Summary

운전 관련 연구를 위한 촉각 진동 툴킷 및 운전 시뮬레이션 플랫폼

Published: December 18, 2020
doi:

Summary

이 프로토콜은 운전 시뮬레이션 플랫폼과 운전 관련 연구를 위한 촉각 진동 툴킷에 대해 설명합니다. 촉각 경고의 효과를 탐구하는 모범적인 실험도 제시됩니다.

Abstract

충돌 경고 시스템은 운전 산만과 졸음 운전을 예방하는 데 중요한 역할을합니다. 이전 연구는 운전자의 브레이크 응답 시간을 줄이는 촉각 경고의 장점을 입증했습니다. 동시에, 부분적으로 자율 주행 차량에 대한 인수 요청(TOR)에 촉각 경고가 효과가 입증되었습니다.

촉각 경고의 성능을 최적화하는 방법은 이 분야에서 지속적인 핫 리서치 주제입니다. 따라서, 제시된 저가형 주행 시뮬레이션 소프트웨어 및 방법은 조사에 참여하기 위해 더 많은 연구자들을 유치하기 위해 도입된다. 제시된 프로토콜은 5개의 섹션으로 나뉘었다: 1) 참가자, 2) 운전 시뮬레이션 소프트웨어 구성, 3) 운전 시뮬레이터 준비, 4) 진동 툴킷 구성 및 준비, 5) 실험을 실시.

모범 연구에서 참가자들은 촉각 진동 툴킷을 착용하고 맞춤형 주행 시뮬레이션 소프트웨어를 사용하여 기존 차량 팔로우 작업을 수행했습니다. 전방 차량은 간헐적으로 제동을 걸었으며, 전방 차량이 제동할 때마다 진동 경고가 전달되었습니다. 참가자들은 전방 차량의 갑작스런 브레이크에 최대한 빨리 대응하라는 지시를 받았습니다. 브레이크 응답 시간 및 브레이크 응답 속도와 같은 주행 역학은 데이터 분석을 위한 시뮬레이션 소프트웨어에 의해 기록되었습니다.

제시된 프로토콜은 다른 신체 위치에 촉각 경고의 효과에 대한 탐구에 대한 통찰력을 제공합니다. 모범 실험에서 입증된 차량 팔로우 작업 외에도 이 프로토콜은 코드 개발 없이 간단한 소프트웨어 구성을 수행하여 운전 시뮬레이션 연구에 다른 패러다임을 적용할 수 있는 옵션을 제공합니다. 그러나 저렴한 가격으로 인해 여기에 도입 된 운전 시뮬레이션 소프트웨어 및 하드웨어가 다른 고충실도 상용 운전 시뮬레이터와 완전히 경쟁하지 못할 수 있음을 주목하는 것이 중요합니다. 그럼에도 불구하고,이 프로토콜은 일반적인 높은 충실도 상용 운전 시뮬레이터에 저렴하고 사용자 친화적 인 대안역할을 할 수 있습니다.

Introduction

2016년 글로벌 건강 추정치에 의해 밝혀진 데이터에 따르면, 교통 상해는세계적으로 140만 명의 사망자를 초래하는 세계 적인 죽음의 8번째 원인입니다. 2018년에는 교통사고의 39.2%가 교통차량과 충돌했으며, 그 중 7.2%는 후방 충돌사고였다. 차량 및 도로 안전을 높이는 솔루션은 운전자에게 잠재적인 위험을 경고하는 첨단 주행 보조 시스템(ADAS)의 개발입니다. 데이터에 따르면 ADAS는 후방 충돌 속도를 크게 줄일 수 있으며, 자동 브레이크 시스템2를장착하면 더욱 효과적입니다. 또한 자율주행차의 개발과 함께 차량을 제어하는 데 인적 개입이 적어 자율주행차가 자체적으로 규제하지 않을 경우 인계 요청(TOR) 경고 시스템이 필요합니다. ADAS 및 TOR 경고 시스템의 설계는 이제 운전자가 몇 초 이내에 임박한 사고를 피할 수 있는 중요한 기술입니다. 모범 실험은 진동 툴킷과 주행 시뮬레이션 플랫폼을 사용하여 진동 경고 시스템이 잠재적 ADAS 및 TOR 경고 시스템으로 사용될 때 최상의 결과를 생성할 위치를 조사했습니다.

지각 채널에 의해 분류, 경고 양식의 일반적으로 세 가지 유형이있다, 즉 시각적, 청각, 촉각. 각 경고 양식에는 고유한 장점과 한계가 있습니다. 시각 경고 시스템을 사용할 때, 운전자는 시력 과부하3로인해 부주의 한 실명4,5로인해 운전 성능을 손상시킬 수 있습니다. 청각 경보 시스템은 운전자의 시야에 영향을 미치지 않지만, 그 효과는 배경 음악 및 주행 환경의 기타 소음과 같은 주변 환경에 크게 의존한다6,7. 따라서, 다른 외부 청각 정보 나 상당한 소음이 포함된 상황은 부주의 청각장애8,9로이어질 수 있으며 청각 경보 시스템의 효과를 감소시킬 수 있다. 이에 비해 촉각 경고 시스템은 운전자의 시각 또는 청각 처리와 경쟁하지 않습니다. 운전자에게 진동 경고를 전송하여 촉각 경고 시스템은 시각 및 청각 경고 시스템의 한계를 극복합니다.

이전 연구에 따르면 촉각 경고는 브레이크 응답 시간을 단축하여 운전자에게 도움이 될 수 있습니다. 또한 촉각 경고 시스템이 특정 상황에서 시각적10,11 및 청각12,13,14 경고 시스템에 비해 보다 효과적인 결과를 산출한다는 것을 발견했습니다. 그러나 제한된 연구는 촉각 경고 장치를 배치하기위한 최적의 위치를 조사하는 데 중점을 두어왔습니다. 감각 피질가설(15)과 감각 거리가설(16)에따르면, 모범 연구는 촉각 경고 장치를 배치하기 위한 실험 장소로 손가락, 손목 및 사원 영역을 선택했다. 도입된 프로토콜을 사용하면 진동 경고의 주파수 및 전달 시간 및 진동 툴킷의 진동 사이의 간격을 실험 요구 사항에 맞게 구성할 수 있습니다. 이 진동 툴킷은 마스터 칩, 전압 레귤레이터 칩, 멀티플렉서, 트랜지스터 트랜지스터-로직(TTL) 어댑터에 대한 USB, 금속-산화물 반도체 현장 효과 트랜지스터(MOSFET) 및 블루투스 모듈로 구성되었습니다. 진동 모듈의 수는 연구원의 요구에 따라 달라질 수 있으며 최대 4개의 모듈이 동시에 진동합니다. 주행 관련 실험에서 진동 툴킷을 구현할 때, 주행 시뮬레이션의 코드를 수정하여 실험 설정에 맞게 구성할 수 있을 뿐만 아니라 주행 성능 데이터와 동기화할 수 있다.

연구원의 경우, 가상 플랫폼에서 운전 실험을 수행하는 것은 관련된 위험과 비용으로 인해 실제 세계보다 더 실용적입니다. 예를 들어 성능 지표를 수집하는 것은 어려울 수 있으며 실제 실험이 수행될 때 관련된 환경 요인을 제어하기가 어렵습니다. 그 결과, 많은 연구가 온로드 드라이빙 연구를 수행하기 위한 대안으로 최근 몇 년 동안 PC에서 실행되는 고정 기반 주행 시뮬레이터를 사용했습니다. 드라이빙 리서치 커뮤니티에서 11년 이상 학습, 개발 및 연구를 마친 후, 오픈 소스 드라이빙 시뮬레이션 소프트웨어와 스티어링 휠 및 기어박스, 페달 3개, 장착형 프로젝터 3개, 프로젝터 스크린 3개 등 실제 차량으로 구성된 드라이빙 시뮬레이션 플랫폼을 구축했습니다. 주행 시뮬레이션 소프트웨어는 단일 스크린만 지원하므로 제시된 프로토콜은 중앙 프로젝터 및 프로젝터 스크린만 사용하여 실험을 수행합니다.

제시된 주행 시뮬레이션 플랫폼을 사용하는 데는 두 가지 주요 장점이 있습니다. 이 플랫폼의 한 가지 장점은 오픈 소스 소프트웨어를 사용한다는 것입니다. 연구원은 사용자 친화적인 오픈 소스 플랫폼을 사용하여 코드 개발 없이 간단한 소프트웨어 구성을 수행하여 고유한 연구 요구에 맞게 시뮬레이션 및 진동 툴킷을 사용자 지정할 수 있습니다. 연구진은 코드를 개정함으로써 자동차 유형, 도로 유형, 스티어링 휠의 저항, 측면 및 세로 풍난기류, 시간 및 브레이크 이벤트 애플리케이션 프로그램 인터페이스(API)에서 사용할 수 있는 다양한 옵션을 통해 현실에 상대적 충실도를 제공하는 주행 시뮬레이션을 만들 수 있으며, 외부 소프트웨어 동기화를 위한 시간 및 브레이크 이벤트 애플리케이션 프로그램 인터페이스(API)를 생성하고, 카팔로잉 작업 및 N-Task와 같은 행동 패러다임의 구현을 수행할 수 있습니다. 드라이빙 시뮬레이터에서 운전 관련 연구를 수행하는 것은 실제 주행을 완전히 재현할 수 없지만, 드라이빙 시뮬레이터를 통해 수집된 데이터는 합리적이며연구원(17,18)에의해 널리 채택되었다.

제안 된 운전 시뮬레이터의 또 다른 장점은 저렴한 비용입니다. 앞서 언급했듯이 도입된 주행 시뮬레이션 소프트웨어는 사용자가 무료로 사용할 수 있는 오픈 소스 소프트웨어입니다. 또한 이 프로토콜의 전체 하드웨어 설정의 총 비용은 일반적인 고충실도 상용 운전 시뮬레이터에 비해 낮습니다. 그림 1 a와 b는 $ 3000에서 $ 30000에 이르는 비용으로 두 개의 운전 시뮬레이터의 전체 설정을 보여줍니다. 대조적으로, 전형적인 고충실도 상용 운전 시뮬레이터 (고정 베이스)는 일반적으로 약 $ 10,000에서 $ 100,000의 비용이 듭니다. 매우 저렴한 가격으로,이 운전 시뮬레이터는 학술 연구 목적뿐만 아니라, 운전 클래스(19)를 수행하고 운전 관련 기술의 데모에 대한 뿐만 아니라 인기있는 선택이 될 수있습니다 20,21.

Figure 1
그림 1: 운전 시뮬레이터의 이미지입니다. 두 주행 시뮬레이터는 스티어링 휠과 기어박스, 3개의 페달, 차량으로 구성되었습니다. (a) 3840 × 2160의 해상도와 80 인치 LCD 화면을 사용 하는 $3000 운전 시뮬레이터 설정. (b) 3대의 장착형 프로젝터와 각각 223 x 126cm의 치수를 가진 3개의 프로젝터 스크린을 사용한 $30000 의 드라이빙 시뮬레이터 설정. 프로젝션 스크린은 지상 60cm, 차량 정면에서 22cm 떨어진 곳에 배치되었습니다. 현재 실험에는 중앙 프로젝터 및 프로젝터 스크린만 사용되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

제안된 방법으로 구동 시뮬레이션 소프트웨어 및 진동 툴킷은 이미연구원22,23,24,25,26,27,28,29에의해 이전 연구에서 사용되었습니다. ISO표준(30)에 따른 이러한 자체 개발 진동 툴킷은 진동 주파수 및 강도를 조정하여 서로 다른분야(31,32)에 적용될 수 있다. 진동 도구 키트의 최신 버전이 개발되었으며 다음 프로토콜에 도입되었습니다. 조정 가능한 전압 어댑터를 사용하여 진동 주파수를 조정하는 대신, 최신 버전은 5가지 진동 주파수를 갖추고 있으며, 보충 코딩 파일 1에제공된 코드를 사용하여 쉽게 조정할 수 있다. 또한, 제시 된 운전 시뮬레이터는 안전하고 저렴하며 효과적인 방법으로 연구원에게 다양한 종류의 운전 관련 연구를 조사 할 수있는 방법을 제공합니다. 따라서 이 프로토콜은 예산이 제한되어 있으며 실험 주행 환경을 사용자 지정할 필요가 있는 연구 실험실에 적합합니다.

Protocol

참고: 여기에 설명된 모든 방법은 칭화 대학의 기관 검토 위원회(IRB)의 승인을 받았으며 모든 참가자로부터 통보된 동의를 얻었습니다. 1. 참가자 통계적 힘을 달성하기 위해 실험 설계에 따라 모집에 필요한 참가자 수를 계산하기 위해 전력 분석을 수행합니다. 모집 중 참가자의 성별의 균형을 최대한 균형. 참가자에게 유효한 운전 면허증과 최소 1년의 …

Representative Results

이 논문에 보고된 모범 연구는 운전 시뮬레이터와 진동 툴킷을 사용하여 자동차 다음 작업을 수행했으며, 이는 학술 저널22에이전에 출판되었습니다. 이 진동 도구 키트의 이전 버전은 모범 연구를 수행 할 때 사용된 것을 주목할 만하다, 진동 도구 키트의 새 버전은 위의 프로토콜에 도입 된 동안. 이 연구는 손가락, 손목, 사원 경고 조건 및 운전 전용 상태와 같은 유일한 요인으…

Discussion

드라이빙 시뮬레이션 플랫폼과 진동 툴킷은 실제 생활에서 잠재적 웨어러블 바이브로타타일 장치를 효과적으로 적용하여 운전 관련 연구를 조사하는 데 효과적인 기술을 제공했습니다. 이 기술을 사용하면 구성성과 경제성이 높은 안전한 실험 환경이 이제 실제 주행에 필적하는 연구를 수행할 수 있습니다.

더 많은 주의가 필요한 몇 가지 단계가 있습니다. 첫째, “expconfig.txt”…

Disclosures

The authors have nothing to disclose.

Acknowledgements

이 프로젝트는 베이징 인재 재단이 후원하고 있습니다.

Materials

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.

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. , (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. , 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. Hsu, W., et al. Controlled tactile and vibration feedback embedded in a smart knee brace. IEEE Consumer Electronics Magazine. 9 (1), 54-60 (2020).
  31. 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).
  32. 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).
  33. . Royal Meteorological Society Available from: https://www.rmets.org/resource/beaufort-scale (2018)
  34. Kubose, T. T., et al. The effects of speech production and speech comprehension on simulated driving performance. Applied Cognitive Psychology. 20 (1), (2006).
  35. He, J., Mccarley, J. S., Kramer, A. F. Lane keeping under cognitive load: performance changes and mechanisms. Human Factors. 56 (2), 414-426 (2014).
  36. 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, 2063-2067 (2014).
  37. 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).
  38. 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).
  39. 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).
  40. 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).
  41. 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).
  42. Olejnik, S., Algina, J. Measures of effect size for comparative studies: applications, interpretations, and limitations. Contemporary Educational Psychology. 25 (3), 241-286 (2000).
  43. . Statistics Teacher Available from: https://www.statisticsteacher.org/2017/09/15/what-is-power/ (2017)
  44. Maurya, A., Bokare, P. Study of deceleration behaviour of different vehicle types. International Journal for Traffic and Transport Engineering. 2 (3), 253-270 (2012).
  45. Woodward, K. L. The relationship between skin compliance, age, gender, and tactile discriminative thresholds in humans. Somatosensory & Motor Research. 10 (1), 63-67 (1993).
  46. Stevens, J. C., Choo, K. K. Spatial acuity of the body surface over the life span. Somatosensory & Motor Research. 13 (2), 153-166 (1996).
  47. 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).
  48. 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).
  49. 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).
  50. Steffan, H. Accident investigation – determination of cause. Encyclopedia of Forensic Sciences (Second Edition). , 405-413 (2013).
  51. 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).
  52. Ihemedu-Steinke, Q. C., et al. Simulation sickness related to virtual reality driving simulation. Virtual, Augmented and Mixed Reality. , 521-532 (2017).
  53. 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).
  54. 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). , 737-741 (2017).
  55. Hsieh, L., Seaman, S., Young, R. A surrogate test for cognitive demand: tactile detection response task (TDRT). Proceedings of SAE World Congress & Exhibition. , (2015).
  56. 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. , 64-70 (2013).
  57. 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).

Play Video

Cite This Article
Zhu, A., Choi, A. T. H., Ma, K., 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).

View Video