GeoEye——全球首个面向地图学与GIS的地理空间图像眼动数据集发布（附下载地址）

01 内容导读

眼动数据是地图学和地理信息科学（GIS）研究的一种新型数据。然而，以往的研究很少以地理空间图像为研究对象建立眼动数据集。北京师范大学董卫华教授领衔的科研团队提出了首个公开共享、应用广泛的地理空间图像眼动数据集——GeoEye。该数据集由500张地理空间图像（包括专题地图、遥感影像和街景图像）和110名被试的眼动数据组成。使用该数据集进行地理空间图像显著性预测和地理信息用户身份识别研究，结果表明GeoEye数据集具有显著的科学效益和应用前景。GeoEye数据集不仅将促进眼动数据在地图学和GIS研究中的应用，而且将推动地理信息服务的智能化和个性化发展。文末附有该数据集详细下载地址，关于该数据集的研究成果介绍如下：

Bing He, Weihua Dong, Hua Liao, Qi Ying, Bowen Shi, Jiping Liu & Yong Wang (2023)：A geospatial image based eye movement dataset for cartography and GIS, Cartography and Geographic Information Science, DOI: 10.1080/15230406.2022.2153172

02 研究内容

本研究选择了200张专题地图、200张遥感影像和100张街景图像作为刺激材料，招募了121名被试（48名男性，73名女性，平均年龄20岁）参与实验。研究使用Tobii Pro TX300眼动仪（采样率300Hz），由专业人员担任主试进行实验。

在每位被试实验开始时，主试帮助被试调整到舒适的坐姿，使用5点校准系统校准眼动仪。然后，被试在屏幕上看到实验导引：在这个实验中，被试将阅读一系列的专题地图、遥感影像和街景图像，他/她有10秒的时间自由观看每张图像。在每一组中，图片是随机排序的，每两张图片之间使用雪花图进行间隔。每位被试观看两组图片，两组之间休息10分钟。

在整个实验设计和收集过程中，采取了各种措施来保持数据质量。因此，眼动数据的可靠性取决于被试在实验中的状态。该研究提取了6种眼动指标（注视次数、注视时间、扫视次数、扫视时间、平均瞳孔大小和最大瞳孔大小）来度量被试在实验过程中状态的稳定性和一致性。研究剔除了采样率小于90%的眼动数据，使用克朗巴哈系数（Cronbach's alpha）统计被试的稳定性和一致性。（图2）结果表明，被试对所有图像的注意力保持一致，认知负荷相等，没有随着实验的进行而改变。被试之间没有显著差异。因此，眼动数据是可靠的。

03 案例研究

为了验证数据集是否有助于研究人员开展制图和GIS研究，该研究使用本数据集进行了两个案例研究：视觉显著性预测和地图用户身份识别。

视觉显著性预测模型能够准确预测地理空间图像的人类视觉显著性，从而支持地图设计、遥感解释和城市规划等研究。该研究按8：1：1的比例随机将数据集分成训练集，验证集和测试集，随后使用7个视觉显著计算模型（Itti，GBVS，CORS，SUN，LDS，FES和MSI）在数据集上进行训练和测试，结果如图3所示。研究结果表明，现有的视觉显著性预测模型在街景图像上表现较好，但对专题地图和遥感图像的预测效果不佳，地图和遥感图像的视觉显著性预测模型仍有待进一步研究。

基于眼动数据的用户识别可以通过眼动数据识别地图用户身份，这将帮助设计个性化地理应用服务，支持地理信息安全保护。该研究使用Tobii I-VT滤波器将原始注视数据导出为注视点和扫视点，并计算了四组特征：基本统计特征，时间序列特征，扫视方向特征和扫视编码特征。该研究比较了12种常用分类器的准确性，结果如图4所示。结果表明，最佳识别准确率为70%，EER为4.5%。虽然目前的识别精度不足以进行实际使用，但这一结果仍然显示了眼动数据推断用户身份的潜力。

04 总结与展望

董教授团队表示，欢迎所有的研究人员使用GeoEye数据集开展研究，以推动眼动数据在地图学和GIS研究中的应用。未来，希望研究者可以分享更多的刺激材料、被试和任务来发展地图学和GIS的研究和应用，共同推动个性化地理信息服务、自适应地图导航和地理信息安全的发展。

05 数据集构成

眼动数据集由三种数据构成：刺激材料，显著性图和眼动数据。如图5所示，董教授团队为不同的研究提供了三种不同结构的眼动数据：视觉显著性图、被试眼动数据和刺激材料眼动数据。

GeoEye数据集都可以从公共存储库获得：https://doi.org/10.6084/m9.figshare.14684214。