一种基于VR的列车驾驶员危险感知测试系统及方法

技术领域

本发明涉及危险感知测试技术领域，特别是涉及一种基于VR的列车驾驶员危险感知测试系统及方法。

背景技术

危险感知测试可用来衡量在驾驶活动中驾驶员识别危险的能力，也可作为诊断和培训工具，来提高驾驶员危险感知技能。危险感知测试因研究问题、研究团体以及国家不同而有所差异，目前已经被许多国家开发出来用于驾驶员培训与危险感知的评估。驾驶员危险感知的测量形式可大致分为主观问卷法和客观场景实验法两种方式。主观问卷法主要采取问卷的形式对被试者进行测量，客观场景实验法是通过让被试者经由图片、视频、模拟器或让被试在真实场景中驾驶列车等形式对交通危险场景做出反应，以此来评估被试者的危险感知能力。

目前驾驶员危险感知的研究主要集中在汽车、建筑、航空等领域，关于高铁领域还需进一步探索。列车驾驶员作为“中国速度”的代言人，随着列控系统不断升级发展，列车的运行速度不断提高，安全出行对驾驶员的危险感知提出了更高要求。因此，本领域亟需一种新型危险感知测试方法来对列车驾驶员的危险感知水平进行评估，为列车驾驶员的选拔提供标准和指导，对于减少行车事故、保证乘客的生命财产安全具有重要意义。

发明内容

针对上述背景技术中提出的问题，本发明提供一种基于VR的列车驾驶员危险感知测试系统及方法，以提高列车驾驶员危险感知能力测试结果的准确性和可靠性。

为实现上述目的，本发明提供了如下方案：

一种基于VR的列车驾驶员危险感知测试系统，包括：眼动仪、主机以及分别与主机相连接的视景显示器、鼠标和键盘；所述眼动仪安装在所述视景显示器底端；

所述主机上搭载有危险感知测试平台，所述危险感知测试平台基于C#和Unity3D软件进行搭建；所述危险感知测试平台包括交互层、功能层以及数据层；

所述交互层用于通过Unity界面接收用户请求，来实现列车驾驶员与危险感知测试系统之间的交互；

所述功能层包括调试模块和运行模块；所述调试模块用于通过鼠标和键盘创建和调试不同的危险感知测试场景；所述运行模块用于通过视景显示器呈现不同的危险感知测试场景；

所述数据层包括数据读取模块、数据计算模块和数据存储模块；所述数据读取模块用于通过眼动仪采集列车驾驶员在危险感知测试场景中所选列车行驶时间段内的总注视次数作为眼动指标数据，还用于通过鼠标采集列车驾驶员在危险感知测试场景中所选列车行驶时间段内的行为数据；所述行为包括点击鼠标左键；所述数据计算模块用于根据列车驾驶员的行为数据计算信号检测指标数据和绩效指标数据；所述信号检测指标数据包括灵敏度；所述绩效指标数据包括预期反应时间；所述数据存储模块用于对眼动指标数据、行为数据、信号检测指标数据以及绩效指标数据进行存储。

可选地，所述调试模块包括：列车位置跳转单元、速度位置信息显示单元、停车控制单元、速度设置单元、危险物类型设置单元、危险物位置设置单元以及时间设置单元；

所述列车位置跳转单元用于根据键盘R键的控制来跳转到铁路指定位置；

所述速度位置信息显示单元用于根据键盘T键的控制来显示或隐藏列车的速度位置信息；

所述停车控制单元用于根据键盘空格键的控制来停止或启动列车；

所述速度设置单元用于根据上下箭头键的控制来设置列车的行驶速度；所述列车的行驶速度包括120km/h、160km/h、250km/h和350km/h四个等级速度；

所述危险物类型设置单元用于设置不同的危险感知测试场中出现的危险物类型；所述危险物类型包括行人、轨道障碍物和接触网异物；

所述危险物位置设置单元用于设置不同的危险感知测试场中出现的危险物所在位置；所述危险物所在位置包括危险物位于轨道上的距离位置以及危险物出现在轨道上方接触网上、轨道左面、轨道中间或轨道右面四种危险方位位置；

所述时间设置单元用于设置不同的危险感知测试场景前的等待时间。

可选地，所述眼动仪采用非侵入式的Tobbi Pro Fusion眼动仪。

可选地，所述主机采用RX3070显卡作为测试硬件组件。

可选地，所述视景显示器采用24寸1920*1200分辨率的液晶显示器。

一种基于VR的列车驾驶员危险感知测试方法，基于所述的基于VR的列车驾驶员危险感知测试系统，所述基于VR的列车驾驶员危险感知测试方法包括：

获取列车驾驶员在危险感知测试场景中所选列车行驶时间段内的行为数据；所述行为包括点击鼠标左键；

根据列车驾驶员的行为数据计算列车驾驶员的正确响应率、漏报率、虚报率以及正确拒斥率；

根据列车驾驶员的正确响应率和虚报率计算列车驾驶员的灵敏度作为信号检测指标数据；

根据列车驾驶员的行为数据计算列车驾驶员的预期反应时间作为绩效指标数据；

根据列车驾驶员的信号检测指标数据、绩效指标数据以及眼动指标数据确定列车驾驶员的危险感知能力。

可选地，所述根据列车驾驶员的行为数据计算列车驾驶员的正确响应率、漏报率、虚报率以及正确拒斥率，具体包括：

采用公式

采用公式

采用公式

采用公式

可选地，所述根据列车驾驶员的正确响应率和虚报率计算列车驾驶员的灵敏度作为信号检测指标数据，具体包括：

根据列车驾驶员的正确响应率HR和虚报率FAR，采用公式d＝Z(HR)-Z(FAR)计算列车驾驶员的灵敏度d作为信号检测指标数据；其中Z(HR)表示正态分布HR的横坐标；Z(FAR)表示正态分布FAR的横坐标。

可选地，所述根据列车驾驶员的行为数据计算列车驾驶员的预期反应时间作为绩效指标数据，具体包括：

计算从危险物在危险感知测试场景中出现的时间到列车驾驶员点击鼠标左键的时间作为列车驾驶员的预期反应时间t。

可选地，所述根据列车驾驶员的信号检测指标数据、绩效指标数据以及眼动指标数据确定列车驾驶员的危险感知能力，具体包括：

根据列车驾驶员的灵敏度d、预期反应时间t以及总注视次数f，采用公式P＝d*w

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种基于VR的列车驾驶员危险感知测试系统及方法，根据中国列控系统最高运行速度以及定速巡航的特征，设计了不同速度、危险类型和危险位置的危险感知测试场景，针对目前存在的危险感知测试，从驾驶员的认知过程出发，结合信号检测理论，建立了信号检测、眼动、绩效三维度的危险感知测试指标体系，并基于C#和Unity3D软件搭建了危险感知测试平台，为危险感知测试和危险感知评估提供了良好的测试环境，有效提高列车驾驶员危险感知能力测试结果的准确性和可靠性，对于减少行车事故和保证乘客的生命财产安全具有重要意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明单个危险感知测试场景设计思路示意图；

图2为本发明危险感知测试系统的整体设计框架示意图；

图3为本发明调试模块的部分功能示意图；

图4为本发明调试模块的另一部分功能示意图；

图5为列车驾驶员的危险感知过程示意图；

图6为本发明建立的危险感知测试指标体系示意图；

图7为本发明列车驾驶员危险感知测试过程示意图；

图8为本发明列车驾驶员对危险的预期反应时间示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于VR的列车驾驶员危险感知测试系统及方法，以提高列车驾驶员危险感知能力测试结果的准确性和可靠性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

为了评估列车驾驶的危险感知，危险感知测试系统的整体设计框架应该充分考虑测试形式、速度设定、危险侵入形式设计、场景设计等多个因素。

危险感知测试系统的整体设计框架应该包括以下几个方面的原则：

首先，测试形式应该采用视频、模拟驾驶或真实驾驶的形式，为了更加符合实际情况，也可以采用虚拟现实(Virtual Reality，VR)技术来进行模拟。在测试中，可以设置识别危险物、避让障碍等任务，以评估驾驶员对危险情况的感知和反应能力。虚拟现实技术基于多种技术融合，利用计算机仿真系统创建三维空间的虚拟环境，来实现用户多种感官的沉浸式体验，使用户有种身临其境的感觉。本发明在实现VR列车驾驶员危险感知测试中，利用Unity3D强大的插件，增加了危险场景的真实程度，而且可以大规模进行驾驶员培训普及，成本相对较低。基于上述总结分析，本发明选择利用Unity3D软件搭建危险感知测试平台。

其次，速度设定也是测试中非常重要的一点，应该根据中国列控等级的实际运行速度进行设置，来记录驾驶员在不同情况下的行驶速度和反应时间等数据，以评估其危险感知和驾驶响应的能力。考虑到列车巡航控制功能中，列车以巡航速度向目标速度靠近并保持目标速度行驶，速度几乎接近于绝对恒速，因此可认为在速度在危险出现的某一刻接近于匀速行驶状态。为了涵盖CTCS各等级速度，测试选取各等级列车运行的最高速度120km/h、160km/h、250km/h和350km/h进行场景搭建，进而对驾驶员的危险感知展开研究。

然后，危险侵入形式的设计应该有足够的多样性，模拟各种可能出现的危险侵入形式，例如行人和障碍物突然出现等，以评估驾驶员在不同危险侵入情况下的驾驶响应能力。考虑到交通危险场景的全面性，在设计危险场景时，要尽可能涵盖实际道路中的各种情况，本发明将危险物的类型设置为行人、轨道障碍物、接触网异物三种危险类型，分别选为行人、树枝和风筝，其中树枝作为轨道沿线障碍物，风筝作为接触网异物；危险出现的方位位置为轨道线路左面、中间、右面以及接触网的上面。

最后，场景设计应该符合危险感知测试的基本原则，同时每个场景的持续时间不应该太长，为了消除驾驶员的学习效应，危险必须随机出现。所以测试应该采用科学的随机分配方法来保证危险情况的均匀分布，从而使测试结果更加准确可靠。基于灵敏度的致因差异指标，测试需要进行多个场景测试来消除随机因素的影响，才能得到准确可靠的数据。所以本发明涵盖120km/h、160km/h、250km/h和350km/h四种速度，以及轨道上方、轨道左面、轨道中间和轨道右面四种危险方位，行人、轨道障碍物、接触网异物三种危险类型，以及三种突发程度为主要的异物危险侵入场景，设计了84种轨道异物危险侵入情况以及4种轨道正常行驶情况。为了减少个体之间差异的影响，提高实验结果的可靠性和准确性，每种情况下设置3次，总共设计了360个试次实验，其中包括有危险场景的252试次，没有危险场景的108试次。基于危险的突发性，设置危险在适应速度5s后的600米内随机出现。危险出现时需要被试尽快点击鼠标左键，点击鼠标左键后列车继续行驶，当列车行驶到危险所在的位置时该场景结束，然后进行下一场景的测试，具体如图1所示。

虚拟现实视景下的危险感知测试实现主要思路为基于设计和搭建好的场景线路，让驾驶员坐在视景显示器前，对不同速度下的危险场景进行感知反应，然后记录测试过程中视觉和行为数据。为了满足测试系统的需求，将本发明的危险感知测试平台划分为交互层、功能层和数据层，危险感知测试系统为危险感知测试平台提供运行环境，如图2所示。

其中交互层属于系统的最高层，包含用户请求和Unity界面，当用户通过Unity界面向交互层提出用户请求时，交互层会对请求进行解析，并将其传递给后端处理。处理完成后，后端会把处理结果反馈给交互层，随后交互层会解析并将响应返回以进行测试。交互层是测试的输入层，可实现列车驾驶员与测试系统之间的交互。

功能层是危险感知测试系统功能模块的主要实现部分，它是整个测试的核心部分，包含调试模块和运行模块两部分。功能层基于C#语言创建脚本并将其挂在相应组件上完成代码逻辑运算，实现列车运行和驾驶员危险感知。

1)调试模块

调试模块主要负责创建不同的危险感知测试场景并进行正式实验场景运行前的调试功能。场景创建功能需要实现正式场景运行前的准备工作，可实现快速定位到铁路指定位置、对当前列车速度进行调整、实时观看列车的当前速度和位置，同时还可以随时停车来确定当前的速度位置信息。基于以上操作可以熟悉列车运行的外界环境，确定场景中各属性信息，便于正式场景的配置和创建，如图3所示。

进一步地，可以通过在120km/h、160km/h、250km/h和350km/h四种速度下对列车进行调试，在行人、轨道障碍物、接触网异物三种危险类型以及没有危险的情况下进行选择，以及在轨道左、中、右、上四种危险方位进行危险物放置，同时还可以控制危险物在轨道出现的距离位置以及每个场景之间等待的时间，来创建不同的危险感知测试场景，如图4所示。

2)运行模块

运行模块主要实现不同危险场景的后台运行和呈现。

数据层是系统最底层的实现，本发明采用Unity内置的序列化与反序列化数据存储管理方式，为测试系统提供数据存储、保存过程等功能，从而实现危险感知测试系统数据存取的所有功能。

当发生危险时，列车驾驶员通过接收外界环境中的信息进行感知并在人脑中进行信息加工形成自己对目标物是否确定为危险的判断，并基于自身的驾驶的经验和技能标准对该情况做出反应决策，进而对车辆进行控制，来保证乘车安全，如图5所示。

本发明选取的关于危险感知测试的指标主要可分为信号检测指标、眼动指标和绩效指标三大类。为了研究驾驶员危险感知下的注意力分配与转移和决策时间及结果，本发明发明选取灵敏度、预期反应时间、总注视次数作为列车驾驶员危险感知测试的指标体系，如图6所示。

基于以上危险感知测试系统的整体设计框架和建立的危险感知测试指标体系，本发明提供的基于VR的列车驾驶员危险感知测试系统包括：眼动仪、主机以及分别与主机相连接的视景显示器、鼠标和键盘。其中，所述眼动仪安装在所述视景显示器底端。所述主机上搭载有危险感知测试平台，所述危险感知测试平台基于C#和Unity3D软件进行搭建。

如图2所示，所述危险感知测试平台具体包括交互层、功能层以及数据层。

其中，所述交互层用于通过Unity界面接收用户请求，来实现列车驾驶员与危险感知测试系统之间的交互。

所述功能层包括调试模块和运行模块；所述调试模块用于通过鼠标和键盘创建和调试不同的危险感知测试场景；所述运行模块用于通过视景显示器呈现不同的危险感知测试场景。

按照危险感知测试系统的整体设计框架，功能层包括调试模块和运行模块。调试模块主要实现列车位置跳转、速度位置信息显示、停车控制、速度设置、危险物类型设置、危险物位置设置以及时间设置等功能。

软件打开默认进入程序的场景调试阶段，在此模式下左上角显示列车当前的速度和位置，利用按键“T”可关闭左上角速度位置信息提示，按键“R”可实现跳转位置功能的开启和关闭，便于寻找合适的危险呈现位置。可通过键盘上下箭头键手动调整列车行驶速度，一次增减车速为10km/h。在行驶过程中按空格键可实现立即停车，方便确定此刻危险的位置信息。通过调试阶段确定好所需的场景信息，然后进行正式测试场景的配置。

进一步通过设置场景的序号、场景前的等待时间、列车行驶的速度、列车的起始位置、触发危险的位置、危险所在位置的偏移量以及危险的类型来进行每一个场景的创建。正式测试时按“Enter”键进入，运行模块程序自动加载列车正常行驶状态下的配置1文件，同时隐藏此时位置速度提示，被试者开始正式实验。当列车行驶到危险所在位置后加载不同危险感知测试场的配置2文件，在实验过程中被试者发现危险点击鼠标左键进行反应。直至完成所有配置id所标识的场景，测试结束后按“Esc”键退出程序。

因此，本发明调试模块至少包括：列车位置跳转单元、速度位置信息显示单元、停车控制单元、速度设置单元、危险物类型设置单元、危险物位置设置单元以及时间设置单元。

其中，所述列车位置跳转单元用于根据键盘R键的控制来跳转到铁路指定位置。所述速度位置信息显示单元用于根据键盘T键的控制来显示或隐藏列车的速度位置信息。所述停车控制单元用于根据键盘空格键的控制来停止或启动列车。所述速度设置单元用于根据上下箭头键的控制来设置列车的行驶速度；所述列车的行驶速度包括120km/h、160km/h、250km/h和350km/h四个等级速度。所述危险物类型设置单元用于设置不同的危险感知测试场中出现的危险物类型；所述危险物类型包括行人、轨道障碍物和接触网异物。所述危险物位置设置单元用于设置不同的危险感知测试场中出现的危险物所在位置；所述危险物所在位置包括危险物位于轨道上的距离位置以及危险物出现在轨道上方接触网上、轨道左面、轨道中间或轨道右面四种危险方位位置。所述时间设置单元用于设置不同的危险感知测试场景前的等待时间。

如图2所示，所述数据层包括数据读取模块、数据计算模块和数据存储模块。所述数据读取模块用于通过眼动仪采集列车驾驶员在危险感知测试场景中所选列车行驶时间段内的总注视次数作为眼动指标数据，还用于通过鼠标采集列车驾驶员在危险感知测试场景中所选列车行驶时间段内的行为数据；所述行为包括点击鼠标左键；所述数据计算模块用于根据列车驾驶员的行为数据计算信号检测指标数据和绩效指标数据；所述信号检测指标数据包括灵敏度；所述绩效指标数据包括预期反应时间；所述数据存储模块用于对眼动指标数据、行为数据、信号检测指标数据以及绩效指标数据进行存储。

关于危险感知测试平台的运行环境，硬件视景驱动应该选择性能较高的显卡才能进行更高虚拟场景真实度的还原，所以基于市面上显卡性能、散热性等各方面综合考虑选取RX3070显卡作为主机搭载的测试硬件组件。关于测试显示和操作设备选择，目前常用24寸1920*1200分辨率液晶显示器作为视景的显示设备，鼠标和键盘作为操作输入设备。基于驾驶员的舒适性角度，选择瑞典Tobii公司生产的非侵入式的Tobbi Pro Fusion眼动仪作为眼动数据的采集设备。

基于以上VR列车驾驶员危险感知测试系统，本发明进一步从驾驶员的认知过程出发，基于信号检测理论的灵敏度和反应偏向，结合AOI注视比率、总注视次数和预期反应时间，提出信号检测、眼动、绩效三维度的危险感知测试指标体系。根据提出的危险感知指标，结合中国列控系统以及定速巡航的特征出发选取了四个列控等级下的最高运行速度以及常发生事故的危险类型及危险位置，提出一种基于VR的列车驾驶员危险感知测试方法，该方法的列车驾驶员危险感知测试过程如图7所示。

本发明所述基于VR的列车驾驶员危险感知测试方法包括：

S1：获取列车驾驶员在危险感知测试场景中所选列车行驶时间段内的行为数据；所述行为包括点击鼠标左键。

S2：根据列车驾驶员的行为数据计算列车驾驶员的正确响应率、漏报率、虚报率以及正确拒斥率。

信号检测理论(Signal DetectionTheory，SDT)就描述探测场景中的响应行为而言，有四类决策结果可以表征操作员的响应模式，结果包括正确响应、漏报、虚报以及正确拒斥，如表1所示。

表1信号检测理论响应模式

本发明中，列车驾驶员正确响应率HR(HitRate)、漏报率MR(Miss Rate)、虚报率FAR(False Alarm Rate)以及正确拒斥率CRR(Correct Rejection Rate)的计算如下所示。

其中HR为列车驾驶员的正确响应率；S表示危险物在危险感知测试场景中出现的总次数；H表示列车驾驶员在危险感知测试场景中所选列车行驶时间段内点击鼠标左键的次数。

其中MR为列车驾驶员的漏报率；M表示危险物在危险感知测试场景中出现但列车驾驶员未点击鼠标左键的次数。

其中FAR为列车驾驶员的虚报率；N表示危险物未在危险感知测试场景中出现的总次数；FA表示危险物未在危险感知测试场景中出现但列车驾驶员点击了鼠标左键的次数。

其中CRR为列车驾驶员的正确拒斥率；CR表示危险物未在危险感知测试场景中出现同时列车驾驶员未点击鼠标左键的次数。

S3：根据列车驾驶员的正确响应率和虚报率计算列车驾驶员的灵敏度作为信号检测指标数据。

灵敏度是信号检测理论中用于衡量被试者对信号刺激的敏感程度的指标，它表示在没有干扰的情况下，被试者能够分辨出信号与噪声的能力，取决于信号刺激的强度和驾驶员的个体因素等。在SDT模型中，灵敏度通常用d来表示。d的定义是信号和噪声分布标准差之间的距离，见式(5)。

d＝Z(HR)-Z(FAR)＝Φ

其中Z(HR)表示正态分布HR的横坐标；Z(FAR)表示正态分布FAR的横坐标；d表示列车驾驶员对当前场景危险感知的灵敏程度，一般来说，灵敏度d越大，表示灵敏度越高，驾驶员的感知危险的能力越强；灵敏度d越小，表示灵敏度越低，驾驶员的感知危险的能力越弱。

S4：根据列车驾驶员的行为数据计算列车驾驶员的预期反应时间作为绩效指标数据。

如图8所示，列车驾驶员对危险的预期反应时间是指驾驶员对外界环境中存在的危险进行判断和理解并做出反应的时间。在本发明测试过程中，预期反应时间定义为从屏幕上危险物出现的时间到驾驶员对危险做出反应(即点击鼠标左键)的时间。驾驶员感知到危险的时间越早，预期反应时间t越短，驾驶员才有充足的时间对列车进行控制调整，从而避免交通事故的发生。

S5：根据列车驾驶员的信号检测指标数据、绩效指标数据以及眼动指标数据确定列车驾驶员的危险感知能力。

本发明采用总注视次数f作为眼动指标数据，利用非接触式Tobbi Pro Fusion眼动仪进行采集，定义为在每个场景中所选列车行驶时间段内，驾驶员注视整个视景区域内的累计次数。总注视次数越多，表明驾驶员对外界环境中进行信息搜索次数就越多，有利于驾驶员更早的发现危险目标。

根据危险感知测试指标体系中的灵敏度d、预期反应时间t以及总注视次数f，进行标准熵权法求得权重w

P＝d*w

其中P为列车驾驶员的危险感知能力；w

目前危险感知测试指标和方法比较众多，但并没有适合列车驾驶的危险感知测试的指标及其相应的测试方法，不能很好地对列车驾驶员的危险感知进行很好的评估。本发明构建了信号检测、眼动、绩效三维度的危险感知测试指标体系，并在此基础上，根据CTCS各等级运行最高速度、不同危险类型和危险位置提出一种基于VR的列车驾驶员危险感知测试方法，并基于C#和Unity3D软件完成了危险感知测试平台的搭建。

本发明基于搭建的危险感知测试平台设计速度、危险位置和危险类型对驾驶员危险感知的人因实验，并成功进行了实施。根据实验结果探究了不同运行速度、危险位置、危险类型以及个体不同的认知能力与列车驾驶危险感知之间的关系，并研究了危险感知过程中的视觉行为。实验结论验证了本发明列车驾驶员危险感知测试系统及方法能够得到列车驾驶员危险感知能力准确、可靠的测试结果，为未来列车驾驶员的选拔和培训提供依据和指导。

进一步地，还可将本发明列车驾驶员危险感知测试系统及方法作为培训工具，来提高驾驶员的安全意识和对于危险的感知应对能力，使他们能够更好地应对潜在的危险情况，从而减少行车事故的发生，保障列车的安全运行。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。