基于虚拟现实的交通事故应急仿真培训系统

姚 凡，谢泽浩， 薛 娜，陈 超

（华北科技学院计算机学院，廊坊 065201）

0 引言

道路交通伤害是导致死亡的主要原因之一，在全球死因排名中位居第11 位，并且是全球疾病负担的第9 位主要因素。全球每年有120 万人死于交通事故，更有数以万计的人因此受伤，其中一些人甚至终生残疾。因此，对于交通事故应急演练的研究具有迫切性。在国内的研究中，叶剑友等［1］通过模拟演练对交通事故中可能出现的突发状况进行了研究，并取得了显著成果。然而，该研究存在成本过高和适用对象局限于消防大队等专业人员的问题，无法广泛应用于大众群体。其他研究，如胡小南等［2］对高速公路交通事故伤立体救治演练进行了分析和研究，针对交通事故伤的救治难点进行了探讨。

虚拟现实技术综合了多种科学技术，包括计算机图形技术、仿真技术、人机交互技术、人工智能技术、传感器技术和网络技术等［3］。在应急演练领域，虚拟现实技术被广泛应用。例如，陈建刚等［4］将3D 游戏引擎用于虚拟应急演练；张雪晗［5］将VR 技术应用于交通事故情景的图像复原教学；朱新平等［6］设计了一种基于虚拟现实技术的机场消防应急救援虚拟演练平台；张婷等［7］通过结合消防安全教育和虚拟现实技术开发了面向消防安全教育的在线平台。虚拟现实技术可以创建逼真的虚拟环境，使用户感觉自己置身于真实的交通场景中。用户通过头戴式显示器和手柄等设备与虚拟环境进行互动，增强了他们的参与感和沉浸感。

本文主要设计了基于混合现实技术的交通事故应急仿真模拟系统，结合虚拟现实技术和动态捕捉技术，利用Unreal Engine 实现了交通事故发生的虚拟场景。系统使用OpenXR插件连接硬件设备，用户佩戴混合现实头盔，身临其境地感受交通事故的发生过程，并通过手柄进行应急救援操作。通过本文的设计，使用者可以模拟演练交通事故的发生过程和标准操作，提高其应急救援意识。

1 虚拟现实培训系统方案

该系统使用Unreal 引擎进行开发，分为培训模块和考核模块。在培训模块中，系统通过XMLReader 读取题目，并通过直观的UI 界面展示给用户。用户可以使用OpenXR支持的手柄进行答题选择，系统会根据用户的选择计算出成绩，并将成绩发送给考核模块中的评分模块进行存储。考核模块要求学生佩戴Perception Neuron动态捕捉设备，系统会以语音提示的形式给出考核任务，学生完成任务后将得到考核评分。最终的培训评分和考核评分将以直观的方式显示在头戴式显示设备上。系统整体架构如图1所示。

图1 系统整体架构

2 交通事故培训子模块

培训子系统由场景设计和UI 设计两个关键部分组成。场景设计的目标是分析和设计交通事故发生过程中的静态和动态元素，并借助Unreal 引擎来模拟真实的交通事故场景。通过场景的还原和模拟，学员能够身临其境地感受交通事故的发生，并在虚拟环境中进行培训。同时，与UI 设计的配合能够提供更加直观和交互式的学习体验。UI 设计利用OpenXR 开发包，专门针对HTC Vive 手柄进行交互设计。学员可以通过手柄与UI 界面进行互动，参与交通事故的模拟仿真培训。在UI 界面中，学员将面临一系列与交通事故相关的问题或情境，并需要使用手柄进行选择或操作。学员的选择将被记录并得出相应的培训结果，帮助他们加深对交通事故的认知和应对能力。通过将场景设计和UI设计相结合，培训子系统为学员提供了一个综合的培训平台。学员可以在虚拟环境中参与交通事故的模拟，通过与UI 界面的交互与挑战，增强对交通事故相关知识和技能的学习与实践。这种综合的培训方式不仅提供了更加真实和身临其境的学习体验，还能够有效促进学员的参与度和培训效果。

2.1 场景设计

在交通事故培训模块中，场景设计起着关键作用，旨在通过模拟真实的驾驶环境和交通事故场景，为学员提供身临其境的培训体验。为了实现这一目标，我们使用了Unreal Engine引擎的场景编辑器，以创建一个逼真的虚拟场景。该场景包括道路、交通标志、建筑物等静态元素，以还原真实世界中的交通环境。通过Unreal Engine 的场景编辑器，精确地布置道路和交通标志，以模拟真实道路的形状和布局。此外，使用BluePrint 和Niagara 系统实现动态元素，如烟雾、火焰等，以增加场景的真实感和细节。这些元素的精心设计和放置，使学员能够感受到真实驾驶环境的复杂性和变化性。场景设计需要综合考虑培训目标和学员需求，确保场景的逼真性和教育性。通过精心设计和细致调整，创建一个具有高度真实性和教育效果的交通事故培训场景。场景设计如图2所示。

图2 场景设计

图3 蓝图设计交互

2.2 UI设计

在UI 设计方面，首先在UI 编辑器中创建一个新的UI Widget，并添加所需的UI 元素，如文本框、按钮和进度条，以满足培训模块的界面需求。通过蓝图配置UI 元素的交互行为，为按钮添加点击事件，使学员在完成选择后能够跳转到下一个模拟场景。为了响应用户的输入操作，需要在UI Widget 中设置输入事件处理，以使用户能够通过手柄与UI 进行交互。在Unreal Engine 中，可以利用其内置的输入系统来处理各种交互操作，并完成点击UI后的跳转功能。

对于答题模块，系统准备包含题目和答案的XML 文件。XML 文件是一种标记语言，用于存储结构化的数据。在XML 文件中，可以使用标签来定义题目和答案的结构，并使用元素来表示具体的题目和答案内容。确保XML 文件的格式正确且易于解析。

在Unreal 引擎中，首先创建一个UI 界面，用于显示题目并接受用户的答题选择。使用UMG（unreal motion graphics）系统创建自定义的UI 界面，包括文本框、按钮和其他交互元素。确保UI 界面与答题需求相符，并能够正确呈现题目和选项。

在答题模块的代码或蓝图中，使用XMLReader插件加载XML文件，并解析其中的内容。根据XML 文件的结构，逐个读取题目和答案，并将其存储到适当的变量或数据结构中，以便后续的显示和答题过程。将从XML 文件中读取的题目和选项内容显示在答题界面上。通过将题目文本赋值给相应的文本框，并将选项内容绑定到对应的按钮或复选框上，使学员能够看到题目和可选的答案选项。确保界面的布局和设计清晰易懂，用户能够方便地进行答题选择。监听用户的答题选择事件，当用户点击选项按钮或进行答题操作时，获取用户选择的答案，并与正确答案进行比较。根据答案的准确性，计算用户的得分或评估，并进行相应的反馈或记录。根据实际需求和规则，确定答案的匹配方式和得分计算方法。通过以上UI 设计和答题模块的实现，系统能够提供交互式界面，让学员参与答题过程，并根据其答题结果进行评估和反馈，从而增强学员的参与感和学习效果。

3 考核子系统

3.1 基于动态捕捉的考核动作记录

在本研究中，我们采用Perception Neuron 动态捕捉设备进行学员动作的实时捕捉。Perception Neuron是一种先进的身体运动捕捉系统，由多个传感器节点组成，可以精确地记录学员身体各部位的运动。该设备通过无线连接与计算机进行数据传输，能够提供高精度和低延迟的动作捕捉效果。将Perception Neuron 动态捕捉设备通过Axis软件与计算机连接，可以实时获取学员身体各部位的动作数据，Axis插件如图4所示。

图4 Axis插件导入动态捕捉数据

学员在考核过程中穿戴动态捕捉设备，通过与虚拟场景中的角色进行匹配，我们可以准确记录学员在培训过程中的动作表现，如图5所示。该过程涉及数据的传输、解析和处理，确保捕捉到的动作数据与虚拟场景的角色一致。通过动作捕捉技术，我们能够记录学员的动作数据，包括位置、旋转、姿势等信息。这些数据存储在数据库或文件中，供后续的评估和分析使用。同时，我们可以采用数据分析方法，探索学员的动作模式、错误行为以及改进点，从而为培训提供个性化的建议和指导。

图5 记录学员在虚拟场景中的动作

3.2 考核结果

根据动态捕捉数据信息，系统能够准确记录学员在考核过程中的动作信息。通过对学员动作姿态的回放，可以对其动作行为规范进行评分。这种基于动态捕捉的评分方法能够更加客观地评估学员的表现，并提供有针对性的反馈。

在学员培训子模块中，系统会收集和记录学员的答题正确率。这些数据被用于分析学员的表现，并生成相应的评分。在考核子模块中，系统会综合考虑学员在培训过程中的各项表现，并结合动态捕捉数据信息的评分结果，得出最终的考核结果。这种综合评分的方法能够全面评估学员的培训成果和能力水平。

通过动态捕捉数据信息的记录和评分，系统能够提供准确、客观的评估，并对学员的动作行为规范进行指导和改进。同时，通过培训子模块的评分和考核子模块的评分结合，系统能够综合考量学员的综合能力，提供全面的培训和考核结果，帮助学员提升技能水平和应急反应能力。

4 测试

4.1 测试设计

层次分析法是一种决策分析方法（analytic hierarchy process，AHP），可以对系统的可行性进行分析。本文使用层次分析法分别对各级指标的权重进行计算，得出培训系统的沉浸性、合理性、流畅性、稳定性、可操作性五个因素的具体权重值。三十名实验人员对培训系统进行体验和培训，然后根据五个影响因素进行评分。

4.2 测试数据来源

将以上五个指标通过专家进行两两对比，从而排除不同因素之间的相互影响，根据两者之间的重要性评分，将数据进行层次分析，得到结果见表1。

表1 影响因素赋值

表2 一致性检验结果

CR 值的大小体现判断矩阵一致性的好坏，如果CR 值小于0.1，则满足判断矩阵一致性检验，以上测试判断矩阵得到的CI值为0.024308，则计算得到CR 值为0.0217，其值＜0.1，故本次测试满足一致性检验，即所得权重具有一致性。

4.3 结果分析

通过层次分析法的结果可知，系统的满意度和各方面特性得到了认可。系统通过虚拟现实技术使人们在虚拟现实场景下进行系统的培训和姿态存储分析，在沉浸性、流畅性和实用性等各方面均有不错的表现，提供了一种可行的高效率的培训方案。

5 结语

本文设计了一种基于混合现实的交通事故应急仿真培训系统，系统通过混合现实场景下交通事故现场的模拟，对学员进行培训，使用动态捕捉系统捕捉学员的动作姿态，进行回放评分。系统为用户提供了高度沉浸式、实时性和稳定性的交通事故仿真培训体验。