裴葉青，金曉萍，宋正河，劉龍燦

（1.中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083； 2.現(xiàn)代農(nóng)業(yè)裝備優(yōu)化設(shè)計(jì)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100083）

前言

隨著人民生活水平的提高，汽車的保有量日益增加，同時(shí)，汽車駕駛所引發(fā)的安全問(wèn)題越來(lái)越受到重視。由駕駛員因素引起的交通事故中，一個(gè)重要的原因就是駕駛員腦力負(fù)荷過(guò)高，產(chǎn)生駕駛疲勞，造成駕駛員對(duì)車速與周圍環(huán)境的判斷出錯(cuò)、反應(yīng)力低下和注意力降低等，這些都可能引發(fā)交通事故。

腦力負(fù)荷理論是由教育心理學(xué)家 Sweller［1］和Paas［2］等人于20世紀(jì)80年代提出的一種理論。腦力負(fù)荷通常是指在一個(gè)特定的作業(yè)時(shí)間內(nèi)施加于個(gè)體認(rèn)知系統(tǒng)的心理活動(dòng)總量［1，3］。目前關(guān)于腦力負(fù)荷的理論模型已有不少專家學(xué)者進(jìn)行研究。Sheridan等人［4］主要從“控制”的角度解釋腦力負(fù)荷，認(rèn)為腦力負(fù)荷來(lái)源于作業(yè)要求、績(jī)效標(biāo)準(zhǔn)、情緒壓力、系統(tǒng)總績(jī)效、對(duì)作業(yè)者的能耗要求和信息加工要求6個(gè)方面。其中，信息加工負(fù)荷和情緒負(fù)荷屬于心理負(fù)荷范疇。Kahneman等人［5］提出了單資源模型，該模型指出：注意是一種容量有限的通用資源，人們運(yùn)用這一資源進(jìn)行各種作業(yè)。在單資源模型的基礎(chǔ)上，發(fā)展出了一些多資源模型。其中，Wickens［6］提出的三維度資源系統(tǒng)得到廣泛認(rèn)可，此模型將注意資源劃分為3個(gè)維度：輸入通道、加工階段和加工／輸出方式。多資源理論較客觀地反映了腦力負(fù)荷各因素的作用方式與過(guò)程，已成為腦力負(fù)荷的主要理論模型，成為現(xiàn)今腦力負(fù)荷研究的重要理論基礎(chǔ)。

目前腦力負(fù)荷的評(píng)估方法主要有主任務(wù)評(píng)估法、次任務(wù)測(cè)量法、生理測(cè)量法和主觀評(píng)價(jià)法等4種［7］。各方法均有優(yōu)點(diǎn)與不足，目前尚未形成較為統(tǒng)一的腦力負(fù)荷測(cè)評(píng)體系。評(píng)定方法和指標(biāo)的選取須根據(jù)研究對(duì)象的不同進(jìn)行具體分析。但研究者普遍認(rèn)為單一種類的指標(biāo)很難充分反映完成任務(wù)所需的腦力負(fù)荷，因此有必要采用多種指標(biāo)來(lái)反映操作者的腦力負(fù)荷水平。

目前對(duì)于腦力負(fù)荷狀態(tài)的在線監(jiān)測(cè)和自適應(yīng)自動(dòng)化的研究是熱點(diǎn)，研究者采用目前最新的技術(shù)從大腦活動(dòng)［8］、眼動(dòng)［9］、血壓［10］等多個(gè)方面實(shí)現(xiàn)腦力負(fù)荷的實(shí)時(shí)監(jiān)測(cè)，以期最終實(shí)現(xiàn)自適應(yīng)的自動(dòng)化，但沒(méi)有一個(gè)單一的方法可準(zhǔn)確測(cè)量腦力負(fù)荷，因此須對(duì)多種測(cè)量指標(biāo)進(jìn)行對(duì)比選擇，同時(shí)由于生理設(shè)備的干擾性，實(shí)時(shí)診斷面臨一定的困難，導(dǎo)致自適應(yīng)自動(dòng)化準(zhǔn)確性不足。此外，對(duì)于腦力負(fù)荷等級(jí)的精確劃分也缺乏一個(gè)統(tǒng)一的理論。

本文中對(duì)腦力負(fù)荷進(jìn)行了定量分析，分析結(jié)果反映了駕駛員駕駛時(shí)的信息處理瓶頸所在，這為今后道路安全設(shè)計(jì)指出了方向。其次，本研究的腦力負(fù)荷計(jì)算系統(tǒng)可用于人機(jī)系統(tǒng)的性能預(yù)測(cè)。在車輛產(chǎn)品研發(fā)與更新?lián)Q代階段，通過(guò)對(duì)不同駕駛?cè)蝿?wù)的分析與負(fù)荷計(jì)算，可發(fā)現(xiàn)設(shè)計(jì)中的不合理成分，對(duì)產(chǎn)品的開(kāi)發(fā)提供指導(dǎo)。再次，研究中使用的腦力負(fù)荷計(jì)算模型直接反映駕駛負(fù)荷。目前在駕駛負(fù)荷的研究上很多都是通過(guò)心理生理指標(biāo)來(lái)反映的，測(cè)量結(jié)果由于駕駛員生理或心理的差別而存在差異。而本研究以駕駛?cè)蝿?wù)為研究對(duì)象，直接將操作行為與負(fù)荷量聯(lián)系起來(lái)，能更客觀地反映駕駛?cè)蝿?wù)的負(fù)荷需求。本文中主要解決的問(wèn)題是對(duì)駕駛員執(zhí)行某一駕駛?cè)蝿?wù)時(shí)的腦力負(fù)荷值進(jìn)行定量計(jì)算。從腦力負(fù)荷的定義來(lái)看，工作負(fù)荷與任務(wù)執(zhí)行時(shí)對(duì)操作者施加的信息量密切相關(guān)。因此，本文以任務(wù)的信息需求量作為衡量工作負(fù)荷的標(biāo)準(zhǔn)，整理出一種較為客觀的針對(duì)操作任務(wù)本身的腦力負(fù)荷評(píng)測(cè)方法，形成腦力負(fù)荷計(jì)算系統(tǒng)，以此為基礎(chǔ)實(shí)現(xiàn)對(duì)“汽車綠燈路口直行”任務(wù)腦力負(fù)荷的計(jì)算，并通過(guò)實(shí)驗(yàn)對(duì)此系統(tǒng)進(jìn)行驗(yàn)證。

1 腦力負(fù)荷計(jì)算模型

1.1 行為要素評(píng)定量表

多資源理論表明，人的信息處理通常分為視覺(jué)、聽(tīng)覺(jué)、認(rèn)知和動(dòng)作4部分，使用這4個(gè)處理源下的所有行為要素可表示出任何操作行為［11］。根據(jù)實(shí)驗(yàn)結(jié)果將不同行為要素的資源使用情況進(jìn)行打分，形成的行為要素評(píng)定量表［12-13］可對(duì)任何行為的腦力負(fù)荷資源占用情況進(jìn)行打分。本文中采用McCracken等人制作的7分制量表［14］作為腦力負(fù)荷的量化標(biāo)準(zhǔn)。對(duì)于任何任務(wù)皆可將其分解為若干子任務(wù)，從而形成任務(wù)分析表，然后使用行為要素評(píng)定量表對(duì)各個(gè)子任務(wù)的負(fù)荷值進(jìn)行確定，從而將具體任務(wù)與腦力負(fù)荷值聯(lián)系起來(lái)。

1.2 腦力負(fù)荷組成

腦力負(fù)荷是一個(gè)十分復(fù)雜的概念，在將一個(gè)駕駛?cè)蝿?wù)劃分為子任務(wù)序列之后，還須進(jìn)行繁雜的計(jì)算才能轉(zhuǎn)化到最終腦力負(fù)荷上。很多研究人員試圖將這一過(guò)程模型化，其中美國(guó)陸軍研究所（ARL）提出的計(jì)算模型［15］較為實(shí)用，ARL將其用于坦克操作任務(wù)的負(fù)荷計(jì)算，證明了此模型的可用性。在ARL負(fù)荷計(jì)算模型中，駕駛員腦力負(fù)荷大致由單一子任務(wù)引起的負(fù)荷和多任務(wù)并行引起的附加負(fù)荷兩部分組成。

1.2.1 單一子任務(wù)負(fù)荷

駕駛?cè)蝿?wù)的每個(gè)子任務(wù)都產(chǎn)生一定的腦力負(fù)荷，每增加一個(gè)子任務(wù)，腦力負(fù)荷必定增加。因此，最基本的負(fù)荷部分即為各個(gè)子任務(wù)的負(fù)荷值之和，記為

式中：i為信息處理源；t為子任務(wù)；at，i為執(zhí)行子任務(wù)t時(shí)在信息處理源i上產(chǎn)生的負(fù)荷值。

1.2.2 附加負(fù)荷

除了各子任務(wù)負(fù)荷值之和外，子任務(wù)的并行還會(huì)產(chǎn)生額外的腦力負(fù)荷，以信息處理源為區(qū)分單位。任意兩個(gè)處理源（包括同信息處理源和不同信息處理源）之間的子任務(wù)都會(huì)產(chǎn)生相互影響，進(jìn)而產(chǎn)生附加負(fù)荷，執(zhí)行并行子任務(wù)時(shí)的困難程度用沖突值來(lái)表示。同信息處理源的子任務(wù)同時(shí)進(jìn)行時(shí)，所需的腦力負(fù)荷會(huì)明顯增加；不同信息處理源的子任務(wù)同時(shí)進(jìn)行時(shí)，腦力負(fù)荷也會(huì)增加，但增加的程度與同源相比明顯降低。本文中通過(guò)詢問(wèn)專家的方式對(duì)各信息處理源沖突大小進(jìn)行排序，參照文獻(xiàn)［16］進(jìn)行賦值，得到的信息處理源沖突值表如表1所示。

表1 信息處理源沖突值表

對(duì)于同信息處理源下的多個(gè)子任務(wù)，對(duì)腦力負(fù)荷值的貢獻(xiàn)量為

式中：i為占用的信息處理源；t為子任務(wù)；at，i為執(zhí)行子任務(wù)t時(shí)在信息處理源i上產(chǎn)生的負(fù)荷值；Ci，i為信息處理源i的內(nèi)部沖突值。

對(duì)于不同信息處理源下的多個(gè)子任務(wù)，對(duì)腦力負(fù)荷值的貢獻(xiàn)量為

式中：i，j為占用的信息處理源；t為子任務(wù)；at，i為執(zhí)行子任務(wù)t時(shí)在信息處理源i上產(chǎn)生的負(fù)荷值；Ci，j為信息處理源i和j之間的沖突值。

1.3 最終模型

基于以上分析，腦力負(fù)荷的總計(jì)算模型為

式（4）滿足如下應(yīng)用條件：

（1）如果 at，i＝0或者 as，j＝0，則 at，i＋as，j＝0；

（2）如果 at，j＝0或者 as，i＝0，則 at，j＋as，i＝0；

（3）如果 nT，i≤1，則 Ci，i＝0，其中 nT，i為同信息處理源個(gè)數(shù)。

2 系統(tǒng)設(shè)計(jì)

2.1 功能需求分析

本系統(tǒng)的主要功能是對(duì)典型汽車駕駛?cè)蝿?wù)的腦力負(fù)荷進(jìn)行計(jì)算。對(duì)于用戶輸入的任務(wù)信息，系統(tǒng)須對(duì)子任務(wù)進(jìn)行識(shí)別，對(duì)子任務(wù)時(shí)間進(jìn)行處理，獲取子任務(wù)并行情況，并采用計(jì)算模型進(jìn)行運(yùn)算。

2.2 模塊分析

針對(duì)系統(tǒng)的功能需求，將其基本結(jié)構(gòu)劃分為信息讀取、時(shí)間處理、并行分析和負(fù)荷計(jì)算4個(gè)模塊。

2.2.1 信息讀取模塊

在利用系統(tǒng)進(jìn)行計(jì)算之前，用戶須按表2將駕駛?cè)蝿?wù)劃分為若干子任務(wù)，并將子任務(wù)序號(hào)作為參數(shù)輸入系統(tǒng)。為獲取用戶輸入的子任務(wù)信息，系統(tǒng)須利用Matlab的excel表格讀取功能對(duì)表2中所示所有子任務(wù)進(jìn)行讀取，讀取內(nèi)容為子任務(wù)序號(hào)、子任務(wù)負(fù)荷值和子任務(wù)所屬信息處理源。系統(tǒng)收到輸入的序號(hào)時(shí)就能將該序號(hào)下的子任務(wù)的負(fù)荷值和所屬信息處理源進(jìn)行關(guān)聯(lián)。

2.2.2 時(shí)間處理模塊

時(shí)間信息主要指任務(wù)的開(kāi)始時(shí)刻與結(jié)束時(shí)刻。對(duì)于一個(gè)特定的駕駛?cè)蝿?wù)，讓不同的駕駛員來(lái)執(zhí)行，或者讓同一個(gè)駕駛員多次執(zhí)行，其子任務(wù)的時(shí)間信息可能不同，但應(yīng)服從一定的分布關(guān)系。因?yàn)樽尤蝿?wù)的時(shí)間信息會(huì)受到許多因素的影響，而這些因素的影響都很小，因此本文中對(duì)子任務(wù)的開(kāi)始時(shí)刻和結(jié)束時(shí)刻均進(jìn)行正態(tài)隨機(jī)處理。

2.2.3 并行分析模塊

時(shí)間處理之后，任務(wù)序列中每個(gè)子任務(wù)的開(kāi)始和結(jié)束時(shí)刻就確定了。將所有開(kāi)始或結(jié)束時(shí)刻稱為時(shí)間節(jié)點(diǎn)，在兩個(gè)相鄰的時(shí)間節(jié)點(diǎn)之間子任務(wù)的類型是不變的，每過(guò)一個(gè)節(jié)點(diǎn)子任務(wù)狀態(tài)發(fā)生一次變化。因此，僅須考慮節(jié)點(diǎn)處子任務(wù)的并行情況即可得到整個(gè)任務(wù)時(shí)長(zhǎng)內(nèi)各個(gè)階段的并行情況。

在一個(gè)任務(wù)中，定義n為時(shí)間節(jié)點(diǎn)個(gè)數(shù)，定義具有n個(gè)cell的變量，每個(gè)cell都作為該時(shí)間節(jié)點(diǎn)下子任務(wù)的存儲(chǔ)矩陣。對(duì)所有子任務(wù)的開(kāi)始時(shí)刻和結(jié)束時(shí)刻一一進(jìn)行檢查，當(dāng)發(fā)現(xiàn)某個(gè)子任務(wù)的開(kāi)始時(shí)刻與第i個(gè)時(shí)間節(jié)點(diǎn)一致時(shí)，就將該子任務(wù)序號(hào)存入第i個(gè)cell的矩陣下；當(dāng)發(fā)現(xiàn)某個(gè)子任務(wù)的結(jié)束時(shí)刻與第j個(gè)時(shí)間節(jié)點(diǎn)一致時(shí)，就將該子任務(wù)序號(hào)從第j個(gè)cell的矩陣中去掉。于是，每一個(gè)cell下的矩陣中的元素即為該cell對(duì)應(yīng)時(shí)間節(jié)點(diǎn)下的所有子任務(wù)序號(hào)。

表2 駕駛?cè)蝿?wù)分析表

2.2.4 負(fù)荷計(jì)算模塊

由上面的并行分析可知，負(fù)荷值變化的位置也在時(shí)間節(jié)點(diǎn)處，因此，僅計(jì)算時(shí)間節(jié)點(diǎn)處的負(fù)荷值即可。根據(jù)前文中的負(fù)荷計(jì)算模型，對(duì)每一個(gè)cell中的子任務(wù)進(jìn)行負(fù)荷值計(jì)算，就得到n個(gè)時(shí)間節(jié)點(diǎn)處的負(fù)荷值。在后一個(gè)時(shí)間節(jié)點(diǎn)到來(lái)之前，負(fù)荷值一直保持在前一個(gè)時(shí)間節(jié)點(diǎn)處的狀態(tài)。

2.3 系統(tǒng)運(yùn)行流程

通過(guò)對(duì)4個(gè)模塊的功能分析，可總結(jié)出整個(gè)計(jì)算系統(tǒng)的運(yùn)行流程，如圖1所示。

3 負(fù)荷計(jì)算實(shí)例

3.1 任務(wù)分析

本文中通過(guò)對(duì)車輛駕駛?cè)蝿?wù)進(jìn)行實(shí)地觀察并對(duì)所錄制的視頻進(jìn)行分析，采用焦點(diǎn)小組討論的方法，綜合大家的意見(jiàn)，將駕駛?cè)蝿?wù)中所有可能遇到的情況分解為若干個(gè)子任務(wù)，使用行為要素評(píng)定量表對(duì)其進(jìn)行歸類并打分。駕駛?cè)蝿?wù)分析表如表2所示。

本文選擇了“綠燈路口直行”任務(wù)進(jìn)行研究。在這一任務(wù)中，主要包含了駕駛員駛近路口并決定在此綠燈期間是否有足夠的時(shí)間通過(guò)路口這一過(guò)程。將“綠燈路口直行”任務(wù)劃分為表2中子任務(wù)組成的序列，如表3所示。

圖1 系統(tǒng)運(yùn)行流程圖

3.2 時(shí)間處理

從錄制的車輛駕駛視頻中選出一次表現(xiàn)穩(wěn)定的駕駛過(guò)程作為標(biāo)準(zhǔn)，提取其中各子任務(wù)的開(kāi)始與結(jié)束時(shí)刻作為普遍情況的均值。在此過(guò)程中，按照子任務(wù)是否可觀測(cè)將其分為可見(jiàn)子任務(wù)與不可見(jiàn)子任務(wù)。對(duì)于可見(jiàn)子任務(wù)，可直接觀測(cè)并記錄其時(shí)間信息；對(duì)于不可見(jiàn)子任務(wù)，綜合駕駛員的駕駛經(jīng)驗(yàn)對(duì)其時(shí)間信息進(jìn)行推測(cè)。“綠燈路口直行”任務(wù)的“子任務(wù)-時(shí)間”圖如圖2所示。

3.3 計(jì)算結(jié)果

將任務(wù)信息輸入負(fù)荷計(jì)算系統(tǒng)，得出“綠燈路口直行”任務(wù)在任務(wù)時(shí)長(zhǎng)內(nèi)的腦力負(fù)荷需求值，結(jié)果如圖3所示。

由圖3可知，在“綠燈路口直行”任務(wù)的第9 s腦力負(fù)荷值最高，因?yàn)榇藭r(shí)需要進(jìn)行判斷何時(shí)開(kāi)始減速、觀察車道、估計(jì)到路口的距離、判斷車速是否合適和確認(rèn)通行條件等子任務(wù)，因此可在此時(shí)對(duì)車道狀況、到路口的距離和是否須要減速等信息進(jìn)行適當(dāng)推送，方便駕駛員獲取相關(guān)信息，以減輕其腦力負(fù)荷值。

表3 汽車綠燈路口直行子任務(wù)序列

圖2 汽車綠燈路口直行子任務(wù)時(shí)間關(guān)系圖

圖3 汽車綠燈路口直行任務(wù)負(fù)荷圖

4 實(shí)驗(yàn)驗(yàn)證

許多文獻(xiàn)指出，操作者生理指標(biāo)的變化能反映其腦力負(fù)荷的變化，典型的指標(biāo)有心臟電信號(hào)、呼吸、皮膚電信號(hào)、血壓、眼動(dòng)和腦電活動(dòng)等［17］，其中眼動(dòng)指標(biāo)包括首次注視時(shí)間、總注視時(shí)間、平均注視時(shí)間、注視次數(shù)、眼跳潛伏期與眼跳距離、回視時(shí)間與次數(shù)、眼動(dòng)軌跡和瞳孔直徑等［18］。各指標(biāo)與腦力負(fù)荷均有一定的聯(lián)系，但都不能全面反映腦力負(fù)荷的情況。因此，本文中選取其中的兩種指標(biāo)作為腦力負(fù)荷的評(píng)價(jià)指標(biāo)。其中，瞳孔直徑的變化能反映瞬時(shí)的腦力負(fù)荷信息，腦力負(fù)荷增大，瞳孔直徑也增大，過(guò)度認(rèn)知疲勞時(shí)，瞳孔直徑反而變?。?9］。皮膚電信號(hào)隨人體的交感神經(jīng)系統(tǒng)的變化而變化，依賴于人體的汗腺分泌反應(yīng)［20］。操作者在進(jìn)行某項(xiàng)較復(fù)雜的任務(wù)時(shí)，由于交感神經(jīng)興奮，導(dǎo)致汗腺活動(dòng)加強(qiáng)，分泌汗液增多，使皮膚導(dǎo)電能力增大，會(huì)形成較大的皮膚電反應(yīng)。皮膚電信號(hào)與駕駛員壓力水平密切相關(guān)［21］，隨任務(wù)需求的增加會(huì)顯著升高［22］。因此，皮膚電信號(hào)的變化也可在一定程度上反映操作者的腦力負(fù)荷水平。

本文中在實(shí)驗(yàn)室中模擬“綠燈路口直行”任務(wù)，采用文獻(xiàn)［23］的方法給被試佩戴SMI頭戴式眼動(dòng)儀，測(cè)得被試的瞳孔直徑，同時(shí)，在被試左手無(wú)名指和小指末梢部位佩戴BioNomadix無(wú)線生理記錄儀記錄被試的皮膚電信號(hào)。實(shí)驗(yàn)共選取車輛工程在讀研究生5名作為被試，年齡在21-27歲，其中，男生3名，女生2名。實(shí)驗(yàn)中，要求被試按照?qǐng)D2的方式同時(shí)進(jìn)行某任務(wù)。例如：第1個(gè)任務(wù)要求被試同時(shí)完成觀察前方環(huán)境、確保正確的行駛位置任務(wù)；第2個(gè)任務(wù)要求被試同時(shí)完成觀察前方環(huán)境、確保正確的行駛位置、觀察交通燈狀態(tài)、判斷何時(shí)開(kāi)始減速任務(wù)；第10個(gè)任務(wù)要求被試同時(shí)完成觀察前方環(huán)境、確保正確的行駛位置、確認(rèn)通行條件、觀察側(cè)方道路和判斷何時(shí)加速等任務(wù)。根據(jù)實(shí)驗(yàn)過(guò)程的實(shí)時(shí)觀察，發(fā)現(xiàn)皮膚電信號(hào)的變化曲線是一個(gè)逐漸平緩下降的過(guò)程，這主要是因?yàn)楸辉囋趯?shí)驗(yàn)過(guò)程中會(huì)逐漸適應(yīng)刺激，從而放松情緒，對(duì)刺激的喚醒程度逐漸減低，直到出現(xiàn)較大的新異刺激。因此，取完成此任務(wù)時(shí)皮膚電信號(hào)的最大值作為最終皮膚電信號(hào)值。實(shí)驗(yàn)得到的瞳孔直徑-時(shí)間和皮膚電信號(hào)-時(shí)間關(guān)系曲線如圖4所示。

圖4 實(shí)驗(yàn)圖

將瞳孔直徑值、皮膚電信號(hào)值分別與計(jì)算系統(tǒng)計(jì)算出的負(fù)荷值一起繪制為散點(diǎn)圖，如圖5所示。

然后對(duì)其進(jìn)行相關(guān)性分析，結(jié)果如表4所示。由表可知，腦力負(fù)荷計(jì)算值與瞳孔直徑顯著正相關(guān)，相關(guān)系數(shù)為0.615（P＝0.007）；腦力負(fù)荷計(jì)算值與皮膚電信號(hào)顯著正相關(guān)，相關(guān)系數(shù)為0.482（P＝0.043）。由前述分析可得，真實(shí)腦力負(fù)荷值與瞳孔直徑、皮膚電信號(hào)水平密切相關(guān)，因此可推知本文中腦力負(fù)荷計(jì)算系統(tǒng)的有效性較高。

圖5 散點(diǎn)圖

表4 相關(guān)性分析表

5 結(jié)論

在交通安全的研究中，疲勞駕駛一直是一個(gè)重要的問(wèn)題。國(guó)內(nèi)外許多研究也表明，駕駛員在行車過(guò)程中由于需要不斷地進(jìn)行信息交互活動(dòng)而產(chǎn)生的高駕駛負(fù)荷是引發(fā)駕駛疲勞的重要因素之一。而隨著汽車技術(shù)的不斷進(jìn)步，未來(lái)汽車的人機(jī)系統(tǒng)中將會(huì)容納更多的信息系統(tǒng)。因此，對(duì)于評(píng)估汽車駕駛過(guò)程中駕駛員腦力負(fù)荷是否合理是當(dāng)前和未來(lái)汽車研究領(lǐng)域的一個(gè)重點(diǎn)問(wèn)題。本文中基于上述背景，開(kāi)展了對(duì)于駕駛負(fù)荷的研究，旨在可以為駕駛負(fù)荷的評(píng)估提供行之有效的方法。綜合本文的研究成果，主要有以下幾點(diǎn)。

（1）本文中以多資源理論為基礎(chǔ)，形成了腦力負(fù)荷計(jì)算系統(tǒng)，實(shí)現(xiàn)了從駕駛?cè)蝿?wù)到腦力負(fù)荷的轉(zhuǎn)化，用于對(duì)駕駛員進(jìn)行駕駛?cè)蝿?wù)時(shí)的腦力負(fù)荷進(jìn)行評(píng)估。此系統(tǒng)消除了駕駛員個(gè)體差異帶來(lái)的影響，將腦力負(fù)荷的結(jié)果與子任務(wù)聯(lián)系起來(lái)。

（2）鑒于實(shí)車駕駛實(shí)驗(yàn)難以控制實(shí)驗(yàn)變量且危險(xiǎn)性較高，本研究從理論上對(duì)常見(jiàn)駕駛?cè)蝿?wù)進(jìn)行分析：拍攝日常駕駛?cè)蝿?wù)視頻并采集其中子任務(wù)，建立子任務(wù)庫(kù)后可用于很多常見(jiàn)的駕駛?cè)蝿?wù)分析。利用本研究中用到的負(fù)荷計(jì)算模型，可在實(shí)際駕駛之前預(yù)測(cè)該種駕駛?cè)蝿?wù)所需要的腦力負(fù)荷狀況。

（3）考慮到駕駛?cè)蝿?wù)的時(shí)間不確定性，本研究在整理出駕駛員腦力負(fù)荷計(jì)算模型之后還增加了任務(wù)仿真環(huán)節(jié)，目的是使計(jì)算結(jié)果反映不同駕駛情況下的駕駛員腦力負(fù)荷。

（4）最后采用生理指標(biāo)與眼動(dòng)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行驗(yàn)證，證明了本文計(jì)算系統(tǒng)的有效性。