城市道路干擾跟車對(duì)駕駛?cè)俗⒁饬Ψ峙涞挠绊?

吳付威，黎 莉，付 銳，王 暢，馬 勇

(1.長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064；2.長(zhǎng)安大學(xué) 汽車運(yùn)輸安全保障技術(shù)交通行業(yè)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710064)

0 引 言

駕駛?cè)俗⒁饬Ψ峙涮匦匝芯渴邱{駛?cè)私煌ㄌ匦匝芯康闹匾獌?nèi)容之一。目前，我國(guó)駕駛?cè)笋{駛技能和安全意識(shí)懸殊，在城市道路行車時(shí)經(jīng)常出現(xiàn)“見縫插針”等不安全駕駛行為，若后車駕駛?cè)顺霈F(xiàn)分心駕駛或應(yīng)對(duì)措施不當(dāng)，極易導(dǎo)致追尾事故發(fā)生。

駕駛?cè)艘曈X特性是影響交通安全最主要原因之一[1]，也是評(píng)價(jià)心理負(fù)荷的有效指標(biāo)[2]。研究表明，駕駛分心已經(jīng)成為機(jī)動(dòng)車事故的主要原因之一，約16%死亡事故和21%受傷事故是由駕駛分心造成的[3]。V.BEANLAND等[4]研究發(fā)現(xiàn)：大部分重傷事故與駕駛?cè)俗⒁饬Σ患杏嘘P(guān)，且大多數(shù)注意力不集中和分心情況是可以避免的；王暢等[5]研究發(fā)現(xiàn)：視線離開前方區(qū)域時(shí)，駕駛?cè)说能嚨辣３帜芰?huì)相應(yīng)的下降，車輛發(fā)生車道偏離的可能性增加；A.CUENEN等[6]開展了駕駛?cè)俗⒁饽芰θ萘康难芯?，表明在行駛過程中干擾目標(biāo)的出現(xiàn)(相對(duì)于障礙物)對(duì)駕駛?cè)祟A(yù)見潛在危險(xiǎn)能力具有負(fù)面影響；A.BOROWSKY等[7]研究了短暫視覺干擾對(duì)駕駛?cè)艘曈X搜索能力的影響，實(shí)驗(yàn)過程共涉及4種車內(nèi)視覺干擾，每種干擾時(shí)間為2 s，表明視覺干擾次任務(wù)會(huì)降低駕駛?cè)说奈ｋU(xiǎn)感知能力。干擾車突然切入屬于強(qiáng)制換道的一種，D.SUN等[8-9]在城市道路開展了換道行為研究，考慮不同駕駛?cè)巳后w特征，分別對(duì)自由換道、強(qiáng)制換道和競(jìng)爭(zhēng)(合作)換道建立了模型，并將所建模型在CORSIM微觀交通流模擬器上進(jìn)行了仿真。國(guó)內(nèi)學(xué)者對(duì)跟車過程中駕駛?cè)俗⒁曅袨樘匦院妥⒁曓D(zhuǎn)移規(guī)律開展了一系列研究，并對(duì)換道過程中眼動(dòng)行為特性進(jìn)行了對(duì)比分析，發(fā)現(xiàn)駕駛?cè)藢?duì)任一注視目標(biāo)都需多次重復(fù)注視才能獲取足夠信息；車輛在直行時(shí)，駕駛?cè)酥饕诋?dāng)前車道、相鄰車道與前方遠(yuǎn)處之間進(jìn)行注視轉(zhuǎn)移[10-13]。

綜合而言，目前研究主要針對(duì)正常跟車過程中駕駛?cè)笋{駛行為和注意力分配特性開展，而干擾車切入對(duì)后車駕駛?cè)俗⒁饬Φ挠绊懞苌偕婕?。而且，現(xiàn)有ACC系統(tǒng)對(duì)干擾車的突然切入尚無成熟應(yīng)對(duì)策略，一旦出現(xiàn)這種情況，ACC系統(tǒng)就會(huì)失效，無法保證安全跟車。因此，筆者在城市道路開展實(shí)車試驗(yàn)，通過眼動(dòng)數(shù)據(jù)分析干擾車切入時(shí)駕駛?cè)俗⒁饬υ诓煌煌繕?biāo)之間的分配特性及轉(zhuǎn)移模式，旨在探索合理的視覺搜索模式，指導(dǎo)駕駛?cè)思皶r(shí)發(fā)現(xiàn)干擾車并采取合理應(yīng)對(duì)措施。

1 試驗(yàn)數(shù)據(jù)采集

1.1 試驗(yàn)道路

典型的干擾車跟車過程示意如圖1。根據(jù)研究目的，選取西安某段典型城市道路作為試驗(yàn)路段。該路段為雙向四車道，由中央分隔帶分隔對(duì)向車流，路段全長(zhǎng)16.2 km，限速80 km/h，試驗(yàn)過程中交通流量為600～900車/h。

圖1 干擾車跟車過程示意Fig. 1 Diagram of vehicle-following with interference vehicle

1.2 被試對(duì)象選取

試驗(yàn)以自愿形式招募了28名駕駛經(jīng)驗(yàn)豐富的男性駕駛?cè)俗鳛樵囼?yàn)被試對(duì)象。要求被試人員身體健康，雙眼視力(包括矯正視力)在5.0以上。被試人員平均年齡為39.4歲，標(biāo)準(zhǔn)差為3.7歲；平均駕齡為11.9年，標(biāo)準(zhǔn)差為4.8年；平均駕駛里程1.36×105km。

1.3 試驗(yàn)車輛及設(shè)備

試驗(yàn)過程主要設(shè)備為faceLAB 5非接觸式眼動(dòng)儀，采樣頻率為30 Hz。該眼動(dòng)儀能有效地追蹤駕駛?cè)搜蹌?dòng)行為和頭部運(yùn)動(dòng)狀態(tài)，對(duì)駕駛過程無干擾。所選試驗(yàn)車輛為大眾途安牌轎車，搭載了用于探測(cè)前車距離的ESR毫米波雷達(dá)及其他相關(guān)設(shè)備。

通過試驗(yàn)車搭載的ESR毫米波雷達(dá)，可精確測(cè)量試驗(yàn)車前、后車輛與試驗(yàn)車的相對(duì)位置、速度等數(shù)據(jù)。筆者主要研究駕駛?cè)烁蓴_跟車過程中注意力分配特征及注視轉(zhuǎn)移特性，只需分析前方毫米波雷達(dá)數(shù)據(jù)。根據(jù)試驗(yàn)車前向攝像頭拍攝場(chǎng)景視頻，對(duì)干擾跟車數(shù)據(jù)進(jìn)行初步篩選。

1.4 數(shù)據(jù)篩選

駕駛?cè)酥饕揽恳曈X通道獲取交通信息。為準(zhǔn)確研究干擾跟車時(shí)駕駛?cè)俗⒁饬Ψ峙涮匦?，通過逐幀回放帶有注視點(diǎn)的眼動(dòng)錄像，確定注視點(diǎn)在不同注視區(qū)域之間分配情況及視線轉(zhuǎn)動(dòng)情況，共采集到有效干擾跟車179次。干擾車從左側(cè)切入98次，其中：最長(zhǎng)時(shí)間為13.3 s，最短時(shí)間為6.5 s，平均時(shí)間9.4 s。干擾車從右側(cè)切入81次，其中：最長(zhǎng)時(shí)間為13.2 s，最短時(shí)間為6.2 s，平均時(shí)間10.6 s。

2 駕駛?cè)俗⒁曁匦苑治?/h2>

2.1 注視區(qū)域劃分

國(guó)內(nèi)外學(xué)者對(duì)駕駛?cè)俗⒁晠^(qū)域劃分展開了一系列研究[14-17]。不同注視區(qū)域包含不同的交通信息。筆者根據(jù)干擾跟車特性，將駕駛?cè)艘曇皠澐譃?個(gè)區(qū)域，具體如表1。

表1注視區(qū)域劃分Table 1 Fixation area division

由于干擾車切入方向不同，對(duì)后車駕駛?cè)俗⒁饬Ψ峙涞挠绊懘嬖谝欢ú町悺Ｒ虼?，筆者將干擾車分為左側(cè)和右側(cè)車道切入兩種情況進(jìn)行考慮。在faceLAB 5眼動(dòng)儀參數(shù)中，GAZE_ROT_X表示視線繞水平軸轉(zhuǎn)動(dòng)情況，GAZE_ROT_Y表示視線繞垂直軸轉(zhuǎn)動(dòng)情況，二者反映駕駛?cè)艘暰€位置信息。視線轉(zhuǎn)動(dòng)角度在一定程度上能反映注視點(diǎn)的分布情況，筆者主要研究干擾跟車過程中駕駛?cè)艘暰€轉(zhuǎn)動(dòng)情況及注視分布情況。

2.2 干擾車左側(cè)切入時(shí)注意力分配情況

當(dāng)干擾車左側(cè)切入時(shí)，注視點(diǎn)在不同注視區(qū)域內(nèi)的分配比例以及視線轉(zhuǎn)動(dòng)情況如圖2。

正常跟車過程中，駕駛?cè)酥饕P(guān)注前方視野，即前方車輛和當(dāng)前車道，當(dāng)干擾車突然切入時(shí)，干擾車成為新的跟車目標(biāo)，駕駛?cè)藢?duì)干擾車關(guān)注相應(yīng)增加。由圖2(a)看出：當(dāng)干擾車從左側(cè)車道切入時(shí)，后車駕駛?cè)藢?duì)當(dāng)前車道及目標(biāo)車輛總注視比例為62.4%，表明其主要注意力在前方視野。當(dāng)干擾車從左側(cè)切入時(shí)，駕駛?cè)藢?duì)左側(cè)區(qū)域的注視比例(6.75%)高于右側(cè)(3.05%)。

視線在水平和垂直方向的轉(zhuǎn)動(dòng)角度分別表示駕駛?cè)俗⒁暷繕?biāo)的左右位置及前后距離。在水平方向上：約有96.3%的視線分布在[-50°，40°] 區(qū)間，表明駕駛?cè)酥饕P(guān)注正前方的當(dāng)前車道、目標(biāo)車輛、干擾車等位置，并且視線分布范圍較廣；當(dāng)干擾車從左側(cè)車道切入時(shí)，駕駛?cè)俗⒁饬χ饕杏谇胺杰囕v和干擾車，因此視線主要集中于水平方向-45°范圍。在垂直方向上：約92%的視線分布在[-15°，20°] 區(qū)間，表示駕駛?cè)酥饕⒁饬τ糜谟^察正前方區(qū)域，包括前方車輛及干擾車；垂直視線整體在前方視野偏上位置，且視線集中程度比水平方向高；視角在[10°，15°] 范圍內(nèi)表示駕駛?cè)岁P(guān)注目標(biāo)車輛，該比例為2.9%，說明干擾車切入使得駕駛?cè)藢⒆⒁饬哪繕?biāo)車輛轉(zhuǎn)移到干擾車。

圖2 干擾車左側(cè)切入時(shí)視線轉(zhuǎn)動(dòng)情況Fig. 2 Visual line rotation cutting-in from left side

2.3 干擾車右側(cè)切入時(shí)注意力分配情況

當(dāng)干擾車從右側(cè)切入時(shí)，后車駕駛?cè)俗⒁饬μ匦耘c左側(cè)切入有所不同。將該過程駕駛?cè)俗⒁暦植记闆r及視線轉(zhuǎn)動(dòng)情況進(jìn)行統(tǒng)計(jì)，如圖3。

由圖3(a)可知：當(dāng)干擾車從右側(cè)車道切入時(shí)，駕駛?cè)藢?duì)當(dāng)前車道和目標(biāo)車輛注視比例之和約為51%，表明駕駛?cè)诵枰嘘P(guān)注前方視野區(qū)域，以保證車輛橫向位置。此外，由于干擾車由右側(cè)切入，駕駛?cè)藢?duì)右側(cè)區(qū)域的注視分布比例為3.53%，高于對(duì)左側(cè)區(qū)域的注視(2.45%)。其他區(qū)域注視比例為3.03%，表明駕駛?cè)嗽谧⒁曑噧?nèi)儀表盤、路兩側(cè)的高樓及廣告牌等。

由圖3(b)可看出：約98.1%的水平視線分布在[-50°，50°] 區(qū)間，表明駕駛?cè)酥饕P(guān)注位置為正前方區(qū)域，包括當(dāng)前車道、目標(biāo)車輛、干擾車等。由于干擾車由右側(cè)車道切入，駕駛?cè)艘暰€在右側(cè)區(qū)域分布明顯多于左側(cè)區(qū)域。其中：視線在[50°，80°] ，表明駕駛?cè)嗽谟^察右側(cè)車道上的干擾車、右后視鏡以及交通標(biāo)志等。

3 干擾跟車過程中注視轉(zhuǎn)移模式

筆者將探討駕駛?cè)藙?dòng)態(tài)視覺行為在各注視區(qū)域間相互轉(zhuǎn)移模式特性。根據(jù)馬爾可夫理論，系統(tǒng)在t0時(shí)刻所處的狀態(tài)為已知條件下，在t0時(shí)刻以后達(dá)到的狀態(tài)，與t0時(shí)刻以前系統(tǒng)狀態(tài)無關(guān)，完全取決于t0時(shí)刻系統(tǒng)狀態(tài)，這個(gè)特性稱為“馬爾可夫性”。在駕駛過程中，駕駛?cè)俗⒁曄乱粋€(gè)注視點(diǎn)位置，只與當(dāng)前注視點(diǎn)有關(guān)，而與之前看了什么的位置無關(guān)。筆者將駕駛?cè)艘曇皠澐譃?個(gè)明確區(qū)域，相互獨(dú)立，即構(gòu)成了馬爾可夫理論離散的狀態(tài)空間；此外，駕駛?cè)俗⒁朁c(diǎn)是離散的，視線在兩個(gè)注視點(diǎn)之間運(yùn)動(dòng)為掃視過程，注視點(diǎn)位置轉(zhuǎn)移即狀態(tài)空間的變化。注視點(diǎn)在注視區(qū)域之間轉(zhuǎn)移是一個(gè)典型的齊次馬爾可夫鏈。

設(shè)aij為注視由狀態(tài)i轉(zhuǎn)向狀態(tài)j的頻數(shù)(i，j=A，B，…，F(xiàn))。

根據(jù)概率論知識(shí)，當(dāng)狀態(tài)概率的理論分布未知時(shí)，如果樣本容量足夠大，可用樣本分布來近似地描述狀態(tài)的理論分布。因此，可以用轉(zhuǎn)移頻率來近似地估計(jì)未知的轉(zhuǎn)移概率。故，由狀態(tài)i轉(zhuǎn)向j的轉(zhuǎn)移概率的估計(jì)值為pij=aij/ai。駕駛?cè)俗⒁朁c(diǎn)在各注視區(qū)域間視覺轉(zhuǎn)移的轉(zhuǎn)移概率矩陣用Pij表示，如PAD表示注視從區(qū)域A到D的轉(zhuǎn)移概率。

3.1 干擾車左側(cè)切入時(shí)注視轉(zhuǎn)移模式

筆者認(rèn)為：注視指駕駛?cè)艘暰€始終停留在某個(gè)注視區(qū)域，當(dāng)視線從某個(gè)注意區(qū)域移動(dòng)到其他區(qū)域時(shí)，視為注視的一次轉(zhuǎn)移。故注視從某區(qū)域到其自身的轉(zhuǎn)移概率均為0。通過逐幀回放法分析帶有注視點(diǎn)的眼動(dòng)錄像，統(tǒng)計(jì)駕駛?cè)俗⒁朁c(diǎn)在不同注視區(qū)域之間的轉(zhuǎn)移過程，得到注視點(diǎn)的轉(zhuǎn)移概率矩陣，如表2。

表2 干擾車左側(cè)切入時(shí)注視轉(zhuǎn)移概率Table 2 Fixation’s transition probabilities cutting-in from left side

注：注視從其他區(qū)域到該區(qū)域的轉(zhuǎn)移概率最大值用灰色標(biāo)記，下同。

由表2可知：PDE轉(zhuǎn)移概率值最高(0.750)，說明駕駛?cè)嗽陉P(guān)注目標(biāo)車輛之后，最有可能關(guān)注的目標(biāo)是干擾車。同時(shí)，PAD(0.528)和PEA(0.565)的值均較高，這也從另一個(gè)方面說明區(qū)域A(當(dāng)前車道)、區(qū)域D(目標(biāo)車輛)以及區(qū)域E(干擾車)是駕駛?cè)岁P(guān)注的重點(diǎn)，其注意力主要分配于這3個(gè)區(qū)域，并且在這3個(gè)區(qū)域之間不斷轉(zhuǎn)移。

此外，PBA明顯大于PCA，這是由于干擾車由左側(cè)切入，駕駛?cè)俗⒁饬^多地關(guān)注左側(cè)交通信息。

3.2 干擾車右側(cè)切入時(shí)注視轉(zhuǎn)移模式

干擾車從右側(cè)切入時(shí)，注視的轉(zhuǎn)移概率矩陣如表3。

表3 干擾車右側(cè)切入時(shí)注視轉(zhuǎn)移概率Table 3 Fixation’s transition probabilities cutting-in from right side

干擾車的切入破壞了原有穩(wěn)定的跟車狀態(tài)，本車駕駛?cè)烁嚲嚯x期望值突然減少，使得駕駛?cè)藢⒆⒁饬杏诟蓴_車上，防止事故發(fā)生，并通過控制車輛速度，以期達(dá)到新的穩(wěn)定跟車狀態(tài)。

由表3可看出：與干擾車左側(cè)切入類似，干擾車從右側(cè)切入時(shí)，駕駛?cè)俗⒁曓D(zhuǎn)移概率最高的仍為PDE(0.667)，這說明駕駛?cè)藢?duì)干擾車關(guān)注不受干擾車切入方向影響，仍較多地關(guān)注干擾車本身。此外，注視區(qū)域從左側(cè)到當(dāng)前車輛，從目標(biāo)車輛到干擾車的轉(zhuǎn)移次數(shù)在城市道路干擾跟車右側(cè)切入情況下一般相似。

當(dāng)前注視區(qū)域?yàn)閰^(qū)域E(干擾車)時(shí)，PEA和PED的值分別為0.352和0.376，二者之和大于0.700，說明駕駛?cè)诵枰^察右側(cè)干擾車切入的位置、距離，同時(shí)還需觀察當(dāng)前車道和目標(biāo)車輛，以保持車輛安全間距，避免發(fā)生追尾事故。筆者認(rèn)為：主要是干擾跟車過程中駕駛?cè)耸栌诟蓴_車距離就很容易發(fā)生交通事故。因此，需要駕駛?cè)藢⒆⒁朁c(diǎn)迅速轉(zhuǎn)移到當(dāng)前車道和干擾車上。

總體而言，在有干擾車出現(xiàn)時(shí)駕駛?cè)俗⒁饬Ψ峙淠Ｊ脚c正常跟車過程有所區(qū)別。由于干擾車的出現(xiàn)，駕駛?cè)藢⒆⒁饬^多地分配到干擾車出現(xiàn)一側(cè)，對(duì)前方視野的關(guān)注程度相對(duì)降低。

4 結(jié) 論

針對(duì)城市道路環(huán)境中干擾車切入對(duì)駕駛?cè)俗⒁饬Ψ峙涞挠绊?，筆者選取經(jīng)驗(yàn)駕駛?cè)俗鳛楸辉噷?duì)象，開展實(shí)車試驗(yàn)。結(jié)果表明：

1) 干擾車切入過程中，駕駛?cè)藢⒅饕⒁饬杏谇胺揭曇?。干擾車從左側(cè)和右側(cè)車道切入時(shí)，駕駛?cè)藢?duì)正前方視野注意力分配比例分別為62.4%和51%；

2) 干擾車切入過程中，駕駛?cè)艘暰€從目標(biāo)車輛(區(qū)域D)到干擾車(區(qū)域E)的轉(zhuǎn)移概率最高。干擾車由左側(cè)切入時(shí)，PDE=0.750；從右側(cè)切入時(shí)，PDE=0.667。

參考文獻(xiàn)(References)：

[1] 馬勇，付銳.駕駛?cè)艘曈X特性與行車安全研究進(jìn)展[J].中國(guó)公路學(xué)報(bào)，2015，28(6)：82-94.

MA Yong，F(xiàn)U Rui.Research and development of drivers visual behavior and driving safety[J].ChinaJournalofHighwayandTransport，2015，28(6)：82-94.

[2] 彭金栓，高翠翠，郭應(yīng)時(shí).基于熵率值的駕駛?cè)艘曈X與心理負(fù)荷特性分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(2)：118-121.

PENG Jinshuan，GAO Cuicui，GUO Yingshi.Drivers’ visual characteristics and mental load based on entropy rates[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2014，33(2)：118-121.

[3] LIANG Yulan，LEE J D.A hybrid bayesian network approach to detect driver cognitive distraction[J].TransportationResearchPartC：EmergingTechnologies，2014，38：146-155.

[4] BEANLAND V，F(xiàn)ITZHARRIS M，YOUNG K L，et al.Driver inattention and driver distraction in serious casualty crashes：data from the Australian National crash in-depth study[J].AccidentAnalysis&Prevention，2013，54：99-107.

[5] 王暢，郭應(yīng)時(shí)，付銳，等.視線離開前方區(qū)域時(shí)的駕駛?cè)瞬僮餍袨閇J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(3)：124-128.

WANG Chang，GUO Yingshi，F(xiàn)U Rui，et al.Driver’s operation behavior during eyes off road[J].JournalofChongqingJiaotongUniversity(NaturalScience)，2014，33(3)：124-128.

[6] CUENEN A，JONGEN E M M，BRIJS T，et al.Does attention capacity moderate the effect of driver distraction in older drivers?[J].AccidentAnalysis&Prevention，2015，77：12-20.

[7] BOROWSKY A，HORREY W J，LIANG Y，et al.The effects of brief visual interruption tasks on drivers’ ability to resume their visual search for a pre-cued hazard[J].AccidentAnalysis&Prevention，2016，93：207-216.

[8] SUN D，ELEFTERIADOU L.Lane-changing behavior on urban streets：an “in-vehicle” field experiment-based study[J].Computer-AidedCivilandInfranstructureEngineering，2012，27(7)：525-542.

[9] SUN D，ELEFTERIADOU L.A driver behavior-based Lane-changing model for urban arterial streets[J].TransportationScience，2014，48(2)：184-205.

[10] 郭應(yīng)時(shí)，郭艷君，付銳，等.車道變換過程中駕駛?cè)瞬僮骱妥⒁曅袨閇J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，34(4)：115-119.

GUO Yingshi，GUO Yanjun，F(xiàn)U Rui，et al.Operation and gazing behavior of driver during lane change[J].JournalofChang’anUniversity(NaturalScienceEdition)，2014，34(4)：115-119.

[11] 袁偉，付銳，郭應(yīng)時(shí)，等.基于馬爾可夫鏈的駕駛?cè)艘曈X轉(zhuǎn)移特征[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012，32(6)：88-93.

YUAN Wei，F(xiàn)U Rui，GUO Yingshi，et al.Driver’s visual transition characteristics based on the Markov chain[J].JournalofChang’anUniversity(NaturalScienceEdition)，2012，32(6)：88-93.

[12] 袁偉，徐遠(yuǎn)新，郭應(yīng)時(shí)，等.車道變換與直行時(shí)的駕駛?cè)俗⒁曓D(zhuǎn)移特性[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，35(5)：124-130.

YUAN Wei，XU Yuanxin，GUO Yingshi，et al.Fixation transfer characteristics of drivers during lane change and straight drive[J].JournalofChang’anUniversity(NaturalScienceEdition)，2015，35(5)：124-130.

[13] 吳付威.跟車和換道過程中駕駛?cè)俗⒁曓D(zhuǎn)移模式研究[D].西安：長(zhǎng)安大學(xué)，2012：40-45.

WU Fuwei.ResearchonDriver’sFixationTransitionModeduringCarFollowingandLaneChangingProcess[D].Xi’an：Chang’an University，2012：40-45.

[14] 馬勇.基于眼動(dòng)分析的汽車駕駛員視覺搜索模式研究[D].西安：長(zhǎng)安大學(xué)，2006：49-58.

MA Yong.StudyonDrivers’VisualSearchPatternBasedonAnalysisofEyeMovements[D].Xi’an：Chang’an University，2006：49-58.

[15] 郭應(yīng)時(shí).交通環(huán)境及駕駛經(jīng)驗(yàn)對(duì)駕駛員眼動(dòng)和工作負(fù)荷影響的研究[D].西安：長(zhǎng)安大學(xué)，2006：49-58.

GUO Yingshi.StudyonEffeetsofTrafficEnvironmentandDrivingExperienceonDriver’sEyeMovementandWorkload[D].Xi’an：Chang’an University，2009：43-72.

[16] 李輝，景國(guó)勛，賈智偉，等.駕駛員注意力分配定量方法研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2009，19(2)：148-151.

LI Hui，JING Guoxun，JIA Zhiwei，et al.Quantitative measuring method for the allocation of drivers’ attention[J].ChinaSafetyScience，2009，19(2)：148-151.

[17] 成英，高利，高鮮萍.城市快速路駕駛?cè)俗⒁饬Ψ峙涮卣髯兓痆J].中國(guó)安全科學(xué)學(xué)報(bào)，2014，24(10)：71-76.

CHENG Ying，GAO Li，GAO Xianping.Changes in attention allocation characteristics of drivers driving on expressway[J].ChinaSafetyScience，2014，24(10)：71-76.