交通部運輸研究所Institute of Transportation, MOTC

       本論文將研究內容分成三個子題進行駕駛感知時間影響因素、事件序列預測模型和事件序列風險程度的探討，為能更嚴謹解構事故發生過程，故採用自然人駕駛資料作為研究對象；以下簡述各子題研究成果及可能應用。 
1. 駕駛感知時間影響因素模型：駕駛感知時間係為駕駛資訊處理流程快慢的象徵，本研究結果顯示非白天(+0.246秒)、交通密度 D級以上(+0.215秒)、分心(+0.250秒~+0.547秒)等變數將增加駕駛感知時間，而路口相關(0.216秒)與生氣(-0.499秒)則會減少駕駛的感知時間；於防碰撞系統警示建議可參考駕駛行車環境設定提前警示的時間點。 
2. 事件序列預測模型：透過事故序列的建立將有助於分析潛在的事故成因，本研究以事前行車動向、關鍵事件、駕駛閃避動作三變數作為事件序列的建立。為討論影響事件序列發展的變數，本研究以關鍵事件前的變數
資訊(感知時間、感之前加速度、交通密度)進行關鍵事件和駕駛閃避動作的組合預測，預測正確率約有 7成。 
3. 事件序列風險程度模型：研究結果發現，以三台車於路口左彎為例，首車於路口完成過彎，本車駕駛(本車屬第三台車)因視線可及首台車完成過彎的動作，故預期能順利完成過彎，然第二台車在左轉之際因路邊有行人穿越(或其他因素)而停止，本車駕駛因視線阻擋且第二台車突如其來的煞車引發追撞的風險，此類事故可透過行人穿越號誌設計的調整或是行人偵測警示系統而有所改善。 
綜合上述研究成果，期能於車輛應用科技提供發展方向，共創美好的道路交通安全環境。

”無電子檔，歡迎至本所查閱紙本”