在以往的驾驶行为研究中，一般将车辆的行为作为驾驶行为来研究，其实车辆的行为是驾驶人认知、心理、决策、执行的结果，可以说驾驶人行为是汽车驾驶的核心数据。

因此这样的研究方法只关注了结果而忽略了整个过程，无法知晓影响驾驶人做出这样驾驶结果的因素。因此，对驾驶人的行为研究在驾驶研究中显得尤为重要！

人类行为研究在驾驶领域的应用

反应时间测试：获取 CAN 总线信号（如方向盘、刹车、油门信号）并与生物传感器数据同步记录，以测试驾驶过程中的响应时间和用户错误。

活动测试：记录在城市中开车时驾驶人的面部表情，并确定在城镇中的哪个位置驾驶人的沮丧或喜悦的程度高。

分心测试：测试对广告牌、外部横幅广告和内部（如音乐等）的情感关注及其对驾驶行为的影响。

控制可用性：测试车内控件（收音机、媒体控制台等）的可用性，以评估可用性和整体用户体验。

免提测试：测试在打电话时免提驾驶如何影响驾驶。

汽车外观设计：通过情感测量来评估汽车外观设计是否成功。

车内设计：评估某些设计元素所引发的视觉注意力和情感意识。

客舱体验：测试与驾驶汽车相关的整体用户体验。

在执行任务时控制可用性：在执行工作任务时测试拖拉机或特定工作运输控制和工具的可用性。

驾驶疲劳检测：记录眼动追踪、面部表情或脑电活动来评估驾驶人是否处于疲劳驾驶，例如在没有压力事件的长时间单调驾驶之后。

意外预防：使用生物传感器在危及生命的情况下自动停车，例如驾驶员心脏病发作。

自动驾驶汽车测试：测试驾驶员的安全和驾驶技能，同时在不同城市的驾驶场景中接管一辆自动驾驶汽车。

人类行为研究在驾驶领域有这么多举足轻重的作用，那么驾驶行为中驾驶人的行为数据是基于什么方法获取和监测的呢？

其实，对于驾驶人行为研究的主要监测方法主要分为基于驾驶人生理信号和基于驾驶人生理反应特征这两类。下面我们以驾驶疲劳为例，看看这些生理监测设备获取的数据与驾驶疲劳有何联系。

基于驾驶人生理信号的监测方法

对于疲劳的研究早始于生理学。相关研究表明，驾驶人在疲劳状态下的生理指标会偏离正常状态的指标。因此可以通过驾驶员的生理指标来判断驾驶人是否进入疲劳状态。目前较为成熟的检测方法包括对驾驶人的脑电信号EEG、心电信号ECG、近红外脑成像fNIRS等的测量。

近红外脑成像系统Artinis应用于驾驶研究

研究人员很早就已经发现EEG能够直接反映大脑的活动状态。研究发现在进入疲劳状态时，EEG中的delta 波和theta 波的活动会大幅度增长，而alpha波活动会有小幅增长。

另一项研究通过在模拟器和实车中监测EEG信号，试验结果表明EEG对于监测驾驶人疲劳是一种有效的方法。研究人员同时发现，EEG信号特征有很大的个人差异，如性别和性格等，同时也和人的心理活动相关很大。

无线干电极脑电系统EnoBio

基于驾驶人生理反应特征的监测方法

基于驾驶人的生理反应特征的检测方法是指利用驾驶人的眼动特性、头部运动特性等来探讨眼动与驾驶员心理活动的关系，从而对驾驶员进行驾驶疲劳、驾驶分心判断等。

驾驶人眼球的运动和眨眼信息被认为是反映疲劳的重要特征，眨眼幅度、眨眼频率和平均闭合时间都可直接用于检测疲劳。目前基于眼动机理研究驾驶疲劳的算法有很多种，广泛采用的算法包括PERCLOS，即将眼睑闭合时间占一段时间的百分比作为生理疲劳的测量指标。

DG3眼镜式眼动仪应用于驾驶研究

此外，利用面部识别技术定位眼睛、鼻尖和嘴角位置，将眼睛、鼻尖和嘴角位置结合起来，再根据对眼球的追踪可以获得驾驶人注意力方向，并判断驾驶人的注意力是否分散。

美国GazeTech公司开发的面部表情侦测系统gFace通过普通摄像头捕捉的面部图像就可以识别驾驶人的面部特征，计算驾驶人的表情、头部转动和眼睑开合度等。