汽車緊急避讓情況下駕駛員心理負荷的研究*

劉英杰，趙又群，陳雪梅

(1.濰坊學院機電與車輛工程學院，濰坊 261061； 2.南京航空航天大學能源與動力學院，南京 210016；3.北京理工大學機械與車輛工程學院，北京 100081)

?

2015187

汽車緊急避讓情況下駕駛員心理負荷的研究*

劉英杰1,2，趙又群2，陳雪梅3

(1.濰坊學院機電與車輛工程學院，濰坊 261061； 2.南京航空航天大學能源與動力學院，南京 210016；3.北京理工大學機械與車輛工程學院，北京 100081)

為從車輛行駛安全的角度出發，揭示緊急避讓情況下駕駛員心理負荷的變化，利用動態心電分析儀、Frecord數據采集系統和動態GPS，進行緊急避讓情況下駕駛員生理反應的試驗。基于多元線性回歸統計方法，對試驗數據進行擬合，建立了同一車道上汽車距前方障礙物距離、汽車行駛速度、緊急制動時最大制動踏板速度、為避障而突然轉向時最大轉向盤角速度和駕駛員心率變化量之間的多元線性回歸模型，對諸參數之間的關系進行了分析。結果表明，車距障礙物距離對最大轉向盤角速度和最大制動踏板速度的影響大于汽車行駛速度的影響，且隨著行車速度的增加和車距障礙物距離的減小，駕駛員心理負荷增大。

汽車；緊急避讓；多元線性回歸；駕駛員；心理負荷

前言

交通事故發生率居高不下，早已引起汽車行業的廣泛關注。

駕駛員的行為被認為是從駕駛員感官信息到駕駛員操縱的映射，例如轉向、制動或轉向-制動相結合的操縱方式[1-4]。當遇到緊急情況時，駕駛員往往處于緊張狀態，這時駕駛員的操縱準確性大為降低，嚴重影響車輛的行駛安全。通常情況下，車與障礙物之間的距離越近，車輛行駛速度越高，駕駛員操縱汽車的緊張程度就會越大。緊急情況下駕駛員準確的操縱行為對于保證交通安全具有重要意義[5-10]。

文獻[11]和文獻[12]中建立了包括車輛與障礙物之間的距離、車輛行駛速度、緊急情況下駕駛員生理反應變化量等因素的混合效應模型，分別對駕駛員轉向行為和制動速度與生理反應間的關系進行了研究。

但在緊急避讓情況下，駕駛員心理負荷與駕駛員轉向行為和車輛制動速度是相互關聯的。因此有必要對這三者之間的關系進行研究。

回歸分析是現代應用統計學的一個重要分支，是研究事物間量變規律的一種科學方法。它研究一個因變量與一個或多個解釋變量之間的相互依存關系，并估計或預測解釋變量對因變量的影響，是研究變量之間非確定關系的多元統計分析方法。回歸分析不僅能夠分析解釋變量對因變量影響的大小，還可以通過回歸方程對因變量進行預測和控制[13]。

本文中基于多元線性回歸分析方法，分別建立車輛緊急避讓情況下最大轉向盤角速度與車距障礙物距離和行車速度之間的線性回歸模型、最大制動踏板速度與車距障礙物距離和行車速度之間的線性回歸模型、駕駛員心理負荷與最大轉向盤角速度和最大制動踏板速度之間的線性回歸模型，并進行分析研究。

1 多元線性回歸模型的基本理論

多元線性回歸模型[14]為

y=Xβ+e

(1)

式中：y為n×1的觀測向量；X為n×p的設計矩陣；β為未知參數向量；e為n×1隨機誤差向量。

參數向量β的估計值為

(2)

為了方便地進行模型的參數估計，通常對式(1)做如下假設。

(1) 自變量x1,x2,…,xp是確定性變量，不是隨機變量，且要求rank(X)=p+1

(2) 隨機誤差項具有0均值和等方差，即

(3)

式中：ei為對應的隨機誤差；σ2為方差。

(3) 正態分布的假定條件為

e～N(o,σ2In)

(4)

式中：o為零矩陣；In為n階單位矩陣。

由以上假設和多元正態分布的性質可知，隨機向量y遵從n維正態分布，即

y～N(Xβ,σ2In)

(5)

2 多元線性回歸模型的建立

2.1 緊急避讓試驗設計

2.1.1 試驗基本要求

研究路段要選擇易于設置突發場景的路段；突發事件的設置要盡可能地逼近真實；障礙物的形狀和狀態要參考相應文獻精心設計；測量車輛操縱指標要盡可能選用精度高的傳感器，并要保證各個信號采集同步；要選擇身體健康、反應正常和技術較熟練的駕駛員作為測試樣本。

2.1.2 緊急避讓試驗方案

采用的道路如圖1所示。在距長直路段與曲線路段銜接中點分別為40，50，60和70m的車道中心處放置固定障礙物，固定障礙物為長1m、寬0.5m和高1.5m的紙箱。由于直線路段與曲線路段的銜接點旁邊種植很多樹木，影響了駕駛員的視野，是產生突發場景的理想地點。設定初始行駛車速分別為40，50，60，70和75km/h。因為試驗場地比較開闊，為制造突發場景采用試驗人員與駕駛員聊天的方式人為干擾駕駛員的注意力獲得突發狀況。

2.2 試驗數據的獲取

選取8位有一定駕駛經驗的駕駛員在緊急狀況下進行駕駛行為試驗，試驗框圖如圖2所示。測量得到不同的車距障礙物之間的距離和車輛行駛速度條件下的駕駛員心率變化量、緊急制動時最大制動踏板速度和突然轉向時最大轉向盤角速度的變化，如表1所示[12,15]。

2.3 多元線性回歸模型

2.3.1 最大轉向盤角速度與車距障礙物距離和行車速度線性回歸方程

分別繪制最大轉向盤角速度與車距障礙物距離和最大轉向盤轉角與行車速度關系圖，如圖3和圖4所示。由圖可見，最大轉向盤角速度與車距障礙物距離和最大轉向盤轉角與行車速度之間的關系近似為一條線性相關的直線，這說明采用多元線性回歸方法進行定量分析是可行的。

表1 駕駛員心率增量、車距障礙物距離和車輛行駛速度部分試驗數據

用統計分析軟件SPSS進行分析。表2～表4分別為回歸方程擬合度檢驗結果、方差分析結果和多元線性回歸系數結果。

表2 最大轉向盤角速度隨行車速度和車距障礙物距離變化回歸方程擬合度檢驗結果

表4 最大轉向盤角速度隨行車速度和車距障礙物距離變化多元線性回歸系數結果

由表4可知，最大轉向盤角速度變化量y1對自變量車距障礙物距離x11和行車速度x12的線性回歸經驗方程為

(6)

因式(6)為經驗方程，故還須進行回歸方程顯著性的F檢驗和回歸系數顯著性的t檢驗。

當F>Fα(p,n-p-1)時，拒絕原假設，即認為在顯著水平α下，y1對x11和x12有顯著的線性關系，也即回歸方程是顯著的。也可以根據P值檢驗，表3中的Sig就是P值。P值與F值的關系為P(F>F值)=P值[13]，即F>167.974的概率為0，P值越小，F值越大；P值越大，F值越小。當P值<α時，回歸方程是顯著的，否則認為回歸方程不顯著。

利用表3中的Sig即P值，對回歸系數x11和x12的顯著性進行檢驗。它與t值的關系為P(|t|>|t值|)=P值。當P值≤α時，|t值|≥tα/2，此時認為該自變量與因變量之間有顯著線性關系，否則，認為自變量的變化對因變量沒有影響。

假設顯著水平α=0.05，即認為“自變量全體對因變量y產生線性影響”這一結論錯誤的概率不超過5%。由上述分析及表3和表4的結果可知，最大轉向盤角速度y1對自變量車距障礙物距離x11和行車速度x12的線性回歸方程為

y1=355.40-5.627x11+4.203x12

(7)

由式(7)可以看出：在車距障礙物距離x11不變的情況下，行車速度x12增大，最大轉向盤角速度隨之呈直線關系增加，即駕駛員急于擺脫環境變化帶來的危險，忙碌程度越大；在行車速度x12不變的情況下，車距障礙物距離x11增加，最大轉向盤角速度隨之呈直線關系減小，即駕駛員忙碌程度減小。并且可以看出，車距障礙物距離x11對最大轉向盤角速度影響較大。

2.3.2 最大制動踏板速度與車距障礙物距離和行車速度線性回歸方程

分別繪制最大制動踏板速度與車距障礙物距離和行車速度關系圖，如圖5和圖6所示。由圖可見，最大制動踏板速度與車距障礙物距離和行車速度之間的關系近似為一條線性相關的直線，因此可采用多元線性回歸方法進行定量分析。

用統計分析軟件SPSS進行分析。表5～表7分別為回歸方程擬合度檢驗結果、方差分析結果和多元線性回歸系數結果。

假設顯著水平α=0.05。由表6和表7的結果可知，最大制動踏板速度變化量y2對自變量車距障礙物距離x21和行車速度x22的線性回歸方程為

y2=450.43-4.159x21+2.948x22

(8)

表5 最大制動踏板速度隨行車速度和車距障礙物距離變化回歸方程擬合度檢驗結果

表6 最大制動踏板速度隨行車速度和車距障礙物距離變化方差分析結果

表7 最大制動踏板速度隨行車速度和車距障礙物距離變化多元線性回歸系數結果

由式(8)可以看出：在車距障礙物距離x21不變的情況下，行車速度x22增大，最大制動踏板速度隨之呈線性關系增加；在行車速度x22不變的情況下，增大車距障礙物距離x21，最大制動踏板速度隨之呈線性關系減小。并且可以看出，車距障礙物距離x21對最大制動踏板速度影響較大。

2.3.3 心率變化量與最大制動踏板速度和最大轉向盤角速度線性回歸方程

分別繪制駕駛員心率變化量與最大制動踏板速度和最大轉向盤角速度關系圖，如圖7和圖8所示。由圖7和圖8可以看出，駕駛員心率變化量與緊急制動時的最大制動踏板速度和突然轉向時的最大轉向盤角速度之間的關系近似為一條正相關的直線，這說明可采用多元線性回歸方法進行定量分析。

用統計分析軟件SPSS進行分析。表8～表10分別為回歸方程擬合度檢驗結果、方差分析結果和多元線性回歸系數結果。

表8 心率變化量隨最大制動踏板速度和最大轉向盤角速度變化回歸方程擬合度檢驗結果

表9 心率變化量隨最大制動踏板速度和最大轉向盤角速度變化方差分析結果

表10 心率變化量隨最大制動踏板速度和最大轉向盤角速度變化多元線性回歸系數結果

假設顯著水平α=0.05。由表9和表10的結果可知，心率變化量y對自變量最大制動踏板速度x1和最大轉向盤角速度x2的線性回歸方程為

y=6.704+0.019x1+0.036x2

(9)

由式(9)可以看出：在最大制動踏板速度x1不變的情況下，最大轉向盤角速度x2增大，駕駛員心率變化量隨之呈線性關系增加，即駕駛員心理負荷越大；在最大轉向盤角速度x2不變的情況下，最大制動踏板速度x1增加，駕駛員心率變化量隨之呈線性關系增加，亦即駕駛員心理負荷越大。并且可以看出，最大轉向盤角速度x2對駕駛員心率變化量影響較大。

3 結論

(1) 在緊急避讓情況下，制動踏板速度和轉向盤角速度都反映出駕駛員心率即駕駛員心理負荷的變化。相對于最大制動踏板速度，最大轉向盤角速度的變化對駕駛員的心理負荷影響作用較大。

(2) 一定行車速度條件下最大制動踏板速度和最大轉向盤角速度與車距障礙物距離呈負相關的線性函數關系；一定車距障礙物距離條件下最大制動踏板速度和最大轉向盤角速度與行車速度呈正相關的線性函數關系。

(3) 車距障礙物距離、行駛車速對轉向盤角速度具有明顯影響作用，且車距障礙物距離對轉向盤角速度的影響作用大于行車速度對轉向盤角速度的影響作用。

(4) 本文中提供的方法可以定量地分析緊急避讓情況下駕駛員心理負荷與各影響因素之間的關系，也可為分析駕駛員對行車緊急程度的主觀評價奠定基礎。

[1] Morita K, Mashiko J, Okada T. A Study on Delay in Braking Operation when Drivers Looking Aside from Road Ahead[J]. Trans. Soc. Automotive Eng. Japan,2002,33(3):161-166.

[2] Takubo N, Fujioka T. Analysis of Glance Away in Driving[J]. Trans. Soc. Automotive Eng. Japan,2003,34(2):107-112.

[3] Lin C T, Wu R C, Liang S F, et al. EEG-based Drowsiness Estimation for Safety Driving Using Independent Component Analysis[J]. IEEE Transaction on Circuits and Systems,2005,52(12):2726-2738.

[4] José E Naranjo, Carlos González. Lane-Change Fuzzy Control in Autonomous Vehicles for the Overtaking Maneuver[J]. IEEE Transactions on Intelligent Transportation Systems,2008,9(3):438-450.

[5] Sun Li, Fang Liang, He Guoping. An Active Strategy Based on the Multiplier Function or the Gradient[J]. Application of Mathematics,2010,55(4):291-304.

[6] 李克強,王躍建,高峰.基于ITS的行車安全輔助系統[J].江蘇大學學報,2005,26(4):294-297.

[7] 王昊.汽車視野安全的研究進展[J].江蘇理工大學學報(自然科學版),2001,22(2):46-50.

[8] 劉英杰,趙又群,許健雄,等.基于Gauss偽譜法的緊急避讓汽車操縱逆動力學[J].機械工程學報,2012,48(22):127-132.

[9] Chris L, Mohamed A A. Presence of Passengers: Does It Increase or Reduce Driver’s Crash Potential[J]. Accident Analysis and Prevention,2008,40(5):1703-1712.

[10] Jessica S, Jermakian. Crash Avoidance Potential of Four Large Truck Technologies[J]. Accident Analysis and Prevention,2012,49:338-346.

[11] 陳雪梅,魏中華,高利.駕駛員轉向行為與生理反應的混合效應模型[J].北京工業大學學報,2009,35(2):230-234.

[12] 陳雪梅,高利,魏中華.緊急避障時駕駛員制動操縱特性研究[J].北京工業大學學報,2007,33(6):603-607.

[13] 劉順忠.數理統計理論、方法、應用和軟件計算[M].武漢:華中科技大學出版社,2005.

[14] 王松桂,陳敏,陳立萍.線性統計模型[M].北京:高等教育出版社,1999.

[15] 陳雪梅,魏中華,高利.駕駛員制動速度與生理反應的混合效應模型[J].江蘇大學學報,2008,29(3):214-217.

A Research on Driver’s Psychological Burden Under theCondition of Vehicle Emergent Obstacle Avoidance

Liu Yingjie1,2, Zhao Youqun2& Chen Xuemei3

1.SchoolofMechanical-ElectronicandVehicleEngineering,WeifangUniversity,Weifang261061; 2.CollegeofEnergyandPowerEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016; 3.SchoolofMechanicalEngineering,BeijingInstituteofTechnology,Beijing100081

To reveal the change in driver’s psychological burden under the condition of emergent obstacle avoidance, starting from the angle of vehicle operation safety, tests on driver’s physiological responses under emergent obstacle avoidance are conducted by using Holter monitor, Frecord data collection system and dynamic GPS. Based on multivariate linear regression statistics, test data are fitted to get the multivariate linear regression models of driver’s heart rate variation against the distance between vehicle and front obstacles in the same lane, vehicle speeds, the maximum braking pedal velocity and the maximum steering wheel angular velocity with the relationships between parameters analyzed. The results indicate that the distance between vehicle and obstacle has larger effects on the maximum steering wheel angular velocity and the maximum braking pedal velocity than vehicle speed has, and the driver’s psychological burden increases with the rise in vehicle speed and the reduction in distance between vehicle and obstacle.

vehicle; emergent obstacle avoidance; multivariate linear regression; driver; psychological burden

*國家自然科學基金(11072106)資助。

原稿收到日期為2013年9月25日，修改稿收到日期為2014年4月17日。