가상 현실 걷기 시뮬레이터를 사용하여 보행자 행동을 조사합니다.

이 프로토콜은 이동 트래픽의 존재에 보행자 행동을 연구하는 안전하고 생태학적으로 유효한 방법 역할을 하는 걷기 시뮬레이터의 사용을 설명합니다.

도로를 성공적으로 건너려면 개인은 움직이는 차량과 움직임을 조정해야 합니다. 이 논문은 사람들이 몰입형 가상 환경에서 움직이는 두 차량 사이의 간격을 가로채기 위해 러닝머신을 걷는 보행 시뮬레이터의 사용을 설명합니다. 가상 현실은 갭 교차 행동에 대한 안전하고 생태학적으로 다양한 조사를 허용합니다. 초기 시작 거리를 조작하면 간격에 접근하면서 참가자의 속도 조절에 대한 이해를 높일 수 있습니다. 속도 프로파일은 초기 거리, 차량 크기 및 갭 크기와 같은 다양한 갭 교차 변수에 대해 평가될 수 있습니다. 각 보행 시뮬레이션은 간격 특성에 따라 속도가 다르게 조정되는 방법을 알릴 수 있는 위치/타임 시리즈를 생성합니다. 이 방법론은 안전하고 현실적인 환경에서 인간 참가자를 고용하면서 보행자 행동과 행동 역학을 조사하는 연구원에 의해 사용될 수 있습니다.

간격 횡단, 요격 동작, 두 이동 차량 사이의 간격과 관련하여 자신을 이동해야합니다^1,2,3,4. 갭 크로싱은 다가오는 차량을 인식하고 이동 트래픽과 관련하여 움직임을 제어하는 것을 포함합니다. 이를 위해서는 인식된 정보와 정확하게 결합해야 합니다. 많은 이전 연구는 인공 도로, 길가 시뮬레이터 및 화면 프로젝션 가상 환경^5,6을사용하여 지각 판단 및 갭 교차 행동을 조사했습니다. 그러나, 이전의 도로 횡단 문헌은 이러한 행동에 대한 불완전한 이해를 가지고 있으며, 이러한 연구의 생태학적 타당성은^7,8,9에의문을 제기했다.

이 프로토콜은 가상 현실에서 갭 교차 행동을 연구하여 생태학적 타당성을 극대화하기 위한 연구 패러다임을 제시합니다. 보행 시뮬레이터는 갭 교차 동작의 지각과 행동을 검사하는 데 사용됩니다. 시뮬레이터는 참가자에게 안전한 보행 환경을 제공하며, 시뮬레이션 된 환경에서 실제 걷기는 연구원이 지각과 행동 사이의 상호 관계를 완전히 포착 할 수 있습니다. 실제로 도로를 건너는 개인은 구두로^10을교차하기로 결정한 사람들보다 시간 격차를 더 정확하게 판단하는 것으로 알려져 있습니다. 가상 환경은 생태학적으로 유효하며 연구원이 프로그램의 매개 변수를 변경하여 작업 관련 변수를 쉽게 변경할 수 있습니다.

이 연구에서는 참가자의 초기 시작 위치가 조작되어 간격에 접근하는 동안 속도 제어를 평가합니다. 이 프로토콜을 사용하면 간격을 가로채면서 보행자 운동 제어를 조사할 수 있습니다. 시간이 지남에 따라 참가자의 속도 변화를 분석하면 간격에 접근하는 동안 속도 조정에 대한 기능적 해석이 가능합니다.

또한 가로채진 개체의 공간 및 시간적 특성은 사람이 이동하는 방법을 지정합니다. 갭 교차 환경에서갭 크로싱 환경에서는 갭 크기(차량 간 거리)와 차량 크기 의 변화는 보행자의 운동도 어떻게 변하는지에 영향을 미칩니다. 따라서 갭 특성을 조작하면 참가자의 접근 동작이 속도 조정될 수 있습니다. 따라서, 갭 특성(즉, 갭 크기 및 차량 크기)을 조작하는 것은 다양한 갭 특성에 따라 교차 동작 변화를 이해하는 데 중요한 정보를 제공한다. 이 연구는 어린이와 젊은 성인이 다양한 횡단 환경에서 격차를 교차 할 때 속도를 조절하는 방법을 검사합니다. 속도 조절 프로파일은 다양한 시동 위치, 차량 간 거리 및 차량 크기가 다른 다양한 갭 교차 환경에 대해 평가할 수 있습니다.

이 실험 프로토콜은 인간의 과목을 포함한다. 절차는 군산대학교 연구위원회의 승인을 받았습니다.

1. 장비 준비

참고 : 장비는 다음과 같습니다 : 마우스, 키보드 및 모니터와 개인용 컴퓨터 (PC, 8 GM과 3.3 GHz); 데스크톱 PC에 설치된 걷기 시뮬레이터 소프트웨어; 핸드레일, 벨트 및 USB 케이블이 장착된 맞춤형 러닝머신(너비: 0.67m, 길이: 1.26m, 높이: 1.10m) 그리고 오큘러스 리프트 가상 현실 장치 (DK1, 미국, 1280 x 800 픽셀). 장비에는 맞춤형 수동 러닝머신도 포함되어 있습니다. 러닝머신은 참가자의 보행 동작을 통해 회전하며 내부 모터를 사용하지 않습니다.

1. 러닝머신과 PC용 인근 책상을 위한 충분한 공간을 준비하십시오. 실험용 설정사진은 도 1A에표시됩니다.
2. 그림 2에표시된 대로 장비를 연결합니다.
   1. USB 포트를 통해 러닝머신의 마그네틱 인코더를 PC에 연결합니다.
   2. 러닝머신을 전원에 연결합니다.
   3. DVI/HDMI 및 USB 포트를 통해 헤드셋을 PC에 연결합니다.

2. 걷기 시뮬레이터 구성 준비

1. PC의 보행 시뮬레이터 디렉토리에 액세스하고 "컨피그" 디렉토리를 엽니다.
   참고: 각 구성은 "config001", "config002" 등의 파일 이름이 있는 "Config" 디렉터리에서 텍스트 파일로 저장됩니다. 여기서 001, 002 등은 구성 번호입니다. 단계 2.2-2.8 시뮬레이터 소프트웨어에서 읽을 수 있도록 구성 파일을 만드는 방법을 설명합니다. 사용자 지정 가능한 초기 거리를 보여주는 두 차량 횡단 상황의 회로도가 도 3에표시됩니다. 적절한 서식이 있는 예제 구성 파일이 그림 4에표시됩니다. 구성 파일의 섹션 제목은 정사각형 브래킷을 사용합니다(예: [WALKER]").
2. 참가자의 시작점에 관한 매개 변수가 포함된 섹션 [WALKER]를 완료합니다.
   1. 미터(m)의 시작 지점에서 참가자의 시작 거리를 나타내는 매개변수 "거리"를 설정합니다.
3. 첫 번째 차량에 대한 매개 변수가 포함된 섹션 [CAR]을 완료합니다.
   1. 매개 변수 "유형"(차량의 유형을 나타내는)을 세단의 경우 "1"으로 설정하거나 버스의 경우 "2"또는 "0"으로 설정하여 차량을 제거합니다.
   2. 매개 변수 "속도"(차량 속도를 나타내는)를 km/h의 원하는 값으로 설정합니다.
   3. 매개 변수 "거리"(교차점에서 차량의 초기 거리를 나타내는)를 미터의 원하는 값으로 설정합니다.
4. 제2 전차와 관련된 매개변수가 포함된 섹션 [SECONDCAR]를 완료합니다. 매개 변수는 [CAR]의 매개 변수와 동일합니다.
   참고: 2대의 차량 연구에서 간격은 두 차량 사이의 빈 공간으로 정의됩니다. 간격 크기는 참가자의 보행로를 따라 간격이 있는 길이로 정의되며 [CAR] 및 [SECONDCAR]의 "거리", "속도"및 "유형" 매개 변수의 함수입니다.
5. 추가 차량과 관련된 매개 변수가 포함된 섹션 [NEXTCAR]을 완료합니다. 매개 변수는 [CAR]의 매개 변수와 동일합니다.
   참고: 이 옵션을 사용하여 연속 적인 트래픽 흐름 내에서 보행자 동작을 조사할 수 있습니다. 이 옵션은 대표 결과 섹션에서 설명되지 않습니다.
6. 차선 선택을 위한 매개 변수를 포함하는 섹션 [ROAD]를 완료합니다. 매개 변수 "차선"을 "1"로 설정하여 보행자의 시작 위치에 가까운 차선을 사용하거나 차선의 "2"를 더 멀리 떨어진 차선에 사용합니다. [장애물]은 제1 차량과 동일한 속도로 두 번째 차선에서 이동하는 차량을 구성하는 매개 변수를 나타냅니다.
   참고: 가까운 차선을 기본 차선으로 사용하는 경우 이 옵션을 사용하여 동일한 방향으로 가는 더 먼 차선에 추가 차량을 배치할 수 있습니다. 따라서, 병렬 차량에 의해 차량의 시야의 임피던스를 연구하는 데 사용할 수 있습니다. 이 섹션에는 위에서 설명한 것과 동일한 정의의 매개 변수 "유형" 및 "거리"가 있습니다. 이 옵션은 대표 결과 섹션에서 설명되지 않습니다. 표시된 모든 결과에는 보행자와 가까운 차선에서 운전하는 두 대의 차량이 포함됩니다.
7. 샘플링 주파수와 관련된 매개 변수가 포함된 섹션 [SAVE]를 완료합니다. 매개 변수 "numberpersecond"를 Hz에서 원하는 값으로 설정합니다.
8. 구성 파일 및 종료를 저장합니다.
9. 원하는 모든 구성에 대해 섹션 2.2-2.8을 반복하고 실험에 사용할 구성 목록(임의 순서)이 있는 데이터 시트를 준비합니다.
10. 연습 시험에서 사용할 세 가지 구성 파일을 준비합니다.
    참고: 첫 번째 연습 구성에는 차량이 없어야 합니다(예: 모든 "유형" 매개 변수는 "0"으로 설정). 두 번째 및 세 번째 연습 구성 파일에는 차량이 있어야 합니다. 세 번째 구성에는 관대한 교차 조건이 있어야 합니다. 실험 설계에 따라 두 번째 및 제 3 연습 시험에 동일한 구성이 사용될 수 있다.

3. 참여 심사 및 준비

1. 정상 또는 수정된 투 정상 시력을 가진 참가자를 모집합니다.
   참고: 모든 참가자는 정상적인 걷기를 방해하는 모든 조건이 없어야 합니다. 걷는 동안 현기증이 없어야하며 심각한 교통 사고의 역사가 없어야합니다.
2. 각 실험 전에 참가자에게 서면, 정보에 입각한 동의서에 서명하도록 요청합니다.
3. 작업의 구두 지침과 함께 오디오 녹음을 준비하고 참가자에게 녹음을 재생합니다.
   참고: 구두 지침은 아래에 설명된 기본 절차를 내레이션하고 실험 설계에 필요한 특정 프롬프트를 제공해야 합니다.
4. 참가자에게 실험에 대한 질문을 하도록 격려한다.
5. 준비가 되면 참가자가 러닝머신에 서도록 유도하십시오.
6. 안정 벨트를 참가자의 허리에 활용하십시오. 실험 중에 참가자에게 항상 난간을 잡도록 지시한다.

4. 연습 시험 실행

1. 참가자에게 난간을 들고 있는 동안 벨트를 착용하고 러닝머신을 걷는 연습을 하도록 지시한다.
2. 참가자가 러닝머신을 편안하게 걸을 수 있게 되면 실행 가능한 시뮬레이터 프로그램을 두 번 클릭하여 걷기 시뮬레이터 프로그램을 시작합니다.
   참고: 그림 1B에 표시된 흑백 만화 횡단보도교차 시험 사이에 표시됩니다. 이 시점에서, 그것은 PC 화면에 표시 해야 합니다.
3. 참가자에게 헤드셋착용을 지시합니다. 필요에 따라 도움을 주십시오. 헤드 턴에 대한 편안함과 안정성을 모두 확인하십시오.
4. 흑백 만화 횡단보도 참가자의 시야에 제대로 정렬되도록 헤드셋을 보정합니다.
   참고: 섹션 4.5-4.7은 참가자가 시뮬레이터 환경에 점차 익숙해질 수 있도록 설계된 세 가지 연습 시험을 설명합니다. 참가자가 지침에 대한 오해로 인해 재판에 실패하면 참가자가 지침을 이해할 때까지 최대 2번의 추가 시험을 수행해야 합니다. 규칙을 오해하는 것 이외의 이유로 교차하지 못하는 경우(예: 충돌이 발생하는 경우)에서 추가 시험이 수행되지 않습니다.
5. 첫 번째 연습 시험을 시작합니다.
   참고: 첫 번째 연습 시험은 참가자가 가상 현실 환경에서 걷는 데 익숙해질 수 있는 차량이 없어야 합니다.
   1. 참가자에게 첫 번째 연습 시험은 차량 없이 발생합니다.
   2. 참가자에게 똑바로 앞을 내다보라고 지시한다.
   3. 화면 하단의 텍스트 상자에 첫 번째 연습 평가판 구성 번호를 입력합니다.
   4. 화면 하단의 "시작" 버튼을 클릭합니다.
      참고: 프로그램은 화면에 그림 1C에 묘사된 사실적인 설정을 표시해야 합니다.
   5. 참가자에게 "준비"를 듣고 "Go"를 들을 때 걷기 시작하도록 알려주십시오. 구두 단서를 "준비"와 "이동"을 제공합니다.
6. 두 번째 연습 시험
   참고 : 두 번째 연습 시험은 걷지 않고 차량을 소개해야합니다. 참가자의 머리가 바뀌면 가상 현실 뷰의 방향이 바뀝니다.
   1. 이 재판에서 참가자에게 구두 단서 "Go"에서 왼쪽을 보고 동시에 작은 발걸음을 내딛지만 더 이상 앞으로 나아가지 말라고 지시하십시오. 참가자는 대신 차량이 지나가는 것을 지켜봐야 합니다.
   2. 두 번째 평가판구성 번호를 텍스트 상자에 입력하고 구두 신호를 제공하여 "시작"을 클릭합니다.
      참고: 참가자가 움직이기 시작하면 차량이 움직이기 시작합니다.
7. 세 번째 연습 시험
   참고: 세 번째 연습 시험은 실험 구성과 유사하지만 관대한 교차 조건과 유사해야 합니다.
   1. 참가자에게 세 번째 연습 시험은 왼쪽에서 오는 두 대의 차량을 포함하고 2) 두 차량 사이의 도로를 건너려고 시도해야합니다.
   2. 구두 단서를 제공하여 텍스트 상자에 세 번째 연습 시험 번호를 입력합니다.
   3. "시작" 버튼을 클릭하고 구두 신호를 제공하여 평가판을 시작합니다.

5. 가상 걷기 실험

1. 참가자가 실험 작업을 이해하고 수행할 수 있는지 확인합니다.
2. 참가자가 준비되면 텍스트 상자의 데이터 시트에서 첫 번째 구성 번호를 입력하고 "시작"을 클릭합니다.
3. 최종 연습 평가판에서 수행한 시뮬레이션을 수행합니다.
   참고: 각 교차 평가판이 끝나면 프로그램이 "S", "F"또는 "C"를 표시하며, 결과가 충돌 없이 거리의 반대편으로 교차하는지 여부에 따라 교차(참가자가 다른 쪽으로 교차하지 않음) 또는 충돌(참가자가 차량과 접촉함)을 각각 표시합니다.
4. 데이터 시트의 구성 번호 옆에 결과를 기록합니다.
5. 데이터 시트의 모든 구성에 대해 반복하고 실험을 완료합니다.

6. 데이터 내보내기 및 분석

1. 분석을 위해 데이터 파일을 검색합니다. 보행 시뮬레이터 소프트웨어는 "데이터" 폴더의 스프레드시트 파일로 각 실행을 저장합니다.
2. 기본 도구를 사용하여 데이터를 분석합니다. 출력 데이터는 워커와 차량의 위치와 속도를 타임 시리즈로 기록합니다. 이 데이터를 사용하여 참가자의 움직임과 트래픽 조건에 대한 의존도를 분석합니다.

보행 시뮬레이터는 연석에서 요격 지점 및 갭 특성(즉, 간격 및 차량 크기)까지의 초기 거리를 조작하면서 보행자의 횡단 동작을 검사하는 데 사용할 수 있습니다. 가상 환경 방법을 사용하면 교차 특성을 조작하여 교차 환경이 동적으로 변화하는 것이 어린이와 청년의 도로 횡단 행동에 어떤 영향을 미치는지 이해할 수 있습니다.

다양한 보행자 그룹의 횡단 동작을 비교하는 데 사용되는 갭 내의 정량화된 속도 프로파일 및 교차 위치. 우리는 간격 내에서 참가자의 위치에 속도 조정의 즉각적인 효과로 요격 (TOI)의 시간을 회피했다. 이러한 대표적인 결과는 16명의 청년 성인(평균 연령 = 22.75세, SD = 2.56) 및 16명의 어린이(평균 연령 = 12.18세, SD = 0.83)의 데이터를 사용합니다. 일반적으로, 12세어린이는 움직이는 물체^{3,4,11,12,13,14로}움직임을 조정하는 능력의 발달 변화를 겪고 있기 때문에 초기 거리의 변화로 인해 어린이대 젊은 성인의 접근 속도의 기능적 조정을 비교할 수 있는 기회가 제공되었습니다. 참가자들은 대학 소셜 미디어 게시물을 통해 모집되었습니다. 모집된 참가자 중 두 명의 젊은 성인이 멀미를 경험했으며, 그 곳에서 실험이 즉시 중단되었고 연구에서 제외되었습니다.

성공률은 어린이 98.95%, 청년 층 99.48%였다. 성공적인 시험만 분석에 포함되었습니다. 속도 데이터에 액세스하려면 3 x 2 x 2 x 4 (초기 거리 [근처, 중간, 먼]; 갭 크기 [3 s, 4 s]; 차량 크기 [자동차, 버스]; 시간 [3.5 s, 2.5 s, 1.5 s, 0.5 s]) 초기 거리, 갭 크기, 차량 크기 및 시간을 사용하여 ANOVA가 수행된 반복적인 측정값. 타이밍 데이터는 3 x 2 x 2(초기 거리[근처, 중간, 먼]; 갭 크기 [3s, 4s]; 차량 크기 [자동차, 버스])를 수행하여 초기 거리, 갭 크기 및 차량 크기를 요인 변수와 같이 반복적으로 측정하여 분석하였다. 효과 크기를 추정하기 위해 부분 에타 제곱(η_2p)이사용되었습니다. 모든 쌍으로 포스트 혹 분석의 경우, 최소 정사각형 수단이 사용되었다.

초기 거리의 효과
먼저 테스트된 것은 연석에서 요격 지점까지의 초기 거리를 조작하는 것이 참가자의 접근 속도에 영향을 미친다는 가설이었습니다. 초기 거리의 체계적인 변화는 청년 성인과 어린이 의 속도 조정 모두에 영향을 미쳤다 : F (2, 30) = 29.62, p & 0.0001, η²_p = .66; 및 F (2, 30) = 207.32, p & 0.0001, η²_p = .93, 각각.

젊은 성인의 경우 초기 거리 와 시간 상호 작용이 중요했습니다 : F (6, 90) = 11.88, p & 0.0001, η²_p = 0.44. 간단한 효과 테스트에 대 한 시간의 중요 한 효과 보여 주었다: 가까운 초기 거리, F (3, 45) = 140.34, p & 0.0001, η²_p = 0.90; 중간 초기 거리, F (3, 45) = 29.93, p & 0.0001, η²_p = 0.67; 및 먼 초기 거리, F (3, 45) = 184.46, p & 0.0001, η²_p = 0.93. 그것은 젊은 성인이 접근 (p < 0.0001)를 통해 속도로 증가했다는 포스트 혹의 분석에서 발견되었습니다. 그러나 초기 거리가 짧을 때 참가자들은 시험 시작 시 느려지고 지속적으로 속도를 올렸습니다. 이는 기능 조정을 나타냅니다. 접근 하는 동안 평균 속도 연령대에 걸쳐 플롯(그림 5).

어린이의 경우 초기 거리 및 시간 상호 작용도 중요했습니다: F(6, 90) = 53.51, p< 0.0001, η²_p = 0.78. 이러한 상호 작용 효과는 3방향 상호 작용에 의해 캡처되었습니다. 차량 크기, 초기 거리 및 시간 상호 작용은 중요했습니다: F(6, 90) = 2.12, p & 0.05, η²_p = 0.12. 결과는 초기 거리에 의해 유도된 아이들의 속도 변화가 차량 크기에 의해 영향을 받았다는 것을 표시합니다.

어린이 차량 크기의 효과
다음으로 테스트된 것은 차량 크기의 조작이 어린이와 젊은 성인의 속도 프로파일과 교차 시간에 영향을 미칠 것이라는 가설이었습니다. 어린이의 경우 차량 크기가 초기 거리에 의해 유도된 속도 프로파일 및 교차 위치에 영향을 미치는 것으로 나타났습니다.

어린이의 경우, 차량 크기, 초기 거리 및 시간 상호 작용이 중요했습니다: F(6, 90) = 2.12, p < 0.05, η²_p = 0.12. 추가 분석에 따르면, 자동차 사이에 초기 거리 x 시간 상호 작용이 중요했다는 것을 밝혔다, F (6, 90) = 33.55, p < 0.0001, η²_p = 0.69. 간단한 효과 테스트는 가까운 초기 거리, F (3, 45) = 132.54, p & 0.0001, η²_p = 0.90에 대한 시간의 중요한 효과를 보여 주었다; 중간 초기 거리, F (3, 45) = 173.83, p & 0.0001, η²_p = 0.92; 그리고 먼 초기 거리, F (3, 45) = 272.78, p & 0.0001, η²_p = 0.95. hoc 후 분석은 아이들이 접근 (p & .0001) 내내 가속화되었다는 것을 보여주었습니다. 그러나, 그들은 자동차 사이를 교차 할 때, 그들은 가까운 초기 거리 (p & 0.0002)에 대한 접근의 시작 부분에 둔화

그러나, 아이들이 버스 사이를 교차했을 때, 초기 거리 와 시간 상호 작용은 또한 중요했다: F (6, 90) = 18.70, p < 0.0001, η²_p = 0.55. 간단한 효과 테스트는 가까운 초기 거리에 대한 시간의 중요한 효과를 보여 주었다: F (3, 45) = 124.41, p < 0.0001, η²_p = 0.89; 중간 초기 거리, F (3, 45) = 132.79, p & 0.0001, η²_p = 0.90; 및 먼 초기 거리, F (3, 45) = 331.16, p & 0.0001, η²_p = 0.96. 포스트 혹 분석 에 따르면 아이들이 버스 사이를 건널 때, 그들의 속도는 거의 초기 거리에 대한 접근의 시작 부분에서 증가하거나 감소하지 않는 것으로 나타났습니다. 접근 중 평균 속도는 그림 6의연령대에 걸쳐 플롯됩니다.

분명히, 차량 크기는 초기 거리에 의해 유도된 대로 아이들의 교차 동작에 영향을 미쳤습니다. 아이들의 횡단 시간은 작은 차량 사이를 횡단하는 초기 거리에 따라 갭 센터에서 체계적으로 벗어났습니다. 그러나, 아이들은 큰 차량 사이를 교차 할 때 초기 거리에 따라 이탈하지 않았다.

차량 크기는 또한 초기 거리에 의해 유도된 간격 내의 어린이 교차 위치에 큰 영향을 미쳤다. 차량 크기 및 초기 거리 상호 작용은 중요했다 : F (2, 30) = 18.13, p & 0.0001, η²_p = 0.55. 간단한 효과 테스트는 자동차, F (2, 30) = 62.30, p & 0.0001, η²_p = 0.81, 버스 사이 초기 거리의 중요한 효과를 보여 주었다, F (2, 30) = 6.15, p < 0.005, η²_p = 0.30. 초기 거리가 먼 초기 거리에서 먼 거리까지 증가함에 따라 어린이요격 의 시간이 크게 증가한 것으로 나타났습니다(p&0001). 그러나 버스 사이를 건널 때, 아이들의 가로채기 시간은 근처와 중간 초기 거리 사이에 크게 다르지 않았습니다. 접근 중 평균 교차 위치는 연령대별로 플롯됩니다(그림 7).

어린이의 차량 크기와 갭 크기의 상호 작용 효과
마지막으로, 어린이의 차량 크기와 갭 크기의 상호 작용 효과를 조사했습니다. 차량 크기 및 갭 크기 상호 작용은 중요했다 : F (1, 15) = 4.26, p & 0.05, η²_p = 0.22. 간단한 효과 테스트는 자동차 사이의 갭 크기의 상당한 효과를 보여 주었다 : F (1, 15) = 7.42, p & .02, η²_p = 0.33; 그리고 버스 사이, F (1, 15) = 35.93, p & 0.001, η²_p = 0.71. 포스트 호크 분석에 따르면 자동차 사이를 횡단할 때, 아이들은 3s 간격(p&01)보다 4초 간격으로 갭 센터보다 훨씬 앞서 격차를 크게 넘긴 것으로 나타났습니다. 버스 사이를 횡단할 때, 아이들은 또한 3s 간격 (p & 0.0001)보다 4 s 간격에서 훨씬 일찍 격차를 넘었습니다. 아이들은 차량 크기에 관계없이 3s 갭보다 4 초 간격으로 갭 센터보다 더 앞서 격차를 넘었습니다(표 1).

그림 1: 걷기 시뮬레이션 실험을 묘사한 이미지입니다. (A)러닝머신을 걷는 참가자의 사진과 보행 시뮬레이터 프로그램을 보는 실험자의 사진. (B)구성이 로드되기 전에 표시되는 만화 횡단보도의 이미지입니다. (C)시뮬레이션이 일어나는 현실적인 가상 환경의 이미지. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: 실험 용 설정 다이어그램입니다. 실험 설정 및 연결의 구성 요소가 설명되어 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: 교차 상황의 다이어그램입니다. 각 실험에 대해 구성할 수 있는 거리 매개 변수가 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: 구성 파일 예제입니다. 시뮬레이션 프로그램에 대한 제대로 포맷된 구성 텍스트 파일의 예입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 초기 거리에 대한 속도 의존도입니다. 요격 지점에 도달하기 전에 시간의 함수로서 어린이와 청년 성인의 각 초기 거리(요격 지점에서 3.5m, 4.5m 및 5.5m로 정의)의 평균 속도. 접근 속도는 가로채기 지점에서 뒤로 계산하여 1s 간격(-3.5s, -2.5s, -1.5s 및 -0.5s)으로 평균되었습니다. 별표는 각 시점에서 초기 거리에 대해 통계적으로 유의한 평균 간 차이를 나타냅니다. 하나의 별표는 하나의 평균 간 차이를 나타내며, 두 개의 별표는 두 개 이상의 평균 간 차이를 나타냅니다. 오류 막대는 SD를 나타냅니다. 이 그림은 정 외^15의허락하에 재인쇄되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: 두 개의 서로 다른 차량 크기에 따라 초기 거리에 대한 어린이의 속도 의존도입니다. 각 초기 거리의 요격 지점에 도달하기 전에 어린이의 평균 속도 프로필은 자동차 (상단)와 버스 (아래)에 대해 플롯됩니다. 접근 속도는 가로채기 지점에서 뒤로 계산하여 1 간격으로 평균되었습니다. 별표는 각 시점에서 초기 거리에 대해 통계적으로 유의한 평균 간 차이를 나타냅니다. 하나의 별표는 하나의 평균 간 차이를 나타내며, 두 개의 별표는 두 개 이상의 평균 간 차이를 나타냅니다. 오류 막대는 SD를 나타냅니다. 이 그림은 정 외^15의허락하에 재인쇄되었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 7: 어린이 TOI에 차량 크기의 효과. 각 초기 거리에 대한 어린이 그룹의 평균 TOI는 차량 크기 (자동차, 버스)의 함수로 표시됩니다. TOI는 횡단 하는 순간에 갭 센터에 비해 시간적 거리를 의미, 이러한 0.2 s는 차량 속도 30km/h (8.3 m/s)때 1.6 m를 의미한다. 별표는 각 초기 거리에서 차량에 대해 통계적으로 유의한 상호 평균 차이를 나타냅니다. 하나의 별표는 하나의 평균 간 차이를 나타내며, 두 개의 별표는 두 개 이상의 평균 간 차이를 나타냅니다. 오류 막대는 SD를 나타냅니다. 이 그림은 정 외^15의허락하에 재인쇄되었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

표 1: 어린이의 차량 크기와 갭 크기의 상호 작용 효과입니다. 차량 크기와 갭 사이즈의 기능으로 어린이평균 TOI. 값은 수단(표준 편차)으로 제공됩니다. . 이 테이블을 다운로드하려면 여기를 클릭하십시오.

이전 연구는 예상 된 화면^16,17시뮬레이터를 사용 하지만이 프로토콜은 완전히 몰입 가상 보기를 통해 생태 학적 타당성을 향상 (즉, 360도). 또한 참가자가 러닝머신을 밟도록 요구하면 어린이와 청년이 변화하는 환경에 자신의 행동을 교정하는 방법을 검사할 수 있습니다. 이 실험 설계의 가상 장면은 참가자의 움직임과 동시에 바뀌고 차량은 특정 시점에 보행자의 횡단 선에 도착합니다. 이렇게 하면 참가자가 결정이나 이동 준비로 인해 교차 시간을 지연시킬 수 있습니다. 이 연구에서, 참가자는 도로^6을건너려고 할 때 이미 움직이고 있으므로 연구원은 횡단하는 동안 운동 조절에 명확하게 액세스 할 수 있습니다.

중요한 단계에는 실험 설계를 반영하기 위해 매개 변수를 적절히 설정하고, 멀미가 발생할 때 실험을 중지하고, 참가자가 러닝머신 환경에 익숙해지도록 연습 시험을 수행하는 것이 포함됩니다. 결과에 설명된 트래픽을 넘어서는 광범위한 트래픽 흐름을 현재 소프트웨어와 구성할 수 있습니다. 또한 더 많은 차선 또는 더 많은 차량 유형을 추가하여 더 넓은 범위의 교차 상황(예: 더 많은 차선을 추가하여)을 포함하도록 소프트웨어가 쉽게 확장될 수 있습니다.

이 프로토콜은 동적으로 변화하는 환경에 따라 어린이와 젊은 성인이 운동을 조절하는 방법에 대한 조사를 허용합니다. 구체적으로, 체계적으로 초기 시작 위치를 변경하면 어린이와 젊은 성인의 속도 조정을 검사 할 수 있습니다. 또한 이 프로토콜은 갭 특성의 변화가 요격 동작의 특정 속도 제어 패턴으로 이어지는지 여부를 결정할 수 있도록 허용합니다. 그 결과 교차 도로에서 제어의 지각/행동 유형을 반영하는 체계적인 교차 동작 적응을 식별하는 데 다양한 초기 거리와 갭 특성이 중요하다는 것을 보여줍니다. 결과는 어린이의 초기 거리 및 차량 크기의 상호 작용 효과를 나타냅니다. 특히, 가로채기에 접근하는 동안의 속도 조정은 갭 특성의 영향을 받았습니다.

성인의 교차 행동에 차량 크기의 약한 영향에 대한 이전 연구 결과와는 달리,이 연구는 아이들이 가까운 거리에서 큰 차량을 직면 할 때 초기 거리에 따라 접근 속도를 제대로 조정하지 못했다는 것을 발견했습니다. 결과는 복잡한 가로채기 작업에서 시각적 정보를 사용하여 모터 의 움직임을 미세하게 조정할 수있는 능력이 개발 변화의 대상이된다는 것을 시사한다. 그러나, 향후 연구는 동일한 차량 유형의 다양한 크기를 사용하여 차량 유형과 크기를 차별화해야 한다. 이 설정을 사용하면 동적 환경에서 교차 작업을 제어하는 데 시각적 정보가 사용되는 보다 정확한 답변을 할 수 있습니다.

또한 갭 크기와 차량 크기를 함께 조작하는 것은 동적 갭 환경의 특성이 운동 변조에 직접적인 영향을 미치는지 에 대한 답을 하지 못했습니다. 연구 결과에 따르면 어린이들은 차량의 도착 시간을 과소평가하고 대형 차량 앞에서 더 빨리 교차하려고 시도하는 것으로 나타내고 있습니다. 특히, 아이들은 4s 간격에서 예상보다 일찍 버스 사이의 간격을 교차합니다. 이는 4s 간격에서 LV의 가까운 거리 때문일 수 있습니다. 이 디자인의 한 가지 제한사항은 갭 사이즈의 효과가 차량의 외부 가장자리의 영향으로 인해 혼동된다는 것입니다. 미래의 실험 설계는 차량의 외부 가장자리를 변경하지 않고 갭 크기를 변경할 수 있습니다.

이전 가상 현실 연구와 비교하여 이 실험의 설계는 교차 동작을 조사할 수 있는 안전한 환경을 제공합니다. 그러나, 장치는 몇몇 참가자에 있는 멀미를 일으키는 원인이 됩니다. 멀미에 관한 문헌은 멀미와 자세 조절 의 관계를 드러내므로 균형 조절이 좋지 않은 사람들은^18,19,20을제외해야 한다. 또한, 참가자는 걷는 동안 난간을 잡고, 이것은 방법의 한계일지도 모르다 자연적인 걷기 운동을 중단할 수 있습니다. 요약하면, 이 연구는 간격의 시간적 및 공간 적 특성과 관련하여 아이들의 도로 횡단 행동에 대한 이해에 기여합니다.

저자는 공개 할 것이 없습니다.

한국연구소는 산업통상자원부(교부금 1004만4775명)의 기술발전사업에 자금을 지원했다.

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