楊艷群,黃永健,羅秀玲,Said M.EASA,鄭新夷

(1. 福州大學 土木工程學院,福建 福州 350116; 2. 福州大學 交通心理與行為國際聯合實驗室,福建 福州 350116; 3. 多倫多大都會大學 土木工程系,安大略 多倫多,加拿大; 4. 福州大學 人文社會科學院,福建 福州 350116)

0 引 言

駕駛是一項復雜的任務,駕駛安全性受駕駛人的認知水平、記憶負荷、行為控制、視覺和決策能力等影響[1]。大量交通事故緣由駕駛分心,即駕駛人將注意力轉移到與駕駛無關的任務上,包括認知、視覺和聽覺上的分心[2]。2006年,NHTSA開展的一項公路自然駕駛實驗發(fā)現大約80%的碰撞和追尾是由駕駛人的各種分心造成的[3]。各種分心中認知分心是導致駕駛人意識偏離駕駛任務的重要原因[4]。目前,關于認知分心對駕駛人影響的研究大多從分心或認知任務著手[5-6],以不同類型的次任務作為誘導分心的條件,探究認知分心情境下駕駛人的行為表現[7]。認知分心時,駕駛人視覺信息處理能力降低,影響了其環(huán)境感知、判斷和決策能力,從而引發(fā)交通事故[8-9]。M. N. RASTGOO等[10]研究發(fā)現,駕駛人品質中對交通事故的影響最重要的是駕駛人的應激反應能力,即面對突發(fā)狀況時駕駛人依靠自身駕駛技能和經驗做出快速避險行為的能力。近年來,大量的研究者開始將認知分心與應激反應相結合[11],選取典型應激場景和分心次任務[12],進行分心情境下的自然駕駛或模擬駕駛應激實驗,通過研究實驗過程中駕駛人的心率、腦電波等生理指標[13],瞳孔直徑、眨眼頻率、注視次數等視覺特性,以及駕駛人的制動特性和轉向控制反應[14],來分析駕駛人認知分心下的應激反應行為[15-16],得出結論:認知分心會較大程度地影響駕駛人的應激反應,增加行車中的不安全性[17]。筆者利用駕駛模擬系統構建駕駛人認知分心 + 應激場景的研究框架,結合眼動儀、腦電儀探究認知分心情境下駕駛人的應激反應行為特性,并通過集對分析(set pair analysis, SPA)模型對實驗結果進行討論,完成了不同應激場景下駕駛人應激反應安全性評估。

1 應激反應實驗

1.1 實驗被試

共招募了40名持有C1駕駛證健康駕駛人作為被試,均為福州大學在校學生,男女各半,年齡20～30歲,駕駛經驗為1～6年。

1.2 實驗設備

1)Dikablis眼動儀,用于記錄駕駛人眼動行為的變化情況,可實時記錄駕駛人眼部運動特征,采樣頻率為60 Hz。

2)NE無線腦電儀,用于采集、處理與分析駕駛人在應激模擬場景中的腦電行為數據,可實現32個通道、500 SPS采樣頻率、24 bit分辨率的腦電數據采集。

3)DSR-1000TS 2.0 駕駛模擬系統,用于記錄駕駛人的駕駛行為特征和汽車動力學特性等,由座艙系統、控制臺及含3臺60寸4 K液晶顯示器的顯示系統所組成,如圖1。

圖1 DSR-1000TS 2.0駕駛模擬系統Fig. 1 DSR-1000TS 2.0 driving simulation system

1.3 實驗場景設計

實驗路段為全長15 km、設計速度60 km/h的兩車道公路。為減少其他道路元素對駕駛人的干擾,道路兩側基本不設置建筑物;道路主要為直線,無長下坡、急彎或陡坡等特殊線形。所有場景元素的設置均符合GB 5768—2022《道路交通標志和標線 第2部分:道路交通標志》。

根據文獻[18],由設計速度60 km/h計算得到制動距離,并設置觸發(fā)區(qū),確保駕駛人能進行有效應急避險;根據文獻[19],選擇3種應激場景進行實驗,并與無應激場景進行對比(圖2):

圖2 場景仿真Fig. 2 Scenario simulation

1)無應激場景,實驗車A以不高于60 km/h 的速度行駛,路邊有?？寇囮?。

2)應激場景1——行人-機動車,實驗車A以不高于60 km/h 的速度行駛,行人以5 km/h 的速度突然從?？寇囕v前方橫穿道路。

3)應激場景2——非機動車-機動車,實驗車A以不高于60 km/h 的速度行駛,自行車以18 km/h 突然從停靠車輛前方駛。

4)應激場景3——機動車-機動車,實驗車A以不高于60 km/h的速度行駛,車輛B以2 m/s2的加速度突然從路旁車隊駛出,隨后以27 km/h的速度沿車道行駛一定時間。

1.4 實驗設計

為研究駕駛人認知分心下的應激行為,筆者采用N-back的研究范式作為駕駛次任務?？紤]不同級別次任務對駕駛人負荷的影響,采取負荷水平介于中等的2-back任務作為誘發(fā)認知分心的次任務[20]。在0～9的數字中,每次選取5個數字隨機排列,采用語音播報的形式,讓被試者判斷最后所呈現的數字與倒數第2個數字是否一致。指令完成后2.5 s內出現應激場景。除應激觸發(fā)事件不同之外,設計的3種應激場景的其他要素完全相同。各被試需要在3個不同的應激場景中進行實驗,實驗中收集被試的眼動、腦電和與駕駛績效相關的指標數據。實驗方案如圖3。

圖3 實驗方案Fig. 3 Experiment scheme

1.5 實驗指標

H. ALMAHASNEH等[21]研究表明,駕駛人認知分心可以從眼球運動、腦電波變化及駕駛績效參數中體現,因此,筆者采用這3類指標來評價駕駛人應激反應行為。

1.5.1 眼動指標

1)瞳孔直徑DP,反映駕駛人認知負荷、壓力、疲倦感和注意力。DP越大,駕駛人負荷和注意力集中程度越高。

2)眨眼頻率fB,單位時間的眨眼次數,表征駕駛人視覺負荷、情緒和疲勞狀態(tài)。fB越低,駕駛人疲勞和視覺負荷越大。

1.5.2 腦電波指標

1)β波能量值Eβ,檢測駕駛人警覺狀態(tài)的指標。Eβ越大,駕駛人警覺性越高。

2)腦電能量比值(Eα+Eθ)/Eβ,檢測駕駛人疲勞狀態(tài)的指標。(Eα+Eθ)/Eβ比值越大,駕駛人越疲勞。

1.5.3 駕駛績效指標

1)縱向速度V,任務期間車輛行駛速度,表征駕駛人的分心程度和操控穩(wěn)定性。V降幅越大,駕駛人分心程度越高。

2)制動踏板深度DBP,應激事件發(fā)生時制動踏板的深度。DBP越大,駕駛人的縱向控制穩(wěn)定性越低。

3)方向盤轉角δS,應激事件發(fā)生時轉動方向盤的角度。δS越大,駕駛人的控制能力越差,車輛的橫向穩(wěn)定性越差。

1.6 實驗過程

采用駕駛模擬系統進行實驗,實驗前要求被試填寫一份基礎性問卷,以了解被試的精神、情緒等狀況;檢查設備運行情況,并讓被試在非實驗場景的路段上行駛5 min以熟悉操作;對駕駛人進行2-back任務培訓,講解本次任務的完成要求;被試佩戴實驗設備,調試,隨后進入正式實驗。

每結束一個實驗場景,被試休息5 min以緩解疲勞;待休息結束后重新調試眼動儀和腦電儀,隨機加載下一個實驗場景和動態(tài)交通流;重復以上的實驗流程直到完成所有的場景。實驗員依據被試的操作收集各平臺的數據,結束后保存數據并導出。

2 實驗結果分析

2.1 實驗結果方差分析

采用SPSS對所采集的數據進行兩因素重復測量方差分析,研究在3種應激場景下正常駕駛和認知分心駕駛對駕駛人眼動、腦電波與駕駛績效指標的影響情況,結果見表1～表3。

表1 各指標球形度檢驗結果Table 1 Sphericity test results of each index

表2 各指標交互效應檢驗結果Table 2 Test results of interaction effects of each index

表3 各指標主體內效應檢驗結果Table 3 Test results of intra-body effects of each index

由表1～表3可知:

1)瞳孔直徑DP:駕駛狀態(tài)與應激場景的交互項滿足球形假設檢驗,但無統計學意義(p=0.555),因此不存在交互效應;而主效應結果顯示,二者均對瞳孔直徑有著顯著影響(p<0.05)。

2)眨眼頻率fB:駕駛狀態(tài)和應激場景在眨眼頻率數據中未表現出交互效應;而主效應結果顯示二者對眨眼頻率高度顯著(p<0.01)。

3)腦電β波能量值Eβ:駕駛狀態(tài)與應激場景在Eβ下的交互項滿足球形假設檢驗,但無統計學意義(p=0.052),交互效應不顯著;而主效應分析表明二者對駕駛人的Eβ均有高度顯著關系(p<0.01)。

4)腦電能量比值(Eα+Eθ)/Eβ:實驗的2個變量對(Eα+Eθ)/Eβ比值不存在交互效應;而二者對(Eα+Eθ)/Eβ比值的主效應均顯著(p<0.05)。

5)縱向速度V:實驗的2個變量在縱向速度數據中交互效應不顯著;而主效應分析都高度顯著(p<0.01)。實驗中,筆者以觸發(fā)區(qū)作為時間原點對縱向速度進行統計分析,區(qū)間范圍為前15 s和后12 s,時間間隔為3 s[22]。

6)制動踏板深度DBP:實驗的2個變量不存在交互效應,但對制動踏板深度的單獨主效應都高度顯著(p<0.001)。

7)方向盤轉角δS:駕駛狀態(tài)和應激場景的交互項在方向盤轉角指標下滿足球形假設檢驗,但無統計學意義(p=0.980),故無交互效應;而主效應結果顯示,二者對方向盤轉角的主效應均高度顯著(p<0.001)。

2.2 應激反應評價指標分析

圖4為3種應激場景下,各項應激反應評價指標實驗結果。

圖4 不同應激場景下各項指標實驗結果Fig. 4 Test results of each index in different stress senarios

對圖4的分析如下:

1)眼動分析

①瞳孔直徑DP〔圖4(a)〕:認知分心駕駛工況瞳孔直徑顯著高于正常駕駛工況;3種應激場景下,應激場景1認知分心駕駛工況瞳孔直徑均值最大,應激場景3正常駕駛工況瞳孔直徑均值最小。說明認知分心駕駛會增加駕駛人的視覺負荷,需增大瞳孔直徑來加工有效視覺信息,這一結論與文獻[23-24]的結果相吻合。因此,駕駛人處于應激狀態(tài)時,需要比正常駕駛時投入更多的注意力來維持駕駛的安全。

②眨眼頻率fB〔圖4(b)〕:認知分心駕駛工況眨眼頻率顯著低于正常駕駛工況;3種應激場景下認知分心駕駛和正常駕駛兩種工況眨眼頻率均值在應激場景1均最高。說明在認知分心駕駛工況,駕駛人應對應激事件時緊張程度增加,駕駛人通過抑制眨眼來集中注意力,眨眼頻率下降,這與文獻[25]的結論相吻合,當行人和非機動車作為應激源時這個現象更為顯著。

2)腦電波分析

①腦電β波能量值Eβ〔圖4(c)〕:正常駕駛和認知分心駕駛兩種工況,從應激場景1→應激場景2→應激場景3,駕駛人的Eβ值依次遞減,且認知分心駕駛工況Eβ顯著高于正常駕駛工況。說明在認知分心駕駛情境下,駕駛人的警覺性更高,并且道路交通中的弱勢群體(如行人、自行車等)更易引起認知分心駕駛時駕駛人腦電β波Eβ值的增大。

②腦電能量比值(Eα+Eθ)/Eβ〔圖4(d)〕:3種應激場景下,駕駛人在認知分心駕駛工況的(Eα+Eθ)/Eβ比值均顯著高于正常駕駛工況的,且行人應激源的(Eα+Eθ)/Eβ比值最高。

3)駕駛績效分析

縱向速度V〔圖4(e)〕:認知分心駕駛工況縱向速度較正常駕駛工況低,說明此時駕駛人緊張程度增加,越接近沖突點縱向速度降低越快,在沖突點位置達到最低,隨后又逐漸提升。認知分心駕駛工況,3種應激場景中,場景1的縱向速度最低,變化幅度最大。

4)制動踏板深度DBP

認知分心駕駛工況3種應激場景的踏板深度均高于正常駕駛工況,其中應激場景1認知分心駕駛工況制動踏板深度最大,數據變化幅度最大,穩(wěn)定性最低。說明在認知分心駕駛情境下,駕駛人更多地通過頻繁操作制動踏板、增大制動踏板深度等補償行為來保持車輛縱向安全性的正常水平,這與文獻[26]的研究結果相吻合。

5)方向盤轉角δS

正常駕駛工況方向盤轉角小于認知分心駕駛工況,基本在1～5°內變化,數據波動較小;認知分心駕駛工況方向盤轉角值的波動更明顯。表明在發(fā)生認知分心后,面臨應激事件,駕駛人對方向盤的控制能力降低,這與文獻[27]的研究結果相吻合。行人應激場景對駕駛人認知分心駕駛時方向盤轉角的影響最明顯,數據波動最大。

綜上,相比正常駕駛,駕駛過程中的認知分心次任務會影響駕駛人的駕駛行為、增加駕駛人的精神負荷,并且不同的應激事件對駕駛人的各項指標影響程度不一,因此需通過綜合分析進行評價。筆者選用SPA-SPA綜合評價方法對認知分心情境下駕駛人應激反應行為進行安全性評價。

3 安全性評價

3.1 AHP-SPA綜合評價模型

層次分析法(analytic hierarchy process, AHP)是系統分析的重要工具,其核心思想是將復雜的決策問題分解成一系列層次結構,通過對不同層次的因素進行比較和評價,最終得出最優(yōu)解決方案的方法,適用于各種類型的決策問題[28]。

集對分析(set pair analysis,SPA)是處理系統確定性與不確定性相互作用的數學理論,其核心思想是將評價對象進行確定性與不確定性的統一,通過同、異、反三方面特征明確評價指標隸屬關系,再利用聯系度理論進行量化處理,最終結合隸屬等級范圍做出綜合性評價[29]。

3.1.1 確定評價集合形成集對

在利用SPA進行評價前,先要確定系統中的評價集合,包括評價指標集和評價標準集,二者構成SPA中的集對。

圖5為構建的評價指標集。圖中:U為目標層;一級指標為眼動(u1)、腦電波(u2)和駕駛績效(u3);二級指標為瞳孔直徑DP(u11)、眨眼頻率fB(u12)、腦電β波能量值Eβ(u21)、(Eα+Eθ)/Eβ(u22)、縱向速度V(u31)、制動踏板深度DBP(u32)、方向盤轉角δS(U33)。

圖5 評價指標集Fig. 5 Evaluation index set

從安全性角度對評價標準集的評價標準進行劃分,基于“均分原則”把評價等級的區(qū)間[-1.0,1.0]均分為[-1.0,-0.6),[-0.6,-0.2),[-0.2,0.2),[0.2,0.6),[0.6,1.0],分別對應“很差”“差”“較差”“較好”“好”共5個等級。

3.1.2 歸一化處理

在形成集對以后,由于評價指標集各指標具有不同的量綱,無法直接代入計算,因此在計算之前需要對各指標數值進行歸一化處理。筆者采用極值法進行歸一化處理,將不同量綱的特征值統一在[0,1]之間。

3.1.3 計算單指標隸屬度

數據歸一化處理之后,需要計算各指標的隸屬度,用于后續(xù)SPA的聯系度計算。由于評價標準集中將安全性等級劃分為5個等級,因此采用指派方法確定樣本指標隸屬度[30]。由于評分值與指標之間隸屬程度的關系在所有域內都不具有單調性,故利用中間型的最大隸屬函數來確定指標的隸屬度。

3.1.4 確定權重

筆者采用AHP方法來確定指標權重。首先,通過專家咨詢法對評價指標體系中的一、二級指標進行相對重要性比較,以確定它們在整個層次結構中的相對重要程度;然后,利用AHP方法計算各個指標的權重,并進行一致性檢驗以驗證權重計算的合理性;最后,將各層次的權重綜合起來,確定最終評價對象的權重。

3.1.5 確定評價等級

根據由AHP計算得到的各評價指標的權重以及由中間型最大隸屬函數確定的指標隸屬度,可以計算出評價對象的聯系度值,進而確定評價等級。由于評價標準集中將安全性等級劃分為5個等級,因此聯系度對應的維度為五元聯系度。

3.2 綜合評價結果

3.2.1 指標隸屬度

根據確定的安全性等級計算得到各評價指標的隸屬度,結果如表4。

表4 應激場景1～3評價指標隸屬度Table 4 Evaluation index membership for stress senario 1, stress senario 2 and stress senario 3

3.2.2 指標權重匯總

根據AHP計算得到各指標的權重,結果見表5。

表5 各指標權重計算結果Table 5 Weight calculation results of each index

3.2.3 一級指標五元聯系度數值及評價等級

根據表5中的二級指標權重,結合表3中不同應激場景下各指標在正常駕駛和認知分心駕駛兩種工況下的指標隸屬度,可得到不同應激場景下一級指標的五元聯系度表達式,由此計算得到一級指標的聯系度值a1,并劃分評價等級,結果見表6。

表6 一級指標聯系度數值及評價等級Table 6 Connection degree value and evaluation level of first-level indexes

3.2.4 目標層五元聯系度數值及評價等級

同理,根據表5中的一級指標權重,結合表3中不同應激場景下各指標在正常駕駛和認知分心駕駛2種工況下的指標隸屬度,可得到不同應激場景下目標層的五元聯系度表達式,由此計算得到目標層的聯系度值a,并得到評價等級,結果見表7。

表7 目標層聯系度數值及評價等級Table 7 Connection degree value and evaluation level of the target layer

由表7可見:

1)在正常駕駛和認知分心駕駛兩種工況下,不同指標、不同應激場景對駕駛人的應激反應有著不同影響。在評價指標集中,各指標的權重以駕駛績效為最高,腦電指標次之,眼動指標最低。表明駕駛人的駕駛績效最能反映其應激反應行為的安全程度,在安全防護中需要優(yōu)先考慮。

2)正常駕駛工況駕駛人應激安全評價等級顯著優(yōu)于認知分心駕駛工況。表明在分心次任務的干擾下,駕駛人的應激反應行為安全性會顯著降低,表現為駕駛人的疲勞程度增加,對車輛穩(wěn)定性的控制下降,需要更高的警覺性來避免發(fā)生交通事故。

3)應激場景安全評價等級以機動車應激場景為最高,非機動車應激場景次之,行人應激場景最低。原因是行人橫穿馬路的不確定性最高,駕駛人完全不能預知行人會在何時、何位置,以何種運動軌跡橫穿馬路;并且行人作為道路使用者中的弱勢群體,在事故中遭受到傷害的可能性最高[31],因此駕駛人在認知分心駕駛工況對行人應激場景的安全評價最低。

4 結 論

基于駕駛模擬實驗,設計了3個應激場景,選擇規(guī)范化次任務 2-back 誘導認知分心,利用AHP-SPA評價模型,揭示了駕駛人在不同分心情境下駕駛應激反應行為的特性及差異性。研究得到以下結論:

1)認知分心會增加駕駛人應激狀態(tài)下的視覺負荷和緊張感,導致瞳孔直徑增大、眨眼頻率下降等視覺行為變化,影響駕駛任務的執(zhí)行。

2)在應激場景下,相較于正常駕駛,在分心次任務的影響下駕駛人的β波能量值Eβ與(Eα+Eθ)/Eβ比值均顯著提高,即面對應激事件,駕駛人警覺性提高的同時伴隨著疲勞程度的增加。

3)認知分心駕駛工況駕駛人面對應激事件對車輛的控制能力會降低,表現在頻繁操作制動踏板和方向盤轉角的增大。

4)由AHP-SPA的綜合評價結果可以得知,相比正常駕駛,認知分心駕駛會降低駕駛人應激反應行為的安全性,影響其對車輛的控制;根據影響程度大小,認知分心駕駛情境下應激場景安全評價等級以機動車應激場景為最高,非機動車應激場景次之,行人應激場景最低。