电动轮椅驾驶行为研究综述

龙 鑫， 蒲畴嶷， 宗 威

（中国矿业大学 建筑与设计学院， 江苏 徐州 221116）

0 引言

如今， 全球需要手动或电动轮椅才能行动的人数估计超过6500 万[1]，且使用人数以每年5.9% 的速度增长[2]。电动轮椅用户群体主要分为两类， 一是由年龄增长导致的生理、认知机能衰退，另一类是因疾病或是事故导致的行动不便或是身体残疾等。 该群体因行动不便导致社会参与度与生活质量降低，电动轮椅在很大程度上提高了他们的行动自由度[3]。电动轮椅虽是该群体重要的辅助出行设备，但驾驶轮椅是一项较为复杂的任务，需要驾驶员一定的认知与行动能力[4]。轮椅驾驶研究的目标对象包括驾驶员以及电动轮椅，前者包括技能培训、驾驶性能评估以及行为模型等， 后者包括轮椅及相关产品的测试评估。 其中，驾驶员的行为动作与轮椅在运动中的各项参数是研究中非常重要的一个部分。本文将从驾驶行为研究内容与行为数据获取的方法两个方面进行综述， 主要包括：①驾驶行为研究内容： 对近些年设计到驾驶行为的研究进行分类总结，主要包括驾驶技能训练与评估，轮椅相关产品评估，以及驾驶行为建模以实现辅助或协同控制等；②驾驶行为数据监测与获取：研究中获取行为数据的方法，主要包括集成各种电子监测技术的监控系统与针对操纵杆运动信息的测量。

1 驾驶行为研究内容

电动轮椅驾驶行为研究横跨多学科、多领域，应用范围广，且其用户具有特殊性，其发展一方面受到科学技术发展的影响，另一方面受到用户群体的实际需求、生理心理状态的制约。 现有研究中，涉及电动轮椅驾驶行为参数的研究包括驾驶技能的训练与评估，新型驾驶机器人、操纵杆、驾驶模拟器及其虚拟任务等的可用性评估，以及编码驾驶行为构建驾驶模型， 用于检测驾驶员的意图和预测其行为，从而提供驾驶辅助方案。

1.1 驾驶技能训练与评估

电动轮椅用户是比较特殊的， 当需要使用电动轮椅时，意味着用户在生理或者认知方面的不足。 同时，轮椅的驾驶技能在此之前是没有得到训练的。 对于不同年龄段与不同致残原因的用户，学习与训练的成本也不同，因此评估的方法也不同。 其中较为全面的为轮椅技能培训计划（Wheelchair Skills Training Program：WSTP）[5]，同时适用于手动与电动轮椅的训练，并被认为可安全、有效的改善用户在轮椅技能方面的能力。 并且，Mountain 等[6]发现接受正规电动轮椅技能训练的中风患者， 其轮椅技能的提高程度明显高于未接受训练的参与者。 而在不同的医学或者研究机构中， 针对不同患者采取的训练方法也有差异。 Taylor 等[7]针对创伤性脊髓损伤患者，将训练措施与患者实际特征结合，选取适合患者训练的环境与方法。

总的来说， 轮椅技能训练的方法最终是跟随患者的年龄、致残因素、生理特性而不同，但评估轮椅用户驾驶技能都较为相似， 一是通过专家或者问卷对驾驶员的实际驾驶情况进行打分， 例如与WSTP 训练方法对应的轮椅技能测试（Wheelchair Skills Test：WST）评估方法，通过技能评分表可简单而廉价地记录受试者在标准化环境下驾驶电动轮椅的能力[5]；二是通过记录轮椅的物理参数，例如速度、加速度、轮椅轨迹等，以及驾驶员的手部活动等，将这些数据与正常驾驶轮椅情况下的数据进行比较。与问卷评估相比，这种方式在研究中较为普遍，也更适合于有一定认知障碍的群体。 在评估脑瘫儿童在模拟器训练中获得的驾驶技能是否可转移到现实驾驶的研究中，Yann 等[8]通过收集脑瘫儿童与正常年轻人的驾驶轨迹与操纵杆的运动特征进行评估。

1.2 电动轮椅产品评估

轮椅产品的开发，可帮助轮椅用户更安全、舒适的驾驶。使用驾驶行为数据评估轮椅产品，如可插拔式测量系统“SenseJoy”[9]，控制方式与标准轮椅操纵杆不同的“Joy-Bar”控制器[10]，可实时计算的避障控制器等[11]，可有效评估产品的可行性。 此外，Ahmetcan 等[12]还评估了机器人轮椅控制范式和控制界面对用户表现、努力和偏好的影响。Suzuki 等[13]分析了专家用户与初学者之间的驾驶轨迹、操纵杆X/Y 方向上的轨迹以及任务完成时间， 发现搭载安全驾驶支持系统之后，使轮椅驾驶更加安全、方便。

1.3 电动轮椅驾驶模型

驾驶模型最初在汽车研究领域提出， 人类驾驶行为可被认为是从驾驶员的感官信息到驾驶员的操作的映射[14]，即驾驶人通过听觉、视觉等感觉器官，感知周围不断变化的车辆、道路、交通信号等交通状况，通过大脑分析所形成的物理行为[15]。 由于汽车与电动轮椅具有部分共同特征，一些汽车驾驶模型可用于部分电动轮椅的操作[16]。 但是， 两者的驾驶员、 控制方式以及驾驶环境等有巨大差异， 因此对电动轮椅的驾驶行为研究需要将电动轮椅驾驶中的特征考虑进来， 包括驾驶员的生理、 认知行为特征，电动轮椅控制方式，行为数据获取及其驾驶环境。

早期的轮椅驾驶行为模型研究中，E. Demeester 等[17]考虑到驾驶行为随时间的演变， 使用导航辅助控制器捕捉用户的意图， 通过驾驶模型实时估计驾驶员的行为计划，开发了一种共享轮椅控制架构。现有的电动轮椅驾驶模型主要是从人工智能的角度出发，综合运用多种AI 方法和技术，尝试构建可与环境交互，具备态势感知、规划决策等能力的智能体行为模型[18]。

其中，可观测的马尔可夫决策过程（Partially observable Markov decision processes：PMODPs） 模型因可用于计算不确定性下的最佳控制行为而受到研究者的广泛使用[19]。Tarek Taha 等[20-21]利用其开发的全局意图识别模型，可通过从标准轮椅操纵杆实时获取驾驶行为数据， 实现以最少的用户输入数据预测驾驶员的意图。Tao 等[22]将决策过程分解为可更有效的小过程， 提出一种分层的PMODPs模型， 可在不确定的局部环境中检测驾驶员的意图以提供辅助控制。 Eric 等[17，23]进一步使用贝叶斯规则更新概率分布，用于确定用户发出的信号是否具有某种意图，提出了一种用户自适应计划识别和共享控制的新框架。

此外，在神经网络中训练正常人与患者的驾驶行为，通过隐式建模构建自适应滤波器， 可将患者的操纵杆信号转换为相同情境中正常人可给出的操纵杆信号， 自动适应不同患者以提高其驾驶性能[24]。而对于瞬时发生的异常驾驶行为， 则可使用可执行高速顺序学习的神经网络模型进行监测与评估[25]。

除了以上两种常见的驾驶建模方法，S.O. Onyango等[26-27]采用动力学方法将行为模型集成到控制回路中以监控用户输入， 用于识别普通客厅环境中单个轮椅使用者的转向行为。 其开发的线性参数模型假设明确了解驾驶员的意图，以生成信号使轮椅适应驾驶员的转向行为。Hamed 等[14]将电动轮椅驾驶行为模型分为战略层、战术层与操作层，帮助分析驾驶员的能力，并开发适合驾驶员残疾情况的轮椅控制器。

2 驾驶行为数据获取

驾驶行为数据的获取是驾驶行为模型研究中的关键，获取的行为数据主要包括轮椅的物理参数（速度、加速度等），用户的手部操作（操纵杆位移、角度等），以及轮椅行驶轨迹等。 研究中具体表现为使用各种电子监测技术，包括加速度计、传感器、里程表、全球定位系统、摄像头等，测量不同类型的数据。由于电动轮椅及其驾驶员的特殊性，测量方式又分为两种，一是集成各种监测技术的监控系统监测轮椅驾驶员的操作行为与轮椅的物理参数，二是获取操纵杆的物理参数。

2.1 监控系统监测

驾驶监控系统通过集成各种电子监控技术， 对驾驶员的客观行为、生理特征进行监测与记录。 90%以上的监控系统安装在轮椅上，少部分可由驾驶员携带[1]。 在平衡安全、自主性和隐私需求的情况下，驾驶员能够接受在轮椅上安装安全监控系统[28]，且由多种监测技术组合而成，以确保所测得数据更精确、全面。

例如，将力传感器、加速度计、温度传感器和脉冲传感器集成到轮椅中， 形成一个基于Arduino 的监控系统[29]。Derick 等[30]则融合了动态时间扭曲与基于智能手机的传感器（包括加速度计、陀螺仪等）来检测、识别和记录驾驶数据。Deepan 等[31]在实验时沿轨迹路径放置3D 红外摄像机，将反射标记放置在障碍物和电动轮椅上， 并使用Vicon Nexus 运动软件从Vicon Motion System Ltd 中获取真实的驾驶行为数据。Mohammad 等[32]将带有旋转编码器与陀螺仪传感器的Myrio 数据记录系统安装在电动轮椅尾部，记录不同驾驶员躲避障碍物时的左右轮速和偏航角数据。

随着驾驶需求、任务与环境的不断复杂化，新监测技术的开发也得到重视。 为检测并评估瞬时发生的异常驾驶行为，Hiroki 等[25]提出一种使用在线顺序极限学习机（OSELM）的异常驾驶行为检测技术。 Gianluca 等[33]则在使用传统监测技术时，同步收集驾驶员的脑电数据，共同表征驾驶员的驾驶行为。

对于特殊的用户，例如头足轮椅驾驶员，传统的测量方式难以完成监测任务， 因此需要开发适合的技术。Sotirios 等[1]为运动障碍性脑瘫（DCP）患者开发了一种可集成到头足轮椅驾驶中的监控系统， 通过多个惯性测量单元（IMU）接口与患者连接，并成功测量运动障碍性脑瘫患者在进行理疗驾驶任务期间的轮椅移动行为。

2.2 操纵杆运动监测

驾驶员与电动轮椅之间的互动主要通过装载在电动轮椅上的操纵杆实现， 且通过监测操纵杆所获取的数据量也极大，其作为研究的标准也十分有意义[9]。 对操纵杆数据的测量同样采用电子监测技术， 通过测量驾驶期间操纵杆的物理属性（包括位移、角度、震颤率等）来识别评估驾驶的操作员行为。

使用力反馈操纵杆、嵌入式采集系统等方式记录驾驶员的行为数据在研究中较为常见[34-35]。 此外，Michael 等[36]通过测量操纵杆的震颤频率， 配合避撞系统中传感器获得的反馈与速度向量来表征驾驶员的行为。 而大多数通过测量操纵杆并记录数据时， 需要将拆卸操纵杆来记录所测得的数据，从而增加了电动轮椅损坏的风险。 Olivier等[9]开发的“SenseJoy”系统很好的解决了这个问题，该系统内置加速度计与陀螺仪可在不拆卸操纵杆的情况将其下插入或从操纵杆中取出。

3 难点与发展趋势分析

电动轮椅作为行动不便群体重要的辅助出行设备，在很大程度上提高了该弱势群体的行动自由度。 但在轮椅驾驶的研究中，驾驶员的生理特性限制了实验的进行，以及行为数据的获取等。为了实现更好的获取驾驶员的行为数据，针对不同情况的轮椅用户， 需要采用合适的实验设计与行为获取方法，例如使用肌电来表征其动态变化的行为等。

4 结束语

驾驶行为研究起步于汽车领域，但随着老龄化社会的到来，电动轮椅驾驶正逐步获得研究者的关注。 本文首先概括了有关电动轮椅驾驶行为的研究内容，并将其分为两类：一是通过统计学方法对行为数据进行分析，用于技能训练、技能评估以及轮椅产品评估；二而是构建驾驶行为模型，目的是为驾驶员提供驾驶辅助控制或协同控制，保证驾驶员的驾驶安全。随着技术的不断发展与进步，轮椅的驾驶应该向安全、可靠、便捷等方向发展，并结合驾驶员实际情况进行个性化定制等， 从而满足轮椅用户多样化的出行需求。