基于視覺信息量計(jì)算的城市道路交通環(huán)境評(píng)價(jià)＊

董永杰 陳雨人

（1.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院 上海 201804；2.同濟(jì)大學(xué)道路交通安全與環(huán)境教育部工程研究中心 上海 201804）

0 引言

近年來，隨著科技的進(jìn)步，對(duì)道路交通環(huán)境的評(píng)價(jià)不再局限于道路本身，而是逐漸轉(zhuǎn)移到駕駛?cè)诵袨樯蟻?，其中，駕駛?cè)说囊曈X特性無疑占有重要地位，相關(guān)研究證實(shí)了駕駛?cè)烁兄男畔⒅饕獊碜杂谕饨缫曈X環(huán)境，道路視覺環(huán)境對(duì)駕駛?cè)说臎Q策有很大影響［1］。對(duì)此，國內(nèi)外學(xué)者已取得了許多成果。H.Cai，Y.Lin等［2］通過虛擬環(huán)境中的模擬駕駛實(shí)驗(yàn)測試了12名駕駛?cè)说囊曈X行為和精神壓力，發(fā)現(xiàn)道路交通信息設(shè)置的位置不恰當(dāng)，對(duì)駕駛?cè)说囊曈X行為和精神壓力有重大影響，不恰當(dāng)位置的信息反應(yīng)效率較低且對(duì)駕駛?cè)嗽斐筛蟮膲毫?，M.A.Brackstone等［3］將駕駛?cè)艘曇捌矫鎰澐譃樯稀⑾?、左、右、?個(gè)區(qū)域，通過實(shí)車實(shí)驗(yàn)表明，行車過程中駕駛?cè)?0%注視前方區(qū)域。T.W.Victor，J.Engstr m［4－5］發(fā)現(xiàn)隨著視覺負(fù)荷復(fù)雜程度的提高，駕駛?cè)擞^看道路中心前方的時(shí)間逐漸減少，看顯示器時(shí)間逐漸增多。信息負(fù)荷不僅對(duì)駕駛?cè)松硇盘?hào)有影響，還會(huì)對(duì)駕駛?cè)嗽u(píng)估自己的駕駛性能產(chǎn)生障礙。潘曉東等［6］從駕駛?cè)说囊曈X角度出發(fā)，分析了道路視覺環(huán)境對(duì)駕駛?cè)诵睦?、行為及安全行車的影響；提出在道路設(shè)計(jì)與改造中應(yīng)充分考慮駕駛?cè)艘曈X特征與道路視覺環(huán)境對(duì)駕駛?cè)说挠绊?，為駕駛?cè)颂峁?種宜人的道路環(huán)境，以利于安全行車。張強(qiáng)等［7］對(duì)道路交通設(shè)施的色彩顏色作用于駕駛?cè)说男睦碛绊戇M(jìn)行了分析，并將其成果運(yùn)用于交通標(biāo)志、路面顏色等設(shè)施的改善，周孝波［8］對(duì)現(xiàn)有彎道處車輛轉(zhuǎn)向誘導(dǎo)方法進(jìn)行對(duì)比分析，然后對(duì)駕駛員在直線段和彎道處的注意力分布做了相關(guān)研究，為改善車道邊緣線控制車速的應(yīng)用提供了理論支持，陳雨人［9］通過實(shí)車實(shí)驗(yàn)進(jìn)行不同道路環(huán)境系統(tǒng)中車輛運(yùn)行特征和駕駛?cè)艘曈X信息負(fù)荷的對(duì)比研究，深入研究了地下道路視覺環(huán)境影響駕駛員視覺信息負(fù)荷的機(jī)理。孫瀟昊通過對(duì)光線可能導(dǎo)致道路視覺產(chǎn)生錯(cuò)覺的具體實(shí)例進(jìn)行分析，提出利用三維立體標(biāo)線來解決道路錯(cuò)覺問題［10］。

綜上所述，國內(nèi)外已有許多學(xué)者應(yīng)用駕駛?cè)艘曈X與道路視覺環(huán)境對(duì)道路進(jìn)行評(píng)價(jià)與改造。相對(duì)于公路而言，城市道路更為復(fù)雜，其道路視覺環(huán)境包含的信息量也較大，駕駛?cè)酥醒胍曇昂椭苓呉曇暗膮^(qū)分不夠準(zhǔn)確，筆者在此基礎(chǔ)上進(jìn)一步對(duì)城市道路視覺環(huán)境進(jìn)行劃分，建立視覺層級(jí)模型，并對(duì)各層級(jí)模型的信息量分別量化，得出視覺信息量計(jì)算模型，建立基于視覺信息量計(jì)算的城市道路交通環(huán)境評(píng)價(jià)方法。

1 駕駛?cè)诵畔⑿枨蠓治?/h2>

1.1 信息需求層次模型

美國心理學(xué)家馬斯洛將人的需求分為5個(gè)層次，建立了“需求層次理論”，從需求出發(fā)來研究人的行為。駕駛?cè)嗽谛熊囘^程中對(duì)環(huán)境信息的需求也屬于人的需求行為，這里可以使用“需求層次理論”，建立道路環(huán)境信息需求的層次模型。

與馬斯洛的需求層次理論相對(duì)應(yīng)，駕駛?cè)藢?duì)道路信息的需求也存在由低到高的層次分布狀態(tài)，見圖1。首先，道路的基本功能是交通運(yùn)輸?shù)妮d體，因此駕駛?cè)藢?duì)道路信息的基本需求為通達(dá)需求；當(dāng)滿足通達(dá)的基本需求后，則是安全需求；然后是更高一層的舒適性需求；最后是景觀需求。

與馬斯洛理論相似，駕駛?cè)诵畔⑿枨笥傻偷礁叻譃橥ㄟ_(dá)需求、安全需求、舒適需求和美觀需求4個(gè)層，但是其信息需求不是完全按照該層次逐級(jí)遞增的。很多時(shí)候不同層次需求是并存的，如駕駛?cè)丝赡茉谧非笸ㄟ_(dá)需求時(shí)，同時(shí)也關(guān)心安全需求。在多種需求同時(shí)存在時(shí)，駕駛?cè)藭?huì)根據(jù)實(shí)際所處的環(huán)境情況和自身狀態(tài)優(yōu)先滿足最迫切的需求后再關(guān)注其他需求。

1.2 視覺層級(jí)模型

很多研究已經(jīng)表明，駕駛?cè)藢?duì)道路環(huán)境信息的獲取主要通過視覺，即對(duì)駕駛?cè)诵畔⑿枨蟮臐M足主要通過視覺信息來提供。在城市道路中，駕駛?cè)送ㄟ^眼球運(yùn)動(dòng)觀察道路環(huán)境獲得道路視覺環(huán)境信息。在信息獲取過程中，由內(nèi)在的選擇性注意機(jī)制控制按照當(dāng)前的信息需求選擇能夠滿足需求的信息進(jìn)行注意，并對(duì)其加工形成有效認(rèn)知。

根據(jù)前面提到的需求層次模型，結(jié)合城市道路的復(fù)雜性，將道路視覺環(huán)境分為意義性視覺環(huán)境層、運(yùn)動(dòng)性視覺環(huán)境層、物理性視覺環(huán)境層和景觀性視覺環(huán)境層。分別與行駛過程中的各種需求相對(duì)應(yīng)，見圖1。

圖1 信息需求層次模型Fig.1 Hierarchical model of information needs

各視覺環(huán)境層可以提供不同的信息以滿足駕駛?cè)瞬煌瑢哟蔚男畔⑿枨蟆?/p>

其中，各層級(jí)具體意義（見圖2）：“意義層”包含視覺信息中具有指示含義的標(biāo)志和標(biāo)線等內(nèi)容，“運(yùn)動(dòng)層”則包含在視野中相對(duì)運(yùn)動(dòng)的對(duì)象，如車輛和行人等，“物理層”包含連續(xù)的道路路面、中央分隔帶和隔離帶等道路交通設(shè)施，“景觀層”則包含剩下的背景信息，比如，樹木，綠化和天空，等等。為了量化各層級(jí)信息，還對(duì)圖像進(jìn)行了柵格化處理。

圖2 駕駛?cè)艘曈X層級(jí)模型Fig.2 Driver′s visual model of road scene

2 城市道路視覺環(huán)境信息量分析

通過駕駛?cè)艘曈X層級(jí)模型，對(duì)視覺圖像進(jìn)行分析提出基于信息量的城市道路視覺環(huán)境計(jì)算方法。

2.1 道路視覺環(huán)境信息量計(jì)算模型

駕駛?cè)嗽谛熊囘^程中通過動(dòng)態(tài)視覺來感知交通環(huán)境信息，行車過程中駕駛?cè)藭?huì)通過1個(gè)動(dòng)態(tài)視錐臺(tái)來獲取道路交通的環(huán)境信息，有1個(gè)視線集中點(diǎn)，根據(jù)人眼的生理特性，存在中央視野和周邊視野的情況，而且隨著速度提高，注意力逐步提高，注視點(diǎn)逐漸后退，而視野逐漸變小。人的中央視野范圍在22°～100°之間，隨速度增加而逐漸減少。

在城市道路視覺環(huán)境中，不僅需要找出中央視野和周邊視野，由于各視覺環(huán)境層提供的信息含義不同，其包含的信息量也各不相同。對(duì)于同在城市道路視覺環(huán)境中，不僅需要找出中央視野和周邊視野，由于各視覺環(huán)境層提供的信息含義不同，其包含的信息量也各不相同。對(duì)于同一視覺環(huán)境層而言，其信息量的大小與該層的面積、信息停留時(shí)間和單位面積信息強(qiáng)度有關(guān)。因此，本文針對(duì)道路視覺圖像建立信息計(jì)算模型，見式（1）。

圖3 中央視野與周邊視野Fig.3 Central vision and peripheral vision

式中：I為某一時(shí)刻的道路視覺環(huán)境信息總量；Ic為中央視野的信息量；Ip為周邊視野的信息量；Li為道路各視覺環(huán)境層的單位面積（視覺層像素面積）信息強(qiáng)度；Aci、Api分別為道路視覺環(huán)境各層在中央視野和周邊視野內(nèi)所占的面積；t為道路視覺圖像在駕駛?cè)搜壑型Ａ舻臅r(shí)間，s；i為道路環(huán)境中的各個(gè)視覺環(huán)境層，其取值為1～4，1表示意義性視覺環(huán)境層、2表示運(yùn)動(dòng)性視覺環(huán)境層、3表示物理性視覺環(huán)境層、4表示景觀性視覺環(huán)境層；α為周邊視野信息強(qiáng)度系數(shù)。

2.2 模型參數(shù)確定

2.2.1 單位面積信息強(qiáng)度Li

在道路視覺環(huán)境中，由于各層級(jí)物體的含義不同，相同面積的不同物體所能提供的信息量是不同的。本文中單位面積信息強(qiáng)度是指道路視覺環(huán)境中各層級(jí)物體對(duì)人視覺注意及認(rèn)知的影響程度的大小，是1個(gè)權(quán)重值，所有視覺環(huán)境層的信息強(qiáng)度總量定為1。

對(duì)駕駛?cè)硕?，滿足其駕駛信息需求最為根本，因此，越是能滿足駕駛?cè)诵枨蟮男畔⒃绞侵匾?，其信息?qiáng)度也就越大。結(jié)合駕駛?cè)诵畔⑿枨髮哟卫碚摷芭c道路視覺層次的對(duì)應(yīng)關(guān)系，遵照越低層次的需求越是迫切需要優(yōu)先滿足的原則，定義道路各視覺環(huán)境層的重要度值見表1。

表1 道路各視覺環(huán)境層重要度Tab.1 Road importance of each layer of the visual environment

當(dāng)人注視在某一點(diǎn)上時(shí)，其視覺將會(huì)對(duì)視覺畫面中的信息做出反應(yīng)，產(chǎn)生注意和認(rèn)知，即，視覺的信息強(qiáng)度主要反映在人眼的注視指標(biāo)上。因此，通過對(duì)駕駛?cè)俗⒁曋笜?biāo)進(jìn)行分析，就能得出單位面積信息強(qiáng)度Li。

結(jié)合以往研究道路各視覺環(huán)境層的平均掃視時(shí)間，得出的各層單位面積信息強(qiáng)度判斷矩陣，見表2。

表2 單位面積信息強(qiáng)度判斷矩陣Tab.2 Judgment matrix of information intensity per unit area

最終得出單位面積信息強(qiáng)度Li的值。

2.2.2 畫面停留時(shí)間T

道路圖像中的信息在駕駛?cè)搜壑械耐Ａ魰r(shí)間T與車輛的行駛速度相關(guān)。駕駛?cè)嗽谛熊囘^程中對(duì)外界環(huán)境的感知是在動(dòng)態(tài)且連續(xù)的，因此環(huán)境畫面在眼中的停留時(shí)間都會(huì)隨車速的變化而發(fā)生變化，變化關(guān)系見表3。隨著行駛速度的提高，畫面的停留時(shí)間會(huì)逐漸減少。

表3 駕駛?cè)藙?dòng)態(tài)視覺與車速的關(guān)系Tab.3 Relations between the speed and driver′s dynamic vision

根據(jù)《城市道路設(shè)計(jì)規(guī)范》中對(duì)城市道路計(jì)算行車速度的規(guī)定，各類各級(jí)道路行車速度見表4。

表4 各類各級(jí)道路計(jì)算行車速度Tab.4 Various types of road traffic speed

由此可見，在城市道路中車輛行車速度的變化范圍為20～80km／h，對(duì)應(yīng)的視覺畫面在人眼中的停留時(shí)間變化范圍為9～18s。在計(jì)算中，根據(jù)實(shí)際行車速度計(jì)算畫面停留時(shí)間，當(dāng)速度小于40km／h 時(shí)，取最大值18s。當(dāng)速度大于40 km／h時(shí)，則按畫面停留時(shí)間與速度的數(shù)學(xué)關(guān)系計(jì)算得到。根據(jù)表3速度與畫面停留時(shí)間的對(duì)應(yīng)數(shù)值進(jìn)行回歸，得到計(jì)算公式（2）。

式中：v為車輛行駛速度，km／h。

2.2.3 各道路視覺環(huán)境層面積Aci、Api

對(duì)道路各視覺環(huán)境層面積的計(jì)算可以通過對(duì)視頻圖像的計(jì)算處理獲得。根據(jù)中央視野與周邊視野，以及視覺層級(jí)模型，可以結(jié)合行駛速度確定中央視野范圍的大?。ㄒ姳?），進(jìn)而分別得出中央視野和周邊視野各層級(jí)的像素面積，軟件處理界面見圖4。

圖4 道路視覺環(huán)境層面積計(jì)算界面Fig.4 alculate interface of road visual environment

表5 行駛速度、視野范圍和可視距離Tab.5 Moving speed，field of view and visual distance

2.2.4 周邊視野信息強(qiáng)度系數(shù)α確定

周邊視野信息強(qiáng)度系數(shù)α指當(dāng)假設(shè)中央視野信息強(qiáng)度為1時(shí)，周邊視野信息強(qiáng)度相對(duì)于中央視野的權(quán)重，可以由駕駛?cè)说膾咭曋笜?biāo)確定。

對(duì)人的視覺特性研究發(fā)現(xiàn)，人眼的注意力集中在中央25%的區(qū)域。越靠近中間的區(qū)域注意力權(quán)重越大，也就是說這個(gè)區(qū)域的特征信息越重要，越容易引起人的注意［11］。同樣地，駕駛?cè)嗽谝曈X注意過程中，對(duì)中央視野和周邊視野的注意程度也不同，即中央視野和周邊視野的信息對(duì)駕駛?cè)艘曈X注意的影響不同。越是靠近視點(diǎn)的信息越容易被感知，反之則容易被忽略。根據(jù)以往研究，周邊視野信息強(qiáng)度系數(shù)α取值0.156。故城市道路信息量計(jì)算模型可以由式3表示。

式中：L1＝0.489 6，L2＝0.282 6，L3＝0.151 9，L4＝0.075 9。

3 城市道路交通視覺環(huán)境評(píng)價(jià)

3.1 道路環(huán)境視覺信息量與速度的關(guān)系

得出城市道路信息量計(jì)算模型后，任意給出1張駕駛?cè)艘曈X圖像就可以計(jì)算出道路環(huán)境視覺信息量。為此進(jìn)行了實(shí)車實(shí)驗(yàn)：駕駛1輛裝有行車記錄儀的車輛在城市道路中正常行駛，行車記錄儀可以讀取每秒車輛速度，加速度等數(shù)據(jù)。

任意選取1段連續(xù)的（間隔5s，共87幅）城市道路中駕駛?cè)艘曈X圖像，計(jì)算道路環(huán)境視覺信息量，以及這87幅圖像對(duì)應(yīng)的點(diǎn)速度。數(shù)據(jù)分布見圖5、圖6。

圖5 速度與信息量對(duì)應(yīng)連續(xù)變化圖Fig.5 Speed corresponding to the continuous change of the amount of information

圖6 速度與信息量之間的關(guān)系Fig.6 Relationship between speed and the amount of information

速度與信息量之間的關(guān)系圖顯示，速度與信息量之間呈較好的冪函數(shù)關(guān)系，對(duì)應(yīng)的關(guān)系式為式（4），此時(shí)R2為0.935 6。

分析速度與信息量關(guān)系圖，可以得出如下結(jié)論。

1）速度隨信息量的增大而減小，且減小趨勢越來越緩慢。信息量大，駕駛?cè)诵枰幚硇畔⒌臅r(shí)間越長，所以速度就慢，圖6中速度較低，信息量較大的2點(diǎn)為接近交叉口區(qū)域時(shí)的圖像，駕駛?cè)说玫降男畔⒘枯^大，尤其是意義層信息量，如紅綠燈等，這就導(dǎo)致駕駛?cè)藴p到1個(gè)較小的速度駛過交叉口。

2）城市道路視覺環(huán)境信息量不應(yīng)過小，當(dāng)信息量過小時(shí)，如沒有指示標(biāo)志，道路標(biāo)線，附近車輛較少時(shí)，駕駛?cè)司蜁?huì)產(chǎn)生視覺松懈，從而高速行駛而不自知，影響道路交通安全。

3.2 信息量閾值確定

根據(jù)速度隨信息量變化規(guī)律，若要保證道路交通安全行駛，就要控制車輛行車速度，進(jìn)而就需要控制道路視覺環(huán)境信息量的大小。由于不同的城市道路安全行駛速度不同，這里以道路限速為車輛安全行車的衡量標(biāo)準(zhǔn)，得出能夠保障道路視覺環(huán)境安全性的信息量極小值，即信息量閾值。

以道路限速為60km／h為例，假設(shè)當(dāng)某條城市道路的限速為60km／h 時(shí)，則信息量的極小值：

即當(dāng)?shù)缆废匏贋?0km／h時(shí)，信息量應(yīng)大于144 892以保證行車安全性。

增大信息量可以控制降低車速，達(dá)到安全行車的目的。但并不是信息量越大越好，當(dāng)信息量過大超出駕駛?cè)藢?duì)信息的處理能力時(shí)，即視覺超負(fù)荷情況，駕駛?cè)藙t會(huì)來不及處理某些視覺信息，反而導(dǎo)致行車不安全。因此，需要設(shè)定信息量的上限，可以根據(jù)駕駛員行車期望速度，由式（4）確定。

以駕駛?cè)似谕囁贋?0km／h為例，假設(shè)駕駛?cè)藢?duì)某條城市道路的期望車速為40km／h時(shí)，則信息量的極大值：

即當(dāng)駕駛?cè)似谕囁?0km／h時(shí)，信息量應(yīng)不大于233 263以防止駕駛?cè)艘曈X負(fù)荷過大。

3.3 道路視覺交通環(huán)境評(píng)價(jià)流程

通過對(duì)城市道路視覺環(huán)境層級(jí)模型的分析，建立了城市道路視覺環(huán)境信息量計(jì)算模型，并分析得到信息量與速度之間的關(guān)系?；谝陨戏治?，建立以道路視覺環(huán)境信息量為依據(jù)的城市道路視覺環(huán)境安全性評(píng)價(jià)方法，見圖7。

4 城市道路交通環(huán)境實(shí)例分析

基于信息量計(jì)算對(duì)城市道路交通環(huán)境進(jìn)行分析，城市道路存在的交通問題主要有2種情況：①道路視覺信息量過小而導(dǎo)致的高速行車情況，②信息量過大而導(dǎo)致的視覺超負(fù)荷情況。

圖7 城市道路視覺交通環(huán)境評(píng)價(jià)流程Fig.7 Evaluation process of urban road traffic visual environment

從信息量計(jì)算模型中可以看出，當(dāng)駕駛?cè)俗⒁暷骋晃矬w時(shí)，由于人眼的視力是確定的，其中央視野和周邊視野面積的總和也是相同的，而導(dǎo)致信息量不同的主要原因是各道路視覺環(huán)境層在中央視野和周邊視野中所占的比例，當(dāng)有大量意義性視覺信息及運(yùn)動(dòng)性視覺信息在其中央視野內(nèi)時(shí)，總信息量就會(huì)比較大，反之則較小。

1）信息量過大。該畫面（見圖8）的車輛行駛速度為35km／h，通過圖7的道路視覺交通環(huán)境評(píng)價(jià)流程，計(jì)算出視覺信息量為333 520.6，信息量很大，其原因是中央視野范圍內(nèi)有較多意義層和運(yùn)動(dòng)層信息：各種指路標(biāo)志，指示標(biāo)志，道路標(biāo)線等過于集中，前方又有很多車輛，駕駛?cè)艘曈X負(fù)荷很大，這些是導(dǎo)致駕駛?cè)藴p速行駛的主要原因。據(jù)此可以通過將最重要的信息放在駕駛?cè)说闹醒胍曇爸校瘃{駛?cè)俗⒁饬?，沒有用的信息剔除，相對(duì)不重要的信息可以提前或延后設(shè)置，減少駕駛?cè)艘曈X負(fù)荷，安全行車。

圖8 信息量過大畫面Fig.8 Information overload

2）信息量過小。該畫面（見圖9）的車輛行駛速度達(dá)到70km／h，通過圖7的道路視覺交通環(huán)境評(píng)價(jià)流程，計(jì)算出視覺信息量為91 657.4，信息量很小，因?yàn)楫嬅嬷醒胍曇爸袔缀鯖]有意義層和運(yùn)動(dòng)層信息，周邊視野中運(yùn)動(dòng)層信息也較少，導(dǎo)致駕駛?cè)瞬蛔杂X的加速行駛。據(jù)此可以通過在道路中添加一些意義層信息，如標(biāo)志標(biāo)線等來增加信息量，增加駕駛?cè)艘曈X負(fù)荷達(dá)到減速的目的。

圖9 信息量過小畫面Fig.9 Information too little

5 結(jié)束語

本文是有關(guān)駕駛?cè)艘曈X角度在城市道路交通環(huán)境影響評(píng)價(jià)的階段性成果，通過分析研究駕駛?cè)颂匦蕴岢龅膶蛹?jí)模型、信息量計(jì)算模型等，將城市道路中運(yùn)行速度作為評(píng)判參數(shù)，研究與信息量之間的關(guān)系。通過研究可以發(fā)現(xiàn)，①城市道路中信息量的大小對(duì)速度會(huì)產(chǎn)生一定的影響；②信息量過高或者過低都會(huì)對(duì)行車安全產(chǎn)生不利影響；③可以通過計(jì)算城市道路中的信息量來對(duì)城市道路交通環(huán)境進(jìn)行評(píng)價(jià)，以及根據(jù)結(jié)果進(jìn)行一定的改進(jìn)措施。

由于時(shí)間和技術(shù)的限制等原因，本研究還存在以下不足：在道路視覺環(huán)境層面積計(jì)算的軟件中，部分圖像尚需手動(dòng)進(jìn)行區(qū)域調(diào)整以得到準(zhǔn)確的面積進(jìn)行信息量計(jì)算，進(jìn)而進(jìn)行交通環(huán)境評(píng)價(jià)。后續(xù)研究希望通過改進(jìn)這一不足進(jìn)行智能分析城市道路交通環(huán)境，并能實(shí)時(shí)對(duì)駕駛?cè)私o出一系列最佳運(yùn)行速度以及自動(dòng)預(yù)警等成果。

［1］Wohlwill J F.Environmental aesthetics：the environment as a source of affect［J］.Human Behavior and Environment.1976（1）：37－86.

［2］Cai H，Lin Y.Evaluation of driver visual behavior and road signs in virtual environment［C］∥Proceedings of the Human Factors and Ergonomics Society，Santa Monica，CA：HFES，2007：1645－1649.

［3］Brackstone M A，Waterson B J.Are we looking where we are going？an exploratory examination of eye movement in high speed driving［C］.Proceedings of the TRB，83rd Transportation Research Board Annual Meeting.Washington.DC：Transportation Research Board，2004.

［4］Victor T W，Harbluk J L，Engstrom J A.Sensitivity of eye－movement measures to in－vehicle task difficulty［J］.Traffic Psychology and Behavior，2005，8（2）：167－190.

［5］Engstr m J，Johansson E，stlund E.Effects of visual and cognitive load in real and simulated motorway driving［J］.Traffic Psychology and Behavior，2005，8（2）：97－120.

［6］杜志剛，潘曉東，郭雪斌.公路隧道進(jìn)出口行車安全評(píng)價(jià)指標(biāo)應(yīng)用研究［J］.同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，36（3）：325－329.Du Zhigang，Pan Xiaodong，Guo Xuebin.Evaluation index′s application studies on safety at highway tunnel′s entrance and exit［J］.Journal of Tongji University：Natural Science，2008，36（3）：325－329.（in Chinese）

［7］張 強(qiáng)，陳雨人，潘曉東.色彩心理在道路交通安全中的應(yīng)用［J］.華東公路，2005（6）：65－67.Zhang Qiang，Chen Yuren，Pan Xiaodong.Application of color psychology in road traffic safety［J］.East China Highway，2005（6）：65－67.（in Chinese）

［8］周孝波.基于視覺邊緣率的高速公路彎道轉(zhuǎn)向誘導(dǎo)設(shè)計(jì)方法及應(yīng)用［D］.武漢：武漢理工大學(xué)，2010.Zhou Xiaobo.Approach and application of steering on freeway curve based on visual edge rate［D］.Wuhan：Wuhan University of Technology，2010.（in Chinese）

［9］陳雨人，鄭仕文.地下道路視覺環(huán)境影響車輛運(yùn)行特征機(jī)理分析［J］.同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，41（7）：1031－1039.Chen Yuren，Zheng Shiwen.Mechanism analysis of vehicles operating characteristic affected by visual environment of underground road［J］.Journal of Tongji University：Natural Science，2013，41（7）：1031－1039.（in Chinese）

［10］孫瀟昊，季 予，程健川.行車錯(cuò)覺模擬分析及道路標(biāo)線優(yōu)化［J］.交通信息與安全，2014，32（4）：80－86.Sun Xiaohao，Ji Yu，Cheng Jianchuan.Illusion simulation analysis and road marking optimization［J］.Journal of Transport Information and Safety，2014，32（4）：80－86.（in Chinese）

［11］Ma Yufei，Hua Xiansheng，Lu Lie.A generic framework of user attention model and its application in video summarization［J］.IEEE Transitions on Multimedia，2005，7（5）：907－919.