老年驾驶人认知驾驶能力评价及影响因素研究

doi:10.12141/j.issn.1000-565X.230579

华南理工大学学报(自然科学版) ›› 2024, Vol. 52 ›› Issue (9): 142-152.doi: 10.12141/j.issn.1000-565X.230579

老年驾驶人认知驾驶能力评价及影响因素研究

陈兵硕¹(), 李洋²(), 赵晓华¹, 刘小明¹

^1.北京工业大学城市交通学院，北京 100124
^2.北京警察学院道路交通管理系，北京 102202

收稿日期:2023-09-14 出版日期:2024-09-25 发布日期:2024-01-05
通信作者: 李洋（1979—），男，博士，高级工程师，主要从事交通管理和交通法规研究。 E-mail:yang_li009@163.com
作者简介:陈兵硕（1995—），女，博士生，主要从事驾驶行为与安全研究。E-mail： bingshuo2018@163.com
基金资助:
北京市教育委员会科技计划项目(KM202014019001)

Study on Evaluation and Influencing Factors of Cognitive Driving Ability in Elderly Drivers

CHEN Bingshuo¹(), LI Yang²(), ZHAO Xiaohua¹, LIU Xiaoming¹

^1.School of Urban Transportation, Beijing University of Technology, Beijing 100124, China
^2.Department of Road Traffic Management, Beijing Police College, Beijing 102202, China

Received:2023-09-14 Online:2024-09-25 Published:2024-01-05
Contact: 李洋（1979—），男，博士，高级工程师，主要从事交通管理和交通法规研究。 E-mail:yang_li009@163.com
About author:李洋（1979—），男，博士，高级工程师，主要从事交通管理和交通法规研究。E-mail： yang_li009@163.com
Supported by:
Beijing Municipal Education Commission Science and Technology Plan General Project(KM202014019001)

摘要/Abstract

摘要：

我国老年驾驶人数量持续增长，驾驶人结构的变化给交通安全带来了挑战。相比于其他年龄段驾驶人，老年人生心理功能逐渐衰退，更容易发生交通事故。认知功能与驾驶安全表现显著相关。从注意反应能力、执行处理能力、空间感知能力3项认知功能领域出发，研究老年人驾驶特征，设计驾驶模拟实验风险事件，获得认知驾驶行为数据，分析青年人、中年人、老年人驾驶行为特征的差异性；采用主客观结合的方法确定指标权重，提出认知驾驶行为指数计算方法；以驾驶人属性和认知功能为自变量，以认知驾驶行为指数为因变量，建立广义线性混合模型，探究不同因素对认知驾驶能力的影响。结果表明年龄、周驾驶频率、自我调节和TMT-B（Trail Making Test-B）与认知驾驶行为指数显著相关，MMSE（Mini-Mental State Examination）为边缘显著相关；老年驾驶人的认知驾驶行为指数受个体特质影响较大；相较于老年人，青年人认知驾驶行为指数更差，中年人更好；周驾驶频率低的人比周驾驶频率高的人认知驾驶行为指数更好；自我调节频率为低和中的驾驶人，比频率为高的驾驶人认知驾驶行为指数更好；TMT-B测量认知正常的驾驶人比认知障碍驾驶人的认知驾驶行为指数更好。该研究从交通事故的人因机理角度出发，探究老年驾驶人面对的认知挑战，提出老年人认知驾驶行为指数计算方法并解析影响因素，为简化老年人驾驶适宜性评价程序、制定驾驶安全干预策略提供参考。

关键词: 老年驾驶人, 认知功能, 驾驶行为, 安全评价, 交通管理

Abstract:

The number of elderly drivers in China continues to grow, and the changes in the driver structure pose challenges to traffic safety. Compared to drivers in other age groups, elderly drivers’ psychological function gradually declines and they are more prone to traffic accidents. Cognitive function is significantly correlated with driving safety performance. Based on the driving characteristics of elderly people, this article started from three cognitive functional areas of attention response ability, executive processing ability, and spatial perception ability, and designed driving simulation experiments to obtain cognitive driving behavior data. It analyzed the differences in driving behavior characteristics among young people, middle-aged people, and elderly people. By combining subjective and objective methods to determine indicator, weights, a method for calculating the cognitive driving behavior index was proposed. A generalized linear mixed model was established with driver attributes and cognitive function as independent variables and cognitive driving behavior index as dependent variable to explore the impact of different factors on cognitive driving ability. The results showed that age, weekly driving frequency, self-regulation, and TMT-B (Trail Making Test-B) were significantly correlated with cognitive driving behavior index, with MMSE (Mini-mental State Examination) showing marginal significant correlation. The cognitive driving behavior index of elderly drivers was greatly influenced by individual traits. Compared to the elderly, the cognitive driving behavior index of young people was worse, while that of middle-aged people was better. People with lower weekly driving frequency had better cognitive driving behavior index than those with higher weekly driving frequency. Drivers with low and medium self-regulation frequencies have better cognitive driving behavior indices than those with high self-regulation frequencies. TMT-B measurement showed that the cognitive driving behavior index of drivers with normal cognition was better than those with cognitive impairment. Starting from the perspective of human factors in traffic accidents, this study explored the cognitive challenges faced by elderly drivers, proposed a calculation method for the cognitive driving behavior index of elderly people, and analyzed the influencing factors, providing reference for simplifying the evaluation process of elderly driving suitability and formulating driving safety intervention strategies.

Key words: elderly driver, cognitive function, driving behavior, safety evaluation, traffic management

中图分类号:

U491.2⁺54

陈兵硕, 李洋, 赵晓华, 等. 老年驾驶人认知驾驶能力评价及影响因素研究[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 142-152.

CHEN Bingshuo, LI Yang, ZHAO Xiaohua, et al. Study on Evaluation and Influencing Factors of Cognitive Driving Ability in Elderly Drivers[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(9): 142-152.

图/表 17

图1

图2

表1

表2

实验事件及研究指标"

事件

事件内容

考察功能

分析指标

参考文献

前车突然变道

城市道路上，当实验车行驶在指定路段上，与冲突车的碰撞时间为2.5 s时，右前方的冲突车突然向左变道到实验车正前方车道上

注意反应能力：驾驶人及时注意到前车变道的风险并迅速做出反应的能力

刹车反应时间：从前车左转向灯亮到被试踩下刹车的时间间隔

参考文献［29］，可用被试点击按键的反应时间评估注意反应能力

参考文献［27］、［28］，前车突然变道是我国城市道路典型危险交通事件

按50 km/h

行驶

城市道路上，当实验车行驶到该事件路段区域的起点时，导航语音提醒驾驶人“前方道路请按50 km/h的速度行驶”。当实验车驶出该事件路段区域时，导航语音提醒驾驶人“前方道路解除50 km/h的速度要求”

执行处理能力：驾驶人实现预定目标（按50 km/h速度驾驶）的控制操作能力

实际驾驶速度：在指定按50 km/h速度行驶的路段，被试实际的行驶速度

参考文献［30］，典型的执行功能任务可以定义为将注意力保持在当前任务上的能力，只对正确的刺激做出反应

参考文献［2］，老年驾驶人的直行匀速行驶呈现出高事故率、高死亡率特点

参考文献［31］，在城市道路上开展模拟驾驶测试，老年驾驶人和青年驾驶人的平均速度分别为44.03 km/h和58.38 km/h。本研究取两者的平均整数值，将50 km/h作为速度控制值

路侧占道晒粮

农村道路上，当实验车行驶到指定路段上，发现右前方有一片占道晾晒的粮食，仅剩下一段狭窄的道路空间可驾驶通过

空间感知能力：驾驶人识别和解释感官信息，感知空间环境（车辆通过时不压到路面晾晒的谷物）的能力

横向安全距离：被试驾驶通过时，车轮距离路面晾晒的谷物的最小距离值

参考文献［32］，空间感知能力包括物体的距离、大小、方向和速度等信息。

参考文献［2］，老年驾驶人在窄路上的事故率是全体驾驶人7.27倍

表2

图3

表3

图4

图5

图6

表4

表5

表6

表7

表8

表9

表10

表11

参考文献 42

1	老龄健康司．2020年度国家老龄事业发展公报［EB/OL］．（2021-10-15）［2023-08-15］．.
2	巩建国，刘晓晨，綦聪，等．老年驾驶人驾驶安全特性与事故预防对策研究［J］．综合运输，2023，45（1）：34-38．
	GONG Jianguo， LIU Xiaochen， QI Cong，et，al ．Research on the safety characteristics and accident prevention measures of elderly drivers［J］．Comprehensive Transportation，2023，45 （1）：34-38．
3	沈永俊，谭旭．结合功能测试与模拟驾驶的老年人驾驶适性评估［J］．东南大学学报（自然科学版），2021，51（1）：171-177．
	SHEN Yongjun， TAN Xu ．Combining functional testing with simulated driving to assess the driving adaptability of elderly people［J］．Journal of Southeast University （Natural Science Edition），2021，51 （1）：171-177．
4	SANDER M， OXLUND B， JESPERSEN A，et al ．The challenges of human population ageing［J］．Age and Ageing，2015，44（2）：185-187．
5	刘蕾．老年机动车驾驶人的交通特点分析及交通安全对策研究［J］．法制与社会，2017（21）：176-177．
	LIU Lei ．Analysis of traffic characteristics and research on traffic safety countermeasures for elderly motor vehicle driver ［J］．Law and Society，2017（21）：176-177．
6	刘文丽．基于车辆行驶状态的驾驶员驾驶能力评价方法研究［D］．重庆：重庆大学，2019．
7	AKSAN N， ANDERSON S W， DAWSON J，et al ．Cognitive functioning differentially predicts different dimensions of older drivers’ on-road safety［J］．Accident Analysis & Prevention，2015，75：236-244．
8	DEPESTELE S， ROSS V， VERSTRAELEN S，et al ．The impact of cognitive functioning on driving performance of older persons in comparison to younger age groups：a systematic review［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2020，73：433-452．
9	BARJONET P ．Traffic psychology today［M］．New York：Springer Science & Business Media，2001．
10	CUENEN A， JONGEN E M M， BRIJS T，et al ．The relations between specific measures of simulated driving ability and functional ability：new insights for assessment and training programs of older drivers［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2016，39：65-78．
11	MATHIAS J L， LUCAS L K ．Cognitive predictors of unsafe driving in older drivers：a meta-analysis［J］．International Psychogeriatrics，2009，21（4）：637-653．
12	PARK S， CHOI E S， LIM M H，et al ．Association between unsafe driving performance and cognitive‐perceptual dysfunction in older drivers［J］．Physical Medicine and Rehabilitation，2011，3（3）：198-203．
13	ANDREWS E C， WESTERMAN S J ．Age differences in simulated driving performance：compensatory processes［J］．Accident Analysis & Prevention，2012，45：660-668．
14	LEDGER S， BENNETT J M， CHEKALUK E，et al ．Cognitive function and driving：important for young and old alike［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2019，60：262-273．
15	张殿业，金键，杨京帅．老年人驾驶反应行为分析［J］．交通运输工程与信息学报，2004（3）：1-5．
	ZHANG Dianye， JIN Jian， YANG Jingshuai ．Analysis of driving response behavior among elderly people［J］．Journal of Transportation Engineering and Information Technology，2004（3）：1-5．
16	吴琼．基于情感化的新能源老年代步车内饰设计研究［D］．济南：山东大学，2020．
17	姜凯．登山杖长度对登山动作影响的生物力学研究［D］．金华：浙江师范大学，2019．
18	ANDREWS E C， WESTERMAN S J ．Age differences in simulated driving performance：compensatory processes［J］．Accident Analysis & Prevention，2012，45：660-668．
19	李猛杰，李璐璐，德新玲，等．沧州地区公路客货运司机安全驾驶能力评价指标体系构建研究［J］．时代汽车，2022（22）：174-176．
	LI Mengjie， LI Lulu， DE Xinling，et al ．Research on the construction of safety driving ability evaluation index system for highway passenger and freight drivers in cangzhou region［J］．Times Automotive，2022 （22）：174-176．
20	LAJUNEN T， SUMMALA H ．Driving experience，personality，and skill and safety-motive dimensions in drivers’ self-assessments［J］．Personality and Individual Differences，1995，19（3）：307-318．
21	SUNDSTRÖM A ．The validity of self-reported driver competence：relations between measures of perceived driver competence and actual driving skill［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2011，14（2）：155-163．
22	倪涛．认知分心状态下纵向驾驶权切换策略研究［D］．重庆：重庆大学，2020．
23	郭凤香．基于风险感知的老年驾驶人行为特性研究［D］．昆明：昆明理工大学，2019．
24	杨艳群，樵婷，郑新夷．基于数据包络分析的高速公路指路标志地名数研究［J］．中国公路学报，2020，33（6）：137-146．
	YANG Yanqun， QIAO Ting， ZHENG Xinyi ．Number of place names of freeway guide signs based on data envelopment analysis［J］．China Journal of Highway and Transport，2020，33（6）：137-146．
25	YANG L， BIAN Y， ZHAO X，et al ．Experimental research on the effectiveness of navigation prompt messages based on a driving simulator：a case study［J］．Cognition，Technology & Work，2021，23（3）：439-458．
26	高原．无线近红外脑功能成像仪及驾驶疲劳研究［D］．成都：电子科技大学，2017．
27	冯树民，吴迪，孙雅丽．基于自然驾驶数据的典型风险场景致因分析［J］．重庆交通大学学报（自然科学版），2022，41（1）：13-21．
	FENG Shumin， WU Di， SUN Yali ．Cause analysis of typical critical scenarios based on naturalistic driving data［J］．Journal of Chongqing Jiaotong University（Natural Science），2022，41（1）：13-21．
28	高岩，苏虎，金炜东．面向驾驶安全教育的虚拟交通环境设计与实现［J］．系统仿真学报，2014，26（10）：2481-2485．
	GAO Yan， SU Hu， JIN Weidong ．Design and lmplement of virtual traffic environments for driving safety［J］．Journal of System Simulation，2014，26（10）：2481-2485．
29	SUN M K ．Executive functioning：perspectives on neurotrophic activity and pharmacology［J］．Behavioural Pharmacology，2018，29（7）：592-604．
30	詹静静．青年与老年驾驶人车辆操控行为特征及差异性研究［D］．安徽：合肥工业大学，2018．
31	姜景文．智能汽车激光点云与视觉图像融合三维目标检测与跟踪算法研究［D］．长春：吉林大学，2023．
32	PAPANDONATOS G D， OTT B R， DAVIS J D，et al ．Clinical utility of the trail-making test as a predictor of driving performance in older adults［J］．Journal of the American Geriatrics Society，2015，63（11）：2358-2364．
33	BIERNACKI M P， LEWKOWICZ R ．Evidence for the role of personality in the cognitive performance of older male drivers［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2020，69：385-400．
34	王亚兵．基于驾驶模拟器的驾驶能力评估及其应用研究［D］．北京：北方工业大学，2021．
35	贺玉龙，陈兵硕，高鹏旺，等．基于未确知测度理论的高速公路交通安全评价［J］．重庆交通大学学报（自然科学版），2021，40（2）：8-12．
	HE Yulong， CHEN Bingshuo， GAO Pengwang，et al ．Expressway traffic safety evaluation based on unascertained measurement theory［J］．Journal of Chongqing Jiaotong University （Natural Science Edition），2021，40 （2）：8-12．
36	温建敏，张西寨，丁剑锋，等．基于层次分析和未确知测度的冲击地压风险评价［J］．矿业研究与开发，2021，41（7）：98-103．
	WEN Jianmin， ZHANG Xizhai， DING Jianfeng，et al ．Risk assessment of rockburst based on Analytic Hierarchy Process and Unascertained Measures［J］．Mining Research and Development，2021，41（7）：98-103．
37	BROWN H， PRESCOTT R ．Applied mixed models in medicine［M］．London：John Wiley & Sons，2000．
38	ROSS L A， CLAY O J， EDWARDS J D，et，al ．Do older drivers at-risk for crashes modify their driving over time？［J］．The Journals of Gerontology Series B：Psychological Sciences and Social Sciences，2009，64（2）：163-170．
39	PAYYANADAN R P， MAUS A， SANCHEZ F A，et al ．Using trip diaries to mitigate route risk and risky driving behavior among older drivers［J］．Accident Analysis & Prevention，2017，106：480-491．
40	REGER M A， WELSH R K， WATSON G S，et al ．The relationship between neuropsychological functioning and driving ability in dementia：a meta-analysis［J］．Neuropsychology，2004，18（1）：85-93．
41	SELANDER H， WRESSLE E， SAMUELSSON K ．Cognitive prerequisites for fitness to drive：norm values for the TMT，UFOV and NorSDSA tests［J］．Scandinavian Journal of Occupational Therapy，2020，27（3）：231-239．
42	邱大鹏．基于老龄驾驶行为的汽车人机交互适老化设计研究［D］．无锡：江南大学，2020．

人口属性		青年人		中年人		老年人
人口属性		数量	比例/%	数量	比例/%	数量	比例/%
性别	男性	9	75	4	50	15	83.33
性别	女性	3	25	4	50	3	16.67
年龄/岁	18~24	9	75
	25~34	3	25
	35~44			4	50
	45~54			4	50
	60~64					8	44.44
	65~69					7	38.89
	70~74					3	16.67
驾龄/a	<3	4	33.33
	4~5	6	50.00
	6~10	2	16.67	2	25
	>10			6	75	18	100
教育水平	初中及以下					5	27.78
	高中			7	87.50	9	50.00
	大学	4	33.33	1	12.50	3	16.67
	研究生及以上	8	66.67			1	5.55

步骤	内容
1	驾驶人填写知情同意书
2	驾驶人填写自我调节、TMT A/B和MMSE量表
3	驾驶人试驾以熟悉驾驶模拟器操作
4	正式驾驶实验测试
5	实验结束

指标	权重
指标	主观	客观	综合
注意反应能力	0.63	0.16	0.37
执行处理能力	0.26	0.43	0.24
空间感知能力	0.11	0.41	0.39

变量	认知驾驶行为指数值
变量	子分类	最小值	最大值	平均值	标准差
年龄	青年人	0.009	0.351	0.150	0.117
	中年人	0.080	0.332	0.205	0.078
	老年人	0.000	0.473	0.182	0.155
周驾驶频率	低	0.000	0.473	0.125	0.149
	中	0.000	0.332	0.076	0.099
	高	0.080	0.230	0.046	0.065
自我调节	低	0.000	0.473	0.118	0.147
	中	0.000	0.351	0.093	0.113
	高	0.000	0.305	0.090	0.110
TMT A	认知正常	0.000	0.391	0.174	0.106
TMT A	认知障碍	0.000	0.473	0.192	0.202
TMT B	认知正常	0.009	0.473	0.099	0.125
TMT B	认知障碍	0.000	0.332	0.120	0.141
MMSE	认知正常	0.000	0.473	0.095	0.119
MMSE	认知障碍	0.000	0.473	0.137	0.183

效应类型	指标	水平
固定效应	年龄	1表示青年，2表示中年，3表示老年
	周驾驶频率	1表示低，2表示中，3表示高
	自我调节	1表示低，2表示中，3表示高
	TMT A	1表示认知正常，2表示认知障碍
	TMT B	1表示认知正常，2表示认知障碍
	MMSE	1表示认知正常，2表示认知障碍
随机效应	年龄、周驾驶频率、自我调节、TMT A/B、MMSE
响应变量	驾驶能力	认知驾驶行为指数

老年驾驶人认知驾驶能力评价及影响因素研究

Study on Evaluation and Influencing Factors of Cognitive Driving Ability in Elderly Drivers

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 42

相关文章 14

编辑推荐

Metrics

本文评价

变量	年龄	周驾驶频率	自我调节	TMT A	TMT B	MMSE
年龄	1	-0.064	-0.115	0.084	0.363^*1）	0.073
周驾驶频率	-0.064	1	0.415^*1）	-0.224	0.058	0.009
自我调节	-0.115	0.415^*1）	1	-0.042	-0.062	0.101
TMT A	0.840	-0.224	-0.042	1	-0.164	0.137
TMT B	0.363^*1）	0.058	-0.062	-0.164	1	0.477^**2）
MMSE	0.073	0.009	0.101	0.137	0.477^**2）	1

模型	AIC	BIC
存在随机效应	-45.639	-41.706
不存在随机效应	-56.213	-55.035

指标	F检验统计量	自由度 1	自由度 2	显著性
修正模型	2.732	8	28	0.023
年龄	6.365	2	28	0.005^**2）
周驾驶频率	3.6	2	28	0.041^*1）
自我调节	4.114	2	28	0.027^*1）
TMT B	9.394	1	28	0.005^**2）
MMSE	4.174	1	28	0.051

模型项	系数	标准误差	t统计量	显著性	95% 置信区间
模型项	系数	标准误差	t统计量	显著性	下限	上限
截距	-0.119	0.096 1	-1.239	0.226	-0.316	0.078
年龄=青年人	-0.105	0.050 2	-2.082	0.047^*1）	-0.208	-0.002
年龄=中年人	0.185	0.068 2	2.718	0.011^*1）	0.046	0.325
年龄=老年人	0^b3）	—	—	—	—	—
周驾驶频率=低	0.194	0.080 6	2.401	0.023^*1）	0.028	0.359
周驾驶频率=中	0.067	0.071 3	0.935	0.358	-0.079	0.213
周驾驶频率=高	0^b3）	—	—	—	—	—
自我调节=低	0.163	0.057	2.85	0.008^**2）	0.046	0.279
自我调节=中	0.123	0.056 8	2.165	0.039^*1）	0.007	0.239
自我调节=高	0^b3）	—	—	—	—	—
TMT B=认知正常	0.177	0.057 9	3.065	0.005^**2）	0.059	0.296
TMT B=认知障碍	0^b3）	—	—	—	—	—
MMSE=认知正常	-0.119	0.058 4	-2.043	0.051	-0.239	0.000
MMSE=认知障碍	0^b3）	—	—	—	—	—

[1]	何庆龄, 裴玉龙, 董春彤, 等. 基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别[J]. 华南理工大学学报(自然科学版), 2024, 52(9): 131-141.
[2]	付强, 赵晓华, 李海舰, 任文浩, 戴义博. 跟驰事件下网联混驾编队的运行特征及生态安全影响[J]. 华南理工大学学报(自然科学版), 2024, 52(8): 65-75.
[3]	高龙凯, 赵晓华, 欧居尚, 等. 基于Unity3D的立体复合高速公路标志系统优化设计[J]. 华南理工大学学报(自然科学版), 2024, 52(5): 20-30.
[4]	边扬, 张钰, 赵晓华, 等. 行人过街事件网联HUD预警系统对驾驶行为的影响[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 114-125.
[5]	张婷, 陈丰, 李璜, 等. 基于驾驶行为的快速路交织区发光标线作用效果评估[J]. 华南理工大学学报(自然科学版), 2024, 52(11): 106-117.
[6]	赵晓华, 董文慧, 李佳, 等. 基于驾驶行为的隧道交通标志影响特征及作用机理[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 88-100.
[7]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[8]	赵晓华, 朱红臻, 边扬, 等. 基于扩展TPB模型的老年驾驶人自我调节行为研究[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 28-37.
[9]	黄玲, 黄子虚, 吴泽荣, 等. 不同行为模型框架下的数据驱动类人驾驶模型比较[J]. 华南理工大学学报(自然科学版), 2022, 50(10): 1-10.
[10]	杨丽平, 边扬, 赵晓华, 等. 导航播报措辞复杂度对驾驶行为的影响[J]. 华南理工大学学报（自然科学版）, 2021, 49(3): 139-148.
[11]	边扬, 俞洁, 赵晓华, 等. 导航播报措辞对驾驶行为的综合影响研究[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 30-37,54.
[12]	符锌砂杜锦涛何石坚. 提示距离和初始速度对高速出口驾驶行为的影响 [J]. 华南理工大学学报（自然科学版）, 2019, 47(11): 1-9.
[13]	曹宝贵杨兆升. 一种改进的车辆跟驰动力学模型[J]. 华南理工大学学报（自然科学版）, 2011, 39(10): 96-99,131.
[14]	徐建闽张孜胡郁葱吴一民. 城市交通管理部门信息平台问的互联[J]. 华南理工大学学报（自然科学版）, 2005, 33(5): 64-68.