危险预测区分新手和经验丰富的驾驶员

Hazardpredictiondiscriminatesbetweennoviceandexperienceddrivers

危险预测区分新手和经验丰富的驾驶员Introduction尽管许多研究在SA和HP之间建立了关系，但很少有人将SA用作危害感知的研究基础。Gugerty（2011）指出使用SA的测量技术能够研究新手驾驶员和有经验驾驶员之间的差异但却无法应用在驾驶任务中。危害感知(HP)最常被定义为对道路上危险情况的预测能力，许多研究人员也尝试在情境意识(SA)的理论架构中了解危害感知(HorswillandMcKenna,2004)。此研究使用3个研究方法，部份解决了此一差距，并使用SA技术来测量驾驶员的危害感知。研究的目的不是支持SA技术能应用到驾驶员危害感知的探讨，只是为了调整SA技术，以更好的将危害感知的预测条件区分Introduction有人批评情境意识全球评估技术（SAGAT）具有破坏性，且过分依赖记忆(e.g.Dursoetal.,2006)。透过SA的第二种最常见的直接评估方式，现状评估方法（SPAM)，可以克服这些问题(Dursoetal.,1995,DursoandDattel,2004)。该方法是向参与者提供一个调查性的问题。在主要任务进行中，当参与者确认自己在能负荷的情况下，接收这个问题，并提供回答(例如：参与者选择何时回电话，并回答问题)。接受调查性问题的等待时间反应了工作量（较长的等待时间代表主要任务在那个时间点的对于参与者的要求很高）Introduction在所有这些方法中，SAGAT似乎最适合用来研究危害感知中的预测行为。重要的是“接下来会发生什么？”，而不是将影片在危险之前停止。区别有无经验驾驶员的因素是当影片结束时，驾驶员拥有讯息间的数量和适当性。Dursoetal.(2006)说暂停的影片，对于记忆具有破坏性，但此研究的测验与

Dursoetal.的SA任务不同，不会将影片持续数小时，也较不复杂。Introduction其他研究人员也注意到了危害处理的这种多面性。Borowsky和Oron-Gilad（2013）使用了三个单独的测试（危害感知，危害分类和危害等级）来评估危害处理的不同组成部分。危害感知中，关于可能发生碰撞的危险程度，可以在驾驶者的危害评分和危害分类当中得知。发现、理解、评估和反应都是与道路上危险互动的各个独立面向，这进一步受到驾驶策略，谨慎和知觉搜索的影响(HorswillandMcKenna,2004)为了确定参与者对于危害的准确性，研究人员建立了HP测试版本，其中包括使用鼠标游标或触摸荧幕对准确性进行测量的方式，以便对危险进行定位(e.g.Wettonetal.,2010,Wettonetal.,2011)对于驾驶员危害感知的判断测试中，危险的预测、危险处理的速度以及感受到的危险程度，都是能有效区别安全和不安全驾驶员的因素，但使用危害感知影片的研究仍然是复杂的，有些研究中仍无法区分出驾驶员种类(ChapmanandUnderwood,1998,SagbergandBjørnskau,2006,Borowskyetal.,2010,Underwoodetal.,2013)。IntroductionCrundalletal.(2012)将驾驶员视觉接近危害区域的讯息，视为危害前兆，并发现有经验的驾驶员比新手驾驶员更有可能注视这些区域，使用这些前兆来预测危险的可能性。情境意识(SA)的理论架构适用于危害感知领域，以便将预测分开成一个行为结果。Introduction研究目的：透过预测即将发生危害的能力，来区分新手驾驶员和经验丰富驾驶员。此研究也特别关注以下3点：持续危害感知中的努力性：较长的影片片段需要更多持续的关注，这对于新手和经验丰富的驾驶员有不同的影响。操作黑屏时间点：离危险的不同距离下暂停影片对于驾驶员的的影响调查危险前兆与危险之间的关系：危险事件的性质是否会影响预测准确性（将危险分为行为危险和环境危险，Crundalletal.,2012)Methods

-持续危害感知中的努力性参与者：30位拥有全部英国驾驶执照的驾驶员（23位女性，7位男性，平均年龄20.8岁）15位新手驾驶员(平均驾驶经验=2.1年）15位经验丰富驾驶员(平均驾驶经验=3.7年)视力矫正后均为正常Methods-持续危害感知中的努力性ApparatusSony或Panasonic高清晰度数位摄影机下巴托确保了与荧幕60cm的可视距离影片在24英寸iMac计算机上显示Methods-持续危害感知中的努力性从影片数据库中剪辑30个危险影片和10个无危险影片影片包括阶段性危害和自然危害影片中有各式各样的道路街景，包括城市，郊区，双车道和高速公路这些道路跨越了各种天气条件（晴天，阴天，薄雾）危险影片长度分别为长（平均长度为44s），中（平均长度为24s）和短（平均长度为10s），无危险影片长度都不固定。Methods-持续危害感知中的努力性采用2

x

3的混和因子设计组间因子：驾驶经验（新手与经验丰富的驾驶员）组内因子：影片长度(长，中和短)依变量：根据每个影片片段后，对于3个问题的回答来确定即将到来的危害准确性要求参与者报告危险源（行人）、危险源的位置（沿着左边的人行道行走、预测荧幕没有黑屏时的危害（她将走进马路）这三个问题都答对的总分为6分Methods-持续危害感知中的努力性实验流程参与者填写人口统计调查表(包括他们的驾驶经验和事故历史)坐在距离荧幕60cm的位置观看从驾驶员角度拍摄的影片首先，先进行2个练习影片实验开始，每个影片以黑屏结束后，会询问参与者3个与任何潜在危险源、位置和接下来可能发生事件的问题，并用口头进行答覆危险定义为道路环境中存在的物体或事件，如果没有适当的操作（例如驾驶转向以避免碰撞），可能会增加发生碰撞的潜在风险。Result-持续危害感知中的努力性所有问题的总分将转换为每位参与者的百分比影片长度之间也有显著的影响(F(2,56)=4.4,MSe=73.7,p<0.05)，其中影片长度中间的反应比影片长度较长的还正确(68.82%vs.62.4%;F(1,28)=7.4,MSe=167.6,p<0.05)驾驶员组别间有显著影响(F(1,28)=45.4,MSe=92.7,p<0.001)，其中经验丰富驾驶员的表现优于新手驾驶员（77.8％vs.54.1％）新手驾驶员的表现虽然都比经验丰富驾驶员来的差，但统计上都未达显著水平(F(2,56)=2.8,MSe=73.7,p=0.07)Discussion-持续危害感知中的努力性此结果与McKenna和Farrand（1999）的发现不符，它的结果显示对于有经验的驾驶员而言，危险感知可能比新手更费力。这种不一致可能是因为后预测过程需要更多的努力性（例如，判断事件的相对危险性）在目前的研究中，当危险感知的预测成分被分离出来时，发现经验丰富的驾驶员对于任务时间不受影响，这与经验丰富的驾驶员可能使用长期记忆模板来减少危害预测需求相关。Methods

–操作黑屏时间点参与者：42位拥有英国驾驶执照的驾驶员21位新手驾驶员(16位女性，14位男性，平均年龄20.5岁，平均驾驶经验=1.8年）21位经验丰富驾驶员(14位女性，7位男性，平均年龄=23.9岁，平均驾驶经验=6.4年)视力矫正后均为正常目前进行的实验是测试有经验的驾驶员是否可以真正利用危害发生前的征兆，尽早发现危害Methods-操作黑屏时间点从影片数据库中剪辑30个危险影片和10个无危险影片(10~30sec之间)每个影片都建立了危害最早出现点（在影片最后之前约1250毫秒）、中间点（在影片最后之前约800毫秒）和最后出现点(实验1中黑屏的位置)的黑屏，而无危险影片则没有，他们仅在最后出现点出现黑屏。危害最早出现点危害中间出现点危害最后出现点Methods-操作黑屏时间点采用2

x

3的混和因子设计组间因子：驾驶经验（新手与经验丰富的驾驶员）组内因子：影片黑屏时间点不同(早，中和晚)依变量：根据每个影片片段后，对于3个问题的回答来确定即将到来的危害准确性要求参与者报告危险源（行人）、危险源的位置（沿着左边的人行道行走、预测荧幕没有黑屏时的危害（她将走进马路）这三个问题都答对的总分为6分每位参与者之间观看的影片具有不同时间点的影片组合Ex.参与者A：观看影片1-10的较早黑屏时间点、影片11-20的中间黑屏时间点和影片21-30的最后黑屏时间点Methods-操作黑屏时间点实验流程参与者填写人口统计调查表(包括他们的驾驶经验和事故历史)坐在距离荧幕60cm的位置观看从驾驶员角度拍摄的影片首先，先进行2个练习影片实验开始，每个影片以黑屏结束后，会询问参与者3个与任何潜在危险源、位置和接下来可能发生事件的问题，并用口头进行答覆实验结束后，参与者须填写五分制的信心量表，填答他们对预测答案的信心程度。危险定义为道路环境中存在的物体或事件，如果没有适当的操作（例如驾驶转向以避免碰撞），可能会增加发生碰撞的潜在风险。Result-操作黑屏时间点所有问题的总分将转换为每位参与者的百分比影片黑屏的时间点之间也有显著的影响(F(2,80)=76.3,MSe=142,p<0.001)驾驶员组别间有显著影响(F(1,40)=9.9,MSe=115,p<0.005)，其中经验丰富驾驶员的表现优于新手驾驶员（79.9%vs.69.5%)影片最后黑屏的时间点比影片中间黑屏的时间点还正确(88.1%vs.79.1%;F(1,40)=22.2,MSe=152,p<0.001)影片中间黑屏的时间点比影片最早黑屏的时间点还正确(79.1%vs.56.9%;F(1,40)=66.5,MSe=312,p<0.001)Result-操作黑屏时间点影片黑屏的时间点在信心程度之间有显著差异(F(2,80)=33.2,MSe=0.347,p<0.001)最后黑屏时间点的信心程度比中间黑屏时间点的信心程度高(4.3vs.4.0，F(1,40)=15.8,MSe=0.1,p<0.001)而中间黑屏时间点的信心程度比最早黑屏时间点的信心程度高(4.0vs.3.7，F(1,40)=24.9,MSe=0.2,p<0.001)各驾驶群组之间在信心程度上无显著差异各驾驶群组之间对于无危险影片的信心程度皆相同，且与最早黑屏时间点的信心程度相似(3.7)。Discussion-操作黑屏时间点较早黑屏的时间点会降低两组的预测准确性，这也代表影片最后黑屏前的讯息对于提高准确性是非常重要的关键有经验驾驶者从较早黑屏前中所获的的信息没有比新手驾驶员多很多。与实际预测准确性相比，所有驾驶流程中都过分自信，其中新手驾驶员在较早黑屏中有较大程度的差异。Methods

–危险前兆与危险之间的关系参与者：30位拥有英国驾驶执照的驾驶员15位新手驾驶员(13位女性，2位男性，平均年龄20.7岁，平均驾驶经验=0.9年）15位经验丰富驾驶员(10位女性，5位男性，平均年龄=20.8岁，平均驾驶经验=3.4年)视力矫正后均为正常评估行为预测危害（BP）和环境预测危害（EP）之间的相对困难度，并将预测的影片片段根据危害前兆的性质进行分类Methods-危险前兆与危险之间的关系从影片数据库中剪辑30个影片(5~56sec之间)10个影片为行为预测危害(BP)10个影片为环境预测危害(EP)10个无危险影片行为预测危害(BP)影片：危害中间出现点危害最后出现点Methods-危险前兆与危险之间的关系采用2

x

2的混和因子设计组间因子：驾驶经验（新手与经验丰富的驾驶员）组内因子：危险类型(行为预测危害（BP）和环境预测危害（EP）)依变量：根据每个影片片段后，对于3个问题的回答来确定即将到来的危害准确性要求参与者报告危险源（行人）、危险源的位置（沿着左边的人行道行走、预测荧幕没有黑屏时的危害（她将走进马路）这三个问题都答对的总分为6分Methods-危险前兆与危险之间的关系实验流程参与者填写人口统计调查表(包括他们的驾驶经验和事故历史)坐在距离荧幕60cm的位置观看从驾驶员角度拍摄的影片首先，先进行2个练习影片实验开始，每个影片以黑屏结束后，会询问参与者3个与任何潜在危险源、位置和接下来可能发生事件的问题，并用口头进行答覆实验结束后，参与者须填写五分制的信心量表，填答他们对预测答案的信心程度。危险定义为道路环境中存在的物体或事件，如果没有适当的操作（例如驾驶转向以避免碰撞），可能会增加发生碰撞的潜在风险。Result-危险前兆与危险之间的关系所有问题的总分将转换为每位参与者的百分比BP危害比EP危害更准确(79.7%vs.61.4%，F(1,28)=24.6,MSe=204,p<0.001)驾驶员组别间有显著影响(F(1,28)=17.4,MSe=419,p<0.001)，其中经验丰富驾驶员的表现优于新手驾驶员（81.6％vs.59.6％)Result-危险前兆与危险之间的关系2个因子之间有显著的交互作用(F(1,28)=11.3,MSe=204,p<0.005)新手驾驶员在预测EP危害方面比BP危害还要差(t(14)=6.2,p<0.001)。经验丰富驾驶员在预测EP和BP危害方面的准确性之间没有显著差异(t(14)=1.1,p>0.1)。在EP危害中，经验丰富驾驶员比新手驾驶员的回答还要准确(t(28)=4.5,p<0.001)。Result-危险前兆与危险之间的关系在驾驶经验之间的信心程度上有显著的差异(F(1,28)=11.3,MSe=0.4,p<0.005)经验丰富的驾驶员在接近危害时，对于自己的回答非常有信心(平均分数界在4.3~3.7)。在危害型态之间的信心程度上也有显著的差异(F(1,28)=10.9,MSe=0.1,p<0.005)参与者对于BP影片的信心程度比EP影片高(4.2vs.3.9)若无危害影片的评分加入分析，还是不影响上述的结果，但对于无危害影片的信心程度还是比EP危害高(F(1,28)=4.9,MSe=0.2,p<0.05)。Discussion-危险前兆与危险之间的关系除了支持危害预测是危害感知的关键因素这一假设外，研究结果还支持了Crundalletal.(2012)根据危害前面征兆与危害之间关系的分类。Crundal