CN120167967A 一种基于眼动分析的驾驶能力评估系统和方法 （中国人民解放军海军航空大学）

(19)国家知识产权局余应福邓向阳朱宏基务所(特殊普通合伙)11765A61B5/00(2006.01)一种基于眼动分析的驾驶能力评估系统和方法本发明公开了一种基于眼动分析的驾驶能驾驶参数数据和眼动数据在时间轴上进行数据存在的因主观偏差和数据维度单一导致的不能21.一种基于眼动分析的驾驶能力评估方法，其特征获取被测人员在模拟驾驶平台完成模拟驾驶任务时的驾驶参数数据和眼动数据；所述眼动数据包括所述被测人员在所述模拟平台的多个兴趣区域的注视点数据；对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐和预处理，得到预处理之后驾驶参数数据和预处理之后的眼动数据；基于所述预处理之后的眼动数据，分别计算每个兴趣区域内的注视点百分比、所述被测人员的单位时间扫视幅度、所述被测人员在各阶段模拟驾驶任务对应的视觉熵值、注视频率和最近邻居指标；基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能；基于所述注视频率、所述最近邻居指标和所述视觉熵值，评估所述被测人员在驾驶过程中的认知情况变化。2.根据权利要求1所述的方法，其特征在于：对所述驾驶参数数据和所述眼动数据在时对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐；以所述模拟驾驶平台上设置的多个锚点为基准，将所述眼动数据与所述被测人员在完成模拟驾驶任务时的静态全局图进行映射，得到眼动数据映射效果图；所述眼动数据映射效果图包括每个兴趣区域内的注视点数据。3.根据权利要求1所述的方法，其特征在于：所述每个兴趣区域内的注视点百分比计算算式包括：式中，P为第i个兴趣区域内的注视点百分比，A为第i个兴趣区域内的注视点数目。4.根据权利要求1所述的方法，其特征在于：所述被测人员的单位时间扫视幅度的计算算式包括：式中，S为所述单位时间扫视幅度，Stota1为所述被测人员的总扫视幅度，N为注视点个5.根据权利要求1所述的方法，其特征在于：所述视觉熵值的计算算式包括：式中，H为所述视觉熵值，π是第i个兴趣区域内的注视点频数与所有兴趣区域内注视点数目之和的比值，m为兴趣区域的个数，p是注视点从第i个兴趣区域转移到第j个兴趣区域的概率。6.根据权利要求1所述的方法，其特征在于：所述最近邻居指标的计算算式包括：3式中，NNI为所述最近邻居指标，min(d₁)表示最近两个注视点之间的距离，A表示注视点分布区域的面积，N为注视点个数。7.根据权利要求1所述的方法，其特征在于：所述视觉信息搜索效能包括注意偏好、注意广度和注意稳定性；基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能，包括：基于所述注视点百分比，评估所述被测人员在驾驶过程中的注意偏好；基于所述单位时间扫视幅度，评估所述被测人员在驾驶过程中的注意广度；基于所述视觉熵值，评估所述被测人员在驾驶过程中的注意稳定性。8.一种基于眼动分析的驾驶能力评估系统，其特征在于，包括：获取模块、预处理模块、所述获取模块，用于获取被测人员在模拟驾驶平台完成模拟驾驶任务时的驾驶参数数据和眼动数据；所述眼动数据包括所述被测人员在所述模拟平台的多个兴趣区域的注视点所述预处理模块，用于对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐和预处理，得到预处理之后驾驶参数数据和预处理之后的眼动数据；所述计算模块，用于基于所述预处理之后的眼动数据，分别计算每个兴趣区域内的注视点百分比、所述被测人员的单位时间扫视幅度、所述被测人员在各阶段模拟驾驶任务对应的视觉熵值、注视频率和最近邻居指标；所述第一评估模块，用于基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能；所述第二评估模块，用于基于所述注视频率、所述最近邻居指标和所述视觉熵值，评估所述被测人员在驾驶过程中的认知情况变化。9.一种电子设备，其特征在于，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1-7任一项所述的方法。4一种基于眼动分析的驾驶能力评估系统和方法技术领域[0001]本发明涉及驾驶能力量化评估技术领域，具体为一种基于眼动分析的驾驶能力评估系统和方法。背景技术[0002]当前，航空与汽车驾驶能力的评估体系主要依赖于任务绩效指标与教官主观评价两大维度。其中，任务绩效量化指标，通过预设操作流程(如飞行检查单、标准起降程序)的完成度、动作误差等结构化指标衡量驾驶员基础技能。教官经验化评价体系，依赖人工观察与主观评分，例如通过教官对驾驶员复杂场景决策的合理性、沟通效率等维度进行等级评分。除此之外，传统的驾驶能力评估还包括理论考试题库与高保真模拟器测试方法，用于验证驾驶员的理论知识储备与特定场景操作能力。[0003]尽管传统方法在驾驶能力评估中广泛应用，但其存在以下技术瓶颈：[0004]主观评价偏差：教官评分受限于个体经验差异，对驾驶员心理负荷、微表情变化等隐性指标缺乏量化依据，导致评估结果一致性不足；[0005]数据维度单一：现有系统仅采集基础操作数据，未整合生理信号、环境交互数据，难以全面反映驾驶员在实际驾驶过程中的注意力水平及反应速度。发明内容[0006]本发明的目的就在于为了解决上述至少一个技术问题而提供一种基于眼动分析的驾驶能力评估系统和方法。[0007]第一方面，本发明实施例提供了一种基于眼动分析的驾驶能力评估方法，包括：获取被测人员在模拟驾驶平台完成模拟驾驶任务时的驾驶参数数据和眼动数据；所述眼动数据包括所述被测人员在所述模拟平台的多个兴趣区域的注视点数据；对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐和预处理，得到预处理之后驾驶参数数据和预处理之后的眼动数据；基于所述预处理之后的眼动数据，分别计算每个兴趣区域内的注视点百分比、所述被测人员的单位时间扫视幅度、所述被测人员在各阶段模拟驾驶任务对应的视觉熵值、注视频率和最近邻居指标；基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能；基于所述注视频率、所述最近邻居指标和所述视觉熵值，评估所述被测人员在驾驶过程中的认知情况变化。[0008]进一步地，对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐和预处理，包括：对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐；以所述模拟驾驶平台上设置的多个锚点为基准，将所述眼动数据与所述被测人员在完成模拟驾驶任务时的静态全局图进行映射，得到眼动数据映射效果图；所述眼动数据映射效果图包括每个兴趣区域内的注视点数据。[0009]进一步地，所述每个兴趣区域内的注视点百分比计算算式包括：5[0011]式中，P为第i个兴趣区域内的注视点百分比，A为第i个兴趣区域内的注视点数[0012]进一步地，所述被测人员的单位时间扫视幅度的计算算式包括：个数。[0015]进一步地，所述视觉熵值的计算算式包括：个兴趣区域内的注视点频数与所有兴趣区域内注视点数目之和的比值，m为兴趣区域的个数，p₁是注视点从第i个兴趣区域转移到第j个兴趣区域的概率。[0020]式中，NNI为所述最近邻居指标，min(d;)表示最近两个注视点之间的距离，A表示注视点分布区域的面积，N为注视点个数。[0021]进一步地，所述视觉信息搜索效能包括注意偏好、注意广度和注意稳定性；基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能，包括：基于所述注视点百分比，评估所述被测人员在驾驶过程中的注意偏好；基于所述单位时间扫视幅度，评估所述被测人员在驾驶过程中的注意广度；基于所述视觉熵值，评估所述被测人员在驾驶过程中的注意稳定性。[0022]第二方面，本发明实施例还提供了一种基于眼动分析的驾驶能力评估系统，包括：于获取被测人员在模拟驾驶平台完成模拟驾驶任务时的驾驶参数数据和眼动数据；所述眼动数据包括所述被测人员在所述模拟平台的多个兴趣区域的注视点数据；所述预处理模块，用于对所述驾驶参数数据和所述眼动数据在时间轴上进行数据对齐和预处理，得到预处理之后驾驶参数数据和预处理之后的眼动数据；所述计算模块，用于基于所述预处理之后的眼动数据，分别计算每个兴趣区域内的注视点百分比、所述被测人员的单位时间扫视幅度、所述被测人员在各阶段模拟驾驶任务对应的视觉熵值、注视频率和最近邻居指标；所述第一评估模块，用于基于所述注视点百分比、所述单位时间扫视幅度和所述视觉熵值，评估所述被测人员在驾驶过程中的视觉信息搜索效能；所述第二评估模块，用于基于所述注视频率、所述最近邻居指标和所述视觉熵值，评估所述被测人员在驾驶过程中的认知情况变化。6[0023]第三方面，本发明实施例还提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例提供的方法。[0024]第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如本发明实施例提供的方[0025]本发明提供了一种基于眼动分析的驾驶能力评估系统和方法，通过对眼动数据的分析，能够更加精准地评估驾驶员的注意力分配、视觉搜索模式等影响安全驾驶的因素，为驾驶培训、安全评估以及制定个性化的驾驶辅助方案提供支持，缓解了现有技术存在的因主观偏差和数据维度单一导致的不能全面准确地反映驾驶员在实际驾驶过程中的注意力水平及反应速度的技术问题。附图说明[0026]为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0027]图1为本发明实施例提供的一种基于眼动分析的驾驶能力评估方法的流程图；[0028]图2为本发明实施例提供的一种飞行模拟驾驶平台的舱内区域示意图；[0029]图3为本发明实施例提供的一种眼动数据与认知特性的关系示意图；[0030]图4为本发明实施例提供的一种基于眼动分析的驾驶能力评估系统的示意图。具体实施方式[0031]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他[0032]实施例一[0033]图1是根据本发明实施例提供的一种基于眼动分析的驾驶能力评估方法的流程[0034]步骤S102,获取被测人员在模拟驾驶平台完成模拟驾驶任务时的驾驶参数数据和眼动数据；眼动数据包括被测人员在模拟平台的多个兴趣区域的注视点数据。[0035]步骤S104,对驾驶参数数据和眼动数据在时间轴上进行数据对齐和预处理，得到预处理之后驾驶参数数据和预处理之后的眼动数据。[0036]步骤S106,基于预处理之后的眼动数据，分别计算每个兴趣区域内的注视点百分比、被测人员的单位时间扫视幅度、被测人员在各阶段模拟驾驶任务对应的视觉熵值、注视频率和最近邻居指标。[0037]步骤S108,基于注视点百分比、单位时间扫视幅度和视觉熵值，评估被测人员在驾驶过程中的视觉信息搜索效能。7[0038]步骤S110,基于注视频率、最近邻居指标和视觉熵值，评估被测人员在驾驶过程中的认知情况变化。[0039]可选地，本发明实施例中的模拟驾驶任务包括汽车模拟驾驶任务和航空模拟驾驶任务。模拟驾驶平台包括汽车模拟驾驶平台或飞行模拟驾驶平台。[0040]图2是根据本发明实施例提供的一种飞行模拟驾驶平台的舱内区域示意图。其中，飞行模拟驾驶平台所用软件为DCSworld.如图2所示，首先对飞行模拟驾驶平台进行设置与测试，具体包括：[0041]软件部分：[0042](1)打开Simapp软件，设置整体环境的屏幕分辨率，确保与DCSworld内容一致；[0043](2)打开DCSworld程序，进入“任务编辑器”,加载已保存的任务场景，等待场景数据在线加载完毕；[0044](3)按下模拟飞行启动按钮，开始飞行任务。[0045]硬件部分：[0046](1)检查摇杆、节流阀及脚蹬的正常工作情况，确保无松动或损坏；[0047](2)记录所有接口的插口位置，确保后续分析时的一致性；[0048](3)在飞行模拟平台的多个预设位置粘贴指定的二维码作为锚点，并将其放置在固定位置，以便后续映射眼动数据。[0049]之后，被测人员佩戴眼动仪并开始飞行任务。被测人员进入DCSworld模拟环境，完成飞行任务。每人至少重复飞行任务6次，以减少因异常环境导致的误差。在飞行过程中，被测人员需要观察和处理多个信息源，包括左DDI、右DDI、UFC、舱内其他区域及舱外区域的信息，并通过手动控制飞行装置(驾驶杆、油门杆、方向舵踏板)来调整飞机的俯仰、横滚、速度和航向，确保飞机按预定航迹飞行。[0050]实验完成后，导出被测人员的飞行参数数据和眼动数据。数据文件命名格式为“被测人员代号-测试时间-数据集名称”。[0051]具体地，步骤S104还包括如下步骤：[0052]步骤S1041,对驾驶参数数据和眼动数据在时间轴上进行数据对齐。[0053]步骤S1042,以模拟驾驶平台上设置的多个锚点为基准，将眼动数据与被测人员在完成模拟驾驶任务时的静态全局图进行映射，得到眼动数据映射效果图；眼动数据映射效果图包括每个兴趣区域内的注视点数据。[0054]具体地，以图2所示的二维码作为锚点，将动态第一视角中的眼动数据与静态全局图进行映射。[0055]对眼动数据进行预处理包括：采样频率为N赫兹时，在给定最小注视持续时间t为100毫秒的前提下，同一目标物数据连续记录N/10次，才达到最小持续时间。即，对于筛选出的注视点数据，规定连续N/10帧以上记录到同一注视目标物才被记为一次注视数据。[0056]驾驶员能力评估主要要素包含多种类型，其对环境感知主要是依靠视觉来采集飞行状态及海面状态、飞行信号灯、飞行仪表盘等各类信息，本发明主要从视觉的角度，为驾驶员的感知环节选取评价指标；驾驶员的决策过程其实是在大脑中进行的一系列思维活动，而神经系统的活动很难用某种指标进行衡量，所以本发明将驾驶员的决策结果对应到驾驶行为上，来考察驾驶员为了达成任务目标而做出的反应。作为综合评估构建过程中很8是根据本发明实施例提供的一种眼动数据与认9[0072]式中，H为视觉熵值，π,是第i个兴趣区域的概率。之间的注视转移的频数所组成的矩阵N如下：[0078]设p;是注视点从兴趣区i转移到兴趣j的概率，是通过注视点转移频数矩阵中的[0080]而p所组成的矩阵就是驾驶员的注视点在7个兴趣区的一步转移概率矩阵，即：[0082]设π,是在兴趣区i的注视点频数n,与所有兴趣区注视点数目之和与n的比值，即：于1表明注视点较为分散，NNI值大于1表明注视点有规律[0094]由以上描述可知，本发明实施例提供了一种基于眼动分析的驾驶能力评估方法，现有技术存在的因主观偏差和数据维度单一导致的不能全面准确地反映驾驶员在实际驾[0096]图4是根据本发明实施例提供的一种基于眼动分析的驾驶能力评估系统的示意[0097]具体地，获取模块10,用于获取被测人员在模拟驾驶平台完成模拟驾驶任务时的[0098]预处理模块20,用于对驾驶参数数据和眼动数据在时间轴上进行数据对齐和预处[0099]计算模块30,用于基于预处理之后的眼动数据，分别计算每个兴趣区域内的注视11[0101]第二评估模块50,用于基于注视频率、最近邻居指标和视觉熵值，评估被测人员在驾驶过程中的认知情况变化。[0102]具体地，视觉信息搜索效能包括注意偏好、注意广度和注意稳定性；第一评估模块40,还用于：[0103]基于注视点百分比，评估被测人员在驾驶过程中的注意偏好；[0104]基于单位时间扫视幅度，评估被测人员在驾驶过程中的注意广度；[0105]基于视觉熵值，评估被测人员在驾驶过程中的注意稳定性。[0106]本发明还提供了一种