利用眼动指标预测疲劳驾驶损伤:基于BrainEye应用的驾驶前评估方法

《IATSS Research》:Predicting drowsy driving impairment using ocular-motor metrics: A pre-drive assessment approach using the BrainEye app.

【字体: 大 中 小 】 时间:2026年07月08日 来源:IATSS Research 3.4

编辑推荐:

  驾驶员嗜睡是导致车辆碰撞的主要因素之一,尽管睡眠缺失对个体的影响程度不同。虽然车载技术可以在道路上监测驾驶员疲劳和分心的迹象,但在驾驶员进入车辆之前预测其损伤显然具有优势。研究人员试图通过主观嗜睡报告以及使用BrainEye手机应用程序记录的眼动行为来预测驾驶

  
驾驶员嗜睡是导致车辆碰撞的主要因素之一,尽管睡眠缺失对个体的影响程度不同。虽然车载技术可以在道路上监测驾驶员疲劳和分心的迹象,但在驾驶员进入车辆之前预测其损伤显然具有优势。研究人员试图通过主观嗜睡报告以及使用BrainEye手机应用程序记录的眼动行为来预测驾驶员损伤。18名参与者先在驾驶模拟器中进行了一次20分钟的高速公路基线驾驶,随后在晚上10点至凌晨2点之间接受了4小时的睡眠限制。参与者在上午9点后返回驾驶模拟器,在睡眠剥夺状态下完成第二次驾驶。主观嗜睡报告的增加预测了平均速度和最大速度的降低,而BrainEye衍生的眼动模型预测了横向位置偏差(摇摆)和速度变异性。降低车辆速度以抵消嗜睡影响先前已被证明是一种补偿性驾驶机制。研究人员的发现表明,眼动参数可能预测与认知能力下降(意味着驾驶需要更多认知努力)和警觉性注意力降低相关的驾驶损伤。尽管这些结果是初步的,但使用手机应用程序预测驾驶员损伤可能有助于个体判断自己是否有能力驾驶。
**论文解读:基于眼动指标的疲劳驾驶损伤预测——BrainEye应用的驾驶前评估方法**

### 研究背景与问题
驾驶员嗜睡是导致交通事故的重要因素。据估计,在澳大利亚,约8%至16%的碰撞事故与嗜睡相关,而美国2017至2021年间17.6%的致命碰撞涉及疲劳驾驶员,英国的数据则显示20%的事故和高达25%的致命事故与嗜睡损伤有关。尽管睡眠缺失的影响因个体差异(如睡眠习惯、遗传倾向)而不同,且个体对自身嗜睡的估计相对准确,但人们可能低估睡眠缺失对驾驶表现的实际影响。现有车载技术可实时监测疲劳,但若能预测驾驶员在进入车辆前的损伤程度,将更有效地预防事故。眼动行为(oculomotor behavior)已被证实受嗜睡影响,如平滑追踪(smooth pursuit)增益和准确性下降,以及记忆引导扫视潜伏期增加。然而,以往研究多集中于驾驶过程中的监测,缺乏对驾驶前眼动评估能否预测损伤的探索。手机眼动追踪技术的发展(如BrainEye应用)为便捷、低成本的驾驶前评估提供了可能。本研究旨在检验基于BrainEye应用的眼动行为模型是否比主观嗜睡报告更能预测驾驶损伤。

### 主要技术方法
本研究招募了18名来自昆士兰大学(Griffith University)的持有开放式驾照的参与者(14男4女,中位年龄24岁,中位驾驶经验6.5年)。参与者先后完成两次20分钟模拟高速公路驾驶(SCANeR软件,110 km/h限速):一次基线驾驶(充分休息后),另一次在4小时睡眠限制后(10 p.m.至2 a.m.入睡,通过WHOOP睡眠追踪带确认)。驾驶前使用Karolinska嗜睡量表(KSS)进行主观评估,并使用BrainEye应用进行平滑追踪测试(记录相位误差Phase Error、角增益Angular Gain、潜伏期Latency)。驾驶后使用驾驶活动负荷指数(DALI)评估心理负荷。统计分析采用重复测量t检验和多元线性回归,分别构建“眼动模型”(以Phase Error、Angular Gain、Latency变化为预测变量)和“主观模型”(以KSS变化为预测变量),比较其对驾驶性能变化(横向位置标准差SDLP、平均速度、最大速度、速度标准差SD Speed)及DALI得分的预测能力。

### 研究结果
**1. 睡眠数据与整体驾驶变化**
WHOOP带确认所有参与者睡眠不足4小时(除一名为4小时7分钟)。KSS评分显示睡眠限制后嗜睡显著增加(平均值从3.4升至5.6,p<0.001)。整体上,SDLP显著上升(从0.21m到0.27m,p<0.001),但速度相关指标无显著变化。眼动指标无群体水平变化。DALI显示除时间负荷外,所有维度负荷显著增加。

**2. 预测驾驶性能变化**
- **SDLP(摇摆行为)**:眼动模型接近显著(p=0.077),其中Phase Error是唯一显著预测因子(p=0.014),更大的Phase误差下降与更大的车道摇摆增加相关。主观模型不显著(p=0.295),且眼动模型拟合更优(Adj.R2=0.26 vs. 0.01)。
- **平均速度**:主观模型显著(p=0.010),KSS增加预测平均速度下降。眼动模型不显著。
- **最大速度**:主观模型显著(p=0.017),KSS增加预测最大速度下降。Phase Error在眼动模型中为显著预测因子(p=0.029)。
- **速度标准差(SD Speed)**:眼动模型显著(p<0.001)且拟合强(Adj.R2=0.65),Mean Latency和Phase Error均显著(p=0.002)。主观模型不显著。

**3. 预测驾驶工作负荷变化**
仅眼动模型对努力负荷(Effort)的预测显著(p=0.012),Phase Error和Mean Latency(接近显著)与努力负荷增加相关。其他DALI维度无显著模型。

### 讨论与结论
研究揭示了睡眠限制对驾驶影响的巨大个体差异(图3),支持了嗜睡效应因人而异的观点,强调个体化预测的重要性。眼动模型对摇摆行为(SDLP)和速度变异性(SD Speed)预测能力更强,而主观模型更能解释速度降低(可能为补偿行为)。Phase Error与认知负荷及努力负荷的关联表明,平滑追踪准确性下降反映了认知资源减少导致的驾驶困难。Mean Latency与速度变异性相关,可能源于警觉性注意力降低(cognitive control下降)。局限性包括:单调高速公路场景可能不适用于城市驾驶;未来应结合眨眼参数(blinks)或生理指标(如心血管行为);个体昼夜节律等未纳入模型。此外,技术接受度(TAM/UTAUT模型)和数字鸿沟(digital divide)可能影响实际应用。

**研究结论**:
研究表明,睡眠缺失后通过BrainEye手机应用测量的眼动行为可用于预测个体驾驶时的损伤程度。不同个体受睡眠缺失影响的方式和程度各异。个体评估自身损伤的能力(超越主观嗜睡感受)可能为驾驶安全决策提供重要参考。减少疲劳驾驶员上路有助于提升所有道路使用者的安全。

论文发表于《IATSS Research》。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号