驾驶人视觉注视特性分析

王琳虹 张朋

摘要：在行车过程中驾驶人所接受的道路信息主要通过视觉获得，为了分析驾驶人的视觉负荷，本文从视觉环境层和注视区域层分别分析驾驶人的注视特性，包括注视时间比例、注视频次比例、平均注视时间;并对各项指标进行了统计对比。结果表明：在视觉环境层，驾驶人36.6%的注视时间是在意义层;而在注视区域，驾驶人75.5%的时间是在当前车道。

【关键词】驾驶人;城市道路;视觉信息;量化方法

驾驶人进行信息加工的能力有限，只能同时对有限数量的信息进行加工。如果需要同时从事多种活动，认知资源就需要在不同任务间进行分配，如果所有活动需要的资源总量超过了个体的资源总量，就会出现资源不足，从而影响任务完成的效率。驾驶是一项重要而特殊的多重任务作业，需要占用大量的信息资源，所以驾驶人的认知负荷过高或者过低都会影响驾驶绩效，从而影响道路安全。在城市道路环境下这种表现尤其突出。

Johansson等人采集了包括速度，车道保持行为，方向盘运动，眼球运动，生理信号和自我报告的驾驶绩效等数据。结果表明，视觉和认知负荷在本质上以不同的方式影响驾驶绩效。视觉需求导致速度降低和车道保持变化增加。相比之下，认知负荷不会影响速度，并会减少车道保持变化。Reyes和Leeh研究了認知负荷对车载信息系统交互的驾驶绩效的影响，调查了12名被试者在驾驶模拟器上执行3种车载信息系统条件的驾驶任务。结果发现在车载信息系统条件下，被试者对前导车辆制动行为的反应是一致的，车载信息系统交互削弱了驾驶员观测到路边自行车骑行者的能力，并且在车载信息系统交互结束后，这些性能仍然在下降。从交互的第一分钟到最后的几分钟。刘鑫通过眼动数据来测量认知负荷水平，采用判断任务的实验范式诱发认知负荷，确定了12个体现认知负荷状态的特征，提出了一种去除眼动特征中个体差异的方法，利用支持向量机对认知负荷状态的识别结果确定了最优特征。叶晓琳和杨海波采用眼动追踪法探讨了30名年轻人在模拟驾驶过程中的视觉和听觉认知负荷对驾驶行为的影响。结果发现：高认知负荷条件西的问题回答正确率小于地认知负荷条件;认知负荷越高，驾驶行为的表现越差。认知负荷影响驾驶人对危险事件的感知。

城市道路交通流环境复杂，驾驶人需要考虑的因素较多，而且这些因素的信息基本都是通过视觉获取，研究驾驶人在城市道路下的视觉注意机制，有助于量化驾驶人的负荷，并分析与交通安全之间的关系。本文以城市道路为例，建立了驾驶人的视觉注视特性分析方法，为后续的深入研究奠定基础。

1.驾驶人注视特性分析

1.1 视觉环境层的注视特性

驾驶人在城市与公路的道路环境下，主要通过眼球的转动来获取道路上的环境信息。在信息的采集过程中，由驾驶人的视觉选择性注意机制根据驾驶任务的需求以及兴趣点对信息进行过滤，并对这些过滤后的信息形成认知。考虑到城市道路交通的复杂性，将道路视觉环境划分为意义性、物理性、景观性、运动性等四个层面，这与驾驶人行车过程中的各种需求相互对应。

各种层面的视觉环境可以提供不同的数据信息，以满足在执行任务时驾驶人不同层次的数据需求。意义性层面主要包括视觉范围内有指示含义的交通标志、交通标线、信号灯;物理性层面指连续的道路设施，如沥青路面，隔离护栏，道路分隔绿化带等。运动性层面是指在交通系统内运动的物理，如机动车、非机动车、公交车、行人等。景观性层面指剩下的背景信息，如天空、路灯、广告牌、林木。

通过计算Tobii Pro Lab Analyzer软件处理之后的驾驶人眼动数据，得到驾驶人在各个视觉环境层上的注视时间比例、平均注视时间和注视频次比例，如表1和图1所示。

1.2注视区域的注视特性

在数据采集过程中，忽略不计驾驶人观察后视镜的注视。仅统计对驾驶安全存在影响的注视区域的相关指标。见表2和图2所示。

2.结束语

基于第2节的实车试验数据进行统计分析，可以得到如下结论：

（1）在视觉环境层和注视区域层，驾驶人的视觉注视特性存在较大差异。这是由驾驶目标差异所决定的，注视区域层的信息直接影响驾驶安全，更加受到驾驶人的关注。

（2）在视觉环境层，驾驶人对意义层的关注更多，其次为运动层;而对于环境层的关注信息最少。

（3）在注视区域层，驾驶人最关注当前车道的信息，约75%的时间是在关注当前车道，因为这直接影响车辆的运行安全;其次是行驶方向路侧信息，在对向车道的关注信息最少。

（4）为了建立注视特性与驾驶安全之间的关系模型，下一步需要提出驾驶负荷的量化方法，然后分析驾驶负荷与注视特性指标之间的关系。

【参考文献】

[1]刘鑫.基于眼动数据测量认知负荷水平[D].西南大学， 2017.

[2]叶晓林，杨海波.认知负荷对驾驶行为影响的眼动研究[J].交通信息与安全，2012，30（6）：67-71.

基金项目：吉林省科技厅计划发展项目（20180520180JH）;吉林省教育厅“十三五”科学研究计划项目（JJKH20180149KJ）