駕駛特性對駕駛人應激反應的影響研究

梁鈺 楊艷群 祝站東 陳銘 林君君 鄭新夷

摘要：【目的】駕駛人在行駛中受交通應激事件的影響，為探索應激反應的程度展開研究?！痉椒ā坎捎镁S也納交通心理測試系統（VTS）甄選出高駕駛特性組（H 組）和低駕駛特性組（L 組）各21名被試進行試驗，通過統計學方法分析不同駕駛特性群體的應激反應特征，并采用集對分析模型評價被試的應激反應優劣?！窘Y果】研究結果表明：通過檢測駕駛人的駕駛特性能力區分其應激反應能力可行，提高駕駛特性能夠幫助駕駛人提高應激能力，情況越危急，提高的幅度越大?！窘Y論】試驗中，在所有應激距離下，H組的應激反應均優于L組，且應激距離的減少對L組的影響比H組大；在交通應激事件中為駕駛人提供1 s以上交通沖突時間是必要的。

關鍵詞：交通運輸；駕駛特性；應激反應；集對分析；駕駛模擬

中圖分類號：U491.2 文獻標志碼：A

本文引用格式：梁鈺，楊艷群，祝站東，等. 駕駛特性對駕駛人應激反應的影響研究[J]. 華東交通大學學報，2024，41（1）：87-95.

Study on the Influence of Driver Characteristics on

Driver′s Stress Response

Liang Yu1， Yang Yanqun2，3， Zhu Zhandong1， Chen Ming2，3， Lin Junjun2，3， Zheng Xinyi3，4

（1. School of Transportation， Fujian University of Technology， Fuzhou 350118， China; 2. College of Civil Engineering， Fuzhou University， Fuzhou 350108， China; 3. Joint International Research Laboratory on Traffic Psychology & Behaviors， Fuzhou

University， Fuzhou 350108， China; 4. College of Arts and Human Science， Fuzhou University， Fuzhou 350108， China）

Abstract： Drivers are affected by traffic stress events during driving， in order to explore whether driver characteristics affect drivers stress response. 21 subjects from high driving characteristics group （Group H） and low driving characteristics group （Group L） were selected by the Wiener Traffic Psychometric test system （VTS） to analyze the stress response characteristics of different driving groups through statistical methods， and the set pair analysis model was used to evaluate the stress response of the subjects. The specific performance is as follows： it is feasible to distinguish drivers stress response ability by detecting driver characteristics. Improving driving characteristics can help drivers enhance their stress ability. The more critical the situation is， the greater the improvement is.? In all stress distance experimets， stress response of Group H is better than that of Group L and the reduction of stress distance had a greater impact on Group L than on Group H. The results prove that it is necessary to provide drivers with more than 1s TTC （time to collision） in traffic stress events.

Key words： transportation; driver characteristics; stress response; set pair analysis; driving simulation experiment

Citation format：LIANG Y， YANG Y Q， ZHU Z D， et al. Study on the influence of driver characteristics on driver′s stress response[J]. Journal of East China Jiaotong University， 2024， 41（1）： 87-95.

【研究意義】由于交通環境的復雜性，駕駛人在行駛中無法及時避開交通應激事件（例如從路旁突然沖出的行人、從視距不良的交叉口突然沖出的車輛等），采取了錯誤操作而導致事故發生。剖析事故機理時發現，駕駛人特性導致的應激反應能力的差異是影響事故發生的重要因素。

【研究進展】在針對不同駕駛特性的駕駛人開展的應激反應能力研究方面，國內外針對駕駛特性研究的角度和表征內容存在差異。趙亮等[1]對應激反應的研究致力于發現表征應激能力的指標，認為復雜道路環境下駕駛人的應激訓練次數和瞳孔面積變化率函數模型能較好地描述駕駛人在復雜道路環境中的應激反應能力。Takahashi等[2]通過測量老年司機的手掌出汗反應、皮膚電位反射以及操作方向盤、油門和剎車的能力，評估駕駛人對危險的感知能力。李顯生等[3] 研究表明不同沖突導致的應激場景下駕駛人的心率增長率有顯著差異性。楊靜思等[4]主要探討了駕駛人性別對駕駛行為特性的影響。吳付威[5]運用復雜反應測試系統開展研究，發現事故組駕駛人對復雜信息的判斷以及執行功能弱于非事故組駕駛人。郭烈等[6]主要通過駕駛人狀態、意圖和風格等方面進行駕駛特性的識別?！娟P鍵問題】但是，這些應激反應研究往往通過單一特性的指標來表征駕駛人的應激反應，缺乏綜合駕駛人的生理、心理、駕駛操作等多方面特性全面評估駕駛人的應激反應研究。

【創新特色】為探究不同生理素質和心理能力的駕駛人的應激反應，本文根據認知心理學中人類行為的S-O-R模式將駕駛行為分為3個階段：信息感知階段、判斷決策階段和駕駛操作階段。并相應地將駕駛特性分為感知特性、判斷特性和操作特性。利用VTS對駕駛特性進行測試，篩選出高駕駛特性組和低駕駛特性組，采用駕駛模擬實驗采集不同駕駛特性水平的駕駛人在不同緊急程度的道路場景下的應激反應數據，建立評價駕駛人應激反應優劣（安全程度）的數學分析方法。

1 研究方法與實驗

1.1 被試對象介紹

實驗招募100名持照駕駛人進行VTS測試，擁有一年及以上駕駛經驗的被試占比64%，年齡在20～26歲之間，其中男性70名、女性30名。被試的駕駛經驗占比分布為：6個月以內（58%），6個月～1a（6%），1～3a（20%），3～5a（6%），5a以上（10%）。

實驗基于預期方差、目標置信度和誤差幅度計算所需樣本量，計算公式為

式中：N為樣本量；Z為標準正態分布統計量；σ為標準偏差；E為最大誤差。參考文獻[7]，當置信水平為90%時，Z=1.25，σ取值范圍為0.25～0.5，為檢測出可靠的效應量，取σ為0.5，E=10%，算得最小樣本量為40。為充分確保樣本有效性，從參與VTS實驗的被試中選擇42人進行駕駛模擬實驗。

1.2 VTS測試

目前已有多項研究[8]采用VTS進行駕駛人特性的測量，具有一定的可靠性。根據駕駛人的感知特性、判斷特性及操作特性，本文選用邏輯推理能力、交通感知能力、集中力、反應速度、運動速度及反應性壓力耐受能力共6個指標來表征駕駛員駕駛特性。利用VTS的5個測試模塊對駕駛員的駕駛特性表征指標進行測評，具體如表1所示。

PR（percentile rank）值是VTS測試結果的衡量值[9]，代表在測試項目所考察的能力上，對照組中取得同樣分數或更低分數的人所占的比例，實驗所用VTS對照組是歐洲被試群體的一個代表性樣本。5個測試模塊的PR值總和即駕駛人的駕駛特性得分，得分越高表明駕駛人擁有越好的駕駛特性能力。實驗最終剔除了2個PR值異常低（低于3）的男性被試數據，在剩余98個被試中，挑選駕駛特性得分最高的21個被試（男性18人，女性3人）代表高駕駛特性組（H組），挑選駕駛特性得分最低的21個被試（男性14人，女性7人）代表低駕駛特性組（L組），兩組被試進行駕駛模擬實驗。

對2組被試的駕駛特性指標進行獨立樣本t檢驗，萊文方差等同性檢驗表明，所有指標檢驗不能否認方差相等，6個指標的檢驗結果均顯著（表2），表明挑選出的兩組被試的駕駛特性存在顯著差異。表2中：*表示P<0.1（邊緣顯著），**表示P<0.05（顯著），***表示P<0.01（極顯著）。

1.3 駕駛模擬實驗設計

1.3.1 實驗場景設計

駕駛人的內在因素如駕駛特性，外在因素如行駛速度、與應激源的距離（應激距離），對駕駛人的應激反應均有影響。實驗設計的應激事件是停在路邊的車輛（應激源）突然從遮擋區域出現在自車前方，應激源車輛在被試所在車道低速行駛一段距離后換道至另一個車道停車。王暢等[9]研究表明，與行駛速度相比，應激距離的變化對駕駛人的心率增長率、心率變異性LF值的影響更大。因此，實驗的變量設置為應激距離。車輛理論安全間距包括基本安全距離、感知反應距離和制動距離，3個過程所需時間之和通常取1.5 s[9]。應激距離的確定考慮自車車身前部長度的影響，控制行駛速度為60 km/h，對應1.0、1.5 s和2.0 s的交通沖突時間（time to collision， TTC）的侵入距離分別為19.2、27.5 m和35.8 m[10]，將此設置為實驗場景的3個應激距離。

為使駕駛人對即將發生的應激事件沒有心理預期，場景中一共設計6處可能產生應激事件的位置，但只有第2、5、6處真正觸發應激事件。此外，為克服駕駛人在3次應激事件中產生的學習效應，設計3種場景擁有不同的觸發距離組合：場景A（19.2、27.5、35.8 m），場景B（27.5、35.8、19.2 m），場景C（35.8、19.2、27.5 m）。3種場景在實驗中將被輪流使用。

1.3.2 應激反應表征指標

根據對駕駛員應激反應行為的分析，甄選出駕駛員應激反應行為的表征指標分別為腦電行為指標、視覺行為指標和駕駛行為指標。結合相關文獻[11]，確定各類指標內容如表3。

1.3.3 實驗設備

采用DSR-1000TS2.0型駕駛模擬系統進行室內駕駛模擬閉環實驗，該系統可以記錄并導出多項駕駛行為參數，如方向盤的轉角、剎車深度、油門深度等，以及多項車輛參數，如車輛的速度、加速度、軌跡偏移量等。

采用32通道NE無線腦電儀，傳輸24 bit腦電數據，能準確還原被試腦電信號，其帶寬為0～250 Hz，采樣率為500 SPS，分辨率為24 bit～0.05 uv，噪聲小于1 uvrms（0～250 Hz）。

采用Dikablis開發的眼動儀，結合分析軟件D-Lab一起用于跟蹤和測量參與者視覺行為的特征。采集樣本時，眼動儀的頻率設置為60 Hz，精度范圍為0.1°～0.3°。

1.3.4 實驗流程

在正式實驗開始前，告知被試實驗目的和任務，強調在正式實驗時按照60 km/h速度行駛，被試閱讀并簽署同意書。主試給被試佩戴腦電儀和眼動儀。被試在非實驗場景下駕駛5～10 min，以便熟悉駕駛模擬器操作。正式實驗開始，主試在控制臺加載實驗場景（A、B、C場景中的一個），駕駛時長約10 min，每個被試僅在一種場景中駕駛。

1.4 實驗數據處理

VTS數據（PR值）由系統直接導出，眼動數據通過D-Lab軟件導出，操縱數據在駕駛模擬系統自動生成，采集頻率為30 ms，腦電數據通過NIC軟件生成，采集各個通道數據后導出到MATLAB使用EEG-Lab工具包處理，其中，過濾保留0.5～40 Hz（500 Hz采樣頻率）之間的數據，用平均值作為重參考，運行ICA進行獨立主成分分析，去除偽跡。

2 實驗數據處理

對應激反應各個指標進行雙因素重復測量方差分析（3組應激距離為重復測量的因子），結果見表4，進行事后檢驗的結果如圖2。在方差分析前，采用Mauchly's球形假設檢驗變量差值的方差是否相等，僅“瞳孔面積”通過檢驗，因此其他指標P值采用Greenhouse-Geisser矯正。

重復測量方差分析結果表明，組內效應（應激距離）造成所有指標的差異均顯著（P<0.01），組間效應（駕駛特性）對所有指標造成的差異均顯著（P<0.01），應激距離和駕駛特性的交互效應造成剎車速度的差異顯著。從指標的變異解釋率來看，根據Ferguson總結的社會科學領域的小、中、大3種參數水平對應的效應量臨界參考值為0.04，0.25，0.64[12]。由表4知，在不同應激距離下，油門深度、剎車速度、方向盤轉角、瞳孔面積的指標變異解釋率均大于0.64，（θ+α）/β、掃視頻率的指標變異解釋率介于0.25～0.64，說明6個指標具備重要現實意義；在不同駕駛特性分組中，瞳孔面積、油門深度、剎車速度、（θ+α）/β的指標變異解釋率介于0.25～0.64之間，方向盤轉角、掃視頻率的指標變異解釋率介于0.04～0.25之間，說明6個指標具備不同程度的現實意義。

根據表4和圖1，總的來說，H組被試的所有指標表現均優于L組被試。應激距離越長時，被試的生理、心理狀況和駕駛行為也更加安全穩定。對腦電指標、眼動指標、駕駛行為指標的分析如下。

1）腦電指標。應激距離越?。é?α）/β值越大，表明在越小的應激距離下，被試的警覺程度越高。由圖1（a）和表4可知，L組的（θ+α）/β平均值高于H組，表明L組在應激過程中警覺程度更高。

2）眼動指標。眼動指標包括掃描頻率和瞳孔面積，應激距離越小掃視頻率（瞳孔面積）越大，表明在越小的應激距離下，被試的心理壓力越大；由圖1（e）和表4可知，L組掃視頻率大于H組，表明L組的心理壓力更大；由圖1（f）和表4可知，L組瞳孔面積大于H組，表明L組的心理壓力更大。

3）駕駛行為指標。應激距離越小剎車速度越大，表明駕駛人在較小的應激距離下剎車更緊急。由圖1（b）和表4可知，H組油門深度大于L組，應激距離越大油門深度越大，表明駕駛人的駕駛特性越優或被試在面對更長的反應空間（時間）時，對油門深度的掌控力就越強，也傾向于以更高的速度行駛；由圖1（c）和表4可知，L組剎車速度大于H 組，表明L 組的剎車更加緊急。駕駛特性和應激距離對剎車速度的影響的交互作用顯著，表明駕駛特性和應激距離共同作用于剎車速度，不能分割看待；由圖1（d）和表4可知，對于方向盤轉角，L組被試大于H組被試，表明L組被試的應激反應更激烈。應激距離越小方向盤轉角越大，表明在越小的應激距離下，被試的反應越激烈。

駕駛特性和應激距離對剎車速度的交互作用顯著，進行簡單效應分析，結果如表5。固定駕駛特性，不同應激距離對剎車速度的影響：駕駛特性處于不同水平時，應激距離對剎車速度值都有統計學意義（P<0.001）。其中駕駛特性高時，應激距離對剎車速度影響更大（F=32.49）。固定應激距離，不同駕駛特性對剎車速度的影響：應激距離處于不同水平時，駕駛特性對剎車速度都有統計學意義（P<0.001，P=0.002）。其中應激距離為19.2 m時，駕駛特性對剎車速度的影響最大（F=16.45）。

3 基于集對分析的應激反應評價

為全面綜合地表示高、低駕駛特性被試在不同應激距離下的應激反應，本文引入集對分析模型評價被試的應激反應。在實驗中選出的6個指標的基礎上，通過K-means聚類確定評價等級取值范圍，采用熵權法確定指標權重。集對分析法（set pair analysis， SPA）的思想是把被研究的客觀事物之間的確定性聯系與不確定性聯系作為一個確定不確定系統來分析處理。SPA已被廣泛應用于計算機科學、生物化學、交通運輸、工程技術、地球與環境科學等多個學科領域[13-14]。

3.1 K-means聚類確定評價等級取值范圍

在進行集對評價前需要確定評價等級的取值范圍。K-means算法的作用是將相似的樣本自動歸到一個類別中。本文根據K-means聚類算法取得各指標5個類別的中心值，根據該值的大小結合指標表征應激水平的規律，得到評價等級取值范圍如表6所示。等級1表示評價等級最高，等級5最低。

3.2 熵權法確定評價指標權重

熵權法是綜合性的客觀定權法，根據各個指標蘊含的信息量大小來確定權重。熵權法確定評價指標權重的步驟有：指標歸一化、計算特征比重、計算信息熵、得出熵權。熵權法計算得（θ+α）/β、掃視頻率、瞳孔面積、油門深度、剎車速度、方向盤轉角的權重分別為：0.166 57、0.168 67、0.166 82、0.170 87、0.165 11、0.161 96。

3.3 集對分析評價模型

集對分析法進行評價的原理是令2個相互聯系的集合形成集對（A， B），若兩個集對處于同一評價等級中，則表示具有同一性；若所屬評價等級間存在間隔，則表示具有對立性；如果處于相鄰的評價等級，則表示具有差異性。假設評價對象指標值集合[A=[x1，x2，…，x6]]，評價指標5等級標準集合[B=[s0～][s1，…，sk-1～sk，…，s4～s5]]，建立集對的聯系度如下

式中：[μ]為集對的聯系度；a為同一度；b1為優異度；b2為劣異度；c1為優反度；c2為劣反度；[a+][b1+b2+c1+c2=1]；[i+∈[0，1]]；[i-∈[-1，0]]；[j+=0，1]；[j-=-1]。

運用貼進度計算聯系度，越小越優型指標的具體表達式如式（3）。對于越大越優型指標，如油門深度，計算聯系度時只需將式（3）定義域兩端反向即可。

式中：[μj（k）]為待評樣本的第j項指標的第k級聯系度向量，k=1，2，3，4，5；[[sj（k-1），sj（k）]]為第j項指標的第k級評價標準的范圍。

根據評價指標各等級的聯系度，結合指標權重，計算樣本的綜合聯系度向量[μ]如下

集對分析將同一度與對立度的比值定義為所論集對的集對勢[SHI（μ）]，在此基礎上延伸出了廣義集對勢[SHI（μ）G]，如下

集對分析一般根據最大集對勢準則確定等級，如下

最終算得兩組被試在3種應激距離下的集對勢如表7，采用最大集對勢準則判定所得的評價等級如表中藍色標注。根據評價結果可知，無論在哪種應激距離下，高駕駛特性被試的應激反應能力均高于低駕駛特性被試，表明通過駕駛特性判斷駕駛人應激反應能力在一定程度上可行。高駕駛特性被試在應激距離從27.5 m減少到19.2 m時，評價等級由二級變為三級，而低駕駛特性被試則由三級變為五級，表明應激距離的減少對低駕駛特性被試的影響更大。在應激距離從35.8 m減少到27.5 m時，高駕駛特性被試評價等級由一級變為二級，低駕駛特性被試等級由二級變為三級，兩者等級變化幅度相同，結合行人突然侵入道路作為應激源的一項研究的結論：駕駛人在35.8 m（TTC=2 s）和27.5 m（TTC=1.5 s）的應激距離下的心理負荷不存在顯著差異，而在27.5 m和19.2 m（TTC=1 s）的應激距離下的心理負荷存在顯著性差異，說明駕駛人是否有1 s以上TTC對其應激反應非常重要。

為探究樣本個體的應激反應情況，我們通過MATLAB計算2組被試在3種應激距離下，共計216個樣本的集對評價等級，結果如圖2所示。以應激距離為19.2 m的21個低駕駛特性被試為例：6人的應激反應被評為等級三，7人評為等級四，8人評為等級五，應激距離為19.2 m的低駕駛特性被試評為等級五的人數占據等級五的8/17。

因此，被評價為等級三的樣本數最多，除了低駕駛特性被試在27.5 m應激距離這類樣本，其余5類均有樣本評為等級三，表明大多應激反應處于中間水平。等級一大多來自高駕駛特性在距離27.5 m和35.8 m的樣本中，表明應激反應最好的是這兩種情況；等級一還有少部分來自低駕駛特性在距離35.8 m的樣本中，表明小部分低駕駛特性被試在應激距離足夠時反應優秀。然而絕大多數低駕駛特性被試在35.8 m時被評為等級三，評為等級一的數量與等級四、等級五相同，說明即使在應激距離較長時，低駕駛特性被試內部參差大，應激反應有極好的也有極差的。反觀高駕駛特性被試，在應激距離為27.5 m和35.8 m時，評價等級穩定在等級一和等級三。高駕駛特性被試只有在應激距離為19.2 m時表現不穩定，但大多被試評價為等級三、等級四，少數為等級五、等級二。高駕駛特性被試和低駕駛特性被試的共同點在于，應激距離為19.2 m時，他們的評價等級分布在等級三、四、五，說明在交通沖突時間（TTC）為1 s時，被試的應激反應不良，容易出現危險情況。

4 結論

1）集對評價結果顯示，高駕駛特性被試的評價比低駕駛特性被試的評價在應激距離為19.2 m時高兩個等級，而在應激距離為27.5 m和35.8 m時只高一個等級，表明提高駕駛特性能夠幫助駕駛人提高應激能力，情況越危急，提高的幅度越大。

2）通過VTS確定的駕駛特性揭示了駕駛特性和應激反應的關系，即在所有應激距離下，H組的應激反應均優于L組，且應激距離的減少對L組的影響比H組大。

3）在應激距離為35.8 m和27.5 m時，兩組被試的評價等級相差一級，但應激距離為19.2 m時，兩組被試的評價等級相差兩級，表明在交通應激事件中，1 s以上的交通沖突時間（TTC）是預知駕駛人應激反應安全程度的一個臨界點。

參考文獻

[1]? ? 趙亮， 劉浩學， 石保同. 復雜道路環境中駕駛人應激反應能力研究[J]. 中國安全科學學報， 2015， 25（4）： 105-109.

ZHAO? L， LIU? H X，? SHI B T. Stress response ability of drivers in complex road environment[J]. China Safety Science Journal， 2015， 25（4）： 105-109.

[2]? ? TAKAHASHI R， KOBAYASHI M， SASAKIT， et al. Driving simulation test for evaluating hazard perception： Elderly driver response characteristics[J]. Transportation Research Part F： Traffic Psychology and Behaviour， Elsevier Ltd， 2017， 49： 257-270.

[3]? ? 李顯生， 孟凡淞， 鄭雪蓮， 等. 基于心率變異性的應激場景下駕駛人心理特性分析[J]. 上海交通大學學報， 2018（2）： 163-168.

LI X S， MENG F S， ZHENG X L， et al. Psychological characteristics of drivers in the stress scene based on heart rate variability[J]. Journal of Shanghai Jiaotong University， 2018（2）： 163-168.

[4]? ? 楊靜思， 閆學東， 段克， 等. 基于駕駛模擬器的性別對信控鐵路道口抵近行為的影響研究[J]. 中國公路學報，2020， 33（6）： 54-64.

YANG J S， YAN X D， DUAN K， et al. Effect of gender on approach behavior at flashing light grade crossings base on driving simulator[J]. China Journal of Highway and Transport， 2020， 33（6）： 54-64.

[5]? ? 吳付威. 基于信息處理機制的駕駛人感知-判斷-反應特性研究[D]. 西安： 長安大學， 2020.

WU F W. Research on drivers' perception-judgement-response characteristics based on information processing mechanism[D]. Xi'an： Chang'an University， 2020.

[6]? ? 郭烈， 馬躍， 岳明， 等. 駕駛特性的識別評估及其在智能汽車上的應用綜述[J]. 交通運輸工程學報， 2021， 21（2）：7-20.

GUO L， MA Y， YUE M， et al. Overview of recognition and evaluation of driving characteristics and their applications in intelligent vehicles[J]. Journal of Traffic and Transportation Engineering， 2021， 21（2）： 7-20.

[7]? ? 王珺， 宋瓊雅， 許岳培， 等. 效應量置信區間的原理及其實現[J]. 心理技術與應用， 2019， 7（5）： 284-296.

WANG J， SONG Q Y， XU Y P， et al. Calculating confidence intervals of Cohen's d and Eta-squared： A practical primer[J]. Psychological Technology and Applications， 2019， 7（5）：284-296.

[8]? DENG M， WU F， GU X， et al. A comparison of visual ability and its importance awareness between novice and experienced drivers[J]. International Journal of Industrial Ergonomics， 2021， 83（4）： 103-141.

[9]? 王暢， 魯玉萍， 付銳， 等. 行人突然侵入道路時駕駛人的生理負荷特性研究[J]. 科學技術與工程， 2016， 16（21）： 106-111.

WANG C， LU Y P， FU R， et al. Parameters analysis of physiology load of drivers during stress response[J]. Science Technology and Engineering， 2016， 16（21）： 106-111.

[10]? 任福田， 劉小明， 榮建. 交通工程學[M]. 北京： 人民交通出版社， 2008．

REN F T， LIU X M， RONG J. Traffic engineering[M]. Beijing： China Communications Press， 2008.

[11]? YANG Y， CHEN J， EASA S M， et al. Driving simulator study of the comparative effectiveness of monolingual and bilingual guide signs on Chinese highways[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2020， 68： 67-78.

[12]? FERGUSON C J. An effect size primer： A guide for clinicians and researchers[J]. Professional Psychology Research and Practice， 2009， 40（5）： 532-538.

[13]? SABATER S， PASTOR M R， ANDRES I， et al. MRI prostate contouring is not impaired by the use of a radiotherapy image acquisition set-up： An intra- and inter-observer paired comparative analysis with diagnostic set-up images[J]. Cancer/Radiotherapie， 2021， 25（2）： 107-113.

[14]? GE W， LI Z， LI W， et al. Risk evaluation of dam-break environmental impacts based on the set pair analysis and cloud model[J]. Natural Hazards， 2020， 104（2）： 1641-1653.

第一作者：梁鈺（1988—），女，實驗師，碩士，研究方向為交通安全、交通心理學。E-mail：920126627@qq.com。

通信作者：楊艷群（1969—），男，教授，碩士，碩士生導師，研究方向為交通安全、交通心理學。E-mail：yangyanqun@fzu.edu.cn。