自動駕駛車輛中駕駛?cè)说男畔⑿枨筇卣?/h1>
2019-06-25 08:49:00邢慧寧鈕建偉
城市交通 2019年3期
邢慧寧，秦 華,2，鈕建偉
(1.北京建筑大學機電與車輛工程學院，北京 100044；2.北京市建筑安全監(jiān)測工程技術(shù)研究中心，北京 100044；3.北京科技大學機械工程學院，北京 100083)
0 引言
自動駕駛是當今社會研究的一大熱點，自動駕駛汽車被認為能夠提高舒適度、降低事故的發(fā)生率、減少交通擁堵以及減少環(huán)境影響[1]。美國國家公路交通安全管理局(National Highway Traffic Safety Administration,NHTSA)根據(jù)對自動駕駛系統(tǒng)的定義，將自動駕駛系統(tǒng)劃分為5 個等級[2]，分別為：等級0，無自動化；等級1，特定功能自動駕駛；等級2，集成功能自動駕駛；等級3，有條件自動駕駛；等級4，完全自動化。
目前車輛自動駕駛系統(tǒng)還未達到完全無人駕駛的程度，只能提供一些駕駛輔助操作，例如，提供使車輛以期望的速度穩(wěn)定行駛、實現(xiàn)自主導航行駛等功能[3-4]。但當遇到一些突發(fā)狀況時，自動駕駛系統(tǒng)無法自行處理，需要由駕駛?cè)私庸芸刂栖囕v并做出決策。在由自動駕駛系統(tǒng)操控到真人操控的切換過程中還存在很多問題[5]，例如駕駛?cè)朔磻獣r間、車輛性能、人機交互等方面[6-7]。而且在自動駕駛系統(tǒng)控制車輛行駛的過程中，駕駛?cè)藦牟倏卣咦兂闪吮O(jiān)督者的角色[8]，這種角色的轉(zhuǎn)變會降低駕駛?cè)说木X性。由于對自動駕駛系統(tǒng)的過度信任[9]，駕駛?cè)瞬粫恢北O(jiān)督自動駕駛系統(tǒng)[10-11]，而會做一些與監(jiān)督駕駛?cè)蝿諢o關(guān)的事情，例如聽音樂、打電話等第二任務，致使注意力分散、情景意識缺失，期間缺乏對車輛行駛的狀況及周圍環(huán)境狀況的足夠了解。因此，降低自動駕駛系統(tǒng)的使用所帶來的消極影響，研究駕駛?cè)嗽诓煌牡诙蝿罩械男畔⑿枨?，幫助其快速了解當前突發(fā)狀況很有必要。
文獻[12]對高速公路上不同自動駕駛等級下駕駛?cè)说男畔⑿枨筮M行研究，確定了一些在自動駕駛系統(tǒng)使用過程中必不可少的重要信息，其中人機交互專家們認為最重要的一點就是系統(tǒng)行為的反饋應該是透明的、可理解的以及可預測的，包括當前的系統(tǒng)狀態(tài)、回退水平、剩余時間、行駛計劃及其原因。文獻[13]從定性以及定量方面對城市道路場景中警告信息的呈現(xiàn)時間以及呈現(xiàn)間隔進行總結(jié)，并根據(jù)顯示信息的復雜度進行分類，根據(jù)信息來源總結(jié)了近150 種不同的信息需求。通過研究城市道路中高級駕駛輔助系統(tǒng)(Advanced Driver Sssistance Systems,ADAS)中抬頭顯示器(Head-Up Display,HUD)和低頭顯示器(Head-Down Display,HDD)分別呈現(xiàn)哪種警告信息類型，發(fā)現(xiàn)用戶對抬頭顯示器中緊急警告信息，諸如導航或當前行駛速度等動態(tài)信息以及駕駛相關(guān)內(nèi)容(交通標志識別)等信息具有明顯偏好。同時，認為狀態(tài)信息和指示標志在抬頭顯示器中具有干擾作用，只要在特定的時間間隔呈現(xiàn)這些信息和標志(開/關(guān)/激活)即可[14]。
以上研究主要是針對高速公路上的駕駛信息需求以及國外城市道路的駕駛信息需求。而中國城市道路的交通情況有其特殊性[15]：1)隨著城鎮(zhèn)化建設(shè)的加速，車輛保有量急劇上漲，造成交通擁堵；2)車流混雜，道路中存在各類交通參與者；3)駕駛?cè)诵袨橐鈭D難以預測，存在不按交通規(guī)則駕駛車輛的現(xiàn)象。
本文基于中國城市道路的特點，研究在城市道路場景的自動駕駛車輛中，駕駛?cè)颂幱诓煌牡诙蝿罩械男畔⑿枨蟆?/p>
1 實驗設(shè)計
為了研究自動駕駛車輛中駕駛?cè)说男畔⑿枨?，評估處于不同的第二任務中信息對駕駛?cè)说闹匾潭?，利用自動駕駛模擬平臺進行實驗研究。根據(jù)中國城市道路場景的特點以及交通事件發(fā)生的頻率和危險程度[16]，選取和設(shè)計了6 種常見的城市道路場景，參試者分別在6 種道路場景中模擬自動駕駛，并在實驗結(jié)束之后完成信息需求問卷。
1.1 自動駕駛模擬平臺和實驗場景設(shè)計
實驗在中國標準化研究院的虛擬現(xiàn)實與仿真實驗室完成，實驗平臺如圖1所示。
6 種城市道路典型場景分別為：場景1，交通擁堵行駛緩慢，需要駕駛?cè)硕啻螁印⒅苿拥牡缆穲鼍?；場?，十字交叉口，人車混雜的道路場景；場景3，前方有車輛不停變換車道的道路場景；場景4，公共汽車出站強行占道的道路場景；場景5，前方出現(xiàn)車輛交通事故的道路場景；場景6，前方車輛緊急制動的道路場景。
1.2 實驗任務及過程
圖1 實驗平臺Fig.1 Experimental platform
實驗的參試者共12人，年齡介于22～47歲(均值為 26.25 歲)，駕齡為 1～16年(均值為3.21年)，在此之前沒有任何使用自動駕駛系統(tǒng)的經(jīng)驗。將參試者隨機分為2 組，每組6人。第一組參試者需要實時監(jiān)控駕駛?cè)蝿?，為監(jiān)控任務組。第二組參試者不需要實時監(jiān)控駕駛?cè)蝿?，需要完成一些與駕駛?cè)蝿諢o關(guān)的任務(第二任務)，為第二任務組。第二任務又稱為二級任務、次要任務或次任務等，是指相對于控制車輛、保持車道、監(jiān)控道路狀況等主駕駛?cè)蝿斩裕c駕駛無關(guān)或不直接相關(guān)的其他任務，如收聽廣播、使用手機、看地圖、與乘客交談等[17]。無第二任務的情況下，要求參試者注意力完全集中于監(jiān)控任務。第二任務組中，參試者需要完成三種不同的第二任務，分別為聊天、編輯文檔和看電影。
實驗開始之前，首先實驗人員向參試者介紹實驗內(nèi)容和實驗任務，讓參試者了解該實驗的研究目的。然后，參試者簽寫書面《知情同意書》并填寫個人基本信息表。在進行正式實驗之前，每名參試者有10 min的時間熟悉實驗環(huán)境以及自動駕駛模擬系統(tǒng)。
實驗過程中，使用頭戴式眼動儀追蹤參試者眼球的注視行為，通過iView X 軟件將參試者眼球注視行為記錄成視頻，隨后通過BeGaze3.3 分析軟件對所錄視頻進行分析，得到參試者眼球在各個位置的注視時間。當參試者每完成一種場景的駕駛?cè)蝿蘸蠖夹枰瓿梢环輪柧碚{(diào)查，并基于其實驗場景對自動駕駛過程中所需求的信息進行重要度評估。在完成當前場景的調(diào)查問卷后便開始下一個場景的實驗，直到6 個場景的實驗全部完成，實驗結(jié)束。
2 結(jié)果分析與討論
2.1 問卷結(jié)果統(tǒng)計
將參試者對每個場景中每項參數(shù)的評分進行匯總，然后基于“二八”原則對收集到的數(shù)據(jù)進行處理。結(jié)果如表1～表3所示。
表1 汽車信息Tab.1 Automobile information
由表1 可知，監(jiān)控任務組中，反光鏡情況、車輛當前行駛速度、后視鏡情況和車輛盲點占的比例很大；第二任務組中，與監(jiān)控任務組相同，同樣是這些信息占的比例較大。說明兩組駕駛?cè)司J為這些信息很重要，只是在不同的任務中，這些信息的重要度順序不同。
由表2 可知，監(jiān)控任務組中，當前場景的危險程度、與兩側(cè)車道車輛的距離和車頭時距等信息占的比例較大，而第二任務組中，當前路段的交通標志和當前場景的危險程度等信息占的比例較大。對比可知，兩組駕駛?cè)司J為當前場景的危險程度信息很重要。監(jiān)控任務組中，駕駛?cè)烁⒅剀囕v周圍情況等駕駛?cè)蝿障嚓P(guān)信息；第二任務中駕駛?cè)苏J為道路信息(交通標志等)更重要。
由表3 可知，監(jiān)控任務組中，周圍車輛的行駛速度以及當前行駛速度制動距離等信息占的比例很大；而第二任務組中，當前行駛速度制動距離以及輔助系統(tǒng)的狀態(tài)等信息占的比例很大。對比可知，兩組駕駛?cè)司枰斍靶旭偹俣戎苿泳嚯x信息輔助其決策。監(jiān)控任務組中，駕駛?cè)藢崟r關(guān)注駕駛?cè)蝿?，對于周圍路況關(guān)注度較高；而第二任務組中，駕駛?cè)说淖⒁饬Χ技性诘诙蝿丈?，對駕駛?cè)蝿盏年P(guān)注度相對較低，所以對輔助系統(tǒng)的能力信息關(guān)注較高。
2.2 問卷結(jié)果分析與討論
將參試者對每個場景中每項參數(shù)的評分進行匯總整理，然后采用因子分析法對收集到的數(shù)據(jù)進行分析。
2.2.1 監(jiān)控任務組
根據(jù)特征值大于1 的原則得到兩個主因子(見表4)，其中第1 主因子貢獻率為41.97%，代表場景3～場景6 等緊急危險場景，稱為緊急危險場景因子；第2 主因子貢獻率為33.98%，代表場景1 和場景2 等擁堵復雜場景，稱為擁堵復雜場景因子。以第1主因子為橫坐標，第2 主因子為縱坐標繪制散點圖，直觀表示各個信息在兩個主因子中的分布狀況，主因子值越高表示該信息越重要(見圖2)。第1主因子高的信息有當前車輛行駛速度、車輛盲點、儀表盤參數(shù)、發(fā)動機轉(zhuǎn)速、后視鏡情況、車頭時距、兩側(cè)車道的車輛及人員狀況、當前路段車輛及行人的行駛狀況，由此發(fā)現(xiàn)在緊急危險場景中，駕駛?cè)烁P(guān)注自身車輛周圍的情況；第2 主因子高的信息有當前路段行車道條數(shù)、當前道路的速度限制、當前路段的交通標志、與問題路段的距離、前方道路的行駛條件、與兩側(cè)車道車輛的距離、反光鏡情況、車輛盲點，由此發(fā)現(xiàn)在擁堵復雜場景中，駕駛?cè)烁P(guān)注當前道路相關(guān)信息。
表2 環(huán)境信息Tab.2 Environment information
表3 系統(tǒng)信息Tab.3 System information
由于各主因子的方差貢獻率不同，所以在評價信息時將主因子的方差貢獻率作為權(quán)重，計算各信息在2 個主因子的得分與相應權(quán)重乘積的累計和作為該信息的綜合得分，即
式中：S為綜合得分；FAC1_1為各信息在主因子1的得分；FAC2_1為各信息在主因子2的得分。根據(jù)綜合得分從高到低排序得出各信息的重要度排序結(jié)果(見表5)。
由表5 可知，綜合得分較高的前幾條信息為反光鏡情況、后視鏡情況、車輛當前行駛速度、當前場景的危險程度、周圍車輛的行駛速度、當前行駛速度制動距離、與兩側(cè)車道車輛的距離等與當前駕駛?cè)蝿站o密相關(guān)的信息。也就是說，駕駛?cè)颂幵诒O(jiān)控狀態(tài)下實時都在關(guān)注駕駛?cè)蝿?，認為駕駛?cè)蝿障嚓P(guān)信息最為重要，而與系統(tǒng)相關(guān)的信息不是很重要。這與表1～表3 的統(tǒng)計結(jié)果以及圖2 的散點圖信息相一致。而文獻[12]的研究結(jié)果與本研究不同，發(fā)現(xiàn)在部分自動駕駛等級下，除了與駕駛?cè)蝿障嚓P(guān)的信息之外，駕駛?cè)烁枰c自動駕駛系統(tǒng)相關(guān)的信息，因為駕駛?cè)苏J為監(jiān)控任務是一件很無聊的事情，容易注意力分散，所以當其注意力不集中時需要及時了解當前系統(tǒng)是否開啟以及系統(tǒng)的剩余時間和處理問題的能力等信息，以便確定是否要接管車輛。
2.2.2 第二任務組
經(jīng)過方差最大正交旋轉(zhuǎn)得到3 個主因子(見表6)，其中第1 主因子貢獻率為43.6%，代表場景3～場景5等緊急危險場景，稱為緊急危險場景因子；第2 主因子貢獻率為24.55 %，代表場景1 和場景2 等擁堵復雜場景，稱為擁堵復雜場景因子；第3 主因子貢獻率為21.96%，代表場景6，稱為緊急制動場景因子。以第1 主因子為橫坐標，第2 主因子為縱坐標繪制散點圖，直觀表示各個信息在兩個主因子中的分布狀況，主因子值越高表示該信息越重要(見圖3)。第1主因子高的信息有當前場景的危險程度、前方障礙物、車輛當前行駛速度、車輛盲點、兩側(cè)車道的車輛及人員情況、當前行駛速度制動距離、與兩側(cè)車道距離、輔助系統(tǒng)處理當前情況的能力；第2 主因子高的信息有當前道路的速度限制、當前路段的交通標志、反光鏡情況、車輛當前行駛速度、車輛盲點、兩側(cè)有無變更車道、與前后車的車距、輔助系統(tǒng)處理當前情況的能力。在兩個主因子得分都比較高的信息均是與當前駕駛?cè)蝿彰芮邢嚓P(guān)的信息。此外，輔助系統(tǒng)處理當前狀況的能力在兩個主因子的得分都較高，說明無論是在緊急危險場景還是擁堵復雜場景中，當駕駛?cè)藞?zhí)行第二任務注意力不在駕駛?cè)蝿丈蠒r，都需要了解輔助系統(tǒng)是否能夠處理當前狀況。
表4 監(jiān)控任務組旋轉(zhuǎn)后的因子載荷矩陣Tab.4 Rotated component matrix of controlled tasks
由于各主因子的方差貢獻率不同，所以在評價信息時將主因子的方差貢獻率作為權(quán)重，計算各信息在3 個主因子的得分與相應權(quán)重乘積的累計和作為該信息的綜合得分，即
式中：FAC3_1 為各信息在主因子3 的得分。根據(jù)綜合得分從高到低排序得出各信息的重要度排序結(jié)果(見表7)。
圖2 監(jiān)控任務組具體信息在兩個主因子的二維排序Fig.2 Factor scores of detailed information of controlled tasks
由表7 可知，綜合得分較高的前幾條信息為車輛當前行駛速度、當前行駛速度制動距離、輔助系統(tǒng)的狀態(tài)(是否開啟)、當前場景的危險程度、輔助系統(tǒng)處理當前情況的能力、輔助系統(tǒng)對于當前狀況提供的行駛方案、當前路段的交通標志等信息，即當駕駛?cè)嗽趫?zhí)行第二任務時，其注意力不在駕駛?cè)蝿丈希瑢o助系統(tǒng)相關(guān)信息的需求增多，而且對車輛周圍駕駛狀況以及道路信息的需求相對減少。文獻[12]同樣認為在自動駕駛狀況下，相比駕駛?cè)蝿障嚓P(guān)信息而言系統(tǒng)相關(guān)信息(系統(tǒng)狀況、計劃行駛方案等)變得特別重要。這與表3 的統(tǒng)計結(jié)果一致，而與圖3的因子得分情況存在一定差異。圖3 中得分較高的信息基本上是駕駛?cè)蝿障嚓P(guān)信息，而主因子綜合得分結(jié)果則側(cè)重對輔助系統(tǒng)相關(guān)信息的需求。因此，在駕駛?cè)藞?zhí)行第二任務時，除了應提供輔助系統(tǒng)相關(guān)信息之外，駕駛?cè)蝿障嚓P(guān)信息也很重要。
表5 監(jiān)控任務組具體信息的主因子綜合得分Tab.5 Comprehensive factor score of detailed information of controlled tasks
綜合分析表5 和表7 的數(shù)據(jù)，發(fā)現(xiàn)監(jiān)控任務組與第二任務組所需信息部分相同，包括車輛當前行駛速度、反光鏡情況、當前場景的危險程度、兩側(cè)車輛及人員情況和輔助系統(tǒng)處理當前情況的能力。所以無論是在緊急狀況下還是行駛緩慢的擁堵狀況下，無論駕駛?cè)说淖⒁饬κ欠裨隈{駛?cè)蝿丈?，都需要將這些信息呈現(xiàn)給駕駛?cè)恕?/p>
圖3 第二任務組具體信息在兩個主因子的二維排序Fig.3 Factor scores of detailed information of secondary tasks
2.3 眼動結(jié)果分析與討論
使用眼動儀的目的是記錄駕駛?cè)嗽趯嶒炦^程中的凝視行為，用于分析駕駛?cè)嗽诒O(jiān)控駕駛?cè)蝿蘸偷诙蝿丈系淖⒁饬Ψ峙淝闆r。因此，實驗中定義2 個興趣區(qū)(Areas of Interest, AOI)，分別為：1)監(jiān)控駕駛?cè)蝿誂OI，駕駛?cè)送ㄟ^擋風玻璃觀察當前場景，此時捕捉到的區(qū)域為駕駛?cè)蝿誂OI；2)第二任務AOI，由于駕駛?cè)藭M行聊天、編輯文檔、看電影三種第二任務，因此一旦捕捉到的區(qū)域為編輯文檔畫面、看電影畫面或與實驗人員對視的畫面等一系列與駕駛?cè)蝿諢o關(guān)的畫面，則這些畫面都將被定義為第二任務AOI。
表7 第二任務組具體信息的主因子綜合得分Tab.7 Comprehensive factor scores of detailed information of secondary tasks
由表8 可知，監(jiān)控駕駛狀態(tài)下駕駛?cè)?9.85%的注視時間都在監(jiān)控駕駛?cè)蝿丈希€有0.15%的注意力放在了非監(jiān)控駕駛?cè)蝿丈?，這是因為駕駛?cè)吮灰蟊O(jiān)管車輛駕駛?cè)蝿?。但由于監(jiān)管任務比較枯燥以及人們對于自動駕駛系統(tǒng)的過度信任會使得駕駛?cè)说木X性降低[18-19]，從而分心并做一些與監(jiān)管駕駛?cè)蝿諢o關(guān)的事情，所以存在0.15%的注視時間不在監(jiān)管駕駛?cè)蝿丈稀?/p>
而第二任務組中，駕駛?cè)?1.38%的注視時間放在第二任務上，僅有8.62%的注視時間放在監(jiān)控駕駛?cè)蝿丈?。在該狀態(tài)下，自動駕駛系統(tǒng)能夠完全負責整個車輛的控制，駕駛?cè)酥恍柙谙到y(tǒng)提示需要幫助的時候接管車輛即可，所以當要求駕駛?cè)俗龅诙蝿諘r，其大部分注意力都會放在第二任務上。然而駕駛?cè)藢τ谧詣玉{駛系統(tǒng)的信任程度也會影響其注意力的分配，在進行第二任務的時候，駕駛?cè)伺紶枙ь^查看當前場景，觀察路面發(fā)生的情況，因此仍有8.62%的注視時間在監(jiān)控駕駛?cè)蝿丈?。一般情況下，越信任自動化，就會更多地參與到第二任務中，然后導致監(jiān)控駕駛?cè)蝿盏淖⒁朁c較少[12]。這些研究結(jié)果與已知的人—自動化交互信任的重要性一致[18]。
由表9 可知，第二任務組中，由于聊天只需要聽覺不需要視覺的參與，而注視行為完全來自于視覺，所以在聊天狀態(tài)下，駕駛?cè)擞?0.28%的注視時間在監(jiān)控駕駛?cè)蝿丈?，僅有9.72%的注視時間不在監(jiān)控駕駛?cè)蝿丈?。而在編輯文檔和看電影的任務中，由于眼睛需要盯著文檔和電影屏幕，駕駛?cè)擞?8.40%的注意力都放在第二任務上，僅有1.6%的注意力放在監(jiān)控駕駛?cè)蝿丈?。聊天狀態(tài)下的注視時間僅有7 s，遠遠小于編輯文檔和看電影狀態(tài)下820.5 s的注視時間，由此發(fā)現(xiàn)，在駕駛車輛的過程中，編輯文檔和看電影的第二任務會分散駕駛?cè)说拇蟛糠肿⒁饬Γ奶斓牡诙蝿罩粫稚⑿〔糠肿⒁饬Α?/p>
3 結(jié)語
本文探索在城市道路場景中自動駕駛車輛駕駛?cè)说男畔⑿枨?，即駕駛?cè)伺c自動駕駛系統(tǒng)交接過程中所需的信息內(nèi)容。得到主要結(jié)論如下：1)在緊急危險場景中，駕駛?cè)烁枰車囕v行駛速度、與兩側(cè)車輛的距離、車頭時距等信息，以便及時采取換道、制動等措施；2)在行駛緩慢的擁堵場景中，駕駛?cè)烁枰斍暗缆返南嚓P(guān)信息(如交通標志、車道條數(shù)等)。研究還發(fā)現(xiàn)，無論駕駛?cè)说淖⒁饬κ欠窦性诒O(jiān)控駕駛?cè)蝿丈?，以下一些重要信息都應該提供給駕駛?cè)耍?)車輛自身相關(guān)信息(如當前行駛速度、制動距離等)；2)車輛周圍狀況(如兩側(cè)車輛及行人狀況)；3)當前場景的危險程度；4)輔助系統(tǒng)處理當前場景的能力。
當駕駛?cè)颂幵诒O(jiān)控駕駛狀態(tài)時，會注意更多與駕駛相關(guān)的信息。而對于有第二任務的駕駛?cè)?，他們會將更多的注意力放到第二任務上，并且第二任務越復雜，駕駛?cè)嗽匠两谔幚淼诙蝿债斨校瑢τ诒O(jiān)控駕駛?cè)蝿盏年P(guān)注越少。在進行問卷調(diào)查時，有些駕駛?cè)擞捎诔两诘诙蝿?，完全沒有注意到剛剛的場景發(fā)生了什么。這也意味著第二任務的干擾會降低駕駛?cè)说木X性。所以，當駕駛?cè)颂幵谧詣玉{駛中的時候，需要以下信息輔助決策：1)車輛行駛速度、制動距離等車輛自身參數(shù)信息；2)周圍路況、車況等環(huán)境信息；3)輔助系統(tǒng)處理當前場景的能力等輔助系統(tǒng)相關(guān)信息。
本研究仍有許多不足之處，例如第二任務的研究數(shù)據(jù)較少，實驗變量信息可能不全面，命名也缺乏科學性。下一步的研究是如何采用抬頭顯示器的方式將這些必要信息呈現(xiàn)給駕駛?cè)硕植粫ζ渥⒁饬υ斐筛蓴_。
表8 眼動儀數(shù)據(jù)Tab.8 Eye tracker data
表9 第二任務組的注視時間Tab.9 Fixation time of secondary tasks
猜你喜歡
讓注意力“飛”回來小雪花·成長指南(2022年1期)2022-04-09 18:39:41 The Great Barrier Reef shows coral comeback瘋狂英語·新讀寫(2021年10期)2021-12-07 02:41:30 自動捕盜機學生天地(2020年5期)2020-08-25 09:09:08 你被監(jiān)控了嗎？新世紀智能(英語備考)(2019年4期)2019-06-26 00:49:04 Zabbix在ATS系統(tǒng)集中監(jiān)控中的應用鐵道通信信號(2019年11期)2019-05-21 03:06:06 基于STM32的自動喂養(yǎng)機控制系統(tǒng)電子測試(2018年10期)2018-06-26 05:53:36 看監(jiān)控攝像機的4K之道中國公共安全(2017年8期)2017-10-13 08:12:17 “揚眼”APP:讓注意力“變現(xiàn)”傳媒評論(2017年3期)2017-06-13 09:18:10 A Beautiful Way Of Looking At Things第二課堂(課外活動版)(2016年2期)2016-10-21 16:58:54 關(guān)于自動駕駛汽車博覽(2016年9期)2016-10-18 13:05:41
邢慧寧，秦 華,2，鈕建偉
(1.北京建筑大學機電與車輛工程學院，北京 100044；2.北京市建筑安全監(jiān)測工程技術(shù)研究中心，北京 100044；3.北京科技大學機械工程學院，北京 100083)
0 引言
自動駕駛是當今社會研究的一大熱點，自動駕駛汽車被認為能夠提高舒適度、降低事故的發(fā)生率、減少交通擁堵以及減少環(huán)境影響[1]。美國國家公路交通安全管理局(National Highway Traffic Safety Administration,NHTSA)根據(jù)對自動駕駛系統(tǒng)的定義，將自動駕駛系統(tǒng)劃分為5 個等級[2]，分別為：等級0，無自動化；等級1，特定功能自動駕駛；等級2，集成功能自動駕駛；等級3，有條件自動駕駛；等級4，完全自動化。
目前車輛自動駕駛系統(tǒng)還未達到完全無人駕駛的程度，只能提供一些駕駛輔助操作，例如，提供使車輛以期望的速度穩(wěn)定行駛、實現(xiàn)自主導航行駛等功能[3-4]。但當遇到一些突發(fā)狀況時，自動駕駛系統(tǒng)無法自行處理，需要由駕駛?cè)私庸芸刂栖囕v并做出決策。在由自動駕駛系統(tǒng)操控到真人操控的切換過程中還存在很多問題[5]，例如駕駛?cè)朔磻獣r間、車輛性能、人機交互等方面[6-7]。而且在自動駕駛系統(tǒng)控制車輛行駛的過程中，駕駛?cè)藦牟倏卣咦兂闪吮O(jiān)督者的角色[8]，這種角色的轉(zhuǎn)變會降低駕駛?cè)说木X性。由于對自動駕駛系統(tǒng)的過度信任[9]，駕駛?cè)瞬粫恢北O(jiān)督自動駕駛系統(tǒng)[10-11]，而會做一些與監(jiān)督駕駛?cè)蝿諢o關(guān)的事情，例如聽音樂、打電話等第二任務，致使注意力分散、情景意識缺失，期間缺乏對車輛行駛的狀況及周圍環(huán)境狀況的足夠了解。因此，降低自動駕駛系統(tǒng)的使用所帶來的消極影響，研究駕駛?cè)嗽诓煌牡诙蝿罩械男畔⑿枨?，幫助其快速了解當前突發(fā)狀況很有必要。
文獻[12]對高速公路上不同自動駕駛等級下駕駛?cè)说男畔⑿枨筮M行研究，確定了一些在自動駕駛系統(tǒng)使用過程中必不可少的重要信息，其中人機交互專家們認為最重要的一點就是系統(tǒng)行為的反饋應該是透明的、可理解的以及可預測的，包括當前的系統(tǒng)狀態(tài)、回退水平、剩余時間、行駛計劃及其原因。文獻[13]從定性以及定量方面對城市道路場景中警告信息的呈現(xiàn)時間以及呈現(xiàn)間隔進行總結(jié)，并根據(jù)顯示信息的復雜度進行分類，根據(jù)信息來源總結(jié)了近150 種不同的信息需求。通過研究城市道路中高級駕駛輔助系統(tǒng)(Advanced Driver Sssistance Systems,ADAS)中抬頭顯示器(Head-Up Display,HUD)和低頭顯示器(Head-Down Display,HDD)分別呈現(xiàn)哪種警告信息類型，發(fā)現(xiàn)用戶對抬頭顯示器中緊急警告信息，諸如導航或當前行駛速度等動態(tài)信息以及駕駛相關(guān)內(nèi)容(交通標志識別)等信息具有明顯偏好。同時，認為狀態(tài)信息和指示標志在抬頭顯示器中具有干擾作用，只要在特定的時間間隔呈現(xiàn)這些信息和標志(開/關(guān)/激活)即可[14]。
以上研究主要是針對高速公路上的駕駛信息需求以及國外城市道路的駕駛信息需求。而中國城市道路的交通情況有其特殊性[15]：1)隨著城鎮(zhèn)化建設(shè)的加速，車輛保有量急劇上漲，造成交通擁堵；2)車流混雜，道路中存在各類交通參與者；3)駕駛?cè)诵袨橐鈭D難以預測，存在不按交通規(guī)則駕駛車輛的現(xiàn)象。
本文基于中國城市道路的特點，研究在城市道路場景的自動駕駛車輛中，駕駛?cè)颂幱诓煌牡诙蝿罩械男畔⑿枨蟆?/p>
1 實驗設(shè)計
為了研究自動駕駛車輛中駕駛?cè)说男畔⑿枨?，評估處于不同的第二任務中信息對駕駛?cè)说闹匾潭?，利用自動駕駛模擬平臺進行實驗研究。根據(jù)中國城市道路場景的特點以及交通事件發(fā)生的頻率和危險程度[16]，選取和設(shè)計了6 種常見的城市道路場景，參試者分別在6 種道路場景中模擬自動駕駛，并在實驗結(jié)束之后完成信息需求問卷。
1.1 自動駕駛模擬平臺和實驗場景設(shè)計
實驗在中國標準化研究院的虛擬現(xiàn)實與仿真實驗室完成，實驗平臺如圖1所示。
6 種城市道路典型場景分別為：場景1，交通擁堵行駛緩慢，需要駕駛?cè)硕啻螁印⒅苿拥牡缆穲鼍?；場?，十字交叉口，人車混雜的道路場景；場景3，前方有車輛不停變換車道的道路場景；場景4，公共汽車出站強行占道的道路場景；場景5，前方出現(xiàn)車輛交通事故的道路場景；場景6，前方車輛緊急制動的道路場景。
1.2 實驗任務及過程
圖1 實驗平臺Fig.1 Experimental platform
實驗的參試者共12人，年齡介于22～47歲(均值為 26.25 歲)，駕齡為 1～16年(均值為3.21年)，在此之前沒有任何使用自動駕駛系統(tǒng)的經(jīng)驗。將參試者隨機分為2 組，每組6人。第一組參試者需要實時監(jiān)控駕駛?cè)蝿?，為監(jiān)控任務組。第二組參試者不需要實時監(jiān)控駕駛?cè)蝿?，需要完成一些與駕駛?cè)蝿諢o關(guān)的任務(第二任務)，為第二任務組。第二任務又稱為二級任務、次要任務或次任務等，是指相對于控制車輛、保持車道、監(jiān)控道路狀況等主駕駛?cè)蝿斩裕c駕駛無關(guān)或不直接相關(guān)的其他任務，如收聽廣播、使用手機、看地圖、與乘客交談等[17]。無第二任務的情況下，要求參試者注意力完全集中于監(jiān)控任務。第二任務組中，參試者需要完成三種不同的第二任務，分別為聊天、編輯文檔和看電影。
實驗開始之前，首先實驗人員向參試者介紹實驗內(nèi)容和實驗任務，讓參試者了解該實驗的研究目的。然后，參試者簽寫書面《知情同意書》并填寫個人基本信息表。在進行正式實驗之前，每名參試者有10 min的時間熟悉實驗環(huán)境以及自動駕駛模擬系統(tǒng)。
實驗過程中，使用頭戴式眼動儀追蹤參試者眼球的注視行為，通過iView X 軟件將參試者眼球注視行為記錄成視頻，隨后通過BeGaze3.3 分析軟件對所錄視頻進行分析，得到參試者眼球在各個位置的注視時間。當參試者每完成一種場景的駕駛?cè)蝿蘸蠖夹枰瓿梢环輪柧碚{(diào)查，并基于其實驗場景對自動駕駛過程中所需求的信息進行重要度評估。在完成當前場景的調(diào)查問卷后便開始下一個場景的實驗，直到6 個場景的實驗全部完成，實驗結(jié)束。
2 結(jié)果分析與討論
2.1 問卷結(jié)果統(tǒng)計
將參試者對每個場景中每項參數(shù)的評分進行匯總，然后基于“二八”原則對收集到的數(shù)據(jù)進行處理。結(jié)果如表1～表3所示。
表1 汽車信息Tab.1 Automobile information
由表1 可知，監(jiān)控任務組中，反光鏡情況、車輛當前行駛速度、后視鏡情況和車輛盲點占的比例很大；第二任務組中，與監(jiān)控任務組相同，同樣是這些信息占的比例較大。說明兩組駕駛?cè)司J為這些信息很重要，只是在不同的任務中，這些信息的重要度順序不同。
由表2 可知，監(jiān)控任務組中，當前場景的危險程度、與兩側(cè)車道車輛的距離和車頭時距等信息占的比例較大，而第二任務組中，當前路段的交通標志和當前場景的危險程度等信息占的比例較大。對比可知，兩組駕駛?cè)司J為當前場景的危險程度信息很重要。監(jiān)控任務組中，駕駛?cè)烁⒅剀囕v周圍情況等駕駛?cè)蝿障嚓P(guān)信息；第二任務中駕駛?cè)苏J為道路信息(交通標志等)更重要。
由表3 可知，監(jiān)控任務組中，周圍車輛的行駛速度以及當前行駛速度制動距離等信息占的比例很大；而第二任務組中，當前行駛速度制動距離以及輔助系統(tǒng)的狀態(tài)等信息占的比例很大。對比可知，兩組駕駛?cè)司枰斍靶旭偹俣戎苿泳嚯x信息輔助其決策。監(jiān)控任務組中，駕駛?cè)藢崟r關(guān)注駕駛?cè)蝿?，對于周圍路況關(guān)注度較高；而第二任務組中，駕駛?cè)说淖⒁饬Χ技性诘诙蝿丈?，對駕駛?cè)蝿盏年P(guān)注度相對較低，所以對輔助系統(tǒng)的能力信息關(guān)注較高。
2.2 問卷結(jié)果分析與討論
將參試者對每個場景中每項參數(shù)的評分進行匯總整理，然后采用因子分析法對收集到的數(shù)據(jù)進行分析。
2.2.1 監(jiān)控任務組
根據(jù)特征值大于1 的原則得到兩個主因子(見表4)，其中第1 主因子貢獻率為41.97%，代表場景3～場景6 等緊急危險場景，稱為緊急危險場景因子；第2 主因子貢獻率為33.98%，代表場景1 和場景2 等擁堵復雜場景，稱為擁堵復雜場景因子。以第1主因子為橫坐標，第2 主因子為縱坐標繪制散點圖，直觀表示各個信息在兩個主因子中的分布狀況，主因子值越高表示該信息越重要(見圖2)。第1主因子高的信息有當前車輛行駛速度、車輛盲點、儀表盤參數(shù)、發(fā)動機轉(zhuǎn)速、后視鏡情況、車頭時距、兩側(cè)車道的車輛及人員狀況、當前路段車輛及行人的行駛狀況，由此發(fā)現(xiàn)在緊急危險場景中，駕駛?cè)烁P(guān)注自身車輛周圍的情況；第2 主因子高的信息有當前路段行車道條數(shù)、當前道路的速度限制、當前路段的交通標志、與問題路段的距離、前方道路的行駛條件、與兩側(cè)車道車輛的距離、反光鏡情況、車輛盲點，由此發(fā)現(xiàn)在擁堵復雜場景中，駕駛?cè)烁P(guān)注當前道路相關(guān)信息。
表2 環(huán)境信息Tab.2 Environment information
表3 系統(tǒng)信息Tab.3 System information
由于各主因子的方差貢獻率不同，所以在評價信息時將主因子的方差貢獻率作為權(quán)重，計算各信息在2 個主因子的得分與相應權(quán)重乘積的累計和作為該信息的綜合得分，即
式中：S為綜合得分；FAC1_1為各信息在主因子1的得分；FAC2_1為各信息在主因子2的得分。根據(jù)綜合得分從高到低排序得出各信息的重要度排序結(jié)果(見表5)。
由表5 可知，綜合得分較高的前幾條信息為反光鏡情況、后視鏡情況、車輛當前行駛速度、當前場景的危險程度、周圍車輛的行駛速度、當前行駛速度制動距離、與兩側(cè)車道車輛的距離等與當前駕駛?cè)蝿站o密相關(guān)的信息。也就是說，駕駛?cè)颂幵诒O(jiān)控狀態(tài)下實時都在關(guān)注駕駛?cè)蝿?，認為駕駛?cè)蝿障嚓P(guān)信息最為重要，而與系統(tǒng)相關(guān)的信息不是很重要。這與表1～表3 的統(tǒng)計結(jié)果以及圖2 的散點圖信息相一致。而文獻[12]的研究結(jié)果與本研究不同，發(fā)現(xiàn)在部分自動駕駛等級下，除了與駕駛?cè)蝿障嚓P(guān)的信息之外，駕駛?cè)烁枰c自動駕駛系統(tǒng)相關(guān)的信息，因為駕駛?cè)苏J為監(jiān)控任務是一件很無聊的事情，容易注意力分散，所以當其注意力不集中時需要及時了解當前系統(tǒng)是否開啟以及系統(tǒng)的剩余時間和處理問題的能力等信息，以便確定是否要接管車輛。
2.2.2 第二任務組
經(jīng)過方差最大正交旋轉(zhuǎn)得到3 個主因子(見表6)，其中第1 主因子貢獻率為43.6%，代表場景3～場景5等緊急危險場景，稱為緊急危險場景因子；第2 主因子貢獻率為24.55 %，代表場景1 和場景2 等擁堵復雜場景，稱為擁堵復雜場景因子；第3 主因子貢獻率為21.96%，代表場景6，稱為緊急制動場景因子。以第1 主因子為橫坐標，第2 主因子為縱坐標繪制散點圖，直觀表示各個信息在兩個主因子中的分布狀況，主因子值越高表示該信息越重要(見圖3)。第1主因子高的信息有當前場景的危險程度、前方障礙物、車輛當前行駛速度、車輛盲點、兩側(cè)車道的車輛及人員情況、當前行駛速度制動距離、與兩側(cè)車道距離、輔助系統(tǒng)處理當前情況的能力；第2 主因子高的信息有當前道路的速度限制、當前路段的交通標志、反光鏡情況、車輛當前行駛速度、車輛盲點、兩側(cè)有無變更車道、與前后車的車距、輔助系統(tǒng)處理當前情況的能力。在兩個主因子得分都比較高的信息均是與當前駕駛?cè)蝿彰芮邢嚓P(guān)的信息。此外，輔助系統(tǒng)處理當前狀況的能力在兩個主因子的得分都較高，說明無論是在緊急危險場景還是擁堵復雜場景中，當駕駛?cè)藞?zhí)行第二任務注意力不在駕駛?cè)蝿丈蠒r，都需要了解輔助系統(tǒng)是否能夠處理當前狀況。
表4 監(jiān)控任務組旋轉(zhuǎn)后的因子載荷矩陣Tab.4 Rotated component matrix of controlled tasks
由于各主因子的方差貢獻率不同，所以在評價信息時將主因子的方差貢獻率作為權(quán)重，計算各信息在3 個主因子的得分與相應權(quán)重乘積的累計和作為該信息的綜合得分，即
式中：FAC3_1 為各信息在主因子3 的得分。根據(jù)綜合得分從高到低排序得出各信息的重要度排序結(jié)果(見表7)。
圖2 監(jiān)控任務組具體信息在兩個主因子的二維排序Fig.2 Factor scores of detailed information of controlled tasks
由表7 可知，綜合得分較高的前幾條信息為車輛當前行駛速度、當前行駛速度制動距離、輔助系統(tǒng)的狀態(tài)(是否開啟)、當前場景的危險程度、輔助系統(tǒng)處理當前情況的能力、輔助系統(tǒng)對于當前狀況提供的行駛方案、當前路段的交通標志等信息，即當駕駛?cè)嗽趫?zhí)行第二任務時，其注意力不在駕駛?cè)蝿丈希瑢o助系統(tǒng)相關(guān)信息的需求增多，而且對車輛周圍駕駛狀況以及道路信息的需求相對減少。文獻[12]同樣認為在自動駕駛狀況下，相比駕駛?cè)蝿障嚓P(guān)信息而言系統(tǒng)相關(guān)信息(系統(tǒng)狀況、計劃行駛方案等)變得特別重要。這與表3 的統(tǒng)計結(jié)果一致，而與圖3的因子得分情況存在一定差異。圖3 中得分較高的信息基本上是駕駛?cè)蝿障嚓P(guān)信息，而主因子綜合得分結(jié)果則側(cè)重對輔助系統(tǒng)相關(guān)信息的需求。因此，在駕駛?cè)藞?zhí)行第二任務時，除了應提供輔助系統(tǒng)相關(guān)信息之外，駕駛?cè)蝿障嚓P(guān)信息也很重要。
表5 監(jiān)控任務組具體信息的主因子綜合得分Tab.5 Comprehensive factor score of detailed information of controlled tasks
綜合分析表5 和表7 的數(shù)據(jù)，發(fā)現(xiàn)監(jiān)控任務組與第二任務組所需信息部分相同，包括車輛當前行駛速度、反光鏡情況、當前場景的危險程度、兩側(cè)車輛及人員情況和輔助系統(tǒng)處理當前情況的能力。所以無論是在緊急狀況下還是行駛緩慢的擁堵狀況下，無論駕駛?cè)说淖⒁饬κ欠裨隈{駛?cè)蝿丈?，都需要將這些信息呈現(xiàn)給駕駛?cè)恕?/p>
圖3 第二任務組具體信息在兩個主因子的二維排序Fig.3 Factor scores of detailed information of secondary tasks
2.3 眼動結(jié)果分析與討論
使用眼動儀的目的是記錄駕駛?cè)嗽趯嶒炦^程中的凝視行為，用于分析駕駛?cè)嗽诒O(jiān)控駕駛?cè)蝿蘸偷诙蝿丈系淖⒁饬Ψ峙淝闆r。因此，實驗中定義2 個興趣區(qū)(Areas of Interest, AOI)，分別為：1)監(jiān)控駕駛?cè)蝿誂OI，駕駛?cè)送ㄟ^擋風玻璃觀察當前場景，此時捕捉到的區(qū)域為駕駛?cè)蝿誂OI；2)第二任務AOI，由于駕駛?cè)藭M行聊天、編輯文檔、看電影三種第二任務，因此一旦捕捉到的區(qū)域為編輯文檔畫面、看電影畫面或與實驗人員對視的畫面等一系列與駕駛?cè)蝿諢o關(guān)的畫面，則這些畫面都將被定義為第二任務AOI。
表7 第二任務組具體信息的主因子綜合得分Tab.7 Comprehensive factor scores of detailed information of secondary tasks
由表8 可知，監(jiān)控駕駛狀態(tài)下駕駛?cè)?9.85%的注視時間都在監(jiān)控駕駛?cè)蝿丈希€有0.15%的注意力放在了非監(jiān)控駕駛?cè)蝿丈?，這是因為駕駛?cè)吮灰蟊O(jiān)管車輛駕駛?cè)蝿?。但由于監(jiān)管任務比較枯燥以及人們對于自動駕駛系統(tǒng)的過度信任會使得駕駛?cè)说木X性降低[18-19]，從而分心并做一些與監(jiān)管駕駛?cè)蝿諢o關(guān)的事情，所以存在0.15%的注視時間不在監(jiān)管駕駛?cè)蝿丈稀?/p>
而第二任務組中，駕駛?cè)?1.38%的注視時間放在第二任務上，僅有8.62%的注視時間放在監(jiān)控駕駛?cè)蝿丈?。在該狀態(tài)下，自動駕駛系統(tǒng)能夠完全負責整個車輛的控制，駕駛?cè)酥恍柙谙到y(tǒng)提示需要幫助的時候接管車輛即可，所以當要求駕駛?cè)俗龅诙蝿諘r，其大部分注意力都會放在第二任務上。然而駕駛?cè)藢τ谧詣玉{駛系統(tǒng)的信任程度也會影響其注意力的分配，在進行第二任務的時候，駕駛?cè)伺紶枙ь^查看當前場景，觀察路面發(fā)生的情況，因此仍有8.62%的注視時間在監(jiān)控駕駛?cè)蝿丈?。一般情況下，越信任自動化，就會更多地參與到第二任務中，然后導致監(jiān)控駕駛?cè)蝿盏淖⒁朁c較少[12]。這些研究結(jié)果與已知的人—自動化交互信任的重要性一致[18]。
由表9 可知，第二任務組中，由于聊天只需要聽覺不需要視覺的參與，而注視行為完全來自于視覺，所以在聊天狀態(tài)下，駕駛?cè)擞?0.28%的注視時間在監(jiān)控駕駛?cè)蝿丈?，僅有9.72%的注視時間不在監(jiān)控駕駛?cè)蝿丈?。而在編輯文檔和看電影的任務中，由于眼睛需要盯著文檔和電影屏幕，駕駛?cè)擞?8.40%的注意力都放在第二任務上，僅有1.6%的注意力放在監(jiān)控駕駛?cè)蝿丈?。聊天狀態(tài)下的注視時間僅有7 s，遠遠小于編輯文檔和看電影狀態(tài)下820.5 s的注視時間，由此發(fā)現(xiàn)，在駕駛車輛的過程中，編輯文檔和看電影的第二任務會分散駕駛?cè)说拇蟛糠肿⒁饬Γ奶斓牡诙蝿罩粫稚⑿〔糠肿⒁饬Α?/p>
3 結(jié)語
本文探索在城市道路場景中自動駕駛車輛駕駛?cè)说男畔⑿枨?，即駕駛?cè)伺c自動駕駛系統(tǒng)交接過程中所需的信息內(nèi)容。得到主要結(jié)論如下：1)在緊急危險場景中，駕駛?cè)烁枰車囕v行駛速度、與兩側(cè)車輛的距離、車頭時距等信息，以便及時采取換道、制動等措施；2)在行駛緩慢的擁堵場景中，駕駛?cè)烁枰斍暗缆返南嚓P(guān)信息(如交通標志、車道條數(shù)等)。研究還發(fā)現(xiàn)，無論駕駛?cè)说淖⒁饬κ欠窦性诒O(jiān)控駕駛?cè)蝿丈?，以下一些重要信息都應該提供給駕駛?cè)耍?)車輛自身相關(guān)信息(如當前行駛速度、制動距離等)；2)車輛周圍狀況(如兩側(cè)車輛及行人狀況)；3)當前場景的危險程度；4)輔助系統(tǒng)處理當前場景的能力。
當駕駛?cè)颂幵诒O(jiān)控駕駛狀態(tài)時，會注意更多與駕駛相關(guān)的信息。而對于有第二任務的駕駛?cè)?，他們會將更多的注意力放到第二任務上，并且第二任務越復雜，駕駛?cè)嗽匠两谔幚淼诙蝿债斨校瑢τ诒O(jiān)控駕駛?cè)蝿盏年P(guān)注越少。在進行問卷調(diào)查時，有些駕駛?cè)擞捎诔两诘诙蝿?，完全沒有注意到剛剛的場景發(fā)生了什么。這也意味著第二任務的干擾會降低駕駛?cè)说木X性。所以，當駕駛?cè)颂幵谧詣玉{駛中的時候，需要以下信息輔助決策：1)車輛行駛速度、制動距離等車輛自身參數(shù)信息；2)周圍路況、車況等環(huán)境信息；3)輔助系統(tǒng)處理當前場景的能力等輔助系統(tǒng)相關(guān)信息。
本研究仍有許多不足之處，例如第二任務的研究數(shù)據(jù)較少，實驗變量信息可能不全面，命名也缺乏科學性。下一步的研究是如何采用抬頭顯示器的方式將這些必要信息呈現(xiàn)給駕駛?cè)硕植粫ζ渥⒁饬υ斐筛蓴_。
表8 眼動儀數(shù)據(jù)Tab.8 Eye tracker data
表9 第二任務組的注視時間Tab.9 Fixation time of secondary tasks
猜你喜歡
小雪花·成長指南(2022年1期)2022-04-09 18:39:41
瘋狂英語·新讀寫(2021年10期)2021-12-07 02:41:30
學生天地(2020年5期)2020-08-25 09:09:08
新世紀智能(英語備考)(2019年4期)2019-06-26 00:49:04
鐵道通信信號(2019年11期)2019-05-21 03:06:06
電子測試(2018年10期)2018-06-26 05:53:36
中國公共安全(2017年8期)2017-10-13 08:12:17
傳媒評論(2017年3期)2017-06-13 09:18:10
第二課堂(課外活動版)(2016年2期)2016-10-21 16:58:54
汽車博覽(2016年9期)2016-10-18 13:05:41
