劉卓紳，裴玉龍

(東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040)

世界工業(yè)化進(jìn)程的不斷發(fā)展，不僅促進(jìn)經(jīng)濟(jì)增長(zhǎng)，也帶來(lái)嚴(yán)重的環(huán)境問(wèn)題，霧霾、沙塵暴等極端天氣頻發(fā)，嚴(yán)重影響駕駛?cè)说哪芤?jiàn)度，阻礙駕駛?cè)搜杆僮R(shí)別交通標(biāo)志信息，對(duì)駕駛?cè)说呐袛嗪婉{駛行為產(chǎn)生干擾，使駕駛?cè)税踩{駛到目的地難度增加。文中研究目的在于探究駕駛?cè)嗽诓煌芤?jiàn)度及交通標(biāo)志信息量條件下的視覺(jué)特性，提高交通安全水平與運(yùn)行效率。

Fang等[1]通過(guò)城市隧道的駕駛試驗(yàn)，探究隧道長(zhǎng)度與最大瞳孔直徑及眼跳百分比之間的關(guān)系；Savage等[2]通過(guò)模擬駕駛試驗(yàn)對(duì)不同年齡駕駛?cè)诵旭偟浇徊婵跁r(shí)的頭部和眼部運(yùn)動(dòng)進(jìn)行分析，結(jié)果表明高齡駕駛?cè)说难鄄繏呙璺秶?，但頭部和眼部的掃描范圍更小；Vignali等[3]通過(guò)對(duì)駕駛?cè)嗽谡５缆泛褪┕さ缆沸熊囘^(guò)程中的視認(rèn)特性分析，發(fā)現(xiàn)相比于綜合標(biāo)志駕駛?cè)藢?duì)單個(gè)標(biāo)志的視認(rèn)持續(xù)時(shí)間會(huì)更長(zhǎng)；Madlenak等[4]分析駕駛?cè)嗽诎滋旌鸵雇頃r(shí)段行車對(duì)交通信息牌的視認(rèn)程度；Lyu等[5]運(yùn)用仿真駕駛試驗(yàn)探究交通標(biāo)志信息量對(duì)駕駛?cè)笋{駛行為的影響；Cheng等[6]通過(guò)實(shí)車試驗(yàn)對(duì)駕駛?cè)笋側(cè)?、駛出城市快速路視覺(jué)特性進(jìn)行探究；Li等[7]通過(guò)在山路急轉(zhuǎn)彎路段進(jìn)行實(shí)車測(cè)試，分析不同速度下駕駛?cè)藢?duì)急轉(zhuǎn)彎標(biāo)志的視覺(jué)認(rèn)知過(guò)程；Costa等[8]通過(guò)實(shí)車駕駛試驗(yàn)的方式，分析駕駛?cè)俗⒁朁c(diǎn)和記憶力，發(fā)現(xiàn)在忽略標(biāo)志設(shè)置高度和角度的方式條件下，約有7%的交通標(biāo)志會(huì)被記?。籆hao等[9]研究了光照和年齡對(duì)交通標(biāo)志閾值與自信識(shí)別的影響，結(jié)果表明夜晚和雨天會(huì)導(dǎo)致年長(zhǎng)駕駛?cè)艘曊J(rèn)效果降低，增大交通事故的發(fā)生機(jī)率；Charlton[10]通過(guò)駕駛試驗(yàn)的方式獲取駕駛?cè)藢?duì)16種不同警告交通標(biāo)志的注意力、視覺(jué)搜索、醒目性等數(shù)據(jù)，分析不同場(chǎng)景下警告標(biāo)志對(duì)駕駛?cè)艘曈X(jué)特性影響；馮笑凡[11]通過(guò)模擬駕駛試驗(yàn)，分析車路協(xié)同的霧天預(yù)警系統(tǒng)對(duì)駕駛?cè)艘曈X(jué)特性的影響；戚春華等[12-13]通過(guò)模擬駕駛試驗(yàn)，分別驗(yàn)證駕駛?cè)诵碾娭笜?biāo)和視覺(jué)特性對(duì)草原公路上交通標(biāo)志信息量的敏感性和有效性；韓磊等[14]通過(guò)建立不同層級(jí)交通工程設(shè)施信息量的虛擬試驗(yàn)場(chǎng)景，分析注視強(qiáng)度等視覺(jué)評(píng)價(jià)指標(biāo)與信息層級(jí)的關(guān)系；柯暢等[15]通過(guò)駕駛模擬試驗(yàn)的方式采集駕駛?cè)说难蹌?dòng)數(shù)據(jù)，分析發(fā)現(xiàn)不同信息量及車流量都會(huì)對(duì)駕駛員的注視次數(shù)、平均注視時(shí)間和搜索時(shí)間產(chǎn)生影響；杜志剛等[16]通過(guò)模擬駕駛實(shí)驗(yàn)，對(duì)單一標(biāo)志和組合標(biāo)志的視認(rèn)時(shí)間和視認(rèn)反應(yīng)時(shí)間進(jìn)行對(duì)比分析，得到不同類型的冗余信息對(duì)指路標(biāo)志的影響程度也不相同；劉博華等[17]通過(guò)對(duì)不同速度下的駕駛?cè)搜蹌?dòng)參數(shù)分析，驗(yàn)證注視次數(shù)和注視時(shí)間與交通標(biāo)志信息量的關(guān)系，確定適合的信息量；蘇文鵬[18]基于城市交叉口告知標(biāo)志現(xiàn)狀和駕駛員視覺(jué)特性，提出一種新的平面交叉口告知標(biāo)志設(shè)置方案。

綜上，目前國(guó)內(nèi)外學(xué)者從交通標(biāo)志類型及信息量的角度，探究駕駛?cè)艘曊J(rèn)過(guò)程、視覺(jué)特性與交通標(biāo)志相關(guān)參數(shù)的內(nèi)在聯(lián)系。但已有研究中，關(guān)于不同能見(jiàn)度及信息量條件下交通標(biāo)志對(duì)駕駛?cè)艘曈X(jué)特性影響的研究較少，因此，文中在現(xiàn)有研究和規(guī)范基礎(chǔ)上，通過(guò)模擬駕駛試驗(yàn)的方法，分析在不同能見(jiàn)度的城市主干路條件下，各種交通標(biāo)志信息量對(duì)駕駛?cè)艘曈X(jué)特性的影響。

1 試驗(yàn)設(shè)計(jì)

1.1 試驗(yàn)被試對(duì)象

已有研究表明，駕駛?cè)艘蛐愿瘛⒛挲g、反應(yīng)力等方面的差別，導(dǎo)致其駕駛方式各不相同，有關(guān)交通事故責(zé)任者的相關(guān)調(diào)查統(tǒng)計(jì)結(jié)果表明，交通事故責(zé)任者年齡多集中在18～25歲[19-20]。因此，文中招募有駕駛經(jīng)驗(yàn)的在校大學(xué)生作為模擬駕駛試驗(yàn)的駕駛?cè)恕?/p>

使用簡(jiǎn)單隨機(jī)抽樣的方法確定駕駛?cè)说臉颖玖浚瑯颖玖克闶綖?/p>

(1)

式中：n為試驗(yàn)所需試樣數(shù)量；Z為置信度統(tǒng)計(jì)量；σ為駕駛?cè)烁鲄?shù)總體標(biāo)準(zhǔn)偏離；e為駕駛?cè)烁髦笜?biāo)允許誤差。

試驗(yàn)隨機(jī)招募21位不同性別及年齡的被試人員，要求被試人員矯正視力5.0以上，身體健康，無(wú)眼部疾病，且具有不同道路環(huán)境的駕駛經(jīng)驗(yàn)。

1.2 試驗(yàn)設(shè)備

模擬駕駛用到的設(shè)備是德國(guó)WIVW公司開(kāi)發(fā)的駕駛模擬器，模擬器中駕駛設(shè)施與實(shí)車結(jié)構(gòu)相同；采用瑞典SMART EYE公司研制的非接觸式眼動(dòng)追蹤設(shè)備Smart eye，以60 Hz的頻率對(duì)駕駛?cè)穗p眼進(jìn)行追蹤和數(shù)據(jù)采集；試驗(yàn)使用SILAB軟件對(duì)道路、車輛和交通標(biāo)志等要素進(jìn)行組合，完成駕駛場(chǎng)景的搭建。仿真模擬駕駛平臺(tái)及眼動(dòng)儀如圖1所示，試驗(yàn)設(shè)備及軟件如表1所示。

圖1 仿真模擬駕駛平臺(tái)

表1 試驗(yàn)設(shè)備及軟件

1.3 試驗(yàn)場(chǎng)景搭建

以實(shí)際的城市主干路為依據(jù)，參考2016年版的《城市道路工程設(shè)計(jì)規(guī)范》(CJJ37-2012)，通過(guò)SILABA Edit軟件搭建車道寬度為3.75 m、設(shè)計(jì)速度為60 km·h-1的試驗(yàn)場(chǎng)景。為研究不同能見(jiàn)度條件下的駕駛?cè)艘曈X(jué)特性，參考《霧的預(yù)報(bào)等級(jí)》(GB/T 27964-2011)對(duì)試驗(yàn)場(chǎng)景的能見(jiàn)度等級(jí)進(jìn)行分類，能見(jiàn)度等級(jí)如表2所示。

表2 道路能見(jiàn)度等級(jí)

文中以信息論為依據(jù)進(jìn)行交通標(biāo)志信息量計(jì)算。信息論提出了攜帶的信息量與該物所攜帶內(nèi)容元素出現(xiàn)的概率有關(guān)[21]，假設(shè)城市干路交通標(biāo)志的概率空間為(X，Q，P)和Q=(x1，x2，…，xn)，P={p(x1)，p(x2)，…，p(xn)}，信息熵可表示為

(2)

式中：xi為第i個(gè)事件，i=1，2，…N；p(xi)為第i種狀態(tài)的概率，0≤p(xi)≤1；a為底數(shù)(一般取2)。

由于交通標(biāo)志中的圖像、符號(hào)、文本都只是構(gòu)成交通標(biāo)志的一個(gè)信息量，因此這些標(biāo)識(shí)內(nèi)的信息都具有獨(dú)立性，按一般信息量統(tǒng)計(jì)[22]。可將式(2)簡(jiǎn)化為

H(X)=log2Q

(3)

根據(jù)式(2)～(3)對(duì)交通標(biāo)志要素信息量進(jìn)行計(jì)算，得到各交通標(biāo)志信息元素的信息量，如表3所示。

根據(jù)各交通標(biāo)志信息元素的信息量將城市主干路交通標(biāo)志信息量設(shè)置為4個(gè)等級(jí)，如表4所示。

表3 各交通標(biāo)志信息元素信息量

表4 交通標(biāo)志信息量等級(jí)

1.4 試驗(yàn)流程

1)以實(shí)際道路情況為參照，構(gòu)建不同能見(jiàn)度條件下的駕駛場(chǎng)景，結(jié)合試駕人建議調(diào)整場(chǎng)景，確保試驗(yàn)結(jié)果真實(shí)合理；

2)選定符合標(biāo)準(zhǔn)的駕駛?cè)藚⑴c試驗(yàn)，對(duì)駕駛?cè)嘶厩闆r進(jìn)行記錄，簽署駕駛試驗(yàn)知情同意書；

3)安裝并開(kāi)啟試驗(yàn)設(shè)備，調(diào)試設(shè)備確保其在試驗(yàn)過(guò)程中正常運(yùn)行；

4)駕駛?cè)诉M(jìn)入駕駛艙，適應(yīng)模擬駕駛器的駕駛環(huán)境；

5)對(duì)駕駛?cè)诉M(jìn)行安全培訓(xùn)，提前告知試驗(yàn)過(guò)程中可能發(fā)生的情況；

6)在受試者進(jìn)入駕駛艙調(diào)整合適姿勢(shì)后，調(diào)試眼動(dòng)儀，進(jìn)行捕捉、校準(zhǔn)和對(duì)焦；

7)開(kāi)始試驗(yàn)，駕駛?cè)税匆笤谀M場(chǎng)景下進(jìn)行駕駛，對(duì)駕駛?cè)说难蹌?dòng)數(shù)據(jù)進(jìn)行記錄；

8)試驗(yàn)期間給予駕駛?cè)顺渥愕男菹r(shí)間，使其在良好狀態(tài)下進(jìn)行試驗(yàn)，并依次完成全部場(chǎng)景駕駛；

9)更換新的駕駛?cè)?，重?fù)上述步驟；

10)試驗(yàn)結(jié)束。

1.5 數(shù)據(jù)預(yù)處理

根據(jù)已有研究，駕駛?cè)嗽趯?duì)交通標(biāo)志的視覺(jué)識(shí)別過(guò)程中存在“人工反應(yīng)時(shí)間”間隔，結(jié)合相關(guān)心理學(xué)理論，值應(yīng)為211 ms。一般認(rèn)為駕駛?cè)俗R(shí)別和閱讀交通標(biāo)志的時(shí)間在0.5～2.0 s之間，鑒于試驗(yàn)涉及到標(biāo)志組合，需要適當(dāng)增加識(shí)別時(shí)間，因此文中將時(shí)間限定為0.2～3.0 s。但對(duì)受試者在試驗(yàn)過(guò)程中由于注意力分散、緊張等原因出現(xiàn)的操作錯(cuò)誤，使容量超出限制的數(shù)據(jù)不予采用。

2 視覺(jué)特性指標(biāo)分析

2.1 注視行為

注視時(shí)間表征了駕駛?cè)颂幚硇畔⑺枰臅r(shí)間，表示駕駛?cè)双@得信息的困難程度。注視時(shí)間與注視過(guò)程中處理信息的復(fù)雜程度呈正相關(guān)：信息復(fù)雜程度越高，相應(yīng)的注視時(shí)間越長(zhǎng)；出現(xiàn)在駕駛?cè)艘暰€區(qū)域內(nèi)的信息密度越大，注視時(shí)間就越長(zhǎng)。對(duì)不同能見(jiàn)度條件下駕駛?cè)说钠骄⒁晻r(shí)間進(jìn)行分析，結(jié)果如圖2所示。

圖2 不同能見(jiàn)度條件下駕駛?cè)似骄⒁晻r(shí)間

由圖2可知，在4種不同能見(jiàn)度條件下，當(dāng)駕駛?cè)嗽诓煌煌?biāo)志信息量等級(jí)條件下的城市主干路場(chǎng)景行駛時(shí)：平均注視時(shí)間整體呈上升趨勢(shì)，并且上下四分位數(shù)也逐漸分散，說(shuō)明能見(jiàn)度對(duì)駕駛?cè)说钠骄⒁晻r(shí)間產(chǎn)生較大影響；平均注視時(shí)間穩(wěn)定性降低，出現(xiàn)大幅度變化和波動(dòng)，說(shuō)明駕駛?cè)说囊曈X(jué)注意力穩(wěn)定性較差。當(dāng)能見(jiàn)度條件相同時(shí)，根據(jù)箱線圖中表征樣本的上、下四分位數(shù)及整體數(shù)據(jù)分布情況可得，隨著交通標(biāo)志信息量的增大，平均注視時(shí)間呈現(xiàn)出由分散逐漸集中、再逐漸分散的變化趨勢(shì)，說(shuō)明在信息量I3條件下駕駛?cè)藢?duì)行車時(shí)道路交通環(huán)境的信息獲取和認(rèn)知能力較為穩(wěn)定。當(dāng)能見(jiàn)度為V1、V2條件時(shí)，各個(gè)信息量條件下注視時(shí)間的上、下四分位數(shù)及整體數(shù)據(jù)在較低水平；當(dāng)能見(jiàn)度到達(dá)V3條件時(shí)迅速增長(zhǎng)，說(shuō)明當(dāng)能見(jiàn)度低至V3、V4條件時(shí)，能見(jiàn)度成為影響駕駛?cè)俗⒁晻r(shí)間的主要因素。能見(jiàn)度過(guò)低使得駕駛過(guò)程中道路上的車輛、標(biāo)志及景觀等突然出現(xiàn)在駕駛?cè)艘曇皟?nèi)，嚴(yán)重影響行車安全。

2.2 掃視行為

掃視時(shí)間是指駕駛?cè)嗽隈{駛過(guò)程用于視覺(jué)搜索的時(shí)間。掃視時(shí)間和所處理信息量的復(fù)雜程度密切相關(guān)，掃視時(shí)間反映了駕駛?cè)双@取信息量的能力。掃視時(shí)間越短，表明駕駛?cè)嗽饺菀装l(fā)現(xiàn)并看清交通標(biāo)志；反之，則越困難。對(duì)不同能見(jiàn)度條件下駕駛?cè)说膾咭晻r(shí)間占比進(jìn)行分析，得到結(jié)果如圖3所示。

圖3 不同能見(jiàn)度條件下駕駛?cè)藪咭晻r(shí)間占比

由圖3可知，隨著城市主干路能見(jiàn)度的變化，不同信息量條件下的掃視時(shí)間百分比表現(xiàn)出先下降后上升趨勢(shì)，說(shuō)明能見(jiàn)度顯著影響了駕駛?cè)藢?duì)掃視行為的時(shí)間分配。能見(jiàn)度為V1、V2條件時(shí)各個(gè)信息量條件下的掃視時(shí)間百分比主要集中在10.3%～13.4%之間；而能見(jiàn)度為V3、V4條件時(shí)，各信息量條件下的該項(xiàng)指標(biāo)值在11.2%～15.8%之間。從整體趨勢(shì)看，各個(gè)信息量條件下的掃視時(shí)間百分比隨著能見(jiàn)度下降而增加，這是因?yàn)椋耗芤?jiàn)度在V1～V3的條件下，駕駛?cè)嗽谛熊囘^(guò)程中可快速判定出各類交通信息中的重要信息，保證駕駛員的正常行駛，因此駕駛員的視線轉(zhuǎn)移較快且所用的注視時(shí)間也較短；而能見(jiàn)度降低至V4條件時(shí)，駕駛?cè)艘暰€受阻，不能迅速判別出有用的交通信息，視線轉(zhuǎn)移速度較慢。

2.3 瞳孔直徑

瞳孔大小可由瞳孔直徑進(jìn)行表征。獲取繁多的信息、進(jìn)行復(fù)雜的思考都會(huì)對(duì)駕駛?cè)说男睦懋a(chǎn)生一定負(fù)擔(dān)，從而對(duì)瞳孔大小產(chǎn)生影響，所以瞳孔直徑的變化能直接反應(yīng)駕駛?cè)说男睦碡?fù)荷。當(dāng)駕駛?cè)说臓顟B(tài)良好時(shí)，心理負(fù)荷度對(duì)瞳孔面積的影響最為顯著。心理負(fù)荷度越小，說(shuō)明交通標(biāo)志的設(shè)置越符合人機(jī)工程學(xué)，駕駛員能較快地接收各類交通信息。為控制光照對(duì)駕駛員瞳孔大小的影響，本試驗(yàn)在光照強(qiáng)度不變的室內(nèi)進(jìn)行，得到不同能見(jiàn)度條件下駕駛?cè)说耐字睆剑治鼋Y(jié)果如圖4所示。

圖4 不同能見(jiàn)度條件下駕駛?cè)送字睆?/p>

由圖4可知，隨著城市主干路能見(jiàn)度的變化，不同信息量條件下的駕駛?cè)送字睆接忻黠@波動(dòng)，隨著能見(jiàn)度的下降，瞳孔直徑整體呈上升趨勢(shì)。當(dāng)能見(jiàn)度相同時(shí)，信息量在I2、I3條件時(shí)瞳孔直徑較小，說(shuō)明此時(shí)心理負(fù)荷度小，駕駛?cè)烁菀捉邮张c理解道路交通信息；當(dāng)能見(jiàn)度在V2、V3條件時(shí)駕駛?cè)送字睆捷^為接近，平均值在3.09～3.26 mm；當(dāng)能見(jiàn)度在V4條件時(shí)，平均值上升到3.22～3.40 mm，說(shuō)明能見(jiàn)度對(duì)駕駛?cè)送字睆接绊戄^大。在能見(jiàn)度較低條件下，駕駛?cè)藢⒆⒁饬τ迷谧⒁暬蚩辞宓缆飞系母鞣N交通標(biāo)志及各方向來(lái)車，導(dǎo)致駕駛?cè)司窬o張，心理負(fù)荷度較大。

2.4 注視轉(zhuǎn)移特性

2.4.1 AOI劃分

為準(zhǔn)確區(qū)分駕駛?cè)说淖⒁暸d趣區(qū)域(AOI)，文中使用K-means算法加以區(qū)分。將駕駛?cè)俗⒁朁c(diǎn)在視野平面上的幾何位置作為聚類變量，即對(duì)凝視點(diǎn)的位置進(jìn)行聚類，選取每位駕駛?cè)? 000～3 000個(gè)連續(xù)注視點(diǎn)作為聚類對(duì)象，將駕車人視線平面分割為車輛近左側(cè)區(qū)域(L)、車輛遠(yuǎn)部區(qū)域(U)、車輛近部區(qū)域(D)和車輛近右側(cè)區(qū)域(R)，劃分結(jié)果如圖5所示。

圖5 注視點(diǎn)聚類結(jié)果及AOI劃分

2.4.2 注視點(diǎn)轉(zhuǎn)移概率及特征

馬爾可夫鏈?zhǔn)且粋€(gè)典型的無(wú)后效隨機(jī)過(guò)程，表示未來(lái)狀態(tài)的時(shí)間安排完全有別于過(guò)去狀態(tài)，主要取決于當(dāng)前狀態(tài)F(n)。將駕駛?cè)说淖⒁饬υ诓煌恢蒙隙x成不同的狀態(tài)事件，駕駛?cè)说南乱淮巫⒁庑袨樽兓慌c現(xiàn)在的位置有關(guān)，那么每個(gè)注意行為在時(shí)間和狀態(tài)事件中都被視為離散狀態(tài)，因此可以用馬爾科夫鏈模型對(duì)駕駛?cè)俗⒁庑袨檫^(guò)程的變化狀態(tài)進(jìn)行解釋[23]。而馬爾科夫鏈的概率表達(dá)式為

P{F(n+m)=j|F(n)=i}k≥1

(4)

把轉(zhuǎn)移機(jī)率pij(n,n+m)記為pij(m)，當(dāng)m=1時(shí)，pij(1)就稱為下一步的轉(zhuǎn)移概率，記為pij(1)。設(shè)P為由轉(zhuǎn)移概率pij而形成的矩陣，則有

(5)

設(shè)aij為將狀態(tài)從i區(qū)域變?yōu)閖區(qū)域的頻數(shù)，由于樣本容量夠大，所以可用樣本分布近似來(lái)說(shuō)明狀態(tài)的基本情況。則從狀態(tài)i傳遞到狀態(tài)j的傳遞概率為

(6)

Rstudio是基于R語(yǔ)言的免費(fèi)且開(kāi)源項(xiàng)目，可在Windows、Linux等多種系統(tǒng)平臺(tái)順利運(yùn)行，具有各種各樣的數(shù)據(jù)分析包，可對(duì)任何數(shù)據(jù)進(jìn)行分析計(jì)算。因此，文中使用Rstudio求解在4種能見(jiàn)度條件下駕駛?cè)俗⒁朁c(diǎn)在L、U、D、R區(qū)域間的一步轉(zhuǎn)移概率，如表5所示。

由表5可知：駕駛?cè)说淖⒁朁c(diǎn)在各個(gè)興趣區(qū)域之間的轉(zhuǎn)移特性隨能見(jiàn)度條件的降低而改變，表明能見(jiàn)度的改變對(duì)駕駛?cè)说淖⒁饬Ψ峙溆绊戄^大；在相同能見(jiàn)度條件下，不同信息量的一步轉(zhuǎn)移概率值有所不同，在I3條件下相對(duì)平均，說(shuō)明該信息量條件下駕駛?cè)说囊曈X(jué)搜索策略更為靈活；在各個(gè)能見(jiàn)度條件下的注視一步轉(zhuǎn)移概率均集中在R、U、D區(qū)域，說(shuō)明駕駛過(guò)程中駕駛?cè)俗⒁饬ο蛑缆酚覀?cè)、遠(yuǎn)處和近處轉(zhuǎn)移更加頻繁。

隨著城市主干路的能見(jiàn)度降低，U區(qū)域的一步轉(zhuǎn)移概率值逐漸降低，在能見(jiàn)度V3、V4條件下D區(qū)域的一步轉(zhuǎn)移概率值呈遞增趨勢(shì)，說(shuō)明能見(jiàn)度的降低對(duì)駕駛?cè)说淖⒁曓D(zhuǎn)移產(chǎn)生影響。為及時(shí)有效捕捉道路交通信息，駕駛?cè)说淖⒁饬?huì)更傾向于轉(zhuǎn)移至道路近處區(qū)域，甚至對(duì)該區(qū)域反復(fù)注視，增加駕駛?cè)说男睦碡?fù)荷。

表5 不同能見(jiàn)度條件下駕駛?cè)俗⒁暊顟B(tài)轉(zhuǎn)移概率

2.4.3 注視行為平穩(wěn)概率分布

設(shè){Fn,n≥0}為齊次馬爾可夫鏈，狀態(tài)空間為M，轉(zhuǎn)移概率為pij，存在概率分布{πi,j∈M}，若滿足

(7)

則稱{πi,j∈M}為馬爾科夫鏈的平穩(wěn)分布。

馬爾可夫鏈的遍歷性說(shuō)明：在一段時(shí)間內(nèi)，系統(tǒng)可以到達(dá)了一個(gè)穩(wěn)定階段，即

(8)

根據(jù)駕駛?cè)说淖⒁曓D(zhuǎn)移矩陣建立方程組

(9)

4種能見(jiàn)度條件下駕駛?cè)俗⒁朁c(diǎn)在L、U、D、R區(qū)域的注視平穩(wěn)分布計(jì)算結(jié)果為

1)能見(jiàn)度V1條件下駕駛?cè)俗⒁曅袨槠椒€(wěn)分布

2)能見(jiàn)度V2條件下駕駛?cè)俗⒁曅袨槠椒€(wěn)分布

3)能見(jiàn)度V3條件下駕駛?cè)俗⒁曅袨槠椒€(wěn)分布

4)能見(jiàn)度V4條件下駕駛?cè)俗⒁曅袨槠椒€(wěn)分布

不同能見(jiàn)度條件下駕駛?cè)说淖⒁暺椒€(wěn)分布概率如圖6所示。當(dāng)能見(jiàn)度相同時(shí)，信息量I3條件下駕駛?cè)藢?duì)各個(gè)區(qū)域的注視概率分布相對(duì)平均，表明此條件下駕駛?cè)藢?duì)道路信息的搜尋效果較好；當(dāng)信息量相同時(shí)，隨著能見(jiàn)度的降低，駕駛?cè)藢?duì)U區(qū)域的注視概率逐漸降低、對(duì)D和R區(qū)域的注視概率逐漸上升，即隨著能見(jiàn)度的降低，注視點(diǎn)逐漸向道路近處和右側(cè)轉(zhuǎn)移，說(shuō)明駕駛?cè)说淖⒁饬Ρ唤幍缆翻h(huán)境和交通標(biāo)志所吸引，無(wú)法及時(shí)獲取遠(yuǎn)處的潛在威脅。

圖6 不同能見(jiàn)度條件下駕駛?cè)俗⒁曅袨槠椒€(wěn)分布

駕駛?cè)嗽谀芤?jiàn)度V1、V2條件下注視點(diǎn)落在U區(qū)域的概率較大，均在0.5以上，其次是D區(qū)域，注視概率介于0.2～0.3，R和L區(qū)域的注視概率沒(méi)有明顯變化，即當(dāng)駕駛?cè)藢?duì)各區(qū)域注視穩(wěn)定后，注視區(qū)域中道路遠(yuǎn)處的注視概率更大。隨著能見(jiàn)度降低，U區(qū)域的注視概率呈下降趨勢(shì)，D和R區(qū)域的注視概率呈上升趨勢(shì)，L區(qū)域的注視概率保持相對(duì)穩(wěn)定，即當(dāng)駕駛?cè)藢?duì)各區(qū)域注視穩(wěn)定后，注視區(qū)域落在道路近處和右側(cè)的概率將更大。

3 結(jié) 論

通過(guò)對(duì)比分析不同能見(jiàn)度及信息量條件下駕駛?cè)艘曈X(jué)指標(biāo)的變化規(guī)律及動(dòng)態(tài)視覺(jué)轉(zhuǎn)移規(guī)律，得出以下結(jié)論。

1)根據(jù)注視時(shí)長(zhǎng)、掃視百分比和瞳孔直徑的變化規(guī)律可知：當(dāng)能見(jiàn)度在V1、V2條件時(shí)交通標(biāo)志信息量在I3條件下駕駛?cè)四軌蜓杆倥袆e道路交通環(huán)境信息中的重點(diǎn)信息，視線轉(zhuǎn)移靈活；當(dāng)能見(jiàn)度低至V3水平以下時(shí)，能見(jiàn)度成為影響駕駛?cè)俗⒁晻r(shí)間的主要因素，能見(jiàn)度過(guò)低使得駕駛過(guò)程中車輛、標(biāo)志及景觀會(huì)突然出現(xiàn)在駕駛?cè)艘曇皟?nèi)，嚴(yán)重影響行車安全。

2)通過(guò)對(duì)注視轉(zhuǎn)移概率的計(jì)算和分析可知：當(dāng)能見(jiàn)度相同時(shí)，信息量在I3條件時(shí)駕駛?cè)说母怕氏鄬?duì)平均，視覺(jué)搜索策略靈活；當(dāng)城市主干路的能見(jiàn)度降低到V3條件以下時(shí)，道路近處區(qū)域的一步轉(zhuǎn)移概率上升至最大，駕駛?cè)说淖⒁饬?huì)更傾向于轉(zhuǎn)移至道路近處區(qū)域，甚至對(duì)該區(qū)域反復(fù)注視，增強(qiáng)駕駛?cè)说男睦碡?fù)荷。

3)對(duì)不同條件下的注視平穩(wěn)分布概率分析表明：當(dāng)能見(jiàn)度相同時(shí)，信息量在I3條件下駕駛?cè)藢?duì)道路各個(gè)區(qū)域的注視分配更有效，注視特性表現(xiàn)最好；隨著能見(jiàn)度降低，能見(jiàn)度對(duì)注視平穩(wěn)性產(chǎn)生較大影響，駕駛?cè)说淖⒁晠^(qū)域由道路遠(yuǎn)處移動(dòng)至道路近處、右側(cè)，無(wú)法及時(shí)搜索遠(yuǎn)處的潛在威脅，不利于行車安全。