駕駛人視覺轉移特征研究

0眼動行為的特征視覺行為是駕駛員的基本視覺行為形式，也是眼動研究中用來探索內在認知過程的重要指標。駕駛人在駕駛過程中,主要通過注視行為來識別交通環境中的目標信息。同濟大學的潘曉東等利用EMR-8B眼動儀,研究了在逆光條件下交通標志的可視距離;長安大學郭應時等分析了不同通道寬度條件下駕駛人注視行為變化特征,認為隨著通道寬度變窄,駕駛人注視點變近,對障礙物的注意變得集中,且習慣以左側障礙物為參照來調整車輛的運行狀態;瑞典林雪平大學的Falkmer等通過對測得的眼動數據進行分析,認為相對于熟練駕駛人而言,非熟練駕駛人的眼動行為具有以下特征:①注視點更靠近所駕駛的車輛而不是遠方;②對車內物體注視更為頻繁;③水平方向搜索廣度小;④對重要交通信息的注視更為頻繁;⑤對包含潛在危險目標的注視更為頻繁;英國南安普頓大學的Brackstone等對高速行駛時駕駛人的眼動行為進行了研究,通過對駕駛人平均注視時間及各區域注視時間所占百分比的分析發現,駕駛人在整個駕駛過程中花費80%的時間來觀察前方道路區域,且每次視線從車輛前方區域移走的平均時間約為0.65s;英國諾丁漢大學Underwood等通過試驗,對非熟練駕駛人水平方向搜索廣度比熟練駕駛人小的原因進行了研究,分析了注視次數、總的注視時間、注視持續時間以及回頭看的次數,發現非熟練駕駛人更依賴車內后視鏡來觀察交通狀況。雖然國內外關于駕駛人注視行為特征的研究已經取得了大量的研究成果,但基本上集中在注視點的位置和注視持續時間這2個指標,鮮見對駕駛人注視點前后之間聯系的深入分析。本文把各個注視點作為時間軸上的連續點來進行研究,分析前一個注視點、當前注視點和下一注視點之間的內在變化規律,體現了注視行為時刻運動變化的特性。1駕駛員視野中的區域劃分1.1試驗結果的數據分析國內外相關研究檢索發現,駕駛人注視區域劃分方法主要有2種:視野平面法和錄像回放法。視野平面法是把視野平面劃分為幾個部分,認為落在各部分的注視點即為注視該區域的場景,這是比較常用的一種視覺注視區域的研究方法,來源于對靜態場景的視覺行為研究,如圖1所示為一種典型的駕駛人視野平面法對注視區域的劃分。通過把視野平面劃分幾個部分的注視區域研究方法,優點是簡單易行,區域劃分后對各項指標的統計分析工作量較小;缺點是精確度低,統計結果可信度較差。錄像回放法是通過觀看帶有注視點的試驗錄像回放,逐幀分析每幅畫面的注視點位置,確定每個注視點的注視目標,如圖2為試驗錄像回放中駕駛人注視左后視鏡的畫面。錄像回放法的優點是精確度高,因為對每幅畫面都進行分析,不會出現誤差,各因素的差異也不會對統計結果產生影響;缺點是統計工作量大,如在本文試驗中,所有樣本的注視點數量達到20萬個以上,逐一分析是不現實的。1.2聚類劃分和聚類劃分為了克服傳統注視區域劃分方法的缺陷,探索采用聚類方法對注視點在視野平面上位置的解析坐標進行聚類,對駕駛人行車過程中的注視區域進行了劃分,該方法具有劃分速度快,工作量小,且注視區域劃分結果比較準確的優點。通過對聚類為5類、6類、7類、8類、9類和10類比較,認為聚類為6~8類比較合適,圖3為某駕駛人注視點位置聚類為8類的結果。對每類注視點所在區域輪廓進行簡單描畫后,視野平面被分成了8個界線明顯的區域,如圖4所示。通過與試驗錄像的對照,可以確定各區域內的主要注視目標,見表1。2駕駛員的預覽行為需要一步一步地轉移概率矩陣2.1基于馬爾可夫鏈的運動設隨機序列{X(n),n=0,1,2,…,n}的離散狀態空間E為{1,2,…,n},若對于任意m個非負整數n1,n2,…,nm(0≤n1<n2<…<nm)和任意自然數k,以及任意i1,i2,…,im,j∈E,滿足P{X(nm+k)=j|X(n1)=i1,X(n2)=i2,…,X(nm)=im|}=P{X(nm+k)=j|X(nm)=im}(1)則稱{X(n),n=0,1,2,…}為馬爾可夫鏈。馬爾可夫鏈是一個典型的無后效性隨機過程,即模型在時刻t的狀態只與它的前一個時刻t-1的狀態條件相關,與以前的狀態條件獨立。駕駛人的注視行為中,下一個注視點所處的位置,只依賴于當前的注視點,而與在當前注視點之前駕駛人注視了什么地方無關,因而可以用馬爾可夫鏈來解決這個問題。駕駛人注視點馬爾可夫鏈,在時間、狀態上都是離散的。2.2試驗結果的估計P{X(n+k)=j|X(n)=i},k≥1(2)稱為馬爾可夫鏈在n時刻的k步轉移概率,轉移概率表示已知n時刻處于狀態i,經k個單位時間后過程處于狀態j的概率。轉移概率不依賴于n的馬爾可夫鏈,稱為齊次馬爾可夫鏈。這種馬爾可夫鏈的狀態轉移概率僅與轉移出發狀態i、轉移步數k、轉移到達狀態j有關,而與轉移的起始時刻n無關。把轉移概率Pij(n,n+k)記為pij(k),當k=1時,pij(1)稱為一步轉移概率,記為pij。設p表示一步轉移概率pij所組成的矩陣,且狀態空間E={1,2,…,n},則p=[p11?p1n??pn1?pnm](3)p=????p11?p1n??pn1?pnm????(3)稱為系統狀態的一步轉移概率矩陣。駕駛人注視點落在不同的區域為不同狀態,下一個注視點落在哪個區域只與當前注視點所在的區域有關,是一個典型的齊次馬爾可夫鏈。運用統計估算的方法來求解駕駛人的一步轉移概率矩陣,基本思路是:將每一個注視區域作為馬爾可夫鏈的一個狀態,然后統計出在各狀態之間轉移的概率。統計方法如圖5所示。設1、2、3、4、5、6、7、8為注視點8種狀態,分別對應A、B、C、D、E、F、G、H區域。aij為由狀態i轉向狀態j的頻數,如a11表示當前注視點在1狀態(A區域),下一注視點仍在1狀態的頻數;a13表示當前注視點在1狀態(A區域),下一注視點在3狀態(C區域)的頻數;a83表示當前注視點在8狀態(H區域),下一注視點在3狀態(C區域)的頻數,其余以此類推。設n∑j=1aij=ai(i、j=1,2,…,n)(4)那么由狀態i轉向狀態j的轉移概率為fij≈aij/ai,(i=1,2,…,n)。由概率論知識可知,當狀態概率的理論分布未知時,若樣本容量足夠大,可以用樣本分布近似地描述狀態的理論分布。因此,對于未知的轉移概率,可以用轉移頻率來近似地估計轉移概率。所以,由狀態i轉向j的轉移概率的估計值為pij≈aij/ai。這樣便可以得到駕駛人注視點馬爾可夫鏈的一步轉移概率矩陣。選取5名具有不同駕駛經驗的駕駛人作為試驗對象,駕駛經驗里程見表2。在同一路段進行真實交通環境下實車試驗,盡量保證各駕駛人試驗時的交通量、天氣、光照強度等條件相同,試驗時預先告訴駕駛人行駛線路,要求駕駛人按照自己的駕駛習慣自由行駛,不要求行車速度。試驗車輛為瑞風7座商務車,使用EyeLinkII眼動儀監測記錄駕駛人行駛過程中的眼動數據。對EyeLinkII眼動儀記錄的數據進行統計分析,首先運用1.2節中的方法對各受試駕駛人的注視區域進行劃分,然后運用前述方法求得各駕駛人視線在各注視區域間的一步轉移概率矩陣為p001=[0.52940.05880.00000.11760.00000.00000.29410.00000.00000.56900.00730.09440.00000.00730.26630.05570.09380.12500.46880.06250.00000.00000.18750.06250.01180.23080.01780.49110.00000.00590.18930.05330.00000.00000.14290.28570.42860.00000.14290.00000.00000.16670.00000.00000.00000.58330.25000.00000.00450.15750.01190.05790.00450.00150.69390.06840.00000.13400.01030.01550.00520.00000.25260.5825]p002=[0.50000.07140.07140.14290.00000.00000.14290.07140.00480.64760.00480.00480.00480.00000.29520.03810.00000.00000.65630.00000.00000.00000.06250.28130.00890.01790.00000.60710.02680.00000.32140.01790.00000.03700.00000.25930.59260.00000.11110.00000.00000.00000.00000.00000.00000.80000.20000.00000.00610.07890.00730.03520.00730.00240.81070.05220.00000.02990.01800.03590.00600.00600.28140.6228]p003=[0.57890.02630.26320.05260.00000.00000.07890.00000.00000.00000.00000.22220.00000.00000.77780.00000.12370.00000.53610.12370.00000.01030.20620.00000.00290.00290.06100.50870.00580.00290.40700.00870.00000.02700.00000.02700.59460.21620.13510.00000.00000.03080.01540.00000.07690.72310.15380.00000.00240.00080.01050.12150.00640.00640.84470.00720.00000.10710.00000.07140.00000.00000.25000.5714]p004=[0.25000.12500.37500.00000.00000.00000.25000.00000.00000.63640.00250.12530.01470.00250.20640.01230.22220.05560.44440.00000.00000.00000.11110.16670.00540.18380.00540.57300.01620.00540.20000.01080.00000.07690.05130.15380.58970.05130.00000.07690.00000.09090.00000.04550.09090.72730.04550.0000.00210.20210.00630.04000.00840.00420.68210.05470.00000.16950.00000.05080.01690.00000.42370.3390]p005=[0.42860.28570.00000.00000.00000.14290.00000.14290.00250.71810.00000.00740.00000.00490.08820.17890.00000.05880.58820.05880.00000.00000.17650.11760.00000.23080.00000.34620.00000.00000.30770.11540.06250.12500.00000.00000.68750.00000.06250.06250.00000.02130.02130.02130.02130.76600.10640.04260.00000.18390.01150.04020.00570.04020.56320.15520.00900.32130.01810.02260.01360.00450.10410.5068]2.3位駕駛人的一步轉移概率矩陣在求得的一步轉移概率矩陣中,元素pij表示當前注視點在i區域、下一注視點轉移到j區域的概率值。通過對5個駕駛人一步轉移概率矩陣的分析,結合1.2節中對注視區域的劃分,發現駕駛人的注視行為在各注視區域間轉移時存在以下規律。(1)設第n注視點駕駛人注視i區域,第n+1個注視點駕駛人注視j區域,若概率p(1)ij=0,則說明駕駛人注視點不會從i區域經過一步轉移到j區域;反之,若p(1)ij≠0,則說明駕駛人注視點有一定的概率從i區域經過一步轉移到j區域。如果以上矩陣的某一行上所有的元素都不為0,則說明注視點可以由該行表示的區域轉移到其他的任何區域。各駕駛人一步轉移概率轉移矩陣中第7行中的元素,除駕駛人005外,都不為0,駕駛人005也僅僅出現了一個不為0的元素。第7行對應的區域是G區域即駕駛人前方車道近處,說明如果駕駛人的當前注視點如果在前方車道近處區域,則下一個注視點將會按照一定的概率落在任何區域。(2)當i=j,p(1)ij構成了馬爾可夫一步轉移概率矩陣主對角線上的數值,這些數值表示當前注視點在某一區域,下一注視點仍然在這一區域,即對某區域重復注視的概率。5位駕駛人的一步轉移概率矩陣主對角線上的概率值均遠遠大于其他概率值,說明駕駛人在任一區域信息的獲取并不是通過一次注視能夠完成的,需要進行多次重復注視,才能獲取足夠的信息。(3)除003號外,其他駕駛人對B區域和F區域的重復注視概率都比較大,說明前方車道遠處和車內儀表2個區域的信息比較復雜,需要多個連續注視點停留在這一區域,才能完成信息攝取。(4)001、002、003號駕駛人,對A區域和G區域的重復注視的概率要大于004和005號駕駛人,說明與熟練駕駛人相比,非熟練駕駛人視覺搜索模式僵化,對道路外側和前方車道近處的區域重復注視較多,不能通過快速、大范圍的掃描來實現信息攝取。3駕駛員的視角運動的穩定分配3.1馬爾可夫鏈的平穩分布設{Xn,n≥0}是齊次馬爾可夫鏈,狀態空間為E,轉移概率為pij,存在概率分布{πi,j∈E},若滿足πj=∑i∈Eπipij∑i∈Eπj=1,πj≥0}(5)則稱{πi,j∈E}為馬爾可夫鏈的平穩分布。設馬爾可夫鏈{Xn,n≥0},有限狀態空間E={0,1,…,s},若存在正整數n0,使對一切i,j∈E,都有p(n0)ij>0,則此馬爾可夫鏈是遍歷的。此時,有limn→∝p(n)ij=πj(6)馬爾可夫鏈具有遍歷性說明,經歷一段時間后,系統達到了平穩狀態。即對某一狀態j,馬爾可夫鏈在初始時刻從i出發,通過長時間的轉移,到達j的概率都趨近于πj。根據馬爾可夫鏈的相關性質,針對上述5位駕駛人建立的馬爾可夫鏈是不可約并且是非周期的。故此馬爾可夫鏈存在穩態分布。根據馬爾可夫鏈平穩分布的定義,由式(1)可以推導建立八元一次方程組。以駕駛人001的一步轉移概率矩陣p001為例,建立的方程組為{[pΤ001-diag(1,1,1,1,1,1,1,1)]}π=0s∑i=1πi=1}(7)求解5位駕駛人的注視行為平穩分布如下π001=[0.01130.27240.02120.11270.00460.00780.44350.1265]π002=[0.01000.14970.02290.08170.01940.01060.58670.1189]π003=[0.02040.00490.05230.18580.01980.03480.66710.0150]π004=[0.00660.33400.01490.15400.03210.01820.39160.0486]π005=[0.00770.44540.01860.02840.01750.05130.18990.2413]3.2b、d、g、f分布區域的注視點分布根據馬爾可夫平穩分布的性質,駕駛人長時間駕駛后,對各區域的注視點分