基于驾驶员身体特征和操作姿态的汽车内饰按键操作便捷性建模

荆　旭， 李春华, 范秀敏， 何其昌

(1.江苏大学 京江学院，江苏 镇江 212013； 2.江苏科技大学 电子信息学院，江苏 镇江 212003;3.上海交通大学 机械与动力工程学院，计算机集成制造研究所，上海 200240)



基于驾驶员身体特征和操作姿态的汽车内饰按键操作便捷性建模

荆旭1,3， 李春华2, 范秀敏3， 何其昌3

(1.江苏大学 京江学院，江苏 镇江 212013； 2.江苏科技大学 电子信息学院，江苏 镇江 212003;3.上海交通大学 机械与动力工程学院，计算机集成制造研究所，上海 200240)

作为汽车驾驶过程中的次级任务，内饰部件操作是否便捷严重影响行车安全。针对汽车内饰按键，提出一种基于驾驶员身体特征和肢体操作姿态的操作时间建模方法。首先，利用汽车模拟驾驶器和人体运动捕捉系统，采集9名驾驶员在驾驶状态下的肢体操作姿态和操作时间；然后，统计分析影响操作时间的主要因素；接着，通过主成分回归方法建立操作时间预测模型；最后，利用测试按键和5名新驾驶员的操作数据验证模型。实验结果表明：上躯干侧倾和前倾、肩关节前后摆、肘关节屈伸以及手臂的内外旋转等肢体运动和驾驶员的身体特征均是影响操作时间的主要因素；测试按键的平均预测绝对误差为0.212 s，新驾驶员为0.226 s，验证了模型的有效性。本研究对于汽车内饰部件的便捷性评估提供一种新方法。

汽车内饰; 操作便捷性; 操作姿态; 人体运动跟踪; 统计分析; 主成分回归

近年来信息化设备越来越多装备于汽车，导致汽车内布置的操控部件呈不断增多的趋势，但受到布置空间的限制，如何能够合理地安排信息显示设备和操控部件的空间位置对于内饰设计师是一个需要重点考虑的问题[1-2]。相对于汽车驾驶操纵，内饰部件的操作属于次级任务，不同位置的内饰操控部件对于正常驾驶的影响也不同。有研究表明操作布置位置不合理的部件会明显地降低驾驶员的驾驶绩效[3-5]，尤其是操作时间过长的内饰部件，因此，内饰部件操作是否便捷对于行车安全影响巨大。

目前，汽车内饰操控部件的评估内容主要包括可达性和舒适性两个方面。前者主要利用可伸及界面考察所设计的内饰操控部件是否处在一定身高百分位区域驾驶员的伸及范围之内[6-7]；后者将从驾驶员操作姿态中提取出的活动关节角度代入舒适度评估模型中考察内饰操作对驾驶员肌肉的影响[8-9]。但是，由于没有针对操作时间的预测模型，目前的评估手段中没有提供对内饰部件布置的便捷性进行评估的方法。

内饰件的操作过程也是驾驶员参与操作活动肢体执行一系列动作的过程。在此过程中，驾驶员操作手从正常驾驶姿态下放置于转向盘出发，然后触及到操作目标，执行操作后，再恢复到放置于转向盘的姿态。由于内饰部件的不同位置会导致驾驶员操作时采用不同的操作姿态，相对于正常驾驶姿态，驾驶员的活动肢体关节输出一定的角度变化。由于操作不同位置内饰件的肢体姿态不同，而这些姿态变化需要一定的操作时间，这导致操作时间也不同，并且，不同身体特征的驾驶员操作时会采用不同的操作姿态。

由于驾驶员的操作姿态易于获取，其在汽车人机工程评估中得到了广泛的应用[10-12]。因此，本文以汽车操作部件中最常用的按键为对象，利用驾驶模拟器和人体运动跟踪设备，获取真人驾驶状态下的操作姿态和时间数据，通过统计分析和主成分回归方法建立驾驶员肢体操作姿态和身体特征与操作时间之间的关联，从而能够提供一种汽车内饰部件操作时间预测方法，用以解决目前评估手段无法进行操作便捷性评估的问题。

1　汽车内饰部件操作便捷性

定义汽车内饰部件操作便捷性：车辆行进过程中，在保持车辆车速、行车方向不变的前提下，驾驶员完成某个内饰部件操作的时间长度，称为内饰部件的操作便捷性，记为ΔtC。

为了能够对不同空间位置的部件进行评估，建立驾驶员操作内饰时的姿态变化量和身体特征参数与操作时间的定量描述关系：

ΔtC=f(ΔΘ,S)。

(1)

其中，ΔΘ为驾驶员内饰操作姿态相对于正常驾驶姿态的活动肢体关节角度变化量，S为驾驶员特征参数。由于在正常驾驶情况下，驾驶员的下躯干对于座椅相对固定，因此，参与操作的活动肢体主要为上躯干和右手臂。由于驾驶状态下驾驶员下躯干固定于座椅上，但上躯干仍可进行轻微旋转，根据人体的骨架特征，采用十自由度骨架模型。即：上躯干相对于下躯干包含俯仰、偏转和侧倾3个旋转自由度；肩关节包含前后摆、侧抬和轴旋转3个旋转自由度；肘关节包含屈伸和轴旋转2个旋转自由度；腕关节包含屈伸和收展2个旋转自由度。因此，ΔΘ可表示为

(2)

其中，joint为各个活动关节，k为上级肢体坐标系分量。需要指出的是在七自由度手臂运动模型中，肘关节不包括上臂坐标系y方向的旋转自由度，腕关节不包含小臂坐标系x方向的旋转自由度。

本文拟解决的问题描述如下：假设单个驾驶员在正常驾驶情况下操作m个指定位置内饰部件的姿态变化值和操作时间为 {(ΔΘ,ΔtC)1,(ΔΘ,ΔtC)2,…,(ΔΘ,ΔtC)i,…,(ΔΘ,ΔtC)m}，i=1,2,…,m，记为Ω，则给定N个不同身体特征驾驶员的操作变化值{{S,Ω}1,{S,Ω}2,…,{S,Ω}i,…,{S,Ω}N}，如何利用统计分析工具找出影响操作时间的主要因素，并建立如式(1)的定量描述关系模型，从而能够依据驾驶员操作姿态和身体特征参数对不同位置的内饰部件的操作时间进行预测。

2　实验测量

实验目的是采集驾驶员执行内饰按键操作时活动肢体相对于正常驾驶姿态的关节角度变化量和操作时间，用于统计分析和回归模型的建立和验证。为了能够使得驾驶员安全、顺利地完成内饰件的操作动作，并获取人员在操作时的活动肢体姿态，因此，利用驾驶仿真平台进行操作数据采集。

2.1实验驾驶员

为了消除年龄和性别造成的操作时间差异，实验人员选择青年男性驾驶人员，同时，考虑到不同身高和体重的驾驶员会有不同的操作姿态，所以选择驾驶员要覆盖一定的身高和体重范围。人员的统计数据如表1所示。

2.2实验设备

实验设备主要包括2个部分：模拟驾驶系统和人体运动跟踪系统，如图1所示。

表1　参试驾驶员身体参数

图1　实验设备

虚拟驾驶模拟系统采用实验室自主开发的三通道模拟驾驶系统(图1(a))。其硬件系统包括：模拟驾驶舱、投影显示系统、数据采集设备以及仿真控制主机等；软件系统包括：汽车运动/动力仿真模块、虚拟场景显示模块、数据采集与处理模块等。

人体运动跟踪设备采用NDI公司的 Polaris Spectra运动捕捉系统(图1(b))。其采样频率可达到60 Hz，采样空间范围为4 m×1.5 m× 1.8 m，位置跟踪精度为0.25 mm RMS。根据活动肢体的数目，4个6自由度传感器(图1(c))分别用于躯干、上臂、小臂和手掌的位置跟踪，利用具有一定弹性的绑带，绑缚在对应的肢体上，以减少传感器在肢体运动时发生相对的位移，绑缚位置参考文献[13]，躯干传感器布置于上躯干前面中部，上臂传感器位于上臂外侧近肘关节1/3臂长处，小臂传感器位于小臂外侧近腕关节1/3臂长处，手部传感器布置于手背平整处。另外，一个点位置跟踪器(图1(c))用于关节点空间位置的确定。

2.3实验情景设计

实验情景设计主要是对数据采集过程中的驾驶员操作动作行为和车辆行驶行为进行约束，从而能够减少采集的操作数据与真实驾车情景下采集数据间的差异，包含2个方面：1)规定内饰部件的操作形式和空间位置布置；2)规定驾驶员执行按键操作时的车辆行驶状态。

2.3.1按键布置

常见的汽车内饰操作部件有按键、旋钮、扳扭等不同类型，由于操作方式和所需操作力的不同，导致操作时间也不相同，随着信息化设备在汽车中的广泛应用，按键已成为主要操作形式，因此，本文研究按键类型在不同空间位置布置的操作便捷性。

随着可操控部件和信息化设备的增加，新型汽车内饰操作件的布置位置除了常规的中控台外，排挡开关平面也逐步成为布置区域。参考汽车可伸及界面给出的空间范围要求，模拟操作按键的布置位置应位于可伸及界面内同时能够覆盖较大的操作动作变化范围，即要同时包括较易操作和较难操作的位置。因此，本实验以汽车中控台和排挡开关平面区域为按键的布置区域，图2给出了模拟操作按键的位置布置。

图2　模拟按键位置布置

由图2可见，按键分别布置于中控台和排挡开关平面，其中：建模按键用于回归训练构建模型，用面积较大的按键表示；测试按键用于模型验证，用面积较小的按键表示。在前面板上固定一个传感器建立整车基准坐标系，利用点位置跟踪器可获取各个按键的空间位置。

2.3.2驾驶情景设计

由于驾驶员会选择相对安全的行车状态下操作内饰按键，不会在超车、变道、紧急制动等情况下执行操作，因此本实验选择直路匀速行驶状态作为内饰操作数据采集时的驾驶情景，同时，要求场景变化简单，排除车流影响。

2.4驾驶员操作动作

为了能够通过运动捕捉系统获取驾驶员操作内饰按键的操作姿态和操作时间，驾驶员的操作动作分为3个部分。1)标定动作，用于获取传感器坐标系与活动肢体坐标系之间的位姿变换关系；2)非驾驶状态操作，熟悉模拟驾驶系统和各个按键的空间位置；3)驾驶状态下按键操作，获取正常行车和按键操作时的操作姿态以及执行各个按键操作的时间长度。

2.4.1标定动作

标定动作是指为了获取传感器坐标系相对于驾驶员对应活动肢体坐标系之间的变换关系而让驾驶员执行的特定动作。标定动作的执行步骤如下：1)依据2.2节将4个6自由度传感器分别绑缚在被测驾驶员的上躯干、上臂、小臂和手背上，将基准坐标系传感器放置于模拟驾驶器前面板(如图2所示)，并调节至水平；2)让驾驶员躯干坐直，同时手臂侧向水平伸展，姿态保持一定时间，记录下各个传感器的空间姿态，并用点传感器工具获取肩关节尖突和腋窝、肘关节内外骨突和腕关节内外骨突的空间坐标；3)利用动态相对位姿标定方法[14]，计算此时的传感器姿态到基准坐标系的变换关系，从而得到传感器坐标系相对于对应活动肢体坐标系之间的变换关系。

2.4.2非驾驶状态下操作

在执行标定动作之后，驾驶员要熟悉模拟驾驶的各个操控部件和按钮布置，首先依据脚踩油门踏板的舒适度将座椅调整到合适的位置；然后，在非驾驶状态下对模拟按键执行按键操作，操作时要求驾驶员尽量保持正常的驾驶坐姿，熟悉各个按键的空间位置，从而消除在行车操作时由于寻找按键造成的时间消耗。

2.4.3驾驶状态下按键操作

图3　驾驶状态下的按键操作

在熟悉模拟驾驶器的操作方法和各个按键的空间位置后，驾驶员启动模拟汽车，在控制车辆保持直线匀速行驶的情况下执行按键操作。一次按键操作的过程是：1)驾驶员处于正常驾驶状态，双手置于转向盘上；然后，驾驶员的右手离开转向盘，快速伸出手臂并必要时转动躯干来触及目标按键；2)触及按键后不做停留，右手快速自然恢复到转向盘上。整个操作过程中，活动肢体的操作轨迹均进行采样记录。在操作期间，要求驾驶员保持车速为60 km/h，并且车辆始终位于同一车道内。

根据建模和测试的需求，分别采集两组按键(图2所示)的操作轨迹。两组按键虽然面积大小存在区别，但由于颜色反差比较明显，空间位置均能够清晰感知，因此在实际操作过程中，被测驾驶员并未感到明显区别。每个按键均执行3次操作。同时，为了对驾驶员的动作进行事后分析，将整个操作过程进行录像记录，如果驾驶员的某个按键操作出现明显延迟，这个操作的时间数据将被剔除。

3　按键操作便捷性统计分析

本节首先对被测驾驶员的操作姿态和时间数据进行预处理，然后利用多元线性回归分析寻找对因变量操作时间的影响有统计学意义的自变量，最后利用主成分分析法对其进行归类和分析。

3.1数据预处理

由于运动捕捉系统采集的跟踪数据是六自由度传感器的空间运动轨迹，而本研究需要的自变量是各个活动肢体关节的变化角度，即上躯干、肩膀、肘关节和腕关节在按键操作时相对于正常驾驶姿态的关节变化角度。同时，需要利用采用帧数作为计数器操作时间进行计算。因此，需要对运动捕捉系统直接获取的数据进行预处理。

3.1.1操作动作关节角度变化量计算

记Ttorso、Tarm、Tfore和Tpalm分别是利用2.4.1节方法获取的传感器坐标系到对应肢体坐标系的位姿变换矩阵，则各段肢体的空间运动姿态为

(3)

其中，MtorsoT、MarmT、MforeT、MpalmT分别是4个6自由度传感器的空间位姿，它由运动捕捉系统直接输出得到。链式驱动下各活动肢体相对于上一级肢体的相对位姿为

(4)

(5)

其中，Mtorso为上躯干的空间位姿。由于驾驶者下躯干固定在座椅上，其姿态与基准坐标一致，所以可以直接对上躯干位姿矩阵进行欧拉分解。另外，考虑到上臂和小臂在轴旋转时会发生皮肤组织滑移而出现跟踪偏差，利用文献[14]的欧拉分解方法对进行分解计算并且对皮肤组织滑移引起的跟踪误差进行补偿。

令ΘD为驾驶员处于正常驾驶姿态下的利用式(5)计算得到的各个关节角度值，此时，驾驶员的双手应放置于转向盘上；ΘBi为执行第i个按键操作姿态下的关节角度值，则执行此按键操作任务时各个活动关节的角度变化量为

ΔΘBi=ΘBi-ΘD。

(6)

取9位被测驾驶员15个建模按键操作姿态，利用式(6)共计算得到135组的活动关节角度变化数据，其均值和标准差统计如表2所示。

表2　按键操作各个关节角度变化量统计

3.1.2操作时间处理

(7)

其中，f为人体运动捕捉系统采样频率，实验中设定为60Hz。

3.1.3归一化处理

数据归一化方法是进行主成分分析前对数据常做的一种处理方法。一般把数据归一化到[-0.5, 0.5]区间，从而可以取消各维数据间的量级差别。本文以正常驾驶姿态下的关节角度为基准，计算驾驶员在操作按键时的关节角度与基准关节角度差为自变量。由于各个的活动范围不同，因此直接利用角度进行建模存在一定的偏差，所以对关节转动角度进行归一化处理，本文采用最大最小法对活动肢体关节角度进行归一化。

(8)

3.2统计分析

3.2.1多元线性回归分析

将3.1.1节获取的按键操作姿态数据和2.1节的身体参数进行归一化后，以关节活动角度和驾驶员的身高、体重作为自变量，以操作时间作为因变量进行多元线性回归分析，回归结果见表3和表4。

表3　多元线性回归方程的方差分析

由表3可以看出，多元回归方程的假设检验，P<0.001，可以认为部分关节活动角度变化对按键操作时间的影响有统计学意义。

表4　多元线性回归自变量显著性诊断统计量

3.2.2主成分分析

主成分分析是通过找出几个彼此间互不相关的综合变量来代替原来众多的变量，并能尽可能地代表原来变量的信息量。它是提取和归类影响因素的有效方法。驾驶员进行按键操作往往是多个肢体关节联合运动的结果，各个运动之间存在一定协同性，因此，采用主成分分析法一方面可以对影响因数进行提取和归类，还可以得到标准化和指标正交化的模型输入。

对多元线性回归分析中有显著性的8个自变量进行主成分分析[15]，采用旋转计算方法，分析结果见表5。

表5　主成分分析结果

主成分个数的选取以累计方差百分比大于85%为准，由表5可以看出，选取5个主成分后累计方差比为90.467%，大于85%。

从提取的主成分构成可见，第1个主成分主要与手臂的前后摆动和肘关节的屈伸有关，占方差百分比25.055%，说明手臂的伸展在按键操作中起到重要作用，它反映的是驾驶员对不同纵向位置按键时手臂的运动方式，其与上臂的前后摆动正相关，与肘关节的屈伸负相关，说明驾驶员在操作时会根据按键在纵向位置上的不同选择合适的上臂摆动和肘关节屈伸角度；第2个主成分反映的是驾驶员的身体特征对操作时间的影响；第3个主成分主要与手臂的旋转运动相关，它反映的是驾驶员操作不同横向位置按键时手臂的运动方式，其与上臂旋转正相关，与小臂的旋转运动负相关，说明驾驶员在操作时会依据按键在横向位置上的不同选择合适的上臂和小臂旋转的角度；第4个主成分和第5个主成分分别反映的是身体侧倾和前倾的动作对按键操作时间的影响，从结果看出，上躯干动作的活动幅度虽然不大，但是对于操作时间的影响非常显著。肩关节侧抬和腕关节的运动，虽然在按键操作时也参与操作活动，但是对于操作时间的影响不如前面几种因素。

主成分回归(Principal Component Regression，PCR)是利用通过主成分分析得到的自变量进行学习训练的回归建模方法。分别对上述5个主成分自变量和因变量操作时间标准化后，进行主成分回归分析，分析结果见表6。

由表6可知，得到的5个主成分变量系数的假设检验P值均小于0.05，说明这5个自变量对因变量的作用均由显著性。

表6　旋转主成分回归分析结果

4　回归建模和结果分析

4.1回归训练结果

由表6确定的标准化主成分回归方程，经换算得到一般多元线性回归方程为：

0.0132h+0.0179w。

(9)

回归结果与多元线性回归(Multiple Linear Regression，MLR)进行比较，MLR是一种常用的回归建模方法，其基于最小二乘方法进行，利用SPSS统计软件，直接对所有12个自变量进行回归，得到回归方程：

(10)

4.2评价指标

评价指标分为两部分，第一部分是样本拟合指标，考察模型对建模数据拟合的优劣，第二部分是外部验证指标，考察模型的预测准确度。

样本拟合指标包括：决定系数(R2)、拟合平均绝对误差(MAEF)、平均绝对百分比误差(MAPEF)：

(11)

(12)

对于预测结果的预测误差评价，常用的评价指标有平均预测绝对误差(MAEP)和平均预测绝对百分比误差(MAPEP)。在本实验中，对模型预测从两方面考察，首先考察回归模型对于建模驾驶员执行测试按键操作的时间预测准确度，评价指标为MAEPB和MAPEPB：

(13)

(14)

其次，考察回归模型对于新驾驶员执行测试按键操作的时间预测准确度，评价指标为MAEPS和MAPEPS：

(15)

(16)

4.3结果评价与分析

将9名参与回归建模驾驶员的8个测试按键操作数据分别输入到式(9)和式(10)中，计算主成分回归模型和多元线性回归模型对新按键的预测操作时间；将5名新驾驶员的8个测试按键操作数据分别输入到式(9)和式(10)中，计算两种模型对新驾驶员按键的预测操作时间，利用式(11)～(16)计算的拟合和预测评价指标结果见表7。

表7　回归模型评价指标对比

由表7可见，在本组驾驶员操作实验中，两种回归模型的拟合和预测误差百分比在8%～14%的区间内，平均绝度误差在0.13 s～0.23 s之间，相比于拟合精度平均绝对误差，两种回归模型建模驾驶员测试按键操作时间的平均绝对误差高出0.04 s左右，两种回归模型新驾驶员测试按键操作时间的平均绝对误差高出0.06 s左右，这段时间长度对手臂的伸及、触及和再回收的整个动作操作时间来讲，误差在一定的接受范围之内，说明两种回归模型具有一定的预测准确度。

MLR在拟合精度和预测精度方面均略优于PCR方法，平均绝对误差少0.03 s左右，说明通过主成分分析方法虽然可以对操作时间有显著影响的肢体关节活动进行分类，但相对于多元回归模型，主成分回归的拟合精度和预测精度均略低，虽然仅0.03 s的误差，仍说明有些活动肢体活动关节的角度变化对操作时间虽不具有统计学意义上的显著性，仍然对操作时间产生影响。

从结果可以看出，两种回归模型的R2分别为0.66和0.55，拟合误差百分比为10%左右，而新增按键和新驾驶员引入的误差百分比分别为2%和4%左右，这说明按键操作姿态和操作时间之间存在一定的非线性关系。在实际操作中，对于不同位置区域的按键，驾驶员会在多个活动关节角度变化中自主选取合适的操作姿态，如执行中控台按键操作时的手臂轴旋转方向与操作排挡开关平面按键的旋转方向不同，体现了这种非线性。因此，虽然利用统计分析可以找出对操作时间有显著影响的活动关节因素，能给出一定精度的预测，但要得到更准确的预测结果需建立非线性模型。

内饰设计师在评估按键的布置时，将通过真人操作或数字人模型获得的操作姿态数据输入到操作时间预测模型中，计算出不同位置按键的操作时间，通过比较时间的长短，实现对按键布置的便捷性评估。

5　结论

汽车内饰部件的操作便捷性对于行车安全有重要的影响，建立一个不同空间位置内饰操控部件的驾驶员操作时间的预测模型，可以帮助设计师考察不同位置内饰部件布置设计的优劣。本文利用统计分析和主成分回归方法研究驾驶员身体特征和执行按键操作时的活动肢体姿态与操作时间的关系，通过采集驾驶模拟平台上的真实驾驶员操作数据，建立基于操作姿态角度变化和身体参数的内饰部件操作时间预测模型。与传统对内饰件布置进行可达性和舒适性评估不同，本文目的在于对不同位置内饰件操作便捷性的评估。统计结果表明上躯干侧倾和前倾、肩关节前后摆和肘关节的屈伸以及手臂的内外旋转等关节运动的角度变化是影响操作时间的主要因素，同时驾驶员的身高和体重对操作时间也存在一定影响。回归结果验证了本方法对不同驾驶人员操作中控台和排挡开关平面按键操作时间具有一定的预测精度。建立非线性回归模型提高预测准确度是下一步研究方向。

[1]BJELLAND H V,HOFF T,BJØRKLI C A, et al. A case study of a touch-based interface for in-car audio systems[J]. Design Journal, 2007, 10 (1): 24-34.

[2]MITSOPOULOS-RUBENS E,TROTTER M J,LENNÉ M G. Usability evaluation as part of iterative design of an in-vehicle information system[J]. IET Intelligent Transport Systems, 2011, 5 (2): 112-119.

[3]HORBERRY T,ANDERSON J,REGAN M A, et al. Driver distraction: The effects of concurrent in-vehicle tasks, road environment complexity and age on driving performance[J]. Accident Analysis and Prevention, 2006, 38 (1): 185-191.

[4]DUKIC T,HANSON L,HOLMQVIST K, et al. Effect of button location on driver's visual behaviour and safety perception[J]. Ergonomics, 2005, 48 (4): 399-410.

[5]ERSAL T,FULLER H J A,TSIMHONI O, et al. Model-based analysis and classification of driver distraction under secondary tasks[J]. Ieee Transactions on Intelligent Transportation Systems, 2010, 11 (3): 692-701.

[6]SAE International Surface Vehicle Recommended Practice, R. F. Driver Hand Control Reach[J]. SAE Standard J287, 2007.

[7]JINGZHOU Y,ABDEL-MALEK K. Human reach envelope and zone differentiation for ergonomic design[J]. Human Factors and Ergonomics in Manufacturing, 2009,15-34.

[8]ALESSANDRO N,SANDRO M. Postural Comfort Inside a Car: Development of an Innovative Model to Evaluate the Discomfort Level[J]. SAE Int. J. Passeng. Cars - Mech. Syst., 2009, 2 (1): 1065-1070.

[9]WANG X,TRASBOT J. Effects of target location, stature and hand grip type on in-vehicle reach discomfort[J]. Ergonomics, 2011, 54 (5): 466-476.

[10]YANG J,KIM J,ABDELMALEK K, et al. A new digital human environment and assessment of vehicle interior design[J]. Computer-Aided Design, 2007, 39 (7): 548-558.

[11]KYUNG G,NUSSBAUM M A. Specifying comfortable driving postures for ergonomic design and evaluation of the driver workspace using digital human models[J]. Ergonomics, 2009, 52 (8): 939-953.

[12]FULLER H J A,REED M P,LIU Y. Integration of physical and cognitive human models to simulate driving with a secondary in-vehicle task[J]. Ieee Transactions on Intelligent Transportation Systems, 2012, 13 (2): 967-972.

[13]CUTTI A G,GIOVANARDI, A,ROCCHI L, et al. Ambulatory measurement of shoulder and elbow kinematics through inertial and magnetic sensors[J]. Medical and Biological Engineering and Computing, 2008, 46 (2): 169-178.

[14]JING X,QIU S,FAN X. Real time human motion compensation based on joint DoF constraints for upper limb soft tissue artefacts[A]. In 2013 6th International Conference on Biomedical Engineering and Informatics, BMEI 2013[C], Hangzhou, 2013, 295-300.

[15]丁秀林, 任雪松, 多元统计分析[M]. 北京：中国统计出版社: 1999.

Modeling of Operating Convenience for Automotive Interior Button Based on Operating Posture and Stature of Driver

JING Xu1,3, LI Chunhua2, FAN Xiumin3, HE Qichang3

(1. Jingjiang College, Jiangsu University, Zhenjiang 212013,China; 2. School of Electronic and Information,Jiangsu University of Science and Technology, Zhenjiang 212003,China; 3. CIM Research Institute, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)

Although the operation of automotive interior components is a secondary task in the process of vehicle driving, its convenience is closely related to driving safety. An operating time modeling method based on the operation posture and stature of driver is proposed for the automobile interior button. The data of reach posture and operation time of 9 males with different statures are collected in driving status using a vehicle simulator and a human motion capture system. The major factors affecting the operating time are analyzed by a statistical method. Based on these factors, an operating time prediction model is established using principal component regression, and is verified by the data of the test buttons and the other 5 males. The experimental results show that the roll and forward movements of the upper torso, the swing movement of the shoulder, the flexion and external rotation of the elbow, axial rotation of the upper limbs and driver's stature are the major factors affecting operation time. The average prediction error (APE) of the test buttons is 0.212s, and the APE of the new participants is 0.226s, which verifies the validity of the model. This study provides a new method for evaluating the convenience of automotive interior components.

automotive interior; operating convenience; operating posture; human motion tracking; statistical analysis; principal component regression

2015- 01- 05

国家自然科学基金资助项目(51475291,51307074);江苏省自然科学基金资助项目(BK20130466)

荆旭(1978-)，男，山东省人，博士研究生，主要研究方向为增强现实和人机工程评估.

10.3969/j.issn.1007- 7375.2016.04.018

U462.2; TP391.9

A

1007-7375(2016)04- 0122- 09