• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

桥形标复杂度对驾驶人脑电认知特性的影响机理

李雪玮 赵晓华 黄利华 荣建

李雪玮, 赵晓华, 黄利华, 荣建. 桥形标复杂度对驾驶人脑电认知特性的影响机理[J]. 西南交通大学学报, 2021, 56(5): 913-920. doi: 10.3969/j.issn.0258-2724.20200109
引用本文: 李雪玮, 赵晓华, 黄利华, 荣建. 桥形标复杂度对驾驶人脑电认知特性的影响机理[J]. 西南交通大学学报, 2021, 56(5): 913-920. doi: 10.3969/j.issn.0258-2724.20200109
LI Xuewei, ZHAO Xiaohua, HUANG Lihua, RONG Jian. Influence Mechanism of Bridge Sign Complexity on Cognitive Characteristics of Drivers’ Electroencephalogram[J]. Journal of Southwest Jiaotong University, 2021, 56(5): 913-920. doi: 10.3969/j.issn.0258-2724.20200109
Citation: LI Xuewei, ZHAO Xiaohua, HUANG Lihua, RONG Jian. Influence Mechanism of Bridge Sign Complexity on Cognitive Characteristics of Drivers’ Electroencephalogram[J]. Journal of Southwest Jiaotong University, 2021, 56(5): 913-920. doi: 10.3969/j.issn.0258-2724.20200109

桥形标复杂度对驾驶人脑电认知特性的影响机理

doi: 10.3969/j.issn.0258-2724.20200109
基金项目: 政府间国际科技创新合作重点专项(2017YFE0134500)
详细信息
    作者简介:

    李雪玮(1993—),女,博士研究生,研究方向为智能交通与驾驶行为,E-mail:67129336@qq.com

    通讯作者:

    黄利华(1990—),女,助理研究员,博士,研究方向为驾驶行为、交通安全,E-mail:hpuhuanglihua@163.com

  • 中图分类号: U491.5

Influence Mechanism of Bridge Sign Complexity on Cognitive Characteristics of Drivers’ Electroencephalogram

  • 摘要: 桥形标设计应用缺乏规范性,复杂桥形标影响驾驶人认读,进而影响通行效率及交通安全. 为明确桥形标复杂度对驾驶人认知加工的影响规律,借助Oddball范式针对不同复杂度桥形标开展脑电认知实验;综合考虑驾驶人的认读行为及脑电特性,提取认读时间、目的地寻找正确比例、脑电事件相关电位(event-related potential,ERP)中早期注意电位N100及认知电位P300 4个主要分析指标;采用重复测量方差分析量化桥形标复杂度对驾驶人认知过程及脑电特性的影响. 结果表明:随着桥形标复杂度的增加,驾驶人认读时间增长,目的地寻找正确比例降低;同时,诱发N100平均振幅、峰值更多地呈现负向偏移,P300平均振幅正向偏移增大,即驾驶人早期注意分配增加,早期注意时间滞后,认知难度增加;靶刺激与标准刺激的相对差异性越大,P300潜伏期越短,越容易与标准刺激低等复杂度桥形标辨别.

     

  • 图 1  不同复杂图桥形标图形选取

    Figure 1.  Selection of bridge sign diagrams with different complexities

    图 2  Neuroscan脑电仪

    1:脑电帽; 2:放大器; 3:数据采集狗; 4:数据分析狗

    Figure 2.  Neuroscan electroencephalograph

    图 3  靶刺激桥形标设计版面

    Figure 3.  Bridge sign designs in target stimulus

    图 4  靶刺激中目的路名位置设计

    Figure 4.  Destination location designs in target stimulus

    图 5  标准刺激桥形标4种设计版面

    Figure 5.  Four bridge sign designs in standard stimulus

    图 6  桥形标A组FZ电极处波形

    Figure 6.  Wave at FZ electrode for bridge sign group A

    图 7  认读行为数据

    Figure 7.  Reading behavior data

    图 8  N100分析结果

    Figure 8.  Analysis results of N100

    图 9  P300分析结果

    Figure 9.  Analysis results of P300

    表  1  37种桥形标图形分类结果

    Table  1.   Classification results of 37 bridge sign diagrams

    复杂度 桥形标
    低等
    中等
    高等
    下载: 导出CSV

    表  2  两种脑电成分代表电极及分析时间窗

    Table  2.   Electrode and time window of two electroencephalogram compositions

    成分电极时间窗口/ms
    N100F3、FZ、F4、FC3、FCZ、FC460~130
    P300C3、CZ、C4、CP3、CPZ、CP4、
    P3、PZ、P4
    400~600
    下载: 导出CSV
  • 赵晓华. 城市快速路指路标志系统效用评估及优化设置方法研究[R]. 北京: 北京市交通委员会, 2016.
    赫尔曼•哈肯. 大脑工作原理: 脑活动、行为和认知的协同学研究[M]. 郭治安, 吕翎, 译. 上海: 上海科技教育出版社, 2000.
    BYRNE M D, KIRLIK A. Integrated modeling of cognition and the information environment: a closed-loop, ACT-R approach to modeling approach and landing with and without synthetic vision systems (SVS) technology (technical report)[R]. Houston: Rice University, 2004.
    杜志刚,潘晓东,郭雪斌. 高速公路隧道出口交通标志安全距离研究[J]. 公路工程,2008,33(1): 55-58. doi: 10.3969/j.issn.1674-0610.2008.01.015

    DU Zhigang, PAN Xiaodong, GUO Xuebin. Traffic sign’s safe distance from freeway tunnel’s exit[J]. Highway Engineering, 2008, 33(1): 55-58. doi: 10.3969/j.issn.1674-0610.2008.01.015
    NEWELL A, SIMON H A. Human problem solving[M]. Englewood Cliffs: Prentice-Hall, 1972.
    ANDERSON J R. The architecture of cognition[M]. New York: Psychology Press, 2013.
    SALVUCCI D D. Modeling driver behavior in a cognitive architecture[J]. Human Factors:The Journal of the Human Factors and Ergonomics Society, 2006, 48(2): 362-380. doi: 10.1518/001872006777724417
    NEISSER U. Cognitive psychology[M]. Classic edition. New York: Psychology Press, 2014.
    BROOKS R A. Intelligence without representation[J]. Artificial Intelligence, 1991, 47(1/2/3): 139-159.
    付辉建. 基于脑电信号分析的风险感知研究[D]. 杭州: 浙江大学, 2016.
    LIU B L, WANG Z N, SONG G J, et al. Cognitive processing of traffic signs in immersive virtual reality environment:an ERP study[J]. Neuroscience Letters, 2010, 485(1): 43-48. doi: 10.1016/j.neulet.2010.08.059
    GIRAUDET L, IMBERT J P, BÉRENGER M, et al. The neuroergonomic evaluation of human machine interface design in air traffic control using behavioral and EEG/ERP measures[J]. Behavioural Brain Research, 2015, 294: 246-253. doi: 10.1016/j.bbr.2015.07.041
    李洋,赵晓华,何庆,等. 立交桥图形指路标志视认复杂程度综合评价方法[J]. 北京工业大学学报,2019,45(4): 64-72.

    LI Yang, ZHAO Xiaohua, HE Qing, et al. Comprehensive evaluation method of recognition complexity of interchange diagrammatic guide signs[J]. Journal of Beijing University of Technology, 2019, 45(4): 64-72.
    CHRYSLER S T, WILLIAMS A A, FUNKHOUSER D S, et al. Driver comprehension of diagrammatic freeway guide signs[R]. Austin: Texas Transportation Institute. 2007.
    ZWAHLEN H T, RUSS A, ROTH J, et al. Evaluation of the effectiveness of ground mounted diagrammatic advance guide signs for freeway entrance ramps[J]. Transportation Research Record:Journal of the Transportation Research Board, 2003, 1843: 70-80. doi: 10.3141/1843-09
    LYU N C, XIE L, WU C Z, et al. Driver’s cognitive workload and driving performance under traffic sign information exposure in complex environments:a case study of the highways in China[J]. International Journal of Environmental Research and Public Health, 2017, 14(2): 14020203.1-14020203.25.
    关伟. 驾驶员对交通标志的视觉信息认知过程实验研究[D]. 北京: 北京工业大学, 2014.
    何文强. 高速公路互通区指路标志对驾驶员情境意识的影响研究[D]. 福州: 福州大学, 2018.
    赵仑. ERPs实验教程[M]. 修订版. 南京: 东南大学出版社, 2010.
    LI Y, ZHAO X, HE Q, et al. Comprehensive evaluation and classification of interchange diagrammatic guide signs’ complexity[J]. Journal of Advanced Transportation, 2018, 2018: 9865305.1-9865305.11.
    张锴铎. 基于脑电的视觉信息加工机制研究[D]. 泉州: 华侨大学, 2017.
    TSOLAKI A C, KOSMIDOU V, KOMPATSIARIS I Y, et al. Brain source localization of MMN and P300 ERPs in mild cognitive impairment and Alzheimer ’s disease:a high-density EEG approach[J]. Neurobiology of Aging, 2017, 55: 190-201. doi: 10.1016/j.neurobiolaging.2017.03.025
  • 加载中
图(9) / 表(2)
计量
  • 文章访问数:  407
  • HTML全文浏览量:  191
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-03-24
  • 修回日期:  2020-09-03
  • 网络出版日期:  2020-10-27
  • 刊出日期:  2021-10-15

目录

    /

    返回文章
    返回