessment Conference. 2017.

[6] Arroyo C ，Bergasa L M ， Romera E . Adaptive fuzzy classifier to detect driving events from the inertial sensors of a smartphone[C]// 2016 IEEE 19th International Conference on Intelligent Transportation Systems （ITSC）. IEEE， 2016.

[7] CastignaniG ，Derrmann T ， Frank R ， et al. Driver Behavior Profiling Using Smartphones： A LowCost Platform for Driver Monitoring[J]. IEEE Intelligent Transportation Systems Magazine， 2015， 7（1）：91-102.

[8] Bergasa L M ， Daniel Almería， Javier Almazán， et al. DriveSafe： an App for Alerting Inattentive Drivers and Scoring Driving Behaviors[C]// IEEE Intelligent Vehicles Symposium （IV）. IEEE， 2014.

[9] Mcgehee D V ， Raby M ， Carney C ， et al. Extending parental mentoring using an event-triggered video intervention in rural teen drivers[J]. Journal of Safety Research， 2007， 38（2）：215-227.

[10] Toledo T， Zohar D. Modeling duration of lane changes[J]. Transportation Research Record， 2007， 1999（1）： 71-78.

[11] Levi-Bliech M， Kurtser P， Pliskin N， et al. Mobile apps and employee behavior： An empirical investigation of the implementation of a fleet-management app[J]. International Journal of Information Management， 2019， 49： 355-365.

[12] Araujo R， Igreja A， de Castro R， Araujo RE. Driving coach： A smartphone application to evaluate driving efficient patterns. In： Intelligent Vehicles Symposium （IV）， 2012 IEEE； 2012. p. 1005-1010.

[13] Johnson DA， Trivedi MM. Driving style recognition using a smartphone as a sensor platform. In： Intelligent Transportation Systems （ITSC）， 2011 14th International IEEE Conference on； 2011. p. 1609-1615.

[14] Eren H， Makinist S， Akin E， Yilmaz A. Estimating driving behavior by a smartphone. In： Intelligent Vehicles Symposium （IV）， 2012 IEEE； 2012. p. 234-239.

[15] Saiprasert C， Thajchayapong S， Pholprasit T， Tanprasert C. Driver behaviour profiling using smartphone sensory data in a V2I environment. In： Connected Vehicles and Expo （ICCVE）， 2014 International Conference on； 2014. p. 552-557.

[16] Ferreira J ， Carvalho E ， Ferreira B V ， et al. Driver behavior profiling： An investigation with different smartphone sensors and machine learning[J]. Plos One， 2017， 12（4）：1-16.

[17] You C W ， Montes-De-Oca M ， Bao T J ， et al. CarSafe： A driver safety app that detects dangerous driving behavior using dual-cameras on smartphones[C]// Proceedings of the 2012 ACM Conference on Ubiquitous Computing. ACM， 2012.

[18] EskandarianA ， Mortazavi A . Evaluation of a Smart Algorithm for Commercial Vehicle Driver Drowsiness Detection[C]// Intelligent Vehicles Symposium， 2007 IEEE. IEEE， 2007.

[19] Friedrichs F，Yang Bin. Drowsiness monitoring by steering and lanedata based feathers under real driving conditions[C]//18th European SignalProcessing Conference，Aalborg，2010：23 27.

[20] Lal S K L ， Craig A ， Boord P ， et al. Development of an algorithm for an EEG-based driver fatigue countermeasure[J]. Journal of Safety Research， 2003， 34（3）：321-328.

[21] M.Patel，S.K.L.Lai et al. Applying neural network analysis on heart ratevariability data to assess driver fatigue[J]. Expert Systems withApplications，2011，38（6）：7235-7242.

[22] HostensI ， Ramon H . Assessment of muscle fatigue in low level monotonous task performance during car driving[J]. Journal of Electromyography and Kinesiology， 2005， 15（3）：0-274.

[23] Albu A B ，Widsten B ， Wang T ， et al. A computer vision-based system for real-time detection of sleep onset in fatigued drivers[C]// Intelligent Vehicles Symposium， 2008 IEEE. IEEE， 2008.

[24] Batista J. A Drowsiness and Point of Attention Monitoring System forDriver Vigilance[C]//Intelligent Transportation Systems Conference ，2007.ITSC 2007. IEEE. IEEE，2007：702 - 708.

[25] Lee D，Oh S，Heo S，et al. Drowsy Driving Detection Based on theDriver’s Head Movement using Infrared Sensors[J]. in Proceedings of the2nd International Symposium on Universal Communication，2008：231-236.

[26] Fan X ， Yin B C ， Sun Y F . Yawning Detection for Monitoring Driver Fatigue[C]// International Conference on Machine Learning & Cybernetics. IEEE， 2007.

[27] Hickman J， Hanowski R. Evaluating the safety benefits of a low-cost driving behavior management system in commercial vehicle operations[R]. Washington D.C： Federal Motor Carrier Safety Administration，2009.

[28] Hickman J， Hanowski R. Use of a video monitoring approach to reduce at-risk driving behaviors[J]. Transportation Research Part F，2011，14： 189-198.

[29] Hickman J， Hanowski R， Ajayi O. Evaluation of an onboard safety monitoring device in commercial vehicle operations [C]. The Fifth International Driving Symposium on Human Factors in Driver Assessment， Training and Vehicle Design，2005.

[30] Bell J L ， Taylor M A ， Chen G X ， et al. Evaluation of an in-vehicle monitoring system （IVMS） to reduce risky driving behaviors in commercial drivers： Comparison of in-cab warning lights and supervisory coaching with videos of driving behavior[J]. Journal of Safety Research， 2017， 60：125-136.

[31] Wang X ， Xing Y ， Luo L ， et al. Evaluating the effectiveness of Behavior-Based Safety education methods for commercial vehicle drivers[J]. Accident Analysis & Prevention， 2018， 117：114-120.

[32] Toledo T， Lotan T. In-vehicle data recorder for evaluation of driving behavior and safety[J]. Transportation Research Record， 2006， 1953（1）： 112-119.

[33] 王罡. 基于UBI的車辆个性化保险费率厘定模式研究与应用[D].中国科学院大学，2017.

[34] Mcgehee D V ， Carney C ， Raby M ， et al. The impact of an event-triggered video intervention on rural teenage driving [C]. Fourth International Driving Symposium， 2007.

[35] Levick N， Swanson J. An optimal solution for enhancing ambulance safety： implementing a driver performance feedback and monitoring device in ground emergency medical service vehicles[C]. 49th annual proceedings Association： For The Advancement of Automotive Medicine， 2005.

[36] Kim D， Lee C， Park B J. Use of digital tachograph data to provide traffic safety education and evaluate effects on bus driver behavior[J]. Transportation research record， 2016， 2585（1）： 77-84.

[37] Toledo T， Musicant O， Lotan T. In-vehicle data recorders for monitoring and feedback on drivers’behavior [J]. Transportation Research Part C， 2008，16： 320-331.

[38] 罗楝，王雪松，余荣杰，等.营运驾驶人行为安全教育效果研究[J]. 中国安全科学学报，2016，26（9）：124-128.

[39] Musicant O， Lotan T， Toledo T. Safety correlation and implications of an in-vehicle data recorder on driver behavior [C]. Washington D.C： Transportation Research Board Annual Meeting，2007.

[40] Toledo G， Shiftan Y. Can feedback from invehicle data recorders improve driver behavior and reduce fuel consumption？[J]. Transportation Research Part A： Policy and Practice， 2016， 94： 194-204.

[41] Choudhary V， Shunko M， Netessine S. Does Immediate Feedback Make You Try Less Hard？ A Study of Automotive Telematics[J]. 2019.

作者：李艳 刘文超 尤志栋

评估研究道路交通安全教育论文 篇2：

四川广安构建交通管理新模式

2017年以来，四川省广安市公安局交警支队紧紧围绕公安交通管理工作“社会化、法治化、智能化、专业化”要求，进一步创新探索公安交通管理工作，向科技要警力，向管理要效率，构建了科学化事故预防、精细化疏堵保畅、实战化交通指挥、社会化公众服务、规范化执法运行、正规化队伍管理“六大体系”，开创了独特的防事故、保畅通、精装备、强队伍的广安公安交通管理模式，切实破解了瓶颈性难题，实现了交通事故预防、秩序管控能力、服务群众水平、民警执法形象“四大提升”，一次性死亡三人以上较大道路交通事故、严重道路交通拥堵、交通安保失误、群众有效投诉、队伍违法违纪“五个零发生”，城市道路交通智能监控全覆盖，便民公众服务全方位的工作目标，全市公安交通管理整体工作迈上新台阶，进入全省一流方阵。

源头管理 构建科学化事故预防与处理体系

加强道路交通安全源头治理。推动落实了道路交通安全设施与道路主体工程同步规划、同步设计、同步施工、同步验收、同步使用“五同步”制度，积极推进了道路隐患排查治理，提请市安委会牵头安监、公安、交通、建设等部门联合组建了隐患排查整治领导小组，建立完善了隐患排查和治理机制，以政府名义制定了道路安全隐患排查治理规划，进行了挂牌整改；完善了城乡道路交通标志标线及交通安全设施设置。2017年1月～8月，全市共排查治理道路交通安全隐患900余处。

建立道路交通安全风险防控机制。完善了道路交通安全警情风险分析研判机制；建立了车辆和驾驶人风险管控机制，对客运车辆（公路客运、旅游客运）、“营转非”大客车、危化品运输车、校车、农村面包车“五类重点车”及其驾驶人实行了动态风险管理。

强化农村道路安全管理。充分发挥“道安委”协调作用，推动了县、乡政府道路交通管理主体责任的有效落实，各乡镇交管办“5-3-2”“3-2-1”人员和经费保障全面到位；继续推行了农村派出所与交管办合署办公模式，全面推广应用了“互联网+农村道路交通安全管理平台”；加速推进了农村“两站两员”建设，落实了劝导员、劝导站设备及劝导员装备全部配备到位。1月～8月，全市农村道路交通违法行为明显减少，交通事故发生大幅下降，道路交通安全畅通。

加强道路交通安全联组建设。全面恢复重建了全市道路交通安全联组，农村地区以乡镇为单位、城区以社区和企事业为单位建立了驾驶员安全联组；建立完善了驾驶人属地教育管理相关工作机制，加强了交警大队、中队对安全联组工作的指导，强化了驾驶人日常安全教育，联组每月开展一次安全教育，各区市县每年开展一次驾驶员代表集中授课培训；直属交警三大队在全市率先建立货运车辆驾驶人、摩托车驾驶人、危化物品驾驶人、客运车辆驾驶人等四类安全联组，打造“1+X+1”模式，用企业模式去管理驾驶员。

推进完善道路交通事故快速处理机制。进一步完善了全市轻微道路交通事故快处快赔中心设置，全市统一规划，合理布建，外观标识、内部装饰、设施配备、岗位设置等全市统一；进一步规范了全市七个快处快赔中心运转，充分发挥其功能；进一步完善了事故快速处理机制，会同司法行政部门、人民法院、保险公司，进一步完善了道路交通事故处理“四调联动”机制；探索了轻微道路交通事故自助处理机制，基于互联网搭建了轻微道路交通事故自助处理平台，逐步实现了交通事故网上受理、网上定责、网上理赔。

秩序管理 构建精细化疏堵保畅体系

推动科学制定城市交通发展规划。建立了交通管理科研专业队伍，积极发挥参谋和助手作用，参与城市综合交通规划的编制、修订工作，主动向政府及有关部门提出了权威、科学的意见建议。参与市住建局、市规划局关于广安市区云轨规划建设方案的研讨并提出了意见；对城区信号灯间距較近的信号灯路口进一步优化了协调控制，制定了绿波带控制方案，减少了路口等候信号灯的时间。

优化城市动态交通组织。启动了城市交通信号灯配时智能化和标志标线标准化工作，组建了全市交通信号灯配时智能化和交通标志标线标准化专家组，建立了交通设施专业化管理机制；全面完成了主城区交通信号灯配时智能化和全市交通标志标线标准化工作，优化了城区动态交通组织，改善了城市道路微循环。研究制定，推广应用了疏堵保畅三级勤务机制，确保了城区道路安全畅通。

加强城市静态交通管理。推动市政府出台了《广安市机动车停车场建设和管理办法》，联合相关部门规范了停车设施的规划设计、建设与管理，运用行政、经济、法律等综合管理手段，均衡了道路交通流量，合理制定了停车管理政策，缓解了城区停车矛盾；推动各级政府加强了城区周边货运停车场和城区公共停车场、立体停车楼建设，启动了路面停车泊位规范清理，强化了非法占道查处，建立完善了违法停车“查处-纠正-拖移-告知”一体化工作机制，全面优化了城区停车秩序；建立了占道车辆拖移自助查询、交通设施损坏举报和交通违法举报平台，拟订探索建立有奖举报、有奖征集、积分奖励等工作机制。

智能管理 构建智能化交通指挥体系

推进实战化指挥系统建设。全面启动了“全市公安交通管理指挥服务中心”建设，内设指挥调度、信息研判、监督管理、公众服务四大中心平台。交警支队以交通智能监控为基础成立“公安交通管理指挥中心”，各交警大队（含县市大队）设立“交通管理指挥分中心”；布建“全市公安交通指挥平台”，各大队建立分平台，实现与市局“公安扁平化指挥平台”有效对接、互联互通；建立了信息收集、研判制度，规范信息归口和应用。8月底，交通管理指挥服务中心已全面建成，各项机制正在完善之中。将初步实现情指一体化、处置扁平化、调度规范化、指挥智能化、资源集约化的目标。

完善交通安全应急处置机制。建立完善了暴恐事件、群体性事件、重大案事件等应急处置工作预案，健全了信息通报、协作配合、交通管制等相关工作机制。加强和规范了恶劣天气交通应急管理，实现了科学化、精细化，有效预防交通事故；推动了医疗、保险等部门健全交通事故医疗救援体系，规范道路交通事故社会救助基金管理使用，提高交通事故伤员救治能力，降低事故因伤致死比例。

推进智能交通系统建设。全面启动了城区违停抓拍系统规划建设，启动了城区交通智能监控、电子警察、交通卡口、高点监控等系统升级改造、补点工作，启动了主城区城市信号灯绿波带建设改造，加快完善了国省干道监控平台和区间测速系统建设。

建立智慧出行诱导体系。探索与百度地图、高德地图等商业公司合作，利用商业地图大数据配合卡口系统建立了城市车辆流量监控平台，指导路面勤务，提高秩序管控的科学性和针对性；探索将交通管制公告、事故点位、交通违法信息等交通管理信息接入在线地图。借助微信公众号、移动APP或商业地图逐步向社会开放交通高点视频监控资源，引导群众合理安排出行，逐步构建了完善的智慧出行诱导体系。

加强科技装备配备应用。分期分批实施了350兆警用数字集群系统建设，逐步完成了350兆对讲机数字化转化，已经完成第一批对讲机数字化改造工作；推广了应用警务通、警务云平台等移动执法终端，推广了集成机动车和驾驶人信息查询、交通违法信息查询与处理、GPS定位等功能的无线移动警务（PDA）系统应用。

车管服务 构建社会化公众服务体系

推进互联网公安交管服务系统建设。依托公安部交管局“互联网交通安全综合服务管理平台”和市局“互联网+公安”综合服务平台，全面搭建了基于移动互联网的公安交通管理公众服务平台；建立了基于HTML5技术的移动互联网站，升级了微博、微信平台功能，全面规范和加强了全市公安交警微博、微信、头条号和互联网站等宣传交流平台运营管理；开通了全市公安交通管理12123服务热线，建立了“全市公安交警业务知识标准库”，利用商业智能机器人，搭建了基于互联网“广安交警智询通”平台，实现了通过电话、短信、微信、移动APP、网页等进行交通管理业务在线咨询的自动应答服务；在支队设立了“公安交通管理公众服务中心”，各大队和窗口单位设立了“公众服务岗”，构建起了完善的互联网公安交管服务系统。

推进车管中心提档升级。按照《车管所等级评定标准》积极开展了一等车管所创建活动，争取2018年初步达到全国一等车管所创建标准，开始争创全国一等车管所；建设了档案影印管理系统、驾驶证考试电子签名系统，基于互联网搭建了审验教育满分学习系统，依托交通管理综合服务平台开发了车辆报废监管系统、PDA车辆查验系统，升级了自动排队叫号系统，进一步提升了车驾管服务水平；加强了社会化车辆检测线和考场监管，加大了“车串串”打击力度，进一步规范了车驾管业务；升级了微信车管所，进一步拓展了功能，提升了知名度，巩固了在全国车管系统的领先优势。

推进车驾管服务延伸。积极解放思想，精简办事程序，创新推出了一批车管便民服务新政；进一步推进了车驾管业务向县、乡延伸，将机动车登记、年审等业务全面下放县级车管所，交通违法处理、免检车辆年检标志核发业务全面下放农村交警中队；进一步扩大了交管办、安全联组、邮政、保险、医疗机构代办车驾管业务范围；深入推进了“交通管理流动服务站”建设，完善了车驾管上门服务机制，服务好群众“最后一公里”。1月～8月，全市共受理机动车业务15.1万余起，办理驾驶证业务9.7万余起，检验机动车5.2万余辆。

法治建设 构建规范化执法运行体系

加强执法队伍建设。加强了法制员队伍建设，科学配备法制部门警力，选拔内部优秀人员组建“法制小分队”，加强对案件的监督、审核；聘请法官、检察官、律师及专家、学者、组建“法制教官团”，组织开展了执法难点专题研讨和执法风险评估研判等工作；建立了交警系统教育培训长效机制，优化了教育资源配置，创新了培训方法，充分利用全国“交警网校”和全省“战训合一”，开展了全员培训、岗位大练兵和比武竞赛等活动，提高了队伍整体素质，提升了执法办案能力。

提升执法过程标准化水平。进一步细化完善了执法制度，规范执法行为，进一步完善了案卷执法质量考评工作机制，全面加强执法办案质量监管；开发了电子版《交通管理执法手册》，实现了法律法规、执法案例、法律文书的便捷查询，为民警执法办案提供了全面参考。

强化执法过错责任追究。建立完善了执法责任和执法过错责任追究制度，严格落实执法过错责任追究；开展了执法现状分析研判，积极预防执法风险，确保办案质量。积极適应以审判为中心的诉讼制度改革，深化执法功能区建设和执法装备配备使用，加强违法犯罪嫌疑人权益保护和证据收集。截至目前，全市公安交警部门路面执勤民警执法记录仪配备率、使用率均达到100%。

创新执法告知（提示）机制。进一步探索了执法告知新途径，逐步探索建立了以微信公众号、移动APP、短信消息等为途径的新型告知方式；探索在代管高速公路、城市快速路、国省干道建立LED显示屏，实行违法查处与告知（提示）联动运行，提升了告知（提示）的及时性；利用卡口系统侦测功能，配合LED显示屏，建立对严重交通违法车辆自动告知（提示）功能，提高了现场震慑力；进一步扩大告知（提示）服务范围，拓展交管信息发布渠道，为群众出行提供了优质高效服务。

队伍建设 构建正规化队伍管理体系

加强公安交警队伍班子建设。选调了政治坚定、熟悉业务、精通法律、廉洁高效的优秀干部充实到交警各级领导班子；县市公安交警部门主要负责人任免前均征求了市公安局意见；进一步理顺了领导和指挥关系，强化了市级公安交警部门对全市各级交警部门的领导管理，统一指挥调度。建立了市县公安交警部门领导“对等交流制度”，建立了公安科级领导后备干部推荐制度，进一步激发了队伍活力。在广安市公安局后备人才考察考评工作中，该支队有六名同志被确定为科级后备人才。

加强公安交警队伍党风廉政建设。以督察部门为基础设立了“公安交通监督管理中心”，建立完善了监督管理制度，畅通了监督渠道，重点加强了对驾驶人考试、车辆查验、违法处理、事故处理等群众反映较大的热点岗位和行政审批权、行政执法权的制约和监督；开展了警务回访，强化了信访投诉办理，加大了违法违纪案件查处，确保了队伍不出问题；加强了基层党建工作，坚持以道路交通安全管理为载体，采用业务“三会一课”贯彻落实支部“三会一课”的方式，狠抓党的建设和队伍管理，推动业务工作取得突出成效。特别是交警三大队用党建统领公安队伍建设和公安工作，取得明显成效，得到广安市副市长、公安局长王峰的充分肯定和高度赞扬。

推进公安交警队伍形象建设。深化了评优树典、争先创优工作，继续开展了“五无”大队创建、“十佳”标兵评选、“身边的典型”推荐等争先创优活动，正在全市范围内打造两至三个规范化建设示范交警中队，在事故、秩序和车管岗位树立了标杆；同时，强力推进公安交警警力合理配置，全面落实了各项从优待警措施。2017年以来，三个基层大队被市局荣记集体三等功，五人荣记个人三等功，18人被市局嘉奖；慰问基层所队十个，看望因公受伤、困难民警、职工、辅警41名，发放慰问金六万余元。（作者邹勇系广安市公安局党委委员、交警支队支队长）

作者：邹勇 黄曙光

评估研究道路交通安全教育论文 篇3：

高速公路道路安全隐患排查与治理对策分析

摘要：随着国家发展越来越好，人们生活水平不断提高，因此在交通运输行业当中也得到了进一步的提高，高速公路道路当中的车流量不断的增加，在此种情况下，在高速公路道路交通安全的运行过程当中也出现了很多全新的问题和情况，尤其在高速公路道路交通安全当中，对于各方面的因素出现了很多的矛盾，交通安全隐患也在日益的突出，对于高速公路道路交通的安全造成了很大的威胁。在此种情况下，需要结合当地的实际情况，对高速公路道路安全隐患的排查工作和治理工作进行科学化的进行，实现对高速公路道路安全隐患的有效排查，保证人们的公路道路运输的安全性。

关键词：高速公路;道路安全;隐患排查;治理对策

目前全国各地高速公路道路交通事故，尤其是亡人事故频发，高速公路道路交通安全形势非常严峻。对高速公路道路交通安全环境进行排查，能够全力预防和减少高速公路道路交通事故，提升高速公路道路交通出行环境，及时消除高速公路道路交通安全隐患，保障居民生命财产安全。

1高速公路道路交通安全隐患排查的基本内容

1.1与交通参与者相关的高速公路道路隐患排查

机动车交通系统承担着机动车驾驶员的交通活动，行人和非机动车交通系统承担着行人、非机动车驾驶员的交通活动，而公共交通系统则主要承担乘客的交通活动。所以，交通参与者相关的排查内容主要包括机动车交通系统、行人和非机动车交通系统、公共交通系统三个方面。

1.2 交通基础设施的隐患排查

交通安全管理设施方面的排查内容主要包括交通标志、交通标线、防护设施、交通信号灯、交通监控系统、高速公路道路照明及变配电、管理设备。

1.3高速公路道路交通环境的隐患排查

高速公路道路交通环境是规定或限定人们交通行动的各种外界或内在条件。高速公路道路交通环境可分为自然环境、高速公路道路环境、人文环境和公路道路施工环境。高速公路道路交通环境作为引起公路道路事故的间接因素，对高速公路道路交通安全的影响不容忽视。

2高速公路道路交通安全隐患所产生的原因和因素

在进行高速公路道路交通安全隐患产生的原因分析的过程当中，需要对其作出全面科学的有效分析。（1）在高速公路道路交通的设计方面，存在着严重的隐患。具体表现前瞻性、科学性以及标准统一性方面。在设计当中，缺乏对交通发展的前瞻性的研究，对于新建高速公路道路的交通饱和状态没有进行科学的评估，因此就会出现高速公路道路的路幅设计过窄、交叉路口拓展处理不合理等一系列问题，特别是在对高速公路道路进行二次拓宽改造过程中，容易形成交通的瓶颈问题。在设计科学性方面，主要是受到了当地实际因素的限制，比如地理、环境以及条件等，因此很多地方当中出现了接口不科学、弯道半径不足、弯道反超高等问题。在设计标准的统一性方面，对于交通安全具体的要求没有做到严格的遵守，因此就会造成高速公路道路的不规范，造成该高速公路道路安全隐患的出现。（2）在高速公路道路的建设当中所产生的隐患。第一，主要体现了施工方面存在着妥协的现象，在面对拆迁、征地或者施工难度大等具体问题的时候，一般都会采绕开的方式来进行解决，因此造成不符合安全标准和要求的问题;第二，主要体现在建筑的质量方面，如果在建设中一味的为了节约成本而采取偷工减料的方式进行建筑，对于高速公路道路的安全隐患也会造成很大的威胁。第三，主要是体现在了验收方面，各部门对于验收的标准和内容都存在着不同之处，因此在监管的盲区就会形成安全隐患问题。（3）在高速公路道路维护管理的过程当中也会产生隐患现象。在高速公路道路的养护方面如果出现了不到位的现象，就会造成高速公路的安全管理问题，最终形成高速公路道路的安全隐患。并且在对高速公路道路施工的监管方面也存在着不严格的现象，施工单位的安全意识缺乏，对于其施工的交通设备会在施工的过程当中形成一定的破坏现象，因此形成了安全隐患。与此同时，对于交通设备的维护管理体制方面还存在着相当大的缺陷，没有建立起全方位的高速公路交通设备维护的财政保障体制，因此在交通的设施经费方面存在着不到位的现象，以致于在发现被破坏的时候不能在第一时间内进行修护。（4）交通环境的变化也会产生安全隐患。周围环境的变化，对于高速公路道路周边的交通冲突点也会在很大程度上进行不断的增多，因此造成了交通安全的隐患问题。

3治理的具体措施和对策

（1）首先需要不断的加强安全宣传教育，不断的提高居民的安全行车意识，在每一个高速公路的服务区以及停车场当中都设置安全行车的宣传栏以及移动式的安全宣传展板。也可以利用LED的形式来对安全行车进行提示，对路况信息进行及时的播放。（2）还要不断的加大安全设施的投入力度，对路段的通行条件进行改善。在高速公路的路段当中，需要结合实际情况来对服务区、停车区以及避险车道进行合理的设计，最大限度的将本地区的路段进行合理性、科学性的改善，比如在对长下坡路段进行改造的时候，可以进行强制性停车加水（或降温槽）休息区的强制设置，并且还可以进行港湾式紧急停车带的设置。如果路段属于特长隧道、长大纵坡的话，可以采取间隔式红色的方式来得到路面减速的效果;与此同时，在长大纵坡处可以利用增加标志牌和线形诱导标的方式，来减少交通高速公路道路的安全隐患发生概率。（3）还要对高速公路当中的违法行为进行不断的整改，全面提升安全管理控制的水平和力度。通过此种方式，可以在高速公路当中进行违法行为的科学整治，比如可以根据高速公路的路段特点进行测速点的设置，协助高巡来对违章超速车辆的及时管理控制。还可以对超载的车辆进行定期的排查，对易燃易爆危险品运输车辆实施禁行措施。（4）还要对高速公路进行定期的安全隐患排查，通过对高速公路路段内的隧道、桥梁、上下坡、弯道、坑槽以及防護网等多种交通设施进行拉网式的排查，整理成为《高速公路安全隐患排查治理登记表》，进行及时的向上级反应，并且加强对施工现场的全面监管，利用施工安全的标准来进行严格要求，做到不留死角的现象。

4结语

综上所述，在高速公路的运营管理过程当中，需要最大限度的保证其安全性，对于高速公路当中的自身的特点进行实际的分析，从而可以对公路当中的高速公路道路安全隐患产生的原因进行实际的分析，针对性的采取有关的措施进行管控，结合各方面的政府部门的工作，比如安全教育宣传以及加大安全设备的投入力度等，来最大限度的提升高速公路道路安全隐患的治理。

参考文献：

[1]李品才.富川多举措开展客运隐患排查[J].驾驶园，2019，（11）：65.

[2]孙强.高速公路安全设施设计优化方法研究[D].长安大学，2018.

[3]浑江区交警开展农村高速公路道路安全隐患排查[J].吉林农业，2019，（2）：15.

[4]王雪梅，杨讯，范钦满，胡思涛.农村公路交通事故特征分析[J].物流工程与管理，2019，4（39）：173-174.

（作者单位：山东高速股份有限公司济青济南运管中心）

作者：尹洪安