Waiting
Login processing...

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

Behavior

使用虚拟现实步行模拟器调查行人行为

Published: June 9, 2020 doi: 10.3791/61116
Automatic Translation
1, 2, 3, 4, 2, 1
1Department of Sport and Exercise Sciences, Kunsan National University, 2Department of Physics and Astronomy, Seoul National University, 3School of Mechanical and Automotive Engineering, Kunsan National University, 4Department of Healthcare Information Technology, Inje University

ERRATUM NOTICE

Summary

该协议描述了步行模拟器的使用，该模拟器是一种安全且生态有效的方法，用于研究行人在移动交通中的行为。

Abstract

要成功过马路，个人必须与移动的车辆协调其移动。本文描述了在沉浸式虚拟环境中，人们在跑步机上行走以拦截两辆移动车辆之间的间隙的行走模拟器。虚拟现实允许对间隙交叉行为进行安全和生态上不同的调查。操纵初始起始距离可以进一步理解参与者的速度调节，同时接近间隙。对于各种间隙交叉变量（如初始距离、车辆大小和间隙大小），可以评估速度轮廓。每个步行模拟都产生一个位置/时间序列，可以根据间隙特征通知速度如何以不同方式调整。研究行人行为和行为动力学的研究人员可以使用这种方法，同时在安全、逼真的环境中雇用人类参与者。

Introduction

间隙交叉，一种拦截行为，需要移动自己相对于两个移动的车辆之间的间隙1，2，3，4。间隙交叉涉及感知迎面而来的车辆和控制与移动交通相关的移动。这需要行动与感知的信息精确耦合。许多以前的研究已经检查了感知判断和差距交叉行为使用人工道路，路边模拟器，和屏幕投影虚拟环境5，6。然而，以往的过路文献对这种行为有不完全的了解，这些研究的生态有效性受到质疑。

该协议为研究虚拟现实中的间隙交叉行为提供了研究范式，从而最大限度地提高了生态有效性。步行模拟器用于检查间隙交叉行为的感知和操作。模拟器为参与者提供了一个安全的行走环境，在模拟环境中的实际行走使研究人员能够充分捕捉感知和行动之间的相互关系。实际过马路的人比那些只口头决定过马路的人更准确地判断时间差距。虚拟环境在生态上是有效的，允许研究人员通过更改程序的参数来轻松更改与任务相关的变量。

在这项研究中，对参与者的初始起始位置进行操纵，以评估速度控制，同时接近间隙。该协议允许在拦截间隙的同时对行人运动控制进行调查。分析参与者的速度随着时间的变化，可以功能解释速度调整，而他或她接近差距。

此外，被截获对象的空间和时间特征指定了人员如何移动。在间隙交叉环境中，间隙尺寸（车辆间距离）和车辆尺寸的变化也会影响行人的运动变化。因此，操纵间隙特征可能会导致参与者接近行为的速度调整。因此，操纵间隙特征（即间隙大小和车辆尺寸）为根据各种间隙特征了解交叉行为变化提供了有价值的信息。这项研究考察了儿童和青少年在各种交叉环境中跨越间隙时如何调节速度。对于不同起始位置、车辆间距离和车辆尺寸的各种间隙交叉环境，可以评估速度调节配置文件。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

这个实验协议涉及人类受试者。这一程序得到了昆山国立大学研究委员会的批准。

1. 设备准备

注：设备包括：带鼠标、键盘和显示器的个人电脑（PC，3.3 GHz，带8GM）;安装在台式电脑上的步行模拟器软件;定制跑步机（宽度：0.67米，长度：1.26米，高度：1.10米），配有扶手、皮带和带USB电缆的磁性编码器;和 Oculus 裂谷虚拟现实设备（DK1，美国，1280 x 800 像素）。设备还包括定制的手动跑步机。跑步机通过参与者的步行运动转动，不使用内部马达。

  1. 为跑步机和附近的电脑桌准备足够的空间。实验装置的照片如图 1A所示。
  2. 连接设备，如图 2 所示。
    1. 通过 USB 端口将跑步机的磁性编码器连接到 PC。
    2. 将跑步机连接到电源。
    3. 通过 DVI/HDMI 和 USB 端口将耳机连接到 PC。

2. 准备步行模拟器配置

  1. 访问 PC 上的步行模拟器目录并打开"Config"目录。
    注：每个配置都保存为"Config"目录中的文本文件，文件名为"config001"，"config002"等。这里，001，002等是配置号码。步骤 2.2–2.8 描述了如何创建配置文件，以便模拟器软件可读取这些文件。图 3 显示了显示可自定义初始距离的两辆车交叉情况 的示意图。图 4 显示了具有正确格式 的示例配置文件。配置文件的节标题使用方括号（例如，"[WALKER]"）。
  2. 完成包含有关参与者起点的参数的 [WALKER] 部分。
    1. 设置参数"距离"，指示参与者从起点（米）开始的起始距离。
  3. 完成包含有关第一辆车的参数的 [CAR] 部分。
    1. 将三厢车的参数"Type"（表示车辆类型）设置为"1"，将"2"设置为总线，将"0"设置为拆卸车辆。
    2. 将参数"速度"（指示车速）设置为所需的值（以公里/小时表示）。
    3. 将参数"距离"（指示车辆与交叉点的初始距离）设置为所需的值（以米为单位）。
  4. 完成包含与第二辆车相关的参数的 [SECONDCAR] 部分。参数与 [CAR] 的参数相同。
    注：在双车研究中，间隙定义为两辆车之间的空隙。间隙大小（定义为间隙沿参与者的步行路径）的时间长度，是 [CAR] 和 [SECONDCAR] 的"距离"和"类型"参数的函数。
  5. 完成包含与其他车辆相关的参数的 [NEXTCAR] 部分。参数与 [CAR] 的参数相同。
    注：此选项可用于调查连续交通流中的行人行为。此选项不在代表性结果部分讨论。
  6. 完成包含车道选择的参数的 [ROAD] 部分。将参数"车道"设置为"1"，以使用车道靠近行人的起始位置，或将"2"设置为更远的车道。[障碍] 指示配置车辆以与第一辆车相同的速度在第二车道上行驶的参数。
    注：当使用较近车道作为主车道时，此选项可用于将其他车辆放在向同一方向行驶的更远的车道上。因此，它可以用来研究平行车辆对车辆视图的阻抗。本节具有参数"Type"和"距离"，其定义与上述定义相同。此选项不在代表性结果部分讨论。所有结果显示，两辆车在靠近行人的车道上行驶。
  7. 完成包含与采样频率相关的参数的 [SAVE] 部分。将参数"数字秒"设置为所需的 Hz 值。
  8. 保存配置文件并退出。
  9. 对所有所需配置重复第 2.2~2.8 节，并准备数据表，其中包含要在实验中使用的配置列表（按随机顺序）。
  10. 准备三个配置文件，用于实践试验。
    注：第一个练习配置不应有车辆（即，所有"类型"参数设置为"0"）。第二个和第三个练习配置文件应有车辆。第三个配置应具有宽松的交叉条件。根据实验设计，相同的配置可用于第二次和第三次练习试验。

3. 参与筛选和准备

  1. 招募视力正常或矫正到正常的参与者。
    注：所有参与者应不受任何妨碍正常行走的条件。他们走路时应没有头晕，不应有严重交通事故史。
  2. 请学员在每次实验前签署书面的知情同意书。
  3. 准备包含任务的口头说明的录音，然后向参与者播放录音。
    注：口头说明应叙述下面描述的基本程序，并给出实验设计所需的任何特定提示。
  4. 鼓励学员提出有关实验的任何问题。
  5. 引导学员在准备好时站在跑步机上。
  6. 将稳定带系在参与者的腰部。在实验过程中，指示学员时刻握住扶手。

4. 运行练习试验

  1. 指导学员在跑步机上练习行走，系上皮带，同时握扶手。
  2. 一旦参与者能够在跑步机上舒适地行走，通过双击可执行模拟器程序开始步行模拟器程序。
    注：图 1B 中显示的黑白卡通 人行横道 显示在交叉试验之间。此时，它应显示在 PC 屏幕上。
  3. 指示学员佩戴耳机。根据需要提供帮助。检查头部转弯的舒适性和稳定性。
  4. 校准耳机，使黑白卡通人行横道与参与者的视野正确对齐。
    注：第 4.5-4.7 节描述了三个练习试验，这些试验旨在逐渐让参与者适应模拟器环境。如果参与者由于对说明的误解而未能通过任何试验，则最多应执行两个额外的试验，直到参与者理解这些说明。在因误解规则以外的其他原因（例如，如果发生碰撞）而未能交叉的情况下，不会进行额外的试验。
  5. 开始第一次练习试验。
    注：第一次练习试验应没有任何车辆，让参与者习惯于在虚拟现实环境中行走。
    1. 通知学员，第一次练习试验将在没有任何车辆的情况下进行。
    2. 指示学员直视前方。
    3. 在屏幕底部的文本框中输入第一个练习试用的配置编号。
    4. 单击屏幕底部的"开始"按钮。
      注：程序应在屏幕上显示图 1C 中所示 的现实设置。
    5. 通知学员在听到"就绪"时做好准备，并在听到"转到"时开始步行。给口头提示"准备好了"和"去"。
  6. 第二次练习试验
    注：第二次练习试验应介绍车辆，无需步行。虚拟现实视图的方向随着参与者头部的转动而变化。
    1. 指示参加这次试验的参与者，在口头提示"去"，往左看，同时向前迈出一小步，但不要向前走。参与者应改为观看车辆经过。
    2. 在文本框中键入第二个试用的配置编号，然后通过提供口头提示单击"开始"。
      注：当参与者开始移动时，车辆开始移动。
  7. 第三次实践试验
    注：第三次练习试验应类似于实验配置，但具有宽松的交叉条件。
    1. 告知学员：1） 第三次练习试验将涉及两辆车从左侧来，2） 他/她应该尝试在两辆车之间过马路。
    2. 通过提供口头提示，在文本框中输入第三个练习试验编号。
    3. 单击"开始"按钮，通过提供口头提示开始试用。

5. 虚拟步行实验

  1. 确认学员了解实验任务并能够执行该任务。
  2. 学员准备就绪后，从文本框中的数据手册中键入第一个配置编号，然后单击"开始"。
  3. 执行模拟，如在最后练习试验中完成。
    注：在每个交叉试验结束时，程序会显示"S"，"F"或"C"，具体取决于结果是否成功穿越（即参与者穿越到街道的另一边，没有碰撞），没有交叉（参与者不交叉到另一侧），或碰撞（参与者与车辆有接触）。
  4. 在数据表上的配置编号旁边记录结果。
  5. 对数据手册上的所有配置重复操作并完成实验。

6. 数据导出和分析

  1. 检索数据文件进行分析。步行模拟器软件将每次运行保存为"数据"文件夹中的电子表格文件。
  2. 使用首选工具分析数据。输出数据将步行者和车辆的位置和速度记录为时间序列。使用此数据分析参与者的移动和对交通状况的依赖性。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

步行模拟器可用于检查行人的交叉行为，同时操纵从路边到拦截点的初始距离和间隙特征（即间隙和车辆尺寸）。虚拟环境方法允许间隙特征的操纵，以了解动态变化的交叉环境如何影响儿童和青少年的过马路行为。

用于比较不同行人群体的交叉行为的间隙内的量化速度剖面和交叉位置。我们评估了拦截时间 （TOI） 是速度调整对参与者在间隙内位置的瞬时影响。这些代表性结果使用来自16名年轻人（平均年龄=22.75岁，SD=2.56岁）和16名儿童（平均年龄=12.18岁，SD=0.83岁）的数据。一般来说，12岁的孩子在协调运动的能力与移动物体3，4，11，12，13，14，所以改变初始距离提供了一个机会，比较功能调整接近速度的儿童与年轻人。参与者是通过大学社交媒体发布招募的。在招募的参与者中，两名年轻人患有运动病，实验立即停止，他们被排除在研究之外。

儿童成功率为98.95%，年轻人成功率为99.48%。分析中只包括了成功的试验。为了访问速度数据，3 x 2 x 2 x 4（初始距离 [近、中、远];间隙大小 [3 s， 4 s]; 车辆大小 [汽车， 总线]; 时间 [3.5 s， 2.5 s， 1.5 s， 0.5 s]） 重复测量 ANOVA 使用初始距离、间隙大小、车辆大小和时间作为因子变量。通过执行 3 x 2 x 2（初始距离 [近、中、远];间隙大小 [3 s，4 s];车辆尺寸 [汽车、总线]）重复测量 ANOVA，将初始距离、间隙大小和车辆尺寸作为因子变量来分析。为了估计效果大小，使用了部分 eta 平方 （η2p） 。对于所有对线后期分析，使用最少的平方度数。

初始距离的影响
首先测试的假设是，从路边到拦截点的初始距离的操纵会影响参与者的接近速度。初始距离的系统变化影响了年轻人和儿童的速度调整：F（2，30） = 29.62，p < 0.0001，η2p = 0.66;和 F（2， 30） = 207.32， p < 0.0001， η2p = 0.93。

对于年轻人来说，初始距离和时间交互很重要：F（6， 90） = 11.88，p < 0.0001，η2p = 0.44。简单的效果测试显示，时间有显著效果：接近初始距离，F（3，45） = 140.34，p < 0.0001，η2p = 0.90;中间初始距离，F（3， 45） = 29.93，p < 0.0001，η2p = 0.67;和远初始距离， F（3， 45） = 184.46， p < 0.0001， η2p = 0.93。从后期分析中发现，年轻人在整个方法中速度加快（p < 0.0001）。然而，当初始距离很短时，参与者在试验开始时放慢了速度（p < 0.0001），并不断加速。这表示功能调整。方法过程中平均速度绘制在各年龄组（图5）。

对于儿童，初始距离和时间交互也非常重要：F（6， 90） = 53.51，p < 0.0001，η2p = 0.78。这种交互效果是由三向交互捕获的。车辆尺寸、初始距离和时间交互显著：F（6，90） = 2.12，p < 0.05，η2p = 0.12。结果表明，初始距离引起的儿童速度变化受车辆尺寸的影响。

车辆尺寸对儿童的影响
接下来测试的假设是，操纵车辆尺寸会影响儿童和青少年的速度剖面和穿越时间。研究发现，在儿童中，车辆尺寸影响初始距离引起的速度剖面和交叉位置。

在儿童中，车辆尺寸、初始距离和时间交互显著：F（6，90） = 2.12，p < 0.05，η2p = 0.12。进一步分析表明，在汽车之间，初始距离 x 时间交互显著，F（6， 90） = 33.55，p < 0.0001，η2p = 0.69。简单的效果测试显示，时间对接近初始距离有显著影响，F（3， 45） = 132.54，p < 0.0001，η2p = 0.90;中间初始距离，F（3， 45） = 173.83，p < 0.0001，η2p = 0.92;和远初始距离， F（3， 45） = 272.78， p < 0.0001， η2p = 0.95。临时后分析表明，儿童在整个方法中加速（p <.0001）;然而，当他们在汽车之间交叉时，他们在接近初始距离（p < 0.0002）的接近初始距离的开始减速，

但是，当儿童在公共汽车之间交叉时，初始距离和时间交互也非常重要：F（6，90） = 18.70，p < 0.0001，η2p = 0.55。简单的效果测试显示，时间对近初始距离有显著影响：F（3，45） = 124.41，p < 0.0001，η2p = 0.89;中间初始距离，F（3， 45） = 132.79，p < 0.0001，η2p = 0.90;和远初始距离， F（3， 45） = 331.16， p < 0.0001， η2p = 0.96。临时后分析表明，当儿童在公共汽车之间交叉时，他们的速度在接近初始距离的接近起点时既不增加也不降低。在图6中，在各年龄组中绘制了方法过程中 平均速度。

显然，车辆尺寸影响了儿童的穿越行为，这是最初距离引起的。儿童的交叉时间根据他们穿过小型车辆之间的初始距离系统地偏离间隙中心。然而，儿童在大型车辆之间交叉时，并没有根据最初的距离偏离。

车辆尺寸也显著影响儿童在初始距离引起的间隙内的交叉位置。车辆尺寸和初始距离交互显著：F（2，30） = 18.13，p < 0.0001，η2p = 0.55。简单的效果测试显示，汽车之间的初始距离有显著影响，F（2， 30） = 62.30，p < 0.0001，η2p = 0.81，和公共汽车之间，F（2， 30） = 6.15，p < 0.005，η2p = 0.30。研究发现，儿童截取时间显著增加（p < 0.0001），因为初始距离从近到远。然而，在公共汽车之间交叉时，儿童拦截时间在近距离和中间初始距离之间没有显著差异。方法期间平均交叉位置绘制在各年龄组（图 7） 。

车辆尺寸和儿童间隙尺寸的相互作用效应
最后，研究了车辆尺寸和间隙尺寸对儿童的相互作用效应。车辆尺寸和间隙尺寸相互作用显著：F（1，15） = 4.26，p < 0.05，η2p = 0.22。简单的效果测试显示，汽车之间的间隙尺寸有显著影响：F（1，15） = 7.42，p <.02，η2p = 0.33;在巴士之间，F（1， 15） = 35.93， p < 0.001， η2p = 0.71。临时后分析表明，当汽车之间交叉时，儿童在 4 s 间隙中比 3 s 间隙（p < 0.01）明显地比间隙更远。在公共汽车之间交叉时，儿童在 4s 间隙中也明显比 3s 间隙（p < 0.0001）跨越间隙。儿童在4s的差距比3s的差距，无论车辆大小如何（表1），都进一步超越差距中心的差距。

Figure 1
图1：描述步行模拟实验的图像。（A） 一个参与者在跑步机上行走的照片，一个实验者观看行走模拟器程序。（B） 加载配置前显示的卡通人行横道的图像。（C） 发生模拟的现实虚拟环境的图像。 请单击此处查看此图的较大版本。

Figure 2
图2：实验设置图。说明了实验装置的组件及其连接。 请单击此处查看此图的较大版本。

Figure 3
图3： 穿越情况图。将显示可为每个实验配置的距离参数。 请单击此处查看此图的较大版本。

Figure 4
图 4： 配置文件示例。模拟程序格式正确设置的配置文件示例。 请单击此处查看此图的较大版本。

Figure 5
图5：速度依赖于初始距离。儿童和青少年（近、中、远定义为3.5米、4.5米和5.5米）在到达拦截点之前，每个初始距离的均次速度是时间函数。接近速度平均为 1 s 间隔（-3.5 s、-2.5 s、-1.5 s 和 -0.5 s），从拦截点向后计数。星号表示每个时间点初始距离的统计显著均值差异。一个星号表示一个均值差异，两个星号表示两个或多个均值间差。错误栏指示 SD。这个数字已经钟等人批准转载。请单击此处查看此图的较大版本。

Figure 6
图6：基于两种不同车辆尺寸的儿童对初始距离的速度依赖性。在到达每个初始距离的拦截点之前，为汽车（顶部）和总线（底部）绘制子平均速度剖面图。接近速度平均为 1 s 间隔，从拦截点向后计数。星号表示每个时间点初始距离的统计显著均值差异。一个星号表示一个均值差异，两个星号表示两个或多个均值间差。错误栏指示 SD。这个数字经钟等人15日许可后转载。 请单击此处查看此图的较大版本。

Figure 7
图7：车辆尺寸对儿童 TOI 的影响。子组在每个初始距离的均值 TOI 显示为车辆大小（汽车、公共汽车）的函数。TOI 是指在交叉时相对于间隙中心的时间距离，当车速为 30 km/h （8.3 m/s） 时，0.2 s 是指 1.6 m。星号表示每个初始距离的车辆的均值差异具有统计显著性。一个星号表示一个均值差异，两个星号表示两个或多个均值间差。错误栏指示 SD。这个数字经钟等人15日许可后转载。 请单击此处查看此图的较大版本。

车辆尺寸 间隙大小
3-s 4-s
车 0.06 (0.07) -0.14 (0.07)
总线 0.12 (0.04) -0.12 (0.04)

表1：车辆尺寸和间隙尺寸对儿童的相互作用影响。儿童平均 TOI 作为车辆尺寸和间隙尺寸的功能注意。值以平均值（标准差）给出。.请点击这里下载此表。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

先前的研究已经使用模拟器与投影屏幕16，17，但该协议通过完全身临其境的虚拟视图（即360度）提高生态有效性。此外，要求参与者在跑步机上行走，可以检查儿童和青少年如何根据不断变化的环境调整自己的行动。此实验设计的虚拟场景与参与者的动作同时变化，车辆在特定时间点到达行人的过线。这样可以防止参与者由于决定或准备搬迁而推迟过境时间。在这项研究中，参与者在试图穿越6号公路时已经在运动，因此研究人员可以在穿越时清楚地进入运动控制。

关键步骤包括正确设置参数以反映实验设计，在运动病发生时停止实验，以及进行练习试验，使参与者对跑步机环境感到舒适。除结果中讨论的范围外，可通过当前软件进行配置。该软件也可以很容易地扩展，以包括更广泛的交叉情况（即，通过添加更多车道或更多的车辆类型）。

该协议允许调查儿童和青少年如何根据动态变化的环境调节他们的运动。具体地说，系统地改变初始起始位置可以检查儿童和青少年的速度调整。该协议还允许确定间隙特征的变化是否导致拦截操作中的特定速度控制模式。结果表明，不同的初始距离和间隙特征对于确定系统交叉行为适应非常重要，这些适应方式反映了交叉道路的感知/行动控制类型。结果表明，初始距离和车辆尺寸对儿童的相互作用影响;具体来说，它们在接近拦截时的速度调整受到间隙特性的影响。

与先前关于车辆尺寸对成人交叉行为影响较弱的研究结果相比，本研究发现，儿童在近距离面对大型车辆时，根据初始距离调整方法速度效果不佳。结果表明，在复杂的拦截任务中，使用视觉信息微调运动的能力会随着发展变化而变化。但是，未来的研究应该通过使用相同车辆类型的各种尺寸来区分车辆类型和尺寸。此设置将允许更准确地回答用于控制动态环境中的交叉操作的可视信息。

此外，将间隙尺寸和车辆尺寸一起操纵，不能回答动态间隙环境的哪些特性直接影响运动调制。研究结果表明，儿童低估了车辆的到达时间，并试图在大型车辆前更快地过马路。值得注意的是，儿童在4s间隔中比预期更早地跨越了公共汽车之间的间隔。这可能是由于 LV 在 4 s 间隙的距离更近。这种设计的一个限制是，间隙尺寸的效果被车辆外缘的效果混淆。未来的实验设计可能会改变间隙尺寸，而不改变车辆的外缘。

与以往的虚拟现实研究相比，该实验的设计为研究交叉行为提供了一个安全的环境。然而，该仪器在一些参与者中引起运动病。关于运动病的文献揭示了运动病与姿势控制之间的关系，因此，对平衡控制不力的人应被排除在外， 18，19，20 。此外，参与者在行走过程中握住扶手，这可能会中断自然行走运动，这可能是方法的限制。总之，本研究有助于了解儿童与间隙时空特征相关的过马路行为。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者没有什么可透露的。

Acknowledgments

韩国研究所资助了这项技术促进和贸易、工业和能源部的工作（赠款号10044775）。

Materials

Name Company Catalog Number Comments
Customized treadmill Kunsan National University Treadmill built for this study
Desktop PC Multiple companies Standard Desktop PC
Oculus Rift Development Kit Oculus VR, LLC DK1 Virtual reality headset
Walking Simulator Software Kunsan National University Software deloped for this experiment

DOWNLOAD MATERIALS LIST

References

  1. Bastin, J., Craig, C., Montagne, G. Prospective strategies underlie the control of interceptive actions. Human Movement Science. 25 (6), 718-732 (2006).
  2. Bastin, J., Fajen, B., Montagne, G. Controlling speed and direction during interception: An affordance-based approach. Experimental Brain Research. 201 (4), 763-780 (2010).
  3. Chardenon, A., Montagne, G., Laurent, M., Bootsma, R. J. A Robust Solution for Dealing With Environmental Changes in Intercepting Moving Balls. Journal of Motor Behavior. 37 (1), 52-64 (2005).
  4. Lenoir, M., Musch, E., Thiery, E., Savelsbergh, G. J. P. Rate of change of angular bearing as the relevant property in a horizontal intercepting task during locomotion. Journal of Motor Behavior. 34 (4), 385-401 (2002).
  5. Oxley, J. A., Ihsen, E., Fildes, B. N., Charlton, J. L., Day, R. H. Crossing roads safely: an experimental study of age differences in gap selection by pedestrians. Accident Analysis & Prevention. 37 (5), 962-971 (2005).
  6. Chihak, B. J., et al. Synchronizing self and object movement: How child and adult cyclists intercept moving gaps in a virtual environment. Journal of Experimental Psychology: Human Perception and Performance. 36, 1535-1552 (2010).
  7. te Velde, A. F., van der Kamp, J., Savelsbergh, G. J. Five-to twelve-year-olds' control of movement velocity in a dynamic collision avoidance task. British Journal of Developmental Psychology. 26 (1), 33-50 (2008).
  8. Simpson, G., Johnston, L., Richardson, M. An investigation of road crossing in a virtual environment. Accident Analysis & Prevention. 35 (5), 787-796 (2003).
  9. Lee, D. N., Young, D. S., McLaughlin, C. M. A roadside simulation of road crossing for children. Ergonomics. 27 (12), 1271-1281 (1984).
  10. Oudejans, R. R., Michaels, C. F., van Dort, B., Frissen, E. J. To cross or not to cross: The effect of locomotion on street-crossing behavior. Ecological Psychology. 8 (3), 259-267 (1996).
  11. Grechkin, T. Y., Chihak, B. J., Cremer, J. F., Kearney, J. K., Plumert, J. M. Perceiving and acting on complex affordances: How children and adults bicycle across two lanes of opposing traffic. Journal of Experimental Psychology: Human Perception and Performance. 39 (1), 23-36 (2013).
  12. O'Neal, E. E., et al. Changes in perception-action tuning over long time scales: How children and adults perceive and act on dynamic affordances when crossing roads. Journal of Experimental Psychology: Human Perception and Performance. 44 (1), 18-26 (2018).
  13. Savelsbergh, G. J. P., Rosengren, K. S., Van der Kamp, J., Verheul, M. H., et al. Catching action development. The development of movement coordination in children. Application in the field of sport, ergonomics and health sciences. Savelsbergh, G. J. P., et al. , Taylor & Francis Group. 191-212 (2003).
  14. Plumert, J. M., Kearney, J. K. Timing Is Almost Everything: How Children Perceive and Act on Dynamic Affordances. Advances in child development and behavior. 55, 173-204 (2018).
  15. Chung, H. C., Choi, G., Azam, M. Effects of Initial Starting Distance and Gap Characteristics on Children’s and Young Adults' Velocity Regulation When Intercepting Moving Gaps. Human Factors. , (2019).
  16. Lobjois, R., Cavallo, V. Age-related differences in street-crossing decisions: The effects of vehicle speed and time constraints on gap selection in an estimation task. Accident Analysis & Prevention. 39 (5), 934-943 (2007).
  17. Lobjois, R., Cavallo, V. The effects of aging on street-crossing behavior: from estimation to actual crossing. Accident Analysis & Prevention. 41 (2), 259-267 (2009).
  18. Yu, Y., Chung, H. C., Hemingway, L., Stoffregen, T. A. Standing body sway in women with and without morning sickness in pregnancy. Gait & Posture. 37 (1), 103-107 (2013).
  19. Stoffregen, T. A., Smart, L. J. Postural instability precedes motion sickness. Brain Research Bulletin. 47 (5), 437-448 (1998).
  20. Stoffregen, T. A., Villard, S., Chen, F. C., Yu, Y. Standing posture on land and at sea. Ecological Psychology. 23 (1), 19-36 (2011).

Tags

行为， 问题 160， 行为， 行人， 交通安全， 虚拟现实， 感知， 行动， 生态心理学

Erratum

Formal Correction: Erratum: Using a Virtual Reality Walking Simulator to Investigate Pedestrian Behavior
Posted by JoVE Editors on 10/08/2020. Citeable Link.

An erratum was issued for: Using a Virtual Reality Walking Simulator to Investigate Pedestrian Behavior. An affiliation was updated.

The first affiliation was updated from:

Department of Sports Science, Kunsan National University

to:

Department of Sport and Exercise Sciences, Kunsan National University

使用虚拟现实步行模拟器调查行人行为
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Chung, H. C., Kim, S. H., Choi, G.,… More

Chung, H. C., Kim, S. H., Choi, G., Kim, J. W., Choi, M. Y., Li, H. Using a Virtual Reality Walking Simulator to Investigate Pedestrian Behavior. J. Vis. Exp. (160), e61116, doi:10.3791/61116 (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