牛增良，孟德宇，王光耀

國內(nèi)汽車市場駕駛?cè)搜蹌有袨闄z測技術(shù)分析

牛增良，孟德宇，王光耀

（中國汽車技術(shù)研究中心有限公司，天津 300300）

為研究不同認(rèn)知分心等級時的駕駛?cè)搜蹌有袨?，通過數(shù)理統(tǒng)計的分析方法，對實車道路試驗采集的駕駛?cè)送瓿刹煌燃壵J(rèn)知次任務(wù)時的眼動行為特性指標(biāo)進(jìn)行了對比分析，定量研究了不同認(rèn)知分心等級時駕駛?cè)说恼Ｑ邸咭暭白⒁暤淖兓?guī)律。結(jié)果表明：認(rèn)知次任務(wù)復(fù)雜度、眨眼頻率、掃視幅度、視野廣度之間顯著相關(guān)。隨著認(rèn)知次任務(wù)難度的增加，駕駛?cè)苏Ｑ垲l率顯著增加、搜索廣度明顯縮小、注視點(diǎn)分布更加集中?？梢姳疚牡难芯靠梢詾榛谘蹌有袨榈鸟{駛輔助系統(tǒng)的開發(fā)提供理論支持。

實車試驗；認(rèn)知分心；掃視行為；注視行為

前言

駕駛車輛是一項復(fù)雜的操作，需要駕駛?cè)碎L時間維持警覺，但是駕駛?cè)诵熊囘^程中主動參與分心活動的現(xiàn)象卻很常見，例如手機(jī)通話、與乘客交談、聽廣播等，這對駕駛安全造成潛在的危害。與視覺分心（視線偏離道路）和操作分心（肢體偏離操控裝置）不同，駕駛?cè)苏J(rèn)知分心指駕駛?cè)说淖⒁饬鸟{駛主任務(wù)轉(zhuǎn)移到額外的思維活動上，是一種內(nèi)源性質(zhì)的分心形式。

國內(nèi)外大量研究表明，認(rèn)知分心對駕駛?cè)艘曈X特性影響明顯。馬勇[1]等人通過對分析分心任務(wù)對駕駛?cè)说挠绊?，發(fā)現(xiàn)認(rèn)知分心比視覺分心會對駕駛?cè)水a(chǎn)生更高的精神負(fù)荷。Lamble等[2]的研究表明，駕駛?cè)嗽隈{駛的同時執(zhí)行非視覺相關(guān)的認(rèn)知分心次任務(wù)，會損害駕駛?cè)藢ξｋU的檢測能力，表現(xiàn)為對前車的制動反應(yīng)時間顯著增加。Patten等[3]研究了駕駛?cè)舜螂娫挼耐瑫r完成外圍檢測任務(wù)（PDT）。結(jié)果表明，駕駛?cè)舜螂娫挄r，對LED的反應(yīng)時間顯著增加，而且當(dāng)交談內(nèi)容的復(fù)雜性增加時，駕駛?cè)说姆磻?yīng)時間均顯著增加。Harbluk等[4]基于實際道路環(huán)境，研究了打電話行為對駕駛?cè)艘曈X行為的影響，研究發(fā)現(xiàn)認(rèn)知注意力分散時，駕駛?cè)藢ψ笥液笠曠R、內(nèi)后視鏡、儀表盤等周圍環(huán)境關(guān)注的時間較少，對前方視野的注視時間增加。吳付威等[5]研究干擾跟車情況下駕駛?cè)说淖⒁饬Ψ峙涮匦?，發(fā)現(xiàn)在有干擾車出現(xiàn)時，駕駛?cè)藢⒆⒁饬^多地分配到干擾車出現(xiàn)一側(cè)，對前方視野的關(guān)注程度相對降低。Harbluk等[6]探討了認(rèn)知分心對駕駛?cè)艘曈X行為的影響，發(fā)現(xiàn)隨著認(rèn)知任務(wù)負(fù)荷的增加，駕駛?cè)说膾咭暣螖?shù)減少，而注視道路中央的時間顯著增加，并且關(guān)注右側(cè)區(qū)域的時間減少。Miyaji等[7]通過對駕駛?cè)藦?qiáng)加交談和計算任務(wù)，重點(diǎn)研究了如何檢測識別駕駛?cè)苏J(rèn)知分心。研究表明在正常駕駛期間，前方注視點(diǎn)廣泛地分布在周邊區(qū)域，然而施加認(rèn)知分心任務(wù)后，前方注視點(diǎn)主要集中在狹小的范圍內(nèi)。Strayer等[8]通過對比不同試驗環(huán)境下駕駛?cè)诵袨樯钊肓私怦{駛?cè)苏J(rèn)知分心。結(jié)果發(fā)現(xiàn)，即使駕駛?cè)艘暰€不偏離前方道路，但認(rèn)知分心抑制駕駛?cè)素?fù)責(zé)安全駕駛的大腦區(qū)域活動，削弱了對駕駛環(huán)境的視覺掃描能力。馬勇[9]等通過對不同道路交通環(huán)境中駕駛?cè)说囊曈X特性進(jìn)行研究，發(fā)現(xiàn)不同道路環(huán)境對駕駛?cè)说漠a(chǎn)生的視覺負(fù)荷不同，從而顯著影響駕駛?cè)藢Σ煌瑓^(qū)域和目標(biāo)的注視頻次和注視時間。

綜上，國內(nèi)缺少實車道路試驗，國外研究多集中于對駕駛?cè)四骋灰曈X特性指標(biāo)的研究。本文擬研究城市與郊區(qū)之間的連接線路這一特定的環(huán)境下，不同認(rèn)知分心等級時的駕駛?cè)巳康难蹌犹匦砸?guī)律研究，以期為分心檢測提供理論支持。通過調(diào)研國內(nèi)外研究現(xiàn)狀，明確本文研究的眼動行為參數(shù)主要包括：累計關(guān)注時間、搜索廣度、峰值與平均掃視速度、掃視頻率與幅度、眨眼頻率等指標(biāo)。

1 駕駛?cè)苏J(rèn)知分心實車試驗

1.1 試驗設(shè)備與被試選擇

本文采用FaceLAB5眼動儀采集駕駛?cè)说难蹌訑?shù)據(jù)，如圖1與圖2所示，但是在校對過程中，32名被試者中有8名因為眼睛的先天構(gòu)造或佩戴眼鏡等原因，無法通過標(biāo)定。因此，在選擇被試駕駛?cè)藭r，避免鏡片的反光干擾眼動儀的識別準(zhǔn)確率；駕駛?cè)说恼鎸嶑{齡須在5年以上，且非營運(yùn)駕駛?cè)?。試驗用車為大眾途安轎車。

1.2 試驗道路選取

駕駛?cè)送ǔＰ旭偟牡缆奉愋椭饕谐鞘械缆?、高速公路、以及城市之間或者城市與郊區(qū)的連接線路。城市內(nèi)部主要以50km/h以下的車速通行，高速公路則在80km/h以上。當(dāng)在城市道路行駛時，由于交通構(gòu)成復(fù)雜，駕駛?cè)送ǔＷ⒁饬^集中，而高速公路上行駛，車速非?？?，駕駛?cè)送ǔ１３指叨染?。唯有城市之間或者城市與郊區(qū)的連接線路，速度通常維持在60km/h左右，交通構(gòu)成單一，駕駛?cè)巳菀追潘删?，主動參與認(rèn)知分心活動。因此，對最后一種道路類型下駕駛?cè)说恼J(rèn)知分心研究更有意義。

圖1 眼動儀紅外攝像機(jī)安裝位

圖2 眼動儀系統(tǒng)運(yùn)行主界面

1.3 試驗過程

試驗通過實車道路試驗的形式開展，試驗過程包括準(zhǔn)備、調(diào)試、試驗以及記錄五個部分。

（1）試驗人員利用10分鐘時間向參與試驗的24名被試人員說明試驗要求，試驗任務(wù)及整個流程；

（2）對眼動儀進(jìn)行安裝、調(diào)試和標(biāo)定，眼動儀能正確追蹤駕駛?cè)俗⒁朁c(diǎn)位置就算是通過驗證；

（3）開展實車試驗，制定不同等級分心任務(wù)，以是否帶借位的兩位數(shù)加減法作為區(qū)分標(biāo)準(zhǔn)。

（4）試驗全程采集駕駛?cè)搜蹌訑?shù)據(jù)，并由專門負(fù)責(zé)人記錄執(zhí)行試驗任務(wù)的起止時刻，通過標(biāo)志性建筑的時刻，區(qū)分直道與彎道的時刻以及發(fā)生諸如超車、變道等行為的時刻。

1.4 試驗數(shù)據(jù)分析

某一駕駛?cè)嗽谠囼炦^程中無分心任務(wù)狀態(tài)下的注視點(diǎn)分布圖如圖3所示。通過對原始數(shù)據(jù)的統(tǒng)計，可知駕駛?cè)舜蟛糠謺r間都處于注視狀態(tài)如表1所示，而掃視行為其次，僅輔助獲取目標(biāo)位置。

表1 駕駛?cè)烁餮蹌有袨槔塾嫊r間百分比

2 駕駛?cè)俗⒁曅袨檠芯?/h2>

2.1 注視區(qū)域的劃分

本文把駕駛?cè)说淖⒁晠^(qū)域分為6個部分。“1區(qū)”表示道路中心區(qū)域，參考Victor等[10]人的研究，該區(qū)域是駕駛?cè)双@取道路信息的主要注視區(qū)域；“2區(qū)”表示左后視鏡及附近區(qū)域，用于研究駕駛?cè)诵熊囘^程中對車輛右后方目標(biāo)的關(guān)注；“3區(qū)”表示右后視鏡及附近區(qū)域，用于研究駕駛?cè)藢囕v左后方目標(biāo)的關(guān)注；“4區(qū)”表示儀表盤及附近區(qū)域，用于研究行車過程中對車輛速度、發(fā)動機(jī)轉(zhuǎn)速等信息的關(guān)注；“5區(qū)”表示前方道路區(qū)域中除道路中心區(qū)域以外其他區(qū)域，用于研究駕駛?cè)藢ο噜徿嚨馈⑶胺降缆窐?biāo)志標(biāo)牌信號燈等的關(guān)注；“6區(qū)”表示車內(nèi)其他區(qū)域，用于研究駕駛?cè)藢χ锌嘏_等區(qū)域的關(guān)注。

2.2 區(qū)域的累計關(guān)注時間分析

依據(jù)本文的注視區(qū)域劃分方法，駕駛?cè)俗⒁暩鲄^(qū)域的總時間所占百分比如表2所示（共23組數(shù)據(jù)，24名被試中1名被試數(shù)據(jù)無效）。Victor等[10]的研究中指出PRC對視覺任務(wù)和聽覺任務(wù)非常敏感，通常視覺任務(wù)導(dǎo)致注視點(diǎn)更加分散，而聽覺任務(wù)則使駕駛?cè)说淖⒁朁c(diǎn)更聚焦于道路中心。表2中對1區(qū)的關(guān)注情況即表示PRC值，隨著認(rèn)知分心等級的增加，PRC值呈現(xiàn)出明顯的增加趨勢。說明認(rèn)知分心后，為了保證安全駕駛，駕駛?cè)舜蟛糠值哪抗舛季劢褂诘缆分行母浇?/p>

表2 各區(qū)域累計關(guān)注時間百分比

通過表2分析發(fā)現(xiàn)，不管駕駛?cè)擞袩o認(rèn)知分心，其絕大部分的時間都在關(guān)注前方道路，從而獲取道路環(huán)境信息。隨著認(rèn)知分心等級的增加，駕駛?cè)岁P(guān)注道路前方的時間也增加，PRC值也呈現(xiàn)出同樣的規(guī)律，隨著認(rèn)知負(fù)荷增加，比例顯著提高。而研究對后視鏡和儀表盤的關(guān)注情況發(fā)現(xiàn)，隨著認(rèn)知負(fù)荷的增加，關(guān)注的時間比例顯著下降，說明認(rèn)知分心后，駕駛?cè)撕鲆暳藢囁俚年P(guān)注。駕駛?cè)说恼J(rèn)知注意力資源是有限的，認(rèn)知分心嚴(yán)重分散了駕駛?cè)说恼J(rèn)知注意力，導(dǎo)致駕駛?cè)颂幚矶嗳蝿?wù)能力下降。

2.3 視覺搜索廣度

搜索廣度表示的是水平、垂直方向上的視覺搜索范圍，垂直及水平方向視角的標(biāo)準(zhǔn)差作為評價搜索廣度的指標(biāo)，用于反映行車過程中駕駛?cè)艘暯欠植嫉碾x散程度。為了獲取更多的環(huán)境信息，駕駛?cè)吮仨殧U(kuò)大自己的搜索范圍，相應(yīng)的視角標(biāo)準(zhǔn)差的值也就越大，試驗采集的24名被試數(shù)據(jù)均有效。

如圖4所示，無分心任務(wù)時的值明顯高于認(rèn)知分心后的值，而不同分心等級對駕駛?cè)舜怪狈较虻囊暯菢?biāo)準(zhǔn)差影響不明顯。對無分心任務(wù)和簡單分心任務(wù)時的視角標(biāo)準(zhǔn)差進(jìn)行獨(dú)立樣本T檢驗，發(fā)現(xiàn)伴隨概率p=0.004<0.05，表明無分心任務(wù)時的視角標(biāo)準(zhǔn)差顯著高于執(zhí)行簡單分心任務(wù)時的值，也說明無分心任務(wù)下駕駛?cè)舜怪狈较蛏系乃阉鞣秶鼜V。如圖5所示，復(fù)雜分心任務(wù)下，駕駛?cè)怂椒较虻乃阉鞣秶^小，而執(zhí)行簡單分心任務(wù)和無分心任務(wù)相比，水平方向搜索范圍基本無差別。將無分心任務(wù)、簡單分心任務(wù)分別與復(fù)雜分心任務(wù)下的水平視角標(biāo)準(zhǔn)差進(jìn)行獨(dú)立樣本T檢驗，都得出伴隨概率p=0.005<0.05，說明無分心任務(wù)與簡單分心任務(wù)時的水平視角標(biāo)準(zhǔn)差顯著高于復(fù)雜分心任務(wù)時的值。

圖4 垂直視角標(biāo)準(zhǔn)差

圖5 水平視角標(biāo)準(zhǔn)差

3 駕駛?cè)藪咭曅袨檠芯?/h2>

縱觀整個行車過程，用于掃視行為的時間總占比僅為15%左右，但掃視行為發(fā)揮著關(guān)鍵性的作用。為獲取更多的環(huán)境信息，駕駛?cè)诵枰蠓秶目焖偎阉?，由于測試精度要求比較高，有效數(shù)據(jù)僅為18組。

3.1 峰值掃視速度

峰值掃視速度為一次掃視行為中跨度最大的兩個采樣點(diǎn)對應(yīng)速度值。正常駕駛時的峰值掃視速度為3040o/s，簡單分心任務(wù)時為4349o/s，復(fù)雜分心任務(wù)時為3848o/s。分心后的注視目標(biāo)更明確，視線進(jìn)行大范圍轉(zhuǎn)移時不會留意目標(biāo)之間是否存在其他感興趣的目標(biāo)。然而，在無分心任務(wù)時駕駛?cè)俗⒁暷繕?biāo)并不很明確，在進(jìn)行視線轉(zhuǎn)移時會被注視目標(biāo)之間的其他事物干擾，從而峰值掃視速度較低。

3.2 掃視頻率

不同等級認(rèn)知次任務(wù)下駕駛?cè)说膾咭曨l率統(tǒng)計如圖6所示，認(rèn)知分心后的掃視頻率四分位數(shù)、中位數(shù)均高于正常駕駛階段的對應(yīng)值。而簡單分心任務(wù)下的掃視頻率分布又略高于復(fù)雜分心任務(wù)下的值。說明駕駛?cè)苏J(rèn)知分心占據(jù)了一部分認(rèn)知資源，獲取目標(biāo)相關(guān)信息的能力下降，通過增加掃視目標(biāo)的頻率以獲取相關(guān)信息。而隨著認(rèn)知分心等級的增加，占用了更多的認(rèn)知資源，駕駛?cè)瞬坏貌环艞墝σ恍┠繕?biāo)的觀察，從而降低了掃視頻率。

圖6 不同等級認(rèn)知分心次任務(wù)掃視頻率分布

3.3 掃視幅度

定義5~15°區(qū)間內(nèi)的掃視為低幅度掃視，15~30°為中幅度掃視，30°以上為大幅度掃視，如圖7所示。無論駕駛?cè)擞袩o分心任務(wù)，其掃視行為以低幅和中幅掃視為主。認(rèn)知分心后，駕駛?cè)说头葤咭曅袨闀r間增加，說明駕駛?cè)嗽黾恿说头鹊乃阉黝l次，這可能是因為駕駛?cè)苏J(rèn)知分心后，其中一部分注意力資源用于分心任務(wù)，剩余資源不足以處理大范圍掃視時獲取的信息，這是一種認(rèn)知分心補(bǔ)償機(jī)制。

圖7 不同認(rèn)知分心等級駕駛?cè)藪咭曅袨榻y(tǒng)計

3.4 平均掃視速度

平均掃視速度定義為掃視幅度與掃視持續(xù)時間的比值，單位為o/s。掃視平均速度能夠說明前一次注視過程中信息加工的速度以及被試者尋找下一個目標(biāo)的速度。分別統(tǒng)計駕駛?cè)藷o分心任務(wù)、簡單分心任務(wù)、復(fù)雜分心任務(wù)對應(yīng)的平均掃視速度，如圖8所示。無論駕駛?cè)擞袥]有參與認(rèn)知分心活動，可以認(rèn)為平均掃視速度主要分布于50o/s~300o/s之間。其中，在50~100o/s和150~300o/s的這4個區(qū)段內(nèi)，駕駛?cè)藷o論執(zhí)行簡單分心任務(wù)還是復(fù)雜分心任務(wù)時的平均掃視速度分布頻次百分比均與無認(rèn)知分心次任務(wù)時的值相當(dāng)。唯有在100~150o/s的區(qū)段內(nèi)，簡單分心任務(wù)和復(fù)雜分心任務(wù)時的頻次百分比高于無任務(wù)時的頻次百分比，而隨著認(rèn)知分心等級的增加，頻次百分比出現(xiàn)了一定的降幅。

圖8 不同認(rèn)知分心等級駕駛?cè)似骄鶔咭曀俣冉y(tǒng)計

4 駕駛?cè)苏Ｑ坌袨檠芯?/h2>

由試驗得出24組數(shù)據(jù)，可用于眨眼行為研究的有20組。如圖10所示，可知隨著任務(wù)難度的增加，眨眼頻率顯著增加。對無分心任務(wù)和復(fù)雜分心任務(wù)以及簡單分心任務(wù)和復(fù)雜分心任務(wù)時的眨眼頻率進(jìn)行獨(dú)立樣本T檢驗，得出伴隨概率分別為P=0.002<0.05和P=0.001<0.05，表明復(fù)雜分心任務(wù)下的眨眼頻率顯著高于無分心任務(wù)和簡單分心任務(wù)時的眨眼頻率，認(rèn)知分心后眨眼頻率分布更集中。

圖9 不同認(rèn)知分心等級下的眨眼頻率

圖10 眨眼持續(xù)時間分布

分析圖9可知，不同認(rèn)知分心等級下受試者的眨眼時間分布大致相當(dāng)，主要分布于0.13~0.2s的時間范圍內(nèi)，上邊緣的值基本在同一水平。如圖10所示可知，正常駕駛情況下，眨眼持續(xù)時間均值為0.176s，做簡單計算題和復(fù)雜計算題的均值分別為0.177s和0.171s，基本上無差異。說明同種類型不同等級的認(rèn)知分心次任務(wù)對駕駛?cè)苏Ｑ鄢掷m(xù)時間基本沒有影響。

5 結(jié)論

對駕駛?cè)嗽谕瓿刹煌瑥?fù)雜度的認(rèn)知次任務(wù)時的視覺特性指標(biāo)數(shù)據(jù)分析后，得到以下結(jié)論：

（1）駕駛?cè)苏J(rèn)知分心后眨眼頻率分布更集中，復(fù)雜分心任務(wù)下的眨眼頻率顯著高于正常駕駛和簡單分心任務(wù)下的值。不同等級的認(rèn)知分心次任務(wù)對駕駛?cè)苏Ｑ鄢掷m(xù)時間基本沒有影響。

（2）增加認(rèn)知分心任務(wù)以后，駕駛?cè)嗽黾恿诵》鹊乃阉黝l次而減少了大幅度的搜索頻次。

（3）與正常情況相比，駕駛?cè)俗龊唵畏中臅r平均掃視速度在100~150o/s范圍內(nèi)的頻次百分比增加了約5%，而隨著分心任務(wù)難度的增加，該區(qū)段的頻次百分比又出現(xiàn)了一定的降幅。

（4）無論有無認(rèn)知分心，絕大部分的時間都在關(guān)注前方道路。隨著認(rèn)知分心次任務(wù)難度的增加，駕駛?cè)岁P(guān)注道路前方的時間有所增加，尤其是在進(jìn)行復(fù)雜運(yùn)算時，幾乎全部時間都用于看前方道路。

（5）正常情況下駕駛?cè)舜怪狈较蛏系乃阉鞣秶黠@大于認(rèn)知分心后的搜索范圍。水平方向上僅在做復(fù)雜分心任務(wù)時搜索范圍顯著縮小。

（6）復(fù)雜分心任務(wù)時，組合視角標(biāo)準(zhǔn)差明顯低于正常駕駛和簡單分心任務(wù)時的值，說明復(fù)雜分心任務(wù)下，駕駛?cè)说目臻g搜索范圍顯著縮小了。

[1] 馬勇,付銳,袁鈺,等.基于駕駛?cè)朔中挠绊懗潭鹊鸟{駛分心任務(wù)評級[J].交通信息與安全,2014, 032(005): 47-51+57.

[2] Lamble D,Kauranen T, Laakso M, et al. Cognitive load and detection thresholds in car following situations: safety implications for using mobile (cellular) telephones while driving[J].Accident Analysis & Prevention,1999, 31(6):617-623.

[3] Patten C J D,Kircher A,?stlund J, et al.Using mobile telephones: cognitive workload and attention resource allocation[J].Accident analysis & prevention, 2004, 36(3):341-350.

[4] Harbluk J L,Noy Y I,Eizenman M.The impact of cognitive distrac -tion on driver visual behaviour and vehicle control[R].2002.

[5] 吳付威,黎莉,付銳.城市道路干擾跟車對駕駛?cè)俗⒁饬Ψ峙涞挠绊慬J].重慶交通大學(xué)學(xué)報（自然科學(xué)版）, 2018, 037(006):87-91.

[6] Harbluk J L,Noy Y I,Eizenman M.The impact of internal distraction on driver visual behavior[J].Retrieved June, 2000,15:2003.

[7] Miyaji M,Kawanaka H,Oguri K.Driver's cognitive distraction detec -tion using physiological features by the adaboost[C]//Intelligent Transportation Systems,2009.ITSC'09.12th International IEEE Con -ference on. IEEE, 2009:1.6.

[8] Strayer D L, Cooper J M, Turrill J, et al. Measuring cognitive distraction in the automobile[J]. 2013.

[9] 馬勇,付銳,孟妮,等.道路環(huán)境對駕駛?cè)搜蹌有袨橛绊懙脑囼炑芯縖J].交通運(yùn)輸系統(tǒng)工程與信息, 2015(03):86-92.

[10] Victor T W,Harbluk J L, Engstr?m J A. Sensitivity of eye.movement measures to in.vehicle task difficulty[J].Transportation Research Part F:Traffic Psychology and Behaviour,2005,8(2):167-190.

Analysis Of Driver’s Eye Movement Behavior Detection Technology In Domestic Automobile Market

Niu Zengliang, Meng Deyu, Wang Guangyao

( China Automotive Technology and Research Center Co., Ltd., Tianjin 300300 )

In order to study the drivers' eyes movement under the different level of cognitive distraction,the method of mathematical statistics was used to investigate the contrast analysis of eye movement index, when drivers complete different complexity of cognitive secondary tasks on the real vehicle road test, and do a quantitative research of variation to the drivers' blink, scanning and watched under the different level of cognitive distraction. The results show that the correlation is significant among the cognitive task complexity, blink frequency, saccade amplitude and the breadth of view .It is concluded that with the increase of cognitive secondary task difficulty, drivers' blink rate increased significantly, the search scope narrowed considerably, the fixation point distribution is more concentrated. Research of this paper provides theoretical support to the development of driving assistance systems which is based on eye movement behavior.

Real vehicle test; Cognitive distraction; Scanning behavior; Gaze behavior

10.16638/j.cnki.1671-7988.2021.07.035

U491

A

1671-7988(2021)07-107-05

U491

A

1671-7988(2021)07-107-05

牛增良，碩士，工程師，就職于中國汽車技術(shù)研究中心有限公司，研究方向：交通安全。