驾驶人分心时长对车道偏离影响的实车试验

马 勇，石涌泉，付 锐，2，郭应时

（1.长安大学 汽车学院，西安710064；2.长安大学 汽车运输安全保障技术交通行业重点实验室，西安710064）

0 引 言

分心驾驶（Distracted driving）是一种常见但却极易引发交通事故的不安全驾驶行为［1］。统计表明，在美国由于驾驶人分心造成的车道偏离碰撞事故占碰撞事故总数的20%，且此类交通事故的致 死 率 高 达41%［2］；王 武 宏 等［3］对2032 起 道路交通事故进行致因分析，发现其中241起事故的主要原因是分心，占比达11.86%。

虽然最新研究表明，根据驾驶人的头部运动特征可以区分注意力集中时的驾驶行为和视觉分心时的驾驶行为［4］，但驾驶人头部运动的测量却是比较困难的，并且若要达到能够区分是否分心的程度，其对测量精度的要求也较高。与头部运动相比，车道偏离作为驾驶人分心的一种最直接且最危险的表现形式，对其进行精确测量相对容易得多。

驾驶分心与车道偏离的关系已有广泛研究。Deram［2］认为，分心驾驶通常会导致跑偏事故，并通过熟练驾驶人的道路试验发现车辆的位置、横向速度、转向盘转角和转向盘角速度等都能表征驾驶分心。在Brumby等［5］的研究中，用车辆偏移车道中心线距离的标准差评价注意力分散时驾驶人的车道保持能力。美国明尼苏达大学的Rakauskas等［6］则选取转向偏移（车辆偏离车道中心线转角的标准差）和横向平均车速（每秒横向偏移的距离）研究了不同通话复杂度下的驾驶行为与车辆横向位置保持的关系。Törnros等［7］和Rosenbloom［8］通过模拟驾驶分组试验，得到拨号时车辆横向位置偏差增大和通话时车辆横向位置偏差变小的结论。宋殿明［9］在对驾驶人视线离开前方视野过程中驾驶人的行为研究中，以车辆偏移车道中心线的幅度衡量车道保持特性，发现随着视线离开前方视野时间的增加，驾驶人的车道保持能力变差。马勇等［10］采用非接触式眼动仪采集多位被试驾驶人在实际驾驶过程中的眼动数据，分析了驾驶人视线离开前方区域情况下的注视频次及注视时长特性。

尽管国内外研究者几乎一致认为并通过试验证明了驾驶分心会引起车道偏离，但在选取表征车道保持或车道偏离程度的指标方面，仍存在着较大的差异，目前尚无研究明确表明分心时长与车道偏离之间的关系，并且关于分心多长时间会让驾驶人感觉到危险或发生明显的车道偏离，也鲜有报道［10－13］。本文通过在实际道路环境中开展实车试验，研究驾驶人分心时长与车道偏离之间的关系，以期明确分心过程中的车道偏离规律，并为进一步开发驾驶分心主动预警系统提供试验数据支撑。

1 试验设计

1.1 试验设备

试验车辆采用上海大众途安牌轿车，车载监测系统中的车道偏离报警（Lane departure warning，LDW）系统采集试验车至左、右车道线的距离，采样频率为10 Hz，精度为5cm；高精度GPS模块记录试验车运行过程中的速度；通过多路工业摄像机对驾驶人的头部运动、操作行为和前后车道交通场景、周围交通环境进行实时监测。

1.2 试验对象

共对12名驾驶人进行实际道路驾驶试验，被试者身心健康。其中包含男性驾驶人10名与女性驾驶人2名，年龄分布范围为26～48岁，平均年龄为35.8岁，SD＝7.7；驾龄分布范围为3～22年，平均驾龄为8.8年，SD＝7.0。

1.3 试验路线

在高速公路上进行驾驶人实车试验，试验路段为双向6车道，车道宽3.75m，限速120km／h，试验路段长约为45km。

1.4 试验方案

驾驶人分心有各种表现形式，视觉分心与认知分心是驾驶过程中经常出现的形态。在本文试验中设计分心任务，使驾驶人形成视觉分心和认知分心：试验过程中，驾驶人被要求通过观察左后视镜中左侧相邻车道（超车道）上后方来车的图像，识别其颜色，在其靠近自车过程中快速且多次地判断其速度和距自车的距离，并向试验人员口头报出这些信息。虽然观察后视镜是驾驶人的基本驾驶行为，但本文设计的分心试验中由于加入认知分心任务（识别颜色、判断速度与距离），使得驾驶人视线较长时间离开了前方主视区，不仅视线转移过程中伴随着明显的头部转动，并且这样的行为与正常驾驶行为明显的差异，对车辆的安全行驶也有很大影响。

2 试验数据处理

2.1 分心过程的确定

通过回放交通场景与操作行为视频监控系统视频，根据驾驶人执行试验内容确定分心过程。其中起始时刻为驾驶人为执行试验内容将视线从前方视野转向左侧后视镜的瞬间，终止时刻为驾驶人完成试验内容后将视线从左侧后视镜回到前方视野的瞬间。

以某一次分心过程为例，起始时刻前驾驶人视线和头部位置如图1（a）所示；起始时刻视线转移的瞬间如图1（b）所示；过程中驾驶人视线停留在左侧后视镜如图1（c）所示；终止时刻视线回到前方的瞬间如图1（d）所示；驾驶人视线在终止时刻后回到前方如图1（e）所示。试验中视频采集频率为24帧／s，从图1（b）到图1（d），共经历2s加3帧，即该分心过程时长为2.125s。

2.2 分心过程时长数据处理

根据已确定的分心过程的起始和终止时刻，在原始数据中挑选出该过程对应的数据，主要包括车辆距左、右车道线的距离和车速。

图1 驾驶人分心过程Fig.1 Drivers’distraction process

车辆横向位置示意图如图2所示，H 为车道宽，L1为车辆距离左侧车道线距离，L2为车辆至右侧车道线距离，D 为车身宽，车辆偏离车道中心线的距离为J。J 随着时间的变化发生变化，表征车道保持特性。以车辆偏离车道中心线的距离J为基准，根据采样频率，得到各采样时刻的偏离距离ΔJ，即：这就转化成以车辆至左车道线的距离为基准，以各时刻车辆至左车道线距离L1i与起始时刻车辆至左车道线距离L10的差值表示相应时刻车辆偏离车道中心线的距离，简称偏离距离。

图2 车辆横向位置Fig.2 Lateral position of vehicle

对该过程中各采样时刻偏离距离求均值，得到该过程的车道偏离距离均值，表征该过程车道偏离车道中心线的平均距离，即：

对该过程中各采样时刻偏离距离求方差，得到该过程的偏离距离的方差，简称偏离距离方差，表征该过程车道偏离的波动程度，即：

对该过程中各采样时刻偏离距离求最大值与最小值之差，得到该过程的偏离幅度，表征该过程车道横向偏离的幅度，即：

3 试验数据分析

3.1 分心时长的分布特点

按照第2.1节所述方法，本文共得到398组驾驶分心过程。通过统计分析驾驶分心过程时长的分布特点，得到分心时长的极小值为0.58s，极大值为6.08s，平均时长为2.132s，标准差为1.078s。驾驶分心过程中分心时长的频次比例及累积百分比如图3所示。由图3可知，试验中驾驶人驾驶分心过程中分心时长分布在［1.0，1.5）区间内的比例最大，主要集中在［1.0，2.5）时间内，比例达66.42%；驾驶人视线离开前方道路的时长大于1.0s则达89.88%。

图3 分心时长分布Fig.3 Distribution of distraction time

马勇的研究［10］表明，驾驶人在视线离开前方区域情况下，超过60%的注视对象是车内区域，且驾驶人观察左后视镜区域的次数高于右后视镜区域；约90%的注视时长小于1.0s，注视时长为0.4～0.8s的比例超过50%。这说明驾驶人受分心干扰，视线转移和停留在左侧后视镜的时间明显较长，显著区别于正常驾驶时观察左侧后视镜的时长。

马勇等［13］的研究表明，当驾驶人视线离开前方道路超过2s，则碰撞事故风险会大增。因此，显著区别于正常驾驶，驾驶人分心时长对车道偏离的影响需要进一步研究。

3.2 车道偏离与分心时长的相关性分析

按照前文介绍的试验数据处理方法，对所采集到的分心过程的数据进行处理，分别得到偏离距离的均值、方差、幅度与分心时长关系的散点图，如图4～图6所示。从图4～图6可见，随着分心时长增大，偏离距离的均值、方差和幅度均随之增大，且增加速度越来越快。为了探寻偏离距离的均值、方差和幅度与分心时长之间的关系，分别 采 用Kendall、Spearman 和Pearson 对 样 本 进行相关性分析，结果见表1。

图4 偏离距离均值与分心时长的散点图Fig.4 Scatter diagram between mean distance of lane departure and distraction time

图5 偏离距离方差与分心时长的散点图Fig.5 Scatter diagram between variance distance of lane departure and distraction time

综上分析，偏离距离的均值、方差和幅度与分心时长的相关性均通过Kendall、Spearman 和Pearson检验，并表现为在0.01水平（单侧）上显著相关。

表1 相关性检验结果Table 1 Results of correlation tests

图6 偏离幅度与分心时长的散点图Fig.6 Scatter diagram between amplitude distance of lane departure and distraction time

3.3 车道偏离与分心时长的拟合分析

通过车道偏离与分心时长的相关性分析，可以认为偏离距离的均值、方差和幅度分别与分心时长之间具有一定的关系。为了明确这种关系，分别采用线性方程、二次方程和三次方程对散点图4、图5和图6进行拟合，分别得到拟合系数R2如表2所示。

表2 拟合系数R2Table 2 Fitting coefficients R2

各散点图的三次方程拟合系数均最高，对应的拟合图形分别如图7～图9所示，拟合公式分别为：

对图7～图9分析可知，车道偏离距离的均值、方差和幅度均随着分心时长的增加而增加，且增加的速度越来越快。

由式（5）（6）（7）分别计算得到：当分心时长分别达到2.302、3.266和3.915s时，偏离距离的均值分别达到10、20、30cm；当分心时长分别达到2.316、3.187和3.762s时，偏离距离的方差分别达到50、100 和150；当分心时长分别达到2.490、3.127和3.632s时，偏离距离的幅度分别达到10、20和25cm。综上所述，当分心时长达到3.2s左右时，车道偏离距离均值、偏离距离方差和偏离幅度分别突破20、100和25cm。

图7 偏离距离均值与分心时长的拟合Fig.7 Fitting between mean distance of lane departure and distraction time

图8 偏离距离方差与分心时长的拟合Fig.8 Fitting between variance distance of lane departure and distraction time

图9 偏离幅度与分心时长的拟合Fig.9 Fitting between amplitude distance of lane departure and distraction time

3.4 分心驾驶和正常驾驶时车道偏离的对比

分心过程中的车道偏离与分心时长表现出了显著的相关性，且车道偏离随着分心时长的增加表现出了明显的变化规律。为了便于进行分心驾驶与正常驾驶各相同时长组内偏离距离均值的比较，考虑到数据分布的细微变化和提高数据分析的合理性，本文结合百分位排序法对分心时长进行排序（见表3），确定0.5s的分组区间。

误差条形图用以表达样本的均值及均值的95%置信区间，可以通过误差条形图来比较两个总体均值之间的差异。本文分别做出分心驾驶和正常驾驶时各时长组的偏离距离均值、偏离距离方差和偏离幅度的误差条形图，如图10～图12所示。

表3 分心时长百分位数Table 3 Percentile of distraction length

图10 偏离距离均值的对比Fig.10 Comparison of mean distance of lane departure

从图10～图12分析可知：各时长组内，分心驾驶的车道偏离的均值、方差和幅度均高于正常驾驶。正常驾驶时各组偏离距离的均值、方差和幅度几乎都分别在10cm、100cm2和20cm 以下，而分心时长小于3.0s时各组偏离距离的均值、方差和幅度也分别在10cm、100cm2和20cm以下，略微高于正常驾驶的统计值，但分心时长大于3.0s时各组偏离距离均值、偏离距离方差和偏离幅度均分别超过10cm、100cm2和20cm 这一水平并迅速增加。

图11 偏离距离方差的对比Fig.11 Comparison of variance distance of lane departure

图12 偏离幅度的对比Fig.12 Comparison of amplitude distance of lane departure

结合第3.1节中拟合公式的计算，当分心时长分别为2.30s和3.27s时，偏离距离的均值分别达到10cm 和20cm；分心时长为3.18s时，偏离距离的方差达到100cm2；分心时长为3.18s时，偏离幅度达到20cm。综上认为分心时长超过3.0s时，分心驾驶引起的车道偏离迅速增加，显著高于正常驾驶时的偏离量。在高速行驶时，这样的车道偏离状况是非常危险的，很容易与周边车辆离得太近而发生刮蹭或碰撞。

4 结 论

（1）通过利用车道线检测系统、高精度GPS和交通场景与操作行为视频监控系统，在实际道路上，基于小型试验车对12名被试驾驶人进行了驾驶试验，分析了驾驶人分心时长与车道偏离的关系。

（2）试验得到驾驶人视觉分心时长主要分布在1～2.5s的区间，约占2／3的比例；而视觉分心时长高于3.5s的情况虽然较少，但其比例仍接近13%。可见，大部分驾驶人视觉分心的时长具有一定的习惯性和主观忍受极限，但也有少部分驾驶人容易在通过左后视镜观察后车情况的过程中，长时间将视线偏离前方主视区。

（3）高速驾驶时，驾驶人分心时长显著影响车辆的车道偏离量。随着分心时长的增加，车道偏离越来越严重。尤其当分心时长超过3.0s时，车道偏离超过一定水平并在短时间内迅速增大，从而很容易与周边车辆发生碰撞。因此为保证安全行车，驾驶人应避免长时间将视线偏离前方主视区。

（4）通过研究分心过程中的车道偏离规律，可以为进一步开发驾驶分心主动预警系统提供试验数据支撑，如分级预警和设定预警阈值等。同时，在考虑其他可能影响驾驶分心过程中车道偏离的因素方面，以及多种分心行为（如视觉分心与操作分心同时发生）方面，还需要进一步深入研究。

［1］马勇，付锐.驾驶人视觉特性与行车安全研究进展［J］.中国公路学报，2015，28（6）：82－94.Ma Yong，Fu Rui.Research and development of drivers visual behavior and driving safety［J］.China Journal of Highway and Transport，2015，28（6）：82－94.

［2］Deram P.Vehicle based detection of inattentive driving for integration in an adaptive lane departure warning system－distraction detection［D］.Stockholm：Royal Institute of Technology，KTH，2004.

［3］王武宏，孙逢春，曹琦，等.道路交通系统中驾驶行为理论与方法［M］.北京：科学出版社，2001.

［4］Metz B，Krueger H P.Measuring visual distraction in driving：The potential of head movement analysis［J］.Intelligent Transport Systems，2010，4（4）：289－297.

［5］Brumby D P，Salvucci D D，Howes A.Focus on driving：how cognitive constraints shape the adaptation of strategy when dialing while driving［C］∥Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，ACM，2009：1629－1638.

［6］Rakauskas M E，Gugerty L J，Ward N J.Effects of naturalistic cell phone conversations on driving performance［J］.Journal of Safety Research，2004，35（4）：453－464.

［7］Törnros J E B，Bolling A K.Mobile phone useeffects of handheld and handsfree phones on driving performance［J］.Accident Analysis ＆Prevention，2005，37（5）：902－909.

［8］Rosenbloom T.Driving performance while using cell phones：an observational study［J］.Journal of Safety Research，2006，37（2）：207－212.

［9］宋殿明.视线离开前方视野过程中驾驶人行为研究［D］.西安：长安大学汽车学院，2012.Song Dian－ming.Study on driver behavior during eyes off road［D］.Xi＇an：School of Automobile，Chang＇an University，2012.

［10］马勇，付锐，王畅，等.视觉分心时驾驶人注视行为特性分析［J］.中国安全科学学报，2013，23（5）：10－14.Ma Yong，Fu Rui，Wang Chang，et al.Analysis of drivers＇gazing behavior during visual distraction［J］.China Safety Science Journal，2013，23（5）：10－14.

［11］Sodhi M，Reimer B.Glance analysis of driver eye movements to evaluate distraction［J］.Behavior Research Methods Instruments ＆Computers，2002，34（4）：529－538.

［12］Crundall D，Shenton C，Underwood G.Eye movements during intentional car following［J］.Perception，2004，33（8）：975－986.

［13］马勇，付锐，袁钰，等.基于驾驶人分心影响程度的驾驶分心任务评级［J］.交通信息与安全，2014，32（5）：47－51，57.Ma Yong，Fu Rui，Yuan Yu，et al.Rating driving distraction tasks baesd on distraction impact on drivers［J］.Journal of Transport Information and Safety，2014，32（5）：47－51，57.