车道变换测试的灵敏度作为衡量车载系统需求的一种方式（有英文原文）--中英文翻译.doc
大学生方程式赛车设计（前后悬架设计）（有cad图+三维图）
收藏
资源目录
压缩包内文档预览：
编号：107141370
类型：共享资源
大小：73.28MB
格式：ZIP
上传时间：2020-12-20
上传人：好资料QQ****51605
认证信息
个人认证
孙**（实名认证）
江苏
IP属地：江苏
30
积分
- 关 键 词：
-
大学生
方程式赛车
设计
前后
悬架
cad
三维
- 资源描述：
-
资源目录下的文件所见即所得，，喜欢就充值下载吧=============================
资源目录下的文件所见即所得，，喜欢就充值下载吧=============================
资源目录下的文件所见即所得，，喜欢就充值下载吧=============================
- 内容简介：
-
车道变换测试的灵敏度作为衡量车载系统需求的一种方式绪论 司机在驾驶的时候被分散注意力是国际公认的一个重要的道路安全问题,特别的,那些潜在的分散和降低司机的驾驶注意力的车内部方便的技术如信息，通信,娱乐和先进的辅助驾驶技术等,已经成为世界性的研究课题和倡议政策. 设计这些系统的一个重要目的是确保驾驶时不过多的妨碍司机的驾驶任务和驾驶安全.在一个以商业利益为目的的技术引进而非出于安全考虑的领域中,这将是一个巨大的挑战. 这个目标的实现有赖于在车辆设计和安全评估中有广泛被接受的科学方法,包括视觉闭塞技术和外围检测等方法.以其目前的发展达到ISO标准,另一个方法，是移线试验(以下简称LTC).想把LTC作为一种有用的评价工具，LCT必须是有效和可靠的，并且具有高灵敏度. 本文的重点就是介绍LCT方法的灵敏性。即其分辨不同类型的能分散驾驶员注意力的技术的能力。1.1司机分心司机分心通常被描述为包含有不同的范围，而不是相互排斥的；例如，视觉，听觉和认知，生物力学（物理）等。这些类型，特别是视觉和认知分心，已经证明损害驾驶性能的不同方面，横向控制和事故检测度量对不同形式的驾驶干扰尤为敏感.例如,已被证明用增加车道变化来视觉负荷。相反，中等水平的认知负荷已被证明在车道保持性能的影响不大，甚至可以导致更精确的横向控制。此外，认知和视觉任务可以损害事故的检测，但认知的分心也可以影响驾驶员更快更充分地应对事故的能力。 鉴于其目前的发展进入了ISO标准和其在驾驶分心的研究越来越多地被使用，LTC能够测量和区分不同的驾驶分心的影响,这是很重要的. 因此本研究的目的是评估LCT区分视觉与不同层次的需求认知的灵敏性。1.2 变道测试LCT（变道测试）是一个基于PC的驾驶模拟，目的是定量测量由于同时进行中的次要任务的表现而引起的驾驶性能的退化程度,它已被广泛用来评估驾驶性能。同时该实验使用了一系列的车载信息系统（IVIS）为主驾驶任务提供信息支持（如导航）。此外，高级驾驶员辅助系统（ADAS）的应用也直接支持主驾驶任务。此前大量的研究都集中在对LCT进行验证。这些早期的验证测试很多都是作为高级驾驶员注意力度量（ADAM）项目的一部分，他们不但发展了LCT，而且表明LCT是一个有效，可靠和灵敏度高的的措施。 在随后的研究中，驾驶员发现：导航任务越复杂，在行驶路线变更时，偏离现象就越明显。这表明了LCT可以根据不同的工作量水平区分不同的次级任务。 最近，LCT的研究工作继续发展，通过提出新的性能衡量标准来扩展其诊断能力。鉴于引起注意力分散原因的的复杂性和多面性，任何评测方法都必须进行多方面测量，以求正确总结车载设备的安全影响，这一点尤为重要。大量的研究已经检测了几种LCT的衡量标准在区分不同类型注意力干扰因素上的灵敏度。 托姆和马库拉(2007)检测了两个新的LCT衡量指标的灵敏度，分别是：车道控制（高通滤波侧部标准差SDLP）和标志识别（正确的车道百分比 PCL），用来区分视觉任务和认知任务。结果表明，两种注意力分散的类型分别能对LCT的效果带来不利影响。视觉上而非认知上的任务导致对路径控制的下降；认知上而非视觉上的任务影响察觉力，不利于标志识别和响应。 布雅发现，经改编的平均偏差得分，正确变更车道比率和车道变换启动（LCI）这三个衡量指标能够区分一些视觉手工相配合的和听觉上的任务，但不能区别其他类型的任务。 最后，为了考虑到任务的持续时间，哈布鲁克等(2009, 24e30 p.) 检测了LCT中每个任务的平均偏差。这个平均偏差由平均偏差得分除以每次运行完成的任务数得到。他们发现，这种修改后的测量方法与原来的平均偏差分数相比，能够更好地根据不同的复杂度等级区分不同的导航任务。 这些研究表明，在目前提出的LCT效果检测指标中，至少有一些能够灵敏地测出不同类型的注意力分散产生的不同效果。然而，一些其他的LCT指标被研究人员和政策系统开发商越来越多地应用在论证IVIS系统的设计和安全问题方面。但我们仍然需要确定这些指标是否也能灵敏地检测出任务的不同。 本项研究扩展了上述研究结果。原因主要是：检测出了最近提出的一系列LCT横向控制和事件检测参数（标志间车道保持波动，正确变更车道百分比，车道偏移数，车道变换启动（LCI）和平均转向角）在根据不同层次需求区分视觉手工配合的任务和认知任务时的灵敏度。本项研究结果可以为以下讨论提供资料，诸如哪些LCT测量指标适合使用，哪些哪些可能需要进一步细化。本研究也丰富了越来越多此类旨在建立一套LCT心理测量特性，使其发展为一项ISO标准的研究。2.1 方法2.1.1 设计本研究采用重复测量设计，有一个独立的，可变的任务条件。其中有五个层次：一个基线（无次要任务）条件和四个次要任务条件：视觉容易，视觉困难，认知容易和认知困难。参与者通过操作PC版本的LCT，完成四项次要任务条件。关于次要任务条件的更多详细信息请参阅2.3.2。把这些次要任务条件相结合使得检测LCT在区分不同等级的需求以及不同类型的注意力分散（干扰条件）方面的能力成为可能。2.2 参与者二十七名持有有效驾驶执照的司机参加了这项研究。参与者中有16人是男性，11人是女性，平均年龄为24.4周岁（标准差(SD) = 3.0;范围=21岁31岁）。除了一名参与者持有试用驾照（在前4年独立驾驶期间颁发，有明确的乘客、手机和汽车动力限制规定）之外，所有参与者均持有有效驾照。参与者取得试用驾照的平均年龄为19.3周岁（标准差（SD）=2.6），每周平均驾驶时间为7.3小时（标准差（SD）=6.6）。参与者是通过校园告示板、实时通讯、莫纳什招聘网站和当地报纸选用的。本研究的伦理批准由莫纳什大学人文研究伦理问题常委会 (SCERH)授权。参加者报销其时间和交通费用。2.3 材料2.3.1 驱动任务驾驶性能通过使用LCT来测试。LCT是一个简单的模拟驾驶，由一条3000米直的三车道公路组成。速度通过这个系统被限制于60公里/小时,期间参与测试者被要求停留在整个驱动器里面。没有其他交通出现在路上。司机被要求通过18个出现在平均每隔150米路两边的信号来改变车道。信号是空白的，直到出现40 m标志,此时车道变化信息是鉴于(图1)。 图1-1 参与者被指示尽快改变车道，当他们看到出现在信号上的信息时。参与者不需要在到达换车道标志之前提前完成他们的车道变换。LCT在桌面PC上运行.这个设置的测试取材于一系列ISO标准草案 (ISO 2009)。这视觉场景在1900年的一个液晶显示器上被提出。控制仿真是通过一个罗技的莫莫力反馈游戏方向盘和油门和制动踏板来实现。参与者坐在一个高度可调的椅子,椅子和踏板位置近似一个真正的车辆。2.3.2 次要任务两个代理视觉手册和认知IVIS任务作为次要任务,每个都有两个层次的难度。人工或代理车载信息系统(IVIS)任务是用这样级别的任务需求以便于可以系统地操纵。2.3.3 视觉人工任务代理参考任务(苏尔特v 2 1)受控于视觉人工任务。任务要求参与者在相似视觉，小的干扰循环(视觉需求)当中来搜索一个更大的目标循环和使用键盘箭头键来选择屏幕的中包含的一部分目标(手动需求)。任务难度(容易,困难)是通过改变干扰项圈相对与目标圈的尺寸和增加可能出现目标的屏幕部分的数量来实现(容易=2区域,难=6个区域)。对于简单的情况, 目标循环是干扰循环的两倍,然而对于困难的情况，目标循环比干扰循环大15%。苏尔特的一个示例显示被包含在图1 b。视觉任务是半自学的,即参与者可能花同样多的时间来让他们的选择,但是当下一个刺激呈现出来的时候软件会被控制.苏尔特的已经广泛应用于IVIS研究(如,Bruyas等人,2008;Rognin等人,2007),同时被认为是一个满足IVIS任务需求的有效措施 (永利和理查德森,2008)。视觉辅助工作呈现在司机左边的一个仪表盘屏幕上,位于他们正常视野范围内的30(横向和纵向)并且触手可及。2.3.4 认知任务认知任务是由一个解决任务的数学难题,涉及基本的加法组成,再有两个难度水平容易和困难。随机数是使用DirectRT软件，通过一个耳机，大声念给参与者。对于简单的难度水平,参与者被要求添加到5，并且大声回应。对于困难的难度水平,参与者被要求增加到7。这个任务是半自学的,即参与者给予足够的时间需要对每一个问题进行回应(自控节奏), 但该系统在前一个反应给出之后会立即提出下一个问题 (系统节奏)。这个任务在实验前被广泛的指导,来确保在简单和困难水平中有一个适当程度的困难和分化。2.4 过程到达会议时,参与者完成了一个人口问卷调查。然后,他们得到了一个口头解释的LCT和次要任务,其次是静态的(没有LCT)实践和基线实验的可视觉和认知的次要任务。参与者完成1-2个在LCT上的实践驾驶，然后是6个试运行:基线、视觉简单、视觉硬、认知容易、认知困难和最后一个基线试验。在每个一心二用地开车之前,参与者被指示“集中你的注意力安全驾驶,但是不要忽略次要任务”。视觉和认知次要任务的顺序是通过参与者提出频传适应任何实践效果来达到平衡的。2.5 数据分析LCT的驾驶性能检查可以大致分类成横向车辆控制措施和事件探测检措施:2.5.1 横向控制措施2.5.1.1 平均偏差司机横向偏差的平均得分是与LCT规范性模型相比,后者是自动计算分析软件.标准模式代表了一种理想的车道改变路径。偏差分数计算出每个运行在整个长度的驱动(标准平均偏差分数),以及直线路段之间车道变化(10米的前后变化),后者在车道改变影响下提供了一个额外测量横向控制。参与者犯了一个错误的换车道例子被排除在直线部分分析，因为他们过度膨胀了这个偏差得分。2.5.1.2 平均转向角使用标准LCT分析软件来自动计算这一措施。平均转向角度数(相当于1/400的一个完整的圆)是计算出每一整个LCT运行。2.5.1.3 线路转移在每一次运行中，车道的偏移数量通过检查由LCT产生的横向位置跟踪示意图来得出运算。一个车道偏移被定义为LCT实际偏差跟踪移到外面的正确车道轨迹的所有例子。2.5.2 事件检测措施2.5.2.1 车道改变起始联芯国际企业代表了换车道信息呈现在一个标志上的距离和司机实际上启动了换车道的距离之间的不同.因此,联芯国际企业代表一个事件检测措施。2.5.2.2 正确的车道变化百分比在每次运行里正确运算的线路改变百分被计算作为一个措施来体现参与者正确回应线路改变命令的能力。此外,该类型由司机所犯的车道改变错误会被定性检查。两种类型错误会被检查:错过了车道变化(司机继续朝直方向驾驶而没有改换车道)和错误的车道变化(司机执行换车道,但是错误的车道)。2.5.3次级任务表现主要任务完成时间(以毫秒为单位)是计算视觉和认知次要任务,以检查任何潜在的性能权衡整个二级和LCT的任务。使用SPSS 15.0版做出了分析。单向重复测量方差分析(方差分析)被用来比较所有LCT性能措施的主要分数(除了正确的车道变化百分比)。由于损坏的数据文件，意味着偏差和LCI数据不能够被计算为一个司机所有。温室变更被制作用于直接部分的主要偏差和LCI分析。使用最小显著差别(LSD)计算出成功的比较。正确的百分比换车道数据不是正态分布,因此,分析了使用非参数弗里德曼测试。描述性分析变换车道的错误(错过与错误的LC)也被承担。两个基线运行任何措施没有被发现明显的误差,因此这些数据被组合成一个基线条件(p . 05)。结果被改正是因为必要使用温室-盖塞尔修改的球形违规。3.0 结果3.1横向控制措施3.1.1平均偏差整个传动和直线段的平均偏差分数呈现在图.2.图3-1平均偏差在整个驱动整个任务条件差距显著(F(4,100) = 6.53, p .001)。基线条件的平均偏差比所有的双重条件的要低(p . 05)。整个次要的任务,视觉简单和困难条件的平均偏差分数显著高于认知容易条件的平均偏差分数(p . 05)。通过任务，在直线路段(介于标志)的平均偏差发现了显著差异(F(3 73)=3.07,p . 05)。虽然当执行视觉任务与认知任务或基线条件相比之下平均偏差分数有变得更高的趋势，但观察到的唯一的显著差异是平均偏差分数在视觉容易相比认知容易条件更高(p . 05)。3.1.3.车道远行平均数量为每个驾驶状态的车道远行的平均数量显示在图3。图3-2车道远足数量方面的显著差异被发现在条件(F(4104)=8.86,p .),即所有的双重条件包含一个更大的数量的车道远足比基线条件(p . 01)。视觉硬条件还包含一个显著更高数量的车道远足比任何其他条件(p . 01)。这个数量的车道远足没有显著差异在其他三个一心二用地条件。3.2 事件检测和响应措施3.2.1 车道改变起始参与者发起一个车道变化在信息出现在每个标志的距离被记录下来,每一个标志方法显示在图4。图3-3一个显著影响驾驶的条件被发现(F(3 77)=4.04,p ),即平均距离从换车道标志开始到声明车道变化在认知困难条件更短相比较视觉容易和视觉困难条件(p . 05)。改变错误(错过或不正确的变化)。不正确车道改变的百分比反正在归属于每一个错误类型的每个条件下被包含在图标1内。这种分析显示的小百分比的车道改变错误了,大多数由错过巷的变化,表明一个失败检测到信号而不是误解它。这个错误类型是困难任务条件中很常见和略多普遍当在执行认知任务的时候。3.3 次级任务绩效两个独立的分析旨在研究两个次级任务的任务完成时间（没有驾驶）和当完成LCT的时候。2(基线,LCT)乘以2(容易,困难)重复测量方差分析(ANOVA)进行对于视觉任务和认知任务分别。由于技术问题,视觉任务数据没有被参与者记录。3.3.1 视觉平均完成时间每个视觉显示和底线和LCT条件都显示在图5。没有明显的相互作用任务难度和条件之间被发现(F(1、25)? 2.19,p . 05);然而,重要的主要影响发现条件(F(1、25)? 15.12,p )和难度水平(F(1、25)? 79.37,p .)。司机花了更长的时间来完成认知刺激当完成LCT时相比执行认知任务本身(基线)。完工时间也大大延长视觉刺激的困难比容易刺激。3.3.2 认知任务平均完成时间认知数学任务刺激的每个任务条件进行了分析和比较,显示在图5 b。 图3-4一个显著的主效应被发现的难度水平(F(1、26)? 36.17,p . 05), 也没有显著的条件的平均影响(F(1、26)=0.09,p . 05)。后者的结果是有趣的,因为它表明,司机没有交换认知任务的性能来支持驾驶任务。4 讨论当前的研究评估了几个最近LCT横向控制和事件提出检测参数的能力来区分视觉手册和认知代理IVIS任务的不同层次需求。许多横向控制指标被认为是对任务不同点很敏感,但是事件检测指标都不太能区分任务之间的不同。这些结果有可能对于包含的ISO标准的电池指标有重要影响。横向控制是一种常用的驱动性能措施,已被证明是对几种形式司机损伤很敏感。按照目前LCT横向控制指标,总体平均车道偏差测量确认这个措施是对微分的影响视觉和认知转移。正如预期的那样,整体平均偏差分数最高的司机开车时执行视觉次要任务,均明显高于认知容易和基线条件。两个认知任务的平均偏差分数均明显高于基线条件,虽然这些任务的影响在横向控制方面比视觉任务较少。任务难度而言,有一个趋势,平均偏差分数较高的艰苦任务条件比容易条件;然而,这种差异不显著。为什么平均偏差测量是不敏感的任务需求的差异不是完全清楚。平均偏差结果相符的过去在这个领域的研究,它表明,visualmanual增加负载增加车道保持变化,而认知二次任务的影响不大,或者没有效果,在车道保持性能(Engstrom et al。,2005;格林伯格et al。,2003;Wilschut et al。,2008)。减少车道保持成绩时期的视觉手册的需求被认为是结果。至少对于视觉任务，昏迷可能源于自然的苏尔特任务的使用。这个不同程度的复杂性主要来源于该任务持续时间的差异,而不是更大或更小数量的认知资源。当参与者被不断从事苏尔特任务(即下一个刺激立即完成后另一个),这不是意外, 个人任务持续时间的差异在简单的和困难的条件不反映在驾驶分数。它不太可能是由于水平的任务困难使用,这是显示在广泛的驾驶进行该试验之前已经足够不同的感知水平的需求。平均偏差结果普遍符合的过去在这个领域的研究在这个领域的研究,它表明,视觉手动增加负载增加车道保持变化,而认知次级任务的影响不大,或者没有效果,在车道保持性能的条件下。在视觉手册需求的时期，减少车道保持性能被认为源于转向错误的加强。当视觉注意力转移路上,司机倾向于保持一个固定的转向角,使更少的微操舵纠正,可反过来导致巷编织和远足。与苏尔特任务相关联的手工需求可能还会导致了车道保持变异的增加。认知需求,然而被认为有更少的影响车道保持由于视觉的影响隧道。Engstrom et al.(2005)发现,当执行认知任务时，司机的视觉扫描模式改变,这样就增加了他们的目光集中向道路的中心。这导致一种改进的跟踪响应和降低横向偏差。一个类似模式的结果发现了道路延伸的平均数量。最多数量的车道远足(任何部分车辆外正确的车道)被发现的视觉硬条件,这是明显高于一切其他的双重条件和基线条件。认知和视觉容易任务中的道路冲程数量高于比基线的。这些结果表明,车道偏移测量至少是有点敏感于任务类型和层次差异需求的不同点。其他两个横向控制指标似乎对视觉体力和认知任务的不同层次需求拥有有限的灵敏度。发现无显著差异在任务意味着转向角。一些差异也被发现在直线平均偏差措施的任务中,并且只有视觉和认知容易任务不同于其他(尽管模式的趋势是在预期的方向)。两个事件检测指标检查也会出现有限的灵敏度对于不同的IVIS任务。没有显著差异被发现在正确车道改变措施比例的任务。车道改变起始(LCI) 代表一个事件检测测量和之前的研究发现,司机发现和应对能力任务的能力(格林伯格et al,2003;斯特雷耶和德鲁斯,2004;斯蒂尔et al,2003)。不仅一些差异被发现于任务中,而且LCI分数在基线条件中比双任务条件中长。这表明受试者服用更少的时间来启动他们的车道改变当执行另一个的任务比不分心,这一发现与其他LCT研究。车道改变起始措施的结果是非常意外的。司机可能,因此,可以预见巷调节他们的行为改变事件,与二次相应的任务,这样他们的响应这些事件不是退化,甚至可能是改善如果他们分配更高的优先驾驶任务。实际上,当观察参与者完成LCT这个过程时,实验者指出,许多参与者在调节他们的次级任务的配合，这样他们可以在道路的变化后立即执行任务。虽然其他的研究已经发现,司机困难应对事件干扰时,这些事件通常被意想不到的或未预料到的(克劳尔et al。,2006;流浪者et al。,2003。司机检测和响应事件的能力可能较少受影响与次级任务的配合，如果这些事件是受到期望的话。这个解释也可能占的百分比,为什么正确车道变化非常高在一心二用地条件。该研究数据也影响被声明作为ISO草案标准的LCT指示。一个可能同时影响横向控制和事件检测结果的重要因素是给予参与者的车道改变指令。符合LCTISO标准草案(ISO 2007),参与者在当前的实验被要求改变车道,就尽快可能换车道后信息出现在签署。不同于其他LCT实验采用的指令(例如,Harbluk et al。,2007;2009),当前的参与者没有要求去完成他们的车道变换当他们达到换车道标志的时候。而使用的指令当前的研究导致了更多的渐进的、也可以说是更自然的道路变化,它确实有效果诱导更高的意思偏差值比在其他的研究已经发现,可能不一致。这些更加渐进的车道改变操作可能减少了LCT所需的注意力需求水平,使它对于次级任务不同的影响不太敏感。使用不同的车道改变指令来提高水平的任务需求可能LCT增加检查的敏感性措施在这个研究。承认1.2米的平均偏差标准被指定在ISO标准中是着手这个实验之前没有被碰到，这个是非常重要的。事实上,这一标准没有达到任何试验,包括最后的底线驱动(平均偏差=1.6米)。相对更高的平均偏差分数在研究过程中发现被认为是由于给出说明的结果,而不是缺乏任务的实践。还应该考虑到1.2米标准指定是否在标准草案中太严格,因为它代表一个车道改变策略,不是一个真实发生在真正驾驶中的描述。我们结果突出的潜在意涵不一致的解
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
|
2:不支持迅雷下载,请使用浏览器下载
3:不支持QQ浏览器下载,请用其他浏览器
4:下载后的文档和图纸-无水印
5:文档经过压缩，下载后原文更清晰
|
川公网安备: 51019002004831号