車載信息系統(tǒng)的評價研究中，主要采用三種實驗方法，分別是自然駕駛研究（Naturalistic Driving Study）、實路操作測試（Field Operational Test）和駕駛模擬器（Driving Simulator） 自然駕駛研究是駕...

車載信息系統(tǒng)的評價研究中，主要采用三種實驗方法，分別是自然駕駛研究（Naturalistic Driving Study）、實路操作測試（Field Operational Test）和駕駛模擬器（Driving Simulator）

自然駕駛研究是駕駛?cè)笋{駛自己的車輛在實際道路上行駛，整個實驗周期較長且實驗過程的數(shù)據(jù)記錄是在不干擾駕駛?cè)苏ｑ{駛的前提下進行的，其目的是獲取最貼近駕駛?cè)俗匀簧畹鸟{駛行為數(shù)據(jù)。自然駕駛研究(NDS)提供了一個獨特的機會來研究駕駛員在現(xiàn)實世界中的行為和表現(xiàn)，以及實際駕駛過程中的后果和風(fēng)險。為了實現(xiàn)對駕駛數(shù)據(jù)的采集，會在不干擾駕駛?cè)苏ｑ{駛且在保護駕駛?cè)穗[私的前提下，在車上安裝傳感器等設(shè)備采集車輛動力學(xué)、車輛位置、駕駛?cè)诵袨榈葦?shù)據(jù)和行車過程的音視頻。如弗吉尼亞理工大學(xué)交通研究所(VTTI)開發(fā)的NDS研究方法，該方法引入了傳感器、雷達、攝像頭等硬件設(shè)備。在實驗過程中自動且連續(xù)地采集車速、加速度、GPS位置坐標(biāo)。自然駕駛研究的方法被廣泛應(yīng)用在駕駛?cè)诵袨橄嚓P(guān)的研究中，比如駕駛行為分類（激進的、正常的、謹慎的駕駛風(fēng)格）[1]、駕駛分心研究[2]、疲勞和醉酒駕駛相關(guān)研究[3]，跟車模型的評估[4]。自然駕駛研究的主要優(yōu)點是它能夠獲取到較長時間范圍內(nèi)（至少一個月）駕駛?cè)巳粘ｑ{駛行為數(shù)據(jù)，這是使用模擬駕駛所不能達到的。此外，數(shù)據(jù)是在駕駛?cè)俗约旱能囕v中，在日常駕駛中記錄的。上述實驗條件消除了駕駛者因感覺被觀察或處于測試環(huán)境而調(diào)整其行為的可能性。

在車載信息系統(tǒng)的評價研究中，將駕駛?cè)撕侠砜刂栖囕v運行作為首要任務(wù)，將其余的駕駛?cè)嘶顒託w類為次級任務(wù)（例如，接打電話、與車載信息系統(tǒng)進行交互、吃東西等）。由于自然駕駛研究采用真實的車輛在實際道路上行駛，所以其采集的駕駛相關(guān)數(shù)據(jù)近似于駕駛?cè)苏鎸嵡闆r。但是，由于駕駛?cè)撕婉{駛環(huán)境的不確定性，導(dǎo)致使用該方法評估車載信息系統(tǒng)時存在局限性。首先，駕駛?cè)嗽谧匀获{駛實驗過程中沒有過多約束，導(dǎo)致其在完成駕駛?cè)蝿?wù)時不夠?qū)Ｗ?。除此之外，實際駕駛環(huán)境復(fù)雜，其它交通參與者對于駕駛?cè)诵袨榈拇嬖诟蓴_。在探究車載信息系統(tǒng)對駕駛表現(xiàn)的影響時，以上兩種不確定性無法排除，導(dǎo)致無法明確僅由人機交互所帶來的駕駛干擾。在基于自然駕駛研究的車機交互評價中，現(xiàn)有研究將其融入到多種次級任務(wù)中共同研究[5]。另一方面，由于駕駛安全性和倫理問題等限制調(diào)節(jié)，使車載信息系統(tǒng)可用性評價的范圍縮小[6]。在自然駕駛實驗中，考慮到駕駛安全性，通過車載信息系統(tǒng)完成復(fù)雜且高負荷的次級任務(wù)是不合理的。如前面所提到，在不可控的真實交通環(huán)境中，自然駕駛研究首先要保證駕駛?cè)说陌踩⒂涗浐屯饺恕④?、環(huán)境相關(guān)數(shù)據(jù)。在實驗后也需將有用的數(shù)據(jù)片段從龐大的數(shù)據(jù)集中分離。整個實驗過程是復(fù)雜且耗時的。

實路操作測試（FOT）是較大規(guī)模的測試項目，其主要用于評估汽車相關(guān)解決方案（如導(dǎo)航和交通信息系統(tǒng)、駕駛輔助系統(tǒng)）的效率、質(zhì)量、魯棒性和接受度。實路操作測試要求測試在實際道路上完成，與自然駕駛研究不同的是，前者在封閉的實驗場地中完成而后者的實驗環(huán)境、駕駛路線取決于被試者的個人習(xí)慣。與駕駛模擬器相比，實路操作測試的優(yōu)勢在于駕駛過程中沒有實驗人員在車內(nèi)，并且所記錄的數(shù)據(jù)能夠反應(yīng)真實條件下的駕駛行為。但是，為了保證實驗結(jié)果的真實性，實路操作測試的實驗場景設(shè)置需要大量的人力、物力，實驗的成本較高。

駕駛模擬器作為更安全、方便的實驗方法來評估車載信息系統(tǒng)。駕駛模擬器主要包括簡易的座艙模擬器（顯示器、電腦、外接游戲方向盤、踏板），開放式座艙模擬器（改造的實車座艙、投影儀等外接設(shè)備），多自由度全景交通安全駕駛模擬器（多自由的模擬艙、艙內(nèi)360°環(huán)幕、切割的汽車座艙）。在駕駛模擬器研究中，駕駛?cè)嗽谔摂M的場景中駕駛模擬車輛。駕駛?cè)藢囕v的控制是通過外接的方向盤、踏板實現(xiàn)。這些硬件設(shè)備將數(shù)據(jù)傳輸至負責(zé)場景運行的服務(wù)器，最終服務(wù)器根據(jù)輸入數(shù)據(jù)，將相應(yīng)的場景顯示給駕駛?cè)?。駕駛模擬器的優(yōu)點主要體現(xiàn)在安全、高效、可重復(fù)、自由度高。首先駕駛?cè)嗽谀M場景中駕駛車輛，以避免在自然駕駛研究（NDS）和實路操作測試（FOT）實驗中可能發(fā)生的碰撞危險。在模擬場景中，駕駛?cè)丝梢粤⒓撮_始實驗，節(jié)省了實際車載采集設(shè)備的時間，且實驗場景可以隨時重置以便于重復(fù)實驗。最后，對于場景搭建的自由度，實驗人員可以根據(jù)軟件內(nèi)建模也可通過掃描的方式還原實際駕駛場景。其中特定的觸發(fā)事件也很容易創(chuàng)建和重復(fù)。除此之外，場景中道路設(shè)置的自由度也較高，可以根據(jù)實驗需求設(shè)計車道數(shù)、道路坡度、道路鋪裝類型、道路附著系數(shù)等。不同駕駛模擬器的復(fù)雜程度和成本相差甚遠，可以根據(jù)其成本粗略地分類為簡單的單顯示器電腦模擬器、多顯示器電腦模擬器、投影式環(huán)幕模擬器、擬真的多自由度模擬器。以顯示器完成場景呈現(xiàn)的駕駛模擬器來說，由于顯示器位置設(shè)置不合理，導(dǎo)致其視場角與真實駕駛場景的視場角（FOV）存在顯著差異。視場角的差異體現(xiàn)在駕駛?cè)嗽谀M駕駛與真實駕駛過程中對速度感知的差異。在駕駛過程中，眼前虛擬場景的視場角越接近真實道路環(huán)境的視場角，駕駛?cè)藢λ俣鹊母兄浇咏鎸嶓w驗。對于顯示器為視覺載體的駕駛模擬器，其所提供的視場角低于真實環(huán)境，導(dǎo)致駕駛?cè)烁杏X模擬場景中的速度感較弱，即在模擬駕駛時顯示的車速高于真實的視覺速度體驗[7]。由于屏幕所能夠提供的視覺有限，采用環(huán)幕和投影組合的方式使得場景的視場角更接近真實情況。雖然投影環(huán)幕式駕駛模擬器在視覺上可以解決視場角的差異問題，但是目前的駕駛模擬器都面臨著同樣一個難題：模擬駕駛產(chǎn)生的暈動癥。在模擬駕駛過程中，駕駛?cè)硕嗵幱陟o止?fàn)顟B(tài)，運動的場景會給部分駕駛?cè)藥硌灨?。目前，多自由度駕駛模擬器并搭配體感算法是減輕暈動癥的主要方法。多自由度駕駛模擬器提供多個方向上的加速度，體感算法將模擬器產(chǎn)生的加速度與模擬場景進行匹配，最終從視覺和身體感官上接近真實駕駛感受。

在車載信息系統(tǒng)的評價研究中，與自然駕駛研究方法對比，使用駕駛模擬器可以支持評價新興的車載信息系統(tǒng)原型和更深入地評價該系統(tǒng)的設(shè)計因素。比如有學(xué)者使用駕駛模擬器來評估新設(shè)計的環(huán)保-安全的人機交互系統(tǒng)給駕駛?cè)藥淼姆中挠绊慬8]。由于采用可定制化的模擬駕駛座艙，實驗人員可以在原來中控位置安裝設(shè)計的交互設(shè)備，所以駕駛模擬器提供更高自由度的實驗設(shè)計空間。但是與實際車輛交互設(shè)備相比，HMI的設(shè)計角度、相對位置、以及其它人體工程學(xué)相關(guān)參數(shù)很難做到與實車完全一致，這也是目前使用駕駛模擬器研究車載信息系統(tǒng)的主要局限性。對于眼動數(shù)據(jù)采集，駕駛模擬器由于在室內(nèi)搭建，其光照環(huán)境是可控的，可以利用眼動數(shù)據(jù)來研究車載信息系統(tǒng)給駕駛?cè)藥淼囊曈X分心。比如，Grahn通過開放式臺架的駕駛模擬器，將交互系統(tǒng)深入剖分，研究觸屏尺寸、UI設(shè)計、次級任務(wù)類型對于駕駛?cè)艘曈X負荷的影響[9]。但是，也有研究指出，模擬駕駛實驗通常忽略了駕駛員在從事分散注意力的次級任務(wù)時的選擇[10]。這對于駕駛?cè)俗远ㄟM度（self-paced）的次級任務(wù)尤其相關(guān)，例如設(shè)置導(dǎo)航目的地的任務(wù)。從上述研究的結(jié)果中可以看出，駕駛員不會隨機地與導(dǎo)航系統(tǒng)交互，而是更傾向于他們認為“安全”且負荷占用不高的某些情況，例如當(dāng)車輛處于靜止或低速行駛狀態(tài)。

綜合來說，駕駛模擬器更加適合前瞻性的車載信息系統(tǒng)的評價研究。與自然駕駛研究（NDS）、實路操作測試（FOT）相比，其優(yōu)勢主要體現(xiàn)在實驗過程中的高效性、安全性、實驗的可重復(fù)性、實驗設(shè)計的靈活度和評價指標(biāo)的深度，但是該方法也存在無法完全還原實車交互系統(tǒng)的局限性。

[1] Feng F, Ba O S, Sayer J R, et al. Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data[J]. Accid Anal Prev, 2017.

[2] A M Y, A O A O, A S I, et al. Detection of driver engagement in secondary tasks from observed naturalistic driving behavior – ScienceDirect[J]. Accident Analysis & Prevention, 2017, 106:385-391.

[3] Al-Sultan S, Al-Bayatti A H, Zedan H. Context-Aware Driver Behavior Detection System in Intelligent Transportation Systems[J]. IEEE Transactions on Vehicular Technology, 2013, 62(9):4264-4275.

[4] Tawfeek M H, Basyouny K E. A perceptual forward collision warning model using naturalistic driving data[J]. Canadian Journal of Civil Engineering, 2018, 45(10):899-907.

[5] Young K L, Osborne R, Grzebieta R, et al. Using naturalistic driving data to examine how drivers share attention when engaging in secondary tasks[J]. Safety Science, 2020, 129:104841.

[6] Santos J, Merat N, Mouta S, et al. The interaction between driving and in-vehicle information systems[J]. Transportation Research Part F Psychology & Behaviour, 2015, 8(2):135-146.

[7] PALMER, Stephen E. Vision Science: Photons to Phenomenology[J]. Quarterly Review of Biology, 1999, 77(4):233-234.

[8] Xiaomeng, Li, Atiyeh, et al. Effects of an in-vehicle eco-safe driving system on drivers glance behaviour.[J]. Accident Analysis & Prevention, 2018.

[9] Grahn H, Kujala T. Impacts of Touch Screen Size, User Interface Design, and Subtask Boundaries on In-Car Tasks Visual Demand and Driver Distraction[J]. International Journal of Human-Computer Studies, 2020, 142:102467.

[10] Metz B, Schoch S, Just M, et al. How do drivers interact with navigation systems in real life conditions? [J]. Transportation Research Part F Traffic Psychology & Behaviour, 2014, 24(MAY):146-157.