基于FSDT的新老驾驶人危险感知差异性致因研究

基金项目： 国家自然科学基金资助项目（51108390）

作者简介： 唐智慧（1972-），女，博士，副教授，研究方向为交通运输安全，电话：028-87600824，E-mail：

文章编号： 0258-2724（2013）03-0532-07DOI： 10.3969/j.issn.0258-2724.2013.03.022

摘要：

为了降低新驾驶人的事故发生率，基于模糊信号检测理论，通过模拟仿真实验手段，设计并进行了危险感知实验和危险分级实验，在此基础上，分析了新老驾驶人危险感知差异性的原因.研究结果表明：新老驾驶人危险感知差异性是由于反应偏好不同所致，具有宽大偏好反应的驾驶人反应时距小，反应也更快，反之亦然；经过危险感知训练的新驾驶人反应偏好与反应时距之间的相关系数为0.81，未经危险感知训练新驾驶人的相关系数为0.63，经验丰富老驾驶人的相关系数为0.75；在对新驾驶人的训练中，应注重降低新驾驶人的危险阈值.

关键词：

驾驶行为；危险感知能力；敏感度；反应偏好；模糊信号检测理论

中图分类号： U491.25文献标志码： A

随着我国汽车保有量的不断增加，新驾驶人越来越多，交通事故也与日俱增.加强新驾驶人的能力训练，尤其是危险感知能力训练，使其在危险事件推演过程中尽早感知危险的存在，避免交通冲突，减少事故，是改善目前交通安全现状的一个重要因素.如何提高新驾驶人的危险感知能力，需从新老驾驶人在危险感知能力上的差异性研究入手.

文献[1-4]的研究表明：老驾驶人在不同道路类型和不同交通状况下，尤其是潜在性危险事件中，均比新驾驶人感知危险更快，其原因有两种解释：

（1） 与老驾驶人相比，新驾驶人缺乏从不太危险场景中提前提取比较危险场景中的前期线索的能力，新驾驶人可能难于捕捉并理解前期的一些危险线索，导致在某场景情况下发生交通冲突的潜在性误判.老驾驶人收集积累证据比新驾驶人要快，因此，其反应比新驾驶人更早，即老驾驶人在驾驶场景中感知危险的敏感度比新驾驶人高.

（2） 新驾驶人与老驾驶人的差异不在于新驾驶人敏感度低导致对场景中的危险性的误判，而在于新驾驶人只对最危险的场景做出反应，但老驾驶人却会对很多不太危险的场景也做出反应，即新老驾驶人在捕捉道路场景中的危险信息时，两者的速度并无显著差异，只是新驾驶人更不愿意将某些情景标识判断为危险状态.新老驾驶人之间危险感知的差异在于定义危险时的主观差异，即将何种交通冲突可能性场景标记为“危险”.

以上两种解释均可说明老驾驶人比新驾驶人感知危险更快，国外专家对上述两种解释存在争论. Crundall等通过记录老驾驶人和新驾驶人在观看危险场景视频时的眼动情况发现，老驾驶人对场景中的危险感知比新驾驶人有更大的视觉采样率和更广的视觉搜索范围[5-6]. 文献[7-8]认为新驾驶人缺乏交通场景中危险感知的整体性，专注于危险本身时容易忽视场景中的其它环节，常常会顾此失彼.文献[5-8]认为新老驾驶人在危险感知能力上的差异性是由于老驾驶人在收集积累场景的危险证据时比新驾驶人更快，其敏感度比新驾驶人更高.然而，文献[9]通过让新老驾驶人观看静态危险场景视频录像的方法，得出不同的结论，认为新老驾驶人在对场景中危险信息的采集能力方面并无显著性差异，两者的差异在于判定场景中的危险时使用的阈值不同[9].

为明确以上两种解释那种更合理以及是否适用于我国的驾驶人，克服传统静态视频实验逼真度不够的缺点，本文利用模糊信号检测理论，通过模拟驾驶仿真分析，从动态角度针对新老驾驶人差异性较大的潜在性危险事件场景进行了实验研究.

1

基于模糊信号检测理论的驾驶人危险感知测量方法

交通场景危险性具有模糊性的特征，模糊逻辑适用于分析这类状态不能严格地分为“是”与“否”的情形.因此，当信号反映的意义不明确时，可将模糊逻辑与信号检测理论相结合，应用模糊信号检测理论FSDT（ fuzzy signal detection theory）进行分析， FSDT允许信号及对信号的反应值范围为[0，1].

基于模糊信号检测原理，对驾驶人危险感知的测量包括以下4个步骤.

步骤1场景信号与驾驶人响应的映射函数选择

步骤2蕴涵函数的选择

通过分析场景信号和驾驶人响应值，推导得到模糊集成员.模糊集成员的含义如下.

正确响应（H）：交通场景很危险，驾驶人也发现了其中的危险性；

虚报（FA）：交通场景本身不危险，但驾驶人却认为其危险；

漏报（M）：交通场景本身很危险，但驾驶人未发现其中的危险性；

正确拒斥（CR）：所给交通场景不危险，驾驶人也认为它不危险.

步骤3驾驶人正确响应率与虚报率的计算

步骤4驾驶人危险感知敏感度与危险判断标准的计算

2

驾驶人危险感知实验方案设计

2.1

实验人员的选取

根据对新老驾驶人危险感知的研究成果[14-16]选取79名驾驶人参与实验.驾驶人需满足以下条件：① 持有我国颁发的驾驶执照；② 未参加过危险感知测试；③ 裸眼视力达到1.0及其以上，色觉正常；④ 非职业性的社会车辆驾驶人.新驾驶人指驾驶时间少于4 a的驾驶人；老驾驶人指年平均驾驶里程数超过8 000 km且驾驶时间超过10 a的驾驶人[17].

将被试分为3组：欲接受危险感知训练新驾驶人组27人；无需危险感知训练新驾驶人组29人；无需训练经验丰富驾驶组23人.新驾驶人组在性别、年龄、平均每年驾驶里程、总驾驶里程、过去3a事故涉及数、简单反应时间、后期驾驶经验训练、以前的危险感知训练等方面均无明显差异.经验组与2个新驾驶人组相比，在以下方面存在显著差异：

2.2

实验设备与仪器

本次实验采用西南交通大学自制的驾驶模拟器和头盔式眼动仪.模拟器采用三通道环形屏幕，分辨率为1 024×768，屏幕水平包裹视角150°，竖直方向包裹视角30°，视景每秒刷新60次，场景中其他车辆、行人、信号等都与实际交通场景一致.对仿真车辆的操作I/O数据、车辆位置和速度采样频率均为30Hz，眼动采样频率为60Hz，眼动采样精度为1°，最小注视时间定义为100ms，注视时的最小角度变化为1°[18].

2.3

实验场景设计

为避免交通场景中风险级别对驾驶人危险感知能力测试的影响，要求每组被试所选用的交通场景的危险级别间无显著性差异.实验采用专家打分分级方法：

（1） 聘用3位经验丰富的驾校教练为专家；（2） 根据事故调查，从驾驶人的视角生成一系列符合中国交通管理策略的危险交通三维虚拟现实场景，共98个危险性场景（场景设计参见文献[19]）；（3） 请3位专家对生成的危险场景分级，分为1～7级；（4） 将专家的分级标准化；（5） 选择其中标准差最小的20个场景作为危险感知测试场景，并标注其交通突变出现点.

在选择的20个场景中，每个场景均包含一个或多个潜在性险性事件.

将这20个交通场景及各场景中的事件，通过MultiGen Creator建模的方式生成三维虚拟场景并导入模拟系统.

2.4

实验过程设计步骤

（1） 填写个人信息调查表.

（2） 观看视频录像.让不参加危险感知训练的新驾驶人和经验组驾驶人观看未对场景中的潜在危险进行分析讲解的控制视频，让参加危险感知训练的新驾驶人观看对场景中各种潜在危险进行分析讲解的训练视频[8]，要求所有被试者假想自己正在此场景中驾驶.

（3） 进行简单反应时间测试.看完视频后立即进行简单反应时间测试.

（4） 危险感知测试.危险感知测试视频包含20个交通场景、47个危险事件（有些场景中包含多个危险事件），顺序将20个交通场景中各危险事件贯穿于整个实验线路中，显示在距离驾驶室前方4.9 m的环形投影屏幕上.被试者坐在模拟驾驶座位上，沿着设计危险场景的前导场景进行驾驶，驶入危险感知测试场景.要求被试者预感到前方存在潜在交通冲突时尽快按压方向盘上安装的反应按钮，并采取相应的操作策略.同时记录被试对各危险事件的反应时间（精确度为±20 ms）及其眼动情况.在每个场景实验中，测试完成后，被试者必须口头阐述其按压按钮的原因，实验人员将被试者报告的危险事件记录在相应实验表格中.

（5） 危险分级测试.让各组驾驶人观看20个危险分级用交通场景，并要求被试者在危险遮挡点前对每个交通场景中的危险进行不限时危险级别打分，即被试根据交通突变所给的危险线索来判断该场景中隐藏的危险大小，依据专家的7个分级点对其进行分级打分，并填写记录表.

3

新老驾驶人危险感知差异性原因

通过危险分级与危险感知测试2个实验进行新老驾驶人危险感知差异性原因分析.在危险分级实验中的信号检测测量中，将被试者的原始分级值转化为[0，1]范围内的值， 0表示不存在潜在危险， 1表示完全无法避免的危险.由于信号与噪声的重叠，正确响应率不可能达到100%，因此，为了便于信号检测变量的计算，将模糊正确响应率和虚报率中的0和1分别调整为0.001和0.999.在危险感知测试中的信号检测分析中，根据被试者在专家指定的危险遮挡点前有无反应，将反应时值赋值为“有”或“无”.在专家认定的遮挡点以前的反应赋值为“有”，而在遮挡点以后的反应或无反应均赋值为“无”.

3.1

危险分级与驾驶经验的关系

根据危险分级实验被试者给实验场景的打分值，用积分去模糊化方法，计算得出该驾驶人对每个场景的响应值r，求出每个驾驶人对20个危险场景分级的平均值.通过对各组驾驶人的危险分级数据分析表明：

（1） 经过危险感知训练的新驾驶人组与未经危险感知训练的新驾驶人组相比无显著性差异，

t（54）=0.476 0，p=0.636 0.

（2） 经验丰富的老驾驶人组与未经危险感知训练的新驾驶人组相比无显著性差异，

t（50）=1.260 0，p=0.213 5.

（3） 经过危险感知训练的新驾驶人组与经验丰富的老驾驶人组相无显著性差异，

t（48）=0.752 4，p=0.455 5

.

由此可见，各组驾驶人在危险分级中并无显著性差异，说明新老驾驶人都捕捉到了场景中存在的危险，并能客观评价危险性的大小.即各组驾驶人对交通场景的信息采集能力无显著性差异.

3.2

驾驶人危险感知敏感度与驾驶经验的关系

根据危险感知测试实验记录的被试者对危险事件的反应时间及眼动数据，用式（8）计算各组驾驶人在危险感知测试和危险分级任务中的敏感度.

对危险感知测试结果的分析发现：

（1） 经验丰富的老驾驶人组与未经危险感知训练的新驾驶人组相比无显著性差异，

t（50）=1.331 7，p=0.189 0

；

（2） 经过危险感知训练的新驾驶人组与未经危险感知训练的新驾驶人组相比无显著性差异，

t（54）=1.474 5，p=0.146 2

.

对危险分级任务测试结果的分析发现：

（1） 经验丰富老驾驶人组与未经危险感知训练的新驾驶人组相比无显著性差异，

t（50）=1.219 2，p=0.228 5

；

（2） 经过危险感知训练新驾驶人组与未经危险感知训练新驾驶人组相比无显著性差异，

t（54）=0.731 6，p=0.467 6

.

可见在两个试验中，经验丰富老驾驶人与未经危险感知训练的新驾驶人相比，均未表现出敏感度差异；经过危险感知训练的新驾驶人与未经危险感知训练的新驾驶人相比也未表现出敏感度差异.各组驾驶人在危险感知测试和危险分级任务中的平均敏感度如图2所示.

上述分析表明，老驾驶人对交通场景的信息采集能力并不比新驾驶人快，新老驾驶人对交通场景中危险的感知敏感度无显著性差异.

3.3

驾驶人危险反应偏好与驾驶经验的关系

利用式（9）分别计算出各组驾驶人在危险感知测试和危险分级任务中的反应偏好（即危险判别标准）.

分析危险感知测试结果发现：

（1） 未经危险感知训练的新驾驶人组与经过危险感知训练的新驾驶人组相比存在显著性差异，

t（54）=3.096 9，p

；

（2） 未经危险感知训练的新驾驶人组与经验丰富老驾驶人组相比存在显著性差异

t（50）=3.723 1，p

.

与此同时，反应偏好与反应时距之间存在明显的关联关系，具有宽大偏好反应的驾驶人其反应时距小，反应也更快.对经过危险感知训练的新驾驶人， r=0.81， n=27；对未经危险感知训练新驾驶人， r=0.63， n=29；对经验丰富的老驾驶人， r=0.75， n=23.

分析危险分级任务测试结果发现：

（1） 未经危险感知训练的新驾驶人组与经过危险感知训练的新驾驶人组相比无显著性差异，

t（54）=0.453 6，p=0.651 9

；

（2） 未经危险感知训练新驾驶人组与经验丰富老驾驶人组相比无显著性差异，

t（50）=1.195 6，p=0.237 5

.

与此同时，在该任务中，对各组的反应偏好与反应时距之间不存在关联关系， r

各组在危险感知和危险任务分级中的反应偏好测试结果如图3所示.

由图3可知，在危险感知测试实验中，新老驾驶人对危险定义的主观差异存在导致他们在界定各种危险时给出的判别标准不同，从而表现出图3中所示差异性.但在危险分级实验中，由于只需对场景中的危险分级，无需判别是否会引发交通冲突，以及是否需要采取相应操作策略，因此无法表现出新老驾驶人界定危险所用的判别阈值.图3危险分级实验结果未表现出各组驾驶人之间判别阈值的差异性.

3.4

新老驾驶人危险感知差异性的原因

由上述分析可知：

（1） 经验丰富老驾驶人、经过危险感知训练的新驾驶人和未经危险感知训练的新驾驶人，他们区分场景危险性的能力并没有差异，表现为各实验组在分级任务中不存在显著性差异，与实验中危险分级与危险感知反应时间不存在关联的结果一致.由此可见，单纯用敏感度参数d′不能解释新老驾驶人危险感知方面的差异性.

（2） 实验支持新老驾驶人危险感知差异性是由于其反应偏好（即危险判别标准）不同所致.在危险感知测试中，对危险采取的反应标准越宽大（反应标准参数β越小），与反应时距的关联性越强，且反应标准宽大偏好将导致反应更快.经过危险感知训练的新驾驶人组和经验丰富老驾驶人组的反应均比未经危险感知训练新驾驶组标准更宽大，反应更快.

因此，新老驾驶人之间危险感知的差异性不在于捕捉道路场景中危险信息时的信息采集能力（即驾驶人的敏感度）差异，而在于对场景中判定危险的阈值（即反应标准）不同.故驾驶人的反应偏好才是新老驾驶人危险感知差异性的原因.

4

结束语

本文采用动态模拟驾驶仿真方法，使实验逼真度与实际驾驶状况更接近，且仿真实验选用的危险感知实验场景均为潜在性危险事件场景，排除了显性危险事件在新老驾驶人之间无显著性差异对致因分析带来的干扰.得出的实验结论为：判定危险的阈值（即反应标准）不同，导致新老驾驶人危险感知存在差异性.

本实验结论表明：不同反应偏好的驾驶人界定的危险阈值不一样，在其驾驶过程中对同一场景的危险性采取的响应策略将不同.因此，在对新驾驶人的训练中，不能只注重驾驶人危险感知能力的训练，更重要的是应该通过训练使新驾驶人降低其危险阈值判别标准，将更多的场景纳入危险场景，提前采取操作措施，以防范事故的发生.

参考文献：

[1]SAGBERG F， BJRNSKAU T. Hazard perception and driving experience among novice drivers[J]. Accident Analysis and Prevention， 2006， 38（2）： 407-414.

[2]AVINOAM B， DAVID S， TAL O G. Age， skill， and hazard perception in driving[J]. Accident Analysis and Prevention， 2010， 42（4）： 1240-1249.

[3]ROSENBLOOM T， SHAHAR A， ELHARAR A， et al. Risk perception of driving as a function of advanced training aimed at recognizing and handling risks in demanding driving situations[J]. Accident Analysis and Prevention， 2008， 40（2）： 697-703.

[4]郭孜政. 驾驶行为险态辨识理论与方法[D]. 成都：西南交通大学， 2009.

[5]CRUNDALL D E， UNDERWOOD G. Effects of experience and processing demands on visual information acquisition in drivers[J]. Ergonomics， 1998， 41（4）： 448-458.

[6]CRUNDALL D E， CHAPMAN N P， UNDERWOOD G. Eye movements and hazard perception in police pursuit and emergency response driving[J]. Psychology Application， 2003， 9（3）： 163-174.

[7]RUNDMO T， IVERSEN H. Risk perception and driving behavior among adolescents in two Norwegian counties before and after a traffic safety campaign[J]. Safety Science， 2004， 42（1）： 1-21.

[8]BENDA V H， HOYOS C G. Estimating hazards in traffic situations[J]. Accident Analysis and Prevention， 1983， 15（1）： 1-9.

[9]WALLIS THOMAS S A， HORAWILL M S. Using fuzzy signal detection theory to determine why experienced and trained drivers respond faster than novices in a hazard perception test[J]. Accident Analysis and Prevention， 2007， 39（6）： 1177-1185.

[10]WICKENS C D. Engineering psychology and human performance[M]. 2nd Ed. New York： Harper Collins Publishers Inc.， 1992： 211-257.

[11]谢季坚，刘承平. 模糊数学方法及其应用[M]. 武汉：华中科技大学出版社， 2006： 23-28.

[12]PARASURAMAN R， MASALONIS A J， HANCOCK P A. Fuzzy signal detection theory basic postulates and formulas for analyzing human and machine performance[J]. Human Factors， 2000， 42（4）： 636-659.

[13]GREEN D M， SWETS J A. Signal detection theory and psychophysics[M]. New York： John Wiley & Sons Ltd.， 1966： 33-35.

[14]SCIALFA C T， DESCHENES M C， FERENCE J. A hazard perception test for novice drivers[J]. Accident Analysis and Prevention， 2011， 43（1）： 204-208.

[15]HORSWILL M S， ANSTEY K J， HATHERLY C， et al. Older drivers insight into their hazard perception ability[J]. Accident Analysis and Prevention， 2011， 43（6）： 2121-2127.

[16]WETTON M A， HORSWILL M S， HATHERLY C， et al. The development and validation of two complementary measures of drivers hazard perception ability[J]. Accident Analysis and Prevention， 2010， 42（4）： 1232-1239.

[17]SMITH S S， HORSWILL M S， CHAMBERS B， et al. Hazard perception in novice and experienced drivers： the effects of sleepiness[J]. Accident Analysis and Prevention， 2009， 41（4）： 729-733.

[18]黄静. 高速公路隧道驾驶员注视点分布特征分析[J]. 交通科技， 2010（1）： 91-93.

HUANG Jing. Analysis of drivers eye-movement distribution characteristics in freeway tunnel[J]. Transportation Science & Technology， 2010（1）： 91-93.

[19]唐智慧.新老驾驶员危险感知差异性研究[D].成都：西南交通大学，2012.