道路交通研究中眼动技术的应用与展望*

2014-04-15王华容

交通医学 2014年2期

王华容

（1南通大学航海医学研究所，江苏 226001；2南京师范大学心理学院）

国外学者开展眼动研究至今已有100多年历史，现已广泛应用于人因工程、消费与市场、模式识别、交通心理等各研究领域。在交通领域中，视觉系统是驾驶人获取外部信息最重要的通道。运用眼动技术对驾驶人在驾驶过程中的动态视觉特性进行研究，特别在探讨驾驶人的眼动规律与特点，改善道路交通安全现状，减少事故发生率等方面，将具有十分重要的意义。本研究旨在分析国内近5年眼动技术在道路交通领域中的研究状况，在此基础上提出未来研究的展望，为今后开展相关研究提供理论参考。笔者以“交通”和“眼动”为主题词，系统检索中国期刊全文数据库(CNKI)、维普中文科技期刊全文数据库和万方数据资源系统中2008年之后的文献，对其中几十篇有代表性的文献进行认真研读和整理。当前眼动技术在道路交通领域中的应用非常广泛，概括起来主要包括.驾驶人在不同道路交通情境中的眼动行为研究；自身因素对驾驶人眼动行为的影响研究两大方面。

1 眼动技术在道路交通领域中的应用

1.1 驾驶人在不同道路交通情境中的眼动行为研究

1.1.1 交通标志、标识对驾驶人视觉影响：交通标志是传递道路名、方向及距离信息的标志，是驾驶人行车过程中的重要指南。交通标志呈现字体大小、字数多少、交通标志高度、结构等方面特点，对驾驶人视觉搜索均产生影响。杜志刚等[1]通过室内模拟城市道路交通标志信息量，观察对驾驶人眼动行为的影响。结果发现当路名数在2～7个时，驾驶人的视认反应时间不超过2.5秒，且与指路标志路名数呈显著线性正相关。由此建议城市道路指路标志路名数不大于5个，且车速小于50km/h。张业生等[2]研究发现，驾驶人道路环境的眼动行为呈现的规律是，随着交通标志信息量的增加，驾驶人对标志的认知时间增长。当汉字字数在0～18个字时，路名数在0～7时，认知时间增长趋势相对均匀，超过这一界值增长趋势明显加大。因此研究者建议城市道路交通标志设置时，应该以7个路名数为宜，字体数目不应该大于20个。两个研究结论存在一些差别，但这可能与研究的室内模拟与真实环境的道路情境存在差异。也可能与研究中驾驶人的车速有关，如杜志刚等研究中要求驾驶人的车速为50km/h，张业生等研究要求车速在40km/h，还有研究者的结果趋势类似[3]。刘博华等[4]研究高速行车80～120km/h时驾驶人对交通标志的视觉搜索特征，认为高速公路指路标志信息量以不超过5个为宜。葛贤亮等[5]探讨道路交通标志中路名的对称结构对驾驶人眼动模式的影响。结果发现在道路交通标志中，存在对称结构效应即对称结构下，驾驶人的注视点和回扫次数明显较少。凝视时间较短，反应正确率明显高于非对称结构的交通标志。因此建议道路交通标志的路名应保持对称结构。这些研究为道路交通标志的设置具有重要的参考价值。2009年国家颁布了新国标《道路交通标志标线》（GB5768），新增了一些组合交通标志，王婷婷等[6]研究者运用眼动技术，对新增设的交通标志进行了可适性研究。

1.1.2 不同道路环境驾驶人视觉搜索特点：在我国道路类型众多，迅猛发展的高速公路，日益拥挤的城市交通，险象环生的山区道路，还有路况复杂的城乡结合道路等诸多类型。道路交通环境不同，对驾驶人的视觉搜索要求也存在差异。

黄迎秋[7]对驾驶人在山区公路和城市道路真实环境中，驾驶车辆时的视觉特征进行眼动研究。结果发现驾驶人在行车过程中，眼动形式均以注视为主。但驾驶人在两种道路交通环境下的视觉搜索策略存在差异：由于城市道路中的行人较多、车辆较多、路况相对复杂，导致城市道路与山区公路相比具有信息量密度大、认知负荷较高等特点，驾驶人在城市道路行车时的注视持续时间比较长。在山区公路中由于没有隔离带，驾驶人会频繁地向左看，将注意力集中分配在左边侧，而在城市道路中，驾驶人向右看的次数及时间要多一些。孟妮[8]研究发现，驾驶人在城市道路和山区公路上对前方近距离区域的注视频次较多。在城乡结合道路上，对前方中距离、远距离区域的注视频次比较多。在城市道路上驾驶人对动态目标的关注最多，在山区公路上最少。郭应时[9]比较不同道路条件下驾驶人的眼动行为特征，结果发现，驾驶人在城市道路行车时的注视时间明显长于在山区公路行车时的注视时间。扫视幅度和扫视速度大于在山区公路行车时的扫视幅度和速度。在山区公路行车时，驾驶人水平、垂直方向的视觉搜索广度均高于在城市道路和城乡结合道路行车时的搜索广度。齐博[10]探讨普通公路与城市道路驾驶人的眼动特性，研究结论与郭应时的基本一致。

还有研究分析不同公路线形对驾驶员视觉搜索的影响。张韡等[11]研究者在云南山区道路上进行实车眼动实验，研究弯道半径、纵坡坡度等不同道路条件和车速下的驾驶人的眼动速度。结果表明驾驶人的眼动速度变化率与公路的弯道半径、纵坡坡度及车速都有着显著的线形关系。相对公路的弯道半径和车速而言,纵坡坡度对驾驶人的眼动速度变化率影响较小。李辉等[12]研究者探讨直道无障碍路况、弯道及复杂路况环境对驾驶人眼动行为的影响。结果发现驾驶人在不同的驾驶环境下，有不同的注意力分配策略和扫视模式。弯道驾驶环境和复杂路况驾驶环境，相对于直道无障碍驾驶环境要分配更多的注意力,注视次数和注视时间也显著增加。在环境趋于复杂时,驾驶人的注意力也会向后视镜、目标车道、路边行人等驾驶车道以外的区域转移。另有研究者对事故多发地、驾驶人车道变换的视觉搜索特点进行探讨，为道路交通安全提供了可行的建议[13-14]。

1.1.3 公路隧道对驾驶人视觉搜索的影响：公路隧道环境复杂，进出口隧道亮度的急剧变化，是形成事故的主要路段。研究者采用眼动技术对驾驶人在公路隧道行车时的视觉搜索特征进行了探讨，获得了一些有价值的结论[15-17]。赵炜华等[18]分析高速公路隧道群出入口对驾驶人眼动行为的影响。结果发现在隧道群环境中，从隧道外接近隧道入口处的过程中，驾驶人注视时间、扫视幅度迅速增加，注视时间先增加后减少。进入隧道后注视时间、注视次数和扫视幅度都是先减少后增加，之后呈平缓变化；驾驶人在隧道入口处的视觉信息认知模式受隧道群环境变化的影响。因此研究者建议在隧道设置交通标志等控制管理设施时，应充分考虑驾驶人的视觉搜索变化特点。

通过对隧道进出口驾驶人的瞳孔变化等眼动指标进行分析，有研究者证明：隧道内距进出口50m范围，驾驶人瞳孔面积与隧道进出口照度成幂函数关系,驾驶人瞳孔面积变化速度可作为隧道进出口的行车安全评价指标。基于行车安全的驾驶人瞳孔面积变化临界速度在-6 mm2s-1到4 mm2s-1之间；同时确定驾驶人在隧道路段的最小注视时间合理值为0.167s；继而得出了基于视觉适应的隧道进出口照明公式[19]。另外该研究者还利用瞳孔面积速度/瞳孔面积临界速度比率k，来评价隧道路段视觉负荷，并建立基于k值的视觉明暗适应时间指标。最终得到隧道长度与视觉明暗适应时间的定量关系。提出对于中长隧道，暗适应时间一般不超过23s，明适应时间不超过13s[20]。

1.2 自身因素对驾驶人眼动行为的影响研究

1.2.1 不同驾驶经验驾驶人的眼动行为变化特点：在驾驶过程中，驾驶人的眼动行为既受到来自环境因素的影响，同时也受驾驶经验、疲劳、酒精等自身因素影响。宋菲等[21]对不同经验驾驶人在行车时的眼动规律进行研究发现，非熟练驾驶人需要较熟练驾驶人花更长的时间确认交通标志。郭应时等[22]研究发现，在城市道路上，熟练驾驶人对近处目标的注视频次比非熟练驾驶人高约18%，而对车内后视镜的注视频次约为非熟练驾驶人的4.7倍；非熟练驾驶人处理信息的策略和效率均比熟练驾驶人差。对不同经验驾驶人在不同道路环境的眼动行为进行分析发现，由于道路交通环境不同，非熟练与熟练驾驶人在驾驶过程中，注视行为都在不断地发生变化。但非熟练驾驶人注视行为较僵硬，而熟练驾驶人注视行为较灵活。熟练驾驶人的注视行为调整幅度比非熟练驾驶人调整幅度大，并较多注视右后视镜、车内后视镜和车内其它目标。而非熟练驾驶人比熟练驾驶人较多的注视左后视镜、仪表板[8]。对新老驾驶人危险感知的眼动研究发现，在显性危险实验场景中，新老驾驶人的眼动指标差异无统计学意义。但在潜在危险实验场景中，新老驾驶人的差异有统计学意义，老驾驶人较新驾驶人注视点次数更多、注视时间更长、瞳孔直径更大、扫视幅度更宽，整体感知水平高于新驾驶人[23]。杨鹏飞等[24]运用眼动技术探讨在虚拟城市道路场景中，驾驶人应激感知反应时间的特性。结果表明：经验丰富的驾驶人应激感知时间要小于其他驾驶人。

1.2.2 不同状态驾驶人的眼动行为特点分析：已有研究主要关注驾驶人的工作负荷、疲劳及酒后驾驶等状态对其视觉搜索的影响。有研究者提出，运用眼动仪和生理测试仪等设备分别采集驾驶人的眼动数据和生理数据，通过模糊综合评价找出人、车、路不协调的突变点，并针对事故易发路段进行原因分析和改进设计[25]。曹新涛等[25-26]认为可运用眼动技术评估驾驶人的工作负荷，比如从瞳孔变化直径的大小判断驾驶人的工作负荷大小。通过注视时间和注视点轨迹了解驾驶人的工作负荷状况。

选用眨眼持续时间、眨眼频率、注视时间百分比、注视点数目、眼跳幅度、眼跳平均速度作为疲劳状态的眼动测量指标，结果表明，驾驶生理疲劳度与驾驶眼动疲劳度，为双输入元素的BP神经网络模型，能准确评判驾驶人非疲劳、轻度、重度疲劳状态，可在疲劳驾驶监测中开展应用[27]。有研究者关注乙醇作用下驾驶人的注视、眼跳和眨眼等变化规律。结果发现，乙醇作用下驾驶人出现注视点数目减少、平均瞳孔直径变大、眼跳次数减少、眼跳速度峰值降低、眨眼次数减少、平均眨眼时间增加等变化规律[28]。这些研究为今后制定相关的交通安全规范、法规提供了理论支持。

2 道路交通领域中眼动研究的常用设备

限于道路交通情境的动态特性，无法像常规眼动实验一样将被试者固定在实验设备前进行测试。因此对眼动设备的要求也有所不同，必须是便携式，方便在驾驶过程中开展研究。当前研究所使用的设备主要从国外进口，常用于道路交通领域的眼动设备包括如下几种品牌。

2.1 德国SMI公司生产的IView X（HED）眼动仪该款眼动仪属于头戴式，采样率有50Hz/60Hz或200Hz三种，跟踪精度为0.1°，跟踪范围水平方向为±30°，垂直方向±25°。这款眼动设备在国内运用比较多[2-4，17，28]。其优势在于通过无线传输技术，将测试数据传输到配套计算机中的IView X软件对其存储与处理。同时可利用配套的BeGaze分析软件，对实验测试数据按照需要进行处理，便于开展驾驶人特性等研究。该眼动仪缺陷为：稳定性比较差，抗干扰能力低，标定较为困难。此外对于戴眼镜的驾驶人，由于镜片反光，眼动仪对瞳孔及眼球的捕捉效果十分差，测试的误差较大。

2.2 加拿大SR Research公司生产的EyelinkⅡ型头戴式眼动仪此款眼动设备采样率达500Hz，视跟踪范围为水平±30°，垂直±20°。与同类型眼动设备相比，EyelinkⅡ头戴式以其高精确度受到国内研究者的青睐[11，18，22，29]。不足之处为对受试人员的眼睛构造要求严格，标定比较复杂。

2.3 瑞典Tobii系列眼动仪该品牌眼动设备以其简单易用，使用便捷的特点受到国内研究者们的喜爱。其眼动追踪产品包括遥测式、独立式或头戴式。国内研究者根据其遥测式对受试干扰小的特点，在实验室开展模拟交通情境方面的研究，如交通标志的眼动规律等[5，30]。近年开发的Tobii Glasses系列眼动仪便携性更强，更适合自然状态下的交通情境研究。但该系列产品存在普遍的缺陷，即精度不高，当前设备采样率仅有30Hz，这对它进入科学研究领域受到一定的限制。

2.4 瑞典Smart Eye AB公司生产的Smart Eye Pro 3维眼动仪该款眼动设备以其非侵入性的特点，对受试干扰较少，能在较自然状态下研究驾驶人的眼动行为。该系统使用一个或多个相机连同一个红外闪光照明单元，使每个系统主要使用自己的光源，因此它适用于所有自然光照条件。当前这款设备的采样率有60Hz和120Hz 2种，眼睛追踪精度小于0.5°，头部能自由转动。该款产品在东南大学、北京理工大学等交通相关实验室得到使用[31，21]。和头戴式眼动设备一样，在照顾到便利性的同时，该款产品在定标方面比较复杂。

2.5 其他眼动仪还有一些研究者采用诸如日本NAC影像科技公司生产的EMR-HM8眼动仪[1]，美国ASL公司生产的系列眼动仪[32]，澳大利亚Seeing Machine公司生产的Face lab等眼动仪开展研究。

3 道路交通领域中常用眼动指标分析

眼动具有3种基本方式：注视、眼跳与追随运动。这3种眼动模式经常交错在一起，目的在于选择信息、将要注意的刺激物成像于中央窝区域，以便形成清晰的像。眼动可反映视觉信息选择模式，对于揭示认知加工的心理机制具有重要意义[33]。眼动记录的指标有很多种，在交通领域的研究中，不同的研究任务对眼动指标的采集要求也不尽相同。概括来说，常用的眼动参数包括如下几种：

3.1 眼动轨迹图是将眼球运动信息叠加在视景图像上，形成注视点及其移动的路线图，它能最具体、直观和全面地反映眼动的时空特征。张业生通过研究驾驶人的注视点轨迹的运动方向发现，个体识别交通标志时的规律是从左到右，再从上到下[34]。

3.2 眼动时间将眼动信息与视景图像叠加后，利用分析软件提取多方面眼动时间数据。包括注视停留时间、眼跳时间、回视时间、追随运动时间。注视过程中的微动时间包括自发性高频眼球微颤、慢速漂移和微跳时间。同时可提取各种不同眼动的次数，主要是在不同视景位置或位置间的注视次数、眼跳次数、回视次数等。这些时间和位置信息可用于精细地分析各种不同的眼动模式，进而揭示各种不同的信息加工过程和加工模式[35]。在交通领域的研究中，眼动时间作为非常重要的参考指标。具体来说，注视时间与注视次数是最常用的指标。其中：⑴持续注视时间，是指驾驶人在某一固定区域的注视时间，它反映了驾驶人对某一固定区域的关注程度。徐志等[3]研究发现，全局关注方式的注视时间要长于特定信息搜索方式，且随着交通标志信息量的增加，两种方式的注视时间都增长。葛贤亮等[5]研究发现，被试对称路名信息的注视时间明显少于非对称路名信息的注视时间。认为路名信息的对称呈现方式，对道路交通标志视觉搜索绩效有明显的促进作用。⑵注视次数，在视觉搜索中，注视点的数目与观察者所需要处理信息的数目有关，而与所需处理信息的深度无关。然而一旦搜索者发现其兴趣所在，那么注视点的数目就反映了视觉区域中兴趣点的数目。并且信息比例高的区域，产生的注视频率也很高。研究发现，驾驶人在城市道路和山区公路上，对前方近距离区域的注视频次较多。在城乡结合道路上，对前方中距离、远距离区域的注视频次比较多。在城市道路上，驾驶人对动态目标的关注最多，在山区公路上最少[8]。

3.3 眼动的方向与距离可帮助研究者在二维或三维空间内考察眼动方向角度。这方面的信息与视景迭加可揭示注意的对象及其转移过程，而且可结合时间因素计算眼动速度。在道路交通过程中，驾驶人的视觉搜索方向是影响其驾驶安全的重要因素之一，因而也是研究者们关注的重要指标。具体研究主要运用3个指标：⑴注视点分布。包括水平方向和垂直方向的注视视角。研究发现，驾驶人的水平方向注视位置以中部区域为主，但更多的关注左侧的交通流和交通设施。在垂直方向的注视位置是以偏下区域为主，更多的关注车辆近前方向。黄静分析发现在高速公路隧道路段，驾驶人的注视点在车辆前方0.604～2.557s，夜间注视分布比白天更靠近车辆前方。⑵扫视幅度。扫视幅度用于表征驾驶人眼球转动的角度大小。扫视又称为眼跳，是指眼睛从一个注视点到另一个注视点飞快地改变注视方向或视轴，其作用是将目标物新内容移到中央视觉范围内。研究发现，驾驶人的扫视幅度分布范围在0～30°间[29]。赵炜华等[18]分析发现在隧道群环境中，受刚驶过隧道影响在特长隧道入口外200m至50m时，扫视幅度减少。在距隧道入口50m至隧道入口处的过程中，扫视幅度迅速增加。进入隧道入口后，扫视幅度先减少后增加；进入隧道200m后，扫视幅度的变化平稳。⑶眼动速度。即眼球转动的速率。通常情况，当驾驶人在观察某一重要目标物体或处理某种突显信的时候，眼睛角速度会有大幅度的变化。在道路上行驶时驾驶人不断获取车辆和道路环境的信息，并通过判断完成驾驶。道路条件、环境好坏直接影响到驾驶人信息需求量的大小，反映在视觉上就表现为驾驶人眼球的快速转动来获取更多的信息。因而考察驾驶人的眼动速度可反映不同交通信息、道路环境对驾驶人视觉的影响。研究发现在城市道路环境下，驾驶人的眼动速度显著高于山区道路环境眼动速度。这主要是由于相对于山区公路来说，城市道路环境中行人多、驻车多、行车多、干扰信息多。所以驾驶人需用更快扫视速度，来搜索在整个视野范围内出现的信息[7]。以往关于驾驶人的眼动研究结果往往会因为车速、道路线形、环境的变化而发生改变。且眼动参数也因驾驶人自身状况、视觉反应等方面差异而有所不同，因而不能准确反映出道路线形对驾驶人眼动影响。针对此问题，王庆礼提出采用眼动速度变化率作为研究驾驶人眼动行为的重要参数[36]。

3.4 瞳孔大小与眨眼是视觉信息注意状态的重要指标，且与视景叠加可解释不同条件下的知觉广度或注意广度，也可揭示不同刺激条件对注意状态的激发。研究表明瞳孔直径和信息加工负荷、疲劳程度、记忆、思维、语言加工等存在密切关系。在交通领域研究中，研究者往往采用瞳孔面积和眨眼的频率与持续时间，来分析驾驶人在特定环境下的眼动行为[1，17]。裴玉龙等[28]探讨乙醇对驾驶人眼动行为的影响，结果发现饮酒后驾车，乙醇会导致驾驶人产生紧张情绪，虹膜平滑肌伸缩性会变化。饮酒量越多，平均瞳孔直径越大，眨眼次数越少，平均眨眼时间越长。付川云[27]探讨发现，虽驾驶人眨眼持续时间与眨眼频率能反映驾驶人疲劳状态及疲劳程度。但由于异常情况的存在，致使基于眨眼持续时间变化对驾驶人疲劳状况的评判缺乏可靠性。因此认为眨眼不适用于驾驶人疲劳状态评判。

4 研究展望

4.1 研究人群的拓展在现有交通领域的眼动研究中，绝大部分研究是针对驾驶人展开，而作为交通系统中人—车—路—环境4要素中，人的要素既包括驾驶人，还包括行人。在交通过程中，行人的视觉搜索也是影响其交通安全的重要因素。因此运用眼动技术研究行人心理，将具有十分重要的意义。

4.2 交通情境下眼动设备的适用性分析当前研究所使用的眼动设备大多为头戴式，尽管厂商尽最大可能改善眼动设备佩戴时的舒适性，但与驾驶人正常驾驶经历相比，佩戴头盔往往或多或少会影响到驾驶人的自然表现，因而研究结果的生态效度也会受到一定程度的影响。目前也有一些开发商针对交通等运动情境的特殊性，开发一系列产品。如瑞典公司开发的Smart Eye Pro 3.5眼动仪，澳大利亚Seeing Machines公司开发的Face lab眼动设备。通过在驾驶舱设置摄像头，不干扰驾驶人的正常驾驶行为，能够全面捕捉驾驶人在驾驶过程中的眼动变化，是交通领域中比较理想的研究工具。但当前这些产品在应用舒适的同时，精确度不高。因此在交通情境研究中，哪种眼动设备最合适，目前尚无定论，主要根据研究者的需要来全面考虑。

[1]杜志刚，潘晓东，郭雪斌.交通指路标志信息量与视认性关系[J].交通运输工程学报，2008，8（1）：118-122.

[2]张业生，戚春华，朱守林.城市道路交通标志对驾驶员视觉影响的研究[J].内蒙古农业大学学报(自然科学版)，2011，32（3）：260-262.

[3]徐志，关宏志，严海，等.交通标志文字信息驾驶员眼动视认特性[J].北京工业大学学报，2011，37（12）：1830-1835.

[4]刘博华，孙立山，荣建.基于眼动参数的驾驶员标志视认行为研究[J].交通运输系统工程与信息，2011，11（4）：22-27.

[5]葛贤亮，胡信奎，葛列众.道路交通标志中对称结构效应的眼动研究[J].应用心理学，2009，15（3）：284-288.

[6]王婷婷，邢文龙，梁潇.道路交通标志可适性研究[J].中国市场，2011，（2）：122-124.

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

[8]孟妮.不同道路交通环境中驾驶员注视行为分析[D].陕西:长安大学,2009.

[9]郭应时.交通环境及驾驶经验对驾驶员眼动和工作负荷影响的研究[D].陕西:长安大学,2009.

[10]齐博.普通公路与城市道路驾驶员眼动特性对比研究[D].长春：吉林大学,2013.

[11]张韡，魏朗，王庆礼.公路线形对驾驶人眼动速度变化率的影响[J].公路，2010,（6）：147-151.

[12]李辉，景国勋，贾智伟，等.驾驶员注意力分配定量方法研究[J].中国安全科学学报，2009，19（2）：148-151.

[13]徐慧智，裴玉龙，于涛，等.驾驶员车道变换视点转移模型及其参数标定[J].公路交通科技，2010，27（11）：118-126.

[14]李德慧，谢晓莉，胡江碧.基于驾驶员眼动分析的事故多发点改造方案评价方法研究[J].科学技术与工程，2013，13（2）：379-382.

[15]黄静.高速公路隧道驾驶员注视点分布特征分析[J].交通科技，2010,（1）：91-93.

[16]张青文，胡英奎，翁季，等.道路与隧道照明视觉功效测量系统的研制及应用[J].灯与照明，2012，36（4）：9-13.

[17]姚裔虎，朱顺应，杜志刚.城市隧道驾驶员视力角特征及应用[J].公路交通科技，2010，27（1）：101-109.

[18]赵炜华，刘浩学，刘玮，等.高速公路隧道群出、入口段驾驶人视觉特征[J].交通科学与工程，2011，27（3）：75-81.

[19]杜志刚，李杰，潘晓东，等.高速公路隧道路段驾驶员最小注视时间确定及应用[J].公路交通科技，2010，27（9）：138-142.

[20]杜志刚，黄发明，严新平，等.基于瞳孔面积变动的公路隧道明暗适应时间[J].公路交通科技，2013，30（5）：98-102.

[21]Song F,Yang XK.Eye-Movement characteristics of rivers according to driving Experience-Relevance to traffic sign legibility[J].Journal of Southwest Jiaotong University(English Edition),2010,18(3):215-219.

[22]郭应时，马勇，付锐，等.汽车驾驶人驾驶经验对注视行为特性的影响[J].交通运输工程学报，2012，12（5）：91-99.

[23]兰婷.新老驾驶员危险感知差异性实验研究[D].重庆：西南交通大学，2013.

[24]杨鹏飞，付锐，于鹏程.虚拟城市道路场景中的驾驶人应激感知反应时间特性[J].长安大学学报:自然科学版，2013，33（2）：73-78.

[25]曹新涛，泮俊，胡江碧.基于驾驶工作负荷的心生理指标研究[J].公路交通科技(应用技术版),2011,（6）：264-267.

[26]陈先义，张文斌.生理负荷在公路线形设计评价中的应用研究[J].公路工程，2012，37（3）：200-203.

[27]付川云.疲劳状态下驾驶人生理及眼动特征研究[D].吉林:哈尔滨工业大学,2011.

[28]裴玉龙，周侃，张诚.酒精作用下驾驶人心理生理及眼动特性分析[J].哈尔滨工业大学学报:社会科学版，2011，13（5）：80-86.

[29]袁伟，付锐，郭应时.城市道路环境中驾驶员眼动行为特征[J].交通信息与安全，2013，31（1）：117-122.

[30]张丽川，李宏汀，葛列众.Tobii眼动仪在人机交互中的应用[J].人类工效学，2009，15（2）：67-69.

[31]陆建，吴靖，王涛.考虑驾驶员视觉特性的路段设计通行能力修正方法[J].中国公路学报，2010，23（2）：71-76.

[32]王芳，陈飞，汪丽媛，等.驾驶员视觉兴趣区域指标确定及影响因素分析[J].公路交通科技，2010，27（6）：127-137.

[33]邓铸.眼动心理学的理论、技术及应用研究[J].南京师大学报:社会科学版，2005，（1）：90-95.