陳 亮,殷秀芬,胡立偉,楊錦青
(昆明理工大學(xué) 交通工程學(xué)院,云南 昆明 650500)
目前,駕駛模擬器應(yīng)用廣泛,已被用于道路交通設(shè)施、車輛智能控制、駕駛員行為特征評價、智能交通系統(tǒng)等方面的研究中[1-2].然而針對駕駛模擬實驗的有效性檢驗,至今還沒有一個較為綜合的檢驗方法和評價標(biāo)準(zhǔn).1998年,T?rnros[3]分別在真實隧道和VTI駕駛模擬器中測量20名受試者的速度和側(cè)向位置以研究駕駛模擬器的有效性,為模擬器進行隧道內(nèi)駕駛行為研究的有效性驗證奠定了基礎(chǔ);2005年,王成愷[4]建立基于層次分析法和非結(jié)構(gòu)性模糊評判理論的培訓(xùn)型駕駛模擬器有效性評估模型;2007年,秦雅琴[5]對駕駛模擬器與VISSIM的數(shù)據(jù)接口進行了研究,很好的解決了駕駛模擬器中交通流仿真問題;2008年,嚴(yán)學(xué)東[6]最先探討了駕駛模擬器是否可以作為一種有效的工具來評價交通安全的信號交叉口,在信號交叉口交通安全研究中,駕駛模擬器的相對有效性得以驗證;2011年,Mayhew[7]通過比較測試者在道路駕駛考試中的表現(xiàn)和他們在模擬駕駛考試中的表現(xiàn)建立了駕駛模擬器駕駛性能有效性評價模型并對模型進行了驗證;2013年,Hallvig[8]建立了駕駛模擬器疲勞駕駛有效性評價指標(biāo)體系,評價內(nèi)容涉及駕駛性能、睡眠相關(guān)生理指標(biāo)(腦電圖和眼電圖)以及10名參與者在夜間和白天駕駛時的主觀困倦記錄等;2015年,中國學(xué)者曹長斌[9]采用同濟大學(xué)八自由度駕駛模擬器作為分析工具,招募15名駕駛員參加了實車實驗和駕駛模擬器測試,通過連續(xù)記錄幾個特征點的速度,提出采用方差分析概念對數(shù)據(jù)進行分析,證實駕駛模擬器是分析城市地下道路入口駕駛員行為的可靠工具;2015年,鄒陽陽[10]通過駕駛模擬器進行駕駛模擬試驗,建立了基于生理信號的駕駛疲勞綜合指標(biāo)體系;2016年,Malte Klüver[11]首次根據(jù)汽車制造商聯(lián)盟的指導(dǎo)方針,通過評估車載系統(tǒng)的五種功能確定了戴姆勒公司(Daimler AG)五種不同駕駛模擬器的相對和絕對有效性;2018年,Larue Grégoire[12]認(rèn)為提高水平交叉口安全性的研究都是在駕駛模擬器中進行的,但沒有一項研究證實使用模擬器進行此類研究是有效的.為此,作者在澳大利亞布里斯班地區(qū)選定的被動平交口對駕駛員行為進行了為期三個月的監(jiān)測,然后在駕駛模擬器上復(fù)制了平交道口,驗證了駕駛模擬器是研究低等級道路和鐵路被動平交路口干預(yù)措施效果的合適工具.上述研究主要是著眼于駕駛模擬器的某一方面應(yīng)用來驗證模擬器的有效性,且主要應(yīng)用于培訓(xùn)型模擬器的功能和使用效用上,針對駕駛模擬器各項參數(shù)指標(biāo)的綜合評價體系較少.
駕駛模擬器有效性檢驗是公正、合理、科學(xué)應(yīng)用駕駛模擬器的必要前提.由于實驗?zāi)繕?biāo)不同,我們在利用駕駛模擬器開展實驗研究時對模擬器的要求也不盡相同,如果單純的尋求最優(yōu)的駕駛模擬器作為實驗研究的工具也不符合實際工作的需要.同時,由于駕駛模擬器具有很多技術(shù)指標(biāo),要評價不同模擬器基于某方面應(yīng)用的優(yōu)劣往往出現(xiàn)一臺模擬器甲指標(biāo)較好,另一臺模擬器乙指標(biāo)較好的現(xiàn)象.因此,需要找出駕駛模擬器應(yīng)用實驗的共性目標(biāo),探究駕駛模擬器承擔(dān)這類研究是否具有可靠性.基于此,本文構(gòu)建了針對駕駛模擬器性能有效性評價的指標(biāo)體系,并基于模糊神經(jīng)網(wǎng)絡(luò)建立駕駛模擬器實驗有效性評價模型.
研究駕駛模擬器的有效性歸根結(jié)底是研究駕駛模擬器模擬駕駛行為的有效性.根據(jù)駕駛模擬器的組成及特征,結(jié)合駕駛模擬器的具體應(yīng)用及國內(nèi)外學(xué)者的研究,文章將駕駛模擬器的有效性分為三部分:
1) 駕駛模擬器物理精度的有效性.它包含駕駛模擬器操縱機構(gòu)與駕駛空間精度、信號傳感器響應(yīng)精度及車輛動力學(xué)模型仿真精度,再量化又可分為機構(gòu)尺寸、空間位置、眼橢圓與儀表盤夾角、加速時間、橫向加速度、制動距離和操縱穩(wěn)定性.
2) 駕駛模擬器中駕駛?cè)烁泄俑兄挠行?它包含視覺感知、身體感知和聲音感知,再細(xì)化又可分為視野及物體的真實感、對道路的感知、對標(biāo)志標(biāo)線的感知、對車輛行人的感知、對加減速及轉(zhuǎn)向的感知、對振動的感知、對基本噪聲的感知和對交通噪聲的感知.
3) 駕駛模擬器中駕駛?cè)诵睦砀兄行?它包含對速度感知、跟車感知、超車感知和風(fēng)險感知.
文章歸納了近年來駕駛模擬器應(yīng)用的資料,選取具有典型意義的駕駛模擬器實驗項目,并將各種應(yīng)用項目按下列應(yīng)用模式進行分類:(1) 對車輛系統(tǒng)的評價,包括對車內(nèi)信息系統(tǒng)、輔助安全裝置、智能系統(tǒng)、車載電話、安全輔助裝置及其他車輛裝置等設(shè)備的評價問題.(2) 對道路交通環(huán)境的評價,包括對道路線形、交通標(biāo)志、隧道、路口、天氣、安全設(shè)施及其他交通設(shè)計等道路交通環(huán)境的評價問題.(3) 對駕駛員行為的評價,包括對老年人、年輕人、新駕駛員、有視力障礙的人、酒后駕駛、藥物影響、其他特殊人群及臨床實驗等駕駛行為的評價.
根據(jù)第1節(jié)中對駕駛模擬器有效性相關(guān)評價因素的分析,結(jié)合駕駛模擬器研究項目分類,本著評價指標(biāo)體系的有效性、全面性、定量化及可行性的設(shè)計原則,文章主要以駕駛模擬器對車輛系統(tǒng)的評價為例,首先運用層次分析法建立如圖1所示的駕駛模擬器有效性評價指標(biāo)體系[13-14].
圖1 駕駛模擬系統(tǒng)有效性評價指標(biāo)體系Fig.1 Effectiveness evaluation index system of application-based driving simulation system
該指標(biāo)體系的目標(biāo)層是駕駛模擬器有效性評估,準(zhǔn)則層包括駕駛艙評價、動力學(xué)模型評價、視覺圖像評價、體感評價和基本行為評價五方面.將主準(zhǔn)則層五個方面的評價進一步細(xì)化為操縱機構(gòu)、操縱框架、感知空間等15個評價指標(biāo),并將其轉(zhuǎn)化為可量化的指標(biāo)層.
根據(jù)上述構(gòu)建的評價指標(biāo)體系的特點,論文擬采用現(xiàn)代綜合評價模型對駕駛模擬器進行評價.其中,人工神經(jīng)網(wǎng)絡(luò)模型具有人工干預(yù)少、模型精度高,具備較強的自學(xué)習(xí)能力及聯(lián)想存儲功能等一系列優(yōu)點,其由大量處理單元廣泛互聯(lián)而成,是對生物系統(tǒng)的某種模擬.但它的缺點也很突出,如對數(shù)據(jù)樣本要求較高,無法處理、描述模糊信息,具有黑匣子性質(zhì),即其輸出過程及結(jié)果不具備可解釋性.相較神經(jīng)網(wǎng)絡(luò)而言,模糊系統(tǒng)對樣本的要求較低,可以較好地利用專家知識經(jīng)驗,推理過程也較為清晰明了.但其也存在諸多局限性,如人工干預(yù)多、模型精度低、推理速度慢、自適應(yīng)學(xué)習(xí)功能較弱等.模糊神經(jīng)網(wǎng)絡(luò)模型匯集了學(xué)習(xí)、聯(lián)想、識別以及信息處理等功能,其結(jié)合了神經(jīng)網(wǎng)絡(luò)與模糊理論,能夠在保證人工神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí)能力下,處理解決模糊信號,進而使神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)為模糊權(quán)或者輸入為模糊量.
在對駕駛模擬器實驗的有效性評價中,其評價指標(biāo)具有隨機性和動態(tài)性,評價指標(biāo)要素與結(jié)果之間不存在一一對應(yīng)的函數(shù)關(guān)系.因此,選用非線性、能處理模糊信息的模糊神經(jīng)網(wǎng)絡(luò)對駕駛模擬器有效性評價具有較大優(yōu)勢.模糊神經(jīng)網(wǎng)絡(luò)模型的組成結(jié)構(gòu)主要包括輸入層、模糊化層、隱含層、輸出層以及去模糊化層五個部分,其模式共分為邏輯模糊神經(jīng)網(wǎng)絡(luò)、算術(shù)模糊神經(jīng)網(wǎng)絡(luò)以及混合模糊神經(jīng)網(wǎng)絡(luò)三種.本文主要采用混合模糊神經(jīng)網(wǎng)絡(luò)模式對駕駛模擬器有效性進行評估.首先,輸入層向模糊化層傳遞輸入值,并在此層作模糊化處理將輸入值轉(zhuǎn)化為模糊化向量;然后,隱含層處理實現(xiàn)模糊映射功能后經(jīng)由去模糊化層通過專家打分法將輸出的模糊向量轉(zhuǎn)變?yōu)槊鞔_輸出結(jié)果,其結(jié)構(gòu)示意如圖2所示.
圖2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意Fig.2 Structure of fuzzy neural network
3.2.1 模型構(gòu)建的基本流程
基于模糊神經(jīng)網(wǎng)絡(luò)模型,構(gòu)建駕駛模擬器實驗有效性評價模型,其模型構(gòu)建流程具體步驟如圖3所示.
圖3 駕駛模擬器有效性評價模型構(gòu)建流程Fig. 3 Construction process of driving simulator effectiveness evaluation model
1)考慮將15個駕駛模擬器實驗的有效性評價指標(biāo)以及評價結(jié)果分別作為模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本(X1,X2,…,Xn)和網(wǎng)絡(luò)輸出Y,并分別對其進行量化;
2)分別模糊化處理學(xué)習(xí)樣本(X1,X2,…,Xn)以及網(wǎng)絡(luò)輸出Y;
3)將模糊化處理后的輸入量和輸出量作為訓(xùn)練樣本,并代入模糊神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練,經(jīng)由函數(shù)運算后由輸出層輸出結(jié)果;
4)計算結(jié)果誤差是否可接受,當(dāng)可接受時,訓(xùn)練結(jié)束,否則繼續(xù)下一步;
5)從輸入層逐層反向傳遞,不斷修正和調(diào)整隱含層的節(jié)點數(shù)和網(wǎng)絡(luò)權(quán)值;
6)回到步驟3),直到誤差不斷減少達(dá)到期望的可接受范圍,模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束;
7)輸入的駕駛模擬器實驗有效性評價指標(biāo)值,遵循上述步驟進行處理訓(xùn)練、修正調(diào)整,輸出最終評價結(jié)果,該結(jié)果即為駕駛模擬器實驗有效性的結(jié)果評價等級.
3.2.2 樣本網(wǎng)絡(luò)輸出
本文利用梯形分布隸屬度函數(shù)對輸入數(shù)據(jù)模糊化處理,得到模糊神經(jīng)網(wǎng)絡(luò)輸入訓(xùn)練樣本.計算公式如式(1)~式(3)所示.通過計算,本文將有效性評價結(jié)果分為5個等級,分別為較差、一般、中等、良好、優(yōu)秀,分別對應(yīng)模糊神經(jīng)網(wǎng)絡(luò)輸出值(0.1,0.3,0.5,0.7,0.9).
評價指標(biāo)值越大,實驗有效性結(jié)果越差的指標(biāo),利用公式(1):
(1)
評價指標(biāo)值處于中間值時,實驗有效性結(jié)果越差的指標(biāo),利用公式(2):
(2)
評價指標(biāo)值越小,實驗有效性結(jié)果越差的指標(biāo),利用公式(3):
(3)
3.2.3 確定輸出層訓(xùn)練樣本的網(wǎng)絡(luò)輸出
采用模糊層次分析法對專家所打分的駕駛模擬器實驗有效性評價樣本結(jié)果進行處理,將處理后的結(jié)果作為模糊神經(jīng)網(wǎng)絡(luò)模型輸出層的訓(xùn)練樣本,以消除主觀影響,保證評價結(jié)果更符合客觀性.
建立判斷矩陣,進行特征向量、特征根的計算,并進一步檢驗一致性,最終得到各指標(biāo)權(quán)重值如表1所示,U11~U53為15個評價指標(biāo),U1~U5為有效性評價因素集合.
表1 層次總排序計算表Tab.1 Hierarchy total sort calculation table
3.2.4 模糊神經(jīng)網(wǎng)絡(luò)層數(shù)設(shè)計及訓(xùn)練
本研究選取了操縱機構(gòu)位置、儀表盤與踏板間的間距等共計15個影響因素,故模型輸入層的神經(jīng)元為15個;運用公式(4)所示的試湊法確定隱含層的節(jié)點數(shù),計算結(jié)果為6;輸出層表示有效性評價結(jié)果等級,共分為較差、一般、中等、良好、優(yōu)秀5個等級,故輸出層神經(jīng)元數(shù)為5個.駕駛模擬器有效性評價模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示.
圖4 駕駛模擬器有效性評價神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.4 Neural network structure of driving simulator effectiveness evaluation
試湊法:
(4)
式中:m表示模型輸入層的節(jié)點數(shù);n表示模型輸出層的節(jié)點數(shù);a為常數(shù),取值范圍為1~10.
應(yīng)用MATLAB軟件編程來訓(xùn)練調(diào)整評價模型,在模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,本論文采用traincgb函數(shù)作為網(wǎng)絡(luò)訓(xùn)練算法,選用tansig函數(shù)作為隱含層的傳遞函數(shù),輸出層則選用purelin.學(xué)習(xí)速率設(shè)置為0.01,最大訓(xùn)練步數(shù)10 000,可接受訓(xùn)練誤差為0.001.傳遞函數(shù)考慮采用S型函數(shù),其具有連續(xù)性、可微性質(zhì),S型函數(shù)計算公式如公式(5)所示,最終得出評價模型訓(xùn)練結(jié)果如圖5所示:
圖5 評價模型訓(xùn)練結(jié)果Fig.5 Evaluation model training results
(5)
分析圖5可知,誤差精度在經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)權(quán)重963次的迭代調(diào)整后達(dá)到了我們的期望要求.
3.2.5 輸出結(jié)果去模糊化處理
本文考慮到重心法的輸出結(jié)果較常用去模糊化的其余兩種方法精度更高,結(jié)果曲線也更為平滑,故采用重心法進行去模糊化處理,重心法計算公式如式(6)所示:
(6)
依據(jù)重心法原理,利用MATLAB編程對駕駛模擬器有效性輸出結(jié)果進行去模糊化處理后得到最終評價結(jié)果.
3.2.6 模型精度檢驗
選取10組駕駛模擬器有效性評價樣本數(shù)據(jù)進行測試,以檢驗?zāi)P偷木惹闆r,實際樣本輸出結(jié)果與期望網(wǎng)絡(luò)輸出結(jié)果對比情況如圖6所示.由分析網(wǎng)絡(luò)測試結(jié)果可知,模糊神經(jīng)網(wǎng)絡(luò)模型擬合精度較高,達(dá)到82.6%,可很好地反映出基于模糊神經(jīng)網(wǎng)絡(luò)的駕駛模擬器實驗有效性綜合評價模型的適用性和科學(xué)性.
圖6 模糊神經(jīng)網(wǎng)絡(luò)測試結(jié)果Fig.6 Fuzzy neural network test results
根據(jù)文章所建立的基于模糊神經(jīng)網(wǎng)絡(luò)的駕駛模擬器綜合評價模型,以國內(nèi)某駕駛模擬器為例,驗證該模擬器在進行車輛系統(tǒng)評價應(yīng)用時的有效性.評價駕駛模擬器由駕駛艙系統(tǒng)(全尺寸真車)、三通道大弧面視景投影圖像系統(tǒng)、汽車多體動力學(xué)模型及三維虛擬擬圖像動畫系統(tǒng)、聲響系統(tǒng)、駕駛模擬艙液壓動態(tài)反饋系統(tǒng)及實驗控制臺組成,具有153°水平視角,45°垂直視角的高解析圖像品質(zhì),具體構(gòu)成如圖7所示.
圖7 實驗用道路交通駕駛模擬器Fig.7 Road Driving Simulator for Experiment
按照評價模型評語集對U1~U5中各指標(biāo)進行評判,評價駕駛模擬器采用真實駕駛艙,故U11、U12、U13的評判為優(yōu).為了驗證方法的有效性,請若干資深專家進行模糊評判給出評價指標(biāo)的模糊評價矩陣.在實際操作中可以通過設(shè)計包含直線加減速、S路線、雙移線、危險場景等操作可行的實地與虛擬實驗場景,選取測試者進行對比實驗及實際車輛動力性指標(biāo)值推導(dǎo)等方式,測出模擬器評價指標(biāo)與實際標(biāo)定值的偏差值進而更精確、客觀的給出U21、U22、U23、U51、U52、U53的評判,可以根據(jù)物體的雙目視角原理、物體圖文視認(rèn)原理,采用模擬器圖像視角與圖文視認(rèn)性的標(biāo)定方法[15]給出U31、U33的評判.專家主觀評判矩陣如下所示:
本文采用模糊層次分析法對專家的打分進行計算,將駕駛模擬器有效性評價結(jié)果劃分為較差、一般、中等、優(yōu)秀五個等級,即各要素指標(biāo)論域為v=(I,II,III,IV,V)=(較差,一般,中等,良好,優(yōu)秀),分別對應(yīng)模糊神經(jīng)網(wǎng)絡(luò)輸出為(0.1,0.3,0.5,0.7,0.9).隸屬函數(shù)選用梯形分布函數(shù),并求出各指標(biāo)值的隸屬度如表2所示.
表2 駕駛模擬器有效性評價各指標(biāo)隸屬度及排序Tab.2 Membership and ranking of indicators for driving simulator effectiveness evaluation
由表2可知U33標(biāo)志可視距離、U43液壓系統(tǒng)位移值、U53危險場景速度位移方差值隸屬度平均值均在0.7以上,表明這三個指標(biāo)是影響駕駛模擬器實驗有效性評價結(jié)果的最重要因素,其中U33標(biāo)志可視距離比例最高,為0.865.
利用模糊神經(jīng)網(wǎng)絡(luò)對駕駛模擬器運行指標(biāo)進行網(wǎng)絡(luò)訓(xùn)練并輸出駕駛模擬器實驗有效性評價結(jié)果,去模糊化處理輸出結(jié)果,得到該臺駕駛模擬器最終的駕駛模擬器實驗有效性評價結(jié)果,其值為0.673 6,即該臺的評價等級為中等.因此,該臺駕駛模擬器還需要在標(biāo)志可視距離、液壓系統(tǒng)位移、危險場景速度位移方差等方面加強改進和優(yōu)化,以使其實驗效果最佳.
通過分析駕駛模擬器有效性的評價因素,基于模糊層次分析法篩選關(guān)鍵因素并建立有效性評價指標(biāo)體系;在此基礎(chǔ)上基于模糊神經(jīng)網(wǎng)絡(luò)相關(guān)理論,進一步建立駕駛模擬器實驗有效性評價模型并檢驗出模型具有較高精度.結(jié)合實例驗證了基于模糊神經(jīng)網(wǎng)絡(luò)的駕駛模擬器實驗有效性評價模型的合理性和適用性,可為駕駛模擬器實驗實際評價應(yīng)用提供一定參考.
本文是基于駕駛模擬器車輛評價的應(yīng)用開展的研究,在駕駛模擬器駕駛行為評價及其對道路交通環(huán)境評價中也可采用類似的模型建立方法.同時基于不同的駕駛模擬器,只需要合理給出子因素評判表就可以很好比較不同模擬器開展某方面應(yīng)用的有效性.