一个基于骑自行车者落实验的模型,它预测了骑自行车者可以恢复平衡的最大允许的手柄干扰
Marco M Reijne1, Frank H van der Meulen2, Frans C T van der Helm1
1Department of Biomechanical Engineering, Delft University of Technology, Mekelweg 2, 2628 CD, Delft, The Netherlands.
Accident; analysis and prevention
|August 7, 2025
概括
通过预测最大允许的手柄干扰 (MAHD),可以提高骑自行车者的安全性. 这项研究确定了速度和技能等关键因素,以提高安全骑自行车的防摔模型.
科学领域:
- 生物力学 生物力学
- 人类因素 人类因素
- 道路安全工程 道路安全工程
背景情况:
- 自行车落会导致严重的伤害,需要有效的防摔策略.
- 对工程师和安全专业人员来说,事先评估干预措施是很困难的.
- 现有的骑自行车者控制模型缺乏验证,并且难以纳入各种干预措施.
研究的目的:
- 引入最大允许的手柄干扰 (MAHD) 作为预防跌倒的关键性能指标.
- 验证自行车动态和控制模型来预测MAHD.
- 确定影响MAHD的骑自行车者特定因素,以提高模型的适用性.
主要方法:
- 在对24名参与者进行的受控实验中,他们遭受了手柄干扰.
- 收集有关骑自行车者恢复和跌倒的数据.
- 贝叶斯模型平均和贝叶斯多层次物流回归用于分析.
主要成果:
- 为了模型验证,生成了一组骑自行车者落的数据集.
- 前进速度和骑自行车的平衡技能被确定为MAHD的关键预测因素.
- 基于骑自行车者的特征,开发了MAHD的预测模型.
结论:
- 该MAHD指标和预测模型增强了预防跌倒干预措施的积极评估.
- 改进的骑自行车者控制模型可以为更安全的骑自行车基础设施和培训做出贡献.
- 这项研究推动了为骑自行车者开发数据驱动的安全解决方案.


