注意定向功能评估及其与危险驾驶的关系*

颜莉蓉，文田田，张佳文，常 乐，王 怡，刘牧天，颜伏伍

（1. 武汉理工大学，汽车零部件先进技术湖北省重点实验室，武汉 430070；2. 先进能源科学与技术广东省实验室佛山分中心（佛山仙湖实验室），佛山 528200；3. 湖北省汽车零部件技术协同创新中心，武汉 430070；4. 武汉理工大学，湖北省新能源与智能互联汽车研究中心，武汉 430070）

前言

随着车辆安全性的提高，交通事故越来越归因于人为因素。据美国公路数据统计，约有24%～30%的交通事故由驾驶员的注意力分散所引起［1］；因驾驶员注意力分散所导致的交通事故占全世界交通事故的40%左右［2］。驾驶员注意力不集中极易造成严重后果。因此，研究注意力的产生机理和影响因素，找寻能够准确识别人的不同注意力水平的特征参数，有助于准确评估驾驶员的警觉状态，通过主动监控代替被动安全控制策略，提高驾驶安全性，有效减少交通事故的发生。

注意是复杂的认知过程，主要包括警觉、定向和执行控制3 个子网络。其中，注意在复杂环境中的定向是注意研究中亟待解决的几个基本问题之一［3］。注意的定向涉及复杂的选择性机制，它能够有效进行搜索并选择特定信息，在目标刺激出现前将注意定位到与目标任务相关的空间位置，降低个体对即将到来刺激的空间预期，使特定信息输入优先化，也可以在突出的刺激出现时进行反射性定向［4］。线索-靶刺激范式是空间注意定向研究的常用范式。有研究测量了与注意力控制相关的事件相关电位（event⁃realated potential，ERP）活动，将移位线索的ERP 与中性线索（即无移位）的ERP 进行比较，发现额叶和顶叶皮质参与了对注意力的控制，并导致了预定目标在视觉皮层区域的靶优势偏向［5］。在线索-靶范式下，由于线索的呈现，靶刺激引起的ERP 会受到一些影响，大脑相应的神经网络会受到一定的调制。较短的线索-提示间隔（cue⁃stimulus interval，CSI），会引出由注意加工神经网络引起的行为易化效应，与视觉初级感觉皮层的活动有关。驾驶行为、人格和脑电（electroencephalogram，EEG）之间存在密切的相关性，失误与注意功能有关，而错误更多受决策功能的影响［6］，空间注意定向功能与驾驶行为表现密切相关。

为定量分析定向功能，本研究设计了模拟驾驶实验和线索-靶刺激实验，获取了包括危险驾驶行为和EEG 信号的数据集。根据危险驾驶行为表现将受试者进行分组，分析不同组中不同线索类型和CSI水平下的行为绩效和大脑激活特征，研究了危险驾驶行为表现与空间注意定向功能之间的关系。

1 材料和方法

1.1 方法概述

主要研究工作如下：（1）模拟驾驶和线索提示实验系统的搭建及数据收集；（2）系统聚类（SPSS20.0），根据驾驶表现将受试者分为不同的组；（3）根据分组结果进行重复测量方差分析，以检验不同组别受试者之间的反应时（reaction time，RT）、错误率和脑活动差异。

1.2 实验设计

共招募了37 位没有神经系统疾病史的健康成人（男性27 位，女性10 位），年龄为21-70（26.1±9.3）岁，视力均正常或矫正正常。受试者均具有我国C1 型（小型汽车）驾驶证，驾龄为1-50（4.8±8.2）年。所有受试者签署了书面知情同意书。该研究由武汉理工大学伦理审查委员会批准。每个受试者参与两个实验：模拟驾驶和线索提示实验。模拟驾驶平台由美国的Unity3D 和瑞士Logitech G29 驾驶模拟器搭建。模拟驾驶场景是一条大约7 km 的圆形轨道道路，包括斜坡、转弯、桥洞和其他元素。实验过程中，受试者佩戴64 通道Ag/AgCl 电极帽（Acti⁃Cap），专注于沿着道路行驶，并执行转动转向盘或制动的操作。实验前，所有受试者都有足够的时间（大约15 min）熟悉驾驶场景、制动踏板、加速转矩和转向盘灵敏度，以准备实验。在驾驶过程中，每个受试者被要求以不高于60 km/h 的速度限制完成3 次驾驶任务，每次驾驶任务包括4 圈。每次完成任务后，参与者都要休息5 min，以避免驾驶疲劳。Logitech G29 提供了与真实驾驶相似的转向盘和制动器力反馈。没有受试者报告不适。

线索-靶刺激实验是由美国E⁃Prime3.0（psychol⁃ogy software tools inc.）设计的，并在19英寸液晶显示器（LCD）上进行演示。该显示器的屏幕分辨率为1600×900，如图1（a）所示。受试者坐在屏幕前方，视线位于屏幕中心，佩戴EEG帽，并根据任务提示进行操作。实验的单次刺激流程如图1（b）所示，屏幕中央的注视点出现后，左右视野分别出现方框。之后，一个方框呈现高亮，即对某一侧空间进行线索化。线索消失，经过特定的CSI 后，在左右任一方框内随即呈现白色五角星作为靶子，受试者需对靶刺激呈现的位置进行判断，如果呈现在左侧，按“1”，呈现在右侧按“2”。须提醒受试者的是，靶刺激呈现前的高亮线索有可能是有效线索，即线索位置与靶刺激呈现位置同侧，也有可能是无效线索，即线索位置与靶刺激呈现位置异侧。观察不同线索条件下的行为差异，以查看线索有效性是否对定向功能产生影响。

图1 线索-靶刺激实验平台及单试次演示过程

1.3 数据采集

在模拟驾驶实验中，同时记录了驾驶数据和EEG 数据。通过基于Unity3D 的C＃脚本获取了包括车辆位置和转向盘旋转角度在内的行驶数据。脑电数据由德国Brain Products 公司的Biopac acti⁃CHamp 放大器和BrainVision PyCorder 以1 000 Hz 的频率收集。根据国际10⁃20系统协议，将受试者戴的帽子参考FCZ电极。屏幕上车辆的整个行驶过程均由Apowersoft 录屏软件记录。对于线索提示实验，由E⁃Prime 的E⁃DataAid 模块记录了行为数据，包括受试者的RT和错误率。

1.4 行为数据分析

根据驾驶过程中录制的驾驶过程评估受试者的危险驾驶行为次数。具体来说，危险驾驶行为分为错误（车辆失控或出现碰撞，在这种情况下需要由实验人员将车辆重置为正常状态）和失误（车辆偏离道路，但是可以由受试者自己进行调整）两种情况。根据这两种类型的错误进行系统聚类，将受试者划分为不同的组。分析任务提示实验中的行为数据，使用美国的SPSS20.0 统计分析软件进行3（分组：组1/组2/组3）×2（线索有效性：有效/无效）×7（CSI：200 ms/400 ms/600 ms/800 ms/1 000 ms/1 200 ms/1 400 ms）因素重复测量方差分析，测试不同组别的受试者之间的RT和错误率差异。

1.5 脑电数据分析

脑电数据的预处理使用EEGLAB 工具箱（美国Swartz 计算神经科学中心）在MATLAB 中进行。由于眼电（EOG）的干扰，Fp1和Fp2通道中的信号已从后续统计分析中删除。选择TP9 和TP10 作为重参考电极。应用带通滤波（0.1-35 Hz）以消除噪声。通过从连续的EEG 信号中提取数据分段（刺激前200 ms 到刺激后1 000 ms）和叠加平均，获得事件信息并得到事件相关电位图像。最后，应用独立分量分析（independent component analysis，ICA）去除眼电伪迹（包括由于眼球、眼肌和眼睑运动而产生的信号伪迹）、心电伪迹、肌电伪迹和其他噪声。通过3×2×7重复测量方差分析（analysis of variance，ANOVA）脑电数据。提取方差分析结果中的F 值以绘制地形图，分析交互作用和单独因素效应。使用配对T 检验（测试线索有效性之间的激活差异），单因素重复测量ANOVA（测试不同CSI 条件下的激活差异）和单因素方差分析（测试分组之间的激活差异）探索各种因素对定向功能的影响。

2 结果

2.1 分组结果

基于模拟驾驶实验的危险驾驶行为次数聚类结果如图2所示。将37名受试者根据聚类结果划分为3 组。编号为2、3、4、5、6、7、10、12、13、14、19、20、22、24、33、37 的受试者归类为第1 组，编号为1、9、11、15、16、17、21、26、27、28、31、32、34、35、36 的受试者归类为第2 组，剩余6 名受试者归类为第3 组。组1、组2 和组3 的危险驾驶行为的总平均数量分别为（6.06±3.43）、（20.6±4.32）和（28.17±6.85）。分组结果一定程度上反映了受试者的注意力集中程度，组1 注意力集中程度较强，组2 注意力集中程度一般，组3注意力集中程度较差。

图2 基于驾驶数据的系统聚类结果

2.2 线索有效性、CSI和分组对行为数据的影响

RT的3（分组：组1/组2/组3）×2（线索有效性：有效/无 效）×7（CSI：200 ms/400 ms/600 ms/800 ms/1 000 ms/1 200 ms/1 400 ms）重复测量方差分析表明，线索有效性和CSI 对RT 的主要影响是显著的（分别为F（1，34）=10.371，p=0.003；F（6，204）=59.862，p=0.000）。分组的主要效应（F（2，34）=0.558，p=0.577），三因素之间交互效应（F（12，204）=0.816，p=0.634）和两两之间交互效应（F（2，34）=3.019，p=0.062；F（12，204）=0.820，p=0.630；F（6，204）=1.216，p=0.300）不显著。在3 个组中，RT 均随着CSI的增加而降低（图3（a）、图3（c）和图3（e）），且在CSI 为1 000-1 200 ms 时达到最小值。有效线索条件下的RT通常比在无效线索条件下的小，此现象在组3中最为明显。

对于有效线索和无效线索，第1 组的平均RT 分别为436 和437 ms，第2 组的平均RT 分别为443 和462 ms，第3 组的平均RT 分别为450 和484 ms。第3 组的RT 最大，第1 组的RT 最小。在第1 组中，线索有效性的RT 差异在0 ms 附近波动，且在CSI 为1 200 ms 时达到最低。在第2 组中，线索有效性的RT 差异先随CSI 的增加而减小，在CSI 为1 000 ms时达到最小值，随后，又有小幅增加。在第3 组中，线索有效性的RT 差异基本随CSI 的增加而减小，在CSI 为1 400 ms 时达到最小值。组1、组2 和组3 中RT 的平均切换成本分别为0.6、19 和34 ms。分组、线索有效性和CSI 对错误率没有显著影响（F（2，34）=0.016，p=0.984；F（1，34）=2.650，p=0.113；F（6，204）=1.723，p=0.117）。三因素交互效应（F（12，204）=0.626，p=0.819）和两两因素之间交互效应（F（2，34）=0.483，p=0.621；F（12，204）=0.428，p=0.951；F（6，204）=1.623，p=0.142）不显著。在有效线索和无效线索条件下，第1 组的平均错误率分别为0.45%和0.59%，第2 组的平均错误率分别为0.40%和0.60%，第3 组的平均错误率分别为0.14%和0.78%。第3 组的线索有效性错误率差异最大。第1 组的线索有效性错误率差异先随CSI 的增加而增加，在CSI 为600 ms 时达到最大值，然后呈下降趋势，在CSI为1 000 ms时达到最小值（图（3b）），随后继续增加。在第2 组中，当CSI 为200 ms 时，线索有效性错误率差异最低，然后在CSI为1 200 ms时出现二次低点（图（3d））。在第3 组中，线索有效性错误率差异随CSI 的增加出现两次起伏，在CSI 为800 ms 时出现最小值（图（3f））。组1、组2 和组3 的线索有效性错误率差异分别为0.13%、0.20%和0.64%。

2.3 线索有效性、CSI和分组对EEG数据的影响

图3 线索有效性和CSI对不同组别RT和错误率的影响

分组、任务转换类型和CSI 之间的交互作用在左前额叶（AF7）、左额叶（F1、F5）左额中央叶（FC1、FC3、FC5）和左中央叶（CZ、C1、C5）（图4（d））。线索有效性对大脑活动的主要影响在左前额叶和中央顶叶（图4（a）），但不显著。大部分额叶、顶叶和枕叶的CSI 差异显著（图4（b））。分组（图4（c））及三因素之间的两两交互效应（图4（e）、图4（f）、图4（g））均不显著。

考虑到三因素交互作用的存在，执行单因素重复测量ANOVA 和配对T 检验以测试线索有效性、CSI 和分组的单独效应（图5～图7）。在第1 组中（图5），当CSI 为200 和600 ms 时，无效线索导致左侧及中央额叶区域（以FC1电极为中心）的激活明显增强，而当CSI分别增加到1 200和1 400 ms时，有效线索分别导致了额叶（以F1 电极为中心）和颞叶（T8、FT10）的激活增强。在有效线索条件下，CSI 差异在大部分脑区均呈显著性，与多因素方差分析结果基本一致。无效线索条件下的CSI 差异主要体现在中央顶叶的CP5 电极处。在第2 组（图6）中，当CSI为200 ms时，有效线索在左侧前额叶（AF7）引起较强激活，而在CSI 分别为800 和1 400 ms 时，无效线索分别在额中央叶（FC1）和左侧颞顶叶（TP7、P7）的激活更为强烈。CSI 的差异主要集中在中央顶叶（以C2 为中心并涉及部分额叶、枕叶和颞叶的范围内），且无效线索条件下的区域相对更多。在第3 组中（图7），CSI 较短时，线索化抑制效应在两侧颞叶（FT7、TP8）、顶叶（以CP4 电极为中心的区域）、顶叶（PO4、POZ、PO8）和枕叶（O1、OZ、O2）出现显著性，在CSI 较长时，线索化对两侧顶枕叶（P7、PO7、O1、P2、P4、PO4、PO8）脑区激活呈现显著的易化效应。对于各组之间的差异（图8），主要集中在两侧颞叶（有效线索条件下）和顶枕区（无效线索条件下），其在CSI较短时较为明显。

图4 脑电数据中分组、任务转换类型和CSI的主要作用和相互作用

3 讨论

3.1 线索有效性对定向功能的影响

方差分析结果表明，线索有效性对RT有显著的独立影响，线索化位置的RT 快于非线索化位置，即出现了显著的易化效应。组1 中，线索化位置和非线索化位置的RT没有显著的差异（图3（a）），表明注意力较为集中时，线索化对空间注意定向的影响甚微。组2 中，非线索化位置的RT 在CSI 为200～800 ms 和1 200～1 400 ms 时大于线索化位置，出现易化效应，在CSI 为1 000 ms 时出现抑制效应（图3（c）），表明注意力集中程度一般时，线索化对空间注意定向在CSI 较短或较长时均出现易化影响，而在CSI 为1 000 ms 时出现轻微的抑制。组3 中，非线索化位置的RT始终大于线索化位置（图3（e）），易化效应始终存在，表明在注意集中程度较差情况下，线索化对空间注意定向产生显著影响，且受CSI 的影响较小。线索化单独效应体现了显著的易化与抑制效应。有研究提出，易化效应和抑制效应是一个过程的两个阶段［7］，早期的线索化位置的易化效应通常被认为是线索吸引注意的结果，而随后出现的返回抑制表现出线索化位置执行的减弱，该效应表征的是抑制重新定向到注意过的位置。因此，在本研究中认为，与组1 相比，组2 和组3 注意集中程度不够，没有足够的分配注意资源的能力，在非线索化位置时不能有效完成空间注意定向过程，因此线索化效应较为明显。对错误率的3（分组：组1/组2/组3）×2（线索有效性：有效/无效）×7（CSI：200 ms/400 ms/600 ms/800 ms/1000 ms/1 200 ms/1 400 ms）重复测量方差分析表明，所有主效应和交互作用均不显著，故不做进一步分析。

从头皮拓扑图上看，组1 中（图5），在CSI 较短时，线索化位置相对于非线索化位置对脑区引起的激活程度较弱，激活区域主要包括额叶（以FC1电极为中心的区域）、前额（AFZ）和左侧额颞叶（FT9、FT7），在CSI 较长时，线索化位置引起的脑区激活较强，主要集中在额叶（F1、F2、F4、FC1、C1）、前额（AF3、AFZ）和右侧颞叶（T8、FT10）。组2中（图6），线索化效应对大脑激活程度及激活区域的影响较小，仅在个别电极位置呈现显著性（AF7、FC1、TP7、P7）。组3中（图7），在CSI较短时，脑区激活出现线索化抑制效应，在CSI较长时，出现线索化易化效应，线索化效应影响的脑区主要体现在额叶、颞叶和顶枕叶。空间定向的网络连接体现了其神经网络机制，其中，与警觉相关的额叶网络，与执行控制相关的额顶网络均有参与。

图5 组1中线索有效性和CSI对EEG数据的简单效应

图6 组2中线索有效性和CSI对EEG数据的简单效应

图7 组3中线索有效性和CSI对EEG数据的简单效应

图8 不同的线索有效性和CSI条件下的组别单因素方差分析

3.2 CSI对定向功能的影响

CSI 对空间注意定向功能的RT 有显著性影响。对于较短的CSI，被试对出现在与提示相同位置的靶刺激有更快的易化反应；而在长的CSI 条件下，被试对出现在与提示相同位置的靶刺激反应更慢，体现出明显的返回抑制效应（inhibition of return，IOR）［8］。早期的注意网络学说［7］对IOR 做出了相应的解释，认为当线索出现一段时间后，由于出现在与线索相同位置的靶子的感知觉加工和注意受到了抑制，所以RT变慢。

线索化位置情况下，脑区激活的CSI 差异主要集中在大部分中央顶部区域，且在组1 中涉及的脑区最为广泛，且激活程度也最强。非线索化位置情况下，CSI 脑区激活差异主要集中在大部分顶枕网络，且组1 的CSI 脑区激活差异最小，仅在CP5 电极呈显著性。

3.3 本研究的局限性

本研究主要受到性别比例失衡和受试者年龄比例不均的限制。年龄、性别和教育背景都是影响人行为绩效和大脑活动的关键因素［9］。需要扩大样本量，对这些人口学因素的影响进行进一步分析。另外，脑功能的时空特征需要深入研究。进行了大量脑区头皮拓扑图的分析，但因为脑电是头皮电信号，空间分辨率有限，对解剖区域的定位不太准确，观察到额叶、顶叶、枕叶和颞叶均参与了空间注意定向过程，但是无法找到大脑的较深区域，脑电图源定位技术可能会有所帮助。脑区之间的因果关系及其动态活动可以通过使用时间序列分析方法来进一步分析，例如动态因果建模［10］。空间注意定向功能是注意力的3 个子功能（警觉、定向和执行控制）之一。到目前为止，这些子功能与潜在的注意机制之间的关系尚不清楚［11］，还缺乏准确、客观的指标来描述驾驶员的注意力状态［12］，需要对注意子功能进行进一步的综合研究。

4 结论

进行模拟驾驶和线索-靶刺激任务实验，分析了危险驾驶行为与空间注意定向功能之间的相关性。线索-靶刺激任务实验中的RT 和错误率表明，具有较低驾驶错误率的受试者具有更高的行为绩效和较弱的线索化效应，这与他们分配可用注意力资源、表达外部刺激和处理信息的能力更好有关。线索化效应影响的脑区主要体现在额叶、颞叶和顶枕叶等空间定向的网络，与警觉和执行控制功能相关的额叶网络及额顶网络也有参与。