然而，从相关系数看，TTC与主观行驶风险为中等程度的负相关关系（r=-0.52）；DNDA与主观行驶风险为中等程度的正相关关系（r=0.65）。这表明主客观风险之间的线性相关程度不高，再次证明驾驶员主观风险认知的不可替代性和采集人类认知信息的必要性。
图9 主客观行驶风险的相关性分析
4、示例：驾驶员眼动特征分析
基于RISEE数据集所提供的眼动信息，分析了驾驶员在不同风险认知状态下的眼动特征，以深入探索其风险认知模式。具体来说，首先结合主客观风险识别驾驶员的风险认知状态，再分析其平均瞳孔直径、注视频率和扫视频率等眼动指标在不同风险认知状态下的差异性。其中，风险认知状态定义如图10所示。
图10 驾驶员风险认知状态定义（N=2045）
参考上述定义，采用Mann-Whitney检验，计算对应高低风险认知状态下各眼动指标的差异性，结果如表2所示。
来源：同济智能汽车研究所
