楊夢英 Yang Mengying

?

基于模擬駕駛的天氣環(huán)境對駕駛員危險感知特性影響

楊夢英 Yang Mengying

（武漢理工大學，湖北 武漢430070）

據(jù)統(tǒng)計，在我國現(xiàn)有交通事故中由于駕駛員危險感知錯誤導致的比例占40%～45%，而由于不良天氣導致的事故總量比正常情況下高出3～4倍；因此，研究駕駛員對不良天氣的危險感知意義重大。對速度的感知能力是保證行車安全的先決條件，也是衡量駕駛員危險感知能力的重要指標。運用虛擬駕駛半實物仿真平臺，檢測晴雨雪等不同天氣對駕駛員視覺感知特性的影響。結果表明，雨雪天氣比晴天時駕駛員的視覺感知車速低3%～17%。

模擬駕駛；天氣；危險感知

0 引 言

對已有的道路交通事故分析發(fā)現(xiàn)，超過80%的事故與駕駛員有關，其中駕駛員感知錯誤占54.2%，判斷錯誤占35.9%，反應錯誤占9.2%[1]。車輛行駛過程中，駕駛員獲取的信息90%來源于視覺[2]，而不良天氣下，比如雨雪等惡劣環(huán)境導致的行車過程中危險事故占比較高[3]，故對駕駛員的視覺感知特性進行研究對于行車安全具有重大意義。在雨雪天氣條件下進行虛擬駕駛試驗，檢測城市雨雪天氣的道路環(huán)境對駕駛員視覺感知特性的影響，選擇車速作為衡量指標。

1 天氣環(huán)境建模

氣象學中，降水強度通常用某時間段內(nèi)降水量的多少來劃分。一般條件下，雨滴的半徑在0.1～0.35 mm，絕大多數(shù)雨滴的形狀類似球體，雨滴下落時，速度為

式中，為雨滴的半徑，為雨滴速度。當高度大于9.5 m時，最終速度可視為勻速。暴雨的雨滴半徑選為0.3 mm，則雨滴體積為0.11 mm3，降落速度為3.46 m/s。

同理，大小雪的判定也可根據(jù)降雪量的多少。由于雪花大小與環(huán)境因素相關，所以其大小研究比較復雜，可以用攝像機拍攝下的雪花，其直徑一般在2.0～5.0 mm之間，因為雪花很小，它們的最終速度依靠它們的大小（忽略風阻力這個重要的因素）[4]。

由于雪花下降的速度受其形狀的影響，空氣阻力與雨滴相比較大，無風降到地面的速度一般為1～2 m/s，此外伴隨風的影響，實際速度會增大。由于雨雪本身的高亮特性，加上雨雪天氣往往伴隨有霧氣出現(xiàn)，直接導致對比度降低，高亮度的雨雪，對光線有反射、折射等作用，會影響人的視覺。

Unity3D中的粒子系統(tǒng)由Ellipsoid Particle Emitter（橢圓粒子發(fā)射器）、ParticleAnimator（粒子動畫器）和ParticleRenderer（粒子渲染器）3個部分所組成。試驗所用的天氣模型為雨、雪天氣粒子模型，下雨采用的貼圖為長方形，下雪采用的貼圖為圓形。Unity3D中參數(shù)無量綱，只能體現(xiàn)相對大小，故雨雪天氣的準確性是相對的，依據(jù)視覺經(jīng)驗，對比現(xiàn)實暴雨暴雪天氣照片，制作出盡量準確的暴雨暴雪場景。通過修改粒子參數(shù)，改善天氣粒子效果，模擬逼真的雨雪環(huán)境，對比如圖1所示，駕駛員第一視角的效果對比如圖2～3所示。

為了方便在同一個場景中實現(xiàn)不同的天氣環(huán)境特效，將天氣集成在一個界面中，通過界面操作來選擇所需要的天氣，如圖4所示。

2 半實物仿真

選擇城市道路進行試驗，要求既平坦又寬闊，根據(jù)城市道路的路寬、路肩和車道數(shù)等數(shù)據(jù)選擇不同車速進行車輛跟車行駛，車速不高于50 km/h。分別在3種天氣環(huán)境的虛擬場景中進行模擬駕駛，記錄駕駛員對自身車速感知值、與前導車輛車距感知值以及時間等視覺感知信息。

2.1 虛擬場景搭建

為研究天氣對駕駛員危險感知的影響，選擇城市道路進行虛擬場景模擬，并在虛擬城市場景中放入車輛，并調(diào)整好視覺角度。

1）城市道路場景

虛擬場景中，選擇平坦且寬闊的雙向四車道道路，如圖5所示，道寬3.5 m，出于交通安全考慮，車速不高于50 km/h。車輛運動學模型如圖6所示。

2）攝像頭視角調(diào)整

第一人稱視角（First Person Perspective）如圖7所示，第三人稱視角（Third Person Perspective）如圖8所示。

2.2 模擬駕駛試驗

1）試驗設備和試驗道路

試驗車輛選擇轎車，試驗道路為虛擬城市道路，排除道路交通流的干擾。

2）被測試駕駛員

選擇有良好駕駛習慣且視力正常（1.0～2.0）的8名技術嫻熟的駕駛員作為試驗樣本，要求被測試者在試驗中一切生理指標正常。

3）試驗設計[5]

在晴天、雨天、雪天3種天氣下分別進行試驗，利用虛擬儀表采集實際的車速，調(diào)查被測試駕駛員的感知車速，每隔1 min左右詢問被測試者對自身車速的估計，同時記錄時間信息。每個被測者需測試10組數(shù)據(jù)。

3 數(shù)據(jù)處理與分析

將速度感知值與實測速度值進行對比，分析感知值的誤差情況，并將雨雪環(huán)境下與晴天時駕駛員的視覺感知速度進行對比，分析不同天氣下的視覺感知特性。

將雨雪和晴天環(huán)境時采集的試驗數(shù)據(jù)匯總，t為實測車速，p為感知車速，選用感知車速與實測車速之比p/t來表示環(huán)境條件對駕駛員速度感知的影響，用E(p/t)表示p/t的均值。Driver1在3種天氣下的感知車速分析見表1。

由表1可知：在雨雪環(huán)境下，將駕駛員的感知車速和實測車速進行對比，p/t的均值約為0.90（小于1），表明雨雪環(huán)境下感知車速較實際車速低10%；晴天環(huán)境下p/t的均值為0.976（接近1），表明晴天中的感知車速與實測車速相差不大。根據(jù)顯著性檢驗方法來判斷試驗處理的差異是否顯著，概率為顯著性水平，通常取值為0.01，0.05，0.10等，為減少錯誤，取值小些。依據(jù)方差分析，雨雪天氣對駕駛員速度感知有顯著影響（<0.01）。

表1 駕駛員車速感知分析 km/h

序號雨天雪天晴天 VtVpVp/VtVtVpVp/VtVtVpVp/Vt 1 8.310.01.20 8.210.0 1.22 6.0 5.00.83 216.815.00.8916.415.0 0.9116.015.00.94 324.020.00.8325.020.0 0.8022.225.01.13 432.030.00.9335.130.0 0.8533.035.01.06 537.030.00.8135.430.0 0.8537.840.01.06 637.635.00.9337.735.0 0.9343.335.00.81 738.535.00.9138.235.0 0.9138.245.01.18 840.035.00.8840.335.0 0.8741.335.00.85 941.835.00.8440.035.0 0.87542.645.01.06 1042.735.00.8242.435.0 0.8341.245.01.09 E(Vp/Vt)0.904E(Vp/Vt)0.904 5E(Vp/Vt)0.976

同理，分析其他被測試者在3種天氣下的感知車速，在雨雪環(huán)境和晴天環(huán)境下p/t的均值見表2。

表2 Vp/Vt的均值

E(Vp/Vt)driver1driver2driver3driver4driver5driver6driver7driver8 晴天0. 9761.040.950.970.990.971.011.02 雨0.900.870.830.940.840.860.910.94 雪 0.90 0.870.840.940.860.830.920.93

由表2可知：被測試者在晴天下感知車速與實測車速較為相近，其偏差小于6%；被測者在雨雪天氣下的感知車速較實測車速約低6%～17%；將雨雪天氣與晴天的E(p/t)值進行比較，在雨雪天氣下E(p/t)比晴天時E(p/t)值約低3%～17%。

4 結 論

不良天氣對駕駛員感知特性有較大影響，通過虛擬駕駛半實物仿真的試驗，得出以下結論：在晴天時，感知車速與實際車速較為接近，其偏差小于6%。在雨雪天氣時，駕駛員視覺感知車速有顯著變化，感知車速比實際車速低6%～17%，且感知車速比晴天環(huán)境中低3%～17%。

[1]鄭東鵬. 駕駛人危險感知及影響因素研究[D]. 上海：上海交通大學，2013.

[2]劉兵. 基于駕駛員視知覺的車速控制和車道保持機理研究[D]. 武漢：武漢理工大學，2008.

[3]趙學靜. 雪天氣退化圖像復原方法研究[D]. 沈陽：沈陽理工大學，2015.

[4]相文森. 城市冰雪道路交通事故成因及發(fā)生機理研究[D]. 哈爾濱：哈爾濱工業(yè)大學，2010.

[5]邢恩輝，王銳，韓平. 冰雪道路環(huán)境對駕駛人視覺感知特性的影響[J]. 中國安全科學學報，2012，22（3）：86-91.

2016-12-16

1002-4581（2017）02-0011-04

U471.1

A

10.14175/j.issn.1002-4581.2017.02.003