基于視覺信息加工的草原公路行車安全性分析

王海曉,丁 旭,郭 敏,呂 貞

(內(nèi)蒙古農(nóng)業(yè)大學(xué) 能源與交通工程學(xué)院,內(nèi)蒙古 呼和浩特 010018)

0 引 言

在道路交通系統(tǒng)中,駕駛?cè)颂幱谥黧w地位,同時也是其中的一個薄弱環(huán)節(jié)[1],交通事故致因分析結(jié)果顯示,人因造成的交通事故比例高達(dá)92.6%[2]。駕駛過程中,駕駛?cè)诵枰獣r刻感知行車環(huán)境的變化,其中約80%的交通環(huán)境信息通過駕駛?cè)艘曈X通道傳遞,駕駛?cè)嗽谛熊嚟h(huán)境中的視覺行為與駕駛安全息息相關(guān)[3]。因此,從人因角度探討行車環(huán)境與駕駛?cè)艘曈X信息加工之間的影響關(guān)系具有重要意義。

駕駛?cè)说囊曈X信息加工模式表征其對于視覺信息的獲取與處理過程[2]。良好的視覺信息加工模式是駕駛?cè)藦男熊嚟h(huán)境中及時獲取有用和高質(zhì)量視覺信息的前提,確保駕駛?cè)藢π熊嚂r潛在危險的早發(fā)現(xiàn)、早判斷、早決策,以調(diào)整駕駛策略及行為,保證車輛的安全運(yùn)行[4]。當(dāng)駕駛?cè)颂幱趶?fù)雜行車環(huán)境時,需要接收處理的信息量增多,在交通信息加工過程中所消耗的視覺資源增大,當(dāng)駕駛?cè)怂惺艿囊曈X信息加工強(qiáng)度達(dá)到極限時,可能會出現(xiàn)信息搜索不足或不及時的情況,產(chǎn)生遲滯反應(yīng)或決策失誤等危險駕駛行為,行車安全性降低[5-6]。

近年來,國內(nèi)外學(xué)者圍繞行車環(huán)境對駕駛?cè)艘曈X信息加工影響方面進(jìn)行了相關(guān)研究。秦雅琴等[7]為分析山區(qū)低等級公路各典型路段駕駛?cè)说囊曈X差異性,搭建了山區(qū)低等級公路場景開展駕駛仿真實(shí)驗(yàn),發(fā)現(xiàn)5種典型路段中駕駛?cè)说囊曈X特性存在差異;李顯生等[8]為探究應(yīng)激響應(yīng)對駕駛?cè)艘曈X特性的影響,設(shè)計(jì)了4種應(yīng)激場景進(jìn)行模擬駕駛實(shí)驗(yàn),發(fā)現(xiàn)場景中存在移動目標(biāo)物時駕駛?cè)双@取視覺信息的注視區(qū)域增多;Q.C.SUN等[9]通過開展城市道路實(shí)駕實(shí)驗(yàn)建立數(shù)據(jù)庫,提出了基于注視的綜合駕駛評估方法以研究駕駛?cè)说囊曈X運(yùn)動協(xié)調(diào)性,分析表明老年駕駛?cè)嗽诃h(huán)島和交叉口行車時表現(xiàn)出不同的視覺搜索模式。

綜上所述,以往研究發(fā)現(xiàn)駕駛?cè)说囊曈X信息加工模式受到行車環(huán)境的影響,但少有對其影響程度進(jìn)行更加細(xì)致、深入的定量分析,且研究結(jié)論大多是針對城市道路、高速公路和山區(qū)道路行車環(huán)境,尚缺乏對比草原公路不同行車環(huán)境下駕駛?cè)艘曈X信息加工特性的研究。草原公路作為道路交通的特殊路段,由于受到地形地貌等環(huán)境條件限制,現(xiàn)有草原公路普遍缺少中央分隔帶與路側(cè)護(hù)欄設(shè)置,加上車型復(fù)雜多樣、車速分布離散,凸顯交通安全設(shè)施落后、管理水平不高等一系列特點(diǎn),行車過程易受到對向交通流和路側(cè)環(huán)境的干擾,交通秩序相比其他道路環(huán)境更為混亂。當(dāng)行車環(huán)境發(fā)生突變時,駕駛?cè)藢σ曈X信息的搜索和感知需求量瞬時增加,視覺穩(wěn)定性下降,可能導(dǎo)致駕駛?cè)俗龀鲥e誤的駕駛判斷和決策,行車安全更易受到影響。

因此,研究草原公路不同行車環(huán)境下駕駛?cè)说囊曈X信息加工特性,對于針對性糾正駕駛?cè)嗽诓菰返牟涣家曈X信息加工行為,進(jìn)一步探究草原公路的行車安全隱患及事故致因具有重要的理論價值。鑒于此,筆者選取典型草原公路開展實(shí)車實(shí)驗(yàn),采集駕駛?cè)嗽诓煌熊嚟h(huán)境下的眼動數(shù)據(jù),從視覺分配和視覺搜索兩個維度構(gòu)建評價指標(biāo)體系,基于多特征視覺參數(shù)探討駕駛?cè)说囊曈X信息加工模式在不同行車環(huán)境下的差異性,并結(jié)合CRITIC法建立加權(quán)秩和比綜合評價模型,引入視覺信息加工強(qiáng)度的概念對行車安全做出分級評價。

1 草原公路實(shí)車實(shí)驗(yàn)

1.1 實(shí)驗(yàn)路段

選取S101省道內(nèi)蒙古錫林浩特市境內(nèi)賽罕塔拉至滿都拉圖段的二級草原公路作為實(shí)驗(yàn)路段。該路段采用雙向兩車道設(shè)計(jì),全長約150 km,設(shè)計(jì)車速為80 km/h。通過實(shí)地觀測與考察,實(shí)驗(yàn)路段交通狀況基本處于自由流,交叉口均采用主路優(yōu)先的控制方式,縱坡坡度較小,交通設(shè)施設(shè)置不完善,符合典型草原公路的特征,滿足實(shí)驗(yàn)要求。

1.2 實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)所用車輛為大眾帕薩特自動擋型轎車,車況良好。選用德國SMI公司生產(chǎn)的Iview X HED型眼動儀采集駕駛?cè)说难蹌訑?shù)據(jù),設(shè)置采樣頻率為200 Hz,通過連接專用筆記本電腦進(jìn)行眼動數(shù)據(jù)的采集和記錄,利用配套軟件Begaze導(dǎo)出視頻與對應(yīng)的文本數(shù)據(jù),主要實(shí)驗(yàn)設(shè)備如圖1。同時,在實(shí)驗(yàn)車輛內(nèi)配備手持照度計(jì)和噪聲儀等輔助設(shè)備,以盡可能控制實(shí)驗(yàn)條件的一致。

圖1 實(shí)驗(yàn)主要設(shè)備Fig.1 Test main equipment

1.3 實(shí)驗(yàn)對象

為使被試人員能較好的反映駕駛?cè)说娜后w規(guī)律特性,基于多重篩選準(zhǔn)則招募16名被試人員,年齡為24～49歲(均值：31.2,標(biāo)準(zhǔn)差：7.9),駕齡均在兩年以上(均值：7.2,標(biāo)準(zhǔn)差：5.0)。被試人員均持有有效駕駛執(zhí)照,雙眼視覺功能正常且裸眼或矯正視力在4.8以上,無精神類疾病史和重特大交通事故經(jīng)歷。為保證數(shù)據(jù)采集的客觀性,實(shí)驗(yàn)前24 h確保被試人員的正常作息,無酒精或藥物攝入。

1.4 實(shí)驗(yàn)流程

實(shí)車實(shí)驗(yàn)安排在氣候條件適宜的九月份進(jìn)行,為避免光照強(qiáng)度以及交通狀況的影響,實(shí)驗(yàn)時間均設(shè)置在天氣晴朗的上午8：00—11：00的非高峰時段。借助照度計(jì)和噪聲儀測量車內(nèi)主駕駛位的照度和噪聲數(shù)值,確保實(shí)驗(yàn)環(huán)境條件的一致性。每次實(shí)驗(yàn)時長約2 h,考慮到實(shí)驗(yàn)實(shí)施的條件限制和人員安全問題,同時防止同一路段的反復(fù)實(shí)驗(yàn)使被試人員熟悉駕駛環(huán)境,致獲取的眼動數(shù)據(jù)有效性降低。因此,所有被試人員均為單次實(shí)驗(yàn),未進(jìn)行重復(fù)實(shí)驗(yàn)。

實(shí)驗(yàn)開始前,工作人員向被試人員講解實(shí)驗(yàn)內(nèi)容和注意事項(xiàng),被試人員需簽署知情同意書,填寫調(diào)查問卷以記錄其年齡、駕齡、駕駛里程等基本信息。隨后被試人員進(jìn)入實(shí)驗(yàn)車內(nèi),完成座椅調(diào)試,并在工作人員的幫助下佩戴眼動儀并校準(zhǔn)。被試人員先進(jìn)行10 min的實(shí)駕訓(xùn)練至實(shí)驗(yàn)路段起點(diǎn)處,以適應(yīng)眼動儀的佩戴及駕駛環(huán)境。隨后在車輛靜止?fàn)顟B(tài)下進(jìn)行5 min的靜態(tài)眼動數(shù)據(jù)測試,此過程被試人員盡量保持平視,心理處于放松狀態(tài)。開始正式實(shí)驗(yàn),被試人員駕駛實(shí)驗(yàn)車輛從起點(diǎn)出發(fā),按照計(jì)劃路線前往指定目的,要求被試人員在遵守交通規(guī)則及道路限速的要求下按照自身的駕駛習(xí)慣進(jìn)行車輛操控。行車過程中工作人員時刻關(guān)注眼動數(shù)據(jù)采集的平臺界面,確保眼動儀的正常運(yùn)行。實(shí)驗(yàn)結(jié)束后,及時整理匯總被試人員基本信息和眼動儀采集數(shù)據(jù)。

1.5 數(shù)據(jù)預(yù)處理

1.5.1 行車環(huán)境劃分

實(shí)驗(yàn)路段為典型的草原公路,采用雙向兩車道設(shè)計(jì),由于缺少中央分隔帶與路側(cè)護(hù)欄設(shè)置,行車過程易受到對向交通流和路側(cè)環(huán)境的干擾,且路段交叉口無信號管控,均采用主路優(yōu)先控制,主干道交通運(yùn)行受到支路橫向交通流的干擾,存在安全隱患。限于交通管控不足,實(shí)驗(yàn)路段車型復(fù)雜多樣、車速分布離散,行車易受到同向車道內(nèi)其他車輛的影響。筆者將場景環(huán)境及觸發(fā)的行車事件統(tǒng)一歸納為行車環(huán)境,綜合考慮草原公路的道路特征、環(huán)境特點(diǎn)以及交通安全設(shè)施設(shè)置等因素,研究選取的行車環(huán)境包括：跟馳、對向來車、后車切入、路側(cè)風(fēng)險、交叉口,同時選取行車過程中在視野范圍內(nèi)無其他交通參與者、路側(cè)風(fēng)險、交叉口的時段作為對照組,將其定義為自由行駛環(huán)境,各種行車環(huán)境的示圖如圖2。為排除道路線形、安全設(shè)施等因素對實(shí)驗(yàn)結(jié)果的干擾,研究均以時間為單位截取駕駛?cè)嗽谄椒€(wěn)直行路段行駛時的眼動數(shù)據(jù)。

圖2 行車環(huán)境示意Fig.2 Schematic diagram of driving environments

科學(xué)合理的數(shù)據(jù)時窗截取將影響研究結(jié)果的準(zhǔn)確性與可信度,考慮到不同行車環(huán)境所對應(yīng)的時窗寬度存在差異,參照已有研究成果并結(jié)合草原公路實(shí)車實(shí)驗(yàn)過程中的客觀現(xiàn)象,不同行車環(huán)境的解釋及時窗寬度截取如表1。

表1 行車環(huán)境的解釋及數(shù)據(jù)時窗Table 1 Interpretation and data time windows of driving environments

1.5.2 數(shù)據(jù)清洗

研究重點(diǎn)分析草原公路6種行車環(huán)境下被試人員的眼動數(shù)據(jù)。為保證研究結(jié)果的有效性、合理性,16名被試人員按照要求完成實(shí)驗(yàn)后,首先運(yùn)用眼動儀配套軟件Begaze對數(shù)據(jù)進(jìn)行篩選,剔除丟失和校準(zhǔn)偏差嚴(yán)重的數(shù)據(jù),研究共計(jì)提取了涉及16名被試人員的953個不同行車環(huán)境下的眼動數(shù)據(jù)集,并利用ORIGIN、SPSS等軟件進(jìn)行后續(xù)的統(tǒng)計(jì)與分析研究。

2 結(jié)果與分析

行車過程中,駕駛?cè)俗鳛樾畔⒔邮赵?主要基于視覺通道獲取行車環(huán)境信息,以指導(dǎo)駕駛決策和車輛操控,保證行車安全。因而,行車環(huán)境的變化將直接影響駕駛?cè)说囊曈X信息接收量,進(jìn)而引起個體視覺行為的變化[10]。不同行車環(huán)境中駕駛?cè)思庸ひ曈X信息的工作量和緊迫性存在差異,有必要結(jié)合多特征視覺參數(shù)完整表達(dá)駕駛?cè)艘曈X信息加工模式的變化。筆者從視覺分配和視覺搜索兩個維度探討草原公路不同行車環(huán)境下駕駛?cè)艘曈X信息加工模式的差異性。其中,視覺分配著重分析駕駛?cè)艘曈X注意的空間分布特性,構(gòu)建視點(diǎn)分布信息熵表征駕駛?cè)说囊曈X分配機(jī)制;視覺搜索以駕駛?cè)藪咭暦群蛼咭曀俣葹榛A(chǔ)參數(shù),用以反映駕駛?cè)艘曈X注意動態(tài)轉(zhuǎn)移的過程。

2.1 駕駛?cè)艘曈X分配特性

2.1.1 興趣區(qū)域劃分

草原公路行車環(huán)境的改變使駕駛?cè)艘曇胺秶鷥?nèi)不同區(qū)域的信息密度和重要程度存在差異,為提取到有效的行車環(huán)境信息,駕駛?cè)说囊曈X分配過程將具有主觀偏向性,更加關(guān)注與行車安全直接相關(guān)的區(qū)域目標(biāo)信息[11]。為對比研究不同行車環(huán)境下駕駛?cè)艘曈X分配模式的差異性,需要對駕駛?cè)说囊曇捌矫孢M(jìn)行興趣區(qū)域(areas of interest,AOI)劃分。

根據(jù)研究目的并結(jié)合草原公路環(huán)境特征,采用動態(tài)聚類法將駕駛?cè)说囊曇捌矫鎰澐殖?個區(qū)域,具體劃分結(jié)果如圖3。其中：A為當(dāng)前行駛車道;B為對向車道;C為道路右側(cè)及右后視鏡區(qū)域;D為道路左側(cè)及左后視鏡區(qū)域;E為車內(nèi)儀表盤區(qū)域。

圖3 駕駛?cè)艘曈X興趣區(qū)域劃分Fig.3 Division of driver’s visual area of interest

2.1.2 視點(diǎn)平穩(wěn)分布概率

駕駛?cè)说囊朁c(diǎn)轉(zhuǎn)移過程中,將注視點(diǎn)落到不同的興趣區(qū)域歸類為不同的狀態(tài),下一個注視點(diǎn)所處的興趣區(qū)域僅與當(dāng)前狀態(tài)有關(guān),且時間和狀態(tài)均為離散,符合馬爾可夫鏈的特性[7,12]。因此,基于駕駛?cè)说囊曈X興趣區(qū)域劃分結(jié)果,可以借助馬爾可夫鏈平穩(wěn)分布理論對駕駛?cè)说淖⒁朁c(diǎn)分布情況進(jìn)行預(yù)測分析,進(jìn)而探究不同行車環(huán)境下駕駛?cè)艘曈X分配的差異性。

將駕駛?cè)说囊曇捌矫鎰澐殖?個興趣區(qū)域,設(shè)1、2、3、4、5為注視點(diǎn)的5種狀態(tài),分別對應(yīng)興趣區(qū)域A、B、C、D、E。因此,駕駛?cè)说囊朁c(diǎn)轉(zhuǎn)移過程可看作狀態(tài)空間I={1,2,…,5}的馬爾可夫鏈,構(gòu)造出注視點(diǎn)的一步轉(zhuǎn)移概率矩陣P為：

(1)

利用駕駛?cè)说淖⒁朁c(diǎn)數(shù)據(jù)構(gòu)建的馬爾可夫鏈?zhǔn)怯邢逘顟B(tài)的不可約且非周期型的,結(jié)合馬爾可夫鏈的相關(guān)定理,必存在平穩(wěn)分布。將視點(diǎn)轉(zhuǎn)移概率pij代入式(2),最終求解得到各興趣區(qū)域的視點(diǎn)平穩(wěn)分布概率πj,以此表征注視點(diǎn)分配到各個興趣區(qū)域概率的穩(wěn)定值。

(2)

駕駛?cè)嗽诓煌熊嚟h(huán)境下各興趣區(qū)域的視點(diǎn)平穩(wěn)分布概率如圖4。6種行車環(huán)境下,注視點(diǎn)分布在區(qū)域A的概率均為最高,達(dá)到47%以上,表示當(dāng)前行駛車道是駕駛?cè)双@取行車環(huán)境信息的主視區(qū)域。相較于自由行駛狀態(tài),其他5種相對復(fù)雜的行車環(huán)境下注視點(diǎn)在區(qū)域A的平穩(wěn)分布概率呈現(xiàn)出不同程度的下降趨勢,其中跟馳時平穩(wěn)分布概率降幅較小為17.62%,而交叉口通行和遇到路側(cè)風(fēng)險時,區(qū)域A的平穩(wěn)分布概率驟降,降幅分別達(dá)到38.60%和39.18%,表明駕駛?cè)藢τ诋?dāng)前車道區(qū)域的關(guān)注度顯著下降,將更多注意力分配到了其它區(qū)域。進(jìn)一步分析其原因,可得到如下結(jié)論：

圖4 不同行車環(huán)境下各興趣區(qū)域的視點(diǎn)平穩(wěn)分布概率Fig.4 Stationary distribution probability of fixation points in each area of interest under different driving environments

1)車輛處于跟馳行駛時,注視點(diǎn)在區(qū)域E的平穩(wěn)分布概率明顯高于其它行車環(huán)境,達(dá)到21.1%。表明駕駛?cè)嗽诟S前車行駛時需要時刻關(guān)注前車的運(yùn)行狀態(tài),控制車速以保持安全的跟車距離,因而對車內(nèi)儀表盤區(qū)域的關(guān)注度有所增加。

2)當(dāng)行車過程中有對向來車時,注視點(diǎn)在區(qū)域B的平穩(wěn)分布概率明顯高于其它行車環(huán)境,達(dá)到29.95%。這是由于草原公路沒有設(shè)置中央分隔帶且缺乏交通管制,致使行車速度通常會高于道路設(shè)計(jì)車速,當(dāng)對向車道有車輛駛來,特別是大中型貨車時,駕駛?cè)藭⒉糠肿⒁饬D(zhuǎn)移到對向車輛上,控制會車時安全的橫向間距。

3)當(dāng)行車途中遇到后方車輛實(shí)施借道超車行為切入到實(shí)驗(yàn)車輛前方時,視點(diǎn)平穩(wěn)分布概率在區(qū)域B和D分別增至21.38%和12.25%。表明駕駛?cè)藦膶ο蜍嚨阑蜃蠛笠曠R觀察到后方超車車輛至其越過道路中心線到切入實(shí)驗(yàn)車輛前方的整個過程中,兩車的安全距離和行車速度存在相互制約性,駕駛?cè)藭r刻關(guān)注切入車輛的行駛狀態(tài),以調(diào)整駕駛策略及行為,保證車輛的安全運(yùn)行。

4)當(dāng)?shù)缆酚覀?cè)出現(xiàn)隨機(jī)風(fēng)險點(diǎn)時,視點(diǎn)平穩(wěn)分布概率在區(qū)域E和隨機(jī)風(fēng)險點(diǎn)出現(xiàn)的區(qū)域C顯著增加,分別為14.70%和29.15%。表明駕駛?cè)诵枰獣r刻關(guān)注風(fēng)險點(diǎn)的動態(tài)信息并會采取一定的制動措施,以應(yīng)對風(fēng)險點(diǎn)運(yùn)動狀態(tài)的隨機(jī)變化。

5)實(shí)驗(yàn)車輛直行通過交叉口時,注視點(diǎn)分布較為離散,且視點(diǎn)平穩(wěn)分布概率在區(qū)域C和D的增幅更為顯著,分別增至20.57%和14.39%。由于草原公路均為主路優(yōu)先控制交叉口,車輛行至交叉口前駕駛?cè)藭皶r搜集交叉口內(nèi)和兩側(cè)支路銜接段等多個區(qū)域內(nèi)的交通信息,以保證車輛在交叉口的安全通行。

2.1.3 視點(diǎn)分布信息熵

信息熵是信息論中量化信息量的指標(biāo),借鑒了熱力學(xué)的概念,是系統(tǒng)無序性或隨機(jī)性的度量[13]。在對駕駛?cè)艘曇捌矫鎰澐值幕A(chǔ)上,根據(jù)馬爾可夫鏈理論計(jì)算出注視點(diǎn)在各興趣區(qū)域的平穩(wěn)分布概率,雖然可以解析不同行車環(huán)境下注視點(diǎn)在各興趣區(qū)域分布的共性與差異性,但不能量化研究駕駛?cè)嗽谡麄€視野平面的視覺分配變化特性。

基于此,將馬爾可夫鏈理論引入到信息熵研究中,借助視點(diǎn)平穩(wěn)分布概率求得駕駛?cè)嗽诓煌熊嚟h(huán)境下的視點(diǎn)分布信息熵,量化視覺分配特性的無序程度,間接評估駕駛?cè)嗽谡麄€視覺區(qū)域獲取交通信息的復(fù)雜度。信息熵越高,表明駕駛?cè)俗⒁饬Ψ峙涞膮^(qū)域越多,注視點(diǎn)分布越離散,致使提取目標(biāo)信息難度越大。信息熵計(jì)算公式為：

(3)

式中：H為視點(diǎn)分布信息熵,bits;πj為注視點(diǎn)在第j視覺興趣區(qū)域內(nèi)的平穩(wěn)分布概率,πj≥0,當(dāng)πj=0時,πjlog2πj=0;h為興趣區(qū)域劃分?jǐn)?shù),文中h=5。

計(jì)算得到不同行車環(huán)境下駕駛?cè)说囊朁c(diǎn)分布信息熵如圖5。采用單因素重復(fù)測量方差分析研究視點(diǎn)分布信息熵在不同行車環(huán)境下的差異顯著性,Shapiro-Wilk檢驗(yàn)顯示各組數(shù)據(jù)均服從正態(tài)分布(p>0.05),Mauchly’s球形度檢驗(yàn)顯示不滿足球形假設(shè)(W=0.133,p=0.023<0.05),因而使用Greenhouse-Geisser校正結(jié)果。分析表明行車環(huán)境對駕駛?cè)说囊朁c(diǎn)分布信息熵存在顯著性影響(F=8.438,p=1.530×10-4<0.05)。

圖5 不同行車環(huán)境下駕駛?cè)艘朁c(diǎn)分布信息熵對比Fig.5 Comparison of information entropy of drivers’ fixation point distribution in different driving environments

由圖5可知,相較于自由行駛,駕駛?cè)颂幱谄渌?種相對復(fù)雜的行車環(huán)境下視點(diǎn)分布信息熵均呈增大趨勢,表明行車環(huán)境信息的增多使駕駛?cè)藬U(kuò)大了視覺注意分配的區(qū)域,注視點(diǎn)分布更加離散,提取目標(biāo)信息難度增大。其中,在遇到路側(cè)風(fēng)險時的平均信息熵激增,相較自由行駛增幅達(dá)到66.25%,表明路側(cè)風(fēng)險的出現(xiàn)會顯著影響駕駛?cè)说囊曈X資源分配。在自由行駛和后車切入時,信息熵的變異程度較大,這是由于自由行駛時駕駛?cè)瞬恍枰P(guān)注特定的興趣區(qū)域,視覺分配過程受到個體視覺習(xí)慣和心理情緒的影響,隨機(jī)性較強(qiáng);當(dāng)遇到后車超車切入時,限于環(huán)境感知和反應(yīng)特性的個體差異性,駕駛?cè)岁P(guān)注到后方車輛的興趣區(qū)域和時間點(diǎn)不同,致使視覺分配過程因人而異。

為進(jìn)一步研究自由行駛與其它5種行車環(huán)境間視點(diǎn)分布信息熵的差異性,采用Tukey法進(jìn)行事后兩兩比較如表2。結(jié)果表明：除自由行駛與跟馳行駛間的視點(diǎn)分布信息熵呈現(xiàn)邊緣顯著性差異(p<0.1),與其它4種行車環(huán)境之間均存在顯著性差異。

表2 不同行車環(huán)境下視點(diǎn)分布信息熵顯著性檢驗(yàn)結(jié)果Table 2 The significance test results of information entropy of fixation point distribution in different driving environments

2.2 駕駛?cè)艘曈X搜索特性

2.2.1 掃視幅度

掃視幅度是指一次掃視過程中視線所覆蓋的范圍,表征駕駛?cè)藢σ曈X信息的搜索范圍。采用單因素重復(fù)測量方差分析研究掃視幅度在不同行車環(huán)境下的差異顯著性,Shapiro-Wilk檢驗(yàn)顯示各組數(shù)據(jù)均服從正態(tài)分布(p>0.05),且通過球形度檢驗(yàn)(W=0.249,p=0.197>0.05)。分析結(jié)果表明行車環(huán)境對駕駛?cè)说膾咭暦却嬖陲@著性影響(F=5.041,p=4.899×10-4<0.05)。

不同行車環(huán)境下駕駛?cè)说膾咭暦热鐖D6。

圖6 不同行車環(huán)境下駕駛?cè)藪咭暦葘Ρ菷ig.6 Comparison of drivers’ saccade amplitude in different driving environments

相較于自由行駛,駕駛?cè)颂幱谄渌?種相對復(fù)雜的行車環(huán)境下掃視幅度普遍增大。其中,跟馳時掃視幅度的增幅較小,駕駛?cè)说母Y行為受到前車速度的制約,為保持安全的跟馳間距,在關(guān)注前車運(yùn)行狀態(tài)時會將少部分視線轉(zhuǎn)移到車內(nèi)儀表盤區(qū)域,以搜索感知行車速度信息。而駕駛?cè)嗽诮徊婵谕ㄐ袝r的掃視幅度激增,相較自由行駛增幅達(dá)到72.88%,這是因?yàn)轳{駛?cè)诵袕浇徊婵跁r需要不斷搜索感知交叉口兩側(cè)支路銜接段內(nèi)的交通環(huán)境信息,擴(kuò)大了水平方向的視覺搜索范圍,表現(xiàn)出更大的掃視幅度。

采用Tukey法進(jìn)行事后兩兩比較如表3。結(jié)果表明：自由行駛與路側(cè)風(fēng)險和交叉口之間的掃視幅度存在顯著性差異,與對向來車和后車切入之間的掃視幅度呈邊緣顯著性差異(p<0.1),而與跟馳行駛不存在顯著的統(tǒng)計(jì)學(xué)差異。

表3 不同行車環(huán)境下掃視幅度的顯著性檢驗(yàn)結(jié)果Table 3 The significance test results of saccade amplitude in different driving environments

2.2.2 掃視速度

掃視速度表征信息搜索過程中眼球轉(zhuǎn)動的快慢,即掃視角度與持續(xù)時間的比值。通常行車環(huán)境越復(fù)雜,視區(qū)內(nèi)所包含的信息量較大時,會導(dǎo)致駕駛?cè)藪咭曀俣燃涌?視覺穩(wěn)定性下降[14]。經(jīng)檢驗(yàn),各組數(shù)據(jù)均服從正態(tài)分布(p>0.05),且滿足球形假設(shè)(W=0.427,p=0.673>0.05)。單因素重復(fù)測量方差分析表明行車環(huán)境對駕駛?cè)说膾咭曀俣却嬖陲@著性影響(F=4.863,p=6.609×10-4<0.05)。

不同行車環(huán)境下駕駛?cè)说膾咭曀俣热鐖D7。

圖7 不同行車環(huán)境下駕駛?cè)藪咭曀俣葘Ρ菷ig.7 Comparison of drivers’ saccade velocity in different driving environments

自由行駛時平均掃視速度最低,由于行車環(huán)境相對舒適安全,駕駛?cè)瞬恍枰l繁搜索周邊環(huán)境信息,環(huán)境感知力和警覺性較低,處于低負(fù)荷駕駛狀態(tài)。而行車過程中遇到后車超車切入時,駕駛?cè)说钠骄鶔咭曀俣茸畲?相較自由行駛增幅達(dá)到93.35%,其原因可能是后方車輛的突然切入,對駕駛?cè)水a(chǎn)生了較強(qiáng)的視覺刺激,使得駕駛?cè)司X性迅速上升,表現(xiàn)為迅速搜索感知切入車輛的行駛狀態(tài)信息,指導(dǎo)決策和車輛操控。

采用Tukey法進(jìn)行事后兩兩比較如表4。結(jié)果表明,自由行駛與跟馳和對向來車之間的掃視速度存在邊緣顯著性差異(p<0.1),而與其它3種行車環(huán)境之間的掃視速度呈顯著性差異。

表4 不同行車環(huán)境下掃視速度的顯著性檢驗(yàn)結(jié)果Table 4 The significance test results of saccade velocity in different driving environments

2.3 基于視覺信息加工強(qiáng)度的行車安全評價

駕駛?cè)说囊曈X信息加工強(qiáng)度綜合表征了其在交通環(huán)境信息加工過程中所消耗的視覺資源,受到行車環(huán)境條件的影響[5]。從視覺分配和視覺搜索兩個維度選取視點(diǎn)分布信息熵、掃視幅度、掃視速度3項(xiàng)指標(biāo)構(gòu)建評價指標(biāo)體系,結(jié)合數(shù)理統(tǒng)計(jì)方法分析了不同行車環(huán)境下各指標(biāo)的差異性變化,揭示了駕駛?cè)瞬扇〉尼槍π砸曈X信息加工模式。為探究不同行車環(huán)境下駕駛?cè)颂崛〗煌ōh(huán)境信息所消耗的視覺資源,選取上述指標(biāo)作為駕駛?cè)艘曈X信息加工強(qiáng)度的評價依據(jù),引入基于CRITIC法的加權(quán)秩和比綜合評價模型,以期從視覺信息加工層面評價不同行車環(huán)境中的駕駛安全水平。

加權(quán)秩和比法是一種多指標(biāo)綜合評價模型,其基本原理是根據(jù)各評價對象的指標(biāo)值大小進(jìn)行編秩,結(jié)合各評價指標(biāo)的權(quán)重系數(shù),通過秩轉(zhuǎn)換獲得無量綱統(tǒng)計(jì)量加權(quán)秩和比(weighted rank-sum ratio,WRSR),根據(jù)評價對象的加權(quán)秩和比進(jìn)行相對優(yōu)劣的排序分檔[15]。運(yùn)用加權(quán)秩和比法對不同行車環(huán)境下駕駛?cè)说囊曈X信息加工強(qiáng)度進(jìn)行綜合評價,具體步驟如下：

1)構(gòu)建評價矩陣。分別將不同行車環(huán)境下各視覺評價指標(biāo)數(shù)據(jù)取均值,并根據(jù)式(4)進(jìn)行數(shù)據(jù)區(qū)間化處理,以消除指標(biāo)量綱和數(shù)量級的影響。構(gòu)建m種行車環(huán)境和n項(xiàng)視覺評價指標(biāo)組成的評價矩陣Y=(yij)m×n。

(4)

式中：yij為區(qū)間化處理后的第i種行車環(huán)境下的第j項(xiàng)視覺評價指標(biāo)數(shù)據(jù);xij為指標(biāo)原始數(shù)據(jù);xjmax和xjmin分別為第j項(xiàng)指標(biāo)原始數(shù)據(jù)的極大值和極小值。為便于指標(biāo)權(quán)重的計(jì)算,取a=0.01,b=0.99,即數(shù)據(jù)區(qū)間化范圍取0.01～0.99。

2)指標(biāo)權(quán)重計(jì)算。采用CRITIC法構(gòu)建指標(biāo)的權(quán)重體系,計(jì)算各項(xiàng)視覺評價指標(biāo)的標(biāo)準(zhǔn)差和指標(biāo)間的相關(guān)系數(shù),以綜合衡量指標(biāo)包含的信息量,確定指標(biāo)權(quán)重wj[16],計(jì)算結(jié)果見表5。

(5)

(6)

式中：Ij為第j項(xiàng)指標(biāo)包含的信息量;σj為標(biāo)準(zhǔn)差;rkj為第k與j項(xiàng)視覺評價指標(biāo)之間的Pearson相關(guān)系數(shù)。

表5 基于CRITIC法的指標(biāo)賦權(quán)結(jié)果Table 5 Weighting results of indicators based on the CRITIC method

3)編寫秩次,計(jì)算WR值。采用非整次法,即利用類似線性插值的方式對評價矩陣進(jìn)行編秩。在視覺信息加工強(qiáng)度指標(biāo)體系中,所選取的3項(xiàng)視覺評價指標(biāo)均為低優(yōu)指標(biāo),因此,采用式(7)對各視覺評價指標(biāo)值進(jìn)行編秩,并基于式(8)計(jì)算出各行車環(huán)境的WR值,結(jié)果見表6。

(7)

(8)

式中：WRi為第i種行車環(huán)境的加權(quán)秩和比;Rij為第i種行車環(huán)境下的第j個視覺評價指標(biāo)的秩次;yjmax和yjmin分別為區(qū)間化處理后的第j項(xiàng)視覺評價指標(biāo)的極大值和極小值。

表6 編秩結(jié)果及加權(quán)秩和比Table 6 Ranking results and weighted rank-sum ratio

Pri=u(pi)+5

(9)

式中：u(pi)為累計(jì)頻率pi對應(yīng)的標(biāo)準(zhǔn)正態(tài)離差。

表7 加權(quán)秩和比頻率分布Table 7 Frequency distribution of weighted rank-sum ratio

5)計(jì)算回歸方程。針對Pr值與WR值進(jìn)行相關(guān)性分析,結(jié)果顯示兩者存在顯著相關(guān)性(相關(guān)系數(shù)r=0.939)。以Pr值為自變量,WR值為因變量,擬合得到線性回歸方程為：

WR=-0.928+0.268Pr

(10)

模型判定系數(shù)R2=0.882,回歸模型的方差分析結(jié)果顯示F=29.770,p=0.005<0.05,模型擬合程度較好。

6)視覺信息加工強(qiáng)度分檔排序。將各行車環(huán)境的Pr值代入回歸方程,得到對應(yīng)的WR擬合值,WR擬合值越大,表示駕駛?cè)说囊曈X信息加工強(qiáng)度越小,行車安全性越高。按照合理分檔原則將視覺信息加工強(qiáng)度劃分為低、適中、較高、高4檔,根據(jù)各行車環(huán)境的WR擬合值進(jìn)行分檔歸類,結(jié)果詳見表8。

表8 視覺信息加工強(qiáng)度分檔評價結(jié)果Table 8 Results of graded evaluation of visual information processing intensity

由表8可知,將6種行車環(huán)境按照WR值降序排列,從大到小依次為：自由行駛、跟馳、對向來車、后車切入、交叉口、路側(cè)風(fēng)險。駕駛?cè)嗽谧杂尚旭倳r的視覺信息加工強(qiáng)度最低,表明行車環(huán)境傳達(dá)給駕駛?cè)说囊曈X刺激較小,駕駛?cè)烁兄降囊曈X信息較少,行車安全性相對較高。而后車切入、路側(cè)風(fēng)險和交叉口的視覺信息加工強(qiáng)度劃分在較高等級。其中,行車時遇到路側(cè)風(fēng)險時駕駛?cè)说囊曈X信息加工強(qiáng)度最大,駕駛?cè)说木X性顯著提高,需要加工處理更多的視覺信息以指導(dǎo)駕駛決策,行車安全性相對更低,需要優(yōu)先考慮采取相應(yīng)的安全改善措施。

構(gòu)建的加權(quán)秩和比評價模型具有一定的局限性,在對原始數(shù)據(jù)進(jìn)行秩轉(zhuǎn)換時會損失部分信息,且指標(biāo)選取的差異將影響權(quán)重的賦值,進(jìn)而影響視覺信息加工強(qiáng)度的評價結(jié)果。因此,后續(xù)仍需對指標(biāo)的敏感性和適用場景進(jìn)行深入研究,并結(jié)合多種評價模型進(jìn)行對比驗(yàn)證,以保證結(jié)果的客觀合理性。

3 結(jié) 論

針對以往研究缺乏草原公路不同行車環(huán)境下駕駛?cè)艘曈X信息加工特性的深入探討,筆者設(shè)計(jì)開展草原公路實(shí)車實(shí)驗(yàn),采集了6種真實(shí)行車環(huán)境下駕駛?cè)说难蹌訑?shù)據(jù),圍繞視覺分配和視覺搜索2個維度解析駕駛?cè)说囊曈X信息加工模式在不同行車環(huán)境下的差異性,從視覺信息加工層面對不同行車環(huán)境的駕駛安全水平做出評價,得出如下結(jié)論：

1)采用動態(tài)聚類法將駕駛?cè)说囊曈X興趣區(qū)域劃分為5部分,結(jié)合馬爾可夫鏈理論對駕駛?cè)嗽诓煌熊嚟h(huán)境下的注視點(diǎn)分布特性進(jìn)行了預(yù)測分析。發(fā)現(xiàn)在6種行車環(huán)境中,駕駛?cè)说淖⒁朁c(diǎn)在當(dāng)前車道區(qū)域的平穩(wěn)分布概率均為最高,達(dá)到47%以上,表示當(dāng)前行駛車道是駕駛?cè)双@取行車環(huán)境信息的主視區(qū)域。而相較于自由行駛,其它5種相對復(fù)雜的行車環(huán)境中注視點(diǎn)分布在當(dāng)前車道區(qū)域的概率均呈下降趨勢,駕駛?cè)藢⒏嗟囊曈X注意力分配到了其它興趣區(qū)域。

2)將信息熵與馬爾可夫鏈平穩(wěn)分布理論結(jié)合,構(gòu)建視點(diǎn)分布信息熵表征駕駛?cè)说囊曈X分配特性,并引入掃視幅度、掃視速度分析駕駛?cè)藢σ曈X信息的搜索過程。數(shù)理統(tǒng)計(jì)結(jié)果顯示,各項(xiàng)視覺評價指標(biāo)隨行車環(huán)境的變化呈顯著的統(tǒng)計(jì)學(xué)差異,行車環(huán)境信息的增加使駕駛?cè)藬U(kuò)大了視覺注意分配的區(qū)域,表現(xiàn)出更大的掃視幅度和掃視速度。

3)構(gòu)建基于CRITIC法的加權(quán)秩和比評價模型,引入視覺信息加工強(qiáng)度的概念對行車安全做出分級評價。分析可知,駕駛?cè)嗽谧杂尚旭倳r的視覺信息加工強(qiáng)度最低,而后車切入、路側(cè)風(fēng)險和交叉口的視覺信息加工強(qiáng)度劃分在較高等級。其中,行車時遇到路側(cè)風(fēng)險時駕駛?cè)说囊曈X信息加工強(qiáng)度最大,駕駛?cè)说木X性顯著提高,需要加工處理更多的視覺信息以指導(dǎo)駕駛決策,行車安全性相對更低。

有助于完善視覺信息加工行為的評價指標(biāo)體系和分析方法,對于針對性糾正駕駛?cè)嗽诓菰返牟涣家曈X信息加工行為,深入探究草原公路的行車安全隱患及事故致因具有重要的理論價值,此外,實(shí)車實(shí)驗(yàn)的設(shè)計(jì)以及行車環(huán)境的選取可作為類似研究的參考。研究結(jié)論可為駕駛行為干預(yù)及分級預(yù)警、草原公路設(shè)施安全改善提供指導(dǎo)。