陳誠(chéng)　程建梅

摘 要：智能手機(jī)導(dǎo)航的使用已經(jīng)頻繁的出現(xiàn)在車(chē)輛駕駛過(guò)程中，但當(dāng)前的語(yǔ)音導(dǎo)航不太滿(mǎn)足人們?cè)诂F(xiàn)實(shí)生活中的要求。因此，本文運(yùn)用UC-Win/Road軟件模擬城市駕駛場(chǎng)景進(jìn)行仿真實(shí)驗(yàn)，得到駕駛?cè)嗽诓煌兞肯聦?duì)導(dǎo)航語(yǔ)音播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間，結(jié)果表明：導(dǎo)航播報(bào)信息的條數(shù)和駕齡會(huì)顯著影響認(rèn)知-反應(yīng)時(shí)間；導(dǎo)航播報(bào)信息量超過(guò)三條則認(rèn)知-反應(yīng)時(shí)間和錯(cuò)誤率都會(huì)急劇增加。最后通過(guò)回歸分析，得到基于導(dǎo)航播報(bào)信息的條數(shù)的認(rèn)知-反應(yīng)時(shí)間回歸模型。

關(guān)鍵詞：城市道路 模擬駕駛 語(yǔ)音導(dǎo)航 認(rèn)識(shí)-反應(yīng)時(shí)間 回歸分析

為了服務(wù)目前復(fù)雜的路網(wǎng)和不斷增長(zhǎng)的駕駛?cè)耍?chē)導(dǎo)航應(yīng)運(yùn)而生。調(diào)查顯示有92%的駕駛?cè)嗽陂_(kāi)車(chē)時(shí)會(huì)主動(dòng)使用手機(jī)導(dǎo)航APP[1]。但在導(dǎo)航APP的實(shí)際應(yīng)用中，也出現(xiàn)了諸多的問(wèn)題[2]。例如導(dǎo)航APP播報(bào)過(guò)于頻繁或者過(guò)于低頻；導(dǎo)航一次性播報(bào)的信息量太多，導(dǎo)致駕駛?cè)硕虝r(shí)記憶量增加，造成交通安全隱患等。

已有研究都是基于視覺(jué)出發(fā)，從駕駛?cè)搜蹌?dòng)特征或者生理特征分析導(dǎo)航APP對(duì)駕駛?cè)诵袨榈挠绊慬3-6]。但駕駛?cè)嗽谑褂脤?dǎo)航APP時(shí)，主要獲取信息的方式是聽(tīng)覺(jué)，占到通過(guò)導(dǎo)航APP獲取播報(bào)信息量的87%[7]。但目前從行為人聽(tīng)覺(jué)出發(fā)，對(duì)其獲取導(dǎo)航播報(bào)交通信息的模式和特征的研究較少。本文通過(guò)模擬駕駛實(shí)驗(yàn)，基于駕駛?cè)说穆?tīng)覺(jué)，研究了不同駕齡、性別、車(chē)速、車(chē)道數(shù)、播報(bào)信息量下，駕駛?cè)藢?duì)導(dǎo)航APP播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間，并針對(duì)實(shí)驗(yàn)數(shù)據(jù)建立駕駛?cè)苏J(rèn)知-反應(yīng)時(shí)間和影響因素的數(shù)學(xué)模型，闡述了從聽(tīng)覺(jué)出發(fā)駕駛?cè)说恼J(rèn)知-反應(yīng)流程，探討導(dǎo)航APP播報(bào)設(shè)置的優(yōu)化方案。

1 駕駛?cè)苏J(rèn)知-反應(yīng)過(guò)程

駕駛?cè)藢?dǎo)航APP播報(bào)信息的認(rèn)知和操作過(guò)程如圖1所示。從A點(diǎn)開(kāi)始，導(dǎo)航APP開(kāi)始對(duì)交通信息進(jìn)行播報(bào)，在B點(diǎn)導(dǎo)航APP結(jié)束播報(bào)；從B點(diǎn)到C點(diǎn)，駕駛?cè)藢?duì)接收到的信息進(jìn)行理解加工，根據(jù)行駛的路線(xiàn)判斷下一步需要駛?cè)氲能?chē)道位置，并作出變更車(chē)道的決策；隨后，駕駛?cè)藦腃點(diǎn)開(kāi)始變更車(chē)道，至E點(diǎn)車(chē)輛完全進(jìn)入目標(biāo)車(chē)道即變道結(jié)束。E點(diǎn)既是變更車(chē)道的重點(diǎn)，也是導(dǎo)向車(chē)道線(xiàn)的起點(diǎn)。本文研究的是駕駛?cè)藢?duì)導(dǎo)航APP播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間，即從播放開(kāi)始到做出肢體反應(yīng)的過(guò)程，認(rèn)知-反應(yīng)距離LAC所對(duì)應(yīng)的時(shí)間。

2 實(shí)驗(yàn)設(shè)計(jì)

2.1 實(shí)驗(yàn)儀器

（1）實(shí)驗(yàn)基于用UC-win/Ｒoad 10.0道路景觀規(guī)劃設(shè)計(jì)軟件，繪制出城市道路場(chǎng)景，道路類(lèi)型為城市主干道，道路中都存在與實(shí)際相符的標(biāo)志標(biāo)牌、道路路況[8]。

（2）使用羅技公司的G29駕駛方向模擬器及踏板，其生產(chǎn)的方向盤(pán)及踏板能夠較快的使駕駛?cè)诉M(jìn)入模擬的駕駛狀態(tài)。

（3）使用筆記本電腦用來(lái)播放提前制作好的模擬導(dǎo)航材料，并將播放內(nèi)容投屏至智能手機(jī)上，通過(guò)秒表對(duì)認(rèn)知-反應(yīng)進(jìn)行記錄。如圖2所示。

2.2 實(shí)驗(yàn)對(duì)象

本實(shí)驗(yàn)共招募駕駛?cè)?0名，為了充分體現(xiàn)出不同年齡、性別、駕齡的駕駛?cè)藢?duì)導(dǎo)航APP播報(bào)信息的記憶情況，實(shí)驗(yàn)選取年齡在20至54歲之間，駕齡區(qū)間在在1年以?xún)?nèi)到十年以上，男女比例接近且駕齡和年齡分布合理。實(shí)驗(yàn)要求被試著具有良好的視力和聽(tīng)力，雙眼視力均為4.9以上；聽(tīng)力小于等于25分貝。

2.3 模擬場(chǎng)景搭建

2.3.1 模擬導(dǎo)航設(shè)計(jì)

根據(jù)前期使用調(diào)查，將導(dǎo)航APP播報(bào)信息分為6個(gè)類(lèi)別，A：行駛方向類(lèi)；B：行駛車(chē)道類(lèi)；C：違章拍照類(lèi)；D：限速類(lèi)；E：警示類(lèi)；F：溫馨提示類(lèi)。根據(jù)實(shí)際駕駛經(jīng)驗(yàn)，本實(shí)驗(yàn)選用1到5條信息量作為實(shí)驗(yàn)變量，選取A-E為播報(bào)的信息內(nèi)容，使用Adobe After Effects軟件將提前采集好的百度地圖APP語(yǔ)音按上述方式隨機(jī)組合，得到的播報(bào)內(nèi)容和播報(bào)時(shí)長(zhǎng)如表1所示，制作得到模擬導(dǎo)航視聽(tīng)材料。

2.3.2 模擬路口設(shè)計(jì)

模擬駕駛場(chǎng)景是通過(guò)UC-win/Road軟件搭建而成的，模擬駕駛?cè)私?jīng)過(guò)不同種類(lèi)的城市道路平面交叉路口，包括車(chē)道數(shù)的不同、車(chē)道分布情況不同等?？紤]到實(shí)際道路中最常見(jiàn)的幾種城市道路交叉路口的設(shè)置情況，選定3車(chē)道+交叉口入口4車(chē)道（“3+4”車(chē)道形式），其對(duì)應(yīng)的路口車(chē)道分布情況有左直直右、左左帶直直右、左左直右等六種情況。選定4車(chē)道+交叉口入口 5 車(chē)道（“4+5”車(chē)道形式），其對(duì)應(yīng)的路口車(chē)道部分情況有左直直直右、左左直直右等六種情況。

2.4 實(shí)驗(yàn)流程

依據(jù)變量的不同劃分不為同的實(shí)驗(yàn)場(chǎng)景，本次實(shí)驗(yàn)的場(chǎng)景一共為75個(gè)，按照不同車(chē)速（40km/h、50km/及60km/h）為三組，每組根據(jù)導(dǎo)航播報(bào)的信息量的不同分為五個(gè)場(chǎng)景，每個(gè)場(chǎng)景根據(jù)具體播報(bào)內(nèi)容進(jìn)行5次認(rèn)知-反應(yīng)。因此，每個(gè)被試者在每一組要進(jìn)行25次認(rèn)知-反應(yīng)實(shí)驗(yàn)，一共進(jìn)行三組，預(yù)計(jì)得到數(shù)據(jù)2250條，實(shí)驗(yàn)流程如圖3所示。

3 數(shù)據(jù)處理與分析

3.1 認(rèn)知-反應(yīng)時(shí)間差異性顯著檢驗(yàn)

本實(shí)驗(yàn)共采集到不同場(chǎng)景下認(rèn)知-反應(yīng)實(shí)驗(yàn)數(shù)據(jù)共2963條，剔除錯(cuò)誤數(shù)據(jù)后剩下2250條，再根據(jù)拉依達(dá)準(zhǔn)則，篩選出滿(mǎn)足誤差區(qū)間內(nèi)的數(shù)據(jù)，最終剩下可用數(shù)據(jù)為2229條。

對(duì)得到的實(shí)驗(yàn)數(shù)據(jù)在駕齡、性別、車(chē)速、車(chē)道數(shù)、播報(bào)信息量五個(gè)變量下進(jìn)行單因素方差分析，設(shè)定顯著水平α=0.05，結(jié)果表明車(chē)道數(shù)、車(chē)速和性別的概率P-值均大于0.05，則可以排除上述變量對(duì)駕駛?cè)苏J(rèn)知-反應(yīng)時(shí)間的影響。播報(bào)信息量和駕齡的P-值分別為0.003和0.012，均小于0.05，可以認(rèn)為導(dǎo)航APP播報(bào)不同信息量以及不同駕齡下的認(rèn)知-反應(yīng)時(shí)間有顯著差異。

3.2 駕齡和認(rèn)知-反應(yīng)時(shí)間關(guān)系分析

為了比較不同駕齡兩兩之間的差異，對(duì)不同駕齡的認(rèn)知-反應(yīng)時(shí)間進(jìn)行事后多重比較檢驗(yàn)[9]，結(jié)果分別顯示兩兩駕齡情況下認(rèn)知-反應(yīng)時(shí)間的均值檢驗(yàn)結(jié)果，如表2所示?？梢钥闯?，1-2年駕齡分別于6-10年駕齡和10年以上駕齡認(rèn)知-反應(yīng)時(shí)間有顯著差異，P-值分別是0.003和0.027，均小于顯著水平0.05。其它駕齡情況下兩兩比較的認(rèn)知-反應(yīng)時(shí)間無(wú)顯著差異。

3.3 播報(bào)信息數(shù)量對(duì)認(rèn)知-反應(yīng)的影響分析

3.3.1 對(duì)認(rèn)知-反應(yīng)時(shí)間的影響

比較不同信息播報(bào)量?jī)蓛芍g的差異，對(duì)不同信息播報(bào)量的認(rèn)知-反應(yīng)時(shí)間進(jìn)行事后多重比較檢驗(yàn)，結(jié)果顯示了不同信息數(shù)量下的認(rèn)知-反應(yīng)時(shí)間的兩兩Tamhane's T2檢驗(yàn)結(jié)果。如表6所示，1條信息量至5條信息量?jī)蓛芍g的P-值均小于0.05，說(shuō)明不同信息量下的認(rèn)知-反應(yīng)時(shí)間均有顯著差異。

根據(jù)表1的平均播放時(shí)長(zhǎng)播放信息，當(dāng)播放信息量從1到5條時(shí)，平均反應(yīng)時(shí)間分別為2066ms、4382ms、7028ms、14364ms、22893ms。當(dāng)信息量從1條信息增長(zhǎng)到3條信息時(shí)，實(shí)驗(yàn)人認(rèn)識(shí)-反應(yīng)時(shí)間和播報(bào)時(shí)長(zhǎng)同時(shí)增長(zhǎng)，且增幅相似；當(dāng)播報(bào)信息量增長(zhǎng)到4時(shí)，認(rèn)知-反應(yīng)時(shí)間急劇增加，增加了7336ms，同比播報(bào)時(shí)長(zhǎng)增長(zhǎng)了4320ms，認(rèn)知-反應(yīng)時(shí)間的增長(zhǎng)幅度大大的超過(guò)播報(bào)時(shí)長(zhǎng)的增長(zhǎng)。平均認(rèn)知-反應(yīng)時(shí)間突變點(diǎn)發(fā)生在信息條數(shù)為3條時(shí)。

以認(rèn)知-反應(yīng)時(shí)間作為因變量，播報(bào)信息量作為自變量，對(duì)不同播報(bào)信息量下的認(rèn)知-反應(yīng)時(shí)間平均值的差值進(jìn)行曲線(xiàn)擬合。結(jié)果表明指數(shù)函R方最大等于0.837，對(duì)散點(diǎn)擬合性最好。得到不同信息信息播報(bào)量下的認(rèn)知-反應(yīng)時(shí)間平均值的回歸模型為：

Y=1210.19e0.6x

其中：Y——認(rèn)知-反應(yīng)時(shí)間ms；x——播報(bào)的信息量條數(shù)，x＞0。

播報(bào)信息量對(duì)認(rèn)知-反應(yīng)時(shí)間有顯著影響，且程度遠(yuǎn)遠(yuǎn)大于其它因素，故將此公式作為駕駛?cè)藢?duì)導(dǎo)航播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間模型。

3.3.2 對(duì)認(rèn)知-反應(yīng)正確率的影響

駕駛?cè)酸槍?duì)導(dǎo)航一次性播報(bào)的信息量的不同，其對(duì)播報(bào)信息的認(rèn)知正確率也有區(qū)別，與平均認(rèn)知-反應(yīng)時(shí)間相同，隨著播報(bào)信息條數(shù)的增加，反應(yīng)錯(cuò)誤率會(huì)逐步增加。當(dāng)播報(bào)信息量為1條和2條時(shí)，反應(yīng)的錯(cuò)誤率分別為0.66%和1.53%，接近為0；當(dāng)播報(bào)信息量增加的3條時(shí)，反應(yīng)錯(cuò)誤率上升到10.71%，此時(shí)導(dǎo)航播報(bào)的信息增多，實(shí)驗(yàn)人有錯(cuò)誤機(jī)率增加；當(dāng)播報(bào)信息量增加到4條和5條時(shí)，相對(duì)應(yīng)的錯(cuò)誤率上升至34.02%和48.10%，導(dǎo)航播報(bào)的信息量過(guò)多，駕駛?cè)俗R(shí)別壓力增加，記憶任務(wù)量太大，導(dǎo)致在一定的時(shí)間內(nèi)駕駛?cè)俗龀鲥e(cuò)誤的判讀。

4 結(jié)論

本文利用模擬駕駛的方式，針對(duì)不同變量情況下測(cè)試了駕駛?cè)藢?duì)導(dǎo)航播報(bào)的信息的認(rèn)知-反應(yīng)時(shí)間，得到駕齡和播報(bào)信息量?jī)蓚€(gè)能夠顯著影響駕駛?cè)苏J(rèn)知-反應(yīng)時(shí)間的因素，并最終建立了駕駛?cè)嗽诔鞘械缆非闆r下，其對(duì)導(dǎo)航播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間與播報(bào)信息量的數(shù)學(xué)模型。結(jié)果表明：（1）駕駛?cè)苏J(rèn)知-反應(yīng)時(shí)間會(huì)隨著導(dǎo)航播報(bào)信息量的增加而增加，當(dāng)導(dǎo)航播報(bào)信息量超過(guò)三條后，認(rèn)知-反應(yīng)時(shí)間會(huì)呈指數(shù)型增長(zhǎng)，且認(rèn)知錯(cuò)誤率會(huì)顯著上升，由此推斷導(dǎo)航播報(bào)信息量的閾值應(yīng)為3條；（2）對(duì)導(dǎo)航播報(bào)信息的認(rèn)知-反應(yīng)時(shí)間會(huì)隨著駕齡的增加而呈現(xiàn)先減后增的情況，駕齡在6至10年時(shí)認(rèn)知-反應(yīng)時(shí)間最短，但駕齡超過(guò)10年后又會(huì)增加。

基金項(xiàng)目：2021年四川警察學(xué)院“基于眼動(dòng)信息的機(jī)動(dòng)車(chē)駕駛?cè)擞肄D(zhuǎn)彎特性研究”（21YCX007）；2023年智能警務(wù)四川省重點(diǎn)實(shí)驗(yàn)室“基于注意力分配和視聽(tīng)覺(jué)感知的安全駕駛研究”（ZNJW2023ZZMS001）。

參考文獻(xiàn)：

[1]共研網(wǎng).2022-2028年中國(guó)手機(jī)導(dǎo)航行業(yè)全景調(diào)研及市場(chǎng)前景預(yù)測(cè)報(bào)告【EB/OL】. （2022-09-28）[2022-11-02].https：

//bbs.csdn.net/topics/608363369.

[2]李平凡，王殿海，劉東波，王峻極.駕駛中撥打手機(jī)對(duì)駕駛?cè)四X力負(fù)荷及駕駛行為的影響分析[J].交通信息與安全，2010， 28（04）：103-107.

[3]Crundall D，Chapman P，Trawley S，t al. Some billboards are more attractive than others：Drivers of varying experience respond differently to different types of billboards[J].Accident Analysis & Prevention，2012，45（1）：600-609.

[4]Stinchcombe Arne，Gagnon Sylvain，Zhang J Jane，Montembeault Patricia，Bedard Michel. Fluctuating attentional demand in a simulated driving assessment： the roles of age and driving complexity.[J]. Traffic injury prevention，2011，12（6）.

[5]胡琳. 智能手機(jī)導(dǎo)航功能對(duì)駕駛行為影響研究[D].長(zhǎng)安大學(xué)，2017.

[6]田偉. 基于模擬駕駛的手機(jī)導(dǎo)航對(duì)駕駛行為影響的研究[D].清華大學(xué)，2016.

[7]Hu J S，Liu W H，Cheng C C .Target search and navigation by spatial hearing using inter-aural signals[J]. IFAC Proceedings Volumes，2006，39（16）：673-678.

[8]李志. 基于認(rèn)知心理學(xué)的城市道路交通標(biāo)志動(dòng)靜態(tài)視認(rèn)研究[D].北京工業(yè)大學(xué)，2017.

[9]陳佳佳.基于模擬駕駛的手機(jī)導(dǎo)航對(duì)駕駛行為影響的研究[J].電子元器件與信息技術(shù)，2021，5（04）：3-4.

[10]姚云. 基于認(rèn)知心理學(xué)的指路標(biāo)志信息與信息密度閾值研究[D].西華大學(xué)，2009.