CN105205443A - 一种基于驾驶人眼动特征的交通冲突识别方法 - Google Patents

Abstract

本发明涉及一种基于驾驶人眼动特征的交通冲突识别方法，该方法如下：采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据；识别出初始待匹配瞳孔直径数据中各交通冲突瞳孔直径波峰的峰值点并以此作为初始条件进行迭代，得到交通冲突瞳孔直径峰值点最大值集合；对各峰值点左侧第一个达到正常行驶瞳孔直径均值的点和右侧第一个眨眼点进行定位；两个定位点即为交通冲突开始点和终止点。本发明符合以道路使用者交通需求和生理-心理反应特征作为道路设计理论基础这一原则，交通冲突识别结果与驾驶人感知结果的一致性好，为符合道路使用者感知的道路安全评价、道路线形设计、交通系统规划合理性提出了一种新方法。

Description

一种基于驾驶人眼动特征的交通冲突识别方法

技术领域

本发明是一种基于驾驶人瞳孔直径的交通冲突识别方法，涉及交通工程学中的驾驶人视觉行为领域和交通冲突技术领域。

背景技术

交通冲突技术是当前道路交通安全评价方法的主流，许多专家学者在常规交通冲突判别方面提出了很多方法，如2013年东南大学申请的专利“一种基于两车碰撞时间的机动车有效交通冲突识别方法”(CN103106811A)，2014年东南大学和南京市公安局交通管理局申请的专利“一种利用交通冲突判别事故易发路段的方法及其系统”(CN103971519A)等，多数是以车间距、相对车速及其衍生参数作为交通冲突识别的指标，致使交通冲突判别结果与驾驶人感知结果间产生较大差异，不利于道路安全的客观评价和交通系统的合理规划。

而被广泛认可的道路交通设计理论指出要以道路使用者的交通需求和生理-心理反应特征作为道路设计的理论基础，现有的交通冲突识别方法并未从驾驶人心理角度对道路交通状况进行安全性评价，基于道路使用者生理-心理反应特征的道路设计与优化因而无法实现，究其原因是未找到反映驾驶人心理负荷的交通冲突量化指标以及基于该指标的交通冲突识别方法。因此寻找一种可反映驾驶人心理负荷的评价指标及基于该指标的交通冲突快速识别方法是量化道路交通安全性的关键。

外界刺激与驾驶人眼动特征的关系研究为寻找可反映驾驶人心理负荷的交通冲突量化指标提供了新的方向，相关领域专家研究了酒精刺激对眼动特征的影响、精神负荷对眼动特征的影响、声音等刺激因素造成的心理压力及其导致的眼动特征变化等规律，在已有研究成果启发下发明人进行了眼动特征与交通冲突的相关性试验，充分证明了眼动特征与交通冲突的明显相关性。

所以，本领域亟需开展探究通过分析驾驶人眼动特征识别交通冲突的方法。

发明内容

本发明所要解决的技术问题：针对现有技术的不足和缺陷，提供一种基于驾驶人眼动特征的交通冲突识别方法，该方法首次提出以驾驶人眼动特征为指标的交通冲突识别方法，基于交通冲突对驾驶人产生心理负荷而心理负荷会表现为眼动特征变化的原理，符合道路交通设计理论中以道路使用者生理-心理反应特征作为道路设计理论基础的要求，将峰值点左侧第一个达到正常行驶瞳孔直径均值的点作为冲突起始点，将峰值点右侧第一个眨眼动作点作为冲突终止点，克服了专家打分法等评价方法中的主观性缺陷。

为了解决上述技术问题，本发明的基于驾驶人眼动特征的交通冲突识别方法，包括下述步骤：

步骤一、数据采集

利用汽车模拟驾驶系统使驾驶人在虚拟设计道路上行驶，采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据；记采集到的全部瞳孔直径数据集合为D，D＝(D₁，D₂…D_i，…D_N)，记眼动仪生成的同步眨眼数据集合为B，B＝(B₁,B₂…B_t,…B_T)；将集合D中瞳孔直径数据的统一序号作为每个采样点的全局标记，得到各采样点全局标记集合U，U＝(1,2,…i，…N)；对集合D进行眨眼数据剔除和5级小波分解，生成初始待匹配瞳孔直径数据集合P₀，记L₀为P₀中每个采样点的初始数据序号， $L_0=(L_1^0,L_2^0,...L_t^0...L_T^0);$

步骤二、识别出初始待匹配瞳孔直径数据P₀中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P₀中的采样点数据序号集合为I₀，

步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在P_R中搜索交通冲突瞳孔直径峰值点最大值M_R，如果M_R≥s_r，s_r为已知冲突中最小的瞳孔直径峰值，将最大值M_R对应的P₀中的采样点数据序号记为从P_R中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据P_R+1，令R＝R+1；L_M为交通冲突瞳孔直径波峰包含的采样点个数；如果M_R＜s_r，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M₀,M₁,…M_R…M_W)，M中各元素对应的P₀中的采样点数据序号集合记为I_M，进入步骤四；

步骤四、冲突关键点设定

对最大值集合M中的各元素，按照其在集合P₀中的采样点数据序号从小到大进行排序得到集合H，H＝(H₁,H₂,…H_q…H_W)；令与集合H中各元素对应的P₀中的采样点数据序号集合为I_H，对于集合H中任意元素H_q，设H_q左侧第一个达到正常行驶瞳孔直径均值s_a的点在P₀中的采样点数据序号为S_q，记S＝(S₁,S₂,…S_q…S_Q)；设H_q右侧第一个眨眼点对应位置为E_q，记E＝(E₁,E₂,…E_q…E_Q)；运行步骤五；

步骤五、S点定位

1)设正常行驶瞳孔直径均值为s_a，令q＝1，比较初始待匹配瞳孔直径数据P₀中瞳孔直径与s_a的大小，运行步骤2)；

2)如果则t＝t-1，再次比较与s_a的大小，直至令S_q＝t-1，q＝q+1，

3)对于集合H中任意元素，令如果则t＝t-1；再次比较与s_a的大小，直至令S_q＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六；

步骤六、E点定位

1)令q＝1，比较同步眨眼数据集合B中的B_t+1与0的大小，运行步骤2)；

2)如果B_t+1＝0，则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，q＝q+1，

4)对于集合H中任意元素，令如果B_t+1＝0则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；

步骤七、结果输出。

本发明中基础数据为瞳孔直径、眨眼动作数据。

对于任意一个交通冲突瞳孔直径波峰，冲突开始点为峰值点左侧第一个达到正常行驶瞳孔直径均值s_a的点S_q，冲突终止点为峰值点右侧第一个眨眼动作点E_q，点S_q和点E_q之间的时间段即为冲突时间段。

通过上述设计方案，本发明可以带来如下有益效果：

1、本发明首次提出以驾驶人眼动特征为指标的交通冲突识别方法，该方法是基于交通冲突对驾驶人产生心理负荷而心理负荷会表现为瞳孔直径变化和眨眼动作变化的原理；该方法符合道路交通设计理论中以道路使用者生理-心理反应特征作为道路设计理论基础的要求。

2、本发明以驾驶人眼动特征作为交通冲突识别指标，驾驶人眼动特征变化为非条件反射，克服了专家打分法等评价方法中的主观性缺陷。

3、本发明每次搜索到最大值均剔除最大值周边数据，使每一次搜索到的最大值均为瞳孔直径峰值。

4、本发明符合道路交通设计理论中以道路使用者交通需求和生理-心理反应特征作为道路设计的理论基础这一原则，为提高交通冲突识别结果与驾驶人感知结果的一致性提供了有效手段，为符合道路使用者感知的道路安全评价、道路线形设计、交通系统规划合理性提出了一种新方法。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为本发明的基于驾驶人眼动特征的交通冲突识别方法流程图；

图2为采集的驾驶人瞳孔直径数据和眨眼动作数据序列图。

图中：A为已识别出的冲突时段，B为交通冲突瞳孔直径波峰的峰值点。

图3为部分初始待匹配瞳孔直径数据序列图。

图4为采集的驾驶人瞳孔直径数据和眨眼动作数据局部序列图。

具体实施方式

本发明的基于驾驶人眼动特征的交通冲突识别方法，如图1所示，具体包括下述步骤：

步骤一、数据采集

利用汽车模拟驾驶系统使驾驶人在虚拟设计道路上行驶，将SmartEye5.6眼动仪的摄像头对准驾驶人的眼部，采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据，如图2所示。记采集到的全部瞳孔直径数据集合为D，D＝(D₁，D₂…D_i，…D_N)。其中集合D中包含眨眼数据，记眼动仪生成的同步眨眼数据集合为B，B＝(B₁,B₂…B_t,…B_T)，驾驶员实际没有眨眼时对应的眨眼数据B_i＝0，驾驶员实际眨眼时对应的眨眼数据B_t＝1。将集合D中瞳孔直径数据的统一序号作为每个采样点的全局标记，得到各采样点全局标记集合U，U＝(1,2,…i,…N)；对集合D进行眨眼数据剔除和5级小波分解，如图3所示，生成初始待匹配瞳孔直径数据集合P₀，记L₀为P₀中每个采样点的初始数据序号， $L_0=(L_1^0,L_2^0,...L_t^0...L_T^0).$

步骤二、识别出初始待匹配瞳孔直径数据P₀中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P₀中的采样点数据序号集合为I₀，

步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在P_R中搜索交通冲突瞳孔直径峰值点最大值M_R，如果M_R≥s_r，s_r为已知冲突中最小的瞳孔直径峰值，将最大值M_R对应的P₀中的采样点数据序号记为从P_R中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据P_R+1，令R＝R+1；L_M为交通冲突瞳孔直径波峰包含的采样点个数；如果M_R＜s_r，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M₀,M₁,…M_R…M_W)，M中各元素对应的P₀中的采样点数据序号集合记为I_M，进入步骤四；L_m，s_r通过实验确定为L_m＝50，s_r＝4。

步骤四、冲突关键点设定

对最大值集合M中的各元素，按照其在集合P₀中的采样点数据序号从小到大进行排序得到集合H，H＝(H₁,H₂,…H_q…HW)；令与集合H中各元素对应的P₀中的采样点数据序号集合为I_H，如图4所示，对于集合H中任意元素H_q，设H_q左侧第一个达到正常行驶瞳孔直径均值s_a的点在P₀中的采样点数据序号为S_q，记S＝(S₁,S₂,…S_q…S_Q)；设H_q右侧第一个眨眼点对应位置为E_q，记E＝(E₁,E₂,…E_q…E_Q)，s_a通过实验确定为s_a＝3.75；运行步骤五。

步骤五、S点定位

1)设正常行驶瞳孔直径均值为s_a，令q＝1，比较初始待匹配瞳孔直径数据P₀中瞳孔直径与s_a的大小，运行步骤2)；其中q为交通冲突瞳孔直径波峰峰值点在集合H中的序号；t为采样点在P₀中的数据序号；

2)如果则t＝t-1，再次比较与s_a的大小，直至令S_q＝t-1，q＝q+1，

3)对于集合H中任意元素，令如果则t＝t-1；再次比较与s_a的大小，直至令S_q＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六。

步骤六、E点定位

1)令q＝1，比较同步眨眼数据集合B中的B_t+1与0的大小，运行步骤2)；

2)如果B_t+1＝0，则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，q＝q+1，

3)对于集合H中任意元素，令如果B_t+1＝0则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；其中q为交通冲突瞳孔直径波峰峰值点在集合H中的序号；t为采样点在P₀中的数据序号；

步骤七、结果输出。

对于任意一个交通冲突瞳孔直径波峰，冲突开始点为峰值点左侧第一个达到正常行驶瞳孔直径均值s_a的点S_q，冲突终止点为峰值点右侧第一个眨眼动作点E_q，点S_q和点E_q之间的时间段即为冲突时间段。

Claims (1)

1.一种基于驾驶人眼动特征的交通冲突识别方法，其特征在于包括下述步骤：

步骤一、数据采集

利用汽车模拟驾驶系统使驾驶人在虚拟设计道路上行驶，采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据；记采集到的全部瞳孔直径数据集合为D，D＝(D₁，D₂…D_i，…D_N)，记眼动仪生成的同步眨眼数据集合为B，B＝(B₁,B₂…B_t,…B_T)；将集合D中瞳孔直径数据的统一序号作为每个采样点的全局标记，得到各采样点全局标记集合U，U＝(1,2,…i,…N)；对集合D进行眨眼数据剔除和5级小波分解，生成初始待匹配瞳孔直径数据集合P₀，记L₀为P₀中每个采样点的初始数据序号， $L_0=(L_1^0,L_2^0,...L_t^0...L_T^0);$

步骤二、识别出初始待匹配瞳孔直径数据P₀中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P₀中的采样点数据序号集合为I₀，

步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在P_R中搜索交通冲突瞳孔直径峰值点最大值M_R，如果M_R≥s_r，s_r为已知冲突中最小的瞳孔直径峰值，将最大值M_R对应的P₀中的采样点数据序号记为从P_R中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据P_R+1，令R＝R+1；L_M为交通冲突瞳孔直径波峰包含的采样点个数；如果M_R＜s_r，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M₀,M₁,…M_R…M_W)，M中各元素对应的P₀中的采样点数据序号集合记为I_M，进入步骤四；

步骤四、冲突关键点设定

对最大值集合M中的各元素，按照其在集合P₀中的采样点数据序号从小到大进行排序得到集合H，H＝(H₁,H₂,…H_q…H_W)；令与集合H中各元素对应的P₀中的采样点数据序号集合为I_H，对于集合H中任意元素H_q，设H_q左侧第一个达到正常行驶瞳孔直径均值s_a的点在P₀中的采样点数据序号为S_q，记S＝(S₁,S₂,…S_q…S_Q)；设H_q右侧第一个眨眼点对应位置为E_q，记E＝(E₁,E₂,…E_q…E_Q)；运行步骤五；

步骤五、S点定位

1)设正常行驶瞳孔直径均值为s_a，令q＝1，比较初始待匹配瞳孔直径数据P₀中瞳孔直径与s_a的大小，运行步骤2)；

2)如果则t＝t-1，再次比较与s_a的大小，直至令S_q＝t-1，q＝q+1， $t=I_H^2;$

3)对于集合H中任意元素，令如果则t＝t-1；再次比较与s_a的大小，直至令S_q＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六；

步骤六、E点定位

1)令q＝1，比较同步眨眼数据集合B中的B_t+1与0的大小，运行步骤2)；

2)如果B_t+1＝0，则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，q＝q+1， $t=I_H^2;$

4)对于集合H中任意元素，令如果B_t+1＝0则令t＝t+1；再次比较B_t+1与0的大小，直至B_t+1≠0，令E_q＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；

步骤七、结果输出。