城市道路環(huán)境下駕駛?cè)藢φZ音導(dǎo)航的認(rèn)知－反應(yīng)時間研究

陳誠　程建梅

摘 要：智能手機(jī)導(dǎo)航的使用已經(jīng)頻繁的出現(xiàn)在車輛駕駛過程中，但當(dāng)前的語音導(dǎo)航不太滿足人們在現(xiàn)實生活中的要求。因此，本文運(yùn)用UC-Win/Road軟件模擬城市駕駛場景進(jìn)行仿真實驗，得到駕駛?cè)嗽诓煌兞肯聦?dǎo)航語音播報信息的認(rèn)知-反應(yīng)時間，結(jié)果表明：導(dǎo)航播報信息的條數(shù)和駕齡會顯著影響認(rèn)知-反應(yīng)時間；導(dǎo)航播報信息量超過三條則認(rèn)知-反應(yīng)時間和錯誤率都會急劇增加。最后通過回歸分析，得到基于導(dǎo)航播報信息的條數(shù)的認(rèn)知-反應(yīng)時間回歸模型。

關(guān)鍵詞：城市道路 模擬駕駛 語音導(dǎo)航 認(rèn)識-反應(yīng)時間 回歸分析

為了服務(wù)目前復(fù)雜的路網(wǎng)和不斷增長的駕駛?cè)耍噷?dǎo)航應(yīng)運(yùn)而生。調(diào)查顯示有92%的駕駛?cè)嗽陂_車時會主動使用手機(jī)導(dǎo)航APP[1]。但在導(dǎo)航APP的實際應(yīng)用中，也出現(xiàn)了諸多的問題[2]。例如導(dǎo)航APP播報過于頻繁或者過于低頻；導(dǎo)航一次性播報的信息量太多，導(dǎo)致駕駛?cè)硕虝r記憶量增加，造成交通安全隱患等。

已有研究都是基于視覺出發(fā)，從駕駛?cè)搜蹌犹卣骰蛘呱硖卣鞣治鰧?dǎo)航APP對駕駛?cè)诵袨榈挠绊慬3-6]。但駕駛?cè)嗽谑褂脤?dǎo)航APP時，主要獲取信息的方式是聽覺，占到通過導(dǎo)航APP獲取播報信息量的87%[7]。但目前從行為人聽覺出發(fā)，對其獲取導(dǎo)航播報交通信息的模式和特征的研究較少。本文通過模擬駕駛實驗，基于駕駛?cè)说穆犛X，研究了不同駕齡、性別、車速、車道數(shù)、播報信息量下，駕駛?cè)藢?dǎo)航APP播報信息的認(rèn)知-反應(yīng)時間，并針對實驗數(shù)據(jù)建立駕駛?cè)苏J(rèn)知-反應(yīng)時間和影響因素的數(shù)學(xué)模型，闡述了從聽覺出發(fā)駕駛?cè)说恼J(rèn)知-反應(yīng)流程，探討導(dǎo)航APP播報設(shè)置的優(yōu)化方案。

1 駕駛?cè)苏J(rèn)知-反應(yīng)過程

駕駛?cè)藢?dǎo)航APP播報信息的認(rèn)知和操作過程如圖1所示。從A點(diǎn)開始，導(dǎo)航APP開始對交通信息進(jìn)行播報，在B點(diǎn)導(dǎo)航APP結(jié)束播報；從B點(diǎn)到C點(diǎn)，駕駛?cè)藢邮盏降男畔⑦M(jìn)行理解加工，根據(jù)行駛的路線判斷下一步需要駛?cè)氲能嚨牢恢茫⒆鞒鲎兏嚨赖臎Q策；隨后，駕駛?cè)藦腃點(diǎn)開始變更車道，至E點(diǎn)車輛完全進(jìn)入目標(biāo)車道即變道結(jié)束。E點(diǎn)既是變更車道的重點(diǎn)，也是導(dǎo)向車道線的起點(diǎn)。本文研究的是駕駛?cè)藢?dǎo)航APP播報信息的認(rèn)知-反應(yīng)時間，即從播放開始到做出肢體反應(yīng)的過程，認(rèn)知-反應(yīng)距離LAC所對應(yīng)的時間。

2 實驗設(shè)計

2.1 實驗儀器

（1）實驗基于用UC-win/Ｒoad 10.0道路景觀規(guī)劃設(shè)計軟件，繪制出城市道路場景，道路類型為城市主干道，道路中都存在與實際相符的標(biāo)志標(biāo)牌、道路路況[8]。

（2）使用羅技公司的G29駕駛方向模擬器及踏板，其生產(chǎn)的方向盤及踏板能夠較快的使駕駛?cè)诉M(jìn)入模擬的駕駛狀態(tài)。

（3）使用筆記本電腦用來播放提前制作好的模擬導(dǎo)航材料，并將播放內(nèi)容投屏至智能手機(jī)上，通過秒表對認(rèn)知-反應(yīng)進(jìn)行記錄。如圖2所示。

2.2 實驗對象

本實驗共招募駕駛?cè)?0名，為了充分體現(xiàn)出不同年齡、性別、駕齡的駕駛?cè)藢?dǎo)航APP播報信息的記憶情況，實驗選取年齡在20至54歲之間，駕齡區(qū)間在在1年以內(nèi)到十年以上，男女比例接近且駕齡和年齡分布合理。實驗要求被試著具有良好的視力和聽力，雙眼視力均為4.9以上；聽力小于等于25分貝。

2.3 模擬場景搭建

2.3.1 模擬導(dǎo)航設(shè)計

根據(jù)前期使用調(diào)查，將導(dǎo)航APP播報信息分為6個類別，A：行駛方向類；B：行駛車道類；C：違章拍照類；D：限速類；E：警示類；F：溫馨提示類。根據(jù)實際駕駛經(jīng)驗，本實驗選用1到5條信息量作為實驗變量，選取A-E為播報的信息內(nèi)容，使用Adobe After Effects軟件將提前采集好的百度地圖APP語音按上述方式隨機(jī)組合，得到的播報內(nèi)容和播報時長如表1所示，制作得到模擬導(dǎo)航視聽材料。

2.3.2 模擬路口設(shè)計

模擬駕駛場景是通過UC-win/Road軟件搭建而成的，模擬駕駛?cè)私?jīng)過不同種類的城市道路平面交叉路口，包括車道數(shù)的不同、車道分布情況不同等。考慮到實際道路中最常見的幾種城市道路交叉路口的設(shè)置情況，選定3車道+交叉口入口4車道（“3+4”車道形式），其對應(yīng)的路口車道分布情況有左直直右、左左帶直直右、左左直右等六種情況。選定4車道+交叉口入口 5 車道（“4+5”車道形式），其對應(yīng)的路口車道部分情況有左直直直右、左左直直右等六種情況。

2.4 實驗流程

依據(jù)變量的不同劃分不為同的實驗場景，本次實驗的場景一共為75個，按照不同車速（40km/h、50km/及60km/h）為三組，每組根據(jù)導(dǎo)航播報的信息量的不同分為五個場景，每個場景根據(jù)具體播報內(nèi)容進(jìn)行5次認(rèn)知-反應(yīng)。因此，每個被試者在每一組要進(jìn)行25次認(rèn)知-反應(yīng)實驗，一共進(jìn)行三組，預(yù)計得到數(shù)據(jù)2250條，實驗流程如圖3所示。

3 數(shù)據(jù)處理與分析

3.1 認(rèn)知-反應(yīng)時間差異性顯著檢驗

本實驗共采集到不同場景下認(rèn)知-反應(yīng)實驗數(shù)據(jù)共2963條，剔除錯誤數(shù)據(jù)后剩下2250條，再根據(jù)拉依達(dá)準(zhǔn)則，篩選出滿足誤差區(qū)間內(nèi)的數(shù)據(jù)，最終剩下可用數(shù)據(jù)為2229條。

對得到的實驗數(shù)據(jù)在駕齡、性別、車速、車道數(shù)、播報信息量五個變量下進(jìn)行單因素方差分析，設(shè)定顯著水平α=0.05，結(jié)果表明車道數(shù)、車速和性別的概率P-值均大于0.05，則可以排除上述變量對駕駛?cè)苏J(rèn)知-反應(yīng)時間的影響。播報信息量和駕齡的P-值分別為0.003和0.012，均小于0.05，可以認(rèn)為導(dǎo)航APP播報不同信息量以及不同駕齡下的認(rèn)知-反應(yīng)時間有顯著差異。

3.2 駕齡和認(rèn)知-反應(yīng)時間關(guān)系分析

為了比較不同駕齡兩兩之間的差異，對不同駕齡的認(rèn)知-反應(yīng)時間進(jìn)行事后多重比較檢驗[9]，結(jié)果分別顯示兩兩駕齡情況下認(rèn)知-反應(yīng)時間的均值檢驗結(jié)果，如表2所示。可以看出，1-2年駕齡分別于6-10年駕齡和10年以上駕齡認(rèn)知-反應(yīng)時間有顯著差異，P-值分別是0.003和0.027，均小于顯著水平0.05。其它駕齡情況下兩兩比較的認(rèn)知-反應(yīng)時間無顯著差異。

3.3 播報信息數(shù)量對認(rèn)知-反應(yīng)的影響分析

3.3.1 對認(rèn)知-反應(yīng)時間的影響

比較不同信息播報量兩兩之間的差異，對不同信息播報量的認(rèn)知-反應(yīng)時間進(jìn)行事后多重比較檢驗，結(jié)果顯示了不同信息數(shù)量下的認(rèn)知-反應(yīng)時間的兩兩Tamhane's T2檢驗結(jié)果。如表6所示，1條信息量至5條信息量兩兩之間的P-值均小于0.05，說明不同信息量下的認(rèn)知-反應(yīng)時間均有顯著差異。

根據(jù)表1的平均播放時長播放信息，當(dāng)播放信息量從1到5條時，平均反應(yīng)時間分別為2066ms、4382ms、7028ms、14364ms、22893ms。當(dāng)信息量從1條信息增長到3條信息時，實驗人認(rèn)識-反應(yīng)時間和播報時長同時增長，且增幅相似；當(dāng)播報信息量增長到4時，認(rèn)知-反應(yīng)時間急劇增加，增加了7336ms，同比播報時長增長了4320ms，認(rèn)知-反應(yīng)時間的增長幅度大大的超過播報時長的增長。平均認(rèn)知-反應(yīng)時間突變點(diǎn)發(fā)生在信息條數(shù)為3條時。

以認(rèn)知-反應(yīng)時間作為因變量，播報信息量作為自變量，對不同播報信息量下的認(rèn)知-反應(yīng)時間平均值的差值進(jìn)行曲線擬合。結(jié)果表明指數(shù)函R方最大等于0.837，對散點(diǎn)擬合性最好。得到不同信息信息播報量下的認(rèn)知-反應(yīng)時間平均值的回歸模型為：

Y=1210.19e0.6x

其中：Y——認(rèn)知-反應(yīng)時間ms；x——播報的信息量條數(shù)，x＞0。

播報信息量對認(rèn)知-反應(yīng)時間有顯著影響，且程度遠(yuǎn)遠(yuǎn)大于其它因素，故將此公式作為駕駛?cè)藢?dǎo)航播報信息的認(rèn)知-反應(yīng)時間模型。

3.3.2 對認(rèn)知-反應(yīng)正確率的影響

駕駛?cè)酸槍?dǎo)航一次性播報的信息量的不同，其對播報信息的認(rèn)知正確率也有區(qū)別，與平均認(rèn)知-反應(yīng)時間相同，隨著播報信息條數(shù)的增加，反應(yīng)錯誤率會逐步增加。當(dāng)播報信息量為1條和2條時，反應(yīng)的錯誤率分別為0.66%和1.53%，接近為0；當(dāng)播報信息量增加的3條時，反應(yīng)錯誤率上升到10.71%，此時導(dǎo)航播報的信息增多，實驗人有錯誤機(jī)率增加；當(dāng)播報信息量增加到4條和5條時，相對應(yīng)的錯誤率上升至34.02%和48.10%，導(dǎo)航播報的信息量過多，駕駛?cè)俗R別壓力增加，記憶任務(wù)量太大，導(dǎo)致在一定的時間內(nèi)駕駛?cè)俗龀鲥e誤的判讀。

4 結(jié)論

本文利用模擬駕駛的方式，針對不同變量情況下測試了駕駛?cè)藢?dǎo)航播報的信息的認(rèn)知-反應(yīng)時間，得到駕齡和播報信息量兩個能夠顯著影響駕駛?cè)苏J(rèn)知-反應(yīng)時間的因素，并最終建立了駕駛?cè)嗽诔鞘械缆非闆r下，其對導(dǎo)航播報信息的認(rèn)知-反應(yīng)時間與播報信息量的數(shù)學(xué)模型。結(jié)果表明：（1）駕駛?cè)苏J(rèn)知-反應(yīng)時間會隨著導(dǎo)航播報信息量的增加而增加，當(dāng)導(dǎo)航播報信息量超過三條后，認(rèn)知-反應(yīng)時間會呈指數(shù)型增長，且認(rèn)知錯誤率會顯著上升，由此推斷導(dǎo)航播報信息量的閾值應(yīng)為3條；（2）對導(dǎo)航播報信息的認(rèn)知-反應(yīng)時間會隨著駕齡的增加而呈現(xiàn)先減后增的情況，駕齡在6至10年時認(rèn)知-反應(yīng)時間最短，但駕齡超過10年后又會增加。

基金項目：2021年四川警察學(xué)院“基于眼動信息的機(jī)動車駕駛?cè)擞肄D(zhuǎn)彎特性研究”（21YCX007）；2023年智能警務(wù)四川省重點(diǎn)實驗室“基于注意力分配和視聽覺感知的安全駕駛研究”（ZNJW2023ZZMS001）。

參考文獻(xiàn)：

[1]共研網(wǎng).2022-2028年中國手機(jī)導(dǎo)航行業(yè)全景調(diào)研及市場前景預(yù)測報告【EB/OL】. （2022-09-28）[2022-11-02].https：

//bbs.csdn.net/topics/608363369.

[2]李平凡，王殿海，劉東波，王峻極.駕駛中撥打手機(jī)對駕駛?cè)四X力負(fù)荷及駕駛行為的影響分析[J].交通信息與安全，2010， 28（04）：103-107.

[3]Crundall D，Chapman P，Trawley S，t al. Some billboards are more attractive than others：Drivers of varying experience respond differently to different types of billboards[J].Accident Analysis & Prevention，2012，45（1）：600-609.

[4]Stinchcombe Arne，Gagnon Sylvain，Zhang J Jane，Montembeault Patricia，Bedard Michel. Fluctuating attentional demand in a simulated driving assessment： the roles of age and driving complexity.[J]. Traffic injury prevention，2011，12（6）.

[5]胡琳. 智能手機(jī)導(dǎo)航功能對駕駛行為影響研究[D].長安大學(xué)，2017.

[6]田偉. 基于模擬駕駛的手機(jī)導(dǎo)航對駕駛行為影響的研究[D].清華大學(xué)，2016.

[7]Hu J S，Liu W H，Cheng C C .Target search and navigation by spatial hearing using inter-aural signals[J]. IFAC Proceedings Volumes，2006，39（16）：673-678.

[8]李志. 基于認(rèn)知心理學(xué)的城市道路交通標(biāo)志動靜態(tài)視認(rèn)研究[D].北京工業(yè)大學(xué)，2017.

[9]陳佳佳.基于模擬駕駛的手機(jī)導(dǎo)航對駕駛行為影響的研究[J].電子元器件與信息技術(shù)，2021，5（04）：3-4.

[10]姚云. 基于認(rèn)知心理學(xué)的指路標(biāo)志信息與信息密度閾值研究[D].西華大學(xué)，2009.