基于眼动特征的路侧广告牌对驾驶员注意力影响研究

单晓霖，焦朋朋

(北京建筑大学 北京未来城市设计高精尖创新中心，北京 100044)

0 引言

在行车过程中，驾驶人的注意力的集中程度是影响交通安全的重要因素之一，其注意力不集中造成驾驶绩效降低是道路事故的重要成因之一[1]。根据国内以及国外对导致交通事故发生因素的分析显示，引起驾驶人分心的主要因素其中之一即为车外环境，例如行人、非机动车以及其他车外事物。放置于路旁的广告牌的目的旨在吸引行车经过的车辆内成员的注意，广告牌的吸引效果越好对广告商的利益也就越大。但是，驾驶员也有可能会受到广告牌的影响，使其驾驶专注度有所降低，增加发生道路交通事故的风险。出于对这类问题的考虑，国内外相关部门制定了关于路侧广告牌的条例与准则，对其放置位置、规格和内容加以限制[1-2]。

关于驾驶人对路边广告牌的反应，在过去的数10年中已经得到了广泛的研究，T. Dukic等人[3]通过研究在实际驾驶过程中驾驶人的视觉数据行为发现，当路侧广告牌出现时，驾驶人的视线会更加频繁且长时间离开道路方向；J. Edquist等人[4]通过模拟驾驶试验发现，路侧广告牌会令驾驶人对道路标志和交通环境反应变慢，特别是经验不充足的驾驶员，而且在转换车道过程中更容易犯错；S. Bendak和K. Al-Saleh[5]同样通过模拟驾驶仪进行对比试验发现，在有广告标志的道路上驾驶人在保持车辆直线行驶的驾驶性能指标上表现更差，同时在通过无信号灯交叉口时也更为鲁莽。且根据其问卷调查显示，超过一半的驾驶人普遍被试验中的广告牌分散了注意力，此外有22%的试验人员表示由于注意力被广告牌分散而将自己置于危险境地之中。因此，各项研究表明路边广告牌会在一定程度上降低驾驶人的行车表现，并有可能对交通安全产生负面影响。

然而，之前的研究也出现了结论不统一，甚至完全相反的情况出现。就驾驶员驶过广告牌区域的平均速度而言，T. Horberry等人的研究[6]表明当驾驶员在相同时间内看到的广告牌越多，即通过视觉收集到的干扰因素越多时，其平均速度将会下降。类似的结果也在J. Edquist等人[4]的研究中有所体现。而在S. Bendak和K. Al-Saleh[5]的研究结果中则发现通过广告牌路段的平均速度有较小幅度的增长。H. Marciano和Y. Yeshurun[7]的试验结果则表明，虽然在视觉信息过多，视觉负荷大时驾驶人的速度会相应降低，但是仍然存在驾驶人通过广告牌区域时平均速度上升的情况出现。对现有的数据进行进一步总结后，尚未得出由路边广告牌对驾驶人影响导致的交通事故发生的直接证据。最近几年的研究[8-9]甚至表明二者之间的相关性很小甚至几乎不存在相关性。

另有部分研究通过眼动仪和模拟驾驶系统重点评估了驾驶人在通过广告牌区域时的视觉行为。例如冯忠祥等人[10]进行的试验结果显示，驾驶人对大字体的凝视时间要少于小字体,且对背景颜色较为模糊、不易区分的广告牌，较背景色彩鲜艳的凝视时间更长。吕能超等人[11]通过将路外标志的信息进行量化分析，发现随着标志信息量的逐步增加，驾驶人的视认反应时间也在增加，这也是驾驶负荷上升的一种体现。

国内近些年在此领域的研究主要集中在通过眼动指标[12]和视觉特性[13]入手，针对广告牌的不同类型对驾驶人的影响，例如广告牌的面积与高度[14]或背景颜色[15]等等，研究结果表明不同规格的广告牌对驾驶人注意力的影响也有较大差异。本研究基于模拟驾驶系统进行试验，通过获取车辆的横向偏移量和实时速度等指标，同时分析驾驶人通过眼动仪和生理仪获取驾驶人在行驶过程中的视线与动作的变化，将广告牌的影响量化分析，探讨不同位置、不同密集程度和不同距车道距离的广告牌对驾驶人的具体影响，包括其正常驾驶与遇到突发状况时的驾驶行为差别，探讨广告牌布置的最优化方案，即在对驾驶人影响最小的情况下合理规划广告牌区域，以确保道路交通安全。

1 试验方法设计

路侧广告牌对驾驶人的影响主要体现在视觉重点和反应时间上。故在此分析广告牌的布置与驾驶人行车过程中视觉和行为指标之间的相关性，从而建立起二者之间的量化关系。试验目的是通过对不同方式布置的路侧广告牌对驾驶员的驾驶行为影响，分析广告牌对驾驶员专注程度的影响规律；另外对测试人之间进行组内检验，横向对比在测试人驾驶经验不同的前提下对相同布置的广告牌的反应，即主观反应上是否也存在一定的差异。

1.1 试验设备

本试验基于交通虚拟现实技术平台，使用FORUM8模拟驾驶器(图1)对车辆内部环境进行模拟。其硬件设施为一个带有方向盘、仪表板、换挡手柄和加速、制动踏板的完整自动挡小客车驾驶舱、连接3个42英寸LED显示屏270度广角视野，速度表可显示屏上实时显示。方向盘配有力反馈传感器，可模拟车轮的转动以及在受到冲击时给予驾驶员反馈。声音效果通过屏幕后和驾驶座位下方的扬声器进行反馈，满足真实驾驶时的环境。模拟驾驶器可在测试者驾驶过程中以60 Hz的频率采集相关驾驶参数。

行驶道路采用UC-win/Road 10.0道路景观规划设计软件绘制，其中广告牌选择XX高速公路路侧广告牌样式，采用3DMax制作，规格根据实际情况而定。另外平台还包括视觉及行为分析辨识系统，主要仪器有眼动仪，用于接收测试者的视觉数据。

测试者佩戴SMI Iview X眼动仪(图1)，可获取测试者的注视、扫视和眨眼次数，以及其视野的移动线路和集中区域。基于测试者的相应视觉信息对其注意力集中程度和重点关注对象进行分析，以判断其驾驶过程中的安全程度。

图1 SMI眼动仪和FORUM8模拟驾驶仪Fig.1 SMI eye tracker and FOREUM8 driving simulator

1.2 测试人员

试验共招募了20名测试者，以驾驶年龄3年为界分为初学者组和熟练者组，每组各10人。保证测试者在参与测试的过程中身体状态良好，裸眼视力或配搭眼镜后的矫正视力满足正常进行驾驶行为。每名测试者均持有合法的中国小型客车驾驶执照。参与测试的人员年龄为20～30岁，平均年龄23.72岁(标准差2.60岁)如表1所示。

表1 测试者相关信息

1.3 方案设计

试验路段为一段总长度为5 km的三车道高速公路，其中最右侧车道限速为每小时80～100 km，模拟天气为晴朗，以此为基本场景。在道路右侧根据场景不同设有若干不同样式广告牌，每个场景均为平直道，场景之间以右转圆曲线平滑连接。广告牌规格为7 m×21 m，下边缘距离路面垂直距离为10 m。测试路段前有500 m的路段供测试者适应模拟驾驶器。之后的4.6 km依次为测试场景。场景1为800 m，不放置任何广告牌，有一组障碍物；场景2为1.2 km，在K0+100 m和K1+100 m处设有广告牌，其设置边缘垂直投影距离路侧护栏为5 m，设有1组障碍物。场景3为1.2 km，在K0+100 m、K0+600和K1+100 m处设有广告牌，其设置边缘垂直投影距离路侧护栏为5 m，设有1组障碍物。场景3为2.2 km，在K0+100 m和K2+100处设有广告牌，其设置边缘垂直投影距离路侧护栏为10 m，设有2组障碍物。同时在每组场景中，设置有两次随机出现的障碍物(停靠于测试者行驶道路，并在其后放有红色警示标志的小型客车)影响测试者的驾驶，其中障碍1位于广告牌的可视范围内，障碍2位于可视范围外，以此对驾驶员的注意力集中程度进行检测。方案流程图如图2所示。

1.4 试验流程

在测试者充分熟悉并试驾模拟器后，使其佩戴眼动仪并开始试验。测试者将以此通过4组直线高速公路场景，中间以相同平滑圆曲线相连接，每组场景的广告牌设计如表2所示。在试验过程中，要求测试者在车速保持在合法车速范围之内，于最右侧道路行驶，在此基础上尽量令其保持日常的个人驾驶习惯。测试者在每个场景内都应在第一次观测到广告牌时鸣笛，并进行口头汇报，内容包括广告牌的数量与内容，以此初步判断其受到广告牌影响的第一时间，可在之后与眼动仪数据进行比较与参考。另外，及时记录驾驶员在面对障碍物时的表现，包括是否成功进行避让等。在测试者完成全部场景驾驶后，模拟驾驶仪记录其驾驶数据变化，例如车辆瞬间速度、方向盘的旋转率、车辆坐标等；眼动仪记录其视点的注视集中区域和扫视轨迹等。

图2 模拟驾驶试验流程图Fig.2 Flowchart of driving simulation test

表2 试验场景设计数据

2 数据分析

SMI眼动仪在试验中主要收集测试者在驾驶过程中的视线移动路径、重点注视区域以及停留时间等。本试验中重点采集了测试者从广告牌出现在视线内到广告牌离开视野范围过程中的相关视觉数据，并与无广告牌场景进行对比，可以得到测试者受到广告牌吸引的时间长度。同时横向对比测试者在不同场景下面对障碍时的反应时间，能够对驾驶员的注意力集中程度进行量化考核。

2.1 观测数据

通过根据眼动仪获取的测试者首次注视到广告牌的时间，与模拟驾驶仪中测试者鸣笛的时间进行推算，可得到测试者发现并观察到广告牌的时间；另外可根据测试者在驾驶过程中的口头汇报，判断其对广告牌观测的正确程度，数据如表3所示。从中可知测试者可以清晰观察到广告牌，但更容易发现密集程度较高，路侧距离较近的广告牌(场景3)，而就对观测正确率的影响程度而言，广告牌间隔较距路侧距离而言程度更小。

表3 不同场景下测试者对广告牌的观测数据

2.2 眼动仪数据

根据眼动仪数据，每个场景中测试者对广告牌区域的眼动仪数据统计如表4所示。

表4 不同场景下测试者的眼动仪数据

从数据中可以看出，当广告牌布设密度变大时，测试者对广告牌的观察频次和视线停留时间均有所上升。广告牌距路侧距离增大时，其对测试者的吸引程度大幅度下降。

图3为试验中测试者在场景2驾驶过程中，先后途径广告牌与障碍区段时的视觉线路。其视线集中于路侧广告牌(图中右侧画圈处)后缓慢偏移值道路正前方(图中左侧画圈处)并发现前方障碍，开始实施避让动作。

图3 测试者的视觉路线图Fig.3 Visual route of a tester

2.3 障碍规避数据

根据眼动仪记录视频中测试者视线首次落入障碍区域的时间，取与测试者驶入障碍物可见范围内(距离障碍物150 m)的时间差，可推算出测试者发现障碍物的时间。同时记录测试者开始进行规避操作时距离障碍物的距离，以及以测试者是否与障碍物发生碰撞记录其规避行为是否成功。详细数据如表5所示。

表5 测试者对不同场景下规避障碍的表现数据

图4为试验中某测试者在场景3驾驶过程中，10 s内的注视路径热力图，用于表现测试者的视线集中强度，颜色越深则说明强度越强。值得注意的是此时该测试者距离前方障碍物距离不足100 m时，其注视点仍然集中于路侧广告牌区域，而非障碍物区域。

图4 测试者的视觉热力图Fig.4 Visual thermodynamic diagram of a tester

3 模型建立和注意力指标分析

为判定测试者在不同场景下的注意力指标，在除去场景之间弯道连接处的基础上，以每个场景为分析单元，提取如下的眼动指标进行进一步分析。

(1)持续注视时间

将用于表征测试者的视线集中强度的注视时间进行分区域累加，包括广告牌区域、行驶车道区域和其他区域等，定义为不同区域的持续注视时间。该指标可以用来推断测试者的注意力集中区域，即其是否将注意力集中在主任务(正常驾驶)上。

(2)瞳孔疲劳系数

(1)

(3)累计眨眼时间

根据试验中每个场景内测试者的眨眼次数和眼动仪的采样频率可推断出测试者的眨眼总时间，用于衡量测试者的注意力集中程度。这一指标在文献[17]中被指出，在驾驶员疲劳程度较低时，眨眼时间较短，反之则会显著升高。其计算公式为：

(2)

式中，Tblink为累计眨眼时间；m为场景内眨眼次数；f=60 Hz为试验用眼动仪的采样频率。

3.1 分层有序离散选择模型

为进一步对测试者在驾驶时的专注程度和疲劳程度进行判断与量化，在考虑不同测试者存在的个体差异的前提下，建立分层有序离散选择模型。该模型的阈值基于每个测试者的各项眼动指标进行分别计算。设Fij为第i个测试者在第j个场景中的注意力集中程度(i=1,2,3,…，20；j=1,2,3,4)。 将φkj(k=1,2)定义为第j个测试者的专注程度的分级阈值，具体分类如下：

(3)

Fij=θij+εij，

(4)

(5)

式中，xpij为在第i个场景下第j名测试者的第p个协变量，包括测试者的持续注视时间、发现障碍物时间和障碍规避成功率；βpj为第j名测试者的回归系数。θij即为观测效用项；εij定义为误差项，且服从二重指数分布。对于Fij的累积分布函数，有

Pij(k)=P(Fij≤k)=

F(φkj-θij)=

(6)

特别的，利用φkj表示特殊场景下的测试者专注程度。其中φ1j为场景1时测试者平均专注程度，φ2j为其他各场景中测试者未能规避障碍时的平均专注程度，其表达式为：

(7)

式中，xpj为在特定场景下第j名测试者的第p个协变量；βq为第q个指标对φkj的影响程度；εj为均值为零且服从参数为0.05与0.05的伽马分布的误差项。

为评价该模型的计算精度，可使用离差信息准则[18](deviance information criterion, DIC)进行评价，其公式为：

(8)

3.2 测试者注意力量化统计

通过模型计算后，各场景下测试者的疲劳程度可得到进一步的量化区分。根据数据可以看出，初学者组的专注状态较熟练者组明显更低，且在场景3中的专注度下降尤为明显。另一方面，熟练者组的注意力虽然受到的影响较低，但在不同场景的表现下仍出现了一定的差异。从整体上来看，测试者在场景4的专注程度最好，有65%的测试者的专注水平为集中；而在场景3中，集中的测试者下降至45%。详细数据如表6所示。

表6 测试者的注意力量化统计

图5为不同场景下所统计的测试者瞳孔疲劳系数变化范围的箱线图。根据瞳孔疲劳系数可以对测试者的瞳孔直径波动程度进行反应。根据不同场景下测试者的总体专注程度可知，在专注度最差的场景3中，测试者的瞳孔疲劳系数也较其他两个场景高。而在其他两个场景之中，场景4的瞳孔疲劳系数略有下降的趋势，但该趋势并不明显。由此可见，在场景3中，测试者的瞳孔直径波动幅度更大，其专注程度也更低。

图5 不同场景下测试者的瞳孔疲劳系数Fig.5 Pupil fatigue coefficients of testers in different scenarios

图6为不同场景下测试者的累计眨眼时间的箱线图。从图中可看出场景3下测试者的累计眨眼时间有明显增加，有测试者甚至出现了长时间闭眼的情况。另外两场景下的测试者无太大区别。

图6 不同专注状态下测试者的累计眨眼时间Fig.6 Cumulative blink time of testers in different focus states

4 结论

本研究利用FORUM8模拟驾驶仪和SIM眼动仪对不同驾驶经验的测试者在模拟高速公路路段上进行了仿真驾驶，并提取了相关的眼动特征和驾驶行为参数。建立分层有序离散选择模型对测试者的专注程度进行量化，从而比较不同布设方式的广告牌对驾驶员注意力的影响程度。最终结果表明，广告牌的布设密集程度较其距路侧距离而言对测试者的影响更为明显，同时广告牌对驾驶经验较少的测试者的影响略为显著。建议在考虑经济条件、商业需求等多方前提下，避免密集布设广告牌，并严格控制广告牌的路侧距离。另外，本研究的试验环境虽然在模拟驾驶仪的辅助下可以有效对驾驶行为进行模拟演算，但仍存在一定的局限性，较真实驾驶条件仍存在一定的差异。如在真实的道路环境下会出现更多的不确定、不可测因素，对驾驶员的反应与判断造成影响；以及在试验过程中佩戴眼动仪也会令驾驶员在体感上产生与真实驾驶的差异。后续研究除了针对上述局限性，通过例如实车驾驶的方式对试验进行优化之外，针对广告牌对驾驶人员的其他因素，如广告内容，排版或颜色等也将进行更深入的讨论与研究。