论中沙驾驶员眼动行为差异.docVIP

论中沙驾驶员眼动行为差异 　　摘 要：为了研究中国和沙特两个国家的驾驶员的眼动行为的差异性，在真实的交通环境下，利用Dikablis眼动追踪系统对中沙两国驾驶员进行了监测记录，从而获取中沙驾驶员的眼睛注视时间特性参数、视角特征参数和扫视行为特征参数。??验结束后，采用D-LAB进行眼动行为数据挖掘和统计。基于中沙驾驶员的眼动行为分析实验，从扫视行为、注视行为以及休眠行为三个方面分别对中国驾驶和沙特驾驶员的眼动行为进行统计分析。其中，重点对中沙驾驶员的扫视点序列进行分析 关键词：眼动实验；眼动模式；眼动参数；差异 引言 近年来，交通事故已成为交通业的健康发展的最大障碍。根据联合国数据统计，每年全球有约125万人死于道路交通事故。尽管目前道路安全方面各国都有所改善，但是现在全世界每年因为交通事故的死伤人数仍非常惊人。中国作为人口大国，交通事故死亡率一直处于世界前列[1]。2004年-2014年，交通事故造成的直接财产损失约为142亿元。在沙特，官方统计称1971-2012期间，发生在街道上的交通事故超过818万起，造成约15万人死亡，100万人受伤，因此造成的经济损失超过了6亿美元。而驾驶员作为整个交通系统的“中枢神经”，其驾驶行为会直接影响道路交通系统的安全。据有关资料统计，在交通事故中，驾驶员负直接责任的在70%以上，行人和乘车人的责任仅20%以下。由此看来，对驾驶员驾驶行为的研究，非常重要。而驾驶员眼动行为的研究，可以直观地反映出驾驶员的驾驶状态。目前，驾驶员眼动行为的研究主要集中在动态视觉特性方面，学者们也做了很多实验去论证现有的理论。但很少有人去分析不同国家的驾驶员，他们视觉特性上存在怎样的差异。本文便从驾驶员的眼动行为入手，对中沙两国驾驶员的眼动行为进行了差异性分析 1 眼动实验及参数 1.1 实验过程 基于道路的复杂性和特殊性，为简化实验流程，本次实验选择非隧道普通道路-南京二桥高速G36中间段，测试路段全长4.3公里，行驶总时间为5分钟（300秒）。道路交通组织设计良好，不容易发生交通拥堵 为了提高实验效果，选取了15位中国驾驶员以及10位沙特驾驶员作为测试目标，年纪分布在24岁-28岁之间，驾龄在1年-5年之间，男女比例为19：6 在实验过程中，测试驾驶员首先要做好设备调试和环境适应准备工作。测试员在车内先佩戴好Dikablis眼动追踪设备，同时注意观察外界环境，确定观察到的视野范围与正常情况下的基本一致，并且设备开始正常录像和信息采集。在此条件下，车辆正常发动并且正常行驶。当车辆从起点出发驾驶到终点之后，接着从终点驾驶返回到起点，完成一个循环之后，替换另外一个测试员进行驾驶和数据采集 在实验结束后，获取所有的实验影像信息以及Dikablis眼动追踪设备生成的工程文件，采用D-LAB驾驶员眼动分析系统进行眼动数据的挖掘和生成 1.2 眼动模式及表征参数 驾驶员眼动行为主要有注视、扫视和眨眼三种模式[2]，而眨眼是不能从外界获取任何信息，又称为休眠模式。休眠模式一般由两种情况引发，一种是由于生理疾病引起导致视觉功能灭失，另外一种功能是由于疲劳导致视觉细胞处于睡眠状态。在一般情况下，由于疲劳导致重大交通事故的情形主要是由于驾驶员失去视觉功能，无法有效及时获取外界信息造成的。三种模式中，最主要和最重要的视觉行为是注视行为，通过注视行为获取的数据是最为准确的，注视行为的表征参数注视持续时间，注视点序列，注视点数目以及注视点类型；在扫视模式下，驾驶员通常将具有一定模糊度的信息传输到大脑进行判断，再给出准确的反馈。扫视模式的表征参数为扫视幅度，扫视速度及扫视时间；休眠模式的表征参数包括总眨眼次数，眨眼持续时间，总眨眼时间，眨眼率 1.2.1 注视模式 一般情况下，注视时间占总行驶时间的比例大于65%，即为正常的驾驶情况。通过对驾驶员的注视时间分析发现，在选取的15位中国驾驶员中，平均注视时间占总行驶时间的比例为74.70%，其中最小的的比例为69.00%，最大的比例为85.05%。而在选取的10位驾驶员中，平均注视时间占总行驶时间的比例为80.42%，其中最小的比例为76.16%，最大的比例为92.32%。因此本次实验中沙所有的驾驶员均处于正常驾驶状态 通过对驾驶员的注视关注点序列图分布图发现，中国驾驶员中，有8位驾驶员主要集中在观察车辆左边道路、驾驶位置正前方以及右侧车道的信息，其中有3位驾驶员的注视点分布更为均匀，表明驾驶员在行车过程中，视力对整个道路的幅面信息获取更为完整。而这三位驾驶员的平均驾驶年龄为4年，因此驾驶经验丰富的驾驶员更能够充分获取道路环境信息。而沙特驾驶员中，5位驾驶员的注视点的分布呈现左、右侧分散与中间集中的特征，其中2位驾驶员的注视