李世武 徐 藝 孫文財(cái) 郭夢(mèng)竹 尹燕娜 戚培心

（吉林大學(xué)交通學(xué)院 長(zhǎng)春 130022）

0 引言

交通沖突辨識(shí)一直是交通領(lǐng)域研究的熱點(diǎn)，世界各國(guó)研究人員在交通沖突辨識(shí)、駕駛?cè)诵睦砼c眼動(dòng)特征等方面開(kāi)展了一定的理論研究與技術(shù)實(shí)踐，但未發(fā)現(xiàn)以眼動(dòng)特征反映駕駛?cè)诵睦磉M(jìn)而辨識(shí)交通沖突的研究。

在交通沖突辨識(shí)方面，Minderhoud等［1］改進(jìn)了TTC（time to collision）模型使其可用于微觀交通安全研究；Vogel［2］將TH（time headway）和TTC 2個(gè)指標(biāo)進(jìn)行比較，發(fā)現(xiàn)2個(gè)指標(biāo)在跟馳的車(chē)輛中是相互獨(dú)立的，都存在各自的應(yīng)用范疇；Kim 等［3］通過(guò)分析提出了二元邏輯回歸模型并利用TTC的指數(shù)衰減模型研究了車(chē)輛發(fā)生事故的可能性；Cunto和Saccomanno［4］將DRAC（deceleration rate to avoid crash）和最大可利用減速度（maximum available deceleration rate，MADR）等交通沖突指標(biāo)應(yīng)用于交叉口潛在危險(xiǎn)的微觀仿真；孟祥海等［5］提出了基于TTC 的追尾沖突數(shù)計(jì)算方法和基于DRAC 的追尾風(fēng)險(xiǎn)度計(jì)算方法；徐漢清［6］以TTC 模型為雛形開(kāi)展側(cè)向沖突指標(biāo)計(jì)算模型的研究。

在駕駛?cè)诵睦砼c眼動(dòng)特征方面，Ashley Craig等［7］通過(guò)記錄受試者的眨眼現(xiàn)象，研究了各種心理信號(hào)與駕駛疲勞的關(guān)系；M.Sodhi等［8］通過(guò)分析頭戴式眼動(dòng)儀記錄的駕駛?cè)搜蹌?dòng)行為，研究了各種駕駛?cè)蝿?wù)過(guò)程中不同行為對(duì)注意力分散的影響；R.M.Tanja等［9］研究了視、聽(tīng)覺(jué)負(fù)荷水平與駕駛操作等作業(yè)難度的變化下的駕駛?cè)搜蹌?dòng)特性；丁光明［10］通過(guò)處理高速公路隧道環(huán)境的駕駛?cè)搜蹌?dòng)與生理數(shù)據(jù)，分析了高速公路隨道環(huán)境駕駛?cè)诵睦砑吧硐嚓P(guān)指標(biāo)變化特征；M.Pedrotti等［11］通過(guò)分析不同外界刺激下駕駛?cè)说耐字睆阶兓瑢?duì)駕駛壓力進(jìn)行了分類(lèi)。

雖然傳統(tǒng)交通沖突的量化種類(lèi)較多，大都以時(shí)間、距離、能量等物理量作為量化指標(biāo)，駕駛?cè)藷o(wú)法感知上述物理量的確切數(shù)值，但各項(xiàng)沖突刺激因素對(duì)駕駛?cè)嗽斐闪藢?shí)質(zhì)性的心理負(fù)荷，因此基于可反映駕駛?cè)诵睦碡?fù)荷的瞳孔直徑進(jìn)行交通沖突辨識(shí)成為提高交通沖突辨識(shí)結(jié)果與駕駛?cè)烁兄Y(jié)果一致性的可行方法，研究成果將為推進(jìn)基于駕駛?cè)烁兄慕煌ò踩u(píng)價(jià)奠定基礎(chǔ)。

筆者面向交通沖突辨識(shí)，以駕駛?cè)送字睆綖榛A(chǔ)數(shù)據(jù)，通過(guò)傅里葉變換分析追尾沖突下駕駛?cè)送字睆降念l譜特征，逐點(diǎn)掃描計(jì)算總采樣長(zhǎng)度內(nèi)瞳孔直徑與模板瞳孔直徑的相似度，提取相似度較高處的瞳孔直徑數(shù)據(jù)作為沖突識(shí)別結(jié)果，通過(guò)相應(yīng)時(shí)刻的行車(chē)影像驗(yàn)證了追尾沖突識(shí)別的有效性。

1 異常數(shù)據(jù)剔除

筆者使用瑞典Smart Eye AB 公司研發(fā)的Smart Eye Pro5.7眼動(dòng)儀采集駕駛?cè)搜蹌?dòng)特征數(shù)據(jù)，Smart Eye Pro5.7眼動(dòng)儀是1款非接觸式的眼睛跟蹤系統(tǒng)，可全幀速率地采集駕駛?cè)搜蹌?dòng)特征數(shù)據(jù)。在實(shí)車(chē)數(shù)據(jù)采集過(guò)程中，由于震動(dòng)、供電波動(dòng)等因素使眼動(dòng)儀不可避免地出現(xiàn)圖像捕捉失誤與數(shù)據(jù)計(jì)算誤差，因此需首先剔除異常點(diǎn)再進(jìn)行后續(xù)分析。

眨眼又稱(chēng)瞬目反射（blink reflex，BR），臨床腦電相關(guān)研究顯示正常人發(fā)生不自主瞬目反射時(shí)左右眼動(dòng)作的時(shí)間差不會(huì)應(yīng)超過(guò)1ms［12］，筆者使用采樣頻率為60Hz的數(shù)據(jù)，因而若為瞬目反射，左右眼相似波形的間隔不應(yīng)多于1個(gè)采樣點(diǎn)。左右眼瞳孔直徑部分?jǐn)?shù)據(jù)曲線如圖1。

圖1中有9 處瞳孔直徑為0 mm，而第14，37，39，102，168，193，268個(gè)采樣點(diǎn)處出現(xiàn)了左右瞳孔直徑的顯著差異，且差異的間隔超過(guò)了1個(gè)采樣點(diǎn)，因而將上述數(shù)據(jù)按如下流程剔除。

圖1 左右眼瞳孔直徑曲線Fig.1 Curves of left and right pupils’diameters

1）定位瞳孔直徑為0 mm 的左眼瞳孔直徑采樣點(diǎn)位置l1，l2，…，ln。

2）判斷右眼相同采樣位置的瞳孔直徑rl1，rl2，…，rln是否為0mm。

3）若rln不為0mm，則令lln＝rln。

4）定位瞳孔直徑為0 mm 的右眼瞳孔直徑采樣點(diǎn)位置r1，r2，…，rn。

5）判斷左眼相同采樣位置的瞳孔直徑lr1，lr2，…，lrn是否為0mm。

6）若lrn不為0mm，則令lln＝rln。

異常點(diǎn)剔除后左右瞳孔直徑曲線見(jiàn)圖2。

2 沖突辨識(shí)方法

由于城市中車(chē)流密度較大，車(chē)輛被迫減速的情況較為常見(jiàn)，因此本文主要面向前車(chē)減速（追尾沖突）時(shí)的沖突辨識(shí)。

圖2 異常點(diǎn)剔除后左右瞳孔直徑曲線Fig.2 Curves of outlier rejected left and right pupils’diameters

沖突辨識(shí)過(guò)程包括模板選擇、頻譜分析、波形匹配和沖突影像提取。

1）模板選擇。選擇試驗(yàn)車(chē)與前車(chē)出現(xiàn)追尾沖突時(shí)幀號(hào)范圍內(nèi)有效瞳孔直徑數(shù)據(jù)作為追尾沖突辨識(shí)的模板。

2）頻譜分析。使用傅里葉變換對(duì)模板和總采樣長(zhǎng)度的瞳孔進(jìn)行頻譜分析。

3）波形匹配。使用逐點(diǎn)掃描的方法，計(jì)算模板頻譜與全程瞳孔直徑頻譜的差的絕對(duì)值之和，提取相似度較高的采樣點(diǎn)位置處的波形完成波形匹配。

4）沖突影像提取。提取相似度較高的采樣點(diǎn)位置處車(chē)輛行駛影像，完成沖突辨識(shí)。

沖突辨識(shí)流程如下。

1）設(shè)瞳孔直徑數(shù)據(jù)總采樣長(zhǎng)度為Nt，選取采樣長(zhǎng)度為Nm的典型追尾沖突瞳孔直徑數(shù)據(jù)作為模板，設(shè)模板瞳孔直徑曲線為wm。

2）計(jì)傅里葉變換為F（x），使用傅里葉變換處理模板瞳孔直徑數(shù)據(jù)，生成模板頻譜數(shù)據(jù)F（wm）。

3）設(shè)幀號(hào)（frame number）為i，起始幀號(hào)i＝0，采樣長(zhǎng)度為Nm的瞳孔直徑曲線為wi，相似度為Si。

4）i＝i＋1，Si＝∑｜F（wi）－F（wm）｜。

5）若Nm＋i－1＜Nt，則執(zhí)行步驟4），否則執(zhí)行步驟6）。

6）標(biāo)記Si較小的采樣點(diǎn)位置。

7）提取相應(yīng)采樣點(diǎn)位置車(chē)輛行駛影像，完成追尾沖突辨識(shí)。

波形匹配流程見(jiàn)圖3。

圖3 沖突辨識(shí)流程圖Fig.3 Collision identification flowchart

圖4 模板瞳孔直徑曲線Fig.4 The curve of template pupil diameter

3 實(shí)例驗(yàn)證

3.1 模板選擇

選取眼動(dòng)儀記錄的60 min實(shí)車(chē)道路的右眼瞳孔數(shù)據(jù)作為研究對(duì)象。其中，幀號(hào)為72 790～73 013時(shí)前方車(chē)輛開(kāi)始制動(dòng)，試驗(yàn)車(chē)與前車(chē)存在追尾沖突，因此選取該幀號(hào)范圍內(nèi)（由于眼動(dòng)儀記錄存在誤差，因此該幀號(hào)范圍內(nèi)采樣點(diǎn)數(shù)目少于223）的右眼瞳孔直徑數(shù)據(jù)作為模板。幀號(hào)為72 790～73 013的右眼瞳孔直徑數(shù)據(jù)曲線見(jiàn)圖4，相應(yīng)時(shí)刻記錄的沖突狀態(tài)影像見(jiàn)圖5。

圖5 模板對(duì)應(yīng)時(shí)刻沖突影像Fig.5 The template corresponding conflict image

3.2 頻譜分析

對(duì)模板瞳孔直徑數(shù)據(jù)曲線進(jìn)行傅里葉變換，得到曲線頻譜圖，為提高精度，保留了虛數(shù)部分。曲線頻譜圖見(jiàn)圖6。

3.3 波相匹配

使用逐點(diǎn)掃描的方法，計(jì)算模板頻譜與全程瞳孔直徑頻譜的差的絕對(duì)值之和，記為相似度Si，標(biāo)記Si較小的采樣點(diǎn)位置。標(biāo)記后的相似度曲線見(jiàn)圖7。

3.4 沖突影像提取

經(jīng)對(duì)比相應(yīng)時(shí)段視頻發(fā)現(xiàn)，圖7中圓點(diǎn)標(biāo)記的Si最小的15個(gè)位置處均為追尾沖突情形，追尾沖突特征明顯。經(jīng)人工辨識(shí)，總采樣長(zhǎng)度內(nèi)共有21處追尾沖突較為明顯，可得本文方法在該組數(shù)據(jù)中的準(zhǔn)確率為71.4%，駕駛?cè)送字睆绞芄庹沼绊憽⒛０鍞?shù)據(jù)未全面反映追尾沖突特征等可能是影響辨識(shí)準(zhǔn)確率的原因。

圖6 模板曲線頻譜圖Fig.6 The spectrum of the template curve

圖7 標(biāo)記后的相似度曲線Fig.7 Marked similarity curve

4 結(jié)束語(yǔ)

實(shí)例驗(yàn)證結(jié)果顯示，Si最小的15 個(gè)位置對(duì)應(yīng)時(shí)段的車(chē)輛運(yùn)行狀態(tài)均為追尾沖突狀態(tài)，證明瞳孔直徑可反映駕駛?cè)诵睦碡?fù)荷狀態(tài)進(jìn)而反映影響心理負(fù)荷的車(chē)輛沖突狀態(tài)，并進(jìn)而證明筆者所提出的沖突判別方法可有效保留并匹配沖突狀態(tài)下的瞳孔直徑變化特征。但辨識(shí)方法中未深入研究模板選擇的原則以及瞳孔直徑與照度變化的關(guān)系，因而沖突辨識(shí)的準(zhǔn)確率還有待提高。此外，本文雖提出了基于駕駛?cè)送字睆降淖肺矝_突判別方法，但未對(duì)駕駛?cè)诵睦碡?fù)荷與駕駛?cè)搜蹌?dòng)的對(duì)應(yīng)關(guān)系進(jìn)行分析，在后續(xù)研究中將深入探索駕駛?cè)诵睦碡?fù)荷對(duì)駕駛?cè)搜蹌?dòng)的影響機(jī)理，并著重研究交通沖突對(duì)駕駛?cè)搜蹌?dòng)的微觀影響規(guī)律。

以駕駛?cè)送字睆綖榛A(chǔ)數(shù)據(jù)進(jìn)行交通沖突辨識(shí)是為提高交通沖突辨識(shí)與駕駛?cè)苏J(rèn)知一致性的新方法，對(duì)道路交通安全評(píng)價(jià)及提高駕駛安全性具有較為重要的作用。

［1］Minderhoud M M，Bovy P L.Extended time－to－collision measures for road traffic safety assessment［J］.Accident Analysis and Prevention，2001，33（1）：89－97.

［2］Vogel K.A comparison of headway and time to collision as safety indicators［J］.Accident Analysis and Prevention，2003，35（3）：427－433.

［3］Oh C，Kim T.Estimation of rear－end crash potential using vehicletrajectory data［J］.Accident Analysis and Prevention，2010，42（6）：1888－1893.

［4］CuntoF J，Saccomanno F F.Microlevel Traffic Simulation Method for Assessing Crash Potential at Intersections［C］∥Proceedings of the 86th Annual Meeting of the Transportation Research Board，Washington D.C.：Transportation Research Board，2007.

［5］孟祥海，徐漢清，王 浩，等.基于TTC 及DRAC 的高速公路施工區(qū)追尾沖突研究［J］.交通信息與安全，2012，30（6）：6－10.Meng Xianghai，Xu Hanqing，Wang Hao，et al.Rear－end conflict of freeway work zone based on TTC and DRAC［J］.Journal of Transportation In－formation and Safety，2012，30（6）：6－10.（in Chinese）.

［6］徐漢清.基于碰撞時(shí)間的側(cè)向沖突指標(biāo)計(jì)算模型研究［J］.城市道橋與防洪，2014（6）：268－271..Xu Hanqing.Study of side crash conflict index calculating model based on time to collision（TTC）［J］.City Bridges ＆flood，2014（6）：268－271.（in Chinese）.

［7］Craig A，Tran Y.A controlled investigation into the psychological determinants of fatigue［J］.Biological Psychology，2006，72（1）：78－87.

［8］Sodhi M，Reimer B，Cohen J L，et al.On－road driver eye movement tracking using head－mounted devices［C］∥Eye Tracking Research and Applications Symposium.NewTork：ACM Press，2002：61－68.

［9］Tanja R M.Coeckelbergh，F(xiàn)rans W.Comelissen，WieboHeisman.The effect of visual field defects on eye movements and practical fitness to drive［J］.Vision Research，2002，42（5）：669－677.

［10］丁光明.高速公路隧道環(huán)境對(duì)駕駛?cè)松砑靶睦碛绊懷芯浚跠］.西安：長(zhǎng)安大學(xué)，2011.Ding Guangming.Study on the impact of freeway tunnel environment on drivers’physiology and psychology［D］.Xi′an：Chang′an University，2011.（in Chinese）.

［11］Pedrotti M，Mirzaei M A，Tedesco A，et al.Automatic stress classification with pupil diameter analysis［J］.International Journal of Human－Computer Interaction，2014，30（3）：220－236.

［12］程 遠(yuǎn)，徐興碧，陳維福，等.瞬目反射正常值測(cè)定及臨床應(yīng)用價(jià)值［J］.臨床腦電學(xué)雜志，2000，9（3）：138－140.Cheng Yuan，Xu Xingbi，Cheng Weifu，et al.Normal value of blink reflex and its clinical application［J］.Journal of Clinical Electroencephalology，2000，9（3）：138－140.（in Chinese）.