駕駛員選擇性注意過程中的規(guī)則圖式啟動效應*

袁璐一 常若松 馬錦飛

駕駛員選擇性注意過程中的規(guī)則圖式啟動效應

袁璐一 常若松 馬錦飛

(遼寧師范大學心理學院, 大連 116029)

本研究將駕駛無意視盲范式與交通違規(guī)事件識別任務相結合, 通過兩個實驗分別探究任務性質(zhì)(有提示、無提示)和規(guī)則圖式訓練(訓練、未訓練)對駕駛員識別交通信號和違規(guī)事件的影響。結果發(fā)現(xiàn), 交通規(guī)則提示能夠提高有經(jīng)驗的駕駛員識別交通信號的正確率(實驗1); 對于新手駕駛員, 則需要結合規(guī)則圖式訓練才能起到相同效果(實驗2)。研究表明駕駛員選擇性注意過程中存在規(guī)則圖式啟動效應, 圖式訓練能夠彌補新手駕駛員經(jīng)驗的不足。

任務性質(zhì), 駕駛經(jīng)驗, 駕駛圖式, 交通信息, 無意視盲

1 引言

目前, 駕駛員通常使用車載導航系統(tǒng)輔助駕駛, 導航給予駕駛員交通信息提示, 提高駕駛員的視覺搜索效率。但是, 駕駛員不僅要“看了”交通信息, 還必須“看到”交通信息。2020年1月至10月, 我國有人員傷亡的道路交通事故數(shù)據(jù)表明: 2.37%的傷亡事故是由于機動車違反交通信號導致的(公安部交通管理局)。眾所周知, 識別交通信號是駕駛員安全駕駛的必要能力?？墒? 駕駛員在實際觀察道路情境時, 經(jīng)常會忽視與駕駛任務相關的交通信號, 即使這些信號是清晰可見的(Charlton & Starkey, 2013; Harms & Brookhuis, 2016; Martens, 2011; Martens & Fox, 2007)。在現(xiàn)實生活中經(jīng)常會有駕駛員沒有看到標志牌而錯過匝道口; 沒看到單行道標志而逆行; 沒看到“禁止調(diào)頭”標志而違規(guī)調(diào)頭等等。這類事件的共同特點就是駕駛員對相關交通信號“視而不見”。其心理學的概念表達就是無意視盲, 即當人們聚精會神于一個任務時, 卻忽視了眼前顯而易見的意外刺激或事件(Engstr?m et al., 2017; Jacobsen et al., 2015; Mack & Rock, 1998)。無意視盲是選擇性注意失敗的一種表現(xiàn)(Kreitz et al., 2015), 是交通安全重大隱患(袁璐一等, 2019)。

有學者在內(nèi)隱和外顯注意捕獲的基礎上, 把較為重要的幾個因素整合為注意計算框架來系統(tǒng)解釋無意視盲, 認為在“自下而上”的注意捕獲過程中, 個體依據(jù)感覺凸顯性過濾感知信息; 與此同時, 任務性質(zhì)(task-specific features)會經(jīng)由“自上而下”加工機制, 激活期望, 形成注意定勢。當過濾后的感知信息和注意定勢不匹配時, 觀察者就會出現(xiàn)無意視盲。同時認為, 任務性質(zhì)是操控個體期望的參數(shù), 在具體的實驗過程中可通過指導語對被試期望加以控制(Gu et al., 2005)。例如, Shinoda等人(2001)讓被試使用駕駛模擬器在虛擬城鎮(zhèn)中行駛, 利用指導語對駕駛員分組, 要求一半駕駛員與前車保持恒定距離, 另一半駕駛員在保持跟車距離的同時, 還要遵守交通規(guī)則。在行駛中, 呈現(xiàn)的“通行”標志有時會轉變成“停車”標志。結果發(fā)現(xiàn), 當駕駛員的任務性質(zhì)只是跟隨前車時, 15%的駕駛員察覺了路中間標志的變化; 另一組則有33%的駕駛員察覺到這種變化。由此證明, 任務性質(zhì)引導期望的形成, 極大的提高了駕駛員看到交通標志變化的幾率。

然而, 任務本身的客觀屬性如何誘發(fā)駕駛員主觀期望的產(chǎn)生？期望是個體根據(jù)自身知識背景和以往經(jīng)驗所產(chǎn)生的對未來情況的主觀估計。駕駛員想要完成特定任務, 必須依賴以往知識或經(jīng)驗積累的駕駛圖式產(chǎn)生特定期望, 以此適應環(huán)境變化, 控制行為(袁璐一等, 2019)。駕駛圖式是指導駕駛員在給定環(huán)境中, 應該搜索哪里、期望什么、并以此做出行為決策的行動準則或模板。駕駛圖式不是被教授的, 而是駕駛員在反復經(jīng)歷某種交通環(huán)境, 從足夠的經(jīng)驗中建構的(Land & Furneaux, 1997)。也就是說, 同樣的任務性質(zhì)可能對不同的駕駛員激活不同的期望。McKnight和McKnight (2003)分析了1000起新手駕駛員引起的交通事故, 認為缺乏經(jīng)驗是其主要原因, 具體行為表現(xiàn)為駕駛員未能恰當?shù)膾呙枨胺?、側面和后? 42.70%的交通事故都與視覺掃描有關。這說明, 新手駕駛員的事故發(fā)生未必是“粗心”, 更可能是因為“無知” (Agrawal et al., 2017; McKnight & McKnight, 2003)。關于駕駛員危險知覺的研究也表明, 與新手駕駛員相比, 有經(jīng)驗的駕駛員在各種與道路危險有關的識別任務中, 發(fā)現(xiàn)危險的準確率更高, 反應速度也更快, 他們猜測, 可能是駕駛圖式在其中起到了指導作用(Chan et al., 2010)。綜上所述, 駕駛員在執(zhí)行具體任務時, 依賴自身的駕駛圖式產(chǎn)生特定期望, 駕駛員圖式的豐富程度是決定其駕駛效率的主要原因。由此假設, 任務性質(zhì)與駕駛經(jīng)驗會對駕駛員無意視盲產(chǎn)生交互作用：如果任務是遵守交通規(guī)則, 有經(jīng)驗的駕駛員可能會結合路況關注交通信號, 新手駕駛員可能由于缺乏圖式僅產(chǎn)生泛泛的期望, 難以“看到”交通標志, 即有經(jīng)驗的駕駛員“看到”交通標志的人數(shù)比新手多; 如果任務中不包含遵守交通規(guī)則提示, 新手與有經(jīng)驗的駕駛員的表現(xiàn)無異(假設1)。

駕駛員除了自主形成駕駛圖式外, 培訓是否有益于建構駕駛圖式？研究表明, 駕駛培訓對駕駛員的駕駛行為有顯著影響(Pradhan et al., 2009)。受過RAPT (危險預測培訓項目)訓練的新手駕駛員比未受訓練的駕駛員發(fā)生的撞車事故要少23.70% (Thomas et al., 2016); 經(jīng)過V-RAPT訓練(VR形式)的新手駕駛員可以偵測到86.25%的潛在危險, 是未經(jīng)訓練駕駛員偵測的2.78倍(Agrawal et al., 2017)。培訓對有經(jīng)驗的駕駛員依然有效。雙經(jīng)驗(駕駛摩托車和汽車)的駕駛員比單經(jīng)驗(僅駕駛汽車)的駕駛員更容易發(fā)現(xiàn)摩托車(Crundall et al., 2012), 但經(jīng)過Pelmanism摩托車翻牌訓練的單經(jīng)驗駕駛員會顯著提高其偵測摩托車的能力(Crundall et al., 2017)。因此可以假設, 新手駕駛員經(jīng)過駕駛圖式訓練后, 也能在包含交通規(guī)則提示的任務下提高識別交通信號的能力。(假設2)

駕駛圖式既包含普遍的規(guī)則(如定期觀察左右車鏡, 水平掃描等), 也表征特定概念、事物或事件的認知結構, 反復經(jīng)歷某種駕駛情境, 可以形成不同的專業(yè)子圖式(Crundall et al., 2008)。例如交通規(guī)則圖式, 是指駕駛員對交通規(guī)則的理解和遵守, 是指導駕駛行為的準則或模板。如果駕駛員與某類交通事件互動頻率較低, 沒有形成完善的規(guī)則圖式, 或者不能快速提取圖式, 極易產(chǎn)生“視而不見”錯誤。

消極的態(tài)度或不恰當?shù)男拍钜矔璧K駕駛員形成具體的駕駛子圖式(Crundall et al., 2008)。例如, Mannering和Grodsky (1995)設計了一份問卷, 調(diào)查駕駛員對風險的態(tài)度、行為和評估。結果發(fā)現(xiàn), 認知凸顯性是影響汽車駕駛員“視而不見”摩托車的主要原因。認知凸顯性是指目標被觀察者主動鎖定的能力(Cassarino & Setti, 2016), 具有高認知凸顯性的目標往往是駕駛員經(jīng)驗庫中存儲的各類危險程度較高的客體(例如大貨車、油罐車等), 這類車輛更容易捕獲他們的注意。而汽車駕駛員普遍認為摩托車的威脅程度較低, 因此更容易將其忽視。據(jù)此認為, 如果駕駛員對某種交通事件的認知凸顯性較低, 就難以提取駕駛圖式, 引導他們“看到”這類交通事件。

Pammer等人(2015)提出不同的危險具有不同的認知凸顯性, 比起道路旁站立的小孩, 駕駛員更容易對路邊的成人視而不見。由此假設, 對于駕駛員來說, 不同交通規(guī)則的重要程度也是不同的。對于重要程度較低的交通規(guī)則, 駕駛員可能不易形成相關的規(guī)則子圖式。譬如, 實線并道會對交通駕駛產(chǎn)生較大的威脅, 該交通違規(guī)行為的認知凸顯性較高; “禁停處停車”現(xiàn)象對駕駛的威脅性較低, 該交通違規(guī)行為的認知凸顯性也相對較低。比起“禁停處違?！? 駕駛員更容易發(fā)現(xiàn)“實線并道”; 啟動規(guī)則圖式訓練對有效識別低認知凸顯性違規(guī)事件的作用尤為明顯。(假設3)

通過兩個實驗來驗證這3個假設。實驗1使用駕駛無意視盲任務, 考察不同的任務性質(zhì)對駕駛員識別交通信號的影響。實驗2對部分駕駛員進行規(guī)則圖式的啟動訓練, 探究規(guī)則圖式訓練對駕駛員識別不同認知凸顯性違規(guī)事件的影響。

2 實驗1：任務性質(zhì)對駕駛員識別交通信號的影響

2.1 方法

2.1.1 被試

參考以往關于交通視盲(Shinoda et al., 2001; Agrawal et al., 2017)的研究, 使用G-power 3.1, 較大效應量0.5, 功效值0.8, 計算最小樣本量44人。從大連地區(qū)招募76名駕駛員, 年齡在19～40歲之間(M= 25.25歲,= 4.41歲), 其中男性駕駛員59名, 年齡在19～40歲之間(M= 25.64歲, SD = 4.89歲), 女性駕駛員17名, 年齡在21～26歲之間(M= 23.88歲,= 1.36歲)。所有被試的視力或矯正視力正常, 色覺正常, 實驗結束后可以獲得報酬。

2.1.2 實驗儀器

實驗采用Tobii X 120眼動儀記錄被試的眼動軌跡, 采樣率為120 Hz, 準確度為0.5°, 精確度為0.3°, 雙眼追蹤。實驗所用顯示器為27英寸, 分辨率為1920像素×1080像素。使用Tobii studio 2.2收集眼動數(shù)據(jù)。

2.1.3 材料

使用10個真實的城市駕駛場景視頻片段作為實驗材料, 每個視頻片段的平均時間是20 s, 所有視頻片段都是從駕駛員視角拍攝, 車輛駕駛速度在30～40 km/h之間, 拍攝當天天氣晴朗(圖1)?？刂圃嚧我曨l片段是沒有交通違規(guī)的普通駕駛場景, 關鍵試次視頻片段中有一白色車輛在“禁止調(diào)頭”標志處違規(guī)調(diào)頭。

圖1 駕駛視頻片段截圖

2.1.4 實驗設計

采用2 (駕駛員類型：有經(jīng)驗的駕駛員, 新手駕駛員) × 2 (任務性質(zhì)：有交通規(guī)則提示, 無提示)兩因素組間設計。有經(jīng)驗的駕駛員要求其駕駛總里程等于或大于3萬公里, 新手駕駛員要求其駕駛總里程小于或等于1萬公里(Fisher et al., 2006)。為了促使駕駛員更好地理解指導語(報告道路違規(guī)事件, 而非自己的違規(guī)行為), 增強任務卷入感, 遵守交通規(guī)則提示組要求被試對路況安全性進行評分之外, 并以交警的身份觀察是否有交通違規(guī)事件; 無提示組只需對路況安全性進行評分。

因變量是關鍵試次中被試是否看到交通信號的正確率, 和對交通信號的搜索時間(Total Visit Duration)。搜索時間, 是指興趣區(qū)呈現(xiàn)期間, 該興趣區(qū)停留的所有注視點的持續(xù)時間之和。搜索是指從首個注視點出現(xiàn)在興趣區(qū)中到下一個注視點移出興趣區(qū)的時間片段, 如果在記錄過程中, 被試回視該興趣區(qū), 興趣區(qū)中的新注視點持續(xù)時間也會包含在該統(tǒng)計指標的計算中。如果被試到記錄結束都沒有看過興趣區(qū), 搜索時間記為0。

2.1.5 興趣區(qū)劃分

實驗1關注的是駕駛員是否看到交通信號, 因此興趣區(qū)覆蓋了“禁止調(diào)頭”標志, 大小是305像素×243像素(圖2), 從駕駛員能看到“禁止調(diào)頭”標志起至標志消失, 共4 s。

圖2 “禁止調(diào)頭”興趣區(qū)

2.1.6 程序

實驗程序參考Pammer和Blink (2013)的駕駛無意視盲任務。首先, 被試需要填寫個人信息表, 包含姓名、年齡和駕駛里程等。隨后向被試呈現(xiàn)指導語：

“歡迎您參加本次實驗, 下面將會向您呈現(xiàn)一系列從駕駛員視角拍攝的真實交通情境視頻。請您想象您就是那個正在開車的駕駛員。仔細觀看視頻, 在每個視頻結束后, 請您對該視頻的安全程度進行5點評分, “1”代表非常安全, “2”代表較為安全, “3”為既不安全, 也不危險, “4”代表較為危險, “5”代表極度危險, 并對自己的評分進行解釋?！?/p>

被試距離電腦屏幕大約1米(與駕駛時駕駛員到擋風玻璃的平均距離一致), 并要求想象電腦屏幕是汽車擋風玻璃, 他們是正在駕駛的駕駛員。每段視頻結束后, 被試需對所呈現(xiàn)路況做安全評分并解釋理由。這是主要任務, 它符合駕駛員在典型駕駛場景下做出的是否安全的決定。這項任務并不是真的關注駕駛場景的安全程度或駕駛員的安全閾限, 而是為了讓駕駛員的認知機制參與到這種決策中。該技術與標準的危險感知測試一致(Anstey et al., 2012)。

每個被試先觀看三段練習視頻, 然后眼動儀校準, 被試坐在眼動儀前方60 cm處。采用5點校準法對被試雙眼校準, 確保所記錄的眼球運動軌跡的準確。校準后實驗開始。

正式實驗分為兩個程序。在“有提示組”的程序中, 每個視頻之后, 被試需回答：“①請對當前路況安全評分并說明理由; ②當前路況是否有交通違規(guī)現(xiàn)象”; 在“無提示組”的程序中, 每個視頻之后只有安全評分任務。實驗共10個視頻試次, 前9個是無交通違規(guī)駕駛場景的普通試次, 第10個是有明顯違規(guī)駕駛場景的關鍵試次。關鍵試次呈現(xiàn)后, 詢問被試是否看到道路交通標志牌, 并加以描述。實驗結束后, 被試需要對10種交通違規(guī)事件排序并給出理由。根據(jù)駕駛圖式理論, 認知凸顯性越高的交通信息越容易被駕駛員自主提取為駕駛圖式, 因此我們設計了排序任務, 目的是探究駕駛員認為的各類交通違規(guī)事件的認知凸顯性程度是否與其識別該事件的概率有關, 以此作為后續(xù)實驗(探討認知凸顯性對駕駛員無意視盲的影響)視頻材料的選取依據(jù)。整個實驗持續(xù)20分鐘左右。

2.1.7 數(shù)據(jù)分析

采用SPSS Statistics 26.0對關鍵試次的識別結果卡方檢驗; 使用二元邏輯回歸分析方法分析個人差異、安全傾向(即主任務評分)和搜索時間是否可以預測駕駛員識別交通信號的正確率; 使用曼?惠特尼檢驗分析有經(jīng)驗的駕駛員和新手駕駛員, 視盲駕駛員和非視盲駕駛員對“違規(guī)調(diào)頭”事件的排序差異。

2.2 結果與分析

2.2.1 視盲結果

通過tobii studio分析駕駛員的視覺搜索區(qū)域, 可以發(fā)現(xiàn)“禁止調(diào)頭”標志牌在駕駛員的主要視覺區(qū)域內(nèi)(見圖3、圖4)。因此, 如果駕駛員報告沒有看到“禁止調(diào)頭”標志牌, 即意味著駕駛員出現(xiàn)了無意視盲。被試對關鍵試次中識別交通信號的搜索時間如圖5所示, 無意視盲概率如圖6所示。

圖3 提示組的集簇圖

圖4 無提示組的集簇圖

注: 集簇圖是一種可在背景圖上呈現(xiàn)注視點數(shù)據(jù)密度最大的區(qū)域的可視化圖型。

圖5 “禁止掉頭”標志的搜索時間

圖6 關鍵試次無意視盲比率

注: ***< 0.001, **< 0.01

表1 實驗1所有被試的搜索時間(秒)和視盲人數(shù)(人)

由表1可知, “提示組”和“無提示組”的卡方檢驗結果是(1,= 76) = 13.41,< 0.001, effect size = 0.15?！疤崾窘M”的視盲率顯著低于“無提示組”; “經(jīng)驗組”和“新手組”卡方檢驗的結果是(1,= 76) = 2.92,= 0.088, “經(jīng)驗組”和“新手組”的視盲率無差異。

卡方檢驗4個組別的駕駛員的識別情況差異顯著,(3,= 76) = 21.40,< 0.001, effect size = 0.53。進一步兩兩卡方檢驗的結果發(fā)現(xiàn), 遵守交通規(guī)則提示組的有經(jīng)驗的駕駛員的視盲率要明顯低于無提示組的有經(jīng)驗的駕駛員,(1,= 35) = 15.25,< 0.001, effect size = 0.66; 但是, 有提示的新手駕駛員和無提示的新手駕駛員的視盲率卻沒有差異,(1,= 41) = 1.87,= 0.399; 提示組有經(jīng)驗的駕駛員的視盲率明顯低于提示組新手駕駛員,(1,= 38) = 7.94,< 0.01, effect size = 0.46; 無提示組有經(jīng)驗的駕駛員的視盲率和無提示組新手駕駛員沒有差異,(1,= 38) = 0.13,= 0.723。

2.2.2 二元logistic回歸分析

使用二元logistic回歸確定駕駛員個人差異、對路況的安全評分等因素是否能預測對關鍵試次中交通標志的識別。

表2 個人差異及眼動搜索時間對視盲結果的邏輯回歸分析

注：< 0.05。性別分類變量參考類別為第一個, “男”記為“0”, “女”記為“1”。

由表2可知, 搜索時間可以預測駕駛員是否會產(chǎn)生無意視盲, 即駕駛員對交通標志的搜索時間越長, “視而不見”交通標志的概率越低。其他變量的預測作用皆不顯著。

2.2.3 交通違規(guī)行為排序分析

參加實驗的駕駛員大多依據(jù)交通違規(guī)行為的嚴重程度排序, 或由重到輕, 或由輕到重。排序結果由重到輕轉化后經(jīng)曼?惠特尼檢驗發(fā)現(xiàn), “視盲駕駛員”對“違規(guī)調(diào)頭”排序的秩平均值(= 42.68)高于“察覺駕駛員” (= 29.98),= –2.40,< 0.05。這說明, 察覺到“禁止調(diào)頭”標志的駕駛員普遍認為該行為的認知凸顯性較高。有經(jīng)驗的駕駛員對“違規(guī)調(diào)頭”排序的秩平均值(= 41.84)和新手駕駛員(= 35.65)無明顯差異,= –1.30,= 0.194。

2.3 小結

通過眼動集簇圖發(fā)現(xiàn), 關鍵試次中的“禁止調(diào)頭”標志牌在駕駛員的觀察視野內(nèi), 多數(shù)有經(jīng)驗的駕駛員(57.14%)和新手駕駛員(75.61%)報告沒有看到“禁止調(diào)頭”標志, 且二者的無意視盲率無顯著差異,說明無意視盲現(xiàn)象與駕駛經(jīng)驗沒有直接關系?！敖煌ㄒ?guī)則提示組”和“無提示組”的無意視盲率差異顯著, 說明任務性質(zhì)提示可以有效提高駕駛員識別交通信號的效率, 具體原因將在總討論中進一步分析。

實驗還發(fā)現(xiàn), 給予任務性質(zhì)提示時, 有經(jīng)驗的駕駛員“視而不見”率下降到23.50%, 而新手駕駛員的“視而不見”概率仍高達66.70%, 表明任務性質(zhì)的提示只對有經(jīng)驗的駕駛員減少無意視盲有作用。誠如相關研究所說, 相對新手駕駛員, 有經(jīng)驗的駕駛員似乎多了某種“技能”, 使任務性質(zhì)提示起到作用(Hajiseyedjavadi et al., 2017)。據(jù)此我們認為, 由經(jīng)驗積累而來的駕駛圖式正是這個關鍵變量。結合對交通違規(guī)行為排序的結果, 實驗2中我們對一半駕駛員進行規(guī)則圖式啟動訓練, 探究規(guī)則圖式能否改善駕駛員識別不同認知凸顯性交通信息的表現(xiàn)。

3 實驗2：規(guī)則圖式訓練對駕駛員識別交通事件的影響

3.1 方法

3.1.1 被試

使用G-power 3.1, 中等效應量0.25, 功效值0.8, 計算最小樣本量48人。從大連地區(qū)招募66名駕駛員, 年齡在19～38歲之間(M= 24.92歲,= 3.85歲), 其中男性駕駛員49名, 年齡在19～38歲之間(M= 25.28歲,= 4.35歲), 女性駕駛員17名, 年齡在21～26歲之間(M= 23.88歲,= 1.36歲)。所有被試的視力或矯正視力正常, 色覺正常, 實驗結束后給予報酬。

3.1.2 實驗材料

使用威爾科克森符號秩檢驗分析駕駛員對“禁停處違?！毙袨楹汀皩嵕€并道”行為的認知排序結果(由重到輕), 結果發(fā)現(xiàn)排序中“禁停處違?！钡钠骄?= 8.88)高于“實線并道” (= 6.98),= –6.00,< 0.001。這意味著, 駕駛員認為“禁停處違?！钡恼J知凸顯性低于“實線并道”, 事件類型的認知凸顯性差異顯著, 因此選擇這兩類事件作為實驗材料。

選取30個真實的城市駕駛場景視頻片段作為實驗材料, 每個視頻片段的平均時間是20 s, 所有視頻片段都是從駕駛員視角拍攝, 車輛駕駛速度在30～40 km/h之間, 拍攝時天氣晴朗。10個無交通違規(guī)的普通駕駛場景; 10個“在禁停標志處違停”的違規(guī)駕駛場景; 10個“實線并道”違規(guī)駕駛場景。30個場景隨機呈現(xiàn)。

3.1.3 實驗設計

采用2 (駕駛員類型：有經(jīng)驗的駕駛員, 新手駕駛員) × 2 (圖式啟動訓練條件：訓練, 未訓練) × 2 (事件認知凸顯性, 高：路口實線并道; 低：“禁止停車”處違停)三因素混合實驗設計。其中駕駛員類型和圖式啟動訓練條件是被試間變量, 事件類型是被試內(nèi)變量。因變量是駕駛員準確識別兩種事件的得分和對該事件的搜索時間(Total Visit Duration)。

3.1.4 規(guī)則圖式訓練

參考Crundall等人(2012, 2017)的知覺圖式訓練研究, 從互動頻率和對事件的認知信念著手設計駕駛員規(guī)則圖式啟動訓練。首先制作訓練合集。通過剪輯將多種同類型的交通違規(guī)視頻合成為一套視頻教材(目的是增加駕駛員與此類行為的互動頻率), 合集包含4種不同交通違規(guī)行為的視頻片段和2個普通駕駛視頻片段, 每個片段平均40 s, 4種不同的交通違規(guī)行為分別是車輛實線并道、禁停處違停、應急車道行駛、不禮讓斑馬線。訓練組駕駛員觀看教學視頻, 對路況安全評分, 回答視頻中是否有交通違規(guī)行為。每段視頻之后, 主試給出正確答案, 朗讀與該違規(guī)行為有關的法律條款(幫助駕駛員樹立正確信念)并反饋。為了避免練習效應, 控制組也需對6段普通駕駛視頻評分, 回答是否有交通違規(guī)行為, 但不給予反饋。

3.1.5 程序

駕駛員先填寫個人信息表, 根據(jù)駕駛里程把他們隨機分配到訓練組和控制組接受規(guī)則圖式訓練。訓練結束后進入正式實驗, 對交通場景安全評分, 回答是否有交通違規(guī)現(xiàn)象。眼動校準過程同實驗1。實驗持續(xù)40分鐘。

3.1.6 興趣區(qū)劃分

實驗默認駕駛員只有看到交通信號才能判斷是否有交通違規(guī)行為, 因此實驗2的興趣區(qū)覆蓋了違規(guī)車輛和交通信號, 大小為318像素×252像素?！敖Ｌ庍`停”的興趣區(qū)(見圖7)持續(xù)時間從駕駛員能看到該現(xiàn)象起至消失(= 10,= 4.19 s,= 1.80 s), “實線并道”的興趣區(qū)(見圖8)持續(xù)時間從車輛有跨實線并道趨勢起至完全并道結束(= 10,= 4.12 s,= 1.40 s), 二者無差異,(18) = 0.12,= 0.91。

圖7 禁停處停車興趣區(qū)

圖8 實線并道興趣區(qū)

3.1.7 數(shù)據(jù)分析

采用SPSS Statistics 26.0對識別結果和搜索時間重復測量方差分析。使用Amos 18探究搜索時間在駕駛里程、圖式啟動訓練和識別成績之間的中介作用。

3.2 實驗結果與分析

3.2.1 意外事件的識別正確得分

對識別得分重復測量方差分析, 結果如表3和圖9所示。駕駛經(jīng)驗主效應顯著,(1, 62) = 25.09,< 0.001, ?= 0.29, 有經(jīng)驗的駕駛員識別兩種目標的正確率都顯著高于新手駕駛員。規(guī)則圖式訓練主效應顯著,(1, 62) = 59.51,< 0.001, ?= 0.49, 規(guī)則圖式訓練組駕駛員的識別成績高于控制組。事件類型主效應顯著,(1, 62) = 56.48,< 0.001, ?= 0.48, 駕駛員識別高認知凸顯性的“實線違規(guī)并道”的成績要高于低認知凸顯性的“禁停處停車”的成績。規(guī)則圖式訓練與事件類型交互效應顯著,(1, 62) = 9.97,= 0.002, ?= 0.14。簡單效應分析發(fā)現(xiàn), 在識別“禁停”處停車時, 訓練組的駕駛員的識別得分要遠高于控制組的駕駛員,(1, 62) = 61.24,< 0.001, ?= 0.49; 在識別“實線處并道”時, 與控制組的駕駛員相比, 訓練組的駕駛員識別得分也有所提高,(1, 62) = 9.14,= 0.004, ?= 0.13。這意味著, 在識別兩種目標時, 規(guī)則圖式訓練都能使駕駛員提高識別率, 但是訓練效果不同。規(guī)則圖式訓練對駕駛員識別“禁?！碧幫＼嚨拇龠M效果更加明顯, 在識別“禁?！碧幫＼嚂r, 訓練組比控制組的成績要高4.25分, 但對于識別“實線處并道”, 僅僅高1.74分。

表3 識別事件得分(分)和搜索時間(秒)

注: 訓練指駕駛員接受規(guī)則圖式訓練; 未訓練指駕駛員未接受圖式訓練。

圖9 駕駛員識別不同事件的正確得分

注：***< 0.001, **< 0.01

3.2.2 搜索時間的方差分析

選取與實驗1相同的眼動指標：搜索時間(Total Visit Duration)。本實驗的眼動數(shù)據(jù)源于同類視頻的眼動數(shù)據(jù)相加之和, 單位秒。

根據(jù)表3, 對搜索時間重復測量方差分析：駕駛經(jīng)驗主效應顯著,(1, 62) = 5.69,< 0.001, ?= 0.08, 有經(jīng)驗的駕駛員搜索兩種事件的時間都顯著長于新手駕駛員。規(guī)則圖式訓練主效應顯著,(1, 62) = 9.00,= 0.02, ?= 0.13, 規(guī)則圖式訓練組的駕駛員對違規(guī)事件的搜索時間長于控制組。事件類型主效應顯著,(1, 62) = 10.08,= 0.002, ?= 0.14, 駕駛員搜索高認知凸顯性的“實線違規(guī)并道”的時間長于搜索低認知凸顯性的“禁停處停車”的時間。圖式啟動訓練與事件類型交互效應不顯著,(1, 62) = 2.67,= 0.107。但是單因素方差分析發(fā)現(xiàn), 圖式啟動訓練組的駕駛員對“禁停處停車”的搜索時間顯著長于控制組,(1, 62) = 16.19,< 0.001, ?= 0.21; 兩組駕駛員搜索“實線并道”的時間無差異,(1, 62) = 1.92,= 0.172。

3.2.3 搜索時間的中介效應

方差分析結果發(fā)現(xiàn), 駕駛經(jīng)驗及規(guī)則圖式訓練對“禁停處停車”的搜索時間和識別成績存在顯著影響, 因此后續(xù)只針對“禁停處違?！钡淖R別成績做中介效應檢驗。以駕駛經(jīng)驗和規(guī)則圖式為自變量, 對“禁停處停車”的搜索時間為中介變量, 駕駛員識別“禁停處停車”的成績?yōu)橐蜃兞拷⒅薪槟Ｐ?圖10)。使用Bootstrap法驗證中介作用的有效性, 保存運行2000次的每條路徑的路徑系數(shù), 計算中介效應的平均路徑系數(shù), 結果如圖10所示, 規(guī)則圖式訓練對禁停處違停識別率的預測作用顯著(β= 0.52,< 0.001, 95% CI = [2.16, 4.69]);規(guī)則圖式訓練對禁停的搜索時間預測作用顯著(β= 0.38,< 0.001, 95% CI = [2.04, 7.03]); 駕駛經(jīng)驗對禁停處違停識別率的預測作用不顯著(β= 0.07,= 0.405, 95% CI = [–0.06, 0.14]);駕駛經(jīng)驗對禁停的搜索時間預測作用顯著(β= 0.32,< 0.01, 95% CI = [0.15, 0.57]); 搜索時間對識別率的預測作用顯著(β= 0.38,< 0.001, 95% CI = [0.08, 0.35]); 規(guī)則圖式訓練通過對禁停的搜索時間對禁停的識別率的間接效應大小為0.144, 95% CI = [0.26, 1.67]; 駕駛經(jīng)驗通過對禁停的搜索時間對禁停的識別率的間接效應大小為0.12, 95% CI = [0.02, 0.14]。綜上, 對“禁停處違?！钡乃阉鲿r間在總里程(即駕駛經(jīng)驗)與“禁停處違停”的識別成績之間的關系中起完全中介作用; 在規(guī)則圖式與“禁停處違?！钡淖R別成績之間的關系中起部分中介作用。

圖10 中介效應模型

注：***< 0.001, **< 0.01

4 總討論

本研究基于駕駛無意視盲范式結合交通違規(guī)事件識別任務, 通過兩個實驗分別探究任務性質(zhì)(有交通規(guī)則提示、無提示)和規(guī)則圖式訓練(訓練、未訓練)對駕駛員識別不同認知凸顯性交通違規(guī)事件的影響, 發(fā)現(xiàn)任務性質(zhì)提示僅能提高有經(jīng)驗的駕駛員識別交通信號的正確率; 對于新手駕駛員, 任務性質(zhì)提示需要結合規(guī)則圖式訓練才能起到相同效果。這說明, 規(guī)則圖式訓練可以彌補新手駕駛員經(jīng)驗的不足, 節(jié)省實踐積累的時間成本。任務性質(zhì)通過規(guī)則圖式對識別道路信息產(chǎn)生影響。

4.1 任務性質(zhì)和規(guī)則圖式對駕駛員無意視盲的影響

實驗1發(fā)現(xiàn), 如果給予有經(jīng)驗的駕駛員任務性質(zhì)提示, 可以提高他們識別交通信號的正確率; 但這種任務性質(zhì)激活期望效應并沒有出現(xiàn)在新手駕駛員身上。根據(jù)注意計算框架拓展模型圖式激活期望假設, 這可能是因為任務性質(zhì)提示需要以駕駛圖式為中介激活期望(袁璐一等, 2019), 而新手駕駛員由于缺少規(guī)則圖式, 所以任務性質(zhì)無法激活期望。因此, 實驗2對部分駕駛員進行規(guī)則圖式訓練。實驗結果發(fā)現(xiàn), 如果新手駕駛員啟動了規(guī)則圖式, 他們識別交通違規(guī)事件的績效明顯升高, 由此證明任務性質(zhì)在激活期望過程中存在規(guī)則圖式啟動效應。

本研究與以往研究(Gu et al., 2005; Gershon et al., 2012)的結果不同, 他們發(fā)現(xiàn), 任務性質(zhì)直接激活個體期望, 提高目標搜索準確率。造成這一結果不同的原因可能是因為, 他們的實驗并沒有對被試的經(jīng)驗類型進行詳細區(qū)分, 因此無法驗證任務性質(zhì)與駕駛經(jīng)驗的交互作用, 也就無法將駕駛圖式在期望激活過程的重要作用分離出來。本研究依據(jù)駕駛里程對駕駛經(jīng)驗類型進行劃分, 發(fā)現(xiàn)任務性質(zhì)和駕駛經(jīng)驗有交互作用, 即使給予新手駕駛員任務性質(zhì)提示, 也無法提高其識別交通信號的正確率, 在一定程度上支持了注意計算框架拓展模型的圖式激活期望假設。該假設認為：任務性質(zhì)是客觀信息, 而期望是駕駛員根據(jù)客觀信息結合自身已有的駕駛圖式對未來的主觀估計(袁璐一等, 2019)。如果缺少駕駛圖式的參與, 即使有任務性質(zhì)提示, 新手駕駛員也無法對路況產(chǎn)生合理的預期, 最終導致對道路關鍵信息“視而不見”。我們的研究進一步發(fā)現(xiàn), 通過規(guī)則圖式訓練可以在短時間內(nèi)向受訓者提供接觸某類交通事件的機會, 樹立對交通規(guī)則的正確信念, 從而幫助其構建或提取規(guī)則圖式, 使任務性質(zhì)發(fā)揮更好的視覺引導作用, 改善駕駛員對道路關鍵信息的識別效率。

4.2 規(guī)則圖式訓練和事件類型對駕駛員識別效率的交互作用

實驗2發(fā)現(xiàn), 駕駛員識別“實線并道”的績效高于識別“禁停處違?！? 即駕駛員更關注認知凸顯性高的交通事件, 與以往的研究(Pammer et al., 2015)結論趨近。實驗進一步發(fā)現(xiàn), 規(guī)則圖式訓練對識別不同認知凸顯性交通事件, 有著不同的促進效果。規(guī)則圖式訓練之后, 駕駛員對“禁停處停車”這個違規(guī)事件的識別有了明顯的提高, 這和我們的假設一致。有趣的是, 無論是否參與圖式訓練, 有經(jīng)驗的駕駛員在識別“實線并道”時并無差異, 但是參加圖式訓練的有經(jīng)驗的駕駛員識別“禁停處違?！钡目冃黠@優(yōu)于未參加訓練的有經(jīng)驗的駕駛員。

駕駛員的態(tài)度、知識和駕駛策略會影響駕駛圖式的形成(Crundall et al., 2008)。交通事件的認知凸顯反映了駕駛員的態(tài)度, 駕駛員認為某種交通事件重要, 意味著此類交通信息具有高認知凸顯性(de Craen et al., 2014), 也就更容易形成與此相關的駕駛子圖式。駕駛過程中, 相較于車輛“實線并道”, “禁停處停車”的潛在威脅較小, 其認知凸顯性較低, 駕駛員不易形成子圖式, 即使在“是否發(fā)現(xiàn)有交通違規(guī)現(xiàn)象”這一提示下, 他們也容易忽視“禁停處違?！爆F(xiàn)象。因此, 當參與規(guī)則圖式訓練后, 駕駛員補充了該圖式, 從而極大地提高了識別低認知凸顯性交通事件的正確率。與此相對應, 車輛“實線并道”會引起較大的潛在危險, 其認知凸顯性較高, 駕駛員容易形成“實線不能并道”圖式。所以, 額外訓練該規(guī)則圖式對駕駛員識別這類交通違規(guī)行為的改善作用較小。

4.3 搜索時間的中介作用

實驗2發(fā)現(xiàn), 經(jīng)驗組和規(guī)則圖式訓練組被試都對違規(guī)事件的搜索時間更長, 且識別正確率更高。較早的研究發(fā)現(xiàn), 在識別交叉路口出現(xiàn)的摩托車和汽車時, 汽車駕駛員對摩托車的總注視時間比汽車短。據(jù)此, Crundall等人(2012)認為, 這要么代表汽車駕駛員識別摩托車的效率更高, 要么代表他們識別不充分, 事故率結果支持第二種解釋。而閆國利和白學軍(2012)認為, 較長的注視說明觀察者在詳細地審視場景中的細節(jié)部分。本研究的行為結果支持了這個觀點：駕駛員對目標搜索時間的長短, 表示他們對該目標的關注和精細加工程度。本研究的眼動指標和識別績效的回歸擬合也驗證了這一點, 即搜索時間越長, 駕駛員越能準確偵測交通違規(guī)事件, 經(jīng)驗豐富或受過規(guī)則圖式訓練的駕駛員, 他們會用較長的時間搜索交通信號可能出現(xiàn)的位置。

駕駛經(jīng)驗對“禁停處違?！钡淖R別績效的影響, 以目標搜索時間為中介變量, 揭示了駕駛經(jīng)驗影響交通關鍵事件識別效率的視覺注意機制。駕駛經(jīng)驗是通過影響駕駛員對目標的搜索時間, 進而影響其對交通事件的識別表現(xiàn), 這與以往的研究結論相合(Crundall et al., 2012)。也就是說, 有經(jīng)驗的駕駛員之所以比新手駕駛員能識別到更多的“禁停處違?！? 是因為他們知道看向哪里。從初學者, 到剛拿到駕照的新手, 再到更有經(jīng)驗的駕駛員, 駕駛員的眼動策略會在這個過程中不斷改變(Mourant & Rockwell, 1972; Falkmer & Gregersen, 2005)。

對“禁停處違停”的搜索時間在規(guī)則圖式與“禁停處違?！钡淖R別績效之間起到部分中介作用, 為規(guī)則圖式的研究提供了實證支持。本研究發(fā)現(xiàn), 訓練規(guī)則圖式可以直接提高駕駛員識別意外事件的績效, 也可以通過指導搜索模式, 增加對相關區(qū)域的搜索時間來間接改善識別表現(xiàn)。部分中介意味著, 至少在某種程度上, 視覺搜索能力差是由于對特定駕駛情況不恰當?shù)男睦砟Ｐ突驁D式造成的。

綜上, 任務性質(zhì)提示需要通過規(guī)則圖式更好地發(fā)揮作用, 規(guī)則圖式的針對性訓練, 可以提高駕駛員識別關鍵道路交通信息的效率, 減少“視而不見”交通事件的概率。這就意味著, 想要避免交通事故, 除了增加駕駛里程之外, 圖式理論教學也行之有效。

4.4 不足和展望

本研究采用計算機呈現(xiàn)交通視頻而不是讓駕駛員模擬駕駛, 這可能讓駕駛員缺乏真實感, 其工作負荷也較低, 以至于很難再現(xiàn)駕駛員的真實表現(xiàn)。未來研究可以采用駕駛模擬器讓駕駛員體驗仿真的駕駛過程, 通過分析駕駛員的實際駕駛表現(xiàn)(例如, 是否真實的按照交通規(guī)則駕駛)來獲取更有說服力的證據(jù)。本研究僅發(fā)現(xiàn)了圖式訓練的短期效果, 很難說明訓練長期有效。將來可以設計追蹤實驗, 探討圖式訓練的時效性, 尋找合適的圖式訓練頻率, 優(yōu)化訓練效果, 以期形成一套系統(tǒng)的可應用的訓練模式。

在實驗1中, 有經(jīng)驗的駕駛員出現(xiàn)無意視盲的頻率和新手駕駛員無異; 實驗2中, 駕駛經(jīng)驗具有優(yōu)勢效應, 有經(jīng)驗的駕駛員能更好的識別交通違規(guī)事件。我們推論, 有經(jīng)驗的駕駛員容易受到注意定勢的消極影響。所謂注意定勢, 就是個體對目標刺激的相關特征所產(chǎn)生的期望或準備狀態(tài)(張慧, 施建農(nóng), 2014)。實驗1的意外事件的研究設定意在使駕駛員出現(xiàn)消極的注意定勢, 從而“視而不見”違規(guī)現(xiàn)象。但是在實驗2中, 每種類型的違規(guī)事件出現(xiàn)不止一次, 有經(jīng)驗的駕駛員不會產(chǎn)生“路況正?！钡淖⒁舛▌? 反而會產(chǎn)生“交通違規(guī)”的注意定勢, 因此有經(jīng)驗的駕駛員識別兩種道路違規(guī)現(xiàn)象都好于新手駕駛員, 體現(xiàn)了注意定勢的雙重影響效應。注意定勢涉及到駕駛情境中的常見物體和操作習慣(Pammer & Blink, 2013), 這會幫助我們更有效的搜索目標刺激, 使駕駛員信息處理效率更高, 降低心理工作負荷(Gu, et al., 2005)。但是, 注意定勢也可能會降低個體的情景意識, 尤其會導致有經(jīng)驗的駕駛員在面對意外刺激時出現(xiàn)“視而不見”, 進而造成交通事故(Briggs et al., 2017; Beanland, et al., 2017)。未來可進一步研究駕駛經(jīng)驗和注意定勢的關系。

5 結論

綜上所述, 本研究結果發(fā)現(xiàn)：(1)任務性質(zhì)提示下, 當駕駛員具備規(guī)則圖式時, 可以更好的識別道路交通信息, 支持了注意計算框架擴展模型, 說明駕駛員選擇性注意過程中存在規(guī)則圖式啟動效應; (2)規(guī)則圖式訓練對駕駛員識別低認知凸顯性道路信息更為有效; (3)駕駛經(jīng)驗和規(guī)則圖式能夠引導駕駛員對關鍵道路信息分配更多的視覺注意資源, 進而改善他們識別道路信息的表現(xiàn)。

Agrawal, R., Knodler, M., Fisher, D. L., & Samuel, S. (2017). Advanced virtual reality based training to improve young drivers’ latent hazard anticipation ability.,(1), 1995–1999.

Anstey, K. J., Horswill, M. S., Wood, J. M., & Hatherly, C. (2012). The role of cognitive and visual abilities as predictors in the multifactorial model of driving safety.,, 766–774.

Beanland, V., Filtness, A. J., & Jeans, R. (2017). Change detection in urban and rural driving scenes: Effects of target type and safety relevance on change blindness.,, 111–122.

Briggs, G. F., Hole, G. J., & Turner, J. A. J. (2017). The impact of attentional set and situation awareness on dual tasking driving performance.,, 36–47.

Cassarino, M., & Setti, A. (2016). Complexity as key to designing cognitive-friendly environments for older people.,(e114572), 1329.

Chan, E., Pradhan, A. K., Pollatsek, A., Knodler, M. A., & Fisher, D. L. (2010). Are driving simulators effective tools for evaluating novice drivers’ hazard anticipation, speed management, and attention maintenance skills.,(5), 343–353.

Charlton, S. G., & Starkey, N. J. (2013). Driving on familiar roads: Automaticity and inattention blindness.,(19), 121–133.

Crundall, D., Clarke, D. D., Ward, P., & Bartle, C. (2008).. Road Safety Research Report No. 85. Department for Transport, London.

Crundall, D., Crundall, E., Clarke, D., & Shahar, A. (2012). Why do car drivers fail to give way to motorcycles at t-junctions?,(1), 88–96.

Crundall, D., Howard, A., & Young, A. (2017). Perceptual training to increase drivers’ ability to spot motorcycles at T-junctions.,1–12. doi: 10.1016/j.trf.2017. 05.003

de Craen, S., Doumen, M. J. A., & van Norden, Y. (2014). A different perspective on conspicuity related motorcycle crashes.,, 133–137. doi: 10.1016/j.aap.2013.10.027

Engstr?m, J., Markkula, G., Victor, T., & Merat, N. (2017). Effects of cognitive load on driving performance: The cognitive control hypothesis.,(5), 734– 764.

Falkmer, T., & Gregersen, N. P. (2005). A comparison of eye movement behavior of inexperienced and experienced drivers in real traffic environments.,(8), 732–739.

Fisher, D. L., Pollatsek, A. P., & Pradhan, A. (2006). Can novice drivers be trained to scan for information that will reduce their likelihood of a crash?,(suppl_1), i25–i29.

Gershon, P., Benasher, N., & Shinar, D. (2012). Attention and search conspicuity of motorcycles as a function of their visual context.,(1), 97–103.

Gu, E., Stocker, C., & Badler, N. I. (2005). Do you see what eyes see? implementing inattentional blindness.,, 178–190.

Hajiseyedjavadi, F., Zhang, T., Agrawal, R., Knodler, M., Fisher, D., & Samuel, S. (2017). Effectiveness of visual warnings on young drivers hazard anticipation and hazard mitigation abilities.,. 41–52.

Harms, I. M., & Brookhuis, K. A. (2016). Dynamic traffic management on a familiar road: Failing to detect changes in variable speed limits.,, 37–46.

Jacobsen, P. L., Ragland, D. R., & Komanoff, C. (2015). Safety in numbers for walkers and bicyclists: Exploring the mechanisms.,(4), 217.

Kreitz, C., Furley, P., Memmert, D., & Simons, D. J. (2015). The influence of attention set, working memory capacity, and expectations on inattentional blindness.,(4), 386–399.

Land, M. F., & Furneaux, S. (1997). The knowledge base of the oculomotor system.,(1358), 1231–1239.

Mack, A., & Rock, I. (1998). Inattentional blindness., 2(5), 3244.

Mannering, F. L., & Grodsky, L. L. (1995). Statistical analysis of motorcyclists' perceived accident risk.,(1), 21–31. doi: 10.1016/0001-4575(94)00041-J

Martens, M. H. (2011). Change detection in traffic: Where do we look and what do we perceive?,(3), 240–250.

Martens, M. H., & Fox, M. R. J. (2007). Do familiarity and expectations change perception? Drivers’ glances and response to changes.,(6), 476–492.

McKnight, A. J., & McKnight, A. S. (2003). Young novice drivers: Careless or clueless?,(6), 921–925. doi: 10.1016/s0001-4575(02)00100-8

Mourant, R., & Rockwell, T. H. (1972). Strategies of visual search by novice and experiences drivers.,(4), 325–335.

Pammer, K., Bairnsfather, J., Burns, J., & Hellsing, A. (2015). Not all hazards are created equal: The significance of hazards in inattentional blindness for static driving scenes.,(5), 782–788. doi: 10.1002/ acp.3153.

Pammer, K., & Blink, C. (2013). Attentional differences in driving judgments for country and city scenes: Semantic congruency in inattentional blindness.,, 955–963. doi: 10.1016/j.aap.2012.07.026

Pradhan, A. K., Pollatsek, A., Knodler, M., & Fisher, D. L. (2009). Can younger drivers be trained to scan for information that will reduce their risk in roadway traffic scenarios that are hard to identify as hazardous?,(6), 657–673. doi: 10.1080/00140130802550232

Shinoda, H., Hayhoe, M. M., & Shrivastava, A. (2001). What controls attention in natural environments?,(25-26), 3535–3545.

Thomas, F. D., Rilea, S. L., Blomberg, R. D., Peck. R. C., & Korbelak, K. T. (2016, January).(Report No. DOT HS 812 235). Washington, DC: National Highway.

Yan, G. L., & Bai, X. J. (Eds). (2012).. Beijing: Science Press.

[閆國利, 白學軍. (編). (2012).. 北京：科學出版社.]

Yuan, L. Y., Chang, R. S., & Ma, J. F. (2019). Why does a driver can not see a critical event on the road? interaction between “bottom-up” and “top-down” processing mechanisms.,(3), 557–570.

[袁璐一, 常若松, 馬錦飛. (2019). 駕駛員為何對道路關鍵事件"視而不見"?——"自下而上"和"自上而下"加工機制的交互作用.,(3), 557–570.]

Zhang, H., & Shi, J. N. (2014). The cognitive neural mechanism of inattentional blindness.,(12), 1867–1874.

[張慧, 施建農(nóng). (2014). 無意視盲的認知神經(jīng)機制.,(12), 1867–1874.]

Regular schematic start training in the process of drivers’ selective attention

YUAN Luyi, CHANG Ruosong, MA Jinfei

(School of Psychology, Liaoning Normal University, Dalian 116029, China)

Drivers’ selective attention causes a significant hazard to traffic safety. Car drivers looking in the direction of other road users do not always perceive the presence of other parties. This is called a “l(fā)ooked-but-failed- to-see” (LBFTS) error. According to the research on attention, task-specific features can make observers form an attention set to guide attention. However, can drivers be prevented from making LBFTS errors by giving them task-specific features? We assumed that task-specific features are only useful for experienced drivers because they have driving schemata. When novice drivers are trained in driving schemata, they can improve their ability to identify traffic information with the help of task-specific features. In this study, we conducted two experiments. The Tobii T120 eye tracker was used to record participants’ eye movements. Experiment 1 used a driving inattentional blindness task to investigate task-specific features' working conditions, and the drivers' main task was to watch 10 traffic videos and score them. In Dalian, 76 drivers were recruited (mean age = 25.25 years, standard deviation () = 4.41 years). The study adopted a two-factor between-subjects design of 2 (experienced drivers, novice drivers) × 2 (task-specific features: yes, no). The dependent variables were a critical trial’s detection rate, and a total visit duration of traffic signal. Experienced drivers were required to drive a total of 30000 km or more, while novice drivers had to drive a total of 10, 000 km or less. A task-specific feature was observed of whether there were traffic violations. A traffic violation occurred during the critical trial, when the driver was asked whether they had seen a traffic signal after completing the main task. Experiment 2 investigated the effect of driving schema training. The drivers' main task was to watch 30 traffic videos and score them. Sixty-six drivers were recruited (mean age = 24.92 years,= 3.85 years). The study adopted a three-factor mixed experimental design of 2 (experienced drivers, novice drivers) × 2 (starting condition of schema training: started, not started) × 2 (event cognitive salience, high: intersection with solid parallel lines; low: unauthorized stop at “No Parking”). The driver type and the starting condition of schema training were inter-subject variables, and the event type was an intra-subject variable. The dependent variable was the driver's correct rate of identifying two kinds of events and the total visit duration of searching for this event. The results of Experiment 1 showed that the inattentional blindness rate of experienced drivers with task-specific features was significantly lower than that of experienced drivers without task-specific features; however, there was no difference in vision blindness between novice drivers with and without task-specific features. Moreover, the longer the total visit duration, the less likely the inattentional blindness of the drivers. The results of Experiment 2 showed that the recognition performance of the drivers in the schema start group was higher than that in the control group. Total visit duration plays an intermediary role among driving experience, driving schema, and recognition rate of low cognitive salience events. For drivers, only giving a task feature does not necessarily improve the visual search efficiency during driving, and driving schema plays an important role. Driving schema training can help a task feature make up for the gap brought by driving experience. Driving experience and schemata can improve drivers' performance in identifying traffic information with low cognitive salience by influencing their search time for traffic events.

task specific feature, driving experience, driving schemata, traffic information, inattentional blindness

B849

2020-02-23

教育部人文社會科學研究青年基金項目: “L3自動駕駛車輛駕駛員被動疲勞的心理機制及調(diào)控研究” (項目編號: 20YJC190015)。

馬錦飛, E-mail: majinfei@lnnu.edu.cn