高速公路隧道入口路段驾驶人视觉注意转移规律研究

江治东，刘国盼，宋　超

(贵州省交通规划勘察设计研究院股份有限公司， 贵阳　550081)



高速公路隧道入口路段驾驶人视觉注意转移规律研究

江治东，刘国盼，宋超

(贵州省交通规划勘察设计研究院股份有限公司， 贵阳550081)

摘要：为了研究驾驶人进入高速公路隧道入口时其视觉转移特性，在7个高速公路隧道入口处进行实车试验。利用Eye Link II 型眼动仪，实时记录3名驾驶人进入隧道入口时的眼动行为数据。采用K均值聚类法对驾驶人注视区域进行划分，运用马尔可夫链理论研究驾驶人注视点在不同注视区域之间的转移规律，并分析对比驾驶人在进入隧道入口过程中其注视分布的差异性。研究发现，在驾驶人进入隧道入口时其视觉转移频次明显增加，其注视点主要集中于正前方区域。研究结果可为进一步研究驾驶人进入隧道入口时的安全性提供理论依据。

关键词：视觉注意转移；隧道入口；K均值；眼动仪；马尔科夫链

近年来，我国公路尤其是高速公路快速发展，与之相对应的交通事故也层出不穷。在道路交通安全领域中，隧道路段的安全状况具有独特和重要的地位。驾驶人在驾驶过程中，在隧道入口路段的视觉注意转移与普通道路有很大差异。

在国内外研究中，均对驾驶人在驾驶过程中视觉注意行为展开了多方面深层次的研究。1995年，W.B.Verwey对驾驶人在隧道入口段的视觉生理和心理特性进行了试验，研究结果显示，在驾驶人驾驶车辆接近隧道入口的过程中，驾驶人除眨眼次数明显降低外，其他指标变化不明显[1]。2002年，L.C.Boer 探讨了驾驶人在隧道路段特殊情况下(如拥堵、烟雾时)可有效避免交通事故发生的手段[2]。2006年，Ir.Evert Worm探讨了隧道内驾驶人或其他人员的行为对隧道安全的影响，以及怎样的驾驶行为可以帮助提高隧道路段的交通安全水平[3]。同年，T.Luke对火车驾驶人的眼动特性和视觉选择策略进行了探讨和研究，并展开相关试验，试验运用ISCAN VisionTrak ETL一500型眼动仪，记录和分析了驾驶人的总注视时间、注视目标物的时间分配比、平均注视持续时间及首次注视目标物的时间长度等有关眼动参数对驾驶人的操纵行为的影响[4]。国内针对驾驶人视觉注意问题进行研究主要集中于在不同环境条件下其试验参数选择，聚类分析后注视分布区域的不同来探讨[5-10]。

1试验数据采集

1.1试验路段

试验道路选择包头至茂名高速公路上北九沟隧道、道沟峪隧道、黄土梁隧道、南五台隧道、石贬峪隧道、小瓢沟隧道、终南山隧道等共9座隧道，研究重点是终南山、南五台隧道等长隧道。

1.2试验车辆及设备

根据现有试验条件，选取海南马自达M5作为试验用车。眼动追踪设备是Eye Link II 型眼动仪，其是SR Research公司生产的Eye Link系列头戴式双眼跟踪设备，具有2种图像处理模式，功能强大。试验采用集思宝推出的G130型手持 GPS，其是合众思壮最新款手持GPS。内置GPS天线具有高灵敏度和抗干扰能力，精度高达2.5 m以内。数据传输速度达到每0.1 s一次，能快速、准确地采集汽车行驶路线和车速数据。采用CTM-3000E非接触式五轮仪记录车辆运行过程中的动力参数，其传感器系统和测试参数系统可以实时自动存储，掉电数据不会丢失。此外，试验设备还包括蓄电池、秒表等。

2隧道入口段驾驶人视觉特性研究

驾驶人在行驶时，其视觉注意力会选取感兴趣的区域进行聚焦，并非将其视觉注意力平均分配在视野区域内。基于试验数据的分析，结合车辆结构，并运用K均值聚类法，将驾驶人的前方视野平面划分为前面远方、车内后视镜、左方、正前方、右方、左后视镜、右后视镜和驾驶仪器，并对试验隧道入口处进行分段分析。隧道进口段为隧道进口前250 m至进入隧道后50 m。

2.1K均值聚类法

运用K均值聚类法进行聚类。先随机选取K个对象作为初始聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，并把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象代表1次聚类。一旦全部对象都被分配了，则根据现有对象重新计算每个聚类区域的聚类中心。这个过程将不断重复直到满足预设的终止条件。

2.2视觉注意转移的注视区域划分

车辆内部结构如图1所示。根据汽车驾驶员视野和聚类结果，将驾驶视野分为：前方视野，左侧视野，右方视野，左后视镜，右后视镜，前方远方，车辆仪表盘和车内后视镜。

图1　车辆结构

2.3隧道进口段驾驶人视觉注意转移频次变化

车辆进入隧道时，隧道环境的特殊性必然导致驾驶人视觉注意转移的变化。为了了解这个变化频次，本文以50 m为1个阶段，统计驾驶人的视觉注意转移频次。

隧道进口段每隔50 m处的驾驶人视觉注意转移频次如图2所示。由图2可以看出，车辆在接近隧道进口的过程中，距隧道口250~50 m段驾驶人的视觉注意转移次数增加，频率增快，但幅度较小，约从每50 m 15次上升到20次。而在距隧道口100~50 m、50~0 m和0~(-50)m段，驾驶人的视觉注意转移次数增加非常快，幅度较大，最大值已经达到每50 m 35次左右。说明在这个阶段，驾驶人的注意力比较集中，注视时间减少，比较注意车周围的状况。可能原因是车辆在隧道进口段并离隧道口较远时，驾驶人的注意力开始缓慢上升；而随着接近隧道，其注意力上升，对周围环境更加警觉。

图2　隧道进口段每隔50 m处的驾驶人视觉注意转移频次

2.4隧道进口段驾驶人注视分布研究

驾驶人驾驶车辆经过隧道时，需经历明适应和暗适应。本文只讨论白天状况，即驾驶人进入隧道时的“暗适应”。将隧道进口段250 m处与普通道路段处的驾驶人注视分布进行对比，如表1所示。

表1　隧道进口段与普通路段驾驶人注视分布对比　次

由表1数据可知，驾驶人在隧道路段的视觉注意转移次数少于在普通路段的，这是因为在进入隧道时，驾驶人比较专注于注视前方。驾驶人在隧道路段对于正前方的注视次数虽然少于其在普通路段的，但是注视时间应更长。而驾驶人对隧道入口段左右区域的注意多于普通路段，也说明了驾驶人的小心和谨慎。

3隧道进口段驾驶人视觉注意转移规律研究

驾驶人视觉注意转移过程中，下一次注视点与当前状态有关，与之前的注视过程无关。因此，驾驶人视觉注意转移过程适用于马尔可夫理论。基于马尔可夫理论的模型在时刻t的状态只与t-1 时刻的状态条件相联系，与之前的状态无任何关系，相互独立。根据马尔可夫定义与驾驶人的实际情况，可知驾驶人的状态是连续的。但是，若将扫视排除，只观察注视，且1次注视视为1次状态的话，那么该过程是离散型的。

3.1隧道进口段1步概率转移矩阵

根据眼动仪的数据和驾驶人进入隧道进口段的录像回放，且基于对视觉注意转移区域的划分，本文统计了3名驾驶人在隧道进口段的视觉注意转移情况。进行平均处理后，运用马尔可夫链理论，得到驾驶人视觉在不同区域之间转换的1步转移概率矩阵，见表2。

表2　隧道进口段驾驶人视觉注意转移1步概率矩阵　%

注：灰色部分表示1步转移概率大于20%。

由表2数据可知，如果驾驶人的注视点由一处区域仍旧转移回该区域，则将该次转移仍然视为1次转移。由表2还可以看出，驾驶人注视点转移回原区域的概率普遍大于20%，说明驾驶人在进入隧道口时对于同一区域的信息不能够一次性获取，需要重复多次进行才能获取足够的信息。

由驾驶人习惯得知，驾驶人的视觉注意从某一区域转移到正前方区域概率普遍较高，说明驾驶人对正前方区域最感兴趣，从而可以推测驾驶人从某一注视区域转移到正前方或者是转回自身注视区域的概率最大。驾驶人左方和右方的1步转移概率均表明驾驶人注视点从左方或右方转移到自身和正前方概率最高，且转移到正前方概率均高于30%。驾驶人左后视镜的1步转移概率表明驾驶人注视点转移到自身、左方和正前方的概率最高，转移到其他区域的概率均小于5%。说明驾驶人在观察完左后视镜后会进一步观察左方和正前方的区域。右后视镜与左后视镜类似。从其他区域转移到车内后视镜和驾驶仪器的1步转移概率普遍较低，说明驾驶人在进入隧道口时极少关注这2处区域。

3.2隧道进口段2步转移矩阵

根据驾驶人的1步转移矩阵，可以得出驾驶人的2步转移矩阵。如果对前方视野、左侧视野、右方视野、左后视镜、右后视镜、前方远方、车辆仪表盘和车内后视镜8个区域分别都进行2步转移计算，则可得到这8个区域的8×8矩阵图。但由于数据量巨大且大部分区域间的2步转移概率小、可能性低、研究价值低，故选择高概率2步转移为研究对象。 隧道进口段的2步转移矩阵见表3。

注：灰色部分是在2步转移概率中高于10%的部分。

表3中的数据概率是从某个确定区域经过2次转移后到第3步的概率。例如“前面远方—前面远方—前面远方”的概率为11.09%。即当前区域已经为前面远方，经过2次转移后，仍然在前面远方的概率为11.09%。从表3可知，驾驶人驾驶车辆进入隧道进口段时，无论其在哪个区域或视觉注意转移了1步还是2步，其视觉注意转移的基本特性决定了其最有可能转向自身并停留在自身区域。

表3中灰色部分是转移概率高于10%的部分，其中转移概率最高的是正前方—正前方—正前方。这是因为驾驶人在正前方注视点分布最多，且驾驶人注视点从正前方转移到自身的概率又最高。但考虑到尽管驾驶人注视点从正前方转移到自身的概率最高，但也仅为19.18%，说明驾驶人注视点转移2次一直处于同一区域的概率很小。表3中有10处驾驶人注视点2步转移概率大于10%，其中有7处驾驶人注视点经2次转移都转回到自身，剩余3处驾驶人注视点2步转移概率大于10%的分别为“车内后视镜—车内后视镜—正前方”、“驾驶仪器—正前方—驾驶仪器”和“右方—右方—正前方”。由此可知，驾驶人视觉注意点在2步转移之后转移到自身和正前方的概率最高。

4结束语

本文在分析高速公路隧道路段特殊运行环境的基础上，结合驾驶人动态视觉特性及视觉注意转移理论，采用实车试验的方法测试不同驾驶人的眼动数据，研究了隧道路段驾驶人视觉注意转移变化规律。研究结果表明，试验车辆在接近隧道入口的过程中，距离隧道口 250~150 m 区段驾驶人视觉注意转移频次平稳升高，100~50 m 区段驾驶人的视觉注意转移频次开始明显上升；隧道前 50 m 至入口区段，驾驶人注视频次上升到接近40次/50 m，进入隧道后50 m区域内驾驶人的视觉转移频次仍然保持较高水平。但此次试验因考虑到隧道内车辆安全等因素，部分数据未能采集到，其对试验结果的完整性有一定影响。且本次试验只有3名试验人员，样本较少。若后续试验中能够加大样本，则试验结果就更具说服力。

参 考 文 献

[1]VERWEY W B. Effectsof Tunnel Entranceon Drivers' Physiological Condition and Perfomance. AnExploratory Study[J]. Drivers，1995.

[2]BOER L C. Behavior by motorists on evacuation of a tinnel[R].[S.l.]：TNO，2002.

[3]WORM Ir Evert.Human behavior influent safety[R].Utrechat：Dutch Ministry of Transport， 2006.

[4] LUKE T,BROOK-CARTER N,PARKES A M，et al. An investigation of train driver visual strategies[J].Cognition Technology & Work，2006，8(l)：15-29.

[5]杨建国，肖永剑，王兆安.交通微观仿真中的驾驶人视觉感知模型[J].系统仿真学报，2005，17(10)：2437-2441.

[6]马勇.基于眼动分析的汽车驾驶人视觉搜索模式研究[D].西安：长安大学，2006.

[7]杜志刚，潘晓东，郭雪斌.公路隧道进出口行车安全评价指标应用研究[J].同济大学学报(自然科学版)，2008，36(3)：325-329.

[8]袁伟.城市道路环境中汽车驾驶人动态视觉特性试验研究[D].西安：长安大学，2008.

[9]黄迎秋.山区与城市道路交通环境下驾驶人视觉搜索过程分析[D].西安：长安大学，2008.

[10]郭孜政，陈崇双，陈亚青，等. 基于马尔可夫过程的驾驶人视觉注意力转移模型研究[J]. 公路交通科技，2009(12)：116-119.

Research on Visual Attention Transfer Rules of Drivers at Entrance Sections of Expressway Tunnels

JIANG Zhidong, LIU Guopan, SONG Chao

Abstract:In order to research visual transfer characteristics of drivers when entering entrances of expressway tunnels, this paper carries out real car tests at 7 expressway tunnel entrances. The paper records eye movement behavior data of 3 drivers when entering tunnel entrances in real time by means of Eye Link II eye tracker. The paper adopts the K-means clustering method to classify areas of fixation of drivers, and studies transfer rules of points of regard of drivers in different areas of fixation by means of Markov Chain theory, and analyzes and compares difference in fixation distribution of drivers during entry into tunnel entrances. Research finds out that visual transfer frequencies of drivers when entering tunnel entrances increase obviously, and their points of fixation mainly focus on the front area. The results of research can provide theoretical basis for further study of safety of drivers when entering tunnel entrances.

Keywords:visual attention transfer; tunnel entrance; K-means; eye tracker; Markov Chain

文章编号：1009-6477(2016)01-0122-05

中图分类号：U459.2

文献标识码：A

作者简介：江治东(1990-)，男，重庆市人，硕士研究生，助工。

收稿日期：2015-11-05

DOI:10.13607/j.cnki.gljt.2016.01.027