劉英杰，趙又群，陳雪梅

(1.濰坊學(xué)院機(jī)電與車輛工程學(xué)院，濰坊 261061； 2.南京航空航天大學(xué)能源與動(dòng)力學(xué)院，南京 210016；3.北京理工大學(xué)機(jī)械與車輛工程學(xué)院，北京 100081)

?

2015187

汽車緊急避讓情況下駕駛員心理負(fù)荷的研究*

劉英杰1,2，趙又群2，陳雪梅3

(1.濰坊學(xué)院機(jī)電與車輛工程學(xué)院，濰坊 261061； 2.南京航空航天大學(xué)能源與動(dòng)力學(xué)院，南京 210016；3.北京理工大學(xué)機(jī)械與車輛工程學(xué)院，北京 100081)

為從車輛行駛安全的角度出發(fā)，揭示緊急避讓情況下駕駛員心理負(fù)荷的變化，利用動(dòng)態(tài)心電分析儀、Frecord數(shù)據(jù)采集系統(tǒng)和動(dòng)態(tài)GPS，進(jìn)行緊急避讓情況下駕駛員生理反應(yīng)的試驗(yàn)?；诙嘣€性回歸統(tǒng)計(jì)方法，對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行擬合，建立了同一車道上汽車距前方障礙物距離、汽車行駛速度、緊急制動(dòng)時(shí)最大制動(dòng)踏板速度、為避障而突然轉(zhuǎn)向時(shí)最大轉(zhuǎn)向盤角速度和駕駛員心率變化量之間的多元線性回歸模型，對(duì)諸參數(shù)之間的關(guān)系進(jìn)行了分析。結(jié)果表明，車距障礙物距離對(duì)最大轉(zhuǎn)向盤角速度和最大制動(dòng)踏板速度的影響大于汽車行駛速度的影響，且隨著行車速度的增加和車距障礙物距離的減小，駕駛員心理負(fù)荷增大。

汽車；緊急避讓；多元線性回歸；駕駛員；心理負(fù)荷

前言

交通事故發(fā)生率居高不下，早已引起汽車行業(yè)的廣泛關(guān)注。

駕駛員的行為被認(rèn)為是從駕駛員感官信息到駕駛員操縱的映射，例如轉(zhuǎn)向、制動(dòng)或轉(zhuǎn)向-制動(dòng)相結(jié)合的操縱方式[1-4]。當(dāng)遇到緊急情況時(shí)，駕駛員往往處于緊張狀態(tài)，這時(shí)駕駛員的操縱準(zhǔn)確性大為降低，嚴(yán)重影響車輛的行駛安全。通常情況下，車與障礙物之間的距離越近，車輛行駛速度越高，駕駛員操縱汽車的緊張程度就會(huì)越大。緊急情況下駕駛員準(zhǔn)確的操縱行為對(duì)于保證交通安全具有重要意義[5-10]。

文獻(xiàn)[11]和文獻(xiàn)[12]中建立了包括車輛與障礙物之間的距離、車輛行駛速度、緊急情況下駕駛員生理反應(yīng)變化量等因素的混合效應(yīng)模型，分別對(duì)駕駛員轉(zhuǎn)向行為和制動(dòng)速度與生理反應(yīng)間的關(guān)系進(jìn)行了研究。

但在緊急避讓情況下，駕駛員心理負(fù)荷與駕駛員轉(zhuǎn)向行為和車輛制動(dòng)速度是相互關(guān)聯(lián)的。因此有必要對(duì)這三者之間的關(guān)系進(jìn)行研究。

回歸分析是現(xiàn)代應(yīng)用統(tǒng)計(jì)學(xué)的一個(gè)重要分支，是研究事物間量變規(guī)律的一種科學(xué)方法。它研究一個(gè)因變量與一個(gè)或多個(gè)解釋變量之間的相互依存關(guān)系，并估計(jì)或預(yù)測(cè)解釋變量對(duì)因變量的影響，是研究變量之間非確定關(guān)系的多元統(tǒng)計(jì)分析方法?；貧w分析不僅能夠分析解釋變量對(duì)因變量影響的大小，還可以通過(guò)回歸方程對(duì)因變量進(jìn)行預(yù)測(cè)和控制[13]。

本文中基于多元線性回歸分析方法，分別建立車輛緊急避讓情況下最大轉(zhuǎn)向盤角速度與車距障礙物距離和行車速度之間的線性回歸模型、最大制動(dòng)踏板速度與車距障礙物距離和行車速度之間的線性回歸模型、駕駛員心理負(fù)荷與最大轉(zhuǎn)向盤角速度和最大制動(dòng)踏板速度之間的線性回歸模型，并進(jìn)行分析研究。

1 多元線性回歸模型的基本理論

多元線性回歸模型[14]為

y=Xβ+e

(1)

式中：y為n×1的觀測(cè)向量；X為n×p的設(shè)計(jì)矩陣；β為未知參數(shù)向量；e為n×1隨機(jī)誤差向量。

參數(shù)向量β的估計(jì)值為

(2)

為了方便地進(jìn)行模型的參數(shù)估計(jì)，通常對(duì)式(1)做如下假設(shè)。

(1) 自變量x1,x2,…,xp是確定性變量，不是隨機(jī)變量，且要求rank(X)=p+1

(2) 隨機(jī)誤差項(xiàng)具有0均值和等方差，即

(3)

式中：ei為對(duì)應(yīng)的隨機(jī)誤差；σ2為方差。

(3) 正態(tài)分布的假定條件為

e～N(o,σ2In)

(4)

式中：o為零矩陣；In為n階單位矩陣。

由以上假設(shè)和多元正態(tài)分布的性質(zhì)可知，隨機(jī)向量y遵從n維正態(tài)分布，即

y～N(Xβ,σ2In)

(5)

2 多元線性回歸模型的建立

2.1 緊急避讓試驗(yàn)設(shè)計(jì)

2.1.1 試驗(yàn)基本要求

研究路段要選擇易于設(shè)置突發(fā)場(chǎng)景的路段；突發(fā)事件的設(shè)置要盡可能地逼近真實(shí)；障礙物的形狀和狀態(tài)要參考相應(yīng)文獻(xiàn)精心設(shè)計(jì)；測(cè)量車輛操縱指標(biāo)要盡可能選用精度高的傳感器，并要保證各個(gè)信號(hào)采集同步；要選擇身體健康、反應(yīng)正常和技術(shù)較熟練的駕駛員作為測(cè)試樣本。

2.1.2 緊急避讓試驗(yàn)方案

采用的道路如圖1所示。在距長(zhǎng)直路段與曲線路段銜接中點(diǎn)分別為40，50，60和70m的車道中心處放置固定障礙物，固定障礙物為長(zhǎng)1m、寬0.5m和高1.5m的紙箱。由于直線路段與曲線路段的銜接點(diǎn)旁邊種植很多樹木，影響了駕駛員的視野，是產(chǎn)生突發(fā)場(chǎng)景的理想地點(diǎn)。設(shè)定初始行駛車速分別為40，50，60，70和75km/h。因?yàn)樵囼?yàn)場(chǎng)地比較開闊，為制造突發(fā)場(chǎng)景采用試驗(yàn)人員與駕駛員聊天的方式人為干擾駕駛員的注意力獲得突發(fā)狀況。

2.2 試驗(yàn)數(shù)據(jù)的獲取

選取8位有一定駕駛經(jīng)驗(yàn)的駕駛員在緊急狀況下進(jìn)行駕駛行為試驗(yàn)，試驗(yàn)框圖如圖2所示。測(cè)量得到不同的車距障礙物之間的距離和車輛行駛速度條件下的駕駛員心率變化量、緊急制動(dòng)時(shí)最大制動(dòng)踏板速度和突然轉(zhuǎn)向時(shí)最大轉(zhuǎn)向盤角速度的變化，如表1所示[12,15]。

2.3 多元線性回歸模型

2.3.1 最大轉(zhuǎn)向盤角速度與車距障礙物距離和行車速度線性回歸方程

分別繪制最大轉(zhuǎn)向盤角速度與車距障礙物距離和最大轉(zhuǎn)向盤轉(zhuǎn)角與行車速度關(guān)系圖，如圖3和圖4所示。由圖可見(jiàn)，最大轉(zhuǎn)向盤角速度與車距障礙物距離和最大轉(zhuǎn)向盤轉(zhuǎn)角與行車速度之間的關(guān)系近似為一條線性相關(guān)的直線，這說(shuō)明采用多元線性回歸方法進(jìn)行定量分析是可行的。

表1 駕駛員心率增量、車距障礙物距離和車輛行駛速度部分試驗(yàn)數(shù)據(jù)

用統(tǒng)計(jì)分析軟件SPSS進(jìn)行分析。表2～表4分別為回歸方程擬合度檢驗(yàn)結(jié)果、方差分析結(jié)果和多元線性回歸系數(shù)結(jié)果。

表2 最大轉(zhuǎn)向盤角速度隨行車速度和車距障礙物距離變化回歸方程擬合度檢驗(yàn)結(jié)果

表4 最大轉(zhuǎn)向盤角速度隨行車速度和車距障礙物距離變化多元線性回歸系數(shù)結(jié)果

由表4可知，最大轉(zhuǎn)向盤角速度變化量y1對(duì)自變量車距障礙物距離x11和行車速度x12的線性回歸經(jīng)驗(yàn)方程為

(6)

因式(6)為經(jīng)驗(yàn)方程，故還須進(jìn)行回歸方程顯著性的F檢驗(yàn)和回歸系數(shù)顯著性的t檢驗(yàn)。

當(dāng)F>Fα(p,n-p-1)時(shí)，拒絕原假設(shè)，即認(rèn)為在顯著水平α下，y1對(duì)x11和x12有顯著的線性關(guān)系，也即回歸方程是顯著的。也可以根據(jù)P值檢驗(yàn)，表3中的Sig就是P值。P值與F值的關(guān)系為P(F>F值)=P值[13]，即F>167.974的概率為0，P值越小，F(xiàn)值越大；P值越大，F(xiàn)值越小。當(dāng)P值<α?xí)r，回歸方程是顯著的，否則認(rèn)為回歸方程不顯著。

利用表3中的Sig即P值，對(duì)回歸系數(shù)x11和x12的顯著性進(jìn)行檢驗(yàn)。它與t值的關(guān)系為P(|t|>|t值|)=P值。當(dāng)P值≤α?xí)r，|t值|≥tα/2，此時(shí)認(rèn)為該自變量與因變量之間有顯著線性關(guān)系，否則，認(rèn)為自變量的變化對(duì)因變量沒(méi)有影響。

假設(shè)顯著水平α=0.05，即認(rèn)為“自變量全體對(duì)因變量y產(chǎn)生線性影響”這一結(jié)論錯(cuò)誤的概率不超過(guò)5%。由上述分析及表3和表4的結(jié)果可知，最大轉(zhuǎn)向盤角速度y1對(duì)自變量車距障礙物距離x11和行車速度x12的線性回歸方程為

y1=355.40-5.627x11+4.203x12

(7)

由式(7)可以看出：在車距障礙物距離x11不變的情況下，行車速度x12增大，最大轉(zhuǎn)向盤角速度隨之呈直線關(guān)系增加，即駕駛員急于擺脫環(huán)境變化帶來(lái)的危險(xiǎn)，忙碌程度越大；在行車速度x12不變的情況下，車距障礙物距離x11增加，最大轉(zhuǎn)向盤角速度隨之呈直線關(guān)系減小，即駕駛員忙碌程度減小。并且可以看出，車距障礙物距離x11對(duì)最大轉(zhuǎn)向盤角速度影響較大。

2.3.2 最大制動(dòng)踏板速度與車距障礙物距離和行車速度線性回歸方程

分別繪制最大制動(dòng)踏板速度與車距障礙物距離和行車速度關(guān)系圖，如圖5和圖6所示。由圖可見(jiàn)，最大制動(dòng)踏板速度與車距障礙物距離和行車速度之間的關(guān)系近似為一條線性相關(guān)的直線，因此可采用多元線性回歸方法進(jìn)行定量分析。

用統(tǒng)計(jì)分析軟件SPSS進(jìn)行分析。表5～表7分別為回歸方程擬合度檢驗(yàn)結(jié)果、方差分析結(jié)果和多元線性回歸系數(shù)結(jié)果。

假設(shè)顯著水平α=0.05。由表6和表7的結(jié)果可知，最大制動(dòng)踏板速度變化量y2對(duì)自變量車距障礙物距離x21和行車速度x22的線性回歸方程為

y2=450.43-4.159x21+2.948x22

(8)

表5 最大制動(dòng)踏板速度隨行車速度和車距障礙物距離變化回歸方程擬合度檢驗(yàn)結(jié)果

表6 最大制動(dòng)踏板速度隨行車速度和車距障礙物距離變化方差分析結(jié)果

表7 最大制動(dòng)踏板速度隨行車速度和車距障礙物距離變化多元線性回歸系數(shù)結(jié)果

由式(8)可以看出：在車距障礙物距離x21不變的情況下，行車速度x22增大，最大制動(dòng)踏板速度隨之呈線性關(guān)系增加；在行車速度x22不變的情況下，增大車距障礙物距離x21，最大制動(dòng)踏板速度隨之呈線性關(guān)系減小。并且可以看出，車距障礙物距離x21對(duì)最大制動(dòng)踏板速度影響較大。

2.3.3 心率變化量與最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度線性回歸方程

分別繪制駕駛員心率變化量與最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度關(guān)系圖，如圖7和圖8所示。由圖7和圖8可以看出，駕駛員心率變化量與緊急制動(dòng)時(shí)的最大制動(dòng)踏板速度和突然轉(zhuǎn)向時(shí)的最大轉(zhuǎn)向盤角速度之間的關(guān)系近似為一條正相關(guān)的直線，這說(shuō)明可采用多元線性回歸方法進(jìn)行定量分析。

用統(tǒng)計(jì)分析軟件SPSS進(jìn)行分析。表8～表10分別為回歸方程擬合度檢驗(yàn)結(jié)果、方差分析結(jié)果和多元線性回歸系數(shù)結(jié)果。

表8 心率變化量隨最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度變化回歸方程擬合度檢驗(yàn)結(jié)果

表9 心率變化量隨最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度變化方差分析結(jié)果

表10 心率變化量隨最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度變化多元線性回歸系數(shù)結(jié)果

假設(shè)顯著水平α=0.05。由表9和表10的結(jié)果可知，心率變化量y對(duì)自變量最大制動(dòng)踏板速度x1和最大轉(zhuǎn)向盤角速度x2的線性回歸方程為

y=6.704+0.019x1+0.036x2

(9)

由式(9)可以看出：在最大制動(dòng)踏板速度x1不變的情況下，最大轉(zhuǎn)向盤角速度x2增大，駕駛員心率變化量隨之呈線性關(guān)系增加，即駕駛員心理負(fù)荷越大；在最大轉(zhuǎn)向盤角速度x2不變的情況下，最大制動(dòng)踏板速度x1增加，駕駛員心率變化量隨之呈線性關(guān)系增加，亦即駕駛員心理負(fù)荷越大。并且可以看出，最大轉(zhuǎn)向盤角速度x2對(duì)駕駛員心率變化量影響較大。

3 結(jié)論

(1) 在緊急避讓情況下，制動(dòng)踏板速度和轉(zhuǎn)向盤角速度都反映出駕駛員心率即駕駛員心理負(fù)荷的變化。相對(duì)于最大制動(dòng)踏板速度，最大轉(zhuǎn)向盤角速度的變化對(duì)駕駛員的心理負(fù)荷影響作用較大。

(2) 一定行車速度條件下最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度與車距障礙物距離呈負(fù)相關(guān)的線性函數(shù)關(guān)系；一定車距障礙物距離條件下最大制動(dòng)踏板速度和最大轉(zhuǎn)向盤角速度與行車速度呈正相關(guān)的線性函數(shù)關(guān)系。

(3) 車距障礙物距離、行駛車速對(duì)轉(zhuǎn)向盤角速度具有明顯影響作用，且車距障礙物距離對(duì)轉(zhuǎn)向盤角速度的影響作用大于行車速度對(duì)轉(zhuǎn)向盤角速度的影響作用。

(4) 本文中提供的方法可以定量地分析緊急避讓情況下駕駛員心理負(fù)荷與各影響因素之間的關(guān)系，也可為分析駕駛員對(duì)行車緊急程度的主觀評(píng)價(jià)奠定基礎(chǔ)。

[1] Morita K, Mashiko J, Okada T. A Study on Delay in Braking Operation when Drivers Looking Aside from Road Ahead[J]. Trans. Soc. Automotive Eng. Japan,2002,33(3):161-166.

[2] Takubo N, Fujioka T. Analysis of Glance Away in Driving[J]. Trans. Soc. Automotive Eng. Japan,2003,34(2):107-112.

[3] Lin C T, Wu R C, Liang S F, et al. EEG-based Drowsiness Estimation for Safety Driving Using Independent Component Analysis[J]. IEEE Transaction on Circuits and Systems,2005,52(12):2726-2738.

[4] José E Naranjo, Carlos González. Lane-Change Fuzzy Control in Autonomous Vehicles for the Overtaking Maneuver[J]. IEEE Transactions on Intelligent Transportation Systems,2008,9(3):438-450.

[5] Sun Li, Fang Liang, He Guoping. An Active Strategy Based on the Multiplier Function or the Gradient[J]. Application of Mathematics,2010,55(4):291-304.

[6] 李克強(qiáng),王躍建,高峰.基于ITS的行車安全輔助系統(tǒng)[J].江蘇大學(xué)學(xué)報(bào),2005,26(4):294-297.

[7] 王昊.汽車視野安全的研究進(jìn)展[J].江蘇理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2001,22(2):46-50.

[8] 劉英杰,趙又群,許健雄,等.基于Gauss偽譜法的緊急避讓汽車操縱逆動(dòng)力學(xué)[J].機(jī)械工程學(xué)報(bào),2012,48(22):127-132.

[9] Chris L, Mohamed A A. Presence of Passengers: Does It Increase or Reduce Driver’s Crash Potential[J]. Accident Analysis and Prevention,2008,40(5):1703-1712.

[10] Jessica S, Jermakian. Crash Avoidance Potential of Four Large Truck Technologies[J]. Accident Analysis and Prevention,2012,49:338-346.

[11] 陳雪梅,魏中華,高利.駕駛員轉(zhuǎn)向行為與生理反應(yīng)的混合效應(yīng)模型[J].北京工業(yè)大學(xué)學(xué)報(bào),2009,35(2):230-234.

[12] 陳雪梅,高利,魏中華.緊急避障時(shí)駕駛員制動(dòng)操縱特性研究[J].北京工業(yè)大學(xué)學(xué)報(bào),2007,33(6):603-607.

[13] 劉順忠.數(shù)理統(tǒng)計(jì)理論、方法、應(yīng)用和軟件計(jì)算[M].武漢:華中科技大學(xué)出版社,2005.

[14] 王松桂,陳敏,陳立萍.線性統(tǒng)計(jì)模型[M].北京:高等教育出版社,1999.

[15] 陳雪梅,魏中華,高利.駕駛員制動(dòng)速度與生理反應(yīng)的混合效應(yīng)模型[J].江蘇大學(xué)學(xué)報(bào),2008,29(3):214-217.

A Research on Driver’s Psychological Burden Under theCondition of Vehicle Emergent Obstacle Avoidance

Liu Yingjie1,2, Zhao Youqun2& Chen Xuemei3

1.SchoolofMechanical-ElectronicandVehicleEngineering,WeifangUniversity,Weifang261061; 2.CollegeofEnergyandPowerEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016; 3.SchoolofMechanicalEngineering,BeijingInstituteofTechnology,Beijing100081

To reveal the change in driver’s psychological burden under the condition of emergent obstacle avoidance, starting from the angle of vehicle operation safety, tests on driver’s physiological responses under emergent obstacle avoidance are conducted by using Holter monitor, Frecord data collection system and dynamic GPS. Based on multivariate linear regression statistics, test data are fitted to get the multivariate linear regression models of driver’s heart rate variation against the distance between vehicle and front obstacles in the same lane, vehicle speeds, the maximum braking pedal velocity and the maximum steering wheel angular velocity with the relationships between parameters analyzed. The results indicate that the distance between vehicle and obstacle has larger effects on the maximum steering wheel angular velocity and the maximum braking pedal velocity than vehicle speed has, and the driver’s psychological burden increases with the rise in vehicle speed and the reduction in distance between vehicle and obstacle.

vehicle; emergent obstacle avoidance; multivariate linear regression; driver; psychological burden

*國(guó)家自然科學(xué)基金(11072106)資助。

原稿收到日期為2013年9月25日，修改稿收到日期為2014年4月17日。