牛增良 孟德宇 王光耀

（中国汽车技术研究中心有限公司，天津 300300）

主题词：行人事故 场景 驾驶人 应激反应 驾驶模拟器

1 前言

根据中国交通事故深入研究（China In-Depth Accident Study，CIDAS）的统计数据，车辆与弱势交通参与者的事故呈快速增长趋势，其中车辆与横穿行人事故占比较高。因此，研究驾驶人在典型行人事故场景下的心理反应，即驾驶人应激反应特性，进一步探索将心率增长率和低频段心率变异性频率值（又称为“心率变异性LF 值”）作为高级驾驶辅助系统（Advanced Driving Assistance System，ADAS）开发需求的评判指标具有重要意义。近年来，美国、欧洲、日本等加强了交通事故发生时驾驶人的生理特征研究，并研制出了基于心率、皮电反应、肌张力等生理指标的驾驶人特征分析系统。J.Zhai等人以实车为试验平台，通过在能引起不同应激水平的各类道路上行驶，对驾驶人的一些生理信号的变化情况进行了研究，结果表明，皮电反应和心率与驾驶人的应激水平密切相关[1]；David Crundall 等人利用FarosGB3 Simulator 驾驶模拟平台研究了一种驾驶训练方式，即在模拟驾驶训练过程中口头提示潜在危险，研究发现，该方法可以有效提高驾驶人危险预见能力[2]；Jongen等人对低年龄、低驾龄的新手驾驶人控制不相关刺激的能力进行了研究，通过STISIM M400型驾驶模拟平台，在虚拟的程序环境中构造了12 个实际驾驶过程中可能会遇到的应激场景[3]；长安大学的吴初娜使用MultiGen Creator 三维建模软件，在Microsoft Visual Studio集成开发环境下，利用OpenSceneGraph 图形引擎和Newton物理引擎设计建立了14个危险突发事件应激场景，通过驾驶模拟器试验研究了驾驶人应激反应能力评估算法，并将驾驶人应激反应能力划分为3个等级[4]。

探索中国行驶工况下的ADAS开发需求，对驾驶人的应激响应特性研究有现实需要。本文采用真实事故数据在驾驶模拟器中仿真开展应激反应特性研究。

2 典型行人事故场景选取及应激特性分析

2.1 典型行人事故场景选取

从CIDAS 数据库样本中抽取了极具代表性的儿童横穿道路交通事故作为研究对象，交通事故现场勘查情况和现场平面示意图如图1、图2 所示，由于未看到右前方突然出现的儿童，车辆右前轮将其碾压并造成严重伤害。

图1 交通事故现场勘查照片

图2 交通事故现场平面示意

2.2 驾驶人应激反应指标选取

驾驶人应激响应是指驾驶人在驾驶活动中主观感受到的，并且可以进行测量的对刺激的内、外综合反应。研究表明：在应激状态下，驾驶人感知、判断决策和操作等方面的能力均在一定程度上减弱[5]；兴奋、紧张等工作负荷都能够唤醒植物神经系统中的交感神经系统，从而引起心率、血压、呼吸频率、皮电反应等生理指标的异常反应[6]。

工作负荷的评价有主观评价和客观生理评价两种方法。主观评价法的缺点在于需要被试者有较强而敏感的记忆力，且被试者的掩饰行为会影响评价结果。

相较于主观评价法，客观生理评价中的心率和心率变异性能很好地反映驾驶人在应激状态下心理负荷增加时心理紧张的程度。很多学者将心率和心率变异性综合起来研究，Mulder等通过研究发现[7]，随着个人的心理负荷增加，即心率变异性减小时，人体的心率会提高。故本文选取心率和心率变异性评价驾驶人在应激状态下心理紧张程度。

心率增长率能真实表征驾驶人行车时的生理变化程度，故将其作为心率的评价指标。由于本文主要研究驾驶人在应激状态下的生理变化特性，它与驾驶人的心理负荷关系最为紧密，心率变异性频域分析较时域分析更精确、定量性更强，因此采用低频段心率变异性频率值为心率变异性的评价指标。

3 典型行人事故场景搭建

3.1 驾驶人应激反应试验平台

本文采用驾驶模拟器作为驾驶人应激反应试验平台，它可以实时采集操作数据，如图3所示，驾驶模拟器硬件系统组成如图4所示。

图3 应激反应特性试验平台

图4 驾驶模拟器硬件系统组成

3.2 场景复现流程

本文采用Creator 作为系统的仿真建模软件平台，利用Creator 完成城市道路交通环境条件下仿真模型数据库[8]的建立。由于其中的三维模型都是静态的，本文结合Newton 物理引擎和OpenSceneGraph 图像渲染引擎，基于Microsoft Visual Studio集成开发创建应激场景，流程如图5所示。

图5 三维交通应激场景的创建流程

3.3 典型行人事故场景设计

3.3.1 交通事故场景建模

首先，使用Creator 对道路、建筑物、车辆以及场景点缀物进行网格构建，如图6 所示。然后，对所建立的网格模型进行纹理添加操作，如图7所示。建立车辆三维模型，并将其导入图形仿真系统。该系统根据汽车动力学和驾驶人操作数据等参数计算出车辆运行状态，最后对所得场景进行渲染。

图6 车辆模型的网格构建

图7 车辆网格纹理

3.3.2 交通事故情景复现

自车行驶在双向2车道的城市道路上，道路旁设置有停车位且停有车辆，在本车及对向车道设计有自行行驶的车辆。试验开始后，儿童从自车前方右侧的停车位突然出现横穿马路。将上述场景在Creator 软件中建立模型并加载到驾驶模拟器，如图8所示。在危险情况出现前设有平稳驾驶阶段，使驾驶人适应仿真环境。

图8 行人交通事故场景复现

4 驾驶人应激反应试验

4.1 试验设计及被试人员选取

设置2组对照试验，分别考察同一车速下不同反应距离和相同反应距离下车速的变化对驾驶人的影响。选取21名男性驾驶人，年龄集中在24～32岁范围内，所有被试人员都已取得驾驶执照，双眼矫正视力为1.0以上，身体状况良好。

4.2 采集设备及试验步骤

试验中采用如图9 所示的MP150 生理信号记录分析系统中的心电图（Electrocardiogram，ECG）模块，采集驾驶人在应激状态下的心率变化数据。驾驶人应激反应试验是在驾驶模拟器的场景中完成的。

图9 MP150生理信号记录分析系统

4.2.1 反应距离对驾驶人的影响试验

tTTC=1 s，V=60 km/h 时，车辆重心至儿童的距离d=21.7 m，车头与儿童的距离D=19.2 m。选取试验车速为60 km/h，tTTC为1 s、1.5 s、2 s，其对应的D为19.2 m、27.5 m、35.8 m。

试验开始后，被试人员佩戴MP150生理仪，并稳定油门以60 km/h 的车速在规定的车道行驶，儿童随机从路旁停放的车辆间进入车道，此时，在MP150心率记录图中记录应激点的相应时间。应激场景结束后，调整儿童出现位置以及试验车辆与儿童的距离，重复进行试验，直至试验结束。

4.2.2 车速变化对驾驶人的影响试验

取D=19.2 m，tTTC为1 s、1.5 s、2 s 时对应的速度V分别为60 km/h、40 km/h、30 km/h。对驾驶人的要求与上组试验相同，先进行40 km/h 试验，再进行30 km/h 试验。车速为60 km/h 的试验不再重复进行。使用AcqKnowledge 对数据进行分析，结合试验前测得的被试人员心率均值计算被试人员的心率增长率。

4.3 试验数据处理

上述基于场景视频的应激始末阶段确定后，通过MP150 系统得到的驾驶人在应激阶段的心率变化情况如图10所示。由图10可知，试验过程中，驾驶人的心率在一定幅度内波动，而数据中心率突变到0的点大多数为驾驶人的身体移动或紧张造成基线不稳而形成的噪声点。

突发事件出现前、后各10 s内驾驶人心率随时间的变化情况如图11所示。从图11中可以看出：突发事件出现前，驾驶人的心率在小幅度内波动；突发事件出现后，驾驶人的心率急剧提高，随着自车与儿童的距离不断减小，驾驶人的心率持续提高或维持在高水平上；驾驶人避开突发事件后，心率开始急剧下降。

图10 驾驶人心率变化

图11 心率随时间的变化

5 驾驶人应激反应试验结果分析

5.1 反应距离对驾驶人的影响分析

5.1.1 不同距离时驾驶人心率增长率分析

取应激反应发生后3 s内心率平均值作为此次应激试验的心率值，结合试验前被试人员的心率均值计算其心率增长率。图12 所示为V=60 km/h 时不同距离下被试人员心率增长率趋势，相应的箱线图如图13 所示。车速为60 km/h 时，对3 组数据进行配对T 检验，3 组被试人员的心率增长率之间存在显著性差异，从图12 可以直观看出，随着应激反应距离减小，驾驶人的心率增长率逐渐增大，且随着距离减小，心率增长率提高，驾驶人的心理负荷随着距离的减小而增加。

图12 不同距离时驾驶人心率增长率

5.1.2 不同应激反应距离的驾驶人心率变异性分析

对试验数据进行分段，然后通过Acknowledge 软件对每段的心率变异性LF 值进行计算，生成相应的箱线图如图14 所示。在车速为60 km/h 时，对3 组数据进行配对T 检验，发现被试人员的心率变异性LF 值之间存在显著性差异，随着个体工作负荷增大，心率变异性LF值减小。结果表明，驾驶人的心理负荷随着本车与儿童距离的减小而增加。

图13 车速60 km/h时心率增长率分布

图14 车速60 km/h时心率变异性LF值分布

从上面的分析可以发现，由驾驶人的心率增长率指标与心率变异性LF值指标得到的趋势基本一致。

5.2 车速变化对驾驶人的影响分析

5.2.1 不同车速驾驶人应激反应心率增长率分析

D=19.2 m 时，不同车速下驾驶人心率增长率如图15 所示。将数据进行分组统计，生成相应的箱线图如图16所示。对3组数据进行配对T检验，被试者的心率增长率之间存在显著性差异，随着试验车速的加快，被试人的心率加快，驾驶人心率随着危险紧急度的增加而增加，比较3种情况的标准差发现，在车速为30 km/h时最小，为8.66，此时被试者的心率变化最稳定，这时驾驶人的心理负荷最小。

图15 D=19.2 m时不同车速下被试人员心率增长率趋势

5.2.2 不同车速下驾驶人应激反应心率变异性分析

将在D=19.2 m时不同车速下驾驶人心率变异性LF值进行分组统计，生成相应的箱线图如图17所示。对3组数据进行配对T 检验，被试驾驶人的心率变异性LF值之间存在显著性差异。本场景中，在车速较低时，LF值随车速的增加变化幅度较快，在车速提高到40 km/h后继续增加时，LF的变化趋缓，因此驾驶人的心理负荷随车速的增加而增加。

图16 D=19.2 m时不同车速心率增长率分布

图17 D=19.2 m时不同车速心率变异性LF值分布

6 结束语

本文根据CIDAS数据库中的中国交通事故的特点，结合真实的行人交通事故突发事件状态特征、行驶环境状态特征，设计了典型应激场景，并对场景在驾驶模拟器上进行了建模，得到以下结论：

a.根据调研所选取的指标能很好地体现驾驶人的心理负荷变化，即驾驶人在遇到突发事件时心率增长率和心率变异性LF值。

b.在车速和应激反应距离条件变化时，驾驶人的生理指标有显著性变化，随着试验车速的增大或应激反应距离的减小，驾驶人心率增长率变大，心率变异性LF值减小。

通过对真实行人交通事故的重建，对驾驶人应激反应进行试验研究，可以基于对已发生事故的仿真建立驾驶人行车安全性评估方法，为开发相应UBI（Usage-Based Insurance）商业车险产品，以及中国行驶工况下的ADAS开发需求提供新的理论支持。