基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究

针对草原公路直线段交通工程设施信息量设置存在的问题,以信息量化相关理论为基础,通过对驾驶员感兴趣区域(AOI)划分,建立5个不同信息量水平的室内模拟驾驶试验,利用数理统计方法定量分析不同熟练程度驾驶员在交通工程设施区域(AOI4),视认不同信息量水平交通工程设施的注视特性和扫视特性。研究结果表明:熟练驾驶员随交通工程设施信息量变化对交通工程设施的关注程度较非熟练驾驶员高;在低信息量水平下,驾驶员对AOI4区域的关注程度低,更多的处于无意识关注前方道路,长时间行车易出现精神疲劳影响行车安全;在信息量水平为Z4时,综合驾驶员注视特性指标与扫视特性指标的变化规律认为,此时驾驶员信息处理时间快、视觉搜索范围大、行车心理负荷较小,有利于行车安全;在高信息量Z5时,需要驾驶员花费大量的时间和脑力资源来关注AOI4区域信息,导致驾驶员对道路其他区域的关注程度下降,在应对突发交通事故时的处理能力减弱。

面向特情的航线飞行员视觉注意分配研究

为降低飞行中人因事件的发生比例,保障飞行安全,面向进近过程中飞机发动机火警处置任务,开展模拟飞行试验,探究飞行特情中飞行员视觉注意分配情况;记录被试在4个兴趣区域(AOI)的5项视觉注意分配指标,同时,记录试验中被试的决策行为和飞行绩效指标;结果显示,火警发生前后,飞行员被试在主飞行显示器(PFD,即AOI 2)上的5个视觉注意分配指标均显著高于其他AOI;在火警前阶段,被试在主火警灯(即AOI 1)的注视点数(FC)、注视时间(FT)、FC占比(PFC)、FT占比(PFT)和平均注视时间(AFD)值显著低于导航显示器(ND,即AOI 3)和发动机显示和机组警告系统(EICAS,即AOI 4),而在火警阶段,AOI 1的FC、FT、PFC和PFT显著高于AOI 4;机长组被试在PFD上的FC、FT、PFC和PFT显著低于副驾驶组;机长组更多选择落地后执行火警记忆项目。研究结果表明:飞行特情中,飞行员的视觉注意分配仍服从驾驶—导航—交流—系统管理任务优先规则;主火警灯故障会对飞行员的注意分配造成干扰;飞行经验可以改善飞行员的视觉注意分配。

不同乒乓球技能水平的儿童在接发球时的视觉焦点研究

动作协调形态的获得与视觉通路的发展有密切关系,而视觉通路的信息加工起始于视觉信息的选择。使用德制头戴式i View X HED4眼动仪对不同运动水平的儿童乒乓球选手在接发球时的视觉焦点加以考察,得出结论认为:1)不同技能水平的儿童在接发球时的视觉焦点不同;2)优秀组的主要焦点为球拍,说明球拍的变化是影响选手进行运动预期和运动决策的重要信息;3)一般组和初学组的视觉焦点都集中在球、其它部位的AOI区域上,而较少落到对手球拍区域上,说明其对球的落点判断更依赖于已经发生的事实,而不能有效运用球拍的变化信息做到提前预测。

基于图像处理的车辆类型识别的研究

为了完善车型检测识别的算法,首先利用傅里叶描述子的方法建立车辆图形库,对摄像头采集到的车辆侧面图像进行形态学操作,得到车辆轮廓封闭曲线并与图形库模板匹配,确定车型;然后利用基于积分的方法处理车辆顶面图像,计算出相应特征参数,确定车辆大小信息,解决车型检测的多检、错检现象。该文对图像处理算法做了具体推导并给出了实现流程,通过仿真实验表明,该文的算法能够充分地提取车辆的形状与几何尺寸信息,车型识别正确率很高,且计算量小。

一种快速的运动车辆特征提取算法

结合运动车辆的特点,并根据图像区域灰度的连续性,提出一种新的边缘检测算法,在判断有车的情况下,把检测区域的中心点作为检测基准点,对连续拍摄的序列图像沿检测基准点进行搜索,并对搜索到的符合条件的第一个运动目标进行边缘检测,用运动目标的外接矩形的长和宽作为目标的检测输出数据. 该算法最大的特点是仅对特殊目标进行检测,因而,大大减少了计算时间,可满足交通量检测的实时性要求.

城市快速路驾驶人注意力分配特征变化

为研究城市快速路驾驶人注意力分配特征变化,利用Dikablis眼动追踪系统在某城市快速路4.3 km长路段上开展实车试验,监控并记录9名驾驶人在不同路段环境下的眼动行为。将驾驶人重点视觉域划分为主视区、左后视镜、右后视镜、内后视镜、仪表盘等5个兴趣区域(AOI),分析3个眼动指标在5个AOI内的分布情况。结果显示,不同路段环境下驾驶人注意力分配策略变化受外界环境需要及外部动机显著影响。换道次数增加即受外部动机的影响程度增大,会造成注意力焦点切换的频度增加,注意力分散易引发交通事故;而各AOI的注视点平均注视时间随着车速的增加而减少,可见在复杂环境中行驶应适当降低车速,以保证分配在各AOI注视点的平均注视时间足够进行复杂的信息处理。

情境意识及注视转移方式对塔台管制冲突的影响

为分析塔台管制中情境意识(SA)水平和注视转移方式对冲突的影响,利用模拟塔台管制软件和眼动仪构建试验平台,根据航班起降架次频率设计并实施简单和困难2组情景试验。利用三维SA评定技术(3D-SART)评价被试的SA水平,利用连接分析法分析被试在4个兴趣区域(AOI)间的注视转移方式,综合分析SA水平与注视转移方式对管制冲突的影响。结果表明,被试的SA水平和注视转移方式具有个体差异性;SA水平高的被试有更好的注意分配和决策能力,SA水平低的被试注意分配不够合理,决策占用较多注意资源;航班流量较大时,SA水平低的被试更容易疏漏重要信息,出现决策错误,甚至失去SA,造成管制冲突。

虚拟战场环境实时碰撞检测技术(英文)

虚拟战场环境地城广阔、战场目标众多,传统的碰撞检测方法是遍历战场中的每一个目标,这将大大影响碰撞检测的实时性．提出了基于OBB战场环境的感兴趣区域(AOI)的实时碰撞检测算法．当战场环境内部状态发生变化时,该算法仅对AOI区域而不是整个战场环境进行碰撞目标的检测,可大大提高虚拟战场环境中碰撞检测的有效性,而且完全不降低碰撞检测的精确性,减少了系统碰撞检测的负担,提高了系统的实时性．

U型转向时驾驶人注视特性研究

为探究己知环境特征与驾驶行为之间的对应规律,利用Dikablis头戴式眼动仪在U型道路环境中进行实车试验。监控并记录9名驾驶人的眼动行为数据,分别从注视区域（AOI）的平均注视时间、AOI注视比例、视觉扫描的复杂性等3方面分析驾驶人视觉特性。结果显示,U型转向（U-Turn）过程中接近阶段各AOI平均注视时间为0.2~0.7 s,驾驶人注视点落在远处区域的比例明显高于其他区域,而转向阶段各AOI平均注视时间为0.2~1.4 s,驾驶人注视点落在近处区域的比例明显高于其他区域。注视熵率值反映了视觉扫描的复杂程度,出口点AOI分布集中,注视熵率值为0.5~4.0,视觉扫描的复杂性低,入口点AOI分布分散,注视熵率值为1.8~4.5,视觉扫描的复杂性高;因此,U-Turn出口点和入口点环境差异对驾驶人注意力分配策略影响显著。