的患病率与年龄相关的疾病,如视觉障碍,由于人口变化将增加在未来。吴et al。( 2018年)估计的人数仅受年龄相关性黄斑变性的影响将经历全球经济增长从1.96亿年的2020到2.88亿年的2040人。足够的视野缺损的自发恢复(VFL)很少,这意味着持久视觉障碍在许多情况下(Zhang et al ., 2006年;Schuett et al ., 2009年,一个)。研究发现影响人表现出增强的探索时间和无组织的扫描模式在视觉搜索任务(Schuett et al ., 2009年,一个)。在开车,视觉探索特别具有挑战性的是由于大量的自然快速移动对象(Pomarjanschi et al ., 2013年),结果在事故安全水平降低和增加参与一些司机VFL(约翰逊和特纳、 1983年;Haymes et al ., 2008年;Kwon et al ., 2016年;Biebl et al ., 2021年)。而被视为高度有利于行车安全,制定适当的补偿策略的能力显示高异质性个体VFL (Bowers et al ., 2009年;埃尔金et al ., 2010年;手下et al ., 2010年;木头et al ., 2011年;Papageorgiou et al ., 2012年;汗et al ., 2014年;Bahnemann et al ., 2015年;Kubler et al ., 2015年;阿尔贝蒂et al ., 2017年)。驾驶性能的巨大差异影响司机的存在表明额外的影响因素,确定适当的采纳行为的能力。然而,目前不清楚个人扮演相关角色和上下文决定因素(Zihl, 1995年;如此更et al ., 2002年;帕特森et al ., 2019年)。在这种背景下,研究驾驶视觉障碍提出了多重挑战,加剧潜在机制的系统评价和鉴定。占这些困难的一个方法是模拟VFL。先前的研究在模拟VFL显示各种用例和方法论的方法,在以下两个分章进行了总结。

医学模拟通常定义为一个”人,设备,或一组条件,它试图真实地评价问题”(McGaghie Issenberg, 1999年)。除了丰富视觉障碍的研究,模拟可以用于演示目的。雷纳et al。( 2011年),例如,使用多级干预项目增加视障儿童认识的同龄人,发现一个更长的项目,包括损伤的模拟经验,导致更好的结果比短程序仿真。展示视觉障碍,因此,帮助影响个人理解的影响,帮助那些受影响的识别功能退化的发生在其早期阶段,预测疾病的进展(Crabb et al ., 2013年)。赤字也至关重要的实践经验临床医生,以确保准确诊断病人的分类描述。因此,模拟VFL也可以是有益的教育医学生(Crabb et al ., 2013年;Juniat et al ., 2019年)。经历VFL对日常工作的影响和相关的挫折和社会孤立,此外,改善clinician-patient关系通过增加同情心和沟通,从而改善结果和病人满意度(Crabb et al ., 2013年;Goodman-Deane et al ., 2013年;Juniat et al ., 2019年)。

VFL可以模拟,此外,作为康复专家的一个富有成果的工具或产品设计师专门设计开发辅助技术支持有视觉障碍的人。与用户交互识别他们的需求作为设计过程的一部分,可以是乏味的,因为用户往往难以表达他们的经验与产品,在许多情况下,缺乏必要的技术理解形成新观点(Kamikubo et al ., 2017年;Raviselvam et al ., 2022年)。模拟可以提高设计师的理解用户的需求并改进设计过程中,特别是在早期阶段(Vayrynen et al ., 2016年;Kamikubo et al ., 2017年)。研究人员在过去已经使用的模拟损伤识别和解决现有技术的问题。提到福特的所谓的引人注目 第三年龄适合模拟的肌肉运动的、感官和视觉与年龄相关的障碍在车辆使用和方法,专注于发现或药物管理困难(Zagar Baggarly, 2010年;Rousek Hallbeck, 2011年;Raviselvam et al ., 2022年)。关于新奇创新概念往往会得到更好的分数,数量和宽度如果他们在经历模拟损伤而开发的理论解释(Raviselvam et al ., 2022年)。

不同的仿真技术的优点和局限性将在以下部分的重点是模拟视野缺陷。然而,应当指出,虽然目前,模拟方法可以提供宝贵的见解,他们不能取代互动,和调查,参展人员实际赤字在研究和产品开发(琼斯等。, 2020年;业务等。 2021年)。

一个非常划算的和易于实现的方法是数字改变图片,一个虚构的部分或摄影场景蒙面或切断。这种方法可以用于研究和产品开发的早期阶段或一般演示目的但过于简化,以便VFL实际经验的特征。用户不积极参与静态模糊或盲目的场景的一部分,但相反,可以看看它(琼斯等人。, 2020年;业务等。 2021年)。

利用隐形眼镜抵消这个问题与一个固定的不透明点的隐形眼镜,眼睛。理论上,隐形眼镜允许自由运动和长期暴露在VFL在日常活动没有办公桌设置的约束或电脑屏幕(Czoski-Murray et al ., 2009年)。然而,挑战实现限制这种多功能性。他们可以舒服一些科目,这取决于类型的隐形眼镜,和特殊的卫生措施必须考虑避免角膜感染(罗伯逊和Cavanagh, 2008年)。一种方法通过Foley-Fisher和墨菲( 1987年)使用一种紧身巩膜的隐形眼镜使用附加的铝合金管包含一个黑色的牌来模拟暗点。这种方法是一个错综复杂的设置,不允许用户自由走动。一个更多样化的选择是使用软性隐形眼镜。然而,这种方法需要一个常数和标准化的瞳孔放大,以确保一个稳定和比较暗点大小(nautica, 2012年;屁股et al ., 2015年)通过使用适当的明亮的照明或缩瞳剂药物(Czoski-Murray et al ., 2009年;克利et al ., 2018年)。缩瞳剂药物干预,不适用于用例需要适应不同的目标深度。恒亮照明,另一方面,可能不是可行的用例与特定的照明需求,如黑暗的汽车内饰在驾驶模拟器。Almutleb et al。( 2018年)报道积极作用当使用隐形眼镜与一个不透明的中心。作者指出,中央定位和视网膜稳定,隐形眼镜旋转,必须考虑和瞳孔大小波动除了实现在一个明亮的周围用缩瞳剂药物。此外,相对的大小VFL集中介绍了不透明的隐形眼镜由于视差效果可能会有所不同,大部分的视野是黑暗和模糊平滑过渡到最黑暗的中心(屁股et al ., 2015年;Almutleb et al ., 2018年)。这并不反映年龄相关性黄斑变性患者的报告。目前,大多数研究使用隐形眼镜都集中在中央视力丧失。克利et al。( 2018年)提供了一个方法和一个可调暗点的大小。更复杂的形式的VFL与多个盲点,然而,不可行(Czoski-Murray et al ., 2009年)。报告的周边视觉模拟还稀缺。虽然理论上,nautica ( 2012年)没有找到有前途的结果与实施。由于限制有关VFL表示和实现与隐形眼镜,这种方法可能不适合驾驶模拟器的研究。

一个流行的方法是利用部分闭塞的眼镜。这种眼镜非侵入性的,并允许自由流动在动态场景的表现。实现通常是时间和成本效益通过应用油漆或闭塞带眼镜,眼镜,或在试验框架眼镜或通过购买合适的产品,比如快门眼镜(Maiello et al ., 2018年;天鹅et al ., 2020年;业务等。 2021年)。大多数研究使用这种方法的模拟视觉障碍主要集中在折射模糊或白内障模拟整体减少视力和对比敏感度调查手眼耦合、唇读能力,阅读表现,认知能力在不同年龄组(鲍尔斯和瑞德, 1997年;木头et al ., 2009年, 2010年;迪金森和泰勒, 2011年;Goodman-Deane et al ., 2013年;Maiello et al ., 2018年;天鹅et al ., 2020年)。在驾驶方面,适应眼镜已经用于closed-course跟踪(希金斯和木材, 2005年;木头et al ., 2010年),驾驶模拟器研究(Lehsing et al ., 2019年李)和hazard-detection视频(et al ., 2016年)。一般来说,研究低视力模拟器护目镜揭示了有前景的结果,而模拟VFL使用这种方法已经稀缺。布鲁克斯et al。( 2005年)实现单眼视野狭窄阻塞一眼应用锥和一个小孔的另一只眼睛在驾驶模拟器。的单眼表示VFL禁止出现视力模糊,可以使双眼视野的不同部分时屏蔽每只眼睛分别与改变眼镜(Rousek Hallbeck, 2011年;李和伊藤, 2020年)。戴眼镜当模拟VFL另一个问题是用户的选项看起来过去阻挡部分通过移动他们的眼睛。而有用的初始教育目的(Aballea土屋, 2007年),这可能会限制结果的普遍性与模拟VFL驾驶的研究。

木头et al。( 2010年)提出使用所谓gaze-contingent显示(gcd)来抵消提到其他仿真技术的局限性。gaze-contingent范式描述了一个显示的连续变化(例如,关于部分分辨率退化,掩蔽的对象,或出现刺激)符合当前凝视位置。研究人员还使用了描述移动掩模技术(雷纳Bertera, 1979年)和移动窗口技术(Duchowski et al ., 2004年),视网膜中央凹退化和边缘信息,分别。除了研究、肾小球囊性肾病已经发现在产品设计中的应用。Tobii眼球追踪器为例,旨在提高视频游戏代替手持光标gaze-dependent光标和改进照明和阿凡达方向根据视线方向在视频游戏。布莱宁et al。( 2011年)实现gaze-contingent设备操作为用户患有四肢瘫痪。Padmanaban et al。( 2017年)提出了一种自适应聚焦显示来抵消近视和远视。gaze-contingent范式也应用于屏幕与一个复杂的图形用户界面(如虚拟现实)减少外围呈现时间分辨率退化(Duchowski et al ., 2004年)。Gaze-contingent视觉退化,特别是周边视野,也被用于调查中央和周边视觉阅读的作用,导航和视觉搜索(佩里和聊聊, 2002年;聊聊et al ., 2006年;Castelhano亨德森, 2007年;Lingnau et al ., 2008年;签证官和亨德森, 2010年)。gaze-contingent方法在这些研究中消除single-fixation之前方法的限制,使一个更自然的注视行为在视觉搜索或UFOV任务(聊聊et al ., 2006年;铃声et al ., 2015年;加斯帕。 2016年)。表示额外的gaze-contingent刺激也被用于研究驾驶员辅助系统,在定向线索或增强型视觉系统突出,吸引司机的注意力相关领域(Pomarjanschi et al ., 2012年, 2013年;韦德et al ., 2016年)。最后,肾小球囊性肾病有模拟VFL担任一个有价值的工具。实现虚拟现实软件使得问题的调查主题与隧道视野在日常任务,如移动电话定位(琼斯等人。, 2020年通过一个城市)和导航(Vayrynen et al ., 2016年)或不足逃跑路线的设计符号的识别为家庭为老年人(Krosl et al ., 2018年)。基于屏幕的GCD实现被用来模拟中心暗点,研究专注于视觉探索、感知的对象,和阅读在年龄相关性黄斑变性(亨德森et al ., 1997年;范Diepen et al ., 1998年;沃尔什和刘 2014年)和隧道视野(雷纳Bertera, 1979年;Castelhano亨德森, 2007年;签证官和亨德森, 2010年),以及快速成型(Kamikubo et al ., 2017年)完全闭塞的周边视野。此外,用来模拟外围VFL肾小球囊性肾病,类似同向偏盲。辛普森et al。( 2011年)模拟左侧和右侧偏盲的结果相比,健康的参与者和视觉搜索任务报告从病理偏盲。他们发现了扫描路径和空间分布转向弱点,模拟匹配其他研究报告(如此更et al ., 2002年;Machner et al ., 2009年;Schuett et al ., 2009年,一个, b)和(至少)早期病理偏盲(Zihl, 1995年;Pambakian et al ., 2000年;如此更et al ., 2002年;Machner et al ., 2009年)。如此更et al。( 2002年在dot-counting任务)进行性能模拟和病理偏盲,发现更多的定位在盲人领域和较小的扫视两组盲人字段。而模拟演示平行的趋势和病理VFL在许多参数,模拟同音异义的VFL似乎有一个更大的对视觉搜索的影响(如此更et al ., 2002年)。Nowakowska et al。( 2016年, 2019年)进行了两项研究与模拟偏盲视觉搜索任务。他们发现,模拟偏盲和病理偏盲的趋势做出第一次扫描。随后扫描倾向病理同向偏盲的弱点通常报道,在第二项研究中,只是明显。这表明人际扫描行为的异质性和不同程度的自发发展补偿策略不能只有在病人还在直接对抗模拟VFL (Nowakowska et al ., 2016年, 2019年)。

总的来说,研究利用gcd模拟不同类型的VFL已经产生了有前景的结果相比,相应的病理赤字对任务绩效的影响。此外,被建议作为模拟VFL当前可用的最好的方法。研究的适用性gcd的上下文中模拟VFL驾驶已经稀缺。格伦et al。( 2015年, 2016年)进行的两项研究调查的影响不同的上部或下部VFLs(2015)和左或向右暗点(2016)在相关的危险感知测试性能。结果显示减少风险测试性能模拟VFL相似之处发现的青光眼患者(Crabb et al ., 2010年;李等人 2017年)。作者的知识,研究尚未进行使用模拟VFL gaze-contingent范式在高保真驾驶模拟器,参与者必须积极通过驾驶机动车辆场景生成的视野,包括周边视觉。模拟的实现同向偏盲的设置和结果研究首次评估它对驾驶的影响和视觉行为报告在以下章节。来自本研究的发现然后引用现有的病理报告同向偏盲作为一个通用的基础讨论的机会和限制gcd模拟VFL在驾驶模拟。

仿真实现,这项研究是在静态驾驶模拟器进行人体工程学的椅子在慕尼黑工业大学(见 图1)。宝马的驾驶模拟器由E64车辆模型,允许踏板和方向盘操作是正常驾驶的车辆,没有模拟动力学通过前庭的反馈。车辆被三大屏幕,每个跨越3400 x 2720像素的大小和组成一个总计180°前视图。三个额外的屏幕后面的观点。所有屏幕收到投影仪的视觉输入60 Hz刷新率。模拟驾驶的风景SILAB 6.5维尔茨堡交通科学研究所GmbH ( 2020年)与60 Hz刷新率。驱动数据收集与240 Hz。6通道声音模拟实现的车辆模型。眼睛和头部跟踪执行 通过三个固定SmartEye专业相机与软件8.0版本安装在车辆模型的内部。眼动跟踪数据收集的速度60赫兹。SILAB和SmartEye Pro在两个独立的计算机连接 通过以太网。

模拟VFL,我们使用了接口SmartEye Pro和SILAB之间不断发送当前凝视位置驾驶模拟器软件。凝视位置与变量实施 GazeDirection由SmartEye Pro,代表一个“单位向量源自虚拟眼位置,描述的方向凝视”( SmartEye职业,2018)。视线方向的X - y坐标为ruby脚本作为输入变量,分别计算各个SILAB坐标系内的坐标。的三个相邻的预测驾驶场景是由不同的计算机控制,所以坐标系统的变换进行单独为每个处理器。SILAB坐标系中的三个产生的坐标点作为锚位置的2 d-overlay蒙面完整的左或右边当前凝视位置。这一过程是不断重复60赫兹的频率。

驾驶模拟器环境介绍某些挑战关于实现相比,以前的设置。大多数基于屏幕的gcd desk-mounted显示器使用的最大水平视野60°或更少(辛普森et al ., 2011年;沃尔什和刘 2014年;吴et al ., 2018年)。调查周边VFL,建议使双方的视野超越30度,因为这是经常被视为mid-periphery的开始(斯特拉斯堡et al ., 2011年)。大的视野尤其驾驶的关键,使大型注视运动探测潜在危险边缘。额的视野180°的驾驶模拟器用于本研究满足这个要求。许多研究使用GCD用眼睛追踪器和至少120 Hz,更常见的是,一个1000 Hz的帧速率和/或下巴和头部休息(Schuett et al ., 2009年,一个, b;阿基拉和Castet, 2011年;辛普森et al ., 2011年;沃尔什和刘 2014年;格伦et al ., 2015年;铃声et al ., 2015年;Kamikubo et al ., 2017年;Nowakowska et al ., 2019年)。这种优化眼动跟踪的性能,这对肾小球囊性肾病是一个关键的点。然而,头部和下巴休息禁止大规模注视运动向外围因为头部动作通常容纳凝视上面移~ 20度的振幅(斯特尔, 1999年)。这样的约束,因此,扫描驱动现场不可行,尤其是在十字路口。简化眼跟踪性能在大头部扫描在当前设置占去年通过使用可用的数据点的信号损失。移动窗口缓冲区包含抵消潜在的信号不稳定。虽然这可以增加系统延迟,但不知道如何延迟眼球运动和位错之间gaze-contingent面具会影响任务的性能。桑德斯和森林所指出的( 2014年),系统延迟可以来源于三个来源:眼动跟踪,显示,额外的延迟由于操作系统或插入算法。的最大容忍延迟仍然忽视,更重要的是,不影响性能,但是,高度依赖任务(Aguilar Castet, 2011年)和一般减少更大的跳阅(Loschky Wolverton, 2007年)。出于这个原因,缓冲是消除大型注视运动。一个风险之间的时间不匹配的目光和面具的立场是,用户可以看到对象,是为了阻挡。然而,这小暗点的风险更大,特别是在中央,因为延迟搬迁hemifield-spanning面具只会长期目标或更早的闭塞地区已经可见的可见性不晦涩的周边视野(辛普森et al ., 2011年)。

ndividualization VFL可以很容易的通过生成一个图像各自的不透明的字段在一个比较透明的区域。特别是研究调查神经认知现象使用gaze-contingent面具用同样的颜色和亮度为背景(Schuett et al ., 2009年,一个;沃尔什和刘 2014年;Nowakowska et al ., 2016年, 2019年)。这种方法是有用的模拟能见度降到最低盲目的视野。据报道,一个更明显的暗点导致增强的目光定位以及促进和,因此,更快,发展compensatory-preferred视网膜位置(Sipatchin et al ., 2021年)。我们选择一个灰色面具,像颜色和亮度的道路和建筑物内的模拟城市(见 图1)。光滑,半透明的褪色蒙面和揭露之间的视觉场景的一部分被用来掩盖的边界变得模糊。GIMP图形软件版本2.10.30被用来设计gaze-contingent面具,把完整的左或右侧同向偏盲。同向偏盲被选中,因为它是一种最常见的类型的脑损伤后VFL (Suchoff et al ., 2008年;马特奥et al ., 2016年)。

总样本大小由18名参与者。三个参与者不得不被排除在外,因为早期的研究终止疾病或由于模拟器校准和不足,因此,眼动跟踪的性能。最后的示例包括15个参与者(5雌性,9男性,1不同),平均年龄为26.07 ( SD= 9.60)。参与者没有视觉障碍除了附近或远视矫正眼镜或隐形眼镜。他们持有驾照的意思是8年( SD= 9.39)。十个参与者报告模拟器疾病,有明显阻碍在四种情况下的影响。进行招聘 通过大学通知,通过直接接近潜在的候选人。

研究了3-x-3within-subject设计。每个参与者完成三个驱动器,没有VFL(正常的视力;NV),则模拟与右侧同向偏盲(LHH)或模拟同向偏盲(RHH)。在每个驱动器,参与者经历了三种类型的十字路口,他们不得不向左转(左转路口;LTI),右转(RTI)或交叉向前(straight-crossing交集;SCI)。不同的动作是由于他们不同的要求扫描用于潜在危险(发起人, 2015年)。

实验跟踪由城市道路的地图与平直的马路很是方便,左翼和右翼的曲线,和十字路口。速度限制在整个驱动器是50公里/小时(≅31英里)。所有non-intersection部分是内衬停放车辆、行人,和一般城市基础设施在人行道上。相邻车道上车流,但没有在自己的车道,车辆需要注意或速度适应。跟踪包括三个十字路口两车道公路穿越90°角。收益率的迹象表明,司机不得不给正确的方式,和斑马线各自的交通标志表明,行人可以在所有四条腿的交叉路口。行人出现在交叉区域内但不靠近马路或斑马线的司机不得不扫描脆弱的交通参与者但不与它们进行交互。司机必须屈服于穿越交通与车辆穿越十字路口中心每一个9。三个十字路口都是相同的除了所需的驾驶操作,由一个导航箭头显示在仪表板中。十字路口的顺序和mid-block跟踪保持相同的所有三个驱动器与不同的视觉条件。

参与者收到的信息研究,给他们的同意,填写人口调查问卷之前来访的人体工学椅子的驾驶模拟器在慕尼黑工业大学。货到后,参与者收到进一步的信息研究,模拟VFL,驾驶模拟器。然后,要求被试完成几个基本的固定任务的驾驶模拟器技术考试驾驶模拟器和眼动跟踪系统,这是没有报告在这里。在驱动器之前,四点标定SmartEye Pro被处决。校准之间重复驱动器如果需要,例如,当参与者离开,回到了驾驶模拟器。在随后的熟悉,参与者可以用来处理驾驶模拟器。最大化熟悉类型的演习中执行测试驱动器,使用相同的轨道。然而,交通是排除在外,参与者可以专注于操作模拟车辆。第一个测试驱动器总是NV允许可比参考下进行最后面试后所有的驱动器。以下LHH和RHH驱动器的顺序排列,以避免顺序效应。 To allow for familiarization with the simulated VFL and to avoid learning effects within the test drives, another LHH or RHH familiarization drive preceded the LHH and RHH test drives, respectively. Each test drive lasted between 5 and 7 min, and pauses were interposed if necessary. Pauses between drives were administered if necessary. Within the test drives, the participants were repeatedly asked to indicate their mental demand during the scenario they had just experienced. After all the drives, the participants answered interview questions about the simulated VFL and its corresponding difficulties, exerted compensatory strategies, and perceived overall safety. Overall, the entire appointment lasted about 75 min. Due to the ongoing COVID-19 pandemic, all surfaces used were disinfected after each participant, and the laboratory was ventilated for at least half an hour before welcoming the next participant.

研究协议遵循赫尔辛基宣言的构成和伦理委员会批准的慕尼黑工业大学(参考号:439/21。

连续驾驶行为和视觉测量整个驱动器。结构式访谈和问卷主观数据提供的驱动后执行驾驶体验。而客观和主观测量的场景都被没有交集,数据分析集中在十字路口。可以假定路口与风险感知和需求特别高扫描large-gaze怪癖和,因此,司机与外围VFL尤其重要(Bowers et al ., 2014年;Biebl Bengler, 2021年)。三个参与者并没有正确地执行完整的愿景和意外的右转弯路口一直往前开。这些数据点被排除在进一步分析。

关于客观数据,十字路口之间的间隔被定义为第一次按下刹车踏板和到达交叉路口斑马线。这是按照定义的减速期因( 2010年)。自扫描和危害检测是非常重要的在这个阶段,它特别适用于评价模拟视觉障碍的影响。基于该方法的凉亭等。 2014年),制动激活是寻找在100前的十字路口。当刹车没有激活这个距离之内,开始考虑间隔设置为41.76米在十字路口前,这符合典型的开始减速3 s之前,到达一个十字路口的限速50公里/小时(因 2010年)。

驾驶行为可分为横向和纵向指导。前者是由巷过境点的数量,以及车道位置的均值和方差。车道位置被抵消定义理想的中央车道在厘米,正值代表一个向右偏移。纵向制导的速度或加速度的行为并没有分析 本身接近一个十字路口时,由于个人制动行为不允许合理group-wise比较单一的参数。相反,考虑减速阶段的持续时间(第一制动开始十字路口的斑马线秒)评估。这包括初始速度、距离十字路口当第一次刹车,减速和停止时间。眼睛在考虑间隔处理跟踪数据在多个步骤分析凝视行为。自水平凝视最感兴趣的运动是在评估模拟同向偏盲的影响,水平视线方向,也担任gcd的输入变量,使用。这个变量中的遗漏值由于信号丢失取而代之的是不那么准确的但更稳定的视线方向值基于头位置。眨眼,凝视着媒体系统或其他non-driving相关领域和镜子被排除在分析。后者是必要的,因为肾小球囊性肾病只有跨越前视图。巴特沃斯滤波器与低波段10 Hz减少噪音。目光数据归类为固定,如果水平位置没有改变超过2度在120毫秒的时间窗口,和旋转速度不超过30度每秒。 Saccades were defined as gaze movements with a minimum rotation velocity of 90 degrees per second. These values were based on the recommendation of DIN EN ISO 15007-2015 (DIN Deutsches Institut für Normung e. V. O., 2015年)。视觉行为的分析包含的第一个大型的目光(定义为一个凝视位置,最低30偏心或45度),数量,和注视持续时间(以秒为单位)在左和右障碍(定义为外的视野中央10度),意思是横向振幅跳阅(度)的外围(定义为跳阅与端点向左偏心率的进入左障碍或超过5度 反之亦然的障碍),水平的方差凝视位置,以及最小值,最大值,意味着目光在考虑区间内的位置(注视位置度表达)。

受试者被要求给每个驾驶场景的感知工作量比例范围内(从德语翻译:“多少精神需求感知和处理信息所需完成驾驶任务?”),类似的心理需求项NASA-TLX。所有的驱动器后,面试评估进行模拟器的发生疾病和参与者的经验与模拟VFL开车时。问题包括对数据分析有针对性的挑战和采取补偿策略对横向指导,纵向指导、风险感知、驱动场景的总体概述,并与其他交通参与者的交互。参与者被要求回答这些问题的模拟VFL相比与完整的愿景驱动,排除个人间的影响问题,例如,由于不熟悉驾驶模拟器。最后,参与者把感知到的整体安全水平NV的范围从0到100,LHH, RHH。

数据进行了描述性分析和推理地。描述性分析使用Microsoft Excel 365(微软, 2021年3.6.1)和R Studio版本。数据处理所有客观数据和推理分析了使用r .描述性分析执行检查的意思是,标准偏差,以及个人模式的值的范围。后者是特别相关,因为大量的司机与病理研究和模拟VFL报道好个人间的差异驱动和视觉行为当面对视力损害(Bowers et al ., 2009年;埃尔金et al ., 2010年;手下et al ., 2010年;木头et al ., 2011年;Papageorgiou et al ., 2012年;汗et al ., 2014年;Bahnemann et al ., 2015年;Kubler et al ., 2015年;阿尔贝蒂et al ., 2017年)。我们想要确定为每个主题是否LHH RHH诱导相同,更高或更低的值相比,NV驾驶和视觉参数。这样做是通过计算的四分位范围中的所有参与者各自NV条件下,均匀加减一半的这个范围内围绕主题的NV价值然后比较主体的LHH RHH值的上、下界个人NV范围,分别为:

受试者的LHH或RHH价值被评为相同的情况下,以上,或低于NV。根据这一分化,这一过程将被称为EAB分析。数量固定,EAB分析也执行稍微修改形式的关系值弱点而揭露值(在以下: 看到为模拟VFL条件)。EAB分析使用Microsoft Excel 365。描述性值可以发现的完整列表 补充材料网上。

推理分析和执行基于混合线性模型的重复测量方差分析与Satterthwaite R的方法 lme4包中。模型使用视觉条件(NV、LHH RHH)和交叉类型(SCI、LTI RTI)作为固定效应。hemispace和定向分析固定跳阅、各自的障碍(左、右)作为一个额外的固定效果。人效应被视为随机效应。 因果两两比较执行使用Kenward-Roger分母自由度使用的方法 emmeans包中。如果需要,α错误使用Bonferroni调整进行校正。

意味着巷位置显示,一般左撇子抵消从理想的车道位置在所有视觉条件下,但至少明显在LHH (NV): 米=−17.23; SD= 28.26;LHH: 米=−7.35; SD= 24.78;RHH: 米=−15.95; SD= 27.45)。推论统计显示没有视觉条件的主要影响, F_{108.95 (2)}= 2.03, p= 0.136,或者交叉类型, F_{108.95 (2)}= 0.90, p= 0.412,没有这两个变量之间的相互影响, F_{108.95 (4)}= 1.04, p= 0.390。查看所有EAB比较的车道位置偏移与个体内的NV价值类型的那个十字路口,参与者转向他们看到,允许一个缓冲区的弱点在29.76%的情况下。更大的缓冲看到一侧与模拟VFL共同引入22.62%的十字路口。当比较模拟VFL缓冲区看到一侧不经常观察期间LHH RHH相比(见 表1)。

方差的车道位置显示一个描述性的增加意味着NV期间和范围的值( 米= 0.66; SD= 0.47)相比LHH ( 米= 2.12; SD= 3.48)和RHH ( 米= 2.16; SD= 3.81)。推理分析了没有明显的主视觉条件的影响, F_{108.65 (2)}= 1.79, p= 0.172,或者交叉类型, F_{108.65 (2)}= 1.98, p= 0.143,没有这两个变量之间的相互影响, F_{108.63 (4)}= 0.38, p= 0.820。三个参与者表现出车道口岸132年6记录场景。所有车道交叉发生在RHH(4例)和LHH(2例)驱动器。

减速阶段的持续时间条件没有差异,总体的均值8.13 s ( SD= 3.69)和一个介于1.06和20.15之间。推理分析了没有明显的主视觉条件的影响, F_{109.16 (2)}= 0.91, p= 0.406,或者交叉类型, F_{109.16 (2)}= 0.57, p= 0.570,没有这两个变量之间的相互影响, F_{109.15 (4)}= 0.64, p= 0.633。距离十字路口首次激活时刹车作为测量的开始时期场景持续时间和显示一个整体大异质性(范围:7.81;99.93);单位米),包括两种情况没有刹车激活当接近科学完整的愿景。

描述性比较的第一边缘扫描显示,在所有132个路口场景参与者首先扫描正确的边缘在43.18%的情况下,左边缘在37.12%的情况下,没有目光的外围是由21.97%的病例。SCI的参与者表现出同等或更高金额的第一右侧比左侧的目光向外围动作。转弯的动作,一个视觉条件差异明显。没有VFL,参与者倾向于首先扫描左侧,当把左和右。RHH相反,参与者倾向于首先扫描右边转弯路口。LHH,参与者倾向于首先扫描右侧当左转和右转时先扫描左侧(见 图2)。比较盲目,看到方首次扫描模拟VFL经常显示第一个扫描是针对弱点(48.89%;看到的一面:26.67%)和RHH看到侧(44.44%;与LHH弱点:35.56%)。

一些参与者没有任何大型的目光运动向外围在减速阶段。失踪的外围扫描的描述,标准的45°目光古怪,代表所需的最小感知接近危险以相同的速度和潜力,因此,在模拟VFL高碰撞风险。总的来说,参与者没有进行大的目光向左运动边缘在19.70%的十字路口,在32.57%的路口向右边缘。双方,更缺少大型扫描发现LHH(左边缘:14;正确的边缘:19)相比,NV(左边缘:5;正确的边缘:11)和RHH(左边缘:7;正确的边缘:13)。因此,只有LHH但不是RHH产生越来越多的失踪大扫描盲人以及看到的一面。LHH,此外,显示最大的目光古怪的减少意味着双方( 米=−43.97°| + 42.57°; SD= 18.69°| 19.95°)相比,NV ( 米=−55.57°| + 51.60°; SD= 11.64°| 15.47°)和RHH ( 米=−2.47°| + 50.22°; SD= 15.24°| 18.38°)。

方差分析水平凝视了视觉的一个重要主要作用条件下, F_{109.08 (2)}= 7.65, p< 0.001, n p 一个 r 2 = 0.12。十字路口的主要影响类型, F_{109.08 (2)}= 1.67, p= 0.192,这两个变量之间的相互影响, F_{109.07 (4)}= 0.57, p= 0.684,并不重要。 因果两两比较显示,水平分散在所有十字路口类型为LHH NV(△相比小得多_意味着:−292.30°), t₍₁₀₉₎=−3.66, p= 0.001, d=−0.79,RHH (△_意味着:−224.10°), t₍₁₀₉₎=−2.99, p= 0.010, d=−0.63。没有显著区别NH和RHH (△_意味着:−2.01°), t₍₁₀₉₎= 0.73, p> 0.999。叙述地,均值水平凝视方差在RHH没有不同于NV SCI (△_意味着:6.32°)和LTI (△_意味着:2.01°),但表现出较小的均值水平方差在RTI (△_意味着:105.53°)。

分析意味着目光古怪显示显著的视觉条件的主要影响, F_{109.58 (2)}= 3.11, p= 0.049, n p 一个 r 2 = 0.05,十字路口类型, F_{109.58 (2)}= 4.29, p= 0.016, n p 一个 r 2 = 0.07。交互效应不显著, F_{109.56 (4)}= 0.50, p= 0.737。 因果两两比较视觉条件之间没有显著差异。 因果期间为交叉口类型比较表明,意味着目光古怪RTI进一步比在LTI左边,与SCI叙述地排名在之间 表2)。叙述地,目光直接更向右RHH相比NH和LHH路口类型。LHH,注视的位置是进一步向右在LTI NV相比,但是,否则,更多(见左边 表3)。整体EAB支持这种模式的分析表明,在SCI和RTI,两个模拟VFL条件显示转向弱点在更多的情况下(53.55%至41.67)比转向(33.33%至20.00),而看到一边NV。LTI期间,然而,模拟视觉条件显示更高比例的变化对正确的LHH和RHH(53.33%)比左LHH和RHH (20.00%)。在个体层面上,广泛的意思是凝视怪癖−41.01°之间向左和向右+ 38.00°,以及各种模式与逆转的影响(见视觉条件 图3)。

同时意味着目光凝视的离心率可以表示一般的位错位置,分析定位,扫视hemispace分析提供输入和定向分析(见 表4描述性值)。这个分离已经报道Papageorgiou et al。( 2012年)。hemispace分析,平均数量和平均注视时间与Bonferroni调整进行了评估。意味着数量的固定收益率相当重要作用的障碍,与固定在正确的数量高于左障碍。所有其他主要和交互作用不显著(见 表5)。当比较视觉条件为每一个障碍,最多的固定在左障碍发生与RHH LHH和正确的障碍。EAB分析盲人的固定数量比看到的一面显示,参与者做了一个盲人的固定数量高于看到一边在更多的情况下(42.22%)比 反之亦然(28.89%)。这样一个个体内的盲人超过一边比另一边注视被发现明显更经常与RHH(55.56%)比LHH (28.89%)。另一方面,更多的看到一边弱点扫描相比,一般来说,能找到更多的很少但更经常与LHH(35.56%)比RHH (22.22%)。

没有固定在左障碍被发现在22.72%的132例(11个主题),在12.12%的情况下(通过七个科目)的障碍。最缺失的固定与LHH发现这两个障碍,和大多数参与者没有固定在一个条件缺失的固定在多个条件。失踪的固定在两个障碍6例被发现,四个LHH的发生。可以看到固定分布的个体差异。左侧一个参与者,例如,没有固定在六个九个条件但12固定在正确的障碍在这些情况下。总的来说,没有明确的趋势,支持假设失踪的增加引起注视的目光行为相反的障碍。

Bonferroni纠正分析意味着时间固定在左和右障碍产生了一个重要的视觉条件的主要影响。所有其他主要和交互作用不显著(见 表6)。 因果两两比较显示更高的固定时间LHH NV相比, t₍₁₈₉₎= 3.06, p= 0.015, d= 0.52。叙述地,RHH排名但LHH显示无显著差异, t₍₁₈₉₎=−1.12, p> 0.999,或公司, t₍₁₈₉₎= 2.01, p= 0.274。在描述性层面,固定在右边比左边长时间对所有视觉障碍条件下,和NV最短的意思是固定时间相比,模拟VFL障碍。

定向分析关注平均眼跳幅度与视觉的一个重要主要影响条件。所有其他主要和交互作用不显著(见 表7)。 因果比较显示,意味着在LHH眼跳幅度明显小于NV, t₍₂₀₁₎=−3.39, p= 0.003, d=−0.56。叙述地,RHH排名LHH但没有表现出显著差异, t₍₂₀₃₎= 2.41, p= 0.051,或者NV, t₍₂₀₁₎=−1.02, p= 0.931。跳阅向左边边缘表现出较小的平均振幅相比,对准目标朝着正确的外围视觉条件。在所有十字路口场景,平均眼跳幅度介于1.18°之间和113.81°。

总体安全评价等级从0到100。 表8显示了视觉条件之间的平均值和标准偏差。主要分析揭示了一个重要的视觉条件的影响, F₍₂₈₎= 48.69, p< 0.001, n p 一个 r 2 = 0.78, 因果两两比较显示更高的主观安全排名NV LHH相比, t₍₂₈₎= 8.24, p< 0.001, d= 3.01,RHH t₍₂₈₎= 8.83, p< 0.001, d= 3.22。LHH RHH,没有显著区别 t₍₂₈₎= 0.59, p> 0.999。

单项工作量估算显示显著的视觉条件的主要影响, F_{109.14 (2)}= 23.08, p< 0.001, n p 一个 r 2 = 0.30,十字路口类型, F_{109.14 (2)}= 3.77, p= 0.026, n p 一个 r 2 = 0.06。两者之间没有交互效应被发现, F_{109.13 (4)}= 1.94, p= 0.007。 因果两两比较显示更高的负载值LTI SCI相比, t₍₁₀₉₎= 2.46, p= 0.047, d= 0.52。RTI叙述地排在LTI但没有表现出显著差异, t₍₁₀₉₎=−0.13, p> 0.999, d=−0.03或科学, t₍₁₀₉₎= 2.27, p= 0.075, d= 0.49。关于视觉条件,NV收到低于LHH值, t₍₁₀₉₎=−6.31, p< 0.001, d=−1.36,RHH t₍₁₀₉₎=−5.45, p< 0.001, d=−1.18。LHH RHH,没有显著区别 t₍₁₀₉₎= 0.88, p> 0.999。叙述地,转向看到端收到最高的值模拟VFL条件(见 表9)。

定性分析的采访显示,绝大多数的参与者认为挑战风险检测与模拟驾驶时VFL NV。横向指导相比,与其他交通参与者的交互和纵向指导也具有挑战性。只有一个参与者实现问题的一般概述驾驶场景(见 图4)。没有视觉条件差异明显。除了态势感知较低分数对于所有类型的十字路口,所有地区都更频繁地评为挑战将比SCI演习。主观报告应用补偿策略变化的影响域,结合不同的个人行为,和水平的细节。总之,视觉适应是最常提到的更大的和更多次注视运动,特别是对盲人外围的视野以及头部的位错和/或眼睛的弱点。这种类型的补偿行为65.79%的报道中提到的适应策略。第二个最常见的领域是纵向适应一般的减少速度以及更早和更频繁制动,这是中提到的47.37%的策略。其他频繁提到了解雇的监管规则和一般的十字路口的停止,更大的速度开车经过十字路口时,等待时间长,扫描行为,试图模拟VFL看过去。

没有整体效果理想的车道位置的偏差可能被发现。参与者通常举行向左侧车道的位置在所有视觉条件下,可能导致更高的风险评估与风险在人行道上或停放车辆碰撞相比,迎面而来的车辆。LHH期间,受试者调整车道位置略占迎面而来的车辆的风险增加。总的来说,一个缓冲的弱点在LHH和RHH大约三分之一的病例。先前的报道在VFL及其一侧车道位置偏移量不一致(Szlyk et al ., 1993年;如此更et al ., 2002年;木头et al ., 2011年;汗et al ., 2014年)。缓冲区的弱点是,然而,通常被视为补偿行为,即使脱臼巷位置也能带来增加相邻车道上的碰撞风险根据其程度。

经常报道增加车道位置之间的方差作为贫穷的转向稳定性的指标与VFL司机(如此更et al ., 2002年;Bowers et al ., 2010年;木头et al ., 2011年;汗et al ., 2014年;Kasneci et al ., 2014年)是存在于我们的一个描述性的研究水平较低均值和方差的车道位置抵消在NV。总的来说,莱恩口岸作为衡量行车安全(Bowers et al ., 2010年)在减速阶段很少但只明显与模拟VFL驱动器。这强调了倾向于增加困难关于转向稳定性和车道保持改变VFL下横向定位,即有些司机持有一个缓冲区上的弱点和更少的人看到的一面。

根据这些结果,主观安全被认为是显著降低驱动器与模拟VFL NV。这也符合这一愿景是安全驾驶的关键概念(Owsley麦格温, 2010年)和行车以及模拟器的研究、报告与VFL,一些司机不适合开车,虽然百分比范围23到86之间(Coeckelbergh et al ., 2002年;如此更et al ., 2002年;埃尔金et al ., 2010年;Kasneci et al ., 2014年)。

第二个最常提到的策略来克服挑战的模拟VFL本研究的调整速度和减速行为。客观数据没有反映出这些主观报告以来,总的来说,时间从第一制动进入视觉条件之间的十字路口没有差别。尽管报道的一个最突出的补偿策略驱动中心视力丧失(帕特森et al ., 2019年),文献关于外围VFL效应的纵向划分的指导。虽然一些发现速度水平增加(Bowers et al ., 2009年;木头et al ., 2011年),人都有更大的速度水平(Bahnemann et al ., 2015年)或一般的病人之间的异质性(Coeckelbergh et al ., 2002年)。停止行为的异质性也明显在目前的研究中,在距离路口当第一次制动之间的远程近100在十字路口前,没有刹车。虽然有些参与者指出调速作为补偿策略,其他人将它列为特别困难由于缺少反馈的静态驾驶模拟器和不当的位错gaze-contingent面具在向下凝视向速度计。

而整体场景作为物化的一种方法的复杂性和谨慎在减速阶段并没有导致群体差异,主观工作负载水平评估对整个十字路口场景为模拟VFL明显高于被发现。这支持的命题Biebl et al。( 2021年),视觉障碍,要求赔偿他们可以导致认知超载,因此,增加了安全风险。为模拟VFL条件,转向看到得分最高的工作负载。当受试者观看的转弯轨迹的视觉条件的组合类型和十字路口,盲人视野覆盖大部分的驾驶场景。这加剧保持概述其他车辆的行为和侧向制导,尤其是在转弯过程中,遵循减速期。

视觉行为是最常提到的补偿策略,反映在许多视觉行为的客观参数。一侧的第一大外围凝视运动显示一个错综复杂的模式。过去的研究表明倾向于首先扫描弱点当接近一个十字路口,虽然数量的参与者表现出这种行为变化(阿尔贝蒂et al ., 2014年;Bowers et al ., 2014年)。在目前的研究中,大多数参与者首先扫描正确的障碍当接近直线的十字路口,这与一般 看left-look悦目左规则和补偿的想法至少在LHH弱点扫描。在扫描分析,被认为只有在减速阶段后刹车,因为扫描前阶段的方法是减少集中在风险感知和识别(因 2010年)。因为初始制动激活发生非常接近十字路口在某些情况下,它不能排除早期扫描左侧。不同模式视觉条件明显动作,大多数参与者第一次扫描NV的左边缘,与RHH正确的边缘,和左或右边缘与LHH左和右转时,分别。一侧的第一扫描与NV符合 看left-look悦目左规则和鲍尔斯等人的结果。 2010年)。行为改变扫描正确的外围第一次在转RHH和右转LHH符合补偿的假设第一个弱点扫描(Bowers et al ., 2014年;阿尔贝蒂et al ., 2017年)。更多的参与者首先扫描看到的一面而不是弱点的第一次在左转弯LHH矛盾这个猜想。应该注意的是,对比右侧和左侧第一个扫描取得了最高比例为3:2,这意味着不小的一部分样本表现相反。倾向的解释第一个seeing-side扫描只能一个上下文与LHH LTI期间依赖交通状况与安全相关任务的性能。LTI通常被认为是更加困难比SCI和RTI由于数量的增加潜在的碰撞点在整个视野(发起人, 2015年)。安全操作,在此,还需要识别的差距通过路口交通从左边和差距变成和维护新巷穿越交通中正确的位置。如果是后者比前者被认为是更加困难,尤其是在降低视野,首先向右扫描可能是一个适当的行为适应。或者,一个可能的原因,因为在与LHH LTI最高精神需求,否则适当补偿达到了极限思想僵化的扫描和没有部署在这个条件。

而行为变化发生至少在描述性层面最值比较NH和两个模拟VFL条件,更大的挑战与LHH RHH相比通常是显而易见的。意味着目光古怪显示倾向的弱点RHH在所有情况下,在一个较小的程度上,LHH SCI和RTI相比一般左意味着凝视位置NV。这反映报告转移意味着目光古怪的弱点作为补偿策略(Coeckelbergh et al ., 2002年;Papageorgiou et al ., 2012年;Bowers et al ., 2014年)。在LTI LHH,参与者平均注视位置进一步向右NV相比,这也是一个通用的比较中,发现NV和LHH报道Kubler et al。( 2015年)。总的来说,缺乏大型的目光运动模拟VFL更频繁的被发现,尤其是LHH,总体顺差右边比左边边缘。

整体最大水平在LHH色散和凝视方差最小的。这支持增加挑战的概念在LHH RHH相比(Bahnemann et al ., 2015年),尽管一些作者没有发现不同水平的目光下活动模拟VFL (Kasneci et al ., 2014年)。一个密切相关的参数,据报道持续增加模拟和病理偏盲是增加扫描路径(如此更et al ., 2002年;辛普森et al ., 2011年;Papageorgiou et al ., 2012年;Nowakowska et al ., 2016年)。然而,这个参数可能更表明视觉搜索任务相比,开车。

一般来说,大的眼跳振幅与更好的任务性能相关联(手下et al ., 2010年;Papageorgiou et al ., 2012年;Bahnemann et al ., 2015年)。然而,研究病理和模拟VFL报道异构发现(Zihl, 1995年;如此更et al ., 2002年),较小的眼跳振幅(Pambakian et al ., 2000年;如此更et al ., 2002年;Machner et al ., 2009年)或更大的眼跳振幅(Schuett et al ., 2009 b),模拟和病理VFL。在目前的研究中,眼跳振幅较低的视觉条件,但特别是LHH。此外,眼跳振幅显示更大的振幅时指向左边比右边的边缘,以及一个非常广泛的值由于不同的起点和不同数量的对准目标在一个场景。hemidirectional分析结果反映了hemispace分析固定时间,长时间在这两个视觉条件,但是,尤其是LHH和更大的持续时间比左边右边。延长固定时间在VFL匹配报告从早期的病理研究和模拟VFL (Zihl, 1995年;如此更et al ., 2002年)。固定的数量通常增加左比右视野,最固定在每个障碍时发现侧VFL。RHH期间,参与者显示比看到盲人一侧固定在大约一半的所有场景。少这是通常情况下在LHH,参与者更喜欢看到一边的比。文献表明,增加补偿扫描发现的弱点经常在真实和模拟VFL(辛普森et al ., 2011年;木头et al ., 2011年;Papageorgiou et al ., 2012年;Bahnemann et al ., 2015年)。

总之,行为变化下模拟VFL可以发现更严重的影响和更少的指标采用补偿策略在LHH RHH相比。此外,扫描性能更容易被忽视或加剧并向右边比左边的障碍。一个可能的解释是有用的驾驶视野不同场景。静态驾驶模拟器模拟使视图从驾驶座经历真正驾驶车辆的carrosserie阻挡视野的一部分。一个十字路口的左边可以看到很清楚地通过前部和侧窗,只有a柱阻挡视野的一小部分。相反,正确的障碍与相同的最大偏心率为90°被更大的部分车辆的carrosserie和一个更小的侧窗。由于小有用的视野,扫描右侧产生潜在危害可能已经加剧。LHH这可能是特别具有挑战性,因为扫描向正确的外围与这种类型的模拟VFL沿着一个闭塞的,事实上,整个驾驶场景显示,只有一个很小的可见部分正确的外围。更大的挑战,需要大型的场景看一边扫描与水平的增加工作量报告转向看到一边相比。

总的来说,从这些研究中反映的挑战和补偿策略研究与实际和模拟VFL在很多方面,尽管尺度效应很小,许多只在一个描述性的结果明显的水平。因此,发现,总体而言,支持这样的观点:仿真的VFL肾小球囊性肾病在驾驶模拟器是一个有价值的工具丰富病人研究驾驶视觉障碍。其中最明显而一致的结果,然而,是几乎所有的巨大的人际异质性变量不仅产生了不同程度的条件也不同个体之间的差异与矛盾的方向(见扫描模式 图3)。这种人与人之间的异质性以前经常被报道。Nowakowska et al .,例如,发现不同样本产生完全不同的影响在第一次接触模拟同向偏盲,一些参与者立即能够补偿而其他人不能(Nowakowska et al ., 2016年, 2019年)。也是同样的报道与病理VFL参与者,在众多的研究之间的分化高低表现为广泛的人际异质性(Bowers et al ., 2009年;埃尔金et al ., 2010年;手下et al ., 2010年;木头et al ., 2011年;Papageorgiou et al ., 2012年;汗et al ., 2014年;Bahnemann et al ., 2015年;Kubler et al ., 2015年;阿尔贝蒂et al ., 2017年)。格伦et al。( 2015年)已经指出,虽然经验(模拟)VFL每个人不同,模拟提供的好处使受试比较。EAB分析作为本研究中使用的,因此,提供有价值的信息对个人行为的比较在不同条件下通过使用NV视觉条件作为基线。

尽管谨慎的解释我们的结果作为承诺指标的可行性的GCD VFL在驾驶模拟器,模拟一定的模拟和病理VFL之间的差异是不可避免的。这些差异可以被看作是一个提高的机会,让深入理解背后的机制推动VFL如果被认为是适当的。一般肾小球囊性肾病的好处相比其他方法可以在本文的介绍中找到。

作者的知识,本研究提出的第一个尝试在驾驶模拟器模拟VFL 180°额的视野,使用GCD范例。相关的自由流动的眼睛,头,躯干眼球跟踪系统面临的挑战。眼睛梗阻眼镜,大旋转,或某些手部姿势和系统延迟眼睛跟踪性能和挑战,因此,VFL连续性。进一步的迭代算法应该遇到这些限制。应该指出的是,提出VFL描述完整的同向偏盲,代表了一个相当严重的视觉赤字。另一个限制是一个总体的总样本量小年轻时由于模拟器疾病和潜在的行为变化。本研究的目的是评估模拟VFL的可比性与病理VFL驾驶模拟器。研究作为参考病理VFL的影响,然而,使用不同的方法有关的研究焦点,样本特征、任务和设置,介绍一个任意的方差。考虑到参与者的个人间的异质性表现出,个人分析来识别行为变化模拟VFL比作一个基线条件下与正常视力。然而,这种方法还未确认到目前为止,可能是未来研究的重点。