手机社交娱乐操作对驾驶人视觉参数影响研究

游 峰，涂海清，宫云渤，王海玮，徐建闽

(1.华南理工大学土木与交通学院，广州510641；2.广东交通职业技术学院运输与经济管理学院，广州510650)

0 引 言

近年来，因分心驾驶导致的交通事故频繁发生.研究表明，驾驶中操作手机是分心驾驶最主要诱因[1].据美国高速公路安全管理局(NHTSA)统计，2012年，美国12%的交通事故与使用手机有关，而在2013年这一统计数据上升至14%，为此，各国政府交通法规明令禁止在驾驶过程中操作手机，部分地区制定法规时，禁止使用手机进行手持通话，但允许免提通话.然而，Ioanna等[2]通过模拟驾驶实验发现，与免提通话相比，手持通话驾驶安全性更高.交通立法的不完善性表明，手机使用对驾驶人认知分心和视觉影响尚未完全明确，而随着手机功能的增加，驾驶中使用手机愈来愈频繁.

研究表明，驾驶中驾驶人主要任务包括感知车辆运行环境、生成控制决策和操控车辆，驾驶人视觉对驾驶行为贡献率约为80%[3].为研究手机使用对驾驶人视觉的影响，CAIRD J.K.等[4]研究驾驶人读写短信过程，发现该过程中驾驶人视线离开道路平均时间为4.6 s，此时事故发生概率是正常驾驶的23倍.高岩等[5]利用模拟器开展实验，分析驾驶人进行不同手机操作时车辆运行特性与驾驶人视觉特性，指出特定手机操作行为对注视点分布信息熵、注视时长等有显著影响.Xie等[6]建立驾驶干扰判别模型，判别不同道路类型和会话任务下驾驶人注视前方道路时间比、注视持续时间和瞳孔大小变化，结果表明，复杂会话任务导致注视持续时间和瞳孔半径增加.张辉[7]研究免提手机通话和微信语音短信次任务对应的视觉变化，发现免提通话和语音短信对注视时间、瞳孔直径、眼跳持续时间等存在影响.

总结国内外驾驶过程手机使用对视觉参数影响研究发现，已有研究主要试验手机操作对注视行为影响，但对所选视觉衡量指标的有效性有待进一步验证.同时，驾驶人使用手机时扫视、眨眼及瞳孔的变化规律仍需进一步探索.此外，就手机操作内容方面，已有研究主要针对拨打电话和收发短信等驾驶次任务，而忽略手机社交娱乐操作对视觉参数的影响，如观看视频、刷朋友圈等.

为此，本文以行车过程中5种常见操作行为为研究对象，即正常驾驶、拨打电话、收发信息、观看视频及刷朋友圈，设计模拟驾驶实验，采集不同操作下对应的视觉特征数据，基于拉依达准则和联合频数分布直方图进行数据归约.最后，基于不同操作箱形图和显著性检验结果验证所选视觉衡量指标的有效性.

1 实验设计

1.1 受试驾驶人

受试人18名，平均年龄30.39岁，均拥有C1 驾驶证.受试人视觉机能正常，驾驶习惯与精神状态良好.

1.2 实验设备

实验设备包括视觉信息采集设备和模拟驾驶器，如图1所示.视觉信息采集系统为SmartEye 眼动仪，该仪器可实现眼部和头部追踪，采集瞳孔直径、注视、扫视及眨眼行为等眼动参数.模拟驾驶器由显示屏和模拟驾驶舱构成，驾驶舱模拟实车操纵部件，显示屏同步车辆当前操纵行为，并显示车辆位置和道路环境[8].

1.3 实验过程

实验过程包括基本信息采集、适应性训练、驾驶试验和数据汇总等4步.

(1)基本信息采集.向受试人介绍实验内容和实验要求，记录受试人驾龄、性别及行驶里程数等基本信息；

(2)适应性训练.受试人在模拟道路环境下进行10∼20 min的适应性训练，为避免学习效应，该过程不涉及次任务操作；

(3)驾驶实验.实验开始，受试人驾驶主车按预定线路行驶，驾驶行为包括跟车行驶和超车换道.为避免其他车辆影响，选择城郊道路行驶，速度为40～80 km/h.被试人在无干扰状态下行驶3 min 左右，行驶至特定位置时，被试人在场景内文字和工作人员语音提醒下完成指定手机使用操作，包括拨打电话、收发短信、观看视频和刷朋友圈，每项操作持续约1 min，每项操作间隔2 min.工作人员逐项记录被试人操作动作.实验重复三次，每次实验过程耗时约1.5 h.

(4)试验结束及数据汇总.汇总驾驶人的基本信息和眼动仪采集数据.

1.4 数据处理

实验过程存在部分干扰，为提高数据可靠性，对眼动仪采集数据进行处理.首先采用拉依达准则清洗异常噪点，然后根据联合频数分布直方图法对离散边界数据归约.

1.4.1 数据清洗

根据拉依达准则，去除异常噪点数据，一组注视点数据清洗对比结果如图2所示.

图2 数据清洗对比图Fig.2 Comparison before and after noise data cleaning

1.4.2 数据归约

经清洗后，仍存在大量冗余数据.为提高数据可靠性，对数据归约，剔除密集程度较低的类边界离散数据.考虑到视觉数据聚集度高、类内间距小、类外间距大的特点，联合水平和垂直视角构建分布直方图以此进行数据归约.联合频数分布直方图如图3所示，一组注视点数据归约结果如图4所示.

图3 联合频数分布直方图Fig.3 Joint frequency distribution histogram

图4 注视点数据归约结果Fig.4 Gaze data reduction result

由图4可知，注视范围主要集中在6个区域：A道路(前方近处、中央及道路外侧)、B 左后视镜、C右后视镜、D仪表盘、E车内后视镜和F手机.对环境分析表明，这与驾驶人视觉感兴趣相符合，说明数据归约结果可靠.视觉感兴趣区域如图5所示.

图5 视觉感兴趣区域Fig.5 Visual interest area

2 手机操作对视觉参数影响

2.1 视觉参数的选取

为探究手机操作对视觉参数的影响，选取注视、扫视、眨眼和瞳孔直径行为视觉特征参数，通过箱形图和显著性检验判断参数能否作为评价指标.视觉特征参数如表1所示.

表1 视觉特征参数Table1 Visual feature parameters

2.2 手机操作对注视行为影响

分析5种操作对注视行为的影响，反映注视行为的指标包括：水平和垂直视角标准差、视线离开道路时间百分比、注视区域熵率.

2.2.1 水平视角标准差

水平视角标准差反映水平视觉搜索范围大小，不同操作水平视角标准差箱形图如图6所示(箱形图中，上、下—分别表示数据最大值/最小值，方框上、下端分别对应上、下四分位数，框中横线为中位数，下同).由图6可知，使用手机时水平视角的标准差均值高于正常值，其中，看视频时水平视觉标准差最大.

图6 不同操作水平视角标准差箱形图Fig.6 Standard deviation box-plot of horizontal viewing angles for different operations

使用Kruskal-Wallis测试对水平标准差进行显著性检验，两两数据显著性差异比较如表2所示，可知水平视角标准差在使用手机和正常状态下存在显著性差异.因此，水平视角标准差可以作为手机操作对视觉影响的评价指标.

表2 不同操作水平视角标准差显著性检验结果Table2 Standard deviation significance test results of horizontal viewing angles for different operations

2.2.2 垂直视角标准差

垂直视角标准差反映垂直视觉的搜索范围，不同操作垂直视角标准差箱形图如图7所示，使用手机时，垂直视角标准差均值高于正常值，其中，刷朋友圈对垂直视觉标准差影响最大.

图7 不同操作垂直视角标准差箱形图Fig.7 Standard deviation box-plot of vertical viewing angles for different operations

表3为两两数据显著性差异，可知垂直视角标准差在使用手机和正常状态下存在显著性差异.因此，垂直视角标准差可以作为手机操作对视觉影响的评价指标.

表3 不同操作垂直视角标准差显著性检验结果Table3 Standard deviation significance test results of vertical viewing angles for different operations

2.2.3 视线离开道路时间百分比

不同操作视线离开道路的百分比箱形图如图8所示，使用手机时视线离开道路时间百分比较正常驾驶时大；收发短信时，该比率超过50%.

图8 不同操作视线离开道路时间百分比箱形图Fig.8 Box-plot of time percentage of line of sight leaving road for different operations

表4为两两数据显著性差异，可知视线离开道路时间百分比在使用手机和正常状态下存在显著性差异.因此，视线离开道路时间百分比可以作为手机操作对视觉影响评价指标.

表4 不同操作视线离开道路时间百分比显著性检验结果Table4 Significance test results of time percentage of line of sight leaving road for different operations

2.2.4 注视区域熵率

信息熵是度量信息量的概念，表示系统的混乱程度.本文用注视区域的熵率描述视觉分心程度.熵率的计算步骤如下.

Step 1将每个注视点距质心的距离作为熵率的输入量.

Step 2对输入数据做标准化处理.设注视点坐标到质心的距离集合为X，X={x1,x2,…,xn}，输入数据标准化方法为

式中：xi为第i注视点坐标到质心距离，Ii为标准化处理后的集合元素.

Step 3根据信息熵定义，求出信息熵率E的值为

式中：pi为事件发生概率

不同操作注视熵率箱形图如图9所示，使用手机时注视区域熵率高于正常状态，熵率值分布较分散.

图9 不同操作的注视区域熵率箱形图Fig.9 Box-plot of entropy rate of gaze area for different operations

表5为两两数据显著性差异，可知正常驾驶下注视区域熵率与拨打电话、收发信息和刷朋友圈呈显著差异，而与观看视频状态无明显差异.因此，注视区域的熵率不能作为手机操作对视觉影响的评价指标.

2.3 手机操作对扫视行为影响

分析5种手机操作对扫视行为的影响，反映扫视行为的指标包括：扫视幅度、扫视平均速度及扫视峰值速度.

表5 不同操作注视区域熵率显著性检验结果Table5 Significance test results of entropy rate of gaze area for different operations

2.3.1 扫视幅度

不同手机操作扫视幅度箱形图如图10所示，正常扫视幅度均值与拨打电话相近，而看视频、刷朋友圈和发信息过程中的扫视幅度均值较正常均值明显增加.

图10 不同操作扫视幅度箱形图Fig.10 Box-plot of scanning range for different operations

两两数据显著性检验结果如表6所示，正常驾驶状态下扫视幅度与看视频、刷朋友圈和收发信息状态下数值呈显著性差异，但与拨打电话之间的显著性不明显.因此，扫视幅度不能作为手机操作对视觉影响的评价指标.

表6 不同操作扫视幅度显著性检验结果Table6 Significant test results of scanning range for different operations

2.3.2 扫视平均速度

不同操作驾驶人扫视速度箱形图如图11所示，使用手机导致扫视平均速度高于正常数值，其中刷朋友圈对扫视速度影响最大.

图11 不同操作扫视平均速度箱形图Fig.11 Box-plot of scanning average velocity for different operations

表7为两两数据显著性差异，可知扫视平均速度在使用手机与正常状态下呈显著性差异.因此，扫视平均速度可作为手机操作对视觉影响的评价指标.

表7 不同操作扫视平均速度显著性检验结果Table7 Significant test results of scanning average velocity for different operations

2.3.3 扫视峰值速度

在2.3.2节基础上，考虑手机使用对扫视峰值速度的影响，表8为不同操作下扫视峰值速度统计表.由表8可知，刷朋友圈时扫视峰度值最大，发信息时峰度值最小，使用手机的峰度值较正常值不是同向变化.因此，扫视峰值速度不能作为视觉影响的评价指标.

表8 不同操作扫视峰值速度统计表Table8 Statistical table of scanning peak velocity for different operations

2.4 手机操作对眨眼行为影响

不同操作眨眼持续时间箱形图如图12所示，使用手机导致眨眼持续时间高于正常状态，其中刷朋友圈对眨眼行为影响最大.

图12 不同操作眨眼时间箱形图Fig.12 Box-plot of blink time for different operations

表9为两两数据显著性差异，可知眨眼持续时间在使用手机和正常状态下存在显著性差异.因此，眨眼行为可作为手机操作对视觉影响的评价指标.

表9 不同操作眨眼时间显著性检验结果Table9 Significant test results of blink time for different operations

2.5 手机操作对瞳孔直径影响

不同操作下的瞳孔直径箱形图如图13所示，使用手机导致瞳孔直径低于正常状态数值.其中，收发信息对瞳孔直径影响最大.

图13 不同操作瞳孔直径大小箱形图Fig.13 Box-plot of pupil diameter for different operations

表10为两两数据显著性差异.由表10可知，正常状态下瞳孔直径与刷朋友圈和发信息状态下该数值成显著性差异，与另外两种状态数值不成显著性差异.因此，瞳孔直径不能作为评价指标.

表10 不同操作瞳孔直径显著性检验结果Table10 Statistical test results of pupil diameter for different operations

3 实验分析

综合上述，驾驶过程中使用手机对注视行为、扫视行为及眨眼行为有显著影响，视觉参数较正常驾驶时有所增加.

不同操作在水平和垂直视角标准差、视线离开道路时间百分比、扫视平均速度和眨眼持续时间上呈显著性差异.视觉参数影响过程为：(1)驾驶中使用手机时视线在道路和手机之间转移，因此视觉搜索广度增大，水平和垂直视角标准差增加；(2)社交娱乐操作容易导致驾驶人分心，视线离开道路时间百分比较正常驾驶时有所增加；(3)使用手机时驾驶人对信息加工的速度和寻找下一目标的速度变快，导致扫视平均速度增加；(4)社交娱乐操作对驾驶人视觉资源占用较大，眼睛处于疲劳状态，需要通过持续眨眼获取外界信息，不断提高驾驶专注，因此眨眼持续时间增加.

为量化不同操作对视觉参数影响程度，将各种视觉参数做标准化处理，并将处理后结果归一化计算影响因子，以此对比不同操作对视觉参数影响程度.影响因子计算步骤如下.

Step 1对视觉参数做标准化处理.设第i项视觉参数输入集合为Mi，则Mi={mi1,mi2,…,mij}，则视觉参数标准化为

式中：Ni为标准化处理后的视觉参数；mij为第i项视觉参数的第j个输入值.

Step 2对处理后结果做归一化计算影响因子.按权值大小将标准化视觉参数归一化.影响因子计算为

式中：f为归一化后影响因子；wi为对应不同视觉参数的权重.

不同操作下视觉参数影响因子如图14所示.由图14可知，手机操作对驾驶行为有明显影响，其中，观看视频和刷朋友圈等社交娱乐操作对视觉参数影响程度明显高于拨打电话和收发短信操作.

图14 不同操作视觉参数影响因子图Fig.14 Visual parameter influence factor for different operations

4 结 论

随手机社交娱乐功能日益增多，因分心驾驶导致的事故愈来愈多，为研究社交娱乐操作对驾驶人视觉参数影响，开展了模拟驾驶实验揭示视觉参数影响变化情况.

对比正常驾驶状态发现，当进行手机分心操作时，水平和垂直视角标准差、视线离开道路时间百分比、扫视平均速度和眨眼持续时间有明显增加，且与操作类型呈显著性差异.而注视区域熵率、扫视幅度、扫视峰值速度及瞳孔直径等参数虽有变化，但与操作类型无显著性差异.引入影响因子，计算得到4项手机操作对驾驶人视觉参数影响由大到小依次为：刷朋友圈、收发短信、观看视频、拨打电话.

本研究量化不同操作对视觉影响，可以直观了解社交娱乐操作对视觉参数影响程度.由于试验是在模拟驾驶情况下进行的，驾驶环境与实车情况下存在一定偏差，后续考虑在更为接近真实场景的情况下开展研究.