• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      駕駛人抑制控制對風險駕駛行為的影響研究*

      2021-05-12 02:52:04楊國松張康康
      汽車工程 2021年4期
      關鍵詞:誤報率控制能力控制組

      袁 偉,楊國松,付 銳,張 智,張康康

      (長安大學汽車學院,西安 710064)

      前言

      在由駕駛人、車輛和道路環(huán)境所構成的道路交通系統(tǒng)中,駕駛人作為系統(tǒng)的重要組成部分,對道路交通及其安全起到不可替代的作用[1]。國內外關于駕駛行為研究證實,駕駛人的風險駕駛行為是導致道路交通事故的一個重要因素[2],而駕駛人認知能力對其駕駛過程中的行為產(chǎn)生顯著影響[3],通過對駕駛人認知能力的研究有望解釋和減少道路交通事故的發(fā)生[4]。抑制控制作為重要的認知能力之一,其作用是使駕駛人能夠有效抵制外界誘惑而不被自身沖動所驅使,從而去執(zhí)行更需要或更恰當?shù)男袨椋?],對駕駛人在駕駛過程中的感知和決策行為都產(chǎn)生顯著影響[6]。

      國內外的一些學者對抑制控制和風險駕駛行為間的關系進行了初步研究,為從駕駛人認知能力入手提高道路交通安全提供了理論基礎。Fillmore等[7]采用線索化Go/NoGo 任務范式和模擬駕駛任務,根據(jù)是否飲酒將被試分為實驗組和對照組,進行重復實驗與測試分析,結果表明實驗組的Go/NoGo任務反應時和誤報率都明顯增加,且其風險駕駛行為同時增加,而實驗組和對照組的誤報率都與其制動失效比例和行駛過程中壓線次數(shù)成正比。Cascio等[8]采用Go/NoGo 任務范式對抑制控制進行測試,并使用核磁共振技術從神經(jīng)層面研究和解釋抑制控制與駕駛行為之間的關系,結果表明腦部右額區(qū)是與抑制相關的腦內源區(qū),右額區(qū)激活越明顯,則駕駛人的安全駕駛行為越多。Ross 等[9]采用線索化Go/NoGo 任務范式和Stop?Signal 任務范式對抑制控制進行測試,并設計了包含多種駕駛事件的模擬駕駛任務,結果表明Stop?Signal 任務反應時與車道偏移標準差和碰撞次數(shù)成正比,Go/NoGo 任務誤報率與碰撞次數(shù)成正比。Owsley等[10]對沖動性人格特質與風險駕駛行為之間的關系進行了研究,通過艾森克人格測試量表對305 名駕駛人的沖動性人格特質進行了測量,并使用駕駛行為問卷對駕駛人風險駕駛行為進行了評估,結果表明高沖動分數(shù)的駕駛人具有更明顯的駕駛錯誤和違規(guī)行為。莊明科等[11]對風險駕駛行為影響因素與交通事故間的關系進行了研究,通過風險駕駛行為調查問卷并結合探索性因素分析,得到風險駕駛行為的一般性和攻擊性違規(guī)、無害性和危險性失誤4 個重要因素。Hennessy[12]對駕駛人情緒與風險駕駛行為的關系進行了研究,結果表明在駕駛過程中的消極情緒會影響駕駛人對外來刺激的反應水平,這將會影響駕駛人對于道路上其他駕駛人駕駛行為的理解,從而觸發(fā)駕駛人風險駕駛行為。Cheng 等[13]對駕駛人沖動性與風險駕駛行為的關系進行了研究,采用沖動性量表對駕駛人進行分類,并使用Stroop 任務范式對抑制控制進行測試,通過調查問卷對風險駕駛行為進行評估,結果表明沖動程度較高的駕駛人具有更多的風險駕駛行為,并且更難以抑制自己的反應,而Stroop 任務范式得分越低,則其風險駕駛行為中的違規(guī)分數(shù)越高。

      現(xiàn)有研究成果表明駕駛人抑制控制能力與駕駛安全性間具有緊密聯(lián)系,但是學者們對于風險駕駛行為的測試多采用自我報告等主觀問卷形式展開,基于駕駛行為績效進行評估的方法較少。因此,有必要基于行為層面探討抑制控制與風險駕駛行為之間的關系,本文中結合駕駛人抑制控制和風險駕駛行為特征,建立模擬駕駛場景,通過模擬駕駛實驗任務分析駕駛人風險駕駛行為與抑制控制之間的關系。

      1 實驗方法

      1.1 實驗設備

      本文中基于駕駛模擬器硬件和交通場景仿真軟件SILAB 開發(fā)了駕駛模擬器系統(tǒng),該系統(tǒng)可具有實驗場景自主選擇、實驗場景動態(tài)組合、安全可靠性高、數(shù)據(jù)采集精度高和成本較低等優(yōu)勢。圖1 展示了本文采用的駕駛模擬器系統(tǒng)的駕駛場景。

      圖1 模擬駕駛系統(tǒng)

      1.2 被試選取

      本文的研究對象為駕駛人,因此要求被試需要持有駕照且有駕駛經(jīng)驗,且近2 年在駕駛過程中未發(fā)生過重大交通事故。最終共招募51 名駕駛人,其中32 名男性,19 名女性,均為右利手,平均年齡為25.5 歲,標準差為2.42 歲,平均駕齡為3.3 年,標準差為1.25年。

      1.3 心理學任務

      在常用的測試抑制控制能力的心理學實驗范式中,Go/NoGo 范式要求被試在部分試次中抑制處于優(yōu)勢的行為反應[14],這需要被試在復雜的實驗環(huán)境下精準地控制動作反應,所以該范式能夠較好地評估抑制控制能力。因此,本文中采用Fillmore提出的線索化Go/NoGo 范式任務[15]測試駕駛人的抑制控制能力,Derefinko 等[16]和Roberts 等[17]的研究均表明該范式是一種有效測試抑制控制能力的方法。線索化Go/NoGo 范式的實驗材料包括線索材料和刺激材料兩種。其中線索材料包含Go 線索和NoGo 線索,而刺激材料包含Go 刺激(綠色矩形)和NoGo 刺激(藍色矩形)。當線索材料出現(xiàn)后,被試可根據(jù)線索類型判斷顯示Go 刺激或NoGo 刺激的概率。正式進入實驗程序后,屏幕上會出現(xiàn)文字提示,要求被試看到屏幕上出現(xiàn)綠色矩形(Go 刺激)時,應該快速按下空格鍵,則記為反應正確;相反,當被試看到屏幕上出現(xiàn)藍色矩形(NoGo 刺激)時,則不能按下空格鍵,否則將被視為反應錯誤,被試應盡可能地減少錯誤反應。實驗流程如圖2所示。

      圖2 線索化Go/NoGo任務實驗流程圖

      1.4 模擬駕駛任務

      為通過模擬駕駛任務中的風險決策指標來評估駕駛人的風險駕駛行為表現(xiàn),結合常見的風險駕駛行為并依據(jù)其相應的風險決策特征,設計了觸發(fā)駕駛人風險決策行為的18 種風險決策事件(單黃實線遇慢車、右轉遇行人、丁字口車輛突然駛入、限速40 km/h 等),并基于交通場景仿真軟件SILAB 建立仿真場景。為更全面模擬真實道路駕駛環(huán)境,對上述風險決策場景進行隨機挑選組合,最終實驗任務包含23種風險決策事件,見表1。

      表1 風險決策事件類型及順序

      2 抑制控制能力特性分析

      2.1 行為客觀指標分析

      在本文采用的實驗范式中,體現(xiàn)抑制控制的客觀指標有兩個:Go 刺激反應時和NoGo 刺激誤報率(錯將NoGo 刺激作反應的錯誤比例)[18],Go 刺激反應時越短或NoGo刺激誤報率越高,則代表抑制控制能力越弱[19]。對51 名被試在心理學實驗任務中的Go 刺激反應時和NoGo 刺激誤報率進行頻數(shù)分布統(tǒng)計,如圖3和圖4所示。

      圖3 Go刺激平均反應時頻數(shù)分布圖

      圖4 NoGo刺激誤報率頻數(shù)分布圖

      由圖3 可知:兩種線索類型Go 刺激平均反應時的分布特征存在差異,Go 線索類型主要分布在300~420 ms 區(qū)間,占比92%;NoGo 線索類型主要分布在340~480 ms 區(qū)間,占比90%。對兩種線索類型Go刺激平均反應時進行均值分析,Go線索類型均值為364.83 ms(最小為291.47 ms,最大為526.57 ms,標準差(SD)為41.59),NoGo 線索類型均值為408.59 ms(最小為345.80 ms,最大為556.49 ms,SD為49.88)。結果表明,線索材料的不同對被試的抑制能力產(chǎn)生了影響,在Go 線索之后,將有80%的概率會出現(xiàn)Go刺激,因此被試可能會降低對于優(yōu)勢反應(Go 刺激)的抑制能力,導致Go 線索類型低于NoGo線索類型的平均反應時。

      由圖4 可知:兩種線索類型NoGo 刺激誤報率的分布特征存在差異,Go 線索類型主要分布在0~40%區(qū)間,占比90%;NoGo線索類型主要分布在0~5%區(qū)間,占比94%。對得到的數(shù)據(jù)進行統(tǒng)計分析,Go 線索類型均值為14.13%(最小為0,最大為63.16%,SD為18.4%),NoGo線索類型均值為2.14%(最小為0,最大為26.39%,SD 為4.3%)。結果表明,線索材料的不同對被試的抑制能力產(chǎn)生了影響,在Go線索之后,將有80%的概率會出現(xiàn)Go 刺激,因此被試可能會降低對于優(yōu)勢反應(Go 刺激)的抑制能力,導致Go線索類型高于NoGo線索類型的平均誤報率。

      2.2 高低抑制控制組差異性分析

      本文中通過因子分析將駕駛人抑制控制能力表征參數(shù)作線性組合化為少數(shù)幾個綜合變量因子,再采用聚類分析以抑制控制相應因子的得分作為聚類指標,將總體被試分為兩個群體:高抑制控制組(共34 人,其中22 名男性,12 名女性,平均年齡為26 歲,標準差為2.37 歲,平均駕齡為3.5 年,標準差為1.32 年)和低抑制控制組(共17 人,其中10 名男性,7 名女性,平均年齡為24.4 歲,標準差為2.29 歲,平均駕齡為3年,標準差為1.19年)。對心理學實驗客觀指標在兩組之間的差異性進行分析,獨立樣本t檢驗結果見表2。

      表2 客觀指標差異性分析

      由表2可知:高抑制控制組在Go線索類型Go刺激反應時(t=-3.266,p<0.05)、Go線索類型NoGo刺激 誤 報 率(t=7.261,p<0.05)和NoGo 線索類型NoGo 刺激誤報率(t=2.333,p<0.05)的均值方面與低抑制控制組存在顯著性差異。高低抑制控制組在Go 刺激平均反應時和NoGo 刺激誤報率上的均值差異如圖5和圖6所示。

      由圖5可知:高抑制控制組在Go線索類型Go刺激反應時(均值為376.043 ms,SD 為42.586)上顯著高于低抑制控制組。說明高抑制控制組被試在整個實驗過程中和面對Go線索類型刺激反應過程中,明顯體現(xiàn)出比低抑制控制組更強的抑制能力,而在面對NoGo線索類型刺激過程中,兩組被試的反應時沒有顯著性的差異。

      圖5 Go刺激反應時箱線圖

      圖6 NoGo刺激誤報率箱線圖

      由圖6可知:高抑制控制組在Go線索類型NoGo刺激誤報率(均值為3.00%,SD 為4.7%)和NoGo 線索類型NoGo 刺激誤報率(均值為0.60%,SD 為1%)上顯著低于低抑制控制組。說明在整個實驗過程中以及面對Go 線索類型和NoGo 線索類型刺激過程中,高抑制控制組明顯比低抑制控制組具有更強的對于優(yōu)勢反應(Go 刺激)的抑制能力,故誤報率顯著低于低抑制控制組。

      3 風險駕駛行為特性分析

      3.1 風險行為傾向評估

      在模擬駕駛任務中,評價駕駛人風險行為傾向的直接指標為駕駛人在風險決策事件中的決策表現(xiàn)得分之和,駕駛人決策表現(xiàn)分為安全決策與風險決策,相應的得分為1分和0分。決策表現(xiàn)得分越低,說明被試在模擬駕駛任務中表現(xiàn)出的風險行為傾向越高,各個事件中對于風險決策行為的定義見表3。

      對51 名被試在駕駛過程中的風險決策表現(xiàn)得分進行頻數(shù)分布統(tǒng)計,結果如圖7所示。

      由圖7 可知:決策表現(xiàn)得分主要集中分布在12~19 區(qū)間,約占總數(shù)的77%。其均值為15.39(最小為7,最大為23,SD 為3.666)。被試得分分布大致呈現(xiàn)正態(tài)分布,整體風險水平處于中等水平,風險行為傾向極高或極低的被試占比非常小,只有少數(shù)被試表現(xiàn)出較高的風險行為傾向。

      本文中設計了10 種風險決策場景,從風險決策情境的角度出發(fā)歸為6 類風險決策情境:紅綠燈、無紅綠燈、限速標識、與行人交互、與車輛交互和彎道路段。對51 名被試在風險決策情境中的風險決策百分比進行頻數(shù)分布統(tǒng)計,結果表明,被試在無紅綠燈和彎道路段類型中表現(xiàn)出更高的風險行為傾向。在這兩類情境中,駕駛人處于類似“兩難決策(Go/NoGo)”的選擇情境,為了保證行車安全在通過路口或進入彎道前應提前降低車速。但當駕駛人以勻速或加速行駛時,目前的駕駛狀態(tài)(踩下油門踏板)對于駕駛人來說是優(yōu)勢反應,若減速就須放棄目前駕駛狀態(tài)而采取減速措施,這就需要駕駛人的抑制能力。此時大腦認知功能區(qū)域會進行激活信號和抑制信號的相互博弈,最終做出決策結果。

      表3 風險決策行為定義

      圖7 決策表現(xiàn)得分頻數(shù)分布圖

      對高低抑制控制組的決策表現(xiàn)得分進行頻數(shù)分布統(tǒng)計,結果如圖8所示。

      圖8 高低抑制控制組決策表現(xiàn)得分頻數(shù)分布圖

      由圖8可知:兩組表現(xiàn)得分分布特征存在一定差異,低抑制控制組表現(xiàn)得分主要分布在16~19 區(qū)間,占比38%;高抑制控制組表現(xiàn)得分主要分布在16~19區(qū)間,占比34%。對高低抑制控制組表現(xiàn)得分進行均值分析,高抑制控制組表現(xiàn)得分均值為15.78(最小為7,最大為23,SD 為3.933),低抑制控制組表現(xiàn)得分均值為15.06(最小為7,最大為20,SD 為3.214)。結果表明,高低抑制控制組的決策表現(xiàn)得分均值存在一定差異,但是差異并不明顯。對高低抑制控制組的風險決策百分比進行差異性分析,結果見表4。

      表4 風險決策百分比差異性分析

      由表4 可知:高抑制控制組在無紅綠燈類型(t=4.621,p<0.05)、彎道路段類型(t=2.549,p<0.05)和限速標識類型(t=2.213,p<0.05)均值方面與低抑制控制組存在顯著性差異。根據(jù)被試在無紅綠燈和彎道路段類型中表現(xiàn)出更高的風險行為傾向,可以得到抑制控制與風險行為傾向存在相應關系,抑制控制相對較低的被試在面對風險決策情境時,表現(xiàn)出更高的風險行為傾向,即在駕駛過程中可能具有更高的違章和事故概率。

      3.2 駕駛行為模式分析

      本節(jié)將分析被試在模擬駕駛過程中車輛運動參數(shù)和駕駛行為指標上的差異,以比較不同風險行為傾向被試所對應的駕駛行為模式,主要從速度選擇和車道保持兩方面對駕駛行為模式進行分析。對51 名被試在駕駛過程中的平均速度進行頻數(shù)分布統(tǒng)計,結果如圖9所示。

      圖9 平均速度頻數(shù)分布圖

      由圖9可知:被試在駕駛過程中的平均速度主要分布在39~51 km/h區(qū)間,占比約70%,對平均速度進行均值分析,其均值為44.29 km/h(最小為31.05 km/h,最大為57.56 km/h,SD為5.853)。結果表明,被試平均速度分布大致呈現(xiàn)正態(tài)分布,平均速度在45~48 km/h 區(qū)間的人數(shù)占比最多。隨著駕駛速度的提高,駕駛人的車輛控制能力和車內外信息感知水平都有所下降,駕駛過程中的風險行為概率將會增高。因此,超速行為是反映駕駛過程中風險行為模式的主要指標,對被試在駕駛過程中的超速百分比進行頻數(shù)分布統(tǒng)計,結果如圖10所示。圖中“40區(qū)域”是指限速40 km/h的區(qū)域;“60區(qū)域”含義類同。

      圖10 超速百分比頻數(shù)分布圖

      由圖10 可知:兩種區(qū)域類型超速百分比的分布特征存在一定差異,40 區(qū)域主要集中分布在0~20%區(qū)間,占比53%;60 區(qū)域主要集中分布在0~20%區(qū)間,占比76%。對超速百分比進行均值分析,40 區(qū)域均值為26.32%(最小為0,最大為100%,SD 為0.244),60 區(qū)域均值為12.34%(最小為0,最大為71.28%,SD為0.147)。結果表明,被試在40區(qū)域表現(xiàn)出更高的超速行為,其均值是60 區(qū)域的兩倍左右。除此之外,部分被試的超速比例過高,在40 區(qū)域中最高達到了100%,幾乎在限速標識場景中全程超速,而在60 區(qū)域中也出現(xiàn)了最高71.28%的超速比例,這反映出很高的不安全行為和風險傾向。

      在模擬駕駛過程中被試表現(xiàn)出不同的速度選擇模式,除了速度選擇外,被試對于車輛的控制能力也反映其駕駛行為模式,橫向位置偏離標準差(standard deviation of lateral position,SDLP)是駕駛人行車穩(wěn)定性的重要評價指標[20],其值越大則說明駕駛人車道保持能力越弱,即駕駛人較難按照理想的行駛軌跡進行穩(wěn)定駕駛。本文中設計的彎道路段場景,除了考察被試的風險行為傾向,也評估被試對于車輛的橫向控制能力,對被試在彎道路段駕駛過程中的SDLP進行頻數(shù)分布統(tǒng)計,結果如圖11所示。

      圖11 SDLP頻數(shù)分布圖

      由圖11 可知:SDLP 主要 分布在0.2~0.5 m 區(qū)間,占比88%,對SDLP 進行均值分析,其均值為0.32 m(最 小為0.11 m,最大 為0.68 m,SD 為0.141)。結果表明,整體車輛橫向控制能力較強,但是有約12%被試SDLP 大于0.5 m,其車輛控制能力低于平均水平,當車輛發(fā)生緊急情況時,駕駛人可能無法有效控制車輛使其運行在安全的行駛軌跡上,從而有可能會導致交通事故的發(fā)生。

      對高低抑制控制組的速度選擇行為進行差異性分析,結果見表5。

      表5 速度選擇行為差異性分析

      由表5 可知:高抑制控制組在40 區(qū)域超速比例(t=2.879,p<0.05)和60 區(qū)域超速比例(t=2.170,p<0.05)均值方面與低抑制控制組存在顯著性差異。結果表明,低抑制控制組在40區(qū)域和60區(qū)域的超速比例均值上是高抑制控制組的兩倍左右,并且均值間具有統(tǒng)計學上的顯著性差異,說明低抑制控制組具有更高的超速行為表現(xiàn),有更高的風險行為傾向。

      對高低抑制控制組的SDLP進行頻數(shù)分布統(tǒng)計,結果如圖12所示。

      圖12 高低抑制控制組SDLP頻數(shù)分布圖

      由圖12可知:高抑制控制組SDLP 在0.2~0.3 m區(qū)間的頻次最高,占比34%;低抑制控制組SDLP 在0.3 m 附近的頻次最高,在0.2~0.3 m 區(qū)間的占比31%。對SDLP 進行均值分析,高抑制控制組均值為0.29 m(最小 為0.11 m,最 大為0.62 m,SD 為0.138),低抑制控制組均值為0.42 m(最小為0.24 m,最大為0.68 m,SD為0.151)。結果表明,低抑制控制組相比于高抑制控制組,對于車輛的橫向控制能力偏弱,結合風險行為傾向的分析,低抑制控制組往往具有更高的超速行為比例,導致發(fā)生緊急情況時,很可能無法有效控制車輛運行在安全的軌跡上,導致交通事故的發(fā)生。

      4 抑制控制和風險駕駛行為相關分析

      通過上節(jié)的分析,可知不同抑制控制能力的被試在風險駕駛行為上存在差異,但群體間的差異無法全面表現(xiàn)出抑制控制與風險駕駛行為間的直接關系,因此有必要對抑制控制與風險駕駛行為進行相關性分析。其客觀指標相關分析結果見表6。

      表6 行為客觀指標相關性分析

      由表6 可知:Go 刺激反應時與平均速度存在正相關關系(r=0.235),與40 區(qū)域超速比例存在負相關關系(r=-0.108),與SDLP 存在負相關關系(r=-0.144);NoGo 刺激誤報率與表現(xiàn)得分存在負相關關系(r=-0.143),與風險決策比例存在正相關關系(r=0.181),與40 區(qū)域超速比例存在負相關關系(r=-0.135),與SDLP 存在負相關關系(r=-0.182)。結果表明,抑制控制與風險駕駛行為有關的行為客觀指標間存在一定的相關關系,結合不同抑制控制能力被試的風險駕駛行為差異分析,可認為駕駛人抑制控制能力在一定程度上影響其風險駕駛傾向及其對應的駕駛行為模式。抑制控制能力相對較低的駕駛人具有更高的風險行為傾向,且具有駕駛過程中采取相對較高的車速、更高的超速行為比例和相對較弱的車輛橫向控制能力等駕駛行為模式,容易在遇到緊急情況時失去對車輛控制,從而造成交通事故的發(fā)生。

      5 結論

      (1)在本文設計的風險決策情境中,駕駛人在無紅綠燈和彎道路段類型中表現(xiàn)出更高的風險行為傾向。通過分析高、低抑制控制組在風險行為傾向上的差異性,可以認為抑制控制能力相對較低的駕駛人在面對風險決策情境時,往往會表現(xiàn)出更高的風險行為傾向。

      (2)在模擬駕駛過程中不同抑制控制能力駕駛人表現(xiàn)出不同的速度選擇模式,具體表現(xiàn)為其平均速度和超速比例的不同。風險行為傾向較高,即抑制控制能力相對較弱的駕駛人,在駕駛過程中傾向于采取更高的行駛速度,并且具有更高超速行為比例,對SDLP 的分析結果也表明,低抑制控制組對于車輛的橫向控制能力比高抑制控制組弱。

      (3)通過對抑制控制和風險駕駛行為客觀指標的相關性分析,發(fā)現(xiàn)行為客觀指標間存在一定的相關關系,結合不同抑制控制能力駕駛人風險駕駛行為的差異分析,可以認為駕駛人抑制控制能力在一定程度上影響其風險行為傾向及其對應的駕駛行為模式。

      猜你喜歡
      誤報率控制能力控制組
      基于GRU-LSTM算法的物聯(lián)網(wǎng)數(shù)據(jù)入侵檢測分析
      基于SSA-SVM的網(wǎng)絡入侵檢測研究
      家用燃氣報警器誤報原因及降低誤報率的方法
      煤氣與熱力(2021年6期)2021-07-28 07:21:40
      給商品起名字
      馬來西亞華文小學識字教學的字理識字研究
      文教資料(2019年31期)2019-01-14 02:32:05
      網(wǎng)絡發(fā)展對中學計算機教學的影響
      太極拳和慢跑鍛煉對老人靜態(tài)姿勢控制能力影響的研究
      運動(2016年7期)2016-12-01 06:34:40
      多模態(tài)聽力教學模式對英語綜合能力的影響
      中小企業(yè)成本控制的問題與對策研究
      神經(jīng)網(wǎng)絡技術在網(wǎng)絡入侵檢測模型及系統(tǒng)中的應用
      长海县| 屏南县| 观塘区| 博野县| 靖安县| 宝兴县| 屯昌县| 钦州市| 镇安县| 历史| 卫辉市| 郁南县| 平塘县| 连南| 收藏| 云阳县| 左贡县| 巍山| 融水| 镇原县| 沙田区| 固始县| 芜湖市| 多伦县| 观塘区| 颍上县| 通道| 通许县| 肥东县| 左权县| 内丘县| 松桃| 和政县| 成武县| 通州区| 重庆市| 龙泉市| 加查县| 福建省| 灵台县| 宿迁市|