龍彥，黃建玲,2，趙曉華*

(1.北京工業(yè)大學(xué)，城市交通學(xué)院，交通工程北京市重點(diǎn)實(shí)驗室，北京100124；2.北京市交通信息中心，北京100073)

0 引言

車輛換道是駕駛?cè)烁鶕?jù)自身駕駛需求和交通環(huán)境因素，通過感知、決策、操作車輛從一條車道變換到另一條車道的行為過程。換道是車輛行駛過程中最常見的駕駛行為之一，是駕駛過程中危險程度較高的駕駛行為[1]。車輛換道行為在通行能力分析、交通流仿真、輔助駕駛、無人駕駛、交通安全等領(lǐng)域都有著廣泛的研究價值[2]。

換道過程一般分為換道意圖產(chǎn)生、換道決策和換道執(zhí)行3部分。國內(nèi)外學(xué)者在這3方面進(jìn)行了大量研究。駕駛意圖是駕駛?cè)藘?nèi)心對下一步行為選擇的意向信念。Liu 等[3]提出通過駕駛行為等外在表現(xiàn)識別內(nèi)心狀態(tài)的駕駛意圖。目前，大多數(shù)研究采用機(jī)器學(xué)習(xí)的方法進(jìn)行駕駛意圖識別。Pentland[4]、Kuge[5]、宗長富[6]、王一男[7]、胡少偉[8]等采用隱馬爾科夫模型HMM 進(jìn)行駕駛意圖識別；Mandalia[9]、Kumar[10]、Liu[11]等主要采用支持向量機(jī)SVM、貝葉斯網(wǎng)絡(luò)進(jìn)行駕駛意圖識別方面的研究；Peng 等[12]使用BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測換道駕駛行為；Wirthmueller 等[13]采用LSTM 研究換道意圖的時間點(diǎn)；Gebert 等[14]提出基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNNs)的駕駛意圖預(yù)測方法。換道決策是駕駛?cè)烁鶕?jù)自身和周圍環(huán)境對換道空間和時間條件進(jìn)行判斷，作出是否換道的決定。換道決策是關(guān)于換道的一個熱點(diǎn)，大量學(xué)者對此進(jìn)行了研究。換道決策模型一般有：規(guī)則模型[15]、離散選擇模型[16]、安全距離模型[17]、人工智能模型[18]、馬爾科夫模型和生理-心理模型等。換道執(zhí)行是駕駛?cè)瞬僮鞣较虮P、油門剎車等控制車輛的位置、速度、加速度等，完成車輛換道。換道執(zhí)行模型是從駕駛?cè)藫Q道執(zhí)行過程中與周圍環(huán)境、車輛交互關(guān)系進(jìn)行分析，重點(diǎn)在于主車與臨近車輛行為的相互影響與作用，主要有元胞自動機(jī)模型和運(yùn)動波混合模型[2,19]。

可以看出，以往學(xué)者在換道研究中，換道意圖側(cè)重于意圖識別研究，換道決策側(cè)重于換道條件判斷研究，換道執(zhí)行側(cè)重主車與臨近車輛的交互研究，缺乏換道過程中駕駛?cè)艘曈X感知與手腳操作的時序性、關(guān)聯(lián)性及其相互影響的研究。然而換道過程中視覺感知與手腳操作時序關(guān)聯(lián)性的研究能清晰揭示換道時感知與行為的時序與內(nèi)在關(guān)系，有助于：

(1)換道過程的風(fēng)險研判。換道過程需要在合適的時間進(jìn)行感知與手腳的配合操作，如有不當(dāng)容易引起碰撞風(fēng)險，將視覺感知與手腳操作微觀層面的時序關(guān)系弄清楚，能夠預(yù)判換道過程中的風(fēng)險，警示駕駛?cè)嗽谝院蟮膿Q道中進(jìn)行風(fēng)險規(guī)避以提高換道安全。

(2)換道事故的致因分析。發(fā)生換道事故時，如果將視覺感知與手腳操作的時序與內(nèi)在關(guān)系呈現(xiàn)出來，能夠直觀看出同一時刻眼睛看哪里、手腳怎么操作，轉(zhuǎn)向操作前有沒有注視后視鏡，有沒有急加速、急減速、急打方向盤等，這樣能夠幫助分析事故原因。

(3)駕駛培訓(xùn)效果提升。將新學(xué)員每一次換道的視覺感知與手腳操作的微觀時序和相互影響弄清楚，便于發(fā)現(xiàn)換道中新學(xué)員存在的個性問題，對其進(jìn)行個性化的講解、練習(xí)，能夠提升學(xué)習(xí)效果。

(4)駕駛經(jīng)驗與技巧的細(xì)節(jié)表征。有經(jīng)驗的司機(jī)換道安全、平穩(wěn)、快捷、舒適，把他們的視覺感知與手腳操作的模式和規(guī)則挖掘出來，一方面便于其他駕駛員學(xué)習(xí)，另一方面，刻畫清晰的駕駛經(jīng)驗與技巧可為無人駕駛提供借鑒。

為此，本文分別提取換道瞬時和換道全過程的眼睛感知-手腳操作特征，刻畫換道時駕駛?cè)说母兄?操作細(xì)節(jié)；從換道瞬時和換道全過程兩個角度發(fā)現(xiàn)眼睛感知-手腳操作的頻繁模式，挖掘它們的關(guān)聯(lián)規(guī)則，探索感知與操作相互作用的內(nèi)在機(jī)理。

1 實(shí)驗設(shè)計

1.1 實(shí)驗設(shè)備

本文實(shí)驗采用AutoSim駕駛模擬實(shí)驗平臺，該實(shí)驗平臺包括駕駛模擬艙、影音設(shè)備、中控系統(tǒng)、投影裝置4 個部分。駕駛模擬艙以日本豐田小轎車為原型，寬度約1.6 m，前方視野范圍140°，通過后視鏡可觀測后方30°范圍內(nèi)的交通狀況。經(jīng)實(shí)驗評估，駕駛模擬艙的油門、剎車、震動、音效等與真實(shí)駕駛過程中感覺基本一致，駕駛環(huán)境的真實(shí)性良好[20]。駕駛模擬艙能夠采集車輛位置、速度、加速度、剎車、油門、橫向位移、橫向加速度、方向盤轉(zhuǎn)角，以及周圍車輛的位置與速度等參數(shù)。實(shí)驗中另一個重要的設(shè)備是SMI ETGTM眼鏡式眼動儀，能夠記錄駕駛?cè)说难蹌榆壽E變化、注視位置、位移距離等特征，能夠?qū)崿F(xiàn)雙目掃視路徑的追蹤、記錄雙目活動事件等。

1.2 場景與被試

道路場景參考北京市興延高速公路，利用3DMax、Hint CAD、Photoshop等軟件構(gòu)建駕駛模擬道路場景。實(shí)驗道路長度46 km，車道寬度3.75 m，路肩寬4.5 m，橫斷面26 m，綠化帶2 m。所有實(shí)驗過程的道路交通標(biāo)志線設(shè)置及規(guī)格符合國家標(biāo)準(zhǔn)(GB5768-2009)。整個高速公路限速為120 km ?h-1，交通流狀態(tài)為自由流。

通過廣告招募40 名身體健康的被試，其中，3名進(jìn)行預(yù)實(shí)驗。參加正式實(shí)驗的37名被試中男性22名，女性15名；被試駕駛?cè)四挲g在24～55歲，平均年齡為36.1 歲，標(biāo)準(zhǔn)差為11.4 歲；被試駕駛?cè)说钠骄{齡12.3年，所有被試駕駛?cè)藳]有不良嗜好，均有高速公路駕駛經(jīng)驗。

1.3 實(shí)驗流程

(1)駕駛?cè)颂顚憘€人基本信息，進(jìn)行問卷調(diào)查；

(2)檢查駕駛模擬艙是否正常；

(3)進(jìn)行實(shí)驗前培訓(xùn)及測試；

(4)佩戴眼動儀并進(jìn)行標(biāo)定；

(5)駕駛?cè)税凑招谐桃?，進(jìn)行自由行駛；

(6)實(shí)驗完成后駕駛?cè)颂顚憣?shí)驗后的問卷信息。

整個實(shí)驗過程，要求被試遵守交通規(guī)則，根據(jù)道路情況和交通情況按照個人習(xí)慣進(jìn)行駕駛操作。駕駛實(shí)驗平臺以20 Hz的頻率采集車輛運(yùn)行數(shù)據(jù)，如：車輛位置、車輛速度、剎車踏板、油門踏板、橫向位移等。數(shù)據(jù)分析前首先提取換道過程，主要是確定換道的起點(diǎn)和終點(diǎn)。通過橫向偏移、航向角等確定換道起點(diǎn)和換道終點(diǎn)[21-22]。

2 換道過程感知-操作的特征提取與表達(dá)

2.1 換道瞬時感知-操作的特征提取與表達(dá)

通過眼動儀和模擬駕駛艙平臺采集換道過程中駕駛?cè)搜劬Φ淖⒁朁c(diǎn)，方向盤轉(zhuǎn)角，油門踏板深度和剎車踏板深度。圖1為一個換道過程的眼睛注視點(diǎn)、方向盤轉(zhuǎn)角、油門踏板和剎車踏板的原始序列。

圖1 換道過程的眼睛注視點(diǎn)X,Y 坐標(biāo)、方向盤轉(zhuǎn)角、油門和剎車Fig.1 Eye gaze,steering wheel angle,gas and brake panel during lane changing

(1)眼睛注視感知的特征提取與表達(dá)

眼動儀采集的是駕駛?cè)俗⒁曀胶痛怪狈较虻南袼攸c(diǎn)，像素點(diǎn)本身難以體現(xiàn)注視區(qū)域，將像素點(diǎn)劃分到區(qū)域才有更明確的注視感知意義。注視區(qū)域有不同的劃分方法，本文參考前人研究和換道的實(shí)際情況將注視區(qū)域劃分為5 個子區(qū)：前方Z1、左后視鏡Z2、儀表盤Z3、右后視鏡Z4、車內(nèi)后視鏡Z5。然后將注視點(diǎn)劃分到上述5個區(qū)域，這樣原始注視點(diǎn)坐標(biāo)形成了眼睛注視序列E={e1,e2,…,ei,…}，ei∈{Z1,Z2,Z3,Z4,Z5}，其中，i為采樣時刻，該注視序列直觀體現(xiàn)了換道過程眼睛的注視感知區(qū)域，抓住了注視的關(guān)鍵特征。

(2)手操作方向盤的特征提取與表達(dá)

方向盤的原始數(shù)據(jù)是角度，不便體現(xiàn)手的瞬時“操作性”。因此，將原始方向盤角度進(jìn)行一階差分，得到手操作方向盤的瞬時速度；然后按照1 s進(jìn)行平滑處理，獲得方向盤旋轉(zhuǎn)速度ωi的時間序列。本文將其分為5類：急速左轉(zhuǎn)、緩慢左轉(zhuǎn)、保持不動、緩慢右轉(zhuǎn)、急速右轉(zhuǎn)。這本質(zhì)上是個分類處理，將大尺度關(guān)鍵特征相同的歸為一類，降低噪聲影響，更有利于挖掘模式[23]。

式中：ω1,ω2,ω3,ω4為分類閾值，需要根據(jù)實(shí)際研究情況進(jìn)行設(shè)定。本文按照樣本方向盤旋轉(zhuǎn)速度的98%，75%，25%，2%分位數(shù)來設(shè)定。

通過上述分類處理，原始方向盤角度形成了方向盤旋轉(zhuǎn)快慢序列H={h1,h2,…,hi,…}，hi∈{R1,R2,R3,R4,R5}，提取到手操作方向盤的關(guān)鍵動作特征。

(3)腳踩踏剎車和油門的特征提取與表達(dá)

剎車的原始數(shù)據(jù)是剎車踏板深度，不便體現(xiàn)腳的瞬時“操作性”。因此，將采集的剎車踏板深度進(jìn)行一階差分，得到瞬時踩、收速度vb,i；然后按照1 s進(jìn)行平滑處理，獲得剎車踏板踩收快慢的時間序列。本文將其分為5類：急踩剎車、緩踩剎車、剎車恒定、緩收剎車、急收剎車。

同理，將采集的油門踏板深度進(jìn)行一階差分，得到瞬時踩踏速度vg,i；然后對其按照1 s進(jìn)行平滑處理，獲得油門踏板踩踏速度的時間序列。本文將其分為5 類：急踩油門、緩踩油門、油門恒定、緩收油門、急收油門。

式中：vb,1，vb,2，vb,3，vb,4，vg,1，vg,2，vg,3，vg,4為分類閾值，需要根據(jù)實(shí)際情況進(jìn)行設(shè)定。本文按照其98%，75%，25%，2%分位數(shù)來設(shè)定。

油門踏板和剎車踏板都是由腳操作的，一般地，腳同時只能踩一個踏板，要么油門，要么剎車。當(dāng)然，還有一種情況就是哪個也沒踩。因此，腳的動作分類為上述10類再加“懸空P6”，共11類。這樣，原始油門踏板和剎車踏板序列形成了腳動作踩收序列F={f1,f2,…,fi,…}，fi∈{P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,P11}，提取了換道過程中腳動作的關(guān)鍵特征。

上述眼睛感知、手腳操作構(gòu)成換道過程的瞬時感知-操作的特征序列，即

該序列表征了瞬時感知-操作特征。通過上述特征提取，將圖1換道過程原始序列轉(zhuǎn)化為圖2所示的特征序列，可將眼睛感知、手腳動作直觀體現(xiàn)出來。

圖2 換道過程中眼睛、手和腳的特征序列Fig.2 Characteristic sequence of lane changing

2.2 全過程感知-操作的特征提取與表達(dá)

瞬時感知-操作特征提取后，每一時刻的眼、手、腳的動作清晰了。然而，換道是一個過程，從整個換道過程中分析眼、手、腳的配合，發(fā)現(xiàn)其模式對換道行為的分析更有意義。從4 個方面分析換道全過程：眼睛視覺感知和方向盤左右轉(zhuǎn)操作的先后性，整個換道過程方向盤轉(zhuǎn)動的快慢性，整個換道過程油門踏板、剎車踏板是否都踩過，整個換道過程收、踩踏板的快慢性。

(1)換道過程，左或右后視鏡視覺感知和方向盤左右轉(zhuǎn)操作的先后性相關(guān)定義。

①感知超前操作V1，換道過程看左或右后視鏡的時刻超前方向盤的左或右轉(zhuǎn)時刻；

②感知滯后操作V2，換道過程看左或右后視鏡的時刻滯后方向盤的左或右轉(zhuǎn)時刻；

③感知操作同步V3，換道過程看左或右后視鏡的時刻等于方向盤的左或右轉(zhuǎn)時刻；

④無視覺感知V4，換道過程沒有觀看后視鏡。

判斷方法：在特征序列里分別找到眼睛視覺開始轉(zhuǎn)向左或右后視鏡的時刻和方向盤開始轉(zhuǎn)向的時刻，然后根據(jù)這兩時刻來判斷感知與操作的先后關(guān)系，如果眼睛視覺沒有轉(zhuǎn)向，則是無視覺感知。

(2)整個換道過程方向盤轉(zhuǎn)動快慢性相關(guān)定義。

①慢速轉(zhuǎn)動模式S1，整個換道過程中沒有出現(xiàn)過急速左轉(zhuǎn)和急速右轉(zhuǎn)；

②快速轉(zhuǎn)動模式S2，整個換道過程中出現(xiàn)過急速左轉(zhuǎn)或急速右轉(zhuǎn)。

判斷方法：按照時間順序遍歷整個換道過程的特征序列，只要出現(xiàn)過急速左轉(zhuǎn)或急速右轉(zhuǎn)狀態(tài)，就是快速轉(zhuǎn)動模式；沒有出現(xiàn)過急速左轉(zhuǎn)和急速右轉(zhuǎn)狀態(tài)，便是慢速轉(zhuǎn)動模式。

(3)整個換道過程油門踏板、剎車踏板是否都踩過的相關(guān)定義。

①單踏板模式T1，在整個換道過程中，只踩過油門踏板而沒有踩過剎車踏板，或者只踩過剎車踏板沒有踩過油門踏板；

②雙踏板模式T2，在整個換道過程中，既踩過油門踏板也踩過剎車踏板。

判斷方法：按照時間順序遍歷整個換道過程的特征序列，既出現(xiàn)過收、踩油門踏板(P1,P2,P3,P4,P5)中的任意一個，也出現(xiàn)過收、踩剎車踏板(P7,P8,P9,P10,P11)中的任意一個，即為雙踏板模式；否則，是單踏板模式。

(4)整個換道過程收、踩踏板急速性的相關(guān)定義。

①踏板急變模式O1，在整個換道過程中出現(xiàn)過急收或急踩；

②踏板穩(wěn)定模式O2，在整個換道過程中只出現(xiàn)過踏板恒定；

③踏板緩變模式O3，除去以上兩種情況的模式。

判斷方法：按照時間順序遍歷整個換道過程的特征序列，不管是哪個踏板只要出現(xiàn)過急收或急踩，就是踏板急變模式；不管是哪個踏板，只出現(xiàn)過恒定，是踏板穩(wěn)定模式；除去以上兩種模式的，就是踏板緩變模式。

上述4個方面構(gòu)成了換道全過程的感知-操作特征，即

式中：V∈{V1,V2,V3,V4}，S∈{S1,S2}，T∈{T1,T2}，O∈{O1,O2,O3}。

式(5)表征了全過程感知-操作的特征。對于圖1所示的例子，換道全過程的感知-操作特征為{V1,S2,T2,O1}。

3 模式發(fā)現(xiàn)與規(guī)則挖掘

3.1 模式發(fā)現(xiàn)

在換道過程中，眼睛感知、手腳有哪些操作經(jīng)常一起出現(xiàn)，哪些動作有關(guān)聯(lián)，對于眼手腳的內(nèi)在作用機(jī)理與換道行為非常重要。本文采用Apriori算法進(jìn)行換道頻繁模式發(fā)現(xiàn)和關(guān)聯(lián)規(guī)則挖掘。

根據(jù)2.1節(jié)的相關(guān)定義，對于換道瞬時特征，一次換道過程為

式中：ei,hi,fi為換道瞬時的項，項集包含1 個或多個項的集合；l1為本次換道采樣點(diǎn)的數(shù)量，也就是本次換道的時間乘以采樣頻率。所有n次換道組成一個換道瞬時特征事務(wù)集，即

式中：Sm的總行數(shù)，即換道瞬時事務(wù)集的個數(shù)為

對于換道全過程特征，一次換道過程為

式中：V,S,T,O為換道全過程的項，V∈{V1,V2,V3,V4}，S∈{S1,S2}，T∈{T1,T2}，O∈{O1,O2,O3}。

所有n次換道組成一個換道全過程特征事務(wù)集，即

式中：Sp為總行數(shù)，即換道全過程事務(wù)集的個數(shù)為n。

為從換道瞬時事務(wù)集和換道全過程事務(wù)集中分別挖掘各自的頻繁模式，首先定義支持度。支持度，即頻率，是包含某項X的事務(wù)數(shù)N(X)與集合中所有事務(wù)數(shù)Nall的比例，即

設(shè)定支持度閾值，采用Apriori 算法找到頻繁項集，發(fā)現(xiàn)換道的頻繁模式。

Step 1 在換道集合中先搜索候選1項集及其對應(yīng)的支持度，根據(jù)支持度閾值篩選獲得頻繁1項集。

Step 2 將頻繁1 項集進(jìn)行連接，生成候選2 項集，計算其支持度，根據(jù)支持度閾值篩選獲得頻繁2項集。

Step 3 以此類推進(jìn)行迭代，直到獲得頻繁k項集(對于換道瞬時特征事務(wù)集，k=3；對于換道全過程特征事務(wù)集，k=4)。

3.2 規(guī)則產(chǎn)生

關(guān)聯(lián)規(guī)則表示換道過程集中兩個項集之間的關(guān)聯(lián)度或相關(guān)性的規(guī)則，關(guān)聯(lián)規(guī)則表示為X→Y，其中，X和Y互斥，X位于規(guī)則的左側(cè)，是前件；Y位于規(guī)則的右側(cè)，是后件。為挖掘關(guān)聯(lián)規(guī)則，首先定義置信度。置信度是換道過程已經(jīng)包含項集X的情況下，包含項集Y的百分比，即條件概率。

設(shè)定置信度閾值ηmin，關(guān)聯(lián)規(guī)則挖掘則是從換道的頻繁模式中挖掘出滿足置信度閾值的所有關(guān)聯(lián)規(guī)則。對于頻繁模式中的項集Y，計算其所有的非空子集X和Y-X，對于非空子集X，

如果有

則，規(guī)則X→(Y-X)產(chǎn)生。

4 結(jié)果

4.1 換道過程中瞬時感知-操作模式

從模擬駕駛實(shí)驗中提取出左右換道各40 個。理論上換道過程中眼手腳的瞬時動作共有275 種組合模式。經(jīng)統(tǒng)計，本次實(shí)驗中左換道出現(xiàn)96 種模式，右換道出現(xiàn)127 種模式。左、右換道瞬時事務(wù)集的個數(shù)分別為11499，11782。因為換道過程中大多數(shù)時間是“看前方”，如果支持度閾值選的太大，“看后視鏡”等項將被淹沒，因此本文中瞬時感知-操作模式支持度閾值設(shè)為1%，由此找到的頻繁項集如表1所示。

表1 換道瞬時感知-操作的頻繁項Table 1 Frequent items of instantaneous perception and operation

從表1可以看出，對于頻繁1 項集，左、右換道 是一樣的(左換道的項Z2與右換道的項Z4是等價的)。對于頻繁2 項集，右換道比左換道多了12 個動作組合模式。對于頻繁3項集，右換道有18種組合，左換道有13種組合，右換道與左換道相同的組合有12種。左換道特有模式為{Z2,R3,P10}，右換道特有模式為{Z1,R1,P8},{Z1,R1,P9},{Z1,R1,P10},{Z1,R3,P11},{Z1,R5,P9},{Z1,R5,P10}。鑒于換道需要眼手腳三者配合，因此頻繁3項集的意義更大。右換道的頻繁模式多于左換道，說明右換道時眼手腳出現(xiàn)的組合更多樣，動作種類更多。

換道時看左、右后視鏡是極其重要的信息感知方式，左、右換道時看左、右后視鏡的時間占總換道時間的平均比例分別為6.01%、6.59%，右換道看后視鏡的時間多于左換道看后視鏡的時間?？春笠曠R時手腳的動作對換道安全與換道效率尤為重要，因此對看后視鏡時手腳的操作進(jìn)一步分析。理論上，換道看后視鏡時手腳動作的組合模式有55 種模式。本次實(shí)驗經(jīng)統(tǒng)計，左換道看左后視鏡時手腳動作組合模式出現(xiàn)20 種模式；右換道看右后視鏡時，手腳動作組合模式出現(xiàn)28種模式。從表1可以看出，無論左換道還是右換道，{看對應(yīng)的后視鏡，方向盤保持不動、油門恒定}是頻繁模式。換道過程中看左或右后視鏡時，手腳動作的詳細(xì)情況如圖3和圖4所示。

圖3 看后視鏡時手的各動作比例Fig.3 Proportion of hand operating when looking at rearview mirror

從圖3中可以看出，左、右換道過程中看左、右后視鏡時手操作方向盤的共同點(diǎn)有：手握方向盤“保持不動”的比例最大；向哪個方向換道，則向這個方向“緩慢轉(zhuǎn)動”方向盤的比例較大。左、右換道過程中看左、右后視鏡時手操作方向盤的不同點(diǎn)是：左換道時，基本沒有方向盤“急速右轉(zhuǎn)”；而右換道時，有方向盤“急速左轉(zhuǎn)”。

從圖4中可以看出，左、右換道過程中看左、右后視鏡時腳操作油門剎車的共同點(diǎn)是“油門恒定”的比例最大，然后依次是緩踩油門、緩收油門。不同點(diǎn)是左換道時腳的動作主要有6種，而右換道時腳的動作主要有9種。

圖4 看后視鏡時腳的各動作比例Fig.4 Proportion of foot operating when looking at rearview mirror

綜合上述分析可以看出，右換道看右后視鏡的時間多于左換道看左后視鏡的時間。左換道發(fā)現(xiàn)13種頻繁3項集模式，右換道發(fā)現(xiàn)18種頻繁3項集模式。無論左換道還是右換道，{看對應(yīng)的后視鏡，方向盤保持不動、油門恒定}是頻繁模式。左換道時，手操作方向盤、腳操作油門剎車的動作種類少，操作相對簡單；右換道時，手操作方向盤、腳操作油門剎車的動作種類多，操作相對復(fù)雜；右換道比左換道表現(xiàn)出更復(fù)雜的瞬時感知-操作行為。

關(guān)于換道過程中瞬時感知-操作關(guān)聯(lián)規(guī)則，由于大多數(shù)時間是“看前方”，同時換道瞬時事務(wù)集的項為3，挖掘到的規(guī)則幾乎全部是關(guān)于“看前方Z1”的，如R3→Z1，P3→Z1等，實(shí)際意義不大。因此本次實(shí)驗沒有挖掘到有實(shí)際價值的瞬時感知-操作關(guān)聯(lián)規(guī)則。

4.2 全過程感知與操作模式的結(jié)果

理論上眼手腳全過程感知與操作模式共有48種模式。經(jīng)統(tǒng)計，在本次實(shí)驗中右換道出現(xiàn)14 種模式，左換道出現(xiàn)15 種模式。左、右換道全過程事務(wù)集的個數(shù)都為40，將全過程感知與操作模式支持度閾值設(shè)為10%，由此找到的頻繁項集如表2所示。

從表2可以看出，左右換道的頻繁1 項集是完全一樣的，左右換道的頻繁2 項集基本一樣，左換道的頻繁3 項集比右換道多6 個，左換道的頻繁4項集比右換道多1個。可以看出，左換道的頻繁模式數(shù)量多于右換道的，左換道全過程感知-操作模式數(shù)量相對多、模式相對分散；右換道全過程感知-操作模式數(shù)量相對少、模式相對集中。右換道的{V2,S2,T1,O3}、{V2,S2,T2,O1}、{V2,S2,T1,O1}的支持度分別為25%、25%、10%；左換道的{V2,S2,T2,O1}、{V2,S1,T1,O3}、{V2,S2,T1,O3}、{V1,S1,T1,O3}的支持度分別為17.5%、12.5%、12.5%、10%。右換道整個過程中，V2的支持度(75%)比V1的支持度(20%)大得多，S2的支持度(77.5%)比S1的支持度(22.5%)大得多。因此，右換道全過程感知-操作模式相對集中于含有V2、S2的模式。左換道全過程中，V2的支持度為65%，V1的支持度為27.5%；S2的支持度為57.5%，S1的支持度為42.5%。因此，相對于右換道，左換道過程感知-操作模式分散于含有V2、V1、S2、S1的模式。左換道比右換道多出的模式是含有V1、S1的模式，如表1所示。

表2 換道全過程感知-操作的頻繁項Table 2 Frequent items of perception and operation of whole process

本文將置信度閾值設(shè)為80%，左換道挖掘到22條規(guī)則，右換道挖掘到27 條規(guī)則，相同規(guī)則有11條，結(jié)合換道實(shí)際情況進(jìn)一步篩選得到的重要規(guī)則如表3所示。

表3 關(guān)聯(lián)規(guī)則Table 3 Association rules

右換道的規(guī)則說明方向盤快速轉(zhuǎn)動S2與感知滯后操作V2是互相強(qiáng)關(guān)聯(lián)的。因為感知滯后，有“相對少的時間”進(jìn)行決策與操作，所以換道過程中會相對快速操作方向盤；與此同時，如果腳只操作油門踏板且快速操作，便形成{V2,S2,T1,O1} 模式；如果腳只操作油門踏板且緩慢操作，便形成{V2,S2,T1,O3} 模式；如果腳在油門和剎車踏板交替操作，此時100%是快速操作，便形成{V2,S2,T2,O1}模式，這是右換道感知-操作3 種頻繁模式的機(jī)理所在?！案兄獪蟛僮鳌笨赡艿脑蚴钱?dāng)駕駛?cè)擞辛藫Q道意圖，眼睛轉(zhuǎn)向右后視鏡前手會無意識地往該方向稍為轉(zhuǎn)動方向盤，這一點(diǎn)還需進(jìn)一步研究。

左換道的規(guī)則，如果感知超前操作，那么90.9%是單踏板；如果方向盤是緩慢轉(zhuǎn)動，那么82.4%是單踏板。因為感知超前，有“相對多的時間”進(jìn)行決策與操作，多數(shù)情況下緩慢操作油門，緩慢轉(zhuǎn)動方向盤，從而形成了{(lán) }V1,S1,T1,O3模式；左換道的方向盤快速轉(zhuǎn)動與感知滯后操作盡管沒形成強(qiáng)關(guān)聯(lián)，但V2的支持度(65%)，S2的支持度(57.5%)也都超過50%，因此類似右換道的機(jī)理也形成了{(lán)V2,S2,T1,O3}、{V2,S2,T2,O1} 模式；至于{V2,S1,T1,O3}模式，一個可能的解釋是盡管“感知滯后操作”，但看了左后視鏡發(fā)現(xiàn)換道條件足夠，因此就緩慢轉(zhuǎn)動方向盤、只操作油門踏板且緩慢操作，這是左換道感知-操作4種頻繁模式的機(jī)理所在。

5 結(jié)論

車輛換道是車輛行駛過程中最常見的駕駛行為之一。換道過程中駕駛?cè)说母兄?操作細(xì)節(jié)、感知與操作相互作用的內(nèi)在機(jī)理對換道安全和換道效率至關(guān)重要。本文通過提取換道瞬時和換道全過程的眼睛感知-手腳操作的特征，采用Aprior 算法發(fā)現(xiàn)眼睛感知-手腳操作的頻繁模式，挖掘它們的關(guān)聯(lián)規(guī)則，得出如下結(jié)論：

(1)刻畫了換道過程瞬時感知操作的微觀細(xì)節(jié)，挖掘了瞬時感知操作模式。左換道有13 種頻繁3 項集模式，右換道有18 種頻繁3 項集模式；看對應(yīng)的后視鏡時，方向盤保持不動與油門恒定是經(jīng)常同時出現(xiàn)的模式；右換道比左換道需要較多的后視鏡感知時間、較復(fù)雜的瞬時感知-操作行為。

(2)刻畫了換道全過程感知操作的整體行為，挖掘了全過程感知操作模式。左換道有4種頻繁4項集模式，右換道有3種頻繁4項集模式，左換道全過程感知-操作模式數(shù)量相對多、模式相對分散；右換道全過程感知-操作模式數(shù)量相對少、模式相對集中。

(3)左右換道感知-操作的細(xì)節(jié)與機(jī)理不完全一致，右換道的“感知滯后操作”“方向盤快速轉(zhuǎn)動”比例比左換道高。

上述結(jié)論的貢獻(xiàn)和啟示為：①研判換道過程中的風(fēng)險。在進(jìn)行換道時，盡量做到“感知超前操作”，因為“無視覺感知”與“感知滯后操作”都有一定的碰撞風(fēng)險。②提升駕駛培訓(xùn)的效果。讓新學(xué)員明確右換道比左換道需要較多的后視鏡感知時間、較復(fù)雜的手腳操作行為，右換道時更要謹(jǐn)慎操作；同時，將新學(xué)員每一次換道的視覺感知與手腳操作的微觀時序弄清楚，便于進(jìn)行個性化培訓(xùn)、提升學(xué)習(xí)效果。③表征駕駛經(jīng)驗與技巧。將安全、平穩(wěn)、快捷、舒適的換道過程的視覺感知、手腳操作模式和規(guī)則挖掘出來，為無人駕駛提供借鑒，提高無人駕駛換道的安全性與舒適性。

需要指出的是換道過程中眼睛感知-手腳操作之間的關(guān)聯(lián)性、感知與操作相互作用的內(nèi)在機(jī)理是復(fù)雜的、是一個研究難點(diǎn)，本文僅進(jìn)行了初步探索，由于使用的是駕駛模擬艙，與真實(shí)環(huán)境有所區(qū)別，同時樣本數(shù)據(jù)相對少，故左右換道感知-操作的機(jī)理還需進(jìn)一步探究。本文方向盤、油門和剎車的分類閾值是根據(jù)本文實(shí)驗數(shù)據(jù)的統(tǒng)計分析進(jìn)行選取的，不同實(shí)驗環(huán)境下分類閾值的選取有待進(jìn)一步驗證與標(biāo)定。另外，換道行為模式會受周圍交通環(huán)境的影響，本文研究的是環(huán)境相對簡單的高速公路下的自由換道，其他環(huán)境下的換道行為模式還需深入研究。