鈕建偉 孫一品 秦 華

(北京科技大學機械工程學院1) 北京 100083) (北京建筑大學機電與車輛工程學院2) 北京 100044)

0 引 言

先進的自動駕駛輔助系統(tǒng)使駕駛員完成了由操作者到監(jiān)管員的角色轉(zhuǎn)變[1].在自動駕駛過程中，駕駛員無需持續(xù)關(guān)注道路環(huán)境，還可以從事和駕駛無關(guān)的次任務.當自動化系統(tǒng)故障或達到其功能限制時，自動化系統(tǒng)通常會發(fā)出接管請求[2]，之后駕駛員必須將視線回到駕駛情景內(nèi)并在足夠的時間內(nèi)恢復駕駛?cè)蝿?Zeeb等[3]提出了駕駛員在高度自動駕駛下執(zhí)行次任務時的接管過程模型，模型中指出，在高度自動化的駕駛過程中，當系統(tǒng)發(fā)出接管請求時，視覺分心的駕駛員首先會把注視點回到街道上，隨后對情景進行認知處理并決策.接管完成后，駕駛員開始采取控制措施.結(jié)合該模型，本文把自動駕駛轉(zhuǎn)換為手動駕駛的過程稱為駕駛切換(接管)過程，即車輛發(fā)出請求到駕駛員重新控制車輛的過程.大多數(shù)駕駛切換的研究側(cè)重駕駛員重新獲得駕駛控制的時間， Gold等[4]發(fā)現(xiàn)，從接管警報發(fā)出到視線離開次任務的平均反應時間是0.5 s, 在擁堵的交通中，最大的接管時間是8.8 s.盡管這些研究提供了很多有價值的信息，但在自動駕駛的駕駛切換過程中，對駕駛員情景意識卻少有研究.

情景意識的概念中被廣泛認可的是Endsley[5]對情境意識的定義“在一定的時間和空間內(nèi)對環(huán)境中的各組成成分的感知、理解，進而預知這些成分的隨后變化狀況”，在此基礎(chǔ)上還提出了情景意識的三個水平：感知、理解和預測.Ma等[6]通過全面評估技術(shù)(SAGAT)[7]詢問駕駛員有關(guān)情景意識的系列問題，來研究駕駛員在進行跟馳任務時，自適應巡航控制(ACC)和手機使用對情景意識的影響.結(jié)果發(fā)現(xiàn)，雖然自適應巡航控制提高了駕駛員的情景意識，但從駕駛員對情景的理解和預測來看，手機通話降低了駕駛員的情景意識.Kass等[8]也使用全面評估技術(shù)研究了手機的使用對新老駕駛員的情景意識和駕駛績效的影響，結(jié)果發(fā)現(xiàn)新手駕駛員比經(jīng)驗豐富的駕駛員情景意識差.馬艷麗等[9]發(fā)現(xiàn)駕駛?cè)藞?zhí)行較難的音頻操作會導致駕駛績效變差，反應時間變長.駕駛?cè)藢ξｋU事件的感知反應時間增加了，這就說明當駕駛員處于分心狀態(tài)時，其在駕駛情景上的注意分配就會受到極大限制.盡管還有其他學者也對駕駛分心和情景意識進行了研究[10]，但是在駕駛切換過程中，駕駛員的分心程度對駕駛員注視點回到駕駛場景極短時間內(nèi)的情景意識的影響研究就更少了.故本文提出瞬間情景意識的概念——分心的駕駛員注視點回到駕駛情景極短時間(以毫秒計算)內(nèi)的情景意識，并探究駕駛切換的過程中，駕駛員的分心程度對瞬間情景意識的影響.

對執(zhí)行次任務的駕駛員來說，已經(jīng)完全喪失或者部分喪失了對環(huán)境的意識.當系統(tǒng)發(fā)出接管請求，駕駛員回到駕駛場景的瞬間，看到的是由人、車等獨立刺激物和相應背景構(gòu)成的駕駛場景，駕駛目標驅(qū)使他必須在有效的時間內(nèi)對環(huán)境中的信息進行快速識別和整合，并對場景的危險程度做出判斷，以便進行相應的接管控制.曾有實驗證明人類能在200 ms以內(nèi)整合關(guān)于場景意義的足夠信息[11]，并且在快速呈現(xiàn)的條件下，不僅能準確識別刺激物還能準確判斷場景類型[12].一般來講，場景的識別過程是空間層次、場景圖式，以及那些沒有看到的場景區(qū)域的激活過程.在這一過程中,視覺系統(tǒng)會形成一個關(guān)于外部世界的空間表征，這種知覺表征即場景的梗概(scene gist).場景梗概[13]包括了從低級別的功能(如顏色、空間頻率)處理到中間的圖像屬性(如表面、體積)處理和高層次的信息(例如，對象、激活語義知識)處理.它是人們對情景的快速再認以及情景知覺中的意義獲得過程[14].文獻[15-17]多采用真實環(huán)境的彩色或3D模擬圖片來代表場景，以提高外部效度.當駕駛員回到駕駛場景的瞬間，其對場景的認知過程包括了對當前場景的感知和識別，因此，本文提出用情景圖片閃現(xiàn)的方式模擬分心的駕駛員看到情景的瞬間，分析在這個瞬間駕駛員對情景感知的影響因素及感知特點.為更好的體現(xiàn)“瞬間”的時長，將使用場景圖片的呈現(xiàn)時間來模擬.

此外，在真實情景的快速瀏覽過程中，人們也并不是對每一個目標都予以注視，而是有選擇地注視他們感興趣的情景區(qū)域或者某些刺激物[18]，因此，可以認為注視位置的選擇是以信息獲得為基礎(chǔ)的[19].這表明情景本身的內(nèi)容能夠?qū)ψ⒁曃恢眠M行快速控制.于是猜想，駕駛情景的內(nèi)容也會對駕駛員的瞬間情景意識產(chǎn)生影響.

基于以上研究，本文將駕駛切換時駕駛員的分心程度、場景圖片的呈現(xiàn)時間和場景的危險等級作為自變量.其中，駕駛員的分心程度根據(jù)在駕駛切換前是否參與次任務及次任務的種類，分為精神集中駕駛狀態(tài)，與副駕駛聊天狀態(tài)和駕駛時玩游戲狀態(tài).對場景圖片的瞬時呈現(xiàn)，提出750和1 500 ms兩個水平來模擬注視點回到駕駛情景后，駕駛員對情景的感知時間，并將駕駛場景分為低、中、高三個等級.為了測量并量化這三個因素對駕駛員瞬間情景意識的影響，要求駕駛員在場景圖片呈現(xiàn)后對場景的危險等級進行評定，并回答與場景內(nèi)容相關(guān)的問題.由于駕駛員分心對交通安全的意義越來越大，希望通過本文對駕駛員瞬間情景意識的影響因素以及駕駛員對情景的感知特點，能夠為駕駛切換時分心警示系統(tǒng)及警示內(nèi)容提供理論依據(jù).

1 實 驗

1.1 參試者

本研究中共有36名(平均年齡M=25.89歲，標準差SD=3.41)被試參與實驗，正常視力或矯正視力為1.0及以上，且沒有肌肉方面遺傳問題.所有被試被要求必須持有駕駛執(zhí)照至少2年，駕駛里程在1萬km(平均里程M=2.28萬km，標準差SD=2)及以上.

1.2 情景圖片

本實驗中，場景的危險程度根據(jù)危險發(fā)生的風險共分為低、中、高三個等級，高危險等級場景定義為準危險場景，即需要駕駛員采取減速或者轉(zhuǎn)向等規(guī)避措施以免發(fā)生碰撞，但最后仍然會發(fā)生碰撞的駕駛場景；中危險等級場景定義為潛在危險場景，即有發(fā)生危險事故的可能，但駕駛員采取減速或者轉(zhuǎn)向等規(guī)避措施后能避免危險發(fā)生的場景；低危險等級場景定義為無危險場景，即不包含準危險和潛在危險的場景.

實驗所用駕駛場景圖片均來自以駕駛員視角所拍攝的視頻，以是否采取減速等規(guī)避措施為截取標準，若無任何措施且無發(fā)生危險，截取為低等危險場景，若采取措施后，沒有危險發(fā)生，將采取措施時刻對應的場景截取為中等危險場景，若采取措施后，危險仍然發(fā)生，開始采取措施時的場景截取為高等危險場景.共截取圖片50余張，請3位駕齡在15年以上的職業(yè)駕駛員作為評審專家，假設(shè)場景圖片中攝像車的車速是50 km/h，根據(jù)上述場景危險等級的定義，并依據(jù)自身駕駛經(jīng)驗，對圖片的場景進行危險等級評定，以保證圖片在所提供危險的信息量上沒有顯著的差異.從最終評定一致的低、中、高危險等級圖片中各選擇4張作為實驗用圖.

1.3 問卷設(shè)計

根據(jù)瞬間情景意識的定義和研究內(nèi)容，每個情景設(shè)5個探測問題，這些問題在被試對情景的危險等級做出判斷后按順序依次呈現(xiàn)在屏幕上，并采取迫選的方式要求被試給予回應.問題包括：

問題1.在場景的左上方你注意到了什么？

問題2.在場景的右上方你注意到了什么？

問題3.在場景的左下方你注意到了什么？

問題4.在場景的右下方你注意到了什么？

問題5.危險是什么？

前4個問題模擬駕駛員注視點回到駕駛場景后對場景中的四個空間方位的內(nèi)容感知，見圖1.每個問題有5個選項，前四個選項都是對場景的內(nèi)容進行描述，比如：“一輛白色轎車，行人，綠色隔離帶”.4個選項中有一個是正確選項，其余3個為干預選項.第五個選項描述是“沒注意到/忘記了”. 問題5考察駕駛員對場景的危險識別，共六個選項供選，前四個選項列舉了具體的物體，比如，“攝像車正前方的白色轎車”“攝像車左側(cè)的行人”，第五個選項是“沒有危險”(低危險等級場景的正確選項)，選項6是“沒看清/忘記了”.所有選項中僅有一個正確答案，正確答案是視頻中令攝像車采取措施的對象(對于中、高等級場景而言).

所有問題均有正確答案，選擇正確得1分，錯誤得0分.根據(jù)得分情況和正確率來判斷駕駛員對場景的感知程度.

圖1 中危險等級圖片示例

1.4 實驗過程

將被試隨機分為三組，每組被試只參與一種駕駛狀態(tài)下的實驗.場景圖片根據(jù)危險程度共分為三個等級，每個等級下有兩張場景圖片呈現(xiàn)750 ms，另兩張呈現(xiàn)1 500 ms.

在精神集中駕駛狀態(tài)，實驗開始后屏幕中央將呈現(xiàn)中心帶有“+”的灰度圖，緊接著呈現(xiàn)駕駛場景圖片.在圖片消失后，被試在最短的時間內(nèi)對呈現(xiàn)場景做出危險等級的判斷，并于判斷完成后，根據(jù)對場景的感知回答與場景對應的問題.至此，對一個場景圖片感知完畢，接著重復上述過程，呈現(xiàn)另一張場景圖片.所有場景圖片感知完成后，實驗結(jié)束，實驗過程見圖2.

在另外兩種駕駛狀態(tài)下，被試通過與主試者聊天或是玩游戲(時長90 s，便于被試沉浸于次任務)模擬駕駛員在自動駕駛時的分心狀態(tài)，當系統(tǒng)發(fā)出接管提示后，呈現(xiàn)場景圖片.之后的過程同精神集中駕駛狀態(tài)下一致，直至對所有場景的感知完成.

圖2 注意力集中狀態(tài)下的實驗過程

2 結(jié) 果

2.1 場景內(nèi)容感知

將收集到的問卷數(shù)據(jù)進行整理，統(tǒng)計了駕駛員對每個駕駛場景前4個問題的總得分，并利用SPSS進行方差分析，比較分心程度、場景圖片呈現(xiàn)時間和情景危險等級三個因素對駕駛員的場景內(nèi)容感知是否存在差異.結(jié)果顯示，分心程度(F=3.954，p=0.02，偏η2=0.019)，場景圖片呈現(xiàn)時間(F=6.632，p=0.01，偏η2=0.016)和場景危險等級(F=20.031，p<0.001，偏η2=0.088)均對駕駛員場景內(nèi)容感知有顯著影響，且三因素對駕駛員的內(nèi)容感知得分不存在交互作用.

其中，精神集中狀態(tài)下平均得分最高(M=1.30)，與副駕駛聊天狀態(tài)下平均得分居中(M=1.21)，玩游戲狀態(tài)下平均得分最低(M=1.01)；場景圖片呈現(xiàn)1 500 ms(M=1.283)比呈現(xiàn)750 ms(M=1.067)時駕駛員的得分更高；低危險等級的場景得分最高(M=1.45)，高危險等級次之(M=1.26)，中危險等級場景的分數(shù)最低(M=0.81).由此可見駕駛分心會降低駕駛切換過程中駕駛員對場景內(nèi)容的感知，對場景的注意時間增多會提高駕駛員對場景中空間內(nèi)容的感知.

將駕駛員對四個空間位置的感知單獨進行分析發(fā)現(xiàn)，①無論對哪個空間位置的感知，精神集中狀態(tài)的駕駛員感知正確率都要高于精神分散的駕駛員，并且與副駕駛聊天狀態(tài)的駕駛員感知正確率要高于玩游戲狀態(tài)的駕駛員，見圖3；②無論駕駛員在自動駕駛過程中是否參與次任務，在注視點回到駕駛場景后，駕駛員對場景的左下方感知的正確性更高，左上方僅次于之，而對于右上方和右下方則低很多；③場景呈現(xiàn)1 500 ms比呈現(xiàn)750 ms時，駕駛員的感知正確率更高，見圖4.

圖3 場景內(nèi)容感知正確率

圖4 不同呈現(xiàn)時間下的感知正確率

2.2 危險識別

使用Spss對問題5“危險是什么？”的數(shù)據(jù)結(jié)果分別進行分析，分析比較駕駛狀態(tài)、場景圖片呈現(xiàn)時間和場景危險等級三個因素對駕駛員在這個問題上的回答正確率是否有影響.

方差分析結(jié)果顯示，場景圖片的呈現(xiàn)時間(F=24.465，p<0.001，偏η2=0.056)和場景的危險等級(F=14.059,p<0.001，偏η2=0.064)對危險識別有顯著影響，場景圖片呈現(xiàn)1 500 ms(M=46.8%)比呈現(xiàn)750 ms(M=69%)時正確率低；隨著場景危險等級的升高，危險因素識別的正確率也升高，三種危險等級下駕駛員對危險識別的正確率分別為43.1%，58.3%和72.2%，見圖5.分心程度以及各自變量之間的交互作用對駕駛員的危險識別正確率沒有顯著影響.

圖5 危險識別正確率

2.3 危險等級判斷

使用spss對駕駛員的危險等級判斷的結(jié)果進行方差分析，比較駕駛狀態(tài)、場景圖片呈現(xiàn)時間和場景危險等級三個因素對駕駛員危險等級判斷的正確率是否有影響.結(jié)果顯示僅場景圖片呈現(xiàn)時間(F=24.465，p=0.002，偏η2=0.022)對其有顯著影響，且在1 500 ms的呈現(xiàn)時間下駕駛員對危險等級的判斷正確率為53%，750 ms呈現(xiàn)時間下正確率為68%，場景圖片呈現(xiàn)時間短正確率反而更高，見圖6.

圖6 危險等級判斷正確率

3 討 論

駕駛員對當前環(huán)境在腦中的表征是基于長期記憶的知識和經(jīng)驗，而這些長期積累的知識和經(jīng)驗將會引導駕駛員注意環(huán)境中的關(guān)鍵元素.在研究中，精神集中狀態(tài)組的實驗模擬了自動駕駛過程中駕駛員對環(huán)境處于完全監(jiān)視狀態(tài)，而與副駕駛聊天狀態(tài)和玩游戲狀態(tài)則在不同程度上占用了駕駛員的視覺和聽覺認知資源.結(jié)果顯示，場景圖片的呈現(xiàn)時間越長，駕駛員對瞬間場景感知的正確率越高，說明對場景觀察時間長會獲得更多的場景信息.

無論在駕駛切換時駕駛員是否存在分心情況，其對場景的左下方關(guān)注更多.場景的左后方主要是指駕駛員自車的左后方，這與馬勇等[20]的研究一致，這表明駕駛員更傾向于使用左后視鏡來獲取自車左后方的車輛情況，很符合我國駕駛員的駕駛習慣.而從駕駛分心的角度來看，駕駛員在精神集中狀態(tài)比分心狀態(tài)對場景內(nèi)容的感知正確率要高，而與副駕駛聊天的狀態(tài)對場景內(nèi)容的感知正確率又高于玩游戲狀態(tài)，說明駕駛分心會降低駕駛員對場景內(nèi)容的感知，且玩游戲狀態(tài)比與副駕駛聊天狀態(tài)分心程度更高.

“危險是什么？”被用在很多危險感知的研究[21]中，用來檢驗駕駛員對危險環(huán)境的情景意識.對危險察覺越早，就為采取措施爭取了更多時間.雖然駕駛員的分心程度對危險識別并沒有顯著影響(三種駕駛狀態(tài)下對危險的識別正確率分別為61.8%,55.6%和56.2%)，但正確率仍然比場景四個方位的內(nèi)容感知正確率高.根據(jù)Desimone等[22]的基于客體的注意偏好競爭模型，在對充滿很多物體的場景進行搜索時，由于注意資源有限，視場中的物體就會競爭注意資源，若場景中某物體與工作記憶中的目標模板相同，那么該物體就會被優(yōu)先注意，由此可以認為，在駕駛員的經(jīng)驗知識中，保留有危險刺激物的表征，危險刺激物被優(yōu)先注意，所以造成對處在場景中部的危險的識別率要高于對情景四個方向上的內(nèi)容感知正確率.Groeger[23]也曾提出，危險是作為獨立的軌跡被編碼的，快速、精確的危險感知是通過快速檢索之前記憶的實例，并對當前的信息進行配對后得到結(jié)果，同樣可以解釋對危險的感知正確率要高于其他場景內(nèi)容.但有趣的是，在場景圖片呈現(xiàn)時間短的情況下駕駛員危險識別、危險等級判斷的正確率卻比呈現(xiàn)時間長的情況下高，可能是在750 ms的呈現(xiàn)時間下，駕駛員沒有更多時間關(guān)注場景的其他位置，將較多的注意放在了危險刺激物上，故對危險的識別正確率較高，而在1 500 ms的呈現(xiàn)時間下，駕駛員對其他信息的記憶干擾了對危險的識別，從而降低了對危險識別的正確率.

雖然本文探索了駕駛員瞬間情景意識的影響因素及駕駛員的感知特點，但仍然存在一些局限性.首先，我們并沒有對“瞬間”的具體時間做出明確定義，場景圖片呈現(xiàn)時間的水平較少，并不能得出在哪個時間點下駕駛員的感知正確率達到極值；其次，對于駕駛員的瞬間感知過程應該結(jié)合眼動數(shù)據(jù)，觀察駕駛員在駕駛切換過程中的視覺搜索行為.

4 結(jié) 束 語

本實驗提出了情景意識的概念，并對駕駛切換過程中的瞬間情景意識進行了研究，實驗用情景圖片快速呈現(xiàn)的方式模擬了分心駕駛員回到駕駛場景并進行感知的瞬間，通過問卷數(shù)據(jù)對瞬間情景意識的認知過程進行量化，得出了駕駛切換前駕駛員的分心程度、場景的呈現(xiàn)時間以及情景的危險等級對駕駛員瞬間情景意識中的感知影響，并發(fā)現(xiàn)駕駛員在情景識別過程中對車輛前方的情景關(guān)注最多，其次是對自車左后方關(guān)注較多.

參考文獻

[1] MERAT N, JAMSON A H, LAI F C, et al. Highly automated driving, secondary task performance, and driver state[J]. Human Factors, 2012,54(5):762-771.

[2] LU Z, HAPPEE R, CABRALL C D D, et al. Human factors of transitions in automated driving: a general framework and literature survey[J]. Transportation Research Part F Psychology & Behaviour, 2016,43:183-198.

[3] ZEEB K, BUCHNER A, SCHRAUF M. What determines the take-over time? An integrated model approach of driver take-over after automated driving[J]. Accident：Analysis and Prevention, 2015,78:212-217.

[4] GOLD C, DAMBOCK D, LORENZ L, et al. “Take over!” How long does it take to get the driver back into the loop [J]. Proceedings of the Human Factors & Ergonomics Society Annual Meeting, 2013,57(1):1938-1942.

[5] ENDSLEY M R. Toward a theory of situation awareness in dynamic systems[J]. Human Factors the Journal of the Human Factors & Ergonomics Society, 1995,37(1):32-64.

[6] MA R, KABER D B. Situation awareness and workload in driving while using adaptive cruise control and a cell phone[J]. International Journal of Industrial Ergonomics, 2005,35(10):939-953.

[7] ENDSLEY M R. Measurement of situation awareness in dynamic systems[J]. Human Factors the Journal of the Human Factors & Ergonomics Society, 1995,37(37):65-84.

[8] KASS S J, COLE K S, STANNY C J. Effects of distraction and experience on situation awareness and simulated driving[J]. Transportation Research Part F Traffic Psychology & Behaviour, 2007,10(4):321-329.

[9] 馬艷麗,高月娥,史惠敏.車內(nèi)音頻娛樂系統(tǒng)操作對駕駛績效的影響研究[J].武漢理工大學學報(交通科學與工程版),2017,41(3):454-457.

[10] HENDERSON J M, HOLLINGWORTH A. High-level scene perception[J]. Annual Review of Psychology, 1998,50(1):243-271.

[11] RENNINGER L W, MALIK J. When is scene identification just texture recognition [J]. Vision Research, 2004,44(19):2301-2311.

[12] LOSCHKY L C, SETHI A, SIMONS D J, et al. Using visual masking to explore the nature of scene gist[C].Meeting of the Psychonomic Society,Granada, 2005.

[13] DAVENPORT J L. Consistency effects between objects in scenes[J]. Memory & Cognition, 2007,35(3):393-401.

[14] HOLLINGWORTH A, HOLLINGWORTH A. Constructing visual representations of natural scenes: the roles of short-and long-term visual memory[J]. Journal of Experimental Psychology Human Perception & Performance, 2004,30(3):519-523.

[15] JOHN H. Introduction to real-world scene perception[J]. Visual Cognition, 2005,12(6):849-851.

[16] SEELEN C V, BAJCSY U M. Model-Based Gaze Control[J]. 1996(1):55-58.

[17] HALVERSON T, HORNOF A J. Strategy shifts in mixed-density search[C]. Meeting of the Cognitive Science Society,London,2017.

[19] SCIALFA C T, BORKENHAGEN D, LYON J, et al. The effects of driving experience on responses to a static hazard perception test[J]. Accident Analysis and Prevention, 2012,45(1):547-553.

[20] 馬勇,付銳,王暢,等.視覺分心時駕駛?cè)俗⒁曅袨樘匦苑治鯷J].中國安全科學學報,2013,23(5):10-14.

[21] CASTRO C, PADILLA J L, ROCA J, et al. Development and validation of the Spanish hazard perception test[J]. Traffic Injury Prevention, 2014,15(8):817-826.

[22] DESIMONE R, DUNCAN J. Neural mechanisms of selective visual attention[J]. Annual Review of Neuroscience, 1995,18(1):193-197.

[23] GROEGER J A. Understanding driving: applying cognitive psychology to a complex everyday task[J]. Optometry & Vision Science, 2000,78(11):635-636.