脑力疲劳与非疲劳状态眼动指标的判别

为研究利用眼动指标(注视点个数FC、平均注视时间AFD、平均眼跳幅度ASA、最大瞳孔面积Pupil Max及反应时RD)对脑力疲劳状态进行判定,通过眼动追踪技术,测试了不同脑力疲劳程度的眼动指标值并进行分析。结果表明:1)通过FC、AFD、ASA和Pupil Max四个眼动指标可以判定被试者所处的疲劳状态; 2)当测试者注视点个数FC处于(11,13)区间,平均注视时间AFD处于(328,409)区间,平均眼跳幅度ASA处于(5,7)区间,最大瞳孔面积Pupil Max处于(992,1 124)区间时为非疲劳状态;当FC处于(7,10)区间,AFD处于(263,319)区间,ASA处于(2,4)区间,最大瞳孔面积Pupil Max处于(584,935)时可以认定被试者为疲劳状态。     

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。     

深井受限空间内作业人员的眼动特征研究

为探索能反映深井受限空间对作业者影响程度的眼动指标,为井下行为安全管理提供依据,将20名眼动指标相近的成员随机分为A,B两组,分别在普通环境中和高温深井环境中开展实验,以文献摘要为刺激材料,运用Tobii X2-30眼动仪进行眼动测量,运用单因素多元方差分析及多重比较法分析眼动数据。发现注视点总数、总注视时间、眼跳次数和总眼跳时间指标的差异有显著性,B组值大于A组;注视点平均注视时间、平均眨眼时间、平均瞳孔直径和总眼跳时间占比等指标无显著差异;两组被试的注视轨迹变化显著,因此 对井下人员的生理信息采集应当注重5个关键的眼动指标。     

基于眼-脑生理指标的大型地下洞室驾驶员疲劳演化特征研究

为保障大型地下洞室驾驶安全，提出眼动和脑电双模态驱动的大型地下洞室驾驶疲劳评价方法，探究驾驶员疲劳演化特征。首先，根据实地数据设计大型地下洞室模拟场景，利用驾驶模拟技术开展驾驶试验，实时采集驾驶员的眼动和脑电数据；其次，对数据进行分段处理，基于格拉布斯准则剔除眼动异常数据，通过快速傅里叶变换分解出脑电节律，构建脑电疲劳指数模型；最后，开展不同区段下驾驶员平均瞳孔直径、眨眼持续时间、眨眼频率及θ、α、β节律等指标的差异性分析，以平均瞳孔直径和脑电疲劳指标F为参量，提出基于模糊综合评价的驾驶疲劳度量方法。结果表明，驾驶员的视觉疲劳出现明显早于精神疲劳，而精神疲劳可以更精确地体现影响驾驶状态的内在疲劳。相较于地上路段，驾驶员在大型地下洞室中的疲劳累积更快，呈现反复、波动式上升，且其综合疲劳程度在中后段达到峰值，之后受洞口光亮刺激在末段减弱。     

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。     

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。     

农村公路复杂环境中新老驾驶人视觉特性研究

为研究新老驾驶人在农村公路复杂环境中的视觉特性,采用眼动仪测量若干被试人员在实际驾驶过程中的视觉生理指标,运用统计学和数据挖掘方法分析新老驾驶人的瞳孔直径、注视特性、扫视特性和追随眼动特性,进而辨析新老驾驶人的驾驶行为特性差异。结果表明,在农村公路复杂道路环境中,新老驾驶人的视觉特性和驾驶行为具有明显差异。新驾驶人的瞳孔直径变化剧烈,表现出长时间注视和注视反馈特性;老驾驶人具有较多短时间注视特性,注视前瞻性和反馈特性都很明显,并且具有追随眼动特性。     

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。     

基于任务情境的航线飞行员脑力负荷特征研究

为探究飞行任务中航线飞行员的脑力负荷特征，开展了2种经验水平(机长、副驾驶)×3种任务阶段(进近阶段、火警阶段、着陆阶段)的混合双因素设计试验，记录HR、HRV、EDA和眼动指标作为因变量，建立广义线性混合模型并分析数据。结果显示，与副驾驶组相比，机长组HR均值、SCL、SCR和平均瞳孔直径更小，IBI均值和PNN20更大；被试在不同任务阶段的脑力负荷生理特征亦存在差异。研究表明，航线飞行员的脑力负荷特征受到经验水平的影响，机长在全部任务阶段中脑力负荷均低于副驾驶；不同任务阶段的脑力负荷特征存在差异，由进近阶段到着陆阶段，航线飞行员的脑力负荷表现出逐级上升的趋势。研究结果可为实现循证训练、提高训练效率提供数据支持，有助于提升飞行安全水平。     

基于多生理信号的飞行警戒疲劳检测

为预防事故发生,保障飞行安全,提出一种基于多生理信号和支持向量机(SVM)的飞行警戒疲劳检测方法,识别飞行员飞行警戒中的疲劳状态。首先,研究疲劳评价与检测方法,并基于自主开发的飞行警戒测试系统与多导生物反馈仪和眼动仪搭建试验平台;然后,采集飞行警戒作业中的心电、眼动、呼吸等多生理信号和主观疲劳自评值;再次,通过配对样本的非参数检验,提取敏感生理指标,并以此作为特征向量,通过机器学习训练,构建基于多生理信号和SVM的疲劳检测模型;最后,依据受试者工作特征(ROC)曲线和模型准确率,对比分析各疲劳检测模型的效果。结果表明：在飞行警戒疲劳状态下,作业者的多项生理指标均有显著变化;心电、眼动和呼吸等多生理信号融合较单一信号的疲劳检测效果好,其ROC曲线下面积为0.802。基于高斯径向基核函数(RBF)构建的疲劳检测模型训练及预测准确率可达93%和87.50%。基于多生理信号和SVM方法可以实现对飞行警戒疲劳状态的检测。