驾驶模拟器仿真度对训练效果的影响

模拟器

驾驶模拟器仿真度对训练效果的影响

韦德·艾伦（R. Wade Allen）*，乔治·帕克（George D.Park）*，玛西娅·库克（Marcia L.Cook）*，达里·菲奥伦蒂诺（Dary Fiorentino）**

*美国系统技术有限公司；**美国南加州研究所

驾驶模拟器的逼真度肯定会对其潜在的训练效果产生影响。本文介绍了先前在 DSC 会议上介绍过的一个项目的培训后事故分析结果。培训涉及三种驾驶模拟器配置：

1.带广角投影幕的真车驾驶室的高仿真驾驶模拟器；

2.具有三屏宽视角显示器的中仿真驾驶模拟器；

3.单屏监视器视野狭窄的低仿真驾驶模拟器。

先前已发布了培训结果，这些结果表明模拟器配置之间在性能方面存在一些差异。从美国 加利福尼亚州的汽车部获得了本实验中训练的新手驾驶员的事故结果。将接受过模拟器训练的 受试者的事故发生率与已公布的加利福尼亚州普通人群的新手驾驶员意外发生率进行比较，并 与加拿大新斯科舍省的数据进行比较。在高仿真驾驶模拟器中训练的新手驾驶员受试者的事故 率仅是常规培训方式训练的新手驾驶员事故率的 34%。经过中仿真驾驶模拟器培训的新手驾驶员的事故率仅是常规培训方式训练的新手驾驶员事故率的 77％。在低仿真驾驶模拟器上训练的新手驾驶员的事故率大约与普通人群的事故率相同。本文介绍了训练方案和模拟器配置，并对事 故数据进行了详细分析。

驾驶模拟器对真实条件的仿真度对其潜在的学习效果具有不可否认的影响。本文介绍了已经在 DSC 会议上介绍过的一个项目的训练后事故率分析的结果。该培训包括三种驾驶模拟器配置：

1.配备了真车驾驶室并在大角度投影显示的高仿真驾驶模拟器；

2.具有三屏监视器的宽视野的中仿真驾驶模拟器；

3..带有单屏监视器的显示狭窄视野的低仿真驾驶模拟器。

该培训的先前发布的结果表明，驾驶模拟器的不同配置之间在性能上存在一些差异。可从美国加利福尼亚州的汽车部获得针对这种经历的新手驾驶员的事故统计数据。将这些受试者的事故发生率与加利福尼亚州新手驾驶员的事故发生率进行比较，并与加拿大新斯科舍省的公布数据进行比较。使用高仿真驾驶模拟器的新手驾驶员的事故率仅为传统培训方式的新手驾驶员事故率的 34%。在中仿真驾驶模拟器中受过训练的新手驾驶员的事故率占整个新手驾驶员事故率的 77％。使用低仿真驾驶模拟器的新手驾驶员的事故率大约与普通人群的事故率相同。本文介绍了培训过程和驾驶模拟器配置，并提供了有关交流数据的详细分析。

模拟器

对新手驾驶员进行安全驾驶实践培训是一个难题，涉及的领域与军事和商业领域的更专业培训大不相同。随着年龄较大的科目在更专业的背景下进行培训，通常会有一个选择过程以及一定程度的专业精神和学习动机，而普通新手驾驶员则无法找到。新手驾驶员的主要动机是获得驾驶执照和自由驾驶，并且不了解驾驶环境中的危险。新手驾驶员的事故率通常每年约为 8-10％（即，每 100 名驾驶员每年 8-10 起事故），而经验丰富的中年驾驶员的事故率约为 4-5％（1）， 当考虑到行驶里程等因素时，新手驾驶员事故率比成熟驾驶员高出约 5 倍，差异甚至更大（1）。

过去的研究表明，缺乏经验的新手驾驶员撞车风险影响超过了驾驶第一年的不成熟的影 响，而当新手驾驶员获得一些经验并建立了对驾驶的信心时，不成熟就变得更加重要。尽管新手驾驶员的驾驶行为看起来像是故意冒险，但实际上可能是由于他们无法评估风险（2, 3). 年轻的新手驾驶员由于不成熟而冒险，陷入危险情况，然后由于经验不足而无法避免撞车（4, 5). 为了增加新手驾驶员的驾驶安全问题，由于预算问题，学区减少了对驾驶员的教育，新手驾驶员现在越来越依赖商业驾驶学校，计算机化和在线课程以及与父母一起驾驶（6). 在许多州都可以进行家庭学习，并且根据国际驾驶培训发现，使用交互式技术来教驾驶员学习，能带来更好的学习效果（6). 也有人指出，自律、自定进度的教学方法，可能比传统的课堂教学更有利于教学风险最高的年轻驾驶员的驾驶教学，因为常规课程可能会使这些学员在学习驾驶的早期阶段感到厌倦（7)。

总体上讲，尽管仍然很受欢迎，但要证明驾驶员教育的有效性似乎有些困难（8). 驾驶员培训可以帮助初学者掌握驾驶技能，但是标准的驾驶员培训课程似乎不能培养出更安全的驾驶员（9). 分级驾驶执照似乎正在控制着暴露程度，由于夜间和乘客的限制以及长期的有监督驾驶实践，事故发生率更低。在获得执照的第一年中，年轻驾驶员的汽车碰撞事故率要高得多， 并且随着经验的增加，碰撞事故的风险会降低。但是，新获得驾照的新手驾驶员开车越多，他面临的风险就越大。这给如何为年轻的驾驶员提供驾驶体验而又不显着增加他们的撞车风险带来了一个有趣的难题（10). 驾驶模拟训练可能是解决这个难题的方法，因为可以以受控且重复的方式模拟暴露在危险驾驶条件下的风险，而不会带来任何风险。

模拟器

最近的研究仍在继续揭示新手驾驶员遇到的风险（11). 这篇评论也承认技术在驾驶员教育中的应用。模拟是一种潜在的技术，可以在新手驾驶之前将其提高到实际水平。本文感兴趣的研究项目是在几年前启动的，目的是调查驾驶模拟器培训是否可以向新手驾驶员传授知识和技能，从而使他们能够转换为现实驾驶。该项目的培训阶段以前已经报告过（12-16）和具有三个仿真度级别的模拟器。如图 1 所示，驾驶模拟器配置包括：

1.低仿真驾驶模拟器——单屏显示器或窄视场配置（NFOVD）；

2.中仿真驾驶模拟器——三屏显示器或宽视场配置（WFOVD）；

3.高仿真驾驶模拟器——具有投影式宽视场显示器的真车驾驶室（WFOVC）。

该项目的第一阶段报告于（12），详细的培训结果报告在（15). 有关我们经过模拟训练的受试者的事故发生率的数据是从加利福尼亚州汽车管理局（DMV）获得的。本文对这些数据进行了分析，并与其他地方报告的新手驾驶员事故发生率进行了比较（1, 17).

图1

我们最初打算获取与我们的驾驶模拟器训练的实验人群一致的地理区域中对照组的事故数据。但是，到目前为止，我们还无法从加利福尼亚 DMV 获得此数据，尽管我们已经收到了我们的驾驶模拟器培训对象的事故数据，这将在后面进行讨论。代替控制数据，我们试图通过已公开的文献获得等效的控制数据。两项研究似乎具有比较有用的新手驾驶员事故率，一项针对美国加利福尼亚州（1）由Janke 等人撰写，另一个则由加拿大新斯科舍省（17），由 Mayhew 等人撰写。均于 2003 年出版。报告为每个驾驶员的事故的基本数据如图 2 a）所示。在获得取证后的头 24 个月，每月报告加拿大数据，而在获得取证的四年后，每年报告加利福尼亚数据。由于报告的是一年的加利福尼亚数据，因此将以六个月为间隔对它们进行绘制代表每年的平均值， 并已除以 12，以与 Mayhew 等人进行比较月费。

图2

图 2 a）中的 Mayhew 数据显示了在获得取证后的最初几个月中，新手驾驶员的事故率的严重性。根据针对 Mayhew 数据的图 2 a）中所示的指数回归函数，第一个月的事故率是 24 个月的事故率的两倍。Janke 等人的回归函数。数据显示，最初的事故率是每位驾驶员每月 0.0075 事故或每人每年 0.091 事故，与（1). Janke 等。数据还显示，第一年的新手驾驶员事故率约为中年驾驶员事故率的两倍。图 2 a）数据实际上是每个时间段的累积数据，因此查看此数据的另一种方法是考虑图 2 b 中的累积分布。累积分布显示事故发生率，并且在此之后的前六个月内两个数据集的累积速率大约相等。图 2 b）中汇总的回归分析表明，两个数据集的事故累积率大致相同，每个驾驶员每月约 0.0070 次事故，或每个驾驶员每年 0.084（8.4％）事故。这与 Janke 等人报告的年增长率一致。（1). 图 2 b）中的数据解释是一种有用的格式，可以用来比较该研究项目中的事故数据分析。

过去的研究表明，允许进行“犯错学习”的驾驶模拟训练比传统训练能够更好地迁移至道 路驾驶（18). 从文献中也有其他证据表明，当受试者从犯错中学习时，培训会更加有效（19). 设置方案以允许从驾驶模拟错误中学习的关键是控制决定危险情况严重性的自变量（时间和特 殊关系）的能力。本研究训练阶段的驾驶场景被设计为对于未经训练的驾驶员来说很难并且会 导致错误，但是允许受过训练的驾驶员成功执行（16). 场景的困难在于，驾驶员在初次驾驶时会犯很多错误，并随着训练的进程和技能的提高而学会将错误最小化。学员必须至少驾驶六个 情景，然后才能为达到毕业标准而对其成绩进行评分。为了达到及格分数，受试者可以驾驶多 达三种情景。在第九次试验中，约有 79％的受试者达到及格分数（16).

先前已针对该研究报告了训练系统的性能，例如（12），并且驾驶模拟器的事故率也已发布（20). 提高驾驶模拟器仿真度可改善诸如急转弯和紧急制动之类的操纵变量，而对于大尺寸的全尺寸投影显示器来说则是最佳选择。仿真度降低了诸如转向误操作和事故之类的错误。驾驶员也趋向于以更高的仿真度的驾驶模拟器。更好的仿真度被认为包括全景显示器，宽视野和逼真的侧视镜，如图 1 所示。对于所有配置，高仿真驾驶模拟器的事故率相对较低。鉴于先前发布的培训表现，此处要解决的基本问题是：1）驾驶模拟器培训是否能迁移到现实世界驾驶并导致事故率降低； 2）驾驶模拟器配置是否会影响培训效果？

模拟器

这项研究获得了 500 多个新手驾驶员的驾驶模拟器训练性能结果。该培训系统平台旨在允许向新手驾驶者教授感知，心理运动和认知技能，并由没有进行人体实验背景的驾驶者教育的教员进行管理。PC 平台旨在提供方向，科目记录保存，培训，绩效评估和驾驶员行为评估（13). 该平台的驾驶模拟器组件为受试者提供了认知上复杂的驾驶情况。这些情况涉及九个驾驶场景中包含的危险，时间紧迫的行人，交通和信号冲突。事件的顺序在各场景之间保持平衡，以最大程度地减少对即将发生的情况的预期。这些场景旨在训练关键的驾驶技能，包括情况意识，危害感知，风险评估和在时间压力下的决策，如其他地方所讨论的（14)

1.训练系统

开发了一种自动培训系统，该系统将登录受试者，建立数据库，管理定向材料，管理驾驶模拟器方案，记录驾驶表现，并将受试者数据与确定可接受的训练表现的标准进行比较(13). 登录后，向受试者提供定向材料，该材料提供了模拟操作所必需的信息，包括：交通控制设备（标志，信号和标记），道路规则，车道变更，转弯和转弯指示器的使用以及危害识别，态势感知和防御驾驶。培训以性能评分系统和驾驶控制的使用信息结束。

2.驾驶模拟

驾驶模拟已在其他地方进行了描述（12). 第一次曝光是一次熟悉训练，慢慢地向学员介绍了转向和速度控制，然后与交通控制设备交叉路口，最后是交通和行人冲突。熟悉运行后，培训系统为学员提供了标准化的培训方案。向学员展示了六个 12-15 分钟的训练场景，并在每次运行结束时显示了表现得分。在第六种情况下评估绩效，如果学员达到绩效标准（例如，无事故，无罚单和可接受的平均速度），则他们毕业。如果没有，则该申请最多要进行三项附加试 验。在任何其他试用中，如果学员符合成绩标准，则可以毕业。如果学员驾驶所有其他试驾并且不符合成绩标准，则应劝告他们将来要谨慎驾驶，并表示他们的参与。整体毕业率为 79％（14)

3.驾驶场景

驾驶场景是使用场景定义语言（SDL）创建的，该语言允许规范和控制重大危险（21). SDL 可以根据道路条件方便地描述驾驶场景，并包括交通控制设备（信号，标志和标记），路边物 体，交通和行人的事件。另外，相对于对象自己的车辆，还触发了交通，交通信号和行人的时间属性，以控制危险冲突的严重性（时间）。SDL 还允许在各种情况之间平衡情况，以使受试者无法在连续的试验中学习即将发生的事件的模式。该应用程序被设计为每次给指定的受试者进行额外的运行时选择不同的变异。先前已描述了驾驶场景（包括危险事件）的特征（14). SDL 还允许规范性能指标。性能指标包括车道和速度偏差，限速和违反交通信号灯，转向信号错 误，急转弯和制动，事故，行驶完成时间和所有车辆遭遇碰撞的平均时间等要素。一些性能指标也被用作毕业标准（即无事故，少于 3 次违规和少于 10 个转向信号错误）。

根据驾驶者的速度，驾驶场景的长度大约为 10-15 分钟。它们的长度约为 4,000 英尺，并且可以在 8.5 分钟内完成 45 mph 的速度。在某些路段，受试者可能会走得更快，而在十字路 口，交通和行人路上，受试者不得不减速或停车，这将驾驶时间延长至大约 12-15 分钟。这些场景涉及 155 辆接近的车辆和 107 辆与目标朝同一方向的交互车辆。在整个场景中，车辆分布相对均匀。整个场景中还分布有 67 位行人。行人在对象车辆前行驶的触发时间旨在向对象呈现具有挑战性的决策（例如，通常遇到的时间为 3-6 秒）。信号灯触发时序被设计为给出相对关键的停止或继续决策（例如，到交叉点的典型时间为 3-6 秒）。弯道严重程度被设计为具有挑战性，因为受试者前进的速度超过了 45 mph 的一般速度限制。

4.受试人群和培训地点

在两个研究实验室和两个学区中对科目进行了培训。研究实验室的科目是从当地的汽车部 门办公室招募的，而高中区的科目都是在高中驾驶员教育课上注册的。从 DMV 办公室招募的受试者在两个研究实验室中接受了培训，一个实验室在配置具有宽视野高仿真驾驶模拟器，另一个在配置具有宽视野中仿真驾驶模拟器（图 1）。高中驾驶员培训班的科目是在配置窄视野低仿真驾驶模拟器下进行训练的（图 1）。受试人中女性略有偏多，并且驱动每种配置的对象总数有所不同，图 3。显示了按驾驶模拟器配置和性别划分的参与者分布。招募受试者受到时间和后勤的限制，在每种情况下，我们都试图最大化受试者的数量。

图3

模拟器

我们学员人数的事故数据是从 2006 年 10 月的加利福尼亚州汽车部门获得的。每个小组有两年以上的事故经历。如图 4 所示，事故数据的取证主体人群在各组之间以及随时间变化。我们没有控制对象获得驾驶执照的控制权，图 4 数据是某些对象比其他对象更晚获得驾照的结果。高中驾驶员教育学员（NFOVD）代表了最大的人群，但通常比 DMV 招募小组（WFOVC 和WFOVD）延迟获得取证，因此，自获得取证以来，其人群数量随时间的推移下降最快。每个人群的 50％点如图 4 所示。对于 NFOVD 组，这种情况发生在 25 个月，而 WFOVC 组的一半大小发生在32 个月，而 NFOVD 组的一半大小发生在 33 个月。这些半数人群点将用作计算事故率的限制，如下所述。

图4

图 5 显示了我们训练有素的模拟小组在驾驶的头两年的事故发生率，以及加利福尼亚州传统训练的新手驾驶员的数据(1）和加拿大新斯科舍省（17). WFOVC 小组在高仿真驾驶模拟器接受培训的情况下发生的事故率最低，如图 1 所示。WFOVD 组的事故发生率第二低，并且接受了图1 所示的中仿真驾驶模拟器的培训。低仿真驾驶模拟器培训组的事故发生率略低于文献中采用传统方法培训的驾驶员的事故发生率。图 5 中我们的模拟器组的事故率通常为两年。这些是从文献中获得的数据的良好平均值，但如图 4 所示，在模拟器培训组的人员中，学员人数的分布表明存在问题。我们训练有素的模拟科目的人数有所减少，因为有些科目延迟时间比另一些科目延迟了。因此，我们需要按时间增量计算事故率，并考虑到每个时间增量的人群规模，如下所述。

我们的人群数量随时间的减少是根据图 4 中逐月计算的每个月每个驾驶员的事故发生率计算的。对于每个驾驶模拟器配置组，该组在给定月份的总事故除以该时间段内该组的人群规 模。然后绘制累积事故率，如图 6 所示。这些分布说明了事故在每个人群中累积的频率。在这里，我们看到了每个驾驶模拟器配置培训小组的事故累积率。最初，WFOVC 和 WFOVD 组有相似的事故历史记录，但超过大约六个月的 WFOVC（高仿真驾驶模拟器）显示最低的事故发生率。NFOVD（低仿真驾驶模拟器）配置显示出最高的初始事故率和最高的长期事故率。

图5

将驾驶模拟器配置培训小组的事故率与已发布的加利福尼亚州进行了比较（1）和加拿大（17）事故率通过线性回归分析。回归分析结果总结在表 1 中。在这里，我们首先看到相关性很高，因此结果相当可靠。置信区间表明，基于非重叠置信区间，WFOVC 和WFOVD 组的事故率（以回归斜率表示）确实低于加利福尼亚和加拿大的传统训练驾驶员。WFOVC 组的事故率也可靠地低于 WFOVD 组。即使 NFOVD 斜率也比发布的数据集略低，尽管初始截距肯定更高，这表明初始事故率更高，但累积率更低。回归斜率绘制在图 7 中。

这项研究的结果表明，驾驶模拟器培训可以降低新手驾驶员的事故率。实验设计涉及驾驶模拟器配置的组间比较。三个仿真度的驾驶模拟器配置组之间的事故率有一定的差异。这些组之间还存在一些不受控制的变量，因为低仿真驾驶模拟器在学校中运行，而高仿真驾驶模拟器在实验室中运行。驾驶模拟器实验室从 DMV 办公室招募了受试者，其地理位置暗示了相似的种族组成。

图6

表1

图7

高仿真驾驶模拟器的事故发生率不到中仿真驾驶模拟器的一半 中仿真驾驶模拟器组的数字约占已发布的经过常规培训的新手驾驶员事故率的 77％。高仿真驾驶模拟器培训小组的事故率约为已发布数据常规培训的新手驾驶员事故率的 34％，即使考虑到不受控制的变量影响的可能性，这也是一个相当大的降低。

这些结果对驾驶训练模拟器的仿真配置有影响，并且在更广泛的意义上对模拟器的仿真度有影响。至少看起来，高仿真驾驶模拟器在培训价值上要明显优于低仿真驾驶模拟器。中仿真驾驶模拟器似乎也很重要，因为在低仿真驾驶模拟器上训练的小组事故率仅略有改善。先前对训练数据的分析表明，低仿真驾驶模拟器训练有一些不利之处，即驾驶员似乎比可能与外围提示有关的中仿真驾驶模拟器驾驶得更快（16).

真车驾驶室和周围环境的值目前未知，这是一个很大的混淆变量。看来，用于驾驶员培训的模拟器至少应具有按比例缩放和定位的宽高比显示，以给出真实世界的图像尺寸，并包括真实的图像后视镜（不是此处单屏驾驶模拟器配置所显示的图标）。每个驾驶模拟器培训组还有其他令人困惑的变量，涉及其选择，监督和管理培训，如图 1 所示。具有更高仿真度配置的模拟器培训在研究实验室中进行，并由研究人员进行管理，受试者在加利福尼亚当地的汽车部门办公室招募。低仿真驾驶模拟器已作为驱动程序的一部分部署在高中教育班。学员和老师的确表现出对模拟器培训系统的热情，而且似乎与他们的传统课程很好地融合在一起。

这项研究表明，驾驶模拟器培训似乎会影响新手驾驶员的事故率。这里考虑的驾驶模拟器培训涉及反复暴露于严重危害下，旨在在时间压力下传授态势感知，危害感知和决策，使新手驾驶员可以从错误中学习。结果表明，训练效果随模拟逼真度而变化，并且最有效的训练似乎取决于具有真实（而非标志性）后视镜图像的全尺寸，宽视场驱动显示图像。在本研究中，驾驶模拟器环绕和控制的效果以及训练环境是混杂变量，其效果尚不清楚。模拟培训是在教师和学员可接受的自我管理培训系统中进行的。先前已经证明采用驾驶模拟器训练的事故发生率相对较低。

这些结果不会导致对适当的驾驶模拟器配置的明确描述，但可以明确指出接近全尺寸的图像。大的，宽高比（9x16）的图像可以为该要求提供负担得起的答案，并且可以由平板显示器和投影显示器提供。HDTV 的出现和普及正在压低大型平板显示器的成本，这将在不久的将来产生价格适中的全尺寸，广角显示器。此外，桌面游戏端口控件变得越来越复杂，并且可以为低成本应用程序提供负担得起的可接受的控件解决方案。

这项研究是由美国疾病预防控制中心提供的研究资助，编号为 5 R44 CE00111-03，标题为“用于驾驶员教育的基于 PC 的低成本模拟器”。

（于晓辉推荐）