塔機駕駛員的持續性視覺注意負荷研究*

晉良海， 尹　潔，張榮坤，陳　述，江　新

(1.水電工程施工與管理湖北省重點實驗室，湖北 宜昌 443002；2. 三峽大學 水利與環境學院，湖北 宜昌 443002；3. 葛洲壩中固科技股份有限公司，湖北 武漢 430040)

0　引言

起重作業是工程現場施工材料、構件與機具垂直運輸的重要手段。起重作業屬于一種操作循環、間歇運動的駕駛作業，駕駛員必須對遠距離的起吊過程仔細觀察、判斷和應變處理，其持續性視覺注意強度高，屬于高強度心理負荷作業，極易發生嚴重的安全事故。近年來我國工程起重傷害事故頻發[1]，而在各種工程事故中，作業人員的不安全行為是導致事故發生的主要因素[2]。因此，為保障起重作業安全，有效降低起重作業施工安全事故發生概率，研究駕駛員的視覺注意負荷是非常必要的。

目前，國內外關于起重機械安全生產作業的研究較為豐富。在起重設備安全方面，國內外學者已從安全監控、結構優化、評估設備疲勞壽命等視角進行了研究[3-5]。針對作業人員不安全行為，Kines等[6]發現作業人員安全意識薄弱或高估自我防御能力會導致不安全行為的發生；王春雪[7]設計作業心理負荷問卷，對塔式起重機司機的作業心理負荷水平及其影響因素進行調查；王洪德等[8]為提高起重作業可靠性，防止人因失誤釀成事故，提出運用神經網絡分析人因失誤非線性動力學過程，建立人因可靠性預測指標體系；陳述等[9]為保證三峽升船機貝雷架安全吊裝，提出塔機駕駛人員風險認知能力檢測方法，定量評估塔機駕駛人員風險認知能力；鄭霞忠等[10]通過構建多方演化博弈模型，剖析作業人員有意不安全行為致因，制定作業人員有意不安全行為預防措施。

上述研究主要從設備、人因失誤和不安全行為的角度出發，針對起重作業安全管理提出了相應改善措施，但均未從駕駛人員的視覺認知機理角度發現并解決問題。因此，基于視覺心理學理論，以塔機作業為研究對象，利用眼動追蹤技術記錄能夠表征視線轉移的視覺行為數據，提取其注視點數目、累計注視時間、瞳孔直徑等相關眼動特征參數，借助交互、疊加對其進行可視化處理，分析駕駛員眼動特征規律，以期為起重安全作業提供理論支持。

1　塔機安全作業的眼動思路

根據統計分析[11-12]，各種感覺器官給駕駛員提供作業信息數的比例分布如下：視覺占80%，聽覺占14%，觸覺占2%，味覺占2%，嗅覺占2%。可見對于起重機駕駛員而言，視覺系統是獲取外界信息最重要的通道。

眼動行為是視覺搜索的外在表現，有效提取眼動特征參數是揭示視覺認知規律的基礎[13]。大量研究表明：眼動追蹤技術對于分析視覺信息傳播過程中的內隱意識處理潛力極大，能揭露人們在特定情境下對視覺區域所付出的注意能力，發現被試背后隱藏的心理動機[14]。基于此，在起重作業施工現場，針對具體的駕駛員個體，使用眼動追蹤技術采集起重機駕駛員的眼動行為參數，揭示起重作業心理負荷的時間序列規律，能夠為起重作業行為管理提供依據，具有實用價值。

2　塔機駕駛員眼動實驗

2.1　實驗環境

本實驗對3處不同施工作業現場進行塔機作業眼動實驗，實驗現場基本信息如表1所示。

表1　實驗現場基本信息Table 1　Basic information of experiment site

2.2　被試基本信息統計

同一臺塔機作業時只允許1名駕駛員操作，且實驗過程也有一定的危險性，因此，實驗在3處不同施工作業現場僅分別選擇了1名經驗豐富的起重機駕駛員進行眼動實驗。具體被試駕駛員基本信息如表2所示。

表2　被試基本信息Table 2　Basic information of subjects

2.3　實驗儀器

實驗采用Tobii Glasses眼動儀，包括眼動眼鏡、數據采集盒、對焦卡、平板電腦和Tobii Pro Glasses 2分析系統。該眼動儀采樣率為30 Hz，內置場景攝像機的視頻格式為H.264，分辨率為1 920 ×1 080 @ 25 fps，攝像機視野范圍為水平82 deg、垂直48 deg、對角線比例16∶9，記錄視角為82°(水平)×52°(垂直)。

2.4　實驗步驟

實驗要求被試根據現場實際情況完成相應起重任務。

實驗具體步驟如下：主試向被試講解實驗目的以及注意事項等；攀爬至起重操作室，現場進行設備安裝，在被試戴好眼鏡后，進行校準，校準成功后，被試做好起重作業準備，完成眼動實驗準備工作；被試即將進行起重作業任務前，主試及輔助人員開始使用儀器記錄數據，并時時查看被試注視點是否有異常，保證數據有效性；在一段起重作業任務完成后終止記錄數據，為下一次實驗做準備。當有新的起重作業任務時，按上述步驟重復實驗；使用Tobii Glasses 2分析軟件整理所收集眼動數據。

將起重作業分解為起吊、空中移動以及降落3個子過程。

3　眼動數據統計與分析

3.1　注視行為參數分析

注視持續時間(fixation duration)是指人眼在注視時，視軸中心位置保持不動時所持續時間。注視持續時間的長短表現了被試提取并處理有效信息的難易程度，也間接反映被試的疲勞程度，視覺或信息加工作業任務時間越長，視覺及心理負荷越大[15]。

起重作業現場施工環境復雜，各種干擾因素繁多，駕駛員需要高度集中注意力，掃視過程一般都是迅速的把視線從一個注視點轉移到另一注視點，無目的掃視行為較少。起重作業時，重物下方嚴禁停留或通行作業人員，嚴禁作業過程中用塔吊機吊運任何人員。在整個起重作業試驗過程當中，駕駛員在起重子過程中的注視時間及注視次數等注視特性的統計量見表3。

表3　駕駛員在不同起重作業子過程的注視特性分析Table 3　Crane driver’s fixation features analysisin different lifting operation sub-procedure

由表3可知，在降落與起吊子過程駕駛員表現出注視時間長(分別為82.48%，79.33%)，平均注視時間長(分別為0.61，0.53 s)，在空中移動子過程注視時間(73.66%)少且平均注視時間短(0.30 s)，表明駕駛員的視知覺資源多分配在與起重作業安全相關性高的子過程，能有效地關注信息含量高的情景事件，來維持高效的起重作業，但視覺及心理負荷較大。造成這種注視特性的原因在于：降落重物時需要精確定位，而且周圍有工作人員輔助降落，此時駕駛員在降落過程中的注視時間最高；而在空中移動過程，由于重物在移動且無作業人員打擾，駕駛員需要預測降落地點對起吊物的關注度相對較少，此時駕駛員視覺搜索模式是自上而下完成，即心理學中的前瞻性記憶現象。

此外，對比分析眼跳特征，發現在空中移動子過程駕駛員眼跳時間占總時間百分比較多(15.27%)，而在起吊和降落過程相對較少。反映出在空中移動過程駕駛員的注意趨勢是隨著起吊物的移動而變化；而在起吊和降落階段，由于起吊物是垂直升降沒有大幅度移動，駕駛員僅僅需要注視吊鉤所在位置。

3.2　眼動瞳孔直徑分析

相關研究表明[16]，人們在信息加工時，瞳孔直徑發生變化，瞳孔直徑的變化反映人們信息加工過程中的心理負荷程度，當心理負荷變大時，駕駛人員的瞳孔直徑增大。整理實時數據，統計不同作業階段下被試的瞳孔直徑變化如表4所示。

由表4可知，駕駛員在起吊(2.82 mm)和降落(2.68 mm)過程中瞳孔直徑都偏大，反映在這兩個階段駕駛員注意力更集中，通過擴大瞳孔直徑獲取更多信息。而在空中平移階段過程，駕駛員瞳孔平均直徑最小，駕駛員在該過程心理負荷較小，注意力較為分散。

表4　起重作業各子過程瞳孔直徑變化Table 4　Pupil diameter changes in different liftingoperation sub-procedure

3.3　眼動數據可視化分析

眼動數據可視化將眼動數據以圖像或圖形的方式呈現在屏幕上，可以直觀地表達出眼動數據的時空分布特征，使得人們能更加方便地發現數據中的模式、語義信息等。

3.3.1注視目標區域分析

一旦在某區域觀察者搜索到感興趣物體，被試就會頻繁對其進行注視，注視點數目反映了視覺區域中興趣點數目；信息量密集的區域，相應注視頻率也很高。

根據駕駛員在起吊移動下落過程中的注視點分布情況及視野特征，將起重作業過程中駕駛員的視野分為5個區域：頭部遠處區域，主要觀察內容包括遠處場外行車道場外通行車輛及人員場外進入現場的施工機械；前方直視區域，主要指視野前以起吊物為中心的區域；左側方區域，主要包括左側施工作業背景吊物左轉向時提前確認左側情況等；右側方區域，主要包括右側施工作業背景吊物右轉向時提前確認右側情況等；近前方區域，主要包括駕駛室內前方區域駕駛室內左右兩方情況塔吊基座下方區域等,如圖1所示。

圖1　起重作業駕駛員注視區域分布Fig.1　Crane driver’s distribution map of fixation area

利用眼動儀自帶的ErgoLAB人機環境同步系統軟件對起重作業過程的視頻錄像進行逐幀分析，可以獲得駕駛員在起重作業整個過程中對不同注視區域的注視續時間及注視次數分布情況。

1)起吊過程分析

表5為起吊過程注視點分布規律，由表5可知，塔機駕駛員注視時間有74.1%都集中于前方直視區域，有9.5%注視時間集中于近前方區域,可見駕駛員在起吊過程中，駕駛員的視知覺持續性集中于前方直視區域的起吊物，而對于近前方區域內物體有所關注，其他區域注視較少。

表5　起吊過程注視點分布規律Table 5　Distribution law of fixation point in lifting process

2)空中移動過程分析

表6為空中移動過程注視點分布規律，分析表6數據，發現在空中平行移動起吊物時，駕駛員有87.2%的注視時間集中于前方直視區域，而近前方區域沒有注視,說明空中移動過程中，駕駛員仍然以起吊物為注視中心，對左側方移動的人員有注意分散現象，未分配注意力在近前方區域處的駕駛室內表盤及近處物體上,而對頭部遠處區域的注視表明駕駛員在空中平移物體過程中會提前觀察降落地點的情況，符合駕駛員預判降落情況。

表6　空中移動過程注視點分布規律Table 6　Distribution law of fixation point inair translation process

3)降落過程分析

表7為降落過程注視點分布規律，通過表7分析可得，在降落過程中，駕駛員有82.9%的注視時間集中于前方直視區域，左側方區域的注視時間百分比為9.5%,表明在降落過程中，塔機駕駛員的注視重點仍然為起吊物，而對周圍的背景情況注視較少。

表7　降落過程注視點分布規律Table 7　Distribution law of fixation point in fall process

上述實驗數據綜合分析可知，在起重作業的不同子過程中，駕駛員的主要注視時間都集中于前方直視區域，而對周圍其他區域的注視很少,表明駕駛員在起重作業過程中視覺持續性集中與起吊物，以起吊物為注視中心，偶爾注意周圍的場景情況。

3.3.2熱點圖分析

圖2為起重作業各子過程注視熱點，熱點圖自內向外，最內部線條表示注視點最長的邊界線，最外部線條表示注視點最短的邊界線，中間線條為過渡線。由圖2可知，駕駛員在起重作業過程中的注視熱點主要集中于移動的起吊物體之上。在垂直起吊過程中，起吊鋼筋正處于視線直下方，駕駛員需時刻注意鋼筋的旋轉上升是否有不穩定的現象，熱點圖較為集中，以起吊物為中心向四周擴展，駕駛員視覺注意力集中。在空中平移鋼筋過程中，起吊物處于移動狀態，駕駛員的注視點應隨著起吊物的移動而變換。熱點圖較為分散，圖中出現孤立熱點情況，可能是駕駛員注視受周圍移動人員影響，也可能是因為駕駛員認為空中移動不會存在危險，出現了視覺漂移,后者對起吊物的忽視可能會導致安全事故的發生。

圖2　起重作業各子過程注視熱點Fig.2　Gaze map in different lifting operation sub-procedure

3.4　結果分析

綜上所述，在起重作業中，起吊與垂直降落過程駕駛員的心理負荷較大，視知覺資源主要集中于起吊物，而在空中平移過程中注意力較為分散，心理負荷較小。

據此，提出以下幾點改善起重作業駕駛員人因工效的措施：排查作業環境中易造成駕駛員心理負荷超載的因素，如作業任務分配不合理、現場光線不良、起重信號工與司索工配合不默契等，降低起重作業駕駛員的心理負荷；制約駕駛員視知覺資源的分配，通過合理布置安全標識或者合理設計空間參照物，引導駕駛員視覺注意的方向，避免因注意力分散造成的事故；提高駕駛員警覺度，通過光照射法、改善通風條件、短時休息或安裝多模態觸感式預警系統等方式使駕駛員處于警覺狀態，有效提高作業工效，降低事故發生概率；組織起重作業駕駛員經驗交流活動，提升駕駛員操作技術，使其明確緊急情況或突發事件時的應對方法，提高其操作的可靠性；制定更為完善和人性化的作業規程，加強作業人員安全教育，預防生產安全事故的發生。

4　結論

1)基于視覺心理學，利用眼動追蹤技術記錄起重機駕駛員視覺行為數據，提取其注視點數目、累計注視時間、瞳孔直徑等相關眼動特征參數，分析駕駛員眼動特征規律，提出保證作業安全的合理建議，降低起重作業施工安全事故發生概率，為起重作業安全施工提供科學合理的決策依據。

2)通過實驗以及后期數據處理分析，歸納起重作業行為的視覺分配特征，揭示駕駛員的心理負荷狀況：起重作業過程中駕駛員注視時間長，視知覺資源主要集中于起吊物，保持持續性注意狀態，以維持高效起重作業，心理負荷較大；起重作業不同子過程注視時間與瞳孔直徑差異較大，在空中平移過程中注意力較為分散，瞳孔直徑較小，心理負荷較小。

3)受起重作業環境惡劣和作業任務不規律等因素限制，研究需進一步完善，可擴展到安全認知、個體行為理論等，使眼動技術為起重作業安全管理提供理論支持。

[1]住房城鄉建設部辦公廳.2014年房屋市政工程生產安全事故情況通報〔EB/OL〕.http://www.mohurd.gov.cn/zxydt/201503/t20150304_220400.html,2015-02-13.

[2]袁海林. 建筑安全的管理和控制研究[D]. 西安：西安建筑科技大學, 2007.

[3]蔡駿峰,湯勝,嚴濤. 基于電場測量的起重機防觸電報警系統[J]. 中國安全生產科學技術,2010,6(5):177-180.

CAI Junfeng, TANG Sheng, YAN Tao. Electric shock-proof alarming system of crane based on field measurement[J]. Journal of Safety Science and Technology,2010,6(5):177-180.

[4]WANG J Y, LI L, SONG S J, et al. APDL-Based Optimization of the Boom of Luffing Jib Tower Cranes[J]. Advanced Materials Research, 2011(291-294):2566-2573.

[5]陳力,劉關四,丁克勤. 起重機械疲勞壽命分析預測軟件開發及工程應用[J]. 中國安全生產科學技術,2016,12(9):138-145.

CHEN Li, LIU Guansi, DING Keqin. Software system development and engineering application for fatigue life analysis and prediction of crane[J]. Journal of Safety Science and Technology,2016,12(9):138-145.

[6]KINES P, ANDERSEN LARS P S, SPANGENBERG S, et al. Improving construction site safety through leader-based verbal safety communication[J]. Journal of Safety Research, 2010, 41(5):399-406.

[7]王春雪. 建筑施工塔式起重機司機作業心理負荷研究[J]. 中國安全生產科學技術, 2016,12(S1):78-83.

WANG Chunxue. Study on mental workload of tower crane operator in building construction[J]. Journal of Safety Science and Technology,2016,12(S1):78-83.

[8]王洪德,馬成正. 基于RBF的起重作業崗位人因可靠性預測[J].中國安全科學學報, 2012(7):42-47.

WANG Hongde, MA Chengzheng. Human Reliability Prediction of Lifting Operation Based on RBF Neural Network[J]. China Safety Science Journal,2012(7):42-47.

[9]陳述,陳云,王建平,等. 三峽升船機貝雷架吊裝作業人員風險認知能力研究[J]. 中國安全科學學報, 2016, 26(1):22-27. CHEN Shu, CHEN Yun , WANG Jianping, et al. Risk perception ability of crane driver in hoisting Bailey truss of Three Gorges ship lift[J]. China Safety Science Journal, 2016, 26(1):22-27.

[10]鄭霞忠,史高陽,陳述. 多方博弈下起重作業人員有意不安全行為致因分析[J]. 中國安全生產科學技術, 2017,13(5):175-181.

ZHENG Xiazhong, SHI Gaoyang, CHEN Shu. Causation analysis on intentional unsafe behavior of crane operator under multi-parties game[J]. Journal of Safety Science and Technology, 2017,13(5):175-181.

[11]王武宏.道路交通系統中駕駛行為理論與方法[M]. 北京:科學出版社，2001.

[12]劉志強，趙艷萍，汪澎.道路交通安全工程[M]. 北京:高等教育出版社，2012.

[13]廖彬超, 劉梅, 徐晴雯, 等. 眼動試驗在建筑業安全隱患識別研究中的應用與展望[J]. 中國安全科學學報, 2016,26(11):31-36.

LIAO Binchao, LIU Mei, XU Qingwen, et al. Application prospect of eye-tracking experiments in studies of construction safety hazard identification[J].China Safety Science Journal, 2016,26(11):31-36.

[14]孫凱鵬, 李新軍. 復雜背景下單個移動物體的實時視覺追蹤算法[J].北京航空航天大學學報, 2008,34(3):344-347.

SUN Kaipeng, LI Xinjun. Real-time visual tracking algorithm for single moving object in clustered environment[J]. Journal of Beijing University of Aeronautics and Astronautics,2008,34(3):344-347.

[15]田蕓, 于賽克, 周前祥, 等. 眼動指標在腦力疲勞研究中的應用分析[J]. 人類工效學, 2015,21(4):69-73.

TIAN Yun, YU Saike, ZHOU Qianxiang, et al. The application of eye movement index in mental fatigue study[J]. Chinese Journal of Ergonomics, 2015,21(4):69-73.

[16]李世武,徐藝,王琳虹,等. 使用駕駛人瞳孔直徑的固定物沖突識別方法[J]. 哈爾濱工業大學學報, 2016,48(3):82-88.

LI Shiwu, XU Yi, WANG Linhong, et al. Construction conflict identification method using driver's pupil diameter[J]. Journal of Harbin Institute of Technology, 2016,48(3):82-88.