第 33 卷增刊 1 2013 年 11 月 北京理工大学学报 TransactionsofBeijingInstituteofTechnology Vol.33 Suppl.1 Nov.2013 基于车辆运行状态的次任务驾驶安全性评价 金立生 咸化彩 杨冬梅 顼美姣 秦彦光 ( 吉林大学交通学院 吉林 长春 130022) 摘要 : 为研究次任务驾驶对行车安全性的影响 借助驾驶模拟器对正常和次任务驾驶过程中的车辆运行状态参数进行了采集. 基于差异显著原则 选取速度 加速度 方向盘转角等变量构建了评价指标体系 并以最少变量体现最多信息为优化目标 采用因子分析法提取出 3 类因子 进而确定出不同评价指标对因子的影响载荷系数 完成了基于车辆运行状态的次任务驾驶安全性评价模型构建. 综合实验数据和驾驶人类型因素 确立了模型评价得分与驾驶安全等级间的数量关系. 结果表明 所建模型能准确判断不同驾驶状态下的行车安全性 为驾驶安全的监测和预警提供了一种有效判定方法. 关键词 : 交通安全 ; 评价模型 ; 因子分析 ; 次任务驾驶 ; 车辆运行状态中图分类号 :U491.6 文献标志码 :A 文章编号 :1001-0645(2013) 增刊 1-0182-05 DrivingSafetyEvaluation ModelforSecondaryTaskDriving BasedonVehicleOperationEstates JIN Li-sheng XIAN Hua-cai YANG Dong-mei XU Mei-jiao QIN Yaṉguang (TransportationColegeJilinUniversityChangchunJilin130022China) Abstract:Tostudytheefectsofsecondarytaskondrivingsafetydatabydrivingsimulator regardingvehicle operation states under normaland secondarytask driving conditions were colectedandanalyzed.basedontheprincipleofsignificantdiferenceparameterssuchasspeed accelerationandsteeringwheelanglewereappliedtoformulatetheevaluationindicatorsystem. Withtheoptimizedtargettoreflectthemostinformationutilizingleastfactors3kindsoffactor variableswereabstractedby meansoffactoranalysistoascertaintheimpactloadcoeficientson factorsofdiferentevaluationparameters.thereforeadrivingsafetyevaluationmodelbasedon vehicleoperationstateswasformulated.atlastcombiningexperimentdataanddrivertypethe relationshipbetweenevaluatedscoreandsafetylevelwasestablished.experimentresultsshow thatthemodelbuiltinthisstudycouldestimatedrivingsafetylevelindiferentdrivingconditions andthemodelprovidesanefectivemethodfordrivingsafetymonitoringandearlywarning. Keywords:traficsafety;evaluation model;factoranalysis;secondarytask driving;vehicle operationestates 次任务驾驶是指行车过程中 驾驶人除了进行控制车辆 保持车道 监控道路状况等主要驾驶任务外 还同时进行与驾驶任务无关或不直接相关的任务如收听广播 接打电话 与乘客交谈等. 次任务驾 驶是导致驾驶人注意力分散的重要原因 已对行车 安全造成了严重威胁 并成为人机工程学和驾驶安 [1] 全领域的重要研究内容. 统计资料表明 因注意 力分散引起的交通事故当中 由驾驶人主动参与次 收稿日期 :2013 07 08 基金项目 : 国家教育部新世纪优秀人才基金项目 (NCET-10-0435); 国家教育部高等学校博士学科点专项科研基金资助项目 (20110061110036); 吉林省科技厅重大项目 (20116017) 作者简介 : 金立生 (1975 ) 男 博士 教授 E-mail:jinls@jlu.edu.cn. 通信作者 : 威化彩 (1983 ) 女 博士 E-mail:xianhcl1@mails.jlu.edu.cn.
增刊 1 金立生等 : 基于车辆运行状态的次任务驾驶安全性评价 183 任务行为引起的事故比例高达 36.4% [2] 因此对次 任务驾驶行为安全性进行研究并建立次任务驾驶安 全性准确评价模型对预防和减少交通事故具有重要 意义. 目前 国内外学者进行的次任务对车辆运行 状态影响研究主要集中于不同类型次任务对方向盘 转角 车辆行驶速度 纵横向加速度 制动加速度和 [36] 制动时间等方面. 缺乏基于车辆运行状态的次 任务驾驶安全性评价模型. 为此 本文利用车载收 音机操作作为次任务 借助驾驶模拟器对正常驾驶 和次任务驾驶过程中的车辆运行状态参数变化规律 进行研究 并以此为基础利用因子分析法建立了基 于车辆运行状态的次任务驾驶安全性评价模型. 1 实验 1.1 实验对象及设备 实验对象为 12 名 (7 男 5 女 平均年龄 26.5 岁 ) 视力正常 驾龄 2a 以上且具有良好驾驶习惯的 驾驶人. 实验所需设备主要包括车载收音机 由奔 腾 B50 型轿车和嵌入式驾驶模拟器组成的实验平 台 该平台由吉林大学智能车辆课题组搭建完成. 驾驶模拟器包括视景成像系统 视景显示装置 控制 系统 数据采集系统及触感模拟系统等部分 并通过 视觉 听觉和触觉等方面的模拟给驾驶人以实车感. 道路环境则通过视景仿真实时三维模型创建软件 MultigenCreator 和 Vega 进行设计并利用投影方 式呈现于车辆前方. 该模拟系统可实现方向盘转角 速度等 30 余项车辆运行参数的同步采集 能较好满足实验要求. 模拟器的采样频率设定为 60Hz. 1.2 实验过程驾驶人对收音机的操作过程从打开收音机开始并将其调到固定频率后结束 操作步骤共分 10 步 道路环境模拟长春至四平双向四车道循环高速公路 以高速公路长春入口为驾驶起点 并在整条高速路上加入自由行驶的 20 辆车 使其均匀分布在道路上 每辆车在不同实验过程中所处的位置和速度一定 以保证每次实验车流量和行驶状态相同. 实验过程主要包括以下 2 个步骤 :1 驾驶人在高速公路环境下模拟正常驾驶 熟练后告知驾驶人次任务操作步骤并进行次任务模拟驾驶 直至能顺利完成所有操作 ;2 以保证安全驾驶为前提 驾驶人需要完成正常和次任务两种状态下的驾驶模拟 若驾驶过程中出现问题 则重新开始. 2 车辆运行状态参数采集 采集的车辆运行状态参数包括速度 加速度 方向盘转角 方向盘转动角速度 车身横摆角 车身横摆角速度 油门开度和制动踏板开度 各参数采用标准差或均值表示 从驾驶人开始次任务操作起到次任务操作完成记录结束. 获得的 12 名驾驶人在正常驾驶 (N) 和次任务驾驶 (S) 下的参数如表 1 所示. 表 1 驾驶人在正常和次任务驾驶状态下的车辆运行状态参数结果 Tab.1 Resultsofvehicleoperationestateparametersfordriversinnormal(N)andsecondarytask (S)drivingconditions 驾驶人编号采集参数任务状态 1 2 3 4 5 6 7 8 9 10 11 12 N 27.99 6.49 10.90 6.51 6.24 19.94 6.64 17.39 3.31 15.21 4.38 5.77 速度标准差 /(m s -1 ) S 7.49 6.06 3.23 3.99 4.87 5.74 7.38 7.28 3.68 9.37 7.20 5.69 N 0.23 0.20 0.22 0.15 0.33 0.19 0.34 0.18 0.10 0.17 0.36 0.14 加速度标准差 /(m s -2 ) S 0.39 0.23 0.24 0.16 0.22 0.16 0.24 0.24 0.07 0.13 0.27 0.20 N 0.19 0.27 0.10 0.10 0.12 0.08 0.36 0.11 0.05 0.07 0.25 0.10 加速度均值 /(m s -2 ) S 0.42 0.46 0.10 0.16 0.68 0.23 0.40 0.43 0.14 0.10 0.33 0.13 N 3.80 2.99 5.89 6.22 5.80 8.67 4.22 6.53 5.23 6.33 5.75 5.96 方向盘转角标准差 /( ) S 4.24 4.15 7.49 6.93 7.23 10.23 7.91 8.79 7.80 10.13 7.16 6.25 N 51.6547.00 70.3062.4756.53 69.6668.33 51.0943.84 49.2155.46 60.04 方向盘转动角速度标准差 /(( ) s -1 ) S 72.3058.31 82.7181.86106.10 77.1969.03 79.18100.60 67.3877.25 63.28 N 1.12 1.55 7.30 4.2911.06 3.74 1.50 6.3414.34 4.33 7.38 19.35 车身横摆角度标准差 /( ) S 3.17 1.99 8.2221.0811.37 3.23 1.55 11.2314.58 4.24 8.43 18.33 车身横摆角速度标准差 /(( ) s -1 ) N 11.33 4.12 9.09 1.92 8.27 3.65 7.46 7.87 4.24 5.33 7.53 9.74 油门开度标准差 /% S 13.34 6.08 11.99 4.3218.16 8.96 7.47 11.47 9.48 11.0211.10 10.56 制动踏板开度标准差 /% N N 0.68 0.62 0.11 0.36 1.08 1.10 1.07 0.09 0.09 0.09 1.06 0.86 0.07 0.08 1.09 0.93 1.42 0.17 0.83 0.94 0.10 0.11 0.75 0.97 S S 0.67 0.82 0.07 0.18 0.88 0.79 1.37 0.08 0.12 0.10 0.83 0.68 0.06 0.08 0.71 1.44 0.69 0.11 1.33 0.87 0.13 0.32 1.11 0.68
184 北京理工大学学报第 33 卷 3 次任务驾驶安全性评价模型构建 3.1 评价指标的确定 次任务驾驶会对车辆运行状态造成影响 但不 同参数受其影响的敏感度不同 需要对采集参数进 行筛选 并将敏感度较强的参数作为次任务驾驶安 全性的评价指标. 为此 研究采用单向方差分析法 (one-wayanova) 对各类参数在不同驾驶过程中 的差异显著性进行检验. 3.1.1 速度 加速度标准差与加速度均值 速度标准差指测量时段内全部采样速度的标准 差 反映测量时段内速度变异性的总体情况. 加速 度标准差则体现了行车环境对驾驶人的影响 刻画 [7] 了车辆操控行为的结果. 通过对正常和次任务驾 驶过程中的数据进行对比分析得出 速度标准差在 正常驾驶 (M =10.89S D =7.63) 和次任务驾驶 (M=5.99S D=1.84) 两种状态下差异显著 F(1 22)=4.68P=0.042<0.050. 而加速度标准差 (N M =0.217S D =0.083;S M =0.212S D = 0.079) 差异性不明显 F (122)=0.028P = 0.868>0.050. 但加速度均值 (N M=0.15S D= 0.09;S M =0.30S D =0.18) 在不同驾驶状态下 差异显著 F=6.26P=0.02. 3.1.2 方向盘转角与转动角速度标准差 车辆横向运动源于驾驶人对方向盘的控制 因 此方向盘转角成为表征车辆横向运动状态的重要指标 [8]. 相同道路环境条件下 方向盘转角变化越大 [9] 驾驶人对车辆的控制能力越弱. 方向盘转角标准 差 (N M =5.62S D =1.46;S M =7.36S D = 1.91;F(122)=6.32P=0.02) 及方向盘转动角速 度标准差 (F(122)=18.56P=0.00) 在正常及次 任务驾驶过程中均存在显著差异. 3.1.3 车身横摆角度与横摆角速度标准差 车身横摆角度 (N M =6.8S D =5.60;S M=8.9S D=6.50;F(122)=0.71P=0.41) 与横 摆角速度标准差 (N M=0.92S D=0.17;S M= 5.62S D=0.28;F(122)=0.19P=0.67) 在正常 和次任务驾驶过程中均无明显差异 受次任务影响 较小. 3.1.4 油门开度与制动踏板开度标准差 油门开度标准差在不同驾驶过程中存在显著差 异 (N M =6.71S D =2.83;S M =10.33S D = 3.57;F(122)=7.56P=0.012) 制动踏板开度差 异性则不够明显 (N M=0.30S D=0.43;S M= 0.22S D=0.23;F(122)=0.35P=0.56). 经上述分析得出 在选取的车辆运行状态参数 中 除加速度标准差 车身横摆角度标准差 车身横 摆角速度标准差及制动踏板开度标准差受次任务驾 驶影响不明显外 其他参数均存在显著差异. 因此 研究选用速度标准差 x 1 加速度均值 x 2 方向盘转 角标准差 x 3 方向盘转动角速度标准差 x 4 及油门 开度标准差 x 55 个车辆运行状态参数作为次任务 驾驶安全性的评价指标. 3.2 基于因子分析法的次任务驾驶安全性评价 模型 因子分析法 (factoranalysis) 是用少数几个因 子来描述许多指标或因素之间的联系 相对于通过 对原始变量进行取舍的方法而言 该方法是根据原 始变量的信息进行重新组构 并以较少几个因子来 反映原资料大部分信息的统计学分析方法. 此外 车辆运行状态部分评价指标间存在较强相关性 比 较适合做因子分析. 因此 研究选用因子分析法对 次任务驾驶安全性进行建模分析. 3.2.1 评价指标相关性检验 因子分析的前提是原变量之间要有较强的相关 性 因此在分析前需要对评价指标进行相关性检验. 本文采用 Bartlet 球形方法和 KaiseṟMeyeṟOlkin (KMO) 方法对评价指标进行检验 [1011]. 经检验 KMO 值为 0.548Bartlet 球度检验给出的相伴概 率为 0.01 小于显著水平 0.05 因此评价指标满足 因子分析条件 适合做因子分析. 3.2.2 因子分析数学模型的建立 假设共有 n 个样本 每个样本有 p 个变量 构 成一个 n p 阶的数据矩阵 X 如式 (1) 所示. éx 11 x 12 x 1p ù ê êx 21 x 22 x 2p X = ê. (1) ê............ ë ê x 81 x 82 x n û p 记 x 1 x 2 x p 为原变量指标 z 1 z 2 z m (m p) 为新变量指标 则其线性组合记为 ìz 1 =l 11x 1 +l 12x 2 + +l 1p x p z 2 =l 21x 1 +l 22x 2 + +l 2p x p í... îz m =l m1x 1 +l m2x 2 + +l mp x p. 该模型具有以下性质 : 1l 2 k1 +l 2 k2 + +l 2 kp =1k=12 p. (2)
增刊 1 金立生等 : 基于车辆运行状态的次任务驾驶安全性评价 185 2 设样本协方差矩阵的特征根为 λ 1 λ 2 λ p > 0 对应的标准正交基为 u 1 u 2 u p 则 u iu j =0 记 z 1 =u 1xz 1 与 z 2 无关 z 2 =u 2x 依次类推. 称 z 1 为第一因子 z 2 为第二因子 z p 为第 p 因子 l ij 为原变量在各因子上的载荷系数. 3 设某个因子的某个特征值占全部特征值合 p 计的比重为贡献率 即贡献率 =λ i 则前 m 个 i=1 m p 因子的累计贡献率为 若 m 个因子的累 i=1 i=1 计贡献率超过 85% 则可认为前 m 个因子基本包含 了原指标的所有信息. 4 第 k 个因子 z k 与原变量 x i 的相关系数 ρ ( z k x i ) 称作因子载荷系数. 3.2.3 次任务驾驶安全性评价模型 根据所建数学模型对两种驾驶过程中的车辆运 行状态评价指标矩阵进行分析 得到各因子贡献率 及累计贡献率如表 2 所示. 表 2 各因子贡献率及累计贡献率 Tab.2 Factorscontributionandcumulativecontribution rates 因子方差贡献率 /% 累计贡献率 /% z1 44.724 44.724 z2 23.270 67.993 z3 19.116 87.110 z4 7.775 94.885 z5 5.115 100.000 从表 2 可见 前 3 个因子的累计贡献率达到了 87.11% 即前 3 个因子涵盖了所有信息的 87.11% 因而取前 3 个因子. 各因子得分系数如表 3 所示. 表 3 各因子得分系数 Tab.3 Coeficientoffactorscore 评价参数 Z1 Z2 Z3 x1 0.132 0.045 0.925 x2 0.516-0.306-0.110 x3-0.165 0.731 0.068 x4 0.222 0.357-0.132 x5 0.507 0.081 0.286 则不同因子对应的函数为 ì Z 1 =0.132zx 1 +0.516zx 2-0.165zx 3 + 0.222zx 4 +0.507zx 5 Z 2 =0.045zx 1-0.306zx 2 +0.731zx 3 + í 0.357zx 4 +0.081zx 5 Z 3 =0.925zx 1-0.11zx 2 +0.068zx 3 - î 0.132zx 4 +0.286zx 5. (3) 其中 zx 1-zx 5 为评价参数 x 1-x 5 的标准化变量. 以各因子贡献率为权值 构建出基于车辆运行状态 的次任务驾驶安全性评价综合模型为 Z=0.447Z 1 +0.233Z 2 +0.191Z 3. (4) 将标准化的数据带入式 (4) 可以得到车辆运行 状态评价得分如表 4 所示. 表 4 驾驶人在不同驾驶状态下的评价得分 Tab.4 Evaluationscorefordriversindiferentdriving 驾驶人编号 conditions 正常驾驶评价得分 驾驶安全等级 次任务驾驶评价得分 驾驶安全等级 1 0.104 一般 0.038 一般 2-0.954 高 -0.253 高 3-0.003 高 0.22 低 4-1.110 很高 -0.563 高 5-0.467 高 2.174 很低 6-0.118 高 0.237 低 7-0.084 高 0.186 低 8-0.061 高 0.860 低 9-1.360 很高 0.276 低 10-0.541 高 0.300 低 11-0.453 高 0.564 低 12-0.305 高 -0.106 高 通过表 4 可以看出 正常驾驶比次任务驾驶评 价得分普遍较低 证明利用因子分析法所建评价模 型能有效区分驾驶人的行车安全性. 虽然也存在少 数驾驶人 ( 如 2 4 和 12 号 ) 的次任务驾驶状态评价 得分较低 但该类驾驶人在不同驾驶状态下的得分 差异性仍较大. 此外 2 4 和 12 号驾驶人属于驾驶 谨慎类型且驾驶经验丰富 评价得分较低则说明驾 驶人即使在次任务状态下也能较好地保证行车安 全. 因此 综合评价模型得分和驾驶人类型差异 将 得分区间 (-2-1](-10](00.2](0.22] 和 (23] 的安全性水平分别归为 { 很高 高 一般 低 很低 }5 个不同等级.12 名驾驶人在不同驾驶状 态下的驾驶安全等级如表 4 所示. 为验证模型的有效性和适用性 以手机操作作 为次任务 ( 操作步骤共 8 步 ) 选取 8 名驾驶人分别 进行正常和次任务模拟驾驶 将采集的 5 类评价参 数标准化后的数据代入安全性评价模型 并得出相 应的评价得分. 验证结果显示 所建模型仍能较准 确判断出不同驾驶状态下的行车安全性 具有良好 的适用性. 4 结论 基于驾驶模拟器对正常和次任务驾驶过程中的
186 北京理工大学学报第 33 卷 车辆运行状态参数进行了采集 利用单向方差分析法完成了不同驾驶状态下的各类参数差异显著性检验 确定了次任务驾驶安全性评价指标体系. 利用因子分析法提取出 3 类因子作为评价模型因素 建立了各评价指标对因子影响的权重系数矩阵 构建出次任务驾驶安全性评价模型. 综合驾驶人类型因素 确定了评价得分与驾驶安全等级间的数量关系. 结果表明 所建模型能对驾驶人的不同驾驶状态进行有效区分 并能准确判断驾驶危险程度 为行车安全性的监测和预警提供了一种有效判定依据. 尽管所建模型能对次任务驾驶安全性进行有效评价 但研究选取的次任务仅包含收音机和手机操作 样本数量亦有限 因此 如何进一步提高评价模型准确性并扩大其适用范围是今后需要研究的问题. 参考文献 : [1]BecicEnsarManserMichaelDruckerChristopheret al. Aging and the impact of distraction on an intersection crossing assist system [J]. Accident Analysis& Prevention201250:968 974. [2]Jin LishengNiu Qingning Hou Haijingetal.A pedestriandetectionmethodusing3dlaserscanner[j]. InformatioṉAnInternationalInterdisciplinaryJournal 201215(12A):5481 5490. [3]CairdJKChisholm SLockhartJ.Theefectofiṉ vehicleadvancedsignsonolderandyoungerdrivers iṉ tersectionperformance[j].human Computer2008 66:132 144. [4]SonJLeeYKim M H.Impactoftraficenvironment andcognitive workload on older drivers behaviorin simulateddriving[j].internationaljournalofprecision Engineeringand Manufacturing2011(12):135 141. [5]Jin Lisheng Xian Huacai Hou Haijing et al. Analyzingefectsoftoucẖscreenondrivingperformance [J].TransactionsofBeijingInstituteof Technology 201232(12):6 10. [6]SalvucciD D.Rapidprototypingandevaluationofiṉ vehicleinterfaces[j].acm TransactionsonComputeṟ HumanInteraction200916:1 933. [7]SalvucciDDBeltowskaJ.Efectsofmemoryrehearsal on driver performance: experiment and theoretical account[j].humanfactors2008250:834 844. [8]HouHaijingJinLishengNiuQingningetal.Driver intentionrecognition method using continuous hidden Markov model [J ]. International Journal of Computational Inteligence Systems 20114 (3): 386 393. [9]JiangYuyingWuYazhenJinLishengetal.Driverin atention monitoring system based on machine vision [J]. InformatioṉAn International Interdisciplinary Journal201215(12A):5491 5498. [10] 郭应时. 交通环境及驾驶经验对驾驶员眼动和工作负荷影响的研究 [D]. 西安 : 长安大学车辆工程系 2009: 36 39. GuoYingshi.Studyonefectsoftraficenvironment anddrivingexperienceondriver seye movementand workload[d].xi an:automobile ColegeChang an University2009:36 39.(inChinese) [11]Schomig NMetzBKruger H P.Anticipatoryand controlprocessesin theinteraction with secondary taskswhiledriving[j].transportation ResearchPart F-Trafic Psychology and Behavior201114:525 538. ( 责任编辑 : 刘芳 )