游 峰，涂海清，宮云渤，王?，|，徐建閩

(1.華南理工大學(xué)土木與交通學(xué)院，廣州510641；2.廣東交通職業(yè)技術(shù)學(xué)院運(yùn)輸與經(jīng)濟(jì)管理學(xué)院，廣州510650)

0 引 言

近年來，因分心駕駛導(dǎo)致的交通事故頻繁發(fā)生.研究表明，駕駛中操作手機(jī)是分心駕駛最主要誘因[1].據(jù)美國高速公路安全管理局(NHTSA)統(tǒng)計，2012年，美國12%的交通事故與使用手機(jī)有關(guān)，而在2013年這一統(tǒng)計數(shù)據(jù)上升至14%，為此，各國政府交通法規(guī)明令禁止在駕駛過程中操作手機(jī)，部分地區(qū)制定法規(guī)時，禁止使用手機(jī)進(jìn)行手持通話，但允許免提通話.然而，Ioanna等[2]通過模擬駕駛實(shí)驗發(fā)現(xiàn)，與免提通話相比，手持通話駕駛安全性更高.交通立法的不完善性表明，手機(jī)使用對駕駛?cè)苏J(rèn)知分心和視覺影響尚未完全明確，而隨著手機(jī)功能的增加，駕駛中使用手機(jī)愈來愈頻繁.

研究表明，駕駛中駕駛?cè)酥饕蝿?wù)包括感知車輛運(yùn)行環(huán)境、生成控制決策和操控車輛，駕駛?cè)艘曈X對駕駛行為貢獻(xiàn)率約為80%[3].為研究手機(jī)使用對駕駛?cè)艘曈X的影響，CAIRD J.K.等[4]研究駕駛?cè)俗x寫短信過程，發(fā)現(xiàn)該過程中駕駛?cè)艘暰€離開道路平均時間為4.6 s，此時事故發(fā)生概率是正常駕駛的23倍.高巖等[5]利用模擬器開展實(shí)驗，分析駕駛?cè)诉M(jìn)行不同手機(jī)操作時車輛運(yùn)行特性與駕駛?cè)艘曈X特性，指出特定手機(jī)操作行為對注視點(diǎn)分布信息熵、注視時長等有顯著影響.Xie等[6]建立駕駛干擾判別模型，判別不同道路類型和會話任務(wù)下駕駛?cè)俗⒁暻胺降缆窌r間比、注視持續(xù)時間和瞳孔大小變化，結(jié)果表明，復(fù)雜會話任務(wù)導(dǎo)致注視持續(xù)時間和瞳孔半徑增加.張輝[7]研究免提手機(jī)通話和微信語音短信次任務(wù)對應(yīng)的視覺變化，發(fā)現(xiàn)免提通話和語音短信對注視時間、瞳孔直徑、眼跳持續(xù)時間等存在影響.

總結(jié)國內(nèi)外駕駛過程手機(jī)使用對視覺參數(shù)影響研究發(fā)現(xiàn)，已有研究主要試驗手機(jī)操作對注視行為影響，但對所選視覺衡量指標(biāo)的有效性有待進(jìn)一步驗證.同時，駕駛?cè)耸褂檬謾C(jī)時掃視、眨眼及瞳孔的變化規(guī)律仍需進(jìn)一步探索.此外，就手機(jī)操作內(nèi)容方面，已有研究主要針對撥打電話和收發(fā)短信等駕駛次任務(wù)，而忽略手機(jī)社交娛樂操作對視覺參數(shù)的影響，如觀看視頻、刷朋友圈等.

為此，本文以行車過程中5種常見操作行為為研究對象，即正常駕駛、撥打電話、收發(fā)信息、觀看視頻及刷朋友圈，設(shè)計模擬駕駛實(shí)驗，采集不同操作下對應(yīng)的視覺特征數(shù)據(jù)，基于拉依達(dá)準(zhǔn)則和聯(lián)合頻數(shù)分布直方圖進(jìn)行數(shù)據(jù)歸約.最后，基于不同操作箱形圖和顯著性檢驗結(jié)果驗證所選視覺衡量指標(biāo)的有效性.

1 實(shí)驗設(shè)計

1.1 受試駕駛?cè)?/h3>

受試人18名，平均年齡30.39歲，均擁有C1 駕駛證.受試人視覺機(jī)能正常，駕駛習(xí)慣與精神狀態(tài)良好.

1.2 實(shí)驗設(shè)備

實(shí)驗設(shè)備包括視覺信息采集設(shè)備和模擬駕駛器，如圖1所示.視覺信息采集系統(tǒng)為SmartEye 眼動儀，該儀器可實(shí)現(xiàn)眼部和頭部追蹤，采集瞳孔直徑、注視、掃視及眨眼行為等眼動參數(shù).模擬駕駛器由顯示屏和模擬駕駛艙構(gòu)成，駕駛艙模擬實(shí)車操縱部件，顯示屏同步車輛當(dāng)前操縱行為，并顯示車輛位置和道路環(huán)境[8].

1.3 實(shí)驗過程

實(shí)驗過程包括基本信息采集、適應(yīng)性訓(xùn)練、駕駛試驗和數(shù)據(jù)匯總等4步.

(1)基本信息采集.向受試人介紹實(shí)驗內(nèi)容和實(shí)驗要求，記錄受試人駕齡、性別及行駛里程數(shù)等基本信息；

(2)適應(yīng)性訓(xùn)練.受試人在模擬道路環(huán)境下進(jìn)行10～20 min的適應(yīng)性訓(xùn)練，為避免學(xué)習(xí)效應(yīng)，該過程不涉及次任務(wù)操作；

(3)駕駛實(shí)驗.實(shí)驗開始，受試人駕駛主車按預(yù)定線路行駛，駕駛行為包括跟車行駛和超車換道.為避免其他車輛影響，選擇城郊道路行駛，速度為40～80 km/h.被試人在無干擾狀態(tài)下行駛3 min 左右，行駛至特定位置時，被試人在場景內(nèi)文字和工作人員語音提醒下完成指定手機(jī)使用操作，包括撥打電話、收發(fā)短信、觀看視頻和刷朋友圈，每項操作持續(xù)約1 min，每項操作間隔2 min.工作人員逐項記錄被試人操作動作.實(shí)驗重復(fù)三次，每次實(shí)驗過程耗時約1.5 h.

(4)試驗結(jié)束及數(shù)據(jù)匯總.匯總駕駛?cè)说幕拘畔⒑脱蹌觾x采集數(shù)據(jù).

1.4 數(shù)據(jù)處理

實(shí)驗過程存在部分干擾，為提高數(shù)據(jù)可靠性，對眼動儀采集數(shù)據(jù)進(jìn)行處理.首先采用拉依達(dá)準(zhǔn)則清洗異常噪點(diǎn)，然后根據(jù)聯(lián)合頻數(shù)分布直方圖法對離散邊界數(shù)據(jù)歸約.

1.4.1 數(shù)據(jù)清洗

根據(jù)拉依達(dá)準(zhǔn)則，去除異常噪點(diǎn)數(shù)據(jù)，一組注視點(diǎn)數(shù)據(jù)清洗對比結(jié)果如圖2所示.

圖2 數(shù)據(jù)清洗對比圖Fig.2 Comparison before and after noise data cleaning

1.4.2 數(shù)據(jù)歸約

經(jīng)清洗后，仍存在大量冗余數(shù)據(jù).為提高數(shù)據(jù)可靠性，對數(shù)據(jù)歸約，剔除密集程度較低的類邊界離散數(shù)據(jù).考慮到視覺數(shù)據(jù)聚集度高、類內(nèi)間距小、類外間距大的特點(diǎn)，聯(lián)合水平和垂直視角構(gòu)建分布直方圖以此進(jìn)行數(shù)據(jù)歸約.聯(lián)合頻數(shù)分布直方圖如圖3所示，一組注視點(diǎn)數(shù)據(jù)歸約結(jié)果如圖4所示.

圖3 聯(lián)合頻數(shù)分布直方圖Fig.3 Joint frequency distribution histogram

圖4 注視點(diǎn)數(shù)據(jù)歸約結(jié)果Fig.4 Gaze data reduction result

由圖4可知，注視范圍主要集中在6個區(qū)域：A道路(前方近處、中央及道路外側(cè))、B 左后視鏡、C右后視鏡、D儀表盤、E車內(nèi)后視鏡和F手機(jī).對環(huán)境分析表明，這與駕駛?cè)艘曈X感興趣相符合，說明數(shù)據(jù)歸約結(jié)果可靠.視覺感興趣區(qū)域如圖5所示.

圖5 視覺感興趣區(qū)域Fig.5 Visual interest area

2 手機(jī)操作對視覺參數(shù)影響

2.1 視覺參數(shù)的選取

為探究手機(jī)操作對視覺參數(shù)的影響，選取注視、掃視、眨眼和瞳孔直徑行為視覺特征參數(shù)，通過箱形圖和顯著性檢驗判斷參數(shù)能否作為評價指標(biāo).視覺特征參數(shù)如表1所示.

表1 視覺特征參數(shù)Table1 Visual feature parameters

2.2 手機(jī)操作對注視行為影響

分析5種操作對注視行為的影響，反映注視行為的指標(biāo)包括：水平和垂直視角標(biāo)準(zhǔn)差、視線離開道路時間百分比、注視區(qū)域熵率.

2.2.1 水平視角標(biāo)準(zhǔn)差

水平視角標(biāo)準(zhǔn)差反映水平視覺搜索范圍大小，不同操作水平視角標(biāo)準(zhǔn)差箱形圖如圖6所示(箱形圖中，上、下—分別表示數(shù)據(jù)最大值/最小值，方框上、下端分別對應(yīng)上、下四分位數(shù)，框中橫線為中位數(shù)，下同).由圖6可知，使用手機(jī)時水平視角的標(biāo)準(zhǔn)差均值高于正常值，其中，看視頻時水平視覺標(biāo)準(zhǔn)差最大.

圖6 不同操作水平視角標(biāo)準(zhǔn)差箱形圖Fig.6 Standard deviation box-plot of horizontal viewing angles for different operations

使用Kruskal-Wallis測試對水平標(biāo)準(zhǔn)差進(jìn)行顯著性檢驗，兩兩數(shù)據(jù)顯著性差異比較如表2所示，可知水平視角標(biāo)準(zhǔn)差在使用手機(jī)和正常狀態(tài)下存在顯著性差異.因此，水平視角標(biāo)準(zhǔn)差可以作為手機(jī)操作對視覺影響的評價指標(biāo).

表2 不同操作水平視角標(biāo)準(zhǔn)差顯著性檢驗結(jié)果Table2 Standard deviation significance test results of horizontal viewing angles for different operations

2.2.2 垂直視角標(biāo)準(zhǔn)差

垂直視角標(biāo)準(zhǔn)差反映垂直視覺的搜索范圍，不同操作垂直視角標(biāo)準(zhǔn)差箱形圖如圖7所示，使用手機(jī)時，垂直視角標(biāo)準(zhǔn)差均值高于正常值，其中，刷朋友圈對垂直視覺標(biāo)準(zhǔn)差影響最大.

圖7 不同操作垂直視角標(biāo)準(zhǔn)差箱形圖Fig.7 Standard deviation box-plot of vertical viewing angles for different operations

表3為兩兩數(shù)據(jù)顯著性差異，可知垂直視角標(biāo)準(zhǔn)差在使用手機(jī)和正常狀態(tài)下存在顯著性差異.因此，垂直視角標(biāo)準(zhǔn)差可以作為手機(jī)操作對視覺影響的評價指標(biāo).

表3 不同操作垂直視角標(biāo)準(zhǔn)差顯著性檢驗結(jié)果Table3 Standard deviation significance test results of vertical viewing angles for different operations

2.2.3 視線離開道路時間百分比

不同操作視線離開道路的百分比箱形圖如圖8所示，使用手機(jī)時視線離開道路時間百分比較正常駕駛時大；收發(fā)短信時，該比率超過50%.

圖8 不同操作視線離開道路時間百分比箱形圖Fig.8 Box-plot of time percentage of line of sight leaving road for different operations

表4為兩兩數(shù)據(jù)顯著性差異，可知視線離開道路時間百分比在使用手機(jī)和正常狀態(tài)下存在顯著性差異.因此，視線離開道路時間百分比可以作為手機(jī)操作對視覺影響評價指標(biāo).

表4 不同操作視線離開道路時間百分比顯著性檢驗結(jié)果Table4 Significance test results of time percentage of line of sight leaving road for different operations

2.2.4 注視區(qū)域熵率

信息熵是度量信息量的概念，表示系統(tǒng)的混亂程度.本文用注視區(qū)域的熵率描述視覺分心程度.熵率的計算步驟如下.

Step 1將每個注視點(diǎn)距質(zhì)心的距離作為熵率的輸入量.

Step 2對輸入數(shù)據(jù)做標(biāo)準(zhǔn)化處理.設(shè)注視點(diǎn)坐標(biāo)到質(zhì)心的距離集合為X，X={x1,x2,…,xn}，輸入數(shù)據(jù)標(biāo)準(zhǔn)化方法為

式中：xi為第i注視點(diǎn)坐標(biāo)到質(zhì)心距離，Ii為標(biāo)準(zhǔn)化處理后的集合元素.

Step 3根據(jù)信息熵定義，求出信息熵率E的值為

式中：pi為事件發(fā)生概率

不同操作注視熵率箱形圖如圖9所示，使用手機(jī)時注視區(qū)域熵率高于正常狀態(tài)，熵率值分布較分散.

圖9 不同操作的注視區(qū)域熵率箱形圖Fig.9 Box-plot of entropy rate of gaze area for different operations

表5為兩兩數(shù)據(jù)顯著性差異，可知正常駕駛下注視區(qū)域熵率與撥打電話、收發(fā)信息和刷朋友圈呈顯著差異，而與觀看視頻狀態(tài)無明顯差異.因此，注視區(qū)域的熵率不能作為手機(jī)操作對視覺影響的評價指標(biāo).

2.3 手機(jī)操作對掃視行為影響

分析5種手機(jī)操作對掃視行為的影響，反映掃視行為的指標(biāo)包括：掃視幅度、掃視平均速度及掃視峰值速度.

表5 不同操作注視區(qū)域熵率顯著性檢驗結(jié)果Table5 Significance test results of entropy rate of gaze area for different operations

2.3.1 掃視幅度

不同手機(jī)操作掃視幅度箱形圖如圖10所示，正常掃視幅度均值與撥打電話相近，而看視頻、刷朋友圈和發(fā)信息過程中的掃視幅度均值較正常均值明顯增加.

圖10 不同操作掃視幅度箱形圖Fig.10 Box-plot of scanning range for different operations

兩兩數(shù)據(jù)顯著性檢驗結(jié)果如表6所示，正常駕駛狀態(tài)下掃視幅度與看視頻、刷朋友圈和收發(fā)信息狀態(tài)下數(shù)值呈顯著性差異，但與撥打電話之間的顯著性不明顯.因此，掃視幅度不能作為手機(jī)操作對視覺影響的評價指標(biāo).

表6 不同操作掃視幅度顯著性檢驗結(jié)果Table6 Significant test results of scanning range for different operations

2.3.2 掃視平均速度

不同操作駕駛?cè)藪咭曀俣认湫螆D如圖11所示，使用手機(jī)導(dǎo)致掃視平均速度高于正常數(shù)值，其中刷朋友圈對掃視速度影響最大.

圖11 不同操作掃視平均速度箱形圖Fig.11 Box-plot of scanning average velocity for different operations

表7為兩兩數(shù)據(jù)顯著性差異，可知掃視平均速度在使用手機(jī)與正常狀態(tài)下呈顯著性差異.因此，掃視平均速度可作為手機(jī)操作對視覺影響的評價指標(biāo).

表7 不同操作掃視平均速度顯著性檢驗結(jié)果Table7 Significant test results of scanning average velocity for different operations

2.3.3 掃視峰值速度

在2.3.2節(jié)基礎(chǔ)上，考慮手機(jī)使用對掃視峰值速度的影響，表8為不同操作下掃視峰值速度統(tǒng)計表.由表8可知，刷朋友圈時掃視峰度值最大，發(fā)信息時峰度值最小，使用手機(jī)的峰度值較正常值不是同向變化.因此，掃視峰值速度不能作為視覺影響的評價指標(biāo).

表8 不同操作掃視峰值速度統(tǒng)計表Table8 Statistical table of scanning peak velocity for different operations

2.4 手機(jī)操作對眨眼行為影響

不同操作眨眼持續(xù)時間箱形圖如圖12所示，使用手機(jī)導(dǎo)致眨眼持續(xù)時間高于正常狀態(tài)，其中刷朋友圈對眨眼行為影響最大.

圖12 不同操作眨眼時間箱形圖Fig.12 Box-plot of blink time for different operations

表9為兩兩數(shù)據(jù)顯著性差異，可知眨眼持續(xù)時間在使用手機(jī)和正常狀態(tài)下存在顯著性差異.因此，眨眼行為可作為手機(jī)操作對視覺影響的評價指標(biāo).

表9 不同操作眨眼時間顯著性檢驗結(jié)果Table9 Significant test results of blink time for different operations

2.5 手機(jī)操作對瞳孔直徑影響

不同操作下的瞳孔直徑箱形圖如圖13所示，使用手機(jī)導(dǎo)致瞳孔直徑低于正常狀態(tài)數(shù)值.其中，收發(fā)信息對瞳孔直徑影響最大.

圖13 不同操作瞳孔直徑大小箱形圖Fig.13 Box-plot of pupil diameter for different operations

表10為兩兩數(shù)據(jù)顯著性差異.由表10可知，正常狀態(tài)下瞳孔直徑與刷朋友圈和發(fā)信息狀態(tài)下該數(shù)值成顯著性差異，與另外兩種狀態(tài)數(shù)值不成顯著性差異.因此，瞳孔直徑不能作為評價指標(biāo).

表10 不同操作瞳孔直徑顯著性檢驗結(jié)果Table10 Statistical test results of pupil diameter for different operations

3 實(shí)驗分析

綜合上述，駕駛過程中使用手機(jī)對注視行為、掃視行為及眨眼行為有顯著影響，視覺參數(shù)較正常駕駛時有所增加.

不同操作在水平和垂直視角標(biāo)準(zhǔn)差、視線離開道路時間百分比、掃視平均速度和眨眼持續(xù)時間上呈顯著性差異.視覺參數(shù)影響過程為：(1)駕駛中使用手機(jī)時視線在道路和手機(jī)之間轉(zhuǎn)移，因此視覺搜索廣度增大，水平和垂直視角標(biāo)準(zhǔn)差增加；(2)社交娛樂操作容易導(dǎo)致駕駛?cè)朔中?，視線離開道路時間百分比較正常駕駛時有所增加；(3)使用手機(jī)時駕駛?cè)藢π畔⒓庸さ乃俣群蛯ふ蚁乱荒繕?biāo)的速度變快，導(dǎo)致掃視平均速度增加；(4)社交娛樂操作對駕駛?cè)艘曈X資源占用較大，眼睛處于疲勞狀態(tài)，需要通過持續(xù)眨眼獲取外界信息，不斷提高駕駛專注，因此眨眼持續(xù)時間增加.

為量化不同操作對視覺參數(shù)影響程度，將各種視覺參數(shù)做標(biāo)準(zhǔn)化處理，并將處理后結(jié)果歸一化計算影響因子，以此對比不同操作對視覺參數(shù)影響程度.影響因子計算步驟如下.

Step 1對視覺參數(shù)做標(biāo)準(zhǔn)化處理.設(shè)第i項視覺參數(shù)輸入集合為Mi，則Mi={mi1,mi2,…,mij}，則視覺參數(shù)標(biāo)準(zhǔn)化為

式中：Ni為標(biāo)準(zhǔn)化處理后的視覺參數(shù)；mij為第i項視覺參數(shù)的第j個輸入值.

Step 2對處理后結(jié)果做歸一化計算影響因子.按權(quán)值大小將標(biāo)準(zhǔn)化視覺參數(shù)歸一化.影響因子計算為

式中：f為歸一化后影響因子；wi為對應(yīng)不同視覺參數(shù)的權(quán)重.

不同操作下視覺參數(shù)影響因子如圖14所示.由圖14可知，手機(jī)操作對駕駛行為有明顯影響，其中，觀看視頻和刷朋友圈等社交娛樂操作對視覺參數(shù)影響程度明顯高于撥打電話和收發(fā)短信操作.

圖14 不同操作視覺參數(shù)影響因子圖Fig.14 Visual parameter influence factor for different operations

4 結(jié) 論

隨手機(jī)社交娛樂功能日益增多，因分心駕駛導(dǎo)致的事故愈來愈多，為研究社交娛樂操作對駕駛?cè)艘曈X參數(shù)影響，開展了模擬駕駛實(shí)驗揭示視覺參數(shù)影響變化情況.

對比正常駕駛狀態(tài)發(fā)現(xiàn)，當(dāng)進(jìn)行手機(jī)分心操作時，水平和垂直視角標(biāo)準(zhǔn)差、視線離開道路時間百分比、掃視平均速度和眨眼持續(xù)時間有明顯增加，且與操作類型呈顯著性差異.而注視區(qū)域熵率、掃視幅度、掃視峰值速度及瞳孔直徑等參數(shù)雖有變化，但與操作類型無顯著性差異.引入影響因子，計算得到4項手機(jī)操作對駕駛?cè)艘曈X參數(shù)影響由大到小依次為：刷朋友圈、收發(fā)短信、觀看視頻、撥打電話.

本研究量化不同操作對視覺影響，可以直觀了解社交娛樂操作對視覺參數(shù)影響程度.由于試驗是在模擬駕駛情況下進(jìn)行的，駕駛環(huán)境與實(shí)車情況下存在一定偏差，后續(xù)考慮在更為接近真實(shí)場景的情況下開展研究.