注视熵和马尔科夫链的弯道诱导设施信息量研究

为探究驾驶人在不同诱导设施信息量的草原公路弯道行车时的注意力分配情况,建立5种不同层级诱导设施信息量(Q0、Q1、Q2、Q3、Q4)的草原公路弯道虚拟场景,并对其进行模拟驾驶试验;对驾驶人视野分区,分析驾驶人在不同信息量条件下注视熵率值变化特征;应用马尔科夫链计算驾驶人在不同信息量条件下注视点在各个区域间的一步转移概率和平稳分布概率。结果表明:草原公路弯道诱导设施信息量的变化对驾驶人注视熵率值影响显著,驾驶人在Q2(10～20 bits/km)信息量条件下注视熵率值最大;驾驶人需要对信息目标多次重复注视才能获取足够有效行车信息,90%以上的概率集中于道路左侧和远方区域,其中道路远方区域是驾驶人保证正常驾驶的重要观察区域。     

草原公路长直线段最佳信息量阈值研究

为优化草原公路单调景观环境,提高驾驶员安全行车水平,采用模拟驾驶试验方法,根据真实路况信息设计双车道二级草原公路,按照单位信息量1～5个/km设置5种不同的信息量环境,选择40名被试进行试验,提取眨眼持续时间、注视持续时间、瞳孔直径、扫视幅度4个眼动敏感指标,量化不同信息量环境下驾驶员眼动指标变化特征,建立信息量与眼动指标关系模型,对二次曲线进行拟合并求导。研究结果表明:眼动指标与信息量呈U形关系,4个/km是最佳信息量阈值,此环境下驾驶员眼动指标变化率最大,提取处理信息量最多,此阈值下景观环境不宜触发"单调";当信息量阈值大于或小于4个/km时,驾驶员眼动指标的变化率均会减小。     

草原公路景观要素影响驾驶员眼动指标研究

为研究草原公路景观要素复杂程度对驾驶员眼动指标的影响,开展现场试验,选取3种典型景观要素构成路段,测试5名驾驶员的眨眼持续时间、注视持续时间、瞳孔直径和扫视幅度等4个眼动指标。用Be Gaze2.4及SPSS软件提取、分析数据,画出3种景观要素构成与眼动指标的关系曲线,分析其变化规律,并通过主观调查问卷验证分析结果。试验结果表明:随着景观构成要素的增加,眨眼时间不断减小,注视时间也小幅减小,而瞳孔直径和扫视幅度逐渐增加,但变化幅度不大;与景观a和景观c相比,景观b更能增加草原公路行车舒适性,减少消极情绪。     

山区高速公路空间郁闭度对驾驶员视觉及生理指标的影响

为了解高速公路空间郁闭度对驾驶员视觉行为和心理状态的影响规律,在山区高速公路开展室外实车试验,采用Dikablis眼镜式眼动仪和Varioport生理记录仪记录了驾驶员的眼动和生理数据,包括注视时间百分比、平均注视时间、扫视幅度、眨眼率、心电、心率、皮电等。结果表明,随空间郁闭度增加,驾驶员皮电和扫视幅度增大,眨眼率和平均注视持续时间减小,视点越来越集中。随着驾驶员的逐渐适应,空间环境对驾驶员的心理影响逐渐减弱。驾驶员主要关注中间靠左区域,目标物为中央分隔带和前方道路。开敞空间下驾驶员对右侧区域有少量关注。半郁闭空间下驾驶员皮电呈现规律性的波动,对于左侧区域的关注明显增多,对右侧区域的注视持续时间较长,视点集中点更远。     

驾驶员接管自动驾驶车辆的眼动特性和行为分析

为探究接管自动驾驶车辆期间驾驶员的视觉特性,分析眼动与接管反应操控行为的关系,开展驾驶模拟试验收集驾驶行为及眼动数据。运用统计学方法,分析驾驶员感知不同接管场景的视觉特性,探究接管请求(TOR)前后眼动指标的变化规律;并基于视觉分配和瞳孔变化特性分析驾驶行为,揭示眼动特性与接管反应及驾驶操纵策略的内在联系。结果表明:TOR前,相较于静态场景,驾驶员感知动态场景诱发元素扫视更频繁且平均注视时间更短;此时驾驶员的视觉分配特性与其接管反应行为存在显著相关性。TOR后,驾驶员的注视时间增加,眨眼频率降低,瞳孔直径扩张,眼跳幅度增大;不同场景下驾驶员的瞳孔差异表明其应对动态场景时具备更好的警戒水平和更平稳的操纵策略。     

穿城镇道路驾驶员眼动特性分析

为保障穿城镇路段的交通安全,采用眼动追踪系统(ETG)在110国道展开实车试验;将道路划分为公路段、适应段、城镇段,并将驾驶员17个关注点分为7类,研究不同路段驾驶员的注视及扫视特性。结果表明:驾驶员兴趣点注视时间为134.29～449.07 ms,公路段交叉口及道路开口注视时间较长,注视总时间占比为7.54%;城镇段干扰类注视点注视次数最大,注视总时间占比为14.42%,城镇段指引类、车辆行驶状况类注视点未引起驾驶员注意。公路段景观类注视点平均关注时间最长,城镇段、适应段、公路段扫视总频率逐渐减小,平均扫视角度分别为11.44、10.72、10.16°。     

高速公路特长隧道环境中驾驶员视觉特性研究

为研究有不同经验的驾驶员在高速公路特长隧道环境中的视觉特性,在高速公路特长隧道中开展实车试验。利用眼动仪采集29名不同经验驾驶人的注视持续时间、注视点位置、扫视持续时间、扫视频率及扫视幅度等视觉特性参数,运用统计分析方法比较眼动行为的差异性,分析驾驶经验及驾驶环境对驾驶安全的影响。结果表明:相较于普通路段,驾驶员在特长隧道段的平均注视时间更长,注视点分布位置在水平方向更广,在垂直方向趋于集中,扫视更频繁,且扫视幅度变小;相较于非职业驾驶员,职业驾驶员在不同驾驶环境中的注视时间较短,注视点分布位置更广,扫视频率较低且扫视时间较短。     

驾驶员注意力分配定量方法研究

驾驶员在不同的路况环境下存在不同的注意力分配模式,为弄清其分配模式特点,利用露天体育场内作为模拟驾驶环境,并利用眼动设备,记录被试者在直道驾驶任务、弯道驾驶任务、复杂路况驾驶任务等3种路况下的眼动数据,采用划分兴趣区域的方式,把视觉信息源划分为原车道兴趣区域FL(Former Lane)和其他兴趣区域OA(Other Areas)两个兴趣区域,对平均百米注视次数、平均百米注视时间、不同兴趣区域注视次数百分比3个眼动指标在两个兴趣区域内的分布情况进行分析和对比,得出不同路况环境下不同的注意力分配模式来揭示驾驶员驾驶过程中的注意力分配特点。研究结果对于驾驶员驾驶培训侧重点的改进、对于预防交通事故都具有重要意义。     

基于模拟飞行任务下的眼动指标分析

分析眼动指标在定量测量飞机驾驶员的注意力分配规律和工作负荷变化中的作用。让4个被试者在飞行模拟器上完成了3个不同阶段的模拟飞行任务,同时用眼动仪器记录了注视、扫视、瞳孔尺寸方面的眼动指标,划分为座舱外景和内部仪表两个兴趣区域对数据进行了对比和认知分析。被试者在外景有更多的注视点、更多和更长的注视时间,在仪表上的平均瞳孔尺寸比外部视景要大,平均扫视幅度随任务难度增大而减小。眼动指标可以客观地反映驾驶员的注意力分配规律和工作负荷变化;视觉飞行规则下,飞行员主要从外景获取视觉信息,他的大部分注意力都集中在外景。     

特长隧道环境下驾驶人注视转移特性研究

为了研究不同经验驾驶人在高速公路特长隧道环境下的注视转移特性,在高速公路特长隧道中开展实车实验,利用 iView X HED型眼动仪采集了32名不同经验驾驶人的眼动数据。运用动态聚类方法,对驾驶人注视区域进行划分,分析了职业与非职业驾驶员在高速公路隧道不同段与普通路段的注视转移规律与注意力分配特性。结果表明:相较于非职业驾驶人,职业驾驶员具有较强的注视前瞻性,且在隧道的不同段主要注视的区域因行车环境不同变化较小;驾驶人对同一目标需要重复注视才能提取足够的信息,且当行车环境复杂度增加或驾驶员驾驶经验不足时,重复注视概率增加;驾驶人在不同路段行车时,主要通过注视中间区域获取信息;行车环境与驾驶经验对驾驶人在中间近处、左侧区域及内后视镜区域的注视平稳分布存在显著的交互作用。     

眼动指标检测管制疲劳的性能研究

为了挖掘更多检测管制疲劳的眼动指标,利用模拟塔台管制软件和眼动仪搭建试验平台,采集被试的眼动数据和主观疲劳的程度值,通过其疲劳前后眼动指标差异的显著性、与疲劳的相关性、以及受试者的工作特征曲线(ROC)分析,探讨了各眼动指标检测管制疲劳的性能。结果表明:疲劳前后被试的扫视速度、注视点和平均注视时长差异显著,扫视幅度无显著差异;扫视幅度与疲劳无相关性,平均注视时长与疲劳呈弱相关,扫视速度和注视点数与疲劳均呈中等以上的显著相关;利用注视点、扫视速度二元分类识别疲劳的效果为接近较好水平,是有潜力的管制疲劳检测指标,可为管制员疲劳检测和预警提供试验支撑。     

海底隧道入口段驾驶员眼动特征分析*

为研究海底隧道入口段驾驶员眼动特征,以海底隧道收费站至入口为研究对象,运用Facelab5.0眼动仪和录像机等设备,采集真实状态下驾驶员眼动特征、行车速度和行车位置数据,并依据道路线形、车辆行车特征和路段标志标线设置,将收费站至入口划分为提速驶离段、换道减速段、缓和段和过渡段（入口段）,分析各区段驾驶员眼动特征及车速变化规律,并建立相应数学模型。研究结果表明:驾驶员驾车通过换道减速段和过渡段时,分别受交织车流与黑洞效应影响,行车速度减小、眼睑闭合度下降、眨眼频率增大;驾驶员行经入口段,车速呈上升-下降-上升-下降的趋势,眼睑闭合度呈增大-减小-增大-减小的趋势,眨眼频率呈减小-增大-减小-增大的趋势,且受交织车流与黑洞效应的影响显著。     

冰雪弯道多频视觉参照系对车速感知的影响

为保障冰雪环境下弯道路面的行车安全,定量分析不同速度条件下,不同弯道多频率组合标志对驾驶员车速感知的影响。采用3dmax软件建立冰雪弯道仿真模型,基于E-prime2. 0软件进行车速感知心理物理试验,探究在不同组合频率、不同速度条件下,驾驶员的速度感知能力和差异。研究结果表明:高中低频组合的视觉参照系能使驾驶员产生一定高估速度的错觉,高频12 Hz、中频1 Hz、低频0. 3 Hz的组合频率标志诱导速度高估的效果最佳;随着速度的增大,速度高估逐渐减小,速度感知差异增大;合理设置多频率组合标志,有利于保障冰雪弯道行车安全。     

情绪对新手驾驶员视觉特性的影响研究

为构建基于驾驶员生理特性情绪识别系统,采用眼动仪等设备对20名新手驾驶员开展不同情绪状态下的模拟驾驶试验,采集高兴、悲伤、愤怒3种情绪状态和无情绪下新手驾驶员的视觉数据,利用Matlab、SPSS软件统计分析新手驾驶员瞳孔变化、眼球扫视、注视点视觉数据.结果 表明:悲伤、愤怒情绪对新手驾驶员瞳孔尺寸分布频率及其变化差异...     

冰雪环境弯道交通标志影响试验分析

为了研究冰雪环境弯道线形诱导标志对交通流的影响,揭示冰雪环境交通标志诱发驾驶员弯道驾驶行为变化的过程,先分析了冰雪环境弯道交通特性,探究了驾驶员冰雪环境视觉信息传递原理及标志色彩的刺激作用。并根据弯道车辆的行驶特性,分析了冰雪环境下行车速度的主要影响因素,设置了弯道线形诱导标志,再分别开展了冰雪环境下的冰雪路面与良好路面的弯道标志改善试验,以分析弯道线形诱导标志对冰雪环境弯道的交通流影响,采用NC200便携式交通分析仪进行数据观测。结果表明,在冰雪环境弯道冰雪路面与良好路面中设置车辆转向指示标志,能显著提高交通流的稳定性、降低交通流的速度,从而有效提高冰雪环境弯道交通的安全性。     

驾驶人认知分心识别随机森林模型研究

为识别驾驶人认知分心状态,招募13名驾驶人参与驾驶模拟器试验。通过眼动仪采集被试正常驾驶及认知分心状态下的眼动数据,提取5 s时间窗口内的眼动特征。运用随机森林方法构建认知分心识别模型,应用网格搜索确定最优模型参数,并采用100次留出法评估模型性能。根据随机森林模型特征重要性度量结果,进一步分析认知负荷对驾驶人注视及眨眼持续时间的影响。结果表明:当决策树数量为125、最大特征数为5时,模型识别平均准确率为83.69%;注视持续时间及噪声持续时间是认知分心识别的2个关键特征,随着认知负荷的提高,驾驶人注视持续时间减少、眨眼时间增加。     

基于专家-新手范式的飞行员模拟仪表进近注视特征差异研究

为探究飞行员注意资源在驾驶舱仪表间的分配策略,利用眼动仪、DA-42飞行模拟机等搭建仪表进近模拟飞行试验平台,基于专家-新手范式采集飞行教员和飞行学员的眼动数据,并利用注视熵率表征被试者扫视行为的随意性.结果表明:在最后进近航段,全体被试者高度关注姿态仪、水平状态指示器和高度表3个兴趣区,注视时间占总注视时间的78％以上;绩效优组在空速表、高度表、垂直速度表和其他区域的注视时间百分比显著高于绩效差组,而在各兴趣区的平均注视时长显著低于绩效差组;绩效优组的注视熵率显著高于绩效差组,这意味着其在仪表进近过程中的扫视灵活性更大.研究可为指导飞行员培训、预防飞行员人为差错提供参考.     

草原公路短时程驾驶疲劳程度多指标划分研究

为确定行车过程中不同时段驾驶员的疲劳程度,考虑草原公路的特殊性,选取典型草原公路路段,对9位受试者腰部肌电(EMG)、脑电(EEG)及心电(ECG)信号进行连续3 h的实驾测试。用因子(降维)及相关性分析法得到疲劳敏感指标;通过回归方程得到疲劳公式;利用层次聚类法初步划分疲劳程度,并验证划分结果。试验结果表明:表征EMG信号频谱变化的中位频率(MF)、ECG信号的心率均值(MHR)、高频标准化值(HFnu)和EEG信号的(α+θ)/β值对草原公路驾驶疲劳响应敏感,且驾驶疲劳发展呈多元线性变化;草原公路短时程驾驶疲劳可分为3个阶段。     

大流量管制情境下雷达管制员眼动特征分析

为提高大流量管制运行的安全水平,研究雷达管制员的眼动特征变化规律,整合雷达管制模拟机和眼动仪,构建试验系统。选取具有实际工作经验的进近雷达管制员作为被试,将某管制空域内的航班数量分为小、中和大流量3种模拟管制情境。获取不同情境下被试的眼动特征数据,结合被试的不同技能水平,统计分析其在3种情境下的眼动特征数据。结果发现:随着流量的增大,注视、眼跳、瞳孔3类眼动数据发生显著变化,且注视、眼跳的部分指标在不同技能水平的被试间也存在显著差异。不同技能水平的管制员的信息搜索策略存在差异,且均随管制流量的变化发生改变。     

基于眼动追踪技术的引航员情景意识识别研究

情景意识(Situation Awareness, SA)缺失是引航作业人为失误的主要根源,有效识别引航员SA水平是保障引航安全的关键。针对现有测量方法的侵入性、主观性、间断性问题,设计典型场景引航模拟试验,利用眼动特征开展引航员SA水平识别研究。应用眼动追踪技术实时采集引航员的眼动试验数据;采用独立样本t检验和Mann-Whitney检验方法研究SA与眼动指标的关联效应;基于敏感眼动指标结合支持向量机(Support Vector Machine, SVM)构建引航员SA识别模型,实现引航操作任务下SA的有效识别。结果显示：高SA组的视觉搜索效率大于低SA组,高SA组主要关注窗外视景而低SA组更多关注电子海图,高SA组比低SA组获取信息的能力更强;平均扫视次数(Average Saccade Count, ASC)、注视总时间百分比(Fixation Duration Percentage, FDP)、平均注视持续时间(Average Fixation Duration, AFD)3个眼动指标与引航员SA水平具有显著相关性;采用“ASC+FDP+AFD”组合指标时且在5 s时间窗口长...