基于駕駛模擬器的駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨榉治?/h1>
2014-12-14 06:02:36王雪松游世凱
交通信息與安全 2014年5期
王雪松 游世凱 陳 銘
（同濟大學(xué)道路與交通工程教育部重點實驗室 上海 201804）
0 引言
交通事故中追尾事故所占比例最高。在國外，追尾事故占所有事故比例的25%～40%［1－2］。在上海，追尾事故大約占事故總數(shù)的20%，而在高速公路和隧道中，追尾事故的比例分別為49%和67%［3］。導(dǎo)致這類事故發(fā)生的主要原因有2個：①駕駛?cè)烁吖懒塑囶^時距以致沒有及時作出反應(yīng)；②駕駛?cè)藳]有采取有效避撞措施。研究駕駛?cè)说谋茏残袨閷τ诶斫怦{駛?cè)说谋茏残袨椤⒔⒅苿幽Ｐ颓€、避撞預(yù)警算法等有著重要作用［4－5］。
駕駛?cè)酥苿颖茏卜绞娇梢苑譃?個階段：駕駛?cè)酥苿忧胺磻?yīng)過程和制動后的減速過程。制動前反應(yīng)過程主要通過3個指標進行測量：制動反應(yīng)時間（從前車開始減速到本車完全釋放油門踏板的時間）、轉(zhuǎn)移時間（從完全釋放油門踏板到本車開始踩制動的時間）和總制動反應(yīng)時間（從前車開始減速到本車開始踩制動的時間）［6］。制動前反應(yīng)過程受到了駕駛?cè)?、車輛、環(huán)境條件等諸多因素的影響［7－10］。Sohn和Stepleman［11］的實驗發(fā)現(xiàn)總反應(yīng)時間不僅跟駕駛?cè)吮旧韺傩杂嘘P(guān)（美國駕駛?cè)吮确敲绹{駛?cè)艘磻?yīng)慢），還跟駕駛?cè)耸欠褚庾R到危險有關(guān)（沒有意識到危險的駕駛?cè)朔磻?yīng)時間會比意識到危險的駕駛?cè)朔磻?yīng)時間長）。Rudio－Brown和Parker［12］指出車輛對于駕駛 人反應(yīng)時間的影響主要與會導(dǎo)致駕駛?cè)朔中牡男袨橛嘘P(guān)，例如打手機［13］。
制動后避撞行為包括駕駛?cè)说闹苿映潭?、制動速率和制動次?shù)。目前，針對該方面的研究大多只是涉及一些相關(guān)的指標而沒有進一步的深入分析。駕駛模擬器在發(fā)達國家被廣泛用于涉及駕駛?cè)诵袨橐蛩氐难芯?。它可以高度逼真的虛擬現(xiàn)實環(huán)境，尤其是現(xiàn)實中較為危險的環(huán)境，避免了實驗對實驗人員可能造成的危險，并且可以在可控的實驗的狀態(tài)下采集所有的實驗數(shù)據(jù)［14］。McGehee等［14］用相似的真實試驗驗證了模擬器實驗數(shù)據(jù)的可靠性，其中比較了2種實驗的制動后避撞行為指標——制動至最大制動力度時間，結(jié)果表明2種實驗中制動至最大制動力度的時間近似。
在現(xiàn)有避撞行為的研究中，較好的分析了駕駛?cè)?、車輛、環(huán)境條件等諸多因素對于駕駛?cè)酥苿忧胺磻?yīng)過程的影響；但是缺少對不同危險程度下駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨榈难芯浚乙参刺岢鲎銐虻闹笜嗣枋鲋苿雍笾苿犹ぐ宀僮餍袨?，從而未能很好的分析不同危險情況不同駕駛?cè)说闹苿雍笾苿犹ぐ宀僮餍袨閰?shù)的差異。本研究依托配有8自由度運動系統(tǒng)的高仿真駕駛模擬器，研究了30個不同經(jīng)驗的駕駛?cè)嗽诓煌败嚋p速度（0.3，0.5，0.75g）和不同車頭時距（1.5，2.5s）的制動后制動踏板操作行為。針對其中140個只采取制動方式避撞的工況，利用ANOVA 模型，分別比較了不同風(fēng)險程度情況下的駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨閰?shù)的差異——踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間。
1 實驗
1.1 實驗人員
選擇30位持有駕照的駕駛?cè)俗鳛楸辉囌?，他們的行駛里程都超過了1萬km。其中，有4位駕駛?cè)嗽趯嶒炦^程中出現(xiàn)輕微不適癥狀，因此補充了4位駕駛?cè)俗鳛樘娲?。駕駛?cè)酥?位女性，24位男性，平均年齡為32.9歲（年齡標準方差：8.26）。
1.2 實驗設(shè)備
圖1為同濟大學(xué)駕駛模擬器。該駕駛模擬器的主要特征：駕駛艙為封閉剛性結(jié)構(gòu)，投影系統(tǒng)有5個投影儀內(nèi)置于駕駛艙，場景投影到球形幕上，水平視角為250°；仿真車輛為Renault Megane III，置于球體中央，去除發(fā)動機、保留輪胎，加載其他設(shè)備，如轉(zhuǎn)向盤、制動、換檔的力反饋系統(tǒng)和數(shù)據(jù)的輸入輸出設(shè)備，后視鏡為3塊LCD屏幕；運動系統(tǒng)為8 自由度；控制軟件為法國OKTAL公司開發(fā)的商業(yè)軟件SCANeRTM。
圖1 同濟大學(xué)駕駛模擬器Fig.1 Tongji University driving simulator
1.3 實驗設(shè)計與場景
被試人員根據(jù)駕駛里程的長短被分為3組：新手駕駛?cè)耍{駛里程在1萬～5萬km）、中等經(jīng)驗駕駛?cè)耍? 萬～10萬km）和經(jīng)驗駕駛?cè)耍ǎ?0萬km）。實驗使用了2×3×3的實驗設(shè)計方案，被試間因子為駕駛里程，被試內(nèi)因子為初始車頭時距（1.5，2.5s）和前車減速度（0.3，0.5，0.75g）。針對測試過程中可能存在的駕駛學(xué)習(xí)效應(yīng)，實驗中將通過隨機化方法（pseudo－randomization）［16］來均衡不同工況條件的出現(xiàn)順序，以控制并最小化學(xué)習(xí)程度。
正式實驗場景選擇1條4車道、平原沿海高速公路，天氣晴朗、視野良好、對向車流較少。駕駛?cè)耸紫纫蠹铀俚?20km／h，并且行駛在內(nèi)側(cè)車道。約2 min后，1 輛白色前車會切入到模擬器車輛前，并保持在120km／h的速度穩(wěn)定行駛。此時測試駕駛?cè)诵枰S前車行駛，保持車距在60～80m。在隨后的實驗過程中，前車會在不同車頭時距（1.5，2.5s）以不同前車減速度（0.3，0.5，0.75g）進行6次減速，減速開始的時候前車尾燈會發(fā)亮，每次前車會減速到停止。在前車每次減速之前，會首先判斷車頭時距是否滿足觸發(fā)條件（1.5s或2.5s），如果本車跟車較遠，屏幕上會提示“加速”。本車趨于穩(wěn)定跟隨的時候，前車才會觸發(fā)工況。
1.4 實驗流程
實驗駕駛?cè)说竭_實驗室之后，首先會在工作人員的輔助下，了解實驗基本過程、駕駛?cè)蝿?wù)以及實驗中可能所涉及到的安全因素，填寫實驗知情同意書和關(guān)于模擬器使用情況的調(diào)查問卷。
模擬器實驗分為試駕和正式跟車實驗2個部分。試駕場景采用城市道路數(shù)據(jù)庫，場景中加入適當社會車輛提高真實度。試駕環(huán)節(jié)主要目的是幫助測試人員在短時間內(nèi)熟悉模擬器的駕駛操作，整個試駕過程長約7min。此外，試駕場景中包含跟車練習(xí)和制動練習(xí)2個部分。在跟車練習(xí)中，駕駛?cè)艘笠?0km／h的速度跟隨前方紅色車輛。跟車過程中，屏幕上方將顯示駕駛?cè)水斍案嚲嚯x，駕駛?cè)丝梢愿鶕?jù)需要不斷改變與前車的距離，以熟悉在模擬器中對前車距離的感知。在試駕環(huán)節(jié)末端，駕駛?cè)吮灰笤陂L約2km 的直線路段執(zhí)行制動練習(xí)。練習(xí)過程中，駕駛?cè)耸紫缺灰蠹铀僦?00km／h，并嘗試保持該車速。直至看到前方停止的輕型貨車，駕駛?cè)诵枰凑掌湔ｑ{駛的習(xí)慣，將車輛安全，平穩(wěn)地停止在前車后方。完成后，需再重復(fù)操作1次以保證數(shù)據(jù)的有效性（此部分制動練習(xí)將作為不同駕駛?cè)苏Ｖ苿又苿拥幕鶞剩?，并且只有當駕駛?cè)顺晒④囕v停在前車后方1～2 m 范圍內(nèi)，才認為駕駛?cè)艘呀?jīng)熟悉車輛操作。
在完成試駕過程之后，駕駛?cè)藭? min的休息時間，如果駕駛?cè)藳]有異常反應(yīng)，則開始正式實驗。在正式試驗過程，駕駛模擬器以20 Hz的速率記錄以下數(shù)據(jù)：踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間。實驗結(jié)束之后填寫對模擬器使用情況評價問卷，包括2個部分，1部分是對駕駛模擬器的模擬真實度進行評價，另1部份是Kennedy設(shè)計8項駕駛模擬器眩暈測試表［17］。
2 實驗結(jié)果與討論
駕駛?cè)吮茏驳姆绞街饕?種：只制動、只變道、制動且變道。針對駕駛?cè)酥徊戎苿拥姆绞竭M行研究，共有140 個工況，其中發(fā)生39 起事故。在制動過程中，駕駛?cè)擞锌赡懿恢?次的制動，第1次制動主要是駕駛?cè)烁鶕?jù)制動前的情況進行綜合判斷的結(jié)果，后面的制動是駕駛?cè)烁鶕?jù)制動過程中的實時情況進行調(diào)整，筆者所研究的是駕駛?cè)说?次制動過程的制動踏板操作行為。工況發(fā)生后，駕駛?cè)烁嗟氖歉鶕?jù)制動時的車頭時距而不是工況促發(fā)時的車頭時距來確定制動程度的，這里采用開始制動時的車頭時距對制動后行為進行分類。
從獲得的開始制動時的車頭時距分布看出，約31.4%的車頭時距在＜0.8s，39.3%的車頭時距分布在［0.8，1.2s），29.3%的車頭時距分布在＞1.2s，從而將車頭時距分為3 類進行分析：S（＜0.8s），M（［0.8s，1.2s）），L（＞1.2s）。由于駕駛?cè)瞬扇≈恢苿颖茏卜绞降墓r沒有原始實驗分組那么均衡，樣本量不均衡。利用ANOVA進行分析，并采用TYPEⅢ方法檢驗變量的顯著性。此外，利用Tukey Comparisons方法檢驗不同風(fēng)險程度下制動后制動踏板操作行為參數(shù)的差異。
2.1 踩踏板速率
踩踏板速率（vBrake）指本次制動過程中，制動踏板壓力最大值與制動之最大制動踏板壓力時間的比值。圖2為不同危險程度下的踩踏板速率的均值。
從制動時車頭時距來看，隨著制動時車頭時距的減少，vBrake逐漸增大。Turkey’s HSD 檢驗表明制動時車頭時距為M比L情況下vBrake要顯著大91.03N／s（p＜0.05），S的要比M情況下顯著大90.09N／s（p＜0.05）。從前車減速度來看，隨著前車減速度的增大，vBrake也逐漸增大。Turkey’s HSD 檢驗表明0.75g比0.3g的情況下顯著大于129.96N／s（p＜0.05）。
ANOVA 分析結(jié)果表明，制動時車頭時距（F（2，135）＝14.63，p＜0.000 1）和前車減速度（F（2，135）＝7.84，p＝0.006）對vBrake的影響是顯著的。
圖2 不同危險程度下制動踏板速率均值分布Fig.2 Brake pedal rate under different braking headways and LV decelerations
圖3 反映了不同經(jīng)驗駕駛?cè)藇Brake的分布。新手駕駛?cè)说膙Brake是最大的，為242.3N／s。相比于新手駕駛?cè)?，?jīng)驗駕駛?cè)撕椭械冉?jīng)驗駕駛?cè)说膙Brake分別少36.5%和46.5%。這可能是因為新手駕駛?cè)艘驗轳{駛經(jīng)驗不足，面對危險情況，多數(shù)會采取較大的制動速率，而中等經(jīng)驗駕駛?cè)撕徒?jīng)驗駕駛?cè)瞬僮魉捷^高，會根據(jù)具體危險等級，選擇合適的制動速率。
圖3 不同經(jīng)驗駕駛?cè)酥苿犹ぐ逅俾示捣植糉ig.3 Brake pedal rate under different driving experiences
在ANOVO 模型中通過控制車頭時距和前車減速度的主效應(yīng)（main effect），測試不同駕駛經(jīng)驗群體間vBrake的差異。ANOVO 結(jié)果表明，制動時車頭時距（F（2，133）＝13.78，p＜0.0001）、前車減速度（F（2，133）＝8.26，p＝0.004）和駕駛經(jīng)驗（F（2，133）＝5.85，p＝0.0037）對vBrake的影響是顯著的。Turkey’s HSD 檢驗表明經(jīng)驗駕駛?cè)吮刃率竹{駛?cè)说膙Brake顯著小88.34N／s（p＜0.05），中等經(jīng)驗駕駛?cè)吮刃率竹{駛?cè)说膙Brake顯著小112.83N／s（p＜0.05）。
2.2 制動至25%，50%，最大制動踏板壓力時間
制動至25%制動踏板壓力時間（BT25%）指在此次制動過程中，從本車開始制動到本車制動到車輛理論最大制動踏板壓力值（250N）的25%的時間，如果此次制動過程制動踏板壓力值沒有達到62.5N，則缺?。恢苿又?0%制動踏板壓力時間（BT50%）指在此次制動過程中，從本車開始制動到本車制動到車輛理論最大制動踏板壓力值（250N）的50%的時間，如果此次制動過程制動踏板壓力值沒有達到125N，則缺??；制動至最大制動踏板壓力時間（BTmax）指在此次制動過程中，從本車開始制動到本車制動最大制動踏板壓力值的時間。
圖4展示了不同危險程度下，BT25%，BT50%，BTmax的均值的變化。隨著制動時車頭時距的減少，BT25%和BT50%也隨之減少，而BTmax除了制動時車頭時距為M、前車減速度為0.5g的情況以外，基本也隨之減少。但是隨著前車減速度的改變，這3 個指標并沒有顯著規(guī)律。此外，從ANOVA 分析結(jié)果也可以看出，相比于前車減速度，制動時車頭時距對這3個指標影響更加顯著。說明駕駛?cè)烁嗟氖歉鶕?jù)駕駛?cè)酥苿訒r的車頭時距不是前車減速度去判斷危險等級，從而決定第1次制動程度。相對于前車速度的改變，駕駛?cè)藢囶^時距的變化更加敏感。在設(shè)計追尾避撞系統(tǒng)的時候，更加要注意駕駛?cè)藳]有意識到前車減速的情形。
ANOVA 分析結(jié)果表明，制動時車頭時距（F（2，135）＝11.06，p＜0.000 1）和前車減速度（F（2，118）＝7.07，p＝0.001 2）對BT25%的影響都是顯著的；制動時車頭時距（F（2，135）＝11.95，p＜0.000 1）和前車減速度（F（2，118）＝6.94，p＝0.001 5）對BT50%的影響都是顯著的；制動時車頭時距（F（2，135）＝8.25，p＝0.000 4）對BTmax的影響是顯著的。
2.3 問卷分析
駕駛?cè)藛柧碚{(diào)查包括2 個部分，1 個是對駕駛模擬器的模擬真實度進行評價，另1個是Kennedy設(shè)計8 項駕駛模擬器眩暈測試表。對駕駛模擬器模擬真實度的調(diào)查問卷包含對車輛操作系統(tǒng)、運動系統(tǒng)、圖像顯示系統(tǒng)、3D 建模逼真度、聲音逼真度五項內(nèi)容，結(jié)果表明，平均超過70%的駕駛?cè)苏J為駕駛模擬器能夠真實的模擬顯示情況。駕駛模擬器眩暈測試表將每種情況分為4個等級：無－0、輕微－1、中等－2、嚴重－3，調(diào)查問卷結(jié)果表明，超過75%的測試人員在實驗后選擇了等級無或者輕微?？偟膩碚f，模擬器的操作環(huán)境對大部分駕駛員影響較小，對實驗結(jié)果影響較小，實驗數(shù)據(jù)真實可靠。
圖4 不同危險程度的制動時間均值分布Fig.4 Time to Brake under different braking headways and LV decelerations
3 結(jié)束語
研究利用同濟大學(xué)8自由度運動系統(tǒng)的高仿真駕駛模擬器研究了駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨椤Ｔ隈{駛模擬器環(huán)境下建立了不同前車減速度（0.3，0.5，0.75g）和不同初始車頭時距（1.5，2.5s）的工況，運用第1次制動過程中的踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間4個指標比較了不同風(fēng)險程度、不同駕駛?cè)说闹苿雍笾苿犹ぐ宀僮餍袨椴町悺?/p>
實驗結(jié)果表明踩踏板速率不僅僅受到制動時車頭時距、前車減速度的影響，同時駕駛經(jīng)驗也會產(chǎn)生影響，它可以很好的反應(yīng)不同駕駛?cè)嗽诓煌ｋU程度的避撞行為的差異。工況風(fēng)險等級越高，駕駛?cè)说钠骄忍ぐ逅俾试酱?；相比于?jīng)驗駕駛?cè)撕椭械冉?jīng)驗駕駛?cè)?，新手駕駛?cè)藭驗轳{駛經(jīng)驗不足，選擇采取更大制動踏板速率。相比于前車減速度，制動時車頭時距對制動至25%制動踏板壓力的時間、制動至50%制動踏板壓力的時間和制動至最大踏板壓力的時間顯著影響。駕駛?cè)藭S著制動時車頭時距的提高而更快的達到最大制動力度。此外，相比于前車速度的改變，駕駛?cè)藢χ苿訒r車頭時距的變化更加敏感。文中沒有嘗試利用這3個指標建立避撞預(yù)警算法，也沒有分析駕駛員控制方向避撞行為，此方面的研究還有待深入。
［1］Gilling S P.Collision avoidance，driver support and safety intervention system［J］.Jounnal of Navigation，1997，50（1）：27－32.
［2］Mcknight A J，Shinar D，Reizes A.The effect of the center high－mounted stop lamp on vans and trucks［R］.United States：National Public Services Research Institute，1989.
［3］Wang X，Chen X，Deng B.Shanghai 2020driving scenario models and traffic accident models development［R］.Shanghai：General Motors China Science Lab，2011.
［4］宋曉琳，馮廣剛，楊濟匡.汽車主動避撞系統(tǒng)的發(fā)展現(xiàn)狀及趨勢［J］.汽車工程，2008，30（4）：285－290.Song Xiaoling，F(xiàn)eng Guanggang，Yang Jikuang.The current state and trends of automotive active collision－avoidance system［J］.Automotive Engineering，2008，30（4）：285－290.（in Chinese）.
［5］Brown T L，Lee J D，McGehee D V.Human performance models and rear－end collision avoidance algorithms［J］.Human Factors：The Journal of the Human Factors and Ergonomics Society，2011，43（3）：462－482.
［6］Liebermann D G.A field study on braking responses during driving.i.triggering and modulation［J］.Ergonomics，1995，38（9）：1894－1902.
［7］Young M S，Stanton N A.Back to the future：brake reaction times for manual and automated vehicles［J］.Ergonomics，2007，50（1）：46－58.
［8］敬 明，鄧 衛(wèi)，劉志明，等.基于車輛個體特征的IDM 模型研究［J］.交通信息與安全，2012，30（5）：10－13.Jing Ming，Deng Wei，Liu Zhiming，et al.IDM model based on individual features［J］.Journal of Transport Information and Safety，2012，30（5）：10－13.（in Chinese）.
［9］張良力，吳超仲，黃 珍，等.面向安全預(yù)警的機動車駕駛意圖研究現(xiàn)狀與展望［J］.交通信息與安全，2012，30（3）：87－92.Zhang Liangli，Wu Chaozhong，Huang Zhen，et al.Research on driver’s intention for traffic safety pre－caution［J］.Journal of Transport Information and Safety，2012，30（3）：87－92.（in Chinese）.
［10］Chen M，Wang X，Zhang H，et al.Collision avoidance behavior in rear－end collision scenarios：driving simulator study［C］∥Compendium of 92th Transportation Research Board Annual Meeting，Transportation Research Board of the National Academies，Washington D.C：TRB.2013.
［11］Sohn S Y，Stepleman R.Meta－analysis on total braking time［J］.Ergonomics，1998，41（8）：1129－1140.
［12］Rudin－Brown C M，Parker H A.Behavioural adaptation to adaptive cruise control：implications for preventive strategies［J］.Transportation Research Part F：Traffic Psychology and Behaviour，2004（7）：59－76.
［13］白 玉，何 熊，龍 力.手機使用對駕駛員行為影響研究綜述［J］.交通信息與安全，2013，31（3）：136－142.Bai Yu，He Xiong，Long Li.Review of researches on impacts of mobile phone use on driving［J］.Journal of Transport Information and Safety，2013，31（3）：136－142.（in Chinese）.
［14］Senders A F.Simulation as a tool in the measurement of human performance［J］.Ergonomics，1991.34（8）：995－1025.
［15］McGehee D V，Mazzae E N，Baldwin G H S.Driver reaction time in crash avoidance research：validation of a driving simulator study on a test track［C］∥Proceedings of the Human Factors and Ergonomics Society Annual Meeting，Sandiego：SAGE，2000.
［16］Curry R C，Greenberg J A，Kiefer R J.NADS versus CAMP closed－course 19comparison eaminining“l(fā)ast－second”braking and steering maneuvers under various 20 kinematic conditions［R］.Washington D.C.：National Highway Traffic Safety Administration，2005.
［17］Kennedy R S，Lane N E，Berbaum K S.Simulator sickness questionnaire：an 12enhanced method for quantifying simulator sickness［J］.The International Journal of 13 Aviation Psychology.1993（3）：203－220.
猜你喜歡
高速路相鄰前車駕駛?cè)艘鈭D預(yù)測測試技術(shù)學(xué)報(2023年2期)2023-04-06 04:38:30 趣味性進度提示設(shè)計對時距知覺的影響人類工效學(xué)(2021年5期)2022-01-15 05:06:30 高鐵車頭為什么是子彈頭的?軍事文摘(2020年24期)2020-02-06 05:56:58 學(xué)習(xí)障礙學(xué)生與普通學(xué)生短時距估計的比較綏化學(xué)院學(xué)報(2019年10期)2019-10-12 01:08:12 回溯式時距估計的計時機制*心理科學(xué)進展(2018年8期)2018-02-21 18:32:04 在市場中成熟起來的大車頭村中國老區(qū)建設(shè)(2016年4期)2017-01-15 13:53:45 汽車追尾哪種情況無需負責(zé)人民交通(2016年9期)2016-06-01 12:19:39 標量計時模型的影響因素及發(fā)展*心理科學(xué)進展(2015年5期)2015-02-26 07:07:54 城市快速路單車道車頭間距的研究大連交通大學(xué)學(xué)報(2012年2期)2012-07-02 03:25:54 物理問答中學(xué)生數(shù)理化·高一版(2008年6期)2008-11-15 07:30:48
王雪松 游世凱 陳 銘
（同濟大學(xué)道路與交通工程教育部重點實驗室 上海 201804）
0 引言
交通事故中追尾事故所占比例最高。在國外，追尾事故占所有事故比例的25%～40%［1－2］。在上海，追尾事故大約占事故總數(shù)的20%，而在高速公路和隧道中，追尾事故的比例分別為49%和67%［3］。導(dǎo)致這類事故發(fā)生的主要原因有2個：①駕駛?cè)烁吖懒塑囶^時距以致沒有及時作出反應(yīng)；②駕駛?cè)藳]有采取有效避撞措施。研究駕駛?cè)说谋茏残袨閷τ诶斫怦{駛?cè)说谋茏残袨椤⒔⒅苿幽Ｐ颓€、避撞預(yù)警算法等有著重要作用［4－5］。
駕駛?cè)酥苿颖茏卜绞娇梢苑譃?個階段：駕駛?cè)酥苿忧胺磻?yīng)過程和制動后的減速過程。制動前反應(yīng)過程主要通過3個指標進行測量：制動反應(yīng)時間（從前車開始減速到本車完全釋放油門踏板的時間）、轉(zhuǎn)移時間（從完全釋放油門踏板到本車開始踩制動的時間）和總制動反應(yīng)時間（從前車開始減速到本車開始踩制動的時間）［6］。制動前反應(yīng)過程受到了駕駛?cè)?、車輛、環(huán)境條件等諸多因素的影響［7－10］。Sohn和Stepleman［11］的實驗發(fā)現(xiàn)總反應(yīng)時間不僅跟駕駛?cè)吮旧韺傩杂嘘P(guān)（美國駕駛?cè)吮确敲绹{駛?cè)艘磻?yīng)慢），還跟駕駛?cè)耸欠褚庾R到危險有關(guān)（沒有意識到危險的駕駛?cè)朔磻?yīng)時間會比意識到危險的駕駛?cè)朔磻?yīng)時間長）。Rudio－Brown和Parker［12］指出車輛對于駕駛 人反應(yīng)時間的影響主要與會導(dǎo)致駕駛?cè)朔中牡男袨橛嘘P(guān)，例如打手機［13］。
制動后避撞行為包括駕駛?cè)说闹苿映潭?、制動速率和制動次?shù)。目前，針對該方面的研究大多只是涉及一些相關(guān)的指標而沒有進一步的深入分析。駕駛模擬器在發(fā)達國家被廣泛用于涉及駕駛?cè)诵袨橐蛩氐难芯?。它可以高度逼真的虛擬現(xiàn)實環(huán)境，尤其是現(xiàn)實中較為危險的環(huán)境，避免了實驗對實驗人員可能造成的危險，并且可以在可控的實驗的狀態(tài)下采集所有的實驗數(shù)據(jù)［14］。McGehee等［14］用相似的真實試驗驗證了模擬器實驗數(shù)據(jù)的可靠性，其中比較了2種實驗的制動后避撞行為指標——制動至最大制動力度時間，結(jié)果表明2種實驗中制動至最大制動力度的時間近似。
在現(xiàn)有避撞行為的研究中，較好的分析了駕駛?cè)?、車輛、環(huán)境條件等諸多因素對于駕駛?cè)酥苿忧胺磻?yīng)過程的影響；但是缺少對不同危險程度下駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨榈难芯浚乙参刺岢鲎銐虻闹笜嗣枋鲋苿雍笾苿犹ぐ宀僮餍袨?，從而未能很好的分析不同危險情況不同駕駛?cè)说闹苿雍笾苿犹ぐ宀僮餍袨閰?shù)的差異。本研究依托配有8自由度運動系統(tǒng)的高仿真駕駛模擬器，研究了30個不同經(jīng)驗的駕駛?cè)嗽诓煌败嚋p速度（0.3，0.5，0.75g）和不同車頭時距（1.5，2.5s）的制動后制動踏板操作行為。針對其中140個只采取制動方式避撞的工況，利用ANOVA 模型，分別比較了不同風(fēng)險程度情況下的駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨閰?shù)的差異——踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間。
1 實驗
1.1 實驗人員
選擇30位持有駕照的駕駛?cè)俗鳛楸辉囌?，他們的行駛里程都超過了1萬km。其中，有4位駕駛?cè)嗽趯嶒炦^程中出現(xiàn)輕微不適癥狀，因此補充了4位駕駛?cè)俗鳛樘娲?。駕駛?cè)酥?位女性，24位男性，平均年齡為32.9歲（年齡標準方差：8.26）。
1.2 實驗設(shè)備
圖1為同濟大學(xué)駕駛模擬器。該駕駛模擬器的主要特征：駕駛艙為封閉剛性結(jié)構(gòu)，投影系統(tǒng)有5個投影儀內(nèi)置于駕駛艙，場景投影到球形幕上，水平視角為250°；仿真車輛為Renault Megane III，置于球體中央，去除發(fā)動機、保留輪胎，加載其他設(shè)備，如轉(zhuǎn)向盤、制動、換檔的力反饋系統(tǒng)和數(shù)據(jù)的輸入輸出設(shè)備，后視鏡為3塊LCD屏幕；運動系統(tǒng)為8 自由度；控制軟件為法國OKTAL公司開發(fā)的商業(yè)軟件SCANeRTM。
圖1 同濟大學(xué)駕駛模擬器Fig.1 Tongji University driving simulator
1.3 實驗設(shè)計與場景
被試人員根據(jù)駕駛里程的長短被分為3組：新手駕駛?cè)耍{駛里程在1萬～5萬km）、中等經(jīng)驗駕駛?cè)耍? 萬～10萬km）和經(jīng)驗駕駛?cè)耍ǎ?0萬km）。實驗使用了2×3×3的實驗設(shè)計方案，被試間因子為駕駛里程，被試內(nèi)因子為初始車頭時距（1.5，2.5s）和前車減速度（0.3，0.5，0.75g）。針對測試過程中可能存在的駕駛學(xué)習(xí)效應(yīng)，實驗中將通過隨機化方法（pseudo－randomization）［16］來均衡不同工況條件的出現(xiàn)順序，以控制并最小化學(xué)習(xí)程度。
正式實驗場景選擇1條4車道、平原沿海高速公路，天氣晴朗、視野良好、對向車流較少。駕駛?cè)耸紫纫蠹铀俚?20km／h，并且行駛在內(nèi)側(cè)車道。約2 min后，1 輛白色前車會切入到模擬器車輛前，并保持在120km／h的速度穩(wěn)定行駛。此時測試駕駛?cè)诵枰S前車行駛，保持車距在60～80m。在隨后的實驗過程中，前車會在不同車頭時距（1.5，2.5s）以不同前車減速度（0.3，0.5，0.75g）進行6次減速，減速開始的時候前車尾燈會發(fā)亮，每次前車會減速到停止。在前車每次減速之前，會首先判斷車頭時距是否滿足觸發(fā)條件（1.5s或2.5s），如果本車跟車較遠，屏幕上會提示“加速”。本車趨于穩(wěn)定跟隨的時候，前車才會觸發(fā)工況。
1.4 實驗流程
實驗駕駛?cè)说竭_實驗室之后，首先會在工作人員的輔助下，了解實驗基本過程、駕駛?cè)蝿?wù)以及實驗中可能所涉及到的安全因素，填寫實驗知情同意書和關(guān)于模擬器使用情況的調(diào)查問卷。
模擬器實驗分為試駕和正式跟車實驗2個部分。試駕場景采用城市道路數(shù)據(jù)庫，場景中加入適當社會車輛提高真實度。試駕環(huán)節(jié)主要目的是幫助測試人員在短時間內(nèi)熟悉模擬器的駕駛操作，整個試駕過程長約7min。此外，試駕場景中包含跟車練習(xí)和制動練習(xí)2個部分。在跟車練習(xí)中，駕駛?cè)艘笠?0km／h的速度跟隨前方紅色車輛。跟車過程中，屏幕上方將顯示駕駛?cè)水斍案嚲嚯x，駕駛?cè)丝梢愿鶕?jù)需要不斷改變與前車的距離，以熟悉在模擬器中對前車距離的感知。在試駕環(huán)節(jié)末端，駕駛?cè)吮灰笤陂L約2km 的直線路段執(zhí)行制動練習(xí)。練習(xí)過程中，駕駛?cè)耸紫缺灰蠹铀僦?00km／h，并嘗試保持該車速。直至看到前方停止的輕型貨車，駕駛?cè)诵枰凑掌湔ｑ{駛的習(xí)慣，將車輛安全，平穩(wěn)地停止在前車后方。完成后，需再重復(fù)操作1次以保證數(shù)據(jù)的有效性（此部分制動練習(xí)將作為不同駕駛?cè)苏Ｖ苿又苿拥幕鶞剩?，并且只有當駕駛?cè)顺晒④囕v停在前車后方1～2 m 范圍內(nèi)，才認為駕駛?cè)艘呀?jīng)熟悉車輛操作。
在完成試駕過程之后，駕駛?cè)藭? min的休息時間，如果駕駛?cè)藳]有異常反應(yīng)，則開始正式實驗。在正式試驗過程，駕駛模擬器以20 Hz的速率記錄以下數(shù)據(jù)：踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間。實驗結(jié)束之后填寫對模擬器使用情況評價問卷，包括2個部分，1部分是對駕駛模擬器的模擬真實度進行評價，另1部份是Kennedy設(shè)計8項駕駛模擬器眩暈測試表［17］。
2 實驗結(jié)果與討論
駕駛?cè)吮茏驳姆绞街饕?種：只制動、只變道、制動且變道。針對駕駛?cè)酥徊戎苿拥姆绞竭M行研究，共有140 個工況，其中發(fā)生39 起事故。在制動過程中，駕駛?cè)擞锌赡懿恢?次的制動，第1次制動主要是駕駛?cè)烁鶕?jù)制動前的情況進行綜合判斷的結(jié)果，后面的制動是駕駛?cè)烁鶕?jù)制動過程中的實時情況進行調(diào)整，筆者所研究的是駕駛?cè)说?次制動過程的制動踏板操作行為。工況發(fā)生后，駕駛?cè)烁嗟氖歉鶕?jù)制動時的車頭時距而不是工況促發(fā)時的車頭時距來確定制動程度的，這里采用開始制動時的車頭時距對制動后行為進行分類。
從獲得的開始制動時的車頭時距分布看出，約31.4%的車頭時距在＜0.8s，39.3%的車頭時距分布在［0.8，1.2s），29.3%的車頭時距分布在＞1.2s，從而將車頭時距分為3 類進行分析：S（＜0.8s），M（［0.8s，1.2s）），L（＞1.2s）。由于駕駛?cè)瞬扇≈恢苿颖茏卜绞降墓r沒有原始實驗分組那么均衡，樣本量不均衡。利用ANOVA進行分析，并采用TYPEⅢ方法檢驗變量的顯著性。此外，利用Tukey Comparisons方法檢驗不同風(fēng)險程度下制動后制動踏板操作行為參數(shù)的差異。
2.1 踩踏板速率
踩踏板速率（vBrake）指本次制動過程中，制動踏板壓力最大值與制動之最大制動踏板壓力時間的比值。圖2為不同危險程度下的踩踏板速率的均值。
從制動時車頭時距來看，隨著制動時車頭時距的減少，vBrake逐漸增大。Turkey’s HSD 檢驗表明制動時車頭時距為M比L情況下vBrake要顯著大91.03N／s（p＜0.05），S的要比M情況下顯著大90.09N／s（p＜0.05）。從前車減速度來看，隨著前車減速度的增大，vBrake也逐漸增大。Turkey’s HSD 檢驗表明0.75g比0.3g的情況下顯著大于129.96N／s（p＜0.05）。
ANOVA 分析結(jié)果表明，制動時車頭時距（F（2，135）＝14.63，p＜0.000 1）和前車減速度（F（2，135）＝7.84，p＝0.006）對vBrake的影響是顯著的。
圖2 不同危險程度下制動踏板速率均值分布Fig.2 Brake pedal rate under different braking headways and LV decelerations
圖3 反映了不同經(jīng)驗駕駛?cè)藇Brake的分布。新手駕駛?cè)说膙Brake是最大的，為242.3N／s。相比于新手駕駛?cè)?，?jīng)驗駕駛?cè)撕椭械冉?jīng)驗駕駛?cè)说膙Brake分別少36.5%和46.5%。這可能是因為新手駕駛?cè)艘驗轳{駛經(jīng)驗不足，面對危險情況，多數(shù)會采取較大的制動速率，而中等經(jīng)驗駕駛?cè)撕徒?jīng)驗駕駛?cè)瞬僮魉捷^高，會根據(jù)具體危險等級，選擇合適的制動速率。
圖3 不同經(jīng)驗駕駛?cè)酥苿犹ぐ逅俾示捣植糉ig.3 Brake pedal rate under different driving experiences
在ANOVO 模型中通過控制車頭時距和前車減速度的主效應(yīng)（main effect），測試不同駕駛經(jīng)驗群體間vBrake的差異。ANOVO 結(jié)果表明，制動時車頭時距（F（2，133）＝13.78，p＜0.0001）、前車減速度（F（2，133）＝8.26，p＝0.004）和駕駛經(jīng)驗（F（2，133）＝5.85，p＝0.0037）對vBrake的影響是顯著的。Turkey’s HSD 檢驗表明經(jīng)驗駕駛?cè)吮刃率竹{駛?cè)说膙Brake顯著小88.34N／s（p＜0.05），中等經(jīng)驗駕駛?cè)吮刃率竹{駛?cè)说膙Brake顯著小112.83N／s（p＜0.05）。
2.2 制動至25%，50%，最大制動踏板壓力時間
制動至25%制動踏板壓力時間（BT25%）指在此次制動過程中，從本車開始制動到本車制動到車輛理論最大制動踏板壓力值（250N）的25%的時間，如果此次制動過程制動踏板壓力值沒有達到62.5N，則缺?。恢苿又?0%制動踏板壓力時間（BT50%）指在此次制動過程中，從本車開始制動到本車制動到車輛理論最大制動踏板壓力值（250N）的50%的時間，如果此次制動過程制動踏板壓力值沒有達到125N，則缺??；制動至最大制動踏板壓力時間（BTmax）指在此次制動過程中，從本車開始制動到本車制動最大制動踏板壓力值的時間。
圖4展示了不同危險程度下，BT25%，BT50%，BTmax的均值的變化。隨著制動時車頭時距的減少，BT25%和BT50%也隨之減少，而BTmax除了制動時車頭時距為M、前車減速度為0.5g的情況以外，基本也隨之減少。但是隨著前車減速度的改變，這3 個指標并沒有顯著規(guī)律。此外，從ANOVA 分析結(jié)果也可以看出，相比于前車減速度，制動時車頭時距對這3個指標影響更加顯著。說明駕駛?cè)烁嗟氖歉鶕?jù)駕駛?cè)酥苿訒r的車頭時距不是前車減速度去判斷危險等級，從而決定第1次制動程度。相對于前車速度的改變，駕駛?cè)藢囶^時距的變化更加敏感。在設(shè)計追尾避撞系統(tǒng)的時候，更加要注意駕駛?cè)藳]有意識到前車減速的情形。
ANOVA 分析結(jié)果表明，制動時車頭時距（F（2，135）＝11.06，p＜0.000 1）和前車減速度（F（2，118）＝7.07，p＝0.001 2）對BT25%的影響都是顯著的；制動時車頭時距（F（2，135）＝11.95，p＜0.000 1）和前車減速度（F（2，118）＝6.94，p＝0.001 5）對BT50%的影響都是顯著的；制動時車頭時距（F（2，135）＝8.25，p＝0.000 4）對BTmax的影響是顯著的。
2.3 問卷分析
駕駛?cè)藛柧碚{(diào)查包括2 個部分，1 個是對駕駛模擬器的模擬真實度進行評價，另1個是Kennedy設(shè)計8 項駕駛模擬器眩暈測試表。對駕駛模擬器模擬真實度的調(diào)查問卷包含對車輛操作系統(tǒng)、運動系統(tǒng)、圖像顯示系統(tǒng)、3D 建模逼真度、聲音逼真度五項內(nèi)容，結(jié)果表明，平均超過70%的駕駛?cè)苏J為駕駛模擬器能夠真實的模擬顯示情況。駕駛模擬器眩暈測試表將每種情況分為4個等級：無－0、輕微－1、中等－2、嚴重－3，調(diào)查問卷結(jié)果表明，超過75%的測試人員在實驗后選擇了等級無或者輕微?？偟膩碚f，模擬器的操作環(huán)境對大部分駕駛員影響較小，對實驗結(jié)果影響較小，實驗數(shù)據(jù)真實可靠。
圖4 不同危險程度的制動時間均值分布Fig.4 Time to Brake under different braking headways and LV decelerations
3 結(jié)束語
研究利用同濟大學(xué)8自由度運動系統(tǒng)的高仿真駕駛模擬器研究了駕駛?cè)酥苿雍笾苿犹ぐ宀僮餍袨椤Ｔ隈{駛模擬器環(huán)境下建立了不同前車減速度（0.3，0.5，0.75g）和不同初始車頭時距（1.5，2.5s）的工況，運用第1次制動過程中的踩踏板速率、制動至25%制動踏板壓力時間、制動至50%制動踏板壓力時間和制動至最大制動踏板壓力時間4個指標比較了不同風(fēng)險程度、不同駕駛?cè)说闹苿雍笾苿犹ぐ宀僮餍袨椴町悺?/p>
實驗結(jié)果表明踩踏板速率不僅僅受到制動時車頭時距、前車減速度的影響，同時駕駛經(jīng)驗也會產(chǎn)生影響，它可以很好的反應(yīng)不同駕駛?cè)嗽诓煌ｋU程度的避撞行為的差異。工況風(fēng)險等級越高，駕駛?cè)说钠骄忍ぐ逅俾试酱?；相比于?jīng)驗駕駛?cè)撕椭械冉?jīng)驗駕駛?cè)?，新手駕駛?cè)藭驗轳{駛經(jīng)驗不足，選擇采取更大制動踏板速率。相比于前車減速度，制動時車頭時距對制動至25%制動踏板壓力的時間、制動至50%制動踏板壓力的時間和制動至最大踏板壓力的時間顯著影響。駕駛?cè)藭S著制動時車頭時距的提高而更快的達到最大制動力度。此外，相比于前車速度的改變，駕駛?cè)藢χ苿訒r車頭時距的變化更加敏感。文中沒有嘗試利用這3個指標建立避撞預(yù)警算法，也沒有分析駕駛員控制方向避撞行為，此方面的研究還有待深入。
［1］Gilling S P.Collision avoidance，driver support and safety intervention system［J］.Jounnal of Navigation，1997，50（1）：27－32.
［2］Mcknight A J，Shinar D，Reizes A.The effect of the center high－mounted stop lamp on vans and trucks［R］.United States：National Public Services Research Institute，1989.
［3］Wang X，Chen X，Deng B.Shanghai 2020driving scenario models and traffic accident models development［R］.Shanghai：General Motors China Science Lab，2011.
［4］宋曉琳，馮廣剛，楊濟匡.汽車主動避撞系統(tǒng)的發(fā)展現(xiàn)狀及趨勢［J］.汽車工程，2008，30（4）：285－290.Song Xiaoling，F(xiàn)eng Guanggang，Yang Jikuang.The current state and trends of automotive active collision－avoidance system［J］.Automotive Engineering，2008，30（4）：285－290.（in Chinese）.
［5］Brown T L，Lee J D，McGehee D V.Human performance models and rear－end collision avoidance algorithms［J］.Human Factors：The Journal of the Human Factors and Ergonomics Society，2011，43（3）：462－482.
［6］Liebermann D G.A field study on braking responses during driving.i.triggering and modulation［J］.Ergonomics，1995，38（9）：1894－1902.
［7］Young M S，Stanton N A.Back to the future：brake reaction times for manual and automated vehicles［J］.Ergonomics，2007，50（1）：46－58.
［8］敬 明，鄧 衛(wèi)，劉志明，等.基于車輛個體特征的IDM 模型研究［J］.交通信息與安全，2012，30（5）：10－13.Jing Ming，Deng Wei，Liu Zhiming，et al.IDM model based on individual features［J］.Journal of Transport Information and Safety，2012，30（5）：10－13.（in Chinese）.
［9］張良力，吳超仲，黃 珍，等.面向安全預(yù)警的機動車駕駛意圖研究現(xiàn)狀與展望［J］.交通信息與安全，2012，30（3）：87－92.Zhang Liangli，Wu Chaozhong，Huang Zhen，et al.Research on driver’s intention for traffic safety pre－caution［J］.Journal of Transport Information and Safety，2012，30（3）：87－92.（in Chinese）.
［10］Chen M，Wang X，Zhang H，et al.Collision avoidance behavior in rear－end collision scenarios：driving simulator study［C］∥Compendium of 92th Transportation Research Board Annual Meeting，Transportation Research Board of the National Academies，Washington D.C：TRB.2013.
［11］Sohn S Y，Stepleman R.Meta－analysis on total braking time［J］.Ergonomics，1998，41（8）：1129－1140.
［12］Rudin－Brown C M，Parker H A.Behavioural adaptation to adaptive cruise control：implications for preventive strategies［J］.Transportation Research Part F：Traffic Psychology and Behaviour，2004（7）：59－76.
［13］白 玉，何 熊，龍 力.手機使用對駕駛員行為影響研究綜述［J］.交通信息與安全，2013，31（3）：136－142.Bai Yu，He Xiong，Long Li.Review of researches on impacts of mobile phone use on driving［J］.Journal of Transport Information and Safety，2013，31（3）：136－142.（in Chinese）.
［14］Senders A F.Simulation as a tool in the measurement of human performance［J］.Ergonomics，1991.34（8）：995－1025.
［15］McGehee D V，Mazzae E N，Baldwin G H S.Driver reaction time in crash avoidance research：validation of a driving simulator study on a test track［C］∥Proceedings of the Human Factors and Ergonomics Society Annual Meeting，Sandiego：SAGE，2000.
［16］Curry R C，Greenberg J A，Kiefer R J.NADS versus CAMP closed－course 19comparison eaminining“l(fā)ast－second”braking and steering maneuvers under various 20 kinematic conditions［R］.Washington D.C.：National Highway Traffic Safety Administration，2005.
［17］Kennedy R S，Lane N E，Berbaum K S.Simulator sickness questionnaire：an 12enhanced method for quantifying simulator sickness［J］.The International Journal of 13 Aviation Psychology.1993（3）：203－220.
猜你喜歡
測試技術(shù)學(xué)報(2023年2期)2023-04-06 04:38:30
人類工效學(xué)(2021年5期)2022-01-15 05:06:30
軍事文摘(2020年24期)2020-02-06 05:56:58
綏化學(xué)院學(xué)報(2019年10期)2019-10-12 01:08:12
心理科學(xué)進展(2018年8期)2018-02-21 18:32:04
中國老區(qū)建設(shè)(2016年4期)2017-01-15 13:53:45
人民交通(2016年9期)2016-06-01 12:19:39
心理科學(xué)進展(2015年5期)2015-02-26 07:07:54
大連交通大學(xué)學(xué)報(2012年2期)2012-07-02 03:25:54
中學(xué)生數(shù)理化·高一版(2008年6期)2008-11-15 07:30:48
