梁鈺 楊艷群 祝站東 陳銘 林君君 鄭新夷

摘要：【目的】駕駛?cè)嗽谛旭傊惺芙煌☉?yīng)激事件的影響，為探索應(yīng)激反應(yīng)的程度展開研究?！痉椒ā坎捎镁S也納交通心理測(cè)試系統(tǒng)（VTS）甄選出高駕駛特性組（H 組）和低駕駛特性組（L 組）各21名被試進(jìn)行試驗(yàn)，通過統(tǒng)計(jì)學(xué)方法分析不同駕駛特性群體的應(yīng)激反應(yīng)特征，并采用集對(duì)分析模型評(píng)價(jià)被試的應(yīng)激反應(yīng)優(yōu)劣。【結(jié)果】研究結(jié)果表明：通過檢測(cè)駕駛?cè)说鸟{駛特性能力區(qū)分其應(yīng)激反應(yīng)能力可行，提高駕駛特性能夠幫助駕駛?cè)颂岣邞?yīng)激能力，情況越危急，提高的幅度越大?！窘Y(jié)論】試驗(yàn)中，在所有應(yīng)激距離下，H組的應(yīng)激反應(yīng)均優(yōu)于L組，且應(yīng)激距離的減少對(duì)L組的影響比H組大；在交通應(yīng)激事件中為駕駛?cè)颂峁? s以上交通沖突時(shí)間是必要的。

關(guān)鍵詞：交通運(yùn)輸；駕駛特性；應(yīng)激反應(yīng)；集對(duì)分析；駕駛模擬

中圖分類號(hào)：U491.2 文獻(xiàn)標(biāo)志碼：A

本文引用格式：梁鈺，楊艷群，祝站東，等. 駕駛特性對(duì)駕駛?cè)藨?yīng)激反應(yīng)的影響研究[J]. 華東交通大學(xué)學(xué)報(bào)，2024，41（1）：87-95.

Study on the Influence of Driver Characteristics on

Driver′s Stress Response

Liang Yu1， Yang Yanqun2，3， Zhu Zhandong1， Chen Ming2，3， Lin Junjun2，3， Zheng Xinyi3，4

（1. School of Transportation， Fujian University of Technology， Fuzhou 350118， China; 2. College of Civil Engineering， Fuzhou University， Fuzhou 350108， China; 3. Joint International Research Laboratory on Traffic Psychology & Behaviors， Fuzhou

University， Fuzhou 350108， China; 4. College of Arts and Human Science， Fuzhou University， Fuzhou 350108， China）

Abstract： Drivers are affected by traffic stress events during driving， in order to explore whether driver characteristics affect drivers stress response. 21 subjects from high driving characteristics group （Group H） and low driving characteristics group （Group L） were selected by the Wiener Traffic Psychometric test system （VTS） to analyze the stress response characteristics of different driving groups through statistical methods， and the set pair analysis model was used to evaluate the stress response of the subjects. The specific performance is as follows： it is feasible to distinguish drivers stress response ability by detecting driver characteristics. Improving driving characteristics can help drivers enhance their stress ability. The more critical the situation is， the greater the improvement is.? In all stress distance experimets， stress response of Group H is better than that of Group L and the reduction of stress distance had a greater impact on Group L than on Group H. The results prove that it is necessary to provide drivers with more than 1s TTC （time to collision） in traffic stress events.

Key words： transportation; driver characteristics; stress response; set pair analysis; driving simulation experiment

Citation format：LIANG Y， YANG Y Q， ZHU Z D， et al. Study on the influence of driver characteristics on driver′s stress response[J]. Journal of East China Jiaotong University， 2024， 41（1）： 87-95.

【研究意義】由于交通環(huán)境的復(fù)雜性，駕駛?cè)嗽谛旭傊袩o法及時(shí)避開交通應(yīng)激事件（例如從路旁突然沖出的行人、從視距不良的交叉口突然沖出的車輛等），采取了錯(cuò)誤操作而導(dǎo)致事故發(fā)生。剖析事故機(jī)理時(shí)發(fā)現(xiàn)，駕駛?cè)颂匦詫?dǎo)致的應(yīng)激反應(yīng)能力的差異是影響事故發(fā)生的重要因素。

【研究進(jìn)展】在針對(duì)不同駕駛特性的駕駛?cè)碎_展的應(yīng)激反應(yīng)能力研究方面，國內(nèi)外針對(duì)駕駛特性研究的角度和表征內(nèi)容存在差異。趙亮等[1]對(duì)應(yīng)激反應(yīng)的研究致力于發(fā)現(xiàn)表征應(yīng)激能力的指標(biāo)，認(rèn)為復(fù)雜道路環(huán)境下駕駛?cè)说膽?yīng)激訓(xùn)練次數(shù)和瞳孔面積變化率函數(shù)模型能較好地描述駕駛?cè)嗽趶?fù)雜道路環(huán)境中的應(yīng)激反應(yīng)能力。Takahashi等[2]通過測(cè)量老年司機(jī)的手掌出汗反應(yīng)、皮膚電位反射以及操作方向盤、油門和剎車的能力，評(píng)估駕駛?cè)藢?duì)危險(xiǎn)的感知能力。李顯生等[3] 研究表明不同沖突導(dǎo)致的應(yīng)激場(chǎng)景下駕駛?cè)说男穆试鲩L(zhǎng)率有顯著差異性。楊靜思等[4]主要探討了駕駛?cè)诵詣e對(duì)駕駛行為特性的影響。吳付威[5]運(yùn)用復(fù)雜反應(yīng)測(cè)試系統(tǒng)開展研究，發(fā)現(xiàn)事故組駕駛?cè)藢?duì)復(fù)雜信息的判斷以及執(zhí)行功能弱于非事故組駕駛?cè)恕９业萚6]主要通過駕駛?cè)藸顟B(tài)、意圖和風(fēng)格等方面進(jìn)行駕駛特性的識(shí)別?！娟P(guān)鍵問題】但是，這些應(yīng)激反應(yīng)研究往往通過單一特性的指標(biāo)來表征駕駛?cè)说膽?yīng)激反應(yīng)，缺乏綜合駕駛?cè)说纳?、心理、駕駛操作等多方面特性全面評(píng)估駕駛?cè)说膽?yīng)激反應(yīng)研究。

【創(chuàng)新特色】為探究不同生理素質(zhì)和心理能力的駕駛?cè)说膽?yīng)激反應(yīng)，本文根據(jù)認(rèn)知心理學(xué)中人類行為的S-O-R模式將駕駛行為分為3個(gè)階段：信息感知階段、判斷決策階段和駕駛操作階段。并相應(yīng)地將駕駛特性分為感知特性、判斷特性和操作特性。利用VTS對(duì)駕駛特性進(jìn)行測(cè)試，篩選出高駕駛特性組和低駕駛特性組，采用駕駛模擬實(shí)驗(yàn)采集不同駕駛特性水平的駕駛?cè)嗽诓煌o急程度的道路場(chǎng)景下的應(yīng)激反應(yīng)數(shù)據(jù)，建立評(píng)價(jià)駕駛?cè)藨?yīng)激反應(yīng)優(yōu)劣（安全程度）的數(shù)學(xué)分析方法。

1 研究方法與實(shí)驗(yàn)

1.1 被試對(duì)象介紹

實(shí)驗(yàn)招募100名持照駕駛?cè)诉M(jìn)行VTS測(cè)試，擁有一年及以上駕駛經(jīng)驗(yàn)的被試占比64%，年齡在20～26歲之間，其中男性70名、女性30名。被試的駕駛經(jīng)驗(yàn)占比分布為：6個(gè)月以內(nèi)（58%），6個(gè)月～1a（6%），1～3a（20%），3～5a（6%），5a以上（10%）。

實(shí)驗(yàn)基于預(yù)期方差、目標(biāo)置信度和誤差幅度計(jì)算所需樣本量，計(jì)算公式為

式中：N為樣本量；Z為標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量；σ為標(biāo)準(zhǔn)偏差；E為最大誤差。參考文獻(xiàn)[7]，當(dāng)置信水平為90%時(shí)，Z=1.25，σ取值范圍為0.25～0.5，為檢測(cè)出可靠的效應(yīng)量，取σ為0.5，E=10%，算得最小樣本量為40。為充分確保樣本有效性，從參與VTS實(shí)驗(yàn)的被試中選擇42人進(jìn)行駕駛模擬實(shí)驗(yàn)。

1.2 VTS測(cè)試

目前已有多項(xiàng)研究[8]采用VTS進(jìn)行駕駛?cè)颂匦缘臏y(cè)量，具有一定的可靠性。根據(jù)駕駛?cè)说母兄匦?、判斷特性及操作特性，本文選用邏輯推理能力、交通感知能力、集中力、反應(yīng)速度、運(yùn)動(dòng)速度及反應(yīng)性壓力耐受能力共6個(gè)指標(biāo)來表征駕駛員駕駛特性。利用VTS的5個(gè)測(cè)試模塊對(duì)駕駛員的駕駛特性表征指標(biāo)進(jìn)行測(cè)評(píng)，具體如表1所示。

PR（percentile rank）值是VTS測(cè)試結(jié)果的衡量值[9]，代表在測(cè)試項(xiàng)目所考察的能力上，對(duì)照組中取得同樣分?jǐn)?shù)或更低分?jǐn)?shù)的人所占的比例，實(shí)驗(yàn)所用VTS對(duì)照組是歐洲被試群體的一個(gè)代表性樣本。5個(gè)測(cè)試模塊的PR值總和即駕駛?cè)说鸟{駛特性得分，得分越高表明駕駛?cè)藫碛性胶玫鸟{駛特性能力。實(shí)驗(yàn)最終剔除了2個(gè)PR值異常低（低于3）的男性被試數(shù)據(jù)，在剩余98個(gè)被試中，挑選駕駛特性得分最高的21個(gè)被試（男性18人，女性3人）代表高駕駛特性組（H組），挑選駕駛特性得分最低的21個(gè)被試（男性14人，女性7人）代表低駕駛特性組（L組），兩組被試進(jìn)行駕駛模擬實(shí)驗(yàn)。

對(duì)2組被試的駕駛特性指標(biāo)進(jìn)行獨(dú)立樣本t檢驗(yàn)，萊文方差等同性檢驗(yàn)表明，所有指標(biāo)檢驗(yàn)不能否認(rèn)方差相等，6個(gè)指標(biāo)的檢驗(yàn)結(jié)果均顯著（表2），表明挑選出的兩組被試的駕駛特性存在顯著差異。表2中：*表示P<0.1（邊緣顯著），**表示P<0.05（顯著），***表示P<0.01（極顯著）。

1.3 駕駛模擬實(shí)驗(yàn)設(shè)計(jì)

1.3.1 實(shí)驗(yàn)場(chǎng)景設(shè)計(jì)

駕駛?cè)说膬?nèi)在因素如駕駛特性，外在因素如行駛速度、與應(yīng)激源的距離（應(yīng)激距離），對(duì)駕駛?cè)说膽?yīng)激反應(yīng)均有影響。實(shí)驗(yàn)設(shè)計(jì)的應(yīng)激事件是停在路邊的車輛（應(yīng)激源）突然從遮擋區(qū)域出現(xiàn)在自車前方，應(yīng)激源車輛在被試所在車道低速行駛一段距離后換道至另一個(gè)車道停車。王暢等[9]研究表明，與行駛速度相比，應(yīng)激距離的變化對(duì)駕駛?cè)说男穆试鲩L(zhǎng)率、心率變異性LF值的影響更大。因此，實(shí)驗(yàn)的變量設(shè)置為應(yīng)激距離。車輛理論安全間距包括基本安全距離、感知反應(yīng)距離和制動(dòng)距離，3個(gè)過程所需時(shí)間之和通常取1.5 s[9]。應(yīng)激距離的確定考慮自車車身前部長(zhǎng)度的影響，控制行駛速度為60 km/h，對(duì)應(yīng)1.0、1.5 s和2.0 s的交通沖突時(shí)間（time to collision， TTC）的侵入距離分別為19.2、27.5 m和35.8 m[10]，將此設(shè)置為實(shí)驗(yàn)場(chǎng)景的3個(gè)應(yīng)激距離。

為使駕駛?cè)藢?duì)即將發(fā)生的應(yīng)激事件沒有心理預(yù)期，場(chǎng)景中一共設(shè)計(jì)6處可能產(chǎn)生應(yīng)激事件的位置，但只有第2、5、6處真正觸發(fā)應(yīng)激事件。此外，為克服駕駛?cè)嗽?次應(yīng)激事件中產(chǎn)生的學(xué)習(xí)效應(yīng)，設(shè)計(jì)3種場(chǎng)景擁有不同的觸發(fā)距離組合：場(chǎng)景A（19.2、27.5、35.8 m），場(chǎng)景B（27.5、35.8、19.2 m），場(chǎng)景C（35.8、19.2、27.5 m）。3種場(chǎng)景在實(shí)驗(yàn)中將被輪流使用。

1.3.2 應(yīng)激反應(yīng)表征指標(biāo)

根據(jù)對(duì)駕駛員應(yīng)激反應(yīng)行為的分析，甄選出駕駛員應(yīng)激反應(yīng)行為的表征指標(biāo)分別為腦電行為指標(biāo)、視覺行為指標(biāo)和駕駛行為指標(biāo)。結(jié)合相關(guān)文獻(xiàn)[11]，確定各類指標(biāo)內(nèi)容如表3。

1.3.3 實(shí)驗(yàn)設(shè)備

采用DSR-1000TS2.0型駕駛模擬系統(tǒng)進(jìn)行室內(nèi)駕駛模擬閉環(huán)實(shí)驗(yàn)，該系統(tǒng)可以記錄并導(dǎo)出多項(xiàng)駕駛行為參數(shù)，如方向盤的轉(zhuǎn)角、剎車深度、油門深度等，以及多項(xiàng)車輛參數(shù)，如車輛的速度、加速度、軌跡偏移量等。

采用32通道NE無線腦電儀，傳輸24 bit腦電數(shù)據(jù)，能準(zhǔn)確還原被試腦電信號(hào)，其帶寬為0～250 Hz，采樣率為500 SPS，分辨率為24 bit～0.05 uv，噪聲小于1 uvrms（0～250 Hz）。

采用Dikablis開發(fā)的眼動(dòng)儀，結(jié)合分析軟件D-Lab一起用于跟蹤和測(cè)量參與者視覺行為的特征。采集樣本時(shí)，眼動(dòng)儀的頻率設(shè)置為60 Hz，精度范圍為0.1°～0.3°。

1.3.4 實(shí)驗(yàn)流程

在正式實(shí)驗(yàn)開始前，告知被試實(shí)驗(yàn)?zāi)康暮腿蝿?wù)，強(qiáng)調(diào)在正式實(shí)驗(yàn)時(shí)按照60 km/h速度行駛，被試閱讀并簽署同意書。主試給被試佩戴腦電儀和眼動(dòng)儀。被試在非實(shí)驗(yàn)場(chǎng)景下駕駛5～10 min，以便熟悉駕駛模擬器操作。正式實(shí)驗(yàn)開始，主試在控制臺(tái)加載實(shí)驗(yàn)場(chǎng)景（A、B、C場(chǎng)景中的一個(gè)），駕駛時(shí)長(zhǎng)約10 min，每個(gè)被試僅在一種場(chǎng)景中駕駛。

1.4 實(shí)驗(yàn)數(shù)據(jù)處理

VTS數(shù)據(jù)（PR值）由系統(tǒng)直接導(dǎo)出，眼動(dòng)數(shù)據(jù)通過D-Lab軟件導(dǎo)出，操縱數(shù)據(jù)在駕駛模擬系統(tǒng)自動(dòng)生成，采集頻率為30 ms，腦電數(shù)據(jù)通過NIC軟件生成，采集各個(gè)通道數(shù)據(jù)后導(dǎo)出到MATLAB使用EEG-Lab工具包處理，其中，過濾保留0.5～40 Hz（500 Hz采樣頻率）之間的數(shù)據(jù)，用平均值作為重參考，運(yùn)行ICA進(jìn)行獨(dú)立主成分分析，去除偽跡。

2 實(shí)驗(yàn)數(shù)據(jù)處理

對(duì)應(yīng)激反應(yīng)各個(gè)指標(biāo)進(jìn)行雙因素重復(fù)測(cè)量方差分析（3組應(yīng)激距離為重復(fù)測(cè)量的因子），結(jié)果見表4，進(jìn)行事后檢驗(yàn)的結(jié)果如圖2。在方差分析前，采用Mauchly's球形假設(shè)檢驗(yàn)變量差值的方差是否相等，僅“瞳孔面積”通過檢驗(yàn)，因此其他指標(biāo)P值采用Greenhouse-Geisser矯正。

重復(fù)測(cè)量方差分析結(jié)果表明，組內(nèi)效應(yīng)（應(yīng)激距離）造成所有指標(biāo)的差異均顯著（P<0.01），組間效應(yīng)（駕駛特性）對(duì)所有指標(biāo)造成的差異均顯著（P<0.01），應(yīng)激距離和駕駛特性的交互效應(yīng)造成剎車速度的差異顯著。從指標(biāo)的變異解釋率來看，根據(jù)Ferguson總結(jié)的社會(huì)科學(xué)領(lǐng)域的小、中、大3種參數(shù)水平對(duì)應(yīng)的效應(yīng)量臨界參考值為0.04，0.25，0.64[12]。由表4知，在不同應(yīng)激距離下，油門深度、剎車速度、方向盤轉(zhuǎn)角、瞳孔面積的指標(biāo)變異解釋率均大于0.64，（θ+α）/β、掃視頻率的指標(biāo)變異解釋率介于0.25～0.64，說明6個(gè)指標(biāo)具備重要現(xiàn)實(shí)意義；在不同駕駛特性分組中，瞳孔面積、油門深度、剎車速度、（θ+α）/β的指標(biāo)變異解釋率介于0.25～0.64之間，方向盤轉(zhuǎn)角、掃視頻率的指標(biāo)變異解釋率介于0.04～0.25之間，說明6個(gè)指標(biāo)具備不同程度的現(xiàn)實(shí)意義。

根據(jù)表4和圖1，總的來說，H組被試的所有指標(biāo)表現(xiàn)均優(yōu)于L組被試。應(yīng)激距離越長(zhǎng)時(shí)，被試的生理、心理狀況和駕駛行為也更加安全穩(wěn)定。對(duì)腦電指標(biāo)、眼動(dòng)指標(biāo)、駕駛行為指標(biāo)的分析如下。

1）腦電指標(biāo)。應(yīng)激距離越?。é?α）/β值越大，表明在越小的應(yīng)激距離下，被試的警覺程度越高。由圖1（a）和表4可知，L組的（θ+α）/β平均值高于H組，表明L組在應(yīng)激過程中警覺程度更高。

2）眼動(dòng)指標(biāo)。眼動(dòng)指標(biāo)包括掃描頻率和瞳孔面積，應(yīng)激距離越小掃視頻率（瞳孔面積）越大，表明在越小的應(yīng)激距離下，被試的心理壓力越大；由圖1（e）和表4可知，L組掃視頻率大于H組，表明L組的心理壓力更大；由圖1（f）和表4可知，L組瞳孔面積大于H組，表明L組的心理壓力更大。

3）駕駛行為指標(biāo)。應(yīng)激距離越小剎車速度越大，表明駕駛?cè)嗽谳^小的應(yīng)激距離下剎車更緊急。由圖1（b）和表4可知，H組油門深度大于L組，應(yīng)激距離越大油門深度越大，表明駕駛?cè)说鸟{駛特性越優(yōu)或被試在面對(duì)更長(zhǎng)的反應(yīng)空間（時(shí)間）時(shí)，對(duì)油門深度的掌控力就越強(qiáng)，也傾向于以更高的速度行駛；由圖1（c）和表4可知，L組剎車速度大于H 組，表明L 組的剎車更加緊急。駕駛特性和應(yīng)激距離對(duì)剎車速度的影響的交互作用顯著，表明駕駛特性和應(yīng)激距離共同作用于剎車速度，不能分割看待；由圖1（d）和表4可知，對(duì)于方向盤轉(zhuǎn)角，L組被試大于H組被試，表明L組被試的應(yīng)激反應(yīng)更激烈。應(yīng)激距離越小方向盤轉(zhuǎn)角越大，表明在越小的應(yīng)激距離下，被試的反應(yīng)越激烈。

駕駛特性和應(yīng)激距離對(duì)剎車速度的交互作用顯著，進(jìn)行簡(jiǎn)單效應(yīng)分析，結(jié)果如表5。固定駕駛特性，不同應(yīng)激距離對(duì)剎車速度的影響：駕駛特性處于不同水平時(shí)，應(yīng)激距離對(duì)剎車速度值都有統(tǒng)計(jì)學(xué)意義（P<0.001）。其中駕駛特性高時(shí)，應(yīng)激距離對(duì)剎車速度影響更大（F=32.49）。固定應(yīng)激距離，不同駕駛特性對(duì)剎車速度的影響：應(yīng)激距離處于不同水平時(shí)，駕駛特性對(duì)剎車速度都有統(tǒng)計(jì)學(xué)意義（P<0.001，P=0.002）。其中應(yīng)激距離為19.2 m時(shí)，駕駛特性對(duì)剎車速度的影響最大（F=16.45）。

3 基于集對(duì)分析的應(yīng)激反應(yīng)評(píng)價(jià)

為全面綜合地表示高、低駕駛特性被試在不同應(yīng)激距離下的應(yīng)激反應(yīng)，本文引入集對(duì)分析模型評(píng)價(jià)被試的應(yīng)激反應(yīng)。在實(shí)驗(yàn)中選出的6個(gè)指標(biāo)的基礎(chǔ)上，通過K-means聚類確定評(píng)價(jià)等級(jí)取值范圍，采用熵權(quán)法確定指標(biāo)權(quán)重。集對(duì)分析法（set pair analysis， SPA）的思想是把被研究的客觀事物之間的確定性聯(lián)系與不確定性聯(lián)系作為一個(gè)確定不確定系統(tǒng)來分析處理。SPA已被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)、生物化學(xué)、交通運(yùn)輸、工程技術(shù)、地球與環(huán)境科學(xué)等多個(gè)學(xué)科領(lǐng)域[13-14]。

3.1 K-means聚類確定評(píng)價(jià)等級(jí)取值范圍

在進(jìn)行集對(duì)評(píng)價(jià)前需要確定評(píng)價(jià)等級(jí)的取值范圍。K-means算法的作用是將相似的樣本自動(dòng)歸到一個(gè)類別中。本文根據(jù)K-means聚類算法取得各指標(biāo)5個(gè)類別的中心值，根據(jù)該值的大小結(jié)合指標(biāo)表征應(yīng)激水平的規(guī)律，得到評(píng)價(jià)等級(jí)取值范圍如表6所示。等級(jí)1表示評(píng)價(jià)等級(jí)最高，等級(jí)5最低。

3.2 熵權(quán)法確定評(píng)價(jià)指標(biāo)權(quán)重

熵權(quán)法是綜合性的客觀定權(quán)法，根據(jù)各個(gè)指標(biāo)蘊(yùn)含的信息量大小來確定權(quán)重。熵權(quán)法確定評(píng)價(jià)指標(biāo)權(quán)重的步驟有：指標(biāo)歸一化、計(jì)算特征比重、計(jì)算信息熵、得出熵權(quán)。熵權(quán)法計(jì)算得（θ+α）/β、掃視頻率、瞳孔面積、油門深度、剎車速度、方向盤轉(zhuǎn)角的權(quán)重分別為：0.166 57、0.168 67、0.166 82、0.170 87、0.165 11、0.161 96。

3.3 集對(duì)分析評(píng)價(jià)模型

集對(duì)分析法進(jìn)行評(píng)價(jià)的原理是令2個(gè)相互聯(lián)系的集合形成集對(duì)（A， B），若兩個(gè)集對(duì)處于同一評(píng)價(jià)等級(jí)中，則表示具有同一性；若所屬評(píng)價(jià)等級(jí)間存在間隔，則表示具有對(duì)立性；如果處于相鄰的評(píng)價(jià)等級(jí)，則表示具有差異性。假設(shè)評(píng)價(jià)對(duì)象指標(biāo)值集合[A=[x1，x2，…，x6]]，評(píng)價(jià)指標(biāo)5等級(jí)標(biāo)準(zhǔn)集合[B=[s0～][s1，…，sk-1～sk，…，s4～s5]]，建立集對(duì)的聯(lián)系度如下

式中：[μ]為集對(duì)的聯(lián)系度；a為同一度；b1為優(yōu)異度；b2為劣異度；c1為優(yōu)反度；c2為劣反度；[a+][b1+b2+c1+c2=1]；[i+∈[0，1]]；[i-∈[-1，0]]；[j+=0，1]；[j-=-1]。

運(yùn)用貼進(jìn)度計(jì)算聯(lián)系度，越小越優(yōu)型指標(biāo)的具體表達(dá)式如式（3）。對(duì)于越大越優(yōu)型指標(biāo)，如油門深度，計(jì)算聯(lián)系度時(shí)只需將式（3）定義域兩端反向即可。

式中：[μj（k）]為待評(píng)樣本的第j項(xiàng)指標(biāo)的第k級(jí)聯(lián)系度向量，k=1，2，3，4，5；[[sj（k-1），sj（k）]]為第j項(xiàng)指標(biāo)的第k級(jí)評(píng)價(jià)標(biāo)準(zhǔn)的范圍。

根據(jù)評(píng)價(jià)指標(biāo)各等級(jí)的聯(lián)系度，結(jié)合指標(biāo)權(quán)重，計(jì)算樣本的綜合聯(lián)系度向量[μ]如下

集對(duì)分析將同一度與對(duì)立度的比值定義為所論集對(duì)的集對(duì)勢(shì)[SHI（μ）]，在此基礎(chǔ)上延伸出了廣義集對(duì)勢(shì)[SHI（μ）G]，如下

集對(duì)分析一般根據(jù)最大集對(duì)勢(shì)準(zhǔn)則確定等級(jí)，如下

最終算得兩組被試在3種應(yīng)激距離下的集對(duì)勢(shì)如表7，采用最大集對(duì)勢(shì)準(zhǔn)則判定所得的評(píng)價(jià)等級(jí)如表中藍(lán)色標(biāo)注。根據(jù)評(píng)價(jià)結(jié)果可知，無論在哪種應(yīng)激距離下，高駕駛特性被試的應(yīng)激反應(yīng)能力均高于低駕駛特性被試，表明通過駕駛特性判斷駕駛?cè)藨?yīng)激反應(yīng)能力在一定程度上可行。高駕駛特性被試在應(yīng)激距離從27.5 m減少到19.2 m時(shí)，評(píng)價(jià)等級(jí)由二級(jí)變?yōu)槿?jí)，而低駕駛特性被試則由三級(jí)變?yōu)槲寮?jí)，表明應(yīng)激距離的減少對(duì)低駕駛特性被試的影響更大。在應(yīng)激距離從35.8 m減少到27.5 m時(shí)，高駕駛特性被試評(píng)價(jià)等級(jí)由一級(jí)變?yōu)槎?jí)，低駕駛特性被試等級(jí)由二級(jí)變?yōu)槿?jí)，兩者等級(jí)變化幅度相同，結(jié)合行人突然侵入道路作為應(yīng)激源的一項(xiàng)研究的結(jié)論：駕駛?cè)嗽?5.8 m（TTC=2 s）和27.5 m（TTC=1.5 s）的應(yīng)激距離下的心理負(fù)荷不存在顯著差異，而在27.5 m和19.2 m（TTC=1 s）的應(yīng)激距離下的心理負(fù)荷存在顯著性差異，說明駕駛?cè)耸欠裼? s以上TTC對(duì)其應(yīng)激反應(yīng)非常重要。

為探究樣本個(gè)體的應(yīng)激反應(yīng)情況，我們通過MATLAB計(jì)算2組被試在3種應(yīng)激距離下，共計(jì)216個(gè)樣本的集對(duì)評(píng)價(jià)等級(jí)，結(jié)果如圖2所示。以應(yīng)激距離為19.2 m的21個(gè)低駕駛特性被試為例：6人的應(yīng)激反應(yīng)被評(píng)為等級(jí)三，7人評(píng)為等級(jí)四，8人評(píng)為等級(jí)五，應(yīng)激距離為19.2 m的低駕駛特性被試評(píng)為等級(jí)五的人數(shù)占據(jù)等級(jí)五的8/17。

因此，被評(píng)價(jià)為等級(jí)三的樣本數(shù)最多，除了低駕駛特性被試在27.5 m應(yīng)激距離這類樣本，其余5類均有樣本評(píng)為等級(jí)三，表明大多應(yīng)激反應(yīng)處于中間水平。等級(jí)一大多來自高駕駛特性在距離27.5 m和35.8 m的樣本中，表明應(yīng)激反應(yīng)最好的是這兩種情況；等級(jí)一還有少部分來自低駕駛特性在距離35.8 m的樣本中，表明小部分低駕駛特性被試在應(yīng)激距離足夠時(shí)反應(yīng)優(yōu)秀。然而絕大多數(shù)低駕駛特性被試在35.8 m時(shí)被評(píng)為等級(jí)三，評(píng)為等級(jí)一的數(shù)量與等級(jí)四、等級(jí)五相同，說明即使在應(yīng)激距離較長(zhǎng)時(shí)，低駕駛特性被試內(nèi)部參差大，應(yīng)激反應(yīng)有極好的也有極差的。反觀高駕駛特性被試，在應(yīng)激距離為27.5 m和35.8 m時(shí)，評(píng)價(jià)等級(jí)穩(wěn)定在等級(jí)一和等級(jí)三。高駕駛特性被試只有在應(yīng)激距離為19.2 m時(shí)表現(xiàn)不穩(wěn)定，但大多被試評(píng)價(jià)為等級(jí)三、等級(jí)四，少數(shù)為等級(jí)五、等級(jí)二。高駕駛特性被試和低駕駛特性被試的共同點(diǎn)在于，應(yīng)激距離為19.2 m時(shí)，他們的評(píng)價(jià)等級(jí)分布在等級(jí)三、四、五，說明在交通沖突時(shí)間（TTC）為1 s時(shí)，被試的應(yīng)激反應(yīng)不良，容易出現(xiàn)危險(xiǎn)情況。

4 結(jié)論

1）集對(duì)評(píng)價(jià)結(jié)果顯示，高駕駛特性被試的評(píng)價(jià)比低駕駛特性被試的評(píng)價(jià)在應(yīng)激距離為19.2 m時(shí)高兩個(gè)等級(jí)，而在應(yīng)激距離為27.5 m和35.8 m時(shí)只高一個(gè)等級(jí)，表明提高駕駛特性能夠幫助駕駛?cè)颂岣邞?yīng)激能力，情況越危急，提高的幅度越大。

2）通過VTS確定的駕駛特性揭示了駕駛特性和應(yīng)激反應(yīng)的關(guān)系，即在所有應(yīng)激距離下，H組的應(yīng)激反應(yīng)均優(yōu)于L組，且應(yīng)激距離的減少對(duì)L組的影響比H組大。

3）在應(yīng)激距離為35.8 m和27.5 m時(shí)，兩組被試的評(píng)價(jià)等級(jí)相差一級(jí)，但應(yīng)激距離為19.2 m時(shí)，兩組被試的評(píng)價(jià)等級(jí)相差兩級(jí)，表明在交通應(yīng)激事件中，1 s以上的交通沖突時(shí)間（TTC）是預(yù)知駕駛?cè)藨?yīng)激反應(yīng)安全程度的一個(gè)臨界點(diǎn)。

參考文獻(xiàn)

[1]? ? 趙亮， 劉浩學(xué)， 石保同. 復(fù)雜道路環(huán)境中駕駛?cè)藨?yīng)激反應(yīng)能力研究[J]. 中國安全科學(xué)學(xué)報(bào)， 2015， 25（4）： 105-109.

ZHAO? L， LIU? H X，? SHI B T. Stress response ability of drivers in complex road environment[J]. China Safety Science Journal， 2015， 25（4）： 105-109.

[2]? ? TAKAHASHI R， KOBAYASHI M， SASAKIT， et al. Driving simulation test for evaluating hazard perception： Elderly driver response characteristics[J]. Transportation Research Part F： Traffic Psychology and Behaviour， Elsevier Ltd， 2017， 49： 257-270.

[3]? ? 李顯生， 孟凡淞， 鄭雪蓮， 等. 基于心率變異性的應(yīng)激場(chǎng)景下駕駛?cè)诵睦硖匦苑治鯷J]. 上海交通大學(xué)學(xué)報(bào)， 2018（2）： 163-168.

LI X S， MENG F S， ZHENG X L， et al. Psychological characteristics of drivers in the stress scene based on heart rate variability[J]. Journal of Shanghai Jiaotong University， 2018（2）： 163-168.

[4]? ? 楊靜思， 閆學(xué)東， 段克， 等. 基于駕駛模擬器的性別對(duì)信控鐵路道口抵近行為的影響研究[J]. 中國公路學(xué)報(bào)，2020， 33（6）： 54-64.

YANG J S， YAN X D， DUAN K， et al. Effect of gender on approach behavior at flashing light grade crossings base on driving simulator[J]. China Journal of Highway and Transport， 2020， 33（6）： 54-64.

[5]? ? 吳付威. 基于信息處理機(jī)制的駕駛?cè)烁兄?判斷-反應(yīng)特性研究[D]. 西安： 長(zhǎng)安大學(xué)， 2020.

WU F W. Research on drivers' perception-judgement-response characteristics based on information processing mechanism[D]. Xi'an： Chang'an University， 2020.

[6]? ? 郭烈， 馬躍， 岳明， 等. 駕駛特性的識(shí)別評(píng)估及其在智能汽車上的應(yīng)用綜述[J]. 交通運(yùn)輸工程學(xué)報(bào)， 2021， 21（2）：7-20.

GUO L， MA Y， YUE M， et al. Overview of recognition and evaluation of driving characteristics and their applications in intelligent vehicles[J]. Journal of Traffic and Transportation Engineering， 2021， 21（2）： 7-20.

[7]? ? 王珺， 宋瓊雅， 許岳培， 等. 效應(yīng)量置信區(qū)間的原理及其實(shí)現(xiàn)[J]. 心理技術(shù)與應(yīng)用， 2019， 7（5）： 284-296.

WANG J， SONG Q Y， XU Y P， et al. Calculating confidence intervals of Cohen's d and Eta-squared： A practical primer[J]. Psychological Technology and Applications， 2019， 7（5）：284-296.

[8]? DENG M， WU F， GU X， et al. A comparison of visual ability and its importance awareness between novice and experienced drivers[J]. International Journal of Industrial Ergonomics， 2021， 83（4）： 103-141.

[9]? 王暢， 魯玉萍， 付銳， 等. 行人突然侵入道路時(shí)駕駛?cè)说纳碡?fù)荷特性研究[J]. 科學(xué)技術(shù)與工程， 2016， 16（21）： 106-111.

WANG C， LU Y P， FU R， et al. Parameters analysis of physiology load of drivers during stress response[J]. Science Technology and Engineering， 2016， 16（21）： 106-111.

[10]? 任福田， 劉小明， 榮建. 交通工程學(xué)[M]. 北京： 人民交通出版社， 2008．

REN F T， LIU X M， RONG J. Traffic engineering[M]. Beijing： China Communications Press， 2008.

[11]? YANG Y， CHEN J， EASA S M， et al. Driving simulator study of the comparative effectiveness of monolingual and bilingual guide signs on Chinese highways[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2020， 68： 67-78.

[12]? FERGUSON C J. An effect size primer： A guide for clinicians and researchers[J]. Professional Psychology Research and Practice， 2009， 40（5）： 532-538.

[13]? SABATER S， PASTOR M R， ANDRES I， et al. MRI prostate contouring is not impaired by the use of a radiotherapy image acquisition set-up： An intra- and inter-observer paired comparative analysis with diagnostic set-up images[J]. Cancer/Radiotherapie， 2021， 25（2）： 107-113.

[14]? GE W， LI Z， LI W， et al. Risk evaluation of dam-break environmental impacts based on the set pair analysis and cloud model[J]. Natural Hazards， 2020， 104（2）： 1641-1653.

第一作者：梁鈺（1988—），女，實(shí)驗(yàn)師，碩士，研究方向?yàn)榻煌ò踩?、交通心理學(xué)。E-mail：920126627@qq.com。

通信作者：楊艷群（1969—），男，教授，碩士，碩士生導(dǎo)師，研究方向?yàn)榻煌ò踩⒔煌ㄐ睦韺W(xué)。E-mail：yangyanqun@fzu.edu.cn。