（南京理工大學(xué)自動化學(xué)院，江蘇 南京 210094）

0 引言

隨著城市交通基礎(chǔ)建設(shè)的發(fā)展和機(jī)動車保有量的增加，城市隧道越來越多，相比普通道路，隧道交通安全形勢更為嚴(yán)峻。由于隧道內(nèi)外環(huán)境差異大，駕駛員對隧道內(nèi)行車的適應(yīng)能力存在較大差異，容易產(chǎn)生心理負(fù)荷，而過高的心理負(fù)荷會影響駕駛?cè)说鸟{駛行為和行車安全。因此，研究駕駛?cè)嗽谒淼佬熊嚨男睦碡?fù)荷變化規(guī)律，對隧道安全設(shè)計、交通事故預(yù)防、駕駛?cè)诵睦碡?fù)荷智能監(jiān)控和主動預(yù)警等具有重要的現(xiàn)實(shí)意義。

國內(nèi)外對駕駛?cè)诵睦碡?fù)荷的研究主要包括心理負(fù)荷評價指標(biāo)選取和不同交通場景的心理負(fù)荷變化規(guī)律研究。國內(nèi)對于駕駛?cè)诵睦碡?fù)荷變化規(guī)律的研究場景主要集中在城市隧道[1]、高速公路出入口匝道[2]、彎道[3]、山區(qū)復(fù)雜公路[4]等特殊路段。一些學(xué)者選取心電指標(biāo)評價駕駛?cè)诵睦碡?fù)荷，如陳薇[4]以心率增長率表征心理負(fù)荷，對超車、會車、彎道行車等行車條件下的心理負(fù)荷變化規(guī)律進(jìn)行了研究；郭應(yīng)時[5]以心率變異性和心率增長率為指標(biāo)表征駕駛?cè)说男睦碡?fù)荷，并對眼動行為與心理負(fù)荷進(jìn)行相關(guān)性分析，發(fā)現(xiàn)掃視行為與心率增長率呈正相關(guān)，而與心率變異性呈負(fù)相關(guān)；吳萌[6]通過采集不同匝道路段駕駛?cè)诵穆首儺愋灾笜?biāo)，研究了不同交通組織形式對匝道區(qū)駕駛?cè)笋{駛負(fù)荷的影響。還有一些學(xué)者選取眼動指標(biāo)評價駕駛?cè)诵睦碡?fù)荷，如王少博[7]用掃視和眨眼行為來反映駕駛員在道路環(huán)境中的視覺負(fù)荷和緊張程度；朱彤等[8]選擇短眨眼作為視覺負(fù)荷評價指標(biāo)。另外，瞳孔面積也是表征駕駛?cè)诵睦碡?fù)荷的有效指標(biāo)，如陳云等[1]以瞳孔面積變化速度為指標(biāo)，研究了短隧道入口段不同車型駕駛?cè)说囊曈X負(fù)荷；潘曉東等[9]針對隧道進(jìn)出口段提出了新的視覺負(fù)荷評價指標(biāo)，即瞳孔面積最大瞬時速度值（Maximum Transient Velocity Value of Pupil Area,MTPA）；陳炳陽[10]提出用瞳孔面積樣本熵來表征視覺負(fù)荷強(qiáng)度。

國外學(xué)者也對駕駛?cè)诵睦碡?fù)荷與交通安全的關(guān)系展開了深入研究，如Reimer 等[11]認(rèn)為，當(dāng)心理負(fù)荷增加時，駕駛?cè)说淖⒁饬⒅饕性谇胺降缆飞?，對周圍環(huán)境的關(guān)注度較少，從而造成信息獲取能力降低；Faure 等[12]研究了駕駛?cè)嗽趫?zhí)行主任務(wù)和次任務(wù)時，心理負(fù)荷與駕駛?cè)蝿?wù)難度的關(guān)系，指出次任務(wù)難度對駕駛?cè)诵睦碡?fù)荷存在顯著影響。在心理負(fù)荷評價方面，Gomer 等[13]分析了不同難度任務(wù)下眼動指標(biāo)的變化情況，發(fā)現(xiàn)心理負(fù)荷越大，注視次數(shù)越多，注視時間越長；Lei等[14]驗(yàn)證了腦電、心率等指標(biāo)對工作負(fù)荷的靈敏性，并根據(jù)結(jié)果將心理負(fù)荷分成了不同的等級；Benedetto 等[15]通過實(shí)驗(yàn)發(fā)現(xiàn)，眨眼持續(xù)時間是評價視覺負(fù)荷的一個靈敏、可靠的指標(biāo)。

綜上，雖然現(xiàn)有研究已經(jīng)在駕駛?cè)诵睦碡?fù)荷評價方面進(jìn)行了諸多探索，但大多只考慮了心電指標(biāo)或眼動指標(biāo)，或僅對心電指標(biāo)與眼動指標(biāo)的相關(guān)性進(jìn)行分析，缺乏對心電指標(biāo)和眼動指標(biāo)的融合，即缺少將兩類數(shù)據(jù)結(jié)合起來的綜合量化分析。

本文考慮到心理負(fù)荷具有多維屬性且受多種因素影響，擬通過在城市隧道路段開展實(shí)車實(shí)驗(yàn)，首先采用D-lab 駕駛行為分析系統(tǒng)，實(shí)現(xiàn)駕駛?cè)搜蹌訑?shù)據(jù)和心電數(shù)據(jù)的同步監(jiān)測和記錄；然后結(jié)合心電指標(biāo)和眼動指標(biāo)，將抽象的、難以直接測量的心理負(fù)荷轉(zhuǎn)化為具象的、可測量的指標(biāo)，并采用因子分析法構(gòu)建心理負(fù)荷量化模型，研究駕駛?cè)嗽诔鞘兴淼拉h(huán)境下的心理負(fù)荷變化規(guī)律，為改善隧道行車安全提供依據(jù)。

1 實(shí)驗(yàn)數(shù)據(jù)采集

1.1 實(shí)驗(yàn)路段及設(shè)備

為研究城市隧道路段因行車環(huán)境改變而給駕駛?cè)藥淼男睦碡?fù)荷變化的規(guī)律，實(shí)驗(yàn)路段的選取需滿足以下條件：①隧道出入口處線形設(shè)計符合規(guī)范要求，無急彎和陡坡；②隧道出入口外與城市一般道路交叉口具有足夠的距離（大于300m）；③隧道為中長隧道，且在隧道入口處無法一眼看到隧道出口。針對以上條件，本實(shí)驗(yàn)選擇南京市水西門隧道（見圖1）。該隧道全長1.66km，隧道內(nèi)限速60km/h，主隧道為雙向6 車道，隧道內(nèi)部對向車道之間用墻體隔開，為單箱雙室箱涵形式，隧道內(nèi)照明采用高壓鈉燈，進(jìn)出口無洞外照明設(shè)施。

圖1 水西門隧道

實(shí)驗(yàn)采用D-Lab 軟件的Dikablis 眼動追蹤系統(tǒng)和Physio 生理采集系統(tǒng)，以同步記錄駕駛?cè)藢?shí)時眼動數(shù)據(jù)和心電數(shù)據(jù)。采樣頻率為60Hz，瞳孔追蹤精度為0.05°。實(shí)驗(yàn)時間避開早晚高峰，選擇天氣狀況良好的上午10：00—11：00和下午3：00—4：00。

1.2 實(shí)驗(yàn)過程

為了避免不同個體對實(shí)驗(yàn)結(jié)果的差異性影響，保證實(shí)驗(yàn)數(shù)據(jù)的多樣性，實(shí)驗(yàn)邀請了20位駕駛?cè)?，且矯正視力均為5.0 以上。被試駕駛?cè)诵畔⑷绫?所示。

表1 駕駛?cè)嘶拘畔?/p>

在預(yù)先告知實(shí)驗(yàn)路線但不告知實(shí)驗(yàn)?zāi)康牡那闆r下，讓駕駛?cè)伺宕黝^戴式眼動儀，胸前粘貼心電傳感器（貼片），按照自身習(xí)慣駕駛車輛并保持車速在50～60km/h范圍內(nèi)。由于實(shí)驗(yàn)是在真實(shí)的交通環(huán)境中進(jìn)行，駕駛?cè)丝赡苁芙煌?、限速或交通?biāo)志等的影響，為了減小偶然誤差，要求駕駛?cè)搜貙?shí)驗(yàn)隧道上下行方向各行駛3 次，取實(shí)驗(yàn)數(shù)據(jù)平均值進(jìn)行分析。

根據(jù)我國《公路隧道照明設(shè)計細(xì)則》（JTG/T D70/2—01—2014）[16]和《公路隧道設(shè)計規(guī)范》（JTG D70—2004）[17]，結(jié)合實(shí)驗(yàn)路段光照強(qiáng)度，將實(shí)驗(yàn)路段劃分為接近段、入口段、中間段、出口前段和出口后段5 個部分，即定義隧道進(jìn)口前150m 為接近段，進(jìn)入隧道后150m 為入口段，隧道出口前150m 和駛出隧道后150m 分別為出口前段和出口后段，其余部分為中間段。實(shí)驗(yàn)路段劃分如圖2所示。

圖2 實(shí)驗(yàn)路段區(qū)域劃分

1.3 實(shí)驗(yàn)數(shù)據(jù)采集與處理

實(shí)驗(yàn)過程中，為實(shí)現(xiàn)眼動數(shù)據(jù)和心電數(shù)據(jù)的同步采集，實(shí)驗(yàn)采用D-lab 駕駛行為分析系統(tǒng)，提取20 位被試駕駛?cè)说膶?shí)驗(yàn)數(shù)據(jù)后，利用SPSS軟件進(jìn)行數(shù)據(jù)分析。為保證眼動數(shù)據(jù)的有效性，基于拉依達(dá)準(zhǔn)則（其基本思路為：如果某一樣本數(shù)據(jù)與樣本均值之差的絕對值大于3 倍樣本標(biāo)準(zhǔn)差，則該數(shù)據(jù)被默認(rèn)為異常數(shù)據(jù)，應(yīng)予剔除）剔除異常數(shù)據(jù)，最終獲得正常駕駛狀態(tài)下的眼動數(shù)據(jù)，數(shù)據(jù)的有效性為92.5%。實(shí)驗(yàn)儀器采集到的生理數(shù)據(jù)為心電信號，原始心電信號包含許多噪聲，本文選擇小波變換去噪法對采集的心電數(shù)據(jù)去噪，然后利用MATLAB 提取心電信號的R 波。實(shí)驗(yàn)所獲R 波信號有效性較高，平均錯檢率為1.15%。

2 心理負(fù)荷表征指標(biāo)

心理負(fù)荷具有多維屬性，且受多種因素影響。常用的心理負(fù)荷測量方法有3 大類，即主觀評價法、雙任務(wù)測量法與生理測量法[18]。主觀評價法是根據(jù)實(shí)驗(yàn)人員在實(shí)驗(yàn)過程中的主觀感受和體驗(yàn)來評估心理負(fù)荷，大多采用評價量表的形式；雙任務(wù)測量法是通過完成任務(wù)的成績來預(yù)測心理負(fù)荷；生理測量法通過測定駕駛?cè)说哪X電、心電、眼動等指標(biāo)的變化情況，間接地對其心理負(fù)荷進(jìn)行評價，其優(yōu)點(diǎn)是客觀性和不受干擾性良好，在駕駛?cè)送瓿神{駛?cè)蝿?wù)時同步采集生理參數(shù)，不受環(huán)境和個人意志的影響。本文選擇生理測量法，即通過測定駕駛?cè)嗽谲囕v行駛過程中的生理反應(yīng)來間接地評估其心理負(fù)荷，所選指標(biāo)包括心電指標(biāo)和眼動指標(biāo)，其中心電指標(biāo)采用RR間期（即心電信號相鄰R 波之間的時間）標(biāo)準(zhǔn)差（Standard Diviation of NN Intervals,SDNN）和RR間期差值平方根（Root Mean Square Successive Difference,RMSSD），眼動指標(biāo)采用瞳孔面積變化率和注視時間。

2.1 心率變異性變化特性

心電信號是反映駕駛?cè)诵睦碡?fù)荷大小的直接指標(biāo)。心率變異性（Heart Rate Varibility,HRV）主要反映相鄰心跳周期的差異和波動性，可從時域和頻域兩方面從心電信號中提取，是評價心理負(fù)荷的有效指標(biāo)。研究表明，當(dāng)心理負(fù)荷增大時，心率變異性會減小。本文選取HRV時域指標(biāo)RR 間期標(biāo)準(zhǔn)差（SDNN）和RR 間期差值平方根（RMSSD）分析心率變異性指標(biāo)的變化規(guī)律。

RR間期標(biāo)準(zhǔn)差（SDNN）計算公式[19]如下：

RR 間期差值平方根（RMSSD）計算公式[19]如下：

式（1）～式（2）中：N為所分析時間段內(nèi)的心臟跳動總次數(shù)（次）；為RR 間期平均值；RRk為第k個RR間期值（ms）；RRk+1為第k+1個RR間期值（ms）。

繪制隧道路段駕駛?cè)说腟DNN 和RMSSD 變化箱線圖，如圖3～圖4所示。

圖3 隧道不同路段SDNN箱線圖

圖4 隧道不同路段RMSSD箱線圖

由圖3～圖4 可知，心率變異性指標(biāo)SDNN 和RMSSD 的變化規(guī)律基本相同，即：駕駛?cè)嗽谒淼澜咏沃寥肟诙?，SDNN 和RMSSD 減小，心理負(fù)荷增大；在出口前段至出口后段，SDNN 和RMS?SD增大，心理負(fù)荷減小。

2.2 瞳孔面積變化特性

瞳孔面積是表征駕駛?cè)诵睦碡?fù)荷的重要指標(biāo)。駕駛?cè)嗽诔鋈胨淼肋^程中瞳孔面積變化顯著。為減小不同個體瞳孔面積統(tǒng)計數(shù)據(jù)的差異性，選取瞳孔面積變化率進(jìn)行研究，其計算公式為：

式（3）中：Nt為t時刻駕駛?cè)送酌娣e變化率；St為t時刻駕駛?cè)送酌娣e（mm2）；S0為駕駛?cè)送酌娣e的平均值（mm2），本文S0取駕駛?cè)嗽谄胀范涡旭倳r的瞳孔面積均值。

隧道路段瞳孔面積變化率變化箱線圖如圖5所示。

圖5 隧道不同路段瞳孔面積變化率箱線圖

由圖5 可知，駕駛?cè)嗽谒淼澜咏?，瞳孔面積變化率較為平穩(wěn)；在入口段，瞳孔面積變化率呈指數(shù)形式急劇上升；在出口前段，瞳孔面積變化率呈指數(shù)形式下降；在出口后段，瞳孔面積變化率較為平穩(wěn)。

2.3 注視時間變化特征

注視時間是指駕駛?cè)藛未巫⒁曅袨榈某掷m(xù)時間，能反映駕駛?cè)说淖⒁饬谐潭群途o張程度。研究認(rèn)為，注視時間與心理負(fù)荷顯著相關(guān)，心理負(fù)荷隨注視時間的增加而增加[20]。隧道區(qū)域駕駛?cè)俗⒁晻r間變化箱線圖如圖6所示。

圖6 隧道不同路段注視時間箱線圖

由圖6可知，駕駛?cè)嗽谒淼澜咏沃寥肟诙危⒁晻r間顯著增加，表明心理負(fù)荷增大；出口前段至出口后段，注視時間顯著減小，表明心理負(fù)荷減小。

為了比較駕駛?cè)嗽谶M(jìn)出隧道過程中，心理負(fù)荷是否會因?yàn)榈缆翻h(huán)境的變化而發(fā)生顯著變化，分別對駕駛?cè)诉M(jìn)出隧道前后的生理特性進(jìn)行顯著性檢驗(yàn)，檢驗(yàn)方法采用配對樣本t檢驗(yàn)。顯著性檢驗(yàn)結(jié)果如表2所示。

表2 駕駛?cè)诉M(jìn)出隧道過程中生理特性顯著性檢驗(yàn)結(jié)果

由表2 可知，在進(jìn)出隧道過程中，SDNN、RMSSD、瞳孔面積變化率、注視時間均在不同路段存在顯著差異，說明隧道環(huán)境變化會對駕駛?cè)松硖匦援a(chǎn)生顯著影響。

3 心理負(fù)荷量化模型

3.1 因子分析法

因子分析法是通過研究變量內(nèi)部相關(guān)依賴關(guān)系，將一些具有復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計方法[21]。因子分析最常用的理論模型為：

式（4）中：Zj為第j個變量的標(biāo)準(zhǔn)化分?jǐn)?shù)；Fi（i=1,2,…,m）為共同因素；aji（j=1,2,…,n;i=1,2,…,m）為因子載荷，是第j個原有變量在第i個因子上的負(fù)荷；Uj為變量Zj的唯一因子。

式（4）用矩陣形式可表示為：

式（5）中：F為矩陣Z的公共因子，它是由Fi（i=1,2,…,m）組成的矩陣，且Z是由Zj（j=1,2,…,n）組成的矩陣；A為因子載荷矩陣，它是由aji（j=1,2,…,n;i=1,2,…,m）組成的矩陣；U為Z的特殊因子，它是由Uj（i=1,2,…,m）組成的矩陣。

因子載荷矩陣A中有兩個重要的統(tǒng)計量，即變量共同度和公共因子方差貢獻(xiàn)。變量共同度是因子載荷矩陣A第j行元素的平方和，記為：

公共因子方差貢獻(xiàn)率是因子載荷矩陣中各列元素的平方和，記為：

3.2 基于因子分析法的心理負(fù)荷量化

本文選取心電指標(biāo)SDNN 和RMSSD、眼動指標(biāo)瞳孔面積變化率和注視時間4 個指標(biāo)表征心理負(fù)荷，量化駕駛?cè)嗽诔鋈胨淼肋^程中的心理負(fù)荷值。

因子分析法須各指標(biāo)具有一定的相關(guān)性，故首先采用皮爾遜相關(guān)分析法對各指標(biāo)進(jìn)行相關(guān)性檢驗(yàn)。相關(guān)性檢驗(yàn)結(jié)果如表3 所示，滿足因子分析條件。

表3 皮爾遜相關(guān)性分析

表3 （續(xù)）

由于SDNN 和RMSSD 對心理負(fù)荷起負(fù)向作用，所以在因子分析時采用倒數(shù)法進(jìn)行指標(biāo)轉(zhuǎn)換，分別用DSDNN和DRMSSD表示。

首先對數(shù)據(jù)進(jìn)行凱撒·邁耶·奧爾金（Kai?ser-Meyer-Olkin,KMO）檢驗(yàn)和Bartlett 球形檢驗(yàn)，如表4所示。

表4 KMO和Bartlett檢驗(yàn)

由表4 可知，KMO 值為0.709＞0.7，且Sig.＜0.01，說明變量之間存在相關(guān)性，因子分析有效。為了便于心理負(fù)荷量化計算，將所有數(shù)據(jù)進(jìn)行Z-score標(biāo)準(zhǔn)化轉(zhuǎn)換后，繼續(xù)進(jìn)行因子分析。公因子方差表示各變量中信息分別被提取的比例，各變量的公因子方差如表5所示。

表5 公因子方差表

從表5 可知，公因子方差均大于0.8，說明變量能被公因子合理表達(dá)?？偡讲罱忉屓绫?所示。可見，因子旋轉(zhuǎn)前只有1個公因子，其方差貢獻(xiàn)率為63.775%；當(dāng)因子采用方差最大法正交旋轉(zhuǎn)后，可提取2 個公因子，累計方差貢獻(xiàn)率為83.165%。對旋轉(zhuǎn)后的成分矩陣進(jìn)行分析，如表7所示。

表6 總方差解釋表

表7 旋轉(zhuǎn)成分矩陣分析

由表7 可知，在第1 個公因子中，載荷較大值為0.922 和0.807，分別對應(yīng)的是注視時間和瞳孔面積變化率，因此可以將該因子歸為視覺負(fù)荷。第2 個公因子中，載荷較大值為0.878 和0.871，分別對應(yīng)于DRMSSD和DSDNN，故可以將該因子歸為生理負(fù)荷。2 個公因子的總解釋方差（即累計方差貢獻(xiàn)率）為83.165%，可見旋轉(zhuǎn)后的2 個公因子可以很好地解釋心理負(fù)荷的兩個方面。因此，結(jié)合實(shí)際，可以選擇旋轉(zhuǎn)后的2 個公因子作為心理負(fù)荷量化模型的基礎(chǔ)。然后由Thompson回歸法得到因子得分系數(shù)矩陣，對因子得分系數(shù)矩陣進(jìn)行分析，如表8所示。

表8 因子得分系數(shù)矩陣分析

由此，可以計算2 個公因子的得分F1和F2，分別為：

式（8）～式（9）中：F1,F2分別為2 個公因子的得分；V1,V2,V3,V4分別為原始變量的瞳孔面積變化率、注視時間、DSDNN和DRMSSD。

由表6 可知，兩個公因子的方差貢獻(xiàn)率分別為42.689%和40.476%，以其作為權(quán)重，并進(jìn)行單位化處理，最終得到心理負(fù)荷的量化值：

式（10）中：F為心理負(fù)荷量化值。

根據(jù)前文，將第1 公因子命名為視覺負(fù)荷，第2 公因子命名為生理負(fù)荷，則心理負(fù)荷可由視覺負(fù)荷和生理負(fù)荷兩方面解釋量化，且視覺負(fù)荷對于心理負(fù)荷量化結(jié)果的方差貢獻(xiàn)率大于生理負(fù)荷，兩者分別為42.689%和40.476%。

3.3 隧道路段心理負(fù)荷變化規(guī)律

對通過因子分析法計算得到的心理負(fù)荷值進(jìn)行歸一化處理，將所有數(shù)據(jù)轉(zhuǎn)換到區(qū)間[0,1]內(nèi)。駕駛?cè)诵睦碡?fù)荷變化箱線圖如圖7所示。

圖7 隧道不同路段心理負(fù)荷變化箱線圖

針對不同路段心理負(fù)荷分布差異，采用配對樣本t檢驗(yàn)分析不同路段心理負(fù)荷的差異性。顯著性檢驗(yàn)選取置信度α=0.05，統(tǒng)計結(jié)果見表9。

表9 顯著性檢驗(yàn)結(jié)果

由表9 可知：駕駛?cè)诵睦碡?fù)荷最大的路段為入口段和出口前段；駕駛?cè)嗽谶M(jìn)入隧道和駛出隧道的過程中，心理負(fù)荷存在顯著變化；駕駛?cè)嗽诮咏沃寥肟诙危睦碡?fù)荷顯著增大；出口前段至出口后段，心理負(fù)荷顯著減??；在隧道內(nèi)部，心理負(fù)荷變化較小。造成這一現(xiàn)象的原因主要是隧道出入口行車環(huán)境的突變。因此，在隧道安全設(shè)計時，應(yīng)考慮駕駛?cè)诵睦碡?fù)荷的變化規(guī)律。

4 結(jié)論

本文通過選取駕駛?cè)诵睦碡?fù)荷表征指標(biāo)，建立因子分析模型以量化駕駛?cè)诵睦碡?fù)荷，并得到如下結(jié)論：

（1）在進(jìn)出隧道過程中，駕駛?cè)诵穆首儺愋浴⑼酌娣e變化率、注視時間均存在顯著變化，即隧道環(huán)境變化會對駕駛?cè)松硖匦援a(chǎn)生顯著影響。

（2）心理負(fù)荷可由視覺負(fù)荷和生理負(fù)荷兩方面解釋量化。兩個公因子的累計方差貢獻(xiàn)率為83.165%，且視覺負(fù)荷的方差貢獻(xiàn)率大于生理負(fù)荷方差貢獻(xiàn)率（兩者分別為42.689%和40.476%）。

（3）駕駛?cè)嗽谶M(jìn)出隧道前后心理負(fù)荷具有顯著差異，即駛?cè)胨淼肋^程中心理負(fù)荷顯著增大，駛出隧道過程中心理負(fù)荷顯著減小。

本研究可為隧道行車安全提供一定的理論依據(jù)，對城市隧道內(nèi)外限速、交通標(biāo)志設(shè)置等具有一定的參考價值，后續(xù)還可應(yīng)用于駕駛?cè)诵睦碡?fù)荷智能監(jiān)控和主動預(yù)警方面。當(dāng)駕駛員心理負(fù)荷分?jǐn)?shù)較高時，可通過主動預(yù)警，對駕駛員予以安全提示，使駕駛員可通過降低車速或調(diào)整安全車距等方法降低心理負(fù)荷。受實(shí)驗(yàn)條件的限制，本文選取的心理負(fù)荷表征指標(biāo)較少，后續(xù)可綜合考慮心率、呼吸等生理指標(biāo)和眨眼特性、掃視特性等眼動指標(biāo)，以增強(qiáng)實(shí)驗(yàn)結(jié)果的科學(xué)性。