桥形标复杂度对驾驶人脑电认知特性的影响机理

李雪玮，赵晓华，黄利华，荣 建

（1.北京工业大学城市交通学院，北京 100124；2.北京城市系统工程研究中心，北京 100035）

桥形标用于直观描述高速公路或快速路立交桥区域各匝道走向，在世界范围内应用广泛.随着交通出行需求的增加，高速路或快速路立体交叉形式逐渐复杂、出口增多，导致部分桥形标形式过于复杂，国内情况尤其突出.研究表明，复杂桥形标易使驾驶人行驶过程认读困难[1]，影响行车安全、降低出行效率.然而，我国桥形标设计设置的规范指南不够充分，缺乏桥形标复杂度的具体设计要求.为提升现有复杂桥形标的设置效用，提升其规范性和科学性，有必要挖掘桥形标对驾驶人认知过程的影响机理，为进一步实现桥形标的优化设置奠定基础.

实际上，驾驶人对交通标志的认知过程分为信息认读、感知决策及行为表现3 个阶段[2-4].信息认读和行为表现阶段反映的是驾驶人外在显性特性，表征驾驶人通过视觉、操控行为变化以适应自身对交通环境的需求[5-7]；而感知决策阶段作为隐形特性是驾驶人对外部环境综合感知基础上的决策反应，主要表征驾驶人的脑神经活动，反映驾驶人内在隐性特性和脑部认知微观变化[8-9]，大多借助脑电事件相关电位（event-related potential，ERP）、脑电波（electroencephalogram，EEG）、功能核磁共振（functional magnetic resonance imaging，fMRI）等技术开展研究，以阐明认知活动的脑机制[10].其中ERP 技术的时间分辨率最高，能够有效捕捉被试在短时间内的脑电活动特征，被用于解析被试的认知加工过程[11-12].

当前，研究人员大多采用驾驶人的视认及行为特性剖析标志对于驾驶人的作用机理，借助室内视认静态实验以及驾驶模拟动态测试等技术开展了大量的研究工作[13-15]，但针对交通标志对驾驶人脑电认知特性的影响研究不够系统和充分，特别是桥形标这一特殊标志对于驾驶人脑电特性的分析尚无相关报道.吕能超等[16]采用脑电技术研究了不同信息量的交通标志对驾驶人的工作负荷的影响，结果表明两者呈高度正相关；关伟[17]通过脑电实验研究交通标志对驾驶人信息转换过程的影响，发现交通标志的设置能够有效地提高驾驶员对弯道信息的获取速度及准确度；Liu 等[11]借助脑ERP 技术研究交通标志背景颜色发现，背景与前景颜色的对比度影响驾驶人认知加工难度，且标志内容复杂度与认知加工速度有关；何文强[18]基于被试的瞳孔面积、速度和油门深度、脑电波α 节律与β 节律的功率谱密度积分的比值，探究互通区指路标志与驾驶员情境意识之间的关系，建立了高速公路驾驶员情境意识模型.

以上研究已经利用脑电信号研究交通标志的信息感知问题，并取得重要的理论结论.然而，有关桥形标的研究较少，且主要停留在对驾驶人的视认及行为等显性特性的分析，缺乏桥形标复杂度对驾驶人感知决策方面的隐性特征解读.本文将借助ERP提取技术，针对不同复杂度桥形标的脑电认知开展实验测试，挖掘不同复杂度桥形标的认知机制，明确复杂桥形标对驾驶人认知决策的影响规律及特征，为进一步开展复杂桥形标优化设计、提高其设置效能提供理论依据，也为解析标志对于驾驶人的内在作用规律奠定理论基础.

1 实验设计

脑神经研究领域应用多种实验范式以刺激被试产生不同的脑电成分，包括Oddball 范式、Go/Nogo范式和N-back 范式[19].其中，Oddball 范式应用广泛，重点研究大脑的注意和认知加工机制，是产生P300、非匹配负波（MMN）等认知成分的经典范式.Oddball 范式的要点是对同一感觉通道施加两种刺激：一种刺激出现概率很大，称为标准刺激；另一种刺激出现的概率很小，称为靶刺激.实验任务中两种刺激以随机顺序出现，要求被试关注靶刺激，即研究关注的复杂桥形标，当靶刺激出现时尽快做出按键反应.基于此，研究采用Oddball 范式获取驾驶人脑电认知成分，以研究驾驶人对不同复杂度桥形标的认知加工过程.

1.1 标志选取

2015—2016 年北京工业大学为解决桥形标志分类问题，对北京市现有37 种桥形标志图形开展室内视认实验.从整体、局部、细节3 个层面进行测试，通过7 个评估指标（整体视认时间、整体主观评价打分、局部各方向读取时间平均值、局部各方向读取时间最高值、出口操作选择错误人数比率、路径选择的错误人数比率、细节视认风险点数量）将桥形标志图形按复杂度分为低、中、高3 种复杂度类别[20]，如表1所示.

表1 37 种桥形标图形分类结果Tab.1 Classification results of 37 bridge sign diagrams

实验以桥形标复杂度为自变量，从3 种不同复杂度的桥形标中选取4 个典型图形.其中，低等、中等复杂度桥形标各选1 个，分别记为桥形标A、桥形标B.另外，重点关注高等复杂度桥形标对驾驶人认知特性的分析，因此，选取2 个高等复杂度桥形标，分别记为桥形标C1、桥形标C2，如图1 所示.

图1 不同复杂图桥形标图形选取Fig.1 Selection of bridge sign diagrams with different complexities

1.2 被试招募

招募被试43 名（男女比例3∶1），其中32 名非职业司机，11 名代驾司机，身体状况均良好，无色弱、色盲，视力或矫正后视力水平均在0.5 以上.实验招募被试年龄分布在22～57 岁，年轻人所占比例较高（平均值27.7 岁，标准偏差9.29 岁），驾龄分布在2～31 a（平均值5.01 a，标准偏差7.04 a）.实验前禁止驾驶员饮用茶或咖啡等刺激性饮品以减少对脑电的干扰.所有被试均为右利手，以排除左右手按键差异性对脑电的影响.

1.3 实验仪器

研究采用广泛使用的脑电采集分析系统Neuroscan 32 导脑电仪，其组成部分如图2 所示.其原理主要通过被试头部佩戴脑电帽，帽上的电极实质是与头皮连接的金属导体，头皮电位通过电极与导电膏传送至电脑，并以脑电图的形式记录、保存.之后，借助先进的脑成像CURRY 分析软件，提取并分析脑活动的基本过程.

图2 Neuroscan 脑电仪Fig.2 Neuroscan electroencephalograph

1.4 刺激设计

实验需设置靶刺激和标准刺激.其中，靶刺激为选择的4 个目标桥形标（桥形标A、B、C1、C2），对应4 组平行子实验.每组子实验中的标准刺激相同，为低中等复杂度中图形差异相对较小的4 种桥形标.实验中标志设计包括靶刺激桥形标设计、桥形标目标路名位置设计、标准刺激桥形标设计和刺激程序设计.

1.4.1 靶刺激桥形标设计

实验的目的路名仅设置在靶刺激桥形标中，将选择的4 种不同复杂度桥形标分别作为每组子实验中的靶刺激进行标志版面设计.以丹阳路为目的地时的靶刺激桥形标设计为例，如图3 所示.为保障4 组子实验的差异主要为图形部分，各靶刺激标志间的3 个主方向的指示地名（红框标注）均相同.

图3 靶刺激桥形标设计版面Fig.3 Bridge sign designs in target stimulus

1.4.2 靶刺激桥形标目的路名位置设计

4 组子实验中，每组实验程序随机呈现靶刺激与标准刺激标志图片，实验中要求被试找到目的路名后立刻按确认键.为避免目的路名总在标志的某一固定位置而对于视认效果造成影响，将目的路名随机放在每种靶刺激标志的左、直、右3 个主方向.以低等复杂度靶刺激桥形标A 为例，丹阳路为目的地的3 种靶刺激桥形标设计版面，如图4 所示.

图4 靶刺激中目的路名位置设计Fig.4 Destination location designs in target stimulus

1.4.3 标准刺激桥形标设计

通过预实验在低中等复杂度桥形标（除桥形标A 外）中选取4 种较为相似的桥形标作为标准刺激.标准刺激桥形标除目的地路名与靶刺激不同外，其他地名相同.每组子实验均采用以下4 种桥形标作为标准刺激.以丹阳路为目的地时的标准刺激桥形标设计如图5 所示.

图5 标准刺激桥形标4 种设计版面Fig.5 Four bridge sign designs in standard stimulus

1.4.4 刺激程序实现

为保障靶刺激的小概率出现及脑电成分的叠加成像，每组子实验两种刺激共出现195 张桥形标，其中靶刺激出现概率为20%共39 次，标准刺激出现概率为80%共156 次.实验过程中靶刺激、标准刺激图片随机出现，且靶刺激图片不连续出现，借助Eprime 软件实现实验设计.

1.5 实验流程

每位被试以随机顺序测试4 组子实验，每组时间约为15 min，每两组间隔5 min.具体流程介绍如下：

步骤1前期准备.要求被试在实验前禁止饮用咖啡等刺激性食物，且清洗头部以保持头皮干净、干燥，实验前填写基本信息表.

步骤2仪器佩戴.实验员为被试佩戴脑电帽，注入脑电膏并将每个电极阻抗降到5 kΩ 以下，佩戴眼动仪并进行注视点的追踪与标定，确保两种仪器数据的正常采集.

步骤3实验练习.提供两组测试，选用桥形标为非正式实验使用桥形标.测试流程同正式实验流程相同，以便被试熟悉实验步骤和实验过程，确保测试数据的顺利采集.

步骤4正式实验.告知并确认被试记住目的地名称，并需在实验后绘制含目的地的桥形标及目的地匝道走向.按任意键启动软件程序自动播放子实验桥形标组图，每一标志呈现后，要求被试发现目的地路名则立即按下空格键，未找到则需按N 键.每组195 个刺激标志全部呈现后，测试环节结束.之后，要求被试在记录纸上画出含有目的地名桥形标的形状及目的地匝道走向.

随后休息5 min，实验重复步骤2～4，重新标定眼动并检查脑电信号，开始下一组子实验，直至4 组子实验全部完成.

步骤5实验结束.实验员摘取被试眼动仪、脑电帽，随后被试填写主观问卷.

2 数据预处理及指标提取

通过实验获得被试脑电、眼动、按键行为及主观评价数据，本文以驾驶人脑电及按键行为数据为基础，从驾驶人桥形标认读行为及脑电特性两个维度挖掘桥形标复杂度与驾驶人脑电认知特性间的关系.

在桥形标认读行为方面，整理被试按键行为数据，提取每种靶刺激桥形标的认读时间、目的地寻找正确比例，以反映驾驶员对4 种不同复杂度桥形标的认读时长及目的地路名寻找难易程度的差异.其中，认读时间是指从靶刺激桥形标出现到驾驶员按键行为产生的时间间隔，单位s；目的地寻找正确比例是指被试正确寻路名的次数与靶刺激出现的总次数的比值.

另一方面，针对驾驶人桥形标认知的脑电特性，借助Curry 7 分析软件对脑电信号进行去除眼电伪迹、数字滤波、脑电分段、基线校正、叠加平均等处理，以获取精确的脑电波形.观测每组子实验靶刺激与标准刺激的总平均ERP 波形图，发现实验主要产生了两种ERP 成分，即分布于额区的N100 和分布于顶区的P300.

根据总平均ERP 波形图特征，结合N100、P300成分的分布和含义，选取前额和前额中央联合区6 个电极点（F3、FZ、F4、FC3、FCZ、FC4）作为N100成分分析电极，选取中央区至顶区9 个电极点（C3、CZ、C4、CP3、CPZ、CP4、P3、PZ、P4）作为P300 成分的分析电极，并结合成分出现时段确定两种成分的分析时间窗口（表2）.最终提取时间窗口内N100、P300 成分的平均振幅及潜伏期.其中，平均振幅是指时间窗口内波形数据点的平均值，并将时间窗内峰值出现的时间作为潜伏期.以低等复杂度桥形标A 组为例，靶刺激与4 个标准刺激位于FZ 电极点的波形图，如图6 所示，图中蓝色曲线为靶刺激FZ 电极处波形，波形峰值处标记数据点即为峰值点的振幅及潜伏期数值，其中，第1 个灰框处为N100的出现时刻，潜伏期和峰值为（86.0 ms，−2.84 μV），第2 个灰框处为N300 的出现时刻，潜伏期和峰值为（498.0 ms，1.63 μV）.

表2 两种脑电成分代表电极及分析时间窗Tab.2 Electrode and time window of two electroencephalogram compositions

图6 桥形标A 组FZ 电极处波形Fig.6 Wave at FZ electrode for bridge sign group A

实质上，ERP 成分的振幅可以反映认知过程的强度，潜伏期反映了认知加工处理的时间进程[11].其中，N100 为脑电早期成分，反映驾驶人直觉反应条件下的早期注意分配，注意分配越多振幅越大[21]，早期注意时间越早，潜伏期越短；P300 为认知相关的内源成分，代表了刺激判别、决策选择以及物体分类等思维活动的进行[22]，反映驾驶人对选择注意事件的注意资源分配和认知负荷水平，其波幅与任务的难度有关，潜伏期能够反映认知加工速度[22]，表现为波幅越大，认知难度越大，潜伏期越短，认知加工速度越快.

3 结果分析

3.1 认读行为

4 种靶刺激桥形标影响下，对被试认读行为指标进行重复测量方差分析，结果发现认读时间（检验统计量F分布F(3，68)=10.105，检验水平P=0）、目的地寻找正确比例（F(3，68)=3.143，P=0.033 <0.050）均受到显著影响.如图7 所示，低等复杂度桥形标A、中等复杂度桥形标志B、高等复杂度桥形标C1 和C2 的认读时间分别为1.27、1.30、1.41、1.57 s，认读时间随复杂度增加呈现显著上升趋势；目的地路名寻找正确比例依次为94.16%、92.11%、89.89%及89.46%，随复杂度的增加而显著降低.

图7 认读行为数据Fig.7 Reading behavior data

另外，尽管桥形标C1、C2 为同一复杂度等级，其认读时间及目的地寻找正确比例仍然表现出较大差异，表明桥形标复杂度可在以往视认复杂度分类基础上结合脑电认知特性进一步地细致划分.总体趋势表现为，随着桥形标复杂度增加，认读时间增长，而目的地寻找正确比例降低.结果论证了桥形标复杂度越高，驾驶人解读信息的时间越长，寻找目的地路名的难度也越大.

3.2 脑电特性

4 种不同复杂度靶刺激桥形标影响下，对N100、P300 成分的平均振幅及潜伏期分别进行重复测量方差分析，以查看不同复杂度桥形标影响下驾驶人早期注意及认知负荷的变化.

1）早期注意电位N100

N100 作为刺激呈现后出现的第一个负成分，反应驾驶人直觉反应条件下的早期注意分配.如图8所示，桥形标A、B、C1、C2 的N100 平均振幅分别为−1.27、−1.37、−1.58、−1.70 μV，潜伏期分别为88.04、89.37、93.12、94.66 ms.随着桥形标复杂度增加，能够更多地诱发N100 平均振幅及峰值的负向偏移，潜伏期时长增加.表明桥形标越复杂将致使驾驶人早期注意分配越多、早期注意时间越滞后.

图8 N100 分析结果Fig.8 Analysis results of N100

对N100 成分的平均振幅及潜伏期进行4（4 种桥形标）×6（6 个电极）重复测量的方差分析，本文重点关注桥形标作为主效应时的差异性检验结果.结果显示桥形标主效应及交互效应并未对N100 成分平均振幅、潜伏期指标呈现显著性差异（P>0.050）.

2）认知电位P300

P300 分析结果如图9 所示.

如图9（a）所示，随着桥形标复杂度增加，诱发P300 的平均振幅更多的正向偏移；表明桥形标复杂度增大，驾驶人认知难度将增加，尤其是高等复杂桥形标认知负荷明显高于低、中等复杂桥形标.

图9（b）中，从低等复杂度桥形标A 到高等复杂度桥形标C1，各组靶刺激桥形标与标准刺激的低等复杂度桥形标的差异性越来越大，P300 潜伏期逐渐降低，驾驶人越容易将靶刺激从标准刺激中辨别出来.另外，桥形标C2 处的潜伏期却突然增大至桥形标A 附近的水平，很可能是因为该标志图形存在环形匝道，与标准刺激标志图形相似，驾驶人对该标志的认知速度变慢，认知辨别难度相继增加.未来可将图3（d）下方出口符号，替换成图3（c）下方出口符号后，二次实验取得潜伏期数据，以此验证潜伏期差距过大与环形匝道的关系.

图9 P300 分析结果Fig.9 Analysis results of P300

对P300 成分进行4（4 种桥形标）×9（9 个电极）重复测量方差分析，重点关注桥形标复杂度为主效应时的差异性检验结果.4 种桥形标间的P300平均振幅呈现显著性差异（P<0.050），且两两比较结果表明桥形标C1、C2 与桥形标A、B 存在显著性差异（P<0.050）.4 种桥形标间的P300 潜伏期呈现边缘性显著性差异（P=0.052），两两比较结果表明，桥形标C1 与桥形标A、C2 存在显著性差异；桥形标C1、C2 的认知难度明显高于桥形标A、B，桥形标C1 的加工速度明显优于桥形标A、C2.

综合考虑驾驶人的认读行为及脑电特性可得，桥形标复杂度对驾驶人认知过程及系列决策行为存在显著影响，总体表现为桥形标越复杂，其视认加工越困难.在认读行为方面，随着桥形标复杂度增加，驾驶人认读时间增长，目的地路名寻找出错率显著增加；在脑电特性方面，随着桥形标复杂度增加，驾驶人的早期注意分配增多（N100 绝对振幅增大），早期注意时间滞后（N100 潜伏期增长），同时认知难度增加（P300 振幅增加）.另外值得一提的是靶刺激与标准刺激间的差异性越大，P300 潜伏期越短，越容易从低等复杂度桥形标中辨别，这一现象也证实了桥形标的复杂度对于驾驶人的脑电认知加工是存在显著性影响的.

4 结 论

本文揭示了桥形标复杂度与脑电认知特性间的影响关系，获取了驾驶人对不同复杂度桥形标的认知规律，其结论如下：

1）桥形标复杂度显著影响驾驶人认读时间及目的地路名寻找难易程度.随着桥形标复杂度增加，驾驶人认读时间增长，目的地寻找正确比例降低.

2）驾驶人早期注意分配受桥形标复杂度影响，桥形标复杂度的增加，将诱发N100 平均振幅、峰值更多的负向偏移，即驾驶员早期注意分配增加、早期注意时间滞后.

3）复杂度条件变化下驾驶人认知负荷增加，桥形标复杂度增加，将诱发P300 平均振幅更多的正向偏移，即驾驶人认知难度显著增加.尤其是驾驶人对高等复杂桥形标的认知负荷显著高于低、中等复杂度桥形标.

4）靶刺激桥形标与标准刺激的低等复杂度桥形标差异性越大，P300 潜伏期越短，越容易与低等复杂度桥形标辨别，进一步论证了桥形标复杂度对于驾驶人脑电认知的作用.

本文探讨了桥形标复杂度对脑电认知特性的影响关系，揭示了驾驶人对不同复杂度桥形标的脑电认知加工机理，为复杂桥形标的比选设计提供方法.同时，对于已有桥形标的优化及后期新型桥形标设计应考虑图形复杂度与脑电认知特性间的潜在关系，合理设置桥形标的复杂度，降低驾驶人注意分配及认知负荷.另外，研究也表明了对已有高等复杂度桥形标进行优化设计的必要性，从而进一步提升桥形标设置的综合效用.