扩展功能
文章信息
- 刘卓凡, 何瑜超, 丁涛, 曾钰萌.
- LIU Zhuo-fan, HE Yu-chao, DING Tao, ZENG Yu-meng
- 不同交通环境下视觉分心程度对驾驶行为的影响
- Impact of Visual Distraction Level on Driving Behavior in Different Traffic Environments
- 公路交通科技, 2023, 40(5): 178-183
- Journal of Highway and Transportation Research and Denelopment, 2023, 40(5): 178-183
- 10.3969/j.issn.1002-0268.2023.05.024
-
文章历史
- 收稿日期: 2020-10-26
近年来,随着通信和电子技术的快速发展,各种车载信息系统也陆续应用到驾驶室内。在执行驾驶任务过程中,越来越多的驾驶人将注意力转移到与驾驶无关的次要任务上,例如操作导航、接听和拨打电话、在微信上聊天,甚至观看电影和视频等[1]。车载信息系统在为驾驶人带来便利和娱乐的同时,也占据了一部分注意力,这可能导致驾驶分心,使驾驶人往往忽略掉重要的交通信息或无法获取到足够的交通信息来满足驾驶的安全性[2]。研究表明:驾驶分心会影响驾驶人的认知和决策能力,降低其对车辆环境的感知和控制能力,这极易引发交通事故[3]。其中,视觉分心导致的事故风险可比正常驾驶增加3倍,这已成为当今交通事故的主要原因[4]。
视觉是驾驶员获取交通信息的主要渠道,随着驾驶人视线远离道路的时间增加,其对周围环境的感知也会降低,视觉分心的程度也会相应增加[5]。基于视线偏离道路的时间长度和驾驶分心程度之间的关系,一些研究人员为视线偏离道路的驾驶人设定了时间阈值。如果视线偏离道路的时间长度超过这个阈值,就会被认为是严重的视觉分心[6]。王畅等[7]通过对比视觉分心状态与正常驾驶状态下的方向盘转动角速度,提出了视觉分心会降低转向行为的灵活性。张兰芳等[8]通过分析自然驾驶条件下的手机通话行为,指出手机操作导致的视觉分心会延缓驾驶人的操作行为,降低车辆纵向控制的稳定性。Choudhary等[9]通过分析驾驶人在视觉分心阶段的方向盘回转率,指出视觉分心增加了驾驶人转向操作的随机性。Liang等[10]研究了驾驶人在不同分心时长条件下的驾驶行为,结果显示, 视线离开道路前方的时间越长、分心程度越严重,驾驶绩效越低,越容易出现危险驾驶行为。Burns等[11]研究了视觉分心对跟车行为的影响,指出视觉分心降低了驾驶人的环境感知力,延长了其对前车减速或刹车的响应时间,增加了急刹车次数,降低了行驶的稳定性。Ghazizadeh等[12]从驾驶安全性的角度提出车内导航设置的单次注视时长须小于2 s。假如多次出现驾驶人视线离开道路前方的时长大于2 s,则会增加交通事故的概率。
视觉分心可以严重降低驾驶绩效,但分心程度如何影响操作行为尚处于探索阶段。视线遮挡技术可通过控制驾驶人视线遮挡时长来量化视觉分心程度[13]。Liu等[14]利用视线遮挡技术量化了驾驶人在城市、乡村和高速3种道路下的剩余注意力,分析了交通环境对驾驶注意力的需求水平,指出城市道路对驾驶注意力需求最高,高速公路环境相对简单,需要较少的注意。Chen等[15]通过模拟测试和实车道路测试,通过分析车辆速度与跟随过程中的注意力需求之间的关系,发现车辆速度越高,视觉分心程度越低,表明车辆速度在一定范围内与注意力需求呈正相关。可以推测,不同的交通环境对驾驶人的视觉注意力有不同的要求[16]。当外部交通环境复杂且车速较高时,驾驶人需要在短时间内处理更多的交通信息[17]。交通环境信息的变化速度越快,驾驶人视线在离开道路一段时间后,环境感知能力下降的速度就越快[18]。由此可知,在不同驾驶环境下,视觉分心程度对驾驶安全性的影响也不尽相同。所以,在衡量前者对后者的影响特性时,不能忽视交通环境因素[19]。
综上所述,视觉分心会降低驾驶人对周围环境的感知力,影响驾驶行为[20]。但仅当视线离开道路前方超过一定时长,达到一定分心程度时,才可能会影响驾驶的安全性。另外,视觉分心对驾驶人环境感知力的影响与交通环境相关。但考虑交通环境因素与视觉分心程度综合作用对驾驶行为影响的研究尚未见报道。基于此,本研究对比3种不同交通环境(城市、乡村和高速)下驾驶人在视觉分心1 s和2 s状态的驾驶行为参数,探索视觉分心和驾驶人操作行为之间的影响机制,以期为驾驶辅助系统中视觉分心监测提供理论依据。
1 研究方法 1.1 被试者通过被试者数据库和个人联系信息,共招募了28名视力正常或矫正视力正常的被试驾驶人参加试验,其中2人因驾驶模拟器眩晕而放弃了测试,最终选择了26名被试者的试验数据。其中,有16名男性和10名女性,年龄在22~45岁之间,平均年龄为31.4岁(标准差5.7),驾驶年龄为6~13岁,平均驾驶年龄为8.4岁(标准偏差2.5)。
1.2 试验设备试验在6自由度驾驶模拟器上进行。该驾驶模拟器的驾驶舱通过CAN总线实现高精度动力学仿真。场景软件可搭建高逼真度驾驶环境,并准确控制各个交通变量的空间运动状态。搭载的高性能数据采集系统可同步采集车辆运动状态和驾驶环境参数等多通道信息源。驾驶模拟器为自动挡车辆,场景显示系统由环形屏幕组成,其水平视角为180°,垂直视角为30°。
本试验选用液晶闭目镜(PLATO-visual Occlusion Spectacles),以控制遮挡视线时长量化视觉分心的程度。试验过程中,被试者可通过按下固定在手指上的微动开关来关闭闭目镜,但关闭时长(1 s,2 s)则由系统预设。闭目镜关闭时,驾驶人无法获取交通信息,从而间接模拟视觉分心。闭目镜在关闭一段时间(预设时长1 s或2 s)后自动打开,驾驶人可以获取周遭交通信息。
1.3 试验设计和步骤根据3种交通环境(城市60 km/h、乡村80 km/h、高速120 km/h)和3种分心程度(0,1,2 s)进行试验设计,所有被试者共参加了9个子试验,每个子试验耗时约5 min。在2次子试验之间的过渡阶段,前方屏幕上会出现下一次子试验的遮挡时长、限速信息和距离下一个子试验开始的时间。将9个子试验随机分配给被试者,但所有子试验在被试者之间出现的先后顺序基本一致,以消除学习效应。为此,在试验前事先确定了每位被试者的试验顺序。在3种交通环境中,城市交通环境道路最为复杂,对驾驶注意力需求最高;高速交通环境变量最少,对注意力需求最低。
首先,被试者阅读和签署试验知情同意书,并填写个人基本信息表。然后,被试者进入模拟器驾驶舱,佩戴控制闭目镜和控制开关,适应试验环境。最后,进行正式试验,完成9次子试验。试验过程中,前方引导车辆按照每个路段的限速行驶,驾驶人需要保持舒适跟车距离。在确保安全驾驶并遵守交通规则的条件下,当驾驶人掌握了当前的交通信息并且自我感知不需额外的视觉注意力时,关闭闭目镜以遮挡视线。
2 数据分析每次试验过程中,场景内所有虚拟车辆及交通变量的位置等数据均以20 Hz频率被记录下来。利用VC++从中提取的行驶时间、行驶距离、路段ID、自车车速、加速度、制动力、方向盘转角等参数,并以.dat文件保存。利用闭目镜自带的软件输出视线遮挡时刻、遮挡时长。以时间为基准对车辆运动参数和视线遮挡参数进行融合、去噪和重采样。根据交通环境和视觉分心状态对所有数据进行分类和过滤,然后输入SPSS软件,构建一般线性模型进行方差分析。本研究仅分析9个子试验路段的数据。
3 视线遮挡行为分析分析驾驶人的视线遮挡次数(即视觉分心次数),以检验不同交通环境下视觉分心程度(即视线遮挡时长)对驾驶人分心行为的影响。视觉分心次数是指每段子试验内被试者按下开关按钮,关闭闭目镜的次数。视觉分心次数越高说明当前交通环境对视觉注意力的需求越低,被试者剩余注意力资源越多。
以视觉分心程度和交通环境类型为因变量对分心次数进行显著性检验。方差分析结果显示视觉分心程度(F(2, 50)=30.7, p < 0.001)和交通环境类型(F(2, 50)=21.1, p < 0.001)均对视线遮挡次数有显著性的影响,而分心程度和交通环境类型之间没有显著的相互作用。不同交通环境和分心程度下的平均分心次数和方差具体数值见表 1。
| 分心程度/s | 平均分心次数/次 | ||
| 城市 | 乡村 | 高速 | |
| 1 | 26.5±7.2 | 30.2±10.3 | 41.4±16.3 |
| 2 | 16.3±4.8 | 18.9±6.9 | 27.6±9.7 |
Bonferroni事后检验显示,高速道路场景的分心次数最高,其次是乡村道路(p < 0.01),城市道路分心次数最少(p < 0.01)。分心次数的变异量在城市、乡村和高速道路上依次变大。此外,视线遮挡次数随分心程度的增加显著减少(p < 0.01)。
4 驾驶行为分析选取方向盘转角、方向盘角速度、方向盘回转率、方向盘转向熵和油门踏板开度标准差5个参数作为驾驶行为评价指标,分析分心程度对驾驶行为的影响。对驾驶行为表征参数采用交通环境类型和分心程度全因子设计进行方差分析。表 2显示了方差分析的F值和显著性水平。可以看出,交通环境和分心程度对所选的大部分驾驶行为参数有显著影响,且对方向盘转角均值和方向盘角速度有显著的交互作用。
| 驾驶行为表征参数 | 交通环境 F(2, 50) |
遮挡时长 F(2, 50) |
交通环境和遮挡时长 F(4, 100) |
| 方向盘转角均值 | 18.6*** | 11.4*** | 7.9* |
| 方向盘角速度 | 6.7*** | 19.9*** | 7.8*** |
| 方向盘回转率 | 0.9 | 103.8*** | F(3.6, 79.5)=0.61 |
| 方向盘转向熵 | 2.7 | 20.3*** | 0.4 |
| 油门踏板开度标准差 | 1.7 | F(1.4, 38.9)=22.7 *** | 1.1 |
| 注:当不满足球形检验时,采用Greenhouse-Geisser进行校正;*p<0.05, **p<0.01, *** p<0.001。 | |||
4.1 方向盘转角
方向盘转角通常被用来表示驾驶人转向操作的精确程度。图 1为不同交通环境和视觉分心程度下的方向盘转角均值。本研究计算方向盘转角均值时,忽略方向盘转动的方向而仅考虑其转动角度的大小。
|
| 图 1 不同交通环境和分心程度下方向盘转角均值箱图 Fig. 1 Boxplot of mean steering angle in different traffic environments and distractions |
| |
结合Bonferroni修正的事后检验(Post-Hoc)方法进行分析发现,方向盘转角均值随着车速的增加而显著减小(F(2, 50)=18.6, p < 0.001)。分心程度对方向盘转角的影响体现在:当视觉分心时长为2 s时,方向盘转角显著减小(F(2, 50)=11.4, p < 0.001);而正常驾驶和视觉分心时长1 s状态下的方向盘转角无显著差异。这表明驾驶人在视线长时间离开道路时通过增加转向幅度调整横向操作, 高速行驶时则减小横向操作幅度。
4.2 方向盘角速度方向盘角速度是指单位时间内驾驶人转动方向盘的角度,用于表征驾驶人横向操作的平顺性。由表 2可知,交通环境和分心程度对方向盘角速度均有显著性影响(F(2, 50)=6.7, p < 0.05;F(2, 50)=19.9, p < 0.001),且二者之间存在交互作用(F(2, 50)=7.8, p < 0.01)。统计不同交通环境和分心程度下的方向盘角速度,如图 2所示。
|
| 图 2 不同交通环境和分心程度下方向盘角速度箱图 Fig. 2 Boxplot of steering angle speeds in different traffic environments and distractions |
| |
城市、乡村和高速道路上的方向盘角速度分别为1.14,1.29,1.41(°)/s。视线遮挡2 s状态下的方向盘角速度明显比正常驾驶和视觉分心1 s状态下的更低。这说明在高速道路环境下,驾驶人视线长时间离开道路会引起严重的视觉分心,驾驶人通过快速转动方向盘调整车辆横向位置,降低了横向操作的平顺性。
4.3 回转率方向盘回转率是指1 min内方向盘改变运动方向的次数,体现驾驶人转向操作的稳定性。方向盘回转率越大,操作稳定性越低。由方差分析结果可知,视觉分心程度对方向盘回转率有显著性影响(F(2, 50)=103.8, p < 0.001),而交通环境对方向盘回转率没有显著性影响。统计不同交通环境和分心程度下的方向盘回转率,如图 3所示。当视觉分心时长为2 s时,方向盘回转率显著小于正常驾驶和视觉分心1 s状态,而后二者之间没有显著差异。这说明驾驶人视线离开道路时长达到2 s时,来回摆动方向盘的频率下降了,间接提高了横向操作的稳定性。
|
| 图 3 不同交通环境和分心程度下方向盘回转率箱图 Fig. 3 Boxplot of steering reversal rates in different traffic environments and distractions |
| |
4.4 转向熵
转向熵是指方向盘实际旋转角度与预测旋转角度之间的偏差超过一定范围的概率,反映了驾驶人旋转方向盘的随机性。方向盘的转向熵越大,驾驶人横向操作的随机性就越大。图 4为不同交通环境和视觉分心程度下的方向盘转向熵分布。
|
| 图 4 不同交通环境和分心程度下转向熵箱图 Fig. 4 Boxplot of steering entropy in different traffic environments and distractions |
| |
由方差分析结果可知,分心程度对转向熵有显著性影响(F(2, 50)=20.3, p < 0.001)。城市和乡村交通环境的转向熵,在正常驾驶和视觉分心1 s状态下并无显著性差异(0.42和0.43);而转向熵在视觉分心2 s下则显著性增加至0.51。在高速道路上,转向熵随视觉分心程度的增加而增加(p < 0.001)。说明驾驶人视觉分心2 s时,转向操作的随机性显著增加。
综合以上横向操作行为参数分析可知,驾驶人视觉分心2 s会导致转向误差增大、转向平顺性下降、稳定性增加、灵活性降低。这可能是由于驾驶人视线长时间离开道路无法提供正常驾驶所需的必要视觉信息,增加了驾驶压力,容易造成操作误差。驾驶人通过增加大幅度转向操作抵消了由于视觉分心阶段信息丢失造成的横向误差,以降低危险度,提高驾驶安全感。但视觉分心1 s并不会显著降低驾驶人横向操作绩效。可能是驾驶人视线离开道路1 s期间仍保持较好的环境感知力。另外,交通环境也会对横向操作有影响,高速道路环境下存在视觉分心时,转向准确性和平顺性均有所降低。可能是车速越高,单位时间内外界环境变异量越大,视线离开道路期间驾驶人的环境不确定度增量越大,由此降低了其环境感知力。
4.5 油门踏板开度标准差鉴于试验过程中驾驶人很少操作制动踏板,仅通过操作油门踏板以维持或改变当前车辆的运行速度,进而控制跟车距离,本研究通过油门踏板开度变化分析驾驶人纵向操控行为的稳定性。设定节气门完全关闭时,油门踏板开度定义为0;节气门完全打开时,油门踏板开度为1,油门踏板开度的标准偏差取值范围为0~1。统计不同交通环境和视觉分心程度下的油门踏板开度标准差,如图 5所示。结合方差分析结果可知,视觉分心时长为2 s时,油门踏板开度标准差在3种交通环境下均显著增加(F(1.4, 38.9)=22.7***);而正常驾驶和视觉分心1 s状态下的油门踏板开度标准差无显著性差异。在高速道路上,油门踏板开度标准差则随视觉分心程度的增加而显著增加。这说明驾驶人视线离开道路时间越长,视觉分心程度越严重,对油门踏板的操作越离散。
|
| 图 5 不同交通环境和分心程度下油门踏板开度标准差 Fig. 5 Standard deviation of throttle pedal degree in different traffic environments and distractions |
| |
5 结论
(1) 视觉分心行为受交通环境和分心程度的双重影响。驾驶人主动分心次数与交通环境复杂度和分心程度均反相关。
(2) 低强度视觉分心不会对驾驶人的环境感知力有显著性影响,其横向和纵向操作绩效没有显著性下降。
(3) 驾驶人严重视觉分心会导致转向误差增大、转向平顺性下降、稳定性增加、灵活性降低、纵向平稳性下降。驾驶人通过增加大幅度转向和频繁操作油门踏板来抵消由于视线离开道路阶段信息丢失造成的横向和纵向误差,以降低危险度,提高驾驶安全感。
(4) 交通环境对驾驶人的纵向操作无显著性影响,而对横向操作的精确性和平顺性有显著性影响。高速道路环境下存在视觉分心时,驾驶人通过快速小幅度转向控制车辆的横向稳定性。
| [1] |
高岩, 曾涛, 张树林, 等. 车载智能终端使用对驾驶分心的影响[J]. 人类工效学, 2019, 25(5): 75-80. GAO Yan, ZENG Tao, ZHANG Shu-lin, et al. Impact of In-vehicle Intelligent Terminal Use on Driving Distraction[J]. Chinese Journal of Ergonomics, 2019, 25(5): 75-80. |
| [2] |
LEE J D, REGAN M A. Distraction and Inattention: Current Themes and Research Directions[M].
Aldershot: Ashgate Publishing Ltd, 2013: 419-428.
|
| [3] |
李鹏辉, 胡孟夏, 张文会, 等. 分心对驾驶人交通冲突反应时间的影响[J]. 中国公路学报, 2018, 31(4): 40-46. LI Peng-hui, HU Meng-xia, ZHANG Wen-hui, et al. Influence of Distraction on Driver's Reaction Time to Traffic Conflicts[J]. China Journal of Highway and Transport, 2018, 31(4): 40-46. |
| [4] |
高建刚, 陈宏云, 郑昊, 等. 国外乡村公路交通事故主要致因综述[J]. 公路交通科技, 2009, 26(11): 123-131, 135. GAO Jian-gang, CHEN Hong-yun, ZHENG Hao, et al. Summary of Causes of Foreign Rural Road Accidents[J]. Journal of Highway and Transportation Research and Development, 2009, 26(11): 123-131, 135. DOI:10.3969/j.issn.1002-0268.2009.11.024 |
| [5] |
冯忠祥, 刘静, 杜姗姗. 高速公路广告牌对驾驶员视觉影响研究[J]. 公路交通科技, 2009, 26(3): 144-147. FENG Zhong-xiang, LIU Jing, DU Shan-shan. Research on Influence of Advertisements on Drivers' Vision in Expressway[J]. Journal of Highway and Transportation Research and Development, 2009, 26(3): 144-147. DOI:10.3969/j.issn.1002-0268.2009.03.028 |
| [6] |
BROSTRÖM R, BENGTSSON P, AUST M L. Individual Glance Strategies and Their Effect on the NHTSA Visual Manual Distraction Test[J].
Transportation Research, Part F: Traffic Psychology and Behaviour, 2016, 36: 83-91.
DOI:10.1016/j.trf.2015.10.017 |
| [7] |
王畅, 郭应时, 付锐, 等. 视线离开前方区域时的驾驶人操作行为[J]. 重庆交通大学学报(自然科学版), 2014, 33(3): 124-128. WANG Chang, GUO Ying-shi, FU Rui, et al. Driver's Operation Behavior during Eyes off Road[J]. Journal of Chongqing Jiaotong University (Natural Science Edition), 2014, 33(3): 124-128. DOI:10.3969/j.issn.1674-0696.2014.03.27 |
| [8] |
张兰芳, 崔博宇, 王俊骅, 等. 自然驾驶状态下使用手机对驾驶控制行为的影响[J]. 同济大学学报(自然科学版), 2019, 47(12): 1756-1763. ZHANG Lan-fang, CUI Bo-yu, WANG Jun-hua, et al. Effects of Naturalistic Mobile Phone Operations on Driving Control Behavior[J]. Journal of Tongji University (Natural Science Edition), 2019, 47(12): 1756-1763. DOI:10.11908/j.issn.0253-374x.2019.12.010 |
| [9] |
CHOUDHARY P, VELAGA N R. Analysis of Vehicle-based Lateral Performance Measures during Distracted Driving due to Phone Use[J].
Transportation Research Part F: Traffic Psychology and Behaviour, 2017, 44: 120-133.
DOI:10.1016/j.trf.2016.11.002 |
| [10] |
LIANG Y, LEE J D, YEKHSHATYAN L. How Dangerous is Looking Away from the Road? Algorithms Predict Crash Risk from Glance Patterns in Naturalistic Driving[J].
Human Factors, 2012, 54(6): 1104-1116.
DOI:10.1177/0018720812446965 |
| [11] |
BURNS P, HARBLUK J, FOLEY J P, et al. The Importance of Task Duration and Related Measures in Assessing the Distraction Potential of In-vehicle Tasks[C]//Proceedings of the 2nd International Conference on Automotive User Interfaces and Interactive Vehicular Applications. Boca Raton: CRC Press, 2010: 12-19.
|
| [12] |
GHAZIZADEH M, LEE J D, PENG Y, et al. Assessing Text Reading and Text Entry While Driving Using the Visual Occlusion Technique[J].
Accident Reconstruction Journal, 2015, 25(1): 51-54.
|
| [13] |
KIRCHER K, AHLSTROM C. Evaluation of Methods for the Assessment of Attention While Driving[J].
Accident Analysis & Prevention, 2018, 114: 40-47.
|
| [14] |
LIU Z, AHLSTRÖM C, FORSMAN Å, et al. Attentional Demand as a Function of Contextual Factors in Different Traffic Scenarios[J].
Human factors, 2020, 62.
|
| [15] |
CHEN H Y W, MILGRAM P. A Framework for Modelling and Analysing Variability in Visual Occlusion Experiments[C]//Proceedings of the Human Factors and Ergonomics Society Annual Meeting. Los Angeles: SAGE Publications, 2013.
|
| [16] |
KIRCHER K, AHLSTRÖM C. Attentional Requirements on Cyclists and Drivers in Urban Intersections[J].
Transportation Research, Part F: Traffic Psychology and Behaviour, 2020, 68: 105-117.
DOI:10.1016/j.trf.2019.12.008 |
| [17] |
郭孜政, 陈崇双, 陈亚青, 等. 基于马尔可夫过程的驾驶员视觉注意力转移模型研究[J]. 公路交通科技, 2009, 26(12): 116-119. GUO Zi-zheng, CHEN Chong-shuang, CHEN Ya-qing, et al. Research on Shift Modle of Driver's Visual Attention Based on MarKov Process[J]. Journal of Highway and Transportation Research and Development, 2009, 26(12): 116-119. DOI:10.3969/j.issn.1002-0268.2009.12.023 |
| [18] |
FAURE V, LOBJOIS R, BENGUIGUI N. The Effects of Driving Environment Complexity and Dual Tasking on Drivers' Mental Workload and Eye Blink Behavior[J].
Transportation Research, Part F: Traffic Psychology and Behaviour, 2016, 40: 78-90.
|
| [19] |
LEMONNIER S, DÉSIRÉ L, BRÉMOND R, et al. Drivers' Visual Attention: A Field Study at Intersections[J].
Transportation Research, Part F: Traffic Psychology and Behaviour, 2020, 69: 206-221.
DOI:10.1016/j.trf.2020.01.012 |
| [20] |
刘卓凡, 付锐, 程文冬, 等. 驾驶人视觉分心与认知分心研究综述[J]. 中国安全科学学报, 2015, 25(7): 29-34. LIU Zhuo-fan, FU Rui, CHENG Wen-dong, et al. Overview of Researches on Drivers' Visual Distraction and Cognitive Distraction[J]. China Safety Science Journal, 2015, 25(7): 29-34. DOI:10.16265/j.cnki.issn1003-3033.2015.07.005 |
2023, Vol. 40


,