基于BP網絡的駕駛員黃昏空間距離判識規律＊

趙煒華 劉浩學 陳 昊

（長安大學汽車學院 西安 710064）

交通事故日發生規律統計顯示，黃昏時段交通事故多發［1］.交通事故發生因素的相關研究表明，駕駛員因素起主要作用，占發生事故的80%以上.駕駛員在駕駛車輛過程中，感知道路交通信息，是駕駛行為和決策的基礎［2］.在駕駛員事故致因中，感知失誤占42%，判斷失誤占36%.而對于駕駛員感知信息的方式研究又表明，無論采用上行模式還是下行模式獲取交通信息，90%以上信息感知來自于視覺［3－5］.由此可見，視覺特征的相關研究，對于改進駕駛員行車安全具有重要意義.在以前相關研究中，對于黃昏交通事故的成因分析，多集中于暗適應的影響［6］.在道路交通標志設置中，針對黃昏時段環境照度不斷下降，而人眼對藍色光波長的光線最為敏感，且視認性最高的特性，進行交通標志的顏色設計.相關文獻研究了晝間動態環境中紅、綠色障礙物隨著速度變化，空間距離判識及差異的數量關系［7－8］.但隨著黃昏時段環境照度不斷下降，駕駛員對于距離判識會如何變化，對駕駛員行車策略有何影響等問題，仍未可知.在駕駛員信息加工過程研究中，由于神經學和生理學限制，且人工神經網絡具有強大的學習功能，可以比較輕松的實現非線性映射過程，尤其是可在信息處理模式未知情況下可分析相互關系，使得對于生物神經的模擬研究應用逐漸增多［9－10］.本文力圖通過實際道路試驗，獲取神經網絡學習樣本，運用3層BP神經網絡，模擬駕駛員在黃昏時段，判識空間距離隨環境照度下降而變化的定量規律，分析其對于駕駛行為和交通安全的影響.

1 實驗設計與被試選擇

1.1 試驗設計

依據費希納定理可知，感知差異與物理量差異，呈非線性的關系.因此，試驗環境照度在多次準備試驗的基礎上，根據多人次判識差異聚類分析，確定正式試驗環境照度.結果分別為3000，2000，1000，500，200，50，10，2，0.6lx等9個照度值.試驗均在設計照度下進行，并嚴格控制試驗步驟［11］.試驗現場設計如圖1所示.

1）試驗道路為1100m 直線路段，方向為東西走向；試驗時間區段為18：30～20：00時，天氣晴或多云.

圖1 試驗現場設計

2）在車輛行駛深度方向，辨識點與第一障礙物的距離，按近距離（25m）、中等距離（75m）、遠距離（125m）3種狀況設置，兩個障礙物之間的相對距離始終為40m 不變，被試分別對3組深度距離不同的障礙物進行判識.

3）被試在未知實際距離情況下，判識障礙物的空間距離.開始時，車輛位于判識標桿處，被試駕駛員坐入駕駛座，并保持駕駛姿態.被試判識同一環境中的絕對空間距離X（車頭與第一判識點障礙物距離）和兩障礙物之間的相對距離Y，分別直接報出X 和Y 的主觀判識數值.除直接報出距離數值外，要求每位駕駛員試驗結束后，對每組判識過程進行系統描述.

4）試驗車輛為福特全順JX6541B－H 型，前風擋玻璃無遮擋物影響；道路障礙物尺寸為0.5m×0.5m×1.3 m，顏色選用暖色調的紅色和冷色調的綠色；環境照度用LX1330B型數字照度計測試.

1.2 被試選擇

被試駕駛員按照隨機性原則選取，并注意相關因素的影響，共選取不同行業、不同駕駛經歷、不同職業、不同年齡和不同駕齡的32名男性駕駛員.要求駕駛年限均超過5 年駕齡，持有B 照以上駕駛執照.視覺機能正常，技術嫻熟，且有良好的駕駛習慣，無生理缺陷和重、特大事故經歷.被試基本情況如表1所列.

表1 被試駕駛員基本情況分類表

2 試驗結果

將全部被試在不同試驗條件下獲得的距離判識結果，分別進行配對T 檢驗，以分析顏色對判識結果的影響.檢驗結果表明，黃昏時隨著環境照度下降，不同顏色障礙物距離判識差異顯著；隨著深度距離增加，不同顏色障礙物距離判識差異顯著.取不同判識條件下被試判識結果平均值，作為駕駛員距離判識特征值.因紅、綠顏色障礙物的判識差異顯著，分別建模對所獲判識結果進行分析.

3 判識距離變化規律

1）模型結構 基于距離判識結果，利用BP神經網絡，建立駕駛員黃昏空間距離判識模型.模型采用3層前向BP 神經網絡，輸入層為照度和深度距離，共2 個神經元；對于模型隱含層神經元，絕對距離判識模型中紅色障礙物為15個神經元，綠色為17個神經元；紅、綠色相對距離模型隱含層均為14 個神經元；輸出層為空間距離判識值，僅有1個神經元.

2）模型算法 隱含層的神經元均采用正切tansig函數作為傳遞函數，將輸入值進行歸一化處理.輸出層的神經元采用logsig函數，訓練函數考慮網絡泛化能力，選取了trainbr函數.訓練步數為2000，調整比率為0.5，學習誤差設置為不超過0.1%.

4 模型訓練及模擬

4.1 黃昏距離判識模型訓練及檢驗

利用實驗方案中的環境照度和深度距離為輸入量，駕駛員距離判識平均量為輸出指導值，訓練BP神經網絡模型，模擬判識距離變化.再將判識數據和試驗設計值作為網絡測試樣本，檢驗數據擬合程度.模型經過學習樣本的訓練，得到滿足誤差要求的權值和閾值，并將其保存到模型中，作為模型的參數，然后用該模型進行判識距離模擬.經檢驗，模型對判識數據擬合程度非常好，指導值與模型檢驗結果之間差異在有限范圍內.

4.2 黃昏距離判識變化模擬

利用訓練好的模型，模擬計算不同深度距離下絕對距離判識值，其結果如表2所列.

采用相同處理方法，可獲得判識相對距離隨深度距離和環境照度的變化趨勢，其結果如表3所列.

表2 黃昏判識絕對距離模擬結果

表3 黃昏判識相對距離模擬結果

計算結果所得判識距離大于白天判識距離，變化趨勢與被試對空間距離感知變化的總結性描述一致，模擬結果可信.

黃昏時段隨著環境照度不斷下降，車輛行駛方向上相同深度距離判識值逐漸增大，造成駕駛員對于車輛運行狀態安全性主觀感受大于實際水平，因此駕駛員易采用高于實際允許的行車速度或更小的跟車距離，誘發交通事故.同時駕駛員在黃昏空間距離辯識變化規律的定量研究，不僅對于車輛跟馳模型建立、事故勘查、駕駛行為模擬和駕駛員指導培訓具有重要意義，而且對于特殊氣候條件下行車安全和工程實踐應用具有重要作用.

5 結 論

1）在黃昏時段，判識距離大于實際距離，隨著環境照度的不斷下降，判識空間距離進一步增大.

2）在黃昏時段，隨著深度距離增加，判識距離也逐漸增大，與實際距離的差異也逐漸增大，但相對距離判識準確性高于絕對距離.

3）黃昏時段紅、綠色障礙物引起的判識距離存在差異，綠色判識距離大于紅色.

4）黃昏駕車時，駕駛員須降低車速或增大跟車距離，以保障足夠的碰撞接觸時間.

［1］黃 俊，方守恩，白玉瓊.道路交通事故的時間分布［J］.公路交通科技，2004，21（9）：112－116.

［2］袁 偉，付 銳，郭應時，等.汽車駕駛人感知－決策－行為模式［J］.長安大學學報：自然科學版，2007，27（3）：80－83.

［3］劉浩學，劉晞柏.交通心理學［M］.西安：陜西省科學技術出版社，1992.

［4］周榮剛，張 侃.多參照系條件下信息獲取方式對絕對方位判斷的影響［J］.心理學報，2008，40（11）：1137－1148.

［5］LEE D N.A theory of visual control of braking based on information about time－to－collision［J］.Perception，1976（5）：437－459.

［6］WANG Wenqun，CHEN Haibo，BELL M C.A review of traffic incident duration analysis［J］.Journal of Transportation Systems Engineering and Information Technology，2005，5（3）：127－140.

［7］劉浩學，趙煒華.駕駛員晝間動態環境暖色調障礙物空間距離判識規律［J］.交通運輸工程學報，2009，9（2）：105－109.

［8］趙煒華，劉浩學.色調對晝間動態環境中駕駛員空間判識的影響［J］.長安大學學報：自然科學版，2009，29（5）：90－94.

［9］DUNCAN J，HUMPHREYS G W.Visual search and stimulus similarity［J］.Psychological Review，1989，96：433－458.

［10］賈林祥.試析認知心理學的三種研究取向及其未來發展［J］.徐州師范大學學報：心理學和科學版，2005（3）：114－117.

［11］艾森克M W，基恩M T.認知心理學［M］.高定國，譯.上海：華東師范大學出版社，2008.