摘要
以车辆极限行驶工况为负性刺激,通过评价量表和现场访谈获取了12名受试者作为前排乘员在实车试验中的主观感受,并运用生理多导仪记录了皮肤电活动数据;通过对比经历刺激前后的数据并结合假设检验,分析了主观评价的变化。结果表明:在经历极限行驶工况刺激后,乘员对车辆控制能力的预期有显著提高,但对车辆决策意图不确定性的担忧加剧;将皮肤电导水平数据与试验过程中的事件信息相结合,能够反映乘员预期的变化。
自动驾驶技术在世界范围内已得到广泛的推广。随着研究的深入,研究重点将逐渐由可靠性、安全
由于自动驾驶汽车具备自主行驶能力,并且有条件具备相较人类驾驶员更出色的运动控制和车间协同能力,因此自动驾驶汽车行驶行为有别于乘员基于传统汽车驾乘的经验。例如,异于人类驾驶习惯的轨迹规划和运动控制所带来的较小的障碍物间距和频繁的加速度变
鉴于生理活动是精神活动的基
综上,现阶段缺少对于由车辆行驶行为引起的乘员舒适性的关注,缺乏乘员预期对评价结果影响的研究。因此,将以视觉信息为主的车辆极限行驶工况作为负性刺激,基于自然驾驶数据和危险工况数据设计试验工况,结合主观量表、SCL数据和现场访谈信息,分析受试乘员受到负性刺激前后的主观评价变化,研究预期对评价结果的影响和预期的表征方法,为自动驾驶汽车舒适性评价研究积累经验。
在设计实车试验场景时,需考虑刺激的有效性和可操作性。在车辆极限行驶工况下,通过视觉信息使受试者获得负性刺激,然后对比刺激前后的主观感受变化。选择实车试验,主要是为了避免驾驶模拟器中存在的试验干
平衡觉刺激易诱发晕动症导致的头晕、恶心等症状群,使得受试者无法准确体验试验过程和描述主观感受,因此应尽量避免平衡觉刺激产生。由自然驾驶数据和危险工况数据可知,行驶过程中驾乘人员负性情绪对相对距离、相对速度敏感。参考真实交通流中前车或障碍物突然出现时的紧急工况,以及激进型驾驶员通过在纵向上刻意逼近前车以获取临车道的侧向变道空间的驾驶习惯,在行驶过程中产生较强负性情绪的有效途径之一是将视觉刺激最大化,即尽可能逼近障碍物使碰撞时间(tTTC)尽量小。减小tTTC的方式是减小相对距离,或是增加相对速度。由于试验场地已限制了最大车速,因此相对速度一定时,在现有试验条件下实现相对距离减小的方式有2种:一是设置车辆稳定操纵前提下的变道距离参考点,至参考点变道避障;二是设置较大减速度时的制动距离参考点,至参考点后减速停车避障。
由计算可知,制动方案下前庭产生3 s左右的加速度刺激,该加速度持续为峰值,车辆在制动参考点时的最小tTTC约为1.5 s。变道方案下前庭产生1 s左右的横摆角速度刺激,存在2次瞬时峰值,车辆在变道参考点时的最小tTTC约为0.5 s。因此,变道方案下平衡觉刺激更小、更短,视觉冲击更强烈。
经预试验实践,制动方案下受试者易产生生理不适感,进而影响过程体验和受访质量;视觉刺激明显小于生理刺激,受试者的试后评价多以生理不舒适的感受为主;受试者反馈眩晕感并影响后续试验实施。变道方案下前庭觉峰值刺激瞬时,刺激持续时间短;最小tTTC小,视觉冲击大,试验后评价以视觉刺激诱发的紧张情绪为主;无受试者反映眩晕情况,对后续试验实施无影响。据此,前者适用于关于行驶行为诱发晕动症的研究,后者更适用于对由行驶策略诱发消极情绪的研究。因此,基于变道方案设计试验场景。
如

图 1 试验场景示意图
Fig. 1 Schematic diagram of test scenario
如

图 2 车辆行驶轨迹
Fig. 2 Trajectories of vehicle
由于是对比受试者受到刺激前后的主观感受变化,因此工况命名借鉴了对照试验中对照组和试验组的概念,将用于对照分析数据采集的第1、3次试验分别命名为对照工况和测试工况,将给予受试者负性刺激的第2次试验命名为干扰工况。各工况设置如
在试验过程中受试者乘坐在试验车辆的副驾驶位,并佩戴生理多导仪。每次试验后,由乘坐于试验车辆后排的记录员通过评价量表和访谈记录受试者在当次试验中的主观感受。
为了采集受试者生理指标,选用了BioRadio(BR)生理多导仪采集皮肤电信号,皮肤导电水平数据通过粘贴于手掌内侧的电极片测量。此外,使用Intelligent Test Terminal(iTT)高精度定位测试仪同步记录车辆运动状态、位姿数据和车内视频数据。
试验过程中各设备独立采集和记录数据,试验结果分析时通过协调世界时(coordinated universal time,UTC)进行不同设备间的数据同步。
由于样本含量较小,因此采用t检验中的配对检验来验证指标变化的统计学意义。通过t分布理论来推论差异发生的概率,从而比较2个平均数的差异是否显著,计算式如下所示:
(1) |
式中:为配对样本差值的平均数,;为配对样本差值的标准差,;为配对样本差值的期望值;n为配对样本数。
借鉴李克特量表对主观感受量表进行设计,记录了试验车辆逼近障碍物过程中受试者感受到的紧张程度以及假设车辆处于自动驾驶状态时受试者对该行驶行为的接管意愿程度。各以1~5等级进行主观判断,两极分别代表完全不存在该项感受、非常具有该项感受,分数说明受试者的态度或状态强弱。通过访谈获取了受试者在试验开始时的心理状态。

图 3 主观量表统计结果
Fig. 3 Statistical results of subjective scale
根据t检验,对于紧张程度,试验序号2(3.83±0.72)较试验序号1(1.67±0.78)表现为显著上升 (t=8.990,P=0.000);对于接管意愿程度,试验序号2(4.75±0.45)较试验序号1(1.92±1.00)也表现为显著上升(t=10.470,P=0.000)。由此判断,试验序号2的极限行驶工况对受试者的刺激是有效的。
为了体现受试者的主观感受在经受刺激前后的变化情况,将全部受试者的试验序号3与试验序号1的主观量表结果进行对比。如

图 4 主观量表结果的95%置信区间
Fig. 4 95% confidence intervals for subjective scale
通过访谈获悉,在试验序号1中部分受试者因不确定试验内容,并且车辆未在符合其日常驾驶习惯的距离避让障碍物,担心试验车会与障碍物发生碰撞,因而存在一定的紧张情绪和接管意愿;试验序号3中有受试者认为当次试验会在试验序号2的基础上发生更激烈的行驶行为,因此未处于完全不紧张状态。
为了更好地掌握受试者在试验过程中心理感受的连续变化,根据研究团队关于实车环境下乘员不舒适感客观表征方法的已有研究结
以12号受试者在3次试验过程中的原始SCL数据为例。如

图 5 SCL‒距离曲线
Fig. 5 SCL‒distance curve
根据全部受试者的统计数据,试验序号2的峰值(28.06±9.19) μS较试验序号1的峰值(20.84±9.04) μS表现为明显上升(t=3.386,P=0.007),证实了试验序号2的极限行驶工况对受试者刺激的有效性。
每位受试者在试验序号1、3中的SCL变化均存在差异,表明受试者在经历试验序号2的极限行驶工况后心理状态发生改变。因此,对全部受试者提取2次试验中的SCL进行对比。
SCL变化程度为试验中峰值和试验前平静值之差与平静值的比值,体现了受试者在整个试验过程中的精神压力变化。如

图 6 SCL变化程度的95%置信区间
Fig. 6 95% confidence interval of SCL variation
该结果与主观量表统计结果存在差异,因此可认为SCL变化表现了受试者对风险的知觉性判断,而紧张程度主观评价体现了受试者对风险的认知性判断。
SCL峰值位置是指试验过程中受试者SCL达到峰值时对应的车辆位置与试验起始位置之间的距离。如

图 7 SCL峰值位置的95%置信区间
Fig. 7 95% confidence interval for SCL peak position
根据试验结果,试验序号2中的车辆极限行驶行为对受试者的主观感受产生了积极影响。虽然在受到短期刺激惊吓后,SCL峰值表现出受试者在感觉层面仍对车辆行驶行为可能诱发的潜在危险持保留态度,这是由于人的条件反射在短时间内难以被改
另一方面,受试者对试验过程的预期发生了消极变化,即在相同环境下当车辆行为存在不确定性时处于较高的精神压力状态,是类似于靴子落
本研究中选用的SCL能较好地反映受试者的精神压力,其变化程度体现了受试者在整个试验过程中的精神压力变化,但试验序号1、3中该指标并无明显差异,而且该指标本身缺少与试验中事件的关联。若将SCL与试验过程相结合,则具备对乘员预期进行表征的能力。
由于人体神经系统存在延迟和不应期效应,生理指标的变化存在一定的滞后,由外界刺激引起的生理反应明显滞后于源于自身的情绪变

图 8 SCL峰值位置
Fig. 8 SCL peak position
试验序号1、3中SCL峰值位置范围大,而试验序号2中SCL峰值位置非常集中。这说明,与极限行驶工况下对刺激事件的风险认知结果高度一致相比,常规行驶过程中受试者对风险的认知存在一定程度的个体差异,并在不同时刻(位置)判断风险极值或风险解除。这与个人的风险接受度、驾乘经历等内在因素有关。试验序号1、3的SCL峰值范围接近,说明了该范围在同一组受试群体中是相对固定的,即存在一个可被统计的共性区间。另外,试验序号2中极限变道后车辆快速回正,存在较大的横摆角速度和侧向加速度直至170 m处,这一过程应视为极限行驶工况的一部分。
此外,对同一个体而言,SCL的数值在短期内相对稳定,可通过绝对值对比精神压力程度。通过SCL数据采集,并将SCL数据与试验过程中的事件信息相结合,才能够反映预期的变化。
(1)在经历过车辆极限行驶工况后,受试者对车辆控制能力的预期获得了提高,进而接受车辆行为,突破其自身驾驶习惯的约束,该预期对紧张与否的主观评价产生了积极影响。进一步分析发现,负性刺激对受试者由知觉引起的主观感受产生了影响,未对由感觉引起的条件反射产生影响。
(2)车辆极限行驶工况也对受试者的预期产生了消极影响,表现为在获知车辆决策存在高度不确定性后,无法明确判断车辆意图的情况下,处于由戒备引起的紧张情绪所带来的较高精神压力之下。
(3)通过将受试者的SCL数据与试验过程中车辆行为和环境信息相结合,能够辨别由负性刺激诱发的高度精神压力事件,并反映乘员预期变化。
(4)对于受试者的紧张程度主观评价结果显著下降时SCL变化程度无明显变化的现象,可认为SCL表现了受试者对风险的知觉性判断结果,而紧张程度主观评价体现了受试者对风险的认知性判断结果。
(5)常规行驶过程中,不同受试者SCL峰值位置范围大但存在一个基本一致的区间,因此可认为受试者的风险认知存在个体差异,与个人的风险接受度、驾乘经历等内在因素有关,并且存在一个可被统计的共性区间。
此外,外界刺激对乘员预期的短期和长期影响差异、基于生理指标的乘员预期量化评价方法、风险认知舒适性外界因素的量化关系、影响受试者风险认知的个人内在因素等,是未来应该考虑的问题,有待进一步研究。
作者贡献声明
蒙昊蓝:研究命题的提出及设计,样本数据分析,论文撰写及修订。
陈君毅:试验设计,样本数据采集,论文修订。
王 斌:试验数据采集。
余卓平:最终版本的修订。
参考文献
蒙昊蓝,陈君毅,左任婧,等. 智能汽车自主泊车系统测试方法[J]. 中国公路学报, 2019,32(6):158. [百度学术]
MENG Haolan, CHEN Junyi, ZUO Renjing, et al. Study on test method of automated valet parking system for intelligent vehicle [J]. China Journal of Highway and Transport, 2019,32(6):158. [百度学术]
BELLEM H, THIEL B, SCHRAUF M, et al. Comfort in automated driving: an analysis of preferences for different automated driving styles and their dependence on personality traits [J]. Transportation Research, Part F: Traffic Psychology & Behaviour, 2018, 55: 90. [百度学术]
王宏雁, 陈君毅. 汽车车身设计基础[M]. 北京:北京大学出版社, 2009. [百度学术]
WANG Hongyan, CHEN Junyi. Design foundation of automotive body[M]. Beijing: Peking University Press, 2009. [百度学术]
HOBERT L, FESTAG A, LLATSER I, et al. Enhancements of V2X communication in support of cooperative autonomous driving[J]. IEEE Communications Magazine, 2015, 53(12):64. [百度学术]
SARAWUT L, ALBERT A, SASCHA O. Subjective evaluation and modeling of human ride comfort of electric vehicle using tools based on artificial neural networks[C]//Proceedings of the FISITA 2012 World Automotive Congress. Berlin:Springer, 2013: 1777-1785. [百度学术]
张丹. 基于稳态诱发电位的多通道选择性注意研究[D]. 北京:清华大学, 2010. [百度学术]
ZHANG Dan. Studies on multimodal selective attention based on steady-state evoked potentials [D]. Beijing: Tsinghua University, 2010. [百度学术]
TRYON W. W. Encyclopedia of human behavior[M]. San Diego: Academic Press, 1994. [百度学术]
REQUIN J, BRENER J, RING C. Handbook of cognitive psychophysiology: central and autonomic nervous system approaches[M]. Amsterdam: Elsevier, 1991. [百度学术]
COUGHLAN R, CONNOLLY T. Predicting affective responses to unexpected outcomes[J]. Organizational Behavior & Human Decision Processes, 2001, 85(2):211. [百度学术]
LINDER PELZ S. Social psychological determinants of patient satisfaction: a test of five hypotheses[J]. Social Science & Medicine, 1982, 16(5):583. [百度学术]
MELLERS B A, SCHWARTZ A, RITOV H I. Decision affect theory: emotional reactions to the outcomes of risky options[J]. Psychological Science, 1997, 8(6):423. [百度学术]
ARONSON E. The theory of cognitive dissonance: a current perspective[J]. Advances in Experimental Social Psychology, 1969, 4:1. [百度学术]
SHEPPERD J A, OUELLETTE J A, FERNANDEZ J K. Abandoning unrealistic optimism: performance estimates and the temporal proximity of self-relevant feedback[J]. Journal of Personality and Social Psychology, 1996, 70(4):844. [百度学术]
GOLUB S A, GILBERT D T, WILSON T D. Anticipating one’s troubles: the costs and benefits of negative expectations[J]. Emotion, 2009, 9(2):277. [百度学术]
MARINESCU A C, SHARPLES S, RITCHIE A C, et al. Physiological parameter response to variation of mental workload[J]. Human Factors, 2018, 60(1): 31. [百度学术]
马英, 姜媛. 情绪预测研究进展[J]. 首都师范大学学报(社会科学版),2010(1):132. [百度学术]
MA Ying, JIANG Yuan. Research progress on emotion prediction[J]. Journal of Capital Normal University (Social Sciences Edition), 2010(1):132. [百度学术]
WANG X, LIU Y, WANG F, et al. Feature extraction and dynamic identification of drivers’ emotions[J]. Transportation Research, Part F: Traffic Psychology and Behaviour, 2019, 62(3): 175. [百度学术]
BEGGIATO M, HARTWICH F, KREMS J. Physiological correlates of discomfort in automated driving[J]. Transportation Research, Part F: Traffic Psychology and Behaviour, 2019, 66(7): 445. [百度学术]
COWLEY B, FILETTI M, LUKANDER K, et al. The psychophysiology primer: a guide to methods and a broad review with a focus on human-computer interaction[J]. Foundations and Trends in Human-Computer Interaction, 2016, 9(3): 151. [百度学术]
蒙昊蓝, 陈君毅, 邢星宇, 等. 汽车乘员不舒适感的客观表征研究[J]. 同济大学学报(自然科学版), 2019, 47(S1): 60. [百度学术]
MENG Haolan, CHEN Junyi, XING Xingyu, et al. Study on objective representation of passenger discomfort[J]. Journal of Tongji University (Natural Science), 2019, 47(S1): 60. [百度学术]
DIELS C, PARKES A M. Matching speed production in real and simulated driving environments[M]. Wokingham: Transport Research Laboratory, 2010. [百度学术]
GUO Y, SUN Q, SU Y, et al. Can driving condition prompt systems improve passenger comfort of intelligent vehicles? A driving simulator study[J]. Transportation Research, Part F: Traffic Psychology and Behaviour, 2021, 81(11):240. [百度学术]
PASLEY B N, MAYES L C, SCHULTZ R T. Subcortical discrimination of unperceived objects during binocular rivalry[J]. Neuron, 2004, 42(1):163. [百度学术]
TAYLOR K M, SHEPPERD J A. Bracing for the worst: severity, testing, and feedback timing as moderators of the optimistic bias[J]. Personality and Social Psychology Bulletin, 1998, 24(9):915. [百度学术]
朱静芳. 恐惧关联特征对恐惧泛化及恐惧消退过程的影响[D]. 成都:西南大学, 2013. [百度学术]
ZHU Jingfang. How fear relevance intensity affects the fear generalization and fear extinction process[D]. Chengdu: Southwest University, 2013. [百度学术]
SWANN W B, Jr. Motivation and cognition: foundations of social behavior[M]. New York: Guilford Press, 1990. [百度学术]
XU Z, ZHANG K, MIN H, et al. What drives people to accept automated vehicles? Findings from a field experiment[J]. Transportation Research, Part C: Emerging Technologies, 2018, 95: 320. [百度学术]
FAREH S, CHRISTINE V, STANLEY N. Importance of refractoriness heterogeneity in the enhanced vulnerability to atrial fibrillation induction caused by tachycardia-induced atrial electrical remodeling[J]. Circulation, 1998, 98:2202. [百度学术]