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。     

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。     

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。     

高速公路干扰跟车时驾驶人注意力分配特性

为探索干扰跟车过程中驾驶人注意力分配规律,引导新手驾驶人合理观察周围车辆,首先利用face LAB 5眼动仪开展高速公路环境中实车试验,采集并记录13位驾驶人的眼动数据。然后分析干扰车从不同车道切入时驾驶人的注意力分配特性,以及驾驶人注意力在各注视区域之间的转移规律。试验数据显示,干扰车切入过程中,驾驶人主要注意力集中在正前方视野,更多地关注与行车安全最相关的动态目标;干扰车切入后,驾驶人对干扰车切入一侧的关注度较高。     

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。     

U型转向时驾驶人注视特性研究

为探究己知环境特征与驾驶行为之间的对应规律,利用Dikablis头戴式眼动仪在U型道路环境中进行实车试验。监控并记录9名驾驶人的眼动行为数据,分别从注视区域(AOI)的平均注视时间、AOI注视比例、视觉扫描的复杂性等3方面分析驾驶人视觉特性。结果显示,U型转向(U-Turn)过程中接近阶段各AOI平均注视时间为0.2~0.7 s,驾驶人注视点落在远处区域的比例明显高于其他区域,而转向阶段各AOI平均注视时间为0.2~1.4 s,驾驶人注视点落在近处区域的比例明显高于其他区域。注视熵率值反映了视觉扫描的复杂程度,出口点AOI分布集中,注视熵率值为0.5~4.0,视觉扫描的复杂性低,入口点AOI分布分散,注视熵率值为1.8~4.5,视觉扫描的复杂性高;因此,U-Turn出口点和入口点环境差异对驾驶人注意力分配策略影响显著。     

山区低等级公路典型路段驾驶人视觉差异性分析

为分析山区低等级公路各典型路段驾驶人视觉的差异性,提升山区公路行车安全,运用VS-Design三维场景搭建了长12 km的山区四级双向单车道公路,包含傍山险路、急转弯路、反向弯路及长上下坡5个典型路段,基于驾驶模拟器进行试验。采集了25位驾驶人的眨眼、扫视、注视等眼动数据,进行视觉指标和视觉负荷差异性分析,而后用动态聚类法将视野平面分为5个区域,基于马尔可夫链预测驾驶人一步注视转移概率,并得出注视平稳分布概率。结果表明,驾驶人在山区低等级公路各典型路段存在视觉差异性。弯道路段扫视幅度较大,扫视速度较快,视负荷较纵坡路段及傍山险路大,驾驶人在坡道路段对行车速度的关注度显著高于弯道路段。5种路段中驾驶人在车辆正前方的注视平稳概率都达到70%以上,注视点集中于正前方有助于驾驶人更好地观察道路交通情况。     

基于注意力分配的管制员调配飞行冲突认知过程研究

发现和解决飞行冲突是保障安全飞行的关键环节,也是空中交通管制员的核心任务。为探索管制员在调配飞行冲突时的注意力分配情况,利用Tobii TX300眼动仪记录了20名被试在解决飞行冲突时的眼动数据。采用动态兴趣区划分的方法,将雷达显示界面划分为8个区域。通过马尔可夫链理论计算被试者在不同兴趣区间注视的一步转移概率和平稳分布。结果表明:无论是熟练管制员还是非熟练管制员对飞机标牌的关注度都要高于飞机本身,对进场飞机的关注度都要显著高于离场飞机;熟练管制员并不是一次注视就能获取足够的信息,需要多次连续重复的注视,非熟练管制员注意力分配不合理,对飞机信息关注过少,不能很好地判断冲突点位置,导致其管制效率较低。     

不同时段特长隧道入口区域视觉负荷研究

为探究不同时段驾驶人在隧道入口行驶时的视觉负荷情况,分别在正午、傍晚和夜晚时段在贵州省内特长隧道进行实车试验,选取瞳孔面积变化率和瞬时瞳孔面积频率加权速度作为瞳孔面积变化评价指标,分析入口区域的接近段、入口段和过渡段的视觉负荷情况。结果表明:在正午和傍晚,驾驶人瞳孔面积在接近段无显著变化,在入口段内急速增大,在过渡段趋于稳定,其中瞳孔面积稳定点离洞门距离在正午时段远于傍晚时段;通过瞬时瞳孔面积频率加权速度评价隧道入口区域的视觉负荷,大小排序为:正午过渡段正午入口段夜间接近段≈夜间入口段≈夜间过渡段正午接近段傍晚过渡段傍晚入口段傍晚接近段;在隧道入口区域,驾驶人视觉负荷时段变动比区段变动更为显著。     

融合VR-眼动的施工现场隐患识别视觉注意与搜索特征研究

为探究施工现场隐患识别视觉注意与搜索特征,提升识别绩效水平,融合虚拟现实(Virtual Reality, VR)和眼动追踪技术,开展VR施工场景内的隐患识别试验,收集不同隐患识别经验群体的眼动数据;运用统计学方法,对比分析累计注视时间、注视百分比等眼动指标的差异性,揭示隐患识别经验与注意力资源分配方式的内在联系;基于眼动轨迹匹配法,聚类首次视觉搜索轨迹,结合施工现场空间布局,探究隐患识别经验影响下搜索习惯的差异。结果表明：经验知识水平对隐患识别绩效具备驱动作用,但隐患专业度过低则会弱化经验知识的效果;被试的注意资源大多集中于具有视觉显著性特征的无关要素,仅有小部分分配于隐患,然而,具有较高经验知识水平的被试对隐患信息更加敏感,分配于隐患的注意资源占比更高;相较于新手组同一区域多次重复的搜索习惯,专家组大多采用某一区域的详细搜索再切换到下一区域的方式。     

城市道路环境下新老驾驶人视觉特性研究

为研究新老驾驶人在城市道路环境下的视觉特性,以开发型汽车驾驶模拟器为试验平台,选用12名被试人员,用眼动仪对被试人员进行生理指标测试。运用统计学和数据挖掘方法对新老驾驶人的瞳孔面积、注视特性、扫视特性和回视特性进行了分析。结果表明:在城市道路环境下,新驾驶人的瞳孔面积变化剧烈;老驾驶人前瞻性机制和反馈机制表现明显,而新驾驶人只表现出具有反馈机制;新驾驶人对仪表盘、前方车辆的注视次数和注视时间较多,老驾驶人更倾向于对后视镜、标志牌、行人等信息的关注;新驾驶人的回视次数多,而老驾驶人回视次数少。在城市道路环境中新驾驶人与老驾驶人相比,视觉特性不稳定,受道路环境的影响较大。     

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。     

基于扫视变化特性的城市隧道驾驶紧张情绪分析

为分析城市隧道出入口段及中间段驾驶人的紧张情绪，选取重庆市向黄隧道、真武山隧道、长冲隧道和八一隧道为研究对象，利用照度计、光透过率检测仪、眼动仪等试验设备开展现场实车试验，采集照度、光透过率、扫视幅度等参数，同时开展紧张情绪问卷调查。基于所得数据，分析扫视速度在不同时间及空间下的分布特性，建立明暗适应段的扫视速度与照度变化率，中间段的扫视速度与照度、光透过率的函数关系模型。结合问卷调查等级，采用3σ准则划分明暗适应段及中间段的扫视速度分级区间，并与问卷调查结果进行对比验证。最后通过函数关系模型，反向求解得到紧张情绪在明暗适应段变化较小时所需的照度变化率控制范围。结果表明：扫视速度能反映驾驶人在明暗适应段和中间段紧张情绪的变化；当明暗适应段的照度变化率增大或中间段的照度、光透过率减小时，扫视速度提高，此时驾驶人紧张情绪加剧，反之则降低。     

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。     

城市水下特长隧道弯道驾驶人扫视行为研究

为探求在城市水下特长隧道弯道路段行驶过程中驾驶人扫视行为的变化特点,以扫视角为主要参数,在武汉东湖隧道内不同弯道和直线段开展实车试验,通过注视点分布范围、水平视角、通视距离的变化分析扫视行为;在特性分析中,以离均系数为指标研究不同弯道内扫视角的变化特征。结果表明:驾驶人在水下特长隧道不同线形路段行车过程中以小角度扫视为主,半径400、680、1 000 m的弯道及直线段的离均系数分别为2. 876、4. 545、5. 010、6. 324,即随着弯道曲率的减小,驾驶人扫视角的中值、均值、变化范围逐渐变大,驾驶人的扫视范围更大、心理压力更小、行车安全性更佳。     

驾驶分心对隧道段行车安全影响分析

为研究驾驶分心对隧道段行车安全的影响,在虚拟驾驶环境下设计次任务试验,要求被试驾驶人执行多组不同类型、难度的手动与无手动次任务,同时利用眼动追踪装置采集驾驶人视觉特征参数。在筛选有效数据的基础上,运用统计学与数据挖掘方法比较驾驶人在隧道内执行不同次任务时,车辆运行速度离散性、视觉搜索区域面积、瞳孔面积变化率和次任务持续时间的差异,并分析统计显著性。结果表明,驾驶人在执行手动次任务、无手动次任务、无次任务3种状态下,执行手动次任务时车辆运行速度离散性最大、视觉搜索区域面积最小、瞳孔面积变化率最大,次任务持续时间最长;无次任务时车辆运行速度离散性最小、视觉搜索区域面积最大、瞳孔面积变化率最小;无手动次任务的试验结果居于两者之间,次任务持续时间最短。上述差异具有统计学显著性,主观感知评价与客观数据具有一致性。研究表明,手动与无手动次任务使驾驶人心理负荷明显增大,手动次任务对驾驶人的影响最为明显,因此驾驶分心次任务对隧道段行车安全影响较大。     

基于视线追踪的三维模拟灭火救援培训效果评估

本文结合灭火救援指挥三维计算机模拟训练平台以及桌面式视线追踪实验系统,开展基于视线追踪技术的学员应急培训效果评估。首先开展眼动分析实验系统搭建与实验设计,采用Eyeso Ec80遥测式眼动仪对操作者模拟灭火救援时的眼动信息进行数据采集与处理。然后,开展失误行为的眼动特征提取研究,针对不同类别的认知状态,分别统计其在不同兴趣区域的注视时间并建立一步转移概率矩阵,最终得到典型失误模式的失误特征。     

Near-crash事件中驾驶人行为特征分析

为研究不同驾驶人在追尾事故中的驾驶行为特征,用Near-crash事件代替真实碰撞事件,选取一段城市快速道路开展实车试验。首先测试21名驾驶人实驾时的最大减速度、制动至最大减速度时间、平均减速度、碰撞时间倒数(TTCi)4个指标;然后用Mobileye等设备提取数据,得到不同性别、驾驶经验、驾驶风格的驾驶人指标因素;最后对数据进行方差分析。结果表明:Near-crash事件中,女性驾驶人平均减速度、最大减速度大于男性驾驶人,女性驾驶人更倾向于急刹车;经验影响驾驶人的平均减速度、最大减速度;熟练驾驶人制动到最大减速度时间长,制动过程更加平稳;激进型驾驶风格的驾驶人车头时距(THW)小于保守型驾驶人。     

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。     

城市道路驾驶人横向避险特性研究

为提高城市道路驾驶人横向避险能力,利用固定基座驾驶模拟器搭建5种典型城市道路危险交通场景,并借助眼动仪采集35名驾驶人的眼动数据和避险操作数据;分别统计并分析驾驶人的视线分布、感知-制动时间、持续制动时间、最大方向盘转角时间和车辆横向位置变化等参数。结果表明:5种场景下驾驶人水平视线基本上都处于中部偏右区域;除场景3外,驾驶人的感知-制动时间均值均在1 s内;在视线无遮挡场景,驾驶人主要通过制动进行避险,反之则以转向和制动相结合的方式进行避险。