With the development of drone technology and oblique photogrammetry technology, the acquisition of oblique photogrammetry models and basemap becomes more and more convenient and quickly. The increase in the number of ...With the development of drone technology and oblique photogrammetry technology, the acquisition of oblique photogrammetry models and basemap becomes more and more convenient and quickly. The increase in the number of basemap leads to excessively redundant basemap tiles requests in 3D GIS when loading oblique photogrammetry models, which slows down the system. Aiming at improving the speed of running system, this paper proposes a dynamic strategy for loading basemap tiles. Different from existing 3D GIS which loading oblique photogrammetry models and basemap tiles inde-pendently, this strategy dynamically loads basemap tiles depending on different height of view and the range of loaded oblique photogrammetry models. We achieve dynamic loading of basemap tiles by predetermining whether the basemap tiles will be covered by the oblique photogrammetry models. The experimental results show that this strategy can greatly reduce the num-ber of redundant requests from the client to the server while ensuring the user’s visual requirements for the oblique photogrammetric model.展开更多
为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方...为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方法构建驾驶人视觉负荷评价模型,量化不同次任务下的视觉负荷。在视觉负荷量化的基础上,引入变异系数,采用K均值聚类算法将驾驶人视觉负荷分为低、中、高稳定型类别。并通过相关性分析,探究次任务下驾驶人视觉负荷与行车安全的关系。结果表明,执行快速串行视觉呈现(Rapid Serial Visual Presentation, RSVP)任务使驾驶人扫视速度和扫视幅度显著增加,单次注视持续时间显著下降。但驾驶人通过增加注视频次,弥补了总注视持续时长的下降,即采取小幅快速搜索方式补偿了视觉信息的获取。执行延迟数字召回任务(1-Back)占用驾驶人认知资源,导致视觉搜索出现弱化。驾驶人不仅减少了对非前方道路区域的关注,且扫视频率和注视持续时长占比均显著下降。视觉负荷量化模型结果显示,RSVP手机操作次任务下相比正常驾驶视觉负荷平均上升了22.29%,执行1-Back数字记忆次任务时视觉负荷平均下降了8.93%。不同驾驶人视觉负荷存在明显个体差异,64.2%的被试视觉负荷可以保持高稳定性。驾驶人视觉负荷与车速指标虽不相关,但与车头间距、车头时距和时间裕度等安全替代指标具有显著负相关,表明次任务加载下视觉负荷过高会导致驾驶绩效下降,影响行车安全。展开更多
目的驾驶界面通过有效地将自动驾驶汽车的当前状态和驾驶意图传达给驾驶员,从而在基于人–机–环境的驾驶任务运行过程中创造安全性和舒适性。当前自动驾驶汽车的自动驾驶功能接受程度不高,驾驶员仍需监控驾驶界面,车辆内部驾驶界面视...目的驾驶界面通过有效地将自动驾驶汽车的当前状态和驾驶意图传达给驾驶员,从而在基于人–机–环境的驾驶任务运行过程中创造安全性和舒适性。当前自动驾驶汽车的自动驾驶功能接受程度不高,驾驶员仍需监控驾驶界面,车辆内部驾驶界面视觉舒适性的重要性日益凸显。探讨该领域的主要研究成果、理论框架、研究方法、存在争议以及未来的研究方向。方法基于2021年至2024年期间在CNKI和Web of Science、Scopus以及Proquest数据库中已发表的论文,采用VOSviewer和CiteSpace工具对2021-2024年间的相关文献进行可视化分析。根据PRISMA系统综述方法筛选近年来所有关于自动驾驶汽车的界面视觉舒适相关且合格的研究,以确保综述的全面性和准确性。结果总结了视觉舒适与驾驶员视觉疲劳、认知负荷之间的关系和相关评估方法,包括主观和客观评价两类;提出了有用指标,例如界面信息增加时注视持续时间、瞳孔扩张程度和图标数量;根据自动车辆驾驶界面人–机–环境关系开发了基于驾驶认知负荷的视觉舒适因素框架,为人机界面的视觉舒适研究提供参考。展开更多
文摘With the development of drone technology and oblique photogrammetry technology, the acquisition of oblique photogrammetry models and basemap becomes more and more convenient and quickly. The increase in the number of basemap leads to excessively redundant basemap tiles requests in 3D GIS when loading oblique photogrammetry models, which slows down the system. Aiming at improving the speed of running system, this paper proposes a dynamic strategy for loading basemap tiles. Different from existing 3D GIS which loading oblique photogrammetry models and basemap tiles inde-pendently, this strategy dynamically loads basemap tiles depending on different height of view and the range of loaded oblique photogrammetry models. We achieve dynamic loading of basemap tiles by predetermining whether the basemap tiles will be covered by the oblique photogrammetry models. The experimental results show that this strategy can greatly reduce the num-ber of redundant requests from the client to the server while ensuring the user’s visual requirements for the oblique photogrammetric model.
文摘为了量化不同驾驶次任务下驾驶人视觉负荷特征,基于驾驶模拟平台搭建各类型次任务加载下的高速公路跟车场景,招募46名被试开展试验。采集驾驶人注视、扫视及瞳孔直径等眼动指标,对比不同驾驶次任务下视觉特征变化规律。基于因子分析方法构建驾驶人视觉负荷评价模型,量化不同次任务下的视觉负荷。在视觉负荷量化的基础上,引入变异系数,采用K均值聚类算法将驾驶人视觉负荷分为低、中、高稳定型类别。并通过相关性分析,探究次任务下驾驶人视觉负荷与行车安全的关系。结果表明,执行快速串行视觉呈现(Rapid Serial Visual Presentation, RSVP)任务使驾驶人扫视速度和扫视幅度显著增加,单次注视持续时间显著下降。但驾驶人通过增加注视频次,弥补了总注视持续时长的下降,即采取小幅快速搜索方式补偿了视觉信息的获取。执行延迟数字召回任务(1-Back)占用驾驶人认知资源,导致视觉搜索出现弱化。驾驶人不仅减少了对非前方道路区域的关注,且扫视频率和注视持续时长占比均显著下降。视觉负荷量化模型结果显示,RSVP手机操作次任务下相比正常驾驶视觉负荷平均上升了22.29%,执行1-Back数字记忆次任务时视觉负荷平均下降了8.93%。不同驾驶人视觉负荷存在明显个体差异,64.2%的被试视觉负荷可以保持高稳定性。驾驶人视觉负荷与车速指标虽不相关,但与车头间距、车头时距和时间裕度等安全替代指标具有显著负相关,表明次任务加载下视觉负荷过高会导致驾驶绩效下降,影响行车安全。
文摘目的驾驶界面通过有效地将自动驾驶汽车的当前状态和驾驶意图传达给驾驶员,从而在基于人–机–环境的驾驶任务运行过程中创造安全性和舒适性。当前自动驾驶汽车的自动驾驶功能接受程度不高,驾驶员仍需监控驾驶界面,车辆内部驾驶界面视觉舒适性的重要性日益凸显。探讨该领域的主要研究成果、理论框架、研究方法、存在争议以及未来的研究方向。方法基于2021年至2024年期间在CNKI和Web of Science、Scopus以及Proquest数据库中已发表的论文,采用VOSviewer和CiteSpace工具对2021-2024年间的相关文献进行可视化分析。根据PRISMA系统综述方法筛选近年来所有关于自动驾驶汽车的界面视觉舒适相关且合格的研究,以确保综述的全面性和准确性。结果总结了视觉舒适与驾驶员视觉疲劳、认知负荷之间的关系和相关评估方法,包括主观和客观评价两类;提出了有用指标,例如界面信息增加时注视持续时间、瞳孔扩张程度和图标数量;根据自动车辆驾驶界面人–机–环境关系开发了基于驾驶认知负荷的视觉舒适因素框架,为人机界面的视觉舒适研究提供参考。
