方法文章

用于驾驶相关研究的触觉振动工具包与驾驶模拟平台

DOI:

10.3791/61408

2020年12月18日

本文内容

勘误通知

Important: There has been an erratum issued for this article. View Erratum Notice

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案描述了一种用于驾驶相关研究的驾驶模拟平台及触觉振动工具包,并展示了一个探究触觉警示有效性的示例实验。 

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

碰撞预警系统在防止驾驶分心和疲劳驾驶方面起着关键作用。先前的研究已证实,触觉预警在缩短驾驶员制动反应时间方面具有优势。同时,触觉预警在部分自动驾驶车辆的接管请求(TOR)中也被证明是有效的。

如何优化触觉警示的性能是该领域当前持续关注的热点研究课题。因此,本文介绍了这种低成本的驾驶模拟软件和方法,以吸引更多研究人员参与相关研究。本方案分为五个部分:1)受试者,2)驾驶模拟软件配置,3)驾驶模拟器准备,4)振动工具包配置与准备,5)实验实施。

在示范研究中,参与者佩戴触觉振动工具包,并使用定制的驾驶模拟软件完成一项既定的跟车任务。前车会间歇性地刹车,当前车刹车时,系统会发出振动警示。参与者被要求尽可能快速地对前车的突发刹车做出反应。模拟软件记录了刹车反应时间、刹车反应速率等驾驶动态参数,用于后续数据分析。

本方案有助于探究不同身体位置触觉警示的有效性。除了示例实验中展示的跟车任务外,通过简单的软件配置而无需任何代码开发,该方案还可选择应用于驾驶模拟研究中的其他范式 。但需要注意的是,由于价格较为低廉,此处介绍的驾驶模拟软件和硬件可能无法完全媲美其他高保真商用驾驶模拟器。尽管如此,本方案仍可作为通用高保真商用驾驶模拟器的一种经济实惠且易于使用的替代方案。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

根据2016年全球健康估计数据,交通事故伤害是全球死亡的第八大原因,导致全球约140万人死亡1。2018年,39.2%的交通事故涉及运输中的机动车辆碰撞,其中7.2%为追尾碰撞。提高车辆和道路安全的一种解决方案是开发先进的驾驶辅助系统(ADAS),以向驾驶员预警潜在危险。数据显示,ADAS可显著降低追尾碰撞的发生率,若配备自动制动系统,其效果更佳2。此外,随着自动驾驶车辆的发展,对人工操控的需求将减少,当自动驾驶车辆无法自行调节时,接管请求(TOR)预警系统便成为必要。目前,ADAS与TOR预警系统的设计已成为一项关键技术,可帮助驾驶员在数秒内避免即将发生的事故。本示例实验结合振动工具包与驾驶模拟平台,探究在将振动触觉预警系统用作潜在的ADAS及TOR预警系统时,何种位置能够产生最佳效果。

根据感知通道的不同,警告方式通常分为三种类型,即视觉、听觉和触觉。每种警告方式都有其优点和局限性。当使用视觉警告系统时,驾驶员可能会因视觉负荷过重3而出现注意力盲区4,5,从而影响驾驶表现。尽管听觉警告系统不会干扰驾驶员的视觉视野,但其有效性在很大程度上取决于周围环境,例如驾驶环境中的背景音乐和其他噪声6,7。因此,在存在其他外部听觉信息或显著噪声的情况下,可能导致注意力性听觉忽视8,9,从而降低听觉警告系统的有效性。相比之下,触觉警告系统不会与驾驶员的视觉或听觉处理产生竞争。通过向驾驶员传递振动触觉警告,触觉警告系统克服了视觉和听觉警告系统的局限性。

先前的研究表明,触觉警示可通过缩短驾驶员的制动反应时间而使其受益。研究还发现,在某些情况下,触觉警示系统的效果优于视觉10,11和听觉12,13,14警示系统。然而,目前关于触觉警示装置最佳安装位置的研究仍较为有限。根据感觉皮层假说15和感觉距离假说16,该示范性研究选择了手指、手腕和太阳穴区域作为触觉警示装置的实验安装位置。通过本实验方案,可对振动警示的频率、持续时间以及振动工具包中各次振动之间的间隔进行配置,以满足实验需求。该振动工具包由主控芯片、稳压芯片、多路复用器、USB转晶体管-晶体管逻辑(TTL)适配器、金属氧化物半导体场效应晶体管(MOSFET)以及蓝牙模块组成。振动模块的数量也可根据研究人员的需求进行调整,最多可支持四个模块同时振动。在驾驶相关实验中应用该振动工具包时,可通过修改驾驶模拟程序的代码,将其配置为适应实验设置,并与驾驶行为数据实现同步。

对研究人员而言,由于涉及风险和成本,在虚拟平台上进行驾驶实验比在真实世界中更为可行。例如,在真实环境中开展实验时,收集性能指标可能较为困难,且难以控制相关的环境因素。因此,近年来许多研究采用基于个人计算机的固定基座驾驶模拟器来替代实车驾驶研究。在驾驶研究领域经过11年多的学习、开发与研究后,我们构建了一个基于真实汽车的驾驶模拟平台,该平台包含开源驾驶模拟软件和一套硬件组件,硬件包括方向盘和变速器、三个踏板、三台投影仪以及三块投影屏幕。由于驾驶模拟软件仅支持单屏显示,本实验方案仅使用了中央的投影仪和投影屏幕来开展实验。

使用本研究所展示的驾驶模拟平台具有两大主要优势。其一,该平台采用开源软件。借助这一用户友好的开源平台,研究人员无需编写代码,仅通过简单的软件配置,即可根据各自特定的研究需求,对模拟系统和振动工具包进行自定义。通过修改代码,研究人员能够创建出在真实度方面具有较高相对保真度的驾驶模拟环境,并可灵活选择多种车辆类型、道路类型、方向盘阻力、侧向与纵向风力扰动,同时提供时间与制动事件的应用程序接口(API),以实现与外部软件的同步,还可实施诸如跟车任务和N-Back任务等行为范式。尽管在驾驶模拟器中开展驾驶相关研究无法完全复现真实世界中的驾驶情况,但通过驾驶模拟器采集的数据具有合理性,已被研究人员广泛采用17,18

该驾驶模拟器的另一个优势是成本低廉。如前所述,所介绍的驾驶模拟软件是一款开源软件,用户可免费使用。此外,本方案中整个硬件系统的总成本也低于典型的高保真商用驾驶模拟器。图1a和1b展示了两套驾驶模拟器的完整配置,其成本范围为3000至30000美元。相比之下,典型的高保真商用驾驶模拟器(固定基座型)通常价格在10000至100000美元之间。由于价格极具吸引力,该驾驶模拟器不仅可广泛用于学术研究,还可用于驾驶教学19以及驾驶相关技术的演示20,21

数字显示屏的汽车模拟装置;显示测试设施的车辆研究环境。
图1:驾驶模拟器的图像。两套驾驶模拟器均包含方向盘和变速器、三个踏板以及一辆车辆。(a)一套价值3000美元的驾驶模拟器系统,配备分辨率为3840 × 2160的80英寸液晶显示屏。(b)一套价值30000美元的驾驶模拟器系统,配备三个安装好的投影仪和三块投影屏幕,每块屏幕尺寸为223 × 126 cm。投影屏幕安装在距地面60 cm高、距车辆前端22 cm的位置。本实验仅使用了中央的投影仪和投影屏幕。请点击此处查看该图的放大版本。

本研究中提出的驾驶模拟软件和振动工具包已被我们的研究人员在先前的多项研究中使用过22,23,24,25,26,27,28,29。该振动工具包为自主开发,符合ISO标准30,通过调节振动频率和强度,可应用于不同领域31,32。需要注意的是,目前已开发出一种更新版本的振动工具包,并将在下述实验方案中予以介绍。新版本不再使用可调电压适配器来调节振动频率,而是配备了五种不同的振动频率,可通过补充编码文件1中提供的代码更方便地进行调节。此外,所介绍的驾驶模拟器为研究人员提供了一种安全、低成本且高效的手段,可用于开展多种与驾驶相关的研究。因此,本实验方案适用于预算有限但又迫切需要定制化驾驶实验环境的研究实验室。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

注意:此处描述的所有方法均已获得清华大学机构审查委员会(IRB)的批准,并已从所有参与者处获得知情同意。

1. 参与者

  1. 根据实验设计进行功效分析,以计算为达到统计功效所需招募的参与者人数。
  2. 在招募过程中尽可能平衡参与者的性别比例。
  3. 确保参与者持有有效的驾驶执照,并具有至少一年的驾驶经验。
  4. 使用视力表确保参与者的视力为正常或矫正后正常。
  5. 确保参与者在实验前24小时内未饮酒或使用影响驾驶能力的药物33

2. 驾驶模拟软件配置

  1. 进入驾驶模拟软件的文件夹,然后依次进入 Runtime 文件夹和 Config 文件夹。接着打开“expconfig.txt”文件(即文件路径应为“\torcs-1.3.3-Exp-2018-10-25\torcs-1.3.3\nuntime\config\”)。
  2. 根据实验设计,确定是否需要进行任何配置,或直接使用出厂默认设置进行驾驶模拟实验。表1 详细描述了所有可用选项的默认配置。
    1. 如果无需更改设置,请继续执行本方案的第3节。
可配置选项描述默认设置
endExpByTime是否使用时钟时间作为结束实验的触发条件。False
endExpAfterMinute运行达到指定分钟数后结束实验。10
endExpByDist是否使用驾驶员车辆行驶距离作为结束实验的触发条件。当时间和距离触发条件同时启用时,以先发生的条件为准结束实验。False
endExpAfterMeter从起始线开始行驶达到指定米数后结束实验。5000
enableRandomFrontalWind是否启用前方风力(即向车辆后方施加的力),其出现时间和持续时间随机。True
frontalWindIntervalMin前方风力间隔的最小值(秒)。3
frontalWindIntervalMax前方风力间隔的最大值(秒)。13
frontalWindDurationMin前方风力持续时间的最小值(秒)。2
frontalWindDurationMax前方风力持续时间的最大值(秒)。3
frontalWindForceMin前方风力的最小值(牛顿)。500
frontalWindForceMax前方风力的最大值(牛顿)。1000
enableRandomLateralWind是否启用侧向风力(即向车辆左侧或右侧施加的力),其出现时间和持续时间随机。True
lateralWindIntervalMin侧向风力间隔的最小值(秒)。3
lateralWindIntervalMax侧向风力间隔的最大值(秒)。8
lateralWindDurationMin侧向风力持续时间的最小值(秒)。2
lateralWindDurationMax侧向风力持续时间的最大值(秒)。3
lateralWindForceMin侧向风力的最小值(牛顿)。1000
lateralWindForceMax侧向风力的最大值(牛顿)。2000
leadCarConstantSpeedMPH前导车辆的恒定速度(mph)。40
leadDistToStartWaiting当前导车辆尾部与驾驶员车辆前部之间的距离(米)大于指定数值时,前导车辆开始等待。100
leadDistToStopWaiting前导车辆将持续等待,直到驾驶员车辆前方的距离(米)小于该数值为止。80
leadCarBrakeIntervalTimeMin前导车辆制动的最小随机时间间隔(秒)。30
leadCarBrakeIntervalTimeMax前导车辆制动的最大随机时间间隔(秒)。60
leadCarBrakeEventDuration前导车辆制动事件的持续时间(秒)。5
enableRandomSMSSound是否启用以随机间隔播放的短消息服务通知音。False
randSMSIntervalMin从第一条短信通知开始到第二条短信通知开始之间的最小随机时间间隔(秒)。2
randSMSIntervalMax从第一条短信通知开始到第二条短信通知开始之间的最大随机时间间隔(秒)。2
enableRandomNbackSound是否启用以随机间隔播放的 N-back 数字提示音。False
randNbackIntervalMin从第一个声音开始到第二个声音开始之间的最小随机时间间隔(秒)。2.33
randNbackIntervalMax从第一个声音开始到第二个声音开始之间的最大随机时间间隔(秒)。2.33
enableUDPSendData是否启用将时间戳数据同步至特定本地网络 IP 地址。False
enableUDPSendDataAdStudy是否启用将数据发送至以下 IP 地址以用于广告研究。
注意:与 enableUDPSendData 冲突。
False
UDPTargetIPa1UDP 传输的 IP 地址/
UDPTargetIPa2
UDPTargetIPa3
UDPTargetIPa4
UDPTargetPort目标 UDP 端口。1234
UDPcycleNumber控制时间戳发送的频率。每经过 UDPcycleNumber 个 TORCS 周期发送一次数据,每个周期通常为 20 毫秒。1
enableUDPQNConnection是否启用 QN-Java 模型驾驶模拟,其中 UDP 服务器与客户端位于同一台计算机上。False
UDPQNtoTORCSPort从 UDP QN 端口到仿真端口的编号。5678
UDPTORCStoQNPort从仿真端口到 UDP QN 端口的编号。8765
leadCarBrakingByWebCommand是否连接至网站以接收前导车辆的制动信号。False
Far_Point_Time_Ahead车辆控制模型中使用的参数。2
enableCarFollowingTraining是否启用模拟跟车任务的训练模式。/
carFollowingTrainingWarningInterval训练模式中,上一次警告音开始到下一次警告音开始的时间间隔。2

表1:驾驶模拟软件的默认设置列表。 驾驶模拟软件所有相关可配置选项的默认值列表,以及对每个选项的详细说明。

  1. 根据实验设计中确定的控制变量,配置结束实验的设置。
    1. 决定是否使用时钟时间作为触发条件来结束实验,通过“endExpByTime =”选项选择 True 或 False。为复现示例研究,请将此选项设置为 False
    2. 通过“endExpAfterMinute =”选项选择是否以行驶时间为触发条件结束实验,并以一位小数格式输入分钟数。行驶时间可由研究人员自行决定。输入 12 以复现示例研究。
    3. 通过“endExpByDist =”选项设置是否以行驶距离作为触发条件结束实验,选择 True 或 False。请注意,当“endExpByTime =”和“endExpByDist =”均设为 True 时,实验将在任一条件首先满足时结束。为复现示例研究,请将此选项设置为 True
    4. 使用“endExpAfterMeter =”选项设置从起点线开始行驶的距离(单位:米),格式为一位小数。行驶距离可由研究人员自行决定。输入 10000.0 以复现示例研究。
  2. 根据为虚拟环境设计的风速34,35以及拟引入实验的认知负荷36,配置模拟驾驶环境中的风力设置。
    1. 通过“enableRandomFrontalWind =”选项设置是否启用具有随机间隔和持续时间的正面风,选择 True 或 False。为复现示例研究,请将此选项设置为 True
    2. 通过“frontalWindIntervalMin =”和“frontalWindIntervalMax =”选项分别输入以一位小数表示的秒数,定义正面风的最小和最大间隔。为复现示例研究,请使用默认设置(即分别为 3.0 和 13.0)。
    3. 通过“frontalWindDurationMin =”和“frontalWindDurationMax =”选项分别输入以一位小数表示的秒数,定义正面风的最小和最大持续时间。为复现示例研究,请使用默认设置(即分别为 2.0 和 3.0)。
    4. 通过“frontalWindForceMin =”和“frontalWindForceMax =”选项分别指定以牛顿(newton)为单位的正面风最小和最大作用力。为复现示例研究,请使用默认设置(即分别为 500.0 和 1,000.0)。
    5. 通过“enableRandomLateralWind =”选项选择是否启用具有随机间隔和持续时间的侧向风,选择 True 或 False。为复现示例研究,请设置为 True
    6. 通过“lateralWindIntervalMin =”和“lateralWindIntervalMax =”选项分别输入以一位小数表示的秒数,定义侧向风的最小和最大作用间隔。为复现示例研究,请使用默认设置(即分别为 3.0 和 8.0)。
    7. 通过“lateralWindDurationMin =”和“lateralWindDurationMax =”选项分别输入以一位小数表示的秒数,定义侧向风的最小和最大持续时间。为复现示例研究,请使用默认设置(即分别为 2.0 和 3.0)。
    8. 通过“lateralWindForceMin =”和“lateralWindForceMax =”选项分别指定以牛顿(newton)为单位的侧向风最小和最大作用力。为复现示例研究,请使用默认设置(即分别为 1,000.0 和 2,000.0)。
  3. 根据实验设计和需求配置模拟跟车任务的设置35
    1. 使用“leadCarConstantSpeedMPH =”选项,以一位小数格式设置前导车辆的恒定速度(单位:英里/小时)。输入 40 以复现示例研究。
    2. 使用“leadDistToStartWaiting =”和“leadDistToStopWaiting =”选项,分别以一位小数格式定义前导车辆与驾驶员车辆之间的距离(单位:米),用于触发前导车辆开始等待驾驶员车辆跟上或恢复行驶。为复现示例研究,请使用默认设置(即分别为 100.0 和 80.0)。
    3. 使用“leadCarBrakeIntervalTimeMin =”和“leadCarBrakeIntervalTimeMax =”选项,分别输入以一位小数表示的秒数(例如 30.0 和 60.0),设置前导车辆刹车事件的最大和最小随机时间间隔。为复现示例研究,请使用默认设置(即分别为 30.0 和 60.0)。
    4. 通过“leadCarBrakeEventDuration =”选项输入以一位小数表示的秒数,定义刹车事件的持续时间。为复现示例研究,请使用默认设置(即 5.0)。
  4. 根据实验设计和需求配置随机短消息通知音的设置。
    1. 通过“enableRandomSMSSound =”选项选择是否启用以随机间隔播放的短消息服务(SMS)通知音,选择 True 或 False。为复现示例研究,请将此选项设置为 False。
    2. 使用“randSMSIntervalMin =”和“randSMSIntervalMax =”选项,分别以一位小数格式指定从第一条短信通知开始到第二条短信通知开始的时间间隔(单位:秒)(例如 5.0 和 10.0)。
  5. 根据实验设计和需求配置模拟 N-back 任务37的设置。
    1. 通过“enableRandomNbackSound =”选项选择是否启用以随机间隔播放 N-back 数字声音,选择 True 或 False。为复现示例研究,请将此选项设置为 False
    2. 使用“randNbackIntervalMin =”和“randNbackIntervalMax =”选项,分别以一位小数格式指定从第一个声音结束到第二个声音开始的时间间隔(单位:秒)(例如 5.0 和 10.0)。
  6. 如果实验需要用户数据报协议(UDP)数据传输,则配置相应的 UDP 设置。
    1. 通过“enableUDPSendData =”选项选择是否启用 UDP 进行数据传输,以实现时间戳数据与特定本地网络 IP 地址的同步,选择 True 或 False。为复现示例研究,请启用此选项。
    2. 通过“enableUDPSendDataAdStudy =”选项选择是否启用 UDP 向特定 IP 地址传输数据以用于广告研究,选择 True 或 False。请注意,此选项与“enableUDPSendData =”冲突,两者不能同时设为 True。为复现示例研究,请将此选项设置为 False
    3. 通过“UDPTargetIPa1 =”、“UDPTargetIPa2 =”、“UDPTargetIPa3 =”和“UDPTargetIPa4 =”分别指定 IP 地址的各段数值,以定义 UDP 传输的目标 IP 地址。
    4. 在“UDPTargetPort =”下指定目标端口号。
    5. 在“UDPcycleNumber =”下设置数据发送频率,输入大于或等于“1”的任意整数,每个周期为 20 ms。
  7. 根据实验设计和需求配置 UDP 队列网络(QN)模型38的连接设置。
    1. 通过“enableUDPQNConnection =”选项设置是否启用 QN-Java 模型驾驶模拟,其中 UDP 服务器与客户端运行在同一台计算机上,选择 True 或 False。为复现示例研究,请禁用此选项。
    2. 在“UDPQNtoTORCSPort =”选项下指定从 UDP QN 端口到模拟端口的端口号。
    3. 在“UDPTORCStoQNPort =”选项下指定从模拟端口到 UDP QN 端口的端口号。
  8. 根据实验设计,在“leadCarBrakingByWebCommand =”选项中设置是否连接网站以接收刹车信号,选择 True 或 False。请注意,当此选项设为 True 时,“endExpByTime =”和“endExpAfterMinute =”将不再生效。为复现示例研究,请将此选项设置为 False
  9. 通过“enableCarFollowingTraining =”选项设置是否启用训练模式下的模拟跟车任务,选择 True 或 False。
    1. 通过“carFollowingTrainingWarningInterval =”选项,以一位小数格式指定训练过程中上一次警告音开始到下一次警告音开始的时间间隔(单位:秒)(例如 2.0)。
  10. 完成配置后保存文件。

3. 驾驶模拟器准备

  1. 将方向盘和中央投影仪(一台具有16:10宽高比、192–240 Hz刷新频率和8位色彩处理的安装式投影仪)连接到计算机。投影屏幕尺寸为223 × 126 cm,放置于地面以上60 cm处,距离仪器化车辆前端22 cm。
  2. 启动驾驶模拟软件时,在选项 | 显示中设置屏幕分辨率,以匹配屏幕尺寸。
  3. 进入配置页面,选择一名操作者,并按照软件提示校准方向盘、油门和刹车踏板。校准步骤包括按指示转动方向盘以及踩下油门和刹车踏板。

4. 振动工具包的配置与准备

  1. 将振动工具包连接到电源。四个模块中的每一个尺寸均为 67 x 57 x 29 mm。图2展示了振动工具包的图像。

用于实时生命体征监测的可穿戴传感器系统,图示为在汽车环境中的应用;电子组件。
图 2:振动工具包的图像。 振动工具包由四个可独立激活的独立模块组成。每个模块的尺寸为 67 × 57 × 29 mm。请点击此处查看此图的放大版本。

  1. 打开振动工具包,并通过蓝牙将其连接至计算机。
  2. 在完成初步皮肤敏感性测试或根据实验需求后,设定实验所用的振动频率。
  3. 使用提供的补充编码文件1中的代码,将振动频率设置为70 Hz39,40,41。目前共有五个频率水平(即14 Hz、28 Hz、42 Hz、56 Hz和70 Hz)可供选择,每次振动刺激默认持续0.5秒。
  4. 使用提供的补充编码文件1中的代码,同步驾驶模拟软件与振动工具包的制动事件。图3展示了需修改代码的带标签截图,以供参考。

用于振动工具包中蓝牙同步的 Python 代码片段;驾驶模拟逻辑。
图3:补充代码文件1中代码的标注截图。该代码标注截图可作为振动工具包配置与准备的便捷参考。这些代码用于设置工具包的振动频率,并同步驾驶模拟软件与振动工具包中的制动事件,以产生振动警示。请点击此处查看该图的放大版本。

5. 进行实验

  1. 指导参与者阅读并签署知情同意书,该同意书介绍实验流程,并声明本研究旨在评估参与者到达实验室后的驾驶表现。
  2. 协助参与者手动调节座椅与踏板之间的距离,并将靠背调整至舒适位置。
  3. 指导参与者如何操作驾驶模拟器,包括方向盘、制动踏板和加速踏板的使用方法。
  4. 指示参与者在模拟驾驶中应如同在真实道路环境中驾驶一样,跟随前方车辆行驶,并保持两秒的安全车距。图4展示了驾驶模拟所使用的道路地图。

弯曲道路路径示意图;标注了弯道和直线路段。
图 4:用于驾驶模拟的道路地图。所使用的道路为单向道路,包含四个弯道(最长15,000米)、三条车道,且无交通信号灯。驾驶模拟软件还提供其他道路设计选项,例如可添加路标或广告牌。此外,还提供兼容脑电图(EEG)的版本。如有需要,所有这些参数均可进行调整。请点击此处查看此图的放大版本。

  1. 告知参与者,当前方车辆刹车时,无论场景是否要求做出刹车反应,都应尽快刹车。前方车辆的尾灯会像真实驾驶情况一样亮起,以提示刹车事件。
  2. 提供一次5分钟的练习试验,让参与者学习如何保持与前方车辆两秒的车距。练习试验包含一组5次随机刹车。
    1. 在练习试验期间,如果参与者与前方车辆的车距小于1.5秒,驾驶模拟软件将播放女性语音提示:“距离过近,请减速”。
    2. 如果参与者与前方车辆的车距在2.25至2.5秒之间,驾驶模拟软件将播放女性语音提示:“距离过远,请加速”。
    3. 练习试验的数据不得用于后续分析。
  3. 告知参与者,如有需要,可随时通知实验人员终止实验,且不会受到任何处罚。
  4. 当参与者完成练习阶段并能够稳定保持跟车距离后,开始正式实验。
  5. 启动正式实验阶段,共包含四个试验区块(即手指、手腕、太阳穴和仅驾驶),每个区块包含13次随机刹车事件,总计52次实验试验。试验条件的顺序采用拉丁方设计进行平衡。正式试验中不提供语音提示。
  6. 在每个试验区块开始前,根据分配的条件,协助参与者使用医用胶带佩戴振动工具包。若佩戴了振动工具包,当前方车辆刹车时,工具包会通过振动提醒参与者刹车。每次前方车辆刹车时,其尾灯都会亮起。
  7. 确保参与者在完成每个区块后休息2分钟,以减少延续效应。
  8. 在所有试验结束后,询问参与者对振动工具包佩戴位置的偏好,以及使用7点李克特量表评估感知的振动强度。同时记录参与者对各类日常可穿戴配件(即手表、眼镜、耳机和戒指)的使用频率。在振动工具包位置偏好量表中,“1”表示“最不喜欢”,“7”表示“最喜欢”;在振动强度量表中,“1”表示“感觉微弱”,“7”表示“感觉强烈”。

6. 数据分析

  1. 使用驾驶模拟软件以 50 Hz 的频率采集参与者的驾驶行为数据,包括制动反应时间、车速、方向盘反转率、车道位置(SDLP)和跟车距离等。
  2. 对驾驶员的表现进行数据分析。
    1. 采用正态分布进行离群值分析,以均值加减三个标准差为截断阈值,确定用于进一步分析的数据范围。
    2. 通过从前车开始制动的时刻中减去参与者车辆制动的时刻(即制动踏板至少踩下 1% 的时刻36,42),计算制动反应时间。
    3. 若制动反应时间大于或等于 5 秒,则将该数据标记为“无制动反应”(即在前车制动后 5 秒内未实施制动)。
    4. 用成功制动的次数除以前车制动的总次数,计算制动反应率。
    5. 对每位参与者的各项指标取平均值,得到各实验条件下平均制动反应率和制动反应时间,并计算这些值的标准差以供进一步分析。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文报道的示例研究采用驾驶模拟器和振动工具包进行跟车任务,该研究此前已在学术期刊上发表22。值得注意的是,示例研究中使用的是振动工具包的旧版本,而上述方案中介绍的是该工具包的新版本。该研究为被试内设计实验,仅以振动警示位置为因素,包括手指、手腕、太阳穴三种警示条件,以及仅驾驶的控制条件。每种条件包含13次随机刹车事件,共产生52次实验试验。各条件的顺序采用拉丁方设计进行平衡,所有参与者在实验过程中均经历了全部四种条件。

该示例研究还包含一项调查,记录了参与者在完成所有试验后对振动工具包放置位置的偏好,以及对每个位置(即手指、手腕和太阳穴)振动强度的感知,采用7点李克特量表进行评分。同时记录了日常可穿戴配件(即手表、眼镜、耳机和戒指)的使用频率。

由于此前没有可供参考的元分析来确定示范研究的样本量,因此在完成功效分析后,根据中等效应量(ηp2 = 0.06)43,...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

驾驶模拟平台 和振动工具包 合理地模拟了可穿戴振动触觉设备在现实生活中的潜在应用,为开展与驾驶相关的研究提供了一种有效的技术手段。通过使用该技术,现在可以获得一个安全、高度可配置且成本较低的实验环境,用于开展可与真实驾驶条件相媲美的研究。

有几个步骤需要特别注意。首先,在使用“expconfig.txt”进行配置时,研究人员应在正式实验前确保已将训练模式设置为 False,以关闭专为练习驾驶设计的音频提示。其次,在方向盘校准过程中,研究人员应确保方向盘左右两个方向的振幅保持平衡,并且制动踏板和油门踏板均已完全踩到底。第三,在驾驶模拟开始前,研究人员还应检查振动工具包是否已使用医用胶带牢固地固定在受试者身上。

为了尽可能应对外部效度方面对驾驶模拟的担忧,所介绍的驾驶模拟软件为研究人员提供了广泛的选项,以配置理想的驾驶环境。例如,可调节正面和侧向风力强度,以复现驾驶员在真实高速公路上行驶时所经历的风阻。除了“expconfig.txt”文档中提供的现有配置外,研究人员还可利用开源模拟软件自行设计道路,构建贴近...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明无财务披露或利益冲突。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本项目已获得北京人才基金会的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Logitech G29Logitech941-000114方向盘和踏板
投影屏幕--用于显示模拟环境的投影屏幕。
Epson CB-700U 激光 WUXGA 教育超短焦交互式投影仪EPSONV11H878520W用于生成模拟环境显示的投影仪型号。
开源赛车模拟器(TORCS)-None驾驶模拟软件。原始创建者为 Eric Espié 和 Christophe Guionneau,实验中使用的版本由 Cao, Shi 修改。
触觉工具包Hao Xing Tech.None用于向参与者发出警告提示。
连接程序(Python)--用于连接 TORCS 与触觉工具包,发送振动指令。
G*powerHeinrich-Heine-Universität DüsseldorfNone该软件用于计算所需的参与者数量。

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. The top 10 causes of death. World Health Organization. , Available from: https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death (2018).
  2. Insurance Institute for Highway Safety (IIHS). , Available from: https://www.iihs.org/news/detail/gm-front-crash-prevention-systems-cut-police-reported-crashes (2018).
  3. Spence, C., Ho, C. Tactile and multisensory spatial warning signals for drivers. IEEE Transactions on Haptics. 1 (2), 121-129 (2008).
  4. Simons, D. J., Ambinder, M. S. Change blindness: theory and consequences. Current Directions in Psychological Science. 14 (1), 44-48 (2005).
  5. Mack, A., Rock, I. Inattentional blindness. , MIT Press. Cambridge, MA. (1998).
  6. Wilkins, P. A., Acton, W. I. Noise and accidents - A review. The Annals of Occupational Hygiene. 25 (3), 249-260 (1982).
  7. Mohebbi, R., Gray, R., Tan, H. Driver reaction time to tactile and auditory rear-end collision warnings while talking on a cell phone. Human Factors. 51 (1), 102-110 (2009).
  8. Macdonald, J. S. P., Lavie, N. Visual perceptual load induces inattentional deafness. Attention, Perception & Psychophysics. 73 (6), 1780-1789 (2011).
  9. Parks, N. A., Hilimire, M. R., Corballis, P. M. Visual perceptual load modulates an auditory microreflex. Psychophysiology. 46 (3), 498-501 (2009).
  10. Van Erp, J. B. F., Van Veen, H. A. H. C. Vibrotactile in-vehicle navigation system. Transportation Research Part F: Traffic Psychology and Behaviour. 7 (4), 247-256 (2004).
  11. Lylykangas, J., Surakka, V., Salminen, K., Farooq, A., Raisamo, R. Responses to visual, tactile and visual–tactile forward collision warnings while gaze on and off the road. Transportation Research Part F: Traffic Psychology and Behaviour. 40, 68-77 (2016).
  12. Halabi, O., Bahameish, M. A., Al-Naimi, L. T., Al-Kaabi, A. K. Response times for auditory and vibrotactile directional cues in different immersive displays. International Journal of Human-Computer Interaction. 35 (17), 1578-1585 (2019).
  13. Geitner, C., Biondi, F., Skrypchuk, L., Jennings, P., Birrell, S. The comparison of auditory, tactile, and multimodal warnings for the effective communication of unexpected events during an automated driving scenario. Transportation Research Part F: Traffic Psychology and Behaviour. 65, 23-33 (2019).
  14. Scott, J., Gray, R. A comparison of tactile, visual, and auditory warnings for rear-end collision prevention in simulated driving. Human Factors. 50, 264-275 (2008).
  15. Schott, G. D. Penfield's homunculus: a note on cerebral cartography. Journal of Neurology, Neurosurgery, and Psychiatry. 56 (4), 329-333 (1993).
  16. Harrar, V., Harris, L. R. Simultaneity constancy: detecting events with touch and vision. Experimental Brain Research. 166 (34), 465-473 (2005).
  17. Kaptein, N. A., Theeuwes, J., van der Horst, R. Driving simulator validity: Some considerations. Transportation Research Record. 1550 (1), 30-36 (1996).
  18. Reed, M. P., Green, P. A. Comparison of driving performance on-road and in a low-cost simulator using a concurrent telephone dialling task. Ergonomics. 42 (8), 1015-1037 (1999).
  19. Levy, S. T., et al. Designing for discovery learning of complexity principles of congestion by driving together in the TrafficJams simulation. Instructional Science. 46 (1), 105-132 (2018).
  20. Lehmuskoski, V., Niittymäki, J., Silfverberg, B. Microscopic simulation on high-class roads: Enhancement of environmental analyses and driving dynamics: Practical applications. Transportation Research Record. 1706 (1), 73-81 (2000).
  21. Onieva, E., Pelta, D. A., Alonso, J., Milanes, V., Perez, J. A modular parametric architecture for the TORCS racing engine. 2009 IEEE Symposium on Computational Intelligence and Games. , Milano, Italy. 256-262 (2009).
  22. Zhu, A., Cao, S., Yao, H., Jadliwala, M., He, J. Can wearable devices facilitate a driver's brake response time in a classic car-following task. IEEE Access. 8, 40081-40087 (2020).
  23. Deng, C., Cao, S., Wu, C., Lyu, N. Modeling driver take-over reaction time and emergency response time using an integrated cognitive architecture. Transportation Research Record: Journal of the Transportation Research Board. 2673 (12), 380-390 (2019).
  24. Deng, C., Cao, S., Wu, C., Lyu, N. Predicting drivers' direction sign reading reaction time using an integrated cognitive architecture. IET Intelligent Transport Systems. 13 (4), 622-627 (2019).
  25. Guo, Z., Pan, Y., Zhao, G., Cao, S., Zhang, J. Detection of driver vigilance level using EEG signals and driving contexts. IEEE Transactions on Reliability. 67 (1), 370-380 (2018).
  26. Cao, S., Qin, Y., Zhao, L., Shen, M. Modeling the development of vehicle lateral control skills in a cognitive architecture. Transportation Research Part F: Traffic Psychology and Behaviour. 32, 1-10 (2015).
  27. Cao, S., Qin, Y., Jin, X., Zhao, L., Shen, M. Effect of driving experience on collision avoidance braking: An experimental investigation and computational modelling. Behaviour & Information Technology. 33 (9), 929-940 (2014).
  28. He, J., et al. Texting while driving: Is speech-based text entry less risky than handheld text entry. Accident; Analysis and Prevention. 72, 287-295 (2014).
  29. Cao, S., Qin, Y., Shen, M. Modeling the effect of driving experience on lane keeping performance using ACT-R cognitive architecture. Chinese Science Bulletin (Chinese Version). 58 (21), 2078-2086 (2013).
  30. International Organization for Standardization. , Available from: http://www.iso.org/cms/render/live/en/sites/isoorg/contents/data/standard/05/98/59887.html (2016).
  31. Hsu, W., et al. Controlled tactile and vibration feedback embedded in a smart knee brace. IEEE Consumer Electronics Magazine. 9 (1), 54-60 (2020).
  32. Dim, N. K., Ren, X. Investigation of suitable body parts for wearable vibration feedback in walking navigation. International Journal of Human-Computer Studies. 97, 34-44 (2017).
  33. Kenntner-Mabiala, R., Kaussner, Y., Jagiellowicz-Kaufmann, M., Hoffmann, S., Krüger, H. -P. Driving performance under alcohol in simulated representative driving tasks: an alcohol calibration study for impairments related to medicinal drugs. Journal of Clinical Psychopharmacology. 35 (2), 134-142 (2015).
  34. Royal Meteorological Society. , Available from: https://www.rmets.org/resource/beaufort-scale (2018).
  35. Kubose, T. T., et al. The effects of speech production and speech comprehension on simulated driving performance. Applied Cognitive Psychology. 20 (1), (2006).
  36. He, J., Mccarley, J. S., Kramer, A. F. Lane keeping under cognitive load: performance changes and mechanisms. Human Factors. 56 (2), 414-426 (2014).
  37. Radlmayr, J., Gold, C., Lorenz, L., Farid, M., Bengler, K. How traffic situations and non-driving related tasks affect the take-over quality in highly automated driving. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 58, Chicago, IL. 2063-2067 (2014).
  38. Cao, S., Liu, Y. Queueing network-adaptive control of thought rational (QN-ACTR): an integrated cognitive architecture for modelling complex cognitive and multi-task performance. International Journal of Human Factors Modelling and Simulation. 4, 63-86 (2013).
  39. Ackerley, R., Carlsson, I., Wester, H., Olausson, H., Backlund Wasling, H. Touch perceptions across skin sites: differences between sensitivity, direction discrimination and pleasantness. Frontiers in Behavioral Neuroscience. 8 (54), 1-10 (2014).
  40. Novich, S. D., Eagleman, D. M. Using space and time to encode vibrotactile information: toward an estimate of the skin's achievable throughput. Experimental Brain Research. 233 (10), 2777-2788 (2015).
  41. Gilhodes, J. C., Gurfinkel, V. S., Roll, J. P. Role of ia muscle spindle afferents in post-contraction and post-vibration motor effect genesis. Neuroscience Letters. 135 (2), 247-251 (1992).
  42. Strayer, D. L., Drews, F. A., Crouch, D. J. A comparison of the cell phone driver and the drunk driver. Human Factors. 48 (2), 381-391 (2006).
  43. Olejnik, S., Algina, J. Measures of effect size for comparative studies: applications, interpretations, and limitations. Contemporary Educational Psychology. 25 (3), 241-286 (2000).
  44. Statistics Teacher. , Available from: https://www.statisticsteacher.org/2017/09/15/what-is-power/ (2017).
  45. Maurya, A., Bokare, P. Study of deceleration behaviour of different vehicle types. International Journal for Traffic and Transport Engineering. 2 (3), 253-270 (2012).
  46. Woodward, K. L. The relationship between skin compliance, age, gender, and tactile discriminative thresholds in humans. Somatosensory & Motor Research. 10 (1), 63-67 (1993).
  47. Stevens, J. C., Choo, K. K. Spatial acuity of the body surface over the life span. Somatosensory & Motor Research. 13 (2), 153-166 (1996).
  48. Bhat, G., Bhat, M., Kour, K., Shah, D. B. Density and structural variations of Meissner's corpuscle at different sites in human glabrous skin. Journal of the Anatomical Society of India. 57 (1), 30-33 (2008).
  49. Chentanez, T., et al. Reaction time, impulse speed, overall synaptic delay and number of synapses in tactile reaction neuronal circuits of normal subjects and thinner sniffers. Physiology & Behavior. 42 (5), 423-431 (1988).
  50. van Erp, J. B. F., van Veen, H. A. H. C. A multi-purpose tactile vest for astronauts in the international space station. Proceedings of Eurohaptics. , 405-408 (2003).
  51. Steffan, H. Accident investigation - determination of cause. Encyclopedia of Forensic Sciences (Second Edition). , 405-413 (2013).
  52. Galski, T., Ehle, H. T., Williams, J. B. Estimates of driving abilities and skills in different conditions. American Journal of Occupational Therapy. 52 (4), 268-275 (1998).
  53. Ihemedu-Steinke, Q. C., et al. Simulation sickness related to virtual reality driving simulation. Virtual, Augmented and Mixed Reality. , 521-532 (2017).
  54. Kennedy, R. S., Lane, N. E., Berbaum, K. S., Lilienthal, M. G. Simulator sickness questionnaire: an enhanced method for quantifying simulator sickness. The International Journal of Aviation Psychology. 3 (3), 203-220 (1993).
  55. Kosec, M. Stanford Projects. , Available from: http://cs230.stanford.edu/files_winter_2018/projects/6940489.pdf (2018).
  56. Armagan, E., Kumbasar, T. A fuzzy logic based autonomous vehicle control system design in the TORCS environment. 2017 10th International Conference on Electrical and Electronics Engineering (ELECO). , Bursa, Turkey. 737-741 (2017).
  57. Hsieh, L., Seaman, S., Young, R. A surrogate test for cognitive demand: tactile detection response task (TDRT). Proceedings of SAE World Congress & Exhibition. , Detroit, MI. (2015).
  58. Bruyas, M. -P., Dumont, L. Sensitivity of detection response task (DRT) to the driving demand and task difficulty. Proceedings of the 7th International Driving Symposium on Human Factors in Driver Assessment, Training, and Vehicle Design: Driving Assessment 2013. , Bolton Landing, NY. 64-70 (2013).
  59. Conti-Kufner, A., Dlugosch, C., Vilimek, R., Keinath, A., Bengler, K. An assessment of cognitive workload using detection response tasks. Advances in Human Aspects of Road and Rail Transportation. , 735-743 (2012).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

勘误

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Tactile Vibrating Toolkit and Driving Simulation Platform for Driving-Related Research
Posted by JoVE Editors on 9/01/2022. Citeable Link.

An erratum was issued for: Tactile Vibrating Toolkit and Driving Simulation Platform for Driving-Related Research. The Authors section was updated.

Ao Zhu1
Annebella Tsz Ho Choi1
Ko-Hsuan Ma1
Shi Cao2
Han Yao1
Jian Wu3
Jibo He4,1
1Psychology Department, School of Social Sciences, Tsinghua University
2Department of Systems Design Engineering, University of Waterloo
3Haier Innovation Design Center, Haier Company
4Psychology Department, School of Education and Psychological Sciences, Sichuan University of Science and Engineering

to:

Ao Zhu1
Annebella Tsz Ho Choi1
Ko-Hsuan Ma1
Shi Cao2
Han Yao1
Jian Wu3
Jibo He1
1Psychology Department, School of Social Sciences, Tsinghua University
2Department of Systems Design Engineering, University of Waterloo
3Haier Innovation Design Center, Haier Company

标签

UDP

相关文章