能否对年轻驾驶员进行培训使其能够识别难以识别的危险道路交通场景从而降低自身风险

Canyoungerdriversbetrainedtoscanforinformationthatwillreducetheirriskinroadwaytrafficscenariosthatarehardtoidentifyashazardous?Reporter：能否对年轻驾驶员进行培训，使其能够识别难以识别的危险道路交通场景，从而降低自身风险？18至21岁的年轻驾驶员(至少拥有1年驾驶执照)，每1亿英里的致死率几乎是安全驾驶者(50至54岁)致死率的五倍（InsuranceInstituteforHighwaySafety2004a）Introduction死亡率增加的原因很多，包括速度和酒精等因素l(Mayhewetal.1986)对2000年警察报告的撞车事件进行了分析，该撞车事件涉及的年龄，在16至19岁之间的持牌年轻驾驶者，这表示撞车的主要原因是因为驾驶者未能完整扫描道路上的信息，来降低驾驶员的风险。(ChapmanandUnderwood1998a),Introduction在实际发生危险的期间，与经验丰富的驾驶员相比，新手驾驶员在前进道路上的注视时间更长（ChapmanandUnderwood1998a），这表示他们对事件的反应可能较慢。在16种不同的情况下，16至17岁的驾驶员扫描关键区域的时间为35.1%；19至29岁的有执照驾驶员，扫描到关键区域时间为50.3％；年龄在60至75岁的有执照的驾驶员，扫描关键区域的时间为66.2％。从相同情况下的行为测量中，还可以清楚地看出，年轻驾驶员对风险的反应并不像经验丰富的驾驶员那样安全(Fisheretal.2002)可能是因为他们没有意识到风险ChapmanandUnderwood(1998a)发现有些情况的危险不明显，新手驾驶员可能不会扫描到关键区域，因此原因不能都归类于驾驶者对于前方道路的注视时间长。Introduction眼球移动模式已被证明存在于经验丰富的驾驶员中。藉由驾驶指导员建议，这些模式包括视觉扫描的宽和快速模式(MillerandStacey1995)此研究希望能藉由PC的培训计划，在潜在危险的情况下，教导有经验、有驾照的年轻驾驶员寻找关键讯息。使用眼动仪确定驾驶员是否正在注视车道的那些特定区域，并在现场评估年轻驾驶员的眼睛扫描行为，是否包含可用于降低碰撞风险的讯息。Methods参与者：24位驾驶者（12名男性，12名女性）都持有有效的美国驾照至少一年年龄在18至21岁之间分别随机分配到训练组或未训练组中(每组中有6名男性和6名女性参与者)MethodsApparatus使用MicrosoftWindowsXP的便携式计算机，介绍培训计划使用MacromediaDirector开发这个培训计划便携式轻巧的眼动仪（由美国马萨诸塞州佩德福德的应用科学实验室开发的MobileEye）在道路行驶中收集每个驾驶员的眼动数据每位参与者都驾驶着四门自动变速器的轿车（一辆2002ChevyPrizm或一辆2000ChevroletCavalier）Methods训练组使用在阿默斯特马萨诸塞大学开发的RAPT程序在PC上进行了培训第一版（RAPT-1）(Fisheretal.,2004)(Pollatseketal.,2006b)第二版（RAPT-2）(Pradhanetal.,2005b;2006a)第三版（RAPT-3）当前研究开发的目的在说明危险情况的不同类别（但没有明显的危险信号），且训练驾驶员将注意力集中在关键区域上MethodsRAPT-3包含九种驾驶场景，其中存在与其他车辆或行人发生碰撞的风险。隐藏风险因为道路的几何形状或车辆，而导致车辆或行人被隐藏在视线中。可视风险由可见元素所引起的，可能为突然改变车道的汽车，或因为行人的出现导致前方车辆的紧急剎车。Methods隐藏的人行道场景驾驶员正在接近带有停车标志的十字路口十字路口旁有一个人行横道在停车线之外的右侧，有一个高树篱，遮盖了人行道风险是隐藏在树篱后面骑自行车的人或行人(他们可能会突然进入人行横道)。MethodsRAPT-3培训计划的3个主要部分为：预测试，训练，进行测试预测试每种情况均以一系列照片形式呈现一个场景包含5到12张照片，具体取决于场景的长度和复杂性。这些照片显示了在特定驾驶情况下，行驶车辆的驾驶员视野每张照片显示3秒钟。参与者使用鼠标单击每张照片必须特别注意这些区域。记录了鼠标点击的坐标和反应时间Methods照片通常是在汽车前方的视野，但是在驾驶员必须向左或向右看时，（例如在十字路口），参与者可以单击左侧或右侧边距上提供的按钮，它将显示相应的左视图或右视图预测试Methods首先为参与者显示了场景的示意图，并附带了有关特定场景风险方面的说明。训练经过这些解释，再次为参与者提供该场景的照片。若参与者可以成功识别关键区域，则程序将移至下一个场景。如果不行，则使用示意图和相对应的说明，将参与者带回场景的训练部分。Methods再次向参与者展示了九张照片序列，并要求用户使用鼠标点击来识别潜在风险区域。测试Methods主要分析10个感兴趣的场景包括主要干道和各种十字路口，涵盖了农村，住宅，城市和高速公路的行驶情况。每位参与者驾驶的路线是在马萨诸塞州阿默斯特及其周围绘制的16英里长的路线。5个近距离转移场景(训练中出现的场景)5个远距离转移场景(与训练期间看到的场景不同)→驾驶员注视着可能出现威胁的位置，就判断驾驶者为可以识别潜在风险。Methods一辆停在人行道前的卡车，这样行人将被隐藏起来(类似于上述隐藏的人行道场景)远距离转移场景(例如)一辆卡车（卡车挡住了汽车行进的路线），这次是一辆卡车停在小镇郊区的路边。两种远距离转移情况（盲车道和前方弯曲停车的情况）都带有警告标志，向驾驶员指示他们需要特别注意前方的道路。Methods实验程序驾驶者填写知情同意书，向训练组的参与者提供有关培训计划的书面说明训练组在PC上完成了RAPT-3

(该程序大约花费30-45分钟)训练组和对照组都提供有关研究中道路驾驶部分的书面说明。该说明涉及基本的交通安全（例如张贴的速度限制和交通规则）Methods配戴眼动仪开始实验(Part-3的测试)完成整个过程需要大约45-55分钟才能完成研究人员向参与者提供了转弯讯息的适当位置。Methods使用二进制计分方法记录驾驶员的扫视行为。如果驾驶员的眼球行为在开始区域时，就已经处于潜在风险的目标区域，则假定驾驶员已识别出该场景中可能存在风险的区域，该场景的得分为“1”，若没有则为0。评分是由三个不同的评分者独立进行的。为了防止评分者出现偏见，评分者不知道驾驶员的组别（训练与未训练）他们一起对情景中的数据进行了研究，以确定他们是否可以达成共识。当他们达成共识时，则使用此分数；当他们无法达成共识时，就不会使用该参与者的情景数据（通常是因为眩光使眼动模式难以评分）。Methods使用二进制计分方法记录驾驶员的扫视行为。如果驾驶员的眼球行为在开始区域时，就已经处于潜在风险的目标区域，则假定驾驶员已识别出该场景中可能存在风险的区域，该场景的得分为“1”，若没有则为0。评分是由三个不同的评分者独立进行的。为了防止观察者出现偏见，评分者不知道驾驶员的组别（培训与未培训）他们一起对情景中的数据进行了研究，以确定他们是否可以达成共识。当他们达成共识时，则使用此分数；当他们无法达成共识时，就不会使用该参与者的情景数据。Result接受过RAPT-3培训的新手驾驶员，更有可能在近距离和远距离转移场景中浏览到关键区域。训练组在测试前到测试后，对于识别出潜在风险的正确率有显著的提升培训前正确率：32.4％，培训后正确率：80.6％，t（11）=9.60，p<0.001训练组更有可能看见道路上的风险区域（60.6％），比原先未经过训练，提高了28.8%，t（22）=4.58，p<0.001。Result五种近距离转移场景，训练组识别出风险的比例（72.7％）与未训练组（34.6％）之间相差38.1%，t（22）=5.36，p<0.001五种远距离转移场景，训练组识别出风险的比例（46.0％）与未训练组（28.1％）之间相差17.9%，t（22）=2.62，p<0.01。未训练组仅有一项场景的识别出风险的比例高于训练组。Result受过训练的驾驶员在已经看过的场景中，扫描到左边危险区域的频率和扫描到右边危险区域的频率，高于在没看过的场景中的频率(左边高24.8%、右边高29.6%)受过训练的参与者看向左边或看向右边的平均值为27.2％，t（10）=3.92，p<0.005未经培训的参与者，看向左边或看向右边的平均值为10.6％，t（10）=1.84，p>0.05。即培训过后的参与者，其视线会投向场景中适当的一侧，而不是普遍地环顾四周而已。Limitations驾驶员可能只是将他们在透视图中所看到的与他们在现实世界中所看到的相匹配，而实际上并没有