胡敦利， 馮笑凡， 趙曉華， 陳雨菲， 付 強(qiáng)

(1.北方工業(yè)大學(xué)電氣與控制工程學(xué)院， 北京 100144；2.北京工業(yè)大學(xué)北京市城市交通運(yùn)行保障工程技術(shù)研究中心， 北京 100124)

車路協(xié)同技術(shù)是一種基于無線通信、傳感器檢測(cè)等技術(shù)獲取車輛信息以實(shí)現(xiàn)車與車、車與基礎(chǔ)設(shè)施間的協(xié)調(diào)與合作[1]的智能技術(shù)，可有效地提高交通的安全性、效率性和生態(tài)性. 安全方面，Yakub等[2]基于車路協(xié)同技術(shù)提出一種協(xié)調(diào)控制方法，可有效預(yù)防車輛側(cè)翻；Nekoui等[3]研究表明基于車路協(xié)同技術(shù)設(shè)計(jì)的車載輔助界面可以減少駕駛?cè)朔磻?yīng)時(shí)間. 效率方面，Arnaout等[4]研究基于車路協(xié)同技術(shù)設(shè)計(jì)的協(xié)同自適應(yīng)巡航控制系統(tǒng)，發(fā)現(xiàn)該系統(tǒng)的應(yīng)用可有效緩解交通擁堵；Chang等[5]基于車路協(xié)同技術(shù)設(shè)計(jì)駕駛模擬實(shí)驗(yàn)，發(fā)現(xiàn)車路協(xié)同系統(tǒng)可以優(yōu)化個(gè)體駕駛行為以提高運(yùn)行效率. 生態(tài)方面，Wang等[6]基于車路協(xié)同技術(shù)設(shè)計(jì)路徑規(guī)劃系統(tǒng)，改善了駕駛?cè)诵熊囆省踩院陀秃模涣稳魳錥7]基于車路協(xié)同技術(shù)構(gòu)建信號(hào)交叉口車隊(duì)生態(tài)駕駛模型，可有效降低車隊(duì)油耗. 可見，車路協(xié)同技術(shù)對(duì)交通系統(tǒng)的各方面提升均具有積極作用.

霧天作為一種不良天氣，嚴(yán)重影響高速公路行車安全性. 霧天條件高速公路能見度降低，駕駛?cè)艘驅(qū)π旭偮窙r辨別能力下降而導(dǎo)致操作不當(dāng)，安全隱患不斷增長(zhǎng). 交通事故統(tǒng)計(jì)結(jié)果顯示，高速公路大霧環(huán)境下涉及3車及以上的交通事故占霧天高速公路重、特大交通事故總數(shù)的55%～60%[8]. 滬寧高速公路霧天發(fā)生交通事故的概率是正常天氣的10倍，大約1/4的事故是因濃霧影響造成的[9]. 由此可見，提升霧天條件下駕駛安全性是當(dāng)前研究的重點(diǎn). 事實(shí)上，車路協(xié)同技術(shù)對(duì)提高霧天的行車安全具有重要作用，Wu等[10]、黃身森[11]、張龍俊[12]基于車路協(xié)同技術(shù)研究霧天預(yù)警系統(tǒng)的預(yù)警模式、預(yù)警精度和預(yù)警效果，針對(duì)不同的能見度等級(jí)提出相應(yīng)的交通管理辦法，可提高霧天駕駛安全. 可見，基于車路協(xié)同技術(shù)的霧預(yù)警系統(tǒng)可更好地保障霧天駕駛安全.

實(shí)際上，車路協(xié)同技術(shù)的應(yīng)用過程中，人機(jī)交互界面(human machine interaction,HMI)是實(shí)現(xiàn)系統(tǒng)與駕駛?cè)诵畔⒔换サ闹匾d體. 它可為駕駛?cè)颂峁┸囕v和道路信息，從而為駕駛?cè)税踩{駛提供保障. 趙曉華等[13]發(fā)現(xiàn)使用基于車路協(xié)同技術(shù)設(shè)計(jì)的HMI可有效地提升駕駛?cè)丝厮倌芰Γ贿t仲達(dá)[14]發(fā)現(xiàn)使用基于車路協(xié)同技術(shù)設(shè)計(jì)HMI可有效提示駕駛?cè)吮苊庠诎l(fā)生車輛碰撞. 同時(shí)，HMI和車路協(xié)同技術(shù)間的協(xié)同作用在霧天可以起到更重要的作用，Wu等[15]基于車路協(xié)同技術(shù)設(shè)計(jì)霧天碰撞預(yù)警系統(tǒng)，有助于縮短駕駛員的反應(yīng)時(shí)間，從而減少霧天發(fā)生追尾事故的概率；Zhao等[16]研究發(fā)現(xiàn)基于CV-VSL技術(shù)設(shè)計(jì)的車路協(xié)同系統(tǒng)能有效控制霧氣環(huán)境下駕駛?cè)说男旭偹俣龋粍⒘_仁[17]基于車路協(xié)同技術(shù)設(shè)計(jì)的車輛報(bào)警系統(tǒng)可實(shí)時(shí)提醒駕駛?cè)遂F況信息和行車速度，有效提高高速公路霧區(qū)的安全性.

盡管HMI在駕駛過程中能夠有效地向駕駛?cè)颂峁┬畔ⅲ嵝疡{駛?cè)说耐瑫r(shí)也會(huì)導(dǎo)致駕駛?cè)艘暰€偏離，從而一定程度降低駕駛?cè)税踩? 駕駛分心可分為4個(gè)維度：聽覺、視覺、認(rèn)知和操作. 其中視覺干擾是影響駕駛?cè)说闹匾ｋU(xiǎn)因素. Ito等[18]表明駕駛過程視覺分心會(huì)使交通事故率上升；朱彤等[19]通過研究駕駛?cè)苏Ｑ厶匦园l(fā)現(xiàn)使用車載導(dǎo)航情況下駕駛?cè)说墓ぷ髫?fù)荷更大；劉雪婷[20]通過研究視線離開道路的平均時(shí)間和總時(shí)長(zhǎng)發(fā)現(xiàn)不同車載報(bào)警系統(tǒng)對(duì)駕駛?cè)擞兄煌潭鹊姆中挠绊?；王穎等[21]發(fā)現(xiàn)駕駛?cè)耸褂密囕d導(dǎo)航時(shí)造成的注視次數(shù)和注視時(shí)間的變化與汽車的碰撞危險(xiǎn)有直接關(guān)系. 事實(shí)上，相比之下，車路協(xié)同系統(tǒng)能為駕駛?cè)颂峁└佣嘣男畔?，為確保其發(fā)揮最大效益，在投入使用前需要評(píng)測(cè)系統(tǒng)引起的駕駛?cè)艘曈X分心水平. 而霧天作為誘發(fā)交通事故的高風(fēng)險(xiǎn)天氣條件，為更好地提升車路協(xié)同系統(tǒng)的應(yīng)用水平，研究不同能見度條件下基于車路協(xié)同系統(tǒng)的HMI設(shè)計(jì)對(duì)駕駛?cè)嗽斐傻母蓴_程度勢(shì)在必行，進(jìn)而為優(yōu)化HMI設(shè)計(jì)提供技術(shù)支持. 鑒于此，本文針對(duì)不同能見度條件下車路協(xié)同系統(tǒng)的HMI造成的視覺負(fù)荷及分心影響進(jìn)行評(píng)估和分析.

駕駛模擬技術(shù)是研究車路協(xié)同系統(tǒng)的重要測(cè)試工具. 之前，有學(xué)者基于駕駛模擬技術(shù)評(píng)估分心駕駛心理反應(yīng)[22]、安全教育系統(tǒng)[23]及不良天氣預(yù)警系統(tǒng)[24]，取得了良好的效果，為基于駕駛模擬技術(shù)對(duì)車路協(xié)同系統(tǒng)的視覺特性研究奠定了基礎(chǔ). 駕駛模擬技術(shù)由于數(shù)據(jù)采集的實(shí)時(shí)性和實(shí)驗(yàn)的可控性已成為測(cè)試車路協(xié)同系統(tǒng)的主要工具，模擬駕駛實(shí)驗(yàn)充分體現(xiàn)人機(jī)雙環(huán)測(cè)試的優(yōu)勢(shì). 因此，論文基于駕駛模擬技術(shù)搭建高速公路車路協(xié)同系統(tǒng)實(shí)驗(yàn)平臺(tái)，針對(duì)2種能見度水平(大霧水平和強(qiáng)濃霧水平)和2種技術(shù)等級(jí)(有HMI和無HMI)設(shè)計(jì)4種情景，期望基于車路協(xié)同平臺(tái)，針對(duì)自行設(shè)計(jì)的HMI，選擇3個(gè)基于AttenD算法[25]的指標(biāo)(AttenD面積、單位時(shí)間AttenD面積和處于分心狀態(tài)的占比)量化評(píng)估HMI設(shè)計(jì)引起的駕駛?cè)艘曈X負(fù)荷及分心影響. 本文提出的視覺分心影響程度評(píng)估方法為評(píng)價(jià)車路協(xié)同系統(tǒng)人機(jī)交互界面的效能提供了一般性的評(píng)價(jià)方法，廣泛支持車路協(xié)同系統(tǒng)的推廣應(yīng)用.

1 研究方法

1.1 實(shí)驗(yàn)設(shè)備及平臺(tái)建設(shè)

1.1.1 平臺(tái)介紹

基于駕駛模擬技術(shù)，本文搭建了車路協(xié)同系統(tǒng)的實(shí)驗(yàn)測(cè)試平臺(tái). 設(shè)備采用北京工業(yè)大學(xué)駕駛模擬系統(tǒng)及華為平板電腦M3. 駕駛仿真系統(tǒng)由模擬器、操縱臺(tái)和投射裝置組成，其中模擬器使用由轉(zhuǎn)向盤、節(jié)氣門、離合器、制動(dòng)器和后視鏡組成的實(shí)車模型，除了具有和實(shí)車一樣的真實(shí)操作還能在車輛運(yùn)行時(shí)產(chǎn)生逼真的震動(dòng)感及發(fā)動(dòng)機(jī)、車輛制動(dòng)、車輛運(yùn)行等音效，給駕駛?cè)苏鎸?shí)的駕駛體驗(yàn)[26]. 平臺(tái)使用的智能終端是內(nèi)置Android 6.0系統(tǒng)，尺寸為215.5 mm×124.2 mm×7.3 mm. 平臺(tái)搭建過程中解決的相關(guān)技術(shù)問題包括：

1) 3Dmax軟件開發(fā)虛擬場(chǎng)景.

2) 應(yīng)用程序接口(application programming interface,API)添加不同的道路、天氣、交通狀況的模擬器腳本語言以及其他車輛的運(yùn)行參數(shù).

3) 用戶數(shù)據(jù)協(xié)議(user datagram protocol,UDP)接口實(shí)現(xiàn)駕駛模擬平臺(tái)與外部數(shù)據(jù)處理單元間的數(shù)據(jù)交互.

4) 無線通信技術(shù)(Wi-Fi)實(shí)現(xiàn)計(jì)算機(jī)與HMI載體之間的數(shù)據(jù)通信，從而實(shí)現(xiàn)模擬平臺(tái)與平板終端的互聯(lián)互通.

系統(tǒng)結(jié)構(gòu)和HMI設(shè)計(jì)如圖1所示. 系統(tǒng)結(jié)構(gòu)和設(shè)備如圖1(a)(b)所示.

圖1 設(shè)備結(jié)構(gòu)和HMI設(shè)計(jì)Fig.1 Device structure and design of HMI

圖1(c)是SMI ETG 2w眼動(dòng)儀，該設(shè)備可在駕駛?cè)艘暰€移動(dòng)過程中實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界三維信息的視覺追蹤. 眼動(dòng)儀可追蹤拍攝對(duì)象雙目，采集分辨率是0.1°；凝視定位精度是0.5°；采集范圍水平80°，垂直60°；采集距離在40 cm以上[26]. 眼動(dòng)儀以30Hz的頻率獲取對(duì)象的動(dòng)態(tài)視覺信息并可將信息數(shù)據(jù)導(dǎo)出為視頻文件和相應(yīng)的文本數(shù)據(jù).

圖1(d)(e)是自主設(shè)計(jì)的HMI界面設(shè)計(jì)，借鑒現(xiàn)有的駕駛系統(tǒng)，信息提示包括4個(gè)方面：緊急碰撞警告提示、限速提示、霧狀警告提示和搜索周邊交通環(huán)境提示[16]. 人機(jī)交互界面分為4個(gè)部分，如圖1(d)所示.

區(qū)域A為前車車距提示模塊，用于顯示本車與前車的距離. 當(dāng)距離大于200 m時(shí)，車載終端顯示“>200 m”，否則顯示前方車輛的實(shí)時(shí)距離.

區(qū)域B為緊急情況及霧區(qū)提示模塊，當(dāng)系統(tǒng)檢測(cè)到與前方車輛碰撞時(shí)間(time to collision,TTC)小于2 s[27]時(shí)，該模塊區(qū)域內(nèi)顯示紅色三角感嘆號(hào)警告標(biāo)志并發(fā)出警告提示；當(dāng)平臺(tái)檢測(cè)到車輛處于霧區(qū)漸變區(qū)或霧區(qū)時(shí)，黃色三角形的霧警告標(biāo)志會(huì)始終亮起.

區(qū)域C為可變限速控制模塊，實(shí)時(shí)顯示本車的當(dāng)前速度和當(dāng)前區(qū)段的限速. 當(dāng)平臺(tái)檢測(cè)到駕駛?cè)顺贂r(shí)，會(huì)觸發(fā)語音提示. 根據(jù)中國(guó)限速條例[28-29]，無霧區(qū)、大霧區(qū)和強(qiáng)濃霧區(qū)的限速分別為120、120、60 km/h.

區(qū)域D是周邊交通環(huán)境提示模塊，根據(jù)周圍的交通狀況顯示各種箭頭提示駕駛?cè)? 當(dāng)其他車輛與車輛之間的距離超過200 m時(shí)，將顯示為綠色箭頭；當(dāng)距離小于200 m時(shí)，將顯示黃色箭頭；當(dāng)TTC小于2 s時(shí)，將出現(xiàn)一個(gè)紅色箭頭. 駕駛車輛本身與前后左右其他車輛距離預(yù)警的效果在圖1(e)中體現(xiàn).

1.1.2 場(chǎng)景設(shè)計(jì)

研究以北京周邊高速公路為原型設(shè)計(jì)實(shí)驗(yàn)場(chǎng)景，總長(zhǎng)度為5 500 m. 為避免交通運(yùn)行狀態(tài)對(duì)研究結(jié)果的影響，設(shè)置交通流為自由流. 依據(jù)中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)《霧的預(yù)報(bào)等級(jí)》(GB/T 27964—2011)[28]，根據(jù)能見度水平，霧天條件可以被分為輕霧、大霧、濃霧、強(qiáng)濃霧和特強(qiáng)濃霧5種霧區(qū)等級(jí)，如表1所示. 《霧天高速公路交通安全控制條件》(GB T 31445—2015)[30]指出，當(dāng)能見度小于50 m時(shí)，道路需強(qiáng)制封閉. 同時(shí)，有研究結(jié)果表明能見度降低會(huì)引起駕駛?cè)塑囁俸图铀俣雀淖?，?dāng)能見度小于150 m時(shí)，變化更為明顯[31-32]. 綜上考慮，同時(shí)為了區(qū)分實(shí)驗(yàn)因素，測(cè)試將高速公路的能見度設(shè)置為大霧(能見度為725 m)和強(qiáng)濃霧(能見度為175 m)2種水平[33].

表1 霧等級(jí)劃分

實(shí)驗(yàn)路段分為3個(gè)區(qū)域，分別為無霧區(qū)(1 500 m)、霧區(qū)警示區(qū)(2 000 m)和霧區(qū)(2 000 m)，其中霧區(qū)前500 m為霧區(qū)漸變區(qū)，區(qū)域劃分情況如圖2(a)所示. 無霧區(qū)為被試進(jìn)入自由駕駛狀態(tài)提供空間；在霧區(qū)警示區(qū)，車路協(xié)同系統(tǒng)會(huì)提醒駕駛?cè)饲胺郊磳⑦M(jìn)入霧區(qū)，每隔500 m HMI會(huì)播放“前方有大霧(強(qiáng)濃霧)，請(qǐng)減速”的語音提示，提示與場(chǎng)景的霧區(qū)能見度相關(guān). 提示點(diǎn)位置如圖2(a)中的A、B、C、D所示，當(dāng)車輛行駛至E，HMI會(huì)播報(bào)“現(xiàn)已進(jìn)入霧區(qū)請(qǐng)小心駕駛”的語音提示；霧區(qū)漸變區(qū)為能見度過渡區(qū)，實(shí)現(xiàn)無霧場(chǎng)景能見度逐漸降低至霧區(qū)能見度水平的過程. 實(shí)驗(yàn)假設(shè)駕駛?cè)丝山邮苊?.5 km能見度降低的條件，當(dāng)駕駛?cè)说竭_(dá)霧區(qū)時(shí)，能見度變?yōu)樵O(shè)定的霧區(qū)能見度水平. 不同能見度條件下道路條件相同，只是霧區(qū)漸變區(qū)能見度降低速率及霧區(qū)能見度不同[16]. 實(shí)驗(yàn)場(chǎng)景如圖2(b)所示.

圖2 道路分區(qū)及實(shí)驗(yàn)場(chǎng)景展示Fig.2 Layout of experimental road and scenario

1.2 實(shí)驗(yàn)測(cè)試

1.2.1 實(shí)驗(yàn)被試

實(shí)驗(yàn)從大學(xué)、代駕公司和出租車公司中招募身體健康的被試，要求被試視力均正?；虺C正正常，無色盲或色弱且聽力正常. 所有被試參加實(shí)驗(yàn)前簽署書面知情同意書并提供人口統(tǒng)計(jì)學(xué)數(shù)據(jù). 最終26名被試完成實(shí)驗(yàn)，其中包括18名男性(年齡：(36.6±13.2)歲；持照年齡：(17.0±10.2)歲)和8名女性(年齡：(26.0±12.9)歲；持照年齡：(13.0±9.1)歲). 為了求證被試選取的可行性，選擇被試的同質(zhì)樣本，以盡量減少因樣本異質(zhì)引起的偏差. 研究根據(jù)預(yù)期方差、目標(biāo)置信水平和誤差幅度，計(jì)算所需樣本量. 測(cè)量樣本數(shù)量的方法為

(1)

所需樣本數(shù)(N)由標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量(Z)、標(biāo)準(zhǔn)偏差(σ)和最大誤差(E)計(jì)算得出. 為了保證數(shù)據(jù)結(jié)果的有效性，研究嚴(yán)格審核樣本量. 通常，當(dāng)研究的置信水平為90%時(shí)，Z取1.25，若置信水平為95%，則Z取1.96；σ的取值為0.25～0.50；E為10%[34]. 本文中，由于駕駛模擬實(shí)驗(yàn)的人數(shù)限制，樣本量的置信水平選取90%，因此Z為1.25，σ取值0.4，經(jīng)計(jì)算實(shí)驗(yàn)所需樣本量為25，因此研究的樣本量符合要求.

1.2.2 實(shí)驗(yàn)步驟

實(shí)驗(yàn)測(cè)試的步驟如下：

1) 填寫基本信息表，包括被試年齡、駕駛年齡等信息. 對(duì)被試進(jìn)行實(shí)驗(yàn)前培訓(xùn)，確保被試正確理解實(shí)驗(yàn)現(xiàn)場(chǎng)標(biāo)志和車輛信息.

2) 被試試駕5 min熟悉模擬環(huán)境和模擬器操作，試駕場(chǎng)景與正式實(shí)驗(yàn)場(chǎng)景不同.

3) 正式實(shí)驗(yàn)，實(shí)驗(yàn)人員為被試佩戴眼動(dòng)儀并校準(zhǔn). 實(shí)驗(yàn)前通知被試實(shí)驗(yàn)?zāi)康牡兀蟊辉嚳陬^重復(fù)目的地并開始測(cè)試. 全程被試將駕駛7～9 min，到達(dá)目的地測(cè)試結(jié)束. 共有4種場(chǎng)景(大霧有HMI提示，大霧無HMI提示，強(qiáng)濃霧有HMI提示，強(qiáng)濃霧無HMI提示)，每位被試以隨機(jī)順序完成4個(gè)場(chǎng)景的實(shí)驗(yàn)，場(chǎng)景間有5 min的強(qiáng)制休息時(shí)間. 每個(gè)場(chǎng)景測(cè)試前眼動(dòng)儀需要重新校準(zhǔn)，以確保采集眼動(dòng)數(shù)據(jù)的準(zhǔn)確性.

4) 實(shí)驗(yàn)結(jié)束，實(shí)驗(yàn)人員為被試摘下眼動(dòng)儀并要求被試填寫實(shí)驗(yàn)過程主觀感受問卷.

1.2.3 數(shù)據(jù)預(yù)處理

數(shù)據(jù)截取以時(shí)間為單位，其開始時(shí)間比駕駛?cè)诉M(jìn)入霧區(qū)警示區(qū)的時(shí)間提前10 s，結(jié)束時(shí)間為駕駛?cè)说竭_(dá)目的地的時(shí)間. 數(shù)據(jù)截取范圍包括霧區(qū)警示區(qū)、霧區(qū)漸變區(qū)和霧區(qū). 眼動(dòng)數(shù)據(jù)預(yù)處理如下：

1) 根據(jù)被試實(shí)驗(yàn)的開始與結(jié)束時(shí)間截取眼動(dòng)數(shù)據(jù)，獲取分析范圍內(nèi)駕駛?cè)俗⒁朁c(diǎn)和眼跳的數(shù)據(jù)及坐標(biāo)位置信息.

2) 根據(jù)駕駛?cè)俗⒁朁c(diǎn)坐標(biāo)位置信息，繪制每位被試的注視點(diǎn)散點(diǎn)圖.

3) 比對(duì)每位被試的散點(diǎn)圖與原始視頻，確定散點(diǎn)圖前方道路區(qū)域、左側(cè)后視鏡區(qū)域、前方道路區(qū)域和儀表盤區(qū)域，如圖3所示.

圖3 分割區(qū)域注視點(diǎn)散點(diǎn)圖Fig.3 Scatter plot of the fixation point of the divided area

4) 根據(jù)確定區(qū)域的坐標(biāo)篩選出每個(gè)區(qū)域?qū)?yīng)的注視點(diǎn)和眼跳數(shù)據(jù).

2 數(shù)據(jù)分析

2.1 指標(biāo)選取及示例分析

2.1.1 AttenD算法

基于Kircher等[25]的AttenD算法提出AttenD面積(X1)、單位時(shí)間AttenD面積(X2)和處于分心狀態(tài)的占比(X3)3項(xiàng)綜合指標(biāo)，分析HMI對(duì)駕駛?cè)艘曈X分心影響程度及處于分心狀態(tài)的情況.

AttenD算法如圖4所示. 將離開路面注視時(shí)間與注視頻次相結(jié)合，可實(shí)時(shí)檢測(cè)駕駛?cè)朔中臋z測(cè). 其判定條件如下：

圖4 AttenD算法和AttenD面積的定義Fig.4 Description of AttenD algorithm and AttenD area

1) 視覺緩沖區(qū)的閾值定義為2 s[35].

2) 若視線離開前方路面，則緩沖區(qū)數(shù)值下降.

3) 若重新注視前方路面則緩沖區(qū)數(shù)值上升，但有生理反應(yīng)間隔，數(shù)值會(huì)延遲0.1 s再上升.

4) 若注視儀表盤或后視鏡1 s內(nèi)緩沖區(qū)數(shù)值保持不變，超過1 s后數(shù)值再下降.

5) 緩沖區(qū)數(shù)值為0時(shí)判定為視覺分心.

圖4最上方表示時(shí)間區(qū)域，白色、紅色和綠色區(qū)域分別表示駕駛?cè)俗⒁暡煌恢?前方道路、HMI、儀表板或后視鏡)的時(shí)刻，而圖中下方的陰影面積是AttenD面積(X1). 論文研究的X1為AttenD 緩沖區(qū)差值之和，代表該分心任務(wù)對(duì)視覺分心的影響程度，綜合反映駕駛?cè)艘曈X負(fù)荷. 該值越大，說明此項(xiàng)分心任務(wù)對(duì)駕駛?cè)嗽斐傻囊曈X負(fù)荷越大，交通風(fēng)險(xiǎn)級(jí)別更高.X1為

(2)

式中：N為眼動(dòng)數(shù)據(jù)輸出的總樣本量；眼動(dòng)儀輸出頻率為30 Hz，bufferi為第i/30 s的AttenD視覺緩沖區(qū)數(shù)值.

文中利用單位時(shí)間AttenD面積(X2)來消除時(shí)間因素對(duì)結(jié)果的影響，且

(3)

處于分心狀態(tài)的占比(X3)指的是緩沖區(qū)數(shù)值為0的樣本占全部樣本的比重，可用來表示駕駛?cè)说姆中某潭龋?/p>

(4)

2.1.2 AttenD分析示例

隨機(jī)選取被試駕駛?cè)薘為例，以其在4種條件下(大霧無HMI、大霧有HMI、強(qiáng)濃霧無HMI和強(qiáng)濃霧有HMI)的部分AttenD數(shù)據(jù)為例，包括提示點(diǎn)A(距離霧區(qū)2 000 m預(yù)警)、提示點(diǎn)B(距離霧區(qū)1 500 m預(yù)警)和提示點(diǎn)C(距離霧區(qū)1 000米預(yù)警)3個(gè)位置，如圖5(a)～(d)所示. 有HMI的情況下，經(jīng)過這3個(gè)位置時(shí)將出現(xiàn)語音提示，數(shù)據(jù)采樣頻率為30 Hz.

圖5 駕駛?cè)薘的部分AttenD圖形Fig.5 Part of AttenD of driver R

無HMI提示條件下，大霧和強(qiáng)濃霧能見度水平駕駛?cè)薘的AttenD數(shù)據(jù)較為穩(wěn)定，表明在無HMI條件駕駛?cè)薘的視線大多保持在前方路面；有HMI提示條件下，大霧和強(qiáng)濃霧能見度水平駕駛?cè)薘的AttenD數(shù)據(jù)波動(dòng)頻繁且劇烈，且很少出現(xiàn)延遲現(xiàn)象，表明在這種條件下駕駛?cè)薘更頻繁地注視HMI. 2種能見度條件下，當(dāng)駕駛?cè)薘通過信息提示點(diǎn)時(shí)，有HMI提示時(shí)駕駛?cè)薘因注視HMI導(dǎo)致AttenD數(shù)據(jù)產(chǎn)生波動(dòng). 并非所有駕駛?cè)寺牭教崾竞蠖紩?huì)關(guān)注HMI，但數(shù)據(jù)結(jié)果表明，HMI發(fā)出語音提示后容易導(dǎo)致駕駛?cè)艘暰€偏離前方路面. 對(duì)比結(jié)果表明有HMI會(huì)導(dǎo)致所有駕駛?cè)嗽隈{駛過程中的視覺負(fù)荷增加，視覺分心出現(xiàn)的頻率也增加.

2.2 基于AttenD霧天車路協(xié)同研究

2.2.1 駕駛?cè)艘曈X負(fù)荷研究

為研究所有駕駛?cè)嗽谡麄€(gè)過程中的視覺負(fù)荷，引用X1和單位時(shí)間X2作為視覺負(fù)荷指標(biāo). 但不同駕駛?cè)说腦1差異可能由不同的駕駛時(shí)長(zhǎng)導(dǎo)致，因此綜合單位時(shí)間X1分析駕駛?cè)艘曈X負(fù)荷.

研究圍繞能見度水平和技術(shù)等級(jí)2個(gè)可能對(duì)數(shù)據(jù)產(chǎn)生影響的因素展開，采用雙因素重復(fù)測(cè)量方差分析研究2個(gè)因素的影響作用,結(jié)果如表2所示.

表2 效應(yīng)影響分析

結(jié)果表明，能見度水平與技術(shù)等級(jí)的交互作用(F(1,25)=11.325，P=0.002)對(duì)駕駛?cè)薃ttenD面積和單位時(shí)間AttenD面積的影響具有統(tǒng)計(jì)學(xué)意義，能見度水平(F(1,25)=3.968,P=0.057)不是對(duì)數(shù)據(jù)造成主要影響的效應(yīng)，技術(shù)等級(jí)(F(1,25)=33.231，P=0.000)是造成影響的主效應(yīng).

為分析不同因素的單獨(dú)效應(yīng)，本文基于能見度水平和技術(shù)等級(jí)分析其影響. 圖6為不同條件下視覺負(fù)荷指標(biāo). 圖6(a)表明無HMI條件下，大霧和強(qiáng)濃霧條件對(duì)于視覺負(fù)荷指標(biāo)均不存在顯著性差異；圖6(b)表明有HMI條件下，大霧和強(qiáng)濃霧條件對(duì)于視覺負(fù)荷指標(biāo)均成顯著性差異，能見度越低，HMI對(duì)駕駛?cè)嗽斐傻姆中挠绊懗潭仍酱? 圖6(a)(b)對(duì)比表明在沒有HMI情況下能見度水平對(duì)駕駛?cè)说囊曈X分心影響沒有顯著性作用，而在有HMI情況下卻存在顯著性影響. 圖6(c)(d)表明技術(shù)等級(jí)對(duì)視覺負(fù)荷指標(biāo)的影響顯著，有HMI會(huì)導(dǎo)致駕駛?cè)艘曈X負(fù)荷顯著增加. 綜上，HMI會(huì)增加駕駛?cè)朔中挠绊懗潭?，即增加視覺負(fù)荷，而能見度越低HMI對(duì)駕駛?cè)嗽斐傻囊曈X負(fù)荷越大. 基于此，為提高人機(jī)界面的使用安全性，可針對(duì)不同的天氣條件對(duì)人機(jī)界面實(shí)施評(píng)估及優(yōu)化.

2.2.2 駕駛?cè)朔中某潭妊芯?/p>

為研究HMI對(duì)駕駛?cè)嗽斐傻囊曈X分心程度，引用處于X3表征分心程度. 采用非參數(shù)檢驗(yàn)，其結(jié)果如圖7所示. 表明2種能見度水平下有HMI提示會(huì)使駕駛?cè)颂幱赬3有明顯上升，將提高道路安全風(fēng)險(xiǎn).

*表示顯著性在95%置信水平； **表示顯著性在99%置信水平. 圖6 AttenD面積和單位時(shí)間AttenD面積箱線圖Fig.6 Box plots of AttenD area and AttenD area per unit time

*表示顯著性在95%置信水平; **表示顯著性在99%置信水平. 圖7 處于分心狀態(tài)的占比Fig.7 Proportion of distracted

3 結(jié)論

本文基于駕駛模擬技術(shù)搭建面向視覺特性的車路協(xié)同系統(tǒng)測(cè)試研究平臺(tái)，以霧天條件下高速公路為例，分析能見度水平(大霧和強(qiáng)濃霧)和技術(shù)等級(jí)(有HMI和無HMI)的影響效應(yīng)及對(duì)比4種場(chǎng)景(大霧有HMI、大霧無HMI，強(qiáng)濃霧有HMI、強(qiáng)濃霧無HMI)下的AttenD面積、單位時(shí)間AttenD面積以及處于分心狀態(tài)的占比以評(píng)估HMI對(duì)駕駛?cè)说挠绊懽饔?

1) 有HMI提示會(huì)導(dǎo)致駕駛?cè)薃ttenD數(shù)據(jù)波動(dòng)頻次增加且幅度更加劇烈，特別是在有語音播報(bào)的位置，駕駛?cè)藭?huì)因?yàn)樽⒁旽MI導(dǎo)致其視覺負(fù)荷增大.

2) 能見度水平與技術(shù)等級(jí)的交互作用對(duì)駕駛?cè)薃ttenD面積和單位時(shí)間AttenD面積的影響具有統(tǒng)計(jì)學(xué)意義，技術(shù)等級(jí)是造成影響的主效應(yīng)，即在沒有HMI情況下能見度水平對(duì)駕駛?cè)说囊曈X分心影響沒有顯著性作用，而在有HMI情況下卻存在顯著性影響.

3) 處于分心狀態(tài)的占比的結(jié)果表明2種能見度水平下有HMI提示會(huì)使駕駛?cè)艘曈X分心的占比有明顯上升.

研究圍繞駕駛?cè)艘曈X特性，采用AttenD面積相關(guān)的指標(biāo)表征車路協(xié)同系統(tǒng)的分心影響程度，進(jìn)而綜合評(píng)估其人機(jī)交互界面對(duì)駕駛?cè)怂鶐淼囊曈X負(fù)荷. 研究方法不僅用于評(píng)估某種HMI設(shè)計(jì)的合理性，更為評(píng)價(jià)車路協(xié)同系統(tǒng)人機(jī)交互界面的效能提供了一般性的評(píng)價(jià)方法. 為提高人機(jī)界面的使用安全性，可針對(duì)不同的天氣條件對(duì)所有人機(jī)界面實(shí)施評(píng)估及優(yōu)化. 未來研究中，將分析結(jié)合注視頻次和眼跳次數(shù)等常用視覺特征指標(biāo)，并結(jié)合制動(dòng)、節(jié)氣門、轉(zhuǎn)向盤轉(zhuǎn)角及速度、加速度等駕駛?cè)瞬倏?、行為?shù)據(jù)，形成對(duì)人機(jī)交互界面分心評(píng)估的綜合評(píng)估. 同時(shí)，應(yīng)用視覺轉(zhuǎn)移等分析方法獲得駕駛?cè)俗⒁暦植继攸c(diǎn)及行駛過程中變化規(guī)律，為HMI設(shè)計(jì)中存在問題的診斷和優(yōu)化提供依據(jù).