在高速公路入口区域调查驾驶员的视觉属性,使用自组织映射神经网络

科学领域:

• 交通安全 交通安全
• 人类因素工程 人类因素工程
• 交通心理学 交通心理学

背景情况:

• 高速公路交通拥堵正在增加,导致在坡道入口和合并区域出现突出的安全问题.
• 了解驾驶员的视觉行为对于在复杂的交通场景中减轻风险至关重要.

研究的目的:

• 分析驾驶员的视觉行为特征,使用现实世界的眼睛跟踪数据在不同的高速公路路段.
• 确定视觉任务负载最高的部分,并了解驾驶员视觉策略的变化.

主要方法:

• 在现实高速公路条件下收集驾驶员的眼球跟踪数据 (目光持续时间,角度,速度).
• 利用自组织地图 (SOM) 神经网络集群来分类冲击时间和角度.
• 计算了眼动速度匹配指数 (EMSMI) 来量化视觉任务负载.

主要成果:

• 合并的观测部分显示了最高的视觉任务负载,峰值的冲击时间,角度和速度.
• SOM分析揭示了五个不同的驾驶员视觉行为类别.
• 合并观测部分的平均EMSMI (0.1249度/秒) 是最高的,特别是在A2和A5类别,表明复杂的驾驶需求.
• 入口曲线和高速公路段显示,A1和A3类别的EMSMI值较低 (0.0410和0.0408度/毫秒),表明认知负载减少.

结论:

• 驾驶员的视觉行为在各种路段上显著不同,合并的区域要求更复杂的视觉处理.
• 这些发现为交通安全管理和开发更准确的驾驶行为模型提供了定量基础.
• 对视觉任务负载的洞察力可以为基础设施设计和驾驶员培训提供信息,以提高高速公路安全.