评估驾驶员在接近交叉路口时对卡车车队速度的感知

《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Evaluating Driver Perception of Truck Platoon Speeds During Intersection Approaches

　　

摘要

卡车车队是由多辆卡车以紧密的单列队形行驶，以减少空气动力学阻力。由于空气阻力占卡车燃料消耗的重要部分，编队行驶可以提高效率并减少燃料使用。然而，目前对轻型车辆驾驶员如何感知卡车车队知之甚少。在本研究中，参与者区分了以 50 英里/小时正常行驶的车队和以 55 英里/小时故障行驶的车队。车队编队配置在卡车数量和车距方面有所不同。结果表明，间隔较短的车队被更准确地识别为危险，而规模较大的车队使得故障行为的识别速度更快。在路口附近检测不安全的车队很重要，因为它会影响驾驶员的危险评估和反应。早期识别异常速度可以提供更多时间重新评估交通状况，预期意外动向，并相应调整行为，以保持安全边际，从而总体上支持当今更安全的路口决策。

背景

卡车车队，也称为护航队，是指以紧密的单列队形行驶的一组卡车，以减少空气动力学阻力。由于卡车燃料消耗的大约四分之一与空气阻力有关，这种编队可以显著降低燃料使用量。除了节省燃料外，编队行驶还可以通过减少车辆之间的间距来增加道路容量并有助于缓解拥堵（Chao 等人，2024；Janssen 等人，2015；Zhang 等人，2020）。卡车车队作为紧密协调的护航队运行，每辆卡车都成为共享、持续通信系统的一部分。领车设定速度、车道位置和整体驾驶行为，而跟随的卡车则使用高级传感器、车车通信和自动控制系统自动匹配领车动作。一旦启动编队行驶，尾随卡车不再依赖人类的反应时间；相反，它们几乎能瞬间响应领车加速或制动变化。信息双向流动，因此领车也可以根据后面卡车的行为或需求进行调整（Chao 等人，2024；Janssen 等人，2015；Zhang 等人，2020）。卡车车队目前正在全球范围内进行道路安全测试，其配置通常由两辆或三辆卡车组成，以约 0.6 至 1.2 秒的跟随间隔行驶（Chao 等人，2024）。车队中的卡车依赖车车（V2V）无线通信技术来调整其相对于领车的行为。然而，此类技术易受网络攻击（Ghosal 等人，2021）。因此，确定当发生故障（如超过允许的速度限制）时，哪些卡车车队配置被最准确地识别为不安全，这一点很重要。确定哪些卡车车队配置更可能被感知为不安全的一种方法是检查影响此类判断的因素。影响这些感知的一个关键变量可能是车队规模。在视觉搜索任务中，较大的物体比较小的物体识别速度快得多（Chen 等人，2022）。重要的是，大物体和小物体表现出可靠的感知差异，这些差异可以在视觉处理的早期阶段提取，例如刺激中存在的连接点、角和平行线的数量（Long 等人，2016）。噪声和选择理论表明，观察者基于物体间共享的最常见特征形成对物体属性的感知，而不是逐个处理每个物体（Allik 等人，2013）。因此，增加具有共同特征的物体数量会增加这些特征被检测到的可能性。此外，对现实世界物理大小的知识会影响屏幕上的物体感知。在日常生活中大的物体在数字表示中也被感知为大的，这支持了驾驶模拟研究的生态效度，用于调查卡车车队配置如何影响驾驶员判断以识别超过允许速度限制的不安全车队（Konkle & Oliva, 2012）。本研究旨在调查卡车车队的规模以及卡车之间的车距如何影响驾驶员在不超车的车队中准确识别超速车队的能力。预计具有较短车距的较大卡车车队，例如以 0.6 秒间隔行驶的三卡车车队，在超速违规行为期间会被更快且更准确地感知为危险，这高于其他车队配置。这一预测假设较大车队被检测得更快，因为它们涉及更多的车辆，从而在视觉处理的早期阶段提供了更多的视觉线索。

方法

参与者

总共通过在线招募了 16 名参与者（年龄：M_age = 18.28，SD_age = 0.75；10 名女性，4 名男性）。参与者被要求在此前至少 12 小时内避免使用兴奋剂和抑制剂，持有有效驾驶执照，并且视力正常或矫正至正常。他们因参与研究而获得课程学分。

材料

设计了 24 个驾驶模拟场景，每个场景在卡车车队间距（0.6、0.8 或 1.2 秒）、车队规模（两辆或三辆卡车）、车队进入路口的方向（左侧或右侧）以及是否发生故障方面有所不同。故障车队被定义为以 55 英里/小时行驶，而正常行驶的车队以 50 英里/小时行驶，这是当前道路测试中最常用的速度（Chao 等人，2024）。选择 55 英里/小时是因为它代表了一种小的速度估算误差，这通常会导致警察警告，同时仍然是非法且潜在危险的。所有场景均在 STISIM 驾驶模拟器（版本 3.22.11）中构建，录制为视频并导入到 E-Prime（版本 3.0.80）中。在每个场景中，参与者操作一辆部分模拟的车辆，以 50 英里/小时的速度驶向前方 2,500 英尺处的路口，同时一个故障卡车车队或安全卡车车队从右侧或左侧接近同一个路口。每个车队在显示上可见 3 秒，然后在到达路口前 3 秒消失。

程序

参与者以随机顺序完成所有 24 个驾驶场景。为了熟悉程序，他们首先完成了 8 次练习试验，涉及单辆不安全和安全接近的卡车。在练习和实验场景中，参与者判断从右侧或左侧接近路口的卡车车队是以 50 还是 55 英里/小时行驶。参与者未被告知实际的卡车车队速度。如果参与者认为卡车车队行驶速度超过允许速度，他们被指示按下空格键。如果他们认为自己车队未超过速度限制，他们被指示不要做出反应。遇到不安全卡车车队的概率为 50% 的随机水平。场景之间由显示星号的 2 秒幻灯片隔开。反应准确性被编码为正确或不正确识别车队的二元衡量指标，并使用逻辑回归进行分析，而反应时间被记录并使用被试内方差分析进行分析。

结果

由于 E-Prime 故障，两名参与者的数据被排除，另外还有一名参与者因未能执行任务并通过按下空格键 indiscriminately（不加区分地）反应而被排除。进行了逻辑回归分析，以检查车队中卡车数量和车距对识别故障卡车车队的影响。当车队间隔包含在模型中时，逻辑回归具有统计显著性，χ²(2) = 9.88，p = .007。该模型解释了 9.3% 的方差（Nagelkerke R² = .093），并正确分类了 69.9% 的案例。0.6 秒的卡车间隔显著预测了故障卡车车队的识别，相对于 1.2 秒的间隔，正确识别的几率增加了 258.5%（B = 1.27，Wald 统计量 = 7.56，p = .006，OR = 3.58，95% CI [1.44, 8.91]）。同样，0.8 秒的卡车间隔与 1.2 秒间隔相比，显著预测了识别准确性，正确识别的几率增加了 186%（B = 1.05，Wald 统计量 = 5.57，OR = 2.86，p = .018，95% CI [1.20, 6.83]）。相比之下，车队中的卡车数量与识别准确性没有显著关联。被试内方差分析显示，车队中的卡车数量对反应时间有显著的主效应，具体来说，故障三卡车车队被识别的速度显著快于故障两卡车车队，F (1, 12) = 23.34，p < .001，ηp² = .68。车距对反应时间没有显著的主效应。

结论

本研究考察了哪些卡车车队配置被最准确地感知为故障。结果表明，车距较短的车队被更准确地识别为危险，而规模较大的车队促进了故障行为的更快识别。由三辆卡车组成、车距间隔为 0.6 和 0.8 秒的车队与最高的识别准确性和最低的反应时间相关联。这些发现为更密集的三车辆车队配置的感知显著性提供了实证支持，并表明此类配置可能增强驾驶员检测故障卡车车队的能力。这些发现也符合较大卡车车队会被更快且更准确地识别的期望，因为它们提供了更多的感知线索，使驾驶员能够形成对不安全卡车车队更准确的表征，从而更有效地检测它们。当不安全车队接近路口时识别它们至关重要，因为它直接影响驾驶员如何评估和应对潜在危险。当驾驶员能够早期检测异常速度时，他们获得了宝贵的时间来重新评估情况，预期意外动向，并相应调整自己的行为。未来的研究应检查更广泛的速度范围如何影响车队配置的感知。此外，调查卡车车队配置如何影响轻型车辆驾驶员的误报、敏感性和反应偏差将是有益的。扩散决策模型也可以用于整合速度和准确性数据，以识别影响以不同速度行驶的卡车车队识别的因素（Ratcliff & McKoon, 2008）。

利益冲突声明

作者声明，在研究、作者身份和/或本文发表方面不存在潜在的利益冲突。

资金

作者未获得任何财务支持以进行本文的研究、作者身份和/或发表。