基于马尔可夫链的隧道出口驾驶人注视特性研究

尚俊雅，茹强，杨世安

（长安大学汽车学院，陕西 西安 710064）

基于马尔可夫链的隧道出口驾驶人注视特性研究

尚俊雅，茹强，杨世安

（长安大学汽车学院，陕西 西安 710064）

采用faceLAB 5非接触眼动仪采集9名驾驶人驶出高速公路隧道出口时的眼动数据。运用K均值聚类法对驾驶人注视区域进行划分然后统计出驾驶人在隧道出口处的视觉分布与视觉转移频次。运用马尔可夫链理论分析驾驶人注视点在各个注视区域之间一步转移概率和平稳分布。研究发现，驾驶人的主要注视区域是正前方区域，并且在到达隧道出口处视觉转移频次达到最大。

交通工程；注视区域；马尔可夫链理论；视觉转移；K均值聚类

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

引言

驾驶人驶出隧道口时会经历一个突然由暗到明的“明适应”过程同时驾驶人视野突然变得开阔，驾驶人可能会对车速与车间距离产生误判。因此研究驾驶人视觉转移特性可以更好体现隧道口暗明变化对驾驶人影响。

1、试验数据获取

1.1 试验路段

本试验选择了西汉高速段的5处隧道作为试验路段。

1.2试验设备

非接触式眼动仪face LAB 5；WTD-012X个人GPS定位器；XYC1-LC-5非接触式五轮仪。

2、划分驾驶人注视区域

2.1 K均值聚类法

本文首先运用K均值聚类法对驾驶人的注视区域进行划分：

（1）输入样本集的大小为n，令t=1，确定K个初始的聚类中心：Fj(t), j=1,2,…k；

（2）计算每一个样本点与聚类中心的距离：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,则xi∈wk；

（3）对误差平方和函数S进行计算：

（4）若是||S(t)-S(t-1)||＜ζ,表示计算结果在误差允许范围内，计算结束。否则t=t+1，再计算出K个新的聚类中心，返回（2）进行计算。新的聚类中心的计算公式如下：

2.2 注视区域的划分

结合驾驶人注视点的分布图将驾驶人前方注视区域划分为：左方、正前方、右方、左后视镜、右后视镜、车内后视镜、前方远处和仪表盘。

3、驾驶人注视分布于转移特性

3.1 驾驶人注视分布

图 1驾驶人在经过隧道出口时注视区域主要集中于正前方。对比图1驾驶人在隧道口注视分布与图2驾驶人在普通路面注视分布，驾驶人将主要注意力集中于正前方区域，而在普通路面上驾驶人对于正前方的关注程度更高，对于左方和右方的关注程度明显低于驾驶人在隧道出口处的关注程度。

图1 驾驶人隧道出口注视分布Figure1 the driver's tunnel exit gaze distribution

图2 驾驶人普通路面注视分布Figure2 the driver's normal road gaze distribution

3.2 驾驶人视觉转移特性

为了研究驾驶人出隧道口时视觉转移变化的特性，以10米为单位分别统计出驾驶人在隧道内距隧道口 50米到出隧道口150之间的视觉转移频次。结果显示驾驶人在未出隧道口时视觉转移频次持续增加，驾驶人对于同一区域的关注时间也在减少，驾驶人在未出隧道口时视觉范围较窄。

4、驾驶人视觉转移特性

驾驶人的注视点转移过程中，下一点的驾驶人的注视状态只与上一点驾驶人注视状态有关，与上一点之前的驾驶人注视状态无关，这种特性符合马尔可夫性。运用马尔可夫理论研究隧道出口处驾驶人的注视点在各区域的一步转移概率和平稳分布。

4.1 一步转移概率

通过场景摄像头选择有用的眼动数据，统计出9名驾驶人在隧道出口处的注视点转移情况并作均值化处理。根据注视点在不同注视区域上的变化，得出连续两个注视点之间转移规律，计算出驾驶人在隧道口不同区域之间的注视点的一步转移概率矩阵。如表1所示。

表1 隧道出口处一步转移概率矩阵Table 1 tunnel exit step transition-probability matrix

⋆注视点从其他区域到某一区域的转移概率最大值用灰色标记。

（1）6处灰色区域指向正前方而且正前方的转移概率最大。驾驶人注视点转移到正前方、左方、右方和前方区域的转移概率总计0.669。

（2）驾驶人从正前方区域最有可能转向左方、右方、前方远处区域。驾驶人从左后视镜区域最有可能转向左方区域，观察完左方区域最有可能转向正前方区域。

（3）从前方远处转移到内后视镜的转移概率远大于从其他区域转移到内后视镜的概率。

4.2 注视的平稳分布

将隧道出口处一步转移概率矩阵作为系统的初始概率，得出驾驶人注视的平稳分布：

驾驶人的主要注视区域是正前方，其次是左方、右方、前方远处。而对于仪表盘、左后视镜、右后视镜和内后视镜关注较小。

5、结论

（1）驾驶人注意力集中在正前方区域，对比隧道出口处的注视分布与普通路面的注视分布，驾驶人在隧道出口增加了对左右两侧的关注。

（2）根据马尔可夫链理论计算发现驾驶人注视点从某一区域转向正前方的概率最大，并且驾驶人最有可能在左右两侧从左（右）后视镜-左（右）边区域-正前方转移。

[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] 贾伟.高速公路隧道安全评价研究[D].长安大学,2009﹒

[4] 曾祥平.公路隧道交通安全预警理论与方法研究[D].重庆交通大学,2008.

[5] 袁伟. 城市道路环境中汽车驾驶员动态视觉特性试验研究[D].长安大学,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，就读长安大学汽车学院。

10.16638/j.cnki.1671-7988.2017.06.026