馬艷麗， 曹　陽， 史惠敏

(哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院，哈爾濱 150090)

?

考慮駕駛?cè)蝿?wù)需求的車內(nèi)次任務(wù)分神干預(yù)策略

馬艷麗， 曹陽， 史惠敏

(哈爾濱工業(yè)大學(xué) 交通科學(xué)與工程學(xué)院，哈爾濱 150090)

為使分配給駕駛?cè)蝿?wù)的注意水平與其任務(wù)需求相匹配，從而滿足安全駕駛要求，探究車內(nèi)次任務(wù)分神干預(yù)策略. 基于車輛和駕駛環(huán)境數(shù)據(jù)及前方道路場景視頻資料，構(gòu)建基于實時道路交通數(shù)據(jù)的駕駛?cè)蝿?wù)需求預(yù)測模型，采用駕駛?cè)蝿?wù)需求評估法，驗證所建預(yù)測模型的有效性，給出不同駕駛?cè)蝿?wù)需求下的次任務(wù)分神預(yù)防策略. 結(jié)果表明：駕駛?cè)蝿?wù)需求評估與預(yù)測等級一致性達到83%，沒有出現(xiàn)預(yù)測需求高，評估需求低的情況. 當(dāng)駕駛?cè)蝿?wù)需求較高時，除收音機及CD播放外，其他車載信息任務(wù)分神均應(yīng)予以警告或禁止，次任務(wù)分神可以通過制定預(yù)防策略避免，研究結(jié)果可為駕駛分神預(yù)警管理提供方案及技術(shù)支持.

駕駛?cè)蝿?wù)；車內(nèi)次任務(wù)；駕駛分神；需求預(yù)測；干預(yù)策略

汽車駕駛通常包含各種各樣的駕駛?cè)蝿?wù)和次任務(wù)，通常把最主要的駕駛?cè)蝿?wù)定義為保持車道和監(jiān)控道路危險，車內(nèi)次任務(wù)即導(dǎo)致視覺注意資源分散的車內(nèi)任務(wù)，既包括視覺的任務(wù)，如看地圖、收發(fā)短信、找東西等，也包括非視覺的任務(wù)，如打電話、聽收音機、喝飲料、思考問題等，二者在視覺通道上直接產(chǎn)生沖突，分散了駕駛?cè)俗⒁饬Γ瑢?dǎo)致駕駛分神[1]. 據(jù)美國國家公路交通安全管理局統(tǒng)計[2]，由駕駛員分神所導(dǎo)致的交通事故中，約30%(100萬次)是由于車內(nèi)次任務(wù)分神所引起，而車載信息系統(tǒng)(in-vehicle information system, IVIS)是引起車內(nèi)分神重要因素. 如何減少因車內(nèi)次任務(wù)分神所導(dǎo)致的駕駛差錯及交通事故，尋找解決次任務(wù)潛在危險的有效方案，對于提高道路交通安全水平，推動車載信息技術(shù)在汽車工業(yè)中的應(yīng)用有重要意義[3-4].

最新調(diào)查顯示，在諸多車內(nèi)次任務(wù)中，有超過70%的駕駛?cè)碎_車時間使用音頻娛樂系統(tǒng)，而使用手機及其他無線設(shè)備最容易導(dǎo)致車禍發(fā)生[5-6]. 而車內(nèi)次任務(wù)中，與乘客交談、安撫后座的兒童等與乘客相關(guān)的行為成為釀成車禍的第二大誘因[7-8]. 分配給駕駛?cè)蝿?wù)的注意水平必須與其任務(wù)需求相匹配才能滿足安全駕駛要求[9]. 而實時評估駕駛?cè)蝿?wù)需求可減少次任務(wù)分神，當(dāng)駕駛?cè)蝿?wù)需求超過特定指標閾值時，不鼓勵或禁止某些次任務(wù). 早期采用駕駛?cè)蝿?wù)需求評估的是通用智能駕駛?cè)溯o助(GIDS)[10]及車內(nèi)多媒體通信(communicar)研究. GIDS項目應(yīng)用多資源注意分配理論評價駕駛?cè)蝿?wù)工作負荷，如轉(zhuǎn)向、超車及計劃的次任務(wù)，基于信息估計及工作量確定次任務(wù)優(yōu)先等級；communicar項目基于車輛行駛數(shù)據(jù)(如剎車、油門位置)及神經(jīng)網(wǎng)絡(luò)模型評估駕駛?cè)蝿?wù)工作負荷[10-11]. 美國國家公路交通安全管理局資助SAVE-IT(safety vehicle(s) using adaptive Interface Technology)項目研究，通過實時監(jiān)控道路條件及駕駛?cè)诵袨閬砉芾砀鞣N車載系統(tǒng)[12]. 歐洲委員會自適應(yīng)人機交互(AIDE)研究，考慮駕駛?cè)说姆稚駹顟B(tài)，對新車技術(shù)和便攜設(shè)備應(yīng)用提供預(yù)警信息，實現(xiàn)減少駕駛員分神水平[13].

車內(nèi)次任務(wù)種類繁多，目前國內(nèi)相關(guān)成果報道較少，學(xué)者大多從車外資源吸引角度研究駕駛?cè)俗⒁夥峙鋄14]，盡管至今沒有對駕駛?cè)蝿?wù)與車內(nèi)次任務(wù)分神問題進行深入系統(tǒng)地研究，但也都為本項研究奠定了重要的基礎(chǔ). 鑒于目前道路交通事故中許多是由于車內(nèi)次任務(wù)分神所致，深入系統(tǒng)地研究符合我國國情的車內(nèi)次任務(wù)分神問題已迫在眉睫.

本文在分析駕駛?cè)蝿?wù)與車內(nèi)次任務(wù)需求的基礎(chǔ)上，研究基于駕駛?cè)蝿?wù)需求的車內(nèi)次任務(wù)分神干預(yù)策略，結(jié)合實驗數(shù)據(jù)資料評估與預(yù)測駕駛?cè)蝿?wù)需求，構(gòu)建基于實時交通數(shù)據(jù)的駕駛?cè)蝿?wù)需求預(yù)測模型，給出不同駕駛?cè)蝿?wù)需求下的次任務(wù)分神預(yù)防策略，研究成果將為駕駛分神預(yù)警干預(yù)策略提供支持.

1　駕駛?cè)蝿?wù)需求實驗

本研究基于仿真實驗及現(xiàn)場測試，開展駕駛?cè)蝿?wù)需求分析，在車上安裝遠程前方探測雷達，前方探測攝像頭，偏航傳感器，方向盤轉(zhuǎn)角傳感器，剎車制動傳感器，轉(zhuǎn)向激活信號. 雷達可以探測道路前方150 m范圍內(nèi)最多20個目標，測定各目標的相對距離(目標與車輛之間的距離)，相對速度和角度，相對速度可以判別前方物體是否與實驗車以相同的速度行駛. 利用Safe TRAC車道跟蹤儀測量駕駛員的橫向車道位置及其變化情況，判斷車輛的橫向位置與位移. 利用激光測距儀測量與前后其他目標物(包括車輛、行人等)的實時距離；借助AS1300 型卡車駕駛模擬系統(tǒng)，構(gòu)建不同道路交通駕駛環(huán)境，提供視覺、聽覺和動力3個維度的反饋，測試并記錄駕駛員在駕駛過程中的生理、眼動情況、判斷差錯、操作差錯等指標，獲得駕駛員駕駛分神及駕駛績效信息，測試車上的攝像頭分布見圖1[15].

圖1　測試車上的攝像頭分布

道路環(huán)境包括城市道路與公路，測試時間包括高峰和非高峰時間段. 收集車輛速度，相對距離，相對速度等數(shù)據(jù)，同時，記錄前方道路交通環(huán)境. 從實驗所得視頻資料中選取100個車輛行駛外部環(huán)境復(fù)雜程度跨度較大的視頻資料，包括沒有交通量或交通量較少，以及交通流密度較高的交通環(huán)境；不同車輛運行狀態(tài)(如: 變換車道、合流、分流). 視頻時長約8 s，選擇8 s時長的目的是避免時間過長造成道路交通環(huán)境的復(fù)雜度發(fā)生變化. 同時保證車輛傳感器有足夠時間獲取可靠數(shù)據(jù)以進行駕駛?cè)蝿?wù)需求主觀評定.

2　駕駛?cè)蝿?wù)需求評估與預(yù)測

2.1駕駛?cè)蝿?wù)需求評估

選擇20名(10男、10女)22～36歲的被試者，要求被試者熟悉車內(nèi)設(shè)施(如導(dǎo)航系統(tǒng))使用，持有有效駕照、兩眼裸視力或者矯正視力達到對數(shù)視力5.0以上. 被試者坐在駕駛模擬座位上，播放100個視頻資料估計駕駛?cè)蝿?wù)需求. 20名被試者對視頻資料進行評估，駕駛?cè)蝿?wù)需求評估分值為1～5分(1分為低，3分為中等，5分為高)評估指標為視頻中體現(xiàn)的交通環(huán)境條件下，駕駛員探測突發(fā)事件與危險并及時控制車速和車道位置，從而避免碰撞或者沖出路外等交通事故，所需要注意資源.

由于20名被試者在進行評估過程中存在個體差異，選取85%置信區(qū)間樣本均值代表某一特定道路交通環(huán)境下駕駛?cè)蝿?wù)需求程度，并劃分為以下3類：1)15個視頻場景的駕駛?cè)蝿?wù)需求較低(平均評分≤2.25)；2) 65個視頻場景的駕駛?cè)蝿?wù)需求中等(2.25<平均評分<3.50)；3)20個視頻場景的駕駛?cè)蝿?wù)需求高(平均評分≥3. 50).

2.2駕駛?cè)蝿?wù)需求預(yù)測

采用8 s間隔視頻預(yù)測駕駛?cè)蝿?wù)平均需求. 任務(wù)需求與幾個變量高度相關(guān)，包括平均車頭時距，實驗車速度. 如果實驗車速度相對前車速度為零，研究目標與實驗車輛以相同的速度移動；如果相對速度為正值，研究目標的速度大于實驗車輛；如果為負數(shù)，前方目標的速度比實驗車輛慢或目標來自對向車道. 如果目標位于車輛的右側(cè)，角度值為正，左側(cè)則為負值. 而相關(guān)性較低的變量包括目標速度和前車速度. 相關(guān)變量與特定駕駛?cè)蝿?wù)需求相關(guān)，建立駕駛?cè)蝿?wù)需求的相關(guān)因素預(yù)測模型. 其預(yù)測模型為

(1)

式中：W為駕駛?cè)蝿?wù)需求；k為常數(shù)，目標與實驗車輛行駛方向相同時k=1，目標與實驗車輛行駛方向相反(如對向車道物體)時k=4，靜止目標時k=0；θi為前方目標i的水平角；β為前車角度；λ為di/25(歸一距離，m)與di/vi(車頭時距，s)的最小值，其中di為實驗車輛距目標的距離，m，v為實驗車運行速度，m/s.

由式(1)可知，λ可反映駕駛?cè)蝿?wù)需求. 隨著di及車頭時距的減小，駕駛?cè)蝿?wù)需求增加. 駕駛?cè)蝿?wù)需求隨著前方目標數(shù)量的增加而增加. 模型受以下因素的影響:

(2)

式中：W′為駕駛?cè)蝿?wù)需求修正值；fr為偏航率，當(dāng)偏航率超過特定閾值(如：fr>4°)，表明車輛彎道行駛，模型需進行修正；當(dāng)偏航率較大時(如：fr>10°)，表明急彎或轉(zhuǎn)向行駛，此時，模型修正較大；fb為車道寬度修正系數(shù)，當(dāng)車道寬度小于閾值(3.25 m)時，上調(diào)W值；fv為車輛速度修正系數(shù)，當(dāng)實驗車速度低于閾值(15 m/s)，下調(diào)W值；fp為制動踏板作用系數(shù)，當(dāng)實驗車輛剎車時，需重新界定W值，研究所選的100個視頻資料不涉及緊急轉(zhuǎn)向行駛及急剎車情況.

修正的任務(wù)等級W′被分成3類：當(dāng)W′<0.5時為低需求；2.26>W′≥0.5時為中等需求；W′≥2.26時為高需求. 圖2為駕駛?cè)蝿?wù)需求評估值與預(yù)測值間關(guān)系. 其相關(guān)系數(shù)為0.84. 表明基于實時動態(tài)測算的駕駛?cè)蝿?wù)需求預(yù)測模型，具有一定的有效性.

由圖2可知，大多數(shù)不匹配情況如下，預(yù)測任務(wù)需求大的10個樣本，被評估為中等需求. 其中，8個樣本的駕駛?cè)蝿?wù)評估需求等級為3.25～3.40，非常接近高需求等級(平均評級≥3.3). 預(yù)測值處于低需求的視頻資料中，部分評價需求等級為2.40，非常接近低需求等級. 駕駛?cè)蝿?wù)預(yù)測需求和評估需求等級見表1.

圖2　駕駛?cè)蝿?wù)需求評估與需求預(yù)測分布

Fig.2Distribution of driving task demand assessment and forecast

表1　駕駛?cè)蝿?wù)需求評估與預(yù)測結(jié)果對照表

由表1可知，83%的視頻資料評估與預(yù)測等級一致，17%評估需求與預(yù)測需求不在同一分類等級(如：預(yù)測需求高，評估需求為中等). 表1中沒有出現(xiàn)匹配差異較大的情況(如: 預(yù)測需求高，而評估需求低).

由于駕駛?cè)藗€體之間存在差異，圖2和表1中需求評估等級源于20名駕駛?cè)说闹饔^評估均值. 預(yù)測值與主觀評估值二者之間的一致性代表了特定道路交通環(huán)境下駕駛?cè)蝿?wù)需求等級.

2.3基于駕駛?cè)蝿?wù)的車內(nèi)次任務(wù)需求分配

視掃描范圍考慮眼睛注視點位置或頭部姿勢，當(dāng)眼睛注視點或頭部姿勢在角度為24°×24°的矩形區(qū)域范圍內(nèi)，認為駕駛?cè)说囊曇胺秶鸀榍胺降缆罚駝t掃視范圍為道路以外目標. 研究發(fā)現(xiàn)，當(dāng)掃視范圍離開道路的時間超過某一閾值時，車道位置偏差、駛離車道次數(shù)、剎車反應(yīng)時間等指標將明顯增加. 駕駛績效水平隨著注視點離開道路的時間增加而下降，因此，當(dāng)駕駛?cè)艘晵呙桦x開時間道路超過某一閾值時，需提醒駕駛?cè)俗⒁?

對于各視頻樣本資料，要求被調(diào)查者決定特定駕駛環(huán)境中IVIS次任務(wù)的拒絕接受程度. 以問卷調(diào)查的形式，確定開車時哪些次任務(wù)可以執(zhí)行，被試者根據(jù)自己對駕駛?cè)蝿?wù)需求的判斷分別選擇數(shù)字1、2、3，其中數(shù)字1代表被試者認為某項IVIS次任務(wù)在特定駕駛?cè)蝿?wù)需求時“可以執(zhí)行”，數(shù)字2代表“建議不執(zhí)行”，數(shù)字3代表“禁止執(zhí)行”. 次任務(wù)包括：調(diào)諧收音機(尋找或旋轉(zhuǎn)按鈕)、播放收音機及CD、更換CD、選擇MP3項目、讀取導(dǎo)航儀指路信息、使用語音路徑誘導(dǎo)系統(tǒng). 駕駛?cè)蝿?wù)需求等級與次任務(wù)接受程度間關(guān)系見圖3.

圖3　駕駛?cè)蝿?wù)需求與次任務(wù)接受程度間關(guān)系

Fig.3Relationship between driving task requirements and secondary task acceptance

由圖3可知，調(diào)諧收音機與播放CD的結(jié)果相似，駕駛?cè)蝿?wù)需求介于中等之間，其接受程度平均值為1(允許)或接近1，駕駛?cè)蝿?wù)需求高時，其接受程度平均值接近2(建議不用). 處于低任務(wù)需求水平時，MP3的接受程度平均值接近1(允許)，處于中等需求水平接近2，處于高需求水平超越3.

不同駕駛?cè)蝿?wù)需求與電話及導(dǎo)航次任務(wù)接受程度的關(guān)系表明. 輸入導(dǎo)航信息其最初平均值為1.5，之后達到2(建議不用). 當(dāng)駕駛?cè)蝿?wù)需求處于中等水平，平均值超過2(建議不用)，駕駛?cè)蝿?wù)需求處于較高水平，平均值接近3(禁止).

讀取導(dǎo)航系統(tǒng)中的指路信息，當(dāng)駕駛?cè)蝿?wù)需求為中等水平時，次任務(wù)接受程度平均得分為2(建議不用)，駕駛?cè)蝿?wù)需求為高水平時，平均得分為3(禁止).

對于語音導(dǎo)航系統(tǒng)，當(dāng)駕駛?cè)蝿?wù)需求為高或中等時，平均得分約為2. 表明閱讀路徑信息比語音導(dǎo)航更易分神，鼓勵駕駛?cè)耸褂脦в姓Z音提示功能的導(dǎo)航系統(tǒng)，可最大限度減少駕駛分神.

3　車內(nèi)次任務(wù)分神干預(yù)策略

基于實時道路交通狀況預(yù)測駕駛?cè)蝿?wù)需求，當(dāng)駕駛?cè)蝿?wù)需求超過特定指標閾值時，不鼓勵或禁止某些次任務(wù)，以減少駕駛分神.

依據(jù)分析結(jié)果獲得不同駕駛?cè)蝿?wù)需求下車載信息系統(tǒng)分神預(yù)防策略，見表2，由表可知，是否禁止和勸告某些次任務(wù)取決于駕駛?cè)蝿?wù)需求.

表2不同駕駛?cè)蝿?wù)需求下IVIS任務(wù)分神預(yù)警策略

Tab.2IVIS distracted warning strategies under different driving task requirements

需求預(yù)測需求評估高中等低收音機/CD播放———調(diào)諧收音機/CD——警告更換CD——警告視聽導(dǎo)航系統(tǒng)——警告可視導(dǎo)航系統(tǒng)—警告禁止MP3播放—警告禁止

注：“—”代表不采取預(yù)警措施

當(dāng)駕駛?cè)蝿?wù)需求較高時，除收音機及CD播放外，所有其他設(shè)備功能使用均應(yīng)予以警告或禁止，其中可視導(dǎo)航系統(tǒng)及便攜式音頻播放器操作應(yīng)該被禁止.

4　結(jié)　論

1) 分配給駕駛?cè)蝿?wù)的注意水平必須與其任務(wù)需求相匹配才能滿足安全駕駛要求. 結(jié)合實驗測試，基于車輛和駕駛環(huán)境數(shù)據(jù)及前方道路場景視頻，構(gòu)建了基于道路交通數(shù)據(jù)的駕駛?cè)蝿?wù)實時需求預(yù)測模型，采用駕駛?cè)蝿?wù)需求評估法，驗證了所建預(yù)測模型的有效性.

2) 結(jié)合實際道路交通條件下駕駛?cè)蝿?wù)需求分析，給出基于不同駕駛?cè)蝿?wù)需求的次任務(wù)分神預(yù)防策略. 如駕駛?cè)蝿?wù)需求高，駕駛?cè)吮仨毞峙漭^多注意給駕駛?cè)蝿?wù). 如駕駛?cè)蝿?wù)需求低，駕駛?cè)丝梢苑峙湟欢康淖⒁饨o特定次任務(wù).

3)基于實時道路交通狀況預(yù)測駕駛?cè)蝿?wù)需求，當(dāng)預(yù)測駕駛?cè)蝿?wù)需求超過特定指標閾值時，采取相應(yīng)的預(yù)警措施. 此時，建議或禁止開車時執(zhí)行某些車內(nèi)次任務(wù)，以減少駕駛分神.

[1] BIRRELL S A, YOUNG M S. The impact of smart driving aids on driving performance and driver distraction[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2011, 14(6): 484-493.

[2] GREENBERG J, TIJERINA L, CURRY R. Evaluation of driver distraction using an event detection paradigm[J]. Journal of the Transportation Research Board, 2003, 1843:1-9.

[3] REGAN M. Driver distraction: reflection on the past, present and future[J]. Journal of the Australasian College of Road Safety, 2005, 12(2): 22-33.

[4] METZ B, LANDAU A, JUST M. Frequency of secondary tasks in driving-results from naturalistic driving data[J]. Safety Science, 2014,68 (10): 195-203.[5] BRODSKY W, SLOR Z. Background music as a risk factor for distraction among young-novice drivers[J]. Accident Analysis and Prevention, 2013, 59: 382-393.

[6] CONSIGLIO W, DRISOLL P, WITTE M, et al. Effect of cellular telephone conversations and other potential interference on reaction time in a braking response[J]. Accident Analysis and Prevention, 2003, 35 (4): 495-500.

[7] ARNETT J J, OFFER D, FINE M A. Reckless driving in adolescence: state and trait factors[J]. Accident Analysis and Prevention, 1997, 29(1):57-63.

[8] REGAN M , SALOMON P M, MITSOPOULOS E, et al. Crew resource management and young driver safety[C]// Proceedings of the Human Factors and Ergonomics Society 49th Annual Meeting. Santa Monica: Human Factors and Ergonomics Society, 2005: 2192-2196.

[9] ENGSTROM J A, JOHANSSON E. Effects of visual and cognitive load in real and simulated motorway driving[J]. Transportation Research Part F, 2005, 8(2): 97-120.

[10]RANTANEN E M, GOLDBERG J H. The effect of mental workload on the visual field size and shape[J]. Ergonom, 1999, 42(6): 816-834.

[11]ZHANG Yu, KABER D B, ROGERS M, et al. The effects of visual and cognitive distractions on operational and tactical driving behaviors[J]. Human Factors, 2014, 56(3): 592-604.

[12]ZHANG H, SMITH M R H, WITT G J. Identification of real-time diagnostic measures of visual distraction with an automatic eye tracking system[J]. Human Factors, 2006, 48(4): 805-822.

[13]BIRRELL S A, YOUNG M S. The impact of smart driving aids on driving performance and driver distraction[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2011, 14(6): 484-493.

[14]馬艷麗, 裴玉龍. 基于實驗心理學(xué)的駕駛員駕駛特性及其綜合評價研究[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2008, 40(12): 1569-1572.MA Yanli，PEI Yulong. Driving characteristics and its synthetic appraisal based on exerimental psychology[J]. Journal of Harbin Institute of Technology, 2008, 40(12): 1569-1572.

[15]馬艷麗，顧高峰，高月娥，等. 基于駕駛績效的車載信息系統(tǒng)操作分心判定模型[J]. 中國公路學(xué)報，2016, 29(4): 123-129.

MA Yanli，GU Gaofeng，GAO Yuee, et al. Driver distraction judging model under in-vehicle information system operation based on driving performance[J]. China Journal of Highway and Transport, 2016, 29(4): 123-129.

(編輯魏希柱)

Distraction intervention strategies of in-vehicle secondary tasks according to the driving task demand

MA Yanli, CAO Yang, SHI Huimin

(School of Transportation Science and Engineering, Harbin Institute of Technology, Harbin 150090, China)

The attention assigned to the driving task must be matched with its demand of safe driving, in order to explore the distraction intervention strategies of in-vehicle secondary tasks. An experimental vehicle was driven in naturalistic driving conditions to acquire real-time traffic data and videos of the road ahead. A prediction model was established to predict the driving task demand based on those real-time data. Participants assessed the driving task demand directly from short videos, verified the effectiveness of the prediction model, distraction intervention strategies under different driving task demand were proposed. The results showed that the consistency of driving task evaluation and prediction assessment is about 83%, there is no big difference, such as high forecasting demand and low evaluation requirements. Distraction intervention strategies based on real-time prediction of driving task demand can provide methods and technical support for the driver’s distraction management.

driving task; in-vehicle secondary tasks; driver distraction; demand forecasting; intervention strategies.

10.11918/j.issn.0367-6234.2016.09.004

2015-02-15

國家自然科學(xué)基金(51108136)

馬艷麗(1974—)，女，博士，副教授

馬艷麗，mayanli@hit.edu.cn

U491

A

0367-6234(2016)09-0020-04