Waiting
Traitement de la connexion…

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Boîte à outils vibrante tactile et plate-forme de simulation de conduite pour la recherche liée à la conduite

Published: December 18, 2020 doi: 10.3791/61408
Automatic Translation
1, 1, 1, 2, 1, 3, 1
1Psychology Department, School of Social Sciences, Tsinghua University, 2Department of Systems Design Engineering, University of Waterloo, 3Haier Innovation Design Center, Haier Company

ERRATUM NOTICE

Summary

Ce protocole décrit une plate-forme de simulation de conduite et une boîte à outils vibrante tactile pour l’étude de la recherche sur la conduite automobile. Une expérience exemplaire explorant l’efficacité des avertissements tactiles est également présentée.

Abstract

Le système d’avertissement de collision joue un rôle clé dans la prévention des distractions au volant et de la somnolence au volant. Des études antérieures ont prouvé les avantages des avertissements tactiles pour réduire le temps de réponse aux freins du conducteur. Dans le même temps, les avertissements tactiles se sont avérés efficaces dans la demande de reprise (TOR) pour les véhicules partiellement autonomes.

La façon dont les performances des avertissements tactiles peuvent être optimisées est un sujet de recherche brûlant dans ce domaine. Ainsi, le logiciel et les méthodes de simulation de conduite à faible coût présentés sont introduits pour attirer plus de chercheurs à participer à l’enquête. Le protocole présenté a été divisé en cinq sections : 1) les participants, 2) la configuration du logiciel de simulation de conduite, 3) la préparation du simulateur de conduite, 4) la configuration et la préparation de la boîte à outils vibrante, et 5) la réalisation de l’expérience.

Dans l’étude exemplaire, les participants portaient la boîte à outils vibrante tactile et ont effectué une tâche de suivi de voiture établie à l’aide du logiciel de simulation de conduite personnalisé. Le véhicule avant a freiné par intermittence et des avertissements vibrants ont été émis chaque fois que le véhicule avant freinait. Les participants ont reçu l’ordre de réagir le plus rapidement possible aux freins brusques du véhicule avant. La dynamique de conduite, comme le temps de réponse aux freins et le taux de réponse aux freins, a été enregistrée par le logiciel de simulation pour l’analyse des données.

Le protocole présenté offre un aperçu de l’exploration de l’efficacité des avertissements tactiles sur différents emplacements du corps. En plus de la tâche de suivi de voiture qui est démontrée dans l’expérience exemplaire, ce protocole fournit également des options pour appliquer d’autres paradigmes aux études de simulation de conduite en faisant la configuration logicielle simple sans n’importe quel développement de code. Toutefois, il est important de noter qu’en raison de son prix abordable, le logiciel de simulation de conduite et le matériel introduit ici peuvent ne pas être en mesure de rivaliser pleinement avec d’autres simulateurs de conduite commerciale haute fidélité. Néanmoins, ce protocole peut agir comme une alternative abordable et conviviale aux simulateurs de conduite commerciale haute fidélité générale.

Introduction

Selon les données révélées par les Estimations mondiales de la santé en 2016, les accidents de la circulation sont la huitième cause de décès dans le monde, avec 1,4 million de décès dansle monde 1. En 2018, 39,2 % des accidents de la circulation étaient des collisions avec des véhicules automobiles dans les transports, dont 7,2 % étaient des collisions à l’arrière. Une solution pour accroître la sécurité des véhicules et des routes est le développement d’un système avancé d’assistance à la conduite (ADAS) pour avertir les conducteurs des dangers potentiels. Les données ont montré qu’ADAS peut réduire considérablement le taux de collisions arrière, et il est encore plus efficace lorsqu’il est équipé d’un système de freinage automatique2. En outre, avec le développement de véhicules autonomes, moins d’implication humaine sera nécessaire pour contrôler le véhicule, ce qui rend un système d’avertissement de demande de reprise (TOR) une nécessité lorsque le véhicule autonome ne parvient pas à se réguler. La conception du système d’avertissement ADAS et TOR est maintenant un élément important de la technologie pour les conducteurs afin d’éviter les accidents imminents en quelques secondes. L’expérience exemplaire a utilisé une boîte à outils vibrante ainsi qu’une plate-forme de simulation de conduite pour étudier quel emplacement générerait le meilleur résultat lorsqu’un système d’avertissement vibrotactile a été utilisé comme système d’avertissement ADAS et TOR potentiel.

Classés par canaux perceptuels, il existe généralement trois types de modalités d’avertissement, visuelles, auditives et tactiles. Chaque modalité d’avertissement a ses propres mérites et limites. Lorsque des systèmes d’avertissement visuel sont utilisés, les conducteurs peuvent souffrir d’une surchargevisuelle 3,ce qui nuit aux performances de conduite dues à la cécité inattentionnelle4,5. Bien qu’un système d’avertissement auditif n’influence pas le champ visuel des conducteurs, son efficacité dépend grandement de l’environnement comme la musique de fond et d’autres bruits dansl’environnement de conduite 6,7. Ainsi, les situations qui contiennent d’autres informations auditives externes ou un bruit important peuvent conduire à la surdité inattentionnelle8,9, réduisant l’efficacité d’un système d’avertissement auditif. En comparaison, les systèmes d’avertissement tactiles ne sont pas en concurrence avec le traitement visuel ou auditif des conducteurs. En envoyant des avertissements vibrotactiles aux conducteurs, les systèmes d’avertissement tactiles surmontent les limites des systèmes d’avertissement visuels et auditifs.

Des études antérieures ont montré que les avertissements tactiles peuvent profiter aux conducteurs en raccourcissant leur temps de réponse aux freins. Il a également été constaté que les systèmes d’avertissement tactiles donnent un résultat plus efficacesur les systèmes visuels 10,11 etauditifs 12,13,14 dans certaines situations. Toutefois, des recherches limitées ont porté sur l’étude de l’emplacement optimal pour placer un dispositif d’avertissement tactile. Selon l’hypothèse sensorielle de cortex15 et l’hypothèse de distance sensorielle16,l’étude exemplaire a choisi les secteurs de doigt, de poignet, et de temple comme emplacements expérimentaux pour placer un dispositif tactile d’avertissement. Avec le protocole introduit, la fréquence et le temps de livraison d’un avertissement vibrant, et les intervalles entre les vibrations de la boîte à outils vibrante, peuvent être configurés pour répondre aux exigences expérimentales. Cette boîte à outils vibrante se composait d’une puce maîtresse, d’une puce régulateur de tension, d’un multiplexeur, d’un adaptateur USB à Transistor-Transistor-Logic (TTL), d’un transistor métal-oxyde-semi-conducteur à effet de champ (MOSFET) et d’un module Bluetooth. Le nombre de modules vibrants peut également varier en fonction des besoins des chercheurs, avec jusqu’à quatre modules vibrant en même temps. Lors de la mise en œuvre de la boîte à outils vibrante dans les expériences liées à la conduite, il peut être configuré pour s’adapter aux paramètres expérimentaux ainsi que synchronisé avec les données de performance de conduite en révisant les codes de la simulation de conduite.

Alors que pour les chercheurs, mener une expérience de conduite sur une plate-forme virtuelle est plus faisable que dans le monde réel en raison du risque et des coûts impliqués. Par exemple, la collecte d’indicateurs de rendement peut être difficile, et il est difficile de contrôler les facteurs environnementaux impliqués lorsque des expériences sont menées dans le monde réel. Par conséquent, de nombreuses études ont utilisé des simulateurs de conduite à base fixe fonctionnant sur PC au cours des dernières années comme solution de rechange pour mener des études sur la conduite sur route. Après avoir appris, développé et fait des recherches pendant plus de 11 ans dans le milieu de la recherche sur la conduite automobile, nous avons établi une plate-forme de simulation de conduite avec une vraie voiture qui se compose d’un logiciel de simulation de conduite open-source et d’un kit matériel, y compris un volant et une boîte de vitesses, trois pédales, trois projecteurs montés et trois écrans de projecteur. Avec le logiciel de simulation de conduite prend en charge un seul écran, le protocole présenté utilisé uniquement le projecteur central et l’écran du projecteur pour mener l’expérience.

Il y a deux avantages majeurs à utiliser la plate-forme de simulation de conduite présentée. Un avantage de cette plate-forme est qu’elle utilise un logiciel open-source. En utilisant la plate-forme open source conviviale, les chercheurs peuvent personnaliser la simulation et la boîte à outils vibrante pour leurs besoins de recherche uniques en effectuant une configuration logicielle simple sans aucun développement de code. En révisant les codes, les chercheurs peuvent créer des simulations de conduite qui offrent une fidélité relative à la réalité avec beaucoup d’options disponibles sur les types de voitures, les types de routes, la résistance du volant, la turbulence latérale et longitudinale du vent, les interfaces du programme d’application des événements de temps et de frein (API) pour la synchronisation externe des logiciels, et la mise en œuvre des paradigmes comportementaux tels que la tâche de suivi des voitures et la tâche N-Back. Bien que la conduite de recherches liées à la conduite dans un simulateur de conduite ne puisse pas reproduire pleinement la conduite dans le monde réel, les données recueillies au moyen d’un simulateur de conduite sont raisonnables et ont été largementadoptées par les chercheurs 17,18.

Un autre avantage du simulateur de conduite proposé est son faible coût. Comme mentionné précédemment, le logiciel de simulation de conduite introduit est un logiciel open-source qui est disponible gratuitement pour les utilisateurs. En outre, le coût total de l’ensemble de la configuration matérielle dans ce protocole est inférieur par rapport aux simulateurs de conduite commerciale haute fidélité typiques. La figure 1 a et b montre la configuration complète de deux simulateurs de conduite dont le coût est compris entre 3 000 $ et 3 000 $. En revanche, les simulateurs de conduite commerciale haute fidélité typiques (à base fixe) coûtent habituellement entre 10 000 $ et 100 000 $. Avec son prix très abordable, ce simulateur de conduite peut être un choix populaire non seulement à des fins de recherche académique, mais aussi pour la conduite des classesde conduite 19 et pour la démonstration des technologies liées à laconduite 20,21.

Figure 1
Figure 1 : Une image des simulateurs de conduite. Les deux simulateurs de conduite se composaient d’un volant et d’une boîte de vitesses, de trois pédales et d’un véhicule. a) Une configuration de simulateur de conduite de 3 000 $ qui utilisait un écran LCD de 80 pouces avec une résolution de 3840 × 2160. b Une configuration de simulateur de conduite de 30 000 $ qui utilisait trois projecteurs montés et trois écrans de projecteur d’une dimension de 223 x 126 cm chacun. Les écrans de projection ont été placés à 60 cm au-dessus du sol et à 22 cm de l’avant du véhicule. Seuls le projecteur central et l’écran du projecteur ont été utilisés pour l’expérience en cours. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Le logiciel de simulation de conduite et la boîte à outils vibrante de la méthode proposée ont déjà été utilisés dans des étudesantérieures par nos chercheurs 22,23,24,25,26,27,28,29. Cette boîte à outils vibrante auto-développée suivant la norme ISO30 peut être appliquée dans différentsdomaines 31,32 en ajustant la fréquence et l’intensité des vibrations. Il est important de noter qu’une nouvelle version de la boîte à outils vibrante a été développée et introduite dans le protocole suivant. Au lieu d’ajuster la fréquence des vibrations à l’aide d’un adaptateur de tension réglable, la nouvelle version est équipée de cinq fréquences vibratoires différentes et peut être ajustée plus facilement à l’aide des codes fournis dans le fichier de codage supplémentaire 1. De plus, le simulateur de conduite présenté offre aux chercheurs un moyen sûr, peu coûteux et efficace d’étudier divers types de recherche sur la conduite automobile. Ainsi, ce protocole convient aux laboratoires de recherche qui ont un budget limité et qui ont un fort besoin de personnaliser les environnements de conduite expérimentaux.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

REMARQUE : Toutes les méthodes décrites ici ont été approuvées par la Commission d’examen institutionnel (CISR) de l’Université de Tsinghua et le consentement éclairé a été obtenu de tous les participants.

1. Les participants

  1. Effectuer une analyse de puissance pour calculer le nombre requis de participants au recrutement selon la conception expérimentale afin d’atteindre la puissance statistique.
  2. Équilibrer autant que possible le sexe des participants lors du recrutement.
  3. Assurez-vous que les participants ont un permis de conduire valide et au moins un an d’expérience de conduite.
  4. Assurez-vous que les participants ont une vision normale ou corrigée à la normale à l’aide du tableau de vision.
  5. Assurez-vous que les participants n’ont pas consommé d’alcool ou de drogues qui affectent les capacités de conduite dans les 24 heures précédantl’expérience 33.

2. Configuration de logiciel de simulation de conduite

  1. Entrez le dossier du logiciel de simulation de conduite, suivi du dossier Runtime et du dossier Config. Ensuite, ouvrez le fichier « expconfig.txt » (c’est-à-dire, le chemin de fichier doit être « \torcs-1.3.3-Exp-2018-10-25\torcs-1.3.3\nuntime\config\ »).
  2. Déterminez s’il y a lieu d’appliquer n’importe quelle configuration ou de procéder à la simulation de conduite en utilisant les paramètres par défaut sans aucune configuration fraîchement sortie de la boîte en se référant à la conception expérimentale. Le tableau 1 montre une description détaillée des configurations par défaut de toutes les options disponibles.
    1. Passez à l’article 3 du protocole si aucun changement ne doit être apporté.
Options configurables Descriptions Paramètres par défaut
endExpByTime Qu’il s’agisse ou non d’utiliser l’heure de l’horloge comme déclencheur pour mettre fin à l’expérience. Faux
endExpAfterMinute Mettre fin à l’expérience après ces minutes. 10
endExpByDist Qu’il s’agisse ou non d’utiliser la voiture du conducteur a parcouru la distance comme déclencheur pour mettre fin à l’expérience. Lorsque des déclencheurs de temps et de distance sont utilisés, mettre fin à l’expérience avec celle qui se produit en premier. Faux
endExpAfterMeter Mettre fin à l’expérience après que ces compteurs ont été parcourus à partir de la ligne de départ. 5000
activerRandomFrontalWind S’il s’agit d’activer le vent frontal (c.-à-d. une force poussant la voiture vers la direction arrière) avec un intervalle et une durée aléatoires. Vrai
frontalWindIntervalMin Valeur minimale (secondes) de l’intervalle de vent frontal. 3
frontalWindIntervalMax Valeur maximale (secondes) de l’intervalle de vent frontal. 13
frontalWindDurationMin Valeur minimale (secondes) de la durée du vent frontal. 2
frontalWindDurationMax Valeur maximale (secondes) de la durée du vent frontal. 3
frontalWindForceMin Valeur minimale (newton) de la force du vent frontal. 500
frontalWindForceMax Valeur maximale (newton) de la force du vent frontal. 1000
activerRandomLateralWind S’il s’agit d’activer le vent latéral (c.-à-d. une force poussant la voiture vers la direction gauche ou droite) avec un intervalle et une durée aléatoires. Vrai
latéralWindIntervalMin Valeur minimale (secondes) de l’intervalle de vent latéral. 3
latéralWindIntervalMax Valeur maximale (secondes) de l’intervalle latéral du vent. 8
latéralWindDurationMin Valeur minimale (secondes) de la durée latérale du vent. 2
latéralWindDurationMax Valeur maximale (secondes) de la durée latérale du vent. 3
latéralWindForceMin Valeur minimale (newton) de la force latérale du vent. 1000
latéralWindForceMax Valeur maximale (newton) de la force latérale du vent. 2000
leadCarConstantSpeedMPH Vitesse constante du véhicule de tête (mph). 40
leadDistToStartWaiting Le véhicule principal commencera à attendre le véhicule du conducteur lorsque la distance (mètres) entre la queue du véhicule de tête et la tête du véhicule du conducteur sera plus grande que le numéro indiqué. 100
leadDistToStopWaiting Lead La voiture de tête attendra que la distance (mètres) devant la voiture du conducteur soit plus petite que ce nombre. 80
leadCarBrakeIntervalTimeMin Intervalle de temps aléatoire minimum (secondes) pour que le véhicule de tête freine. 30
leadCarBrakeIntervalTimeMax Intervalle de temps aléatoire maximum (secondes) pour que le véhicule principal freine. 60
leadCarBrakeEventDuration Durée de l’événement de freinage du véhicule principal (secondes). 5
activerRandomSMSSound S’il s’agit d’activer le son de notification du serveur de messages courts joué avec des intervalles aléatoires. Faux
randSMSIntervalMin Rand Intervalle de temps aléatoire minimum (secondes) entre le début de la première notification SMS et le début de la deuxième notification SMS. 2
randSMSIntervalMax Rand Intervalle de temps aléatoire maximum (secondes) entre le début de la première notification SMS et le début de la deuxième notification SMS. 2
activerRandomNbackSound S’il s’agit d’activer le son n-back numéro joué avec des intervalles aléatoires. Faux
randNbackIntervalMin Rand Intervalle de temps aléatoire minimum (secondes) entre le début du premier son et l’apparition du deuxième son. 2.33
randNbackIntervalMax Rand Intervalle de temps aléatoire maximum (secondes) entre le début du premier son et l’apparition du deuxième son. 2.33
activerUDPSendData S’il s’agit d’activer la synchronisation des données horodatage à un réseau local ip spécifique. Faux
activerUDPSendDataAdStudy S’il faut activer l’envoi de données à la propriété intellectuelle suivante pour l’étude publicitaire.
Remarque : Conflit avec enableUDPSendData.		 Faux
UDPTargetIPa1 (en) Adresse IP pour le transfert UDP /
UDPTargetiPa2 (en)
UDPTargetIPa3 (en)
UDPTargetIPa4 (en)
UDPTargetPort (en) Ciblez le port UDP. 1234
UDPcycleNumber Contrôlez la fréquence à l’envoi de l’horodatage. Les données seront envoyées après chaque cycle UDPNumber des cycles TORCS avec chaque cycle est généralement de 20 ms. 1
activerUDPQNConnection Qu’il s’agisse ou non d’activer la simulation de lecteur de modèle QN-Java avec le serveur et le client UDP sont le même ordinateur. Faux
UDPQNtoTORCSPort Le port UDP QN au numéro de port de simulation. 5678
UDPTORCStoQNPort Le port de simulation au numéro de port UDP QN. 8765
leadCarBrakingParWebCommand S’il vous agit de vous connecter à un site Web pour le signal de freinage du véhicule de tête. Faux
Far_Point_Time_Ahead Le paramètre utilisé dans le modèle de commande du véhicule. 2
activerCarFollowingTraining Que ce soit ou non pour activer la tâche simulée de suivi de voiture en mode formation. /
carFollowingTrainingWarningInterval Intervalle de temps entre le dernier début du son d’avertissement et le début sonore d’avertissement suivant du mode d’entraînement. 2

Tableau 1 : Liste des paramètres par défaut pour le logiciel de simulation de conduite. Une liste des valeurs par défaut de toutes les options configurables associées du logiciel de simulation de conduite ainsi qu’une description détaillée de chaque option.

  1. Configurer les paramètres sur la façon de terminer l’expérience en fonction de la variable de contrôle décidée de la conception expérimentale.
    1. Décidez d’utiliser l’heure de l’horloge comme déclencheur pour mettre fin à l’expérience avec l’option « endExpByTime = » en utilisant true ou false comme choix d’options. Réglez cette option à Faux pour reproduire l’étude exemplaire.
    2. Sélectionnez s’il faut mettre fin à l’expérience avec le temps parcouru comme déclencheur avec l’option « endExpAfterMinute = » en entravant le nombre de minutes dans le format avec une décimale. Le temps parcouru peut être entièrement décidé par les chercheurs. Entrée 12 pour reproduire l’étude exemplaire.
    3. Définissez s’il y a lieu de mettre fin à l’expérience avec la distance parcourue comme déclencheur avec l’option « endExpByDist = » en utilisant true ou false comme choix d’options. Notez que lorsque les options « endExpByTime = » et « endExpByDist = » sont définies sur True, l’expérience se terminera par la condition qui est remplie en premier. Réglez cette option à True pour reproduire l’étude exemplaire.
    4. Utilisez l’option « endExpAfterMeter = » pour définir la distance parcourue à partir de la ligne de départ en mètres dans le format avec une décimale. La distance parcourue peut être décidée entièrement par les chercheurs. Entrée 10000.0 pour reproduire l’étude exemplaire.
  2. Configurer les réglages du vent pour l’environnement de conduite simulé en fonction de la vitessedu vent 34,35 conçu pour l’environnement virtuel et la charge cognitive36 à initier à l’expérience.
    1. Définissez s’il y a lieu d’activer le vent frontal avec intervalle et durée aléatoires avec l’option « enableRandomFrontalWind = » en utilisant true ou false comme choix d’options. Réglez cette option à True pour reproduire l’étude exemplaire.
    2. Définissez l’intervalle de vent frontal minimum et maximum avec les options « frontalWindIntervalMin = » et « frontalWindIntervalMax = » en entravant le nombre de secondes dans le format avec une décimale, respectivement. Utilisez le paramètre par défaut (c.-à-d. 3,0 et 13,0, respectivement) pour reproduire l’étude exemplaire.
    3. Définissez la durée minimale et maximale du vent frontal avec les options « frontalWindDurationMin = » et « frontalWindDurationMax = » en entravant le nombre de secondes dans le format avec une décimale, respectivement. Utilisez le paramètre par défaut (c.-à-d. 2,0 et 3,0, respectivement) pour reproduire l’étude exemplaire.
    4. Définissez la force minimale et maximale du vent frontal avec les options « frontalWindForceMin = » et « frontalWindForceMax = » en indiquant la quantité de force dans newton, respectivement. Utilisez le paramètre par défaut (c.-à-d. 500,0 et 1 000,0, respectivement) pour reproduire l’étude exemplaire.
    5. Choisissez d’activer le vent latéral avec intervalle aléatoire et durée avec l’option « enableRandomLateralWind = » en utilisant true ou false comme choix d’options. Mis à True pour reproduire l’étude exemplaire.
    6. Définissez l’intervalle de force latérale minimale et maximale avec les options « lateralWindIntervalMin = » et « lateralWindIntervalMax = » en entravant le nombre de secondes dans le format avec une décimale, respectivement. Utilisez le paramètre par défaut (c.-à-d. 3,0 et 8,0, respectivement) pour reproduire l’étude exemplaire.
    7. Définissez la durée minimale et maximale du vent latéral avec les options « lateralWindDurationMin = » et « lateralWindDurationMax = » en entravant le nombre de secondes dans le format avec une décimale, respectivement. Utilisez le paramètre par défaut (c.-à-d. 2,0 et 3,0, respectivement) pour reproduire l’étude exemplaire.
    8. Définissez la force latérale minimale et maximale du vent avec les options « lateralWindForceMin = » et « lateralWindForceMax = » en indiquant la quantité de force dans newton, respectivement. Utilisez le paramètre par défaut (c.-à-d. 1 000,0 et 2 000,0, respectivement) pour reproduire l’étude exemplaire.
  3. Configurer les paramètres de la tâche de suivi de voiture simulée en fonction de la conception expérimentale et a besoinde 35.
    1. Réglez la vitesse constante du véhicule de tête en miles par heure avec une décimale en utilisant l’option « leadCarConstantSpeedMPH = ». Entrée 40 pour reproduire l’étude exemplaire.
    2. Définissez la distance en mètres avec une décimale entre le véhicule de tête et le véhicule du conducteur pour déclencher le véhicule principal pour commencer à attendre que le véhicule du conducteur se rattrape, ou pour reprendre la conduite, avec les options « leadDistToStartWaiting = » et « leadDistToStopWaiting = », respectivement. Utilisez le paramètre par défaut (c.-à-d. 100,0 et 80,0, respectivement) pour reproduire l’étude exemplaire.
    3. Définissez l’intervalle de temps aléatoire maximal et minimum des événements de freinage du véhicule principal avec les options « leadCarBrakeIntervalTimeMin = » et « leadCarBrakeIntervalTimeMax = » en entravant le nombre de secondes dans le format avec une décimale (p. ex., 30,0 et 60,0), respectivement. Utilisez le paramètre par défaut (c.-à-d. 30,0 et 60,0 respectivement) pour reproduire l’étude exemplaire.
    4. Définissez la durée de l’événement de freinage avec l’option « leadCarBrakeEventDuration = » en entrant le nombre de secondes dans le format avec une décimale. Utilisez le paramètre par défaut (c.-à-d. 5,0) pour reproduire l’étude exemplaire.
  4. Configurez les paramètres pour le son aléatoire de notification de message court selon la conception expérimentale et les besoins.
    1. Décider s’il y a lieu d’activer les sons de notification de service de messages courts (SMS) jouer avec des intervalles aléatoires avec True or False comme choix d’options pour l’option « enableRandomSMSSound = ». Définissez l’option de Faux pour reproduire l’étude exemplaire.
    2. Définissez l’intervalle de temps minimum et maximum entre le début de la première notification SMS et le début de la deuxième notification SMS à l’aide des options « randSMSIntervalMin = » et « randSMSIntervalMax = », en indiquant le nombre de secondes dans le format avec une décimale (p. ex., 5,0 et 10,0) respectivement.
  5. Configurer les paramètres de la tâche n-back simulée37 en fonction de la conception expérimentale et des besoins.
    1. Définissez les sons de numéro N-back pour jouer avec des intervalles aléatoires avec True or False comme choix d’options pour l’option « enableRandomNbackSound = ». Définissez l’option de Faux pour reproduire l’étude exemplaire.
    2. Définissez l’intervalle de temps minimum et maximum entre le décalage du premier son et le début du deuxième son à l’aide des options « randNbackIntervalMin = » et « randNbackIntervalMax = » pour indiquer le nombre de secondes dans le format avec une décimale (p. ex., 5,0 et 10,0), respectivement.
  6. Configurez les paramètres du protocole de datagram utilisateur (UDP) si un transfert de données UDP est nécessaire pour l’expérience.
    1. Décider s’il faut activer l’UDP pour le transfert de données en permettant la synchronisation des données horodatage à une adresse IP réseau locale spécifique via l’option « enableUDPSendData = » en utilisant True or False comme choix d’options. Activez cette option pour reproduire l’étude exemplaire.
    2. Sélectionnez s’il faut activer l’UDP pour le transfert de données vers une adresse IP spécifique pour une étude publicitaire via l’option « enableUDPSendDataAdStudy = » utilisant True or False comme choix d’options. Il est également rappelé que cette option est en conflit avec le « enableUDPSendData = » et les deux options ne peuvent pas être définies sur True en même temps. Définissez l’option de Faux pour reproduire l’étude exemplaire.
    3. Définissez l’adresse IP pour le transfert UDP en spécifier chaque section de l’adresse IP à l’aide de « UDPTargetIPa1 = », « UDPTargetIPa2 = », « UDPTargetIPa3 = », et « UDPTargetIPa4 = ».
    4. Indiquez le numéro de port cible sous « UDPTargetPort = ».
    5. Définissez la fréquence d’envoi des données sous « UDPcycleNumber = » avec tout entier supérieur ou égal au cycle « 1 » dans lequel chaque cycle est de 20 ms.
  7. Configurer la connexion UDP queuing network (QN)38 en référence à la conception expérimentale et aux besoins.
    1. Définissez s’il faut activer ou non la simulation de lecteur de modèle QN-Java dans laquelle le serveur et le client UDP partagent le même ordinateur, avec l’option « enableUDPQNConnection = » utilisant True or False comme choix d’options. Désactiver cette option pour reproduire l’étude exemplaire.
    2. Indiquez le numéro du port UDP QN au port de simulation dans le cadre de l’option « UDPQNtoTORCSPort = ».
    3. Indiquez le nombre du port de simulation au port QN UDP dans le cadre de l’option « UDPTORCStoQNPort = ».
  8. Configurer s’il y a lieu de se connecter à un site Web pour les signaux de freinage selon la conception expérimentale sous l’option « leadCarBrakingByWebCommand = » en utilisant True ou False comme choix d’options. Veuillez noter que lorsque cette option est définie sur True, les « endExpByTime = » et « endExpAfterMinute = » cesseront de fonctionner. Définissez l’option de Faux pour reproduire l’étude exemplaire.
  9. Définissez s’il y a lieu d’activer la tâche de suivi de voiture simulée en mode formation avec le « enableCarFollowingTraining = » en utilisant True or False comme choix d’options.
    1. Définissez l’intervalle entre le dernier début du son d’avertissement et le début sonore d’avertissement suivant de l’entraînement avec l’option « carFollowingTrainingWarningInterval = » en indiquant le nombre de secondes avec une décimale (p. ex., 2,0).
  10. Enregistrez le fichier à la fin de la configuration.

3. Préparation de simulateur de conduite

  1. Connectez le volant et le projecteur central (un projecteur monté avec un rapport d’aspect de 16:10, 192 - 240 Hz fréquence de rafraîchissement, et le traitement des couleurs 8 bits) à l’ordinateur. Un écran de projecteur d’une dimension de 223 x 126 cm a été placé à 60 cm au-dessus du sol et à 22 cm de l’avant du véhicule instrumenté.
  2. Réglez la résolution de l’écran sous Options | Afficher, pour correspondre à la taille de l’écran lors du démarrage du logiciel de simulation de conduite.
  3. Entrez la page Configure pour sélectionner un joueur et suivez les instructions fournies par le logiciel pour calibrer le volant, l’accélérateur et la pédale de frein. Il s’agit notamment de tourner le volant et d’appuyer sur l’accélérateur et la pédale de frein selon les instructions.

4. Configuration et préparation vibrantes de boîte à outils

  1. Connectez la boîte à outils vibrante à l’alimentation électrique. Chacun des quatre modules a une dimension de 67 x 57 x 29 mm. La figure 2 montre une image de la boîte à outils vibrante.

Figure 2
Figure 2 : Images de la boîte à outils vibrante. La boîte à outils vibrante se composait de quatre modules individuels qui peuvent être activés séparément. Chaque module a une dimension de 67 x 57 x 29 mm. Veuillez cliquer ici pour voir une version plus grande de cette figure.

  1. Allumez la boîte à outils vibrante et connectez la boîte à outils à l’ordinateur via Bluetooth.
  2. Définissez la fréquence des vibrations à utiliser pour l’expérience lors d’un test pilote de sensibilité de la peau ou selon des besoins expérimentaux.
  3. Réglez la fréquence des vibrations à 70 Hz39,40,41 en utilisant les codes fournis comme fichier de codage supplémentaire 1. Un total de cinq niveaux de fréquence (c.-à-d., 14Hz, 28Hz, 42Hz, 56Hz, et 70Hz) sont actuellement disponibles avec chaque stimulation de vibration qui dure pendant 0.5 s par défaut.
  4. Utilisez les codes fournis comme fichier de codage supplémentaire 1 pour synchroniser les événements de freinage à partir du logiciel de simulation de conduite et de la boîte à outils vibrante. La figure 3 montre une capture d’écran étiquetée des codes à réviser comme référence.

Figure 3
Figure 3 : Capture d’écran étiquetée des codes dans le fichier de codage supplémentaire 1. La capture d’écran étiquetée des codes peut être utilisée comme une référence plus facile pour la configuration et la préparation de la boîte à outils vibrante. Ces codes sont utilisés pour définir la fréquence des vibrations de la boîte à outils, et pour synchroniser les événements de freinage dans le logiciel de simulation de conduite et la boîte à outils vibrante pour générer des avertissements vibrants. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

5. Mener l’expérience

  1. Demandez aux participants de lire et de signer le formulaire de consentement éclairé qui introduit le processus expérimental et de déclarer que l’étude est d’évaluer le rendement au volant à leur arrivée au laboratoire.
  2. Aidez les participants à ajuster la distance du siège à la pédale et réglez manuellement l’arrière à une position confortable.
  3. Apprenez aux participants comment faire fonctionner le simulateur, y compris le volant, la pédale de frein et la pédale d’accélérateur.
  4. Demandez aux participants de conduire comme ils le feraient dans le monde réel, en suivant la voiture en face d’eux et en gardant une avance de deux secondes derrière elle. La figure 4 montre la feuille de route utilisée pour la simulation de conduite.

Figure 4
Figure 4 : Feuille de route utilisée pour la simulation de conduite. La route utilisée est une route à sens unique avec quatre courbes (longueur maximale de 15.000 mètres), trois voies, et sans feux de circulation. Le logiciel de simulateur de conduite offre d’autres options de conception routière telles que des options pour inclure des panneaux routiers ou des panneaux d’affichage. Une version compatible EEG est également disponible. Tous ces paramètres peuvent être ajustés, si nécessaire. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

  1. Informez les participants de freiner le plus tôt possible chaque fois que le véhicule avant freine, même si le scénario ne nécessite pas de réponse aux freins. Les feux arrière du véhicule avant s’allumeront selon la conduite réelle pour indiquer un événement de frein.
  2. Offrez aux participants un essai pratique de 5 minutes pour apprendre à maintenir une distance de deux secondes derrière le véhicule avant. L’essai pratique comprend un ensemble de 5 freins aléatoires.
    1. Pendant l’essai d’entraînement, si les participants sont moins de 1,5 s derrière le véhicule avant, le logiciel de simulation de conduite jouera une invite avec une voix féminine « trop près, s’il vous plaît ralentir ».
    2. Si les participants sont entre 2,25 et 2,5 s derrière le véhicule avant, le logiciel de simulation de conduite jouera une invite avec une voix féminine « trop loin, s’il vous plaît accélérer ».
    3. N’incluez pas les données de l’essai pratique pour l’analyse.
  3. Faites savoir aux participants que l’étude peut être arrêtée sans aucune pénalité en avisant les expérimentateurs à tout moment, si nécessaire.
  4. Commencez l’expérience formelle une fois que les participants ont terminé la séance d’entraînement et peuvent maintenir une distance suivante stable.
  5. Commencez la session expérimentale formelle, qui se compose d’un total de quatre blocs (c.-à-d. doigt, poignet, temple, et conduite seulement) avec 13 événements aléatoires de freinage dans chaque bloc, ayant pour résultat un total de 52 essais expérimentaux. L’ordre des conditions est contrebalancé par la conception carrée latine. Aucune invite vocale n’est fournie dans les essais officiels.
  6. Aider les participants à mettre sur la boîte à outils vibrante à l’aide de ruban médical avant chaque bloc d’essais en fonction des conditions assignées. La boîte à outils vibrante (si elle est usée) avertit les participants de freiner lorsque le véhicule avant freine. Les feux arrière du véhicule avant sont allumés chaque fois que le véhicule avant freine.
  7. Assurez-vous que les participants reçoivent un repos de 2 minutes à la fin de chaque bloc afin de réduire les effets de report.
  8. Demandez aux participants leur emplacement préféré pour la boîte à outils vibrante et l’intensité perçue des vibrations avec une échelle likert de 7 points à la fin de tous les essais. Le taux d’utilisation de chaque accessoire portable quotidien (c.-à-d. montre, lunettes, écouteurs et bague) est également enregistré. Dans l’échelle de préférence pour l’emplacement de la boîte à outils vibrante, « 1 » représente « moins favori » et « 7 » représente « le plus favori », tandis que dans l’échelle d’intensité vibratoire « 1 » représente « sentiment faible » et « 7 » représente « sentiment fort ».

6. Analyse des données

  1. Recueillir les données sur le comportement de conduite des participants à 50 Hz à l’aide du logiciel de simulation de conduite, y compris le temps de réponse aux freins, la vitesse du véhicule, le taux d’inversion du volant, la position de la voie (SDLP) et la distance de marche, etc.
  2. Effectuer une analyse des performances des pilotes.
    1. Effectuer une analyse aberrante à l’aide de la distribution normale avec coupure comme trois écarts types par rapport à la moyenne pour déterminer quelles données doivent être incluses pour une analyse plus approfondie.
    2. Calculer le temps de réponse aux freins en soustrayant le moment où le véhicule participant freine (c.-à-d. une réduction minimale de 1 % de la pédalede frein 36,42) à partir du moment où le véhicule avant commence à freiner.
    3. Étiquetez les données comme « pas de réponse aux freins » si le temps de réponse au freinage est supérieur ou égal à 5 s (c.-à-d. un défaut de freiner dans les 5 s après les freins avant du véhicule).
    4. Divisez le nombre de freins réussis par le nombre total de freins effectués par le véhicule avant pour calculer le taux de réponse aux freins.
    5. Faire la moyenne de toutes les valeurs de chaque participant pour obtenir le taux moyen de réponse aux freins et le temps de réponse aux freins de chaque condition et calculer l’écart type sur ces valeurs pour des analyses plus approfondies.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

L’étude exemplaire rapportée dans cet article a mené la tâche de voiture-suivant utilisant le simulateur de conduite et la boîte à outils vibrante, qui a également été éditée précédemment dans une revue universitaire22. Il convient de noter que l’ancienne version de la boîte à outils vibrante a été utilisée lors de l’étude exemplaire, tandis qu’une nouvelle version de la boîte à outils vibrante a été introduite dans le protocole ci-dessus. L’étude était une expérience de conception dans le sujet avec l’emplacement vibrant d’avertissement comme seul facteur : doigt, poignet, conditions d’avertissement de temple, et condition de conduite seulement comme contrôle. Chaque condition se composait de 13 événements de freinage aléatoires, ce qui a donné lieu à un total de 52 essais expérimentaux. L’ordre des conditions a été contrebalancé avec la conception carrée latine et tous les participants ont subi les quatre conditions au cours de l’expérience.

L’étude exemplaire comprenait également un sondage qui a enregistré l’emplacement préféré des participants pour placer la boîte à outils vibrante et l’intensité perçue des vibrations de chaque endroit (c.-à-d. doigt, poignet et temple) avec une échelle likert de 7 points à la fin de tous les essais. Le taux d’utilisation des accessoires portables quotidiens (c.-à-d. montre, lunettes, écouteurs et bague) a également été enregistré.

Comme il n’y avait pas de méta-analyse antérieure comme référence pour déterminer la taille de l’échantillon pour l’étude exemplaire, après avoir terminé l’analyse de puissance avec la taille médiane del’effet (ηp2 = 0,06)43,44, 23 participants ont été tenus d’atteindre 80% de puissance et 30 participants ont été tenus d’atteindre 90% de puissance. Un total de 28 participants ayant une vision normale ou corrigée à la normale, un permis de conduire valide et une expérience de conduite pendant plus d’un an ont été recrutés dans la communauté de quartier de l’Université de Tsinghua. Quatre participants ont été exclus de l’analyse des données et un participant s’est retiré de l’étude, et trois participants n’ont pas suivi les instructions expérimentales. Une analyse aberrante a également été effectuée à l’aide d’une distribution normale avec coupure comme trois écarts types par rapport à la moyenne. Les 24 autres participants (17 hommes et 7 femmes) qui ont été inclus pour l’analyse des données ont un âge moyen de 23,88 ans avec un écart type de 6,62 ans, remplissant la taille minimale requise de l’échantillon (c.-à-d. 23 participants). Des instructions pour l’expérience ont été données à chaque participant et un formulaire de consentement signé a été obtenu de tous les participants à leur arrivée au laboratoire. Tous les participants étaient au courant de l’objet de cette expérience et n’ont signalé aucune préoccupation après la fin des essais de pratique avant le début de l’expérience proprement dite.

L’expérience de simulation de conduite s’est déroulée dans un environnement lumineux, avec la scène simulée conçue semblable à la conduite sur l’autoroute par temps clair. La figure 5 montre une capture d’écran de l’environnement simulé qui a été utilisé dans l’étude exemplaire. Il a été défini pour permettre uniquement la tâche simulée de suivi de voiture avec chaque essai d’une durée de 12 min. Le véhicule de tête devait avancer à une vitesse moyenne de 60,4 km/h (40 mi/h), et l’intervalle de temps pour les freins aléatoires du véhicule avant était fixé à 30 à 60 s avec une durée d’épreuve de freinage de 5 s. L’accélération moyenne du véhicule avant était de 0,6 m/s2, ce qui est passé par les réglages par défaut35.

Figure 5
Figure 5 : Capture d’écran de l’environnement de simulation de conduite. L’expérience de simulation de conduite s’est déroulée dans un environnement lumineux. Les feux arrière du véhicule avant s’allument lorsque le véhicule avant freine. Le bas de l’écran montre aux conducteurs l’équipement et la vitesse de leur véhicule. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Les réglages du vent frontal et latéral ont été activés et réglés pour rester comme paramètres par défaut. L’intervalle minimal et maximal de vent frontal, la durée du vent et la force du vent frontal étaient de 3 s et 13 s, 2 s et 3 s, et 500 N et 1 000 N,respectivement 36. L’intervalle minimal et maximal de vent latéral, la durée du vent et la force latérale du vent étaient de 3 s et 8 s, 2 s et 3 s, et 1 000 N et 2 000 N, respectivement36.

Une analyse à sens unique des mesures répétées de la variance (ANOVA uni sensé) sur le taux de réponse aux freins a montré que l’effet des quatre conditionsde tâche était important, F(3,69) = 3,08, p = 0,049, η p2 = 0,31. Les analyses post-hoc effectuées à l’aide de t-testscorrigés par Bonferroni ont révélé aucune différence significative de comparaison entre paires (comme l’illustre la figure 6).

Figure 6
Figure 6 : Taux de réponse aux freins. Taux moyen de réponse aux freins chez les participants dans chacune des quatre conditions (c.-à-d. doigt, poignet, temple et conduite seulement). Les barres d’erreur représentent des écarts types. Ce chiffre a été modifié à partir de Zhu et coll.22. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

L’analyse du temps de réponse aux freins à l’aide d’ANOVA uni sensé a généré des résultats significatifs, F(3,69) = 4,76, p < 0,01, ηp2 = 0,17. À la fin des essais tcorrigés par Bonferroni, le temps de réponse aux freins enregistré était beaucoup plus court lorsque la tâche a été exécutée avec la boîte à outils vibrante située au doigt des participants (M = 1,04 s, SD = 0,35 s) et poignet (M = 1,00 s, SD = 0,33 s) par rapport à l’état de conduite seulement (M = 1,29 s, SD = 0,36 s) avec p = 0,004 et p = 0,008, respectivement. Cependant, aucun résultat significatif n’a été trouvé lorsque les participants conduisaient avec la boîte à outils vibrante située sur la zone du temple par rapport à l’état de conduite seulement (M = 1,08 s, SD = 0,50 s), p = 0,22. En ce qui concerne la figure 7, les résultats ont souligné que l’application d’avertissements tactiles pourrait faciliter les réactions des conducteurs aux dangers à venir au volant, surtout lorsque le dispositif d’avertissement était situé au doigt ou au poignet des conducteurs.

Figure 7
Figure 7 : Temps de réponse aux freins. Temps moyen de réponse aux freins en quelques secondes chez les participants dans chacune des quatre conditions (c.-à-d. doigt, poignet, temple et conduite seulement). Les barres d’erreur représentent des écarts types. Ce chiffre a été modifié à partir de Zhu et coll.22. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

L’analyse de la préférence pour l’emplacement d’avertissement (c.-à-d. doigt, poignet, et temple) a montré un effet significatif, F(2,46) = 7,05, p < 0,01, ηp2 = 0,23. Des t-tests post-hoc corrigés par Bonferroni ont donc également été effectués. Les résultats ont indiqué une préférence significative pour ledoigt ( M = 4,88, SD = 1,75) etle poignet ( M = 4,83, SD = 1,31) que la zone du temple (M = 3,13, SD = 2,05) où p = 0,03 et p = 0,02 respectivement. Il n’y avait pas de différence significative entre les emplacements des doigts etdes poignets (p = 1,0). De plus, on a constaté un effet important pour l’intensité perçue des vibrations des participants pour les trois emplacements, F(2,46) = 7,37, p < 0,01, ηp2 = 0,24. Les participants ont perçu le plus haut niveau de vibration dans la zone du temple. Toutefois, une analyse plus poussée a montré que le niveau perçu de vibration n’était que significativement inférieur à la zone du temple (M = 5,75, SD = 1,42) lorsque la boîte à outils vibrante était située sur le poignet (M = 4,17, SD = 0,92), p < 0,01. Lorsque la boîte à outils vibrante a été localisée sur le doigt (M = 4,71, SD = 1,63), elle n’a montré aucune différence significative avec ni la zone du temple(p = 0,09) ni le poignet (p = 0,56). Fait intéressant, comme le montre la figure 8, alors que les participants percevaient le plus haut niveau de vibration dans la zone du temple, la préférence pour que la boîte à outils vibrante soit située sur la zone du temple était la plus basse.

Figure 8
Figure 8 : Cotes subjectives sur la préférence pour les lieux d’avertissement et l’intensité perçue des vibrations chez les participants. Lieu d’avertissement préféré moyen sur une échelle de 1 (moins favori) à 7 (le plus favori) contre l’intensité perçue moyenne des vibrations sur une échelle de 1 (sentiment faible) à 7 (sentiment fort) pour le doigt, le poignet et la zone du temple de tous les participants. Les barres d’erreur représentent des écarts types. Ce chiffre a été modifié à partir de Zhu et coll.22. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Enfin, l’analyse de l’utilisation d’accessoires portables quotidiens (montre, lunettes, écouteurs et bagues) chez les participants reflète le fait que plus de 50 % des participants portaient une montre dans leur vie quotidienne, ce qui suggère la faisabilité d’adopter des appareils vibrotactiles portables comme système d’avertissement dans la vie réelle (comme l’illustre la figure 9).

Figure 9
Figure 9 : Utilisation d’accessoires portables quotidiens chez les participants. Pourcentage moyen d’utilisation quotidienne pour chacun des quatre accessoires portables (c.-à-d. montres, lunettes, écouteurs et bagues). Ce chiffre a été modifié à partir de Zhu et coll.22. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Avec plusieurs accessoires portables intelligents tels que des bagues intelligentes, des montres intelligentes et des lunettes intelligentes maintenant disponibles sur le marché, l’application d’avertissements tactiles sur les accessoires portable est juste autour du coin. La recherche actuelle a confirmé l’efficacité des dispositifs vibrotactiles portables en tant que système d’avertissement précieux pour faciliter le temps d’intervention des freins émergents des conducteurs. Le temps moyen de réponse aux freins a été réduit de 297 ms, 251 ms et 210 ms pour le port des dispositifs vibrotactiles au poignet, au doigt et au temple, respectivement, comparativement au non-port d’un dispositif d’avertissement tactile. Les résultats actuels ont montré que les avertissements vibrants émis au poignet ont produit le temps de réponse de frein le plus rapide, ce qui a entraîné une baisse de 23 % du temps de réponse aux freins par rapport à l’ind remise d’un avertissement tactile. Cependant, d’autres facteurs tels quele sexe 46,46ans ,47, et lesdifférences individuelles 48,49 dans la sensibilité tactile peut également affecter l’efficacité des avertissements tactiles. Une enquête plus approfondie qui comprend plus de facteurs est donc nécessaire pour déterminer l’emplacement optimal pour placer les dispositifs d’avertissement tactiles. Les résultats indiquaient non seulement la valeur du développement d’appareils vibrotactiles portables, mais proposaient également une forme alternative potentielle de système tactile d’avertissement de collision avant qui est moins coûteuse, plus réalisable et hautement opérationnelle par rapport à d’autres systèmes d’avertissement tactiles tels que le siègevibratoire 10 ou le gilet vibratoire50.

Fichier de codage supplémentaire. S’il vous plaît cliquez ici pour télécharger ce fichier.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

La plate-forme de simulation de conduite et la boîte à outils vibrante imitaient raisonnablement l’application d’appareils vibrotactiles portables potentiels dans la vie réelle, fournissant une technique efficace pour étudier la recherche liée à la conduite. Grâce à l’utilisation de cette technologie, un environnement expérimental sûr avec une configurabilité et une abordabilité élevées est maintenant disponible pour mener des recherches comparables à la conduite dans le monde réel.

Il y a plusieurs étapes qui exigent plus d’attention. Tout d’abord, au cours du processus de configuration à l’aide de l'«expconfig.txt », les chercheurs devraient s’assurer que le mode de formation a été réglé à faux avant de mener l’expérience réelle pour éteindre l’invite audio qui est conçu pour la conduite de pratique. Deuxièmement, il est important de noter que pendant le processus d’étalonnage du volant, les chercheurs doivent s’assurer que l’amplitude vers les deux directions du volant est équilibrée et que, les pédales de frein et d’accélérateur sont complètement plancherées. Troisièmement, les chercheurs devraient également examiner si la boîte à outils vibrante a été placée fermement sur le participant avec des bandes médicales avant le début de la simulation de conduite.

Pour faire face autant que possible aux préoccupations concernant la validité externe de la simulation de conduite, le logiciel de simulation de conduite introduit offre aux chercheurs un large éventail d’options pour configurer un environnement de conduite idéal. Par exemple, la modification de l’intensité du vent frontal et latéral peut être ajustée pour reproduire la résistance au vent que les conducteurs éprouveraient sur une route dans la vie réelle. En plus des configurations disponibles fournies sur le document « expconfig.txt », les chercheurs peuvent également concevoir leur propre route à l’aide du logiciel de simulation open-source pour construire un environnement qui imite le scénario de la vie réelle. Les chercheurs peuvent également se montrer préoccupés par le retard possible de début de la boîte à outils vibrante sans fil, ce qui pourrait affecter le temps de réponse mesuré. Pourtant, les caractéristiques de fonctionnement typiques des moteurs à vibrations ne comprenaient qu’un temps de décalage de 16 ms et un temps d’élévation de 28 ms. En revanche, le temps de réponse typique des conducteurs se situe entre 0,5 s et 1,5 s51. Par conséquent, l’effet du délai d’apparition est relativement faible et peut être négligé. De plus, chaque fois que les chercheurs éprouvent des difficultés au cours du processus de configuration et de préparation, il est recommandé de redémarrer l’ensemble du système et de recalibrer le volant, l’accélérateur et la pédale de frein. Si l’option UDP a été activée mais qu’aucune donnée n’a été reçue par d’autres appareils, assurez-vous que d’autres périphériques ont été mis en place en tant que serveur UDP au lieu d’un client UDP pour faciliter le transfert de données.

Néanmoins, la méthode proposée a ses limites. Dans un contexte réel, différentes capacités et compétences de conduite seront requises sur de multiples aspects, y compris les exigences relatives des capacités physiques, cognitives, comportementales et perceptuelles, etc. Selon les déterminants contextuels, différents degrés de demande sont placés sur les compétences cognitives-perceptuelles des conducteurs. Par exemple, le niveau de capacité requis pour qu’un conducteur conduise en toute sécurité par temps ensoleillé sera moins intensif que la conduite dans un environnement météorologique défavorable à la circulationlourde 52. Le simulateur de conduite ne peut pas simuler entièrement l’état de conduite complexe du monde réel, mais il peut fournir un environnement plus contrôlé qui élimine les variables confusion potentielles qui peuvent contaminer le résultat de l’expérience. L’ajustement au simulateur de conduite signalé peut également être effectué en fonction des besoins expérimentaux. Néanmoins, une étude sur route devrait encore être menée pour accroître la validité écologique de ce domaine de recherche. En outre, en raison de son faible coût, la plate-forme de simulation de conduite présentée ne se compose pas d’une plate-forme de mouvement, ce qui signifie qu’il n’est pas en mesure de fournir des expériences de voyage horizontales et longitudinales.

Correspondant à l’expérience exemplaire, alors que les vibrations peuvent être causées par des contextes externes tels que la conduite sur une route inégale, aucune vibration du véhicule n’a été fournie aux participants pendant la simulation de conduite. Toutefois, la méthode proposée nous permet de contrôler la vitesse et l’intervalle de frein de la voiture avant dans la tâche de suivi de la voiture dans un environnement de laboratoire, ce qui nous donne la possibilité de contrôler la difficulté de conduite pour les participants. De plus, un questionnaire sur la maladiede simulation 53 (QSS) n’a pas été inclus dans l’expérience. Malgré l’examen manquant, les résultats n’ont pas été affectés car la durée de chaque essai était relativement courte, et aucun participant n’a signalé aucun symptôme53 de la maladie de simulation à la fin de chaque essai. Cette étude a également un nombre de déséquilibre de participants masculins et féminins. Les études futures devraient permettre d’exclure les participants ayant la maladie de simulation53 à l’aide du questionnaireapproprié 54et viser à recruter un nombre égal de participants masculins et féminins afin d’obtenir une conclusion plus solide des résultats.

L’étude exemplaire est une expérience de conception dans le sujet voiture suivante avec l’emplacement d’avertissement vibrant comme seul facteur: doigt, poignet, conditions d’avertissement temple, et la conduite seulement état de contrôle. À l’avenir, nous avons l’intention d’effectuer d’autres tests sur d’autres endroits tels que la poitrine et derrière l’oreille, fournissant des emplacements alternatifs de dispositifs portables pour le développement à venir. Une analyse plus poussée peut être effectuée pour étudier la variation de la décélération de la pédale de frein dans différentes conditions. De plus, les résultats laissaient entendre que les participants percevaient le niveau de vibration le plus élevé à la zone du temple, mais que la zone était aussi l’endroit le moins privilégié pour placer l’appareil. Il serait également intéressant d’étudier plus avant l’effet sur la réaction des freins en ajustant l’intensité des vibrations sur la zone du temple. De plus, par rapport aux avertissements visuels et auditifs, les avertissements vibrotactiles contiennent moins d’informations. D’autres recherches devraient être menées pour étudier comment les avertissements vibrotactiles peuvent être utilisés pour fournir des informations complexes.

Bien que cette étude n’a mené qu’une expérience sur l’effet de la boîte à outils vibrante portable sur les collisions vers l’avant, cette conception d’essai peut également être appliquée dans d’autres recherches comportementales telles que la recherche sur les véhicules autonomes, les systèmes d’avertissement de sortie de voie, l’étude de distraction du conducteur et l’étude de la fatigue au volant. Bien que la simulation de conduite utilisée dans l’étude exemplaire n’inclut pas une configuration pour la conduite autonome, les chercheurs peuvent réviser les codes en se référant àd’autres documents publiés 55,56 pour atteindre cet objectif. En outre, la boîte à outils vibrante peut être utilisée dans la recherche de conduite multitâche, y compris la tâche de réponse de détection (DRT)57,58,59, tâche de référence de substitution (SuRT)37,58, et N-back tâche37. Les chercheurs peuvent personnaliser les comportements et les événements des véhicules en fonction de leurs besoins tout en utilisant le simulateur de conduite. D’autres domaines de recherche qui utilisent des dispositifs d’avertissement de vibrations pour étudier le comportement humain commel’ingénierie biomédicale 31,32 pourraient également bénéficier de la méthode proposée.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont déclaré aucune divulgation financière ou conflit d’intérêts.

Acknowledgments

Ce projet a été parrainé par la Beijing Talents Foundation.

Materials

Name Company Catalog Number Comments
Logitech G29 Logitech 941-000114 Steering wheel and pedals
Projector screens - - The projector screen for showing the simulation enivronemnt.
Epson CB-700U Laser WUXGA Education Ultra Short Focus Interactive Projector EPSON V11H878520W The projector model for generating the display of the simlution enivronment.
The Open Racing Car Simulator (TORCS) - None Driving simulation software. The original creators are Eric Espié and Christophe Guionneau, and the version used in experiment is modified by Cao, Shi.
Tactile toolkit Hao Xing Tech. None This is used to initiate warnings to the participants.
Connecting program (Python) - - This is used to connect the TORCS with the tactile toolkit to send the vibrating instruction.
G*power Heinrich-Heine-Universität Düsseldorf None This software is used to calculate the required number of participants.

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Comportement Numéro 166 Simulateur de conduite système d’avertissement de collision tâche de suivi de voiture avertissement tactile boîte à outils vibrante

Erratum

Formal Correction: Erratum: Tactile Vibrating Toolkit and Driving Simulation Platform for Driving-Related Research
Posted by JoVE Editors on 09/01/2022. 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

Boîte à outils vibrante tactile et plate-forme de simulation de conduite pour la recherche liée à la conduite
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Zhu, A., Choi, A. T. H., Ma, K. H.,… More

Zhu, A., Choi, A. T. H., Ma, K. H., Cao, S., Yao, H., Wu, J., He, J. Tactile Vibrating Toolkit and Driving Simulation Platform for Driving-Related Research. J. Vis. Exp. (166), e61408, doi:10.3791/61408 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter