• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      橋形標(biāo)復(fù)雜度對(duì)駕駛?cè)四X電認(rèn)知特性的影響機(jī)理

      2021-10-31 08:55:46李雪瑋趙曉華黃利華
      關(guān)鍵詞:腦電標(biāo)的復(fù)雜度

      李雪瑋,趙曉華,黃利華,榮 建

      (1.北京工業(yè)大學(xué)城市交通學(xué)院,北京 100124;2.北京城市系統(tǒng)工程研究中心,北京 100035)

      橋形標(biāo)用于直觀描述高速公路或快速路立交橋區(qū)域各匝道走向,在世界范圍內(nèi)應(yīng)用廣泛.隨著交通出行需求的增加,高速路或快速路立體交叉形式逐漸復(fù)雜、出口增多,導(dǎo)致部分橋形標(biāo)形式過(guò)于復(fù)雜,國(guó)內(nèi)情況尤其突出.研究表明,復(fù)雜橋形標(biāo)易使駕駛?cè)诵旭傔^(guò)程認(rèn)讀困難[1],影響行車安全、降低出行效率.然而,我國(guó)橋形標(biāo)設(shè)計(jì)設(shè)置的規(guī)范指南不夠充分,缺乏橋形標(biāo)復(fù)雜度的具體設(shè)計(jì)要求.為提升現(xiàn)有復(fù)雜橋形標(biāo)的設(shè)置效用,提升其規(guī)范性和科學(xué)性,有必要挖掘橋形標(biāo)對(duì)駕駛?cè)苏J(rèn)知過(guò)程的影響機(jī)理,為進(jìn)一步實(shí)現(xiàn)橋形標(biāo)的優(yōu)化設(shè)置奠定基礎(chǔ).

      實(shí)際上,駕駛?cè)藢?duì)交通標(biāo)志的認(rèn)知過(guò)程分為信息認(rèn)讀、感知決策及行為表現(xiàn)3 個(gè)階段[2-4].信息認(rèn)讀和行為表現(xiàn)階段反映的是駕駛?cè)送庠陲@性特性,表征駕駛?cè)送ㄟ^(guò)視覺、操控行為變化以適應(yīng)自身對(duì)交通環(huán)境的需求[5-7];而感知決策階段作為隱形特性是駕駛?cè)藢?duì)外部環(huán)境綜合感知基礎(chǔ)上的決策反應(yīng),主要表征駕駛?cè)说哪X神經(jīng)活動(dòng),反映駕駛?cè)藘?nèi)在隱性特性和腦部認(rèn)知微觀變化[8-9],大多借助腦電事件相關(guān)電位(event-related potential,ERP)、腦電波(electroencephalogram,EEG)、功能核磁共振(functional magnetic resonance imaging,fMRI)等技術(shù)開展研究,以闡明認(rèn)知活動(dòng)的腦機(jī)制[10].其中ERP 技術(shù)的時(shí)間分辨率最高,能夠有效捕捉被試在短時(shí)間內(nèi)的腦電活動(dòng)特征,被用于解析被試的認(rèn)知加工過(guò)程[11-12].

      當(dāng)前,研究人員大多采用駕駛?cè)说囊曊J(rèn)及行為特性剖析標(biāo)志對(duì)于駕駛?cè)说淖饔脵C(jī)理,借助室內(nèi)視認(rèn)靜態(tài)實(shí)驗(yàn)以及駕駛模擬動(dòng)態(tài)測(cè)試等技術(shù)開展了大量的研究工作[13-15],但針對(duì)交通標(biāo)志對(duì)駕駛?cè)四X電認(rèn)知特性的影響研究不夠系統(tǒng)和充分,特別是橋形標(biāo)這一特殊標(biāo)志對(duì)于駕駛?cè)四X電特性的分析尚無(wú)相關(guān)報(bào)道.呂能超等[16]采用腦電技術(shù)研究了不同信息量的交通標(biāo)志對(duì)駕駛?cè)说墓ぷ髫?fù)荷的影響,結(jié)果表明兩者呈高度正相關(guān);關(guān)偉[17]通過(guò)腦電實(shí)驗(yàn)研究交通標(biāo)志對(duì)駕駛?cè)诵畔⑥D(zhuǎn)換過(guò)程的影響,發(fā)現(xiàn)交通標(biāo)志的設(shè)置能夠有效地提高駕駛員對(duì)彎道信息的獲取速度及準(zhǔn)確度;Liu 等[11]借助腦ERP 技術(shù)研究交通標(biāo)志背景顏色發(fā)現(xiàn),背景與前景顏色的對(duì)比度影響駕駛?cè)苏J(rèn)知加工難度,且標(biāo)志內(nèi)容復(fù)雜度與認(rèn)知加工速度有關(guān);何文強(qiáng)[18]基于被試的瞳孔面積、速度和油門深度、腦電波α 節(jié)律與β 節(jié)律的功率譜密度積分的比值,探究互通區(qū)指路標(biāo)志與駕駛員情境意識(shí)之間的關(guān)系,建立了高速公路駕駛員情境意識(shí)模型.

      以上研究已經(jīng)利用腦電信號(hào)研究交通標(biāo)志的信息感知問(wèn)題,并取得重要的理論結(jié)論.然而,有關(guān)橋形標(biāo)的研究較少,且主要停留在對(duì)駕駛?cè)说囊曊J(rèn)及行為等顯性特性的分析,缺乏橋形標(biāo)復(fù)雜度對(duì)駕駛?cè)烁兄獩Q策方面的隱性特征解讀.本文將借助ERP提取技術(shù),針對(duì)不同復(fù)雜度橋形標(biāo)的腦電認(rèn)知開展實(shí)驗(yàn)測(cè)試,挖掘不同復(fù)雜度橋形標(biāo)的認(rèn)知機(jī)制,明確復(fù)雜橋形標(biāo)對(duì)駕駛?cè)苏J(rèn)知決策的影響規(guī)律及特征,為進(jìn)一步開展復(fù)雜橋形標(biāo)優(yōu)化設(shè)計(jì)、提高其設(shè)置效能提供理論依據(jù),也為解析標(biāo)志對(duì)于駕駛?cè)说膬?nèi)在作用規(guī)律奠定理論基礎(chǔ).

      1 實(shí)驗(yàn)設(shè)計(jì)

      腦神經(jīng)研究領(lǐng)域應(yīng)用多種實(shí)驗(yàn)范式以刺激被試產(chǎn)生不同的腦電成分,包括Oddball 范式、Go/Nogo范式和N-back 范式[19].其中,Oddball 范式應(yīng)用廣泛,重點(diǎn)研究大腦的注意和認(rèn)知加工機(jī)制,是產(chǎn)生P300、非匹配負(fù)波(MMN)等認(rèn)知成分的經(jīng)典范式.Oddball 范式的要點(diǎn)是對(duì)同一感覺通道施加兩種刺激:一種刺激出現(xiàn)概率很大,稱為標(biāo)準(zhǔn)刺激;另一種刺激出現(xiàn)的概率很小,稱為靶刺激.實(shí)驗(yàn)任務(wù)中兩種刺激以隨機(jī)順序出現(xiàn),要求被試關(guān)注靶刺激,即研究關(guān)注的復(fù)雜橋形標(biāo),當(dāng)靶刺激出現(xiàn)時(shí)盡快做出按鍵反應(yīng).基于此,研究采用Oddball 范式獲取駕駛?cè)四X電認(rèn)知成分,以研究駕駛?cè)藢?duì)不同復(fù)雜度橋形標(biāo)的認(rèn)知加工過(guò)程.

      1.1 標(biāo)志選取

      2015—2016 年北京工業(yè)大學(xué)為解決橋形標(biāo)志分類問(wèn)題,對(duì)北京市現(xiàn)有37 種橋形標(biāo)志圖形開展室內(nèi)視認(rèn)實(shí)驗(yàn).從整體、局部、細(xì)節(jié)3 個(gè)層面進(jìn)行測(cè)試,通過(guò)7 個(gè)評(píng)估指標(biāo)(整體視認(rèn)時(shí)間、整體主觀評(píng)價(jià)打分、局部各方向讀取時(shí)間平均值、局部各方向讀取時(shí)間最高值、出口操作選擇錯(cuò)誤人數(shù)比率、路徑選擇的錯(cuò)誤人數(shù)比率、細(xì)節(jié)視認(rèn)風(fēng)險(xiǎn)點(diǎn)數(shù)量)將橋形標(biāo)志圖形按復(fù)雜度分為低、中、高3 種復(fù)雜度類別[20],如表1所示.

      表1 37 種橋形標(biāo)圖形分類結(jié)果Tab.1 Classification results of 37 bridge sign diagrams

      實(shí)驗(yàn)以橋形標(biāo)復(fù)雜度為自變量,從3 種不同復(fù)雜度的橋形標(biāo)中選取4 個(gè)典型圖形.其中,低等、中等復(fù)雜度橋形標(biāo)各選1 個(gè),分別記為橋形標(biāo)A、橋形標(biāo)B.另外,重點(diǎn)關(guān)注高等復(fù)雜度橋形標(biāo)對(duì)駕駛?cè)苏J(rèn)知特性的分析,因此,選取2 個(gè)高等復(fù)雜度橋形標(biāo),分別記為橋形標(biāo)C1、橋形標(biāo)C2,如圖1 所示.

      圖1 不同復(fù)雜圖橋形標(biāo)圖形選取Fig.1 Selection of bridge sign diagrams with different complexities

      1.2 被試招募

      招募被試43 名(男女比例3∶1),其中32 名非職業(yè)司機(jī),11 名代駕司機(jī),身體狀況均良好,無(wú)色弱、色盲,視力或矯正后視力水平均在0.5 以上.實(shí)驗(yàn)招募被試年齡分布在22~57 歲,年輕人所占比例較高(平均值27.7 歲,標(biāo)準(zhǔn)偏差9.29 歲),駕齡分布在2~31 a(平均值5.01 a,標(biāo)準(zhǔn)偏差7.04 a).實(shí)驗(yàn)前禁止駕駛員飲用茶或咖啡等刺激性飲品以減少對(duì)腦電的干擾.所有被試均為右利手,以排除左右手按鍵差異性對(duì)腦電的影響.

      1.3 實(shí)驗(yàn)儀器

      研究采用廣泛使用的腦電采集分析系統(tǒng)Neuroscan 32 導(dǎo)腦電儀,其組成部分如圖2 所示.其原理主要通過(guò)被試頭部佩戴腦電帽,帽上的電極實(shí)質(zhì)是與頭皮連接的金屬導(dǎo)體,頭皮電位通過(guò)電極與導(dǎo)電膏傳送至電腦,并以腦電圖的形式記錄、保存.之后,借助先進(jìn)的腦成像CURRY 分析軟件,提取并分析腦活動(dòng)的基本過(guò)程.

      圖2 Neuroscan 腦電儀Fig.2 Neuroscan electroencephalograph

      1.4 刺激設(shè)計(jì)

      實(shí)驗(yàn)需設(shè)置靶刺激和標(biāo)準(zhǔn)刺激.其中,靶刺激為選擇的4 個(gè)目標(biāo)橋形標(biāo)(橋形標(biāo)A、B、C1、C2),對(duì)應(yīng)4 組平行子實(shí)驗(yàn).每組子實(shí)驗(yàn)中的標(biāo)準(zhǔn)刺激相同,為低中等復(fù)雜度中圖形差異相對(duì)較小的4 種橋形標(biāo).實(shí)驗(yàn)中標(biāo)志設(shè)計(jì)包括靶刺激橋形標(biāo)設(shè)計(jì)、橋形標(biāo)目標(biāo)路名位置設(shè)計(jì)、標(biāo)準(zhǔn)刺激橋形標(biāo)設(shè)計(jì)和刺激程序設(shè)計(jì).

      1.4.1 靶刺激橋形標(biāo)設(shè)計(jì)

      實(shí)驗(yàn)的目的路名僅設(shè)置在靶刺激橋形標(biāo)中,將選擇的4 種不同復(fù)雜度橋形標(biāo)分別作為每組子實(shí)驗(yàn)中的靶刺激進(jìn)行標(biāo)志版面設(shè)計(jì).以丹陽(yáng)路為目的地時(shí)的靶刺激橋形標(biāo)設(shè)計(jì)為例,如圖3 所示.為保障4 組子實(shí)驗(yàn)的差異主要為圖形部分,各靶刺激標(biāo)志間的3 個(gè)主方向的指示地名(紅框標(biāo)注)均相同.

      圖3 靶刺激橋形標(biāo)設(shè)計(jì)版面Fig.3 Bridge sign designs in target stimulus

      1.4.2 靶刺激橋形標(biāo)目的路名位置設(shè)計(jì)

      4 組子實(shí)驗(yàn)中,每組實(shí)驗(yàn)程序隨機(jī)呈現(xiàn)靶刺激與標(biāo)準(zhǔn)刺激標(biāo)志圖片,實(shí)驗(yàn)中要求被試找到目的路名后立刻按確認(rèn)鍵.為避免目的路名總在標(biāo)志的某一固定位置而對(duì)于視認(rèn)效果造成影響,將目的路名隨機(jī)放在每種靶刺激標(biāo)志的左、直、右3 個(gè)主方向.以低等復(fù)雜度靶刺激橋形標(biāo)A 為例,丹陽(yáng)路為目的地的3 種靶刺激橋形標(biāo)設(shè)計(jì)版面,如圖4 所示.

      圖4 靶刺激中目的路名位置設(shè)計(jì)Fig.4 Destination location designs in target stimulus

      1.4.3 標(biāo)準(zhǔn)刺激橋形標(biāo)設(shè)計(jì)

      通過(guò)預(yù)實(shí)驗(yàn)在低中等復(fù)雜度橋形標(biāo)(除橋形標(biāo)A 外)中選取4 種較為相似的橋形標(biāo)作為標(biāo)準(zhǔn)刺激.標(biāo)準(zhǔn)刺激橋形標(biāo)除目的地路名與靶刺激不同外,其他地名相同.每組子實(shí)驗(yàn)均采用以下4 種橋形標(biāo)作為標(biāo)準(zhǔn)刺激.以丹陽(yáng)路為目的地時(shí)的標(biāo)準(zhǔn)刺激橋形標(biāo)設(shè)計(jì)如圖5 所示.

      圖5 標(biāo)準(zhǔn)刺激橋形標(biāo)4 種設(shè)計(jì)版面Fig.5 Four bridge sign designs in standard stimulus

      1.4.4 刺激程序?qū)崿F(xiàn)

      為保障靶刺激的小概率出現(xiàn)及腦電成分的疊加成像,每組子實(shí)驗(yàn)兩種刺激共出現(xiàn)195 張橋形標(biāo),其中靶刺激出現(xiàn)概率為20%共39 次,標(biāo)準(zhǔn)刺激出現(xiàn)概率為80%共156 次.實(shí)驗(yàn)過(guò)程中靶刺激、標(biāo)準(zhǔn)刺激圖片隨機(jī)出現(xiàn),且靶刺激圖片不連續(xù)出現(xiàn),借助Eprime 軟件實(shí)現(xiàn)實(shí)驗(yàn)設(shè)計(jì).

      1.5 實(shí)驗(yàn)流程

      每位被試以隨機(jī)順序測(cè)試4 組子實(shí)驗(yàn),每組時(shí)間約為15 min,每?jī)山M間隔5 min.具體流程介紹如下:

      步驟1前期準(zhǔn)備.要求被試在實(shí)驗(yàn)前禁止飲用咖啡等刺激性食物,且清洗頭部以保持頭皮干凈、干燥,實(shí)驗(yàn)前填寫基本信息表.

      步驟2儀器佩戴.實(shí)驗(yàn)員為被試佩戴腦電帽,注入腦電膏并將每個(gè)電極阻抗降到5 kΩ 以下,佩戴眼動(dòng)儀并進(jìn)行注視點(diǎn)的追蹤與標(biāo)定,確保兩種儀器數(shù)據(jù)的正常采集.

      步驟3實(shí)驗(yàn)練習(xí).提供兩組測(cè)試,選用橋形標(biāo)為非正式實(shí)驗(yàn)使用橋形標(biāo).測(cè)試流程同正式實(shí)驗(yàn)流程相同,以便被試熟悉實(shí)驗(yàn)步驟和實(shí)驗(yàn)過(guò)程,確保測(cè)試數(shù)據(jù)的順利采集.

      步驟4正式實(shí)驗(yàn).告知并確認(rèn)被試記住目的地名稱,并需在實(shí)驗(yàn)后繪制含目的地的橋形標(biāo)及目的地匝道走向.按任意鍵啟動(dòng)軟件程序自動(dòng)播放子實(shí)驗(yàn)橋形標(biāo)組圖,每一標(biāo)志呈現(xiàn)后,要求被試發(fā)現(xiàn)目的地路名則立即按下空格鍵,未找到則需按N 鍵.每組195 個(gè)刺激標(biāo)志全部呈現(xiàn)后,測(cè)試環(huán)節(jié)結(jié)束.之后,要求被試在記錄紙上畫出含有目的地名橋形標(biāo)的形狀及目的地匝道走向.

      隨后休息5 min,實(shí)驗(yàn)重復(fù)步驟2~4,重新標(biāo)定眼動(dòng)并檢查腦電信號(hào),開始下一組子實(shí)驗(yàn),直至4 組子實(shí)驗(yàn)全部完成.

      步驟5實(shí)驗(yàn)結(jié)束.實(shí)驗(yàn)員摘取被試眼動(dòng)儀、腦電帽,隨后被試填寫主觀問(wèn)卷.

      2 數(shù)據(jù)預(yù)處理及指標(biāo)提取

      通過(guò)實(shí)驗(yàn)獲得被試腦電、眼動(dòng)、按鍵行為及主觀評(píng)價(jià)數(shù)據(jù),本文以駕駛?cè)四X電及按鍵行為數(shù)據(jù)為基礎(chǔ),從駕駛?cè)藰蛐螛?biāo)認(rèn)讀行為及腦電特性兩個(gè)維度挖掘橋形標(biāo)復(fù)雜度與駕駛?cè)四X電認(rèn)知特性間的關(guān)系.

      在橋形標(biāo)認(rèn)讀行為方面,整理被試按鍵行為數(shù)據(jù),提取每種靶刺激橋形標(biāo)的認(rèn)讀時(shí)間、目的地尋找正確比例,以反映駕駛員對(duì)4 種不同復(fù)雜度橋形標(biāo)的認(rèn)讀時(shí)長(zhǎng)及目的地路名尋找難易程度的差異.其中,認(rèn)讀時(shí)間是指從靶刺激橋形標(biāo)出現(xiàn)到駕駛員按鍵行為產(chǎn)生的時(shí)間間隔,單位s;目的地尋找正確比例是指被試正確尋路名的次數(shù)與靶刺激出現(xiàn)的總次數(shù)的比值.

      另一方面,針對(duì)駕駛?cè)藰蛐螛?biāo)認(rèn)知的腦電特性,借助Curry 7 分析軟件對(duì)腦電信號(hào)進(jìn)行去除眼電偽跡、數(shù)字濾波、腦電分段、基線校正、疊加平均等處理,以獲取精確的腦電波形.觀測(cè)每組子實(shí)驗(yàn)靶刺激與標(biāo)準(zhǔn)刺激的總平均ERP 波形圖,發(fā)現(xiàn)實(shí)驗(yàn)主要產(chǎn)生了兩種ERP 成分,即分布于額區(qū)的N100 和分布于頂區(qū)的P300.

      根據(jù)總平均ERP 波形圖特征,結(jié)合N100、P300成分的分布和含義,選取前額和前額中央聯(lián)合區(qū)6 個(gè)電極點(diǎn)(F3、FZ、F4、FC3、FCZ、FC4)作為N100成分分析電極,選取中央?yún)^(qū)至頂區(qū)9 個(gè)電極點(diǎn)(C3、CZ、C4、CP3、CPZ、CP4、P3、PZ、P4)作為P300 成分的分析電極,并結(jié)合成分出現(xiàn)時(shí)段確定兩種成分的分析時(shí)間窗口(表2).最終提取時(shí)間窗口內(nèi)N100、P300 成分的平均振幅及潛伏期.其中,平均振幅是指時(shí)間窗口內(nèi)波形數(shù)據(jù)點(diǎn)的平均值,并將時(shí)間窗內(nèi)峰值出現(xiàn)的時(shí)間作為潛伏期.以低等復(fù)雜度橋形標(biāo)A 組為例,靶刺激與4 個(gè)標(biāo)準(zhǔn)刺激位于FZ 電極點(diǎn)的波形圖,如圖6 所示,圖中藍(lán)色曲線為靶刺激FZ 電極處波形,波形峰值處標(biāo)記數(shù)據(jù)點(diǎn)即為峰值點(diǎn)的振幅及潛伏期數(shù)值,其中,第1 個(gè)灰框處為N100的出現(xiàn)時(shí)刻,潛伏期和峰值為(86.0 ms,?2.84 μV),第2 個(gè)灰框處為N300 的出現(xiàn)時(shí)刻,潛伏期和峰值為(498.0 ms,1.63 μV).

      表2 兩種腦電成分代表電極及分析時(shí)間窗Tab.2 Electrode and time window of two electroencephalogram compositions

      圖6 橋形標(biāo)A 組FZ 電極處波形Fig.6 Wave at FZ electrode for bridge sign group A

      實(shí)質(zhì)上,ERP 成分的振幅可以反映認(rèn)知過(guò)程的強(qiáng)度,潛伏期反映了認(rèn)知加工處理的時(shí)間進(jìn)程[11].其中,N100 為腦電早期成分,反映駕駛?cè)酥庇X反應(yīng)條件下的早期注意分配,注意分配越多振幅越大[21],早期注意時(shí)間越早,潛伏期越短;P300 為認(rèn)知相關(guān)的內(nèi)源成分,代表了刺激判別、決策選擇以及物體分類等思維活動(dòng)的進(jìn)行[22],反映駕駛?cè)藢?duì)選擇注意事件的注意資源分配和認(rèn)知負(fù)荷水平,其波幅與任務(wù)的難度有關(guān),潛伏期能夠反映認(rèn)知加工速度[22],表現(xiàn)為波幅越大,認(rèn)知難度越大,潛伏期越短,認(rèn)知加工速度越快.

      3 結(jié)果分析

      3.1 認(rèn)讀行為

      4 種靶刺激橋形標(biāo)影響下,對(duì)被試認(rèn)讀行為指標(biāo)進(jìn)行重復(fù)測(cè)量方差分析,結(jié)果發(fā)現(xiàn)認(rèn)讀時(shí)間(檢驗(yàn)統(tǒng)計(jì)量F分布F(3,68)=10.105,檢驗(yàn)水平P=0)、目的地尋找正確比例(F(3,68)=3.143,P=0.033 <0.050)均受到顯著影響.如圖7 所示,低等復(fù)雜度橋形標(biāo)A、中等復(fù)雜度橋形標(biāo)志B、高等復(fù)雜度橋形標(biāo)C1 和C2 的認(rèn)讀時(shí)間分別為1.27、1.30、1.41、1.57 s,認(rèn)讀時(shí)間隨復(fù)雜度增加呈現(xiàn)顯著上升趨勢(shì);目的地路名尋找正確比例依次為94.16%、92.11%、89.89%及89.46%,隨復(fù)雜度的增加而顯著降低.

      圖7 認(rèn)讀行為數(shù)據(jù)Fig.7 Reading behavior data

      另外,盡管橋形標(biāo)C1、C2 為同一復(fù)雜度等級(jí),其認(rèn)讀時(shí)間及目的地尋找正確比例仍然表現(xiàn)出較大差異,表明橋形標(biāo)復(fù)雜度可在以往視認(rèn)復(fù)雜度分類基礎(chǔ)上結(jié)合腦電認(rèn)知特性進(jìn)一步地細(xì)致劃分.總體趨勢(shì)表現(xiàn)為,隨著橋形標(biāo)復(fù)雜度增加,認(rèn)讀時(shí)間增長(zhǎng),而目的地尋找正確比例降低.結(jié)果論證了橋形標(biāo)復(fù)雜度越高,駕駛?cè)私庾x信息的時(shí)間越長(zhǎng),尋找目的地路名的難度也越大.

      3.2 腦電特性

      4 種不同復(fù)雜度靶刺激橋形標(biāo)影響下,對(duì)N100、P300 成分的平均振幅及潛伏期分別進(jìn)行重復(fù)測(cè)量方差分析,以查看不同復(fù)雜度橋形標(biāo)影響下駕駛?cè)嗽缙谧⒁饧罢J(rèn)知負(fù)荷的變化.

      1)早期注意電位N100

      N100 作為刺激呈現(xiàn)后出現(xiàn)的第一個(gè)負(fù)成分,反應(yīng)駕駛?cè)酥庇X反應(yīng)條件下的早期注意分配.如圖8所示,橋形標(biāo)A、B、C1、C2 的N100 平均振幅分別為?1.27、?1.37、?1.58、?1.70 μV,潛伏期分別為88.04、89.37、93.12、94.66 ms.隨著橋形標(biāo)復(fù)雜度增加,能夠更多地誘發(fā)N100 平均振幅及峰值的負(fù)向偏移,潛伏期時(shí)長(zhǎng)增加.表明橋形標(biāo)越復(fù)雜將致使駕駛?cè)嗽缙谧⒁夥峙湓蕉?、早期注意時(shí)間越滯后.

      圖8 N100 分析結(jié)果Fig.8 Analysis results of N100

      對(duì)N100 成分的平均振幅及潛伏期進(jìn)行4(4 種橋形標(biāo))×6(6 個(gè)電極)重復(fù)測(cè)量的方差分析,本文重點(diǎn)關(guān)注橋形標(biāo)作為主效應(yīng)時(shí)的差異性檢驗(yàn)結(jié)果.結(jié)果顯示橋形標(biāo)主效應(yīng)及交互效應(yīng)并未對(duì)N100 成分平均振幅、潛伏期指標(biāo)呈現(xiàn)顯著性差異(P>0.050).

      2)認(rèn)知電位P300

      P300 分析結(jié)果如圖9 所示.

      如圖9(a)所示,隨著橋形標(biāo)復(fù)雜度增加,誘發(fā)P300 的平均振幅更多的正向偏移;表明橋形標(biāo)復(fù)雜度增大,駕駛?cè)苏J(rèn)知難度將增加,尤其是高等復(fù)雜橋形標(biāo)認(rèn)知負(fù)荷明顯高于低、中等復(fù)雜橋形標(biāo).

      圖9(b)中,從低等復(fù)雜度橋形標(biāo)A 到高等復(fù)雜度橋形標(biāo)C1,各組靶刺激橋形標(biāo)與標(biāo)準(zhǔn)刺激的低等復(fù)雜度橋形標(biāo)的差異性越來(lái)越大,P300 潛伏期逐漸降低,駕駛?cè)嗽饺菀讓写碳臉?biāo)準(zhǔn)刺激中辨別出來(lái).另外,橋形標(biāo)C2 處的潛伏期卻突然增大至橋形標(biāo)A 附近的水平,很可能是因?yàn)樵摌?biāo)志圖形存在環(huán)形匝道,與標(biāo)準(zhǔn)刺激標(biāo)志圖形相似,駕駛?cè)藢?duì)該標(biāo)志的認(rèn)知速度變慢,認(rèn)知辨別難度相繼增加.未來(lái)可將圖3(d)下方出口符號(hào),替換成圖3(c)下方出口符號(hào)后,二次實(shí)驗(yàn)取得潛伏期數(shù)據(jù),以此驗(yàn)證潛伏期差距過(guò)大與環(huán)形匝道的關(guān)系.

      圖9 P300 分析結(jié)果Fig.9 Analysis results of P300

      對(duì)P300 成分進(jìn)行4(4 種橋形標(biāo))×9(9 個(gè)電極)重復(fù)測(cè)量方差分析,重點(diǎn)關(guān)注橋形標(biāo)復(fù)雜度為主效應(yīng)時(shí)的差異性檢驗(yàn)結(jié)果.4 種橋形標(biāo)間的P300平均振幅呈現(xiàn)顯著性差異(P<0.050),且兩兩比較結(jié)果表明橋形標(biāo)C1、C2 與橋形標(biāo)A、B 存在顯著性差異(P<0.050).4 種橋形標(biāo)間的P300 潛伏期呈現(xiàn)邊緣性顯著性差異(P=0.052),兩兩比較結(jié)果表明,橋形標(biāo)C1 與橋形標(biāo)A、C2 存在顯著性差異;橋形標(biāo)C1、C2 的認(rèn)知難度明顯高于橋形標(biāo)A、B,橋形標(biāo)C1 的加工速度明顯優(yōu)于橋形標(biāo)A、C2.

      綜合考慮駕駛?cè)说恼J(rèn)讀行為及腦電特性可得,橋形標(biāo)復(fù)雜度對(duì)駕駛?cè)苏J(rèn)知過(guò)程及系列決策行為存在顯著影響,總體表現(xiàn)為橋形標(biāo)越復(fù)雜,其視認(rèn)加工越困難.在認(rèn)讀行為方面,隨著橋形標(biāo)復(fù)雜度增加,駕駛?cè)苏J(rèn)讀時(shí)間增長(zhǎng),目的地路名尋找出錯(cuò)率顯著增加;在腦電特性方面,隨著橋形標(biāo)復(fù)雜度增加,駕駛?cè)说脑缙谧⒁夥峙湓龆啵∟100 絕對(duì)振幅增大),早期注意時(shí)間滯后(N100 潛伏期增長(zhǎng)),同時(shí)認(rèn)知難度增加(P300 振幅增加).另外值得一提的是靶刺激與標(biāo)準(zhǔn)刺激間的差異性越大,P300 潛伏期越短,越容易從低等復(fù)雜度橋形標(biāo)中辨別,這一現(xiàn)象也證實(shí)了橋形標(biāo)的復(fù)雜度對(duì)于駕駛?cè)说哪X電認(rèn)知加工是存在顯著性影響的.

      4 結(jié) 論

      本文揭示了橋形標(biāo)復(fù)雜度與腦電認(rèn)知特性間的影響關(guān)系,獲取了駕駛?cè)藢?duì)不同復(fù)雜度橋形標(biāo)的認(rèn)知規(guī)律,其結(jié)論如下:

      1)橋形標(biāo)復(fù)雜度顯著影響駕駛?cè)苏J(rèn)讀時(shí)間及目的地路名尋找難易程度.隨著橋形標(biāo)復(fù)雜度增加,駕駛?cè)苏J(rèn)讀時(shí)間增長(zhǎng),目的地尋找正確比例降低.

      2)駕駛?cè)嗽缙谧⒁夥峙涫軜蛐螛?biāo)復(fù)雜度影響,橋形標(biāo)復(fù)雜度的增加,將誘發(fā)N100 平均振幅、峰值更多的負(fù)向偏移,即駕駛員早期注意分配增加、早期注意時(shí)間滯后.

      3)復(fù)雜度條件變化下駕駛?cè)苏J(rèn)知負(fù)荷增加,橋形標(biāo)復(fù)雜度增加,將誘發(fā)P300 平均振幅更多的正向偏移,即駕駛?cè)苏J(rèn)知難度顯著增加.尤其是駕駛?cè)藢?duì)高等復(fù)雜橋形標(biāo)的認(rèn)知負(fù)荷顯著高于低、中等復(fù)雜度橋形標(biāo).

      4)靶刺激橋形標(biāo)與標(biāo)準(zhǔn)刺激的低等復(fù)雜度橋形標(biāo)差異性越大,P300 潛伏期越短,越容易與低等復(fù)雜度橋形標(biāo)辨別,進(jìn)一步論證了橋形標(biāo)復(fù)雜度對(duì)于駕駛?cè)四X電認(rèn)知的作用.

      本文探討了橋形標(biāo)復(fù)雜度對(duì)腦電認(rèn)知特性的影響關(guān)系,揭示了駕駛?cè)藢?duì)不同復(fù)雜度橋形標(biāo)的腦電認(rèn)知加工機(jī)理,為復(fù)雜橋形標(biāo)的比選設(shè)計(jì)提供方法.同時(shí),對(duì)于已有橋形標(biāo)的優(yōu)化及后期新型橋形標(biāo)設(shè)計(jì)應(yīng)考慮圖形復(fù)雜度與腦電認(rèn)知特性間的潛在關(guān)系,合理設(shè)置橋形標(biāo)的復(fù)雜度,降低駕駛?cè)俗⒁夥峙浼罢J(rèn)知負(fù)荷.另外,研究也表明了對(duì)已有高等復(fù)雜度橋形標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)的必要性,從而進(jìn)一步提升橋形標(biāo)設(shè)置的綜合效用.

      猜你喜歡
      腦電標(biāo)的復(fù)雜度
      具有兩個(gè)P’維非線性不可約特征標(biāo)的非可解群
      一種低復(fù)雜度的慣性/GNSS矢量深組合方法
      紅周刊績(jī)優(yōu)指數(shù)100只標(biāo)的股一覽
      紅周刊績(jī)優(yōu)指數(shù)100只標(biāo)的股一覽
      紅周刊績(jī)優(yōu)指數(shù)100只標(biāo)的股一覽
      求圖上廣探樹的時(shí)間復(fù)雜度
      現(xiàn)代實(shí)用腦電地形圖學(xué)(續(xù))
      現(xiàn)代實(shí)用腦電地形圖學(xué)(續(xù))
      現(xiàn)代實(shí)用腦電地形圖學(xué)(續(xù)) 第五章 腦電地形圖的臨床中的應(yīng)用
      某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
      文化| 安化县| 青神县| 宁夏| 民和| 乌审旗| 陆川县| 五大连池市| 阳高县| 万宁市| 兴义市| 同德县| 桂林市| 秀山| 大城县| 西青区| 澜沧| 丹凤县| 延长县| 习水县| 江北区| 治县。| 甘孜县| 墨江| 商河县| 福海县| 乐业县| 泾阳县| 南川市| 莱西市| 手游| 黄大仙区| 车致| 盐边县| 北安市| 宜君县| 博乐市| 无为县| 太白县| 玛纳斯县| 枣庄市|