使用駕駛人瞳孔直徑的固定物沖突識別方法

李世武, 徐　藝, 王琳虹, 孫文財, 郭　棟

(1.吉林大學 交通學院, 130022 長春; 2.吉林省道路交通重點實驗室(吉林大學), 130022 長春; 3.山東理工大學 交通與車輛工程學院,255000 山東 淄博)

?

使用駕駛人瞳孔直徑的固定物沖突識別方法

李世武1,2, 徐藝1, 王琳虹1,2, 孫文財1,2, 郭棟3

(1.吉林大學 交通學院, 130022 長春; 2.吉林省道路交通重點實驗室(吉林大學), 130022 長春; 3.山東理工大學 交通與車輛工程學院,255000 山東 淄博)

摘要:以尋找可反映駕駛人心理負荷的交通沖突識別指標及基于該指標的交通沖突識別方法為目的，通過比較分析明確了沖突刺激與瞳孔直徑的相關關系，針對原始GSA(gravitational search algorithm)識別方法僅可搜索最優解的缺陷并面向交通沖突識別要求提出了基于瞳孔直徑的GSA-T交通沖突快速識別方法. 撞固定物沖突驗證結果顯示GSA-T方法的對比次數和識別時間均比枚舉方法少，證明GSA-T方法具有較低時間復雜度和空間復雜度的優勢，可滿足交通沖突識別和道路安全評價的要求. 關鍵詞: 交通沖突技術； 識別方法； 駕駛人； 瞳孔直徑； 撞固定物沖突

交通沖突技術是當前道路交通安全評價方法的主流[1]，許多專家學者對其進行了廣泛關注和深入研究，并在常規交通沖突判別指標方面取得了豐碩的研究成果[2-5]. 但是，多年前已被廣泛認可的道路交通設計理論指出要以道路使用者的交通需求和生理-心理反應特征作為道路設計的理論基礎[6]，而當前的道路交通安全評價技術特別是交通沖突技術并未從駕駛人心理角度對道路交通狀況進行安全性評價，究其原因是未找到反映駕駛人心理負荷的交通沖突量化指標以及基于該指標的交通沖突辨識方法. 外界刺激與瞳孔直徑的關系研究為尋找可反映駕駛人心理負荷的交通沖突量化指標提供了新的方向：裴玉龍等[7]研究了酒精刺激對駕駛人瞳孔直徑的影響；Neumann D L等[8]研究了精神負荷對瞳孔直徑變化的影響；Einh?user W等[9]研究了知覺變化對瞳孔直徑的影響并分析了引起瞳孔直徑變化的生理因素；Stuart R Steinhauer等[10]從神經層面分析了任務難度對瞳孔直徑的影響規律；Barry Winn等[11]研究了年齡、性別等因素對光照刺激下瞳孔直徑變化的影響；Marco Pedrotti等[12]研究了聲音等刺激因素造成的心理壓力及其導致的瞳孔直徑變化.

上述研究成果未面向交通沖突刺激對駕駛人瞳孔直徑的影響進行研究，因此本文擬通過相關分析明確以撞固定物沖突[13-14]為代表的交通沖突刺激對駕駛人瞳孔直徑的影響，在此基礎上研究面向道路交通安全評價需求的交通沖突快速識別方法.

1數據的采集與處理

1.1試驗數據采集

使用駕駛模擬器對機動車、道路環境和固定障礙物進行撞固定物沖突的室內情景仿真. 模擬試驗車型為捷達轎車，路面類型為瀝青路面，道路線形為直線，道路長度為115 m，為便于試驗環境的量化并排除碰撞角度等因素的影響，將固定障礙物設置為駕駛訓練場內的高墻. 設置直線加速距離為100 m，制動位置到固定障礙物的距離為15 m. 試驗場景示意圖如圖1所示.

圖1　試驗場景示意圖

選擇駕齡超過20 a的6位男性駕駛人作為試驗對象，調節室內照度，首先要求駕駛人分別在370 lx和490 lx的平均照度下靜止注視試驗場景，然后要求駕駛人在370 lx和490 lx的平均照度下駕駛捷達轎車在100 m直線道路內從起始位置由靜止分別加速到20、30、40 km/h，越過制動位置后自由制動，重復試驗10次. 使用Smart Eye Pro 5.7眼動儀以60 Hz的采樣頻率采集駕駛人瞳孔直徑數據，使用TES-1339R照度計及其電腦端軟件同步記錄駕駛人位置處的照度數據. 按照度將試驗數據分為370 lx照度下的L組和490 lx照度下的H組，記370 lx照度下的靜止注視、20 km/h、30 km/h、40 km/h試驗數據分別為L0、L1、L2、L3，記490 lx照度下的試驗數據分別為H0、H1、H2、H3.

1.2試驗數據處理

首先剔除眨眼時的瞳孔直徑數據. 根據眼動儀提供的同步眨眼數據blink，剔除blink不為0幀號(framenumber)所對應的瞳孔直徑數據. 未剔除眨眼噪聲的瞳孔直徑曲線如圖2所示，眨眼噪聲剔除后的瞳孔直徑曲線如圖3所示.

圖2　未剔除眨眼噪聲的瞳孔直徑曲線

圖3　眨眼噪聲剔除后的瞳孔直徑曲線

為在后續研究中可更有效地分析瞳孔直徑的變化特征，并降低交通沖突識別的計算成本，有必要對瞳孔直徑數據進行基于離散小波變換的降噪處理[12]. 使用Haar小波基進行5級小波變換并重構后的部分瞳孔直徑曲線如圖4所示.

圖4　5級小波(Haar)分解的瞳孔直徑曲線

根據照度和沖突程度的不同，可將試驗數據分為L0、L1、L2、L3、H0、H1、H2、H3共8組，每組試驗包含60個樣本數據，以每個樣本的均值作為組內單元值求得的組內方差見表1.

表1　試驗數據組內方差表

由表1可見，每組中各樣本均值相對每組樣本總數的平均值，其波動幅度均未超過1.00%，說明組內樣本差異不大，駕駛人個體區別未顯著影響試驗數據的穩定性.

2瞳孔直徑與撞固定物沖突的相關性分析

2.1瞳孔直徑與照度的相關性分析

為確定照度對瞳孔直徑的影響程度，需進行照度與瞳孔直徑的相關性分析. 首先分析L組和H組的平均照度與平均瞳孔直徑的相關性.

(1)

經計算，平均照度與平均瞳孔直徑的相關系數為-0.89，屬于高度負相關.

為明確照度波動對瞳孔直徑的影響，需分析每組照度數據與對應瞳孔直徑的相關性. 部分照度與對應瞳孔直徑的曲線如圖5.

經計算，L0、L1、L2、L3各組照度與瞳孔直徑的相關系數分別為-0.247、-0.033、-0.091、-0.188，最大照度差分別為3.62、4.02、4.45、5.49 lx；H0、H1、H2、H3各組照度與瞳孔直徑的相關系數分別為-0.050、-0.067、-0.297、-0.075，最大照度差分別為4.00、5.47、5.64、5.89 lx.

各組中照度與瞳孔直徑的相關系數絕對值均未超過0.30，屬于微相關. 平均照度與平均瞳孔直徑的相關性明顯，而未取均值的照度與瞳孔直徑僅為微相關.

2.2瞳孔直徑與交通沖突的相關性分析

設起始位置到制動位置時間內駕駛人接受的刺激為0，制動位置后至車輛停止時間內沖突對駕駛人的刺激為1，構造沖突刺激曲線，計算沖突刺激與瞳孔直徑的相關系數. L1、L2、L3各組沖突刺激與瞳孔直徑相關系數分別為0.64、0.64、0.77，H1、H2、H3各組沖突刺激與瞳孔直徑相關系數分別為0.94、0.81、0.77.

由各組相關系數可見，相關系數均在0.64以上，屬于顯著相關范圍，說明沖突刺激對駕駛人瞳孔直徑產生了明顯的影響，通過瞳孔直徑識別交通沖突具有可行性.

3基于瞳孔直徑的交通沖突快速識別方法3.1GSA原理與優勢

萬有引力搜索算法(GSA)[15]假設搜索粒子在空間中具有一定質量且遵循萬有引力定律和動力學定律，在引力作用下均朝質量較大粒子的方向移動. 空間中的粒子以引力的形式相互影響，使粒子群向最優解的區域展開搜索. 算法中，每個粒子包括4個特征：位置、慣性質量、主動引力質量和被動引力質量，粒子的位置即為問題的解.

設在一個D維搜索空間中包含n個粒子，定義粒子i的位置為

(2)

式中：Mpi(t)粒子的被動吸引質量；Mat(t)為j粒子的主動吸引質量；ε為較小的常量；Raj(t)為i粒子與j粒子之間的歐氏距離；G(t)為t時刻的引力常數.

(3)

粒子i在下一時刻的速度和位置的方程組為

(4)

t時刻粒子i在k維空間上的加速度為

(5)

式中Mii(t)為粒子i的慣性質量.

設引力質量與慣性質量相等，使用適應度函數表示粒子的質量. 引力質量與慣性質量按如下方程組更新為

(6)

式中：i=1,2,…,n；fi(t)為t時刻粒子i的適應度值；解決最大值問題時，b(t)和w(t)按如下方程組定義為

(7)

3.2基于瞳孔直徑的沖突快速識別方法

本文嘗試使用GSA搜索瞳孔直徑超過閾值的時刻，進而識別交通沖突. 本文擬在原始GSA搜索策略的基礎上調整其迭代過程，提出一種可實現準確、快速識別交通沖突位置及數量的GSA-T方法. 該方法的具體識別步驟如下.

1)數據初處理. 將含有交通沖突的瞳孔直徑數據進行眨眼數據剔除和5級小波分解，生成待匹配瞳孔直徑數據P0, 計L0為P0中每個采樣點的初始序號并將其作為采樣點的位置標記.

2)GSA初始條件設定. 設待匹配瞳孔直徑數據為Pr(r為識別結果數量，初始值為0)，識別出的交通沖突時段瞳孔直徑第一采樣點初始序號的集合為Ir，相應適應度值為Fr，設搜索粒子數量為n，迭代次數為t(初始迭代次數為t=1)，粒子位置x(t)(x(t)={x1，x2,…,xn})對應的瞳孔直徑數據為d(t)，以粒子位置為第中位采樣點且采樣點個數為Lm的瞳孔直徑數據為Pxi，適應度值f(t)=d(t)，GSA終止條件為適應度值連續st(st∈N*)次相同，交通沖突識別過程終止條件為適應度值小于已知沖突中最小的瞳孔直徑峰值sr(sr∈R+).

3)適應度值計算.更新粒子位置為x(t)(xi為Pr采樣點初始序號范圍內的隨機數，i=1,2,…,n)，按照式(1)～(5)計算M、α及搜索粒子的速度和位置(維數k=1)，按照式(6)更新G(t)和b(t).

5)結果輸出. 輸出瞳孔直徑位置Ir和對應的適應度值Fr，方法流程如圖6.

本方法在每次瞳孔直徑識別中均使用GSA搜索方式尋找瞳孔直徑最大值及其對應位置，從而減少了搜索次數；此外，本方法第4步(b)過程重新生成Pr的作用在搜索到目標數據段后剔除該段數據以生成新的待匹配數據并繼續進行識別，從而克服了GSA僅可搜索最優值的弊端，在保證識別出所有交通沖突的前提下減少了運算量.

圖6　GSA-T識別方法流程

4識別方法驗證與結果分析

4.1識別方法驗證

1)數據初處理. 將490 lx照度下的H1、H2、H3組試驗數據作為驗證數據. 由于試驗場景為直線路段，所以每一車速的重復試驗需單獨進行，因此將每一車速下多個重復試驗數據合并于一組數據作為瞳孔直徑識別的基礎數據.

將含有撞固定物沖突的瞳孔直徑數據進行眨眼數據剔除和5級小波分解，生成P0和L0. 待匹配瞳孔直徑曲線如圖7.

圖7　待匹配瞳孔直徑曲線

2)GSA初始條件設定. 設搜索粒子數量n=20，初始迭代次數為t=1，st=50，sr=4.

3)GSA計算過程. 按照式(1)～(5)計算M、a及搜索粒子的速度和位置，按照式(6)更新G(t)和best(t).

4)過程迭代. (a)若t-50≤0，則t=t+1，運行步驟4；(b)若t-50>0, b(t)-b(t-st)≠0，則t=t+1，運行步驟3；(c)若t-50>0，b(t)-b(t-st)=0且b(t)≥4，將最優粒子位置賦值為Ir，相應適應度值b(t)賦值為Fr，r=r+1，生成新的待匹配瞳孔直徑數據Pr，t=1，運行步驟3；(d)若t-50>0，b(t)-b(t-st)=0且b(t)<4，停止迭代.

5)結果輸出. 輸出的瞳孔直徑位置和對應的適應度值見表3.

表3　Ir與Fr的識別結果

4.2結果分析

枚舉法以逐點掃描的方式對待匹配數據進行計算比較，而GSA-T方法借鑒GSA搜索策略計算全局最優值，因而可避免對大量非目標數據的計算比較. 此外，GSA-T方法通過剔除已識別數據并生成新的待匹配數據解決了原始GSA僅搜索全局最優解的問題，同時避免了數據的重復搜索，進而提高了算法的識別速度. GSA-T方法的識別結果曲線如圖8，其中紅色虛線表示識別出的撞固定物沖突區域. 枚舉法對撞固定物沖突識別結果如圖9，其中紅色圓圈表示識別出的撞固定物沖突點. 枚舉法與GSA-T方法的識別效果對照見表4，表中GSA-T數據為30次識別所得均值，對比次數進行了四舍五入取整處理.

圖8　GSA-FFT方法識別結果

圖9　枚舉法識別結果

識別方法對比次數識別時間/ms識別數量枚舉184198196GSA-T90276486

由表4和圖8、9可見，本實例中共有18 919個采樣點，使用枚舉法逐點掃描需進行18 419次瞳孔直徑值的對比，相比GSA-T 方法在非目標采樣點處多進行了9 392次傅里葉變換，是GSA-T 方法中對比計算量的2倍，由于GSA-T方法需要進行相對復雜的初始化過程和迭代循環過程，其識別時間雖不是枚舉法識別時間的0.5倍，但仍比枚舉法節省了170 ms. 此外，枚舉法與GSA-T識別方法均完成了全部撞固定物沖突下瞳孔直徑的識別，兩種方法在識別精度上無顯著差別. 但是，枚舉法未能明確標記沖突過程所對應的位置，若要達到GSA-T方法的識別效果必將延長識別時間.

因此可判斷，本文所述GSA-T方法可在較短時間內有效識別交通沖突下的瞳孔直徑數據位置，具有較低的時間復雜度和空間復雜度，可用于交通沖突的快速辨識和道路交通安全評價.

5結論

1)證明了沖突刺激與瞳孔直徑的相關關系，明確了基于瞳孔直徑數據的交通沖突識別的可行性，為交通沖突技術領域和交通安全評價領域提供了較為新穎而有效的評價指標.

2)克服了原始GSA搜索算法僅可搜索最優解的缺陷，提出了基于瞳孔直徑的GSA-T交通沖突快速識別方法，為完善不同交通沖突類型下的瞳孔直徑模型，研究基于駕駛人眼動特征的交通沖突量化方法，逐步構建交通安全評價體系提供了技術支持.

3)由于試驗條件有限，僅進行了將訓練場內高墻作為固定障礙物的沖突試驗，造成對瞳孔直徑與沖突間關系分析的局限性. 在后續研究中，將進行其他交通沖突形式的試驗研究，并對駕駛人瞳孔直徑和試驗環境進行更為準確的量化和更為深入的分析.

參考文獻

[1] 張蘇.中國交通沖突技術[M]. 成都: 西南交通出版社, 1998.

[2] MINDERHOUD M M, BOVY P H L. Extended time-to-collision measures for road traffic safety assessment[J]. Accident Analysis & Prevention, 2001,33(1): 89-97.

[3] ALIAKSEI L, ASE S, CHRISTER H. Evaluation of traffic safety, based on micro-level behavioural data: theoretical framework and first implementation[J]. Accident Analysis and Prevention,2010, 42(6):1637-1646.

[4] 孟祥海,徐漢清,王浩,等. 基于 TTC及DRAC 的高速公路施工區追尾沖突研究[J].交通信息與安全, 2013, 30(6): 6-10.

[5] 徐漢清. 基于碰撞時間的側向沖突指標計算模型研究[J]. 城市道橋與防洪, 2014 (6): 268-271.

[6] (蘇)巴布可夫. 道路條件與交通組織[M]. 祁振慶，譯. 北京：中國建筑工業出版社，1983.

[7]FU C Y, PEI Y L. Analysis on driver’s physiological and eye movement characteristics under alcohol effect[J]. Advances in Intelligent Transportation System & Technology, 2012, 5(5):138-143.

[8] NEUMANN D L, LIPP O V. Spontaneous and reflexive eye activity measures of mental workload[J]. Australian Journal of Psychology, 2002, 54(3): 174-179.

[10]STEINHAUER S R, SIEGLE G J, CONDRAY R, et al. Sympathetic and parasympathetic innervation of pupillary dilation during sustained processing[J].International Journal of Psychophysiology,2004,52(1):77-86.

[11]WINN B, WHITAKER D, ELLIOTT D B, et al. Factors affecting light-adapted pupil size in normal human subjects[J]. Investigative Ophthalmology & Visual Science, 1994, 35(3): 1132-1137.

[12]PEDROTTI M, MIRZAEI M A, TEDESCO A, et al. Automatic stress classification with pupil diameter analysis[J]. International Journal of Human-Computer Interaction, 2014, 30(3): 220-236.

[13]羅石貴,周偉. 路段交通沖突技術研究[J]. 公路交通科技, 2001,18(1):65-68.

[14]羅石貴, 周偉. 路段交通沖突的調查技術[J]. 長安大學學報(自然科學版), 2003, 23(1): 71-75.

[15]RASHEDI E,NEZAMABADI-POUR H, SARYAZDI S.GSA: a gravitational search algorithm[J].Information Sciences, 2009,179(13):2232-2248.

(編輯魏希柱)

Construction conflict identification method using driver’s pupil diameter

LI Shiwu1,2, XU Yi1, WANG Linhong1,2, SUN Wencai1,2,GUO Dong3

(1.Transportation School, Jilin University, 130022 Changchun，China; 2. Key Laboratory of Road Traffic in Jilin Province(Jilin University), 130022 Changchun，China; 3. School of Transportation and Vehicle Engineering, Shandong University of Technology, 255000 Zibo，Shandong，China)

Abstract:To find traffic conflict identification indicator which can reflect driver’s mental load and traffic conflict identification method based on the indicator, the correlation between the conflict stimuli and the pupil diameter is identified by comparative analysis, a pupil diameter based GSA-T fast traffic conflict identification method is proposed to remedy the defects of original GSA to meet the requests of traffic conflict identification. The result of construction conflict shows that the computation and the identification time of the GSA-T is shorter than the Enumeration method, thus the low time complexity and space complexity are testified. It is proved that GSA-T can meet the requests of traffic conflict identification and road safety evaluation, and can lay foundation for further study of relationship between traffic conflict severity and pupil diameter.

Keywords:traffic conflict technique; identification method; driver; pupil diameter; construction conflic

中圖分類號:U491.265

文獻標志碼:A

文章編號:0367-6234(2016)03-0082-07

通信作者:王琳虹，wanghonglin0520@126.com.

作者簡介:李世武(1971—)，男，教授，博士生導師.

基金項目:國家自然科學基金(51308251, 51308250, 51508315)；

收稿日期:2014-10-10.

doi：10.11918/j.issn.0367-6234.2016.03.014

中國博士后基金特別資助(2014T70292)；

吉林省科技發展計劃(20130521004JH, 20140204021SF).