劉 湘 張琴蘭 呂植勇

（1.武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢 430063；

2.水路公路交通安全控制與裝備教育部工程研究中心 武漢 430063）

0 引言

在第1 次世界大戰(zhàn)期間，Oswald Boelke提出了這樣的觀點(diǎn)：“在敵人覺(jué)察之前，獲得對(duì)敵人的監(jiān)測(cè)是非常重要的。因而需要找到1種這樣的方法去實(shí)現(xiàn)”，這就是情景感知（situation awareness，SA）概念的雛形定義。在20 世紀(jì)80 年代以前，這個(gè)思想并沒(méi)有獲得太多的重視。但是從20世紀(jì)80年代后期以來(lái)，情景感知這個(gè)思想已成了最受工效學(xué)（ergonomics）關(guān)注的問(wèn)題之一，并逐漸形成了廣泛認(rèn)可的涵義。情景感知就是通過(guò)對(duì)一定的時(shí)間和空間內(nèi)環(huán)境中的各組成成分的感知、理解，研究交互行為中人的主觀活動(dòng)（包括：注意、工作負(fù)荷、緊張和冒險(xiǎn)），進(jìn)而預(yù)知這些成分隨后的變化狀況。

在20世紀(jì)80年代，對(duì)于腦力負(fù)荷的度量已經(jīng)形成了較為完備的方法體系，包含主任務(wù)度量、次任務(wù)度量、生理度量以及主觀度量（也稱自我評(píng)定度量）4種方法。中國(guó)學(xué)者廖建橋［1］曾在1995年對(duì)腦力負(fù)荷的定義、度量方法以及各類方法的優(yōu)缺點(diǎn)進(jìn)行過(guò)較為全面的總結(jié)。從1995年以來(lái)的10多年間，腦力負(fù)荷的度量方法體系一直處于不斷發(fā)展中。近年來(lái)，研究者在尋求干擾小、可靠的次任務(wù)以及選擇合適的次任務(wù)使用場(chǎng)合等方面，取得了一定的進(jìn)展。

本文通過(guò)研究情景感知的腦力負(fù)荷，了解事故發(fā)生的原因，建立了駕駛員的情景感知仿真模型，然后對(duì)仿真模型進(jìn)行了評(píng)估，最后進(jìn)行了事故致因分析。

1 情景感知在交通中的研究

隨著智能交通的發(fā)展，情景感知的研究與應(yīng)用已不再局限于計(jì)算機(jī)、互聯(lián)網(wǎng)、工效學(xué)等方面，逐步拓寬到了交通、物流等領(lǐng)域。情景感知成為了交通運(yùn)輸領(lǐng)域的研究熱點(diǎn)，在道路與航空領(lǐng)域都取得了一定的發(fā)展。在道路交通中，汽車駕駛與危險(xiǎn)品運(yùn)輸?shù)确矫嬉策\(yùn)用了多模式的情景感知。

1.1 道路交通的多模式感知

從道路交通的研究方法上看，Jeff K Caird提出了反應(yīng)意識(shí)衰減指標(biāo)，包括反應(yīng)時(shí)間、車道橫向偏離、車頭時(shí)距／間距、速度等，研究了“駕駛時(shí)”行為交互的方式，包括認(rèn)知實(shí)驗(yàn)、自然交談等2類。L Q Leandro［2］建立了模擬器，在模擬器上建立各種生理和心理測(cè)試儀，對(duì)駕駛員的各種駕駛行為結(jié)合交通路口的各種信息進(jìn)行綜合分析。

國(guó)內(nèi)學(xué)者研究了低能見度條件下的駕駛行為，根據(jù)信息獲取范圍將汽車安全輔助駕駛的機(jī)器視覺(jué)分為外部信息的機(jī)器視覺(jué)與內(nèi)部信息的機(jī)器視覺(jué)技術(shù)，包括視覺(jué)增強(qiáng)、視野擴(kuò)展、道路環(huán)境理解、視線跟蹤與駕駛腦力負(fù)荷監(jiān)測(cè)，通過(guò)道路環(huán)境理解信息融合提高人機(jī)交互能力［3］。同時(shí)，還提出了把駕駛行為操作和駕駛員生理指標(biāo)相結(jié)合建立疲勞識(shí)別模型的思想：①建立模擬器駕駛實(shí)驗(yàn)，建立駕駛操作和駕駛員生理指標(biāo)之間的關(guān)系模型［4］，給出了動(dòng)視野、動(dòng)視力、暗適應(yīng)、聽力、掩蔽聽力、短時(shí)記憶力、判斷能力、注意力、反應(yīng)時(shí)、操縱能力等10項(xiàng)駕駛行為狀態(tài)指標(biāo)的測(cè)試方法及指標(biāo)計(jì)算公式；②按性別、年齡、駕駛里程對(duì)駕駛員予以分組的前提下，進(jìn)行連續(xù)模擬駕駛測(cè)試，并每隔1段時(shí)間采集1組駕駛行為狀態(tài)因子指標(biāo)值；③在對(duì)行為狀態(tài)指標(biāo)數(shù)據(jù)予以預(yù)先分級(jí)的前提下，采用單因子分析法對(duì)實(shí)驗(yàn)數(shù)據(jù)予以分析，為特種運(yùn)輸多模式感知能力和事故致因理論分析提供有效的途徑方法。

1.2 航空領(lǐng)域的多模式感知

隨著航空設(shè)備自動(dòng)化和智能化水平的不斷提高，現(xiàn)代飛機(jī)座艙中動(dòng)態(tài)信息越來(lái)越多，而飛行員的主要作用已由操作向監(jiān)視轉(zhuǎn)移（即人的體力負(fù)荷下降、心理負(fù)荷增加的現(xiàn)象變得更加突出）。因此，對(duì)情景知覺(jué)的研究在航空工效領(lǐng)域已成為1個(gè)極有發(fā)展前景的研究方向。

航空領(lǐng)域的多模式感知系統(tǒng)研究發(fā)展比較先進(jìn)，現(xiàn)代飛機(jī)座艙中動(dòng)態(tài)信息越來(lái)越多，利用情景感知系統(tǒng)分析飛行員監(jiān)視轉(zhuǎn)移（即人的體力負(fù)荷下降、心理負(fù)荷增加的現(xiàn)象變得更加突出）［5］，應(yīng)用情景感知可以研究人在交互行為中的主觀活動(dòng)、工作負(fù)荷、緊張和冒險(xiǎn)，就是在一定的時(shí)間和空間內(nèi)對(duì)環(huán)境中的各組分的感知、理解，進(jìn)而預(yù)知這些成分的隨后狀況變化［6］。

1.3 汽車駕駛的情景感知

在汽車駕駛的研究方面，國(guó)外利用情景感知進(jìn)行研究的也不少，主要研究模型見圖1，通過(guò)人、車、路等環(huán)境認(rèn)知與駕駛員的行為建立1個(gè)反饋。通過(guò)這個(gè)系統(tǒng)，Ruiqi Ma［7］研究了在駕駛時(shí)使用自適應(yīng)巡航控制和手機(jī)的情況下，駕駛員對(duì)環(huán)境意識(shí)直接和客觀的衡量，評(píng)價(jià)了在駕駛員大腦資源有限的情況下，駕車過(guò)程中駕駛行為和通信行為相沖突的競(jìng)爭(zhēng)關(guān)系，以及駕駛員的情景感知和工作負(fù)擔(dān)，認(rèn)為先進(jìn)的巡航系統(tǒng)有助于減輕手機(jī)使用的精神和行為負(fù)擔(dān)，但不會(huì)改變手機(jī)的負(fù)作用［7］。

John D.Lee認(rèn)為［8］，半導(dǎo)體技術(shù)快速發(fā)展很可能對(duì)年輕駕駛員的影響最大，分心測(cè)量實(shí)驗(yàn)如圖2 所示。分心測(cè)量方法基本上有：

1）眼動(dòng)測(cè)量法。

2）視覺(jué)遮擋測(cè)量法。

3）外周視覺(jué)任務(wù)檢測(cè)法（PDT）。

圖1 車輛巡航情景感知的動(dòng)力模型Fig.1 The dynamic model of vehicle cruise situation awareness

其中，PDT是1種近年來(lái)較流行的用來(lái)測(cè)量駕駛分心的方法。和其他方法相比，PDT 測(cè)量法也顯示出了較好的安全性和易用性［9］。通過(guò)近年的研究，各國(guó)研究者不但認(rèn)同了PDT 測(cè)量法的敏感性和有效性，還認(rèn)為PDT 將在以后的研究中發(fā)揮更大的作用［10］。與此同時(shí)，PDT 被認(rèn)為是在使用車內(nèi)信息系統(tǒng)（IVIS）時(shí)測(cè)量安全認(rèn)知負(fù)荷的標(biāo)準(zhǔn)方法。

圖2 情景感知的分心測(cè)量實(shí)驗(yàn)Fig.2 The situation awareness distraction measurement experiments

1.4 危險(xiǎn)品運(yùn)輸?shù)亩嗄Ｊ礁兄?/h3>

目前，在危險(xiǎn)品特種車輛在途運(yùn)輸監(jiān)測(cè)中，采用許多模式傳感器來(lái)采集人、車、路、環(huán)境及其貨物的在途安全信息，這些信息包括：①特種貨物狀態(tài)（如溫度、壓力、液位、濃度、閥門工作狀態(tài)及工作流程等）以及危化品狀態(tài)傳感器；②特種車輛運(yùn)行狀態(tài)（如車輛位置、速度、加速度、姿態(tài)、胎壓、輪溫等），優(yōu)化這些參數(shù)以提高預(yù)警，檢測(cè)危化品運(yùn)輸車輛是否發(fā)生故障及其危害程度［11］。中集公司目前在危化品甩掛運(yùn)輸中采用交互式電子技術(shù)手冊(cè)（interactive electronic technical manual，ICTM）［12］，利用電子設(shè)備機(jī)內(nèi)測(cè)試（built－in test，BIT）建立了特種運(yùn)輸?shù)氖鹿手乱蚍治鰧?shí)驗(yàn)室。

2 情景感知仿真研究

利用情景感知仿真技術(shù)（見圖3），根據(jù)特種貨物運(yùn)輸多模式感知方法，采用不同的駕駛員模擬駕駛特種運(yùn)輸車輛，通過(guò)后臺(tái)服務(wù)器，對(duì)不同的實(shí)驗(yàn)科目進(jìn)行劇本編輯，得到了測(cè)試場(chǎng)景。在模擬器上建立不同傳感器的示情裝置，通過(guò)聲、光、電、文字、圖像以及導(dǎo)航系統(tǒng)等顯示情景，在復(fù)雜的情景下，駕駛員完成不同的科目實(shí)驗(yàn)，并對(duì)駕駛員的腦力負(fù)荷、分注意力、危險(xiǎn)辨識(shí)、人機(jī)互動(dòng)、思維時(shí)間和反應(yīng)時(shí)間進(jìn)行監(jiān)測(cè)；根據(jù)多模式感知次序編輯劇本，按照“感知信息同時(shí)出現(xiàn)的并聯(lián)模式”、“感知信息按次序出現(xiàn)的串聯(lián)模式”以及“感知信息混合模式”，模擬“多因致果集中型、因果連鎖型、因果繼承、因果復(fù)合型，還有因果多層次型”等因果事故類型，并針對(duì)不同的類型分析事故的征兆、起源、控制因素和致因，貨物監(jiān)管、車路協(xié)同、人機(jī)協(xié)同、事故類型多模式感知任務(wù)條件下，分析車輛跟馳反應(yīng)和駕駛安全。

圖3 情景感知仿真方法Fig.3 Situation awareness simulation method

3 仿真模型評(píng)估

3.1 仿真模型安全評(píng)估

從安全評(píng)估的角度研究示情、告警和誘導(dǎo)的評(píng)價(jià)參數(shù)和模型，目前從如下幾個(gè)方面開展工作。

1）建立評(píng)價(jià)參數(shù)。利用眼動(dòng)儀、生理測(cè)試儀和視頻對(duì)人的大腦負(fù)荷、分注意力、思維時(shí)間、事故辨識(shí)能力以及反應(yīng)時(shí)間進(jìn)行評(píng)價(jià)和參數(shù)分析，這些參數(shù)主要記錄駕駛員的感知能力（包括感知速度、反應(yīng)速度、警覺(jué)性及模式匹配能力）、注意力、認(rèn)知能力（分析、綜合理解、預(yù)測(cè)）、操作能力等分析結(jié)果。

2）通過(guò)示情告警和誘導(dǎo)的聲、光、電、圖像、文字表達(dá)方式的沖擊效果，分析駕駛員注意目標(biāo)的轉(zhuǎn)換。

3）建立相關(guān)參量，如時(shí)間序列的特征參量（感知、思維、反應(yīng)）、能力屬性參量（大腦負(fù)荷、駕駛分心、危險(xiǎn)辨識(shí)能力）、交互特征參量（思維時(shí)間和反應(yīng)時(shí)間）等。

3.2 仿真數(shù)據(jù)統(tǒng)計(jì)分析

對(duì)不同參量進(jìn)行歸類。建立時(shí)間序列的特征參量、并列出現(xiàn)的參量和多任務(wù)交互參量，然后根據(jù)多目標(biāo)視覺(jué)和聽覺(jué)行為過(guò)程，分析3種相關(guān)數(shù)據(jù)：

1）注意力轉(zhuǎn)換時(shí)間、周期數(shù)據(jù)庫(kù)。

2）完成任務(wù)行為動(dòng)作時(shí)間、周期數(shù)據(jù)庫(kù)。

3）智能交通系統(tǒng)對(duì)單一目標(biāo)任務(wù)完成縮短的時(shí)間數(shù)據(jù)庫(kù)，并利用跟馳理論分析在多任務(wù)累加特種貨物監(jiān)控任務(wù)條件下，采用車輛跟馳實(shí)驗(yàn)，分析大腦負(fù)荷、辨識(shí)能力的變化規(guī)律。

3.3 仿真的制約因素

從人的生理角度，人的反應(yīng)、體力、技能、機(jī)能等存在弱點(diǎn)，在仿真實(shí)驗(yàn)中都需要考慮到。

4 事故致因分析

事故致因理論是從大量典型事故本質(zhì)原因的分折中所提煉出的事故機(jī)理和事故模型。這些機(jī)理和模型反映了事故發(fā)生的規(guī)律性，能夠?yàn)槭鹿试虻亩ㄐ?、定量分析，為事故的預(yù)測(cè)預(yù)防，改進(jìn)安全管理工作，從理論上提供科學(xué)完整的依據(jù)。

4.1 危險(xiǎn)辨識(shí)模型

應(yīng)用危險(xiǎn)辨識(shí)方法可以發(fā)現(xiàn)潛在的事故序列、事故的起始事件以及相應(yīng)控制系統(tǒng)中的薄弱環(huán)節(jié)，單元內(nèi)的正常、非正常和維護(hù)操作都可以使用該方法進(jìn)行危險(xiǎn)辨識(shí)和分析。辨識(shí)過(guò)程開始時(shí)，應(yīng)列出單元中有關(guān)操作的所有組件，建立初始條件的完整集合。盡管很繁瑣，但全面完成這種設(shè)置是非常重要的，因其界定了操作，并確定了要分析的全部?jī)?nèi)容。

首先以貝葉斯決策理論為核心，以分類錯(cuò)判損失最小為目標(biāo)函數(shù)，構(gòu)建了貝葉斯險(xiǎn)態(tài)辨識(shí)模型；其次以模糊數(shù)學(xué)中的隸屬度函數(shù)理論為基礎(chǔ)，以相似性分類誤差平方和最小為目標(biāo)函數(shù)，構(gòu)建了FCM 駕駛行為危險(xiǎn)辨識(shí)模型，F(xiàn)CM 模型僅適用于基于狀態(tài)相似性分級(jí)的駕駛行為危險(xiǎn)辨識(shí)問(wèn)題；最后，BP 神經(jīng)網(wǎng)絡(luò)智能算法辨識(shí)模型具有較強(qiáng)的通用性，可適用于本文所提出的3類駕駛行為危險(xiǎn)分級(jí)辨識(shí)問(wèn)題。

4.2 事故致因分析方法

擬采用瑟利致因分析方法，結(jié)合次要任務(wù)測(cè)試方法，把多模式感知測(cè)量過(guò)程分為危險(xiǎn)出現(xiàn)和危險(xiǎn)釋放2個(gè)階段（見圖4），這2個(gè)階段各自包括1組類似于人的信息處理過(guò)程，即知覺(jué)、認(rèn)識(shí)和行為響應(yīng)過(guò)程。在危險(xiǎn)出現(xiàn)階段，如果人的信息處理的每個(gè)環(huán)節(jié)都正確，危險(xiǎn)就能被消除或得到控制；反之，只要任何1個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題，就會(huì)使操作者直接面臨危險(xiǎn)。在危險(xiǎn)釋放階段，如果人的信息處理過(guò)程的各個(gè)環(huán)節(jié)都是正確的，雖然面臨著已經(jīng)顯現(xiàn)出來(lái)的危險(xiǎn)，但仍然可以避免危險(xiǎn)釋放出來(lái)，不會(huì)帶來(lái)傷害或損害：反之，只要任何1個(gè)環(huán)節(jié)出錯(cuò)，危險(xiǎn)就會(huì)轉(zhuǎn)化成傷害或損害。根據(jù)多模式感知的復(fù)雜目標(biāo)干擾，加入次要任務(wù)測(cè)試方法，在2 個(gè)階段分別嵌入駕駛分心、大腦負(fù)荷、危險(xiǎn)辨識(shí)能力分析，從中可以探索生理特征與行為特征之間的因果關(guān)系，從而得到事故致因，建立事故致因分析模型，如圖4所示。

圖4 事故分析模型Fig.4 Accident analysis model

5 結(jié)束語(yǔ)

本文介紹了危險(xiǎn)品運(yùn)輸、航空駕駛、汽車駕駛等幾種多模式感知，建立了駕駛員的情景感知仿真模型，并對(duì)仿真模型進(jìn)行了安全評(píng)估，將其數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，可采用貝葉斯險(xiǎn)態(tài)辨識(shí)模型、FCM 駕駛行為危險(xiǎn)辨識(shí)模型、BP 神經(jīng)網(wǎng)絡(luò)智能算法辨識(shí)模型，對(duì)駕駛行為進(jìn)行危險(xiǎn)分級(jí)辨識(shí)；采用瑟利致因分析方法，結(jié)合次要任務(wù)測(cè)試方法，把多模式感知測(cè)量過(guò)程分為危險(xiǎn)出現(xiàn)和危險(xiǎn)釋放2個(gè)階段，進(jìn)行事故致因分析。

本文對(duì)事故致因分析建立的仿真模型，還有些考慮不足的地方。如何對(duì)仿真模型的統(tǒng)計(jì)數(shù)據(jù)分析處理，并對(duì)仿真模型進(jìn)行修正，判斷男女之間的深度知覺(jué)是否有差異，是下一步需要研究的地方。

［1］廖建橋.腦力負(fù)荷及其測(cè)量［J］.系統(tǒng)工程學(xué)報(bào)，1995，10（3）：119－123.

［2］Q Leandro L.Risk behaviour and mental workload：Multimodal assessment techniques applied to motorbike riding simulation［J］.Transportation Research Part F，2009（12）：361－370.

［3］初秀民，萬(wàn) 劍，嚴(yán)新平，等.基于車載機(jī)器視覺(jué)的汽車安全技術(shù)［J］.中國(guó)安全科學(xué)學(xué)報(bào)，2008，18（5）：154－161.

［4］吳超仲，張 暉，毛 喆，等.基于駕駛操作行為的駕駛員疲勞狀態(tài)識(shí)別模型研究評(píng)論推薦［J］.中國(guó)安全科學(xué)學(xué)報(bào)，2007，17（4）：162－165.

［5］梁偉杰，于永利，張 磊，等.裝備交互式電子技術(shù)手冊(cè)發(fā)展綜述［J］.國(guó)防技術(shù)基礎(chǔ)，2009，5（5）：9－16.

［6］李 靜，花興來(lái)，劉 柳.交互式電子技術(shù)手冊(cè)（IETM）用戶需求研究［J］.微計(jì)算機(jī)信息：測(cè)控自動(dòng)化，2009，25（9－1）：193－198.

［7］Ma Ruiqi，David B.Situation awareness and workload in driving while using adaptive cruise control and a cell phone International［J］.Journal of Industrial Ergonomics，2005，35（10）：939－953.

［8］Lee J D.Technology and teen drivers［J］.Journal of Safety Research，2007，38（2）：203－213.

［9］施臻彥，葛列眾，胡曉晴.駕駛分心行為的測(cè)量方法及其應(yīng)用研究進(jìn)展［J］.人類工效學(xué)，2010（3）：70－73.

［10］劉 寧，張 侃.駕駛分心的測(cè)量方法［J］.人類工效學(xué)，2007，13（2）：38－40.

［11］周受欽，段戰(zhàn)歸.危險(xiǎn)化學(xué)品運(yùn)輸罐式裝備智能監(jiān)測(cè)系統(tǒng)［J］.集裝箱化，2007（11）：10－12.

［12］Walker G H，Stanton N A，Kazi T A，et al.Does advanced driver training improve situational awareness［J］.Applied Ergonomics，2009（40）：678－687.