田夢情 汪傳雷 秦琴

摘?要：研究物流駕駛員疲勞程度及其影響因素可提高貨物運(yùn)輸?shù)陌踩院托?。通過眼動實(shí)驗(yàn)收集反映物流駕駛員駕駛疲勞程度的眼動數(shù)據(jù)，融合多種疲勞特征指標(biāo)和受試者主觀疲勞程度打分，評估和K-means聚類分析駕駛員的疲勞程度。研究結(jié)果表明，物流駕駛員疲勞程度的評價指標(biāo)可由瞳孔、眼跳、掃視和注視4?類構(gòu)成，結(jié)合F值貢獻(xiàn)度排序?yàn)閽咭?眼跳>注視>瞳孔，進(jìn)而將物流駕駛員疲勞分為4?個級別并提出緩解疲勞之策略。

關(guān)鍵詞：公路運(yùn)輸；疲勞程度；眼動實(shí)驗(yàn)；物流駕駛員；K-means分析

中圖分類號：F25?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2024.12.014

0?引言

駕駛員因素是導(dǎo)致交通事故的主要原因之一，其中疲勞駕駛引發(fā)的事故占所有交通事故的?35%～45%。監(jiān)測和評估物流駕駛員的疲勞程度，有助于提前察覺駕駛疲勞的跡象，因此研究駕駛員疲勞程度的監(jiān)測和量化具有必要性。

近年來，國內(nèi)外研究人員嘗試多種疲勞檢測方法，主要的駕駛員疲勞檢測方法包括基于車輛信息、生理信息和行為特征的方法。然而，現(xiàn)有方法大多數(shù)是直接觀察駕駛員行駛狀態(tài)并分析駕駛員不同時段的面部特征，分析結(jié)果容易出現(xiàn)較大偏差。研究表明駕駛過程約70%的信息是通過視覺感知來獲取，視覺感知是駕駛員獲取信息的主要途徑，且反映駕駛員的精神和生理狀態(tài)。同時，實(shí)驗(yàn)照片中人物的疲勞情緒可以通過情緒傳染和共情的心理學(xué)機(jī)制影響觀察照片的人，使其呈現(xiàn)類似的疲勞情緒；情緒傳染是指人們在觀察他人情緒表達(dá)時，自身也會感受到類似的情緒體驗(yàn)；共情是指當(dāng)受試者看到疲勞的人物時感受到類似的疲勞和疲勞引起的情緒。

因此，選擇間接通過受試者的眼動特征了解物流駕駛員駕駛過程的疲勞程度，融合多種疲勞特征指標(biāo)和受試者主觀疲勞程度打分，進(jìn)行評估和K-means聚類分析量化評估駕駛員的疲勞程度。

1?實(shí)驗(yàn)設(shè)計(jì)

1.1?實(shí)驗(yàn)?zāi)康?/p>

本實(shí)驗(yàn)的目的有三：挖掘受試者眼動數(shù)據(jù)的特征與主觀疲勞程度之間的關(guān)系；確定外在特征反映疲勞程度的排序及重要性；判斷物流駕駛員的主觀疲勞程度。

1.2?儀器材料

實(shí)驗(yàn)研究采用aSee?Pro遙測式眼動跟蹤設(shè)備以及使用配套的aSee?Studio分析軟件。本實(shí)驗(yàn)所采用的圖片是從《疲勞駕駛-國民交通安全系列公益宣傳教育片》截取獲得。為方便分析，實(shí)驗(yàn)截取按時間序列、疲勞程度遞增的7張圖片，將所有實(shí)驗(yàn)圖片隨機(jī)打亂，進(jìn)行7s定時播放。在受試者查看全部后對圖片顯示的疲勞程度進(jìn)行排序。

1.3?實(shí)驗(yàn)程序

實(shí)驗(yàn)開始前，請受試者在等待區(qū)接受實(shí)驗(yàn)內(nèi)容及其要求的詳細(xì)介紹，完成實(shí)驗(yàn)基本信息登記和實(shí)驗(yàn)知情書填寫，同時接受實(shí)驗(yàn)指導(dǎo)。校準(zhǔn)過程如下：首先，要求受試者坐在座椅上，調(diào)整座椅與顯示器之間的距離，使受試者正對顯示器，并且保持眼睛與顯示器的距離在60?cm左右。其次，采用5?點(diǎn)瞳孔校對法進(jìn)行眼動校準(zhǔn)，若吻合度高，則將實(shí)施實(shí)驗(yàn)；若吻合度不夠，則重新進(jìn)行校準(zhǔn)，直至達(dá)到要求為止。

實(shí)驗(yàn)正式開始，屏幕上隨機(jī)呈現(xiàn)7張實(shí)驗(yàn)圖片，受試者按照觀察習(xí)慣隨意自然查看。實(shí)驗(yàn)材料播放完畢時錄制自動結(jié)束，受試者填寫問卷，收集表征疲勞狀態(tài)的面部和肢體特征的主觀數(shù)據(jù)與眼動儀客觀數(shù)據(jù)結(jié)合分析。

2?結(jié)果與分析

2.1?指標(biāo)定義

本實(shí)驗(yàn)共收集30?份實(shí)驗(yàn)數(shù)據(jù)，，在反映實(shí)驗(yàn)有效性上具有一定代表性。觀察發(fā)現(xiàn)實(shí)驗(yàn)3和實(shí)驗(yàn)21注視時長分別為2985?s和4724?s，與設(shè)定的觀察時間7000?s相差過大，判定為無效數(shù)據(jù)剔除，最終確定28份為有效數(shù)據(jù)，后續(xù)數(shù)據(jù)分析均默認(rèn)28份數(shù)據(jù)開展。

本實(shí)驗(yàn)統(tǒng)計(jì)4類眼動指標(biāo)，共9個變量，4類指標(biāo)分別為瞳孔、眼跳、掃視、注視，9個變量包括平均瞳孔直徑、眼跳次數(shù)、總眼跳時長、回看次數(shù)、總停留時長、注視次數(shù)、平均注視時長、首次注視時長和總注視時長。

2.2?計(jì)算處理

在數(shù)據(jù)預(yù)處理基礎(chǔ)上，本研究采用某張刺激材料上所有受試者的一個指標(biāo)數(shù)據(jù)均值代表某種疲勞程度的某個眼動變量大小。具體計(jì)算公式如下：

pi=∑UijN（1）

式中pi表示第i張刺激材料的眼動變量值，∑Uij表示所有受試者在第i張刺激材料的眼動數(shù)據(jù)總和，j表示第j位受試者，N表示受試者總?cè)藬?shù)，即j的總和。

匯總各指標(biāo)后，將同類指標(biāo)中各變量賦平均權(quán)重求和得到四類指標(biāo)得分。瞳孔、眼跳、掃視和注視四類指標(biāo)存在不同量綱，且各指標(biāo)間存在較大差異，故需要將各個指標(biāo)進(jìn)行?min-max?歸一化處理得到相同的取值范圍。采用下式進(jìn)行歸一化處理：

Pm=pi－pminpmax－pmin（2）

式中pm、pi、pmax、pmin分別為瞳孔、眼跳、掃視和注視四類指標(biāo)經(jīng)過歸一化后的值、原始值、最大值和最小值。歸一化處理后的結(jié)果見表1。

2.3?問卷分析

實(shí)驗(yàn)收到28?份有效實(shí)驗(yàn)的量化問卷量表，采用IBM?SPSS?Statistics?26對回收問卷進(jìn)行統(tǒng)計(jì)分析。由問卷第一部分結(jié)果可知，眼睛張開程度最能反映疲勞程度的外在特征，說明采用眼動實(shí)驗(yàn)研究疲勞程度的思路可行。由問卷第二部分得到受試者對各實(shí)驗(yàn)圖片材料表現(xiàn)的疲勞程度主觀排序結(jié)果，排序結(jié)果為p1（617）>p7（517）>p2（413）>p3（37）>p4（347）>p5（317）>p6（22），兩者結(jié)合獲得綜合得分。

3?疲勞程度分類與評價

3.1?聚類分析

3.1.1?指標(biāo)變量的相關(guān)性

使用K-Means聚類分析數(shù)據(jù)時，相關(guān)性過大的變量可能會在計(jì)算歐氏距離時帶入冗余信息，使得聚類結(jié)果不夠準(zhǔn)確，故先采用IBM?SPSS?Statistics?26軟件分析變量的相關(guān)性，結(jié)果顯示4類變量之間相關(guān)性較小，變量之間不存在顯著相關(guān)性，可以進(jìn)行K-Means聚類分析。

3.1.2??確定k值并分類

根據(jù)K-Means聚類原理，聚類個數(shù)k的取值范圍一般在2～10。由于實(shí)驗(yàn)個案數(shù)為7較少（這里設(shè)定p1～p7分別為個案1～7），故初選取k值為2、3、4。比較分析不同k值的結(jié)果，發(fā)現(xiàn)當(dāng)k=4時各聚類間的顯著性水平最高，且聚類中的個案數(shù)分布較為均勻合理，因此確定本實(shí)驗(yàn)聚類數(shù)為4，得到聚類中心，見表2。

3.1.3?聚類結(jié)果與問卷得分的相關(guān)性

根據(jù)問卷綜合得分，將p1～p7的疲勞程度進(jìn)行分類，設(shè)定p1～p7分別為個案1～7，結(jié)果如表3所示。K-means與綜合得分的分類結(jié)果的相關(guān)性分析，得到皮爾遜相關(guān)性指標(biāo)值為0867，兩者存在較強(qiáng)的相關(guān)性，說明使用K-Means?聚類可行。根據(jù)F值對各指標(biāo)進(jìn)行貢獻(xiàn)度排序，得到：掃視>眼跳>注視>瞳孔，這些指標(biāo)對聚類過程均有貢獻(xiàn)。

3.2?分類評價

根據(jù)各個受試者的聚類結(jié)果，按照所屬聚類組計(jì)算各物流駕駛員疲勞程度特征評價指標(biāo)的均值，統(tǒng)計(jì)各聚類中個案的數(shù)量，結(jié)果見表4。

通過分析聚類類別，可得：第一類物流駕駛員的眼動數(shù)據(jù)特征為瞳孔較大、眼跳活動較少、掃視和注視時間長；第二類物流駕駛員的眼動數(shù)據(jù)特征為瞳孔大、眼跳活動少、掃視時間較短、注視時間短；第三類物流駕駛員的眼動數(shù)據(jù)特征為瞳孔較小、眼跳活動較多、掃視時間短、注視時間較短；第四類物流駕駛員的眼動數(shù)據(jù)特征為瞳孔小、眼跳活動多、掃視時間較長、注視時間較短。

按照疲勞發(fā)展的次序和問卷主觀疲勞程度的判斷，從一到四的順序顯示疲勞程度的逐漸加重，駕駛員一旦出現(xiàn)疲勞跡象應(yīng)及時休息，以確保行車安全。物流駕駛員應(yīng)定期進(jìn)行疲勞程度的評估，根據(jù)評估結(jié)果采取相應(yīng)的防護(hù)和休息措施。

4?結(jié)論

第一，觀察疲勞程度的受試者的瀏覽路徑圖和熱點(diǎn)圖等眼動特征數(shù)據(jù)，論證眼動數(shù)據(jù)在疲勞程度研究中的可行性，突破傳統(tǒng)直接模擬駕駛環(huán)境的限制，為基于眼動特征指標(biāo)的物流駕駛員疲勞程度研究開拓新思路。

第二，基于眼動實(shí)驗(yàn)的數(shù)據(jù)分析，開發(fā)用于監(jiān)測物流駕駛員疲勞程度的實(shí)時預(yù)警系統(tǒng)，監(jiān)測眼動特征提前預(yù)測疲勞駕駛的風(fēng)險，進(jìn)而及時向物流駕駛員發(fā)出警報或建議休息的建議。

參考文獻(xiàn)

［1］Sahayadhas?A，Sundaraj?K，Murugappan?M，Detecting?driver?drowsiness?based?on?sensors：?a?review[J].Sensors，2012，12（12）：1693716953.

[2]任建新，許鋒.多特征融合的駕駛員疲勞程度量化方法研究[J/OL].電子測量技術(shù)：111[20230903].http：//kns，cnki，net/kcms/detail/11，2175，tn，20230718，1210，004，html.

[3]張瑞，朱天軍，鄒志亮，等.駕駛員疲勞駕駛檢測方法研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2022，58（21）：5366.

[4]王政，李延軍，嚴(yán)曲，等.監(jiān)控作業(yè)腦力疲勞綜合評定方法研究[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2010，23（01）：2024.

[5]吳維庫.不良情緒傳染的“蝴蝶效應(yīng)”與防避之策[J].領(lǐng)導(dǎo)科學(xué)，2016，（22）：1819.

[6]吳奇，譚惠中.我看不到你的疼痛：隱性自戀特質(zhì)與疼痛共情的關(guān)系[J].心理科學(xué)，2023，46（05）：12121219.

[7]史恭龍.校園招聘廣告的眼動研究[D].西安科技大學(xué)，2015.

[8]王莉莉，許凌鵬.基于眼動數(shù)據(jù)的管制員注意力特征評價[J].中國安全科學(xué)學(xué)報，2023，33（02）：217224.

[9]張琛.基于KMeans的特高頻局部放電定位誤差校正[J].電氣自動化，2017，（5）：106108.