賈 輝,張 昆,顧鵬飛
(中國礦業(yè)大學 建筑與設(shè)計學院,江蘇 徐州 221116)
隨著汽車智能化的不斷發(fā)展,特別是在自動化駕駛技術(shù)的發(fā)展下,使得駕駛?cè)说闹饕{駛?cè)蝿?wù)從手動控制汽車轉(zhuǎn)向自動化監(jiān)督控制[1],在此過程中如果駕駛?cè)瞬荒芗皶r感知、分析判斷危險并做出相應(yīng)避險動作,則極有可能導(dǎo)致交通事故的發(fā)生[2],這就強調(diào)了讓駕駛?cè)吮3志X、專心和專注的重要性[3]。在汽車駕駛安全領(lǐng)域,對駕駛?cè)孙L險駕駛行為常見的預(yù)警干預(yù)方式以聽覺預(yù)警為主[4],研究聽覺預(yù)警對于駕駛?cè)思皶r感知危險、減少事故概率和保障駕駛?cè)税踩{駛具有重大意義。本文對聽覺預(yù)警中的語音預(yù)警語速和音量開展研究,通過模擬實驗和主觀測評的方式分析風險駕駛行為下駕駛?cè)藢Σ煌Z速和音量取值的語音預(yù)警的感知效果,為語音預(yù)警的設(shè)計和優(yōu)化提供一定參考。
提高駕駛員安全性和注意力的一種方法是使用聽覺預(yù)警來保持駕駛員的專注。在過去,汽車上的警報器多使用聽標和耳標等非語音化聲音來向司機傳遞當前車輛的狀態(tài),現(xiàn)如今汽車也開始使用語音警報向司機傳遞信息[5]。針對風險駕駛行為下的語音預(yù)警,Moskovitch等人使用主觀測量的方法來研究雙重任務(wù)下傳統(tǒng)文本轉(zhuǎn)語音(TTS)和壓縮語音(Spearcons)對駕駛員分心及任務(wù)處理的影響,研究發(fā)現(xiàn)壓縮語音(Spearcons)是不會分散注意力的且可以提高多任務(wù)處理的效率[6]。Hester等通過模擬自動駕駛場景比較了聲音警報、與任務(wù)無關(guān)的語音警報和與任務(wù)有關(guān)的語音警報對駕駛員的信任以及車輛自動化失敗時的反應(yīng),結(jié)果表明三種警報在信任度上無明顯差異,但實驗參與者皆更有能力從自動化的監(jiān)控角色切換到手動控制[5]。Rukonic和Nees等使用語音警報、聽覺圖標和視覺提醒的警報方式來研究視頻模擬汽車駕駛過程中駕駛?cè)藢瘓蟮恼J知負荷、信任度、有用性和煩惱度等方面的主觀感知。結(jié)果發(fā)現(xiàn)語音提醒導(dǎo)致了對提醒事件更好的記憶且具有最高的信任度和態(tài)勢感知,研究還表明兩種聽覺類型在學習任務(wù)上需要投入的精力更少,但是對警報的反感程度卻有所增加[7-8]。Richie等研究了語音、耳標和經(jīng)過壓縮語音(Spearcons)三種聽覺警告對駕駛?cè)说挠绊?,結(jié)果發(fā)現(xiàn)駕駛?cè)藢φZ音有最快的反應(yīng),如果使用壓縮語音則要考慮單詞的選擇[9]。
從上述可以看出,在語音預(yù)警的研究中,多數(shù)學者采用主觀測量的方法來開展研究,在研究對象上主要以語音預(yù)警類型以及語音預(yù)警同其他預(yù)警方式的比較為主,目前較少有單獨考慮語音預(yù)警語速和音量對駕駛?cè)说挠绊憽R虼吮狙芯恳燥L險駕駛行為下的語音預(yù)警為研究對象,探究語音預(yù)警以何種語速和音量提醒駕駛?cè)诵Ч罴选?/p>
研究以風險駕駛行為發(fā)生時的語音預(yù)警為研究對象,以該行為下語音預(yù)警的語速和音量下為變量,開展對比性研究探討當風險駕駛行為發(fā)生時語音預(yù)警以何種語速和音量提醒駕駛?cè)诵Ч罴?。引起事故發(fā)生的風險駕駛行為包括超速行駛、分心駕駛、疲勞駕駛等[10],而超速行駛是引發(fā)交通事故的主要風險駕駛行為之一[11]。尤其在高速公路行駛時,由于高速公路具有全封閉,單向通行和車速快的特點[12],超速行駛的風險駕駛行為時有發(fā)生。研究高速公路超速情境下的語音預(yù)警具有代表性。因此,該研究選取典型風險駕駛行為即高速公路超速駕駛行為作為研究載體,探究該情境下駕駛?cè)藢Σ煌Z音和音量取值的語音預(yù)警的感知效果進而得出風險駕駛行為下語音預(yù)警語速和音量的最佳參考值。
在感知效果評價方面,通過對38位具有三年及以上駕駛經(jīng)驗的駕駛?cè)诉M行問卷及用戶訪談,主要內(nèi)容包括個人基本信息、語音預(yù)警的場景以及駕駛?cè)藢φZ音預(yù)警的感性描述。問卷及訪談結(jié)束后以專家小組的方式對感性描述進行總結(jié)和評估,并以此為主要依據(jù),考慮已有研究的評價指標[13-15]、語音預(yù)警與駕駛?cè)私换サ木唧w情景和用戶特點等因素,結(jié)合語義分析法構(gòu)建出本研究中語音預(yù)警語速和音量感知效果的評價指標。感知效果評價指標共分為兩個維度,其中第一個維度描述的是語音預(yù)警語速和音量對駕駛?cè)说木拘Ч?;第二個維度描述的是語音預(yù)警語速和音量對駕駛?cè)说母蓴_效果。警示效果越優(yōu),干擾效果越弱且警示效果占干擾效果的比例越低則表明感知效果越佳。語音預(yù)警語速和音量評價指標及其闡述見表1。
表1 語速和音量評價指標及其闡述Tab.1 Speed and volume evaluation indicators and elaboration
在感知效果主觀評價數(shù)據(jù)的收集方面采用李克特量表進行,該量表是社會調(diào)查和心理測試領(lǐng)域最常使用的一種量表形式,較為容易設(shè)計和處理。通過李克特量表能夠通過快速直觀地獲取受測者對某事物或主題的認同程度并對其進行量化分析[16]。
實驗分為語速組和音量組,兩個組內(nèi)各有五段超速駕駛行為下的駕駛視頻,每段視頻中均含有超速駕駛行為下的語音預(yù)警語料,視頻噪聲均維持在66~68dB以此來模擬時速110~120km時車內(nèi)的噪音[17]。實驗中使用的語音預(yù)警的語料是基于百度AI開發(fā)平臺的語音合成技術(shù)實現(xiàn)的,采用女性形象來進行語音合成[18]。通過Adobe Audition將語料設(shè)計出不同的語速和音量。在語速設(shè)計方面,分別設(shè)計了240~432wpm(wpm:字/分鐘,下同)五種語速下的語音預(yù)警語料,考慮到聽覺預(yù)警要高出背景噪音8~15dB[14],因此音量控制在78dB;在音量方面分別設(shè)計了78~98dB五種音量的語音預(yù)警語料,語速控制在240wpm。為避免學習效應(yīng)的影響,每段視頻隨機播放。具體語料設(shè)計和相關(guān)語速及音量的數(shù)值設(shè)計見表2。
表2 語料及語速和音量數(shù)值設(shè)計Tab.2 Corpus and speed and volume numerical design
本實驗平臺所用設(shè)備為模擬駕駛器,其中包括踏板和換擋單元和一臺分辨率為1920×1080像素惠普顯示器,實驗過程中所用超速駕駛視頻和語音預(yù)警采用電腦播放實現(xiàn)。實驗一共招募24位具有三年及以上駕駛經(jīng)驗的駕駛員作為實驗被試,男女比例為2∶1,左右耳聽力正常。實驗開始前對每位被試的姓名、性別、年齡和駕齡等基本信息進行統(tǒng)計,之后由實驗員告知被試實驗?zāi)康牟嶒灹鞒套龊唵谓榻B,待被試了解試驗后開始實驗。實驗開始時,被試坐在模擬駕駛器前觀看含有超速駕駛行為的駕駛視頻并模仿視頻中駕駛?cè)说男袨?;待實驗?nèi)含語音預(yù)警語料的一段超速駕駛視頻播放結(jié)束后,被試填寫語音預(yù)警語速和音量評分量表,待被試休息1~2min之后進行下一段視頻的觀看和模仿,直到該組實驗全部完成。該組實驗完成后被試休息5min之后進入另一組實驗,步驟同上。
本次實驗所得數(shù)據(jù)均通過統(tǒng)計學分析軟件IBM SPSS 25.0完成。
該實驗所用語速和音量感知效果評分量表,由表1各項評價指標依據(jù)7分李克特量表進行編寫,1代表完全不,7代表完全。評分量表分為警示效果和干擾效果2個維度,每個維度3項問題共6項問題。該量表信度狀況良好,各維度的信度均大于0.7,表明該評分量表具有很高的可靠性,可以進一步的探究與分析。
24位被試在兩個維度上的李克特量表評分的均值數(shù)據(jù)見圖1、圖2,對數(shù)據(jù)進行分析得知,語音預(yù)警在五種語速取值下對駕駛?cè)说木拘Ч矫娑汲^中性水平(4分),且均處在輕微水平(5分)之下;在對駕駛?cè)说母蓴_效果方面都在中性水平(4分)之下。由此可知語音預(yù)警在五種語速取值下對駕駛?cè)私跃哂芯拘Ч腋蓴_效果相對較弱;語音預(yù)警在78dB、88dB、93dB和98dB四種音量取值下對駕駛?cè)说木拘Ч矫婢^中性水平(4分),且干擾效果均在中性水平(4分)之下;語音預(yù)警在83dB取值時,對駕駛?cè)说木拘Ч幵谳p微不(3分)到中性水平(4分)之間且接近中性水平(4分),干擾效果為五種音量中最弱。
圖1 兩維度下語速的李克特量表評分均值數(shù)據(jù)Fig.1 Mean likert scale score data of speed in two dimensions
圖2 兩維度下音量的李克特量表評分均值數(shù)據(jù)Fig.2 Mean likert scale score data of volume in two dimensions
五種語速和五種音量取值下語音預(yù)警的警示效果和干擾效果相關(guān)程度分析數(shù)據(jù)見表3。通過分析發(fā)現(xiàn),當語音預(yù)警語速為309wpm時,警示效果與干擾效果呈顯著正相關(guān)(P=0.038<0.05);當語音預(yù)警語速為360wpm時,警示效果與干擾效果呈顯著正相關(guān)(P=0.005<0.01);當語音預(yù)警語速為432wpm時,警示效果與干擾效果呈顯著正相關(guān)(P=0.024<0.05);當語音預(yù)警音量為83dB時,警示效果與干擾效果呈顯著正相關(guān)(P=0.037<0.05)。
表3 語速音量警示效果和干擾效果相關(guān)程度分析數(shù)據(jù)Tab.3 Correlation analysis of speed volume warning effect and interference effect
分析309wpm、360wpm和432wpm三種語速和83dB一種音量的語音預(yù)警的警示效果對干擾效果的影響。將警示效果作為預(yù)測變量、干擾效果作為因變量,采用最小二乘回歸分析對數(shù)據(jù)進行處理。線性回歸分析所得數(shù)據(jù)見表4~7所示。分析結(jié)果表明隨著警示效果的提高,干擾效果也會隨之提高,兩者呈正相關(guān)。在語速為309wpm時,影響干擾效果的因素有約為18.1%是由警示效果構(gòu)成的;在語速為360wpm時,影響干擾效果的因素有約為31.2%是由警示效果構(gòu)成的;在語速為432wpm時,影響干擾效果的因素有約為21.2%是由警示效果構(gòu)成的;在音量為83dB時影響干擾效果的因素有約為18.2%是由警示效果構(gòu)成的。
表4 S3:309wpm回歸分析數(shù)據(jù)結(jié)果Tab.4 S3:309wpm regression analysis data results
表5 S4:360wpm回歸分析數(shù)據(jù)結(jié)果Tab.5 S4:360wpm regression analysis data results
表6 S5:432wpm回歸分析數(shù)據(jù)結(jié)果Tab.6 S5:432wpm regression analysis data results
表7 V2:83dB回歸分析數(shù)據(jù)結(jié)果Tab.7 V2:83dB regression analysis data results
本研究通過語音預(yù)警模擬干預(yù)實驗和主觀測評的方式發(fā)現(xiàn)在噪音為66~68dB的模擬駕駛條件下,語音預(yù)警的語速在309wpm、360wpm和432wpm三種取值下對駕駛?cè)说木拘Ч透蓴_效果均呈顯著正相關(guān);當語音預(yù)警的音量在83dB取值時,警示效果和干擾效果呈顯著正相關(guān)。進一步分析警示效果與干擾效果的影響關(guān)系發(fā)現(xiàn),在語速為309wpm時,影響干擾效果的因素分別約有18.1%是由警示效果構(gòu)成的;在音量為83dB時影響干擾效果的因素有約為18.2%是由警示效果構(gòu)成的。綜合現(xiàn)實駕駛場景中風險駕駛行為發(fā)生時預(yù)警提示信息的提醒效果及實驗數(shù)據(jù)可以得出,在模擬車內(nèi)噪音為66~68dB的狀態(tài)下,語音預(yù)警的語速為309wpm、音量為83dB時,可以對駕駛?cè)似鸬骄拘Ч耐瑫r使干擾效果處在較低水平,同時表明駕駛?cè)藢φZ速和音量取值分別為309wpm和83dB的語音預(yù)警感知效果最佳。
語音預(yù)警對駕駛?cè)嗽隈{駛過程中感知和規(guī)避風險起到至關(guān)重要的作用。本研究從語音預(yù)警的語速和音量的角度去探討駕駛?cè)藢烧咴诓煌≈迪碌母兄Ч贸鲈隈{駛?cè)烁兄Ч罴褧r的語速和音量的參考數(shù)值。在風險駕駛行為發(fā)生時,傳統(tǒng)的語音預(yù)警在語速和音量上沒有明顯變化。通過該實驗研究發(fā)現(xiàn),適當?shù)母淖冋Z音預(yù)警的語速和音量可以使駕駛?cè)藢︼L險駕駛行為下的語音預(yù)警有更好的感知效果。由于在語音預(yù)警模擬干預(yù)實驗中駕駛?cè)说闹饔^感知能力不同,導(dǎo)致評價結(jié)果存在差異性,未來的研究中會采用更加客觀的生理衡量指標和擴大樣本量以及采用實車實驗的方式來保證實驗結(jié)果的普適性。