裴葉青，金曉萍，宋正河，劉龍燦

（1.中國農(nóng)業(yè)大學工學院，北京 100083； 2.現(xiàn)代農(nóng)業(yè)裝備優(yōu)化設計北京市重點實驗室，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，汽車駕駛所引發(fā)的安全問題越來越受到重視。由駕駛員因素引起的交通事故中，一個重要的原因就是駕駛員腦力負荷過高，產(chǎn)生駕駛疲勞，造成駕駛員對車速與周圍環(huán)境的判斷出錯、反應力低下和注意力降低等，這些都可能引發(fā)交通事故。

腦力負荷理論是由教育心理學家 Sweller［1］和Paas［2］等人于20世紀80年代提出的一種理論。腦力負荷通常是指在一個特定的作業(yè)時間內(nèi)施加于個體認知系統(tǒng)的心理活動總量［1，3］。目前關(guān)于腦力負荷的理論模型已有不少專家學者進行研究。Sheridan等人［4］主要從“控制”的角度解釋腦力負荷，認為腦力負荷來源于作業(yè)要求、績效標準、情緒壓力、系統(tǒng)總績效、對作業(yè)者的能耗要求和信息加工要求6個方面。其中，信息加工負荷和情緒負荷屬于心理負荷范疇。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，人們運用這一資源進行各種作業(yè)。在單資源模型的基礎上，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)得到廣泛認可，此模型將注意資源劃分為3個維度：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荷各因素的作用方式與過程，已成為腦力負荷的主要理論模型，成為現(xiàn)今腦力負荷研究的重要理論基礎。

目前腦力負荷的評估方法主要有主任務評估法、次任務測量法、生理測量法和主觀評價法等4種［7］。各方法均有優(yōu)點與不足，目前尚未形成較為統(tǒng)一的腦力負荷測評體系。評定方法和指標的選取須根據(jù)研究對象的不同進行具體分析。但研究者普遍認為單一種類的指標很難充分反映完成任務所需的腦力負荷，因此有必要采用多種指標來反映操作者的腦力負荷水平。

目前對于腦力負荷狀態(tài)的在線監(jiān)測和自適應自動化的研究是熱點，研究者采用目前最新的技術(shù)從大腦活動［8］、眼動［9］、血壓［10］等多個方面實現(xiàn)腦力負荷的實時監(jiān)測，以期最終實現(xiàn)自適應的自動化，但沒有一個單一的方法可準確測量腦力負荷，因此須對多種測量指標進行對比選擇，同時由于生理設備的干擾性，實時診斷面臨一定的困難，導致自適應自動化準確性不足。此外，對于腦力負荷等級的精確劃分也缺乏一個統(tǒng)一的理論。

本文中對腦力負荷進行了定量分析，分析結(jié)果反映了駕駛員駕駛時的信息處理瓶頸所在，這為今后道路安全設計指出了方向。其次，本研究的腦力負荷計算系統(tǒng)可用于人機系統(tǒng)的性能預測。在車輛產(chǎn)品研發(fā)與更新?lián)Q代階段，通過對不同駕駛?cè)蝿盏姆治雠c負荷計算，可發(fā)現(xiàn)設計中的不合理成分，對產(chǎn)品的開發(fā)提供指導。再次，研究中使用的腦力負荷計算模型直接反映駕駛負荷。目前在駕駛負荷的研究上很多都是通過心理生理指標來反映的，測量結(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)蝿諡檠芯繉ο?，直接將操作行為與負荷量聯(lián)系起來，能更客觀地反映駕駛?cè)蝿盏呢摵尚枨?。本文中主要解決的問題是對駕駛員執(zhí)行某一駕駛?cè)蝿諘r的腦力負荷值進行定量計算。從腦力負荷的定義來看，工作負荷與任務執(zhí)行時對操作者施加的信息量密切相關(guān)。因此，本文以任務的信息需求量作為衡量工作負荷的標準，整理出一種較為客觀的針對操作任務本身的腦力負荷評測方法，形成腦力負荷計算系統(tǒng)，以此為基礎實現(xiàn)對“汽車綠燈路口直行”任務腦力負荷的計算，并通過實驗對此系統(tǒng)進行驗證。

1 腦力負荷計算模型

1.1 行為要素評定量表

多資源理論表明，人的信息處理通常分為視覺、聽覺、認知和動作4部分，使用這4個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)實驗結(jié)果將不同行為要素的資源使用情況進行打分，形成的行為要素評定量表［12-13］可對任何行為的腦力負荷資源占用情況進行打分。本文中采用McCracken等人制作的7分制量表［14］作為腦力負荷的量化標準。對于任何任務皆可將其分解為若干子任務，從而形成任務分析表，然后使用行為要素評定量表對各個子任務的負荷值進行確定，從而將具體任務與腦力負荷值聯(lián)系起來。

1.2 腦力負荷組成

腦力負荷是一個十分復雜的概念，在將一個駕駛?cè)蝿談澐譃樽尤蝿招蛄兄?，還須進行繁雜的計算才能轉(zhuǎn)化到最終腦力負荷上。很多研究人員試圖將這一過程模型化，其中美國陸軍研究所（ARL）提出的計算模型［15］較為實用，ARL將其用于坦克操作任務的負荷計算，證明了此模型的可用性。在ARL負荷計算模型中，駕駛員腦力負荷大致由單一子任務引起的負荷和多任務并行引起的附加負荷兩部分組成。

1.2.1 單一子任務負荷

駕駛?cè)蝿盏拿總€子任務都產(chǎn)生一定的腦力負荷，每增加一個子任務，腦力負荷必定增加。因此，最基本的負荷部分即為各個子任務的負荷值之和，記為

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

1.2.2 附加負荷

除了各子任務負荷值之和外，子任務的并行還會產(chǎn)生額外的腦力負荷，以信息處理源為區(qū)分單位。任意兩個處理源（包括同信息處理源和不同信息處理源）之間的子任務都會產(chǎn)生相互影響，進而產(chǎn)生附加負荷，執(zhí)行并行子任務時的困難程度用沖突值來表示。同信息處理源的子任務同時進行時，所需的腦力負荷會明顯增加；不同信息處理源的子任務同時進行時，腦力負荷也會增加，但增加的程度與同源相比明顯降低。本文中通過詢問專家的方式對各信息處理源沖突大小進行排序，參照文獻［16］進行賦值，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

對于同信息處理源下的多個子任務，對腦力負荷值的貢獻量為

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

對于不同信息處理源下的多個子任務，對腦力負荷值的貢獻量為

式中：i，j為占用的信息處理源；t為子任務；at，i為執(zhí)行子任務t時在信息處理源i上產(chǎn)生的負荷值；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，腦力負荷的總計算模型為

式（4）滿足如下應用條件：

（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為同信息處理源個數(shù)。

2 系統(tǒng)設計

2.1 功能需求分析

本系統(tǒng)的主要功能是對典型汽車駕駛?cè)蝿盏哪X力負荷進行計算。對于用戶輸入的任務信息，系統(tǒng)須對子任務進行識別，對子任務時間進行處理，獲取子任務并行情況，并采用計算模型進行運算。

2.2 模塊分析

針對系統(tǒng)的功能需求，將其基本結(jié)構(gòu)劃分為信息讀取、時間處理、并行分析和負荷計算4個模塊。

2.2.1 信息讀取模塊

在利用系統(tǒng)進行計算之前，用戶須按表2將駕駛?cè)蝿談澐譃槿舾勺尤蝿眨⒆尤蝿招蛱栕鳛閰?shù)輸入系統(tǒng)。為獲取用戶輸入的子任務信息，系統(tǒng)須利用Matlab的excel表格讀取功能對表2中所示所有子任務進行讀取，讀取內(nèi)容為子任務序號、子任務負荷值和子任務所屬信息處理源。系統(tǒng)收到輸入的序號時就能將該序號下的子任務的負荷值和所屬信息處理源進行關(guān)聯(lián)。

2.2.2 時間處理模塊

時間信息主要指任務的開始時刻與結(jié)束時刻。對于一個特定的駕駛?cè)蝿眨尣煌鸟{駛員來執(zhí)行，或者讓同一個駕駛員多次執(zhí)行，其子任務的時間信息可能不同，但應服從一定的分布關(guān)系。因為子任務的時間信息會受到許多因素的影響，而這些因素的影響都很小，因此本文中對子任務的開始時刻和結(jié)束時刻均進行正態(tài)隨機處理。

2.2.3 并行分析模塊

時間處理之后，任務序列中每個子任務的開始和結(jié)束時刻就確定了。將所有開始或結(jié)束時刻稱為時間節(jié)點，在兩個相鄰的時間節(jié)點之間子任務的類型是不變的，每過一個節(jié)點子任務狀態(tài)發(fā)生一次變化。因此，僅須考慮節(jié)點處子任務的并行情況即可得到整個任務時長內(nèi)各個階段的并行情況。

在一個任務中，定義n為時間節(jié)點個數(shù)，定義具有n個cell的變量，每個cell都作為該時間節(jié)點下子任務的存儲矩陣。對所有子任務的開始時刻和結(jié)束時刻一一進行檢查，當發(fā)現(xiàn)某個子任務的開始時刻與第i個時間節(jié)點一致時，就將該子任務序號存入第i個cell的矩陣下；當發(fā)現(xiàn)某個子任務的結(jié)束時刻與第j個時間節(jié)點一致時，就將該子任務序號從第j個cell的矩陣中去掉。于是，每一個cell下的矩陣中的元素即為該cell對應時間節(jié)點下的所有子任務序號。

表2 駕駛?cè)蝿辗治霰?/p>

2.2.4 負荷計算模塊

由上面的并行分析可知，負荷值變化的位置也在時間節(jié)點處，因此，僅計算時間節(jié)點處的負荷值即可。根據(jù)前文中的負荷計算模型，對每一個cell中的子任務進行負荷值計算，就得到n個時間節(jié)點處的負荷值。在后一個時間節(jié)點到來之前，負荷值一直保持在前一個時間節(jié)點處的狀態(tài)。

2.3 系統(tǒng)運行流程

通過對4個模塊的功能分析，可總結(jié)出整個計算系統(tǒng)的運行流程，如圖1所示。

3 負荷計算實例

3.1 任務分析

本文中通過對車輛駕駛?cè)蝿者M行實地觀察并對所錄制的視頻進行分析，采用焦點小組討論的方法，綜合大家的意見，將駕駛?cè)蝿罩兴锌赡苡龅降那闆r分解為若干個子任務，使用行為要素評定量表對其進行歸類并打分。駕駛?cè)蝿辗治霰砣绫?所示。

本文選擇了“綠燈路口直行”任務進行研究。在這一任務中，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間通過路口這一過程。將“綠燈路口直行”任務劃分為表2中子任務組成的序列，如表3所示。

圖1 系統(tǒng)運行流程圖

3.2 時間處理

從錄制的車輛駕駛視頻中選出一次表現(xiàn)穩(wěn)定的駕駛過程作為標準，提取其中各子任務的開始與結(jié)束時刻作為普遍情況的均值。在此過程中，按照子任務是否可觀測將其分為可見子任務與不可見子任務。對于可見子任務，可直接觀測并記錄其時間信息；對于不可見子任務，綜合駕駛員的駕駛經(jīng)驗對其時間信息進行推測?！熬G燈路口直行”任務的“子任務-時間”圖如圖2所示。

3.3 計算結(jié)果

將任務信息輸入負荷計算系統(tǒng)，得出“綠燈路口直行”任務在任務時長內(nèi)的腦力負荷需求值，結(jié)果如圖3所示。

由圖3可知，在“綠燈路口直行”任務的第9 s腦力負荷值最高，因為此時需要進行判斷何時開始減速、觀察車道、估計到路口的距離、判斷車速是否合適和確認通行條件等子任務，因此可在此時對車道狀況、到路口的距離和是否須要減速等信息進行適當推送，方便駕駛員獲取相關(guān)信息，以減輕其腦力負荷值。

表3 汽車綠燈路口直行子任務序列

圖2 汽車綠燈路口直行子任務時間關(guān)系圖

圖3 汽車綠燈路口直行任務負荷圖

4 實驗驗證

許多文獻指出，操作者生理指標的變化能反映其腦力負荷的變化，典型的指標有心臟電信號、呼吸、皮膚電信號、血壓、眼動和腦電活動等［17］，其中眼動指標包括首次注視時間、總注視時間、平均注視時間、注視次數(shù)、眼跳潛伏期與眼跳距離、回視時間與次數(shù)、眼動軌跡和瞳孔直徑等［18］。各指標與腦力負荷均有一定的聯(lián)系，但都不能全面反映腦力負荷的情況。因此，本文中選取其中的兩種指標作為腦力負荷的評價指標。其中，瞳孔直徑的變化能反映瞬時的腦力負荷信息，腦力負荷增大，瞳孔直徑也增大，過度認知疲勞時，瞳孔直徑反而變小［19］。皮膚電信號隨人體的交感神經(jīng)系統(tǒng)的變化而變化，依賴于人體的汗腺分泌反應［20］。操作者在進行某項較復雜的任務時，由于交感神經(jīng)興奮，導致汗腺活動加強，分泌汗液增多，使皮膚導電能力增大，會形成較大的皮膚電反應。皮膚電信號與駕駛員壓力水平密切相關(guān)［21］，隨任務需求的增加會顯著升高［22］。因此，皮膚電信號的變化也可在一定程度上反映操作者的腦力負荷水平。

本文中在實驗室中模擬“綠燈路口直行”任務，采用文獻［23］的方法給被試佩戴SMI頭戴式眼動儀，測得被試的瞳孔直徑，同時，在被試左手無名指和小指末梢部位佩戴BioNomadix無線生理記錄儀記錄被試的皮膚電信號。實驗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。實驗中，要求被試按照圖2的方式同時進行某任務。例如：第1個任務要求被試同時完成觀察前方環(huán)境、確保正確的行駛位置任務；第2個任務要求被試同時完成觀察前方環(huán)境、確保正確的行駛位置、觀察交通燈狀態(tài)、判斷何時開始減速任務；第10個任務要求被試同時完成觀察前方環(huán)境、確保正確的行駛位置、確認通行條件、觀察側(cè)方道路和判斷何時加速等任務。根據(jù)實驗過程的實時觀察，發(fā)現(xiàn)皮膚電信號的變化曲線是一個逐漸平緩下降的過程，這主要是因為被試在實驗過程中會逐漸適應刺激，從而放松情緒，對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，取完成此任務時皮膚電信號的最大值作為最終皮膚電信號值。實驗得到的瞳孔直徑-時間和皮膚電信號-時間關(guān)系曲線如圖4所示。

圖4 實驗圖

將瞳孔直徑值、皮膚電信號值分別與計算系統(tǒng)計算出的負荷值一起繪制為散點圖，如圖5所示。

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

圖5 散點圖

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重要的問題。國內(nèi)外許多研究也表明，駕駛員在行車過程中由于需要不斷地進行信息交互活動而產(chǎn)生的高駕駛負荷是引發(fā)駕駛疲勞的重要因素之一。而隨著汽車技術(shù)的不斷進步，未來汽車的人機系統(tǒng)中將會容納更多的信息系統(tǒng)。因此，對于評估汽車駕駛過程中駕駛員腦力負荷是否合理是當前和未來汽車研究領(lǐng)域的一個重點問題。本文中基于上述背景，開展了對于駕駛負荷的研究，旨在可以為駕駛負荷的評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。

（1）本文中以多資源理論為基礎，形成了腦力負荷計算系統(tǒng)，實現(xiàn)了從駕駛?cè)蝿盏侥X力負荷的轉(zhuǎn)化，用于對駕駛員進行駕駛?cè)蝿諘r的腦力負荷進行評估。此系統(tǒng)消除了駕駛員個體差異帶來的影響，將腦力負荷的結(jié)果與子任務聯(lián)系起來。

（2）鑒于實車駕駛實驗難以控制實驗變量且危險性較高，本研究從理論上對常見駕駛?cè)蝿者M行分析：拍攝日常駕駛?cè)蝿找曨l并采集其中子任務，建立子任務庫后可用于很多常見的駕駛?cè)蝿辗治觥＠帽狙芯恐杏玫降呢摵捎嬎隳Ｐ?，可在實際駕駛之前預測該種駕駛?cè)蝿账枰哪X力負荷狀況。

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

（4）最后采用生理指標與眼動指標對實驗結(jié)果進行驗證，證明了本文計算系統(tǒng)的有效性。