牛增良，孟德宇，王光耀

國內汽車市場駕駛人眼動行為檢測技術分析

牛增良，孟德宇，王光耀

（中國汽車技術研究中心有限公司，天津 300300）

為研究不同認知分心等級時的駕駛人眼動行為，通過數理統計的分析方法，對實車道路試驗采集的駕駛人完成不同等級認知次任務時的眼動行為特性指標進行了對比分析，定量研究了不同認知分心等級時駕駛人的眨眼、掃視及注視的變化規(guī)律。結果表明：認知次任務復雜度、眨眼頻率、掃視幅度、視野廣度之間顯著相關。隨著認知次任務難度的增加，駕駛人眨眼頻率顯著增加、搜索廣度明顯縮小、注視點分布更加集中?？梢姳疚牡难芯靠梢詾榛谘蹌有袨榈鸟{駛輔助系統的開發(fā)提供理論支持。

實車試驗；認知分心；掃視行為；注視行為

前言

駕駛車輛是一項復雜的操作，需要駕駛人長時間維持警覺，但是駕駛人行車過程中主動參與分心活動的現象卻很常見，例如手機通話、與乘客交談、聽廣播等，這對駕駛安全造成潛在的危害。與視覺分心（視線偏離道路）和操作分心（肢體偏離操控裝置）不同，駕駛人認知分心指駕駛人的注意力從駕駛主任務轉移到額外的思維活動上，是一種內源性質的分心形式。

國內外大量研究表明，認知分心對駕駛人視覺特性影響明顯。馬勇[1]等人通過對分析分心任務對駕駛人的影響，發(fā)現認知分心比視覺分心會對駕駛人產生更高的精神負荷。Lamble等[2]的研究表明，駕駛人在駕駛的同時執(zhí)行非視覺相關的認知分心次任務，會損害駕駛人對危險的檢測能力，表現為對前車的制動反應時間顯著增加。Patten等[3]研究了駕駛人打電話的同時完成外圍檢測任務（PDT）。結果表明，駕駛人打電話時，對LED的反應時間顯著增加，而且當交談內容的復雜性增加時，駕駛人的反應時間均顯著增加。Harbluk等[4]基于實際道路環(huán)境，研究了打電話行為對駕駛人視覺行為的影響，研究發(fā)現認知注意力分散時，駕駛人對左右后視鏡、內后視鏡、儀表盤等周圍環(huán)境關注的時間較少，對前方視野的注視時間增加。吳付威等[5]研究干擾跟車情況下駕駛人的注意力分配特性，發(fā)現在有干擾車出現時，駕駛人將注意力較多地分配到干擾車出現一側，對前方視野的關注程度相對降低。Harbluk等[6]探討了認知分心對駕駛人視覺行為的影響，發(fā)現隨著認知任務負荷的增加，駕駛人的掃視次數減少，而注視道路中央的時間顯著增加，并且關注右側區(qū)域的時間減少。Miyaji等[7]通過對駕駛人強加交談和計算任務，重點研究了如何檢測識別駕駛人認知分心。研究表明在正常駕駛期間，前方注視點廣泛地分布在周邊區(qū)域，然而施加認知分心任務后，前方注視點主要集中在狹小的范圍內。Strayer等[8]通過對比不同試驗環(huán)境下駕駛人行為深入了解駕駛人認知分心。結果發(fā)現，即使駕駛人視線不偏離前方道路，但認知分心抑制駕駛人負責安全駕駛的大腦區(qū)域活動，削弱了對駕駛環(huán)境的視覺掃描能力。馬勇[9]等通過對不同道路交通環(huán)境中駕駛人的視覺特性進行研究，發(fā)現不同道路環(huán)境對駕駛人的產生的視覺負荷不同，從而顯著影響駕駛人對不同區(qū)域和目標的注視頻次和注視時間。

綜上，國內缺少實車道路試驗，國外研究多集中于對駕駛人某一視覺特性指標的研究。本文擬研究城市與郊區(qū)之間的連接線路這一特定的環(huán)境下，不同認知分心等級時的駕駛人全部的眼動特性規(guī)律研究，以期為分心檢測提供理論支持。通過調研國內外研究現狀，明確本文研究的眼動行為參數主要包括：累計關注時間、搜索廣度、峰值與平均掃視速度、掃視頻率與幅度、眨眼頻率等指標。

1 駕駛人認知分心實車試驗

1.1 試驗設備與被試選擇

本文采用FaceLAB5眼動儀采集駕駛人的眼動數據，如圖1與圖2所示，但是在校對過程中，32名被試者中有8名因為眼睛的先天構造或佩戴眼鏡等原因，無法通過標定。因此，在選擇被試駕駛人時，避免鏡片的反光干擾眼動儀的識別準確率；駕駛人的真實駕齡須在5年以上，且非營運駕駛人。試驗用車為大眾途安轎車。

1.2 試驗道路選取

駕駛人通常行駛的道路類型主要有城市道路、高速公路、以及城市之間或者城市與郊區(qū)的連接線路。城市內部主要以50km/h以下的車速通行，高速公路則在80km/h以上。當在城市道路行駛時，由于交通構成復雜，駕駛人通常注意力較集中，而高速公路上行駛，車速非常快，駕駛人通常保持高度警惕。唯有城市之間或者城市與郊區(qū)的連接線路，速度通常維持在60km/h左右，交通構成單一，駕駛人容易放松警惕，主動參與認知分心活動。因此，對最后一種道路類型下駕駛人的認知分心研究更有意義。

圖1 眼動儀紅外攝像機安裝位

圖2 眼動儀系統運行主界面

1.3 試驗過程

試驗通過實車道路試驗的形式開展，試驗過程包括準備、調試、試驗以及記錄五個部分。

（1）試驗人員利用10分鐘時間向參與試驗的24名被試人員說明試驗要求，試驗任務及整個流程；

（2）對眼動儀進行安裝、調試和標定，眼動儀能正確追蹤駕駛人注視點位置就算是通過驗證；

（3）開展實車試驗，制定不同等級分心任務，以是否帶借位的兩位數加減法作為區(qū)分標準。

（4）試驗全程采集駕駛人眼動數據，并由專門負責人記錄執(zhí)行試驗任務的起止時刻，通過標志性建筑的時刻，區(qū)分直道與彎道的時刻以及發(fā)生諸如超車、變道等行為的時刻。

1.4 試驗數據分析

某一駕駛人在試驗過程中無分心任務狀態(tài)下的注視點分布圖如圖3所示。通過對原始數據的統計，可知駕駛人大部分時間都處于注視狀態(tài)如表1所示，而掃視行為其次，僅輔助獲取目標位置。

表1 駕駛人各眼動行為累計時間百分比

2 駕駛人注視行為研究

2.1 注視區(qū)域的劃分

本文把駕駛人的注視區(qū)域分為6個部分。“1區(qū)”表示道路中心區(qū)域，參考Victor等[10]人的研究，該區(qū)域是駕駛人獲取道路信息的主要注視區(qū)域；“2區(qū)”表示左后視鏡及附近區(qū)域，用于研究駕駛人行車過程中對車輛右后方目標的關注；“3區(qū)”表示右后視鏡及附近區(qū)域，用于研究駕駛人對車輛左后方目標的關注；“4區(qū)”表示儀表盤及附近區(qū)域，用于研究行車過程中對車輛速度、發(fā)動機轉速等信息的關注；“5區(qū)”表示前方道路區(qū)域中除道路中心區(qū)域以外其他區(qū)域，用于研究駕駛人對相鄰車道、前方道路標志標牌信號燈等的關注；“6區(qū)”表示車內其他區(qū)域，用于研究駕駛人對中控臺等區(qū)域的關注。

2.2 區(qū)域的累計關注時間分析

依據本文的注視區(qū)域劃分方法，駕駛人注視各區(qū)域的總時間所占百分比如表2所示（共23組數據，24名被試中1名被試數據無效）。Victor等[10]的研究中指出PRC對視覺任務和聽覺任務非常敏感，通常視覺任務導致注視點更加分散，而聽覺任務則使駕駛人的注視點更聚焦于道路中心。表2中對1區(qū)的關注情況即表示PRC值，隨著認知分心等級的增加，PRC值呈現出明顯的增加趨勢。說明認知分心后，為了保證安全駕駛，駕駛人大部分的目光都聚焦于道路中心附近。

表2 各區(qū)域累計關注時間百分比

通過表2分析發(fā)現，不管駕駛人有無認知分心，其絕大部分的時間都在關注前方道路，從而獲取道路環(huán)境信息。隨著認知分心等級的增加，駕駛人關注道路前方的時間也增加，PRC值也呈現出同樣的規(guī)律，隨著認知負荷增加，比例顯著提高。而研究對后視鏡和儀表盤的關注情況發(fā)現，隨著認知負荷的增加，關注的時間比例顯著下降，說明認知分心后，駕駛人忽視了對車速的關注。駕駛人的認知注意力資源是有限的，認知分心嚴重分散了駕駛人的認知注意力，導致駕駛人處理多任務能力下降。

2.3 視覺搜索廣度

搜索廣度表示的是水平、垂直方向上的視覺搜索范圍，垂直及水平方向視角的標準差作為評價搜索廣度的指標，用于反映行車過程中駕駛人視角分布的離散程度。為了獲取更多的環(huán)境信息，駕駛人必須擴大自己的搜索范圍，相應的視角標準差的值也就越大，試驗采集的24名被試數據均有效。

如圖4所示，無分心任務時的值明顯高于認知分心后的值，而不同分心等級對駕駛人垂直方向的視角標準差影響不明顯。對無分心任務和簡單分心任務時的視角標準差進行獨立樣本T檢驗，發(fā)現伴隨概率p=0.004<0.05，表明無分心任務時的視角標準差顯著高于執(zhí)行簡單分心任務時的值，也說明無分心任務下駕駛人垂直方向上的搜索范圍更廣。如圖5所示，復雜分心任務下，駕駛人水平方向的搜索范圍較小，而執(zhí)行簡單分心任務和無分心任務相比，水平方向搜索范圍基本無差別。將無分心任務、簡單分心任務分別與復雜分心任務下的水平視角標準差進行獨立樣本T檢驗，都得出伴隨概率p=0.005<0.05，說明無分心任務與簡單分心任務時的水平視角標準差顯著高于復雜分心任務時的值。

圖4 垂直視角標準差

圖5 水平視角標準差

3 駕駛人掃視行為研究

縱觀整個行車過程，用于掃視行為的時間總占比僅為15%左右，但掃視行為發(fā)揮著關鍵性的作用。為獲取更多的環(huán)境信息，駕駛人需要大范圍的快速搜索，由于測試精度要求比較高，有效數據僅為18組。

3.1 峰值掃視速度

峰值掃視速度為一次掃視行為中跨度最大的兩個采樣點對應速度值。正常駕駛時的峰值掃視速度為3040o/s，簡單分心任務時為4349o/s，復雜分心任務時為3848o/s。分心后的注視目標更明確，視線進行大范圍轉移時不會留意目標之間是否存在其他感興趣的目標。然而，在無分心任務時駕駛人注視目標并不很明確，在進行視線轉移時會被注視目標之間的其他事物干擾，從而峰值掃視速度較低。

3.2 掃視頻率

不同等級認知次任務下駕駛人的掃視頻率統計如圖6所示，認知分心后的掃視頻率四分位數、中位數均高于正常駕駛階段的對應值。而簡單分心任務下的掃視頻率分布又略高于復雜分心任務下的值。說明駕駛人認知分心占據了一部分認知資源，獲取目標相關信息的能力下降，通過增加掃視目標的頻率以獲取相關信息。而隨著認知分心等級的增加，占用了更多的認知資源，駕駛人不得不放棄對一些目標的觀察，從而降低了掃視頻率。

圖6 不同等級認知分心次任務掃視頻率分布

3.3 掃視幅度

定義5~15°區(qū)間內的掃視為低幅度掃視，15~30°為中幅度掃視，30°以上為大幅度掃視，如圖7所示。無論駕駛人有無分心任務，其掃視行為以低幅和中幅掃視為主。認知分心后，駕駛人低幅度掃視行為時間增加，說明駕駛人增加了低幅度的搜索頻次，這可能是因為駕駛人認知分心后，其中一部分注意力資源用于分心任務，剩余資源不足以處理大范圍掃視時獲取的信息，這是一種認知分心補償機制。

圖7 不同認知分心等級駕駛人掃視行為統計

3.4 平均掃視速度

平均掃視速度定義為掃視幅度與掃視持續(xù)時間的比值，單位為o/s。掃視平均速度能夠說明前一次注視過程中信息加工的速度以及被試者尋找下一個目標的速度。分別統計駕駛人無分心任務、簡單分心任務、復雜分心任務對應的平均掃視速度，如圖8所示。無論駕駛人有沒有參與認知分心活動，可以認為平均掃視速度主要分布于50o/s~300o/s之間。其中，在50~100o/s和150~300o/s的這4個區(qū)段內，駕駛人無論執(zhí)行簡單分心任務還是復雜分心任務時的平均掃視速度分布頻次百分比均與無認知分心次任務時的值相當。唯有在100~150o/s的區(qū)段內，簡單分心任務和復雜分心任務時的頻次百分比高于無任務時的頻次百分比，而隨著認知分心等級的增加，頻次百分比出現了一定的降幅。

圖8 不同認知分心等級駕駛人平均掃視速度統計

4 駕駛人眨眼行為研究

由試驗得出24組數據，可用于眨眼行為研究的有20組。如圖10所示，可知隨著任務難度的增加，眨眼頻率顯著增加。對無分心任務和復雜分心任務以及簡單分心任務和復雜分心任務時的眨眼頻率進行獨立樣本T檢驗，得出伴隨概率分別為P=0.002<0.05和P=0.001<0.05，表明復雜分心任務下的眨眼頻率顯著高于無分心任務和簡單分心任務時的眨眼頻率，認知分心后眨眼頻率分布更集中。

圖9 不同認知分心等級下的眨眼頻率

圖10 眨眼持續(xù)時間分布

分析圖9可知，不同認知分心等級下受試者的眨眼時間分布大致相當，主要分布于0.13~0.2s的時間范圍內，上邊緣的值基本在同一水平。如圖10所示可知，正常駕駛情況下，眨眼持續(xù)時間均值為0.176s，做簡單計算題和復雜計算題的均值分別為0.177s和0.171s，基本上無差異。說明同種類型不同等級的認知分心次任務對駕駛人眨眼持續(xù)時間基本沒有影響。

5 結論

對駕駛人在完成不同復雜度的認知次任務時的視覺特性指標數據分析后，得到以下結論：

（1）駕駛人認知分心后眨眼頻率分布更集中，復雜分心任務下的眨眼頻率顯著高于正常駕駛和簡單分心任務下的值。不同等級的認知分心次任務對駕駛人眨眼持續(xù)時間基本沒有影響。

（2）增加認知分心任務以后，駕駛人增加了小幅度的搜索頻次而減少了大幅度的搜索頻次。

（3）與正常情況相比，駕駛人做簡單分心時平均掃視速度在100~150o/s范圍內的頻次百分比增加了約5%，而隨著分心任務難度的增加，該區(qū)段的頻次百分比又出現了一定的降幅。

（4）無論有無認知分心，絕大部分的時間都在關注前方道路。隨著認知分心次任務難度的增加，駕駛人關注道路前方的時間有所增加，尤其是在進行復雜運算時，幾乎全部時間都用于看前方道路。

（5）正常情況下駕駛人垂直方向上的搜索范圍明顯大于認知分心后的搜索范圍。水平方向上僅在做復雜分心任務時搜索范圍顯著縮小。

（6）復雜分心任務時，組合視角標準差明顯低于正常駕駛和簡單分心任務時的值，說明復雜分心任務下，駕駛人的空間搜索范圍顯著縮小了。

[1] 馬勇,付銳,袁鈺,等.基于駕駛人分心影響程度的駕駛分心任務評級[J].交通信息與安全,2014, 032(005): 47-51+57.

[2] Lamble D,Kauranen T, Laakso M, et al. Cognitive load and detection thresholds in car following situations: safety implications for using mobile (cellular) telephones while driving[J].Accident Analysis & Prevention,1999, 31(6):617-623.

[3] Patten C J D,Kircher A,?stlund J, et al.Using mobile telephones: cognitive workload and attention resource allocation[J].Accident analysis & prevention, 2004, 36(3):341-350.

[4] Harbluk J L,Noy Y I,Eizenman M.The impact of cognitive distrac -tion on driver visual behaviour and vehicle control[R].2002.

[5] 吳付威,黎莉,付銳.城市道路干擾跟車對駕駛人注意力分配的影響[J].重慶交通大學學報（自然科學版）, 2018, 037(006):87-91.

[6] Harbluk J L,Noy Y I,Eizenman M.The impact of internal distraction on driver visual behavior[J].Retrieved June, 2000,15:2003.

[7] Miyaji M,Kawanaka H,Oguri K.Driver's cognitive distraction detec -tion using physiological features by the adaboost[C]//Intelligent Transportation Systems,2009.ITSC'09.12th International IEEE Con -ference on. IEEE, 2009:1.6.

[8] Strayer D L, Cooper J M, Turrill J, et al. Measuring cognitive distraction in the automobile[J]. 2013.

[9] 馬勇,付銳,孟妮,等.道路環(huán)境對駕駛人眼動行為影響的試驗研究[J].交通運輸系統工程與信息, 2015(03):86-92.

[10] Victor T W,Harbluk J L, Engstr?m J A. Sensitivity of eye.movement measures to in.vehicle task difficulty[J].Transportation Research Part F:Traffic Psychology and Behaviour,2005,8(2):167-190.

Analysis Of Driver’s Eye Movement Behavior Detection Technology In Domestic Automobile Market

Niu Zengliang, Meng Deyu, Wang Guangyao

( China Automotive Technology and Research Center Co., Ltd., Tianjin 300300 )

In order to study the drivers' eyes movement under the different level of cognitive distraction,the method of mathematical statistics was used to investigate the contrast analysis of eye movement index, when drivers complete different complexity of cognitive secondary tasks on the real vehicle road test, and do a quantitative research of variation to the drivers' blink, scanning and watched under the different level of cognitive distraction. The results show that the correlation is significant among the cognitive task complexity, blink frequency, saccade amplitude and the breadth of view .It is concluded that with the increase of cognitive secondary task difficulty, drivers' blink rate increased significantly, the search scope narrowed considerably, the fixation point distribution is more concentrated. Research of this paper provides theoretical support to the development of driving assistance systems which is based on eye movement behavior.

Real vehicle test; Cognitive distraction; Scanning behavior; Gaze behavior

10.16638/j.cnki.1671-7988.2021.07.035

U491

A

1671-7988(2021)07-107-05

U491

A

1671-7988(2021)07-107-05

牛增良，碩士，工程師，就職于中國汽車技術研究中心有限公司，研究方向：交通安全。