近日，工学院研究团队在交通安全领域顶级期刊《Accident Analysis and Prevention》（一区TOP）发表题为“Driving Risks Assessment and In-Vehicle Warning Design for Improving Work Zone Safety”的研究成果。该研究提出了两阶段车载预警系统的优化方案，通过动态融合驾驶员行为特征与风险量化模型，验证了预警方案对降低施工区碰撞风险的效用，为智能驾驶辅助系统的场景化安全优化提供理论支撑。

施工区道路环境复杂，车辆在该路段行驶时面临多重风险。传统智能驾驶方案多聚焦紧急避撞，缺乏对预判性驾驶行为的引导，导致追尾、侵入施工区等高风险事件频发。

研究团队基于高精度驾驶模拟实验，建立涵盖风险暴露等级（REL）和风险严重程度（RSL）的多维度评估体系，提出“道路信息预报—危险警报”双阶段预警框架。实验数据表明，优化后的预警系统可使车辆平均接近速度降低2.25%，车距保持能力提升19.02%，换道起始点平均前移42.8米，并有效抑制施工区换道过程中的风险累积。研究同时发现，在高速场景及浓雾天气下，驾驶风险水平显著增长，进一步印证预警系统的必要性。

危险场景重建与风险辨识结果

该成果突破传统单点预警模式，实现了施工区风险时空演化的动态感知与分级响应，为智能驾驶技术在复杂道路场景的适配提供参数化设计范式。

本研究的第一作者为工学院青年教师杭君宇，北京林业大学为第一完成单位，昆士兰科技大学事故研究和道路安全中心的高级研究员李晓梦为文章的通讯作者。

该工作得到了国家自然科学基金（项目编号：72288101和72171017）及中央高校基本科研业务费专项资金（BLX202332）的资助。

论文链接：https://doi.org/10.1016/j.aap.2025.10799