10.16638/jki.1671-7988.2021.07.035
国内汽车市场驾驶人眼动行为检测技术分析
牛增良，孟德宇，王光耀
（中国汽车技术研究中心有限公司，天津300300）
摘要：为研究不同认知分心等级时的驾驶人眼动行为，通过数理统计的分析方法，对实车道路试验采集的驾驶人完成不同等级认知次任务时的眼动行为特性指标进行了对比分析，定量研究了不同认知分心等级时驾驶人的眨眼、扫视及注视的变化规律。结果表明：认知次任务复杂度、眨眼频率、扫视幅度、视野广度之间显著相关。随着认知次任务难度的增加，驾驶人眨眼频率显著增加、搜索广度明显缩小、注视点分布更加集中。可见本文的研究可以为基于眼动行为的驾驶辅助系统的开发提供理论支持。
关键词：实车试验；认知分心；扫视行为；注视行为
中图法分类号U491 文献标志码：A 文章编号：1671-7988(2021)07-107-05
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 )
Abstract: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.
Keywords: Real vehicle test; Cognitive distraction; Scanning behavior; Gaze behavior
CLC NO.: U491 Document Code: A Article ID: 1671-7988(2021)07-107-05
前言
驾驶车辆是一项复杂的操作，需要驾驶人长时间维持警觉，但是驾驶人行车过程中主动参与分心活动的现象却很常见，例如手机通话、与乘客交谈、听广播等，这对驾驶安全造成潜在的危害。与视觉分心（视线偏离道路）和操作分心（肢体偏离操控装置）不同，驾驶人认知分心指驾驶人的注意力从驾驶主任务转移到额外的思维活动上，是一种内源性质的分心形式。
国内外大量研究表明，认知分心对驾驶人视觉特性影响明显。马勇[1]等人通过对分析分心任务对驾驶人的影响，发现认知分心比视觉分心会对驾驶人产生更高的精神负荷。
作者简介：牛增良，硕士，工程师，就职于中国汽车技术研究中心
有限公司，研究方向：交通安全。
107
汽车实用技术
108 Lamble 等[2]的研究表明，驾驶人在驾驶的同时执行非视觉相关的认知分心次任务，会损害驾驶人对危险的检测能力，表现为对前车的制动反应时间显著增加。Patten 等[3]研究了驾驶人打电话的同时完成外围检测任务（PDT ）。结果表明，驾驶人打电话时，对LED 的反应时间显著增加，而且当交谈内容的复杂性增加时，驾驶人的反应时间均显著增加。Harbluk 等[4]基于实际道路环境，研究了打电话行为对驾驶人视觉行为的影响，研究发现认知注意力分散时，驾驶人对左右后视镜、内后视镜、仪表盘等周围环境关注的时间较少，对前方视野的注视时间增加。吴付威等[5]研究干扰跟车情况下驾驶人的注意力分配特性，发现在有干扰车出现时，驾驶人将注意力较多地分配到干扰车出现一侧，对前方视野的关注程度相对降低。Harbluk 等[6]探讨了认知分心对驾驶人视觉行为的影响，发现随着认知任务负荷的增加，驾驶人的扫视次数减少，而注视道路中央的时间显著增加，并且关注右侧区域的时间减少。Miyaji 等[7]通过对驾驶人强加交谈和计算任务，重点研究了如何检测识别驾驶人认知分心。研究表明在正常驾驶期间，前方注视点广泛地分布在周边区域，然而施加认知分心任务后，前方注视点主要集中在狭小的范围内。Strayer 等[8]通过对比不同试验环境下驾驶人行为深入了解驾驶人认知分
心。结果发现，即使驾驶人视线不偏离前方道路，但认知分心抑制驾驶人负责安全驾驶的大脑区域活动，削弱了对驾驶环境的视觉扫描能力。马勇[9]等通过对不同道路交通环境中驾驶人的视觉特性进行研究，发现不同道路环境对驾驶人的产生的视觉负荷不同，从而显著影响驾驶人对不同区域和目标的注视频次和注视时间。
综上，国内缺少实车道路试验，国外研究多集中于对驾驶人某一视觉特性指标的研究。本文拟研究城市与郊区之间的连接线路这一特定的环境下，不同认知分心等级时的驾驶人全部的眼动特性规律研究，以期为分心检测提供理论支持。通过调研国内外研究现状，明确本文研究的眼动行为参数主要包括：累计关注时间、搜索广度、峰值与平均扫视速度、扫视频率与幅度、眨眼频率等指标。
1 驾驶人认知分心实车试验
1.1 试验设备与被试选择
本文采用FaceLAB5眼动仪采集驾驶人的眼动数据，如图1与图2所示，但是在校对过程中，32名被试者中有8名因为眼睛的先天构造或佩戴眼镜等原因，无法通过标定。因此，在选择被试驾驶人时，避免镜片的反光干扰眼动仪的识别准确率；驾驶人的真实驾龄须在5年以上，且非营运驾驶人。试验用车为大众途安轿车。 1.2 试验道路选取
驾驶人通常行驶的道路类型主要有城市道路、高速公路、
以及城市之间或者城市与郊区的连接线路。城市内部主要以50km/h 以下的车速通行，高速公路则在80km/h 以上。当在城市道路行驶时，由于交通构成复杂，驾驶人通常注意力较集中，而高速公路上行驶，车速非常快，驾驶人通常保持高度警惕。唯有城市之间或者城市与郊区的连接线路，速度通常维持在60km/h 左右，交通构成单一，驾驶人容易放松警惕，主动参与认知分心活动。因此，对最后一种道路类型下驾驶人的认知分心研究更有意义。
图1 眼动仪红外摄像机安装位
图2 眼动仪系统运行主界面 1.3 试验过程
试验通过实车道路试验的形式开展，试验过程包括准备、调试、试验以及记录五个部分。
（1）试验人员利用10分钟时间向参与试验的24名被试人员说明试验要求，试验任务及整个流程；
（2）对眼动仪进行安装、调试和标定，眼动仪能正确追踪驾驶人注视点位置就算是通过验证；
（3）开展实车试验，制定不同等级分心任务，以是否带借位的两位数加减法作为区分标准。
比亚迪l3报价及图片（4）试验全程采集驾驶人眼动数据，并由专门负责人记录执行试验任务的起止时刻，通过标志性建筑的时刻，区分直道与弯道的时刻以及发生诸如超车、变道等行为的时刻。 1.4 试验数据分析
某一驾驶人在试验过程中无分心任务状态下的注视点分布图如图3所示。通过对原始数据的统计，可知驾驶人大部分时间都处于注视状态如表1所示，而扫视行为其次，仅辅助获取目标位置。
表1 驾驶人各眼动行为累计时间百分比
牛增良 等：国内汽车市场驾驶人眼动行为检测技术分析
迈巴赫为什么挂黄牌109
图3 认知次任务注视点分布
2 驾驶人注视行为研究
2.1 注视区域的划分
本文把驾驶人的注视区域分为6个部分。“1区”表示道路中心区域，参考Victor 等[10]人的研究，该区域是驾驶人获取道路信息的主要注视区域；“2区”表示左后视镜及附近区域，用于研究驾驶人行车过程中对车辆右后方目标的关注；“3区”表示右后视镜及附近区域，用于研究驾驶人对车辆左后方目标的关注；“4区”表示仪表盘及附近区域，用于研究行车过程中对车辆速度、发动机转速等信息的关注；“5区”表示前方道路区域中除道路中心区域以外其他区域，用于研究驾驶人对相邻车道、前方道路标志标牌信号灯等的关注；“6区”表示车内其他区域，用于研究驾驶人对中控台等区域的关注。
2.2 区域的累计关注时间分析
依据本文的注视区域划分方法，驾驶人注视各区域的总时间所占百分比如表2所示（共23组数据，24名被试中1名被试数据无效）。Victor 等
[10]
的研究中指出PRC 对视觉任
务和听觉任务非常敏感，通常视觉任务导致注视点更加分散，而听觉任务则使驾驶人的注视点更聚焦于道路中心。表2中对1区的关注情况即表示PRC 值，随着认知分心等级的增加，PRC 值呈现出明显的增加趋势。说明认知分心后，为了保证安全驾驶，驾驶人大部分的目光都聚焦于道路中心附近。
铃木骊驰gw250表2 各区域累计关注时间百分比
通过表2分析发现，不管驾驶人有无认知分心，其绝大部分的时间都在关注前方道路，从而获取道路环境信息。随着认知分心等级的增加，驾驶人关注道路前方的时间也增加，PRC 值也呈现出同样的规律，随着认知负荷增加，比例显著提高。而研究对后视镜和仪表盘的关注情况发现，随着认知负荷的增加，关注的时间比例显著下降，说明认知分心后，驾驶人忽视了对车速的关注。驾驶人的认知注意力资源是有限的，认知分心严重分散了驾驶人的认知注意力，导致驾驶人处理多任务能力下降。 2.3 视觉搜索广度
搜索广度表示的是水平、垂直方向上的视觉搜索范围，垂直及水平方向视角的标准差作为评价搜索广度的指标，用于反映行车过程中驾驶人视角分布的离散程度。为了获取更
多的环境信息，驾驶人必须扩大自己的搜索范围，相应的视角标准差的值也就越大，试验采集的24名被试数据均有效。
二代福美来如图4所示，无分心任务时的值明显高于认知分心后的值，而不同分心等级对驾驶人垂直方向的视角标准差影响不明显。对无分心任务和简单分心任务时的视角标准差进行独立样本T 检验，发现伴随概率p=0.004<0.05，表明无分心任务时的视角标准差显著高于执行简单分心任务时的值，也说明无分心任务下驾驶人垂直方向上的搜索范围更广。如图5所示，复杂分心任务下，驾驶人水平方向的搜索范围较小，而执行简单分心任务和无分心任务相比，水平方向搜索范围基本无差别。将无分心任务、简单分心任务分别与复杂分心任务下的水平视角标准差进行独立样本T 检验，都得出伴随概率p=0.005<0.05，说明无分心任务与简单分心任务时的水平视角标准差显著高于复杂分心任务时的值。
图4 垂直视角标准差
图5 水平视角标准差
3 驾驶人扫视行为研究
纵观整个行车过程，用于扫视行为的时间总占比仅为15%左右，但扫视行为发挥着关键性的作用。为获取更多的环境信息，驾驶人需要大范围的快速搜索，由于测试精度要求比较高，有效数据仅为18组。 3.1 峰值扫视速度
峰值扫视速度为一次扫视行为中跨度最大的两个采样点对应速度值。正常驾驶时的峰值扫视速度为304
0º/s ，简单分心任务时为4349º/s ，复杂分心任务时为3848º/s 。分心后的注视目标更明确，视线进行大范围转移时不会留意目标之间是否存在其他感兴趣的目标。然而，在无分心任务时驾驶人注视目标并不很明确，在进行视线转移时会被注视目标之间的
汽车实用技术
110 其他事物干扰，从而峰值扫视速度较低。 3.2 扫视频率
不同等级认知次任务下驾驶人的扫视频率统计如图6所示，认知分心后的扫视频率四分位数、中位数均高于正常驾驶阶段的对应值。而简单分心任务下的扫视频率分布又略高于复杂分心任务下的值。说明驾驶人认知分心占据了一部分认知资源，获取目标相关信息的能力下降，通过增加扫视目标的频率以获取相关信息。而随着认知分心等级的增加，占用了更多的认知资源，驾驶人不得不放弃对一些目标的观察，从而降低了扫视频率。
图6 不同等级认知分心次任务扫视频率分布
3.3 扫视幅度
定义5~15°区间内的扫视为低幅度扫视，15~30°为中幅度扫视，30°以上为大幅度扫视，如图7所示。无论驾驶人有无分心任务，其扫视行为以低幅和中幅扫视为主。认知分心后，驾驶人低幅度扫视行为时间增加，说明驾驶人增加了低幅度的搜索频次，这可能是因为驾驶人认知分心后，其中一部分注意力资源用于分心任务，剩余资源不足以处理大范围扫视时获取的信息，这是一种认知分心补偿机制。
图7 不同认知分心等级驾驶人扫视行为统计
3.4 平均扫视速度
平均扫视速度定义为扫视幅度与扫视持续时间的比值，单位为º/s 。扫视平均速度能够说明前一次注视过程中信息加工的速度以及被试者寻下一个目标的速度。分别统计驾驶人无分心任务、简单分心任务、复杂分心任务对应的平均扫视速度，如图8所示。无论驾驶人有没有参与认知分心活动，可以认为平均扫视速度主要分布于50º/s~300º/s 之间。其中，
在50~100º/s 和150~300º/s 的这4个区段内，驾驶人无论执行简单分心任务还是复杂分心任务时的平均扫视速度分布频次百分比均与无认知分心次任务时的值相当。唯有在100~150º/s 的区段内，简单分心任务和复杂分心任务时的频次百分比高于无任务时的频次百分比，而随着认知分心等级的增加，频次百分比出现了一定的降幅。
图8 不同认知分心等级驾驶人平均扫视速度统计
4 驾驶人眨眼行为研究
由试验得出24组数据，可用于眨眼行为研究的有20组。如图10所示，可知随着任务难度的增加，眨眼频率显著增加。
对无分心任务和复杂分心任务以及简单分心任务和复杂分心任务时的眨眼频率进行独立样本T 检验，得出伴随概率分别为P=0.002<0.05和P=0.001<0.05，表明复杂分心任务下的眨眼频率显著高于无分心任务和简单分心任务时的眨眼频率，认知分心后眨眼频率分布更集中。
图9 不同认知分心等级下的眨眼频率
图10 眨眼持续时间分布
分析图9可知，不同认知分心等级下受试者的眨眼时间分布大致相当，主要分布于0.13~0.2s 的时间范围内，上边缘的值基本在同一水平。如图10所示可知，正常驾驶情况下，眨眼持续时间均值为0.176s ，做简单计算题和复杂计算题的
牛增良 等：国内汽车市场驾驶人眼动行为检测技术分析
111
均值分别为0.177s 和0.171s ，基本上无差异。说明同种类型不同等级的认知分心次任务对驾驶人眨眼持续时间基本没有影响。
5 结论
对驾驶人在完成不同复杂度的认知次任务时的视觉特性指标数据分析后，得到以下结论：
（1）驾驶人认知分心后眨眼频率分布更集中，复杂分心任务下的眨眼频率显著高于正常驾驶和简单分心任务下的值。不同等级的认知分心次任务对驾驶人眨眼持续时间基本没有影响。
（2）增加认知分心任务以后，驾驶人增加了小幅度的搜索频次而减少了大幅度的搜索频次。
逍客龙（3）与正常情况相比，驾驶人做简单分心时平均扫视速度在100~150º/s 范围内的频次百分比增加了约5%，而随着分心任务难度的增加，该区段的频次百分比又出现了一定的降幅。
（4）无论有无认知分心，绝大部分的时间都在关注前方道路。随着认知分心次任务难度的增加，驾驶人关注道路前方的时间有所增加，尤其是在进行复杂运算时，几乎全部时间都用于看前方道路。
（5）正常情况下驾驶人垂直方向上的搜索范围明显大于认知分心后的搜索范围。水平方向上仅在做复杂分心任务时搜索范围显著缩小。
汽车音乐打包下载（6）复杂分心任务时，组合视角标准差明显低于正常驾驶和简单分心任务时的值，说明复杂分心任务下，驾驶人的空间搜索范围显著缩小了。
参考文献
[1] 马勇，付锐，袁钰，等.基于驾驶人分心影响程度的驾驶分心任务评
级[J].交通信息与安全,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,Östlund 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] 吴付威，黎莉，付锐.城市道路干扰跟车对驾驶人注意力分配的影
响[J].重庆交通大学学报（自然科学版）, 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] 马勇，付锐，孟妮，等.道路环境对驾驶人眼动行为影响的试验研究
[J].交通运输系统工程与信息, 2015(03):86-92.
[10] Victor T W,Harbluk J L, Engstr öm J A. Sensitivity vement
measures to in.vehicle task difficulty[J].Transportation Research Part F:Traffic Psychology and Behaviour,2005,8(2):167-190.
发布评论