馮謝星 張新鈺 張穎麟 曹立波，3

1.湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國家重點(diǎn)實(shí)驗(yàn)室，長沙，4100822.清華大學(xué)汽車安全與節(jié)能國家重點(diǎn)實(shí)驗(yàn)室，北京，1000843.湖南大學(xué)深圳研究院，深圳，518000

0 引言

2015年，美國國家公路交通安全管理局報(bào)告顯示:近50%的交通事故與駕駛員分心駕駛有關(guān)，分心駕駛已成為道路交通安全中日益嚴(yán)重的威脅[1]。分心駕駛有許多形式，包括次要任務(wù)的影響、無指向性視覺漂移和疲勞等[2]。其中，次要任務(wù)的影響主要包括打電話、使用導(dǎo)航以及相關(guān)的其他任務(wù)所造成的分心。近年來，車載信息系統(tǒng)(in-vehicle information systems, IVIS)快速發(fā)展，不僅傳統(tǒng)交互形式(如操作MP3、使用導(dǎo)航、接打電話等)會(huì)造成駕駛員注意力的分散，打車軟件作為新生事物也成為造成駕駛員分心的重要原因。打車軟件在全球范圍內(nèi)廣泛應(yīng)用，僅在中國打車軟件就有高達(dá)2億8100萬的用戶規(guī)模，與之相關(guān)的分心駕駛比例也快速上升[3]。因此，研究打車軟件對(duì)駕駛行為及其可靠性的影響具有重要意義。

目前，許多學(xué)者對(duì)分心駕駛進(jìn)行了大量研究。馬勇等[4]基于實(shí)車道路實(shí)驗(yàn)數(shù)據(jù)，采用統(tǒng)計(jì)學(xué)方法，研究了視覺分心對(duì)駕駛員轉(zhuǎn)向操作車道偏離的影響，結(jié)果表明車道偏離程度隨分心時(shí)長的增加而增大，且增大速度越來越快。高振海等[5]提出考慮人-車-路特性的無意識(shí)車道偏離識(shí)別方法，改進(jìn)了車道偏離預(yù)警系統(tǒng)的工作效能。WANG等[6]通過記錄志愿者的腦電圖(electroencephalography , EEG)和行為，采用獨(dú)立分量分析(independent component analysis ,ICA)法作為空間濾波器，并通過基于徑向基函數(shù)(radial basis function, RBF)核的支持向量機(jī)(support vector machine, SVM)建立駕駛員注意力評(píng)估體系，該系統(tǒng)實(shí)現(xiàn)了駕駛?cè)蝿?wù)方面的FOA(focus of attention)檢測與評(píng)估。然而，基于腦電圖的方法在數(shù)據(jù)收集和分析方面存在復(fù)雜機(jī)制，有其自身的局限性[7-8]。電流皮膚反應(yīng)(galvanic skin response, GSR)是情緒喚醒的最敏感標(biāo)記之一，被稱為皮膚電導(dǎo)反應(yīng)(skin conductance response , SCR)或電-皮膚活動(dòng)(electrodermal activity, EDA)[9]。GSR很容易收集。RAJENDRA等[10]研究了自然駕駛條件下利用GSR檢測分心駕駛的可能性，實(shí)驗(yàn)結(jié)果表明，在受試者存在非獨(dú)立的情況下，檢測準(zhǔn)確性高。PRZYBYLA等[11]通過分析NGSIM(next generation simulation)數(shù)據(jù)庫中駕駛員行為數(shù)據(jù)和道路交通數(shù)據(jù)庫來識(shí)別駕駛員的基本行為與特征，通過認(rèn)知心理學(xué)方法對(duì)識(shí)別結(jié)果進(jìn)行優(yōu)化，并在此基礎(chǔ)上建立了跟車操縱錯(cuò)誤的分析模型，從而預(yù)測了分心駕駛下的安全風(fēng)險(xiǎn)。LI等[12]基于證據(jù)理論框架，通過分析駕駛員注意力分散、被削弱以及疲倦等情況實(shí)時(shí)評(píng)估車輛的安全性，實(shí)驗(yàn)結(jié)果表明該方法可以有效改善車輛預(yù)警系統(tǒng)的魯棒性以及時(shí)間響應(yīng)。ARBIE等[13]研究了潛在的分心對(duì)自然駕駛環(huán)境中公交駕駛員駕駛表現(xiàn)的影響，結(jié)果表明駕駛員僅與乘客談話并不會(huì)影響駕駛員的正常駕駛。KIM等[14]、殷國棟等[15]研究了高速公路上的可變信息標(biāo)志對(duì)駕駛者駕駛的影響。HOSKING等[16]研究了使用手機(jī)檢索和發(fā)送短信對(duì)年輕新手駕駛表現(xiàn)的影響，結(jié)果表明駕駛員進(jìn)行電話通話會(huì)導(dǎo)致車頭時(shí)距縮短，車輛橫向位置保持不佳，以及對(duì)危機(jī)事件反應(yīng)延遲。CHISHOLM等[17]研究表明，編輯短信會(huì)導(dǎo)致車輛橫向位置的變化率增大50%，車頭時(shí)距變化率增大150%。HORREY等[18]的研究表明，手動(dòng)操作iPod會(huì)導(dǎo)致駕駛員對(duì)危機(jī)情況的反應(yīng)變慢。高振海等[19]為探索駕駛員精神狀態(tài)與生理信號(hào)之間的關(guān)系，建立了基于生理信號(hào)的認(rèn)知負(fù)荷評(píng)價(jià)方法，結(jié)果表明,相對(duì)于單一駕駛?cè)蝿?wù),雙任務(wù)工況下駕駛員感受的主觀壓力隨著任務(wù)難度的增大而增大，心率變異性功率譜密度、皮電水平和呼吸頻率等生理指標(biāo)與駕駛員的認(rèn)知狀態(tài)具有較強(qiáng)的關(guān)聯(lián)性,因而可以有效區(qū)分不同認(rèn)知負(fù)荷的兩種狀態(tài)。

但是，目前針對(duì)打車軟件的研究較少，并且尚未見探討如何改進(jìn)交互模式以減小對(duì)駕駛安全的影響。本文針對(duì)駕駛員與打車軟件交互模式，利用方差分析(analysis of variance, ANOVA)方法和事后檢驗(yàn)分析方法(Post Hoc)研究在不同交互模式下，跟車時(shí)距、轉(zhuǎn)向誤差、轉(zhuǎn)向速度以及平均速度等指標(biāo)的變化，并通過建立可靠度模型評(píng)價(jià)了各交互模型的安全風(fēng)險(xiǎn)。其中，交互模式包括信息提醒方式(文字提醒、語音提醒、綜合提醒)和操作方式(無操作、手動(dòng)操作、語音操作)。

1 試驗(yàn)設(shè)計(jì)

1.1 試驗(yàn)設(shè)備

使用Forum 8公司生產(chǎn)的模擬駕駛儀進(jìn)行試驗(yàn)。該模擬駕駛儀包括三臺(tái)42英寸液晶屏幕，距離駕駛員0.8 m，提供120°的視場。模擬駕駛儀以30 Hz采集駕駛員操作以及車輛運(yùn)動(dòng)數(shù)據(jù)。此外，一臺(tái)5.1英寸的智能手機(jī)被安放在模擬駕駛儀上，該手機(jī)與駕駛員正前方視角成水平方向30°和豎直方向15°的夾角。為了提供真實(shí)且可控的試驗(yàn)環(huán)境，使用APP Inventor軟件制作了試驗(yàn)打車軟件，該軟件與普通打車軟件有相同的界面，但是訂單的內(nèi)容和發(fā)出時(shí)間是可控的。

1.2 試驗(yàn)對(duì)象

由于年輕駕駛員駕駛經(jīng)驗(yàn)較少，且對(duì)新技術(shù)有較高興趣，且年輕駕駛員分心駕駛導(dǎo)致事故率比較高[20]，因此，本研究的18名志愿者均為23～27歲男性。志愿者均有過使用打車軟件的經(jīng)驗(yàn)，并且熟悉它的工作機(jī)制。所有志愿者均有較好的視力，保證其可以無障礙地獲取手機(jī)屏幕上的打車信息以及模擬駕駛儀上的交通標(biāo)志。

1.3 試驗(yàn)方案

試驗(yàn)采用3×3的組內(nèi)設(shè)計(jì)，包括打車軟件的三種操作方式：無操作(控制組)、手動(dòng)操作、聲控操作和三種信息提示方式：文字提醒、語音提醒、綜合提醒(文字語音同時(shí)提示)。試驗(yàn)中，志愿者在虛擬環(huán)境中駕駛?cè)Γ渲幸蝗ψ鳛榭刂迫?，一圈采用手?dòng)操作，一圈采用聲控操作；除控制圈外，各圈內(nèi)均有12次訂單提醒，其中文字提醒、語音提醒、綜合提醒分別為4次。

本試驗(yàn)的虛擬駕駛環(huán)境是一個(gè)8 km的閉合環(huán)路，環(huán)路包括三部分：變道任務(wù)區(qū)域、跟車任務(wù)區(qū)域、普通城市道路部分。變道任務(wù)區(qū)域是一段1 800 m的直道，每隔約150 m(均值M=150，標(biāo)準(zhǔn)差σ=46.4)有一個(gè)變道標(biāo)志。在這一區(qū)域中，志愿者被要求以60 km/h的速度駕駛，并且在看到變道標(biāo)志的第一時(shí)間變?nèi)胫付ㄜ嚨?；在其中的三個(gè)變道點(diǎn)，會(huì)有打車訂單需要志愿者處理。跟車區(qū)域是一條單車道直道，領(lǐng)航車輛以50 km/h行駛，并有5次突然減速到20 km/h，志愿者要求對(duì)前車減速及時(shí)反應(yīng)，并始終保持1.5 s的跟車時(shí)距；其中有3次減速會(huì)伴隨訂單。普通城市道路是雙車道直道和彎道，志愿者被要求以60 km/h的速度正常行駛，有4輛停在路邊的車輛會(huì)突然啟動(dòng)并入志愿者車道，志愿者需要及時(shí)剎車，以避免碰撞危險(xiǎn)，其中在三個(gè)危機(jī)情況下會(huì)伴隨著打車訂單。

打車訂單以文字、語音及文字/語音綜合方式展示在手機(jī)上，訂單內(nèi)容是出發(fā)地和目的地，志愿者要判斷是否接單，如果決定接單，則使用手觸摸屏幕上的“接單”按鍵或者說出“接單”兩字(分別在不同的試驗(yàn)圈中)實(shí)現(xiàn)接單?，F(xiàn)實(shí)中，司機(jī)是否接單會(huì)考慮許多因素，本研究中，為了試驗(yàn)的可控性和可重復(fù)性，簡化了接單原則：出發(fā)地和目的地是長沙市的二十個(gè)地點(diǎn)，如果訂單不需要跨越湘江，即出發(fā)地和目的地都在河?xùn)|或者都在河西，則接單；如果要跨越湘江，則不接單。

1.4 試驗(yàn)流程

志愿者首先簽署試驗(yàn)同意書，填寫個(gè)人基本信息；然后，志愿者對(duì)長沙地圖上的20個(gè)候選地點(diǎn)進(jìn)行記憶，并且熟悉接單規(guī)則。接下來，志愿者進(jìn)行模擬駕駛儀操作以及打車APP操作訓(xùn)練，時(shí)長約10 min。最后進(jìn)行正式試驗(yàn)，在試驗(yàn)場景中行駛3圈，每圈耗時(shí)約8 min。每個(gè)試驗(yàn)者總耗時(shí)約75 min。

2 試驗(yàn)數(shù)據(jù)分析

圖1所示為危機(jī)事件中駕駛數(shù)據(jù)對(duì)比圖，橫坐標(biāo)為操作方式，包括無操作、手動(dòng)操作以及聲控操作，每組柱狀圖中從左到右分別表示綜合提醒、文字提醒以及語音提醒。圖1a縱坐標(biāo)表示車輛距離危機(jī)時(shí)間發(fā)生點(diǎn)60 m時(shí)的接近速度。分析圖1可得如下結(jié)論：在危機(jī)事件的任務(wù)中，提醒形式和提醒-操作形式的交互作用對(duì)接近速度沒有顯著影響，但對(duì)最小跟車時(shí)距有顯著影響。最小跟車時(shí)距反映了碰撞危險(xiǎn)程度，數(shù)值越小，碰撞危險(xiǎn)性越大。對(duì)比所有工況下的最小跟車時(shí)距，手動(dòng)操作和文字/語音綜合提示下該指標(biāo)最小，最小跟車時(shí)距tmin=0.721 s。因此，該工況在打車軟件設(shè)計(jì)中應(yīng)予以充分考慮，避免該危險(xiǎn)工況的出現(xiàn)，從而保證駕駛安全。

(a)接近速度

(b)最小跟車時(shí)距圖1 危機(jī)事件中駕駛數(shù)據(jù)對(duì)比圖Fig.1 Driving performance in hazard events

圖2所示為跟車任務(wù)中駕駛數(shù)據(jù)對(duì)比。按照試驗(yàn)要求，志愿者應(yīng)該與前車保持1.5 s的跟車時(shí)距。分析圖2可得如下結(jié)論：在跟車任務(wù)中，無操作情況下，志愿者可以很好地按要求保持跟車時(shí)距。手動(dòng)操作和聲控操作情況下，平均跟車時(shí)距均會(huì)增大。其中，文字提醒和聲控操作的情況下，平均跟車時(shí)距最接近標(biāo)準(zhǔn)跟車時(shí)距，并且其最小跟車時(shí)距優(yōu)于無操作情況，因此，在打車軟件設(shè)計(jì)過程中，可以考慮該提醒與操作方式，從而保證駕駛安全。

(a)平均跟車時(shí)距

(b)最小跟車時(shí)距圖2 跟車任務(wù)中駕駛數(shù)據(jù)對(duì)比圖Fig.2 Driving performance in car following task

(a)轉(zhuǎn)向誤差

(b)轉(zhuǎn)向速度圖3 變道任務(wù)中駕駛數(shù)據(jù)對(duì)比圖Fig.3 Driving performance in lane changing task

圖3所示為變道任務(wù)中駕駛數(shù)據(jù)對(duì)比。轉(zhuǎn)向誤差以及轉(zhuǎn)向速度均可以表征駕駛員對(duì)車輛的橫向控制水平，轉(zhuǎn)向誤差和轉(zhuǎn)向速度越小，說明橫向控制越平穩(wěn)，反之則越不穩(wěn)定。分析圖3可得如下結(jié)論：提醒方式對(duì)轉(zhuǎn)向誤差和轉(zhuǎn)向速度有顯著影響，其中，綜合提醒會(huì)導(dǎo)致轉(zhuǎn)向誤差較大，因此，在軟件設(shè)計(jì)過程當(dāng)中，應(yīng)當(dāng)避免綜合提醒的方式，以保證駕駛安全。

3 可靠度評(píng)價(jià)

3.1 駕駛行為可靠性框架

為充分研究打車軟件信息提醒方式和操作方式對(duì)駕駛安全的影響，本文通過構(gòu)建基于感知、判斷以及操作等的駕駛行為可靠度模型，以打車軟件的使用為特定條件，對(duì)其在不同交互模式下的駕駛安全可靠度進(jìn)行評(píng)價(jià)。

圖4為駕駛行為可靠性框圖，其中跟車時(shí)距是志愿者對(duì)駕駛環(huán)境的感知、判斷以及相應(yīng)操作的綜合反映。變道任務(wù)中的平均速度和危機(jī)事件的接近速度體現(xiàn)了志愿者對(duì)車輛速度的判斷和對(duì)油門的操控。變道任務(wù)中的轉(zhuǎn)向速度和轉(zhuǎn)向誤差體現(xiàn)了志愿者對(duì)車輛轉(zhuǎn)向的判斷和對(duì)轉(zhuǎn)向盤的操作。

圖4 駕駛行為可靠性框架Fig.4 Driving behavior reliability framework

3.2 駕駛行為可靠度模型

根據(jù)文獻(xiàn)[21-22]中的模型建立原則，將跟車時(shí)距、速度控制、轉(zhuǎn)向控制相互串聯(lián)，而關(guān)于速度和轉(zhuǎn)向的變量分別并聯(lián)，據(jù)此，得到駕駛行為系統(tǒng)的可靠度模型如下：

(1)

式中，pi為可靠性框圖中第i個(gè)部件對(duì)系統(tǒng)整體可靠度的概率重要度；R1為跟車時(shí)距所代表的感知及判斷可靠度；R2、R3分別為表示平均速度和靠近速度所代表的速度控制可靠度；R4、R5分別為轉(zhuǎn)向誤差和轉(zhuǎn)向速度所代表的轉(zhuǎn)向控制可靠度。

R1、R2、R3、R4、R5選用單參數(shù)指數(shù)分布計(jì)算，即

Ri=e-λit

(2)

式中，Ri為第i個(gè)組件的可靠度；λi為第i個(gè)組件的可靠度模型參數(shù)；t為時(shí)間。

該分布滿足：①在0時(shí)刻不會(huì)發(fā)生駕駛失誤；②在無限遠(yuǎn)的時(shí)刻一定會(huì)發(fā)生駕駛失誤；③在時(shí)間區(qū)間上，函數(shù)總是單調(diào)下降的，函數(shù)值域?yàn)閇0,1]。其中，根據(jù)模擬試驗(yàn)的基本參數(shù)，對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理，求得7種不同的操作方式/提醒方式組合的各項(xiàng)參數(shù)，如表1所示。其中，Op1表示“無操作”，Op2表示“手動(dòng)操作+綜合提醒”，Op3表示“手動(dòng)操作+文字提醒”，Op4表示“手動(dòng)操作+語音提醒”，Op5表示“聲控操作+綜合提醒”，Op6表示“聲控操作+文字提醒”，Op7表示“聲控操作+語音提醒”；λ1表示跟車時(shí)距，λ2表示平均速度，λ3表示靠近速度，λ4表示轉(zhuǎn)向誤差，λ5表示轉(zhuǎn)向速度。

表1 可靠度模型參數(shù)Tab.1 The parameter of reliability model

本文通過層次分析法(analytic hierarchy process, AHP)計(jì)算概率重要度pi。依據(jù)下列規(guī)則構(gòu)造比較矩陣：aij=1，元素i與元素j重要性相同；aij=3，元素i比元素j稍微重要；aij=5，元素i比元素j重要；aij=7，元素i比元素j重要得多；aij=9，元素i比元素j極其重要；aij=2n，n=1,2,3,4，元素i與元素j的重要性介于aij=2n-1與aij=2n+1之間；aij=1/n，n=1,2,…, 9，當(dāng)且僅當(dāng)aji=n。比較矩陣如下：

(3)

計(jì)算得其最大特征向量所對(duì)應(yīng)的特征值并進(jìn)行歸一化，得到概率重要度

p=[0.438 7 0.038 1 0.096 7 0.215 0 0.166 4]

(4)

3.3 駕駛行為可靠度評(píng)價(jià)結(jié)果與分析

圖5 駕駛行為可靠度評(píng)價(jià)結(jié)果Fig.5 Driving behavior reliability evaluation result

按照式(2)計(jì)算不同交互模式下的駕駛安全可靠度，如圖5所示。據(jù)圖5可得以下結(jié)論：①7種交互方式可靠度大小順序?yàn)闊o操作、聲控操作+文字提醒、手動(dòng)操作+文字提醒、手動(dòng)操作+語音提醒、聲控操作+語音提醒、手動(dòng)操作+綜合提醒、聲控操作+綜合提醒。②提醒方式對(duì)可靠度的影響明顯，其中文字提醒方式下，駕駛安全可靠度較高，語音提醒情況下次之，綜合提醒情況下最低。該結(jié)論與第2節(jié)數(shù)據(jù)分析結(jié)果一致，因此，在軟件設(shè)計(jì)過程中，綜合提醒的方式必須避免，以保證駕駛安全。③除無操作以外，在交互模式中，文字提醒+聲控操作交互方式安全可靠度最高，在軟件的設(shè)計(jì)過程中可以予以充分考慮。該結(jié)論亦與第2節(jié)的數(shù)據(jù)分析結(jié)果一致，也從側(cè)面證明了此種模型在駕駛安全分析中的正確性。

4 結(jié)語

本文針對(duì)新興出現(xiàn)的打車軟件，基于駕駛模擬試驗(yàn)，對(duì)18名志愿者進(jìn)行了駕駛試驗(yàn)，分別統(tǒng)計(jì)了跟車任務(wù)、變道任務(wù)以及危機(jī)事件任務(wù)中駕駛員的行為數(shù)據(jù)，探究其操作方式和提醒方式對(duì)駕駛員駕駛表現(xiàn)的影響。試驗(yàn)結(jié)果表明：①提醒方式對(duì)駕駛行為安全性影響明顯，其中，綜合提醒的方式影響最大，在打車軟件設(shè)計(jì)過程中應(yīng)予以避免；②文字提醒+聲控操作交互方式的駕駛行為安全性最高，在打車軟件的設(shè)計(jì)過程中應(yīng)予以充分考慮；③利用方差分析和事后檢驗(yàn)分析法進(jìn)行數(shù)據(jù)初步分析，并根據(jù)跟車時(shí)距、速度控制以及轉(zhuǎn)向控制建立可靠度模型，評(píng)價(jià)不同交互模式下駕駛安全可靠度，其結(jié)論與數(shù)據(jù)初步分析結(jié)果一致，該方法為駕駛行為安全性提供了一種更加直觀的評(píng)價(jià)思路。