バーチャルリアリティウォーキングシミュレータを使用した歩行者行動の調査

このプロトコルは、移動する交通の存在下で歩行者の行動を研究するための安全で生態学的に有効な方法として機能する歩行シミュレータの使用を記述します。

道路をうまく横断するには、移動する車両と動きを調整する必要があります。本論文では、トレッドミルを歩いて、没入型仮想環境で移動する2台の車両の隙間を傍受する歩行シミュレータの使用について説明する。バーチャルリアリティは、ギャップ交差行動の安全で生態学的に多様な調査を可能にします。最初の開始距離を操作すると、ギャップに近づくと参加者の速度調節の理解を深めることができます。速度プロファイルは、初期距離、車両サイズ、ギャップサイズなど、さまざまなギャップ交差変数について評価できます。各歩行シミュレーションの結果、ギャップ特性に応じて速度の調整方法を知らせる位置/時系列が生成されます。この方法論は、人間の参加者を安全で現実的な環境で採用しながら、歩行者の行動と行動ダイナミクスを調査する研究者によって使用することができます。

ギャップ交差は、傍受行動であり、2台の移動車両^{1、2、3、4}の間のギャップに関連して自分自身^を移動する必要^{があります}。ギャップクロスは、対向車を知覚し、トラフィックを移動することに関連して動きを制御することを含みます。これには、アクションと知覚情報を正確に結合する必要があります。多くの以前の研究は、人工道路、路側シミュレータ、およびスクリーンプロジェクション仮想環境^5、6を使用して知覚判断とギャップ交差行動を検討^{してきました}。しかし、これまでの道路横断文献では、この挙動の不完全な理解があり、これらの研究の生態学的妥当性は^7、8、9に問われてきた。

このプロトコルは、仮想現実におけるギャップ交差行動を研究するための研究パラダイムを提示し、生態学的妥当性を最大化する。歩行シミュレーターは、ギャップ交差動作の知覚と行動を調べるために使用されます。シミュレータは参加者に安全な歩行環境を提供し、シミュレートされた環境での実際の歩行は、研究者が知覚と行動の間の相互関係を完全に捉えることを可能にする。実際に道路を横断する個人は、口頭で¹⁰を横断することを決めた人よりも正確に時間差を判断することが知られています。仮想環境は生態学的に有効であり、研究者はプログラムのパラメータを変更することによってタスク関連の変数を簡単に変更することができます。

この研究では、参加者の最初の開始位置を操作して、ギャップに近づくと速度制御を評価します。このプロトコルはギャップを傍受しながら歩行者の移動制御の調査を可能にする。時間の経過と同時に変化する参加者の速度を分析することで、ギャップに近づく間に速度調整の機能的解釈が可能になります。

さらに、傍受されたオブジェクトの空間的および時間的な特性は、人がどのように移動できるかを指定します。ギャップ交差環境では、ギャップサイズ(車間距離)と車両サイズの変更は、歩行者の移動も変化する方法に影響を与えるはずです。したがって、ギャップ特性を操作すると、参加者の接近する行動に速度の調整が生じる可能性があります。このように、ギャップ特性(すなわち、ギャップサイズや車両サイズ)を操作することで、様々なギャップ特性に応じた交差挙動変化を理解するための貴重な情報を提供します。この研究は、様々な交差環境でギャップを越えるときに、子供と若い成人がどのように速度を調節するかを調べる。速度の規則のプロフィールは異なった開始位置、車間の間隔および車のサイズのさまざまなギャップの交差環境のために査定することができる。

この実験プロトコルは、ヒトの被験者を含む。この手続きは、昆山国立大学研究委員会によって承認されました。

1. 機器の準備

メモ:機器には、マウス、キーボード、およびモニターを備えたパーソナルコンピュータ(PC、8 GMの3.3 GHz)が含まれています。デスクトップPCにインストールされたウォーキングシミュレータソフトウェア;カスタマイズされたトレッドミル(幅:0.67 m、長さ:1.26 m、高さ:1.10 m)に手すり、ベルト、磁気エンコーダー(USBケーブル付)を装備。Oculus Riftバーチャルリアリティデバイス(DK1、米国、1280 x 800ピクセル)を使用します。機器はまたカスタマイズされた手動トレッドミルを含んでいる。トレッドミルは参加者の歩行運動を介して回転し、内部モーターを使用しません。

1. トレッドミル用の十分なスペースと、PC用の近くのデスクを用意します。実験用セットアップの写真を 図 1Aに示します。
2. 図 2に示すように、機器を接続します。
   1. USBポートを介してトレッドミルの磁気エンコーダをPCに接続します。
   2. トレッドミルを電源に接続します。
   3. ヘッドセットをDVI/HDMIポートとUSBポートでPCに接続します。

2. 歩行シミュレータ構成の準備

1. PC上のウォーキングシミュレータディレクトリにアクセスし、「Config」ディレクトリを開きます。
   注: 各構成は、"config001" や "config002" などのファイル名を持つ "Config" ディレクトリにテキスト ファイルとして保存されます。ここで、001、002等は構成番号である。ステップ 2.2 ~ 2.8 では、シミュレーター ソフトウェアで読み取り可能な構成ファイルを作成する方法について説明します。カスタマイズ可能な初期距離を示す 2 台の車両交差状況の概略を 図 3に示します。適切な書式を設定した構成ファイルの例を 図 4に示します。設定ファイルのセクション見出しには角括弧 (例: "[WALKER]") を使用します。
2. 参加者の開始点に関するパラメータを含むセクション[WALKER]を完了します。
   1. メートル (m) の開始点から参加者の開始距離を示すパラメーター「距離」を設定します。
3. 最初の車両に関するパラメータを含むセクション[CAR]を完了します。
   1. セダンの場合は「タイプ」(車両のタイプを示す)を「1」、バスの場合は「2」、車両を取り外す場合は「0」に設定します。
   2. パラメータ"Speed"(車速を示す)をkm/hで希望する値に設定します。
   3. パラメータ"Distance"(交差点からの車両の初期距離を示す)を、必要な値(メートル)に設定します。
4. 第2車に関連するパラメータを含むセクション[SECONDCAR]を完了します。パラメータは[CAR]のパラメータと同じです。
   注: 2 台の車両の調査では、ギャップは 2 台の車両間の空きスペースとして定義されます。ギャップサイズは、参加者の歩行経路に沿ってギャップが生じる時間の長さとして定義され、「CAR」と「SECONDCAR」の「距離」、「速度」、および「タイプ」のパラメータの関数です。
5. 追加車両に関連するパラメータを含むセクション[NEXTCAR]を完了します。パラメータは[CAR]のパラメータと同じです。
   注: このオプションは、連続的な交通流の中で歩行者の行動を調査するために使用することができます。このオプションについては、代表的な結果セクションでは説明しません。
6. 車線選択のパラメータを含むセクション[ROAD]を完了します。歩行者の開始位置に近い車線を使用するには「レーン」を「1」に設定し、さらに遠くの車線には「2」を指定します。[OBSTACLE]は、第1の車両と同じ速度で第2車線を走行する車両を構成するパラメータを示す。
   注: 一次車線に近い車線を使用する場合、このオプションを使用して、同じ方向に向かって遠い車線に追加の車両を配置できます。したがって、平行車両による車両のビューのインピーダンスを研究するために使用することができます。このセクションには、上記と同じ定義を持つパラメータ"タイプ"と"距離"があります。このオプションについては、代表的な結果セクションでは説明しません。すべての結果は、歩行者に近い車線を走行する2台の車両を含みます。
7. サンプリング周波数に関連するパラメータを含むセクション[SAVE]を完了します。パラメータ"numberpersecond"を Hz の希望の値に設定します。
8. 構成ファイルを保存して終了します。
9. すべての必要な構成についてセクション 2.2 ~ 2.8 を繰り返し、実験で使用する構成のリスト (ランダム化された順序で) を使用してデータシートを準備します。
10. 実際の試用で使用する 3 つの構成ファイルを準備します。
    注:最初の実習構成には車両を持たってはならない(つまり、すべての「タイプ」パラメータは「0」に設定されています)。2 番目と 3 番目の実習構成ファイルには、車両が必要です。3番目の構成は、寛大な交差条件を持っている必要があります。実験計画によっては、2回目と3回目の試験でも同じ構成を使用できます。

3. 参加審査・準備

1. 正常または正常に修正されたビジョンを持つ参加者を募集します。
   注: すべての参加者は、通常の歩行を妨げる条件を満たさないようにしてください。歩いている間、めまいがなく、重大な交通事故の歴史を持つべきではありません。
2. 各実験の前に、参加者に書面によるインフォームドコンセントフォームに署名してもらいます。
3. タスクの口頭での指示でオーディオ録音を準備し、参加者に録音を再生します。
   メモ:口頭で説明する指示は、以下に説明する基本的な手順を説明し、実験計画に必要な特定のプロンプトを与えるべきです。
4. 実験に関する質問をするよう参加者に勧めます。
5. 準備ができたら、参加者をトレッドミルの上に立たします。
6. 安定化ベルトを参加者の腰に合わせました。実験中は常に手すりを持つように参加者に指示します。

4. 練習トライアルの実行

1. 手すりを持ちながら、ベルトをはいたままトレッドミルを歩く練習をするように参加者に指示します。
2. 参加者が快適にトレッドミルを歩くことができると、実行可能シミュレータプログラムをダブルクリックして歩くシミュレータプログラムを開始します。
   注: 図 1B に示す黒と白の漫画の横断歩道は、交差試験の間に表示されます。この時点で、PC画面に表示されます。
3. 参加者にヘッドセットを着用するように指示します。必要に応じて支援を行います。ヘッドターンに対して快適さと安定性の両方を確認してください。
4. 黒と白の漫画の横断歩道が参加者の視界に適切に揃うようにヘッドセットを調整します。
   注: セクション 4.5 - 4.7 では、参加者がシミュレータ環境に慣れていくよう、3 つの実用試験について説明します。指示の誤解により試行に失敗した場合は、指示を理解するまで、さらに2回までトライアルを実施する必要があります。ルールを誤解する以外の理由で交差しなかった場合(衝突が発生した場合など)、余分な試行は行われません。
5. 最初の練習トライアルを開始します。
   注:最初の練習トライアルは、参加者がバーチャルリアリティ設定で歩くのに慣れるための車なしであるべきです。
   1. 最初の練習トライアルは車両なしで行われることを参加者に伝えます。
   2. 参加者にまっすぐ前を見るように指示します。
   3. 画面の下部にあるテキスト ボックスに、最初の演習用試用版の構成番号を入力します。
   4. 画面下部の「スタート」ボタンをクリックします。
      メモ:プログラムは、図 1C に示すリアルな設定を画面に表示する必要があります。
   5. 「準備完了」を聞いたときに準備をし、「行く」を聞いたときに歩き始める準備をするように参加者に知らせてください。口頭での手掛かりを与える "準備ができて"と "行く"。
6. 第二の練習トライアル
   注:2回目の練習トライアルでは、歩かずに車両を導入する必要があります。参加者の頭を回すにつれて、バーチャルリアリティビューの方向が変化します。
   1. この裁判の参加者に、口頭でのキュー「Go」で、左を見て同時に小さな一歩を踏み出すが、それ以上前進しないように指示する。参加者は代わりに車両が通り過ぎるのを見る必要があります。
   2. テキスト ボックスに 2 番目の試用版の構成番号を入力し、口頭での手掛かりを入力して [開始] をクリックします。
      注:参加者が動き始めると、車両が動き始めます。
7. 第3練習トライアル
   注:3回目の試験は実験構成と似ていますが、寛大な交差条件を持つ必要があります。
   1. 参加者に、1)第3の練習トライアルには左側から来る2台の車両が含まれ、2)2)2台の車両間の道路を横断しようとする必要があることを参加者に知らせます。
   2. テキスト ボックスに 3 番目の練習用トライアル番号を入力します。
   3. 「スタート」ボタンをクリックし、口頭での手掛かりを提供してトライアルを開始します。

5. バーチャルウォーキング実験

1. 参加者が実験タスクを理解し、実行できることを確認します。
2. 参加者の準備ができたら、テキスト ボックスのデータシートから最初の構成番号を入力し、[開始] をクリックします。
3. 最終練習トライアルで行ったとおりにシミュレーションを実行します。
   注:各交差試行の終了時に、プログラムは、結果が交差に成功したかどうか(すなわち、参加者が衝突のない通りの反対側に交差する)、交差しない(参加者が反対側に交差しない)、または衝突(参加者が車両と接触している)に応じて、「S」、"F"、または「C」と表示されます。
4. データ シートの構成番号の横に結果を記録します。
5. データ シートのすべてのコンフィギュレーションについて繰り返し、実験を完了します。

6. データのエクスポートと分析

1. 分析用のデータ ファイルを取得します。ウォーキングシミュレータソフトウェアは、各実行を「データ」フォルダにスプレッドシートファイルとして保存します。
2. 優先ツールを使用してデータを分析します。出力データには、歩行者と車両の位置と速度が時系列として記録されます。このデータを使用して、参加者の動きと交通状況への依存を分析します。

歩行シミュレーターは、縁石から遮断ポイントまでの初期距離やギャップ特性(ギャップや車両サイズ)を操作しながら、歩行者の横断行動を調べるために使用できます。仮想環境法により、ギャップ特性の操作により、動的に変化する交差環境が子供や若年成人の道路横断行動にどのような影響を与えるかを理解できます。

さまざまな歩行者グループの横断行動を比較するために使用されるギャップ内の定量化された速度プロファイルと交差位置。ギャップ内の参加者の位置に対する速度調整の瞬間的な影響として、インターセプト時間(TOI)を回避しました。これらの代表的な結果は、16人の若年成人(平均年齢=22.75歳、SD=2.56歳)と16人の子供(平均年齢=12.18歳、SD= 0.83)のデータを使用する。一般的に、12歳の子供は移動物^{3、4、11、12、13、14}と動きを調整する能力の発達変化を受けるので、初期距離を変えて、小児と若年成人の接近速度の機能的調整を比較する機会を提供した。参加者は大学のソーシャルメディア投稿を通じて募集されました。募集した参加者のうち、2人の若い成人が乗り物酔いを経験し、実験を直ちに中止し、研究から除外された。

成功率は小児で98.95%、若年成人で99.48%であった。成功した試験のみが分析に含まれていました。速度データにアクセスするには、3 x 2 x 2 x 4(初期距離[近く、中間、遠い];ギャップサイズ[3 s,4 s];車両サイズ[車、バス];時間[3.5 s、2.5 s、1.5 s、0.5 s])を繰り返し測定します。タイミングデータは、因子変数内として初期距離、ギャップサイズ、車両サイズ[車、バス]を使用して3 x 2 x 2(初期距離[近く、中間、遠い])、ギャップサイズ[3s,4 s];繰り返し測定ANOVAを実行して分析しました。効果サイズを推定するために、部分eta二乗^{(η 2p)}を用いた。すべての対の事後解析では、最小二乗平均が使用されました。

初期距離の影響
最初にテストされたのは、縁石からインターセプトポイントまでの初期距離の操作が参加者の接近速度に影響を与えるという仮説でした。初期距離の体系的な変化は、若い成人と子供の速度調整の両方に影響を与えました: F(2, 30) = 29.62, p < 0.0001, η²_p = .66;F(2, 30) = 207.32, p < 0.0001, η²_p = .93, それぞれ。

若年成人の場合、初期距離と時間の相互作用は有意であった:F(6,90)=11.88、p<0.0001、η 2_p = 0.44。単純効果テストは、時間の有意な効果を示しました: ほぼ初期距離, F(3, 45) = 140.34, p < 0.0001, η²_p = 0.90;中間初期距離, F(3, 45) = 29.93, p < 0.0001, η²_p = 0.67;そして遠い初期距離、F(3, 45) = 184.46,p<0.0001,η 2_p = 0.93。ポストホック分析から、若い成人がアプローチを通して速度が上昇していることが判明しました(p < 0.0001)。しかし、最初の距離が短いと、参加者は試行の開始時に減速(p <0.0001)、継続的にスピードアップしました。これは機能調整を表します。アプローチ中の平均速度は、年齢層を超えてプロットされます(図5)。

子供の場合、初期距離と時間の相互作用も有意でした:F(6,90) = 53.51,p<0.0001,η 2_p = 0.78。この相互作用効果は、3方向相互作用によって捉えられた。車両サイズ、初期距離、および時間の相互作用は有意でした:F(6,90)= 2.12、p<0.05、η 2_p = 0.12。その結果、初期距離によって誘発される子供の速度変化が車両サイズの影響を受けたことが示された。

子供の車のサイズの影響
次にテストされたのは、車両サイズの操作が子供と若年成人の速度プロファイルと交差時間に影響を与えるという仮説でした。小児では、車両サイズが初期距離によって引き起こされる速度プロファイルと交差位置に影響を与えることがわかりました。

子供では、車両のサイズ、初期距離、および時間の相互作用が有意であった:F(6、90)=2.12、p<0.05、η 2_p = 0.12。さらに分析した結果、車間の初期距離x時間相互作用は有意であり、F(6,90)=33.55,p<0.0001,η 2_p= 0.69であった。単純効果試験は、ほぼ初期距離、F(3,45)=132.54、p<0.0001、η 2_p = 0.90に対する時間の有意な効果を示した。中間初期距離、 F(3, 45) = 173.83, p < 0.0001, η²_p = 0.92;そして遠い初期距離、F(3, 45) = 272.78,p< 0.0001,η 2_p = 0.95。ポストホック分析は、子供たちがアプローチを通してスピードアップしたことを示しました (p < .0001);しかし、彼らは車の間を横断するとき、彼らは近い初期距離(p < 0.0002)のためのアプローチの開始時に減速しました。

しかし、子どもたちがバス間を横断するとき、最初の距離と時間の相互作用も重要でした:F(6,90)= 18.70、p<0.0001、η 2_p = 0.55。単純効果試験は、近い初期距離に対して時間の有意な効果を示しました: F(3, 45) = 124.41, p < 0.0001, η²_p = 0.89;中間初期距離、 F(3, 45) = 132.79, p < 0.0001, η²_p = 0.90;そして遠い初期距離、F(3, 45) = 331.16, p < 0.0001, η²_p = 0.96.ポストホック分析は、子供たちがバスの間を横断するとき、その速度が近い最初の距離のアプローチの開始時に増加も減少もしないことを示しました。アプローチ中の平均速度は、図 6の年齢層にまたがってプロットされます。

明らかに、車両のサイズは、最初の距離によって誘発される子供の交差行動に影響を与えました。子供たちの交差時間は、小型車間を横断する最初の距離に応じて、ギャップセンターから体系的に逸脱しました。しかし、子供たちは大型車間を横断したときの最初の距離に基づいて逸脱しませんでした。

車両サイズはまた、初期距離によって誘発されるギャップ内の子供の交差位置に大きな影響を与えた。車両サイズと初期距離の相互作用は有意でした:F(2,30) = 18.13,p<0.0001,η 2_p = 0.55。単純な効果テストでは、車間の初期距離の有意な効果を示しました, F(2, 30) = 62.30, p < 0.lt; 0.0001, η²_p = 0.81, バス間, F (2, 30) = 6.15, p < 0.005, η²_p = 0.30.最初の距離が近くから遠い初期距離に増加するにつれて、子供のインターセプト時間が有意に増加したことがわかりました(p<0.0001)。しかし、バス間を横断する場合、子供の傍受時間は、近くの初期距離と中間の初期距離の間で有意に異ならなかった。アプローチ中の平均交差位置は、年齢層をまたいでプロットされます(図7)。

子供の車の大きさとギャップサイズの相互作用効果
最後に、子供の車両サイズとギャップサイズの相互作用効果を調べた。車両サイズとギャップサイズの相互作用は有意でした:F(1,15) = 4.26,p< 0.05,η 2_p = 0.22。単純な効果テストは、車の間のギャップサイズの有意な効果を示しました: F(1, 15) = 7.42, p < .02, η²_p = 0.33;バス間、F(1, 15) = 35.93,p< 0.001,η 2_p = 0.71。ポストホック分析は、車の間を横断するとき、子供たちは3 sギャップ(p<0.01)よりも4 sギャップのギャップの中心のかなり先にギャップを越えたことを示しました。バス間を横断するとき、子供たちはまた、3 sギャップ(p <0.0001)よりも4 sギャップのかなり早い段階でギャップを越えました。子どもたちは、車両サイズに関係なく、4sギャップよりも4sギャップのギャップの方のギャップをさらに先に越えた(表1)。

図1:歩行シミュレーション実験を描いた画像。(A)トレッドミルを歩く参加者と、歩行シミュレーターを見ている実験者の写真。(B)設定がロードされる前に表示される漫画の横断歩道のイメージ。(C)シミュレーションが行われるリアルな仮想環境のイメージ。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図2:実験用セットアップ図実験用セットアップのコンポーネントとそれらの接続を示します。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図3: 交差状況の図。各実験に対して設定できる距離パラメータが表示されます。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図 4: 構成ファイルの例シミュレーション プログラム用に適切にフォーマットされた設定テキスト ファイルの例。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図5:初期距離への速度依存性インターセプトポイントに到達するまでの時間の関数として、子供と若年成人(近く、中間、および遮断ポイントから3.5m、4.5m、および5.5 mと定義される)の各初期距離の平均速度。接近速度は、1s間隔(-3.5、-2.5s、-1.5s、-0.5s)に平均化され、インターセプトポイントから逆方向にカウントされた。アスタリスクは、各時点における初期距離の統計的に有意な中間平均差を表します。1 つのアスタリスクは 1 つの中間平均の違いを表し、2 つのアスタリスクは 2 つ以上の中間平均の違いを表します。エラー バーは SD を示します。この図は、チョンら¹⁵の許可を得て転載されています。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図6:2つの異なる車両サイズに基づく初期距離に対する子供の速度依存度各初期距離の迎撃ポイントに到達する前の子供の平均速度プロファイルは、車(上)とバス(下)のためにプロットされています。アプローチ速度は1s間隔に平均化され、インターセプトポイントから逆方向に数えた。アスタリスクは、各時点における初期距離の統計的に有意な中間平均差を表します。1 つのアスタリスクは 1 つの中間平均の違いを表し、2 つのアスタリスクは 2 つ以上の中間平均の違いを表します。エラー バーは SD を示します。この図は、チョンら¹⁵の許可を得て転載された。 この図の大きなバージョンを表示するには、ここをクリックしてください。

図7:子供のTOIに対する車両サイズの影響各初期距離の子グループの平均TOIは、車両サイズ(車、バス)の関数として示されています。TOIは、交差時のギャップ中心に対する時間距離を指し、0.2sは、車両速度が30km/h(8.3 m/s)の場合には1.6mを指す。アスタリスクは、各初期距離における車両の統計的に有意な中間平均差を表します。1 つのアスタリスクは 1 つの中間平均の違いを表し、2 つのアスタリスクは 2 つ以上の中間平均の違いを表します。エラー バーは SD を示します。この図は、チョンら¹⁵の許可を得て転載された。 この図の大きなバージョンを表示するには、ここをクリックしてください。

表1:子供の車両サイズとギャップサイズの相互作用効果●車のサイズやギャップサイズの機能としての子供の平均TOIノート。値は平均(標準偏差)で指定されます。.こちらの表をダウンロードしてください。

以前の研究では、投影スクリーン^16、17でシミュレータを使用してきましたが^、このプロトコルは完全に没入型の仮想ビュー(すなわち、360度)を介して生態学的妥当性を向上させます。さらに、参加者にトレッドミルの上を歩くことを要求することで、子供と若い成人が変化する環境に自分の行動を較正する方法を調べることができます。この実験計画の仮想シーンは、参加者の動きと同時に変化し、車両は特定の時点で歩行者の交差点に到着します。これにより、参加者は、決定や移動の準備のために、交差時間を遅らせないようにします。本研究では、参加者が^道路6を横断しようとするときにすでに動いているため、研究者は横断中に移動の制御に明確にアクセスすることができます。

重要なステップには、実験計画を反映するようにパラメータを適切に設定すること、乗り物酔いが発生したときに実験を停止すること、そして参加者がトレッドミル環境に慣れることができるように練習試験を行うことなどが含まれます。結果で説明されているトラフィック フローを超える広範なトラフィック フローは、現在のソフトウェアで構成できます。ソフトウェアはまた、より広い範囲の交差状況(すなわち、より多くの車線またはより多くの車両タイプを追加することによって)を含むように容易に拡張することができる。

このプロトコルは、動的に変化する環境に従って子供と若い成人がどのように移動を調節するかを調査することを可能にする。具体的には、最初の開始位置を体系的に変化させることで、小児および若年成人の速度調整を検討することができる。また、このプロトコルは、ギャップ特性の変化が、インターセプトアクションにおける特定の速度制御パターンにつながるかどうかを判断することを可能にします。この結果は、道路を横断する際の制御の知覚/作用タイプを反映する体系的な交差行動適応を特定する上で、初期距離とギャップ特性の変化が重要であることを示している。結果は、子供の初期距離と車両サイズの相互作用効果を示しています。具体的には、インターセプトに近づくと速度の調整がギャップ特性の影響を受けた。

この研究では、大人の横断行動に対する車両サイズの弱い影響に関する以前の知見とは対照的に、この研究は、子供たちが近い距離から大型車両に面したときの最初の距離に応じてアプローチ速度を十分に調整していないことを発見した。この結果は、複雑なインターセプトタスクで視覚情報を使用して運動の動きを細かく調整する能力が発達的な変化の影響を受けることを示唆している。しかし、今後の研究では、同じ車両タイプの様々なサイズを使用して、車両の種類とサイズを区別する必要があります。この設定により、動的環境で交差アクションを制御するために視覚情報を使用する、より正確な回答が得られます。

さらに、ギャップサイズと車両サイズを一緒に操作しても、動的ギャップ環境のどの特性が動き変調に直接影響を与えるかは答えられなかった。この調査結果は、子どもたちが車両の到着時間を過小評価し、大型車の前でより迅速に横断しようとすることを示唆している。特に、子供たちは4つのギャップで予想よりも早くバスの間のギャップを横切ります。これは、4つのギャップの中でLVの近い距離が原因である可能性があります。この設計の 1 つの制限は、ギャップ サイズの効果は、車両の外側のエッジの効果によって混乱していることです。将来の実験計画では、車両の外縁を変更することなく、ギャップサイズを変更する可能性があります。

これまでのバーチャルリアリティ研究と比較して、この実験の設計は、交差行動を調査するための安全な環境を提供します。しかし、この装置は一部の参加者に乗り物酔いを引き起こす。乗り物酔いに関する文献は、乗り物酔いと姿勢制御の関係を明らかにしているので、バランスコントロールが不十分な人は^18、19、20を除外すべきである。さらに、参加者は歩行中に手すりを保持し、これは自然な歩行動作を中断する可能性があり、これは方法の制限である可能性があります。この研究は、ギャップの時間的および空間的特性に関連して、子供の道路横断行動の理解に寄与する。

著者らは開示するものは何もない。

韓国研究所は、この技術の進歩と産業・エネルギー省(助成番号10044775)に資金を提供しました。

An erratum was issued for: Using a Virtual Reality Walking Simulator to Investigate Pedestrian Behavior. An affiliation was updated.

The first affiliation was updated from:

Department of Sports Science, Kunsan National University

to:

Department of Sport and Exercise Sciences, Kunsan National University