学术简释

<行车安全信息>是TIRIA智库行车安全问题研究中心的专属学术理论名词。

概括地说：<行车安全信息>是指动态车辆在行车过程中所涉及的对动态车辆有不利影响作用的<敏感信息>，就是<行车安全信息>，也称：<危险敏感信息>，也称：<预警信息>。

具体地说：<行车安全信息>是指动态车辆在行车过程中所涉及的对动态车辆有不利影响作用的<敏感信息>，这个<敏感信息>是专指通过<DSRC>模拟计算技术计算出来的具有明显预警价值的<敏感信息>就是<行车安全信息>，也称：<危险敏感信息>，也称：<预警信息>。<行车安全信息>（<危险敏感信息>、<预警信息>）是《TIRIA行车安全信息理论》的核心理论名词。

<行车安全信息>也称：动态车辆所涉及的<危险敏感信息>，计算出来的<危险敏感信息>具有直接的预警价值，因此计算出来的<危险敏感信息>也称：<预警信息>（<预警数据>）。<预警信息>（<预警数据>）具有长久的伴随特性与循环特性，因此提前获取<预警信息>（<预警数据>）对驾驶员的驾驶安全异常的重要。

<危险敏感信息>共分为三类：<预警信息>、不良的驾驶行为信息、不良的行车环境信息，这三类<危险敏感信息>在动态车辆的某个<危险敏感时间节点>上发生关联、汇聚时就会形成<事故引爆点>（详见<事故引爆点>名词解释）。由于<预警信息>具有长久的伴随性与循环性这一特点，增加了动态车辆形成<事故引爆点>的机率，因此模拟计算某车辆的<危险敏感信息>，即提前获取<预警信息>（<预警数据>）就显得非常关键与重要。

<预警信息>（<预警数据>）在三类<危险敏感信息>中最重要、最关键也最可把控，最可把控的主要原因就是<预警信息>（<预警数据>）是通过<DSRC>模拟计算技术进行模拟计算而获得<预警数据>，驾驶员通过对<预警数据>的提前获取而有能力对自己所驾车辆的基础行车安全与基础行车风险进行风险评估与安全评价，因此<预警信息>（<预警数据>）在三类<危险敏感信息>中最重要、最关键也最可把控。

<行车安全信息>，也就是<危险敏感信息>，也就是<预警信息>，是一个概念的三个名词理论表述（详见下方的【简释】）。<行车安全信息>（<危险敏感信息>、<预警信息>）本质上是通过对真实的车辆信息、真实的驾驶行为信息、真实的行车环境信息等对行车安全有影响作用的真实信息进行采集与计算，最终得出的计算结果，这个计算结果就是<行车安全信息>（<危险敏感信息>、<预警信息>）。<行车安全信息>（<危险敏感信息>、<预警信息>）最终是以<预警数据>的形式提供给驾驶员，驾驶员因此可获得提前预警评估到主动预防的信息技术支持与<预警数据>的驾驶辅助，以此保障行车安全，降低交通事故发生机率。

<行车安全信息>（<危险敏感信息>、<预警信息>）最终计算所得共包括动态车辆的7项预警数据：

<主预警数据>： <车辆风险等级>数据、<车辆风险度>标注数据。

<辅助预警数据>：<车辆安全度>数据、<行车类别>数据、<事故等级区间>数据。

<辅助预防数据>：<危险敏感时间节点>数据、<节点预警级别>数据。

简释<行车安全信息>、<危险敏感信息>、<预警信息>三个名词的理论关系，以及在不同语境中侧重使用：

<行车安全信息>、<危险敏感信息>、<预警信息>三个理论名词是源于同一个概念，本质上是同一个概念的三种表述方法，在不同语境表述中各有侧重，是从三个不同的理论角度和三个不同的理论层次阐述与论证<行车安全信息>同一个理论主题，说的是同一件事，是同一个理论主题的三种表述方式。<行车安全信息>侧重的是动态车辆所涉“敏感信息”对“行车安全”影响作用的概括式理论阐述和论证。<危险敏感信息>侧重的是动态车辆所涉“敏感信息”对“行车安全”影响作用的具体化理论阐述和论证。<预警信息>侧重的是动态车辆所涉“敏感信息”对“行车安全”的影响作用，具有预警作用、预警价值的预警应用理论阐述和论证。在《行车安全信息理论》、《学术简释》、《案例研究》等理论阐述论证的实际语境和文义需要时，会选用三个名词中的一个名词做为主词使用，以凸显正在阐述论证的理论重点，如：<行车安全信息>是在理论研究动态车辆发生交通事故受<行车安全信息>影响作用的阐述论证中经常侧重表述使用；<危险敏感信息>是在验证动态车辆发生交通事故受<隐秘客观规律>影响作用的各类模拟计算表述与实验操作表述中经常侧重表述使用；<预警信息>是在为客户能够实现提前预警评估主动预防而提供真实预警预防数据中经常侧重表述使用。

三个名词分别在预警预防理论研究、预警预防信息获取、预警预防模拟计算、预警预防实验操作、预警预防真实数据获取、提供预警预防数据应用阶段等不同语境下的表述与使用，TIRIA智库为在理论研究、模拟实验与实际应用环节上能够准确表达而定义的源于同一个概念的三个理论名词，读者在阅读《行车安全信息理论》、《学术简释》、《数据研究》、《案例研究》、《问题解答》等栏目内容时会遇到这种情况，在此特别注释简释说明。

<隐秘的客观规律>是TIRIA智库行车安全问题研究中心对动态车辆发生交通事故长期的研究、观测、实验、验证最终发现：动态车辆发生交通事故（含<“四类情形”交通事故>）具有其自身的<隐秘的客观规律性>，<隐秘的客观规律>对动态车辆发生交通事故（含<“四类情形”交通事故>）具有至关重要的主导影响作用，从而确定、定义的专属学术理论名词。<隐秘的客观规律>也称：<隐秘规律>是<动态车辆发生交通事故（含<“四类情形”交通事故>）隐秘的客观规律性>的简称。

<隐秘的客观规律>概括地说：是指动态车辆发生交通事故（含<“四类情形”交通事故>）并不是无规律的偶然现象或意外现象，而是具有其自身不易被察觉的隐秘的客观规律运动变化而导致的必然结果、必然现象，即<隐秘的客观规律>。<隐秘的客观规律>具体地说：就是动态车辆所涉<危险敏感信息>的信息能量场在“时空因素”影响作用下发生汇聚、失衡、变化的规律，就是动态车辆发生交通事故（含<“四类情形”交通事故>）隐秘的客观规律，即<隐秘的客观规律>。<隐秘的客观规律>从科学实验的数据视角说：动态车辆所涉<危险敏感信息>的信息能量场在“时空因素”影响作用下发生汇聚、失衡、变化的规律难以通过普通的肉眼观察了解掌握，必须通过信息科学的方法和技术进行长期的科学实验才能验证，即对动态车辆所涉<危险敏感信息>进行筛查、评测、计算获取动态车辆所涉<危险敏感信息>的数据，观察动态车辆所涉<危险敏感信息>的数据变化规律验证<动态车辆发生交通事故具有隐秘的客观规律性>的客观存在，即是<隐秘的客观规律>也称：<隐秘规律>。

<隐秘的客观规律>应用研究与实验简介：

TIRIA智库长期的研究与实验数据显示：动态车辆发生交通事故（含<“四类情形”交通事故>）具有客观规律性，但并不是显而易见的，而是具有隐秘性，需要通过大量的调查研究和科学实验，以及计算机模拟实验才能最终获取“带有规律性的科学数据”（见下方的【注】），这种“带有规律性的科学数据”能够反映出动态车辆发生交通事故（含<“四类情形”交通事故>）具有其自身的隐秘的客观规律，这种需要通过大量的调查研究和科学实验，以及计算机模拟实验才能最终验证的动态车辆发生交通事故（含<“四类情形”交通事故>）并不是无规律的偶然现象或意外现象，而是具有其自身的隐秘的客观规律运动变化而导致的必然结果、必然现象，也就是TIRIA智库长期的研究、实验、验证并最终形成《行车安全信息理论》所揭示的重要的研究发现：动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律性>，<隐秘的客观规律>对动态车辆发生交通事故（含<“四类情形”交通事故>）具有至关重要的主导影响作用。

【注】：“带有规律性的科学数据”是指动态车辆所涉<危险敏感信息>数据，也称：<行车安全信息>数据，也称：<预警信息>数据。详见《学术释义》。

TIRIA智库长期的研究与多项实验对比数据显示：在相同的”行车环境”下，在相同的<驾驶条件>下，在相同的车辆行驶实验年限长度内（含基本相同的年行驶里程），驾驶员使用<安全驾驶方法>（“合理使用”（避开）<节点>技术）实验组交通事故（含：轻、中、重事故等级）发生率明显低于驾驶员不使用<安全驾驶方法>（“合理使用”（避开）<节点>技术）实验组。多项实验对比数据显示：驾驶员使用<安全驾驶方法>（“合理使用”（避开）<节点>技术）实验组，严重交通事故发生率非常明显地大幅度低于驾驶员不使用<安全驾驶方法>（“合理使用”（避开）<节点>技术）实验组。多项实验对比数据显示的实验结论充分验证了：动态车辆发生交通事故（含<“四类情形”交通事故>）并不是无规律的偶然现象而是有规律的必然现象，动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律>，<隐秘的客观规律>对动态车辆发生交通事故（含<“四类情形”交通事故>）起到至关重要的主导影响作用，而这个<隐秘的客观规律>就是动态车辆所涉<危险敏感信息>的信息能量场在“时空因素”影响作用下发生汇聚、失衡、变化的规律。（详见《数据研究》多项专题实验与数据分析）。

科学研究显示：世间存在的许多客观现象其实都是客观规律运动变化而导致的必然结果，有的事物变化所显现出来的规律性比较明显，可以称之为：“显性客观规律”，“显性客观规律”人们容易观察、容易了解、容易掌握；有的事物变化所显现出来的规律性不明显，甚至是隐秘的、不易被察觉、不容易被了解、不容易被掌握，但通过科学实验的方法可以验证其具有客观规律存在，确有其自身的客观规律性，可以称之为：“隐性客观规律”。动态车辆发生交通事故（含<“四类情形”交通事故>）具有的客观规律性就属于“隐性客观规律”，即不易被察觉、不容易被了解、不容易被掌握、具有隐秘性，动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律性>已得到TIRIA智库长期的科学研究与实验数据的验证。（详见：《数据研究》相关专题实验）。

TIRIA智库长期的研究、实验与调查数据显示：动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律性>，<隐秘的客观规律>对动态车辆发生交通事故（含<“四类情形”交通事故>）具有至关重要的主导影响作用。动态车辆发生交通事故（含<“四类情形”交通事故>）具有其自身的<隐秘的客观规律>是导致全球交通事故（含<“四类情形”交通事故>）发生率居高不下的重要原因之一，也是导致交通事故（含<“四类情形”交通事故>）现象在全球范围内长期普遍存在的重要原因之一。

<事故引爆点>也称<时空汇聚点>。是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。<事故引爆点>是指动态车辆所涉<危险敏感信息>在该车辆的某个<危险敏感时间节点>上汇聚完备之际而形成的随时都可能引发动态车辆发生交通事故的“时空汇聚点”，就是动态车辆的<事故引爆点>。

“时空汇聚点”包含强调的是与<节点>时间关联、交叉、重叠、汇聚的<危险敏感信息>包括：不良的行车环境信息（包括：危险敏感路段信息、突发危险情况信息）、不良的驾驶行为信息（包括：如疲劳驾驶、分心驾驶、酒后驾驶、违法驾驶、违规超车、超速行驶、越线行驶、闯红灯、驾驶员出现<视觉幽灵现象>，以及车辆在<节点>时间高速行驶不降速、车辆行驶中或停车等信号期间跟车过近不保持安全车距等因不良驾驶行为而构成的<危险敏感信息>），以及最重要的评测计算出来的<预警信息>（包括如：<车辆风险等级>信息、<节点>信息等<预警信息>），这三类<危险敏感信息>在车辆的某个<危险敏感时间节点>上汇聚完备之际就会形成随时都可能引发动态车辆发生交通事故的<事故引爆点>。

TIRIA智库的研究数据与实验数据显示：动态车辆所涉<危险敏感信息>汇聚并形成<事故引爆点>后不是100%的车辆都必然会发生交通事故或必然会被动遭遇交通事故，而是 <事故引爆点>一旦形成动态车辆发生交通事故或被动遭遇交通事故的机率就会升高，也就是说<事故引爆点>一旦形成动态车辆发生交通事故或被动遭遇交通事故就会成为大概率事件。

<事故引爆点>的构成要件与形成是三类<危险敏感信息>在某个<节点时间>汇聚而形成。动态车辆在行车过程中每小时都会出现3-4个<节点>，且<节点>具有伴随行与循环性，因此理论上动态车辆发生交通事故具有随时随地发生的可能性，然而事实上动态车辆并不是每天都会发生交通事故，而是偶尔会发生一次交通事故，主要原因是动态车辆所涉<危险敏感信息>必须在该车辆的某个<危险敏感时间节点>上汇聚完备才能形成<事故引爆点>，也就是说没有<危险敏感信息>在该车辆的某个<危险敏感时间节点>上汇聚完备并形成<事故引爆点>任何情形的交通事故都不会发生，也不会被动发生（遭遇）。

什么情况下最容易形成<事故引爆点>呢？

如果驾驶员驾驶的是一辆<高风险车辆>，<高风险车辆>本身就是<危险敏感信息>，如果驾驶员驾驶<高风险车辆>在没有”合理使用”<节点>的情况下在该车辆的某个<节点>（<危险敏感信息>）上行驶，此时该车辆形成<事故引爆点>已具备三分之二的<危险敏感信息>条件，剩下的三分之一的<危险敏感信息>什么时间汇聚完备，就看该车辆在某个<节点>（<危险敏感信息>）时间是否经过危险敏感路段或遇突发危险情况或驾驶员有不良驾驶行为（包括：如疲劳驾驶、分心驾驶、酒后驾驶、违法驾驶、违规超车、超速行驶、越线行驶、闯红灯、驾驶员出现<视觉幽灵现象>，以及车辆在<节点>时间高速行驶不降速、车辆行驶中或停车等信号期间跟车过近不保持安全车距等因不良驾驶行为而构成的<危险敏感信息>），这些<危险敏感信息>只要有其一就会立刻汇聚完备而形成<事故引爆点>。动态车辆形成<事故引爆点>后不是100%的车辆都必然会发生交通事故或必然会被动遭遇交通事故，而是 <事故引爆点>一旦形成动态车辆发生交通事故或被动遭遇交通事故的机率就会升高，也就是说<事故引爆点>一旦形成动态车辆发生交通事故或被动遭遇交通事故就会成为大概率事件，这也是为什么驾驶员驾驶<高风险车辆>的交通事故发生率比驾驶<中风险车辆>高5.64倍，比驾驶<低风险车辆>高12.11倍的主要原因，因为<高风险车辆>本身就是<危险敏感信息>，加之<节点>（<危险敏感信息>）具有伴随行与循环性，那么只要再汇聚一个或行车环境的<危险敏感信息>或驾驶行为的<危险敏感信息>，<危险敏感信息>就会立刻在某个<节点>上汇聚完备而形成<事故引爆点>。

<危险敏感时间节点的信息能量场>是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<危险敏感时间节点的信息能量场>概括地说是指动态车辆在行驶中因车辆信息、驾驶信息、环境信息等诸多信息中的<危险敏感信息>汇聚、变化而形成车辆自身<节点>的信息能量场，就是<危险敏感时间节点的信息能量场>。动态车辆的<节点>具有信息能量场，当<危险敏感时间节点>上的信息能量场强时，此<节点>的预警级别就高，当<危险敏感时间节点>上的信息能量场弱时，此<节点>的预警级别就低。

 <危险敏感时间节点的信息能量场>研究、实验简介如下：

TIRIA智库长期的研究与实验数据显示：当<危险敏感时间节点的信息能量场>突然增强时刻，也是动态车辆发生交通事故机率高的时刻，当<危险敏感时间节点的信息能量场>最强时刻，也是动态车辆发生严重（事故等级较高）交通事故机率高的时刻，因此<危险敏感时间节点>的预警级别，即<节点预警级别数据>的评测、计算与确定是根据<危险敏感时间节点的信息能量场>的强弱而计算确定的。不同动态车辆的<危险敏感时间节点的信息能量场>从汇聚、形成、达到峰值，而后逐渐减弱、消散，最短的时间需要1分钟，最长的时间需要5分钟，而后经过一段无<节点>时间，再汇聚、再形成、再次达到峰值，而后再逐渐减弱、再次消散，动态车辆的<危险敏感时间节点信息能量场>的强弱变化具有规律性，这个规律性是确定<节点预警级别数据>的重要依据。

<危险敏感时间节点的循环性>是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<危险敏感时间节点的循环性>概括地说是指<危险敏感时间节点>伴随<动态车辆>的运行而呈现有规律的循环出现的特性，<危险敏感时间节点>这种伴随<动态车辆>周而复始循环出现的规律性，就是<危险敏感时间节点的循环性>。

<危险敏感时间节点的循环性>具体地说是指<动态车辆的危险敏感时间节点的信息能量场>从汇聚、形成、达到峰值，而后逐渐减弱、消散，最短的时间需要1分钟，最长的时间需要5分钟，而后经过一段无<节点>时间，再汇聚、再形成、再次达到峰值，而后再逐渐减弱、再次消散，<动态车辆的危险敏感时间节点的信息能量场>具有有规律的循环特性，简称<危险敏感时间节点的循环性>。

TIRIA智库的研究与实验数据显示：动态车辆的<危险敏感时间节点>始终伴随着动态车辆的行车过程，只要车辆在行驶中<危险敏感时间节点>就会随动态车辆的行驶循环出现，<危险敏感时间节点>一旦与行车环境中的<危险敏感路段>或危险情况的发生时间、发生空间相关联、重叠、交叉，就会瞬间形成<事故引爆点>，<危险敏感时间节点>有规律的循环性特点增加了动态车辆在行驶中随时形成<事故引爆点>的机率，从而使动态车辆发生交通事故（含<“四类情形”交通事故>）成为一件随时随地都可能发生的事。

<危险敏感时间节点的伴随性>是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<危险敏感时间节点的伴随性>概括地说是指<危险敏感时间节点>始终伴随着<动态车辆>的运行过程而循环出现，就是<危险敏感时间节点的伴随性>。

<危险敏感时间节点的伴随性>具体地说是指<危险敏感时间节点>是伴随<动态车辆>的运行而存在的、而有规律出现的，当车辆不再行驶而是进入车库（非公用停车场地）停车，车辆运行停止时，<危险敏感时间节点>就不再循环出现，<危险敏感时间节点的伴随性>特性也随即停止。<危险敏感时间节点>是伴随<动态车辆>的运行而存在的、而有规律出现的，没有<动态车辆>就没有<危险敏感时间节点>，没有<动态车辆>就没有<危险敏感时间节点的伴随性>。

TIRIA智库的研究与实验数据显示：动态车辆的<危险敏感时间节点>始终伴随着动态车辆的行车过程，只要车辆在行驶中<危险敏感时间节点>就会伴随动态车辆的行驶循环出现，<危险敏感时间节点>一旦与行车环境中的<危险敏感路段>或危险情况的发生时间、发生空间相关联、重叠、交叉，就会瞬间形成<事故引爆点>，<危险敏感时间节点>的伴随性特点增加了动态车辆在行驶中随时形成<事故引爆点>的机率，从而使动态车辆发生交通事故（含<“四类情形”交通事故>）成为一件随时随地都可能发生的事。

（注：请参阅：《学术简释》：<动态车辆>、<危险敏感时间节点>、<危险敏感时间节点的信息能量场>、<危险敏感时间节点的循环性>等）

<正常驾驶条件>是TIRIA智库行车安全问题研究中心界定定义的专属学术理论名词。

<正常驾驶条件>是指驾驶员在行车环境正常或良好，交通秩序正常或良好，人车混行情况很少或管理规范到位，交通道路运行良好，事故多发路段较少，交通道路规划设计基本不影响行车安全，交通管理正常、合理或良好，交通道路指示灯设置正常、合理或良好，交通设施安放的合理、正常或良好、交通标识设置的醒目合理有利于行车安全，必要的交通管理软硬件设施完备齐全等有利于行车安全的交通道路与行车环境中驾驶车辆，就是TIRIA智库界定定义的<正常驾驶条件>。

关于在<正常驾驶条件>下驾驶车辆也会发生交通事故的研究：

TIRIA智库的研究显示：驾驶员（含智能车辆）在<正常驾驶条件>驾驶车辆，即在交通秩序、通行状态、交通道路、交通设施、交通管理、交通法规、交通规划设计等都正常良好运行的行车环境中驾驶车辆，也会时常发生不同情形的交通事故，即使是守法守规的驾驶员在<正常驾驶条件>驾驶车辆也会时常发生不同情形的交通事故或时常被动发生（遭遇）不同情形的交通事故，这也是TIRIA智库重点关注研究解决的交通问题。

TIRIA智库的模拟计算数据与实验数据显示：使用信息技术进行提前预警主动预防，守法守规的驾驶员在<正常驾驶条件>驾驶车辆会大幅度地降低发生不同情形交通事故的机率，尤其对降低严重交通事故的发生机率帮助效果非常显著（详见《数据研究》）。

<非正常驾驶条件>是TIRIA智库行车安全问题研究中心界定定义的专属学术理论名词。<非正常驾驶条件>是指行车环境复杂或交通秩序混乱或人车混行管理缺失或交通道路复杂崎岖危险或事故多发路段较多或交通道路规划设计不合理不科学影响行车安全或缺少有效的交通管理或交通道路缺少交通指示灯或缺少必要的交通设施或缺少醒目的交通标识或交通标识设置的不合理或缺少必要的交通管理软硬件设施等不利于行车安全的交通道路与行车环境，驾驶员在以上任意一种情况下驾驶车辆，都是非正常驾驶条件下驾驶车辆，也就是TIRIA智库界定定义的<非正常驾驶条件>。

关于在<非正常驾驶条件>下驾驶车辆守法守规驾驶员发生交通事故的机率会升高的研究：

TIRIA智库的研究显示：驾驶员（含智能车辆）在<非正常驾驶条件>驾驶车辆，发生不同情形交通事故的机率会升高，即使是守法守规的驾驶员在<非正常驾驶条件>下驾驶车辆也会升高发生交通事故的机率。

TIRIA智库的模拟计算数据与实验数据显示：使用信息技术进行提前预警主动预防，守法守规的驾驶员即使在<非正常驾驶条件>驾驶车辆也会大幅度地降低发生不同情形交通事故的机率，尤其对降低严重交通事故的发生机率帮助效果非常显著。（详见《数据研究》）。

<动态车辆>是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。<动态车辆>是指不论是在公用道路上行驶的机动车辆、或是占用公用行车道路暂停的机动车辆，或是在路口等信号灯的暂停车辆、或是等待通过某路段的机动车辆、或是在公用道路两旁非合法停车位暂停的车辆、或是在公用停车场内行驶的车辆，以上情形的车辆因都具有动态车辆的一切危险属性和动态车辆所涉及的“危险敏感信息“对行车安全的影响作用，所以都属于TIRIA智库界定的<动态车辆>。

“危险敏感路段”是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。“危险敏感路段”是指行车环境中凡不利于行车安全的路段都属于TIRIA智库界定定义的“危险敏感路段”。

“危险敏感路段”主要由如下两类情况形成或导致：

第一类情况：是由交通管理不到位、交通规划设计有问题、交通设施缺少、交通标示指示不健全等交通软硬件不完善或不合理而导致形成的“危险敏感路段”。如：不应该出现行人的机动车行车道路上经常出现行人、不应该出现非机动车的机动车行车道路上经常出现非机动车、机动车行车道路上经常出现各类危险情况、人车混杂交通治理不力路段、缺少交通指示灯路段、缺少必要的交通设施路段、缺少交通标示路段、交通道路规划设计不合理路段、事故多发路段、事故多发交通路口、缺少必要的交通管理路段、交通秩序混乱路段等行车环境不好、不利于行车安全的路段都属于TIRIA智库界定定义的“危险敏感路段”。

第二类情况：是由行车环境中的交通道路特点所形成的“危险敏感路段”。如：弯急坡陡路段、U形弯路段、长下坡路段、两侧有陡峭山体的路段、有山崖或深沟的路段、盘山公路、临水复杂路段等不利于行车安全的路段都属于TIRIA智库界定定义的“危险敏感路段”。

<行车等级区间>是<行车安全等级区间信息>的简称，是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。

<行车等级区间>是指行车指数波动时间占比较高的指数范围所对应的“最低事故等级”和“最高事故等级”区间，即是<行车等级区间信息>，也称：<事故等级区间信息>，通过<DSRC数据技术>评测计算而确定的动态车辆在行车过程中的<行车等级区间信息>，即是动态车辆的<事故等级区间数据>，也称：动态车辆的<基础数据>。（注：当某辆车的<行车等级区间信息>已计算确定时称：动态车辆的<事故等级区间数据>）。

<行车等级区间信息>不是动态车辆发生交通事故的“主导信息“和”关键信息“，但却是比较重要的<预警信息>（<行车安全信息>），<行车等级区间>信息具有预警某动态车辆发生交通事故时可能会达到的最高事故等级的预警价值。

<行车安全等级区间信息>应用研究、实验与数据表述简介：

TIRIA智库的研究与实验数据显示：<行车等级区间>信息是动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，是比较重要的<预警信息>（<行车安全信息>）。<行车等级区间>信息不是动态车辆发生交通事故的“主导信息“和”关键信息“，但<行车等级区间>信息具有预警动态车辆发生交通事故时可能会达到的最高事故等级的预警价值，所以<行车等级区间信息>是比较重要的<预警信息>（<行车安全信息>）。<行车等级区间>（<事故等级区间>）数据与表述列表如下：

获取<行车等级区间>（<事故等级区间>）数据的方法和所运用的技术简述：

TIRIA智库使用的是信息技术和<DSRC数据技术>，即运用<DSRC数据技术>模拟计算动态车辆<行车安全信息>（<危险敏感信息>）的方法获取<行车等级区间>数据：

TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律>的研究数据与实验数据，运用信息科学的方法和技术对待评测车辆的真实车辆信息、真实行车信息、真实驾驶信息、真实行车环境信息等诸多与行车安全密切相关的信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、评测、计算，最终确定某动态车辆的<行车等级区间>（<事故等级区间>）数据。

科学数据包括：<行车等级区间数据>（<事故等级区间数据>）。

TIRIA智库使用信息技术和<DSRC数据技术>为客户提供的<事故等级区间>数据是比较重要的<基础数据>，客户通过阅读《评测业务报告》，即对自己所驾车辆的<事故等级区间>数据的阅读了解，可以直观地了解自己所驾车辆在<正常驾驶条件>下的基本安全状态，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的初级预警帮助作用。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在<正常驾驶条件>下行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<基础数据>（<事故等级区间数据>）具有在不同行车环境下使用的长久适用性，因此<事故等级区间数据>做为AI计算<时时预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<“四类情形”交通事故>是TIRIA智库行车安全问题研究中心对各种原因导致的交通事故和各类情形交通事故长期的调查、研究、归纳、总结、统计、验证最终确定、界定、定义的专属学术理论名词。

<“四类情形”交通事故>广义概括地说是指<传统预防方法>（见下方的【注释】）难以预防或无法预防的交通事故情形，都属于<“四类情形”交通事故>。 

<“四类情形”交通事故>具体地说是指<传统预防方法>（见下方的【注释】）难以预防或无法预防的交通事故情形主要有“四类情形”， “四类情形”交通事故包括：第一类情形：“无奈发生”的交通事故（也称：”无法躲避”的交通事故）；第二类情形：“被动发生”的交通事故；第三类情形：“不幸发生“的交通事故（也称：交通意外事故）；第四类情形：“不明原因发生”的交通事故，这“四类情形”交通事故常伴有或发案率高或致伤率高或致残率高或致死率高的“四高特点“，就是TIRIA智库界定、定义的<“四类情形”交通事故>。

<“四类情形”交通事故>是TIRIA智库行车安全问题研究中心在对动态车辆发生交通事故根本原因与交通事故发生原理的研究与探索中发现、归纳、总结出来的<传统预防方法>难以预防或无法预防的<“四类情形”交通事故>。

【注释】：<传统预防方法>是指驾驶员在驾驶车辆中采用守法驾驶、守规驾驶、谨慎驾驶、专心驾驶、熟练驾驶、不超速驾驶、不疲劳驾驶等良好的驾驶习惯、良好的驾驶技术和良好的驾驶状态预防动态车辆发生交通事故的<常用预防方法>、<普通预防方法>，即是<传统预防方法>。详见《学术释义》：<传统预防方法>。

<“四类情形”交通事故>具体情形和特点研究简介：

TIRIA智库的调查、研究发现：<传统预防方法>对预防动态车辆发生交通事故是有帮助作用的，这是毋庸置疑的，<传统预防方法>能够有效预防某些情形的交通事故、有效降低某些情形交通事故的发生率是客观事实，但<传统预防方法>不是对所有情形的交通事故都能有效预防也是客观事实，其中主要有“四类情形”交通事故，<传统预防方法>是难以预防或无法预防的，这“四类情形”交通事故的具体情形和特点以及相关问题研究简介如下：

第一类情形：“无奈发生“的交通事故，也称：”无法躲避“的交通事故。如：车辆在守法守规正常行驶中或正在停车等信号中或在公用道路（含公用场地）的某处临时停车时突然发生被他车撞击、被他车碰撞、被他车追尾、被翻滚的车辆砸中……等情形的交通事故。当车辆被撞、追、砸时驾驶主体（含智能车辆和驾驶员）因没有躲避空间或没有躲避时间或没有躲避方法或躲避意识已无法运转或车辆智能探测处理中心无法处理等原因，驾乘人员只能目睹交通事故无奈地在眼前发生却无法躲避的交通事故情形。

特点：驾驶主体（含智能车辆和驾驶员）或有时间可以看见，或有机会可以预想预见到事故即将发生，但却无法紧急避险无法躲避或没有躲避空间或没有躲避时间或没有机会采取紧急预防措施，眼看着事故发生，没有或无法事先想到会有“无法躲避“的危险情况突然出现（发生），<传统预防方法>难以预防或无法预防。

第二类情形：“被动发生“的交通事故。如：车辆在正常守法守规行驶中或在停车等信号中或在公用道路（含公用场地）的某处临时停车时突然发生被他车追尾、撞击、碰撞、被翻滚的车辆砸中（撞击）……等被动遭遇的交通事故情形。

特点：驾驶主体（含智能车辆和驾驶员）既没有时间看见，也没有机会预想预见到事故即将发生，突然被动发生，被动遭遇交通事故，没有机会紧急避险，没有机会采取紧急预防措施，没有或无法事先想到会有危险情况突然出现（发生），<传统预防方法>难以预防或无法预防。

第三类情形：“不幸发生“的交通事故，也称：交通意外事故。如：车辆在守法守规正常行驶中突然发生意想不到的翻车、坠崖、冲沟、入水、撞树、撞物、撞人、撞交通设施、撞非机动车、被滚落的山石砸中（撞击）、被倒下的树木砸中、被倒下（掉落）的建筑物（公共设施）砸中、被飞行的硬物击中（砸中）、被翻滚的车辆砸中（撞击）……等意想不到的交通事故情形，人们通常把这一类情形的交通事故统称为：交通意外事故。

特点：驾驶主体（含智能车辆和驾驶员）或有时间可以看见，紧急避险时或采取紧急预防措施时“为时已晚”，或没有时间看见，都没有机会预想预见到事故即将发生，超出想象（意想不到），无法避免事故发生，没有或无法事先想到会有“意想不到“的危险情况突然出现（发生），<传统预防方法>难以预防或无法预防。

第四类情形：“不明原因发生”的交通事故。如：车辆在守法守规正常行驶中突然不明原因发生撞车或撞物或撞墙或撞人或撞树或翻车或坠崖……等情形的交通事故。TIRIA智库的研究与调查数据显示：“不明原因发生”交通事故的车辆常常是在没有违法行驶、车辆没有违规行驶、车辆没有超速行驶、驾驶员没有分心驾驶、驾驶员没有疲劳驾驶、事故发生前和发生之际没有行车环境中的其他特殊情况或突发情况影响驾驶员正常驾驶、常常在毫无征兆的情况下车辆突然“不明原因发生“交通事故、导致事故发生的直接原因无法查明。警方对“不明原因“发生的交通事故通常采用的是推测结论或推理结论进行事故定性，如：驾驶员“操作不当”、驾驶员“操作失误”等原因导致交通事故给予事故定性和案件统计，从而忽略了对“不明原因“发生的交通事故的统计和研究，事实上“不明原因发生”的交通事故不仅是客观存在，并且常伴有“四高特点“（发案率高、致伤率高、致残率高、致死率高），“不明原因发生”的交通事故是不可忽略、不可否定、具有<隐秘客观规律>并非偶然出现的交通事故现象。

特点：驾驶主体（含智能车辆和驾驶员）或有时间可以看见，紧急避险时或采取紧急预防措施时“为时已晚”，或没有时间看见，都没有机会预想预见到事故即将发生，事故发生前毫无征兆，事故原因不明，无法避免事故发生，没有或无法事先想到会有“不明原因”的危险情况突然出现（发生），<传统预防方法>难以预防或无法预防。

<“四类情形”交通事故>具有“四高”特点的调查、统计数据研究简介：

TIRIA智库的研究与调查统计数据显示：<“四类情形”交通事故>具有：发案率高、致伤率高、致残率高、致死率高的“四高”特点。

TIRIA智库的研究、调查、统计数据显示：动态车辆发生交通事故被警方定性为：“车辆碰撞事故”的交通事故案件中，有85%左右的车辆碰撞事故案件（两辆车相撞或多辆车相撞）中，每一起两辆车相撞或多辆车相撞事故中至少有一辆车或多辆车的事故情形符合<“四类情形”交通事故>中的第一类情形： “无奈发生的”交通事故“（也称：“无法躲避的”交通事故）情形或符合<“四类情形”交通事故>中的第二类情形：“被动发生的”交通事故情形特点，<“四类情形”交通事故>在车辆碰撞事故案件中发案率高、“占比”高。

TIRIA智库对交通事故案例数据库进行分析统计数据显示：无奈发生交通事故的车辆数与被动发生（遭遇）交通事故的车辆数要比引发事故的责任方车辆要多出30%左右，这个统计数据显示<“四类情形”交通事故>的第一类情形：无奈发生交通事故（无法躲避的交通事故）与第二类情形：“被动发生”交通事故的车辆发案率高、占比高是客观事实。

TIRIA智库的研究、调查、统计以及对交通事故案例数据库进行分析统计数据显示：动态车辆发生交通事故被警方定性为：“交通意外事故”的交通事故案件中，有97%左右事故案件的事故情形符合<“四类情形”交通事故>中的第三类情形：“不幸发生的”交通事故“的事故情形特点，<“四类情形”交通事故>在警方定性为“交通意外事故”案件中发案率高、“占比”高。

TIRIA智库的研究、调查、统计数据显示：动态车辆发生交通事故被警方定性为：驾驶员“操作失误”、驾驶员“操作不当”这类原因导致的交通事故案件中，有87%左右事故案件的事故发生直接原因无法查明，这类交通事故符合<“四类情形”交通事故>中的第四类情形：“不明原因发生的”交通事故的情形特点，<“四类情形”交通事故>在警方定性为驾驶员“操作失误”、驾驶员“操作不当”这类原因导致的交通事故案件中发案率高、“占比”高。

TIRIA智库长期的研究、调查、统计数据显示：发生<“四类情形”交通事故>的车辆或因驾乘人员没有时间可以看见、或因驾乘人员没有机会预见、或因紧急避险时“为时已晚”、或因驾乘人员没有躲避空间、或因驾乘人员无法躲避、或因驾乘人员被动发生交通事故，导致驾乘人员的受伤率、致残率和死亡率都远高于其它情形的交通事故。

<“四类情形”交通事故>没有受到人们高度重视的原因研究简介：

TIRIA智库长期的研究、调查、统计数据显示：<“四类情形”交通事故>不仅具有<传统预防方法>难以预防或无法预防的特点，同时<“四类情形”交通事故>还具有：发案率高、致伤率高、致残率高、致死率高的“四高”特点，然而长久以来为什么没有受到人们的高度重视呢？

<“四类情形”交通事故>之所以长久以来没有受到人们的高度重视，是因为传统的交通事故定性和交通事故案件统计对<“四类情形”交通事故>常常界定不清、事故情形统计模糊甚至是忽略，如：对第一类情形：无奈发生的交通事故（无法躲避的交通事故）和第二类情形：被动发生的交通事故，常常是做为同一类型的普通车辆碰撞事故定性和统计；如：对第三类情形：不幸发生的交通事故（交通意外事故）和第四类情形：不明原因发生的交通事故，常常是做为同一类型的普通“交通意外事故”定性和统计或推测、推理定性为：驾驶员“操作不当”、 驾驶员“操作失误”等原因导致的普通情形交通事故定性和统计。

“传统的事故分析方法”对“不明原因发生”的交通事故（含一部分“不幸发生”的交通事故） 因找不到引发交通事故的直接证据和直接原因，通常给这类情形的交通事故下一个推测结论或推理结论，如：驾驶员“操作失误”或驾驶员“操作不当”或驾驶员遭遇“意外”等原因导致事故发生，而使“不明原因发生”的交通事故（含一部分“不幸发生”的交通事故）的事故案件统计“占比“常常被忽略。TIRIA智库的研究与调查数据显示：“不明原因发生”的交通事故（含一部分“不幸发生”的交通事故）的事故案件“占比“是很高的。由于传统的事故勘查、分析、定性缺少从“事故情形”表象到引起不同情形事故深层原因（关键信息和主导信息）的深入研究与探索求证，导致传统的事故勘查、分析、定性、统计没有归纳总结出<传统预防方法>难以预防或无法预防的界定清晰的<“四类情形”交通事故>：

因此导致：驾驶员对<“四类情形”交通事故>没有清晰的认知、驾驶员对<“四类情形”交通事故>预防观念模糊、驾驶员常常忽略或轻视<“四类情形”交通事故>的客观存在、驾驶员不知道<“四类情形”交通事故>在交通事故发案率中“占比”很高的客观事实、驾驶员不知道<“四类情形”交通事故>常常伴随的是严重交通事故、驾驶员误认为使用<传统预防方法>可以预防全部情形的交通事故、驾驶员不知道<传统预防方法>因缺少<信息预警方法>和<主动预防技术>对<“四类情形”交通事故>难以预防或无法预防，导致驾驶员长久以来使用<传统预防方法>对<“四类情形”交通事故>难以有效预防，也因此导致长久以来严重交通事故发生率在全球范围内难以有效降低。

TIRIA智库从长期的研究、调查、统计数据中发现：<“四类情形”交通事故>具有：发案率高、致伤率高、致残率高、致死率高的“四高”特点，不仅<传统预防方法>对<“四类情形”交通事故>难以预防或无法预防，而且在传统的事故定性和事故案件统计中，对<“四类情形”交通事故>也常常以普通车辆碰撞事故或交通意外事故进行定性和统计，导致许多驾驶员对<“四类情形”交通事故>没有清晰的认知、没有引起足够的重视，实际上<“四类情形”交通事故>发案率很高。

TIRIA智库的研究结论是：由于<“四类情形”交通事故>常常伴随的是严重交通事故且发案率高又难以预防是导致全球严重交通事故发案件数逐年上升的主要原因之一，<传统预防方法>对动态车辆发生<“四类情形”交通事故>难以预防或无法预防是导致全球交通事故发生率居高不下的重要原因之一，也是导致严重交通事故现象在全球范围内长期普遍存在的重要原因之一。因此对<传统预防方法>必须进行弥补、完善和优化、升级，即对<传统预防方法>添加<信息预防方法>和<主动预防技术>，才能解决提前预警、主动预防动态车辆发生<“四类情形”交通事故>的问题。

<传统预防方法>必须优化升级的原因研究简介：

TIRIA智库的研究、调查、统计数据显示：长久以来守法守规驾驶员使用<传统预防方法>对许多情形的交通事故有效预防率不是很高，驾驶员使用<传统预防方法>尤其是对<“四类情形”交通事故>更是难以预防或无法预防，这个研究、调查、分析结论从联合国每年公布的全球交通事故年度受伤人数和年度死亡人数的统计数据中也可反映出来并得到验证：

联合国世界卫生组织近20年来每年公布的全球交通事故年度死亡人数和年度受伤人数统计数据显示：全球每年因各种情形交通事故导致死亡的人数130多万人，全球每天约有4000多人因各种情形交通事故导致死亡，全球每年因各种情形交通事故导致受伤的人数在2000万人至5000万人，也就是全球每天约有10多万人因各种情形交通事故导致受伤或导致伤残，研究和解决行车安全问题刻不容缓。

TIRIA智库长期的调查、研究发现：<传统预防方法>对预防动态车辆发生交通事故是有帮助作用的，这是毋庸置疑的，<传统预防方法>能够有效预防某些情形的交通事故、有效降低某些情形交通事故的发生率是客观事实，但<传统预防方法>不是对所有情形的交通事故都能有效预防也是客观事实，其中主要有“四类情形”交通事故，<传统预防方法>是难以预防或无法预防的，这<“四类情形”交通事故>包括：第一类情形：“无奈发生”的交通事故（也称：”无法躲避”的交通事故）；第二类情形：“被动发生”的交通事故；第三类情形：“不幸发生“的交通事故（也称：交通意外事故）；第四类情形：“不明原因发生”的交通事故。全球范围内因交通事故导致死亡的人数逐年升高，其中很重要的原因之一就是<传统预防方法>对<“四类情形”交通事故>难以预防或无法预防，而<“四类情形”交通事故>常常伴随的是严重交通事故，<“四类情形”交通事故>在交通事故发生案件总件数中占比很高，因此对<传统预防方法>必须进行弥补、完善和优化、升级，即对<传统预防方法>添加<信息预防方法>和<主动预防技术>，才能解决提前预警、主动预防动态车辆发生<“四类情形”交通事故>的问题。

“传统的事故原因研究与分析“因为缺少对动态车辆所涉<危险敏感信息>（行车安全信息）的获取技术，因而无法通过对<行车安全信息>（<危险敏感信息>）的数据分析找到导致<“四类情形”交通事故>发生的“主导原因”和“关键原因”（“主导信息”和“关键信息”），因此也就无法找到提前预警、主动预防<“四类情形”交通事故>有效的<新预防方法>。

TIRIA智库的研究与实验数据显示：<传统预防方法>之所以对<“四类情形”交通事故>难以预防或无法预防，是因为<传统预防方法>缺少<信息预警方法>和<主动预防技术>，这是导致<传统预防方法>对<“四类情形”交通事故>难以预防或无法预防的重要原因、关键原因，所以必须对<传统预防方法>添加<信息预警方法>和<主动预防技术>，即必须对<传统预防方法>进行弥补、完善和优化、升级，才能解决提前预警、主动预防动态车辆发生<“四类情形”交通事故>的问题。

<传统预防方法>中缺少<信息预警方法>和<主动预防技术>是导致守法守规驾驶者也会时常发生交通事故（含<“四类情形”交通事故>）、时常遭遇交通事故（含<“四类情形”交通事故>）的根本原因，唯有在<传统预防方法>基础上添加<信息预警方法>和<主动预防技术>才能弥补<传统预防方法>的不足，才能优化、升级、完善<传统预防方法>，使守法守规驾驶者少发生交通事故（含<“四类情形”交通事故>）、不发生交通事故（含<“四类情形”交通事故>）。

TIRIA智库长期的研究与调查数据显示：<传统预防方法>对动态车辆发生<“四类情形”交通事故>难以预防或无法预防是导致全球交通事故发生率居高不下的重要原因之一，也是导致严重交通事故现象在全球范围内长期普遍存在的重要原因之一，所以必须对<传统预防方法>进行弥补、完善和优化、升级，才能解决提前预警、主动预防<“四类情形”交通事故>的问题。

<“四类情形”交通事故>研究的相关【注释】：

【注释1】：TIRIA智库在对动态车辆发生交通事故根本原因与事故发生原理的研究与探索中发现、归纳、总结出<传统预防方法>难以预防或无法预防的<“四类情形”交通事故>，并尝试使用信息科学的方法和技术对动态车辆的<危险敏感信息>（<预警信息>）进行信息筛查、评测与数据分析，TIRIA智库的研究与计算机模拟数据显示：动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律>和相同的事故发生原理，从而找到并确定了引爆动态车辆发生交通事故（含<“四类情形”交通事故>）<事故引爆点>的“关键信息”和“必要条件”，开创性地提出用<新预防方法>，即用<安全驾驶方法>（<信息预警方法>和<主动预防技术>）对<传统预防方法>进行弥补、完善和优化、升级，解决预防<“四类情形”交通事故>的难题。

【注释2】： <新预防方法>是在<传统预防方法>基础上添加<信息预警方法>和<主动预防技术>，即是对<传统预防方法>的弥补、完善和升级、优化。TIRIA智库的研究与实验数据显示：<新预防方法>尤其对降低<“四类情形”交通事故>发生率非常有效，对主动预防动态车辆发生严重交通事故（含<“四类情形”交通事故>）帮助作用非常明显，大幅度明显提升了预防不同情形交通事故的有效率。

【注释3】：<新预防方法>（<信息预警方法>和<主动预防技术>）的创立并没有否定和取代<传统预防方法>的预防功能和预防作用，<传统预防方法>是<新预防方法>的使用基础，<新预防方法>是<传统预防方法>的优化、升级，TIRIA智库创立<新预防方法>，即<安全驾驶方法>（<信息预警方法>和<主动预防技术>）是为了弥补、完善和优化、升级<传统预防方法>提高动态车辆的安全度、降低交通事故（含<“四类情形”交通事故>）发生率，用信息技术更高效地辅助驾驶员的行车安全。

<视觉盲区时间>是<驾驶员的视觉盲区时间信息>的简称。<视觉盲区时间>是TIRIA智库行车安全问题研究中心确定定义的专属学术理论名词。 <视觉盲区时间>也称：<视觉盲区时间信息>（<驾驶员的视觉盲区时间信息>），也称：<视觉幽灵现象>（<驾驶员的视觉幽灵现象>），也称：<视觉幽灵时间>（<驾驶员的视觉幽灵时间>），也称：<驾驶员的视觉盲区现象>，也称：<驾驶员（含智能车辆）的视觉盲区时间>。

（【注释】：<视觉盲区时间>的多个名称是因其具有的特点和特性决定的，读者在阅读TIRIA智库网站上的文章时会遇到使用不同名称侧重点不同的表述<视觉盲区时间>的情况，在此特别注释说明）。

<视觉盲区时间>概括地说：是指驾驶员在驾驶机动车时因某种原因导致驾驶员“视而不见”本可以清晰看见的人、车、物、事等情况（见下方【注释2】），即驾驶员出现“视觉盲区”（视觉幽灵）的“时间段”，就是驾驶员的<视觉盲区时间>，也称：<视觉盲区时间信息>，也称： 驾驶员的<视觉幽灵现象>。

<视觉盲区时间>具体地说：是指驾驶员在驾驶车辆过程中或多或少或经常或偶尔都存在的一种自己很难觉知，但却是现实存在的“视而不见”本可以清晰看见的人、车、物、事等情况的“驾驶行为现象”，这个“视而不见”的“驾驶行为现象”是动态车辆发生“严重“交通事故的重要因素之一，这个“视而不见”的“驾驶行为现象”是TIRIA智库在研究与探索动态车辆发生交通事故究竟成因与<隐秘客观规律>的过程中发现并得到实验验证的较为普遍存在的“驾驶行为现象”，就是驾驶员的<视觉盲区时间>，也称：<视觉盲区时间信息>，也称：驾驶员的<视觉幽灵现象>。

<视觉盲区时间>从实验数据的角度说：TIRIA智库的研究与实验数据显示：驾驶员的<视觉盲区时间>信息（<视觉幽灵现象>）常常伴随动态车辆的<危险敏感时间节点>信息而出现，驾驶员的<视觉盲区时间>信息具有隐秘的<危险敏感时间信息>的特点和属性，驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性特点。驾驶员的<视觉盲区时间>（<视觉幽灵现象>）是许多驾驶员在驾驶车辆过程中或多或少或经常或偶尔都存在的一种自己很难觉知，但却是较为普遍存在的“视而不见”的“驾驶行为现象”，驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性，因此增加了动态车辆发生“严重“交通事故的机率。（见下方【注释1】）。

（【注释1】：驾驶员的<视觉盲区时间>信息（<视觉幽灵现象>）并不是导致交通事故发生的“主导信息“和”关键信息“，但驾驶员在驾驶车辆过程中伴随<节点>时间可能出现的<视觉盲区时间>（<视觉幽灵现象>）却是导致动态车辆发生“严重“交通事故的重要因素之一。）

（【注释2】：“视而不见”本可以清晰看见的人、车、物、事等情况包括：行车环境中所涉及的与行车安全有关的全部信息和情况，例如：行人、机动车、非机动车、指示灯、交通标识、交通设施、交通道路、交通道路上发生的事件等等相关情况。下方阐述相同内容与此注释相同。）

<视觉盲区时间信息>特点研究简介：

TIRIA智库长期的研究、观测、调查、统计数据显示：驾驶员在驾驶机动车过程中主观上一直在认真仔细地观察行车环境中的一切可见的人、车、物、事等情况，行车环境中可见的人、车、物、事等情况也在驾驶员的视线之内，但驾驶员有时因某种原因却没有看见视线之内本应清晰可见的全部人、车、物、事等情况，而是仅看见可见内容的一部分内容，或驾驶员虽然看见视线之内的全部人、车、物、事等情况，但因“注意力”过度集中关注某一人、车、物、事等情况上或过度关注专注思考某一人、车、物、事等情况上，或因身体极度疲倦或因特殊心理活动等情况，没有引起脑中枢信息处理系统及时处理传导视觉和意识非重点关注的人、车、物、事等情况的影像信息，导致驾驶员（含智能车辆）出现“视而不见”的<视觉幽灵现象>（<视觉盲区时间>）。

TIRIA智库的研究与调查统计数据显示：驾驶员的<视觉盲区时间>多数情况下并不是在驾驶员违法违规驾驶情况下出现的，而是在驾驶员守法守规驾驶的情况下出现的，甚至有时是因为驾驶员的“注意力”过于集中、过于关注前方行车环境中的某些交通情况、机动车、行人、非机动车、指示灯、交通标识等情况下出现的，<视觉盲区时间>的特点和特性为驾驶员使用<传统预防方法>预防<视觉盲区时间>（<视觉幽灵现象>）增加了几乎无法逾越的难度，<视觉盲区时间>的特点和特性决定了<视觉盲区时间>具有非常高的危险性和<传统预防方法>难以预防或无法预防的特点。

TIRIA智库的研究与实验数据显示：驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性特点，因此增加了动态车辆发生“严重“交通事故的机率。驾驶员在不了解、不掌握自己所驾车辆的<节点>时间的情况下，即驾驶员没有使用<TIRIA智能预警APP>（没有采用“合理使用”（避开）<节点>驾驶技术）驾驶车辆的情况下，如果驾驶员经常在该车辆的<节点>时间驾驶该车辆，那么驾驶员在<节点>时间驾驶该车辆发生交通事故的机率将会升高。如果此时驾驶员的<视觉盲区时间>（<视觉幽灵现象>）伴随<节点>时间出现，那么此时驾驶员驾驶该车辆发生“严重”交通事故的机率一定会升高。从动态车辆发生交通事故的原理和<预警信息>（<行车安全信息>）的角度看：如果驾驶员的<视觉盲区时间>伴随动态车辆的<节点>时间出现，当<事故引爆点>形成时，动态车辆发生“严重“交通事故的机率必然会升高，那么此时动态车辆发生“严重“交通事故（含<“四类情形”交通事故>）将是必然的事，不发生“严重“交通事故（含<“四类情形”交通事故>）却是偶然的事。

<视觉盲区时间信息>预防研究与实验简介：

<视觉盲区时间信息>是TIRIA智库行车安全问题研究中心在对动态车辆发生交通事故究竟成因与<隐秘客观规律>的研究与探索中发现，并经过长期反复的研究、实验、验证，最终确定：驾驶员的<视觉盲区时间>信息具有隐秘的<危险敏感时间信息>的特点和属性，驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性特点，驾驶员的<视觉盲区时间>信息（<视觉幽灵现象>）常常伴随动态车辆的<危险敏感时间节点>信息而出现。这一研究结论为驾驶员预防<视觉盲区时间>（<视觉幽灵现象>）找到了提前预警、主动预防的有效方法：<信息预警方法>和<主动预防技术>（“合理使用”（避开）<节点>技术）。实验数据显示：驾驶员采用“合理使用”（避开）<节点>技术驾驶车辆，能够最大程度地降低因驾驶员的<视觉盲区时间>（<视觉幽灵现象>）引发“严重“交通事故的机率。

TIRIA智库的研究与实验数据显示：驾驶员的<视觉盲区时间>信息（<视觉幽灵现象>）常常伴随动态车辆的<危险敏感时间节点>信息而出现，驾驶员的<视觉盲区时间>信息具有隐秘的<危险敏感时间信息>的特点和属性，驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性特点。<视觉盲区时间>的特点和特性，决定了驾驶员的<视觉盲区时间>（<视觉幽灵现象>）适合使用信息科学的方法和技术（<信息预警方法>和<主动预防技术>）进行提前预警、主动预防，最大程度地降低驾驶员可能在<节点>时间出现<视觉幽灵现象>（<视觉盲区时间>）引发“严重“交通事故的机率。

TIRIA智库的研究、实验与调查数据显示：驾驶员的<视觉盲区时间>（<视觉幽灵现象>）是许多驾驶员在驾驶车辆过程中或多或少或经常或偶尔都存在的一种自己很难觉知，但却是现实存在的“视而不见”的“驾驶行为现象”，驾驶员的<视觉盲区时间>具有伴随动态车辆的<节点>时间出现的现实可能性，因此增加了动态车辆发生“严重“交通事故的机率。

驾驶员的<视觉盲区时间>（<视觉幽灵现象>）是动态车辆发生“严重“交通事故的重要因素之一，驾驶员的<视觉盲区时间>（<视觉幽灵现象>）是<传统预防方法>难以预防或无法预防的，驾驶员的<视觉盲区时间>（<视觉幽灵现象>）是驾驶员因不了解而长期忽略的“驾驶行为现象”，驾驶员的<视觉盲区时间>（<视觉幽灵现象>）不论对驾乘人员或是其他车辆或行人的危险性和危害性都是非常高的、是显而易见的，应引起驾驶员的高度重视。

【注】：关于<视觉盲区时间>（<视觉幽灵现象>）应用研究的相关问题，详见《问题解答》栏目相关专题解答。文中用<>括起来都是专属名词，详见《学术释义》）。

<动态车辆风险等级>是<动态车辆风险等级信息>的简称，是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<动态车辆风险等级>是指根据动态车辆发生交通事故频次高低或根据动态车辆发生事故的等级高低的<行车安全信息>（<危险敏感信息>）的数据变化，而计算确定的车辆在行驶中或在公共道路上临时停车中发生事故的风险等级数据，就是动态车辆的<车辆风险等级>，也称：<车辆风险等级>信息，也称：<车辆风险等级>数据，也称：动态车辆的<基础数据>。<车辆风险等级>分为三个等级：高风险车辆（发生事故的频次高或等级高）、中风险车辆（发生事故的频次中等或等级中等）、低风险车辆（发生事故的频次低或等级低）。

举例说明1：某车辆发生事故的频次较高可确定为：高风险车辆；某车辆发生事故的等级较高可确定为：高风险车辆；某车辆发生事故的频次和等级都较高可确定为：高风险车辆。

举例说明2：某车辆发生事故的频次中等可确定为：中风险车辆；某车辆发生事故的等级中等可确定为：中风险车辆；某车辆发生事故的频次和等级都中等可确定为：中风险车辆。

举例说明3：某车辆发生事故的频次较低可确定为：低风险车辆；某车辆发生事故的等级较低可确定为：低风险车辆；某车辆发生事故的频次和等级都较低可确定为：低风险车辆。

<动态车辆风险等级信息>（含<风险度>信息）应用研究与实验简介：

TIRIA智库的研究与实验数据显示：<动态车辆风险等级信息>（含<动态车辆风险度信息>）做为动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，对动态车辆发生交通事故具有至关重要的主导影响作用，<动态车辆风险等级信息>（含<动态车辆风险度信息>）做为重要的<预警信息>，具有很高的预警价值和预警作用，是提前预警、主动预防动态车辆发生交通事故最为重要的<预警信息>，对行车安全至关重要。

TIRIA智库的研究与实验数据显示：<动态车辆风险等级>（含<风险度>）的高低与动态车辆发生交通事故（含<“四类情形”交通事故>）的机率成“正比”关系，即：<动态车辆风险等级>（含<风险度>）越高，动态车辆发生交通事故（含<“四类情形”交通事故>）的机率越高；<动态车辆风险等级>（含<风险度>）越低，动态车辆发生交通事故（含<“四类情形”交通事故>）的机率越低，所以<动态车辆风险等级信息>（含<动态车辆风险度信息>）是动态车辆行车安全非常重要的<预警信息>（<行车安全信息>）。（详见《数据研究》相关专题实验数据）。

TIRIA智库经过多年的研究与实验掌握了动态车辆发生交通事故<隐秘的客观规律>，运用信息筛查技术和信息评测技术对<动态车辆风险等级信息>（含<动态车辆风险度信息>）进行长期的筛查、评测实验获取了大量的筛查、评测实验数据，分组筛查评测计算实验对比统计数据显示：筛查评测计算结论准确验证率最低达到95.8%，筛查评测计算结论准确验证率最高达到100%（详见《数据研究》相关专题实验数据）。

<动态车辆风险等级信息>特点研究与分级确定简介：

TIRIA智库根据长期的研究与筛查评测实验数据所显示的<动态车辆风险等级信息>的特点，对动态车辆的<风险等级信息>分级确定：三个风险等级和三个风险度。动态车辆的三个风险等级，分别以【高】、【中】、【低】表示，即<高风险车辆>、<中风险车辆>、<低风险车辆>。三个风险度分别以【A度】（高）、【B度】（中）、【C度】（低）表示。分级确定的<风险等级>简介如下：

<高风险车辆>：

是指动态车辆或有发生交通事故（含<“四类情形“交通事故>）机率比较高的信息或有发生交通事故（含<“四类情形“交通事故>）等级比较高（1级至9级）的信息，具有以上两类信息特点之一的车辆或同时具有以上两类信息特点的车辆统称为：<高风险车辆>。

<中风险车辆>：

是指动态车辆或有发生交通事故（含<“四类情形“交通事故>）机率中等的信息或有发生交通事故（含<“四类情形“交通事故>）等级中等（1级至6级）的信息，具有以上两类信息特点之一的车辆或同时具有以上两类信息特点的车辆统称为：<中风险车辆>。

<低风险车辆>：

是指动态车辆或有发生交通事故（含<“四类情形“交通事故>）机率比较低的信息或有发生交通事故（含<“四类情形“交通事故>）等级比较低（1级至4级）的信息，具有以上两类信息特点之一的车辆或同时具有以上两类信息特点的车辆统称为：<低风险车辆>。

获取<动态车辆风险等级>（含<风险度>）数据的方法和所运用的技术简介：

TIRIA智库使用的是信息技术和<DSRC数据技术>，即运用<DSRC数据技术>模拟计算动态车辆<行车安全信息>（<危险敏感信息>）的方法获取<动态车辆风险等级数据>（含<风险度数据>）：

TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律性>的研究数据与实验数据，运用信息科学的方法和技术对待筛查车辆的真实车辆信息、真实行车信息、真实驾驶信息、真实行车环境信息等诸多与行车安全密切相关的信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、筛查、评测、计算、最终确定某动态车辆的<风险等级数据>和<风险度数据>。

科学数据包括：<动态车辆风险等级>数据、<动态车辆风险度>数据。

TIRIA智库使用信息技术和<DSRC数据技术>为客户提供的<动态车辆风险等级>数据、<动态车辆风险度>数据是非常重要的<基础数据>，客户通过阅读《筛查业务报告》，即对自己所驾车辆的<风险等级数据>和<风险度数据>的阅读了解，可以直观地了解自己所驾车辆在<正常驾驶条件>下的基本安全状态，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的初级预警帮助作用。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在<正常驾驶条件>下行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<基础数据>（<风险等级数据>、<风险度数据>）具有在不同行车环境下使用的长久适用性，因此<风险等级数据>和<风险度数据>做为AI计算<时时预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<动态车辆风险度>是<动态车辆风险度信息>的简称，是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<动态车辆风险度>是指相同<风险等级>车辆之间<车辆风险等级>精细化度数高中低的精细化差异标注，就是<车辆风险度>信息，也称：<车辆风险度>，也称：<车辆风险度>标注，也称：动态车辆的<基础数据>。<车辆风险度>细化为：A度（风险度数较高）、B度（风险度数中等）、C度（风险度数较低）。<车辆风险度>是对相同<风险等级>车辆之间细微差异度的细化与标注，<车辆风险度>数据是<车辆风险等级>数据的从属数据、辅助数据、定值范围内的细化标注数据。

<动态车辆风险度信息>应用研究与实验简介：

TIRIA智库的研究与实验数据显示：同一个<动态车辆风险等级>内的不同车辆因“车辆信息”、“行车信息”、“行车环境信息”、动态车辆所涉<危险敏感信息>等重要的“敏感信息”有所不同的原因，导致同一个<动态车辆风险等级>内的不同车辆的危险程度存在”差异度”，这也是为什么要给不同<动态车辆风险等级>的车辆进行<风险度>标注的重要原因和价值所在。

动态车辆的<风险度>标注是在<动态车辆风险等级>数据已经确定的基础上，再进一步进行数据分析、精细化筛查、精细化评测计算，最终确定某车辆的<动态车辆风险度>数据，而后对同一个<动态车辆风险等级>内的不同车辆进行<动态车辆风险度>标注。

<动态车辆风险度>数据反映的是同一个<动态车辆风险等级>内的不同车辆的危险程度的高、中、低的”差异度”，<动态车辆风险度>数据与<动态车辆风险等级>数据具有同样的预警价值，都是预警价值很高的<预警信息>（<行车安全信息>），都是动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，对动态车辆的行车安全具有至关重要的主导影响作用。

<动态车辆风险度信息>特点研究与分级确定简介：

TIRIA智库根据长期的研究与筛查评测实验数据所显示的<动态车辆风险等级信息>的特点，对动态车辆的<风险等级信息>分级确定：三个风险等级和三个风险度。动态车辆的三个风险等级，分别以【高】、【中】、【低】表示，即<高风险车辆>、<中风险车辆>、<低风险车辆>。三个风险度分别以【A度】（高）、【B度】（中）、【C度】（低）表示。分级确定的<风险度>简介如下：

A度：表示动态车辆的<风险度>高。

B度：表示动态车辆的<风险度>中等。

C度：表示动态车辆的<风险度>低。

【注】：对不同<动态车辆风险等级>内的不同车辆的<风险度>标注统一都用：A度（高）、B度（中）、C度（低）进行<风险度>标注。

A度：表示动态车辆的<风险度>高。

<风险度>高是指在同一个<动态车辆风险等级>内，<风险度>标注为【A度】的车辆风险程度相比较是最高的。<风险度>高能够反映出：车辆发生交通事故的机率或车辆发生交通事故的轻重程度在同一个<动态车辆风险等级>内相比较是最高的。

B度：表示动态车辆的<风险度>中等。

<风险度>中等是指在同一个<动态车辆风险等级>内，<风险度>标注为【B度】的车辆风险程度相比较是中等的。<风险度>中等能够反映出：车辆发生交通事故的机率或车辆发生交通事故的轻重程度在同一个<动态车辆风险等级>内相比较是中等的。

C度：表示动态车辆的<风险度>低。

<风险度>低是指在同一个<动态车辆风险等级>内，<风险度>标注为【C度】的车辆风险程度相比较是最低的。<风险度>低能够反映出：车辆发生交通事故的机率或车辆发生交通事故的轻重程度在同一个<动态车辆风险等级>内相比较是最低的。

<动态车辆风险度>数据标注示例与说明：

1、高风险车辆（A度）；高风险车辆（B度）；高风险车辆（C度）。

2、中风险车辆（A度）；中风险车辆（B度）；中风险车辆（C度）。

3、低风险车辆（A度）；低风险车辆（B度）；低风险车辆（C度）。

在《筛查业务报告》中将对<动态车辆风险等级>进行<动态车辆风险度>标注（如上示例），客户可从<动态车辆风险等级>数据和<动态车辆风险度>数据了解自己所驾车辆的安全程度或不安全程度，<动态车辆风险等级>数据和<动态车辆风险度>数据是非常重要的<预警信息>，对驾驶员提前预警、主动预防动态车辆发生交通事故具有价值独特的初级预警帮助作用。

获取<动态车辆风险度>数据的方法和所运用的技术简介：

TIRIA智库使用的是信息技术和<DSRC数据技术>，即运用<DSRC数据技术>模拟计算动态车辆<行车安全信息>（<危险敏感信息>）的方法获取<动态车辆风险等级数据>（含<风险度数据>）：

TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律性>的研究数据与实验数据，运用信息科学的方法和技术对待筛查车辆的真实车辆信息、真实行车信息、真实驾驶信息、真实行车环境信息等诸多与行车安全密切相关的信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、筛查、评测、计算、最终确定某动态车辆的<风险等级数据>和<风险度数据>。

科学数据包括：<动态车辆风险等级>数据、<动态车辆风险度>数据。

TIRIA智库使用信息技术和<DSRC数据技术>为客户提供的<动态车辆风险等级>数据、<动态车辆风险度>数据是非常重要的<基础数据>，客户通过阅读《筛查业务报告》，即对自己所驾车辆的<风险等级数据>和<风险度数据>的阅读了解，可以直观地了解自己所驾车辆在<正常驾驶条件>下的基本安全状态，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的初级预警帮助作用。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在<正常驾驶条件>下行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<基础数据>（<风险等级数据>、<风险度数据>）具有在不同行车环境下使用的长久适用性，因此<风险等级数据>和<风险度数据>做为AI计算<时时预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<动态车辆安全度>是<动态车辆安全度信息>的简称，是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。

<动态车辆安全度>是指反映动态车辆在行车过程中安全程度高低的<行车安全信息>（<预警信息>），即是<动态车辆安全度>，通过<DSRC数据技术>计算而确定的动态车辆在行车过程中的<安全度>，即是<动态车辆安全度数据>，也称：<动态车辆安全度分数>，也称：动态车辆的<基础数据>。（注：当某辆车的<安全度>已计算确定时称：<动态车辆安全度数据>，也称：<动态车辆安全度分数>）。

<动态车辆安全度>能够反映出动态车辆在<正常驾驶条件>下行驶的基本安全状态，是非常重要的<基础数据>，具有很高的预警价值，是衡量、判断、评价动态车辆安全程度高低非常重要的<行车安全信息>（<预警信息>）。

<动态车辆安全度>（<预警信息>）应用研究、实验与数据表述简介：

TIRIA智库的研究与实验数据显示：<动态车辆安全度信息>做为动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，对动态车辆发生交通事故具有至关重要的主导影响作用，<动态车辆安全度信息>做为重要的<预警信息>，具有很高的预警价值和预警作用，是提前预警、主动预防动态车辆发生交通事故最为重要的<预警信息>，对行车安全至关重要。

TIRIA智库的研究与实验数据显示：<动态车辆安全度>分数值的高低与动态车辆发生交通事故（含<“四类情形”交通事故>）的机率成“反比”关系，即：<动态车辆安全度>分数值越高，车辆发生不同等级交通事故（含<“四类情形“交通事故>）的机率越低；<动态车辆安全度>分数值越低，车辆发生不同等级交通事故（含<“四类情形“交通事故>）的机率越高。（详见《数据研究》相关专题实验）。

TIRIA智库的研究与实验数据显示：<动态车辆安全度>分数值的高低与动态车辆的安全程度高低呈现“正比”的关系，即：<动态车辆安全度>分数值越高，动态车辆的安全程度越高；<动态车辆安全度>分数值越低，动态车辆的安全程度越低。（详见《数据研究》相关专题实验）。

TIRIA智库经过多年的研究与实验掌握了动态车辆发生交通事故<隐秘的客观规律>，运用信息评测技术对<动态车辆安全度信息>进行长期的评测实验获取了大量的评测实验数据，分组评测计算实验对比统计数据显示：评测计算结论准确验证率最低达到95.8%，评测计算结论准确验证率最高达到100%（详见《数据研究》相关专题实验数据）。

<动态车辆安全度>数据表述简介：

<动态车辆安全度>数据是以<安全度>分数值的形式表述，<动态车辆安全度>分数值是按千分制(100分-1000分)进行<动态车辆安全度>分数值的表述与评定，100分是基础分，也是安全度最低分，1000分是安全度最高分，通过评测计算得分越低的车辆，安全度越低，得分越高的车辆，安全度越高。

<动态车辆安全度>分数与动态车辆安全度（<数据与表述>）参考列表如下：

获取<动态车辆安全度>（<预警信息>）数据的方法和所运用的技术简述：

TIRIA智库使用的是信息技术和<DSRC数据技术>，即运用<DSRC数据技术>模拟计算动态车辆<行车安全信息>（<危险敏感信息>）的方法获取<动态车辆安全度数据>：

TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律性>的研究数据与实验数据，运用信息科学的方法和技术对待评测车辆的真实车辆信息、真实行车信息、真实驾驶信息、真实行车环境信息等诸多与行车安全密切相关的信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、评测、计算、最终确定某动态车辆的<安全度数据>。

科学数据包括：<动态车辆安全度>数据。

TIRIA智库使用信息技术和<DSRC数据技术>为客户提供的<动态车辆安全度>数据是非常重要的<基础数据>，客户通过阅读《评测业务报告》，即对自己所驾车辆的<安全度数据>的阅读了解，可以直观地了解自己所驾车辆在<正常驾驶条件>下的基本安全状态，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的初级预警帮助作用。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在<正常驾驶条件>下行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<基础数据>（<安全度数据>）具有在不同行车环境下使用的长久适用性，因此<安全度数据>做为AI计算<时时预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<行车安全类别>是<行车安全类别信息>的简称，是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<行车安全类别>是指动态车辆发生1级-6级轻度或轻中度或中度交通事故“频次”高低的<行车安全信息>（<预警信息>），即是<行车安全类别信息>，简称：<行车安全类别>，通过<DSRC数据技术>评测计算而确定的动态车辆在行车过程中的<行车安全类别>，即是动态车辆的<行车安全类别数据>，也称：动态车辆的<基础数据>。（注：当某辆车的<行车安全类别>已计算确定时称：动态车辆的<行车安全类别数据>）。

<行车安全类别>信息虽然反映的是动态车辆发生轻度或轻中度或中度（1级-6级）交通事故“频次”高低的<行车安全信息>（<预警信息>），但<行车安全类别>数据具有很高的预警价值和预警作用，<行车安全类别>是很重要的<预警信息>，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的预警帮助作用。

<行车安全类别信息>应用研究、实验与数据表述简介：

TIRIA智库的研究与实验数据显示：<行车安全类别>信息做为动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，对动态车辆发生交通事故具有至关重要的主导影响作用，<行车安全类别>信息做为重要的<预警信息>具有很高的预警价值和预警作用，是提前预警、主动预防动态车辆发生交通事故最为重要的<预警信息>，对行车安全至关重要。

TIRIA智库在掌握了动态车辆发生交通事故<隐秘的客观规律>的情况下，根据长期的研究数据与实验数据，以及评测动态车辆的<行车安全信息>（<预警信息>）的实践数据，再运用<DSRC数据技术>模拟计算<行车安全信息>（<预警信息>）数据的方法对动态车辆的<行车安全类别>数据进行长期的实践评测与实际验证（注：评测计算结论准确验证率最低达到95.8%，评测计算结论准确验证率最高达到100%），最终确定<行车安全类别>数据标准：

<行车安全类别>共有6类：A1类； A2类； B1类； B2类 ；C1类 ；C2类。<行车安全类别>数据标准与表述列表如下：

《<行车安全类别>数据标准与表述列表》

A1类车辆：车辆每6年发生0次-2次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：极低）。

A2类车辆：车辆每5年发生0次-2次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：比较低）。

B1类车辆：车辆每4年发生0次-3次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：中偏低）。

B2类车辆：车辆每3年发生0次-3次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：中等）。

C1类车辆：车辆每2年发生0次-4次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：中偏高）。

C2类车辆：车辆每1年发生0次-4次轻度或轻中度或中度（1级-6级）交通事故（交通事故“频次”表述：高）。

获取动态车辆的<行车安全类别>（<预警信息>）数据的方法和所运用的技术简述：

TIRIA智库使用的是信息技术和<DSRC数据技术>，即运用<DSRC数据技术>模拟计算<行车安全信息>（<危险敏感信息>）的方法获取<行车安全类别>数据：

TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律>的研究数据与实验数据，运用信息科学的方法和技术对待评测车辆的真实车辆信息、真实行车信息、真实驾驶信息、真实行车环境信息等诸多与行车安全密切相关的信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、评测、计算，最终确定某动态车辆的<行车安全类别>数据。

科学数据包括：<行车安全类别>数据。

TIRIA智库使用信息技术和<DSRC数据技术>为客户提供的<行车安全类别>数据是非常重要的<基础数据>，客户通过阅读《评测业务报告》，即对自己所驾车辆的<行车安全类别>数据的阅读了解，可以直观地了解自己所驾车辆在<正常驾驶条件>下的基本安全状态，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）具有非常重要的初级预警帮助作用。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在<正常驾驶条件>下行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<基础数据>（<行车安全类别数据> ）具有在不同行车环境下使用的长久适用性，因此<行车安全类别数据>做为AI计算<时时预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<行车安全等级>是TIRIA智库行车安全问题研究中心的专属学术理论名词。<行车安全等级>是<行车安全等级信息>的简称。<行车安全等级>是指反映动态车辆发生交通事故（含<“四类情形”交通事故>）时车辆、驾乘人员或所涉及的人员损伤轻重程度的<行车安全信息>（<预警信息>），<行车安全等级信息>也称：<动态车辆事故等级信息>。

<行车安全等级>信息是动态车辆非常重要的<行车安全信息>（<预警信息>），是动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程。<行车安全等级>信息做为动态车辆的<行车安全信息>（<预警信息>）之一，在实际应用中以动态车辆的<行车安全等级信息>的<行车等级区间>数据进行表述。（详见《学术释义》：<行车等级区间>）。

制定《行车安全等级标准》（《交通事故等级标准》）现实意义简介与数据标准列表：

TIRIA智库从实际应用的角度根据长期的调查数据与研究数据特别制定了《行车安全等级标准》，也称：《交通事故等级标准》。《行车安全等级标准》的制定为实际应用中科学表述动态车辆发生交通事故“轻重程度”提供了标准化、数据化的理论与数据科学表述准则，对深入研究动态车辆发生通事故的实验活动的实验数据的标准化、数据化的科学表述确定了理论与数据准则。

TIRIA智库根据长期的调查数据与研究数据的数据统计分析结论，把动态车辆发生交通事故时对车辆以及驾乘人员或所涉及的人员造成的损伤轻重程度，确定划分为9个等级，每个等级都有对应的损伤轻重程度的参照标准，为研究交通事故问题和行车安全问题提供了重要的学术理论标准。

【注】：TIRIA智库制定的《行车安全等级标准》适用于《交通事故等级标准》列表如下：

《行车安全等级标准》

交通事故等级标准与表述列表

9级: 9级是极重度交通事故等级。9级信息反映的是：当车辆发生9级交通事故（含<“四类情形”交通事故>）时，车辆有极重度损毁，驾乘人员或所涉及的人员或有当场丧生或受极重度损伤有生命危险或受极重度惊吓。<行车安全等级信息>表述：最高不安全行车等级。

8级: 8级是重度交通事故等级。8级信息反映的是：当车辆发生8级交通事故（含<“四类情形”交通事故>）时，车辆有重度损毁，驾乘人员或所涉及的人员或有当场丧生或受重度损伤有生命危险或受重度惊吓。<行车安全等级信息>表述：次高不安全行车等级。

7级: 7级是次重度交通事故等级。7级信息反映的是：当车辆发生7级交通事故（含<“四类情形”交通事故>）时，车辆有次重度损伤或次重度损毁，驾乘人员或所涉及的人员或受次重度损伤有生命危险或受次重度惊吓。<行车安全等级信息>表述：中偏高不安全行车等级。

6级: 6级是中度交通事故等级。6级信息反映的是：当车辆发生6级交通事故（含<“四类情形”交通事故>）时，车辆有中度损伤，驾乘人员或所涉及的人员或受中度损伤或受中度惊吓。<行车安全等级信息>表述：中等不安全行车等级。

5级: 5级是次中度交通事故等级。5级信息反映的是：当车辆发生5级交通事故（含<“四类情形”交通事故>）时，车辆有次中度损伤，驾乘人员或所涉及的人员或受轻度损伤或受次中度惊吓。<行车安全等级信息>表述：中偏低不安全行车等级。

4级: 4级是轻度交通事故等级。4级信息反映的是：当车辆发生4级交通事故（含<“四类情形”交通事故>）时，车辆有轻度损伤，驾乘人员或所涉及的人员或受轻微损伤或受轻度惊吓。<行车安全等级信息>表述：低等级不安全行车等级。

3级: 3级是次轻度交通事故等级。3级信息反映的是：当车辆发生3级交通事故（含<“四类情形”交通事故>）时，车辆有次轻度损伤，驾乘人员或所涉及的人员或有极轻微的损伤或有轻微的惊吓。<行车安全等级信息>表述：相对安全行车等级。

2级: 2级是轻微交通事故等级。2级信息反映的是：当车辆发生2级交通事故（含<“四类情形”交通事故>）时，车辆有轻微损伤，驾乘人员或所涉及的人员没有损伤或有轻微惊吓或没有惊吓。<行车安全等级信息>表述：相对安全行车等级。

1级: 1级是极轻微交通事故等级。1级信息反映的是：当车辆发生1级交通事故（含<“四类情形”交通事故>）时，车辆有极轻微损伤，驾乘人员或所涉及的人员没有损伤或有极轻微惊吓或没有惊吓。<行车安全等级信息>表述：相对安全行车等级。

<危险敏感时间节点>是TIRIA智库行车安全问题研究中心的学术理论专属名词，<危险敏感时间节点>是<动态车辆所涉“危险敏感信息”汇聚的节点时间>的简称。

<危险敏感时间节点>是指动态车辆所涉<危险敏感信息>在某时间点上汇聚接近完备或已完备的时刻，是动态车辆在行驶过程中行车指数在不安全指数区间波动时间占比突破<行车安全限值>时刻，是动态车辆所涉<危险敏感信息>的信息汇聚点，是动态车辆所涉<危险敏感信息>的信息能量场的失衡点，是动态车辆发生交通事故（含<“四类情形”交通事故>）的临界点，是动态车辆发生交通事故（含<“四类情形”交通事故>）概率最大的最短时间段，是引发动态车辆发生交通事故（含<“四类情形”交通事故>）的“关键信息“和”主导信息“，是动态车辆所涉<危险敏感信息>中最为敏感、最为重要的<预警信息>，是与行车环境中的<危险敏感路段>或“危险情况”发生时间、发生空间产生关联、重叠、交叉并形成<时空引爆点>即形成<事故引爆点>的关键信息（因素），是构成并形成<事故引爆点>的必要条件，即是<危险敏感时间节点>，也称：<全时节点>、<全时节点数据>、<全时节点预警数据>、<预警节点>，简称：<节点>。

关于<危险敏感时间节点>在不同应用中的不同名称表述，简介如下：

<危险敏感时间节点>在理论研究、案例研究分析中也称：<危险敏感时间节点>、<全时节点>、<全时预警节点>、<全时敏感节点>、<预警节点>、<预防节点>、<避险节点>、<节点时间>、<时间节点>、<节点>。  

<危险敏感时间节点>在理论研究应用中、在非专指某辆车已确定的<节点数据>时也称：<危险敏感时间节点信息>、<危险敏感时间信息>、<行车安全信息>、<全时节点信息>、<全时节点预警信息>、<全时敏感节点信息>、<预防节点信息>、<避险节点信息>、<节点时间信息>、<时间节点信息>、<节点信息>。  

<危险敏感时间节点>在实际应用中、在事故原因分析中、在节点数据传输中、在专指某辆车已确定的<节点数据>时也称：<危险敏感时间节点数据>、<全时节点数据>、<全时节点预警数据>、<节点数据>。

<危险敏感时间节点>在<TIRIA智能预警APP>显示时也称：<时时节点数据>、<时时节点预警数据>、<时时节点>、<时时节点预警>、<时时预警节点>、<时时预警数据>。  

【注释1】：<危险敏感时间节点>不论在理论表述上还是在实际应用的表述上，都包含在动态车辆所涉及的<危险敏感信息>、<行车安全信息>、<预警信息>、<预警数据>这些理论名词表述中，在不同应用中使用不同的<节点>名称能够反映出此时所表述的重点，以方便读者理解，在此特别注释。

【注释2】：当无法采集事故车辆的<时时节点数据>研究分析车辆发生事故的关键原因时，可使用<DSRC数据技术>模拟计算事故车辆的<全时节点>数据（<危险敏感时间节点>数据）研究分析动态车辆发生交通事故的关键原因（详见：《问与答》、《案例研究》）。动态车辆的<全时节点>数据（<危险敏感时间节点>数据）对研究分析动态车辆发生交通事故的关键原因具有直观了解的作用和价值，<全时节点数据>（<危险敏感时间节点>数据）是AI计算<时时节点预警数据>的基础数据。

<危险敏感时间节点>数据具有两个极其重要的使用价值：一是<危险敏感时间节点>数据（含<节点预警级别>数据）具有预警、预防保护动态车辆行车安全的使用价值；二是<危险敏感时间节点>数据（含<节点预警级别>数据）具有研究分析动态车辆发生交通事故关键原因的使用价值。

<危险敏感时间节点>是<主动预防技术>的技术关键、是AI计算<时时节点>预警数据的数据基础、是驾驶员”合理使用“（避开）<节点>的<节点>时间，<危险敏感时间节点>的预警时长最短1分钟、最长5分钟，<危险敏感时间节点>有3个预警级别。（详见《学术释义》：<节点预警级别>）。      

<危险敏感时间节点>（含<节点预警级别>）应用研究、实验简介：

TIRIA智库从<危险敏感时间节点>即<节点>概念的提出、研究、实验、验证、开发到应用经历了漫长的岁月，对<节点预警级别>概念的提出、研究、实验、验证、开发到应用也同样经历了漫长的岁月，TIRIA智库从大量的实际发生的各类情形的交通事故案例中研究、分析、寻找有规律有价值的数据，再进行长期的反复的实验验证，最终确定能够满足和适应不同车辆使用的<节点预警级别>，同时也找到了评测计算<节点>和评测计算<节点预警级别>的评测计算方法。

TIRIA智库对<节点>与 <节点预警级别>的实用性、适用性、有效性等多方面进行长期的实验、实践检验和验证，最终确定<节点>的时长：1-5分钟即可满足对行车安全预警预防的实际需要（注：特殊情况下的节点预警时长也可能延长至1-7分钟，节点预警实际时长以AI实际计算结果为准），最终确定<节点预警级别>应设3个预警级别可满足对行车安全预警预防的实际需要。

TIRIA智库长期的实验验证数据显示：<节点>设置3个预警级别配置1-5分钟的<节点>预警时长对不同车辆的有效适用性都能达到98.5%以上；<节点>设置3个预警级别配置1-5分钟的<节点>预警时长对不同车辆行车安全的预警预防的有效率和准确验证率都能达到97.8%以上，<节点>设置3个预警级别对驾驶员“合理使用”（避开）<节点>也最为有利、帮助作用最为明显、实用性更强、实用价值更高。

TIRIA智库的分组实验对比数据显示：在相同的行车环境中、在相同的驾驶条件下、在相同的实验年限长度内（含基本相同的行驶里程），驾驶员使用<安全驾驶方法>（<“合理使用”（避开）<节点>驾驶技术>）实验组的交通事故发生率明显降低于驾驶员不使用<安全驾驶方法>（<“合理使用”（避开）<节点>驾驶技术>）实验组的交通事故发生率。分组实验对比数据显示：当驾驶员使用<安全驾驶方法>（<“合理使用”（避开）<节点>驾驶技术>）驾驶车辆时，动态车辆的交通事故（含：轻、中、重交通事故等级>）发生率明显大幅度降低，尤其对预防动态车辆发生严重交通事故（含<“四类情形”交通事故>）帮助作用非常明显（详见《数据研究》多项相关专题实验）。

【注释】：TIRIA智库的研究与实验数据显示：动态车辆所涉<危险敏感信息>是引发动态车辆发生交通事故（含<“四类情形”交通事故>）的主导原因，动态车辆所涉<危险敏感时间节点>信息是引发动态车辆发生交通事故（含<“四类情形”交通事故>）的“第一位主因”，而行车环境中某“空间位置”上突发”危险情况”或<危险敏感路段>属于“第二位原因”，也就是说行车环境中的<危险敏感路段>或突发的”危险情况”，要在动态车辆所涉<危险敏感信息>（含<危险敏感时间节点>信息）的主导影响作用下，行车环境中的<危险敏感路段>或某“空间位置”上突发的”危险情况”才能对某动态车辆起关联作用。（详见《行车安全信息理论》，以及《案例研究》、《数据研究》等相关专题）。

TIRIA智库的研究与实验数据显示：<危险敏感时间节点>信息做为动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，具有伴随性和循环性，动态车辆的<危险敏感时间节点>信息的“伴随性”和“循环性”增加了动态车辆在行驶中形成<事故引爆点>的机率，从而使动态车辆发生交通事故（含<“四类情形”交通事故>）因此而成为一件随时随地都可能发生的事，驾驶员因此而时常在危险的情境中驾驶车辆。<危险敏感时间节点>信息对动态车辆发生交通事故具有至关重要的主导影响作用，<危险敏感时间节点>数据（含<节点预警级别>数据）具有很高的预警价值和预警预防作用，是提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）最为重要、最为关键的<预警信息>，对行车安全至关重要。

TIRIA智库经过多年的研究与实验掌握了动态车辆发生交通事故<隐秘的客观规律>，运用信息评测技术、DSRC数据技术对动态车辆的<危险敏感时间节点>（含<节点预警级别>）进行长期的评测实验获取了大量的评测计算实验数据，分组评测计算实验对比统计数据显示：评测计算结论准确验证率最低达到97.8%，评测计算结论准确验证率最高达到100%（详见《数据研究》专题实验数据）。

《获取<全时节点数据>（含<全时节点预警级别>数据）的方法和技术简介》

TIRIA智库使用的是<DSRC数据技术>，即运用<DSRC数据技术>模拟计算<预警信息>数据的方法获取动态车辆的<全时节点数据>（含<全时节点预警级别>数据）：TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律>的研究数据与实验数据，运用信息科学的方法和技术对待评测车辆的真实车辆信息、真实行车信息、真实驾驶信息，以及与行车安全密切相关的诸多真实的敏感信息进行多方位的信息采集，建立个性化的<DSRC>动态车辆数据分析模型，运用<DSRC数据技术>模拟计算某车辆在不同行车环境中，在<正常驾驶条件>下和<非正常驾驶条件>下行驶时（见下方的注释），动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、评测、计算，最终确定某动态车辆的<全时节点数据>和<全时节点预警级别数据>。

科学数据包括：<全时节点数据>、<全时节点预警级别数据>。

【注释】：运用<DSRC数据技术>模拟客户使用车辆在不同行车环境下，在不同的驾驶条件下（含<正常驾驶条件>下和<非正常驾驶条件>下）行驶7个数据统计周期，模拟客户使用车辆每个数据统计周期为6年，共模拟客户使用该车辆在客户已提供的行车环境中和可能行驶的行车环境中实际使用该车辆共42年，并纳入了随时间变化的与行车安全密切相关的信息，同时也纳入了随时间可能变化的与行车安全密切相关的信息，最终计算确定的客户车辆的<全时节点数据>和<全时节点预警级别数据>具有在不同行车环境下使用的长久适用性，因此<全时节点数据>和<全时节点预警级别数据>做为AI计算<时时节点预警数据>的基础数据可以长久使用。（详见《问与答》相关问题解答）。

<节点预警级别>是<危险敏感时间节点预警级别>的简称。<节点预警级别>是TIRIA智库行车安全问题研究中心的学术理论专属名词。<节点预警级别>是指根据评测计算出来的某车辆的<危险敏感时间节点>对该车辆预警预防价值的高低，即根据<节点>预警预防作用的重要程度而确定的<节点>预警级别就是<危险敏感时间节点预警级别>，简称：<节点预警级别>，也称：<节点预警级别>数据。

<节点预警级别>应用研究、实验与<节点预警级别>数据列表简介：

TIRIA智库从<危险敏感时间节点>即<节点>概念的提出、研究、实验、验证、开发到应用经历了漫长的岁月，对<节点预警级别>概念的提出、研究、实验、验证、开发到应用也同样经历了漫长的岁月，TIRIA智库从大量的实际发生的各类情形的交通事故案例中研究、分析、寻找有规律有价值的数据，再进行长期的反复的实验验证，最终确定能够满足和适应不同车辆使用的<节点预警级别>，同时也找到了评测计算<节点>和评测计算<节点预警级别>的评测计算方法。

TIRIA智库对<节点>与 <节点预警级别>的实用性、适用性、有效性等多方面进行长期的实验、实践检验和验证，最终确定<节点>的时长：1-5分钟即可满足对行车安全预警预防的实际需要（注：特殊情况下的节点预警时长也可能延长至1-7分钟，节点预警实际时长以AI实际计算结果为准），最终确定<节点预警级别>应设3个预警级别可满足对行车安全预警预防的实际需要。

TIRIA智库长期的实验验证数据显示：<节点>设置3个预警级别，1-5分钟的<节点>预警时长对不同车辆的有效适用性都能达到98.5%以上；<节点>设置3个预警级别，1-5分钟的<节点>预警时长对不同车辆行车安全的预警预防的有效率和准确验证率都能达到97.8%以上，<节点>设置3个预警级别对驾驶员“合理使用”（避开）<节点>也最为有利、帮助作用最为明显、实用性更强、实用价值更高。

TIRIA智库的研究与实验数据显示：<节点预警级别>数据在驾驶员实际使用<节点>中非常重要，因为<节点预警级别>数据不仅能够反映出不同<节点>的预警时间长度，更重要的是能够反映出不同<节点>的预警作用的重要程度和预警预防价值的高低，<节点预警级别>数据为驾驶员“合理使用”（避开）<节点>提供了非常重要的依据，驾驶员在实际使用<节点>时可根据<节点预警级别>数据提供的不同<节点>的预警作用的重要程度和预警预防价值的高低做为依据，结合当时的交通条件、<驾驶条件>、行车环境，以及驾驶员的实际驾驶需要灵活运用“合理使用”（避开）<节点>，有效降低交通事故发生率、预防动态车辆发生严重交通事故（含<“四类情形”交通事故>）、提高动态车辆的安全度、保障自己的行车安全。

TIRIA智库的研究与实验数据显示： <危险敏感时间节点>信息（含<节点预警级别>信息）做为动态车辆所涉<危险敏感信息>之一，始终伴随着行车过程，对动态车辆发生交通事故具有至关重要的主导影响作用，所以<危险敏感时间节点>数据与<节点预警级别>数据具有很高的预警预防价值，<危险敏感时间节点>数据与<节点预警级别>数据做为最重要的<预警信息>数据具有至关重要的预警预防作用，是主动预防技术的技术关键，是提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）最为关键的<预警信息>数据，对行车安全至关重要。

<节点预警级别>数据列表简介：

<节点预警级别>数据使用简介：

<节点预警级别>数据具有很高的实用价值，尤其对驾驶员“合理使用”（避开）<节点>驾驶车辆具有依据和指导的帮助作用。例如驾驶员在不同的行车环境中驾驶，驾驶员可根据<节点预警级别>数据决定选择使用【标准“合理使用”（避开）<节点>】驾驶方法（技术），或是决定选择使用【高标准“合理使用”（避开）<节点>】驾驶方法（技术）。（详见《问与答》：什么是“合理使用”（避开）<节点>？）

<节点预警级别>的<预警级别色>在<TIRIA智能预警APP>显示页面的<节点>数据下方有<节点>预警级别色光条，预警级别色光条对提醒驾驶员注意行车安全、“合理使用”（避开）<节点>驾驶车辆非常有帮助。（详见《问与答》：关于使用APP条目解答）。

<节点预警级别>数据在<TIRIA智能预警APP>每次播报<时时节点预警数据>时都对<节点预警级别>数据进行播报和预警提示，对及时提醒修正驾驶员的不良驾驶行为具有最直接的预警提示的修正作用，对及时提醒驾驶员“合理使用”（避开）<节点>预防发生交通事故非常有帮助。

<节点预警级别>对驾驶员（含智能车辆）“合理使用”（避开）<节点>预警预防动态车辆发生交通事故非常重要，<节点预警级别>是对<节点>预警预防实际应用功能的细化和提升，<节点预警级别>使<节点>预警预防的实用价值得到进一步提升。（详见《学术释义》：<TIRIA智能预警APP>简介）。

获取动态车辆<节点预警级别>（<预警信息>）数据的方法和所运用的技术（<DSRC数据技术>）简述：

TIRIA智库使用的是<DSRC数据技术>，即运用计算机模拟计算<预警信息>数据的方法获取动态车辆的<节点预警级别>数据：TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律>的研究数据与实验数据，运用信息科学的方法和技术对待评测车辆的车辆信息、行车信息及相关敏感信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用计算机模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、评测、计算，最终确定某动态车辆的<节点预警级别>数据。

科学数据包括：<危险敏感时间节点>数据、<节点预警级别>数据。<DSRC数据技术>为驾驶员提供的<危险敏感时间节点>数据、<节点预警级别>数据是非常重要的<预警信息>数据，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）至关重要，尤其对驾驶员“合理使用”（避开）<节点>提供了极其重要的数据依据。

<传统预防方法>是TIRIA智库根据长久以来驾驶员普遍使用的预防方法归纳总结而界定定义的学术理论概念。

<传统预防方法>是指驾驶员在驾驶车辆中采用守法驾驶、守规驾驶、谨慎驾驶、专心驾驶、熟练驾驶、不超速驾驶、不疲劳驾驶等良好的驾驶习惯、良好的驾驶技术和良好的驾驶状态预防动态车辆发生交通事故的<常用预防方法>、<普通预防方法>，就是<传统预防方法>。

TIRIA智库长期的研究数据与调查数据显示：<传统预防方法>因缺少<信息预警方法>和<主动预防技术>而导致无法预防或难以预防<“四类情形”交通事故>，也因此而导致有许多守法守规的驾驶员也会时常会发生或时常被动遭遇不同情形的严重交通事故。

TIRIA智库界定定义的<传统预防方法>这个概念不仅对预防领域的学术研究很重要，为驾驶员更好地使用<传统预防方法>保护自己的行车安全更重要，因为明确了<传统预防方法>存在不足就会为弥补完善优化升级<传统预防方法>，找到明确的研究方向和优化解决方案，那就是为<传统预防方法>增添<信息预警方法>和<主动预防技术>，使驾驶员在使用<传统预防方法>中能够更有效地预防<“四类情形”交通事故>，降低严重交通事故的发生机率。

<传统预防方法>必须优化、升级的原因在此概念中不做过多论证与阐述，读者可阅读《TIRIA行车安全信息理论》以及<“四类情形”交通事故>名词解释，都有比较详尽的论证阐述与解释，以了解<传统预防方法>必须优化、升级的详情。

<新预防方法>是TIRIA智库针对<传统预防方法>存在的不足，为论述“信息预警预防”这个新预防理论新预防技术在表述与论证上方便而提出的新学术理论概念。

<新预防方法>是指驾驶员在<传统预防方法>基础上使用<信息预警方法>和<主动预防技术>预防动态车辆发生交通事故的全新的信息预警信息预防的驾驶方法，就是<新预防方法>。

<新预防方法>是针对<传统预防方法>缺少<信息预警方法>和<主动预防技术>而提出的新预防理论概念。<新预防方法>在实际应用中就是<TIRIA安全驾驶方法>，因此<新预防方法>也称：<TIRIA安全驾驶方法>。在此不再为理论概念做过多的理论解释与阐述，读者可以通过详细阅读<TIRIA安全驾驶方法>，以及<信息预警方法>和<主动预防技术>的概念解释了解<新预防方法>。

<信息预警方法>是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。

<信息预警方法>是指驾驶员根据获取的<预警信息>对车辆的基础行车安全进行风险评估与安全评估，驾驶员提前获取该车辆的基础行车安全的行车安全信息（<预警信息>），就是<信息预警方法>。

<信息预警方法>是理论研究中的学术理论名词，当评测机构采集客户车辆的真实车辆信息及相关行车信息通过<DSRC>智能模拟计算技术计算出客户车辆的<预警信息>时，此时的<预警信息>称为：<预警数据>，客户可根据获取的<预警数据>对自己所驾车辆的基础行车安全进行风险评估与安全评估，就是<信息预警方法>，也称：<信息预警技术>。

<主动预防技术>是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。

<主动预防技术>是指驾驶员根据获取的<预警数据>对车辆的基础行车安全进行风险评估与安全评估，驾驶员提前获取该车辆的基础行车安全的行车安全信息（<预警数据>）后，驾驶员驾驶车辆中通过“合理使用”<节点>主动预防动态车辆发生交通事故的驾驶技术，就是<主动预防技术>。

<主动预防技术>也称：<安全驾驶技术>，也称：<安全驾驶方法>。（详见《学术释义》：<安全驾驶方法>）。

<TIRIA安全驾驶方法>也称：<TIRIA安全驾驶技术>是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。

<TIRIA安全驾驶方法>是指驾驶员在<传统预防方法>基础上使用<信息预警方法>（提前获取<预警信息>）和<主动预防技术>（“合理使用”<节点>驾驶技术）驾驶车辆，以达到最大程度地降低不同情形的交通事故发生率、最大程度地降低<四类情形交通事故>发生率、最大程度地降低严重交通事故发生率为目的的驾驶方法（技术）就是 <TIRIA安全驾驶方法>，也称：<TIRIA安全驾驶技术>。<TIRIA安全驾驶方法>是对<信息预警方法>和<主动预防技术>的综合使用概括总称。<TIRIA安全驾驶方法>是对<传统预防方法>的弥补完善与优化升级。<TIRIA安全驾驶方法>在理论研究中也称：<新预防方法>。

<TIRIA安全驾驶技术>的特点与优势：提前预警评估与主动预防，即具有预警信息前置化与预防主动化的特点。TIRIA智库的研究数据与实验数据显示：驾驶员使用<TIRIA安全驾驶方法>驾驶车辆能有效降低交通事故发生率，尤其对降低严重交通事故发生率效果非常明显，对降低<“四类情形”交通事故>发生机率帮助作用非常显著。（详见《数据研究》相关实验数据）。

<DSRC智能模拟计算数据技术>是TIRIA智库创立的通过采集真实车辆信息、真实车辆行驶信息及相关真实信息建立动态车辆数据分析模型，模拟真实车辆在真实的行车环境中运行，从而获取动态车辆的<预警数据>的一项专门的智能模拟计算技术。

<DSRC智能模拟计算数据技术>是TIRIA智库在研究解决行车安全问题的科研活动中，为验证理论研究成果与实验数据的广泛适用性，而专门研发创立的一项模拟计算验证技术与<预警数据>获取技术。理论研究成果：是指动态车辆发生交通事故并不是偶然现象，而是有规律可循证的客观现象，动态车辆发生交通事故具有<隐秘的客观规律>，<隐秘的客观规律>对动态车辆发生交通事故具有至关重要的主导影响作用。实验数据：是指多项为理论研究成果而实施的长期实验数据统计检验验证理论研究成果是否具有广泛适用性、准确率有多少、可信度有多高。

模拟计算统计周期时长：

模拟真实车辆行驶在不同的真实行车环境中，获取动态车辆的<预警数据>，每一个统计周期是6年，共模拟计算统计车辆运行7个周期，模拟计算最终得出的<预警数据>、<辅助预警数据>、<辅助预警预防数据>具有长久的基础行车安全评估价值、预警价值、预防价值。

< DSRC智能模拟计算数据技术>主要应用：

（1）     运用< DSRC智能模拟计算数据技术>为客户提供具有实用价值的<预警数据>、<辅助预警数据>、<辅助预警预防数据>。

（2）     运用< DSRC智能模拟计算数据技术>研究分析某车辆发生交通事故的究竟成因。

（3）     运用< DSRC智能模拟计算数据技术>研究验证动态车辆发生交通事故具有隐秘的客观规律。

（4）     运用< DSRC智能模拟计算数据技术>研究验证动态车辆发生交通事故并不是无规律的偶然现象，而是有规律可循证的客观现象。

（5）     运用< DSRC智能模拟计算数据技术>可使驾驶员提前获取自己车辆的预警评估数据，实现提前预警主动预防的目的。

TIRIA智能预警APP简介

<TIRIA智能预警APP>是<TIRIA智能预警预防系统APP>的简称。该APP昵称：<TIRIA Support >APP。

<TIRIA智能预警APP>是一款能够给驾驶员（含智能车辆）提供实时预警数据辅助驾驶员（含智能车辆）安全驾驶的信息应用科技产品、是保障动态车辆行车安全的前置预警信息技术、是弥补智能车辆缺少前置预警技术帮助驾驶员安全驾驶的信息化辅助工具、是驾驶员使用<信息预警方法>和<主动预防技术>的信息化方便化工具，是TIRIA智库为办理过TIRIA智库业务的客户能够更好更方便地使用业务报告中的预警预防数据而设计的APP。

<TIRIA智能预警APP>是TIRIA智库依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律性>长期的研究数据与实验验证数据，运用信息科技可提前获取动态车辆<行车安全信息>数据（<预警信息>数据）的特点而设计的前置化、信息化辅助驾驶员（含智能车辆）安全行车的预警预防信息科技产品。

<TIRIA智能预警APP>能够显示6项<时时预警数据>：动态车辆的实时<风险等级>数据、动态车辆的实时<安全度>数据、动态车辆的实时<行车类别>数据、动态车辆的实时时<等级区间>数据、动态车辆的实时<节点>数据、动态车辆的实时<节点预警级别>数据。

TIRIA智库分组实验的对比数据显示：<TIRIA智能预警APP>所提供的6项实时<预警数据>对帮助驾驶员（含智能车辆）在实际驾驶车辆中预警预防发生交通事故（含<“四类情形”交通事故>）具有非常明显的实效帮助作用，6项实时<预警数据>能够最大程度地帮助驾驶员（含智能车辆）有效降低交通事故（含<“四类情形”交通事故>）发生率、提高动态车辆的安全度，尤其对预防动态车辆发生严重交通事故帮助作用非常明显。

TIRIA智库分组实验的对比数据显示：<TIRIA智能预警APP>对驾驶员在驾驶车辆过程中可能出现或可能已存在的“分心驾驶”、“超速驾驶”、“疲劳驾驶”、“违法驾驶”、“违规驾驶”等不良驾驶行为能够起到有效的提示、提醒、预警与及时修正的帮助作用，对驾驶员驾驶车辆过程中出现上述不良驾驶行为的现实可能性，也会起到预警预防的有效的帮助作用，<TIRIA智能预警APP>尤其对<传统预防方法>难以预防或无法预防的<“四类情形”交通事故>所起到的预警预防的实效帮助作用非常显著。（详见：《问与答》：关于使用<TIRIA智能预警APP>问题的相关解答）。

特别提示：<TIRIA智能预警APP>所能提供的6项实时<预警数据>全部需要客户事先在TIRIA智库的信息技术服务平台办理过相关业务后才能获取6项实时<预警数据>的<标准数据>（注：<标准数据>也称动态车辆的<基础数据>，<标准数据>是可以直接使用的有实用价值的数据），<TIRIA智能预警APP>所提供的6项实时<预警数据>是在<标准数据>基础上针对动态车辆行驶在不同行车环境中的<行车信息>的数据变化情况，以满足当前预警预防实际需要进行的AI再计算所获得的预警信息数据，此时APP所显示出的6项预警数据是6项实时<预警数据>。（详见《问与答》相关条目解答）。

<预警信息>是TIRIA智库行车安全问题研究中心定义的专属学术理论名词。<预警信息>是指通过信息科学的方法和技术对动态车辆所涉<危险敏感信息>进行筛查、评测、计算所获得的能够对动态车辆的行车安全起到“预警作用”和“预防作用”的“关键信息”和“主导信息”的科学数据，是动态车辆<行车安全信息>数据化的预警应用，即是动态车辆的<预警信息>。

<预警信息>应用研究与实验简介：

<预警信息>是TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律>的研究与掌握，运用信息科学的方法和技术通过信息采集、分析、评测、计算机模拟计算而获得的能够从不同角度多方位反映动态车辆<行车安全信息>的科学数据。<预警信息>能够辅助和满足驾驶员（含智能车辆）行车安全的实际预警需要、帮助驾驶员（含智能车辆）提前预警主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）、提高驾驶员（含智能车辆）行车安全的<安全度>、保障驾驶员（含智能车辆）的行车安全。

<预警信息>在实际应用中有6种主要类型的<预警信息>：<动态车辆风险等级信息>（含<动态车辆风险度>信息）、<动态车辆安全度信息>、<动态车辆行车等级区间信息>、<动态车辆危险敏感时间节点信息>（含<节点预警级别>信息）、<动态车辆行车安全指数均值信息>、<动态车辆行车类别信息>。

<预警信息>具有很高的预警价值和预警作用，对提前预警、主动预防、降低动态车辆交通事故（含<“四类情形”交通事故>）发生率具有非常独特的不可替代的“预警作用”和“主动预防”作用。<预警信息>也称：<危险敏感信息>，也称：<行车安全信息>。（详见《学术释义》：<行车安全信息>及【注释】）

获取动态车辆<预警信息>（<行车安全信息>）数据的方法和所运用的技术（<DSRC数据技术>）简述：

TIRIA智库使用的是<DSRC数据技术>，即运用计算机模拟计算的方法和技术获取<预警信息>数据：TIRIA智库行车安全问题研究中心依据《行车安全信息理论》所揭示的动态车辆发生交通事故的原理，根据对动态车辆发生交通事故<隐秘客观规律性>的研究数据与实验数据，运用信息科学的方法和技术对待筛查车辆或待评测车辆的车辆信息、行车信息及相关敏感信息进行多方位的信息采集，建立<DSRC>动态车辆数据分析模型，运用计算机模拟计算某车辆在<正常驾驶条件>下行驶时动态车辆所涉<危险敏感信息>的数据变化对动态车辆行车安全的影响作用，进行数据分析、筛查、评测、计算、最终确定某动态车辆的<预警信息>（<行车安全信息>）数据。这些重要的科学数据包括：<动态车辆风险等级>数据、<动态车辆风险度>数据、<动态车辆安全度>数据、<行车安全类别>数据、<行车等级区间>数据、<危险敏感时间节点>数据、<节点预警级别>数据、<行车安全指数均值>数据，以及辅助型<预警信息>数据。<DSRC数据技术>为驾驶员提供的<预警信息>数据是非常重要的<预警信息>，对驾驶员提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>）至关重要。（详见《学术释义》：<DSRC数据技术>）。

动态车辆的<预警信息>（<行车安全信息>）数据能够从不同的角度反映出某动态车辆是否安全、安全程度高低、动态车辆发生交通事故的频次高低、动态车辆发生交通事故的机率高低，以及动态车辆的<危险敏感时间节点>信息和<节点预警级别>信息，其中<危险敏感时间节点>信息和<节点预警级别>信息是<主动预防技术>所需要的关键数据。<预警信息>能够帮助驾驶员（含智能车辆）提前预警、主动预防动态车辆发生交通事故（含<“四类情形”交通事故>），<预警信息>对行车安全至关重要。<预警信息>是“传统预防理论”和<传统预防方法>不具有的，<预警信息>是对“传统预防理论”和<传统预防方法>的弥补、完善和优化、升级，是针对“传统预防理论”和<传统预防方法>的不足而创立的。

《行车安全信息理论》揭示：动态车辆发生交通事故（含<“四类情形”交通事故>）具有<隐秘的客观规律>，这个<隐秘规律>特性决定了预防动态车辆发生交通事故（含<“四类情形”交通事故>）必须提前获取动态车辆的<预警信息>（<行车安全信息>）数据，才能对动态车辆发生交通事故（含<“四类情形”交通事故>）提前预警、主动预防。

<行车安全指数>是<行车安全指数信息>的简称，<行车安全指数>是TIRIA智库行车安全问题研究中心的学术理论专属名词。

<行车安全指数>是指反映动态车辆发生交通事故机率大小的动态指标数据，同时也是评测计算动态车辆发生交通事故（含<“四类情形”交通事故>）机率大小的重要参数之一，既是<行车安全指数>。

<行车安全指数>是TIRIA智库使用<DSRC数据技术>模拟计算动态车辆的<基础数据>和<全时数据>的重要参数之一，<行车安全指数>做为计算<预警信息>的参数不出现在为客户提供的《业务报告》中。