b.2.4可控性的例子
为了确定给定危险的可控性等级,对具有代表性的司机或其他有关人员能够影响情况以避免伤害的概率进行了估计。
这种概率估计涉及考虑到,如果发生危险,有代表性的司机有可能保留或重新控制车辆,或附近的个人将通过其行动有助于避免危险。这一考虑是基于对参与危险情景的个人为保持或重新获得对情况的控制所必需的控制行动的假设,以及所涉司机的典型驾驶行为。
注1可控制性估计可能受到许多因素的影响,包括目标市场的司机概况、个人年龄、眼手协调、驾驶经验、文化背景等。)。
注2估计可以使用实验或分析程序。
为了帮助这些评价,表B.6提供了引入故障的驾驶情况的例子,以及关于相应控制行为的假设,以避免伤害。这些情况被映射到可控性排名,澄清90%和99%的断点级别来判断可控性。
表B.6-司机或潜在危险人员可能控制的危险事件的例子
可控性等级(见表3). | ||||
c0 | c1 | c2 | c3 | |
描述 | 一般可控 | 完全可以控制 | 一般是可控的 | 难以控制或无法控制. |
驱动因素和情景. | 一般可控 | 超过99%的普通司机或其他交通参与者能够避免伤害 | 在90%之间,99%的平均司机或其他交通参与者能够避免伤害 | 不到90%的普通司机或其他交通参与者能够避免伤害 |
被认为分散注意力的例子。意外的无线电音量增加或警告消息-燃料低 | 维护预定的驾驶路径 | — | — | — |
例如,不影响车辆安全运行的司机辅助系统不可用 | 维护预定的驾驶路径 | — | — | — |
例如,驾驶时意外关闭窗口 | — | 从窗户上拆下手臂 | — | — |
例如,当从静止加速时,阻塞的转向柱 | — | 制动到减速/停车车辆 | — | — |
紧急制动过程中ABS失效的例子 | — | — | 维护预定的驾驶路径 | |
在高侧向加速度时推进失效的例子 | — | — | 维护预定的驾驶路径 | — |
例如,在开车时无意中打开车门,乘客站在门口 | — | — | 乘客抓起手轨,以避免从公共汽车上掉下来 | — |
刹车失灵的例子 | — | — | — | 远离驾驶道路上的物体 |
例如,故障司机安全气囊释放时,以高速行驶 | — | — | — | 保持预期的驾驶路径,停留在车道上,或 刹车减速/停车车辆 |
例如,在制动时,拖车摆动过大 | — | — | — | 司机反转向和刹车,以试图保持预期的驾驶路径. |
具有高自动化功能的示例,其中司机不在循环中 | — | — | — | 没有试图保持预期的驾驶路径 |
注1:对于C2,根据可行测试场景被认为是足够的:“实际测试经验表明,每个场景有20个有效数据集可以提供有效性的基本指示”。如果20个数据集中的每一个都符合测试的通过标准,则可以证明85%的可控性水平(置信度为95%,这是人的因素测试中普遍接受的)。这是C2估计理由的适当证据。 注2:对于C1,测试提供了一个理由,即99%的司机“通过”特定流量场景中的测试可能是不可行的,因为大量的测试对象是必要的,作为这种理由的适当证据。决策可以基于专家判断.. 注3:由于不假定C3等级具有可控性,因此没有适当证据证明这种等级的理由是不相关的。 注4:表B中的信息示例。6可适用于客车和T&B车辆,但需要逐案考虑 |
已完成
数据加载中