典型行人事故場景搭建及駕駛人應激反應試驗研究

牛增良 孟德宇 王光耀

（中國汽車技術研究中心有限公司，天津 300300）

主題詞：行人事故 場景 駕駛人 應激反應 駕駛模擬器

1 前言

根據中國交通事故深入研究（China In-Depth Accident Study，CIDAS）的統計數據，車輛與弱勢交通參與者的事故呈快速增長趨勢，其中車輛與橫穿行人事故占比較高。因此，研究駕駛人在典型行人事故場景下的心理反應，即駕駛人應激反應特性，進一步探索將心率增長率和低頻段心率變異性頻率值（又稱為“心率變異性LF 值”）作為高級駕駛輔助系統（Advanced Driving Assistance System，ADAS）開發需求的評判指標具有重要意義。近年來，美國、歐洲、日本等加強了交通事故發生時駕駛人的生理特征研究，并研制出了基于心率、皮電反應、肌張力等生理指標的駕駛人特征分析系統。J.Zhai等人以實車為試驗平臺，通過在能引起不同應激水平的各類道路上行駛，對駕駛人的一些生理信號的變化情況進行了研究，結果表明，皮電反應和心率與駕駛人的應激水平密切相關[1]；David Crundall 等人利用FarosGB3 Simulator 駕駛模擬平臺研究了一種駕駛訓練方式，即在模擬駕駛訓練過程中口頭提示潛在危險，研究發現，該方法可以有效提高駕駛人危險預見能力[2]；Jongen等人對低年齡、低駕齡的新手駕駛人控制不相關刺激的能力進行了研究，通過STISIM M400型駕駛模擬平臺，在虛擬的程序環境中構造了12 個實際駕駛過程中可能會遇到的應激場景[3]；長安大學的吳初娜使用MultiGen Creator 三維建模軟件，在Microsoft Visual Studio集成開發環境下，利用OpenSceneGraph 圖形引擎和Newton物理引擎設計建立了14個危險突發事件應激場景，通過駕駛模擬器試驗研究了駕駛人應激反應能力評估算法，并將駕駛人應激反應能力劃分為3個等級[4]。

探索中國行駛工況下的ADAS開發需求，對駕駛人的應激響應特性研究有現實需要。本文采用真實事故數據在駕駛模擬器中仿真開展應激反應特性研究。

2 典型行人事故場景選取及應激特性分析

2.1 典型行人事故場景選取

從CIDAS 數據庫樣本中抽取了極具代表性的兒童橫穿道路交通事故作為研究對象，交通事故現場勘查情況和現場平面示意圖如圖1、圖2 所示，由于未看到右前方突然出現的兒童，車輛右前輪將其碾壓并造成嚴重傷害。

圖1 交通事故現場勘查照片

圖2 交通事故現場平面示意

2.2 駕駛人應激反應指標選取

駕駛人應激響應是指駕駛人在駕駛活動中主觀感受到的，并且可以進行測量的對刺激的內、外綜合反應。研究表明：在應激狀態下，駕駛人感知、判斷決策和操作等方面的能力均在一定程度上減弱[5]；興奮、緊張等工作負荷都能夠喚醒植物神經系統中的交感神經系統，從而引起心率、血壓、呼吸頻率、皮電反應等生理指標的異常反應[6]。

工作負荷的評價有主觀評價和客觀生理評價兩種方法。主觀評價法的缺點在于需要被試者有較強而敏感的記憶力，且被試者的掩飾行為會影響評價結果。

相較于主觀評價法，客觀生理評價中的心率和心率變異性能很好地反映駕駛人在應激狀態下心理負荷增加時心理緊張的程度。很多學者將心率和心率變異性綜合起來研究，Mulder等通過研究發現[7]，隨著個人的心理負荷增加，即心率變異性減小時，人體的心率會提高。故本文選取心率和心率變異性評價駕駛人在應激狀態下心理緊張程度。

心率增長率能真實表征駕駛人行車時的生理變化程度，故將其作為心率的評價指標。由于本文主要研究駕駛人在應激狀態下的生理變化特性，它與駕駛人的心理負荷關系最為緊密，心率變異性頻域分析較時域分析更精確、定量性更強，因此采用低頻段心率變異性頻率值為心率變異性的評價指標。

3 典型行人事故場景搭建

3.1 駕駛人應激反應試驗平臺

本文采用駕駛模擬器作為駕駛人應激反應試驗平臺，它可以實時采集操作數據，如圖3所示，駕駛模擬器硬件系統組成如圖4所示。

圖3 應激反應特性試驗平臺

圖4 駕駛模擬器硬件系統組成

3.2 場景復現流程

本文采用Creator 作為系統的仿真建模軟件平臺，利用Creator 完成城市道路交通環境條件下仿真模型數據庫[8]的建立。由于其中的三維模型都是靜態的，本文結合Newton 物理引擎和OpenSceneGraph 圖像渲染引擎，基于Microsoft Visual Studio集成開發創建應激場景，流程如圖5所示。

圖5 三維交通應激場景的創建流程

3.3 典型行人事故場景設計

3.3.1 交通事故場景建模

首先，使用Creator 對道路、建筑物、車輛以及場景點綴物進行網格構建，如圖6 所示。然后，對所建立的網格模型進行紋理添加操作，如圖7所示。建立車輛三維模型，并將其導入圖形仿真系統。該系統根據汽車動力學和駕駛人操作數據等參數計算出車輛運行狀態，最后對所得場景進行渲染。

圖6 車輛模型的網格構建

圖7 車輛網格紋理

3.3.2 交通事故情景復現

自車行駛在雙向2車道的城市道路上，道路旁設置有停車位且停有車輛，在本車及對向車道設計有自行行駛的車輛。試驗開始后，兒童從自車前方右側的停車位突然出現橫穿馬路。將上述場景在Creator 軟件中建立模型并加載到駕駛模擬器，如圖8所示。在危險情況出現前設有平穩駕駛階段，使駕駛人適應仿真環境。

圖8 行人交通事故場景復現

4 駕駛人應激反應試驗

4.1 試驗設計及被試人員選取

設置2組對照試驗，分別考察同一車速下不同反應距離和相同反應距離下車速的變化對駕駛人的影響。選取21名男性駕駛人，年齡集中在24～32歲范圍內，所有被試人員都已取得駕駛執照，雙眼矯正視力為1.0以上，身體狀況良好。

4.2 采集設備及試驗步驟

試驗中采用如圖9 所示的MP150 生理信號記錄分析系統中的心電圖（Electrocardiogram，ECG）模塊，采集駕駛人在應激狀態下的心率變化數據。駕駛人應激反應試驗是在駕駛模擬器的場景中完成的。

圖9 MP150生理信號記錄分析系統

4.2.1 反應距離對駕駛人的影響試驗

tTTC=1 s，V=60 km/h 時，車輛重心至兒童的距離d=21.7 m，車頭與兒童的距離D=19.2 m。選取試驗車速為60 km/h，tTTC為1 s、1.5 s、2 s，其對應的D為19.2 m、27.5 m、35.8 m。

試驗開始后，被試人員佩戴MP150生理儀，并穩定油門以60 km/h 的車速在規定的車道行駛，兒童隨機從路旁停放的車輛間進入車道，此時，在MP150心率記錄圖中記錄應激點的相應時間。應激場景結束后，調整兒童出現位置以及試驗車輛與兒童的距離，重復進行試驗，直至試驗結束。

4.2.2 車速變化對駕駛人的影響試驗

取D=19.2 m，tTTC為1 s、1.5 s、2 s 時對應的速度V分別為60 km/h、40 km/h、30 km/h。對駕駛人的要求與上組試驗相同，先進行40 km/h 試驗，再進行30 km/h 試驗。車速為60 km/h 的試驗不再重復進行。使用AcqKnowledge 對數據進行分析，結合試驗前測得的被試人員心率均值計算被試人員的心率增長率。

4.3 試驗數據處理

上述基于場景視頻的應激始末階段確定后，通過MP150 系統得到的駕駛人在應激階段的心率變化情況如圖10所示。由圖10可知，試驗過程中，駕駛人的心率在一定幅度內波動，而數據中心率突變到0的點大多數為駕駛人的身體移動或緊張造成基線不穩而形成的噪聲點。

突發事件出現前、后各10 s內駕駛人心率隨時間的變化情況如圖11所示。從圖11中可以看出：突發事件出現前，駕駛人的心率在小幅度內波動；突發事件出現后，駕駛人的心率急劇提高，隨著自車與兒童的距離不斷減小，駕駛人的心率持續提高或維持在高水平上；駕駛人避開突發事件后，心率開始急劇下降。

圖10 駕駛人心率變化

圖11 心率隨時間的變化

5 駕駛人應激反應試驗結果分析

5.1 反應距離對駕駛人的影響分析

5.1.1 不同距離時駕駛人心率增長率分析

取應激反應發生后3 s內心率平均值作為此次應激試驗的心率值，結合試驗前被試人員的心率均值計算其心率增長率。圖12 所示為V=60 km/h 時不同距離下被試人員心率增長率趨勢，相應的箱線圖如圖13 所示。車速為60 km/h 時，對3 組數據進行配對T 檢驗，3 組被試人員的心率增長率之間存在顯著性差異，從圖12 可以直觀看出，隨著應激反應距離減小，駕駛人的心率增長率逐漸增大，且隨著距離減小，心率增長率提高，駕駛人的心理負荷隨著距離的減小而增加。

圖12 不同距離時駕駛人心率增長率

5.1.2 不同應激反應距離的駕駛人心率變異性分析

對試驗數據進行分段，然后通過Acknowledge 軟件對每段的心率變異性LF 值進行計算，生成相應的箱線圖如圖14 所示。在車速為60 km/h 時，對3 組數據進行配對T 檢驗，發現被試人員的心率變異性LF 值之間存在顯著性差異，隨著個體工作負荷增大，心率變異性LF值減小。結果表明，駕駛人的心理負荷隨著本車與兒童距離的減小而增加。

圖13 車速60 km/h時心率增長率分布

圖14 車速60 km/h時心率變異性LF值分布

從上面的分析可以發現，由駕駛人的心率增長率指標與心率變異性LF值指標得到的趨勢基本一致。

5.2 車速變化對駕駛人的影響分析

5.2.1 不同車速駕駛人應激反應心率增長率分析

D=19.2 m 時，不同車速下駕駛人心率增長率如圖15 所示。將數據進行分組統計，生成相應的箱線圖如圖16所示。對3組數據進行配對T檢驗，被試者的心率增長率之間存在顯著性差異，隨著試驗車速的加快，被試人的心率加快，駕駛人心率隨著危險緊急度的增加而增加，比較3種情況的標準差發現，在車速為30 km/h時最小，為8.66，此時被試者的心率變化最穩定，這時駕駛人的心理負荷最小。

圖15 D=19.2 m時不同車速下被試人員心率增長率趨勢

5.2.2 不同車速下駕駛人應激反應心率變異性分析

將在D=19.2 m時不同車速下駕駛人心率變異性LF值進行分組統計，生成相應的箱線圖如圖17所示。對3組數據進行配對T 檢驗，被試駕駛人的心率變異性LF值之間存在顯著性差異。本場景中，在車速較低時，LF值隨車速的增加變化幅度較快，在車速提高到40 km/h后繼續增加時，LF的變化趨緩，因此駕駛人的心理負荷隨車速的增加而增加。

圖16 D=19.2 m時不同車速心率增長率分布

圖17 D=19.2 m時不同車速心率變異性LF值分布

6 結束語

本文根據CIDAS數據庫中的中國交通事故的特點，結合真實的行人交通事故突發事件狀態特征、行駛環境狀態特征，設計了典型應激場景，并對場景在駕駛模擬器上進行了建模，得到以下結論：

a.根據調研所選取的指標能很好地體現駕駛人的心理負荷變化，即駕駛人在遇到突發事件時心率增長率和心率變異性LF值。

b.在車速和應激反應距離條件變化時，駕駛人的生理指標有顯著性變化，隨著試驗車速的增大或應激反應距離的減小，駕駛人心率增長率變大，心率變異性LF值減小。

通過對真實行人交通事故的重建，對駕駛人應激反應進行試驗研究，可以基于對已發生事故的仿真建立駕駛人行車安全性評估方法，為開發相應UBI（Usage-Based Insurance）商業車險產品，以及中國行駛工況下的ADAS開發需求提供新的理論支持。