基于VR的駕駛仿真及安全教育系統開發

張文勝，岳 康

1.石家莊鐵道大學 交通運輸學院，石家莊 050043

2.河北省交通安全與控制重點實驗室，石家莊 050043

隨著社會經濟的快速發展，我國汽車保有量及駕駛員數量迅猛增長。截至2019年，全國汽車保有量達2.62億輛，機動車駕駛人達4.22億人。汽車保有量與駕駛員數量的上升，增加了交通事故的發生概率。2019年，全國道路交通事故萬車死亡人數高達1.80人[1]，交通事故儼然成為全社會不可忽視的一個重大問題。相關研究表明，駕駛員因素是造成交通事故發生的主要因素，其中駕駛員的駕駛前風險容忍度及駕駛中的不安全駕駛行為是引發交通事故的主要人為因素[2]。因此，針對違規駕駛員以及駕駛學習者進行駕駛安全教育意義重大。

傳統的駕駛安全教育，受時間、場地、安全、成本等因素限制，培訓效果難達到預期。因此，改進傳統駕駛安全教育方式是提高駕駛員交通安全素養的重要途徑。Goodge等[3]研究發現虛擬現實技術在道路危險感知培訓和評估方面較2D技術更具優勢；Bari等[4]研究發現基于虛擬現實的訓練削弱了人們對平交路口和超速行駛的冒險態度，證明了VR技術在促進交通安全方面的潛力；趙曉華等[5]基于VR技術，針對典型的違法駕駛行為，構建了動態教育模式的駕駛安全教育系統；Cutello等[6]通過讓年輕司機使用VR技術觀看道路安全電影，以減少年輕司機的危險駕駛行為；Hsu等[7]使用Unity3D開發了一款Android手機游戲，通過VR游戲的方式增強駕駛安全的學習效果；León-Paredes等[8]開發了基于VR的系統，讓用戶從旁觀者角度識別虛擬司機可能犯下的錯誤，并允許其進行有意識的控制，以此提高用戶學習能力；Xie等[9]應用VR技術，構建了多種災難類型中的汽車事故案例，用以培養駕駛員在事故中的安全意識。

然而，上述研究主要集中于對駕駛員進行游戲式的教育，增加了學習的趣味性，但應用場景單一、系統交互性不足、教育內容存在局限性，教育目的沒有從造成交通事故的駕駛員本身因素分析，缺乏對駕駛員安全認知的深層教育。本文在引發交通事故的人因理論基礎上，提出基于VR技術的駕駛仿真及安全教育系統，根據不同的人為因素，開發具有針對性的學習模塊，建立安全高效的學習模式，從而提升駕駛員危險感知能力及駕駛安全素養，對減少交通事故發生具有較強的實際應用性。

1 系統設計

1.1 系統架構

駕駛仿真及安全教育系統采用C/S架構，以Unity3D游戲引擎作為系統開發平臺。Unity3D作為實時3D內容的創作平臺，被廣泛應用于工業、教育等行業[10-11]。系統憑借其強大的渲染及資源整合能力，聯合3ds Max、SUMO等軟件，構建駕駛仿真及安全教育系統，系統總體架構如圖1所示。

圖1 系統總體架構Fig.1 System architecture

系統通過3ds Max及道路BIM構建逼真的虛擬訓練場景，將其導入Unity3D內，通過聯合SUMO軟件仿真道路車流，搭建科學合理的虛擬駕駛環境；使用HTC Vive及Logitech G29等沉浸式設備作為交互端，進行駕駛行為仿真；同時根據駕駛風險認知及不安全駕駛行為教育需求，基于Unity3D實現屏幕特效，建立違規觸發機制，設計安全教育、風險駕駛模擬、三維全景視圖三大模塊，對各類駕駛員進行針對性教育，綜合提升駕駛員駕駛素養及風險規避能力。

1.2 系統模塊設計

高紅麗等[12]在分析國家車輛事故深度調查體系數據庫內的2 384起案例基礎上，將交通事故中的駕駛員因素分為三類，即駕駛前的風險容忍行為、駕駛中的不安全行為以及駕駛后的不安全行為。風險容忍指駕駛員為達成駕駛目的而對不規范駕駛行為的接受程度，而對于駕駛行為的規范教育，傳統教育方式多采用大廳宣教及圖文教育等方式，并以答題為考核方式，忽略了學員對學習內容的理解認知過程，無法使學員對違規駕駛及交通事故后果嚴重性形成深刻認識，考核也難以反映學習者對不安全駕駛行為的實際認知程度。基于此，本系統分別設計了安全教育、風險駕駛模擬、三維全景視圖三大模塊，在保留VR教育系統安全性等優點的同時，使得模塊設計更加科學合理，符合駕駛安全教育目的。

安全教育模塊引入學習-練習模式，使學員通過UI學習安全規則，再進行相應場景VR模擬訓練，深化學員對規則的認識理解。風險駕駛模擬模塊設計多種屏幕特效，用于模擬不正常駕駛狀態或環境下的駕駛員視景變化，讓學員深切感知風險駕駛行為危害，端正學員駕駛態度。三維全景視圖體驗模塊主要通過基于照片構建的三維全景還原交通事故現場，使學員身臨其境地觀察事故現場，加深對學員的視覺沖擊，培養學員對交通安全的敬畏心。三大模塊相輔相成，區別于傳統的教育方式，強化了其中的薄弱環節，幫助學員強化駕駛技能、增強風險認知能力、提升駕駛安全素養。

1.3 系統流程設計

駕駛仿真與安全教育系統流程設計如圖2所示。

圖2 系統設計流程圖Fig.2 System design flowchart

啟動系統后，學員進入模式選擇，根據培訓需求選擇進入安全教育模塊或風險駕駛模擬模塊。進入模塊后，選擇關卡，系統開始加載關卡場景。學員進入安全教育模塊，系統通過UI展示及語音播報進行規則教育，學員確定后，進行該規則場景VR模擬訓練。學員進入風險駕駛模塊，系統播報模擬內容及該風險駕駛危害，播報完成進入模擬駕駛過程。當上述場景觸發事故后，系統播報并記錄，待確定后選擇是否進入VR實景模塊或返回關卡選擇。系統應用VR技術，將不易理解的學習內容過程轉變為實踐學習，沉浸式、強交互的學習過程，直接高效，強化學員學習效果。

2 系統實現

2.1 駕駛訓練環境搭建

逼真的虛擬場景增強用戶的沉浸性體驗，動靜結合的虛擬場景更能模擬真實的駕駛環境，有助于用戶的知識遷移。如圖3所示，駕駛場景中的三維模型主要分為兩類：靜態模型和動態模型。靜態模型一般不發生改變，動態模型在場景中會根據條件變化發生變化，該變化一般以腳本定義。

圖3 駕駛訓練環境三維模型設計Fig.3 3D model design of driving training environment

2.1.1 虛擬場景搭建

目前關于VR技術在駕駛安全教育的研究中，虛擬場景類型無法滿足實際應用需求，應用場景單一。系統為滿足應用需求，構建了豐富、全面的安全教育場景。場景中模型基于道路實景數據，采用BIM技術構建道路模型，以3ds Max作為建模軟件構建建筑、樹木等模型，建成的模型輕量化后導入Unity3D，以此構建高還原度的虛擬場景。同時為場景添加光照、風區、天空盒等元素，使用AudioSource音源組件，為汽車、行人等添加相應音效，營造環境沉浸感。部分場景效果如圖4所示。

圖4 虛擬場景Fig.4 Virtual scene

2.1.2 道路交通流仿真

模擬駕駛過程中，逼真的沉浸環境能增加用戶控制車輛的模擬保真度。而目前針對駕駛仿真的研究及系統開發，對于道路車輛等影響駕駛行為的重要因素考慮不足。虛擬環境對于道路車流的仿真主要通過兩種方法：第一種是利用數字孿生技術映射真實車流。第二種是構建虛擬車流的方法。映射實際車流雖然能夠很好地反映真實車流狀況，但降低了學員駕駛的測試車輛同微觀交通間的交互。綜合比較，構建虛擬仿真車流的方法最為合適，實現相對簡單、滿足駕駛交互需求。而在Unity3D中構建虛擬車流，大都使用簡單的路徑移動腳本來實現，不具備超車、換道等算法，忽略了車輛運動的隨機性和多樣性等要素，難以反映真實復雜的真實交通。為構建更加真實的車流環境，本文研究了SUMO與Unity3D的聯合仿真。

SUMO作為一款開源交通仿真軟件，可實現對路網、交通流、信號燈、行人等道路交通元素的仿真構建，其基于物理機理的交通建模，能夠正確合理地描述交通狀況。SUMO為開發者提供的基于TCP傳輸協議的TraCI工具（traffic control interface），允許訪問正在運行的交通模擬，并通過檢索模擬對象的值操縱它們。聯合SUMO與Unity3D的仿真構建，即以SUMO作為服務器，Unity3D作為客戶端，實現SUMO仿真與Unity3D虛擬場景間信息的實時通信。

相較于道路車輛沿設置路徑機械行駛的方式，SUMO的車輛運動模型算法更為接近實際車輛運動過程。在車輛縱向運動中，SUMO的速度計算方法，考慮了車輛當前速度v、車輛最大加速度a、駕駛員熟練度?以及道路安全速度vs速度限值vdes，計算方法如下所示：

其中，?取值范圍為0～1，現實意義為駕駛員操作誤差。

在車輛橫向運動中，SUMO提供了恒定車速變道和瞬間變道兩種模型。恒定車速變道模型中，車輛橫向運動考慮車道間距離及變道時間；瞬間變道模型則不考慮上述因素，車輛瞬間完成橫向車道間移動[13]。系統構建過程中，為更好地仿真實際道路狀況，采用恒定速度變道模型。

在Unity3D具體實現中，通過讀取路網文件，編輯道路環境，并同步紅綠燈狀態變化，建立測試車輛與交通流車輛的雙向映射，聯合仿真駕駛效果如圖5所示。需要注意的是，由于測試車輛存在違反SUMO規則限定的行為可能，測試車輛應當設計存在違反交通規則的幾率，比如壓實線、闖紅燈等。

圖5 聯合仿真駕駛示例Fig.5 Co-simulation driving example

2.2 屏幕特效實現

風險駕駛認識是系統降低駕駛員風險容忍度的主要方式，屏幕特效是其實現的關鍵技術。傳統的風險駕駛行為教育大多采用文字警示等方式，存在不形象、不深刻等缺陷。而前述基于VR技術的駕駛安全研究則基本忽略了該內容。系統從認知教育出發，通過屏幕特效及仿真技術，模擬駕駛員疲勞、醉酒、超速及各種時間天氣狀況下的駕駛體驗與視景變化，從而使駕駛員對風險駕駛行為的后果形成深刻的認知。

屏幕特效的實現，主要通過對屏幕空間內像素進行后處理。Unity3D內置的可編程渲染管線（scriptable render pipeline，SRP），允許編碼自定義渲染的執行方式，對Alpha測試、模板測試、深度測試等過程自定義像素繪制方式，從而改變最終渲染畫面，創造性地實現疲勞、醉酒、超速等狀態下的眼瞼閉合、視線模糊、扭曲、視野變窄等效果[14-15]。

以視線模糊實現為例，對屏幕空間像素的處理過程，主要通過對屏幕圖像進行卷積計算操作，重新定義原像素。如圖6所示，將一個3×3的四方形結構作為一個卷積核，在對屏幕空間某個像素進行卷積時，把卷積核中心放置在該像素上，翻轉核之后再重新計算像素值，從而得到該位置的新像素值。

圖6 卷積核與卷積Fig.6 Convolution kernel and convolution

以高斯模糊為例，其卷積核是一個正方形大小的濾波核，其各元素計算基于公式（3）高斯方程：

其中，δ為標準方差，取值為1，x和y分別對應計算位置到卷積核中心整數距離。為保證濾波后圖像亮度不變，需對卷積核中權重進行歸一化，如圖7所示為高斯模糊一個5×5大小的卷積核。由卷積核可以得出受鄰域像素影響，距離越近，影響越大。以該計算方式重新定義Shader渲染過程，處理后的圖像從而呈現模糊效果，如圖8所示。

圖7 5×5的高斯模糊卷積核Fig.7 5×5 Gaussian blur convolution kernel

圖8 高斯模糊處理效果Fig.8 Gaussian blur effect

2.3 還原事故現場的三維全景視圖實現

交通事故現場能直接高效地表現事故危害程度，警示學員交通事故嚴重性。大量研究通過構建事故虛擬場景或制作3D電影達到警示目的，而本系統采用三維全景視圖，還原交通事故現場。三維全景視圖通過照片方式展現三維場景，從而達到沉浸式閱覽效果，相較于虛擬場景更具有沉浸性，同時相較于3D電影更加簡單高效，基于Unity3D實現更為簡單。

三維全景視圖所需全景圖像數據，與普通圖像不同，在全景圖像中，為了表現實際場景中物體的空間約束關系，需要將其投影到具有一定空間特效的曲面上。比較常見的投影方式有球面投影、柱面投影和立方體投影。其中球面模型相較于其他，更易在Unity3D內實現，因此系統采用球面投影作為全景視圖實現方式。

平面圖像向球面投影，需要正確表達圖像上的點與球面對應點的位置關系，該過程主要通過全景圖像的拍攝方向及相機投影模型技術得出。平面圖像多采用針孔投影模型，其相機坐標系到圖像坐標系之間的映射關系有如下公式表示：

(Xc,Yc,Zc)表示相機坐標系下空間內的點，(x,y)表示圖像坐標系下對應的點，f為相機的焦距。要在Unity3D內實現三維全景，魚眼投影相比于針孔投影更適于構建系統所用圖像。一般而言，魚眼投影首先需要將三維點投影到球面，再經過針孔投影模型投影。系統使用帶有魚眼鏡頭的相機進行拍攝，可以得到如圖9所示具有畸變特性的全景圖像，有利于表現拍攝畫面的長景深效果。

圖9 全景圖像示意圖Fig.9 Schematic diagram of panoramic image

其最終三維全景圖像實現方式也較為簡單，在Unity3D內創建三維球體，將其Shader修改為Alpha Blended，然后將全景圖作為材質的紋理賦予球體，將Camera放置球體內部，通過頭戴顯示器，即可觀察到由圖像構成的三維實景。

2.4 基于碰撞檢測的違規觸發機制實現

在安全教育及風險駕駛模擬關卡中，系統需要對駕駛行為進行監測，判斷車輛行駛中是否違反規則或發生事故，碰撞檢測是實現違規觸發的最佳方式。模擬過程中車輛行為及事故檢測基于包圍盒碰撞檢測技術實現。其算法是采用近似規則碰撞器表示復雜外形結構體，通過檢測其邊界是否發生相交，從而判斷發生碰撞[16]，其碰撞檢測原理如圖10所示。

圖10 碰撞檢測原理示意圖Fig.10 Schematic diagram of collision detection principle

圖中綠色斜線區域為結構體A與結構體B的重疊區域，而在三維空間下，下式成立，即發生了碰撞。

而在各關卡中，系統廣泛采用Box Collider觸發器布置觸發檢測點，其可以實現在不影響車輛行為及不改變場景的情況下，僅通過C#腳本定義碰撞發生事件，實現違規觸發機制，準確高效地監測模擬駕駛過程。

2.5 天氣系統的仿真構建

駕駛過程中，惡劣的自然天氣會影響駕駛員對于行車路況及標志標線等道路環境的信息獲取與判斷。在前述研究中，忽略了天氣因素對駕駛安全的影響，系統基于WeatherMake插件進行改進，實現虛擬場景內天氣、時間的模擬。駕駛過程中，可以根據模擬需求，通過與天氣系統的交互，控制場景內天氣、時間等因素。如圖11所示，分別模擬了早晨、中午、傍晚三個時間段及晴天、大霧、雨天等天氣。

圖11 系統時間、天氣模擬Fig.11 System time，weather simulation

3 系統實用性檢驗分析

為驗證駕駛仿真及安全教育系統的實際應用效果，發現系統設計不足，招募了20位志愿者進行系統仿真度測試及實用性評估，被試人員組成見表1，根據駕駛經驗差異分為三組，A組人員編號A1～A10，B組人員編號B1～B8，C組人員編號C1、C2。

表1 被試人員組成Table 1 Composition of subjects

3.1 系統整體測試效果

系統采用Logitech G29方向盤套裝及HTC Vive作為交互設備，相較于駕駛模擬器，HTC Vive頭戴顯示器能更好地呈現虛擬三維空間，并保證用戶不被周圍環境所分散注意力，為用戶提供更加身臨其境的體驗[17]。系統啟動后，進入模式選擇界面，可分別選擇進入安全教育、風險駕駛模擬及三維全景視圖模塊。在安全教育模塊，通過學習規則且在實際案例中理解應用，實現學習效果強化，熟練駕駛技能，結合VR訓練的學習過程更加具有趣味性，更有利于理論知識向實際認知遷移，測試示例如圖12所示。

圖12 安全教育關卡測試示例Fig.12 Safety education level test example

風險駕駛模擬模塊，通過模擬體驗，更加直觀地理解風險駕駛行為，結合事故現場三維全景體驗，認識駕駛事故危害，降低對風險駕駛的容忍度，具有良好的沉浸性及應用價值，測試如圖13、14所示。

圖13 風險駕駛模擬Fig.13 Risky driving simulation

圖14 全景體驗及VR駕駛Fig.14 Panoramic experience and VR driving

3.2 系統測試結果分析

20位志愿者分別使用Logitech G29及HTC Vive等設備，依次對系統三大模塊進行測試，根據虛擬場景的仿真程度及駕駛沉浸感對系統仿真度做出打分，同時根據個人使用體驗對系統實用性做出打分，范圍為0～10分，0分為最低分，代表評估結果十分消極，10分為滿分，代表評估結果十分積極。

系統測試結果如圖15所示，20位志愿者對系統仿真度平均打分為7.45分，對系統實用性平均打分為7.95分。表明志愿者認為系統仿真還原度高且對系統實用性持積極態度。

圖15 測試打分統計圖Fig.15 Statistical chart of test scoring

4 結束語

本文使用Unit3D引擎聯合SUMO開發了基于VR的駕駛仿真及安全教育系統，為駕駛技能學習者提供了安全多樣的駕駛環境，使駕駛安全教育更加具體、深刻、高效且易于理解。系統基于道路實景數據，構建了更具真實感的駕駛三維場景，聯合SUMO仿真道路駕駛狀況，實現了不同道路環境、交通狀況下的駕駛模擬；創新性地通過屏幕特效技術讓駕駛員通過交互設備體驗在醉酒、疲勞等風險狀況下的視覺變化，幫助駕駛員在清醒狀況下體驗風險駕車危害；并在Unity3D內構建了基于圖像的交通事故三維全景。通過20位志愿者對系統進行測試，駕駛場景仿真度較高，運用該系統，提高了駕駛學習效率，提高了駕駛安全素養。在將來，可進一步開發學習過程記錄模塊，為學員個體提供更具針對性的教育內容。