駕駛人視覺負荷研究綜述

秦雅琴，趙鵬燕，謝濟銘，王錦銳

(昆明理工大學 交通工程學院，云南 昆明 650500)

0 引言

道路交通的高速發(fā)展給人們的生活帶來了極大的便利，但同時也引發(fā)了嚴峻的交通安全問題.中國國家統(tǒng)計局發(fā)布的交通事故數(shù)據(jù)顯示，我國每年因交通事故受傷和死亡的人數(shù)在31.2萬人左右[1]，且有逐年增長的趨勢；世界各國交通事故也呈相同的發(fā)展態(tài)勢，根據(jù)2018年世界衛(wèi)生組織提供的數(shù)據(jù)，全球每年因交通事故死亡的人數(shù)高達130萬，道路交通安全問題已經(jīng)成為了一種全球性問題[2].為探究道路交通事故的發(fā)生機理，國內外學者主要從駕駛人的視覺、認知和制動3個方面進行了駕駛負荷研究.其中，駕駛人的視覺負荷對駕駛性能各項表征指標的影響是最大的[3].

視覺負荷研究已經(jīng)開展了數(shù)十年，利用中國知網(wǎng)檢索關鍵詞“駕駛人視覺負荷”，Web of Science核心合集數(shù)據(jù)庫檢索關鍵詞“visual load*”，將檢索范圍限制到交通學科，結果如圖1所示.可以看出，現(xiàn)有研究中對駕駛人視覺負荷的研究正在逐年增長，2010年以前，駕駛負荷的研究還處于起步階段，針對其更加細化的視覺負荷研究更是寥寥無幾.隨著負荷理論體系的逐步完善，視覺負荷的研究成果證實了視覺信息在道路交通安全方面的重要作用.近十來，交通領域各學者開始加大對視覺負荷研究的關注，并取得了大量研究成果[4-8]，目前仍是比較熱門的研究方向.

圖1 發(fā)文趨勢圖Fig.1 Trend chart of article publication

使用CiteSpace軟件對檢索的文獻進行進一步分析.表1為駕駛人視覺負荷研究領域的主題詞出現(xiàn)頻次統(tǒng)計表.圖2為關鍵詞聚類圖譜.由表1和圖2分析可以看出,我國在交通領域關于“視覺負荷”的研究主要從駕駛人的動態(tài)視覺特性、駕駛人視覺負荷及交通安全等方面展開.

圖2 駕駛人視覺負荷研究關鍵詞聚類Fig.2 Keywords cluster of driver’s visual workload

表1 駕駛人視覺負荷研究頻次前10的研究主題Tab.1 Top 10 research topics of driver visual load research frequency

雖然關于駕駛人視覺負荷的研究已經(jīng)開展了數(shù)十年，但是由于衡量指標選擇較為單一,且駕駛負荷的形成機理較為復雜，對于視覺負荷的研究仍然缺乏系統(tǒng)性的總結和梳理.因此，本文對國內外道路交通安全領域中關于駕駛人視覺負荷的重要研究成果進行系統(tǒng)介紹，探究駕駛人視覺負荷的影響因素及其研究方法，梳理視覺負荷的應用領域，并對視覺負荷的未來研究趨勢進行了展望.

1 視覺負荷與道路交通安全

1.1 駕駛人視覺特性

駕駛人在行駛過程中通過視覺搜索來獲取交通信息，具體表現(xiàn)為注視、掃視和眨眼，其視覺搜索行為隨交通環(huán)境的變化而呈現(xiàn)出一定的規(guī)律[9].駕駛人的視覺特性分析是評價駕駛人視覺負荷的工作基礎，通過對比駕駛人視覺特性參數(shù)的變化規(guī)律可以反映駕駛人的視覺負荷.其中，駕駛人的眨眼頻次及瞳孔直徑變化可以直觀表征駕駛人所承受的視覺負荷，其他視覺特性評價指標通過影響駕駛人視覺信息的獲取難度及獲取數(shù)量可以間接表征其視覺負荷[10].駕駛人視覺特性與視覺負荷的關系如圖3所示.由于駕駛人的視覺特性參數(shù)可以直接通過眼動儀采集，信息獲取較為直接、準確，因此很多有關視覺負荷的研究都利用眼動儀采集駕駛人的視覺參數(shù)進行特性分析.駕駛人視覺特性評價指標所能表征的視覺負荷的關系如表2所示.

圖3 駕駛人視覺特性與視覺負荷的關系Fig.3 Relationship between driver’s visual characteristics and visual load

表2 視覺特性評價指標及其內涵Tab.2 Evaluation index of visual characteristics and its connotation

續(xù)表2

1.2 視覺負荷內涵

視覺負荷的內涵主體由視覺信息接收源和視覺信息刺激源2個部分組成.完成駕駛任務過程中，駕駛人是視覺信息的接收源，其所處的交通環(huán)境即為視覺信息刺激源.駕駛人需要不斷地通過視覺搜索行為從交通環(huán)境中獲取視覺資源，提取有用的交通信息，指導駕駛決策.但是駕駛人的視覺資源獲取能力是有限的，當需要識別的信息過多或信息識別較為困難時，駕駛人需要消耗的視覺資源就會增大.因此，視覺負荷可以理解為在行車過程中，駕駛人通過注視與掃視等視覺行為，搜索交通環(huán)境中的駕駛信息所消耗的視覺資源，其內涵為駕駛人在視覺信息加工過程中，視覺系統(tǒng)通道的信息處理強度[19].視覺負荷是影響駕駛人視覺信息處理能力的關鍵因素[20]，不僅能衡量駕駛人行車過程中的視覺舒適度[7]，同時對保障行車安全也有重要意義[21].

1.3 視覺負荷對交通安全的影響

行車過程中，大約80%的交通信息都是駕駛人通過視覺搜索獲取的，持續(xù)不斷的視覺搜索過程將會增加駕駛人的視覺負荷[22].當視覺環(huán)境較為復雜時，駕駛人的信息搜索工作也會變得繁重，需要接受處理的信息量就越多，駕駛人的視覺負荷也越大，長時間行駛在這種環(huán)境中會導致駕駛人的信息處理能力達到極限，從而出現(xiàn)反應遲鈍或判斷失誤等危險駕駛行為[23].反之，當視覺環(huán)境較為簡單時，駕駛人需要處理的信息量少，產(chǎn)生的視覺負荷也會相對較小[24].但是當視覺負荷較小時，駕駛人視覺信息刺激強度不夠，容易產(chǎn)生視覺疲勞而導致交通事故[25].因此，從安全駕駛角度分析，確保駕駛人的視覺負荷處于一個適當?shù)拈撝祵π熊嚢踩种匾猍26].

2 視覺負荷的影響因素

從視覺負荷的生成機理來看，駕駛人作為視覺信息接收源，其自身因素，如駕駛人視覺搜索模式、年齡、人格特質、駕駛經(jīng)驗等都會對視覺負荷產(chǎn)生影響.此外，由于駕駛任務的復雜性，交通環(huán)境作為視覺信息的刺激源，也會對視覺負荷產(chǎn)生較大影響.如圖4所示，本文從駕駛人視覺負荷的生成機理出發(fā)，將其影響因素從信息接收源和信息刺激源2個方面進行了分類，2類因素在駕駛過程中共同存在且相互影響.

圖4 駕駛人視覺負荷影響因素Fig.4 Influencing factors of driver’s visual load

2.1 駕駛人

在駕駛過程中，駕駛人通常需要在短時間內收集、篩選駕駛環(huán)境中的大量交通信息，并將這些信息進行加工、處理，以便快速做出反應與決策[27].在這一過程中，駕駛人會受到環(huán)境認知、決策處理與駕駛操作能力的局限，這些局限主要體現(xiàn)在駕駛人的視覺搜索模式、年齡、人格特質及感知能力等方面.在這些核心因素的影響下，不同駕駛人感知到的視覺信息也不同，且與實際駕駛環(huán)境信息存在一定的差異[28].因此，即使在同一駕駛環(huán)境中，不同駕駛人的視覺負荷也存在顯著差異.

2.1.1 駕駛經(jīng)驗

新手駕駛人在進行視覺信息搜索時，由于缺乏駕駛經(jīng)驗，視覺搜索過程中搜索廣度小、注視區(qū)域多、掃視幅度小、掃視速度快[29]，頻繁的信息搜索行為嚴重增加了駕駛人的視覺負荷[30].相比于新手駕駛人，有經(jīng)驗的駕駛人視覺搜索模式更靈活，從駕駛經(jīng)驗中獲取的視覺搜索技能優(yōu)化了駕駛人的視覺搜索模式[31]，彌補了普通駕駛技能培訓的不足[32].因此，相比于新手駕駛人，經(jīng)驗較為豐富的熟練駕駛人在復雜的動態(tài)視覺空間中視覺負荷更小，主要表現(xiàn)為對物體跟蹤更為準確，注視熵率值更低[33]，檢測關鍵視覺信息更為精準，并且能夠在不轉移駕駛任務注意力的情況下檢測到可能發(fā)生危險的情境[34].

此外，將有經(jīng)驗的駕駛人的視覺信息搜索軌跡進行重現(xiàn)，可以讓新手司機跟隨該軌跡路徑進行信息搜索，從而完成對新手司機的視覺搜索訓練.訓練完成后，新手駕駛人學會了如何在相似場景中調動對應的視覺搜索模式[35]，因此，駕駛經(jīng)驗不足的駕駛人可以通過視覺搜索訓練來改善信息搜索技能[36].

2.1.2 年齡

視覺負荷形成過程中會受到駕駛任務處理能力的影響.隨著年齡的增長，老年駕駛人身體機能開始退化，導致其任務處理能力下降，有效視野范圍縮小，視覺適應能力降低[37].因此，視覺負荷在駕駛人年齡影響下的總體趨勢表現(xiàn)為老年駕駛人視覺負荷大于青年駕駛人.在復雜的交通環(huán)境中，如交叉口，老年駕駛人對周邊視野的信息搜索能力會隨著年齡的增長而衰退[38]，老年駕駛人的視覺負荷會更高[39].為了改善上述問題，Waard等[40]認為減少一些不必要的視覺信息元素，并限制老年人的行駛車速，可以保證“人-車-路-環(huán)”信息都能夠得到妥善處理，從而降低老年駕駛人的視覺負荷，提高行車安全性.

2.1.3 人格特質

駕駛人的人格特質作為一種影響駕駛安全的潛在因素[41]，在一定程度上可以反應駕駛人所能接受的工作負荷[42]，其中也包括視覺負荷.激進型(Aggressive)駕駛人對周圍環(huán)境關注較少[43]，與憤怒型(Angry)駕駛人相似[44]，由于行駛過程中頻繁且快速地出現(xiàn)換道、加速、超車等駕駛行為，這些激進的駕駛行為增加了其視覺負荷，同時還增加了交通事故的發(fā)生概率.保守型(Cautious)駕駛人在決策前會更謹慎地觀察周邊環(huán)境[45]，與激進型駕駛人相比，行駛過程中注視區(qū)域和視覺搜索范圍更廣，注視點更加密集，因此保守型駕駛人的視覺負荷大于激進型駕駛人[46].人格特質對視覺負荷的影響是客觀存在且難以改變的，但是隨著駕駛輔助技術的發(fā)展，可以針對不同人格特質的駕駛人進行個性化設計，制定符合其駕駛習慣的輔助系統(tǒng)，在駕駛過程中指導其駕駛行為，從而避免上述激進駕駛行為，在保障規(guī)范駕駛的基礎上也能有效減小駕駛人視覺負荷[47].

2.1.4 感知能力

感知能力影響了駕駛人在行車過程中對本車及周圍車輛的駕駛狀況判斷，進而影響了駕駛人的視覺信息搜索模式.Patoine等[47]通過研究駕駛人的視覺負荷與感知能力的作用關系，證明了感知能力與視覺負荷是影響駕駛安全的2個重要因素.李青等[48]進一步研究了駕駛人感知能力中的風險感知能力，將駕駛人的風險感知能力分為3個等級：安全型、一般型及危險型，研究發(fā)現(xiàn)安全型駕駛人的注視時間相比其他2個類型的駕駛人注視時間更長.這是因為安全型駕駛人在察覺到危險后，對外界環(huán)境的風險評估結果總是高于心理閾值，認為繼續(xù)執(zhí)行當前的駕駛狀態(tài)難以應對危險[49]，此時，安全型駕駛人傾向于更細致、更全面地觀察周圍駕駛環(huán)境，謹慎地調整自己的駕駛行為，采取避險措施[50].由此來看，風險感知能力較強的駕駛人在行駛過程中可能會承受更大的視覺負荷.

2.2 車輛

車輛對駕駛人視覺負荷的影響主要取決于車載設備及車型等的設計，其中，車載設備在實現(xiàn)駕駛輔助功能的同時也會分散駕駛人的視覺注意力，從而增加駕駛人的視覺負荷；車型的不同會影響駕駛室內駕駛人的視覺搜索區(qū)域;此外，車輛的行駛狀態(tài)決定了駕駛人視覺信息接收的速度，很大程度上影響了駕駛人的視覺負荷.

2.2.1 車載設備

車載系統(tǒng)在實現(xiàn)其駕駛輔助功能時，會導致駕駛人轉移部分注意力到車載設備上，這一轉移過程及駕駛人在查看車載裝置傳遞的信息時，都會增加駕駛人的視覺負荷[51].為了減少駕駛人的視覺負荷，一方面可以考慮縮短駕駛人視覺注意力的轉移路徑，如將車載導航設備安裝在駕駛人視野前方的置物臺上[52],其中，AR導航可以直接將行駛路徑投射到道路上，避免了駕駛人視線在導航設備和行駛道路之間來回切換.與普通導航相比，使用AR導航時，駕駛人的視覺注意力轉移路徑更小，視覺負荷也更小[53].另一方面，可以減少駕駛人在獲取車載信息時所需的視覺資源.Muoz等[54]研究了車載裝置的3種工作模式對視覺負荷的影響，包括無交互設計、語音交互界面、視覺交互界面，研究發(fā)現(xiàn)在使用視覺交互界面的車載裝置時，發(fā)生安全事故的概率是無交互設計的3倍[55].因此車載系統(tǒng)在設計時需要盡量縮短駕駛人視覺注意力的轉移路徑或者改變車載信息的傳遞方式以減少駕駛人視覺需求[56].

2.2.2 車型

不同車型對駕駛人的視覺負荷也有一定影響，車輛類型會影響駕駛人在駕駛室內眼部接收到的光照強度而影響駕駛人視覺負荷.陳云等[4]利用瞳孔面積變化速度衡量了小客車和大貨車駕駛人的視覺負荷，分析了不同車型對視覺負荷的影響，研究結果表明，在隧道入口段處大貨車駕駛人的視覺負荷大于小客車駕駛人視覺負荷.王首碩等[5]以駕駛人的瞳孔面積變化速率為視覺負荷的評價指標也得出了相同的結論，并針對大貨車的設計提出了改進擋風玻璃透光性的建議.

2.2.3 車輛運行狀態(tài)

車輛正常行駛時，駕駛人的視覺負荷多取決于駕駛人自身因素及駕駛環(huán)境.當車輛處于應激響應場景中，即車輛需要主動避險時[57]，駕駛人的注視時間會迅速減小，周邊視野區(qū)域的掃視行為會增加，導致駕駛人的視覺負荷激增.此外，車輛進行換道、超車、加速時，駕駛人必須調整當前駕駛行為，首先需要收集當前的交通環(huán)境信息，預測本車與周圍車輛的橫向距離、縱向距離、車道占有率與周圍車輛的速度差等[58]，以免發(fā)生碰撞，這一信息搜索過程會導致視覺負荷增大.其中，在車輛超車過程中，駕駛人為了搜索關鍵交通信息，會頻繁地在初始車道和目標車道之間轉換注視點，并增加注視時間和掃視時間，尋求適當?shù)某嚂r機[59]，增加了駕駛人的視覺負荷.車輛換道研究中，白婧榮等[60]將換道過程進行了細分，發(fā)現(xiàn)換道操作期駕駛人視覺負荷最大，車輛出現(xiàn)明顯的加速行為，但當車速過大時，為了確保行車安全，駕駛人傾向于盡可能多地接收視覺信息，此時駕駛人的掃視行為會增加，視覺負荷也隨之增加.

2.3 道路和環(huán)境

隨著我國經(jīng)濟的快速增長，城市化進程不斷加快，交通環(huán)境也變得越來越復雜多樣，導致駕駛人行車過程中的工作負荷發(fā)生了巨大的變化.從視覺信息刺激源角度分析，道路環(huán)境越復雜，駕駛人的視覺負荷也越大.

2.3.1 路域環(huán)境

路域環(huán)境的復雜程度決定了駕駛人視覺信息獲取的難易程度.路域環(huán)境較為簡單時，駕駛人可以減少視覺搜索行為并簡化視覺信息的加工過程，從而降低視覺負荷[61].城市道路由于路側開發(fā)、交通組成等的影響，成為了路域環(huán)境最復雜的道路[62]，駕駛人行駛過程中需要高度注意周圍交通環(huán)境并持續(xù)保持視覺搜索，駕駛人的視覺負荷也最大[63].高速公路相比于城市道路，道路較為封閉，車輛進出管控更為嚴格，交通運行狀況更為簡單，駕駛人視覺搜索行為明顯減少，視覺負荷也更小[64].景區(qū)道路相比于城市道路，交通量較小，行車速度更慢，道路設計時更注重視覺舒適性和美感，駕駛人視覺信息加工更簡單，因此景區(qū)道路上駕駛人視覺負荷小于城市道路[65].為減小路域環(huán)境對駕駛人造成的視覺負荷，分離路側干擾、減少路側功能開發(fā)等措施都能降低路域環(huán)境的復雜度，從而減小駕駛人的視覺負荷.

同時，路域形式的不同會影響駕駛人的視覺心理負荷[66].山區(qū)公路受到地形制約，路域形式按照空間郁閉程度可以分為開敞式、半郁閉式及郁閉空間3種[67].在開敞式的道路上行駛時，駕駛人視野開闊，注視范圍大，行駛過程中較為放松，駕駛人的視覺負荷最小[68]；在郁閉式道路上行駛時，路側多為高陡的挖方邊坡，駕駛人視野范圍狹窄，行駛過程中較為壓抑，駕駛人的視覺負荷也最大[69].因此，在道路勘測設計階段需要慎重考慮道路的選線問題，盡量保證道路修建在較為開敞的空間中，可以減小行車過程中駕駛人的視覺負荷.

此外，道路線形在行駛過程中有一定的視線誘導功能[70]，但是復雜的道路線形會增加駕駛人的視覺負荷[71].相比于直線路段，彎道路段駕駛人的注視點及注視轉移比率為直線路段的3倍[72]，且隨著半徑的增大，視覺任務呈現(xiàn)先增大后減小的趨勢.對比彎道行駛過程中駕駛人的注視點的分布，利用熵值法研究發(fā)現(xiàn)駕駛人在右轉彎時的視覺負荷小于左轉彎，駕駛情況也更穩(wěn)定[73].因此，提高道路線形設計的合理性，以滿足實際駕駛中所需的視線誘導并減小視覺負荷十分必要.

2.3.2 光環(huán)境

光環(huán)境對駕駛人視覺負荷的影響主要出現(xiàn)在隧道路段.進出隧道過程中的明暗適應會增加駕駛人的視覺負荷，這一過程中發(fā)生的亮度變化會導致駕駛人瞳孔大小隨之變化，瞳孔的快速變化會增加駕駛人的視覺生理負荷[74].在通過隧道時，駛入隧道比駛出隧道更容易給駕駛人造成視覺不適[8]，加之隧道內環(huán)境較為封閉，駕駛人暗適應比明適應更加困難，因此隧道入口洞內的視覺負荷是最大的[75].增加時段影響因素后，通過對比駕駛人瞳孔面積平均增長率發(fā)現(xiàn)，在隧道入口區(qū)域駕駛人黃昏時刻的視覺負荷大于正午的視覺負荷[76].在隧道內部路段，照明燈光帶及側墻構成了駕駛人的主要視覺環(huán)境，研究發(fā)現(xiàn)，紅色燈光帶引起的視覺負荷在保證駕駛舒適性的基礎上可以提供給駕駛人視覺刺激，起到緩解隧道催眠的作用；Kircher等[3]對隧道壁面的顏色及亮度進行了研究，發(fā)現(xiàn)淺色隧道墻視覺負荷更小，同時隧道壁面弱光照優(yōu)于強光照，可用于優(yōu)化隧道照明環(huán)境，降低視覺負荷.因此，為減小光環(huán)境對駕駛人視覺負荷的影響，在隧道出入口通常設置減光設施，降低進出隧道過程中的明暗對比，以減少駕駛人的瞳孔變化，在隧道內部路段往往會通過改善燈光及墻壁的顏色來調節(jié)駕駛人視覺負荷.

除了上述的道路環(huán)境，氣候條件很大程度上影響了駕駛人對外界信息獲取和處理的難度，從而影響了駕駛人的視覺負荷.當車輛在冰雪路面上行駛時[77]，駕駛人的平均眨眼持續(xù)時間、掃視幅度都表現(xiàn)出明顯的波動性，瞳孔直徑隨著冰雪路段的長度而變大[78]，駕駛人視覺負荷也變大.此時，駕駛人的感知車速會略低于實際車速.霧天、雨天等惡劣天氣影響下，駕駛人的有效視野范圍會降低[79]，易導致駕駛人操作行為發(fā)生變化，此時，駕駛人在進行交通信息搜索時，會頻繁注視儀表盤及正前方道路，并來回進行掃視行為，其承受的視覺負荷會增加.

3 駕駛人視覺負荷的評測方法

駕駛人行車過程中產(chǎn)生的視覺負荷是多因素、多信息加工共同作用的結果.目前針對駕駛人視覺負荷的評測方法主要有傳統(tǒng)的主觀評價法、雙任務法和生理參數(shù)測量法，隨著計算機技術的發(fā)展，逐漸有人利用機器學習、計算機視覺等對駕駛人的視覺負荷進行研究.

3.1 傳統(tǒng)評測方法

傳統(tǒng)的研究方法主要通過實車實驗、駕駛模擬實驗和計算機仿真3種實驗手段實現(xiàn).其中，主觀評價法主要反應的是行車過程中駕駛人的視覺感受，不受實驗手段的限制.其次，雙任務法要求行車過程中同時執(zhí)行其他任務，為了保障實驗的安全，雙任務法一般通過駕駛模擬實驗展開研究.生理參數(shù)測量法由于需要佩戴生理心理數(shù)據(jù)采集設備，為保證實驗安全多采用駕駛模擬實驗，僅部分研究采用實車試驗.為了保證實驗結果的準確性及實驗過程的安全性，以上3種方法多結合使用，互相驗證，3類方法的優(yōu)缺點如表3所示.

表3 視覺負荷傳統(tǒng)評測方法的優(yōu)缺點Tab.3 Advantages and disadvantages of traditional research methods for visual load

3.1.1 主觀評價法

主觀評價法通過調查駕駛人在駕駛過程中的感受來評價其視覺負荷.常用的調查方法包括美國國家航空航天局任務負荷指數(shù)量表(NASA-Task Load Index,NASA-TLX)，人體工學評價問卷(Ergonomics Evaluation Questionnaire,EEQ)及情境意識全局評估技術(Situation Awareness Global Assessment Technique,SAGAT).其中，NASA-TLX最早是用來評價腦力負荷的[80]，在視覺負荷研究中，側重于評價駕駛人在視覺次任務影響下的績效水平[81-83].EEQ的評價指標里新增了視覺感知需求，一般與NASA-TLX量表結合使用[82].SAGAT能區(qū)分不同實驗情境下駕駛人的主觀感受，在視覺負荷研究中能很好地反映駕駛人對駕駛場景的視覺感受[83].此外，Konstantopoulos等[81]錄制了帶有駕駛人視覺搜索軌跡的視頻，實驗人員通過觀察這些視頻，利用問卷調查評價視頻中駕駛人的視覺負荷.由于主觀評價法易受個體差異的影響，一般不單獨使用，多與雙任務法及生理參數(shù)測量法結合使用.

3.1.2 雙任務法

雙任務法在視覺負荷的研究中主要是在駕駛主任務中增加視覺次任務，研究次任務干擾情況下，駕駛人的反應時間及準確率.其中,反應時間越短,準確率越高，次任務導致的視覺負荷也更小.目前視覺次任務主要采用改變視野中的色塊像素顏色[84]、操作觸屏[84-85]、使用手機[86]、改變注視物體出現(xiàn)的角度[87]等.例如，Neyens等[88]的研究中，通過計算駕駛人眼睛離開路面的時間來衡量使用手機和操作車載設備對駕駛人視覺負荷的影響;Guo等[89]設計的實驗要求駕駛人在駕車過程中選擇距離最近、評價最好且價格最劃算的餐館，餐館信息通過屏幕呈現(xiàn)，駕駛人需要讀取屏幕上的餐館信息并做出選擇，以錯誤率來評價視覺次任務的難度對駕駛人造成的視覺負荷大小.

3.1.3 生理參數(shù)測量法

生理參數(shù)測量法能直觀量化駕駛人的視覺負荷，一般采用統(tǒng)計學方法來研究視覺特性參數(shù)與視覺負荷之間的相關性，量化表征視覺負荷的眼動參數(shù)來評價駕駛人視覺負荷.從駕駛人視覺負荷產(chǎn)生機理角度看，目前視覺負荷的生理參數(shù)衡量指標可以分為2類：一是視覺特性參數(shù)，二是駕駛環(huán)境中光照強度引起的瞳孔生理性變化，計算方法如表4所示.

表4 生理參數(shù)量化方法Tab.4 Measurement methods of driver’s visual load

續(xù)表4

此外，除了以上3種常用的視覺負荷計算方法外，從駕駛人視覺信息刺激源出發(fā)，陳雨人等[23]最先提出了利用道路環(huán)境HSV顏色模型衡量駕駛人的視覺負荷.隨后，孟云偉等[65]在此基礎上改變了視覺分區(qū)方法，將駕駛人視野區(qū)域劃分為路面、左右路側和天空4個部分對道路環(huán)境HSV顏色模型進行改進.

3.2 機器學習評測方法

隨著機器學習的技術發(fā)展，一些基于機器學習的算法在目標檢測、狀態(tài)判別等領域取得了突破性進展.在視覺負荷的研究方面，部分研究基于傳統(tǒng)的圖像處理方法進行特征提取后進行狀態(tài)判別.首先捕獲視頻序列中監(jiān)測跟蹤的人臉區(qū)域，隨后從面部提取眼睛區(qū)域，利用圖像的統(tǒng)計特性分析并進行等級劃分，最后在融合階段判別駕駛人視覺負荷.現(xiàn)有研究中，較為常見的方法主要有結構相似度度量(Structural Similarity Measure,SSIM)、人類視覺系統(tǒng)(Human Visual System,HVS)模型[95]、動態(tài)貝葉斯(Dynamic Bayesian Network，DBN)[96]、主動形狀模型(Active Shape Model,ASM)與基于馬爾可夫網(wǎng)絡的增強回歸(Boosted Regression with Markov Networks,BRMN)[97]等.這些方法最大的區(qū)別在于圖像的特性統(tǒng)計.SSIM和HVS主要分析方差、均值等，DBN主要通過檢測駕駛人的瞳孔大小、注視和掃視的時變性轉移概率來評價駕駛人視覺負荷，ASM和BRMN通過檢測駕駛人眼球與鼻子構成的三角形區(qū)域面積來判定其視覺負荷.

4 駕駛人視覺負荷的研究應用

近年來，研究人員針對駕駛負荷進行了更為細化的研究，結合駕駛人的眼動特性分析，在視覺負荷領域形成了較為完善的理論體系，極大地發(fā)揮了視覺負荷在交通領域的應用.現(xiàn)有研究成果已經(jīng)應用到了交通設施、車輛交互設備的設計指導中.

4.1 交通標志

在道路交通環(huán)境中，除了交通參與者外，交通標志作為道路信息傳遞的重要載體，可以引導駕駛人的駕駛行為從而減少交通事故的發(fā)生[98].目前我國對交通標志的設置沒有較為完善的標準，其設置存在信息量不足或過載的情況[99].交通標志信息量不足，一方面會影響道路信息傳遞的有效性，另一方面還會導致駕駛人信息刺激強度小而引發(fā)駕駛分心[100].因此，在道路交通環(huán)境較為簡單的草原公路中，為了吸引駕駛人的注意力，保證駕駛過程中的視覺刺激，交通標志的信息量一般都設置為10～20 bits/km[101]，以此來保證駕駛人視覺搜索的積極性與有效性.相比于草原公路，高速公路的匝道口較多，需要標識的信息更為繁雜，交通標志的設計過程中容易出現(xiàn)信息過載的情況.為了增加交通標志的視認性，簡化駕駛人視覺信息處理加工過程，高速公路指路標志上的地名信息數(shù)量應小于5個[102],隧道出入口的停車視線距離應在現(xiàn)行標準規(guī)定的基礎上增加20～30 m[103].

4.2 隧道遮光設施

隧道出入口亮度的急劇變化會導致駕駛人瞳孔快速增大，甚至會出現(xiàn)無意視盲現(xiàn)象[104]，由此可能會導致交通事故.現(xiàn)有研究中，為減小隧道出入口處的明暗對比，多在隧道出入口處安裝遮光設施.遮光設施的最佳鋪設范圍為隧道外 40 m 至隧道內 60 m[91].常見的隧道遮光設施中，30°反削竹遮光設施的遮光效果最佳，光照強度的變化較為緩和[93].若使用格柵式減光設施，應保證其頻閃頻率小于 6 Hz 或大于 11 Hz，以減小對駕駛人的視覺干擾[90].同時還可以利用植物、加強照明及彩色路面等改善隧道進出口處駕駛人的視覺舒適度[105].其次，隧道內的壁面多采用淺色墻面[106]，隧道內部增設韻律型標線[107]、突起路標[108]等刺激駕駛人的視覺感知，吸引駕駛人注意道路環(huán)境，從而降低駕駛人視覺負荷，減小交通事故的發(fā)生概率.

4.3 車內交互設備

隨著車內交互設備的技術發(fā)展，在給駕駛人帶來便利的同時也引發(fā)了一些不必要的駕駛負荷，其中就包括視覺負荷.車內交互設備在發(fā)揮其引導、預警功能時會分散駕駛人的視覺注意力[109].因此，很多交互設備在設計初期考慮了其對駕駛人視覺負荷的影響，增加了信息傳遞方式，如語音提示、觸覺傳遞[110]等方式.這些設計不僅實現(xiàn)了其駕駛輔助功能，還在一定程度上減少了駕駛人視覺負荷，提高了車道保持性能，減小了駕駛人反應時間[85].其中，Brostr?m等[111]對比了語音提示與地圖導航對駕駛任務的影響，發(fā)現(xiàn)開啟了語音提示的導航在行車過程中能減少交通沖突次數(shù)，并建議車內交互設備在設計初期時增加語音提示以減小駕駛人視覺負荷；Pitts等[110]研究發(fā)現(xiàn)增加觸覺反饋系統(tǒng)后，駕駛人的車道保持能力得到了有效提升，并建議在交互系統(tǒng)設計初期要增加其他信息傳遞方式，以保證駕駛人的視覺負荷處于合適的閾值內.

5 總結與展望

5.1 總結

國內外研究人員已經(jīng)對駕駛人視覺負荷進行了大量的研究并取得了較為豐富的成果，目前已經(jīng)形成了較為完整的研究體系.但是還存在以下幾點不足：

1)較少有研究對駕駛人視覺負荷的影響因素進行重要度探究.目前國內外對駕駛人視覺負荷的影響因素進行了大量的研究，如駕駛人自身因素、車輛因素、道路環(huán)境因素等.駕駛人視覺負荷是多因素共同作用產(chǎn)生的，現(xiàn)有文獻中，僅對駕駛人視覺負荷的影響因素及其影響機理進行了研究，較少對各影響因素的重要度進行研究.

2)缺乏對視覺負荷的評價指標與衡量閾值的統(tǒng)一.在現(xiàn)有研究方法中，只有生理參數(shù)測量法能夠客觀量化駕駛人的視覺負荷，但是在判斷駕駛人視覺負荷時，研究者們往往給某一參數(shù)設定一個閾值，當超過這一閾值時，就判斷駕駛人的視覺負荷過大.此外，由于駕駛人主觀感受差異較大且駕駛場景不同，各研究選取的衡量參數(shù)及閾值也不同，因此，駕駛人視覺負荷的衡量指標缺乏統(tǒng)一的標準，大大增加了駕駛人視覺負荷評價的工作量.

3)缺少視覺負荷應用后的評價.現(xiàn)階段，視覺負荷在交通標志方面的應用主要是考慮駕駛人信息處理能力從而改善交通標志的視認性，對交通標志的信息量設置提出了建議；在遮光設施方面的應用主要是考慮駕駛人的明暗適應能力，以提高隧道行車安全.當前研究僅從駕駛人信息處理能力、視覺舒適度出發(fā)，提出了交通設施的設計建議，未對改進后的交通設施的應用效果進行評價.

5.2 展望

考慮到已有研究的不足，從駕駛人的視覺負荷影響因素、評價指標以及研究應用3個方面對未來的研究進行展望：

1)駕駛人視覺負荷的影響因素是多方面且復雜的，駕駛經(jīng)驗、年齡、人格特性、車輛和道路環(huán)境等都不同程度地影響著駕駛人的視覺負荷.未來研究中，可以考慮部分極端駕駛場景(如惡劣天氣、交通事故場景)和不同駕駛群體對駕駛人視覺負荷的影響因素及變化規(guī)律，對影響駕駛人視覺負荷的決定性因素進行更全面、深入的探究.

2)針對現(xiàn)有駕駛人視覺負荷評價指標存在的局限性，未來研究可基于生理參數(shù)測量法，增加車輛制動、生理心理參數(shù)等方面的評價指標，以期擴充當前僅使用駕駛人眼動參數(shù)的單一指標體系，并考慮構建駕駛人的最佳視覺負荷閾值標準體系.

3)視覺負荷應用在交通設施的改進中，可以考慮對比改進前后交通設施的作用效果.如可以通過駕駛模擬實驗測試駕駛人對改進前后的交通標志信息視認的準確率、反應時間等來評價視覺負荷在交通設施中的應用成效.此外，視覺負荷的應用還可以從以下幾個方面考慮：首先，在道路建設前期，可以考慮路域環(huán)境對駕駛人視覺負荷的影響，改善道路線形、路域空間的修建形式；其次，在提高交通人因安全方面，可以將視覺負荷應用到駕駛人視覺疲勞的檢測當中，視覺負荷超過閾值一定的時間后，就可以認為駕駛人處于疲勞駕駛狀態(tài).此外，隨著自動駕駛技術的發(fā)展，視覺負荷反應的視覺信息處理能力可以應用在交通環(huán)境識別等自動駕駛的關鍵技術中.