道路交通控制室环境下的眼动追踪

伯明翰大学使用了眼动追踪技术对来自多种传感器数据和历史数据的大量数据流进行分析来检测不同的交通控制员在完成道路交通控制任务时的行为与决策方式。

与交通控制室环境相关的任务通常需要对来自多种设备的不同信息源进行持续的视觉评估 – 包括来自安装高速公路上探头的监控画面和诸如智能手机和GPS追踪信息以及大量的历史数据。在本研究中,英国伯明翰大学的研究人员使用Tobii Pro眼动追踪设备来调查操作员在执行一项标准的道路交通控制任务时的行为差异。

使用可穿戴式眼动仪开展控制室环境下的眼动研究

眼动追踪是能够直接对视觉信息采样行为进行衡量和评估的唯一方式。在道路交通控制室,对视觉信息的采样观察非常重要,因为操作员的感知理解(他们的“情境意识”)可能是由熟悉效应产生的错觉。将眼动追踪作为工具应用到此类用户界面的研究中,将为能够改善预测与决策的视觉采样研究产生极大的促进作用。

我们之所以选择Tobii Glasses眼动仪用来做控制室的现场研究是因为它很便携,佩戴简单且非常易用。

Dr. Neil Cooke, Dr. Sandra Starke, and Prof. Chris Baber , Dept. of Electronic, Electrical and Systems Engineering, University of Birmingham

研究目的

本研究的目标是找出操作人员在处理多信息源数据时的行为差异,从而对操作员在执行任务时对事件的响应策略以及操作员对这些信息资源的使用方式。此外,本研究还考察了头动、视线转换与他们相关的任务结构的相关性。

热点图显示出操作员的注意重点。

通过对注意模式的分析,研究人员将得到操作员在对可用信息的处理方式和对不同信息来源的相对重要性相关的洞察力。这些数据将被用于开发操作员的决策过程模型,以此对SPEEDD项目开发的屏幕设计进行评估。 

研究工具与方法

控制室环境一览。

在本研究中,研究人员使用了Tobii Glasses眼动仪来研究三名操作员对模拟的“路面交通事件”任务时的事件处理方法。该任务需要从多个显示器上获取并整合信息。控制室操作员依靠“视觉取样”来处理视觉信息,对目标区域的显性注意顺序由头动和眼动来确认。视觉样本通过眼动追踪来量化。

预测交通拥堵并作出相应的决策使其得到缓解是研究的主要主要目标。交通拥堵在发生前5-20分钟被预测出来,相应的交通信号灯设置与限速决策在30秒内完成。这可通过将用于采集实时交通数据的多种传感器技术进行融合来实现。

诸如道路交通管理一类的控制室任务需要持续的视觉评估并作出干预决策。包括对广泛信息源的监视和使用标准的操作流程对实时的现场画面作出相应的反馈。

在本研究中,研究人员使用了Tobii Glasses眼动仪来研究三名操作员对模拟的“路面交通事件”任务时的事件处理方法。该任务需要从多个显示器上获取并整合信息。控制室操作员依靠“视觉取样”来处理视觉信息,对目标区域的显性注意顺序由头动和眼动来确认。视觉样本通过眼动追踪来量化。

操作员配戴一副Tobii Glasses眼动仪来记录他们在屏幕上的观察位置。眼动数据被叠加在十个兴趣区上,头动方向的数据通过视频数据被自动计算出来。数据采集后,使用Matlab (MathWorks)进行后期的分析。

在控制室内,展现在操作员面前的有五个计算机显示器(见图1),分别显示事件记录,交通网络图,当前控制员负责的中央监控实时画面以及网络和其他信息的画面。控制台的背景是一个4X4的中央监控画面矩阵和一个可与控制台交互的较小的中央监控画面。控制台上还配有与设施外的相关人员通讯的普通电脑周边设备和电话/无线电。

研究结论

研究结论表明除非强制的观察模式会致使操作员在不降低效率的情况下保持高度的一致性,不同的工作流程以及相应的多种视觉采样策略的协调可能有助于控制室环境的设计。 

眼动追踪揭示出操作员会利用不同的信息源完成同一个任务。操作员们对中央监控画面的观察存在差异,由此造成了观察模式的偏好。多数情况下,操作员对目的兴趣区的头部和视线的方向是一致的,而头动对视线转移的辅助通常是因人而异的。

将图形分析法应用到社交分析的新领域中,研究人员得到了包含信息流程环境下的用于衡量、可视化注意力行为的新指标。通过对这些注意模式的分析,分析人员得到了关于不同信息源的相对重要性与操作员对这些信息源处理方式的洞察力。

本研究的结论将为后续的决策模型开发和新的道路交通控制交互界面的设计以及操作流程的规划带来帮助。眼动追踪为他们的此类评估起到了关键作用。