基于眼動(dòng)實(shí)驗(yàn)的物流駕駛員疲勞程度研究

田夢(mèng)情 汪傳雷 秦琴

摘?要：研究物流駕駛員疲勞程度及其影響因素可提高貨物運(yùn)輸?shù)陌踩院托省Ｍㄟ^眼動(dòng)實(shí)驗(yàn)收集反映物流駕駛員駕駛疲勞程度的眼動(dòng)數(shù)據(jù)，融合多種疲勞特征指標(biāo)和受試者主觀疲勞程度打分，評(píng)估和K-means聚類分析駕駛員的疲勞程度。研究結(jié)果表明，物流駕駛員疲勞程度的評(píng)價(jià)指標(biāo)可由瞳孔、眼跳、掃視和注視4?類構(gòu)成，結(jié)合F值貢獻(xiàn)度排序?yàn)閽咭?眼跳>注視>瞳孔，進(jìn)而將物流駕駛員疲勞分為4?個(gè)級(jí)別并提出緩解疲勞之策略。

關(guān)鍵詞：公路運(yùn)輸；疲勞程度；眼動(dòng)實(shí)驗(yàn)；物流駕駛員；K-means分析

中圖分類號(hào)：F25?????文獻(xiàn)標(biāo)識(shí)碼：A??????doi：10.19311/j.cnki.16723198.2024.12.014

0?引言

駕駛員因素是導(dǎo)致交通事故的主要原因之一，其中疲勞駕駛引發(fā)的事故占所有交通事故的?35%～45%。監(jiān)測(cè)和評(píng)估物流駕駛員的疲勞程度，有助于提前察覺駕駛疲勞的跡象，因此研究駕駛員疲勞程度的監(jiān)測(cè)和量化具有必要性。

近年來，國(guó)內(nèi)外研究人員嘗試多種疲勞檢測(cè)方法，主要的駕駛員疲勞檢測(cè)方法包括基于車輛信息、生理信息和行為特征的方法。然而，現(xiàn)有方法大多數(shù)是直接觀察駕駛員行駛狀態(tài)并分析駕駛員不同時(shí)段的面部特征，分析結(jié)果容易出現(xiàn)較大偏差。研究表明駕駛過程約70%的信息是通過視覺感知來獲取，視覺感知是駕駛員獲取信息的主要途徑，且反映駕駛員的精神和生理狀態(tài)。同時(shí)，實(shí)驗(yàn)照片中人物的疲勞情緒可以通過情緒傳染和共情的心理學(xué)機(jī)制影響觀察照片的人，使其呈現(xiàn)類似的疲勞情緒；情緒傳染是指人們?cè)谟^察他人情緒表達(dá)時(shí)，自身也會(huì)感受到類似的情緒體驗(yàn)；共情是指當(dāng)受試者看到疲勞的人物時(shí)感受到類似的疲勞和疲勞引起的情緒。

因此，選擇間接通過受試者的眼動(dòng)特征了解物流駕駛員駕駛過程的疲勞程度，融合多種疲勞特征指標(biāo)和受試者主觀疲勞程度打分，進(jìn)行評(píng)估和K-means聚類分析量化評(píng)估駕駛員的疲勞程度。

1?實(shí)驗(yàn)設(shè)計(jì)

1.1?實(shí)驗(yàn)?zāi)康?/p>

本實(shí)驗(yàn)的目的有三：挖掘受試者眼動(dòng)數(shù)據(jù)的特征與主觀疲勞程度之間的關(guān)系；確定外在特征反映疲勞程度的排序及重要性；判斷物流駕駛員的主觀疲勞程度。

1.2?儀器材料

實(shí)驗(yàn)研究采用aSee?Pro遙測(cè)式眼動(dòng)跟蹤設(shè)備以及使用配套的aSee?Studio分析軟件。本實(shí)驗(yàn)所采用的圖片是從《疲勞駕駛-國(guó)民交通安全系列公益宣傳教育片》截取獲得。為方便分析，實(shí)驗(yàn)截取按時(shí)間序列、疲勞程度遞增的7張圖片，將所有實(shí)驗(yàn)圖片隨機(jī)打亂，進(jìn)行7s定時(shí)播放。在受試者查看全部后對(duì)圖片顯示的疲勞程度進(jìn)行排序。

1.3?實(shí)驗(yàn)程序

實(shí)驗(yàn)開始前，請(qǐng)受試者在等待區(qū)接受實(shí)驗(yàn)內(nèi)容及其要求的詳細(xì)介紹，完成實(shí)驗(yàn)基本信息登記和實(shí)驗(yàn)知情書填寫，同時(shí)接受實(shí)驗(yàn)指導(dǎo)。校準(zhǔn)過程如下：首先，要求受試者坐在座椅上，調(diào)整座椅與顯示器之間的距離，使受試者正對(duì)顯示器，并且保持眼睛與顯示器的距離在60?cm左右。其次，采用5?點(diǎn)瞳孔校對(duì)法進(jìn)行眼動(dòng)校準(zhǔn)，若吻合度高，則將實(shí)施實(shí)驗(yàn)；若吻合度不夠，則重新進(jìn)行校準(zhǔn)，直至達(dá)到要求為止。

實(shí)驗(yàn)正式開始，屏幕上隨機(jī)呈現(xiàn)7張實(shí)驗(yàn)圖片，受試者按照觀察習(xí)慣隨意自然查看。實(shí)驗(yàn)材料播放完畢時(shí)錄制自動(dòng)結(jié)束，受試者填寫問卷，收集表征疲勞狀態(tài)的面部和肢體特征的主觀數(shù)據(jù)與眼動(dòng)儀客觀數(shù)據(jù)結(jié)合分析。

2?結(jié)果與分析

2.1?指標(biāo)定義

本實(shí)驗(yàn)共收集30?份實(shí)驗(yàn)數(shù)據(jù)，，在反映實(shí)驗(yàn)有效性上具有一定代表性。觀察發(fā)現(xiàn)實(shí)驗(yàn)3和實(shí)驗(yàn)21注視時(shí)長(zhǎng)分別為2985?s和4724?s，與設(shè)定的觀察時(shí)間7000?s相差過大，判定為無效數(shù)據(jù)剔除，最終確定28份為有效數(shù)據(jù)，后續(xù)數(shù)據(jù)分析均默認(rèn)28份數(shù)據(jù)開展。

本實(shí)驗(yàn)統(tǒng)計(jì)4類眼動(dòng)指標(biāo)，共9個(gè)變量，4類指標(biāo)分別為瞳孔、眼跳、掃視、注視，9個(gè)變量包括平均瞳孔直徑、眼跳次數(shù)、總眼跳時(shí)長(zhǎng)、回看次數(shù)、總停留時(shí)長(zhǎng)、注視次數(shù)、平均注視時(shí)長(zhǎng)、首次注視時(shí)長(zhǎng)和總注視時(shí)長(zhǎng)。

2.2?計(jì)算處理

在數(shù)據(jù)預(yù)處理基礎(chǔ)上，本研究采用某張刺激材料上所有受試者的一個(gè)指標(biāo)數(shù)據(jù)均值代表某種疲勞程度的某個(gè)眼動(dòng)變量大小。具體計(jì)算公式如下：

pi=∑UijN（1）

式中pi表示第i張刺激材料的眼動(dòng)變量值，∑Uij表示所有受試者在第i張刺激材料的眼動(dòng)數(shù)據(jù)總和，j表示第j位受試者，N表示受試者總?cè)藬?shù)，即j的總和。

匯總各指標(biāo)后，將同類指標(biāo)中各變量賦平均權(quán)重求和得到四類指標(biāo)得分。瞳孔、眼跳、掃視和注視四類指標(biāo)存在不同量綱，且各指標(biāo)間存在較大差異，故需要將各個(gè)指標(biāo)進(jìn)行?min-max?歸一化處理得到相同的取值范圍。采用下式進(jìn)行歸一化處理：

Pm=pi－pminpmax－pmin（2）

式中pm、pi、pmax、pmin分別為瞳孔、眼跳、掃視和注視四類指標(biāo)經(jīng)過歸一化后的值、原始值、最大值和最小值。歸一化處理后的結(jié)果見表1。

2.3?問卷分析

實(shí)驗(yàn)收到28?份有效實(shí)驗(yàn)的量化問卷量表，采用IBM?SPSS?Statistics?26對(duì)回收問卷進(jìn)行統(tǒng)計(jì)分析。由問卷第一部分結(jié)果可知，眼睛張開程度最能反映疲勞程度的外在特征，說明采用眼動(dòng)實(shí)驗(yàn)研究疲勞程度的思路可行。由問卷第二部分得到受試者對(duì)各實(shí)驗(yàn)圖片材料表現(xiàn)的疲勞程度主觀排序結(jié)果，排序結(jié)果為p1（617）>p7（517）>p2（413）>p3（37）>p4（347）>p5（317）>p6（22），兩者結(jié)合獲得綜合得分。

3?疲勞程度分類與評(píng)價(jià)

3.1?聚類分析

3.1.1?指標(biāo)變量的相關(guān)性

使用K-Means聚類分析數(shù)據(jù)時(shí)，相關(guān)性過大的變量可能會(huì)在計(jì)算歐氏距離時(shí)帶入冗余信息，使得聚類結(jié)果不夠準(zhǔn)確，故先采用IBM?SPSS?Statistics?26軟件分析變量的相關(guān)性，結(jié)果顯示4類變量之間相關(guān)性較小，變量之間不存在顯著相關(guān)性，可以進(jìn)行K-Means聚類分析。

3.1.2??確定k值并分類

根據(jù)K-Means聚類原理，聚類個(gè)數(shù)k的取值范圍一般在2～10。由于實(shí)驗(yàn)個(gè)案數(shù)為7較少（這里設(shè)定p1～p7分別為個(gè)案1～7），故初選取k值為2、3、4。比較分析不同k值的結(jié)果，發(fā)現(xiàn)當(dāng)k=4時(shí)各聚類間的顯著性水平最高，且聚類中的個(gè)案數(shù)分布較為均勻合理，因此確定本實(shí)驗(yàn)聚類數(shù)為4，得到聚類中心，見表2。

3.1.3?聚類結(jié)果與問卷得分的相關(guān)性

根據(jù)問卷綜合得分，將p1～p7的疲勞程度進(jìn)行分類，設(shè)定p1～p7分別為個(gè)案1～7，結(jié)果如表3所示。K-means與綜合得分的分類結(jié)果的相關(guān)性分析，得到皮爾遜相關(guān)性指標(biāo)值為0867，兩者存在較強(qiáng)的相關(guān)性，說明使用K-Means?聚類可行。根據(jù)F值對(duì)各指標(biāo)進(jìn)行貢獻(xiàn)度排序，得到：掃視>眼跳>注視>瞳孔，這些指標(biāo)對(duì)聚類過程均有貢獻(xiàn)。

3.2?分類評(píng)價(jià)

根據(jù)各個(gè)受試者的聚類結(jié)果，按照所屬聚類組計(jì)算各物流駕駛員疲勞程度特征評(píng)價(jià)指標(biāo)的均值，統(tǒng)計(jì)各聚類中個(gè)案的數(shù)量，結(jié)果見表4。

通過分析聚類類別，可得：第一類物流駕駛員的眼動(dòng)數(shù)據(jù)特征為瞳孔較大、眼跳活動(dòng)較少、掃視和注視時(shí)間長(zhǎng)；第二類物流駕駛員的眼動(dòng)數(shù)據(jù)特征為瞳孔大、眼跳活動(dòng)少、掃視時(shí)間較短、注視時(shí)間短；第三類物流駕駛員的眼動(dòng)數(shù)據(jù)特征為瞳孔較小、眼跳活動(dòng)較多、掃視時(shí)間短、注視時(shí)間較短；第四類物流駕駛員的眼動(dòng)數(shù)據(jù)特征為瞳孔小、眼跳活動(dòng)多、掃視時(shí)間較長(zhǎng)、注視時(shí)間較短。

按照疲勞發(fā)展的次序和問卷主觀疲勞程度的判斷，從一到四的順序顯示疲勞程度的逐漸加重，駕駛員一旦出現(xiàn)疲勞跡象應(yīng)及時(shí)休息，以確保行車安全。物流駕駛員應(yīng)定期進(jìn)行疲勞程度的評(píng)估，根據(jù)評(píng)估結(jié)果采取相應(yīng)的防護(hù)和休息措施。

4?結(jié)論

第一，觀察疲勞程度的受試者的瀏覽路徑圖和熱點(diǎn)圖等眼動(dòng)特征數(shù)據(jù)，論證眼動(dòng)數(shù)據(jù)在疲勞程度研究中的可行性，突破傳統(tǒng)直接模擬駕駛環(huán)境的限制，為基于眼動(dòng)特征指標(biāo)的物流駕駛員疲勞程度研究開拓新思路。

第二，基于眼動(dòng)實(shí)驗(yàn)的數(shù)據(jù)分析，開發(fā)用于監(jiān)測(cè)物流駕駛員疲勞程度的實(shí)時(shí)預(yù)警系統(tǒng)，監(jiān)測(cè)眼動(dòng)特征提前預(yù)測(cè)疲勞駕駛的風(fēng)險(xiǎn)，進(jìn)而及時(shí)向物流駕駛員發(fā)出警報(bào)或建議休息的建議。

參考文獻(xiàn)

［1］Sahayadhas?A，Sundaraj?K，Murugappan?M，Detecting?driver?drowsiness?based?on?sensors：?a?review[J].Sensors，2012，12（12）：1693716953.

[2]任建新，許鋒.多特征融合的駕駛員疲勞程度量化方法研究[J/OL].電子測(cè)量技術(shù)：111[20230903].http：//kns，cnki，net/kcms/detail/11，2175，tn，20230718，1210，004，html.

[3]張瑞，朱天軍，鄒志亮，等.駕駛員疲勞駕駛檢測(cè)方法研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2022，58（21）：5366.

[4]王政，李延軍，嚴(yán)曲，等.監(jiān)控作業(yè)腦力疲勞綜合評(píng)定方法研究[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2010，23（01）：2024.

[5]吳維庫.不良情緒傳染的“蝴蝶效應(yīng)”與防避之策[J].領(lǐng)導(dǎo)科學(xué)，2016，（22）：1819.

[6]吳奇，譚惠中.我看不到你的疼痛：隱性自戀特質(zhì)與疼痛共情的關(guān)系[J].心理科學(xué)，2023，46（05）：12121219.

[7]史恭龍.校園招聘廣告的眼動(dòng)研究[D].西安科技大學(xué)，2015.

[8]王莉莉，許凌鵬.基于眼動(dòng)數(shù)據(jù)的管制員注意力特征評(píng)價(jià)[J].中國(guó)安全科學(xué)學(xué)報(bào)，2023，33（02）：217224.

[9]張琛.基于KMeans的特高頻局部放電定位誤差校正[J].電氣自動(dòng)化，2017，（5）：106108.