不同线形诱导信息量下新老驾驶员视觉特性

2021-01-08朱守林戚春华高明星李航天吕俊祥

科学技术与工程 2020年34期

朱守林, 韩磊, 戚春华, 高明星, 李航天, 吕俊祥

(内蒙古农业大学能源与交通工程学院, 呼和浩特 010018)

近年来，专家学者们已经意识到交通工程设施设置不合理也是诱发交通事故的重要原因之一。研究表明，交通工程设施信息量设置不合理会影响驾驶员的行车安全，而合理的交通工程设施信息量能够诱导驾驶员高效、准确、及时地获取道路交通环境信息，从而对驾驶操作做出及时的调整。研究表明：相对于直线路段，车辆在弯道路段行车时受视距、曲率和横向力等因素的影响易导致驾驶员难以及时获取相关道路交通信息和进行相关驾驶操作而诱发危险驾驶行为，对车辆在弯道行驶的稳定性和安全性产生巨大威胁[1]。

为保障行车的稳定与安全，驾驶员需要在有限的时间内完成对复杂的道路交通环境信息的搜索、判断并完成相应的驾驶操作，对交通事故的成因分析研究表明道路交通事故的发生有92.6%是人为因素引起的，而在人因因素中和驾驶员视觉特性相关的比例极高。目前在交通安全领域，国内外专家学者利用眼动设备针对驾驶员视觉特性已经取得了一系列的研究成果。高振海等[2]分析了驾驶员在不同车速条件下变换车道过程中的眼动变化规律；尚婷等[3]研究了道路视错觉控速标线对驾驶员的影响并建立了趋势面模型进行定量评价；许世勇等[4]探究了高速公路彩色路面对驾驶员视觉行为的影响规律，发现彩色路面在能够有效引起驾驶员视觉注意的同时也影响了驾驶员的视觉舒适性；高岩等[5]分析了驾驶员在跟车过程中进行不同手机分心操作时的视觉特性，进而确定不同类型手机分心操作对行车安全的影响程度；Erik等[6]分析了驾驶员在直行和换道两种驾驶条件下注视区域和频次的变化特征；Belyusar等[7]研究了驾驶员在高速公路行车时视认路旁数字广告牌的注视行为变化规律；Ana等[8]通过模拟驾驶实验探究了驾驶员视认交通标志的频次和时间以及速度变化规律；Yan等[9]研究了驾驶员在特长隧道特殊光区路段时注视点分布、注视持续时间和瞳孔面积的变化规律，发现特殊光区可以帮助减轻驾驶员的视力疲劳；Valeria等[10]对比研究了驾驶员对正常道路和道路施工区交通标志的注视行为特性发现相对于组合标志驾驶员对单个标志的视认时间更长。

总结发现，以往的研究主要集中于驾驶员跟驰、换道、分心等驾驶行为以及特定行车环境条件下的眼动研究，而针对交通工程设施的眼动研究也大多侧重于对交通标志的基本要素、有效性评价和优化设置等方面，鲜见对驾驶员的视觉特性与线形诱导信息量之间关系的分析，特别是在景观单调、线形简单的草原公路，弯道路段线形诱导信息量对新老驾驶员视觉特性的影响亟待研究。基于此背景，现结合交通工程学、人机工程学、交通安全心理学等基础理论，深入研究分析线形诱导设施信息量对新老驾驶员视觉注意特性的影响问题，对于训练驾驶员信息获取、减少认知错误和保障行车安全有显著的理论和现实意义。

1 试验设计

1.1 交通工程设施信息量化

不同信息量的交通工程设施会对驾驶员产生不同的驾驶信息负荷，控制驾驶信息负荷的关键是交通工程设施的信息量。根据项目组前期研究，应用香农信息理论进行交通工程设施信息的定量分析，并利用层次分析法(AHP)确定了交通工程设施信息各个元素的权重如表1所示[11]。

表1 交通工程设施各个元素的信息量和权重

在综合考虑各种要素的单信息量以及所占权重以后，可以得到草原公路交通工程设施信息量的计算公式为

H(S)=ε1Hn1+ε2Hn2+…+εiHni

(1)

式(1)中：H(S)为草原公路交通工程设施总信息量；εi为每种元素的权重；Hi为第i种元素的基本信息量；ni为交通工程设施中该元素的数量。采用以上方法对草原公路弯道处的线形诱导设施进行量化处理，包括线形诱导标志和警示桩等，进而分析不同信息量层级条件下驾驶员的眼动行为特性。

1.2 试验被试

招募20名驾驶员，视力或矫正视力均正常且均持有C照驾驶证。综合考虑被试驾驶员的驾龄、驾驶里程和驾驶行为习惯等根据模糊聚类评价方法将20名被试驾驶员分成2组：熟练组驾驶员[10人，驾龄(8.74±1.26)年，驾驶里程(54.25±2.62)万km]和非熟练组驾驶员[10人，驾龄(2.63±0.84)年，驾驶里程(2.33±0.54)万km]。

1.3 试验设备

利用六自由度模拟驾驶舱进行模拟驾驶试验，模拟驾驶车辆前方配备有能够为驾驶员提供180°主观水平视野的环形幕布，采用SMI iView XTM HED型头盔眼动仪实时采集记录驾驶员在模拟驾驶过程中眼动行为数据和行车交通场景画面，眼动仪采样频率200 Hz。模拟驾驶试验设备如图1所示。

图1 试验设备Fig.1 Test Equipments

1.4 试验场景

本次模拟驾驶试验中的弯道模拟场景设计参考了典型二级草原公路，根据实地调查小半径弯道线形设计参数拟定为半径500 m，长度300 m，车道宽度3.75 m，双向两车道，转向均为左转，设计车速为80 km/h，场景中不设置其他交通车辆以及差异性景观，避免对试验结果产生影响。根据对内蒙古东、西部典型草原公路沿线交通工程设施进行调查统计，发现在小半径弯道路段的线形诱导标志和红白警示桩设置不科学，同时根据前文的量化方式，对草原公路弯道线形诱导设施信息量范围设置了5个层级。弯道模拟场景以及设置信息量层级见图2、表2。

图2 试验场景Fig.2 Test scenario

表2 模拟场景信息量层级

2 熟练与非熟练驾驶员注视特性比较

2.1 注视区域划分

在Victor区域划分中，划分边界是以度为单位表征的，反映出的是一个球面[12]。而眼动仪记录的X轴和Y轴坐标单位是像素，反映的是一个平面，视频画面的尺寸为752×480像素。在此基础上，通过三角函数的运算将驾驶员视野注视区域的划分落实到眼动仪拍摄的平面：左边侧是从(0，0)点到(194，480)点的区域，记为A区域，表示驾驶员关注道路左侧及景观区域；上方是从(194，239)到(558，480)的区域，记为B区域，表示驾驶员关注道路远处区域；下方是从(194，0)到(558，239)的区域，记为C区域，表示驾驶员关注道路近处的区域；右边侧是从(558，0)到(752，480)的区域，记为D区域，表征驾驶员关注道路右侧及景观区域。注视区域划分结果如图3所示。

图3 驾驶员注视区域划分Fig.3 Division of driver’s gaze area

2.2 不同驾驶熟练程度下注视特征分析

注视点位置和频次以及注视持续时间能够反映驾驶员对目标所感兴趣的区域和热度以及获取信息的难易程度，是2个重要且相对独立的评价指标，可以有效表征驾驶员注视的空间和时间特征。

熟练组和非熟练组驾驶员在5种信息量层级条件下的草原公路弯道行车时的注视散点图如图4所示，并对两组驾驶员对各区域的注视频次和时间进行统计分析如图5和图6所示。

图4 两组驾驶员注视散点图Fig.4 Fixation scatter plot map of the two groups of drivers

图5 两组驾驶员对各区域的注视频次百分比Fig.5 Percentage of fixation in each area of two groups of drivers

图6 两组驾驶员对各区域的注视时间Fig.6 The fixation time of two groups of drivers of the two groups of drivers on each area

由图4可以看出驾驶熟练程度显著影响了驾驶员注视行为的空间特征，熟练组驾驶员注视分布比非熟练组在水平方向更广且关注距离大多较远，非熟练组驾驶员注视水平方向较集中且相比熟练组驾驶员对近距离的注视较多。结合图5、图6可见,两组驾驶员对各个区域的注视分布规律相同，均是对B区域即道路远距离注视频次最多高达60%以上，但熟练组驾驶员对A和B区域的关注频次要高于非熟练组，C区域正相反，D区域无显著差异.熟练组驾驶员对A区域和D区域的平均注视时间和波动范围显著高于非熟练组，但两组驾驶员对B区域(p=0.807)和C区域(p=0.597)的注视时间没有显著差异(α=0.05)。

不同驾驶熟练程度的驾驶员注视行为的空间特征和时间特征有相似之处，但也存在一定显著差异，与郭应时等[13]的研究结果一致。草原公路车流量小，车速较快，两组驾驶员都较为关注远方区域来获取充分的信息保证安全行车，但熟练驾驶员行车过程中驾驶负荷比非熟练组低，驾驶精神状态较为放松，注视分布比非熟练驾驶员更远也更分散，即熟练驾驶员除了优先关注道路交通信息外也会关注于其他与道路交通无关的目标，而非熟练驾驶员由于缺乏驾驶经验，对于道路交通状况更加警觉，所以注视区域主要集中于道路中央且相对熟练驾驶员更多关注的道路近处，而对道路两侧和与交通无关的目标甚少关注，也反映出其驾驶过程较为谨慎，紧张程度较高，对视觉信息的处理能力和效率较弱，视觉搜索策略需要改善。

2.3 不同驾驶熟练程度下视觉强度分析

根据韩磊等[14]提出的表征驾驶员视觉强度的三个指标的计算方法，分别对熟练组和非熟练组两组驾驶员在各个信息量层级条件下的眼动活动强度做数学统计分析和显著性差异分析，箱线图如图7所示。

图7 不同信息量条件下熟练组与非熟练组驾驶员眼动强度Fig.7 Eye movement intensity of the skilled and unskilled drivers at different levels of information

对注视、扫视和眨眼强度数据做方差齐性检验，其中扫视强度数据(Levene统计量为0.015，p=0.902>0.05)满足方差齐性，而注视强度(Levene统计量为5.606，p=0.019<0.05)和眨眼强度(Levene统计量为14.844，p=0.000<0.05)数据不满足方差齐性，故对其做非参数检验。经单因素方差分析检验和Mann-Whitney U检验：被试驾驶员在各信息量层级条件下行车过程中注视强度(Z=-2.143，p=0.032<0.05)和扫视强度(F=16.087，p=0.000<0.05)受驾驶熟练与否影响显著，而对眨眼强度(Z=-0.660，p=0.509>0.05)影响不显著。

图7可见，熟练组驾驶员的平均注视强度比非熟练组驾驶员高7.37%，而平均扫视强度和平均眨眼强度低于非熟练组驾驶员32.33%、27.91%，其中在5种信息量层级条件下非熟练组驾驶员的平均扫视强度均高于熟练组驾驶员且均值变化幅度剧烈，而注视强度和眨眼强度均值对比变化较平缓；非熟练组驾驶员3种强度指标数据平均分布范围比熟练组驾驶员高约58.61%，数据离散程度较大；熟练组驾驶员平均眨眼强度表现出先上升后下降趋势，而平均注视强度和平均扫视强度则是呈现先下降后上升趋势；非熟练组驾驶员平均注视强度和平均眨眼强度呈先上升后下降又上升的波动趋势，平均扫视强度先下降后波动中缓慢上升；其中，两组驾驶员在5种信息量层级条件下的眼动强度变化趋势均在Q2条件下发生转折突变，即在Q2条件下两组驾驶员的视觉活动强度表现适宜，视觉负荷适中，有良好的信息搜索和认知能力。

上述分析说明：被试驾驶员熟练与否显著影响了行车过程中注视强度和扫视强度，而对眨眼强度影响不显著；从注视强度来看，两组驾驶员信息感知和处理模式有差异，非熟练驾驶员在草原公路弯道整体感知和处理交通信息的能力不及熟练驾驶员；从扫视强度看，两组驾驶员在弯道的搜索和选择有效信息的模式有差异，熟练驾驶员能够凭借丰富的驾驶经验及时有效地获取交通驾驶信息，而非熟练驾驶员更多的无效搜索将会导致注意力的过度分散同时还更多地受到冗余和无效信息的影响，甚至会导致错误判断和决策酿成交通事故；从眨眼强度看，虽然经统计检验驾驶经验对其无显著影响，但数据分布和集中程度说明非熟练驾驶员相对熟练驾驶员眨眼强度不稳定即注意力集中程度较差。

对熟练组和非熟练组被试驾驶员3种眼动活动强度的变化与5种信息量层级之间做拟合回归分析，拟合回归方程以及决定系数如表3所示。

由于驾驶员行车过程中视觉活动主要包括注视、扫视、眨眼三种形式，因此相应的注视强度、扫视强度、眨眼强度指标就组成了驾驶员行车过程中的眼动行为总强度指标，可以表示为

Y=αa+βb+θc

(2)

式(2)中：Y为驾驶员视觉活动总强度；a、b、c分别为注视强度、扫视强度、眨眼强度；α、β、θ分别为各眼动强度的权重，%。

式(3)中系数α、β、θ的权重值可以由驾驶员行车过程中眼动行为中注视、扫视、眨眼行为发生的频次和所占比重值而确定。对两组驾驶员行车过程中注视、扫视和眨眼行为发生的频次以及平均所占比例统计如表4所示。