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實驗室，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)能夠為駕駛?cè)藥砀影踩?、高效的出行體驗。

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，也會成為駕駛過程中的次任務(wù)來源，從而影響駕駛績效。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，會導(dǎo)致時間共享性變差，從而影響駕駛績效?？梢?，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，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。

事實上，駕駛過程中80%的信息由視覺獲取并加工，一項駕駛?cè)艘曈X測試研究證實，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、動態(tài)視敏度較差等?？梢?，視覺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)雜度對視覺表現(xiàn)的影響。學(xué)者們通過對注視點的研究發(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)視覺信息爭奪駕駛?cè)擞邢薜囊曈X注意資源[8]。視覺信息的出現(xiàn)會導(dǎo)致掃視時長與掃視頻率的顯著變化[9]，使得注視時長變短，注視點分布不穩(wěn)定[10]，并減少駕駛?cè)藢Φ缆分行膮^(qū)域的關(guān)注[11]；同時，聽覺次任務(wù)信息的視覺影響表現(xiàn)為平均注視時長增加，影響注視點的位置波動變化[12]，掃視行為減少，視覺關(guān)注點相對集中在視野中心區(qū)域[13]，繼而引發(fā)駕駛?cè)颂綔y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Φ缆非闆r的探測能力，加快了突發(fā)情況的反應(yīng)時間[14]，信息復(fù)雜時會損害駕駛?cè)说囊曈X注意行為，信息簡單時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τ谳o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，從而評價車路協(xié)同系統(tǒng)給予駕駛?cè)溯o助信息的同時，是否對駕駛安全造成了負(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)濟有效的實驗環(huán)境，其在現(xiàn)實世界的有效性也已在前人研究中得到證實[16]。在系統(tǒng)設(shè)計和開發(fā)過程的早期進行相關(guān)研究，可在一定程度上減輕在現(xiàn)實環(huán)境中開發(fā)和實現(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)對駕駛?cè)艘曈X信息加工處理模式的影響，依托模擬駕駛實驗測試平臺，借助其安全性高、設(shè)計性強、便于控制外部因素等特點，搭建霧天高速公路車路協(xié)同駕駛場景，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)信息對駕駛?cè)艘曈X信息加工模式的影響機理。

1 實驗

1.1 實驗設(shè)備

1.1.1 車路協(xié)同系統(tǒng)實驗平臺

基于模擬駕駛技術(shù)搭建車路協(xié)同實驗環(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)人機交互終端(Human Machine Interface，HMI)組成，通過無線通信技術(shù)實現(xiàn)各組成部分的互聯(lián)互通。其中，駕駛模擬系統(tǒng)模塊具備場景設(shè)計開發(fā)、車載數(shù)據(jù)采集、數(shù)據(jù)傳輸?shù)裙δ埽崿F(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，進行數(shù)據(jù)融合處理及判定策略的計算，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。實驗平臺的架構(gòu)如圖1所示。

圖1 實驗平臺系統(tǒng)

1.1.2 HMI設(shè)計

HMI以Android6.0系統(tǒng)平板電腦M3為原型進行開發(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、車距監(jiān)測及盲區(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種方式進行視聽聯(lián)合信息發(fā)布。在各場景提示點中，HMI顯示信息提示并同步語音播報。實驗過程中，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 眼動儀

實驗采用SMI ETG 2w 眼鏡跟蹤器(眼動儀)以60 Hz的頻率采集駕駛?cè)说膭討B(tài)視覺信息，在駕駛?cè)艘暰€移動過程中實現(xiàn)對現(xiàn)實世界三維信息的視覺追蹤。眼動儀采集分辨率為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]。眼動儀可追蹤拍攝對象雙目，捕捉被試者的自然凝視行為，獲取高分辨率的場景視頻，進行動態(tài)興趣區(qū)的深度分析。

1.2 場景設(shè)計

選擇興延高速46 km路段作為實驗場景設(shè)計原型，場景設(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個車路協(xié)同預(yù)警系統(tǒng)，并設(shè)計部分生態(tài)車道，形成8個車路協(xié)同預(yù)警系統(tǒng)共13個事件的場景庫，分別如下：長下坡預(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、長隧道預(yù)警J、彎道預(yù)警K、隧道預(yù)警L及排隊預(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所示為場景第1段(即22 km路段)，其中C1-C3段為霧區(qū)試驗路段，全長840 m，限速60 km/h。車路協(xié)同信息包含進入霧區(qū)前500 m預(yù)警(前方500 m濃霧，限速60 km/h)、進入霧區(qū)預(yù)警(進入霧區(qū)，請小心駕駛)、車速監(jiān)測、盲區(qū)預(yù)警及超速預(yù)警。實驗針對2個路段(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4種場景。

圖3 實驗場景路徑概覽(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，平均駕齡12.5年。結(jié)合以往關(guān)于駕駛?cè)艘曈X特性研究的實驗[15，20]，本次實驗樣本量滿足要求。

1.4 實驗步驟

被試者需進行2次實驗，完成包含所有預(yù)警系統(tǒng)及事件在內(nèi)的4個子實驗場景的駕駛?cè)蝿?wù)，每次完成2個子場景。實驗主要過程如下。

①實驗前 首先，被試者填寫駕駛前問卷記錄基礎(chǔ)信息；其次，實驗員對被試者進行實驗前培訓(xùn)及測試，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，向被試者宣讀實驗指導(dǎo)語，告知被試者在正式實驗中需嚴(yán)格按照路側(cè)限速標(biāo)志行駛，確保自然駕駛狀態(tài)。

②實驗中 被試者正確佩戴眼動儀，在單次實驗中完成2個子場景的實驗，每個子場景的駕駛?cè)蝿?wù)持續(xù)約20 min，每次駕駛?cè)蝿?wù)至少間隔5 min。每次實驗開始前均進行儀器標(biāo)定及矯正。

③實驗后 被試者填寫駕駛后主觀問卷以獲取其主觀認(rèn)知感受和對場景的真實度評價。

1.5 數(shù)據(jù)預(yù)處理

首先，運用眼動儀自帶數(shù)據(jù)分析軟件SMI工具輸出駕駛?cè)藞鼍耙曨l以及對應(yīng)的文本數(shù)據(jù)；其次，對照視頻記錄駕駛?cè)诵旭傊领F區(qū)前500 m及駛出霧區(qū)的時間節(jié)點，并根據(jù)時間區(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、時間間隔等指標(biāo)；然后，觀測駕駛?cè)说淖⒁朁c分布范圍及規(guī)律，按經(jīng)驗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準(zhǔn)對象的活動，注視持續(xù)時間指視軸中心位置保持不變的持續(xù)時間，通常在100～20 000 ms之間[21]。掃視行為產(chǎn)生于兩次注視之間，通常指人眼對于交通環(huán)境中目標(biāo)搜索的過程，或注視點的轉(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間、平均注視頻率、平均掃視時間及平均掃視速度。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)進行剔除，最后保留29位被試者的眼動特性指標(biāo)。經(jīng)過Shapiro-Wilk檢驗，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倍長度的個例數(shù)據(jù)予以剔除，繪制HMI組與基準(zhǔn)組兩種實驗條件下駕駛?cè)艘曈X特性指標(biāo)的對比圖，見圖4。

圖4 視覺特性指標(biāo)對比

如圖4(a)所示，HMI組全局平均注視時間為319.43 ms，小于基準(zhǔn)組的平均注視時間(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)組的平均注視時間更長，且變異水平更高。另外，無論是HMI組還是基準(zhǔn)組，AOI平均注視時間均高于全局平均注視時間。

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)時間(全局為66.42 ms，興趣區(qū)域為64.41 ms)均大于基準(zhǔn)組(全局為61.78 ms，興趣區(qū)域為61.59 ms)。與全局平均掃視時間相比，興趣區(qū)域內(nèi)的平均掃視時間(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)組的平均掃視時間的變異水平高于HMI組。綜合上述結(jié)果可知，駕駛?cè)藢η胺降缆返钠骄鶔咭晻r間小于全局的平均掃視時間，HMI組的駕駛?cè)诵枰ㄙM更長的掃視時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。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)下對于前方路面的平均注視時間高于全局平均注視時間，平均注視頻率、平均掃視時間及平均掃視速度小于全局水平，表明駕駛?cè)酥饕ㄟ^長時間地注視前方道路獲取所需信息，對于其他車內(nèi)外環(huán)境等的掃視行為更多；同時，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間，而駕駛?cè)说娜肿⒁曨l率增加，但對前方路面的注視頻率降低，這一定程度上影響了駕駛?cè)藢τ谇胺降缆返年P(guān)注，同時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)出更長的掃視時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t檢驗比較HMI組和基準(zhǔn)組顯性眼動指標(biāo)的差異，結(jié)果如表2所示。

表2 成對樣本的t檢驗結(jié)果1)

從表2可以看出，全局平均掃視時間、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，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)前實驗條件下，即霧天使用車路協(xié)同系統(tǒng)時，終端HMI會顯著影響在前方路面及整個行車環(huán)境中的掃視行為，全局平均掃視時間增加，搜索行為更加快速，從而顯著降低了駕駛?cè)藢τ谇胺降缆返淖⒁夥峙洹Ｗ⒁夥峙涞慕Y(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、掃視時長均發(fā)生了明顯變化，其對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注視時間、注視頻率、掃視速度等顯性指標(biāo)進行關(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)的信息給予對駕駛?cè)艘曈X信息加工模式的影響。

運用Z-score對數(shù)據(jù)進行標(biāo)準(zhǔn)化轉(zhuǎn)換。首先進行KMO(Kaiser-Meyer-Olkin)檢驗和Bartelett球型檢驗，一般認(rèn)為KMO檢驗值大于0.5即可[23]，實際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個公因子，累積方差貢獻率達(dá)88.982%。計算旋轉(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中全局平均注視時間(Fd)和AOI平均注視時間(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，平均注視時間越長，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中掃視時間(Sd、Sdi)為荷載較大的指標(biāo)，掃視時間越長，表明駕駛?cè)双@取不同信息的時間間隔越大，說明駕駛?cè)烁兄男畔⒚芏冉档?，因此，將公因子F2定義為感知密度因子，駕駛?cè)说男畔⑺阉鲿r間越長，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暋咭曅袨榧安煌笜?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，不影響計算結(jié)果。計算得到3個公因子的得分函數(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)花費的信息提取時間減少，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，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 因子得分對比圖

4 結(jié)語

為揭示車路協(xié)同系統(tǒng)信息介入對駕駛?cè)艘曈X信息加工模式的影響，文中依托駕駛模擬實驗測試平臺搭建車路協(xié)同環(huán)境開展實驗，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)下主要通過長時間地注視前方道路獲取所需信息，對于其他車內(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τ谇胺降缆返年P(guān)注程度，對駕駛?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η胺降缆返淖⒁夥峙?，同時，駕駛?cè)吮憩F(xiàn)出時間更長、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?，信息感知密度降低，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，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、測試及應(yīng)用中需要被同時考慮，這對于最大程度地發(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)前研究證實了車路協(xié)同系統(tǒng)對于駕駛?cè)诵畔⒏兄庸つＪ郊扒胺降缆逢P(guān)注的影響是確實存在的，而這種改變的內(nèi)在致因以及其是否會進一步影響駕駛安全，則需要結(jié)合駕駛?cè)说牟僮骷败囕v運行狀態(tài)進一步探討。

文章僅以霧天高速自由流狀態(tài)為實驗條件，考慮視覺特性的場景敏感性，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)及交通事件時的應(yīng)用前評估及對比分析，例如一般路況、擁堵及事故路況條件、交叉口環(huán)境等。同時，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、人機界面的簡化設(shè)計、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，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。