基于驾驶员注意力分布模型的路侧环境安全性研究

doi:10.12141/j.issn.1000-565X.20210802

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (9): 49-57.doi: 10.12141/j.issn.1000-565X.20210802

所属专题： 2022年交通运输工程

基于驾驶员注意力分布模型的路侧环境安全性研究

吴艳霞^1,² 周彤³ 黄帅¹ 杨程¹ 乔建刚¹

^1.河北工业大学土木与交通学院, 天津 300401
^2.天津市交通科学研究院智能交通研究中心, 天津 300074
^3.中电建冀交高速公路投资发展有限公司, 河北石家庄 050000

收稿日期:2021-12-13 出版日期:2022-09-25 发布日期:2022-04-01
通信作者: 乔建刚（1963-），博士，教授，主要从事交通安全、交通规划、智能交通研究。 E-mail:qiaojg369@126.com
作者简介:吴艳霞（1988-），女，博士生，主要从事道路交通安全、智能交通研究。E-mail：wuyanxia_0@163. com
基金资助:
国家自然科学基金项目(51108011);国家安全监管总局科技项目(hebei-0009-2017AQ)

Research on Roadside Environment Safety Based on Driver’s Attention Distribution Model

WU Yanxia^1,² ZHOU Tong³ HUANG Shuai¹ YANG Cheng¹ QIAO Jiangang¹

^1.School of Civil and Transportation，Hebei University of Technology，Tianjin 300401，China
^2.Intelligent Transportation Research Center，Tianjin Research Institute of Transportation Science，Tianjin 300074，China
^3.Zhong Dian Jian Ji Jiao Expressway Investment Development Co. Ltd. ，Shijiazhuang 050000，Hebei，China

Received:2021-12-13 Online:2022-09-25 Published:2022-04-01
Contact: 乔建刚（1963-），博士，教授，主要从事交通安全、交通规划、智能交通研究。 E-mail:qiaojg369@126.com
About author:吴艳霞（1988-），女，博士生，主要从事道路交通安全、智能交通研究。E-mail：wuyanxia_0@163. com
Supported by:
the National Science Foundation of China(51108011);China General Administration of Safety Supervision Project(hebei-0009-2017AQ)

摘要/Abstract

摘要：

为了探究高速公路路侧环境对驾驶员注意力的影响，优化路侧景观和交通标志设置，提高行车安全性，通过量化分析驾驶员的注意力分布确定了路侧环境风险等级区间。根据路侧环境实际状态选择四类典型路段场景，开展实地驾驶试验采集驾驶员的眼动参数、心率等数据，并分析对应路段上驾驶员眼动规律，包括注视行为、扫视行为和眨眼行为，在此基础上确定表征驾驶员的注意力的显著眼动指标为注视参数。根据驾驶员注视点对应的实际景物并结合注视落点在视野平面中的位置，划分驾驶员的视野区域为路侧环境区（S区）、前方道路区（W区）和车身仪表区（C区），构建驾驶员注意力分布模型，确定以路侧环境注意力占比值量化表达路侧环境，建立其与驾驶员心率增长率之间的关系模型并划分风险等级区间。结果显示：路侧环境的复杂程度对驾驶员的眼动行为有明显影响，相对于扫视和眨眼，驾驶员的注视参数可显著表征驾驶员的注意力状态，行车过程中驾驶员的关注点在视野平面内移动，路侧环境注意力占比值为S区的累计注视时间和S区与W区注视总时间的比值，其安全区间为［9.93%，62.10%］，风险区间为［6.44%，9.93%）和（62.10%，76.93%］，危险区间为［0，6.44%）和（76.93%，100%］。研究结果可以为路侧景观和标志设计的安全性评价和改善决策提供参考依据。

关键词: 高速公路, 路侧环境, 安全, 眼动, 注意力分布

Abstract:

In order to explore the influence of the highway roadside environment on the driver’s attention，optimize the roadside landscape and traffic sign settings，and improve the driving safety，this study determined the roadside environment risk level interval by quantitatively analyzing the driver’s attention distribution. Four types of typical scene were selected according to the actual state of the roadside environment， and field driving tests were carried out to collect data such as driver’s eye movement parameters and heart rate. The driver’s eye movement on the corresponding road section was analyzed，including fixation behavior，scan behavior and blinking behavior. On this basis，the obvious eye movement index that characterizes the driver’s attention was determined as the fixation parameter. According to the actual scene corresponding to the driver’s fixation point and the position of the point in the visual field， the driver's visual field area was divided into three parts， namely the roadside area （S area），the way area （W area） and the car area （C area）. By constructing the driver’s attention distribution model，the roadside environment was quantified and expressed by the ratio of attention region. The relationship model between the ratio of attention region and the driver’s heart rate growth rate was established，and the risk level interval was divided. The results show that the complexity of the roadside environment has a significant impact on the driver’s eye movement behavior. Compared with scan and blink，the driver’s fixation parameter can significantly characterize the driver’s attention state. When driving on the road，the driver’s fixation point moves in the view field，the ratio of attention region is the ratio of cumulative fixation time in the S area and the total fixation time of the S area and the W area. Its safety interval is ［9.93%，62.10%］，the risk interval is ［6.44%，9.93%） and （62.10%，76.93%］，and the danger interval is ［0，6.44%） and （76.93%，100%］. This research can provide a reference for the safety evaluation and decision-making of roadside landscape improvement.

Key words: highway, roadside environment, safety, eye movement, attention distribution

中图分类号:

U491.2

吴艳霞, 周彤, 黄帅, 等. 基于驾驶员注意力分布模型的路侧环境安全性研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 49-57.

WU Yanxia, ZHOU Tong, HUANG Shuai, et al. Research on Roadside Environment Safety Based on Driver’s Attention Distribution Model[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(9): 49-57.

图/表 13

表1

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

表2

回归模型的相关性和显著性指标"

阶段	模型	R	R²	F	Sig.
第1阶段	η=-23.08ln $γ$ +82.97	0.694	0.482	17.655	0.000
第2阶段	η=8.993 5e^{0.019 4} $γ$	0.679	0.462	526.455	0.000

表2

参考文献 22

1	许金良，周育名，杨宏志．山区农村公路路侧安全保障技术［J］．长安大学学报（自然科学版），2011，31（3）：1-6.
	XU Jin-liang， ZHOU Yu-ming， YANG Hong-zhi ．Roadside safeguard technique of rural highway in mountainous area［J］．Journal of Chang’an University（Natural Science Edition），2011，31（3）：1-6.
2	HUSSEIN M， SAYED T， ISMAIL K，et al ．Calibrating road design guides using risk-based reliability analysis［J］．Journal of Transportation Engineering，2014，140（9）：877-894
3	方勇，郭忠印，李志勇．双车道公路路侧环境客观安全性评估模型［J］．同济大学学报（自然科学版），2013，41（7）：1025-1030.
	FANG Yong， GUO Zhong-yin， LI Zhi-yong. Assessment model of roadside environment objective safety on two-lane highway［J］．Journal of Tongji University （Natural Science），2013，41（7）：1025-1030.
4	王琳虹，李世武，周茹波，等．高速公路路侧景观色彩对驾驶员心率指标的影响［J］．吉林大学学报（工学版），2013，43（1）：74-80.
	WANG Lin-hong， LI Shi-wu， ZHOU Ru-bo，et al ．Impact of roadside landscape color on driver mean heart rate［J］．Journal of Jilin University（Engineering and Technology Edition），2013，43（1）：74-80.
5	袁黎，张倩，郭娟，等．公路路侧景观绿化评价指标体系研究［J］．华东交通大学学报，2017，34（5）：72-80.
	YUAN Li， ZHANG Qian， GUO Juan，et al ．Research on evaluation index system of highway roadside landscape greening［J］．Journal of East China Jiaotong University，2017，34（5）：72-80.
6	李雪玮，赵晓华，李振龙，等．基于雾天高速车路协同模拟驾驶的驾驶人视觉信息加工模式［J］．华南理工大学学报（自然科学版），2021，49（3）：131-138，148.
	LI Xuewei， ZHAO Xiaohua， LI Zhenlong，et al ．Effects of navigation broadcast wording complexity on driving behaviors［J］．Journal of South China University of Technology（Natural Science Edition），2021，49（3）：131-138，148.
7	BONGIORNO N， BOSURGI G， PELLEGRINO O ．A procedure for evaluating the influence of road context on drivers visual behaviour［J］．Transport，2016，31（2）：233-241.
8	董永杰，陈雨人．基于视觉信息量计算的城市道路交通环境评价［J］．交通信息与安全，2014，32（6）：146-152.
	DONG Yong-jie， CHEN Yu-ren. An evaluation of urban traffic environment based on the amount of visual information［J］．Journal of Transport Information and Safety，2014，32（6）：146-152.
9	冯志慧. 基于驾驶员认知特征和视觉特性的高速公路景观设计方法研究［D］．西安：长安大学，2012.
10	URLINGS J， VAN B M， CUENEN A，et al ．The relation between reinforcement sensitivity and self-reported，simulated and on-road driving in older drivers［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2018，56：466-476.
11	SCOTT P B， DE R T， JONES C，et al ．The situation awareness of young drivers，middle-aged drivers，and older drivers：Same but different？［J］．Case Studies on Transport Policy，2020，8（1）：206-214.
12	ATIQUZZAMAN M， QI Y， FRIES R. Real-time detection of drivers’texting and eating behavior based on vehicle dynamics［J］．Transportation Research Part F： Traffic Psychology and Behaviour，2018，58：594-604.
13	WANG Y， BAO S， DU W，et al ．Examining drivers’eye glance patterns during distracted driving：Insights from scanning randomness and glance transition matrix［J］．Journal of Safety Research，2017，63：149-155.
14	臧学莲，张笑笑，贾丽娜，等．选择性注意机制在情景线索效应中的作用［J］．心理科学进展，2017，25（9）：1503-1511.
	ZANG Xue-lian， ZHANG Xiao-xiao， JIA Li-na，et al. The effect of selective attention in contextual cueing［J］．Advances in Psychological Science，2017，25（9）：1503-1511.
15	ROBBINS C J， CHAPMAN P. Drivers visual search behavior toward vulnerable road users at junctions as a function of cycling experience［J］．Human Factors，2018，60（7）：889-901.
16	CHAPMAN P R， UNDERWOOD G ．Visual search of dynamic scenes：event types and the role of experience in viewing driving situations［J］．Eye Guidance in Reading & Scene Perception，1998，17：369-393.
17	马勇，付锐，孟妮，等．道路环境对驾驶人眼动行为影响的试验研究［J］．交通运输系统工程与信息，2015，15（3）：82-88.
	MA Yong， FU Rui， MENG Ni，et al. Impact of road conditions on car drivers fixation behavior with on-road vehicle tests［J］．Journal of Transportation Systems Engineering and Information Technology，2015，15（3）：82-88.
18	HUDAK M， MADLENAK R ．The research of driver distraction by disual dmog on delected doad dtretch in dlovakia［J］．Procedia Engineering，2017，178：472-479.
19	商艳，朱守林，戚春华，等．草原公路景观要素影响驾驶员眼动指标研究［J］．中国安全科学学报， 2017，27（5）：19-24.
	SHANG Yan， ZHU Shou-lin， QI Chun-hua，et al. Impacts of grassland highway landscape elements on driver’s eye movement indices［J］．China Safety Science Journal，2017，27（5）：19-24.
20	XU J， WANG X， WANG C，et al. Foot manoeuvres and workload of driver on mountainous roads with longitudinal slopes［J］．Zhongguo Gonglu Xuebao/China Journal of Highway and Transport，2018，31（1）：91-100.
21	吴艳霞，刘剑，黄帅，等．雨天高速公路纵坡对驾驶员心率及行车速度影响［J］．交通信息与安全，2021，39（4）：35-42.
	WU Yan-xia， LIU Jian， HUANG Shuai，et al. Influences of longitudinal slopes of highways on drivers’ heart rate and driving speeds on rainy days［J］．Journal of Transport Information and Safety，2021，39（4）：35-42.
22	乔建刚．基于驾驶员因素的山区双车道公路关键参数研究［D］．北京：北京工业大学，2006.

	年龄/年	驾龄/年	驾驶里程/10⁴ km	备注
平均值	35.81	9.69	6.69	为了佩戴眼动仪，所有驾驶员裸眼视力均在4.8以上，平常驾车无需佩戴眼镜
标准差	7.01	4.96	3.89	为了佩戴眼动仪，所有驾驶员裸眼视力均在4.8以上，平常驾车无需佩戴眼镜

[1]	孙晓颖, 赵轶男. 触觉反馈技术在汽车信息系统中的应用[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 98-109.
[2]	黄炎, 符锌砂, 曾彦杰, 等. 基于激光雷达里程计的高速公路三维建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 129-138.
[3]	林培群, 张扬, 罗芷晴, 等. 融合多源数据的高速公路路段车流碳排放精细测算方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 100-108.
[4]	林培群, 龚敏平, 周楚昊. 面向运输风险识别的高速公路货车用户画像方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 1-9.
[5]	陆以勤, 谢文静, 王海瀚, 等. 面向时间敏感网络的安全感知调度方法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 1-12.
[6]	覃健诚, 钟宇, 程喆, 等. 基于类梅森数的物联网密钥交换快速取模算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 24-35.
[7]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[8]	吴娇蓉, 黄正文, 邓泳淇. 都市圈分层空间结构的交通网络密度发展规律[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 111-121.
[9]	胡郁葱, 韦湖, 曾强. 基于空间广义有序Probit模型的高速公路事故严重程度分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 114-122.
[10]	杨洋, 胡嫣然, 袁振洲, 等. 高速公路交通事故时空影响动态效应的传播分析[J]. 华南理工大学学报(自然科学版), 2023, 51(1): 123-133.
[11]	林旭坤, 张扬, 罗芷晴, 等. 高速公路网车辆碳排放测算方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 22-28.
[12]	郭淼, 赵晓华, 姚莹, 等. 基于驾驶行为和交通运行状态的事故风险研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 29-38.
[13]	王晓飞, 李思雨, 陈迷, 等. 平凸曲线组合均衡性对公路安全性的影响[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 76-84.
[14]	黄文博, 陈艳艳. 低温环境下赛区面向路网行人步行的VMS自适应信息发布策略[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 40-48.
[15]	赵晓华, 朱红臻, 边扬, 等. 基于扩展TPB模型的老年驾驶人自我调节行为研究[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 28-37.

基于驾驶员注意力分布模型的路侧环境安全性研究

Research on Roadside Environment Safety Based on Driver’s Attention Distribution Model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价