跟车和换道过程中驾驶人注视转移模式研究.pdf

《跟车和换道过程中驾驶人注视转移模式研究.pdf》由会员分享，可在线阅读，更多相关《跟车和换道过程中驾驶人注视转移模式研究.pdf（74页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、分类号:U4610710-2009122105硕 士 学 位 论 文跟车和换道过程中驾驶人注视转移模式研究吴付威导师姓名职称付锐教授申请学位级别工学硕士学科专业名称载运工具运用工程论文提交日期2012 年 3 月 5 日论文答辩日期2012 年 3 月 14 日学位授予单位长安大学答辩委员会主席余强教授学位论文评阅人寇发荣副教授陈涛副教授ResearchResearchResearchResearch onononon DriverDriverDriverDriver s s s s FixationFixationFixationFixation TransitionTransitionTr

2、ansitionTransition ModeModeModeMode duringduringduringduringCarCarCarCarFollowingFollowingFollowingFollowing andandandand LaneLaneLaneLane ChangingChangingChangingChanging ProcessProcessProcessProcessADissertation Submitted for the Degree of MasterCandidateCandidateCandidateCandidate：WuWuWuWu FuweiF

3、uweiFuweiFuweiSupervisorSupervisorSupervisorSupervisor：Prof.Prof.Prof.Prof.FuFuFuFu RuiRuiRuiRuiChangan University,Xian,Chinai摘要在驾驶过程中，驾驶人需要及时感知各种交通信息以保证行车安全。根据统计分析，各种感觉器官给驾驶人提供交通信息数的比例分布如下：视觉占 80%，听觉占14%，触觉占 2%，味觉占 2%，嗅觉占 2%。可见，视觉是获取交通信息最主要的途径。因此，对视觉机能的考核和研究是驾驶人交通特性研究的重要内容。本研究在真实环境下进行了实车试验，选取浙江省湖州市

4、的一段道路作为试验线路，在当地驾校选取驾校教练作为试验被试，采用澳大利亚 SeeingMachines 公司生产的 faceLAB 5 眼动仪追踪记录驾驶人的眼动行为特征。同时，采用车道偏离预警系统以及毫米波雷达采集车辆的运行状态数据。在对国内外研究进行回顾整理的基础上，根据实际情况对跟车以及换道过程中驾驶人的注视区域进行划分。基于所采集的数据，结合试验路线特点，分析了车辆在不同车道跟车以及换道不同阶段中驾驶人的注视分布情况，运用马尔可夫链理论分析了注视点在各区域之间的一步和两步转移规律以及注视的平稳分布特性。研究结果表明，跟车过程中驾驶人的主要注意力集中在正前方视野。左侧车道跟车时，注视从主

5、视区向右侧区域的一步转移概率最高，向左侧区域的转移概率次之；而右侧车道跟车时的情况与此相反。与行车安全最为相关的是交通环境中的动态目标，动态目标能够引起更强烈的视觉刺激，所以需要驾驶人首要关注；此外，驾驶人需要观察静态的交通设施以保持车辆在车道中的横向位置。换道意图阶段驾驶人的视线主要集中在原车道和目标车道，视线在两者之间来回转移。在换道执行阶段，驾驶人对原车道的注视大幅度降低，对目标车道和左侧区域的注视相应增加。单位时间内视线在水平方向上转动某一特定角度所占的比例可作为判断驾驶人是否有换道意图的依据之一。本研究得到了国家自然科学基金项目（50908019）的资助。关键词关键词关键词关键词：跟

6、车，换道，视线分布，马尔可夫链理论，转移模式，平稳分布iiA A A AbstractbstractbstractbstractDuring driving process,driver needs to grasp many kinds of traffic information.According to statistical analysis,the proportions of traffic information each sense organprovides are as follows:sight accounts for 80%,hearing 14%,touch 2%,

7、smell 2%,and taste2%.So,vision is the most important way to get traffic information.Thus,the research andexamine of visual function is an important research focus on drivers traffic characteristics.This research did experiments in real high way environment.Acertain length of road inHuzhou city of Zh

8、ejiang province was chosen as test road,and drivers from local drivingschools were recruited for the study.Eye movement equipment faceLAB 5 produced bySeeingMachines Company in Australia was used to capture and record drivers eye movementdata.Besides,lane departure warning system and microwave radar

9、 were used to capture theoperating status of the test vehicle.On the basis of reviewing researches on drivers eyemovement in home and aboard,drivers visual field was divided into several parts accordingto our experiments.Based on experiment data and characteristics of test road,drivers visualtransit

10、ion modes during lane changing and car following processes were analyzed.AlsoMarkov Chain Theory was used to analyze the one-step and two-step transition performancesof visual line between different visual areas.Also visual stationary distributions wereanalyzed during different driving process.The r

11、esults show that,during car following process,drivers pay main attention to themain view field.During car following in the left lane,the biggest one-step transitionprobability from main visual field to right area,and then is the left area.The situation is justthe opposite while following car in the

12、right lane.Driving safety is most relevant to dynamicobjects in the traffic environment,which can cause more intense visual stimulation and needdrivers attention most.Besides,drivers need to observe static traffic facilities to keepvehicles position in the lane.During decision-making stage,drivers v

13、isual attention isfocusing on original lane and target lane,and the visual line transfers between them.Duringimplementation stage the attention paid on original lane decreased greatly,while the time paidon target lane and left area increase correspondingly.The proportion of visual lines rotationto a

14、 certain angle along horizontal direction in unit time can be used as one of the criteria ofjudging a drivers lane changing intent.This research was sponsored by National Science Foundation(50908019).KeyKeyKeyKey Words:Words:Words:Words:car following;lane changing;visual line distribution;Markov Cha

15、inTheory;transition mode;stationary distributioniii目目目目录录录录第一章 绪 论.11.1 问题的提出.11.1.1 研究背景.11.1.2 问题的提出.11.1.3 研究意义.31.2 国内外研究现状.31.2.1 国内研究现状.31.2.2 国外研究现状.41.3 本文研究内容.5第二章 试验过程及数据处理.62.1 试验目的.62.2 试验设计.62.2.1 试验道路.62.2.2 试验驾驶人.72.2.3 试验车辆及仪器.72.2.4 试验要求及步骤.102.3 试验数据处理.112.3.1 试验数据选取.112.3.2 数据处理工具

16、与方法.12第三章 注视区域划分及注视分布特性.133.1 注视区域划分.133.1.1 注视区域划分回顾.133.1.2 跟车过程注视区域划分.173.1.3 换道过程注视区域划分.183.2 跟车过程中注视情况.203.2.1 左侧车道跟车时视线转动情况.203.2.2 右侧车道跟车时视线转动情况.223.2.3 左侧车道跟车时注视分布情况.233.2.4 右侧车道跟车时注视分布情况.243.3 换道过程中注视情况.263.3.1 换道阶段划分.263.3.2 换道意图阶段视线转动情况.273.3.3 换道执行阶段视线转动情况.283.3.4 换道意图阶段注视分布情况.29iv3.3.5

17、换道执行阶段注视分布情况.313.4 本章小结.32第四章 注视转移模式分析.334.1 跟车过程中注视转移模式分析.334.1.1 马尔可夫链理论.334.1.2 左侧车道跟车时注视转移模式.344.1.3 右侧车道跟车时注视转移模式.364.1.4 跟车过程注视两步转移次数分析.394.2 换道过程中注视转移模式分析.404.2.1 换道意图阶段注视转移模式.404.2.2 换道执行阶段注视转移模式.434.2.3 换道过程注视两步转移次数分析.454.3 注视平稳分布.464.3.1 马尔可夫链平稳分布.464.3.2 跟车过程注视平稳分布.464.3.3 换道过程注视平稳分布.474.

18、4 跟车过程中车速控制及车道保持分析.484.4.1 左侧车道跟车时车速控制及车道保持分析.494.4.2 右侧车道跟车时车速控制及车道保持分析.504.5 本章小结.52第五章 跟车及换道过程注视模式对比分析.535.1 注视分布情况对比.535.1.1 注视分布情况对比.535.1.2 视线转动情况对比.555.2 注视转移模式对比.555.2.1 注视一步转移模式对比.555.2.2 注视两步转移模式对比.565.3 本章小结.57结论及建议.58结论.58进一步研究建议.59参考文献.60攻读学位期间取得的研究成果.63学术成果.63科研项目.63致谢.64长安大学硕士学位论文1第一章

19、绪 论1.1 问题的提出1.1.1 研究背景道路交通系统中的人包括驾驶人、行人、乘客和交通管理人员等，其中驾驶人是主体部分。驾驶人通过视觉、听觉、触觉器官从交通环境中获得信息，经过大脑进行处理，做出反应和判断，再支配手、脚运动器官操纵汽车，使之按驾驶人的意志在道路上运行。在这一过程中，驾驶人受到自身一系列生理、心理因素的制约和外部条件的影响；如果在信息的搜集、处理、判断的任一环节上发生差错，将会危及交通的畅通和安全。所以，驾驶人的可靠性是非常重要的。驾驶人的可靠性取决于三种因素：驾驶人的技术熟练程度、个性与感受交通情报的特性以及在动态交通环境中的应变能力。在行车过程中，驾驶人需要及时感知各种交

20、通信息。根据统计分析，各种感觉器官给驾驶人提供交通信息数的比例分布如下：视觉占80%，听觉占 14%，触觉占 2%，味觉占 2%，嗅觉占 2%。可见，视觉是最重要的。因此，对视觉机能的考核和研究是驾驶人交通特性研究的重要内容。跟车和换道是交通流中最常见的两种交通行为。在驾驶过程中，经常会出现跟随前车行驶即跟车现象以及车辆变换车道的现象。跟车过程中，如果本车与前车的距离小于安全跟车距离，当前方车辆出现突发状况时，驾驶人很难有足够的反应时间，容易造成追尾事故。特别是在车速较高的情况下，如果驾驶人采取紧急转向或紧急制动等方式来躲避前方车辆，很容易引起车辆侧翻，从而造成严重的交通事故。据统计，在我国

21、2010年高速公路事故引发的死亡人数当中，约有 40.3%是由追尾事故导致的1，这往往是由驾驶人在跟车过程中未能与前车保持足够的安全距离造成的。而在车道变换过程中，如果驾驶人在未能准确地把握周围交通状况的情况下强行换道，很容易与周围的车辆发生刮擦事故。据欧盟统计，在换道引起的交通事故中约有 75%的换道事故与驾驶人有关2。因此，综合考虑这两种驾驶行为对安全性的影响以及视觉对获取交通信息的重要性，很有必要研究跟车以及换道过程中驾驶人的眼睛运动情况以及注视转移模式。1.1.2 问题的提出视觉是驾驶人获取交通信息最重要的渠道。驾驶过程中，随着车辆的行进，周围的交通场景也在不断地发生变化。为了获取全面

22、的交通信息，驾驶人需要不断地观察周围的交通场景，如周围车辆、行人、交通信号灯、交通标志标线等，从而保证行车安全。第一章绪论2国内外学者对眼动行为进行了大量的研究，传统的眼动行为分析方法，大都基于速度、连续点的加速度和数值滤波，致力于区分注视和扫视及平滑运动3，但这种方法单纯研究了眼睛自身的运动情况，却不能具体分析驾驶人对交通场景中各目标实际注视情况。在观察交通场景中的不同目标物时，驾驶人的眼睛运动情况是不同的，视线的转动方向也随之变化。根据交通场景中目标物与试验车辆相对位置的不同，可将其划分为不同的类别，也就是将视野平面划分成不同的注视区域，每个注视区域代表特定的交通信息。目前，国内外很多研究

23、都涉及对注视区域的划分，但尚没有统一的划分方法。如何根据实际研究目的找到简便高效的注视区域划分方法是本文探讨的问题之一。如果将驾驶人观察到的范围看作一个视野平面，那么驾驶人的视线与该视野平面的交点叫做注视点。对于不同的驾驶行为，注视点在视野平面上的分布位置及密度也有所差异。在将视野平面划分为不同的注视区域之后，驾驶人的注视点随之被分配到相应的注视区域，从而能够定量分析驾驶人对各交通目标物的关注程度。因此，有必要研究不同交通行为下，驾驶人注视点的总体分布情况以及在不同注视区域内的分布情况。对驾驶人注视点分布的研究属于空间范畴的研究，整体上能够非常直观地反映出驾驶人对各个注视区域的关注程度，但无法

24、说明注视随时间的变化规律。驾驶人对每个交通目标的观察并不是孤立事件，而是存在着某种程度的前后联系。从时间维度上讲，驾驶人的眼睛运动过程也就是注视点在不同注视区域之间反复转移的过程。注视点从当前注视区域经过一次转移到达其他注视区域的过程称之为注视的一步转移，相应的转移概率被称为一步转移概率。目前，国内外的有些研究结合了不同的数学理论对注视点在不同注视区域之间的转移规律进行分析。长安大学薛传亮研究了城市道路环境下驾驶人注视点分配转移特性研究，运用马尔可夫理论分析了注视点在不同注视区域之间的一步转移概率4。注视的一步转移概率从时间维度上反映了驾驶人前后两次注视的变化规律，说明了注视区域所包含交通信息

25、的相对重要性。但是，如果要探究连续三次注视之间的内在联系，只考虑注视的一步转移是不够的，还需要进行注视两步转移规律的研究。如果驾驶人在注视某个区域之后，其注视点经过两次转移后又回到该区域，则认为该过程是一个“回看”过程。驾驶人之所以回看某个注视区域，主要是因为上次注视未能获取有效的信息或者该区域内的交通信息发生了变化，使得驾驶人需要重新关注该区域以获得更全面更及时的交通信息。如果经过两次转移后，注视从当前区域转移到其他区域，说明这两个区域在驾驶过程中所包含的交通信息有着一定的联系。因此，本文将对不同驾驶行为过程中驾驶人的注视转移模式进行研究。长安大学硕士学位论文31.1.3 研究意义跟车和换道

26、作为最常见的两种驾驶行为，对行车安全具有很大的影响，尤其是在高速公路环境中驾驶人的操作失误容易引发严重的交通事故。操作的失误往往是由于对周围的交通信息获取不全面，驾驶人获取交通信息最主要的途径是视觉，因此研究视觉特性对于提高驾驶人感知交通信息的准确性具有很大的现实意义，可在培训过程中指导新手驾驶人如何观察周围的交通目标。此外，对换道意图的识别是近些年国内外学者研究的热点，本文对换道过程中驾驶人的动态视觉特性进行研究，分析换道意图阶段驾驶人的视线转动情况，可对换道预警装置的设计提供一定的理论指导。1.2 国内外研究现状目前，国外学者用不同的仪器设备在模拟以及实车环境下开展了大量的研究，已取得了一

27、定的成果，而国内学者的研究大都局限在模拟环境下进行。1.2.1 国内研究现状北京航空航天大学柳忠起、袁修干等人用 Eye link II 头盔式眼动仪在模拟飞行器中开展实验，研究了在飞机的三个飞行阶段中飞行员的眼动行为，分析了在不同兴趣区域内视觉注意力分配情况5,6。同济大学潘晓东等人运用 EMR-8B 眼动仪对逆光条件下交通标志的可视距离进行研究，得出了交通标志的可视距离随车速的提高而降低的结论7。西南交通大学张殿业对驾驶员动态视野进行了研究，将动态视野行为划分为感知、判断和动作阶段，认为驾驶员的注视点会随着车速的提高而前移，视野也会随之变窄8。长安大学汽车学院在驾驶人眼动行为方面做了大量研

28、究工作，从不同的角度在实车试验方面开展了十多年的研究，积累了大量的宝贵资料。张建峰研究了汽车驾驶员动态视觉对感知-决策-校正模式的影响，分析了驾驶员在驾驶过程中的操作行为模式，以及不同车速、不同通道宽度情况下驾驶员注视点的分布情况9。方鼎做了汽车驾驶员动态视认性的试验研究，分析了不同车速、不同交通标志字高以及个体差异性等因素对驾驶员动态视认性的影响10。马勇对基于眼动分析的汽车驾驶员视觉搜索模式进行了研究，在对驾驶过程中驾驶员视觉搜索行为理论梳理的基础上，对车速以及交通标志字体大小等对驾驶员注视行为的影响进行了更加深入的研究11。田明对新手驾驶员和熟练驾驶员的视觉搜索模式进行了比较研究12。孟

29、妮对不同道路交通环境中驾驶员注视行为进行了分析，分别在城市道路和山区道路进行了实车试验，并运用录像回放方法对试验录像进行了逐帧分析，得到了驾驶员的确切注视目标13。陈阳针对城市道路环境中驾驶员工作第一章绪论4负荷进行了研究，分析了不同工作负荷条件下驾驶员动态视觉差异性14。袁伟首次进行了大样本实验，对城市道路环境中驾驶员动态视觉特征进行了深入研究，分别研究了不同熟练程度以及不同道路条件下驾驶员的动态视觉差异性，分析了不同注视区域之间驾驶员视觉转移特性，并基于模糊理论建立了视觉搜索模式评价模型15。1.2.2 国外研究现状1988 年，澳大利亚新南威尔斯洲悉尼大学的 C.R.LATIMER 提出

30、了关于视觉表示及眼动数据的聚类分析过程，并根据认知过程研究中的眼动数据研究了累积注视时间（CFT）的二维和三维表现方法以及提高 CFT 分布峰值的方法16。1993 年，美国马里兰州阿伯丁试验场陆军研究工作室的PILLALAMARRI研究了观看静态图片时被试的眼睛运动情况。被试的任务是观看一系列该类图片，识别嵌入了不同信噪比的 8 个目标中的一个。眼动数据采集频率 60 Hz，然后离线处理成包含注视空间位置坐标和持续时间的眼睛注视序列，并将注视路径添加到观看的原图上。结果显示，注视点在目标附近被聚成了一类。但是，注视点类的明显位置与实际目标位置在不同方向上差距 1.7到 3.0不等，即使这些类

31、的期望位置与目标距离在 1.0以内17。1999 年，Goldberg 在研究计算机界面设计时，用眼动行为进行评估，并提出了一系列眼动参数指标18。2002 年，美国 Drexel 大学的 Dario D.Salvucci，Andrew Liu 选取了 11 名至少有两年驾驶经验的驾驶人在模拟的多通道高速公路环境下利用驾驶模拟器进车道变换试验，综合调查了从左到右和从右到左换道时的方向盘、油门、转向灯和眼睛运动随时间的变化过程，做出了各驾驶控制和视觉行为随时间的变化曲线。研究发现：从左向右变换车道的视觉曲线和从右向左变换车道的视觉曲线互为始末19。2004 年，美国罗格斯大学计算机系的 Sant

32、ella和认知科学中心的 DeCarlo 提出了一种自动的数据驱动方法，用均值漂移过程将视觉注视点归为注视点或兴趣区域。用这种方法聚出的类能够结构化再现观察者的兴趣所在，并且可复制，不受噪声及奇异点的影响20。2005 年美国“国家公路交通安全局”（NHTSA）的研究人员 Louis 采用小轿车和多功能能运动型车两种试验车，选取 39 名驾驶人在高速公路和普通公路上进行了 23949 英里（约 38558km）的试验，采集了 8667 个换道行为，重点研究了换道前 10s 的时段。分析了从左到右和从右到左的车道变换特性，并得出了换道期间的眼睛注视分布特性21。2006 年，G.Pastor 和

33、P.Tejero 等人选取了男女各 12名熟练驾驶人在高速公路上和平常道路上进行了实车试验，并用摄像机记录驾驶人的眼睛运动。通过观看、分析试验录像得到了驾驶人在不同道路上观看后视镜的频率和时间的关系，并进行了差异分析。结果表明，驾驶人在不同道路上观看后视镜的视觉行为存长安大学硕士学位论文5在显著性差异，并对差异进行了分析22。2009 年，Shan Bao 和 Linda Ng Boyle 选取了年轻、中年和老年驾驶人各 20 名在两个交通事故发生频率不同的十字路口进行了左转、右转和直行的实车试验。分析了不同年龄驾驶人在不同条件下观看后视镜等区域的视觉搜索模式23。2011 年，美国 MIT

34、大学 AgeLab 的 Lavallire 等人选取了 108 名驾驶人作为被试在高速公路上进行实车试验，研究了车道变换过程中年龄及性别对驾驶人视觉搜索行为的影响24。1.3 本文研究内容本文的研究内容主要包括以下几个方面：（1）注视区域划分方法研究在对以往研究中注视区域划分方法进行梳理的基础上，针对跟车和换道的特点，提出与之相适应的注视区域划分方法。该方法能够较全面地涵盖所研究的内容，均衡考虑了统计工作量和计算精度等因素，是一种简便高效的划分方法，也是后续研究的基础。（2）注视点分布情况研究通过对驾驶人眼动数据的统计，分析了注视点的分布情况，并根据上述的划分区域，分别研究了跟车和换道过程中注

35、视点在各个区域的注视频次以及注视时间分布。此外，本文还对不同车道跟车过程以及换道过程的不同阶段中注视点分布差异性进行了分析，并且还将对跟车过程中的车道保持以及车速控制情况进行分析。（3）注视转移模式研究在不同的驾驶行为过程中，驾驶人对各个交通目标的注视情况是不同的。本文运用马尔可夫链理论，求解了注视在各个注视区域的一步转移概率以及两步转移概率。分别分析了不同车道跟车过程中以及换道过程的不同阶段中注视在不同区域间的转移模式，并对跟车以及换道过程中的注视转移模式进行了对比分析。（4）注视平稳分布研究本文运用马尔可夫链理论研究驾驶人的注视行为模式，并且驾驶人的注视过程可视作不可约的非周期马尔可夫链，

36、在经历一段时间后能够达到系统的稳定状态。因此，本文还将分析跟车过程以及换道过程中驾驶人的注视稳态分布情况。第二章试验过程及数据处理6第二章试验过程及数据处理2.1 试验目的为了获取真实交通环境下驾驶人的眼动行为数据以及车辆操控状态（车辆速度、车辆横向位置、方向盘转角等）数据，本研究用 faceLAB 5 眼动仪等仪器设备记录了驾驶人在城市道路和高速公路上实际驾车过程中的数据。具体试验目的如下：（1）获取试验数据；（2）分析跟车及换道过程中驾驶人注视分布情况；（3）分析跟车及换道过程中驾驶人注视转移模式。2.2 试验设计2.2.1 试验道路本次试验路线选取了浙江省湖州市的一段道路，路线中包括城市

37、道路和高速公路。试验路线全长 58.8 km，其中城市道路（G104）路段全长 36.2 km，为双向 6 车道，中间有隔离设施，最高速度限制为 80 km/h；高速公路（G25）路段全长 12.6 km，为双向四车道，中间有隔离带。左侧车道限速为 100 120 km/h，右侧车道限速为 60 100 km/h，均为交通标志限速。试验路线如图 2.1 所示，试验车从起始点出发，右转至 104 国道，然后下行至高速公路 G25 国道后上行，直到长兴互通立交下高速，最后转回 104 国道回到出发点。图图 2.12.12.12.1试验路线图试验路线图长安大学硕士学位论文72.2.2 试验驾驶人本试

38、验在湖州市各驾校共选取 13 名驾驶人作为被试，所挑选的被试均为驾校的教练，具有丰富的驾驶经验，被试的基本信息如表 2.1 所示。表表 2.12.12.12.1试验驾驶人基本信息表试验驾驶人基本信息表2.2.3 试验车辆及仪器本研究使用装配了多种仪器的试验车辆进行实车试验，所使用的仪器主要包括：faceLAB 5 眼动仪、车道偏离预警装置、毫米波雷达等。（1）试验车辆本研究用大众途安自动挡 7 座车作为试验车辆。试验车上安装了 faceLAB 5 眼动仪、车道偏离预警系统、毫米波雷达、工控机、电源逆变器等设备，用于开展不同领域的研究。除了驾驶人之外，试验过程中需要两位工作人员随行，分别监控 f

39、aceLAB 5 眼动仪系统和其他设备的正常运行。（2）faceLAB 5 眼动仪faceLAB 5 眼动仪是澳大利亚 SeeingMachines 公司生产的一款非接触式眼动仪25，用于跟踪驾驶人的眼睛注视行为和头部运动，测量驾驶人注视点位置、注视时间、扫视行为、头部位置、头部旋转角度等参数。faceLAB 5 眼动仪主要包括两个 faceLAB 摄像头、faceLAB 主机、一个场景摄像头（SceneCamera）、SceneCamera 主机、红外光源、支架等，硬件连接示意图如图 2.2 所示。faceLAB摄 像 头SceneCamera摄 像 头faceLAB主 机SceneCame

40、ra主 机逆 变 器车 载 蓄 电 池1394接 口 卡U S B接 口红 外光 源红 外光 源1 2V2 2 0V网 线图图 2.22.22.22.2faceLABfaceLABfaceLABfaceLAB 5 5 5 5 眼动仪硬件连接示意图眼动仪硬件连接示意图编号01020304050607080910111213均值方差年龄41415046364539384248393837424.4驾龄23202416182013171730181515194.6第二章试验过程及数据处理81）faceLAB 5 摄像头和红外光源faceLAB 摄像头共有三组，焦距分别为 12mm、16mm 和 25

41、mm。根据试验条件的不同可以选用不同焦距的摄像头。试验模式有精确模式和经典模式之分。在精确模式下，红外光源发出的光在眼睛虹膜上产生反射点，faceLAB 摄像头追踪该反射点的位置从而能够精确获取眼睛的位置信息。在经典模式下，红外光源主要用于提供红外光，提高摄像头的追踪性能。在本研究中，将 faceLAB 摄像头安装在车辆仪表盘上，对称分布在驾驶人两侧并保持最佳的追踪角度。图图 2.32.32.32.3faceLABfaceLABfaceLABfaceLAB 5 5 5 5 摄像头和红外光源摄像头和红外光源2）faceLAB 5 主机faceLAB 采集软件在该主机上运行。faceLAB 主机通

42、过 1394 接口卡与 faceLAB 摄像头连接，faceLAB 摄像头将采集到的被试面部图像传给 faceLAB 主机，在软件中计算被试的头部和眼睛位置以及其他一些参数，实时存储到本机硬盘中，并通过网络将数据发送到 SceneCamera 主机。此外，faceLAB 主机的另一功能是为 faceLAB 摄像头和红外光源提供电源。图图 2.42.42.42.4faceLABfaceLABfaceLABfaceLAB 5 5 5 5 主机及主机及 1394139413941394 接口卡接口卡长安大学硕士学位论文93）场景摄像头场景摄像头主要用于采集试验过程中车辆前方的交通场景。在本研究中，将

43、场景摄像头安装在车辆前风挡玻璃最上部，靠近遮阳板的位置，其横向位置正对着驾驶人。试验过程中，场景摄像头将车辆前方的交通场景通过 USB 数据线发送到场景摄像头主机。4）场景摄像头主机场景摄像头主机用于运行场景摄像头软件，该主机通过 USB 线与场景摄像头连接，用于给场景摄像头提供电源并进行数据传输。faceLAB 主机和场景摄像头主机之间通过网线进行连接。faceLAB 主机将原始数据（包括头部、眼睛、面部、时间以及模型参数等）通过网线发送到场景摄像头主机。场景摄像头主机将接收的原始数据与场景摄像头传输来的场景录像进行叠加，通过场景校正过程使得场景录像中注视点位置与驾驶人实际观察的目标相一致，

44、并将场景录像和数据保存到本机硬盘中。两台主机之间通过 NTP 软件进行同步，以保证原始数据和场景录像叠加的精确度。（3）车道偏离预警系统（Mobileye-AWS 系统）车道偏离预警系统，如图 2.5 所示，由总部设在荷兰的 Mobileye 公司研制，利用安装在前挡风玻璃上的单个摄像机识别车道标识线，测量和监控本车与道路边界的距离。该系统能检测不同的车道标识，如实心连续线、虚线等。该系统的车道偏离警告模块通过检测道路边界，计算车辆相对于车道的位置和车辆的侧向运动，预测车辆横越车道标识的时间，在该时间低于设定的阈值并且车速大于 55 km/h 的情况下，系统触发视觉警告和声音警告，以使驾驶人对

45、不同的危险状态做出适当的反应而减少意外事故的发生。图图 2.52.52.52.5车道偏离预警系统车道偏离预警系统第二章试验过程及数据处理10该系统的主要功能有：前碰撞预警Forward Collision Warning(FCW)车道偏离预警Lane Departure Warning(LDW)前方车辆监控及预警Headway Monitoring and Warning(HMW)本文研究涉及换道过程及跟车过程中车辆的横向位置及车道保持情况，用到的主要是车道偏离数据。（4）德尔福 ESR 毫米波雷达ESR 毫米波雷达主要用于测量前方车辆与本车的相对速度和相对角度，最大测量距离为 174 m，左

46、右角度范围为10 度。图图 2.62.62.62.6毫米波雷达毫米波雷达2.2.4 试验要求及步骤在试验开始时，预先告知驾驶人试验路线，要求驾驶人按照自己平时的驾驶习惯驾驶车辆，随行人员只是负责仪器的操作，不对驾驶人的驾驶行为进行干涉。faceLAB 5 眼动仪是基于图像处理的原理进行头部及视线追踪，分为精确模式和经典模式。但是，在强光条件对驾驶人的眼睛会有一定程度的影响，造成眼睛睁开幅度变小，瞳孔也变小，从而对眼睛跟踪质量造成影响。所以，在进行试验时要选择光照不太强的天气。为了保证试验的顺利进行，本研究设计了规范的试验步骤，具体步骤如下：（1）让驾驶人坐在驾驶座上，调整座椅的高度及前后位置，

47、保证舒适的驾驶姿态；（2）检查 faceLAB 眼动仪各个部分的连接；（3）调试眼动仪并进行场景校正；（4）开启工控机和车道偏离预警装置；长安大学硕士学位论文11（5）告知驾驶人预定的试验路线；（6）试验车出发，各仪器设备开始记录；（7）随行人员观察实时场景录像中注视点的准确性并记录；（8）本次试验结束。2.3 试验数据处理2.3.1 试验数据选取本文的研究所选取的试验路线包括城市道路和高速公路。为了采集到更加真实的数据，试验过程中应尽量避免对驾驶人的干扰，驾驶人在根据当时的交通场景及自身的驾驶习惯进行驾驶，所做出的跟车、换道等行为都是驾驶人驾驶技能的真实反应。本文主要研究驾驶人跟车和换道过程

48、中眼动行为特征，并分析其注视转移特性。本研究所采用的主要研究设备 faceLAB 5 眼动仪是一种非接触式眼动仪，其工作原理是通过图像处理方法计算得到驾驶人的视线位置，最大优点是对驾驶人的驾驶操作几乎无干扰，并能同时追踪驾驶人的眼睛和头部运动状态。faceLAB 5 眼动仪的场景摄像头安装在前风挡玻璃上，和大多数单目摄像头一样其镜头有一定的视角范围，但该场景摄像头的角度范围能够包含车辆前方主要的交通场景能够满足分析的需要。此外，faceLAB 5眼动仪系统提供了 WorldView 软件以建立包括后视镜、仪表盘等车辆内部模型，能够将原始数据与该模型合成，得到驾驶人观察场景录像中未包含目标物时的

49、眼睛运动数据。（1）跟车数据选取试验车前方和后方分别安装了一个毫米波雷达，能够精确地测量前方及后方车辆与试验车的相对位置、相对速度等数据。本文研究跟车行为，只需要对试验车前方的车辆进行分析。本研究中，通过毫米波雷达可测得跟车时试验车与前车的距离，并认为车头间距小于等于 150 米时为跟车状态。在选取数据时，先根据场景录像观察试验车前方的交通场景，初步筛选出可能是跟车行为的数据段，然后根据毫米波雷达的数据确定跟车的具体起始和结束时刻。（2）换道数据选取由于 faceLAB 5 眼动仪为非接触性眼动仪，需要固定在车辆的仪表板上，水平追踪范围约为45。向右换道时驾驶人的视线转动角度超过了眼动仪的追踪

50、范围，此时视线追踪效果较差，不能用于进行数据分析。所以本文只对向左换道时驾驶人的视觉特性进行研究，在不加特别说明的情况下，下文中所提到的换道过程均指向左换道。在所采用的试验仪器当中，车道偏离预警系统能够记录车辆距离左侧车道线的距离，能够得知车第二章试验过程及数据处理12辆在车道中的横向位置，精确到厘米。faceLAB 5 眼动仪的场景摄像头能够记录试验过程中车辆前方的交通场景。所以，先根据场景录像观察试验车前方的交通场景，再根据车辆距离左侧车道线的距离划分换道的起始和结束时刻。本文将换道过程分为意图阶段和执行阶段。根据对场景录像的分析结果，将驾驶人实施换道行为之前的 5 秒时间段视为换道意图阶