Waiting
Login processing...

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

Behavior

ड्राइविंग से संबंधित अनुसंधान के लिए स्पर्श कंपन टूलकिट और ड्राइविंग सिमुलेशन प्लेटफॉर्म

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

यह प्रोटोकॉल ड्राइविंग से संबंधित शोध की जांच के लिए एक ड्राइविंग सिमुलेशन प्लेटफॉर्म और एक स्पर्श कंपन टूलकिट का वर्णन करता है। स्पर्श चेतावनियों की प्रभावशीलता की खोज करने वाला एक आदर्श प्रयोग भी प्रस्तुत किया गया है।

Abstract

टकराव चेतावनी प्रणाली ड्राइविंग distractions और उनींदा ड्राइविंग की रोकथाम में एक महत्वपूर्ण भूमिका निभाता है । पिछले अध्ययनों से ड्राइवर के ब्रेक रिस्पांस टाइम को कम करने में स्पर्श चेतावनियों के फायदे साबित हुए हैं । इसके साथ ही आंशिक रूप से स्वायत्त वाहनों के लिए टेक-ओवर रिक्वेस्ट (टीओआर) में स्पर्श चेतावनियां कारगर साबित हुई हैं ।

स्पर्श चेतावनियों के प्रदर्शन को कैसे अनुकूलित किया जा सकता है, इस क्षेत्र में एक चल रहे गर्म अनुसंधान विषय है। इस प्रकार, प्रस्तुत कम लागत वाले ड्राइविंग सिमुलेशन सॉफ्टवेयर और तरीकों को जांच में भाग लेने के लिए और अधिक शोधकर्ताओं को आकर्षित करने के लिए पेश किया जाता है। प्रस्तुत प्रोटोकॉल को पांच वर्गों में विभाजित किया गया है: 1) प्रतिभागी, 2) ड्राइविंग सिमुलेशन सॉफ्टवेयर कॉन्फ़िगरेशन, 3) ड्राइविंग सिम्युलेटर तैयारी, 4) कंपन टूलकिट कॉन्फ़िगरेशन और तैयारी, और 5) प्रयोग का आयोजन करते हैं।

आदर्श अध्ययन में, प्रतिभागियों ने स्पर्श हिल टूलकिट पहना और अनुकूलित ड्राइविंग सिमुलेशन सॉफ्टवेयर का उपयोग करके एक स्थापित कार-निम्नलिखित कार्य किया। सामने वाहन रुक-रुक कर ब्रेक लगा, और जब भी सामने के वाहन ब्रेक लगा रहे थे तो हिल चेतावनियां दी गईं । प्रतिभागियों को सामने वाले वाहन के अचानक ब्रेक लगाने के लिए जितनी जल्दी हो सके जवाब देने के निर्देश दिए गए थे । ड्राइविंग गतिशीलता, जैसे ब्रेक रिस्पांस टाइम और ब्रेक रिस्पांस रेट, डेटा विश्लेषण के लिए सिमुलेशन सॉफ्टवेयर द्वारा दर्ज किए गए थे।

प्रस्तुत प्रोटोकॉल विभिन्न शरीर के स्थानों पर स्पर्श चेतावनियों की प्रभावशीलता की खोज में अंतर्दृष्टि प्रदान करता है। आदर्श प्रयोग में प्रदर्शित कार-निम्नलिखित कार्य के अलावा, यह प्रोटोकॉल बिना किसी कोड विकास के सरल सॉफ्टवेयर विन्यास करके ड्राइविंग सिमुलेशन अध्ययनों में अन्य प्रतिमान लागू करने के विकल्प भी प्रदान करता है। हालांकि, यह ध्यान रखना महत्वपूर्ण है कि इसकी सस्ती कीमत के कारण, यहां पेश किए गए ड्राइविंग सिमुलेशन सॉफ्टवेयर और हार्डवेयर अन्य उच्च-निष्ठा वाणिज्यिक ड्राइविंग सिमुलेटर के साथ पूरी तरह से प्रतिस्पर्धा करने में सक्षम नहीं हो सकते हैं। फिर भी, यह प्रोटोकॉल सामान्य उच्च-निष्ठा वाणिज्यिक ड्राइविंग सिमुलेटर के लिए एक किफायती और उपयोगकर्ता के अनुकूल विकल्प के रूप में कार्य कर सकता है।

Introduction

२०१६ में वैश्विक स्वास्थ्य अनुमानों से पता चला आंकड़ों के अनुसार, यातायात चोट वैश्विक मौतों का आठवां कारण है, जिससे दुनिया भर में १,४००,० मौतें1। वर्ष 2018 में, 39.2% यातायात दुर्घटनाएं परिवहन में मोटर वाहनों के साथ टकराती थीं, और 7.2% जो पीछे के अंत में टकराती थीं। वाहन और सड़क सुरक्षा बढ़ाने के लिए एक समाधान संभावित खतरों के साथ ड्राइवरों को चेतावनी देने के लिए एक उन्नत ड्राइविंग सहायता प्रणाली (ADAS) का विकास है । आंकड़ों से पता चला है कि एडीएस रियर-एंड टकरावों की दर को बहुत कम कर सकता है, और ऑटो ब्रेक सिस्टम2से लैस होने पर यह और भी प्रभावी है। इसके अलावा, स्वायत्त वाहनों के विकास के साथ, वाहन को नियंत्रित करने के लिए कम मानव भागीदारी की आवश्यकता होगी, एक ले-ओवर अनुरोध (TOR) चेतावनी प्रणाली को एक आवश्यकता बना रही है जब स्वायत्त वाहन खुद को विनियमित करने में विफल रहता है । एडीएस और टॉर चेतावनी प्रणाली का डिजाइन अब ड्राइवरों के लिए प्रौद्योगिकी का एक महत्वपूर्ण टुकड़ा है ताकि कुछ सेकंड के भीतर आसन्न दुर्घटनाओं से बचा जा सके । आदर्श प्रयोग ने एक ड्राइविंग सिमुलेशन प्लेटफॉर्म के साथ एक कंपन टूलकिट का उपयोग किया ताकि यह जांच की जा सके कि संभावित एडीएएस और टॉर चेतावनी प्रणाली के रूप में एक विब्रोटेक्टाइल चेतावनी प्रणाली का उपयोग किए जाने पर कौन सा स्थान सबसे अच्छा परिणाम उत्पन्न करेगा।

अवधारणात्मक चैनलों द्वारा वर्गीकृत, आम तौर पर तीन प्रकार के चेतावनी के तौर-तरीके होते हैं, जो दृश्य, श्रवण और स्पर्श होते हैं। प्रत्येक चेतावनी के तौर-तरीकों की अपनी खूबियां और सीमाएं होती हैं । जब दृश्य चेतावनी प्रणाली का उपयोग कियाजाताहै, तो ड्राइवर दृश्य अधिभार 3 से पीड़ित हो सकते हैं, असावधानी अंधापन4,5के कारण ड्राइविंग प्रदर्शन को ख़राब करसकतेहैं। यद्यपि एक श्रवण चेतावनी प्रणाली ड्राइवरों के दृश्य क्षेत्र को प्रभावित नहीं करती है, इसकी प्रभावशीलता बहुत हद तक पृष्ठभूमि संगीत और ड्राइविंग वातावरण में अन्य शोर जैसे परिवेश पर निर्भर करती है6,7। इस प्रकार, जिन स्थितियों में अन्य बाहरी श्रवण जानकारी या महत्वपूर्ण शोर होता है, वे असावधानी बहरापन8,9का कारण बन सकती हैं, जिससे श्रवण चेतावनी प्रणाली की प्रभावशीलता कम हो सकती है। इसकी तुलना में, स्पर्श चेतावनी प्रणाली ड्राइवरों के दृश्य या श्रवण प्रसंस्करण के साथ प्रतिस्पर्धा नहीं करती है। ड्राइवरों को वाइब्रोटेक्टाइल चेतावनी भेजकर, स्पर्श चेतावनी प्रणाली दृश्य और श्रवण चेतावनी प्रणालियों की सीमाओं को दूर करती है।

पिछले अध्ययनों से पता चला है कि स्पर्श चेतावनी उनके ब्रेक प्रतिक्रिया समय छोटा द्वारा ड्राइवरों को लाभ कर सकते हैं । यह भी पाया गया कि स्पर्श चेतावनी प्रणाली कुछ स्थितियों में दृश्य10, 11और श्रवण 12,13,14 चेतावनी प्रणालियों पर अधिक प्रभावी परिणाम उत्पन्न करती है। हालांकि, सीमित अनुसंधान एक स्पर्श चेतावनी डिवाइस रखने के लिए इष्टतम स्थान की जांच पर ध्यान केंद्रित किया है । संवेदी प्रांतस्था परिकल्पना15 और संवेदी दूरी परिकल्पना16के अनुसार, आदर्श अध्ययन एक स्पर्श चेतावनी उपकरण रखने के लिए प्रयोगात्मक स्थानों के रूप में उंगली, कलाई, और मंदिर क्षेत्रों को चुना । शुरू किए गए प्रोटोकॉल के साथ, एक कंपन चेतावनी की आवृत्ति और वितरित समय, और कंपन टूलकिट के कंपन के बीच अंतराल, प्रयोगात्मक आवश्यकताओं को फिट करने के लिए कॉन्फ़िगर किया जा सकता है। इस हिल टूलकिट में एक मास्टर चिप, एक वोल्टेज रेगुलेटर चिप, एक मल्टीप्लेक्सर, यूएसबी टू ट्रांजिस्टर-ट्रांजिस्टर-लॉजिक (टीटीएल) एडाप्टर, मेटल-ऑक्साइड-सेमीकंडक्टर फील्ड-इफेक्ट ट्रांजिस्टर (MOSFET) और एक ब्लूटूथ मॉड्यूल शामिल था । कंपन मॉड्यूल की संख्या भी शोधकर्ताओं की जरूरतों के अनुसार भिन्न हो सकती है, चार मॉड्यूल एक ही समय में हिल के साथ । ड्राइविंग से संबंधित प्रयोगों में कंपन टूलकिट को लागू करते समय, ड्राइविंग सिमुलेशन के कोड को संशोधित करके प्रयोगात्मक सेटिंग्स को फिट करने के साथ-साथ ड्राइविंग प्रदर्शन डेटा के साथ सिंक्रोनाइज्ड करने के लिए कॉन्फ़िगर किया जा सकता है।

जबकि शोधकर्ताओं के लिए, एक आभासी मंच पर एक ड्राइविंग प्रयोग का आयोजन जोखिम और शामिल लागत के कारण वास्तविक दुनिया की तुलना में अधिक संभव है । उदाहरण के लिए, प्रदर्शन संकेतकों का संग्रह करना मुश्किल हो सकता है, और वास्तविक दुनिया में प्रयोग किए जाने पर शामिल पर्यावरणीय कारकों को नियंत्रित करना कठिन है। नतीजतन, कई अध्ययनों ने हाल के वर्षों में पीसी पर चल रहे फिक्स्ड-बेस ड्राइविंग सिमुलेटर का उपयोग ऑन-रोड ड्राइविंग अध्ययन करने के विकल्प के रूप में किया है। ड्राइविंग अनुसंधान समुदाय में 11 से अधिक वर्षों तक सीखने, विकसित करने और शोध करने के बाद, हमने एक वास्तविक कार के साथ एक ड्राइविंग सिमुलेशन प्लेटफॉर्म की स्थापना की जिसमें एक ओपन-सोर्स ड्राइविंग सिमुलेशन सॉफ्टवेयर और एक हार्डवेयर किट शामिल है, जिसमें स्टीयरिंग व्हील और गियरबॉक्स, तीन पैडल, तीन घुड़सवार प्रोजेक्टर और तीन प्रोजेक्टर स्क्रीन शामिल हैं। ड्राइविंग सिमुलेशन सॉफ्टवेयर केवल एक स्क्रीन का समर्थन करता है, प्रस्तुत प्रोटोकॉल प्रयोग का संचालन करने के लिए केवल केंद्रीय प्रोजेक्टर और प्रोजेक्टर स्क्रीन का इस्तेमाल किया।

प्रस्तुत ड्राइविंग सिमुलेशन प्लेटफॉर्म का उपयोग करने के दो प्रमुख फायदे हैं। इस प्लेटफ़ॉर्म का एक लाभ यह है कि यह एक ओपन-सोर्स सॉफ्टवेयर का उपयोग करता है। उपयोगकर्ता के अनुकूल ओपन-सोर्स प्लेटफॉर्म का उपयोग करके, शोधकर्ता बिना किसी कोड विकास के सरल सॉफ्टवेयर विन्यास करके सिमुलेशन और कंपन टूलकिट को अपनी अनूठी शोध आवश्यकताओं के लिए अनुकूलित कर सकते हैं। कोड को संशोधित करके, शोधकर्ता ड्राइविंग सिमुलेशन बना सकते हैं जो कार के प्रकार, सड़क प्रकार, स्टीयरिंग व्हील के प्रतिरोध, पार्श्व और देशांतर हवा अशांति, बाहरी सॉफ्टवेयर सिंक्रोनाइजेशन के लिए समय और ब्रेक इवेंट एप्लिकेशन कार्यक्रम इंटरफेस (एपीआई) पर उपलब्ध विकल्पों के बहुत से वास्तविकता को सापेक्ष निष्ठा प्रदान करते हैं, और कार-निम्नलिखित कार्य और एन-बैक कार्य जैसे व्यवहार प्रतिमानों का कार्यान्वयन। हालांकि ड्राइविंग सिम्युलेटर में ड्राइविंग से संबंधित शोध का आयोजन पूरी तरह से वास्तविक दुनिया में ड्राइविंग को दोहराने नहीं कर सकता है, ड्राइविंग सिम्युलेटर के माध्यम से एकत्र किया गया डेटा उचित है और शोधकर्ताओं द्वारा व्यापक रूप से अपनाया गया है17,18।

प्रस्तावित ड्राइविंग सिम्युलेटर का एक और लाभ इसकी कम लागत है। जैसा कि पहले उल्लेख किया गया है, शुरू किया गया ड्राइविंग सिमुलेशन सॉफ्टवेयर एक ओपन-सोर्स सॉफ्टवेयर है जो उपयोगकर्ताओं के लिए मुफ्त में उपलब्ध है। इसके अलावा, इस प्रोटोकॉल में पूरे हार्डवेयर सेटअप की कुल लागत विशिष्ट उच्च-निष्ठा वाणिज्यिक ड्राइविंग सिमुलेटर की तुलना में कम है। चित्रा 1 ए और बी $ 3000 से $ 30000 तक की लागत के साथ दो ड्राइविंग सिमुलेटर का पूरा सेटअप दिखाते हैं। इसके विपरीत, विशिष्ट उच्च-निष्ठा वाणिज्यिक ड्राइविंग सिमुलेटर (फिक्स्ड-बेस) आमतौर पर $ 10,000 से $ 100,000 के आसपास खर्च होते हैं। इसकी अत्यधिक सस्ती कीमत के साथ, यह ड्राइविंग सिम्युलेटर न केवल अकादमिक अनुसंधान उद्देश्यों के लिए, बल्कि ड्राइविंग कक्षा19 के संचालन और ड्राइविंग से संबंधित प्रौद्योगिकियों20, 21के प्रदर्शन के लिए भी एक लोकप्रिय विकल्प होसकताहै।

Figure 1
चित्रा 1: ड्राइविंग सिमुलेटर की एक छवि। दोनों ड्राइविंग सिमुलेटर में एक स्टीयरिंग व्हील और गियरबॉक्स, तीन पैडल और एक वाहन शामिल थे। (क) $३००० ड्राइविंग सिम्युलेटर सेटअप जिसमें ८८४० × २१६० के रेजोल्यूशन के साथ ८० इंच की एलसीडी स्क्रीन का इस्तेमाल किया गया । (ख) $ 30000 ड्राइविंग सिम्युलेटर सेटअप जिसमें तीन घुड़सवार प्रोजेक्टर और तीन प्रोजेक्टर स्क्रीन का उपयोग किया गया, जिसमें प्रत्येक 223 x 126 सेमी के आयाम के साथ एक आयाम था। प्रक्षेपण स्क्रीन जमीन से 60 सेमी ऊपर और वाहन के सामने से 22 सेमी दूर रखा गया था। वर्तमान प्रयोग के लिए केवल केंद्रीय प्रोजेक्टर और प्रोजेक्टर स्क्रीन का उपयोग किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

प्रस्तावित विधि में ड्राइविंग सिमुलेशन सॉफ्टवेयर और कंपन टूलकिट का उपयोग पिछले अध्ययनों में22 , 23,24 , 25,26,27,28,29,29से किया जा चुका है । आईएसओ मानक30 के बाद इस स्व-विकसित कंपन टूलकिट को कंपन आवृत्ति और तीव्रता को समायोजित करके विभिन्न क्षेत्रों31,32 में लागू किया जा सकता है। यह ध्यान रखना महत्वपूर्ण है कि कंपन टूलकिट का एक नया संस्करण विकसित किया गया है और इसे निम्नलिखित प्रोटोकॉल में पेश किया गया है। एडजस्टेबल वोल्टेज एडाप्टर का उपयोग करके कंपन आवृत्ति को समायोजित करने के बजाय, नया संस्करण पांच अलग-अलग कंपन आवृत्तियों से लैस है और पूरक कोडिंग फाइल 1में प्रदान किए गए कोड का उपयोग करके आसान समायोजित किया जा सकता है। इसके अलावा, प्रस्तुत ड्राइविंग सिम्युलेटर शोधकर्ताओं को विभिन्न प्रकार के ड्राइविंग-संबंधित शोध की जांच करने के लिए एक सुरक्षित, सस्ती और प्रभावी तरीका प्रदान करता है। इस प्रकार, यह प्रोटोकॉल अनुसंधान प्रयोगशालाओं के लिए उपयुक्त है जिनके पास सीमित बजट है और प्रायोगिक ड्राइविंग वातावरण को अनुकूलित करने की एक मजबूत आवश्यकता है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

नोट: यहां वर्णित सभी तरीकों को त्सिंआ विश्वविद्यालय के संस्थागत समीक्षा बोर्ड (आईआरबी) द्वारा अनुमोदित किया गया है और सभी प्रतिभागियों से सूचित सहमति प्राप्त की गई थी ।

1. प्रतिभागी

  1. सांख्यिकीय शक्ति प्राप्त करने के लिए प्रायोगिक डिजाइन के अनुसार भर्ती के लिए प्रतिभागियों की आवश्यक संख्या की गणना करने के लिए एक शक्ति विश्लेषण का संचालन करें।
  2. भर्ती के दौरान प्रतिभागियों के लिंग को यथासंभव संतुलित करें।
  3. सुनिश्चित करें कि प्रतिभागियों के पास एक वैध ड्राइविंग लाइसेंस और ड्राइविंग अनुभव का कम से कम एक वर्ष है।
  4. सुनिश्चित करें कि प्रतिभागियों को सामान्य या दृष्टि चार्ट का उपयोग कर सामान्य दृष्टि को सही किया है।
  5. सुनिश्चित करें कि प्रतिभागियों ने प्रयोग33से पहले 24 घंटे के भीतर ड्राइविंग क्षमताओं को प्रभावित करने वाली शराब या ड्रग्स का सेवन न किया ।

2. ड्राइविंग सिमुलेशन सॉफ्टवेयर विन्यास

  1. ड्राइविंग सिमुलेशन सॉफ्टवेयर का फोल्डर दर्ज करें, इसके बाद रनटाइम फोल्डर और कॉन्फिग फोल्डर। फिर, "एक्सकॉन्फिग.txt" फ़ाइल खोलें (यानी, फ़ाइल पथ "\torcs-1.3.3-Exp-2018-10-25\torcs-1.3.3\nuntime\config\") होना चाहिए।
  2. निर्धारित करें कि किसी भी विन्यास को लागू करना है या प्रायोगिक डिजाइन का जिक्र करके बॉक्स से बाहर किसी भी विन्यास के बिना डिफ़ॉल्ट सेटिंग्स का उपयोग करके ड्राइविंग सिमुलेशन के साथ आगे बढ़ना है। तालिका 1 सभी उपलब्ध विकल्पों के डिफ़ॉल्ट विन्यास का विस्तृत विवरण दिखाता है।
    1. यदि कोई परिवर्तन नहीं किया जाना है तो प्रोटोकॉल की धारा 3 पर आगे बढ़ें।
विन्यास विकल्प विवरण डिफ़ॉल्ट सेटिंग्स
एंडएक्सपीबीटाइम प्रयोग को समाप्त करने के लिए ट्रिगर के रूप में घड़ी के समय का उपयोग करना है या नहीं। गलत
एंडएक्सपइंडमिन्यूट इन मिनटों के बाद प्रयोग समाप्त करें। 10
एंडएक्सपीवाईडीडीस्ट चाहे या नहीं ड्राइवर की कार का उपयोग करने के लिए प्रयोग समाप्त करने के लिए एक ट्रिगर के रूप में दूरी की यात्रा की । जब समय और दूरी दोनों ट्रिगर का उपयोग किया जाता है, तो पहले एक के साथ प्रयोग समाप्त करें। गलत
एंडएक्सपीफ्टमीटर इन मीटरों को स्टार्ट लाइन से यात्रा करने के बाद प्रयोग समाप्त करें। 5000
सक्षमरैंडोमफ्रंटलविंड क्या ललाट हवा को सक्षम करने के लिए, (यानी एक बल कार को पीछे की दिशा में धकेलने वाला) यादृच्छिक अंतराल और अवधि के साथ। सच
फ्रंटलविंडइंटरवलमिन ललाट हवा अंतराल का न्यूनतम मूल्य (सेकंड)। 3
फ्रंटलविंडइंटरवलमैक्स ललाट हवा अंतराल का अधिकतम मूल्य (सेकंड)। 13
फ्रंटलविंडड्यूरेशनमिन ललाट हवा की अवधि का न्यूनतम मूल्य (सेकंड)। 2
फ्रंटलविंडड्यूरेशनमम ललाट हवा की अवधि का अधिकतम मूल्य (सेकंड)। 3
फ्रंटलविंडफोर्समिन ललाट पवन बल का न्यूनतम मूल्य (न्यूटन)। 500
फ्रंटलविंडफोर्समैक्स ललाट पवन बल का अधिकतम मूल्य (न्यूटन)। 1000
सक्षमरणमेत्रलविंड क्या यादृच्छिक अंतराल और अवधि के साथ पार्श्व हवा (यानी कार को बाईं या दाईं दिशा में धकेलने वाला बल) सक्षम करना है। सच
पार्श्वविंडइंटरवलमिन पार्श्व हवा अंतराल का न्यूनतम मूल्य (सेकंड)। 3
पार्श्वविंडइंटरवलमैक्स पार्श्व हवा अंतराल का अधिकतम मूल्य (सेकंड)। 8
पार्श्वWindDurationMin पार्श्व पवन अवधि का न्यूनतम मूल्य (सेकंड)। 2
पार्श्वWindDurationMax पार्श्व पवन अवधि का अधिकतम मूल्य (सेकंड)। 3
पार्श्वWindForceMin पार्श्व पवन बल का न्यूनतम मूल्य (न्यूटन)। 1000
पार्श्वविंडफोर्समैक्स पार्श्व पवन बल का अधिकतम मूल्य (न्यूटन)। 2000
लीडकारकंसंटस्पीडम्फ लीड वाहन (मील प्रति घंटे) की निरंतर गति। 40
लीडडिस्ट इसके लिए शुरू करें इंतजार लीड वाहन की पूंछ और चालक के वाहन के सिर के बीच की दूरी (मीटर) बताए गए नंबर से बड़ी होने पर लीड वाहन चालक के वाहन का इंतजार करना शुरू कर देगा। 100
सीसे का नेतृत्व करने वाले लीड कार तब तक इंतजार करेगी जब तक ड्राइवर की कार के आगे की दूरी (मीटर) इस नंबर से छोटी नहीं हो जाती । 80
लीडकारब्राक इंटरनैरक्लटाइममिन लीड वाहन को ब्रेक करने के लिए न्यूनतम यादृच्छिक समय अंतराल (सेकंड) । 30
लीडकारब्राक इंटरनैवलटाइममैक्स लीड वाहन को ब्रेक करने के लिए अधिकतम यादृच्छिक समय अंतराल (सेकंड) । 60
लीडकारब्रेकीवेंटड्यूरेशन लीड वाहन ब्रेक इवेंट अवधि (सेकंड)। 5
सक्षमरणोमसएमएससाउंड क्या यादृच्छिक अंतराल के साथ खेला गया छोटा संदेश सर्वर अधिसूचना ध्वनि को सक्षम करना है। गलत
रैंड्सएमएसइंटरवलमिन पहले एसएमएस अधिसूचना की शुरुआत से दूसरे एसएमएस अधिसूचना की शुरुआत तक न्यूनतम यादृच्छिक समय अंतराल (सेकंड) । 2
रैंड्सएमएसइंटरवलमैक्स पहले एसएमएस अधिसूचना की शुरुआत से दूसरे एसएमएस अधिसूचना की शुरुआत तक अधिकतम यादृच्छिक समय अंतराल (सेकंड) । 2
सक्षमरणानबैकसाउंड क्या एन-बैक नंबर ध्वनि को यादृच्छिक अंतराल के साथ खेला जाता है या नहीं। गलत
रैंडनबैकइंटरवलमिन पहली ध्वनि की शुरुआत से दूसरी ध्वनि की शुरुआत तक न्यूनतम यादृच्छिक समय अंतराल (सेकंड)। 2.33
रैंडनबैकइंटरवलमैक्स पहली ध्वनि की शुरुआत से दूसरी ध्वनि की शुरुआत तक अधिकतम यादृच्छिक समय अंतराल (सेकंड)। 2.33
सक्षमयूडीयूडीएंडडेटा क्या एक विशिष्ट स्थानीय नेटवर्क आईपी के लिए समय स्टांप डेटा सिंक्रोनाइजेशन सक्षम करने के लिए। गलत
सक्षमUDPSendDataAdStudy विज्ञापन अध्ययन के लिए निम्नलिखित आईपी को डेटा भेजा जा सकता है या नहीं।
नोट: सक्षमUDPSendData के साथ संघर्ष।		 गलत
यूडीपीटार्गेटिपा1 यूडीपी हस्तांतरण के लिए आईपी पता /
यूडीपीटार्गेटिपा2
यूडीपीटार्गेटिपा3
यूडीपीटार्गेटिपा4
यूडीपीटारगेटपोर्ट लक्ष्य यूडीपी बंदरगाह। 1234
यूडीपीसाइकिलनंबर नियंत्रण कितनी बार समय स्टांप भेजा जाता है। प्रत्येक चक्र के साथ TORCS चक्र के हर UDPcycleNumber के बाद डेटा भेजा जाएगा आमतौर पर 20 एमएस है । 1
सक्षमयूडीयूक्यूकनेक्शन यूडीपी सर्वर और क्लाइंट के साथ क्यूएन-जावा मॉडल ड्राइव सिमुलेशन को सक्षम करना है या नहीं, यह एक ही कंप्यूटर है। गलत
यूडीपीक्यूकंटोरस्पोर्ट सिमुलेशन पोर्ट नंबर के लिए यूडीपी क्यूएन पोर्ट। 5678
यूडीपीटीईआरसीओक्यूएनपोर्ट यूडीपी क्यूएन पोर्ट नंबर के लिए सिमुलेशन पोर्ट। 8765
लीडकारब्राकिंगबायवेबकमलैंड लीड वाहन के ब्रेकिंग सिग्नल के लिए किसी वेबसाइट से कनेक्ट करना है या नहीं। गलत
Far_Point_Time_Ahead वाहन नियंत्रण मॉडल में उपयोग किया जाने वाला पैरामीटर। 2
कारफॉलोविंग ट्रेनिंग को सक्षम प्रशिक्षण मोड में नकली कार-निम्नलिखित कार्य को सक्षम करने या नहीं। /
कार्फोलोविंग ट्रेनिंगआर्वर्टिवल प्रशिक्षण मोड की अगली चेतावनी ध्वनि शुरुआत तक अंतिम चेतावनी ध्वनि शुरुआत से समय अंतराल। 2

तालिका 1: ड्राइविंग सिमुलेशन सॉफ्टवेयर के लिए डिफ़ॉल्ट सेटिंग्स की सूची। प्रत्येक विकल्प का विस्तृत विवरण के साथ ड्राइविंग सिमुलेशन सॉफ्टवेयर के सभी संबद्ध विन्यास विकल्पों के डिफ़ॉल्ट मूल्यों की एक सूची।

  1. प्रायोगिक डिजाइन के निर्णयित नियंत्रण चर के आधार पर प्रयोग को समाप्त करने के तरीके पर सेटिंग्स को कॉन्फ़िगर करें।
    1. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "एंडएक्सपीबीटाइम =" विकल्प के साथ प्रयोग को समाप्त करने के लिए एक ट्रिगर के रूप में घड़ी के समय का उपयोग करना है या नहीं। आदर्श अध्ययन को दोहराने के लिए झूठी करने के लिए इस विकल्प को सेट करें।
    2. एक दशमलव स्थान के साथ प्रारूप में मिनटों की संख्या इनपुट करके "एंडएक्सपीफ्टमिन्यूट =" विकल्प के साथ ट्रिगर के रूप में यात्रा करने वाले समय के साथ प्रयोग को समाप्त करना है या नहीं, यह चुनें। यात्रा का समय पूरी तरह से शोधकर्ताओं द्वारा तय किया जा सकता है। इनपुट 12 आदर्श अध्ययन को दोहराने के लिए।
    3. सेट करें कि दूरी के साथ प्रयोग को समाप्त करना "एंडएक्सपीबीडीडीटी =" विकल्प के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके एक ट्रिगर के रूप में यात्रा की है या नहीं। ध्यान दें कि जब "एंडएक्सपीबीटाइम =" और "एंडएक्सपीबीडीडीटी =" विकल्प दोनों सच हो गए हैं, तो प्रयोग उस स्थिति के साथ समाप्त हो जाएगा जो पहले मिले हैं। आदर्श अध्ययन को दोहराने के लिए यह विकल्प सही करने के लिए सेट करें।
    4. एक दशमलव स्थान के साथ प्रारूप में मीटर में शुरुआती लाइन से कूच की गई दूरी निर्धारित करने के लिए "एंडएक्सपएफ्टीमीटर =" विकल्प का उपयोग करें। यात्रा की दूरी पूरी तरह से शोधकर्ताओं द्वारा तय की जा सकती है। आदर्श अध्ययन को दोहराने के लिए इनपुट 10000.0।
  2. आभासी वातावरण के लिए डिज़ाइन की गई हवा की गति34, 35और प्रयोग में शुरू किए जाने वाले संज्ञानात्मक लोड36 के अनुसार नकली ड्राइविंग वातावरण के लिए पवन सेटिंग्स को कॉन्फ़िगर करें।
    1. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "enableRandomFrontalWind =" विकल्प के साथ यादृच्छिक अंतराल और अवधि के साथ ललाट हवा को सक्षम करना है या नहीं। आदर्श अध्ययन को दोहराने के लिए यह विकल्प सही करने के लिए सेट करें।
    2. क्रमशः एक दशमलव स्थान के साथ प्रारूप में सेकंड की संख्या इनपुट करके "फ्रंटलविंडइंटरवलमिन =" और "फ्रंटलविंडइंटरवलमैक्स =" विकल्पों के साथ न्यूनतम और अधिकतम ललाट हवा अंतराल को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 3.0 और 13.0) का उपयोग करें।
    3. क्रमशः एक दशमलव स्थान के साथ प्रारूप में सेकंड की संख्या इनपुट करके "फ्रंटलWindDurationMinMin =" और "फ्रंटलWindDurationMax =" विकल्पों के साथ न्यूनतम और अधिकतम ललाट हवा की अवधि को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 2.0 और 3.0) का उपयोग करें।
    4. न्यूटन में क्रमशः बल की मात्रा का संकेत देकर "फ्रंटलविंडफोर्समिन =" और "फ्रंटलविंडफोर्समम =" विकल्पों के साथ न्यूनतम और अधिकतम ललाट पवन बल को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी, क्रमशः 500.0 और 1,000.0) का उपयोग करें।
    5. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "enableRandomLateralWind =" विकल्प के साथ यादृच्छिक अंतराल और अवधि के साथ पार्श्व हवा को सक्षम करना है या नहीं। आदर्श अध्ययन को दोहराने के लिए सच करने के लिए सेट करें।
    6. क्रमशः एक दशमलव स्थान के साथ प्रारूप में सेकंड की संख्या इनपुट करके "पार्श्वWindIntervalMin =" और "पार्श्वWindIntervalMax =" विकल्पों के साथ न्यूनतम और अधिकतम पार्श्व पवन बल अंतराल को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 3.0 और 8.0) का उपयोग करें।
    7. क्रमशः एक दशमलव स्थान के साथ प्रारूप में सेकंड की संख्या इनपुट करके "पार्श्वWindDurationMinMin =" और "पार्श्वWindDurationMax =" विकल्पों के साथ न्यूनतम और अधिकतम पार्श्व हवा की अवधि को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 2.0 और 3.0) का उपयोग करें।
    8. न्यूटन में क्रमशः बल की मात्रा का संकेत देकर "पार्श्वWindForceMin =" और "पार्श्वWindForceMax =" विकल्पों के साथ न्यूनतम और अधिकतम पार्श्व पवन बल को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 1,000.0 और 2,000.0) का उपयोग करें।
  3. प्रायोगिक डिजाइन के अनुसार नकली कार-निम्नलिखित कार्य के लिए सेटिंग्स को कॉन्फ़िगर करें और35की आवश्यकता है।
    1. "leadCarConstantSpeedMPH =" विकल्प का उपयोग कर एक दशमलव जगह के साथ मील प्रति घंटे में सीसा वाहन की निरंतर गति निर्धारित करें । इनपुट 40 आदर्श अध्ययन को दोहराने के लिए।
    2. लीड वाहन और ड्राइवर के वाहन के बीच एक दशमलव स्थान के साथ मीटर में दूरी को परिभाषित करें ताकि चालक के वाहन को पकड़ने के लिए इंतजार करना शुरू किया जा सके, या ड्राइविंग फिर से शुरू की जा सके, "लीडडिस्टटोस्टार्ट वेटिंग =" और "leadDistToStopWaiting =" विकल्प, क्रमशः। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 100.0 और 80.0) का उपयोग करें।
    3. क्रमशः एक दशमलव स्थान (जैसे, 30.0 और 60.0) के साथ प्रारूप में सेकंड की संख्या इनपुट करके "लीडकारब्रेकइंटरवलटाइमटाइममिमिन =" और "लीडकारब्रेकइंटरक्वलटाइममैक्स =" विकल्पों के साथ लीड वाहन ब्रेक इवेंट्स का अधिकतम और न्यूनतम यादृच्छिक समय अंतराल निर्धारित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी क्रमशः 30.0 और 60.0) का उपयोग करें।
    4. एक दशमलव स्थान के साथ प्रारूप में सेकंड की संख्या दर्ज करके "leadCarBrakeEventDuration =" विकल्प के साथ ब्रेक इवेंट अवधि को परिभाषित करें। आदर्श अध्ययन को दोहराने के लिए डिफ़ॉल्ट सेटिंग (यानी, 5.0) का उपयोग करें।
  4. प्रयोगात्मक डिजाइन और जरूरतों के अनुसार यादृच्छिक लघु संदेश अधिसूचना ध्वनि के लिए सेटिंग्स को कॉन्फ़िगर करें।
    1. यह तय करें कि लघु संदेश सेवा (एसएमएस) अधिसूचना को "enableRandomSMSSound =" विकल्प के विकल्प के रूप में ट्रू या मिथ्या के साथ यादृच्छिक अंतराल के साथ खेलने के लिए सक्षम किया जाए या नहीं। आदर्श अध्ययन को दोहराने के लिए झूठी करने का विकल्प निर्धारित करें।
    2. "रैंड्सइंटर्वलमिन =" और "रैंड्सएमएसइंटर्वलमैक्स =" विकल्पों का उपयोग करके दूसरे एसएमएस अधिसूचना की शुरुआत तक न्यूनतम और अधिकतम समय अंतराल को परिभाषित करें, जो क्रमशः एक दशमलव स्थान (जैसे, 5.0 और 10.0) के साथ प्रारूप में सेकंड की संख्या का संकेत देता है।
  5. प्रायोगिक डिजाइन और जरूरतों के अनुसार नकली एन-बैक टास्क37 के लिए सेटिंग्स को कॉन्फ़िगर करें।
    1. "enableRandomNbackSound =" विकल्प के विकल्प के विकल्प के रूप में सच या गलती के साथ यादृच्छिक अंतराल के साथ खेलने के लिए एन-बैक नंबर सेट करें। आदर्श अध्ययन को दोहराने के लिए झूठी करने का विकल्प निर्धारित करें।
    2. क्रमशः एक दशमलव स्थान (जैसे, 5.0 और 10.0) के साथ प्रारूप में सेकंड की संख्या को इंगित करने के लिए "रैंडनबैकइंटरवलमिन =" और "रैंडनबैक इंटरनर्वमैक्स =" विकल्पों का उपयोग करके पहली ध्वनि की शुरुआत तक पहली ध्वनि की शुरुआत से न्यूनतम और अधिकतम समय अंतराल को परिभाषित करें।
  6. यदि प्रयोग के लिए यूडीपी डेटा ट्रांसफर की आवश्यकता है तो उपयोगकर्ता डेटाग्राम प्रोटोकॉल (यूडीपी) सेटिंग्स को कॉन्फ़िगर करें।
    1. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "enableUDPSendData =" विकल्प के माध्यम से एक विशिष्ट स्थानीय नेटवर्क आईपी पते पर टाइम स्टैंप डेटा सिंक्रोनाइजेशन की अनुमति देकर डेटा हस्तांतरण के लिए यूडीपी को सक्षम करना है या नहीं। इस विकल्प को आदर्श अध्ययन को दोहराने के लिए सक्षम करें।
    2. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "enableUDPSendDataAdStudy=" विकल्प के माध्यम से विज्ञापन अध्ययन के लिए एक विशिष्ट आईपी पते पर डेटा हस्तांतरण के लिए यूडीपी को सक्षम करना है या नहीं, यह चुनें। यह भी याद दिलाया जाता है कि इस विकल्प को "enableUDPSendData =" के साथ संघर्ष किया गया है और दोनों विकल्पों को एक ही समय में सच नहीं किया जा सकता है। आदर्श अध्ययन को दोहराने के लिए झूठी करने का विकल्प निर्धारित करें।
    3. "UDPTargetIPa1 =", "UDPTargetIPa2 =", "UDPTargetIPa3 =", और "UDPTargetIPa4=", और "UDPTargetIPa4=" का उपयोग करके आईपी पते के प्रत्येक खंड को निर्दिष्ट करके यूडीपी हस्तांतरण के लिए आईपी पते को परिभाषित करें।
    4. "UDPTargetPort =" के तहत लक्ष्य पोर्ट नंबर इंगित करें।
    5. "UDPcycleNumber =" के तहत भेजे जाने वाले डेटा के लिए आवृत्ति निर्धारित करें, जिसमें किसी भी पूर्णांक से अधिक या "1" चक्र के बराबर हो, प्रत्येक चक्र 20 एमएस है।
  7. प्रयोगात्मक डिजाइन और जरूरतों के संदर्भ में यूडीपी कतारबद्ध नेटवर्क (क्यूएन) मॉडल38 कनेक्शन को कॉन्फ़िगर करें।
    1. क्यूएन-जावा मॉडल ड्राइव सिमुलेशन को सक्षम करने के लिए सेट करें या नहीं, जिसमें, यूडीपी सर्वर और क्लाइंट एक ही कंप्यूटर साझा कर रहे हैं, "सक्षमUDPQNConnection =" विकल्प के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके विकल्प के साथ। आदर्श अध्ययन को दोहराने के लिए इस विकल्प को अक्षम करें।
    2. "UDPQNtoTORCSPort =" विकल्प के तहत सिमुलेशन बंदरगाह के लिए UDP QN बंदरगाह से संख्या इंगित करें ।
    3. "UDPTORCStoQNPort =" विकल्प के तहत सिमुलेशन पोर्ट से यूडीपी क्यूएन पोर्ट तक की संख्या इंगित करें।
  8. "leadCarBrakingByWebCommand =" विकल्प के विकल्प के रूप में सच या गलत का उपयोग कर के तहत प्रयोगात्मक डिजाइन के अनुसार संकेतों को ब्रेक लगाने के लिए एक वेबसाइट से कनेक्ट करने के लिए कॉन्फ़िगर करें या नहीं। कृपया ध्यान दें कि जब यह विकल्प सच हो जाता है, तो "एंडएक्सपीबीटाइम =" और "एंडएक्सपीफ्टमिन्यूट =" काम करना बंद कर देंगे। आदर्श अध्ययन को दोहराने के लिए झूठी करने का विकल्प निर्धारित करें।
  9. विकल्पों के विकल्प के रूप में ट्रू या मिथ्या का उपयोग करके "सक्षमकारफॉलोविंगट्रेनिंग =" के साथ प्रशिक्षण मोड में नकली कार-निम्नलिखित कार्य को सक्षम करना है या नहीं, यह सेट करें।
    1. एक दशमलव स्थान (जैसे, 2.0) के साथ सेकंड की संख्या का संकेत देकर "कारफोलोविंगट्रेनिंग वार्निंग इंटरनैर्वल =" विकल्प के साथ प्रशिक्षण की अगली चेतावनी ध्वनि शुरुआत तक अंतराल को परिभाषित करें।
  10. विन्यास पूरा करने पर फ़ाइल को सहेजें।

3. ड्राइविंग सिम्युलेटर तैयारी

  1. स्टीयरिंग व्हील और केंद्रीय प्रोजेक्टर (16:10, 192 - 240 हर्ट्ज ताज़ा आवृत्ति, और 8-बिट रंग प्रसंस्करण) के आस्पेक्ट अनुपात के साथ एक घुड़सवार प्रोजेक्टर को कंप्यूटर से कनेक्ट करें। 223 x 126 सेमी के आयाम के साथ एक प्रोजेक्टर स्क्रीन जमीन से 60 सेमी ऊपर और इंस्ट्रूमेंटेड वाहन के सामने से 22 सेमी दूर रखा गया था।
  2. विकल्प | के तहत स्क्रीन रिज़ॉल्यूशन सेट करें ड्राइविंगसिमुलेशन सॉफ्टवेयर शुरू करने पर स्क्रीन आकार से मेल खाने के लिए डिस्प्ले।
  3. एक खिलाड़ी का चयन करने के लिए कॉन्फिग्योर पेज दर्ज करें और स्टीयरिंग व्हील, एक्सीलेटर और ब्रेक पेडल को कैलिब्रेट करने के लिए सॉफ्टवेयर द्वारा दिए गए निर्देशों का पालन करें। इनमें स्टीयरिंग व्हील को मोड़ना और निर्देश के अनुसार एक्सीलेटर और ब्रेक पेडल दबाना शामिल है।

4. हिल टूलकिट विन्यास और तैयारी

  1. कंपन टूलकिट को बिजली आपूर्ति से कनेक्ट करें। चार मॉड्यूल में से प्रत्येक में 67 x 57 x 29 मिमी का आयाम है। चित्रा 2 कंपन टूलकिट की छवि दिखाता है।

Figure 2
चित्रा 2: कंपन टूलकिट की छवियां। कंपन टूलकिट में चार अलग-अलग मॉड्यूल शामिल थे जिन्हें अलग से सक्रिय किया जा सकता है। प्रत्येक मॉड्यूल में 67 x 57 x 29 मिमी का आयाम होता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

  1. वाइब्रेशन टूलकिट पर स्विच करें और टूलकिट को ब्लूटूथ के जरिए कंप्यूटर से कनेक्ट करें।
  2. एक पायलट त्वचा संवेदनशीलता परीक्षण को पूरा करने पर या प्रयोगात्मक जरूरतों के अनुसार प्रयोग के लिए इस्तेमाल किया जा करने के लिए कंपन आवृत्ति को परिभाषित करें।
  3. स्प पूरक कोडिंग फाइल 1 के रूप में प्रदान किए गए कोड का उपयोग करके कंपन आवृत्तिको 70हर्ट्ज39, 40,41 पर सेट करें। कुल पांच आवृत्ति स्तर (यानी, 14Hz, 28Hz, 42Hz, 56Hz, और 70Hz) वर्तमान में प्रत्येक कंपन उत्तेजना के साथ उपलब्ध हैं जो डिफ़ॉल्ट रूप से 0.5 एस तक रहता है।
  4. ड्राइविंग सिमुलेशन सॉफ्टवेयर और कंपन टूलकिट से ब्रेक घटनाओं को सिंक्रोनाइज करने के लिए पूरक कोडिंग फाइल 1 के रूप में प्रदान किए गए कोड का उपयोग करें। चित्रा 3 एक संदर्भ के रूप में संशोधित करने के लिए कोड के एक लेबल स्क्रीनशॉट से पता चलता है ।

Figure 3
चित्रा 3: पूरक कोडिंग फ़ाइल 1 में कोड का एक लेबल स्क्रीनशॉट। कोड के लेबल स्क्रीनशॉट कंपन टूलकिट विन्यास और तैयारी के लिए एक आसान संदर्भ के रूप में इस्तेमाल किया जा सकता है। इन कोड का उपयोग टूलकिट की कंपन आवृत्ति सेट करने के लिए किया जाता है, और ड्राइविंग सिमुलेशन सॉफ्टवेयर में ब्रेक घटनाओं को सिंक्रोनाइज़ करने और हिल चेतावनियों को उत्पन्न करने के लिए टूलकिट को कंपन करने के लिए। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

5. प्रयोग का आयोजन

  1. प्रतिभागियों को पढ़ने के लिए और सूचित सहमति फार्म है कि प्रयोगात्मक प्रक्रिया का परिचय और घोषणा की है कि अध्ययन प्रयोगशाला में आगमन पर ड्राइविंग प्रदर्शन का मूल्यांकन करने के लिए है पर हस्ताक्षर करने के लिए निर्देश ।
  2. पेडल के लिए सीट की दूरी को समायोजित करने के लिए प्रतिभागियों की सहायता करें और बैकरेस्ट को मैन्युअल रूप से आरामदायक स्थिति में सेट करें।
  3. प्रतिभागियों को स्टीयरिंग व्हील, ब्रेक पेडल और एक्सीलेटर पेडल सहित सिम्युलेटर को कैसे संचालित करना सिखाएं।
  4. प्रतिभागियों को निर्देश के रूप में वे असली दुनिया में होगा ड्राइव करने के लिए, उनके सामने कार के बाद और इसके पीछे एक दो सेकंड की प्रगति रखते हुए । चित्रा 4 ड्राइविंग सिमुलेशन के लिए उपयोग किए जाने वाले रोड मैप को दिखाता है।

Figure 4
चित्रा 4: ड्राइविंग सिमुलेशन के लिए उपयोग किया जाने वाले रोड मैप। इस्तेमाल की जाने वाली सड़क चार घटता (अधिकतम लंबाई 15,000 मीटर), तीन लेन और कोई ट्रैफिक लाइट के साथ एक तरफा सड़क है। ड्राइविंग सिम्युलेटर सॉफ्टवेयर सड़क संकेत या होर्डिंग शामिल करने के विकल्प जैसे अन्य सड़क डिजाइन विकल्प प्रदान करता है। एक ईईजी-संगत संस्करण भी उपलब्ध है। यदि आवश्यक हो तो इन सभी मापदंडों को समायोजित किया जा सकता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

  1. प्रतिभागियों को सूचित करें कि जब भी सामने वाहन ब्रेक हो, जितनी जल्दी हो सके ब्रेक करें, भले ही परिदृश्य को ब्रेक प्रतिक्रिया की आवश्यकता न हो। सामने वाहन की टेललाइट्स एक ब्रेक घटना का संकेत करने के लिए वास्तविक दुनिया ड्राइविंग के अनुसार प्रकाश होगा ।
  2. सामने वाहन के पीछे एक दो सेकंड की प्रगति दूरी बनाए रखने के लिए सीखने के लिए एक 5 मिनट अभ्यास परीक्षण के साथ प्रतिभागियों को प्रदान करते हैं । अभ्यास परीक्षण में 5 यादृच्छिक ब्रेक का एक सेट शामिल है।
    1. अभ्यास परीक्षण के दौरान, यदि प्रतिभागियों को सामने वाहन के पीछे 1.5 एस से कम हैं, तो ड्राइविंग सिमुलेशन सॉफ्टवेयर एक महिला की आवाज के साथ एक संकेत खेलेंगे "बहुत करीब, कृपया धीमा करें"।
    2. यदि प्रतिभागियों के बीच 2.25 से 2.5 एस के बीच सामने वाहन के पीछे हैं, ड्राइविंग सिमुलेशन सॉफ्टवेयर एक महिला आवाज के साथ एक संकेत खेलेंगे "बहुत दूर, कृपया गति" ।
    3. विश्लेषण के लिए अभ्यास परीक्षण से डेटा शामिल न करें।
  3. प्रतिभागियों को बताएं कि जरूरत पड़ने पर किसी भी समय प्रयोगकर्ताओं को सूचित कर के बिना किसी दंड के अध्ययन को रोका जा सकता है।
  4. प्रतिभागियों के अभ्यास सत्र पूरा हो जाने के बाद औपचारिक प्रयोग शुरू करें और एक स्थिर निम्नलिखित दूरी बनाए रख सकें।
  5. औपचारिक प्रायोगिक सत्र शुरू करें, जिसमें प्रत्येक ब्लॉक में 13 यादृच्छिक ब्रेकिंग घटनाओं के साथ कुल चार ब्लॉक (यानी उंगली, कलाई, मंदिर और ड्राइविंग-केवल) शामिल हैं, जिसके परिणामस्वरूप कुल 52 प्रायोगिक परीक्षण होते हैं। शर्तों का क्रम लैटिन वर्ग डिजाइन के साथ प्रतिसंतुलित है। औपचारिक परीक्षणों में कोई आवाज शीघ्र प्रदान नहीं की जाती है।
  6. प्रतिभागियों को सौंपा शर्तों के अनुसार परीक्षण के प्रत्येक ब्लॉक से पहले चिकित्सा टेप का उपयोग कर हिल टूलकिट पर डाल करने के लिए सहायता करें । कंपन टूलकिट (यदि पहना जाता है) प्रतिभागियों को चेतावनी देता है कि जब सामने वाहन ब्रेक ब्रेक कर रहा होता है। सामने वाले वाहन की टेललाइट्स हर बार सामने वाले वाहन के ब्रेक जगमगाते हैं।
  7. सुनिश्चित करें कि प्रतिभागियों को कैरीओवर प्रभाव को कम करने के लिए प्रत्येक ब्लॉक के पूरा होने पर 2 मिनट का आराम दिया जाता है।
  8. सभी परीक्षणों के पूरा होने पर एक 7 सूत्री Likert पैमाने के साथ कंपन टूलकिट और कथित कंपन तीव्रता के लिए अपने पसंदीदा स्थान के लिए प्रतिभागियों से पूछो । प्रत्येक दैनिक पहनने योग्य सामान (यानी, घड़ी, चश्मा, ईयरफोन, और अंगूठी) की उपयोग दर भी दर्ज की गई है। कंपन टूलकिट के स्थान के लिए वरीयता पैमाने में, "1" "सबसे कम पसंदीदा" का प्रतिनिधित्व करता है और "7" "सबसे पसंदीदा" का प्रतिनिधित्व करता है, जबकि कंपन तीव्रता पैमाने में "1" "कमजोर भावना" का प्रतिनिधित्व करता है और "7" "मजबूत भावना" का प्रतिनिधित्व करता है।

6. डेटा विश्लेषण

  1. ब्रेक रिस्पांस टाइम, वाहन की गति, स्टीयरिंग व्हील रिवर्सल रेट, लेन पोजीशन (एसडीएलपी), और प्रगति दूरी आदि सहित ड्राइविंग सिमुलेशन सॉफ्टवेयर का उपयोग करके 50 हर्ट्ज पर प्रतिभागियों के ड्राइविंग व्यवहार डेटा एकत्र करें।
  2. ड्राइवरों के प्रदर्शन का डेटा विश्लेषण करें।
    1. आगे के विश्लेषण के लिए क्या डेटा शामिल किया जाना है निर्धारित करने के लिए मतलब से तीन मानक विचलन के रूप में कट-ऑफ के साथ सामान्य वितरण का उपयोग करते हुए एक आउटलियर विश्लेषण का संचालन करें।
    2. उस समय से ब्रेक रिस्पांस टाइम की गणना करें जब प्रतिभागी वाहन ब्रेक (यानी, ब्रेक पेडल36,42)के 1% की न्यूनतम कमी उस समय से जब सामने वाले वाहन ब्रेक करना शुरू कर देते हैं।
    3. डेटा को "नो ब्रेक रिस्पांस" के रूप में लेबल करें यदि ब्रेक रिस्पांस टाइम 5 एस से बड़ा या बराबर है (यानी, सामने वाहन ब्रेक के बाद 5 एस के भीतर ब्रेक करने में विफलता)।
    4. ब्रेक रिस्पांस रेट की गणना करने के लिए सामने वाले वाहन द्वारा किए गए ब्रेक की कुल संख्या से सफल ब्रेक की संख्या को विभाजित करें।
    5. औसत प्रत्येक प्रतिभागी के सभी मूल्यों मतलब ब्रेक प्रतिक्रिया दर और प्रत्येक हालत के ब्रेक प्रतिक्रिया समय प्राप्त करने के लिए और आगे के विश्लेषण के लिए उन मूल्यों पर मानक विचलन की गणना ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

इस पेपर में रिपोर्ट किए गए आदर्श अध्ययन ने ड्राइविंग सिम्युलेटर और वाइब्रेटिंग टूलकिट का उपयोग करके कार-निम्नलिखित कार्य किया, जिसे पहले एक अकादमिक जर्नल22में भी प्रकाशित किया गया है। गौरतलब है कि आदर्श अध्ययन करते समय वाइब्रेशन टूलकिट के पुराने संस्करण का उपयोग किया गया था, जबकि उपरोक्त प्रोटोकॉल में कंपन टूलकिट का एक नया संस्करण पेश किया गया था। अध्ययन एक ही कारक के रूप में हिल चेतावनी स्थान के साथ एक के भीतर विषय डिजाइन प्रयोग किया गया था: उंगली, कलाई, मंदिर चेतावनी की स्थिति, और ड्राइविंग केवल एक नियंत्रण के रूप में हालत । प्रत्येक स्थिति में 13 यादृच्छिक ब्रेक इवेंट शामिल थे, जिसके परिणामस्वरूप कुल 52 प्रायोगिक परीक्षण हुए। शर्तों के क्रम लैटिन वर्ग डिजाइन के साथ प्रतिसंतुलित किया गया था और सभी प्रतिभागियों को प्रयोग के दौरान सभी चार शर्तों से गुजरना पड़ा ।

आदर्श अध्ययन में एक सर्वेक्षण भी शामिल था जिसमें कंपन टूलकिट रखने के लिए प्रतिभागियों के पसंदीदा स्थान और प्रत्येक स्थान (यानी उंगली, कलाई और मंदिर) की कथित कंपन तीव्रता को सभी परीक्षणों के पूरा होने पर 7-पॉइंट Likert पैमाने के साथ दर्ज किया गया था। डेली वियरेबल एक्सेसरीज (यानी वॉच, चश्मा, ईयरफोन और रिंग) का यूसेज रेट भी रिकॉर्ड किया गया ।

चूंकि आदर्श अध्ययन के लिए नमूना आकार निर्धारित करने के लिए एक संदर्भ के रूप में कोई पिछला मेटा-विश्लेषण नहीं था, औसत प्रभाव आकार(ηपी2 =0.06) 43,44, 23प्रतिभागियों तक पहुंचने के लिए 80% बिजली तक पहुंचने के लिए आवश्यक थे और 30 प्रतिभागियों को 90% बिजली तक पहुंचने की आवश्यकता थी। सामान्य या सही करने वाली सामान्य दृष्टि, एक वैध ड्राइविंग लाइसेंस, और एक वर्ष से अधिक के लिए ड्राइविंग अनुभव के साथ कुल 28 प्रतिभागियों को Tsinghua विश्वविद्यालय के पड़ोस समुदाय से भर्ती किया गया । चार प्रतिभागियों को अध्ययन से वापस लेने वाले एक प्रतिभागी के साथ डेटा विश्लेषण से बाहर रखा गया था, और तीन प्रतिभागी प्रायोगिक अनुदेश का पालन करने में विफल रहे । एक बाहरी विश्लेषण भी मतलब से तीन मानक विचलन के रूप में कट-ऑफ के साथ एक सामांय वितरण का उपयोग कर आयोजित किया गया है । शेष 24 प्रतिभागियों (17 पुरुषों और 7 महिलाओं) कि डेटा विश्लेषण के लिए शामिल किया गया 6.62 साल के एक मानक विचलन के साथ 23.88 साल की एक औसत उम्र है, न्यूनतम आवश्यक नमूना आकार (यानी, 23 प्रतिभागियों को पूरा) । प्रयोग के लिए निर्देश प्रत्येक प्रतिभागी को दिए गए थे और प्रयोगशाला में उनके आगमन पर सभी प्रतिभागियों से एक हस्ताक्षरित सहमति फार्म प्राप्त किया गया था । सभी प्रतिभागियों को इस प्रयोग के उद्देश्य के बारे में पता था और वास्तविक प्रयोग शुरू होने से पहले अभ्यास परीक्षणों के पूरा होने के बाद कोई चिंता नहीं की सूचना दी ।

ड्राइविंग सिमुलेशन प्रयोग एक उज्ज्वल वातावरण में हुई, एक स्पष्ट दिन पर राजमार्ग पर ड्राइविंग के समान डिजाइन नकली दृश्य के साथ। चित्रा 5 नकली वातावरण का स्क्रीनशॉट दिखाता है जिसका उपयोग आदर्श अध्ययन में किया गया था। यह केवल नकली कार के बाद प्रत्येक 12 मिनट तक चलने के परीक्षण के साथ कार्य के बाद सक्षम करने के लिए सेट किया गया था । लीड वाहन को ४० मील प्रति घंटे (६०.४ किमी/घंटा) की औसत गति से आगे बढ़ने के लिए सेट किया गया था, और सामने वाले वाहन के यादृच्छिक ब्रेक के लिए समय अंतराल 5 एस की प्रत्येक ब्रेक घटना अवधि के साथ 30 से ६० एस के रूप में निर्धारित किया गया था । सामने वाले वाहन का औसत त्वरण 0.6 मीटर2 था जो डिफ़ॉल्ट सेटिंग35से चला गया ।

Figure 5
चित्रा 5: ड्राइविंग सिमुलेशन वातावरण का एक स्क्रीनशॉट। ड्राइविंग सिमुलेशन प्रयोग एक उज्ज्वल वातावरण में हुई। सामने वाले वाहन के ब्रेक लगाने पर सामने वाले वाहन की टेललाइट्स लाइट अप हो जाती हैं। स्क्रीन के नीचे ड्राइवरों को उनके वाहन के गियर और गति से पता चलता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

ललाट और पार्श्व पवन सेटिंग्स दोनों सक्षम थे और डिफ़ॉल्ट सेटिंग्स के रूप में बने रहने के लिए सेट किए गए थे। न्यूनतम और अधिकतम ललाट हवा अंतराल, हवा की अवधि, और ललाट पवन बल क्रमशः 36 36 एस और 13 एस, 2 एस और3एस, और 500 एन और 1,000 एन थे। न्यूनतम और अधिकतम पार्श्व हवा अंतराल, हवा की अवधि, और पार्श्व पवन बल क्रमशः36एस और 8 एस, 2 एस और 3 एस, और 1,000 एन और 2,000 एन थे।

ब्रेक रिस्पांस रेट पर विचरण (एक तरह से ANOVA) के एक तरह से दोहराया उपाय विश्लेषण से पता चला है कि चार कार्य शर्तों का प्रभाव महत्वपूर्ण था, एफ(3,69) = 3.08, पी = 0.049, ηपी2 = 0.31। जोड़ीवार बोनफेरोनी-सही टी-परीक्षणों का उपयोग करके पोस्ट हॉक विश्लेषणों में कोई महत्वपूर्ण जोड़ी-वार तुलना अंतर (जैसा कि चित्र 6में सचित्र) नहीं दर्शाया गया है।

Figure 6
चित्रा 6: ब्रेक रिस्पांस रेट। चार शर्तों में से प्रत्येक के तहत प्रतिभागियों के बीच मतलब ब्रेक प्रतिक्रिया दर (यानी, उंगली, कलाई, मंदिर, और ड्राइविंग केवल) । त्रुटि सलाखों मानक विचलन का प्रतिनिधित्व करते हैं। इस आंकड़े को झू एट अल22से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

वन-वे एवर एव नोवा का उपयोग करके ब्रेक रिस्पांस टाइम के विश्लेषण ने महत्वपूर्ण परिणाम उत्पन्न किए, एफ(3,69) = 4.76, पी एंड एलटी; 0.01, ηपी2 = 0.17। जोड़ीवार बोनफेरोनी-सही टी-परीक्षणोंके पूरा होने पर, रिकॉर्ड किया गया ब्रेक रिस्पांस टाइम काफी कम था जब प्रतिभागियों की उंगली पर स्थित कंपन टूलकिट के साथ कार्य किया गया था(एम = 1.04 एस, एसडी = 0.35 एस) और कलाई(एम = 1.00 एस, एसडी = 0.33 एस) ड्राइविंग-केवल स्थिति की तुलना में(एम = 1.29 एस, एसडी = 0.36 एस) पी = 0.004 और पी = 0.008, क्रमशः। हालांकि, कोई महत्वपूर्ण परिणाम नहीं मिला जब प्रतिभागियों को ड्राइविंग-केवल स्थिति(एम = 1.08 एस, एसडी = 0.50 एस), पी = 0.22 की तुलना में मंदिर क्षेत्र पर स्थित कंपन टूलकिट के साथ ड्राइविंग कर रहे थे। चित्रा 7के संदर्भ में, परिणामों ने बताया कि स्पर्श चेतावनी के आवेदन आगामी खतरों की ओर ड्राइवरों की प्रतिक्रियाओं की सुविधा सकता है, जबकि ड्राइविंग, खासकर जब चेतावनी डिवाइस ड्राइवरों की उंगली या कलाई पर स्थित था ।

Figure 7
चित्रा 7: ब्रेक रिस्पांस टाइम। चार शर्तों (यानी, उंगली, कलाई, मंदिर, और ड्राइविंग-केवल) में से प्रत्येक के तहत प्रतिभागियों के बीच सेकंड में मतलब ब्रेक रिस्पांस टाइम। त्रुटि सलाखों मानक विचलन का प्रतिनिधित्व करते हैं। इस आंकड़े को झू एट अल22से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

चेतावनी स्थान (यानी, उंगली, कलाई, और मंदिर) के लिए वरीयता के विश्लेषण ने एक महत्वपूर्ण प्रभाव दिखाया, एफ(2,46) = 7.05, पी एंड एलटी; 0.01, ηपी2 = 0.23। इसलिए, तदर्थ जोड़ीवार बोनफेरोनी-सही टी-परीक्षणभी किए गए थे। परिणामों में उंगली के लिए एक महत्वपूर्ण वरीयता(एम = 4.88, एसडी = 1.75) और कलाई(एम = 4.83, एसडी = 1.31) मंदिर क्षेत्र की तुलना में(एम = 3.13, एसडी = 2.05) जहां पी = 0.03 और पी = 0.02 क्रमशः दर्शाया गया है। उंगली और कलाई के स्थानों(पी = 1.0) के बीच कोई महत्वपूर्ण अंतर नहीं था। इसके अलावा, प्रतिभागियों के लिए तीन स्थानों के लिए कंपन की कथित तीव्रता के लिए एक महत्वपूर्ण प्रभाव पाया गया था, एफ(२,४६) = ७.३७, पी & ०.०१, η पी2 = ०.२४ । प्रतिभागियों ने मंदिर क्षेत्र में कंपन के उच्चतम स्तर को माना। हालांकि, आगे के विश्लेषण से पता चला है कि कंपन का कथित स्तर मंदिर क्षेत्र(एम = 5.75, एसडी = 1.42) की तुलना में काफी कम था जब कंपन टूलकिट कलाई पर स्थित था(एम = = 4.17, एसडी = 0.92), पी एंड लेफ्टिनेंट; 0.01। जब कंपन टूलकिट उंगली पर स्थित था(एम = 4.71, एसडी = 1.63), तो न तो मंदिर क्षेत्र(पी = 0.09) और न ही कलाई(पी = 0.56) के साथ कोई महत्वपूर्ण अंतर दिखाई दिया। दिलचस्प बात यह है कि जैसा कि चित्र 8में दिखाया गया है, जबकि प्रतिभागियों ने मंदिर क्षेत्र में कंपन के उच्चतम स्तर को माना, मंदिर क्षेत्र पर स्थित होने वाले कंपन टूलकिट के लिए वरीयता सबसे कम थी।

Figure 8
चित्रा 8: चेतावनी स्थानों और प्रतिभागियों के बीच कंपन की कथित तीव्रता के लिए वरीयता पर व्यक्तिपरक रेटिंग। मतलब 1 (सबसे कम पसंदीदा) से 7 (सबसे पसंदीदा) के लिए एक पैमाने पर पसंदीदा चेतावनी स्थान 1 (कमजोर भावना) से 7 (मजबूत लग रहा है) उंगली, कलाई, और सभी प्रतिभागियों के मंदिर क्षेत्र के लिए एक पैमाने पर कंपन की कथित तीव्रता के खिलाफ । त्रुटि सलाखों मानक विचलन का प्रतिनिधित्व करते हैं। इस आंकड़े को झू एट अल22से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

अंत में, प्रतिभागियों के बीच दैनिक पहनने योग्य सामान (यानी, घड़ी, चश्मा, इयरफोन और रिंग) के उपयोग पर विश्लेषण से यह परिलक्षित होता है कि 50% से अधिक प्रतिभागियों ने अपनी रोजमर्रा की जिंदगी में एक घड़ी पहनी थी, वास्तविक जीवन में एक चेतावनी प्रणाली के रूप में पहनने योग्य विब्रोटेक्टाइल उपकरणों को अपनाने की व्यवहार्यता का सुझाव देता है (जैसा कि चित्रा 9में सचित्र)।

Figure 9
चित्रा 9: प्रतिभागियों के बीच दैनिक पहनने योग्य सामान का उपयोग। चार पहनने योग्य सामान (यानी, घड़ियों, चश्मा, इयरफोन, और छल्ले) में से प्रत्येक के लिए दैनिक उपयोग का मतलब प्रतिशत। इस आंकड़े को झू एट अल22से संशोधित किया गया है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

स्मार्ट रिंग्स, स्मार्टवॉच और स्मार्ट ग्लासेज जैसे कई स्मार्ट वियरेबल एक्सेसरीज के साथ अब बाजार में उपलब्ध है, पहनने योग्य एक्सेसरीज पर स्पर्श चेतावनियों का आवेदन कोने के आसपास सही है । वर्तमान शोध ड्राइवरों के आकस्मिक ब्रेक प्रतिक्रिया समय की सुविधा में एक मूल्यवान चेतावनी प्रणाली के रूप में पहनने योग्य विब्रोटैक्टाइल उपकरणों की प्रभावशीलता की पुष्टि की । एक स्पर्श चेतावनी उपकरण नहीं पहनने की तुलना में कलाई, उंगली और मंदिर पर वाइब्रोटैक्टाइल उपकरणों को पहनने के लिए औसत ब्रेक रिस्पांस टाइम क्रमशः २९७ एमएस, २५१ एमएस और २१० एमएस कम हो गया था । वर्तमान परिणामों से पता चला है कि कलाई पर दिया हिल चेतावनी सबसे तेजी से ब्रेक प्रतिक्रिया समय का उत्पादन किया, ब्रेक प्रतिक्रिया समय में एक 23% गिरावट के परिणामस्वरूप किसी भी स्पर्श चेतावनी प्राप्त नहीं करने की तुलना में । हालांकि, लिंग46,आयु46, 47,और स्पर्श संवेदनशीलता में व्यक्तिगत अंतर48,49 जैसे अन्य कारक भी स्पर्श चेतावनियों की प्रभावशीलता को प्रभावित कर सकते हैं। आगे की जांच है कि अधिक कारकों को शामिल इसलिए स्पर्श चेतावनी उपकरणों रखने के लिए इष्टतम स्थान निर्धारित करने के लिए आवश्यक है । निष्कर्षों ने न केवल पहनने योग्य वाइब्रोटेक्टाइल उपकरणों को विकसित करने के मूल्य का संकेत दिया, बल्कि स्पर्श आगे की टक्कर चेतावनी प्रणाली के संभावित वैकल्पिक रूप का भी प्रस्ताव किया जो कम खर्चीला, अधिक व्यवहार्य और कंपन सीट10 या कंपन बनियान50जैसे अन्य स्पर्श चेतावनी प्रणालियों की तुलना में अत्यधिक ऑपरेटिव है।

पूरक कोडिंग फ़ाइल। इस फाइल को डाउनलोड करने के लिए यहां क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

ड्राइविंग सिमुलेशन प्लेटफॉर्म और वाइब्रेट टूलकिट ने वास्तविक जीवन में संभावित पहनने योग्य वाइब्रोटेक्टाइल उपकरणों के आवेदन की काफी नकल की, जो ड्राइविंग से संबंधित अनुसंधान की जांच करने में एक प्रभावी तकनीक प्रदान करता है। इस तकनीक के उपयोग के साथ, उच्च विन्यास और सामर्थ्य के साथ एक सुरक्षित प्रयोगात्मक वातावरण अब अनुसंधान के संचालन के लिए उपलब्ध है जो वास्तविक दुनिया ड्राइविंग के बराबर है।

ऐसे कई कदम हैं जिन पर अधिक ध्यान देने की आवश्यकता है। सबसे पहले, "एक्सकॉन्फिग.txt" का उपयोग करके विन्यास प्रक्रिया के दौरान, शोधकर्ताओं को यह सुनिश्चित करना चाहिए कि प्रशिक्षण मोड को ऑडियो प्रॉम्प्ट को बंद करने के लिए वास्तविक प्रयोग करने से पहले झूठी पर सेट किया गया है जो अभ्यास ड्राइविंग के लिए डिज़ाइन किया गया है। दूसरे, यह ध्यान रखना महत्वपूर्ण है कि स्टीयरिंग व्हील की अंशांकन प्रक्रिया के दौरान, शोधकर्ताओं को यह सुनिश्चित करना चाहिए कि स्टीयरिंग व्हील की दोनों दिशाओं की दिशा में आयाम संतुलित हैं और यह कि, ब्रेक और थ्रॉटल पैडल दोनों पूरी तरह से फिदा हैं । तीसरा, शोधकर्ताओं को यह भी जांच करनी चाहिए कि ड्राइविंग सिमुलेशन शुरू होने से पहले वाइब्रेशन टूलकिट को मेडिकल टेप के साथ मजबूती से प्रतिभागी पर रखा गया है या नहीं ।

जितना संभव हो ड्राइविंग सिमुलेशन की बाहरी वैधता के बारे में चिंताओं से निपटने के लिए, शुरू किया गया ड्राइविंग सिमुलेशन सॉफ्टवेयर शोधकर्ताओं को एक आदर्श ड्राइविंग वातावरण को कॉन्फ़िगर करने के लिए विकल्पों की एक विस्तृत श्रृंखला प्रदान करता है। उदाहरण के लिए, ललाट और पार्श्व हवा की तीव्रता के संशोधन को हवा प्रतिरोध को दोहराने के लिए समायोजित किया जा सकता है जो ड्राइवरों को वास्तविक जीवन में राजमार्ग पर अनुभव होगा। "एक्सकॉन्फिग.txt दस्तावेज़ पर प्रदान किए गए उपलब्ध विन्यासों के शीर्ष पर, शोधकर्ता वास्तविक जीवन परिदृश्य की नकल करने वाले वातावरण का निर्माण करने के लिए ओपन-सोर्स सिमुलेशन सॉफ्टवेयर का उपयोग करके अपनी सड़क भी डिजाइन कर सकते हैं। शोधकर्ताओं ने भी संभव वायरलेस हिल टूलकिट शुरुआत देरी है, जो मापा प्रतिक्रिया समय को प्रभावित कर सकता है के बारे में चिंता दिखा सकते हैं । फिर भी, कंपन मोटर्स की विशिष्ट ऑपरेटिंग विशेषताओं में केवल 16 एमएस का अंतराल समय और 28 एमएस का वृद्धि समय शामिल था। इसके विपरीत, ड्राइवरों की विशिष्ट प्रतिक्रिया समय 0.5 एस और 1.5 एस51के बीच है। इसलिए, शुरुआत में देरी का प्रभाव अपेक्षाकृत छोटा है और इसे नजरअंदाज किया जा सकता है। इसके अलावा, जब भी शोधकर्ता विन्यास और तैयारी प्रक्रिया के दौरान किसी भी कठिनाइयों का अनुभव करते हैं, तो पूरी प्रणाली को फिर से शुरू करते हैं और स्टीयरिंग व्हील, एक्सीलेटर और ब्रेक पेडल को फिर से कैलिब्रेट करते हैं। यदि यूडीपी विकल्प सक्षम किया गया है लेकिन अन्य उपकरणों द्वारा कोई डेटा प्राप्त नहीं हुआ है, तो यह सुनिश्चित करें कि डेटा हस्तांतरण की सुविधा के लिए यूडीपी क्लाइंट के बजाय अन्य उपकरणों को यूडीपी सर्वर के रूप में स्थापित किया गया है।

फिर भी, प्रस्तावित विधि की अपनी सीमाएं हैं । वास्तविक जीवन की सेटिंग में, शारीरिक, संज्ञानात्मक, व्यवहार और अवधारणात्मक क्षमताओं आदि की सापेक्ष मांगों सहित कई पहलुओं पर विभिन्न ड्राइविंग क्षमताओं और कौशल की आवश्यकता होगी। प्रासंगिक निर्धारकों के आधार पर, ड्राइवरों के संज्ञानात्मक-अवधारणात्मक कौशल पर विभिन्न प्रकार की मांग रखी जाती है। उदाहरण के लिए, एक ड्राइवर के लिए एक हल्के यातायात धूप मौसम में सुरक्षित रूप से ड्राइव करने के लिए आवश्यक क्षमताओं का स्तर एक भारी यातायात खराब मौसम वातावरण५२में ड्राइविंग की तुलना में कम गहन होगा । ड्राइविंग सिम्युलेटर पूरी तरह से जटिल वास्तविक दुनिया ड्राइविंग स्थिति का अनुकरण नहीं कर सकता है, फिर भी यह एक अधिक नियंत्रित वातावरण प्रदान कर सकता है जो संभावित भ्रामक चर को समाप्त करता है जो प्रयोग के परिणाम को दूषित कर सकता है। रिपोर्ट किए गए ड्राइविंग सिम्युलेटर में समायोजन भी प्रायोगिक जरूरतों के आधार पर किया जा सकता है। फिर भी, अनुसंधान की इस पंक्ति की पारिस्थितिक वैधता को बढ़ाने के लिए अभी भी एक ऑन-रोड अध्ययन किया जाना चाहिए । इसके अलावा, इसकी कम लागत के कारण, प्रस्तुत ड्राइविंग सिमुलेशन प्लेटफॉर्म में एक मोशन प्लेटफॉर्म शामिल नहीं है, जिसका अर्थ है कि यह क्षैतिज और देशांतर यात्रा अनुभव प्रदान करने में सक्षम नहीं है।

आदर्श प्रयोग के अनुरूप, जबकि कंपन बाहरी संदर्भों जैसे कि एक बद सड़क पर ड्राइविंग के कारण हो सकता है, ड्राइविंग सिमुलेशन के दौरान प्रतिभागियों को कोई वाहन कंपन प्रदान नहीं किया गया था। हालांकि, प्रस्तावित विधि हमें एक प्रयोगशाला सेटिंग में कार के बाद कार्य में कार के वेग और ब्रेक अंतराल को नियंत्रित करने की अनुमति देती है, जिससे हमें प्रतिभागियों के लिए ड्राइविंग कठिनाई को नियंत्रित करने की क्षमता प्रदान होती है। इसके अलावा, प्रयोग में एक सिमुलेशन बीमारी53 प्रश्नावली (एसएसक्यू) को शामिल नहीं किया गया है। लापता विचार के बावजूद, परिणाम प्रभावित नहीं किया जा रहा था क्योंकि प्रत्येक परीक्षण की लंबाई अपेक्षाकृत कम थी, और किसी भी प्रतिभागी ने प्रत्येक परीक्षण के पूरा होने पर सिमुलेशन बीमारी के किसी भी लक्षण५३ की सूचना नहीं दी है । इस अध्ययन में पुरुष और महिला प्रतिभागियों की असंतुलन संख्या भी है। भविष्य के अध्ययनों के लिए उपयुक्त प्रश्नावली५४का उपयोग कर सिमुलेशन बीमारी५३ के साथ प्रतिभागियों को बाहर सुनिश्चित करना चाहिए, और पुरुष और महिला प्रतिभागियों की एक समान संख्या की भर्ती के लिए परिणामों का एक मजबूत निष्कर्ष प्राप्त करने का लक्ष्य ।

आदर्श अध्ययन एक भीतर के विषय डिजाइन कार के बाद प्रयोग ही कारक के रूप में हिल चेतावनी स्थान के साथ है: उंगली, कलाई, मंदिर चेतावनी की स्थिति, और ड्राइविंग केवल नियंत्रण हालत । भविष्य में, हम छाती और कान के पीछे जैसे अन्य स्थानों पर आगे परीक्षण करने का इरादा रखते हैं, जो आगामी विकास के लिए पहनने योग्य उपकरणों के वैकल्पिक स्थान प्रदान करते हैं । विभिन्न परिस्थितियों में ब्रेक पेडल मंदी की भिन्नता की जांच करने के लिए आगे विश्लेषण किया जा सकता है। इसके अलावा, परिणामों का सुझाव दिया है कि प्रतिभागियों को मंदिर क्षेत्र में कंपन के उच्चतम स्तर माना जाता है, फिर भी, क्षेत्र भी डिवाइस रखने के लिए सबसे कम पसंदीदा स्थान था । मंदिर क्षेत्र पर कंपन तीव्रता को समायोजित करके ब्रेक प्रतिक्रिया पर प्रभाव की आगे जांच करना भी दिलचस्प होगा। इसके अतिरिक्त, दृश्य और श्रवण चेतावनियों की तुलना में, विब्रोटेक्टाइल चेतावनियों में कम जानकारी होती है। जटिल जानकारी देने के लिए वाइब्रोटैक्टाइल चेतावनियों का उपयोग कैसे किया जा सकता है, इसकी जांच करने के लिए और अधिक शोध किए जाने चाहिए ।

हालांकि इस अध्ययन ने केवल आगे की टक्करों पर पहनने योग्य हिल टूलकिट के प्रभाव पर एक प्रयोग किया, इस परीक्षण डिजाइन को स्वायत्त वाहनों पर अनुसंधान, लेन प्रस्थान चेतावनी प्रणाली, चालक व्याकुलता अध्ययन और ड्राइविंग थकान अध्ययन जैसे अन्य व्यवहार अनुसंधान में भी लागू किया जा सकता है। यद्यपि आदर्श अध्ययन में उपयोग किए जाने वाले ड्राइविंग सिमुलेशन में स्वायत्त ड्राइविंग के लिए सेटअप शामिल नहीं है, शोधकर्ता इस लक्ष्य को प्राप्त करने के लिए अन्य प्रकाशित सामग्रियों55, 56 के संदर्भ में कोड को संशोधित कर सकते हैं। इसके अलावा, कंपन टूलकिट का उपयोग मल्टीटास्किंग ड्राइविंग रिसर्च में किया जा सकता है, जिसमें डिटेक्शन रिस्पांस टास्क (डीआरटी)57,58,59,सरोगेट संदर्भ कार्य (एसयूआरटी)37,58और एन-बैक टास्क37शामिल हैं। शोधकर्ता ड्राइविंग सिम्युलेटर का उपयोग करते समय वाहन व्यवहार और घटनाओं को उनकी आवश्यकताओं के अनुसार अनुकूलित कर सकते हैं। अन्य शोध क्षेत्र जो मानव व्यवहार जैसे बायोमेडिकल इंजीनियरिंग31,32 का अध्ययन करने के लिए कंपन चेतावनी उपकरणों का उपयोग करतेहैं,प्रस्तावित विधि से भी लाभान्वित हो सकते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों ने कोई वित्तीय प्रकटीकरण या हितों के टकराव की घोषणा की ।

Acknowledgments

इस परियोजना को बीजिंग टैलेंट्स फाउंडेशन द्वारा प्रायोजित किया गया है ।

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

व्यवहार अंक 166 ड्राइविंग सिम्युलेटर टकराव चेतावनी प्रणाली कार के बाद कार्य स्पर्श चेतावनी हिल टूलकिट

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

ड्राइविंग से संबंधित अनुसंधान के लिए स्पर्श कंपन टूलकिट और ड्राइविंग सिमुलेशन प्लेटफॉर्म
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