查看原文
其他

[研究简介] 从眼动数据看注意功能与驾驶能力的关系

卫伊 眼动之家 2019-07-03

车,是要上的;翻车,是不要的。学会如何发靠谱的车俨然成为一种新的生存技能。本研究主要基于驾驶人员的眼动行为,探讨视觉认知中的个体差异与视觉表现的关联性。在自动化更普及的未来,老司机们也许就可以从手动驾驶中逐渐解脱出来,花更多的注意资源在安全上,发好车,发稳车。

 

(本文不包含火车、高铁、飞机等超速交通工具,嗯,而且此司机也非彼“司机”)

 

世道艰险,老司机的小车说翻就翻。司机小车还一脸无辜,“说起来你可能不信,是红绿灯/积水/路标先动的手”。小车翻不翻,其实主要还看驾驶员视觉注意分配的情况。而注意变化时,眼球运动就会有一个直观的改变。因此,学者们测量了驾驶过程中驾驶员的眼动。

 

一般来说直行路上,驾驶员注视正前方几秒内自家小车能开到的位置,在驾驶过程中对预期位置的左右侧扫视以检测可能会出现的危险。新手小白们由于缺乏潜在危险的心理模型,往往不知道该看哪,而经验丰富的驾驶员则更懂得如何分配视觉注意,这就使得他们横向得检测范围更广阔。但有一点,注意资源是有限的,在驾驶过程中的认知负荷越多,驾驶员水平扫视就越少。


会不会有人本身就注意能力不行呢?有。在MOT(目标跟踪)任务上错误率更高的人,道路实战中也比较菜。考虑到交互式可视运动行为的存在,本研究除了MOT(多目标跟踪)范式,还采用MOA(多项目避免)范式的改版来评估注意功能。


MOT:参与者在五个点开始闪烁橙色(B)之前简要地呈现刺激物(A)。所有点都变回白色,然后随机移动场景七秒钟(C)。运动停止,参与者必须选择其中有闪现橙色(D)的五个点。在这个例子中,参与者正确识别四出于可能的五个目标。


MOA:任务从三个红色移动圆(a)开始,然后越来越困难,例如(b)五圆,(c)七圆。这个范式,我们玩过游戏的可能接触过,就是控制小球上下左右移动,避免撞上别的移动的刺激。


实验刺激方式则用软件模拟了乡村、城市、高速三种路况下的驾驶环境,以及各大环境下鸡飞狗跳的情况。而接受测试的驾驶员只需要像平时那样,开开心心上路就行了,反正眼动仪会记录下一切的……

下面开始你的表演!


对不起放错了,是下面这张。嗯,请重新开始你的表演。


驾驶员们在脑袋上扣的这个玩意就是本研究的大功臣——SR Research Eyelink II头戴式眼动仪。所有的眼睛运动信息通过SR Research Data Viewer软件进行记录和整理。驾驶场景分为五个不同的兴趣区域:后视镜,驾驶室镜,乘客侧镜,车速表和道路。乘客侧反射镜叠加在屏幕的左下方,并且速度计叠加在屏幕的左上方。

(1)后视镜(16°〜5°),(2)乘客侧镜(12°〜5°),(3)驾驶员侧镜(19°〜7°),(4)道路(最大长度和高度为58°〜27°),(5)速度计(12°〜9°)。


将城市和高速公路的数据输入多元回归模型,得到预测系数。由于MOT与水平扫描行为没有明显的相关性,因此仅将MOA作为水平扫描的个体预测因子。市区:b = 0.51,β= 0.55,t= 3.15,p=0.004; 高速公路:b =0.34,β=0.61,t= 3.68,p=0.001。这些分析表明,MOA是水平扫描行为的适度预测因子。


从表2可以看出,注意活动与注视侧视镜的整体时间之间没有很强的关系。然而,当驾驶在高速路上时,任务绩效与注视侧视镜时间之间存在显着正相关,MOA:r(25)=0.58,p=0.002; MOT:r(25)= 0.40,p= .049,强调那些具有更好注意功能的人会花费更多的时间来关注侧视镜。

 

总之,即使是那些具有相似驾驶经验的人,眼动行为和驾驶性能也存在个体差异。个人的注意功能是造成这些差异的因素; 在驾驶中更好的眼动测验表现,通常伴随着更安全的驾驶行为,也就更不容易翻车。


参考文献:

Mackenzie, A. K., & Harris, J. M. (2017). A link between attentional function, effective eye movements, and driving ability. Journal of Experimental Psychology Human Perception & Performance43(2), 381-394.

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存