Waiting
Login processing...

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

Behavior

Utilisation d’un simulateur de marche en réalité virtuelle pour enquêter sur le comportement des piétons

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

Ce protocole décrit l’utilisation d’un simulateur de marche qui sert de méthode sûre et écologiquement valide pour étudier le comportement des piétons en présence de la circulation en mouvement.

Abstract

Pour traverser une route avec succès, les individus doivent coordonner leurs déplacements avec les véhicules en mouvement. Cet article décrit l’utilisation d’un simulateur de marche dans lequel les gens marchent sur un tapis roulant pour intercepter les écarts entre deux véhicules en mouvement dans un environnement virtuel immersif. La réalité virtuelle permet une étude sûre et écologiquement variée du comportement de franchissement des écarts. La manipulation de la distance de départ initiale peut améliorer la compréhension de la régulation de la vitesse d’un participant tout en approchant d’un écart. Le profil de vitesse peut être évalué pour diverses variables de franchissement d’écart, telles que la distance initiale, la taille du véhicule et la taille de l’écart. Chaque simulation de marche se traduit par une série de position/temps qui peut éclairer la façon dont la vitesse est ajustée différemment selon les caractéristiques de l’écart. Cette méthodologie peut être utilisée par les chercheurs qui étudient le comportement des piétons et la dynamique comportementale tout en employant des participants humains dans un cadre sûr et réaliste.

Introduction

Le franchissement de l’écart, un comportement interceptif, nécessite de se déplacer par rapport à un écart entre deux véhiculesen mouvement 1,2,3,4. Le franchissement de l’écart consiste à percevoir les véhicules venant en sens inverse et à contrôler la circulation par rapport au déplacement de la circulation. Cela exige que les mesures soient précisément couplées à l’information perçue. De nombreuses études antérieures ont examiné le jugement perceptuel et le comportement de croisement à l’aide de routes artificielles, de simulateurs routiers et d’environnements virtuels de projectiond’écran 5,6. Cependant, la littérature précédente de croisement de route a une compréhension incomplète de ce comportement, et la validité écologique de ces études a été remiseen question 7,8,9.

Ce protocole présente un paradigme de recherche pour étudier le comportement de croisement des écarts dans la réalité virtuelle, maximisant ainsi la validité écologique. Un simulateur de marche est utilisé pour examiner la perception et les actions du comportement de croisement des écarts. Le simulateur offre un environnement de marche sécuritaire pour les participants, et la marche réelle dans l’environnement simulé permet aux chercheurs de saisir pleinement la relation réciproque entre la perception et l’action. Les personnes qui traversent réellement une route sont connues pour juger l’écart de temps avec plus de précision que ceux qui décident verbalement seulement de traverser10. L’environnement virtuel est écologiquement valide et permet aux chercheurs de modifier facilement les variables liées aux tâches en modifiant les paramètres du programme.

Dans cette étude, l’emplacement de départ initial d’un participant est manipulé pour évaluer le contrôle de vitesse tout en approchant de l’écart. Ce protocole permet d’enquête sur le contrôle de la locomotion des piétons tout en interceptant une lacune. L’analyse de la vitesse d’un participant changeant au fil du temps permet une interprétation fonctionnelle des ajustements de vitesse pendant qu’il s’approche d’un écart.

En outre, les caractéristiques spatiales et temporelles des objets interceptés spécifient comment une personne peut se déplacer. Dans un environnement de passage à niveau, le changement de la taille de l’écart (distances entre les véhicules) et de la taille du véhicule devrait influer sur la façon dont la locomotion d’un piéton change également. Par conséquent, la manipulation des caractéristiques de l’écart provoquera probablement des ajustements de vitesse dans le comportement qui approche du participant. Ainsi, la manipulation des caractéristiques de l’écart (c.-à-d. la taille des écarts et la taille du véhicule) fournit des renseignements précieux pour comprendre les changements de comportement aux passages à niveau en fonction de diverses caractéristiques d’écart. Cette étude examine comment les enfants et les jeunes adultes régulent leur vitesse lorsqu’ils franchissent les lacunes dans divers environnements de croisement. Le profil de régulation de la vitesse peut être évalué pour divers environnements de franchissement d’écart avec différents emplacements de départ, distances inter-véhicules et tailles de véhicules.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ce protocole expérimental implique des sujets humains. La procédure a été approuvée par le Kunsan National University Research Board.

1. Préparation de l’équipement

REMARQUE : L’équipement comprend les éléments suivants : un ordinateur personnel (PC, 3,3 GHz avec 8 GM) avec une souris, un clavier et un moniteur; Logiciel Walking Simulator installé sur le PC de bureau; un tapis roulant personnalisé (largeur : 0,67 m, longueur : 1,26 m, hauteur : 1,10 m) équipé de mains courantes, d’une ceinture et d’un encoder magnétique muni d’un câble USB; et un appareil de réalité virtuelle Oculus Rift (DK1, États-Unis, 1280 x 800 pixels). L’équipement comprend également un tapis roulant manuel personnalisé. Le tapis roulant tourne par les mouvements de marche des participants et n’utilise pas de moteur interne.

  1. Préparez suffisamment d’espace pour le tapis roulant et un bureau à proximité pour le PC. Une photographie de la configuration expérimentale est montrée dans la figure 1A.
  2. Connectez l’équipement comme le montre la figure 2.
    1. Connectez l’encoder magnétique du tapis roulant au PC via un port USB.
    2. Connectez le tapis roulant à une source d’énergie.
    3. Connectez le casque au PC via les ports DVI/HDMI et USB.

2. Préparation des configurations de simulateur de marche

  1. Accédez à l’annuaire du simulateur de marche sur pc et ouvrez le répertoire « Config ».
    REMARQUE : Chaque configuration est enregistrée sous forme de fichier texte dans l’annuaire « Config » avec des noms de fichiers de « config001 », « config002 », etc. Voici, 001, 002, etc sont les numéros de configuration. Les étapes 2.2-2.8 décrivent comment créer les fichiers de configuration afin qu’ils soient lisibles par le logiciel du simulateur. Un schéma d’une situation de passage à niveau de deux véhicules montrant des distances initiales personnalisables est indiqué à la figure 3. Un fichier de configuration d’exemple avec mise en forme appropriée est affiché dans la figure 4. Les rubriques de section du fichier de configuration utilisent des supports carrés (p. ex., « [WALKER] »).
  2. Remplissez la section [WALKER] contenant le paramètre concernant le point de départ des participants.
    1. Définissez le paramètre « Distance », qui indique la distance de départ du participant à partir du point de départ en mètres (m).
  3. Remplissez la section [RCA] contenant des paramètres concernant le premier véhicule.
    1. Définissez le paramètre « Type » (qui indique le type de véhicule) à « 1 » pour la berline, « 2 » pour l’autobus ou « 0 » pour enlever le véhicule.
    2. Définissez le paramètre « Vitesse » (qui indique la vitesse du véhicule) à la valeur désirée en km/h.
    3. Définissez le paramètre « Distance » (qui indique la distance initiale du véhicule du point de passage) à la valeur désirée dans les compteurs.
  4. Complétez la section [SECONDCAR] contenant les paramètres liés au deuxième véhicule. Les paramètres sont identiques à ceux de [RCA].
    REMARQUE : Dans les études sur deux véhicules, l’écart est défini comme l’espace vide entre les deux véhicules. La taille de l’écart, définie comme la durée pendant laquelle l’écart se trouve le long du chemin de marche du participant, est fonction des paramètres « Distance », « Vitesse » et « Type » de [CAR] et [SECONDCAR].
  5. Remplissez la section [NEXTCAR] contenant des paramètres liés à d’autres véhicules. Les paramètres sont identiques à ceux de [RCA].
    REMARQUE : Cette option peut être utilisée pour étudier le comportement des piétons dans le flux continu de la circulation. Cette option n’est pas discutée dans la section des résultats représentatifs.
  6. Complétez la section [ROAD], contenant le paramètre pour la sélection des voies. Réglez le paramètre « voie » à « 1 » pour utiliser la voie plus près de la position de départ du piéton, ou « 2 » pour la voie plus loin. [OBSTACLE] indique les paramètres qui configurent un véhicule circulant dans la deuxième voie à la même vitesse que le premier véhicule.
    REMARQUE : Lorsque vous utilisez la voie plus étroite comme voie principale, cette option peut être utilisée pour placer des véhicules supplémentaires sur la voie plus éloignée allant dans la même direction. Par conséquent, il peut être utilisé pour étudier l’entrave de la vue d’un véhicule par un véhicule parallèle. Cette section a des paramètres « Type » et « Distance » avec les mêmes définitions décrites ci-dessus. Cette option n’est pas discutée dans la section des résultats représentatifs. Tous les résultats présentés concernent deux véhicules circulant dans la voie plus près du piéton.
  7. Complétez la section [SAVE], qui contient le paramètre lié à la fréquence d’échantillonnage. Définissez le paramètre « numberpersecond » à la valeur désirée dans Hz.
  8. Enregistrez le fichier de configuration et la sortie.
  9. Répétez les sections 2.2-2.8 pour toutes les configurations souhaitées et préparez des fiches de données avec la liste des configurations (dans un ordre randomisé) à utiliser dans l’expérience.
  10. Préparez trois fichiers de configuration à utiliser dans les essais pratiques.
    REMARQUE : La configuration de la première pratique ne doit pas avoir de véhicules (c.-à-d. tous les paramètres « Type » définis à « 0 »). Les deuxième et troisième fichiers de configuration de pratique doivent avoir des véhicules. La troisième configuration devrait avoir des conditions de traversée clémentes. La même configuration peut être utilisée pour les deuxième et troisième essais pratiques, selon la conception expérimentale.

3. Dépistage et préparation de la participation

  1. Recruter des participants ayant une vision normale ou corrigée à normale.
    REMARQUE : Tous les participants doivent être libres de toute condition qui empêche la marche normale. Ils devraient être exempts de tout étourdissement pendant la marche, et ils ne devraient pas avoir d’antécédents d’accidents de la circulation graves.
  2. Demandez au participant de signer un formulaire de consentement écrit et éclairé avant chaque expérience.
  3. Préparez un enregistrement audio avec des instructions verbales de la tâche et jouez l’enregistrement au participant.
    REMARQUE : Les instructions verbales doivent raconter la procédure de base décrite ci-dessous et donner toutes les invites spécifiques requises par la conception expérimentale.
  4. Encouragez le participant à poser des questions sur l’expérience.
  5. Conduisez le participant à se tenir debout sur le tapis roulant lorsqu’il est prêt.
  6. Attelez la ceinture stabilisatrice jusqu’à la taille du participant. Demandez au participant de tenir les mains courantes en tout temps pendant l’expérience.

4. Exécution des essais pratiques

  1. Demandez au participant de s’entraîner à marcher sur le tapis roulant, avec la ceinture en marche, tout en tenant les mains courantes.
  2. Commencez le programme de simulateur de marche en cliquant en double sur le programme de simulateur exécutable une fois que le participant est en mesure de marcher sur le tapis roulant confortablement.
    REMARQUE : Le passage pour piétons en noir et blanc de dessin animé indiqué à la figure 1B est affiché entre les essais de croisement. À ce stade, il doit être affiché sur l’écran du PC.
  3. Demandez au participant de porter le casque. Donnez de l’aide au besoin. Vérifiez à la fois le confort et la stabilité en ce qui concerne les virages à la tête.
  4. Calibrez le casque de sorte que le passage pour piétons en noir et blanc est correctement aligné avec le point de vue du participant.
    REMARQUE : Les sections 4.5-4.7 décrivent trois essais pratiques conçus pour permettre graduellement au participant de s’habituer à l’environnement du simulateur. Si le participant échoue à un essai en raison d’une mauvaise compréhension des instructions, jusqu’à deux autres essais supplémentaires devraient être effectués jusqu’à ce que le participant comprenne les instructions. Les essais supplémentaires ne sont pas effectués en cas de non-croisement pour des raisons autres que l’incompréhension des règles (p. ex., en cas de collision).
  5. Commencez le premier essai pratique.
    REMARQUE : Le premier essai d’entraînement devrait être sans véhicule pour que le participant s’habitue à marcher dans le cadre de la réalité virtuelle.
    1. Informez le participant que le premier essai d’entraînement aura lieu sans aucun véhicule.
    2. Demandez au participant de regarder droit devant lui.
    3. Entrez le numéro de configuration du premier essai de pratique dans la boîte de texte en bas de l’écran.
    4. Cliquez sur le bouton « Démarrer » en bas de l’écran.
      REMARQUE : Le programme doit afficher le paramètre réaliste représenté dans la figure 1C à l’écran.
    5. Informez le participant de se préparer lorsque vous entendez « Prêt » et de commencer à marcher en entendant « Allez ». Donnez les indices verbaux « Ready » et « Go ».
  6. Deuxième essai pratique
    REMARQUE : Le deuxième essai pratique devrait introduire les véhicules sans marcher. La direction de la vue de réalité virtuelle change au fur et à mesure que la tête du participant est tournée.
    1. Demandez au participant à ce procès, à la queue verbale « Go », de regarder vers la gauche et de faire simultanément un petit pas en avant, mais de ne pas aller plus loin. Le participant doit plutôt regarder passer les véhicules.
    2. Tapez le numéro de configuration du deuxième essai dans la boîte de texte et cliquez sur « Démarrer » en fournissant les repères verbaux.
      REMARQUE : Les véhicules commencent à se déplacer au fur et à mesure que le participant commence à bouger.
  7. Troisième essai pratique
    REMARQUE : Le troisième essai pratique devrait être similaire aux configurations expérimentales, mais avec des conditions de croisement clémentes.
    1. Informer le participant que 1) le troisième essai d’entraînement comprendra deux véhicules venant du côté gauche, et 2) il / elle devrait tenter de traverser la route entre les deux véhicules.
    2. Entrez le troisième numéro d’essai pratique dans la boîte de texte en fournissant le signal verbal.
    3. Cliquez sur le bouton « Démarrer » et commencer le procès en fournissant les indices verbaux.

5. Expérience virtuelle de marche

  1. Confirmez que le participant comprend la tâche expérimentale et qu’il est capable de l’exécuter.
  2. Lorsque le participant est prêt, tapez le premier numéro de configuration à partir de la fiche de données sur la boîte de texte et cliquez sur « Démarrer ».
  3. Effectuez la simulation comme cela a été fait lors de l’essai d’entraînement final.
    REMARQUE : À la fin de chaque essai de passage à niveau, le programme affiche « S », « F » ou « C », selon que le résultat est un passage à niveau réussi (c.-à-d. que le participant traverse de l’autre côté de la rue sans collision), aucun passage à niveau (le participant ne traverse pas de l’autre côté) ou une collision (le participant est en contact avec un véhicule), respectivement.
  4. Enregistrez le résultat à côté du numéro de configuration sur la fiche de données.
  5. Répétez toutes les configurations de la fiche de données et terminez l’expérience.

6. Exportation et analyse de données

  1. Récupérez les fichiers de données pour analyse. Le logiciel de simulateur de marche enregistre chaque course en tant que fichier de feuille de calcul dans le dossier « Données ».
  2. Analyser les données avec les outils préférés. Les données de sortie enregistrent les positions et les vitesses du marcheur et des véhicules comme une série de temps. Utilisez ces données pour analyser les mouvements des participants et la dépendance à l’égard des conditions de circulation.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Le simulateur de marche peut être utilisé pour examiner le comportement de passage à niveau d’un piéton tout en manipulant la distance initiale entre le trottoir et le point d’interception et les caractéristiques de l’écart (c.-à-d. l’écart et la taille des véhicules). La méthode de l’environnement virtuel permet de manipulation des caractéristiques des écarts pour comprendre comment les environnements de croisement en évolution dynamique affectent les comportements des enfants et des jeunes adultes en matière de franchissement de la route.

Un profil de vitesse quantifié et une position de passage à niveau dans l’espace utilisé pour comparer le comportement de passage à niveau de divers groupes de piétons. Nous avons evalutated temps d’interception (TOI) comme l’effet instantané de l’ajustement de vitesse sur la position des participants dans l’écart. Ces résultats représentatifs utilisent les données de 16 jeunes adultes (âge moyen = 22,75 ans, DD = 2,56) et de 16 enfants (âge moyen = 12,18 ans, DD = 0,83). En général, les enfants de 12 ans subissent des changements de développement dans la capacité de coordonner les mouvements avec lesobjets en mouvement 3,4,11,12,13,14, variant ainsi la distance initiale a fourni une occasion de comparer l’ajustement fonctionnel de la vitesse d’approche chez les enfants par rapport aux jeunes adultes. Les participants ont été recrutés par l’intermédiaire d’un message sur les médias sociaux de l’université. Parmi les participants recrutés, deux jeunes adultes ont éprouvé le mal des transports, dans lequel les expériences ont été immédiatement arrêtées, et ils ont été exclus de l’étude.

Le taux de réussite était de 98,95 % chez les enfants et de 99,48 % chez les jeunes adultes. Seuls les essais réussis ont été inclus dans l’analyse. Pour accéder aux données de vitesse, un 3 x 2 x 2 x 4 (distance initiale [proche, intermédiaire, loin]; la taille de l’écart [3 s, 4 s]; la taille du véhicule [voiture, autobus]; le temps [3,5 s, 2,5 s, 1,5 s, 0,5 s]) mesures répétées ANOVA a été effectuée en utilisant la distance initiale, la taille de l’écart, la taille du véhicule, et le temps comme dans les variables de facteur. Les données de chronométrage ont été analysées en effectuant un 3 x 2 x 2 (distance initiale [proche, intermédiaire, loin]; la taille de l’écart [3 s, 4 s]; la taille du véhicule [voiture, autobus]) mesures répétées ANOVA avec la distance initiale, la taille de l’écart, et la taille du véhicule comme dans les variables de facteur. Pour estimer la taille de l’effet, l’eta partielle au carré (η2p)a été utilisée. Pour toutes les analyses post-hoc en couple, les moyens les moins carrés ont été utilisés.

Effets de la distance initiale
Testé d’abord était l’hypothèse que la manipulation de la distance initiale du trottoir au point d’interception affecterait la vitesse d’approche des participants. Le changement systématique de distance initiale a affecté les ajustements de vitesse des jeunes adultes et des enfants : F(2, 30) = 29,62, p < 0,0001, η2p = 0,66; et F(2, 30) = 207,32, p < 0,0001, η2p = 0,93, respectivement.

Chez les jeunes adultes, l’interaction initiale entre la distance et le temps était importante : F(6, 90) = 11,88, p < 0,0001, η2p = 0,44. Un test d’effets simples a montré un effet significatif du temps pour : près de la distance initiale, F(3, 45) = 140,34, p < 0,0001, η2p = 0,90; distance initiale intermédiaire, F(3, 45) = 29,93, p < 0,0001, η2p = 0,67; et loin de la distance initiale, F(3, 45) = 184,46, p < 0,0001, η2p = 0,93. Il a été constaté à partir de l’analyse post-hoc que les jeunes adultes ont augmenté en vitesse tout au long de l’approche (p < 0,0001). Toutefois, lorsque la distance initiale était courte, les participants ont ralenti (p < 0,0001) au début des essais et ont accéléré continuellement. Cela représente l’ajustement fonctionnel. Les vitesses moyennes pendant l’approche sont tracées entre les groupes d’âge( figure 5).

Chez les enfants, l’interaction initiale entre la distance et le temps était également importante : F(6, 90) = 53,51, p < 0,0001, η2p = 0,78. Cet effet d’interaction a été capturé par l’interaction à trois. La taille du véhicule, la distance initiale et l’interaction avec le temps étaient importantes : F(6, 90) = 2,12, p < 0,05, η2p = 0,12. Les résultats indiquent que les changements de vitesse induits par la distance initiale des enfants ont été affectés par la taille du véhicule.

Effets de la taille du véhicule chez les enfants
L’hypothèse suivante était l’hypothèse que la manipulation de la taille du véhicule affecterait les profils de vitesse et le temps de croisement des enfants et des jeunes adultes. On a constaté que chez les enfants, la taille du véhicule affectait les profils de vitesse et la position de franchissement induites par la distance initiale.

Chez les enfants, la taille du véhicule, la distance initiale et l’interaction dans le temps étaient importantes : F(6, 90) = 2,12, p < 0,05, η2p = 0,12. Une analyse plus poussée a révélé qu’entre les wagons, l’interaction initiale entre la distance x le temps était significative, F(6, 90) = 33,55, p < 0,0001, η2p = 0,69. Un test d’effets simples a montré un effet significatif du temps pour la distance initiale proche, F(3, 45) = 132,54, p < 0,0001, η2p = 0,90; distance initiale intermédiaire, F(3, 45) = 173,83, p < 0,0001, η2p = 0,92; et loin de la distance initiale, F(3, 45) = 272,78, p < 0,0001, η2p = 0,95. L’analyse post-hoc a montré que les enfants ont accéléré tout au long de l’approche (p < .0001); toutefois, lorsqu’ils ont traversé entre les wagons, ils ont ralenti au début de l’approche pour la distance initiale proche (p < 0,0002),

Toutefois, lorsque les enfants traversaient entre les autobus, la distance initiale et l’interaction dans le temps étaient également importantes : F(6, 90) = 18,70, p < 0,0001, η2p = 0,55. Un test d’effets simples a montré un effet significatif du temps pour la distance initiale proche : F(3, 45) = 124,41, p < 0,0001, η2p = 0,89; distance initiale intermédiaire, F(3, 45) = 132,79, p < 0,0001, η2p = 0,90; et loin de la distance initiale, F(3, 45) = 331,16, p < 0,0001, η2p = 0,96. L’analyse post-hoc a montré que lorsque les enfants traversaient entre les autobus, leur vitesse n’augmentait ni ne diminuait au début de l’approche pour la distance presque initiale. Les vitesses moyennes pendant l’approche sont tracées entre les groupes d’âge à la figure 6.

De toute évidence, la taille du véhicule a influencé le comportement des enfants au passage à niveau, induit par la distance initiale. Les temps de passage des enfants ont systématiquement dévié du centre d’écart en fonction de la distance initiale à laquelle ils ont traversé entre les petits véhicules. Toutefois, les enfants n’ont pas dévié en fonction de la distance initiale lorsqu’ils ont traversé entre les gros véhicules.

La taille du véhicule a également eu une incidence importante sur la position du passage à niveau des enfants dans l’écart induit par la distance initiale. La taille du véhicule et l’interaction initiale à distance étaient importantes : F(2, 30) = 18,13, p < 0,0001, η2p = 0,55. Un test d’effets simples a montré un effet significatif de la distance initiale entre les voitures, F(2, 30) = 62,30, p < 0,0001, η2p = 0,81, et entre autobus, F(2, 30) = 6,15, p < 0,005, η2p = 0,30. Il a été constaté que les temps d’interception des enfants augmentaient considérablement (p < 0,0001) à mesure que la distance initiale augmentait de près ou de loin les distances initiales. Toutefois, lorsqu’ils traversaient entre les autobus, les temps d’interception des enfants n’étaient pas significativement différents entre les distances initiales proches et intermédiaires. La position moyenne au passage à niveau pendant l’approche est tracée entre les groupesd’âge ( figure 7).

Effets d’interaction de la taille du véhicule et de la taille des écarts chez les enfants
Enfin, les effets d’interaction de la taille du véhicule et de la taille des écarts chez les enfants ont été examinés. La taille du véhicule et l’interaction entre la taille de l’écart étaient importantes : F(1, 15) = 4,26, p < 0,05, η2p = 0,22. Un test d’effets simples a montré un effet significatif de la taille de l’écart entre les voitures : F(1, 15) = 7,42, p < 0,02, η2p = 0,33; et entre les autobus, F(1, 15) = 35,93, p < 0,001, η2p = 0,71. L’analyse post-hoc a montré que lorsqu’ils traversaient entre les voitures, les enfants ont franchi l’écart beaucoup plus loin devant le centre d’écart dans l’écart de 4 s que l’écart de 3 s (p < 0,01). En traversant entre les autobus, les enfants ont également franchi l’écart beaucoup plus tôt dans l’écart de 4 s que l’écart de 3 s (p < 0,0001). Les enfants ont franchi l’écart plus loin devant le centre d’écart dans l’écart de 4 s que l’écart de 3 s, indépendamment de la taille du véhicule (tableau 1).

Figure 1
Figure 1 : Images représentant l’expérience de simulation de marche. (A) Photographie d’un participant marchant sur le tapis roulant et d’un expérimentateur regardant le programme de simulateur de marche. (B) Image du passage pour piétons de dessin animé affiché avant que la configuration soit chargée. (C) Image de l’environnement virtuel réaliste dans lequel la simulation a lieu. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 2
Figure 2 : Diagramme de configuration expérimental. Les composants de la configuration expérimentale et leurs connexions sont illustrés. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 3
Figure 3 : Diagramme de la situation du passage à niveau. Les paramètres de distance qui peuvent être configurés pour chaque expérience sont affichés. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 4
Figure 4 : Exemple de fichier de configuration. Exemple d’un fichier texte de configuration correctement formaté pour le programme de simulation. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 5
Figure 5 : Dépendance à la vitesse par rapport à la distance initiale. Vitesses moyennes pour chaque distance initiale chez les enfants et les jeunes adultes (près, intermédiaire et bien définie comme 3,5 m, 4,5 m et 5,5 m du point d’interception) en fonction du temps avant d’atteindre le point d’interception. La vitesse d’approche a été moyenne en intervalles de 1 s (-3,5 s, -2,5 s, -1,5 s et -0,5 s), comptant vers l’arrière à partir du point d’interception. Les astérisques représentent des différences inter-moyennes statistiquement significatives pour les distances initiales à chaque point de temps. Un astérisque représente une différence inter-moyenne, et deux astérisques représentent deux différences inter-moyennes ou plus. Les barres d’erreur indiquent SD. Ce chiffre a été réimprimé avec la permission de Chung et coll.15. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 6
Figure 6 : Dépendance de la vitesse des enfants à la distance initiale fondée sur deux tailles de véhicules différentes. Les profils de vitesse moyenne des enfants avant d’atteindre le point d’interception pour chaque distance initiale sont tracés pour les voitures (en haut) et les autobus (en bas). La vitesse d’approche a été moyenne en intervalles de 1 s, comptant vers l’arrière à partir du point d’interception. Les astérisques représentent des différences inter-moyennes statistiquement significatives pour les distances initiales à chaque point de temps. Un astérisque représente une différence inter-moyenne, et deux astérisques représentent deux différences inter-moyennes ou plus. Les barres d’erreur indiquent SD. Ce chiffre a été réimprimé avec la permission de Chung et coll.15. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Figure 7
Figure 7 : Effet de la taille du véhicule sur le TOI des enfants. Le TOI moyen du groupe d’enfants pour chaque distance initiale est indiqué en fonction de la taille du véhicule (voiture, bus). TOI se réfère à la distance temporelle par rapport au centre d’écart au moment de la traversée, de sorte que 0,2 s se réfère à 1,6 m lorsque la vitesse du véhicule est de 30 km/h (8,3 m/s). Les astérisques représentent des différences inter-moyennes statistiquement significatives pour les véhicules à chaque distance initiale. Un astérisque représente une différence inter-moyenne, et deux astérisques représentent deux différences inter-moyennes ou plus. Les barres d’erreur indiquent SD. Ce chiffre a été réimprimé avec la permission de Chung et coll.15. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Taille du véhicule Taille de l’écart
3-s 4-s
Voiture 0.06 (0.07) -0.14 (0.07)
Bus 0.12 (0.04) -0.12 (0.04)

Tableau 1 : Effets d’interaction de la taille du véhicule et de la taille des écarts chez les enfants. TOI moyen des enfants en fonction de la taille du véhicule et de la taille de l’écart Note. Les valeurs sont données par moyens (écarts types). . S’il vous plaît cliquez ici pour télécharger cette table.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Des études antérieures ont utilisé des simulateurs avecdes écrans projetés 16,17, mais ce protocole améliore la validité écologique grâce à une vue virtuelle entièrement immersive (c’est-à-dire, 360 degrés). De plus, exiger des participants qu’ils marchent sur un tapis roulant permet d’examiner comment les enfants et les jeunes adultes calibrent leurs actions dans un environnement en évolution. La scène virtuelle de cette conception expérimentale change simultanément avec les mouvements des participants, et les véhicules arrivent à la ligne de passage du piéton à un moment précis. Cela empêche les participants de retarder leurs temps de passage en raison de décisions ou de préparatifs pour se déplacer. Dans cette étude, les participants sont déjà en mouvement lorsqu’ils tentent de traverser laroute 6, afinque les chercheurs puissent accéder clairement au contrôle de la locomotion au passage à niveau.

Les étapes critiques comprennent la fixation adéquate des paramètres pour refléter la conception expérimentale, l’arrêt de l’expérience lorsque le mal des transports se produit, et l’exécution des essais de pratique afin que les participants soient à l’aise avec l’environnement du tapis roulant. Un large éventail de flux de trafic au-delà de ceux discutés dans les résultats est configurable avec le logiciel actuel. Le logiciel peut également être facilement étendu pour inclure un plus large éventail de situations de franchissement (c.-à-d., en ajoutant plus de voies ou plus de types de véhicules).

Le protocole permet d’étude de la façon dont les enfants et les jeunes adultes régulent leur locomotion en fonction de l’évolution dynamique des environnements. Plus précisément, la variation systématique du lieu de départ initial permet d’examiner les ajustements de vitesse chez les enfants et les jeunes adultes. Le protocole permet également de déterminer si les changements dans les caractéristiques de l’écart conduisent à des modèles spécifiques de contrôle de vitesse dans les actions interceptives. Les résultats démontrent que les différentes distances initiales et caractéristiques des écarts sont importantes pour identifier les adaptations systématiques du comportement aux passages à niveau qui reflètent le type de perception et d’action du contrôle dans les passages à niveau. Les résultats indiquent des effets d’interaction de la distance initiale et de la taille du véhicule chez les enfants; plus précisément, leurs ajustements de vitesse à l’approche de l’interception ont été affectés par les caractéristiques de l’écart.

Contrairement aux résultats précédents sur les faibles effets de la taille du véhicule sur les comportements des adultes aux passages à niveau, cette étude a révélé que les enfants ont mal ajusté leurs vitesses d’approche en fonction de la distance initiale lorsqu’ils font face à un gros véhicule à distance. Les résultats suggèrent que la capacité d’accorder finement les mouvements moteurs à l’aide d’informations visuelles dans des tâches d’interception complexes est sujette à des changements de développement. Toutefois, les recherches futures devraient différencier les types et les tailles des véhicules en utilisant différentes tailles du même type de véhicule. Cette configuration permettrait une réponse plus précise pour laquelle des informations visuelles sont utilisées pour contrôler les actions de franchissement dans un environnement dynamique.

En outre, la manipulation de la taille des écarts et de la taille du véhicule ensemble n’a pas répondu aux propriétés de l’environnement d’écart dynamique qui influencent directement la modulation des mouvements. Les résultats suggèrent que les enfants sous-estiment l’heure d’arrivée d’un véhicule et tentent de traverser plus rapidement devant de gros véhicules. Notamment, les enfants franchissent les écarts entre les autobus plus tôt que prévu dans l’écart de 4 s. Cela peut être dû à la distance plus proche d’un LV dans l’écart de 4 s. Une limitation de cette conception est que les effets de la taille de l’écart sont confondus par les effets des bords extérieurs d’un véhicule. Les conceptions expérimentales futures peuvent modifier la taille des écarts sans altérer les bords extérieurs d’un véhicule.

Par rapport aux recherches précédentes sur la réalité virtuelle, la conception de cette expérience offre un environnement sûr pour étudier le comportement des croisements. Cependant, l’appareil provoque le mal des transports chez certains participants. La littérature sur le mal des transports révèle une relation entre le mal des transports et le contrôle postural, de sorte que les personnes qui ont un mauvais contrôle del’équilibre devraient être exclues 18,19,20. En outre, les participants tiennent les mains courantes pendant la marche, ce qui peut interrompre un mouvement naturel de marche, qui peut être une limitation de la méthode. En résumé, cette étude contribue à la compréhension du comportement des enfants en matière de franchissement des routes par rapport aux caractéristiques temporelles et spatiales d’un écart.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont rien à divulguer.

Acknowledgments

L’Institut coréen a financé ces travaux pour l’avancement de la technologie et le ministère du Commerce, de l’Industrie et de l’Énergie (subvention numéro 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

Comportement Numéro 160 comportement piéton sécurité routière réalité virtuelle perception action psychologie écologique

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

Utilisation d’un simulateur de marche en réalité virtuelle pour enquêter sur le comportement des piétons
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