文摘

开车超过限速是严重影响安全的因素之一。许多研究检查了车辆的速度影响因素的模拟环境。本研究旨在分析司机的特征、时间和天气条件和几何特性的影响平均速度同时在模拟条件。在这方面,70名司机的模拟器实验数据收集在一个双车道农村公路在六个不同的时候,和天气情况和社会经济特征收集的问卷调查。结构方程建模(SEM)被用来捕获相关变量之间的复杂关系。11个变量被分成四个潜变量的结构模型。潜在的变量包括“新手司机”、“经验丰富的司机,”“视觉距离,”和“几何设计”定义和发现显著的平均速度。结果表明,“新手司机”有一个与平均速度正相关。”与此同时,经验丰富的司机,“谁开车新手组低于12%,负面影响平均速度的标准体重回归−0.08。这个关系意味着年轻和新手司机更倾向于选择更高的速度。 Among variables, the latent variable “Sight Distance” has the most significant effect on the mean speed. This model shows that foggy weather conditions strongly affect the speed selection behavior and reduce the mean speed by 40%. Nighttime also reduces mean speed due to poor visibility conditions. Furthermore, “Geometric design” as the latent variable indicates the presence of curves on the simulated road, and it can be concluded that the existence of a curve on the road encourages drivers to slow down, even young drivers. It is noteworthy that the parts of the simulated road with a horizontal curve act as a speed reduction tool for drivers.

1。介绍

超过限速驾驶安全性研究中最关键的问题之一是,增加碰撞风险。除此之外,它扮演了一个重要的角色在成本和事故的严重性。世界卫生组织报道,平均速度的增加直接相关事故发生的可能性及其后果;例如,增加1 km / h车辆平均速度增加3%,4 - 5%的发病率和病死率崩溃,分别为(1]。因此,研究人员极大的兴趣评估司机的速度的影响因素。各种各样的因素研究了关于司机的速度选择和主要分为环境特点,司机的行为和特征,和天气和时间条件。一些研究评估的影响几何和路边特性对车辆的速度使用驾驶模拟器(2- - - - - -7]。在这方面,贝拉(2)被认为是三个不同的路边条件和两个截面的影响司机的速度在一条双车道公路。收集到的数据36司机表示,路边的配置影响行车速度横向位置没有任何作用。Goralzik和Vollrath也指出3)定义不同的场景基于道路曲率的差异,车道宽度、速度限制,乘客的数量汽车评估司机的速度的选择。研究结果表明,速度限制和道路几何最实质性的影响司机的速度的选择。此外,Sadia et al。4)研究了不同的环境和道路特征的影响(如水平和垂直曲线和限速标志),司机特征(社会人口和潜在的功能),以及风险/效益因素(执法、事故风险和省时的好处)通过使用结构方程建模(SEM)。这三个模型显示,性别、年龄、和驱动频率确定司机的看法和态度影响速度的选择。情境因素,如交通速度、执法和省时的好处也速度选择和相关基础设施的特点。图1显示了SEM分析司机的水平。

侯赛因et al。6)检查的影响几何的视野(GFOV)驾驶行为,包括速度知觉和横向位置。在这方面,两种不同GFOV角度(60 - 135度)测试了四种不同的速度(50、70、80、和100公里)对41名参与者拥有一个有效的驾驶执照。因此,使用一个不正确的GFOV速度知觉在驾驶模拟器可以产生的偏见。此外,司机开车时低估了他们的旅行速度GFOV 60度的。雾的有效性对驾驶性能和交通安全预警系统在大雾中被认为是由Chang et al。5]。实验结果显示,参与者会减少他们的速度在处理一个雾区。此外,司机的个人特征的影响,相比之下,警告消息没有重大调整行驶速度时由于风险感知5]。Babić和玻雷吉7]也调查了两个低成本的道路标记措施,单独或结合垂直警告信号,影响驾驶行为之前和双向农村道路上危险的水平曲线。

在一些其他的研究(8- - - - - -17),时间和天气条件的影响和驱动程序的特点是评价车辆的速度。在这个问题上,穆勒和技巧10)发现,有经验的司机减少速度比没有经验的司机在大雾天气。然而,他们的驾驶体验对平均速度没有显著影响。此外,Chakrabartya和古普塔(11)得出的结论是,经验丰富的司机开车不仅快而且他们最常见的侵犯。同样,在雾蒙蒙的天气条件下,经验丰富的司机的事故的频率高于缺乏经验的司机。此外,李et al。13)观察到,雾蒙蒙的状态和驾驶体验影响平均速度,而性别不影响它。此外,专业司机比不熟练的司机开得更慢。Zolali和Mirbaha15]也不利天气条件的影响评估司机的速度在双车道农村公路的选择行为。研究结果表明,光和大雾,驾驶体验,参与事故的速度加速的负面因素。在瑞典,Jagerbrand和Sjobergh14)检查是否在路上车速较高在日光和道路照明比在黑暗中,也决定了光的条件下,张贴限速,天气条件(天气晴朗、雨和雪)驾驶速度。结果表明,车辆速度和速度上的差异分析日光,《暮光之城》,和黑暗,有/没有道路照明没有透露任何差异归因于光照条件。黄等。16]研究了司机的行为模式针对不同行为阶段不同喷雾条件下和速度限制。研究结果显示,随着雾密度的增加,车辆的长度显著降低,和司机倾向于保持一个更稳定的车辆的距离。此外,降低限速可以显著下降大雾天气下的车辆追尾事故。王等人。17)也使用驾驶模拟器研究合理限速,确保交通安全与雾在动态在能见度低的环境中。结果表明,在识别有显著差异乘以不同的可见性和速度条件下的驱动程序。调查时间的影响在双车道高速公路运行速度使用驾驶模拟器,贝拉et al。18)评估四种不同模型的切线和曲线,夜间条件。结果表明,司机的速度曲线在昼夜不明显不同,虽然是不同的在日夜的切线。Bassani et al。19]研究几何和照明元素的影响司机的速度在城市动脉。结果表明,平均速度明显受光照条件的影响。

先前的研究结果表明,几何和路边特性(2- - - - - -7),除了时间,天气,和司机的特征(8- - - - - -18,20.,21),影响司机的速度的选择。然而,我们所知,没有研究评估司机的组合效应的特点(潜变量)、几何特性和不同天气条件下同时对速度的选择行为。论文的其余部分包括研究方法,它包括信息的参与者,驾驶模拟器,驾驶情况下,过程和建模方法(部分2)。遵循这一节中描述的数据3和建模的结果部分4。最后,结论部分给出了5。

2。方法

2.1。所需的样本量

将本研究结果扩展到社区的采集标本,研究人员应该使用适当的统计样本。为此,研究人员使用科克伦的公式在这项研究(公式(1))。在这个公式,n是样品的尺寸,N人口正在研究中,Z检验统计量的值,p与特定的一部分人口因素,然后呢问人口的一部分,没有特定的因素。Z的标准偏差标准单位,在95%置信水平1.64 = 1.96,90%置信水平=。d允许误差值或错误的百分比(通常在0.01和0.1之间,用于估计样本均值的离总体均值)(22]:

鉴于研究者的目标是基于年龄,选择样本个体的样品必须符合特定要求(有驾照和驾驶)。因此,社区的最小和最大可能被认为是21岁,60岁,分别。本研究考虑所有条件和目标人群(1036349人)在大不里士市,和样品的总数90%的置信水平为67人。因为研究人员旨在推广这项研究的结果对整个人口,参与者的选择是基于社区的年龄分布;例如,目标人群的数量在大不里士等于1036349。科克伦的公式估计样本人数等于67。年龄段的人口分布在21到28年= 331951,相当于32%的目标人群。因此,研究人员选择所需样本总数的32%(32%的67是21参与者)年龄在21到28年。这个过程是为所有年龄组,表中可以看到1。

2.2。参与者

共有75名参与者(47岁男性和女性28日)被纳入本研究。后删除5参与者由于头晕或疲劳实验中,70名参与者被用于建模的最终数量。参与者的年龄从21岁到60岁,他们中的大多数都在群第21至28岁(30%)。对于参与者的驾驶体验,48%的人在2 - 9年。图2显示了样本的描述性统计人口的特征。

2.3。装置

驾照考试在unfixed-platform驾驶模拟器进行了安全性研究在大不里士市(图3)。驾驶模拟器是一个典型的汽车转向系统而言,减震器,踏板,手动变速杆。有些扬声器嵌入在小屋为了诱导在驾驶模拟器环境情况。录音系统收集所有的驾驶性能等因素的位置,速度,平均速度和其他车辆在0.06秒。模拟器有三个大屏幕前面120度的视野和左,中,右后视镜项目司机的道路场景。

2.4。驾驶场景

双车道农村公路与九公里长度为每个场景(1.5公里)在本研究模拟。每个场景与不同的几何特性被认为是检查司机的行为。模拟道路是理论上分为五段根据几何特征,包括一个切线长度、水平曲线,垂直和水平的组合曲线。表2显示每个段的距离和特性。另外,最高限速是每小时90公里,横截面的宽度是7米。道路规划每个场景(1.5公里)和道路段见图4。

评估不同的天气和时间条件的影响司机的行为,场景被分成不同的天气和时间条件。表3在每个场景中显示不同的天气和时间条件。雾蒙蒙的条件分为光和大雾,能见度的距离是它们之间的主要区别。因此,在轻雾条件下能见度距离是250米。司机没能看到这条路251米。同时,在沉重的大雾天气,能见度距离50米。司机无法看到51米的距离(即使在模糊)。能见度距离是与先前的研究一致,如燕et al。12和李et al。1350和250米),用于轻、重雾条件下,分别。交通流的场景是1000辆/小时,司机可以选择速度达到或接近畅通的速度。

2.5。过程

首先,参与者填写一份调查问卷,其中包括个人信息(如年龄、性别和教育)和驾驶的背景(如许可证、驾驶经验,事故率)。然后,参与者被教如何使用驾驶模拟器和开车去熟悉控制模拟器和模拟环境。参与者还被要求开3-kilometer双车道模拟公路,能见度条件下,可以很容易地检测道路功能,如切线,曲线和迹象。最后,参与者在没有指导的情况下开车,被要求展示他们的实际和正常的驾驶行为。序列的场景在所有的参与者都是一样的。他们开车在6场景中省略任何偏见。

2.6。建模方法

本研究调查的影响司机的潜伏和个人特征、几何特性,和天气条件同时两个照明事件(一天和夜晚)。因此,结构方程模型被用来评估的影响变量对参与者的平均速度的选择行为。结构方程模型有几个优点,包括同时使用一个给定的参数作为预测和一个解释变量,利用潜变量,这是一位代表变量不能直接测量或观察到,和处理时间序列数据23]。结构方程模型是一个多元回归模型,允许研究人员同时测量一组可观察到的和潜变量之间的关系(24]。此外,它由两部分组成的测量和结构模型,确定哪些可观测变量衡量潜在变量,变量是相互关联的(25]。此外,先前的研究已经表明,SEM为不同因素的联合效应提供了更好的性能在司机的速度选择(4]。因此,在目前的研究中,结构方程模型被用来确定变量之间的关系和影响的司机的平均速度。探索性因素分析作为统计方法识别潜在的变量(26]。在这种方法中,检查内部变量的相关性。相关变量的每个潜变量分为特定的类别。在这种方法中,观察到的变量被认为是因变量(27]。

3所示。结果

3.1。描述性分析的数据

表4显示所有变量被认为是在这个研究。对于每一个分类变量,二进制变量也考虑建模;例如,年龄变量(这是一个分类变量)被认为是五个二进制变量由于相关年龄组。一个代表这些类别最年轻的年龄组,和五个代表最古老的参与者。本程序适用于其他变量如“教育水平”,“驾驶体验”和“工作。“所有的变量描述性统计,几个变量如图5。

3.2。结构方程建模结果

探索性因素分析是用于选择变量更相关和与潜变量。观测变量的相关性检验,变量的相关性大于0.3,而被认为是一个变量与其他变量,都被省略了。同时,变量负荷系数小于0.5的被排除在相应的因素(27]。表5表明探索性因素分析的结果。基于表5,两个潜变量可以被考虑。考虑的价值0.715 KMO (Kaiser-Meyer-Olkin),这个分析的样本数量是足够的(28]。

表6显示了总方差解释为组件从探索性因素分析中提取。从表6,它可以表示,第一个组件占37%,第二部分约占34%的方差。

在目前的研究中,结构方程模型(SEM)被用来研究一些潜在变量的同时对参与者的影响速度选择行为。在这方面,测量模型包括个人特征、气候条件和几何特性的模拟道路(表2)。图6显示模型的图形化表示。模型中考虑潜在变量的数量(4潜变量)和所需的样本量规则(校准所需的样品扫描电镜应该至少等于潜在变量的数量乘以8 + 30)(29日]),本研究计算的最小样本量。所需的最小数量的样品本研究等于62,在参与者的数量(70人)是大于所需的最小样本量。在这个模型中,所有重要的变量,他们的关系,他们的影响力系数的范围显示。校准SEM模型有三个不同的部分,结合评估速度选择行为。因此,由司机选择的平均速度的基础研究(因变量)。因变量是转换为二进制变量(值0和1)对速度高于整体平均速度值1,否则为0。如前所述,SEM模型有三个部分:第一部分是指司机的特征包括一些观察到的变量如年龄、性别、驾驶经验,等等,第二部分对天气状况及其对因变量的影响,第三部分显示道路的几何特性的影响平均速度。SEM的最终结构模型如图6。每个部分将描述在这一节中。

表7显示了SEM模型的拟合优度统计摘要。如表所示7,模型显示值大于0.9 -和AGFI RMSEA值小于0.08,PNFI高于0.5,CMIN / DF小于3表明一个好的模型的健身25,30.,31日]。

SEM模型结构的有效性和可靠性评估。为此,量表的阿尔法,综合可靠性(CR)和平均方差提取(AVE),用来评估模型,提出了在桌子上8。CR值和量表的阿尔法值高于0.7,表明内部一致性可靠性(32]。AVE值大于0.5,代表的存在聚合效度(33,34]。

此外,测试区分效度,Heterotrait-Monotrait比率(HTMT)值的计算。“有经验的司机的计算值”和“新手司机“测量模型等于0.35,低于阈值的0.9,代表的强有力的证据的有效性判别[35]。

3.2.1之上。司机的特点

这个模型描述了驱动程序的第一部分对平均速度的特征在两个不同的水平。第一级包含三个观测变量:“年龄5”“性别男,”和“驾驶体验3”,定义一个潜变量称为“经验丰富的司机。“潜变量性质是指执行比其他人更多的驾驶任务和开车的司机比其他人更经常由于他们的年龄和职业。

潜变量的详细结构在整个模型和观测变量的贡献的潜在变量结构如图6。“有经验的司机”潜变量影响平均速度−0.08系数。负号表明,经验丰富的司机比其他人更倾向于开车慢,慢下来。表9显示了潜变量SEM结果”有经验的司机。“所有的变量都是显著的在0.05级( )。

如表所示9,在变量中潜变量,该变量“驾驶体验3”最影响潜变量(SRW = 0.840)。这可观测到的速度为这些变量的统计数据。速度的统计数据中观察到的变量提取潜变量集。结果表明,司机在“驾驶体验3”变量分类速度比其他最低(图7)。

其他级代表年轻司机正在经历早期的开车,被称为“新手司机。“这潜变量被定义为其他三个观测变量:“婚姻单身,”“组1岁”和“驾驶体验1。“最后的这个潜变量的结构及其观测变量呈现在图6。潜变量的标准回归重量是0.092。潜变量的系数符号为正,表明它是直接与因变量有关。这个模型显示,单身,低年的驾驶经验是一个因素,促使司机选择速度高于平均速度。表10显示了模型的结果为“新手司机。”

结果可以用速度统计评估新手和有经验的司机。为此,司机与描述的所有属性在每个潜变量(司机同时潜变量的属性)。这些驱动程序选择计算的平均速度,显示在图8。此外,表11显示了有关这些潜在变量描述性统计。对于速度差异的重要性,t以及分析被用来调查两个潜变量之间的速度差异。结果表明,两个变量的速度统计不同( )。

3.2.2。天气和时间的条件

这个模型的第二部分是致力于天气条件和视觉限制条件的存在。为了调查天气条件的影响司机的速度选择,场景设计在驾驶模拟器作为观测变量来构造一个潜变量。正如前面提到的,六个场景中使用了驾驶模拟器。他们每个人都有一个特定功能的天气条件和可见性。使用场景(照明和雾的存在与否),观察到的变量,潜变量创建“视线距离”。潜变量的“能见距离”,顾名思义,开车时代表视觉的条件。这三种情况的六个场景构成潜变量:“天天气晴朗,”“天大雾,”和“夜晚,浓雾。“这部分的结构如图6。潜变量和因变量之间的关系直接关系的回归重量约2。

潜变量之间的直接关系“视距”和因变量意味着“视线距离”是一个有影响力的因素在司机的决策选择速度高于平均速度。然而,应该注意的是,这个潜变量的观测变量分为两种类型。第一种解释天气状况不可见性限制(“天天气晴朗”)。第二表明视觉限制性的天气状况(“天大雾”和“夜和大雾”)。

负号在观察到的变量的存在,与此同时,一个积极的迹象的存在潜变量和因变量之间意味着这些观察到的变量选择速度产生负面影响。这意味着,司机在这些场景中选择速度低于平均速度。表12显示了模型的结果为“能见距离。”

根据模型的数据和结果,大雾的存在和缺乏光元素影响司机的速度并减少它。统计结果的一项研究表明,通过降低能见度,司机选择较低的速度。图9显示了平均速度司机选择的场景。

3.2.3。几何设计

作为模型的第三部分,也是最后一部分,巷道的物理和几何条件添加到模型评估的影响曲线或直线驱动速度的选择行为。为了实现本文的目的,设计路线分为五部分基于几何特征,以及司机的平均速度在每个场景和每个提取五个部分。由于定义观测变量之间的关系,“分段2”代表切路径和“段5”代表着弯曲的路径,这种潜变量就是站在“几何设计。“切部分的长度约为300米,和弯曲部分的半径约为200米。每个部分的位置在这个潜变量路线图(图所示4)。图6显示了潜变量与观测变量之间的关系。

潜变量的“几何设计”回归的体重为0.52。由于积极的迹象在这个系数,得出的结论是,这种潜变量的平均速度直接相关。从理论上讲,这个系数意味着变量几何设计是提高司机的速度的一个因素。如图所示,“段2”有一个积极的迹象的回归重量1。因此,这个观察到的变量与因变量直接相关(由于潜变量的积极信号)。“段5”,相反,有一个负号回归的重量,这意味着“5段,”这是一个弯曲的道路,有一个逆与因变量的关系。因此,有一个弯曲的部分在路上造成减速。相反,一个切路径可以鼓励司机选择一个速度高于平均速度。表13显示了“几何设计模型的结果。”

除了模型结果,速度从变量中提取现有的数据表明,弯曲部分在路上可以减少司机选择的平均速度。另一方面,在切段,司机选择一个广泛的速度值远离所有个人的平均速度(图10)。

3.2.4。教育水平

在这项研究中,每个参与者的教育水平在收集的一组变量。然而,在做最后的模型中,“教育水平”变量不显著。然而,由于这个变量的重要性,它是决定研究选定的速度根据教育水平的形式图(图11)。在这项研究中,参与者被分成五组有关教育水平,包括“教育1”(文凭和较低),“教育2”(大专文凭),“教育3”(本科)、“教育4”(硕士),和“教育5”(博士和更高版本)。参与者的平均速度大约是60 km / h。如图11与更高的教育水平,参与者选择较慢的速度比其他参与者。参与者的平均速度在“教育4”组= 57公里/小时和“教育5”= 54公里/小时,这是低于所有参与者的平均速度。

教育水平之间的相关性的变量是使用斯皮尔曼测试检查。如表所示14,两个变量之间的斯皮尔曼相关系数2“教育”和“教育3”= 0.45显著性水平为0.000。0.05的误差水平,零假设,这表明没有一个统一的两个变量之间的关系,将被拒绝。因此,两个变量是相互关联的,这就意味着在这些变量速度选择行为是相同的。这个测试进行了教育水平的所有变量,结果被发表在表14。

4所示。讨论

实际性的因素在交通事故中,速度和,特别是速度超过限速是最关键的因素,可以发挥决定性的作用在事故的严重程度。许多因素会影响司机的速度选择。环境因素如道路几何、天气条件、和土地使用或驱动程序的特征,比如年龄、性别、和驾驶体验影响司机的速度选择行为。然而,本文的目的是调查的行为驱动的速度等因素的影响下选择几何路况,天气状况,和司机的特点。

目前的研究结果表明,这三个因素,包括道路几何、天气状况,和司机的特点,能同时影响速度的选择行为。结果显示,年龄和经验是最重要的因素,发挥决定性的作用在司机的决策选择速度。正如所料,司机年龄比其他司机记录低意味着速度,正如先前的研究[10,13,36]。相反,年轻和缺乏经验的司机表现出不同的行为。这些驱动程序的选择速度高于模拟路线行驶的平均速度。这一发现与先前的研究,引入年轻时代和青年作为超速违规行为的因素和选择更高的速度37- - - - - -40]。

除了提到的特征因素,天气也会影响司机的速度选择行为。天气条件的变量,特别是,大雾,负面影响平均速度和减少它。在这方面,先前的研究已经检查了雾蒙蒙的天气条件对速度的影响选择和获得相似的结果(10,41- - - - - -44]。然而,与讨论结果相反,Hamdar et al。45)得出的结论是,灰雾密度有很少或没有影响司机的速度选择行为。与预期相反,雾蒙蒙的天气条件影响最为显著的平均速度模型的因素之一。无论是老年人还是丰富的驾驶经验,甚至道路几何降低了平均速度大雾。也许这个结果与大量的事故发生。希礼等人状态,每年的死亡人数与天气有关,vision-obscured车辆事故是明显的46]。在先前的研究中,平均速度减少由于雾蒙蒙的天气条件是12%47]。然而,在目前的研究中,大雾导致减少约40%的平均速度。重要的是要注意,大雾影响平均速度通过减少驾驶员的视距,并减少约40%的平均速度显示大幅减少司机的能见距离。结果显示,为了防止事故发生在多雾的地区,应采取特别措施增加能见距离。

由于能见距离值的差异,在切不同于驾驶开车在一条曲线。为了研究存在的影响曲线的平均速度,使用的变量几何设计的模型。结果表明,弯曲段司机选择一个较低的速度。换句话说,存在一条曲线部分(半径为300米)降低了司机的平均速度。这个结果也出现在其他研究人员的研究(48,49]。在一项研究中探讨选择性速度曲线路径,王用自然的驾驶数据。这项研究表明,存在一个弧半径不到300米的减少速度(50,51]。在一项研究中,研究人员使用半自治车辆和收集的速度信息。本研究的目的是探讨智能系统的适应程度道路特征。在这项研究中,一个新的概念相关的速度称为自动化速度已经使用。这项研究表明,自动速度降低弧的半径小于500 - 600米[52]。同时,先前的研究结果表明,每个平面曲线的半径和长度显著影响摩托车事故的频率(53]。

许多研究都是在这一领域进行的,其中许多确认目前的研究结果。不管怎样,这个结果并不意外。本研究的目的是调查这些条件同时与其他条件中提到的研究。

5。结论

在目前的研究中,影响司机的行为特征、气候条件和几何设计平均速度是评价。通过驾驶模拟器速度数据收集通过问卷和驱动程序配置文件。变量的组合是用来模拟驾驶员在模拟条件下的平均速度选择行为在两车道的乡村公路。SEM是用于这个研究,提出的模型符合指数模型的可接受阈值(表7)。

四个潜在变量”,新手司机,”“有经验的司机,”“视觉距离,”和“几何设计,”定义评估司机的速度选择行为。这些潜在变量代表的行为和个人特征以及几何道路和天气条件的影响。表15提供简短的信息与因变量潜变量的系数。

外生潜变量拥有最高的影响平均速度是“视觉距离,”价值标准的回归0.803的重量。这意味着,雾蒙蒙的天气条件影响平均速度和最高可以减少司机选择的速度超过其他因素像驾驶经验丰富的司机或在双车道公路的弯曲部分。在雾蒙蒙的天气条件下选择的平均速度是大约45公里/小时。相比之下,经验丰富的司机的平均速度是59公里/小时,弯曲段的平均速度选择54公里/小时。因此,得出的结论是,不利天气条件可以减少司机的平均速度超过其他因素。同时,上述指标的潜在变量,它可以得出结论,减少和驾驶岁导致平均速度的增加。相比之下,随着司机的驾驶经验的增加,他们倾向于更高的速度减少。

结果显示,考虑到大雾导致减少约40%的平均速度,有必要研究工具来提高司机的能见距离。在这方面,有几项研究[54- - - - - -57]已分析的作用增加司机的安全驾驶辅助系统在雾蒙蒙的天气,可以更专注于目标检测算法在不同级别的雾为了提高驱动器在这种情况下的能见度。此外,升级车载(碰撞预警系统,直接视觉增强系统和成像车辆信息系统)和路边(道路天气信息系统)雾探测系统也可以减少驾驶司机在雾错误条件的可能性。

数据可用性

数据是可用的。

的利益冲突

作者宣称没有利益冲突。