バーチャルリアリティウォーキングシミュレータを使用した歩行者行動の調査
June 9th, 2020
このプロトコルは、移動する交通の存在下で歩行者の行動を研究するための安全で生態学的に有効な方法として機能する歩行シミュレータの使用を記述します。
この非常に没入型のバーチャルリアリティプロトコルは、人々が交差点の間に感情を調整する方法を調査することができます。トレッドミル上の仮想ウォーキングは、知覚と行動の間の相互関係を完全にキャプチャすることを可能にします。行動生態学の分野に関する洞察を提供し、研究者が歩行者の安全と自律走行車の開発に対する私たちの情熱を探求することを可能にするこのメッセージ。
研究者が自分の研究の目的に合わせてパラメータを正しく校正できるように、図を使用して交差状況を視覚化すると便利です。彼らの手順を実証することは、私の研究室の大学院生であるHui Liです。まず、Config ディレクトリを使用して、ウォーキング シミュレーターでパラメータを設定します。
車のセクションで、最初の車両のパラメータを設定します。セダンの場合はタイプを 1 に、バスの場合は 2、車両なしの場合は 0 に設定します。次に、速度をキロメートル/時に、距離をメートル単位で設定します。
同じパラメータを設定して、2台目の車のセクションを完了します。道路セクションには車線選択のパラメータが含まれていますが、パラメータレーンを1に設定して歩行者の開始位置に近い車線を使用するか、さらに遠くの車線に2つ使用します。サンプリング周波数に関連するパラメータを含む保存されたセクションで、1秒あたりのパラメータ数をヘルツの所望の値に設定し、設定ファイルを保存して終了します。
3 つの演習用試用版構成ファイルを準備し、ランダム化された順序で実験で使用する構成のリストを含む個別のシートを作成します。正常なまたは正常な視力を修正した参加者を募集し、各実験の前に書面によるインフォームド・コンセント・フォームに署名するよう依頼します。参加者にタスクの口頭での指示を付けてオーディオ録音を再生します。
そして、彼らに質問をするよう促します。準備ができたら、参加者をトレッドミルに導き、安定化ベルトを参加者の腰に引き入れさせます。実験中は常に手すりを持つように指示します。
参加者にハンドレールを持ちながらベルトをはいたままトレッドミルを歩く練習をしてもらいます。参加者がトレッドミルを快適に歩くことができたら、実行可能シミュレータをダブルクリックしてウォーキングシミュレータプログラムを開始します。必要に応じて、ヘッドセットを着用し、支援を提供するように参加者に指示します。
ヘッドターンに対して快適さと安定性の両方を確認してください。黒と白の漫画の横断歩道が参加者のビューに適切に揃うようにヘッドセットを調整します。最初の練習トライアルは車両なしで行われることを参加者に伝え、トライアルを開始します。
画面の下部にあるテキスト ボックスに最初の練習用試験の構成番号を入力し、[開始] ボタンをクリックします。参加者にまっすぐ前を見て、準備ができていると聞いたら準備をし、行くと聞いたら歩き始め、口頭での手がかりを準備して行くように指示します。●初練習トライアルで終了すると、歩行せずに車両を紹介する第2練習トライアルを実施します。
3回目の練習トライアルでは、左側から来る2台の車両が含まれ、2台の車両の間の道路を横断しようとする必要があることを参加者に知らせます。テキストボックスに3番目の試用番号を入力し、スタートボタンをクリックします。仮想ウォーキング実験を実行するには、テキスト ボックスのデータ シートから最初の構成番号を入力し、[開始] をクリックします。
最終試験と同様にシミュレーションを実行し、実験シートの構成番号の横に結果を記録します。歩行シミュレーターは、曲線から交点までの初期距離が参加者の接近速度に影響を与えるかどうかを判断するために使用されました。若い成人の速度はアプローチを通して増加したが、最初の距離が短いとき、彼らは試験の開始時に減速し、継続的にスピードアップした。
子供の場合、車両のサイズは、初期距離によって引き起こされる速度プロファイルと交差位置に影響を与えました。しかし、歩行後の分析によると、子供たちはアプローチを通してスピードを上げ、車間を横断すると、近い最初の距離のアプローチの開始時に減速しました。子供たちがバスの間を横断したとき、彼らの速度は、近い最初の距離のためのアプローチの開始時に増加も減少もありませんでした。
最初の距離が近くから遠く離れたところまで増加するにつれて、子供の傍受時間は大幅に増加することがわかりましたが、バス間を横断する場合、子供の傍受時間は近くの初期距離と中間の初期距離の間で有意に異なっていないことがわかりました。この方法で交差動作に関する正確な情報を提供するには、バーチャルリアリティヘッドセットの視野シーンを適切に調整する必要があります。この技術により、研究者は、ベアリング角やアフォーダンスなどの概念を研究するために使用された歩行者行動の数学的モデルを開発することができました。
View the full transcript and gain access to thousands of scientific videos
概要
このプロトコルは、動く交通が存在する状況下で歩行者の行動を研究するための安全かつ生態学的に有効な方法として、非常に没入感のある仮想現実ウォーキングシミュレーターを説明しています。研究者は、横断状況における人々の感情の調整方法を調査することができます。
主要な研究構成要素
科学の分野
- 行動生態学
- 歩行者の安全
- 自動運転車の開発
背景
- この研究は、仮想ウォーキングトレッドミルを使用して、実際の横断シナリオをシミュレートします。
- ダイアグラムを使用して、より良いパラメータ調整のために横断状況を視覚化します。
- このアプローチは、知覚と行動の相互関係を捉えます。
- 交通環境における歩行者の行動に関する洞察を提供します。
研究の目的
- 動く交通が存在する状況下での歩行者の行動を探求すること。
- 横断中の感情の調整を理解すること。
- 行動生態学と安全対策に関する知識を強化すること。
使用された方法
- 没入感のあるシナリオを作成するためのウォーキングシミュレーターの使用。
- Config Directoryを使用してパラメータを設定すること。
- 横断ダイナミクスの理解を支援するための視覚的補助。
- 研究室の大学院生による実証。
主な結果
- 感情が横断行動にどのように影響するかについての洞察。
- 交通との歩行者の相互作用の理解。
- 歩行者の安全対策開発をサポートするデータ。
- 自動運転車技術への潜在的な応用。
結論
- ウォーキングシミュレーターは、歩行者の行動を研究するための効果的なツールです。
- 感情の調整は横断の決定に重要な役割を果たします。
- 研究結果は安全プロトコルと車両設計に情報を提供できます。
よくある質問
Executive Industry Relevance
Immersive virtual reality walking simulators enable controlled, quantitative investigation of human behavioral dynamics in complex, real-world-inspired environments. For biopharma R&D, such platforms offer a reproducible means to study sensorimotor integration, decision-making, and adaptive responses relevant to neurobehavioral target validation. These capabilities support predictive confidence in translational models and inform early-stage portfolio decisions for CNS and behavioral therapeutics.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables hypothesis-driven interrogation of sensorimotor and cognitive pathways in ecologically valid settings.
- Supports functional target validation by quantifying adaptive behavioral responses to controlled stimuli.
- Facilitates mechanistic de-risking by isolating variables such as initial distance, vehicle size, and gap size.
- Provides quantitative outputs for portfolio triage and early go/no-go decisions.
Screening & Assay Development
- Prepares validated behavioral paradigms for downstream pharmacological or genetic intervention studies.
- Standardizes assay conditions for reproducibility and cross-study comparability.
- Generates position/time series data enabling robust quantitative analysis of behavioral endpoints.
- Supports scalable, reusable platforms for compound or intervention screening.
Translational & Preclinical Research
- Aligns behavioral readouts with disease-relevant functional endpoints for translational continuity.
- Enables risk-adjusted advancement by providing predictive behavioral biomarkers.
- Supports mechanistic de-risking in preclinical models of neurobehavioral disorders.
- Facilitates cross-species and cross-population comparisons when adapted appropriately.
Pipeline & Workflow Integration
This virtual reality methodology integrates into the discovery-to-preclinical continuum by providing a standardized, quantitative behavioral assessment platform.
- Discovery Biology: Supports hypothesis testing and pathway clarification in sensorimotor and cognitive domains.
- Screening: Delivers reproducible, quantitative behavioral outputs for intervention evaluation.
- Analytics: Enables statistical comparison of velocity profiles and crossing behaviors across experimental conditions.
- Translational Research: Bridges early discovery findings to preclinical validation through ecologically relevant behavioral metrics.
- Enterprise Reuse: Offers a modular, adaptable platform for diverse neurobehavioral research applications.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in behavioral target validation.
- Operational Value: Enhances standardization, reproducibility, and scalability of behavioral assays.
- Strategic Value: Improves early-stage decision-making and capital efficiency by providing robust behavioral data.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neurobehavioral therapeutic candidates.
Implementation Considerations
- Requires expertise in behavioral neuroscience and virtual reality system calibration.
- Demands access to immersive VR hardware, treadmill systems, and analytical software for position/time data.
- Necessitates rigorous cross-team standardization of experimental parameters and calibration protocols.
- Adaptation across age groups or disease models may require protocol modifications and validation.
- Accurate visual field calibration is critical for reliable behavioral data, as supported by the source.
