虛擬試驗下駕齡對駕駛?cè)宋ｋU感知特性的影響

王豐元，陳曉婷

（青島理工大學(xué)汽車與交通學(xué)院，山東 青島 266520）

駕齡長短往往對駕駛?cè)藨?yīng)對各種交通狀況的能力有較大影響。行車中的信息80%以上是由駕駛?cè)说囊曈X系統(tǒng)獲取［1］，利用眼動參數(shù)來衡量駕駛?cè)说奈ｋU感知能力是可行的［2］。Azman Afizan and Meng Qinggang研究了駕駛員注意力分散對其駕駛過程中眼球運動和檔位操作造成的影響，研究結(jié)果表明眼球運動和檔位操作有顯著差異［3］。Underwood等人進行了實車試驗，主要研究并分析了不同熟練程度的駕駛?cè)嗽谝曈X搜索特性方面的差異［4］。Nerl D Lerner等研究駕駛員的判斷能力對道路交通環(huán)境安全的影響，研究結(jié)果表明，駕駛員對時間、距離、速度等的判斷與偏差與一定的交通危險形態(tài)相對應(yīng)［5］。郭應(yīng)時等人利用眼動儀，對駕駛?cè)说难蹌犹卣骱筒倏v特征等問題進行了多角度分析［6］。

本文選用眼動參數(shù)來衡量危險感知能力，針對不同駕齡的駕駛?cè)?，設(shè)計危險模擬場景并進行對比試驗，采集試驗過程中的眼動參數(shù)［7］，分析其變化規(guī)律及差異性，研究駕齡對駕駛?cè)宋ｋU感知能力的影響。

1 駕駛?cè)宋ｋU感知能力分析

駕駛?cè)嗽谛熊囘^程中，會從周圍的交通環(huán)境中感知到危險信息并進行判斷和預(yù)測，進而根據(jù)預(yù)測結(jié)果采取不同的操作，改變車輛行駛狀態(tài)。圖1為駕駛?cè)宋ｋU感知機理圖。駕駛?cè)嗽谛熊囘^程中獲取的信息，有80%來自視覺，因此，駕駛?cè)艘曈X功能的好壞對行車安全有著直接影響，可以通過分析眼動參數(shù)來衡量駕駛?cè)说奈ｋU感知能力。本文選取注視時長和注視點次數(shù)作為眼動指標(biāo)。

圖1 駕駛?cè)宋ｋU感知機理圖

2 虛擬試驗總體設(shè)計

2.1 試驗場景

本文中的場景均選自《駕車危險101例》，如圖2所示，選擇的模型為前方某車輛突然出現(xiàn)故障，其他車輛紛紛緊急避讓，臨時變道?；谠撡Y料，在UC-win/road軟件中使用交通場景建模場景功能建立路段、交叉口、站臺等道路模型，添加綠化、建筑物、路燈等道路附屬特征，配置天空、天氣等交通環(huán)境，設(shè)置道路的交通流。

圖2 場景選材

2.2 試驗儀器

本文選用FaceLAB眼動儀來測量眼動參數(shù)，其主要功能是測量頭部運動特征、視覺特征、面部特征、疲勞特征。通過一組攝像機進行非接觸式測量，分析攝像頭采集的圖像信息，制定拍攝對象的面部特征，以及三維空間中視線方向等。試驗儀器如圖3所示。模擬試驗平臺由3D道路場景顯示裝置、服務(wù)器、試驗場景軟件3部分組成。3D道路場景顯示裝置與服務(wù)器相連，虛擬場景通過3D道路場景顯示裝置顯示在曲面幕布上，駕駛?cè)烁鶕?jù)虛擬場景做出一系列眼動反應(yīng)。

2.3 模擬車輛

選用UC-win/road軟件中的Car模型作為模擬車輛及干擾車輛，模擬車輛的整車參數(shù)、變速箱形式、制動與轉(zhuǎn)向特性等具體參數(shù)如表1所示。

圖3 試驗儀器

表1 模擬車輛參數(shù)

2.4 試驗對象

選取37名符合道路交通法、持有有效駕駛證且為非職業(yè)的駕駛?cè)耍?9男18女）作為本次虛擬試驗的被測試人員，基本情況如表2所示。根據(jù)公安部交管局2012年統(tǒng)計資料，駕齡在5年以內(nèi)的駕駛?cè)说氖鹿蕯?shù)占駕駛?cè)耸鹿士倲?shù)的45%以上，因此，以5年作為駕齡劃分依據(jù)，將37名被試對象分為兩組。同時，考慮到性別對試驗的影響，兩組試驗對象中男女駕駛?cè)吮壤嘟?/p>

表2 試驗對象基本情況

2.5 虛擬試驗過程

試驗流程圖如圖4所示，其間注意試驗儀器的調(diào)試要準(zhǔn)確，數(shù)據(jù)記錄要同步，做好人員分工，保證試驗準(zhǔn)確性。

3 眼動參數(shù)分析

3.1 注視時長變化分析

不同駕齡的駕駛?cè)嗽谖ｋU場景下的平均注視時長分析結(jié)果如圖5所示，可以看出：

（1）整體而言，相對于駕齡長的駕駛?cè)?，駕齡短的駕駛?cè)藢ξｋU發(fā)生區(qū)域的平均注視時長更長。

（2）當(dāng)危險出現(xiàn)時，駕齡短的駕駛?cè)似骄⒁晻r長相對較短，且變化幅度較小，這是因為其駕駛經(jīng)驗相對匱乏，反應(yīng)能力也有所欠缺，容易忽視危險的存在；相比而言，駕齡長的駕駛?cè)说慕?jīng)驗更加豐富，往往能夠提早意識到危險的存在并采取有效的應(yīng)急措施，避免事故的發(fā)生，因此駕齡長的駕駛?cè)似骄⒁晻r長大幅增加，波動明顯。

（3）當(dāng)危險消失后，駕齡短的駕駛?cè)说钠骄⒁晻r長保持穩(wěn)定，這表明其駕駛情緒在短時間內(nèi)無法平復(fù)到正常狀態(tài)，在短時間內(nèi)會一直保持高度集中狀態(tài)，而駕齡長的駕駛?cè)说钠骄⒁晻r長有明顯而迅速的下降，說明其恢復(fù)駕駛情緒的能力較強，有利于提高行車安全。

圖4 試驗流程圖

圖5 平均注視時長變化

3.2 注視點變化分析

本文將危險場景試驗中的危險區(qū)域進行劃分，將模擬信息中的每個小格子抽象為一個邊長10 cm的小正方形，使得駕駛?cè)说囊曈X觀察范圍主要集中在模擬圖形中的頭部左邊3個格和右邊7個格的水平范圍內(nèi)，即在左邊30 cm和右邊70 cm變化范圍內(nèi)。在此，研究在危險出現(xiàn)時，不同駕齡駕駛?cè)说囊曈X注視點變化差異，記錄危險出現(xiàn)后的60 s內(nèi)駕駛?cè)说淖⒁朁c分布，以注視的頻次為厘米直徑，做出不同駕齡的駕駛?cè)说囊曈X注視點變化圖，如圖6所示。

圖6 視覺注視點變化

圖中的圓圈直徑可以反映駕駛?cè)藢ξｋU區(qū)域注視興趣點的數(shù)目，圓圈直徑越大，說明此區(qū)域為駕駛?cè)颂峁┑奈ｋU信息越重要。對比不同駕齡的駕駛?cè)嗽谖ｋU場景下的視覺注視點分布結(jié)果，可知：

（1）整體而言，駕齡長的駕駛?cè)嗣鎸ξｋU場景時，其注視點的分布明顯比駕齡短的駕駛?cè)嗣芗?/p>

（2）在危險場景中，當(dāng)前車紛紛緊急轉(zhuǎn)向變道時，不同駕齡的駕駛?cè)硕紩匀欢魂P(guān)注左前方及左后方的區(qū)域，但從圖中可明顯看出，駕齡長的駕駛?cè)说囊曈X搜索范圍相對更廣，興趣點更密集且分布區(qū)域更大，其對右后方的來車也有更多的關(guān)注。而駕齡短的駕駛?cè)擞捎隈{駛經(jīng)驗相對匱乏，無法迅速而準(zhǔn)確地判斷出自身位置與周圍危險車輛之間的相對位置關(guān)系，從而容忽視車輛右后方等潛在的危險區(qū)域。

3.3 平均注視時長及注視次數(shù)的差異性分析

在對虛擬試驗數(shù)據(jù)進行缺失數(shù)據(jù)補全、異常數(shù)據(jù)剔除后，利用SPSS軟件，對眼動參數(shù)的算術(shù)平均值等描述統(tǒng)計量進行定量分析。表3為駕齡在5年之內(nèi)及5年以上的駕駛?cè)嗽谔摂M試驗中的各眼動參數(shù)的算術(shù)平均值，其中，經(jīng)驗變量中“1”表示駕齡段的駕駛?cè)耍?”表示駕齡長的駕駛?cè)恕?/p>

（1）正態(tài)分布檢驗

本文選用Q-Q圖和直方圖對數(shù)據(jù)進行正態(tài)檢驗，結(jié)果如圖7和圖8所示，可以看出，不同駕齡的駕駛?cè)说钠骄⒁晻r長數(shù)據(jù)基本符合正態(tài)分布。

表4為平均注視時長正態(tài)性檢驗結(jié)果。由于Sig值均大于0.05，因而說明數(shù)據(jù)服從正態(tài)分布。同理，可以對虛擬試驗中的所有眼動參數(shù)進行正態(tài)性檢驗，結(jié)果表明駕駛?cè)说淖⒁暣螖?shù)及平均注視時長均服從正態(tài)分布。

表3 眼動參數(shù)各變量算術(shù)平均值

圖7 駕齡短的駕駛?cè)俗⒁晻r長Q-Q圖及直方圖

圖8 駕齡長的駕駛?cè)俗⒁晻r長Q-Q圖及直方圖

本文主要研究駕駛?cè)说鸟{齡對其危險感知能力的差異性影響，因此，針對駕齡的單因素，對各變量進行方差分析，結(jié)果如表5所示，可以看出，當(dāng)顯著性水平為5%時，可以認為總體方差相等。

表4 注視時長正態(tài)檢驗

表5 方差齊性檢驗

4 結(jié)論

（1）駕齡長短對駕駛?cè)说奈ｋU感知特性有顯著性影響。在遇到突發(fā)危險狀況時，駕齡短的駕駛?cè)擞捎诮?jīng)驗匱乏，緊張程度較高，平均注視時長相對較小，注視點分布比較集中；而駕齡長的駕駛?cè)藢ξｋU區(qū)域的關(guān)注范圍更大，注視點分布分散而密集。

（2）利用本文分析得出的不同駕齡駕駛?cè)俗⒁曅袨榈奶攸c，可以有針對性地指導(dǎo)高事故傾向性駕駛?cè)说呐嘤?xùn)，進一步改善其視覺搜索策略，改善行車安全性。

［1］唐登科.駕駛?cè)笋{車生理、心理反應(yīng)與道路線1期關(guān)系的研究［D］.南京：東南大學(xué)，2006.

［2］彭國雄，莫漢康.城市公交?？空驹O(shè)置常見問題及對策［J］.交通運輸工程學(xué)報，2001，1（3）：77-80.

［3］Azman Afizan. Schedule-based and autoregressive bus running time modeling in the presence of driver-bus heterogeneity［J］.Computer-aided Systems in Public Transport. 2008：301-317.

［4］Underwood Gollen, Chapman Poric, Brocklehurst Netor. et al.Visual attention while driving: sequences of eye fixations made by experienced and novice drivers［J］. Ergonomics，2003，46（6）：629-646.

［5］Neal D Lerner. Modeling variations in bus schedule adherence at the stop level on an urban arterial road［J］. Journal of Transportation Engineering. 2014，7（140）：33-47.

［6］郭應(yīng)時.交通流微觀仿真與駕駛員行為建模理論及方法［M］.北京：科學(xué)出版社，2010.

［7］張鵬.城市常規(guī)公交車駕駛員勝任特征評價理論與方法［D］.北京：北京交通大學(xué)，2012.