基于馬爾可夫鏈的隧道出口駕駛人注視特性研究

尚俊雅，茹強，楊世安

（長安大學汽車學院，陜西 西安 710064）

基于馬爾可夫鏈的隧道出口駕駛人注視特性研究

尚俊雅，茹強，楊世安

（長安大學汽車學院，陜西 西安 710064）

采用faceLAB 5非接觸眼動儀采集9名駕駛人駛出高速公路隧道出口時的眼動數據。運用K均值聚類法對駕駛人注視區域進行劃分然后統計出駕駛人在隧道出口處的視覺分布與視覺轉移頻次。運用馬爾可夫鏈理論分析駕駛人注視點在各個注視區域之間一步轉移概率和平穩分布。研究發現，駕駛人的主要注視區域是正前方區域，并且在到達隧道出口處視覺轉移頻次達到最大。

交通工程；注視區域；馬爾可夫鏈理論；視覺轉移；K均值聚類

CLC NO.:U491.254Document Code:AArticle ID:1671-7988 (2017)06-79-02

引言

駕駛人駛出隧道口時會經歷一個突然由暗到明的“明適應”過程同時駕駛人視野突然變得開闊，駕駛人可能會對車速與車間距離產生誤判。因此研究駕駛人視覺轉移特性可以更好體現隧道口暗明變化對駕駛人影響。

1、試驗數據獲取

1.1 試驗路段

本試驗選擇了西漢高速段的5處隧道作為試驗路段。

1.2試驗設備

非接觸式眼動儀face LAB 5；WTD-012X個人GPS定位器；XYC1-LC-5非接觸式五輪儀。

2、劃分駕駛人注視區域

2.1 K均值聚類法

本文首先運用K均值聚類法對駕駛人的注視區域進行劃分：

（1）輸入樣本集的大小為n，令t=1，確定K個初始的聚類中心：Fj(t), j=1,2,…k；

（2）計算每一個樣本點與聚類中心的距離：G(xi,Fj(t)), i=1,2,…,nj=1,2,…k；若是G(xi,Fk(t))=min{ G(xi,Fj(t))}, i=1,2,…, n,則xi∈wk；

（3）對誤差平方和函數S進行計算：

（4）若是||S(t)-S(t-1)||＜ζ,表示計算結果在誤差允許范圍內，計算結束。否則t=t+1，再計算出K個新的聚類中心，返回（2）進行計算。新的聚類中心的計算公式如下：

2.2 注視區域的劃分

結合駕駛人注視點的分布圖將駕駛人前方注視區域劃分為：左方、正前方、右方、左后視鏡、右后視鏡、車內后視鏡、前方遠處和儀表盤。

3、駕駛人注視分布于轉移特性

3.1 駕駛人注視分布

圖 1駕駛人在經過隧道出口時注視區域主要集中于正前方。對比圖1駕駛人在隧道口注視分布與圖2駕駛人在普通路面注視分布，駕駛人將主要注意力集中于正前方區域，而在普通路面上駕駛人對于正前方的關注程度更高，對于左方和右方的關注程度明顯低于駕駛人在隧道出口處的關注程度。

圖1 駕駛人隧道出口注視分布Figure1 the driver's tunnel exit gaze distribution

圖2 駕駛人普通路面注視分布Figure2 the driver's normal road gaze distribution

3.2 駕駛人視覺轉移特性

為了研究駕駛人出隧道口時視覺轉移變化的特性，以10米為單位分別統計出駕駛人在隧道內距隧道口 50米到出隧道口150之間的視覺轉移頻次。結果顯示駕駛人在未出隧道口時視覺轉移頻次持續增加，駕駛人對于同一區域的關注時間也在減少，駕駛人在未出隧道口時視覺范圍較窄。

4、駕駛人視覺轉移特性

駕駛人的注視點轉移過程中，下一點的駕駛人的注視狀態只與上一點駕駛人注視狀態有關，與上一點之前的駕駛人注視狀態無關，這種特性符合馬爾可夫性。運用馬爾可夫理論研究隧道出口處駕駛人的注視點在各區域的一步轉移概率和平穩分布。

4.1 一步轉移概率

通過場景攝像頭選擇有用的眼動數據，統計出9名駕駛人在隧道出口處的注視點轉移情況并作均值化處理。根據注視點在不同注視區域上的變化，得出連續兩個注視點之間轉移規律，計算出駕駛人在隧道口不同區域之間的注視點的一步轉移概率矩陣。如表1所示。

表1 隧道出口處一步轉移概率矩陣Table 1 tunnel exit step transition-probability matrix

?注視點從其他區域到某一區域的轉移概率最大值用灰色標記。

（1）6處灰色區域指向正前方而且正前方的轉移概率最大。駕駛人注視點轉移到正前方、左方、右方和前方區域的轉移概率總計0.669。

（2）駕駛人從正前方區域最有可能轉向左方、右方、前方遠處區域。駕駛人從左后視鏡區域最有可能轉向左方區域，觀察完左方區域最有可能轉向正前方區域。

（3）從前方遠處轉移到內后視鏡的轉移概率遠大于從其他區域轉移到內后視鏡的概率。

4.2 注視的平穩分布

將隧道出口處一步轉移概率矩陣作為系統的初始概率，得出駕駛人注視的平穩分布：

駕駛人的主要注視區域是正前方，其次是左方、右方、前方遠處。而對于儀表盤、左后視鏡、右后視鏡和內后視鏡關注較小。

5、結論

（1）駕駛人注意力集中在正前方區域，對比隧道出口處的注視分布與普通路面的注視分布，駕駛人在隧道出口增加了對左右兩側的關注。

（2）根據馬爾可夫鏈理論計算發現駕駛人注視點從某一區域轉向正前方的概率最大，并且駕駛人最有可能在左右兩側從左（右）后視鏡-左（右）邊區域-正前方轉移。

[1] Santella A, Decarlo D. Robust clustering of eye movement record ings for quantification of visual interest[C].San Antonio, Texas: 2004.

[2] Seeingmachines. faceLAB 5 [OL]（2012-4-11）[2013-8-21].

[3] 賈偉.高速公路隧道安全評價研究[D].長安大學,2009﹒

[4] 曾祥平.公路隧道交通安全預警理論與方法研究[D].重慶交通大學,2008.

[5] 袁偉. 城市道路環境中汽車駕駛員動態視覺特性試驗研究[D].長安大學,2008.

Study on the characteristics of the driver's tunnel exit fixation based on Markov chain

Shang Junya, Ru Qiang, Yang Shian
( School of Automobile, Chang'an University, Shaanxi Xi'an 710064 )

Using faceLAB 5 non-contact eye tracker real-time acquisition of 9 drivers who exit the highway tunnel, when the eye movement data K mean clustering method is used to classify the driver's gaze region. The theory of Markov chain is used to analyze the transition probability and the stationary distribution of the driver's fixation point in the various gaze regions. The study found that the main concern of the driver is in the front area, and the frequency of the visual transfer in the tunnel exit is the largest.

Traffic Engineering; Gaze region; Markov chain theory; visual transfer; K means clustering

U491.254

A

1671-7988 (2017)06-79-02

尚俊雅，就讀長安大學汽車學院。

10.16638/j.cnki.1671-7988.2017.06.026