使用駕駛?cè)送字睆降墓潭ㄎ餂_突識別方法

李世武, 徐　藝, 王琳虹, 孫文財(cái), 郭　棟

(1.吉林大學(xué) 交通學(xué)院, 130022 長春; 2.吉林省道路交通重點(diǎn)實(shí)驗(yàn)室(吉林大學(xué)), 130022 長春; 3.山東理工大學(xué) 交通與車輛工程學(xué)院,255000 山東 淄博)

?

使用駕駛?cè)送字睆降墓潭ㄎ餂_突識別方法

李世武1,2, 徐藝1, 王琳虹1,2, 孫文財(cái)1,2, 郭棟3

(1.吉林大學(xué) 交通學(xué)院, 130022 長春; 2.吉林省道路交通重點(diǎn)實(shí)驗(yàn)室(吉林大學(xué)), 130022 長春; 3.山東理工大學(xué) 交通與車輛工程學(xué)院,255000 山東 淄博)

摘要:以尋找可反映駕駛?cè)诵睦碡?fù)荷的交通沖突識別指標(biāo)及基于該指標(biāo)的交通沖突識別方法為目的，通過比較分析明確了沖突刺激與瞳孔直徑的相關(guān)關(guān)系，針對原始GSA(gravitational search algorithm)識別方法僅可搜索最優(yōu)解的缺陷并面向交通沖突識別要求提出了基于瞳孔直徑的GSA-T交通沖突快速識別方法. 撞固定物沖突驗(yàn)證結(jié)果顯示GSA-T方法的對比次數(shù)和識別時(shí)間均比枚舉方法少，證明GSA-T方法具有較低時(shí)間復(fù)雜度和空間復(fù)雜度的優(yōu)勢，可滿足交通沖突識別和道路安全評價(jià)的要求. 關(guān)鍵詞: 交通沖突技術(shù)； 識別方法； 駕駛?cè)耍?瞳孔直徑； 撞固定物沖突

交通沖突技術(shù)是當(dāng)前道路交通安全評價(jià)方法的主流[1]，許多專家學(xué)者對其進(jìn)行了廣泛關(guān)注和深入研究，并在常規(guī)交通沖突判別指標(biāo)方面取得了豐碩的研究成果[2-5]. 但是，多年前已被廣泛認(rèn)可的道路交通設(shè)計(jì)理論指出要以道路使用者的交通需求和生理-心理反應(yīng)特征作為道路設(shè)計(jì)的理論基礎(chǔ)[6]，而當(dāng)前的道路交通安全評價(jià)技術(shù)特別是交通沖突技術(shù)并未從駕駛?cè)诵睦斫嵌葘Φ缆方煌顩r進(jìn)行安全性評價(jià)，究其原因是未找到反映駕駛?cè)诵睦碡?fù)荷的交通沖突量化指標(biāo)以及基于該指標(biāo)的交通沖突辨識方法. 外界刺激與瞳孔直徑的關(guān)系研究為尋找可反映駕駛?cè)诵睦碡?fù)荷的交通沖突量化指標(biāo)提供了新的方向：裴玉龍等[7]研究了酒精刺激對駕駛?cè)送字睆降挠绊?；Neumann D L等[8]研究了精神負(fù)荷對瞳孔直徑變化的影響；Einh?user W等[9]研究了知覺變化對瞳孔直徑的影響并分析了引起瞳孔直徑變化的生理因素；Stuart R Steinhauer等[10]從神經(jīng)層面分析了任務(wù)難度對瞳孔直徑的影響規(guī)律；Barry Winn等[11]研究了年齡、性別等因素對光照刺激下瞳孔直徑變化的影響；Marco Pedrotti等[12]研究了聲音等刺激因素造成的心理壓力及其導(dǎo)致的瞳孔直徑變化.

上述研究成果未面向交通沖突刺激對駕駛?cè)送字睆降挠绊戇M(jìn)行研究，因此本文擬通過相關(guān)分析明確以撞固定物沖突[13-14]為代表的交通沖突刺激對駕駛?cè)送字睆降挠绊懀诖嘶A(chǔ)上研究面向道路交通安全評價(jià)需求的交通沖突快速識別方法.

1數(shù)據(jù)的采集與處理

1.1試驗(yàn)數(shù)據(jù)采集

使用駕駛模擬器對機(jī)動車、道路環(huán)境和固定障礙物進(jìn)行撞固定物沖突的室內(nèi)情景仿真. 模擬試驗(yàn)車型為捷達(dá)轎車，路面類型為瀝青路面，道路線形為直線，道路長度為115 m，為便于試驗(yàn)環(huán)境的量化并排除碰撞角度等因素的影響，將固定障礙物設(shè)置為駕駛訓(xùn)練場內(nèi)的高墻. 設(shè)置直線加速距離為100 m，制動位置到固定障礙物的距離為15 m. 試驗(yàn)場景示意圖如圖1所示.

圖1　試驗(yàn)場景示意圖

選擇駕齡超過20 a的6位男性駕駛?cè)俗鳛樵囼?yàn)對象，調(diào)節(jié)室內(nèi)照度，首先要求駕駛?cè)朔謩e在370 lx和490 lx的平均照度下靜止注視試驗(yàn)場景，然后要求駕駛?cè)嗽?70 lx和490 lx的平均照度下駕駛捷達(dá)轎車在100 m直線道路內(nèi)從起始位置由靜止分別加速到20、30、40 km/h，越過制動位置后自由制動，重復(fù)試驗(yàn)10次. 使用Smart Eye Pro 5.7眼動儀以60 Hz的采樣頻率采集駕駛?cè)送字睆綌?shù)據(jù)，使用TES-1339R照度計(jì)及其電腦端軟件同步記錄駕駛?cè)宋恢锰幍恼斩葦?shù)據(jù). 按照度將試驗(yàn)數(shù)據(jù)分為370 lx照度下的L組和490 lx照度下的H組，記370 lx照度下的靜止注視、20 km/h、30 km/h、40 km/h試驗(yàn)數(shù)據(jù)分別為L0、L1、L2、L3，記490 lx照度下的試驗(yàn)數(shù)據(jù)分別為H0、H1、H2、H3.

1.2試驗(yàn)數(shù)據(jù)處理

首先剔除眨眼時(shí)的瞳孔直徑數(shù)據(jù). 根據(jù)眼動儀提供的同步眨眼數(shù)據(jù)blink，剔除blink不為0幀號(framenumber)所對應(yīng)的瞳孔直徑數(shù)據(jù). 未剔除眨眼噪聲的瞳孔直徑曲線如圖2所示，眨眼噪聲剔除后的瞳孔直徑曲線如圖3所示.

圖2　未剔除眨眼噪聲的瞳孔直徑曲線

圖3　眨眼噪聲剔除后的瞳孔直徑曲線

為在后續(xù)研究中可更有效地分析瞳孔直徑的變化特征，并降低交通沖突識別的計(jì)算成本，有必要對瞳孔直徑數(shù)據(jù)進(jìn)行基于離散小波變換的降噪處理[12]. 使用Haar小波基進(jìn)行5級小波變換并重構(gòu)后的部分瞳孔直徑曲線如圖4所示.

圖4　5級小波(Haar)分解的瞳孔直徑曲線

根據(jù)照度和沖突程度的不同，可將試驗(yàn)數(shù)據(jù)分為L0、L1、L2、L3、H0、H1、H2、H3共8組，每組試驗(yàn)包含60個樣本數(shù)據(jù)，以每個樣本的均值作為組內(nèi)單元值求得的組內(nèi)方差見表1.

表1　試驗(yàn)數(shù)據(jù)組內(nèi)方差表

由表1可見，每組中各樣本均值相對每組樣本總數(shù)的平均值，其波動幅度均未超過1.00%，說明組內(nèi)樣本差異不大，駕駛?cè)藗€體區(qū)別未顯著影響試驗(yàn)數(shù)據(jù)的穩(wěn)定性.

2瞳孔直徑與撞固定物沖突的相關(guān)性分析

2.1瞳孔直徑與照度的相關(guān)性分析

為確定照度對瞳孔直徑的影響程度，需進(jìn)行照度與瞳孔直徑的相關(guān)性分析. 首先分析L組和H組的平均照度與平均瞳孔直徑的相關(guān)性.

(1)

經(jīng)計(jì)算，平均照度與平均瞳孔直徑的相關(guān)系數(shù)為-0.89，屬于高度負(fù)相關(guān).

為明確照度波動對瞳孔直徑的影響，需分析每組照度數(shù)據(jù)與對應(yīng)瞳孔直徑的相關(guān)性. 部分照度與對應(yīng)瞳孔直徑的曲線如圖5.

經(jīng)計(jì)算，L0、L1、L2、L3各組照度與瞳孔直徑的相關(guān)系數(shù)分別為-0.247、-0.033、-0.091、-0.188，最大照度差分別為3.62、4.02、4.45、5.49 lx；H0、H1、H2、H3各組照度與瞳孔直徑的相關(guān)系數(shù)分別為-0.050、-0.067、-0.297、-0.075，最大照度差分別為4.00、5.47、5.64、5.89 lx.

各組中照度與瞳孔直徑的相關(guān)系數(shù)絕對值均未超過0.30，屬于微相關(guān). 平均照度與平均瞳孔直徑的相關(guān)性明顯，而未取均值的照度與瞳孔直徑僅為微相關(guān).

2.2瞳孔直徑與交通沖突的相關(guān)性分析

設(shè)起始位置到制動位置時(shí)間內(nèi)駕駛?cè)私邮艿拇碳?，制動位置后至車輛停止時(shí)間內(nèi)沖突對駕駛?cè)说拇碳?，構(gòu)造沖突刺激曲線，計(jì)算沖突刺激與瞳孔直徑的相關(guān)系數(shù). L1、L2、L3各組沖突刺激與瞳孔直徑相關(guān)系數(shù)分別為0.64、0.64、0.77，H1、H2、H3各組沖突刺激與瞳孔直徑相關(guān)系數(shù)分別為0.94、0.81、0.77.

由各組相關(guān)系數(shù)可見，相關(guān)系數(shù)均在0.64以上，屬于顯著相關(guān)范圍，說明沖突刺激對駕駛?cè)送字睆疆a(chǎn)生了明顯的影響，通過瞳孔直徑識別交通沖突具有可行性.

3基于瞳孔直徑的交通沖突快速識別方法3.1GSA原理與優(yōu)勢

萬有引力搜索算法(GSA)[15]假設(shè)搜索粒子在空間中具有一定質(zhì)量且遵循萬有引力定律和動力學(xué)定律，在引力作用下均朝質(zhì)量較大粒子的方向移動. 空間中的粒子以引力的形式相互影響，使粒子群向最優(yōu)解的區(qū)域展開搜索. 算法中，每個粒子包括4個特征：位置、慣性質(zhì)量、主動引力質(zhì)量和被動引力質(zhì)量，粒子的位置即為問題的解.

設(shè)在一個D維搜索空間中包含n個粒子，定義粒子i的位置為

(2)

式中：Mpi(t)粒子的被動吸引質(zhì)量；Mat(t)為j粒子的主動吸引質(zhì)量；ε為較小的常量；Raj(t)為i粒子與j粒子之間的歐氏距離；G(t)為t時(shí)刻的引力常數(shù).

(3)

粒子i在下一時(shí)刻的速度和位置的方程組為

(4)

t時(shí)刻粒子i在k維空間上的加速度為

(5)

式中Mii(t)為粒子i的慣性質(zhì)量.

設(shè)引力質(zhì)量與慣性質(zhì)量相等，使用適應(yīng)度函數(shù)表示粒子的質(zhì)量. 引力質(zhì)量與慣性質(zhì)量按如下方程組更新為

(6)

式中：i=1,2,…,n；fi(t)為t時(shí)刻粒子i的適應(yīng)度值；解決最大值問題時(shí)，b(t)和w(t)按如下方程組定義為

(7)

3.2基于瞳孔直徑的沖突快速識別方法

本文嘗試使用GSA搜索瞳孔直徑超過閾值的時(shí)刻，進(jìn)而識別交通沖突. 本文擬在原始GSA搜索策略的基礎(chǔ)上調(diào)整其迭代過程，提出一種可實(shí)現(xiàn)準(zhǔn)確、快速識別交通沖突位置及數(shù)量的GSA-T方法. 該方法的具體識別步驟如下.

1)數(shù)據(jù)初處理. 將含有交通沖突的瞳孔直徑數(shù)據(jù)進(jìn)行眨眼數(shù)據(jù)剔除和5級小波分解，生成待匹配瞳孔直徑數(shù)據(jù)P0, 計(jì)L0為P0中每個采樣點(diǎn)的初始序號并將其作為采樣點(diǎn)的位置標(biāo)記.

2)GSA初始條件設(shè)定. 設(shè)待匹配瞳孔直徑數(shù)據(jù)為Pr(r為識別結(jié)果數(shù)量，初始值為0)，識別出的交通沖突時(shí)段瞳孔直徑第一采樣點(diǎn)初始序號的集合為Ir，相應(yīng)適應(yīng)度值為Fr，設(shè)搜索粒子數(shù)量為n，迭代次數(shù)為t(初始迭代次數(shù)為t=1)，粒子位置x(t)(x(t)={x1，x2,…,xn})對應(yīng)的瞳孔直徑數(shù)據(jù)為d(t)，以粒子位置為第中位采樣點(diǎn)且采樣點(diǎn)個數(shù)為Lm的瞳孔直徑數(shù)據(jù)為Pxi，適應(yīng)度值f(t)=d(t)，GSA終止條件為適應(yīng)度值連續(xù)st(st∈N*)次相同，交通沖突識別過程終止條件為適應(yīng)度值小于已知沖突中最小的瞳孔直徑峰值sr(sr∈R+).

3)適應(yīng)度值計(jì)算.更新粒子位置為x(t)(xi為Pr采樣點(diǎn)初始序號范圍內(nèi)的隨機(jī)數(shù)，i=1,2,…,n)，按照式(1)～(5)計(jì)算M、α及搜索粒子的速度和位置(維數(shù)k=1)，按照式(6)更新G(t)和b(t).

5)結(jié)果輸出. 輸出瞳孔直徑位置Ir和對應(yīng)的適應(yīng)度值Fr，方法流程如圖6.

本方法在每次瞳孔直徑識別中均使用GSA搜索方式尋找瞳孔直徑最大值及其對應(yīng)位置，從而減少了搜索次數(shù)；此外，本方法第4步(b)過程重新生成Pr的作用在搜索到目標(biāo)數(shù)據(jù)段后剔除該段數(shù)據(jù)以生成新的待匹配數(shù)據(jù)并繼續(xù)進(jìn)行識別，從而克服了GSA僅可搜索最優(yōu)值的弊端，在保證識別出所有交通沖突的前提下減少了運(yùn)算量.

圖6　GSA-T識別方法流程

4識別方法驗(yàn)證與結(jié)果分析

4.1識別方法驗(yàn)證

1)數(shù)據(jù)初處理. 將490 lx照度下的H1、H2、H3組試驗(yàn)數(shù)據(jù)作為驗(yàn)證數(shù)據(jù). 由于試驗(yàn)場景為直線路段，所以每一車速的重復(fù)試驗(yàn)需單獨(dú)進(jìn)行，因此將每一車速下多個重復(fù)試驗(yàn)數(shù)據(jù)合并于一組數(shù)據(jù)作為瞳孔直徑識別的基礎(chǔ)數(shù)據(jù).

將含有撞固定物沖突的瞳孔直徑數(shù)據(jù)進(jìn)行眨眼數(shù)據(jù)剔除和5級小波分解，生成P0和L0. 待匹配瞳孔直徑曲線如圖7.

圖7　待匹配瞳孔直徑曲線

2)GSA初始條件設(shè)定. 設(shè)搜索粒子數(shù)量n=20，初始迭代次數(shù)為t=1，st=50，sr=4.

3)GSA計(jì)算過程. 按照式(1)～(5)計(jì)算M、a及搜索粒子的速度和位置，按照式(6)更新G(t)和best(t).

4)過程迭代. (a)若t-50≤0，則t=t+1，運(yùn)行步驟4；(b)若t-50>0, b(t)-b(t-st)≠0，則t=t+1，運(yùn)行步驟3；(c)若t-50>0，b(t)-b(t-st)=0且b(t)≥4，將最優(yōu)粒子位置賦值為Ir，相應(yīng)適應(yīng)度值b(t)賦值為Fr，r=r+1，生成新的待匹配瞳孔直徑數(shù)據(jù)Pr，t=1，運(yùn)行步驟3；(d)若t-50>0，b(t)-b(t-st)=0且b(t)<4，停止迭代.

5)結(jié)果輸出. 輸出的瞳孔直徑位置和對應(yīng)的適應(yīng)度值見表3.

表3　Ir與Fr的識別結(jié)果

4.2結(jié)果分析

枚舉法以逐點(diǎn)掃描的方式對待匹配數(shù)據(jù)進(jìn)行計(jì)算比較，而GSA-T方法借鑒GSA搜索策略計(jì)算全局最優(yōu)值，因而可避免對大量非目標(biāo)數(shù)據(jù)的計(jì)算比較. 此外，GSA-T方法通過剔除已識別數(shù)據(jù)并生成新的待匹配數(shù)據(jù)解決了原始GSA僅搜索全局最優(yōu)解的問題，同時(shí)避免了數(shù)據(jù)的重復(fù)搜索，進(jìn)而提高了算法的識別速度. GSA-T方法的識別結(jié)果曲線如圖8，其中紅色虛線表示識別出的撞固定物沖突區(qū)域. 枚舉法對撞固定物沖突識別結(jié)果如圖9，其中紅色圓圈表示識別出的撞固定物沖突點(diǎn). 枚舉法與GSA-T方法的識別效果對照見表4，表中GSA-T數(shù)據(jù)為30次識別所得均值，對比次數(shù)進(jìn)行了四舍五入取整處理.

圖8　GSA-FFT方法識別結(jié)果

圖9　枚舉法識別結(jié)果

識別方法對比次數(shù)識別時(shí)間/ms識別數(shù)量枚舉184198196GSA-T90276486

由表4和圖8、9可見，本實(shí)例中共有18 919個采樣點(diǎn)，使用枚舉法逐點(diǎn)掃描需進(jìn)行18 419次瞳孔直徑值的對比，相比GSA-T 方法在非目標(biāo)采樣點(diǎn)處多進(jìn)行了9 392次傅里葉變換，是GSA-T 方法中對比計(jì)算量的2倍，由于GSA-T方法需要進(jìn)行相對復(fù)雜的初始化過程和迭代循環(huán)過程，其識別時(shí)間雖不是枚舉法識別時(shí)間的0.5倍，但仍比枚舉法節(jié)省了170 ms. 此外，枚舉法與GSA-T識別方法均完成了全部撞固定物沖突下瞳孔直徑的識別，兩種方法在識別精度上無顯著差別. 但是，枚舉法未能明確標(biāo)記沖突過程所對應(yīng)的位置，若要達(dá)到GSA-T方法的識別效果必將延長識別時(shí)間.

因此可判斷，本文所述GSA-T方法可在較短時(shí)間內(nèi)有效識別交通沖突下的瞳孔直徑數(shù)據(jù)位置，具有較低的時(shí)間復(fù)雜度和空間復(fù)雜度，可用于交通沖突的快速辨識和道路交通安全評價(jià).

5結(jié)論

1)證明了沖突刺激與瞳孔直徑的相關(guān)關(guān)系，明確了基于瞳孔直徑數(shù)據(jù)的交通沖突識別的可行性，為交通沖突技術(shù)領(lǐng)域和交通安全評價(jià)領(lǐng)域提供了較為新穎而有效的評價(jià)指標(biāo).

2)克服了原始GSA搜索算法僅可搜索最優(yōu)解的缺陷，提出了基于瞳孔直徑的GSA-T交通沖突快速識別方法，為完善不同交通沖突類型下的瞳孔直徑模型，研究基于駕駛?cè)搜蹌犹卣鞯慕煌_突量化方法，逐步構(gòu)建交通安全評價(jià)體系提供了技術(shù)支持.

3)由于試驗(yàn)條件有限，僅進(jìn)行了將訓(xùn)練場內(nèi)高墻作為固定障礙物的沖突試驗(yàn)，造成對瞳孔直徑與沖突間關(guān)系分析的局限性. 在后續(xù)研究中，將進(jìn)行其他交通沖突形式的試驗(yàn)研究，并對駕駛?cè)送字睆胶驮囼?yàn)環(huán)境進(jìn)行更為準(zhǔn)確的量化和更為深入的分析.

參考文獻(xiàn)

[1] 張?zhí)K.中國交通沖突技術(shù)[M]. 成都: 西南交通出版社, 1998.

[2] MINDERHOUD M M, BOVY P H L. Extended time-to-collision measures for road traffic safety assessment[J]. Accident Analysis & Prevention, 2001,33(1): 89-97.

[3] ALIAKSEI L, ASE S, CHRISTER H. Evaluation of traffic safety, based on micro-level behavioural data: theoretical framework and first implementation[J]. Accident Analysis and Prevention,2010, 42(6):1637-1646.

[4] 孟祥海,徐漢清,王浩,等. 基于 TTC及DRAC 的高速公路施工區(qū)追尾沖突研究[J].交通信息與安全, 2013, 30(6): 6-10.

[5] 徐漢清. 基于碰撞時(shí)間的側(cè)向沖突指標(biāo)計(jì)算模型研究[J]. 城市道橋與防洪, 2014 (6): 268-271.

[6] (蘇)巴布可夫. 道路條件與交通組織[M]. 祁振慶，譯. 北京：中國建筑工業(yè)出版社，1983.

[7]FU C Y, PEI Y L. Analysis on driver’s physiological and eye movement characteristics under alcohol effect[J]. Advances in Intelligent Transportation System & Technology, 2012, 5(5):138-143.

[8] NEUMANN D L, LIPP O V. Spontaneous and reflexive eye activity measures of mental workload[J]. Australian Journal of Psychology, 2002, 54(3): 174-179.

[10]STEINHAUER S R, SIEGLE G J, CONDRAY R, et al. Sympathetic and parasympathetic innervation of pupillary dilation during sustained processing[J].International Journal of Psychophysiology,2004,52(1):77-86.

[11]WINN B, WHITAKER D, ELLIOTT D B, et al. Factors affecting light-adapted pupil size in normal human subjects[J]. Investigative Ophthalmology & Visual Science, 1994, 35(3): 1132-1137.

[12]PEDROTTI M, MIRZAEI M A, TEDESCO A, et al. Automatic stress classification with pupil diameter analysis[J]. International Journal of Human-Computer Interaction, 2014, 30(3): 220-236.

[13]羅石貴,周偉. 路段交通沖突技術(shù)研究[J]. 公路交通科技, 2001,18(1):65-68.

[14]羅石貴, 周偉. 路段交通沖突的調(diào)查技術(shù)[J]. 長安大學(xué)學(xué)報(bào)(自然科學(xué)版), 2003, 23(1): 71-75.

[15]RASHEDI E,NEZAMABADI-POUR H, SARYAZDI S.GSA: a gravitational search algorithm[J].Information Sciences, 2009,179(13):2232-2248.

(編輯魏希柱)

Construction conflict identification method using driver’s pupil diameter

LI Shiwu1,2, XU Yi1, WANG Linhong1,2, SUN Wencai1,2,GUO Dong3

(1.Transportation School, Jilin University, 130022 Changchun，China; 2. Key Laboratory of Road Traffic in Jilin Province(Jilin University), 130022 Changchun，China; 3. School of Transportation and Vehicle Engineering, Shandong University of Technology, 255000 Zibo，Shandong，China)

Abstract:To find traffic conflict identification indicator which can reflect driver’s mental load and traffic conflict identification method based on the indicator, the correlation between the conflict stimuli and the pupil diameter is identified by comparative analysis, a pupil diameter based GSA-T fast traffic conflict identification method is proposed to remedy the defects of original GSA to meet the requests of traffic conflict identification. The result of construction conflict shows that the computation and the identification time of the GSA-T is shorter than the Enumeration method, thus the low time complexity and space complexity are testified. It is proved that GSA-T can meet the requests of traffic conflict identification and road safety evaluation, and can lay foundation for further study of relationship between traffic conflict severity and pupil diameter.

Keywords:traffic conflict technique; identification method; driver; pupil diameter; construction conflic

中圖分類號:U491.265

文獻(xiàn)標(biāo)志碼:A

文章編號:0367-6234(2016)03-0082-07

通信作者:王琳虹，wanghonglin0520@126.com.

作者簡介:李世武(1971—)，男，教授，博士生導(dǎo)師.

基金項(xiàng)目:國家自然科學(xué)基金(51308251, 51308250, 51508315)；

收稿日期:2014-10-10.

doi：10.11918/j.issn.0367-6234.2016.03.014

中國博士后基金特別資助(2014T70292)；

吉林省科技發(fā)展計(jì)劃(20130521004JH, 20140204021SF).