駕駛人分心時長對車道偏離影響的實車試驗

馬 勇，石涌泉，付 銳，2，郭應時

（1.長安大學 汽車學院，西安710064；2.長安大學 汽車運輸安全保障技術交通行業重點實驗室，西安710064）

0 引 言

分心駕駛（Distracted driving）是一種常見但卻極易引發交通事故的不安全駕駛行為［1］。統計表明，在美國由于駕駛人分心造成的車道偏離碰撞事故占碰撞事故總數的20%，且此類交通事故的致 死 率 高 達41%［2］；王 武 宏 等［3］對2032 起 道路交通事故進行致因分析，發現其中241起事故的主要原因是分心，占比達11.86%。

雖然最新研究表明，根據駕駛人的頭部運動特征可以區分注意力集中時的駕駛行為和視覺分心時的駕駛行為［4］，但駕駛人頭部運動的測量卻是比較困難的，并且若要達到能夠區分是否分心的程度，其對測量精度的要求也較高。與頭部運動相比，車道偏離作為駕駛人分心的一種最直接且最危險的表現形式，對其進行精確測量相對容易得多。

駕駛分心與車道偏離的關系已有廣泛研究。Deram［2］認為，分心駕駛通常會導致跑偏事故，并通過熟練駕駛人的道路試驗發現車輛的位置、橫向速度、轉向盤轉角和轉向盤角速度等都能表征駕駛分心。在Brumby等［5］的研究中，用車輛偏移車道中心線距離的標準差評價注意力分散時駕駛人的車道保持能力。美國明尼蘇達大學的Rakauskas等［6］則選取轉向偏移（車輛偏離車道中心線轉角的標準差）和橫向平均車速（每秒橫向偏移的距離）研究了不同通話復雜度下的駕駛行為與車輛橫向位置保持的關系。T?rnros等［7］和Rosenbloom［8］通過模擬駕駛分組試驗，得到撥號時車輛橫向位置偏差增大和通話時車輛橫向位置偏差變小的結論。宋殿明［9］在對駕駛人視線離開前方視野過程中駕駛人的行為研究中，以車輛偏移車道中心線的幅度衡量車道保持特性，發現隨著視線離開前方視野時間的增加，駕駛人的車道保持能力變差。馬勇等［10］采用非接觸式眼動儀采集多位被試駕駛人在實際駕駛過程中的眼動數據，分析了駕駛人視線離開前方區域情況下的注視頻次及注視時長特性。

盡管國內外研究者幾乎一致認為并通過試驗證明了駕駛分心會引起車道偏離，但在選取表征車道保持或車道偏離程度的指標方面，仍存在著較大的差異，目前尚無研究明確表明分心時長與車道偏離之間的關系，并且關于分心多長時間會讓駕駛人感覺到危險或發生明顯的車道偏離，也鮮有報道［10－13］。本文通過在實際道路環境中開展實車試驗，研究駕駛人分心時長與車道偏離之間的關系，以期明確分心過程中的車道偏離規律，并為進一步開發駕駛分心主動預警系統提供試驗數據支撐。

1 試驗設計

1.1 試驗設備

試驗車輛采用上海大眾途安牌轎車，車載監測系統中的車道偏離報警（Lane departure warning，LDW）系統采集試驗車至左、右車道線的距離，采樣頻率為10 Hz，精度為5cm；高精度GPS模塊記錄試驗車運行過程中的速度；通過多路工業攝像機對駕駛人的頭部運動、操作行為和前后車道交通場景、周圍交通環境進行實時監測。

1.2 試驗對象

共對12名駕駛人進行實際道路駕駛試驗，被試者身心健康。其中包含男性駕駛人10名與女性駕駛人2名，年齡分布范圍為26～48歲，平均年齡為35.8歲，SD＝7.7；駕齡分布范圍為3～22年，平均駕齡為8.8年，SD＝7.0。

1.3 試驗路線

在高速公路上進行駕駛人實車試驗，試驗路段為雙向6車道，車道寬3.75m，限速120km／h，試驗路段長約為45km。

1.4 試驗方案

駕駛人分心有各種表現形式，視覺分心與認知分心是駕駛過程中經常出現的形態。在本文試驗中設計分心任務，使駕駛人形成視覺分心和認知分心：試驗過程中，駕駛人被要求通過觀察左后視鏡中左側相鄰車道（超車道）上后方來車的圖像，識別其顏色，在其靠近自車過程中快速且多次地判斷其速度和距自車的距離，并向試驗人員口頭報出這些信息。雖然觀察后視鏡是駕駛人的基本駕駛行為，但本文設計的分心試驗中由于加入認知分心任務（識別顏色、判斷速度與距離），使得駕駛人視線較長時間離開了前方主視區，不僅視線轉移過程中伴隨著明顯的頭部轉動，并且這樣的行為與正常駕駛行為明顯的差異，對車輛的安全行駛也有很大影響。

2 試驗數據處理

2.1 分心過程的確定

通過回放交通場景與操作行為視頻監控系統視頻，根據駕駛人執行試驗內容確定分心過程。其中起始時刻為駕駛人為執行試驗內容將視線從前方視野轉向左側后視鏡的瞬間，終止時刻為駕駛人完成試驗內容后將視線從左側后視鏡回到前方視野的瞬間。

以某一次分心過程為例，起始時刻前駕駛人視線和頭部位置如圖1（a）所示；起始時刻視線轉移的瞬間如圖1（b）所示；過程中駕駛人視線停留在左側后視鏡如圖1（c）所示；終止時刻視線回到前方的瞬間如圖1（d）所示；駕駛人視線在終止時刻后回到前方如圖1（e）所示。試驗中視頻采集頻率為24幀／s，從圖1（b）到圖1（d），共經歷2s加3幀，即該分心過程時長為2.125s。

2.2 分心過程時長數據處理

根據已確定的分心過程的起始和終止時刻，在原始數據中挑選出該過程對應的數據，主要包括車輛距左、右車道線的距離和車速。

圖1 駕駛人分心過程Fig.1 Drivers’distraction process

車輛橫向位置示意圖如圖2所示，H 為車道寬，L1為車輛距離左側車道線距離，L2為車輛至右側車道線距離，D 為車身寬，車輛偏離車道中心線的距離為J。J 隨著時間的變化發生變化，表征車道保持特性。以車輛偏離車道中心線的距離J為基準，根據采樣頻率，得到各采樣時刻的偏離距離ΔJ，即：這就轉化成以車輛至左車道線的距離為基準，以各時刻車輛至左車道線距離L1i與起始時刻車輛至左車道線距離L10的差值表示相應時刻車輛偏離車道中心線的距離，簡稱偏離距離。

圖2 車輛橫向位置Fig.2 Lateral position of vehicle

對該過程中各采樣時刻偏離距離求均值，得到該過程的車道偏離距離均值，表征該過程車道偏離車道中心線的平均距離，即：

對該過程中各采樣時刻偏離距離求方差，得到該過程的偏離距離的方差，簡稱偏離距離方差，表征該過程車道偏離的波動程度，即：

對該過程中各采樣時刻偏離距離求最大值與最小值之差，得到該過程的偏離幅度，表征該過程車道橫向偏離的幅度，即：

3 試驗數據分析

3.1 分心時長的分布特點

按照第2.1節所述方法，本文共得到398組駕駛分心過程。通過統計分析駕駛分心過程時長的分布特點，得到分心時長的極小值為0.58s，極大值為6.08s，平均時長為2.132s，標準差為1.078s。駕駛分心過程中分心時長的頻次比例及累積百分比如圖3所示。由圖3可知，試驗中駕駛人駕駛分心過程中分心時長分布在［1.0，1.5）區間內的比例最大，主要集中在［1.0，2.5）時間內，比例達66.42%；駕駛人視線離開前方道路的時長大于1.0s則達89.88%。

圖3 分心時長分布Fig.3 Distribution of distraction time

馬勇的研究［10］表明，駕駛人在視線離開前方區域情況下，超過60%的注視對象是車內區域，且駕駛人觀察左后視鏡區域的次數高于右后視鏡區域；約90%的注視時長小于1.0s，注視時長為0.4～0.8s的比例超過50%。這說明駕駛人受分心干擾，視線轉移和停留在左側后視鏡的時間明顯較長，顯著區別于正常駕駛時觀察左側后視鏡的時長。

馬勇等［13］的研究表明，當駕駛人視線離開前方道路超過2s，則碰撞事故風險會大增。因此，顯著區別于正常駕駛，駕駛人分心時長對車道偏離的影響需要進一步研究。

3.2 車道偏離與分心時長的相關性分析

按照前文介紹的試驗數據處理方法，對所采集到的分心過程的數據進行處理，分別得到偏離距離的均值、方差、幅度與分心時長關系的散點圖，如圖4～圖6所示。從圖4～圖6可見，隨著分心時長增大，偏離距離的均值、方差和幅度均隨之增大，且增加速度越來越快。為了探尋偏離距離的均值、方差和幅度與分心時長之間的關系，分別 采 用Kendall、Spearman 和Pearson 對 樣 本 進行相關性分析，結果見表1。

圖4 偏離距離均值與分心時長的散點圖Fig.4 Scatter diagram between mean distance of lane departure and distraction time

圖5 偏離距離方差與分心時長的散點圖Fig.5 Scatter diagram between variance distance of lane departure and distraction time

綜上分析，偏離距離的均值、方差和幅度與分心時長的相關性均通過Kendall、Spearman 和Pearson檢驗，并表現為在0.01水平（單側）上顯著相關。

表1 相關性檢驗結果Table 1 Results of correlation tests

圖6 偏離幅度與分心時長的散點圖Fig.6 Scatter diagram between amplitude distance of lane departure and distraction time

3.3 車道偏離與分心時長的擬合分析

通過車道偏離與分心時長的相關性分析，可以認為偏離距離的均值、方差和幅度分別與分心時長之間具有一定的關系。為了明確這種關系，分別采用線性方程、二次方程和三次方程對散點圖4、圖5和圖6進行擬合，分別得到擬合系數R2如表2所示。

表2 擬合系數R2Table 2 Fitting coefficients R2

各散點圖的三次方程擬合系數均最高，對應的擬合圖形分別如圖7～圖9所示，擬合公式分別為：

對圖7～圖9分析可知，車道偏離距離的均值、方差和幅度均隨著分心時長的增加而增加，且增加的速度越來越快。

由式（5）（6）（7）分別計算得到：當分心時長分別達到2.302、3.266和3.915s時，偏離距離的均值分別達到10、20、30cm；當分心時長分別達到2.316、3.187和3.762s時，偏離距離的方差分別達到50、100 和150；當分心時長分別達到2.490、3.127和3.632s時，偏離距離的幅度分別達到10、20和25cm。綜上所述，當分心時長達到3.2s左右時，車道偏離距離均值、偏離距離方差和偏離幅度分別突破20、100和25cm。

圖7 偏離距離均值與分心時長的擬合Fig.7 Fitting between mean distance of lane departure and distraction time

圖8 偏離距離方差與分心時長的擬合Fig.8 Fitting between variance distance of lane departure and distraction time

圖9 偏離幅度與分心時長的擬合Fig.9 Fitting between amplitude distance of lane departure and distraction time

3.4 分心駕駛和正常駕駛時車道偏離的對比

分心過程中的車道偏離與分心時長表現出了顯著的相關性，且車道偏離隨著分心時長的增加表現出了明顯的變化規律。為了便于進行分心駕駛與正常駕駛各相同時長組內偏離距離均值的比較，考慮到數據分布的細微變化和提高數據分析的合理性，本文結合百分位排序法對分心時長進行排序（見表3），確定0.5s的分組區間。

誤差條形圖用以表達樣本的均值及均值的95%置信區間，可以通過誤差條形圖來比較兩個總體均值之間的差異。本文分別做出分心駕駛和正常駕駛時各時長組的偏離距離均值、偏離距離方差和偏離幅度的誤差條形圖，如圖10～圖12所示。

表3 分心時長百分位數Table 3 Percentile of distraction length

圖10 偏離距離均值的對比Fig.10 Comparison of mean distance of lane departure

從圖10～圖12分析可知：各時長組內，分心駕駛的車道偏離的均值、方差和幅度均高于正常駕駛。正常駕駛時各組偏離距離的均值、方差和幅度幾乎都分別在10cm、100cm2和20cm 以下，而分心時長小于3.0s時各組偏離距離的均值、方差和幅度也分別在10cm、100cm2和20cm以下，略微高于正常駕駛的統計值，但分心時長大于3.0s時各組偏離距離均值、偏離距離方差和偏離幅度均分別超過10cm、100cm2和20cm 這一水平并迅速增加。

圖11 偏離距離方差的對比Fig.11 Comparison of variance distance of lane departure

圖12 偏離幅度的對比Fig.12 Comparison of amplitude distance of lane departure

結合第3.1節中擬合公式的計算，當分心時長分別為2.30s和3.27s時，偏離距離的均值分別達到10cm 和20cm；分心時長為3.18s時，偏離距離的方差達到100cm2；分心時長為3.18s時，偏離幅度達到20cm。綜上認為分心時長超過3.0s時，分心駕駛引起的車道偏離迅速增加，顯著高于正常駕駛時的偏離量。在高速行駛時，這樣的車道偏離狀況是非常危險的，很容易與周邊車輛離得太近而發生刮蹭或碰撞。

4 結 論

（1）通過利用車道線檢測系統、高精度GPS和交通場景與操作行為視頻監控系統，在實際道路上，基于小型試驗車對12名被試駕駛人進行了駕駛試驗，分析了駕駛人分心時長與車道偏離的關系。

（2）試驗得到駕駛人視覺分心時長主要分布在1～2.5s的區間，約占2／3的比例；而視覺分心時長高于3.5s的情況雖然較少，但其比例仍接近13%。可見，大部分駕駛人視覺分心的時長具有一定的習慣性和主觀忍受極限，但也有少部分駕駛人容易在通過左后視鏡觀察后車情況的過程中，長時間將視線偏離前方主視區。

（3）高速駕駛時，駕駛人分心時長顯著影響車輛的車道偏離量。隨著分心時長的增加，車道偏離越來越嚴重。尤其當分心時長超過3.0s時，車道偏離超過一定水平并在短時間內迅速增大，從而很容易與周邊車輛發生碰撞。因此為保證安全行車，駕駛人應避免長時間將視線偏離前方主視區。

（4）通過研究分心過程中的車道偏離規律，可以為進一步開發駕駛分心主動預警系統提供試驗數據支撐，如分級預警和設定預警閾值等。同時，在考慮其他可能影響駕駛分心過程中車道偏離的因素方面，以及多種分心行為（如視覺分心與操作分心同時發生）方面，還需要進一步深入研究。

［1］馬勇，付銳.駕駛人視覺特性與行車安全研究進展［J］.中國公路學報，2015，28（6）：82－94.Ma Yong，Fu Rui.Research and development of drivers visual behavior and driving safety［J］.China Journal of Highway and Transport，2015，28（6）：82－94.

［2］Deram P.Vehicle based detection of inattentive driving for integration in an adaptive lane departure warning system－distraction detection［D］.Stockholm：Royal Institute of Technology，KTH，2004.

［3］王武宏，孫逢春，曹琦，等.道路交通系統中駕駛行為理論與方法［M］.北京：科學出版社，2001.

［4］Metz B，Krueger H P.Measuring visual distraction in driving：The potential of head movement analysis［J］.Intelligent Transport Systems，2010，4（4）：289－297.

［5］Brumby D P，Salvucci D D，Howes A.Focus on driving：how cognitive constraints shape the adaptation of strategy when dialing while driving［C］∥Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，ACM，2009：1629－1638.

［6］Rakauskas M E，Gugerty L J，Ward N J.Effects of naturalistic cell phone conversations on driving performance［J］.Journal of Safety Research，2004，35（4）：453－464.

［7］T?rnros J E B，Bolling A K.Mobile phone useeffects of handheld and handsfree phones on driving performance［J］.Accident Analysis ＆Prevention，2005，37（5）：902－909.

［8］Rosenbloom T.Driving performance while using cell phones：an observational study［J］.Journal of Safety Research，2006，37（2）：207－212.

［9］宋殿明.視線離開前方視野過程中駕駛人行為研究［D］.西安：長安大學汽車學院，2012.Song Dian－ming.Study on driver behavior during eyes off road［D］.Xi＇an：School of Automobile，Chang＇an University，2012.

［10］馬勇，付銳，王暢，等.視覺分心時駕駛人注視行為特性分析［J］.中國安全科學學報，2013，23（5）：10－14.Ma Yong，Fu Rui，Wang Chang，et al.Analysis of drivers＇gazing behavior during visual distraction［J］.China Safety Science Journal，2013，23（5）：10－14.

［11］Sodhi M，Reimer B.Glance analysis of driver eye movements to evaluate distraction［J］.Behavior Research Methods Instruments ＆Computers，2002，34（4）：529－538.

［12］Crundall D，Shenton C，Underwood G.Eye movements during intentional car following［J］.Perception，2004，33（8）：975－986.

［13］馬勇，付銳，袁鈺，等.基于駕駛人分心影響程度的駕駛分心任務評級［J］.交通信息與安全，2014，32（5）：47－51，57.Ma Yong，Fu Rui，Yuan Yu，et al.Rating driving distraction tasks baesd on distraction impact on drivers［J］.Journal of Transport Information and Safety，2014，32（5）：47－51，57.