基于霧天高速車路協(xié)同模擬駕駛的駕駛?cè)艘曈X信息加工模式

李雪瑋 趙曉華 李振龍 楊家夏 榮建

(北京工業(yè)大學(xué) 交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124)

隨著互聯(lián)網(wǎng)和通信技術(shù)的發(fā)展，車路協(xié)同系統(tǒng)通過車-車、車-路通信技術(shù)，以提高道路安全為目標(biāo)，為交通信息感知、出行服務(wù)及交通管控提供了新的思路，也為整體交通系統(tǒng)的優(yōu)化提升帶來了新的機(jī)遇[1]。尤其是在不良天氣(如雨、雪、霧等)駕駛?cè)艘暰€受阻的環(huán)境下，車路協(xié)同系統(tǒng)能夠?yàn)轳{駛?cè)藥砀影踩?、高效的出行體驗(yàn)。

車路協(xié)同系統(tǒng)車載單元通過語音、圖像等形式將多元信息傳遞給駕駛?cè)?，在提高駕駛安全性的同時(shí)，也會(huì)成為駕駛過程中的次任務(wù)來源，從而影響駕駛績(jī)效。研究表明：霧預(yù)警系統(tǒng)的應(yīng)用可有效控制行車速度[2]，減少霧天交通事故[3]；自適應(yīng)巡航系統(tǒng)等車路協(xié)同系統(tǒng)的使用能夠提高駕駛?cè)说膽B(tài)勢(shì)感知能力并減少焦慮[4]，降低駕駛?cè)说木o張程度[5]。然而，駕駛?cè)蝿?wù)是一項(xiàng)復(fù)雜的多任務(wù)過程，駕駛主任務(wù)依賴于主要視覺注意帶(即前方道路主要關(guān)注區(qū)域，PVAL)的信息加工。Wickens[6]的多資源理論將駕駛?cè)说募庸べY源分為知覺通道、編碼和階段3個(gè)維度，當(dāng)駕駛?cè)蝿?wù)在同一維度或更多維度上有共同需求時(shí)，會(huì)導(dǎo)致時(shí)間共享性變差，從而影響駕駛績(jī)效。可見，其他車內(nèi)視覺或非視覺次任務(wù)(如接聽電話、查看導(dǎo)航、收發(fā)微信等)都會(huì)造成駕駛?cè)说囊曈X注意分散[7]。也就是說，車路協(xié)同系統(tǒng)的應(yīng)用無疑會(huì)成為駕駛過程中視覺次任務(wù)的來源，在給予更多信息輔助的同時(shí)，必將在一定程度上削弱駕駛主任務(wù)，從而影響駕駛?cè)说囊曈X信息加工。

事實(shí)上，駕駛過程中80%的信息由視覺獲取并加工，一項(xiàng)駕駛?cè)艘曈X測(cè)試研究證實(shí)，人因(Human Factors)占事故致因的比例高達(dá)92.6%，而在人因中起主導(dǎo)作用的因素也多與視覺有關(guān)，包括駕駛?cè)擞^察不當(dāng)、注意力不集中、動(dòng)態(tài)視敏度較差等?？梢姡曈X特性研究在交通安全中占據(jù)極為重要的地位。以往的研究探究了視覺信息、聽覺信息及信息復(fù)雜度對(duì)視覺表現(xiàn)的影響。學(xué)者們通過對(duì)注視點(diǎn)的研究發(fā)現(xiàn)，影響視覺信息的內(nèi)在因素是視覺次任務(wù)信息與駕駛主任務(wù)視覺信息爭(zhēng)奪駕駛?cè)擞邢薜囊曈X注意資源[8]。視覺信息的出現(xiàn)會(huì)導(dǎo)致掃視時(shí)長(zhǎng)與掃視頻率的顯著變化[9]，使得注視時(shí)長(zhǎng)變短，注視點(diǎn)分布不穩(wěn)定[10]，并減少駕駛?cè)藢?duì)道路中心區(qū)域的關(guān)注[11]；同時(shí)，聽覺次任務(wù)信息的視覺影響表現(xiàn)為平均注視時(shí)長(zhǎng)增加，影響注視點(diǎn)的位置波動(dòng)變化[12]，掃視行為減少，視覺關(guān)注點(diǎn)相對(duì)集中在視野中心區(qū)域[13]，繼而引發(fā)駕駛?cè)颂綔y(cè)能力的下降。另外，部分研究也指出，預(yù)警系統(tǒng)中的輔助視覺信息縱向預(yù)警明顯提高了駕駛?cè)藢?duì)道路情況的探測(cè)能力，加快了突發(fā)情況的反應(yīng)時(shí)間[14]，信息復(fù)雜時(shí)會(huì)損害駕駛?cè)说囊曈X注意行為，信息簡(jiǎn)單時(shí)可提高行車及方向盤控制的穩(wěn)定性[15]。綜上，車路協(xié)同系統(tǒng)多元信息介入對(duì)于駕駛?cè)说囊曈X影響是必然存在的，但其影響的具體表現(xiàn)暫不明確，而視覺表現(xiàn)與駕駛安全息息相關(guān)，針對(duì)車路協(xié)同系統(tǒng)開展相關(guān)研究十分必要。

車路協(xié)同系統(tǒng)以駕駛安全為目標(biāo)，但多元信息的介入對(duì)駕駛?cè)艘曈X注意的影響尚未明確，而在霧天等視線受阻的環(huán)境下，駕駛?cè)藢?duì)于輔助信息的依賴程度明顯增加，這也就更加需要關(guān)注車路協(xié)同條件下駕駛?cè)艘曈X信息的加工模式。因此，明確霧天車路協(xié)同系統(tǒng)作用下駕駛?cè)说囊曈X行為特性，解析車路協(xié)同系統(tǒng)作用下駕駛?cè)说囊曈X注意及信息加工過程，從而評(píng)價(jià)車路協(xié)同系統(tǒng)給予駕駛?cè)溯o助信息的同時(shí)，是否對(duì)駕駛安全造成了負(fù)面影響，就顯得十分重要。而駕駛模擬技術(shù)作為評(píng)估與車內(nèi)系統(tǒng)的使用相關(guān)的駕駛行為的常用工具，創(chuàng)造了一種安全可控和經(jīng)濟(jì)有效的實(shí)驗(yàn)環(huán)境，其在現(xiàn)實(shí)世界的有效性也已在前人研究中得到證實(shí)[16]。在系統(tǒng)設(shè)計(jì)和開發(fā)過程的早期進(jìn)行相關(guān)研究，可在一定程度上減輕在現(xiàn)實(shí)環(huán)境中開發(fā)和實(shí)現(xiàn)的相關(guān)成本。

鑒于此，文中圍繞以上核心問題，從視覺層面探討霧天高速公路車路協(xié)同系統(tǒng)對(duì)駕駛?cè)艘曈X信息加工處理模式的影響，依托模擬駕駛實(shí)驗(yàn)測(cè)試平臺(tái)，借助其安全性高、設(shè)計(jì)性強(qiáng)、便于控制外部因素等特點(diǎn)，搭建霧天高速公路車路協(xié)同駕駛場(chǎng)景，獲取駕駛?cè)俗⒁?、掃視等顯性視覺行為特性，刻畫駕駛?cè)艘曈X信息加工模式，探究車路協(xié)同系統(tǒng)信息對(duì)駕駛?cè)艘曈X信息加工模式的影響機(jī)理。

1 實(shí)驗(yàn)

1.1 實(shí)驗(yàn)設(shè)備

1.1.1 車路協(xié)同系統(tǒng)實(shí)驗(yàn)平臺(tái)

基于模擬駕駛技術(shù)搭建車路協(xié)同實(shí)驗(yàn)環(huán)境，分別由駕駛模擬系統(tǒng)、協(xié)同數(shù)據(jù)管理中心及車路協(xié)同系統(tǒng)人機(jī)交互終端(Human Machine Interface，HMI)組成，通過無線通信技術(shù)實(shí)現(xiàn)各組成部分的互聯(lián)互通。其中，駕駛模擬系統(tǒng)模塊具備場(chǎng)景設(shè)計(jì)開發(fā)、車載數(shù)據(jù)采集、數(shù)據(jù)傳輸?shù)裙δ?，并?shí)現(xiàn)車載單元的模擬信息采集功能，包含交通系統(tǒng)中本車及鄰近車輛的速度、位置、剎車、油門等信息，并通過UDP協(xié)議傳輸給協(xié)同數(shù)據(jù)管理中心；路側(cè)單元信息包含外部天氣條件、道路條件、交叉口信息、交通流信息等，可通過駕駛模擬系統(tǒng)的API函數(shù)提取；協(xié)同數(shù)據(jù)管理中心接收車載單元及路側(cè)單元傳輸?shù)沫h(huán)境信息，進(jìn)行數(shù)據(jù)融合處理及判定策略的計(jì)算，并通過Wi-Fi與HMI互聯(lián)，完成輔助提示信息的觸發(fā)及發(fā)布。實(shí)驗(yàn)平臺(tái)的架構(gòu)如圖1所示。

圖1 實(shí)驗(yàn)平臺(tái)系統(tǒng)

1.1.2 HMI設(shè)計(jì)

HMI以Android6.0系統(tǒng)平板電腦M3為原型進(jìn)行開發(fā)，其安裝位置如圖2所示。參考車載駕駛輔助系統(tǒng)產(chǎn)品現(xiàn)狀，設(shè)計(jì)界面遵循重要性、使用頻率、功能分組和使用次序原則[17]。信息發(fā)布內(nèi)容包含車輛狀態(tài)信息、安全預(yù)警信息、路徑信息、道路環(huán)境信息等。其中，限速提醒、超速監(jiān)測(cè)、車距監(jiān)測(cè)及盲區(qū)預(yù)警為持續(xù)性信息。預(yù)警信息通過語音、文字、圖案3種方式進(jìn)行視聽聯(lián)合信息發(fā)布。在各場(chǎng)景提示點(diǎn)中，HMI顯示信息提示并同步語音播報(bào)。實(shí)驗(yàn)過程中，HMI放置在方向盤左前方區(qū)域便于駕駛?cè)擞^察。

圖2 HMI的安裝位置

1.1.3 眼動(dòng)儀

實(shí)驗(yàn)采用SMI ETG 2w 眼鏡跟蹤器(眼動(dòng)儀)以60 Hz的頻率采集駕駛?cè)说膭?dòng)態(tài)視覺信息，在駕駛?cè)艘暰€移動(dòng)過程中實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界三維信息的視覺追蹤。眼動(dòng)儀采集分辨率為0.1°；凝視定位精度為0.5°，采集范圍為水平80°、垂直60°，采集距離在40 cm以上[18]。眼動(dòng)儀可追蹤拍攝對(duì)象雙目，捕捉被試者的自然凝視行為，獲取高分辨率的場(chǎng)景視頻，進(jìn)行動(dòng)態(tài)興趣區(qū)的深度分析。

1.2 場(chǎng)景設(shè)計(jì)

選擇興延高速46 km路段作為實(shí)驗(yàn)場(chǎng)景設(shè)計(jì)原型，場(chǎng)景設(shè)置為雙向四車道，道路橫斷面為26 m，車道寬3.75 m，綠化帶寬2 m，肩寬4.5 m，自由流狀態(tài)，限速80～120 km/h。依據(jù)T/CSAE 53—2017《合作式智能運(yùn)輸系統(tǒng) 車用通信系統(tǒng)應(yīng)用層及應(yīng)用數(shù)據(jù)交互標(biāo)準(zhǔn)》[19]中“車用通信系統(tǒng)基礎(chǔ)應(yīng)用”章節(jié)的內(nèi)容，選取適用于高速公路的7個(gè)車路協(xié)同預(yù)警系統(tǒng)，并設(shè)計(jì)部分生態(tài)車道，形成8個(gè)車路協(xié)同預(yù)警系統(tǒng)共13個(gè)事件的場(chǎng)景庫，分別如下：長(zhǎng)下坡預(yù)警A、生態(tài)車道B、濃霧預(yù)警C、前向碰撞預(yù)警D、異常車輛預(yù)警E、失控車輛預(yù)警F、緊急車輛預(yù)警G、擁堵預(yù)警H、施工區(qū)預(yù)警I、長(zhǎng)隧道預(yù)警J、彎道預(yù)警K、隧道預(yù)警L及排隊(duì)預(yù)警M。

為避免疲勞駕駛，將整段道路用服務(wù)區(qū)分割成22 km和24 km兩段。圖3所示為場(chǎng)景第1段(即22 km路段)，其中C1-C3段為霧區(qū)試驗(yàn)路段，全長(zhǎng)840 m，限速60 km/h。車路協(xié)同信息包含進(jìn)入霧區(qū)前500 m預(yù)警(前方500 m濃霧，限速60 km/h)、進(jìn)入霧區(qū)預(yù)警(進(jìn)入霧區(qū)，請(qǐng)小心駕駛)、車速監(jiān)測(cè)、盲區(qū)預(yù)警及超速預(yù)警。實(shí)驗(yàn)針對(duì)2個(gè)路段(路段1和2)及車路協(xié)同條件(有、無車路協(xié)同系統(tǒng))共設(shè)計(jì)4種場(chǎng)景。

圖3 實(shí)驗(yàn)場(chǎng)景路徑概覽(單位：m)

1.3 被試者選擇

招募37名視力及聽力狀態(tài)良好的駕駛?cè)?，其中男?2人，女性15人，年齡分布在24～55周歲(平均年齡36.1，標(biāo)準(zhǔn)偏差11.7)。被試者均具有高速公路駕駛經(jīng)驗(yàn)，平均駕齡12.5年。結(jié)合以往關(guān)于駕駛?cè)艘曈X特性研究的實(shí)驗(yàn)[15，20]，本次實(shí)驗(yàn)樣本量滿足要求。

1.4 實(shí)驗(yàn)步驟

被試者需進(jìn)行2次實(shí)驗(yàn)，完成包含所有預(yù)警系統(tǒng)及事件在內(nèi)的4個(gè)子實(shí)驗(yàn)場(chǎng)景的駕駛?cè)蝿?wù)，每次完成2個(gè)子場(chǎng)景。實(shí)驗(yàn)主要過程如下。

①實(shí)驗(yàn)前 首先，被試者填寫駕駛前問卷記錄基礎(chǔ)信息；其次，實(shí)驗(yàn)員對(duì)被試者進(jìn)行實(shí)驗(yàn)前培訓(xùn)及測(cè)試，保證被試者正確理解HMI信息，并通過模擬器試駕使被試者熟悉模擬器操作；然后，向被試者宣讀實(shí)驗(yàn)指導(dǎo)語，告知被試者在正式實(shí)驗(yàn)中需嚴(yán)格按照路側(cè)限速標(biāo)志行駛，確保自然駕駛狀態(tài)。

②實(shí)驗(yàn)中 被試者正確佩戴眼動(dòng)儀，在單次實(shí)驗(yàn)中完成2個(gè)子場(chǎng)景的實(shí)驗(yàn)，每個(gè)子場(chǎng)景的駕駛?cè)蝿?wù)持續(xù)約20 min，每次駕駛?cè)蝿?wù)至少間隔5 min。每次實(shí)驗(yàn)開始前均進(jìn)行儀器標(biāo)定及矯正。

③實(shí)驗(yàn)后 被試者填寫駕駛后主觀問卷以獲取其主觀認(rèn)知感受和對(duì)場(chǎng)景的真實(shí)度評(píng)價(jià)。

1.5 數(shù)據(jù)預(yù)處理

首先，運(yùn)用眼動(dòng)儀自帶數(shù)據(jù)分析軟件SMI工具輸出駕駛?cè)藞?chǎng)景視頻以及對(duì)應(yīng)的文本數(shù)據(jù)；其次，對(duì)照視頻記錄駕駛?cè)诵旭傊领F區(qū)前500 m及駛出霧區(qū)的時(shí)間節(jié)點(diǎn)，并根據(jù)時(shí)間區(qū)間截取文本數(shù)據(jù)，輸出原始數(shù)據(jù)及事件數(shù)據(jù)，包含駕駛員的注視、掃視、眨眼行為的坐標(biāo)值、時(shí)間間隔等指標(biāo)；然后，觀測(cè)駕駛?cè)说淖⒁朁c(diǎn)分布范圍及規(guī)律，按經(jīng)驗(yàn)劃分前方道路視覺區(qū)域；最后，提取駕駛?cè)嗽谌址秶扒胺降缆穮^(qū)域的注視時(shí)間、注視頻率等指標(biāo)。

2 駕駛?cè)艘曈X特性的變化規(guī)律

2.1 駕駛?cè)说囊曈X特性及指標(biāo)提取

駕駛?cè)说囊曈X特性表現(xiàn)為注視、掃視和眨眼。注視行為是指將眼睛對(duì)準(zhǔn)對(duì)象的活動(dòng)，注視持續(xù)時(shí)間指視軸中心位置保持不變的持續(xù)時(shí)間，通常在100～20 000 ms之間[21]。掃視行為產(chǎn)生于兩次注視之間，通常指人眼對(duì)于交通環(huán)境中目標(biāo)搜索的過程，或注視點(diǎn)的轉(zhuǎn)移過程。結(jié)合以往研究可認(rèn)為，駕駛?cè)说淖⒁暸c掃視行為是與信息加工處理有關(guān)的指標(biāo)，眨眼特性是與視覺需求或工作負(fù)荷有關(guān)的指標(biāo)，因此，文中主要考慮駕駛?cè)说淖⒁暭皰咭曅袨樘匦浴?/p>

另外，駕駛?cè)嗽谛熊囘^程中應(yīng)盡量保證主要注意力集中于前方道路，因此根據(jù)經(jīng)驗(yàn)將前方道路區(qū)域定義為興趣區(qū)域(AOI)[22]，定義包含前方路面、車內(nèi)、車外環(huán)境等在內(nèi)的整體行車環(huán)境為全局水平，分別提取駕駛?cè)嗽谂d趣區(qū)域及全局水平下的平均注視時(shí)間、平均注視頻率、平均掃視時(shí)間及平均掃視速度。視覺特性指標(biāo)的定義如表1所示。

表1 視覺特性指標(biāo)匯總及描述

2.2 視覺特性指標(biāo)分布及差異性分析

提取駕駛?cè)说囊曈X特性指標(biāo)值，將數(shù)據(jù)采集丟失嚴(yán)重的無效數(shù)據(jù)進(jìn)行剔除，最后保留29位被試者的眼動(dòng)特性指標(biāo)。經(jīng)過Shapiro-Wilk檢驗(yàn)，指標(biāo)數(shù)據(jù)服從正態(tài)分布。在指標(biāo)差異性比較過程中，將超過箱身1.5倍長(zhǎng)度的個(gè)例數(shù)據(jù)予以剔除，繪制HMI組與基準(zhǔn)組兩種實(shí)驗(yàn)條件下駕駛?cè)艘曈X特性指標(biāo)的對(duì)比圖，見圖4。

圖4 視覺特性指標(biāo)對(duì)比

如圖4(a)所示，HMI組全局平均注視時(shí)間為319.43 ms，小于基準(zhǔn)組的平均注視時(shí)間(355.45 ms)，且后者的變異程度(標(biāo)準(zhǔn)差為93.14 ms)高于前者(標(biāo)準(zhǔn)差為70.42 ms)。AOI平均注視時(shí)間的變化與全局規(guī)律保持一致，均表現(xiàn)為基準(zhǔn)組的平均注視時(shí)間更長(zhǎng)，且變異水平更高。另外，無論是HMI組還是基準(zhǔn)組，AOI平均注視時(shí)間均高于全局平均注視時(shí)間。

平均注視頻率方面，就全局水平而言，基準(zhǔn)組的平均注視頻率(138.26次/min)低于HMI組(149.16次/min)，且基準(zhǔn)組的變異水平更高。在興趣區(qū)域內(nèi)的表現(xiàn)則相反，HMI組的平均注視頻率(109.09次/min)低于基準(zhǔn)組，基準(zhǔn)組的變異水平同樣表現(xiàn)得更高。綜合上述結(jié)果可知，無論是否使用HMI，AOI平均注視頻率均小于全局注視頻率。與基準(zhǔn)組相比，HMI組的全局平均注視頻率增加，但AOI平均注視頻率降低。

平均掃視時(shí)間方面，無論是全局還是興趣區(qū)域，HMI組駕駛?cè)说钠骄鶔咭暢掷m(xù)時(shí)間(全局為66.42 ms，興趣區(qū)域?yàn)?4.41 ms)均大于基準(zhǔn)組(全局為61.78 ms，興趣區(qū)域?yàn)?1.59 ms)。與全局平均掃視時(shí)間相比，興趣區(qū)域內(nèi)的平均掃視時(shí)間(HMI組為64.41ms，基準(zhǔn)組為61.59 ms)小于全局水平(HMI組為66.42 ms，基準(zhǔn)組為61.78 ms)。另外，基準(zhǔn)組的平均掃視時(shí)間的變異水平高于HMI組。綜合上述結(jié)果可知，駕駛?cè)藢?duì)前方道路的平均掃視時(shí)間小于全局的平均掃視時(shí)間，HMI組的駕駛?cè)诵枰ㄙM(fèi)更長(zhǎng)的掃視時(shí)間來完成信息的搜索。

平均掃視速度方面，全局水平下HMI組的平均掃視速度(97.34°/s)大于基準(zhǔn)組(94.12°/s)，在興趣區(qū)域內(nèi)也表現(xiàn)出同樣的趨勢(shì)。與前述視覺特性指標(biāo)不同的是，HMI組駕駛?cè)说钠骄鶔咭曀俣鹊淖儺愃礁摺?/p>

從興趣區(qū)域及全局水平綜合考慮駕駛?cè)说淖⒁暭皰咭曅袨樘匦?，駕駛?cè)嗽诔B(tài)下對(duì)于前方路面的平均注視時(shí)間高于全局平均注視時(shí)間，平均注視頻率、平均掃視時(shí)間及平均掃視速度小于全局水平，表明駕駛?cè)酥饕ㄟ^長(zhǎng)時(shí)間地注視前方道路獲取所需信息，對(duì)于其他車內(nèi)外環(huán)境等的掃視行為更多；同時(shí)，HMI組駕駛?cè)嗽谂d趣區(qū)域及全局水平下均表現(xiàn)出均值更低、變異性更小的平均注視時(shí)間，而駕駛?cè)说娜肿⒁曨l率增加，但對(duì)前方路面的注視頻率降低，這一定程度上影響了駕駛?cè)藢?duì)于前方道路的關(guān)注，同時(shí)信息提取相較于不使用車路協(xié)同系統(tǒng)的情況也更為容易；另外，無論是興趣區(qū)域還是全局水平，HMI組駕駛?cè)司憩F(xiàn)出更長(zhǎng)的掃視時(shí)間及更快的掃視速度，但平均掃視速度的變異程度更高。

明確有無車路協(xié)同系統(tǒng)情況下駕駛?cè)嗽谂d趣區(qū)域及全局水平下的注視、掃視特性指標(biāo)分布后，通過配對(duì)t檢驗(yàn)比較HMI組和基準(zhǔn)組顯性眼動(dòng)指標(biāo)的差異，結(jié)果如表2所示。

表2 成對(duì)樣本的t檢驗(yàn)結(jié)果1)

從表2可以看出，全局平均掃視時(shí)間、全局平均掃視速度、AOI平均注視頻率、AOI平均掃視速度存在顯著差異。使用HMI的被試者的全局平均掃視時(shí)間為(66.42±8.21)ms，比基準(zhǔn)組的(61.78±9.73)ms增加了4.66 ms，差異具有統(tǒng)計(jì)學(xué)意義，t(28)=2.222，P<0.05。HMI組被試者的全局平均掃視速度為(97.33±37.23)°/s，大于基準(zhǔn)組的(74.53±37.90)°/s；AOI注視頻率為(109.09±20.67)次/min，小于基準(zhǔn)組的(120.43±25.32)次/min；AOI平均掃視速度為(94.12±43.22)°/s，大于基準(zhǔn)組的(69.57±34.17)°/s；另外，當(dāng)顯著性水平降低時(shí)，全局平均注視頻率的差異呈現(xiàn)邊緣性顯著差異。以上結(jié)果表明，在當(dāng)前實(shí)驗(yàn)條件下，即霧天使用車路協(xié)同系統(tǒng)時(shí)，終端HMI會(huì)顯著影響在前方路面及整個(gè)行車環(huán)境中的掃視行為，全局平均掃視時(shí)間增加，搜索行為更加快速，從而顯著降低了駕駛?cè)藢?duì)于前方道路的注意分配。注意分配的結(jié)果與以往研究[11]得出的視覺信息的出現(xiàn)減少了駕駛員對(duì)道路中心區(qū)域的視覺關(guān)注的結(jié)論相一致。另外，研究表明車路協(xié)同系統(tǒng)的駕駛輔助信息介入使駕駛?cè)嗽诓煌瑓^(qū)域的掃視速度、掃視時(shí)長(zhǎng)均發(fā)生了明顯變化，其對(duì)于掃視行為的影響大于注視行為。

3 基于因子分析的駕駛?cè)艘曈X信息加工模式

文中將駕駛?cè)说囊曈X搜索表現(xiàn)(即視覺信息的獲取、處理與加工過程)定義為視覺信息加工模式。本節(jié)將基于因子分析模型對(duì)注視時(shí)間、注視頻率、掃視速度等顯性指標(biāo)進(jìn)行關(guān)聯(lián)融合處理，以刻畫駕駛?cè)说囊曈X信息加工模式，并探討車路協(xié)同系統(tǒng)的信息給予對(duì)駕駛?cè)艘曈X信息加工模式的影響。

運(yùn)用Z-score對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換。首先進(jìn)行KMO(Kaiser-Meyer-Olkin)檢驗(yàn)和Bartelett球型檢驗(yàn)，一般認(rèn)為KMO檢驗(yàn)值大于0.5即可[23]，實(shí)際KMO=0.656，說明上述數(shù)據(jù)適合作因子分析。根據(jù)懸崖碎玉圖和總方差解釋表，以特征值大于1為標(biāo)準(zhǔn)提取因子。因子經(jīng)過方差最大法正交旋轉(zhuǎn)可提取3個(gè)公因子，累積方差貢獻(xiàn)率達(dá)88.982%。計(jì)算旋轉(zhuǎn)成分矩陣如表3所示。

表3 旋轉(zhuǎn)成分矩陣

由表3可知，公因子F1中全局平均注視時(shí)間(Fd)和AOI平均注視時(shí)間(Fdi)的荷載分別達(dá)到了0.935和0.963，而駕駛?cè)说淖⒁晻r(shí)間與信息提取密切相關(guān)，因此將公因子F1定義為信息提取因子。同時(shí)，平均注視時(shí)間越長(zhǎng)，因子得分越高，表明駕駛?cè)说男畔⑻崛⌒试降?。同理可得出，公因子F2中掃視時(shí)間(Sd、Sdi)為荷載較大的指標(biāo)，掃視時(shí)間越長(zhǎng)，表明駕駛?cè)双@取不同信息的時(shí)間間隔越大，說明駕駛?cè)烁兄男畔⒚芏冉档停虼?，將公因子F2定義為感知密度因子，駕駛?cè)说男畔⑺阉鲿r(shí)間越長(zhǎng)，因子得分越高，信息感知密度越低。公因子F3中全局水平及興趣區(qū)域掃視速度(Ss、Ssi)為荷載較大的指標(biāo)，因此將公因子F3定義為信息搜索因子，因子得分越高，表明信息搜索速度越快，信息搜索的效率越高。綜上，將駕駛?cè)说淖⒁?、掃視行為及不同指?biāo)提煉為信息提取因子F1、感知密度因子F2及信息搜索因子F3，以刻畫駕駛?cè)说囊曈X信息加工模式。

由Thompson回歸法得到旋轉(zhuǎn)成分矩陣如表3所示。表3中的負(fù)數(shù)是相對(duì)于平均水平而言，由數(shù)據(jù)處理的傳遞效應(yīng)產(chǎn)生，不影響計(jì)算結(jié)果。計(jì)算得到3個(gè)公因子的得分函數(shù)分別如下：

F1=0.270Fd-0.298Ff+0.031Sd+…-0.044Ssi，

F2=-0.061Fd-0.044Ff+0.495Sd+…-0.131Ssi，

F3=-0.023Fd+0.093Ff-0.088Sd+…+0.578Ssi。

根據(jù)以上得分函數(shù)計(jì)算基準(zhǔn)組及HMI組的信息加工因子得分，得到圖5所示結(jié)果。圖5表明：在霧天使用車路協(xié)同系統(tǒng)終端HMI的情況下，駕駛?cè)说男畔⑻崛∫蜃覨1得分降低，由0.452±0.248降低至0.417±0.200，說明駕駛?cè)耸褂密嚶穮f(xié)同系統(tǒng)花費(fèi)的信息提取時(shí)間減少，信息提取效率增加；信息密度因子F2得分升高，由0.297±0.160提升至0.367±0.159，表明車路協(xié)同環(huán)境下駕駛?cè)说男畔⒏兄芏冉档?；同時(shí)，信息搜索因子F3得分升高，由0.280±0.157提升至0.418±0.242，表明駕駛?cè)耸褂密嚶穮f(xié)同系統(tǒng)表現(xiàn)出更快的信息搜索速度，信息搜索的效率提高。

圖5 因子得分對(duì)比圖

4 結(jié)語

為揭示車路協(xié)同系統(tǒng)信息介入對(duì)駕駛?cè)艘曈X信息加工模式的影響，文中依托駕駛模擬實(shí)驗(yàn)測(cè)試平臺(tái)搭建車路協(xié)同環(huán)境開展實(shí)驗(yàn)，獲取霧天高速公路車路協(xié)同視聽聯(lián)合信息下駕駛?cè)说囊曈X特性指標(biāo)，分析駕駛?cè)嗽谌炙郊芭d趣區(qū)域內(nèi)的注視、掃視特征及差異性，并采用因子分析模型從信息提取因子、感知密度因子及信息搜索因子三方面刻畫駕駛?cè)说囊曈X信息加工模式，解析了霧天高速公路車路協(xié)同系統(tǒng)的應(yīng)用對(duì)駕駛?cè)艘曈X行為特性及信息加工模式的影響，主要結(jié)論如下：

1)駕駛?cè)嗽诔B(tài)下主要通過長(zhǎng)時(shí)間地注視前方道路獲取所需信息，對(duì)于其他車內(nèi)環(huán)境等的掃視行為更多；而車路協(xié)同系統(tǒng)信息的介入，一定程度上影響了駕駛?cè)藢?duì)于前方道路的關(guān)注程度，對(duì)駕駛?cè)说膾咭曅袨橛绊懜螅?/p>

2)車路協(xié)同系統(tǒng)的使用，給駕駛?cè)说娜制骄鶔咭晻r(shí)間、全局平均掃視速度、AOI平均注視頻率、AOI平均掃視速度等指標(biāo)帶來了顯著差異，表明車路協(xié)同輔助信息的介入顯著影響了駕駛?cè)藢?duì)前方道路的注意分配，同時(shí)，駕駛?cè)吮憩F(xiàn)出時(shí)間更長(zhǎng)、速度更快的搜索以適應(yīng)信息分布的改變；

3)霧天高速公路車路協(xié)同信息系統(tǒng)的加入改變了原有信息的分布，駕駛?cè)说男畔⑻崛「尤菀祝畔⒏兄芏冉档?，信息搜索效率更高?/p>

車路協(xié)同系統(tǒng)在提升安全性和效率的同時(shí)，也造成了駕駛?cè)艘曈X認(rèn)知資源的占用，這種正負(fù)影響的共存性在系統(tǒng)設(shè)計(jì)、測(cè)試及應(yīng)用中需要被同時(shí)考慮，這對(duì)于最大程度地發(fā)揮車路協(xié)同技術(shù)的安全保障作用至關(guān)重要[24]。文中以駕駛?cè)蝿?wù)相關(guān)的車路協(xié)同信息交互為控制變量，聚焦于駕駛?cè)艘曈X認(rèn)知加工過程的刻畫及影響規(guī)律探索，區(qū)別于以往研究中對(duì)駕駛次任務(wù)(如微信、電話、車內(nèi)娛樂系統(tǒng)等)的分心或負(fù)荷評(píng)估。另外，本研究主要采用注視、掃視等原始基本視覺行為指標(biāo)，便于精細(xì)化地揭示駕駛?cè)说囊曈X行為變化規(guī)律，并基于視覺指標(biāo)的本質(zhì)特性抽取駕駛?cè)说囊曈X加工模式。當(dāng)前研究證實(shí)了車路協(xié)同系統(tǒng)對(duì)于駕駛?cè)诵畔⒏兄庸つＪ郊扒胺降缆逢P(guān)注的影響是確實(shí)存在的，而這種改變的內(nèi)在致因以及其是否會(huì)進(jìn)一步影響駕駛安全，則需要結(jié)合駕駛?cè)说牟僮骷败囕v運(yùn)行狀態(tài)進(jìn)一步探討。

文章僅以霧天高速自由流狀態(tài)為實(shí)驗(yàn)條件，考慮視覺特性的場(chǎng)景敏感性，未來研究應(yīng)繼續(xù)探究車路協(xié)同系統(tǒng)在模擬駕駛及自然駕駛條件下不同天氣、交通狀態(tài)及交通事件時(shí)的應(yīng)用前評(píng)估及對(duì)比分析，例如一般路況、擁堵及事故路況條件、交叉口環(huán)境等。同時(shí)，應(yīng)綜合考慮不同行車元素(如儀表盤、車載終端、后視鏡等)的視覺資源需求與占用，探索影響駕駛?cè)艘曈X信息加工改變的內(nèi)在致因。另外，從視覺認(rèn)知以及人機(jī)交互認(rèn)知心理學(xué)的角度開展研究，探討車路協(xié)同輔助信息的呈現(xiàn)方式及視覺、聽覺信息的合理匹配，通過信息的合理選取、人機(jī)界面的簡(jiǎn)化設(shè)計(jì)、駕駛?cè)伺嘤?xùn)等方案手段盡可能降低視覺干擾，使得車路協(xié)同系統(tǒng)在提高駕駛安全的同時(shí)，降低視覺資源及認(rèn)知資源的占用，確保其綜合安全性能和服務(wù)品質(zhì)的提升。