高速公路路侧景观色彩对驾驶员心率指标的影响

王琳虹，李世武，周茹波，杨志发，冀秉魁，姚雪萍

（吉林大学 交通学院，长春 130022）

在车辆高速运行的高速公路系统中，驾驶员长时间被动接受高速公路路侧景观的色彩、连续性、亮度及图案变化所施加的影响，易导致注意力、反应速度等发生变化，进而影响驾驶员的疲劳程度［1］。而驾驶员疲劳程度可以通过脑电、心电以及心率等生理指标进行表达。研究路侧景观对驾驶员生理指标的影响规律对于科学合理地设计路侧景观具有重要意义。

目前道路景观与驾驶员生理特性关系方面的研究成果较少。王建军等［1］在分析驾驶员视觉、心理特性的基础上，考虑公路景观的视觉效果、公路线形的协调性等，确定了公路景观小区的合理间距、路侧结构物空间尺度的大小及其与路边的合理距离。郭根胜等［2］通过行车试验，分析了林区道路平曲线半径大小对驾驶员心率指标如MRR（RR间期的均值）、SDNN（RR间期标准差）、RMSSD（相邻 RR间期差值的均方根）、SDNN50（相邻RR间期差值＞50ms的心搏数占RR间期总数的百分比）以及HRVI（心率变异指数）的影响，结果表明：驾驶员在林区平曲线半径较小的道路上驾驶时，心跳速度加快，容易紧张，交感神经活性增加幅度较大。李香红等［3］检验了不同公路景观路段驾驶员心率与行驶速度、行驶时间的相关性，结果表明驾驶员在相同实验条件下，不同景观路段的生理指标存在差异。而查找国外文献没有发现这方面的研究。

综上，目前国内学者多是研究公路景观距离、弯道半径等对驾驶员生理的影响，而没有从景观本身的特性如色彩、连续性方面进行研究。因此，本文选择高速公路路侧景观色彩作为研究对象，通过实车实验采集驾驶员生理指标中的心率均值指标，建立景观色彩、驾驶时间与驾驶员心率均值的关系模型，分析景观色彩对驾驶员生理指标的影响机理；为后续研究路侧景观色彩与驾驶员疲劳程度的关系、科学设计路侧景观等奠定基础。

1 实车道路实验与数据预处理

1.1 实验设计

为了获取不同色彩的路侧景观，课题组于2010年10月和2011年7月分别进行为期三天的道路实验，采集黄色系和绿色系的道路景观，如图1所示。每次实验选择15名驾驶员（男12人，女3人），年龄在30～45岁之间，驾龄均为3年以上；要求驾驶员在实验前一天具有充足的睡眠、精神状态良好，不可饮酒、咖啡及服用药物等，以免对其生理指标产生影响。每天的实验时间为8∶00－18∶00。实验时沿途保持车内安静。驾驶员可根据自身的状况进行适当的休息。

采用美国Biopac公司的MP10016导生理记录仪对驾驶员的生理指标进行采集。为了获取路侧景观色彩，在驾驶舱放置录像机，连续录制路侧景观视频；为了便于后期的景观色彩提取，录像时将挡风玻璃的边缘及道路标线排除在外，具体的实验情况及相机摆放如图2所示。

图1 实验过程中的代表性路侧景观色彩Fig.1 Typical roadside landscape colors

驾驶员疲劳等级的变化主要受驾驶负荷、驾驶时间以及路侧景观三方面的影响，由于长延高速公路车流量非常小，车间距较大，道路上运行的其他车辆对驾驶员干扰较小。且道路线形相对较简单，无半径过小的弯道和长下坡，所以驾驶负荷因素可以忽略不计。根据经验可知，驾驶时间长短对驾驶员疲劳程度有较大的影响；而且路侧景观一般连续性较好，只会在长时间尺度内对驾驶员生理、心理产生累积性影响。只有将路侧景观与驾驶时间结合起来研究，才能揭示驾驶员生理特性的变化机理。因此，本文将建立路侧景观色彩、驾驶时间与驾驶员生理指标的关系模型，研究二者联合作用下的驾驶疲劳变化规律。

1.2 数据预处理

图2 实车实验装置以及生理指标变化图Fig.2 Vehicular experimental device and plot of psychological index

驾驶员生理指标的采集频率为1000Hz，如果对每一组生理指标数据都进行处理将会产生较大数据量；此外，录制的景观视频速率为30帧／s，为了能够将生理指标与路侧景观色彩对应起来，每秒钟处理的生理指标数据需小于等于30组。实际上，驾驶时间、路侧景观色彩均是缓慢地对驾驶员产生影响，几秒钟时间内驾驶员生理指标不会发生较大变化。因此，在充分考虑驾驶员生理指标变化特点的基础上，为减少数据处理量，本文选择以30s作为数据提取单元，即每隔30s提取一组视频图像和生理指标数据。

视频图像处理：首先利用视频转换软件WinAVI Video Converter 9.0将视频转换为Cinepak压缩格式，然后每隔900帧即30s提取一张图片（视频的帧速率为30帧／s）；利用纹理分析方法提取出路侧景观，并基于K－mean聚类分析提取出每幅图片的RGB色彩值矩阵，作为该30s内路侧景观色彩的代表［4］。景观色彩值C＝（65536×B）＋（256×G）＋（R），其中 R、G、B分别表示红、绿、蓝三个通道的颜色值［5］。

生理数据处理：驾驶员的疲劳程度与机体的唤醒水平密切相关［6］，因此心电可以在一定程度上反映驾驶员的疲劳程度。心率随着工作负荷的变化而变化，可反应作业强度及心理生理负担程度。因此本文选择心率均值来表征驾驶员的生理特性。每30s提取一次数据，共计提取出2000组心电数据，利用Biopac软件分析模块对提取出的驾驶员生理指标数据进行分析，得出心率均值。处理后的部分数据如表1所示。

表1 部分路侧景观色彩与驾驶员心率均值数据Table 1 Part of landscape color and mean heart rate（MHR）data

2 基于趋势面分析的建模

为了拟合驾驶时间、路侧景观色彩与驾驶员心率均值的关系，首先在Matlab中绘制三者之间的关系散点图如图3所示，再根据散点图的变化趋势选择合适的拟合模型。

由图3可以看出散点的分布几乎近于一个平面，因此本文尝试利用趋势面分析方法对实验数据进行回归拟合。趋势面分析方法是拟合数学面的一种统计分析方法，它通过回归分析原理，运用最小二乘法，拟合一个二维非线性函数，是利用数学曲面模拟某种系统要素在空间上的分布及变化趋势的一种数学方法。

图3 驾驶时间、景观色彩值及心率均值关系散点图Fig.3 Scatter diagram among drive time，landscape color and mean heart rate

2.1 趋势面拟合步骤

（1）趋势面分析公式［7］

设已知观测数据为zi、xi、yi（i＝1，2，…，n），通常用回归分析的方法求出z的回归方程为

使得下式最小：

这就是在最小二乘意义下的曲面拟合问题，即趋势面分析方法。趋势面分析方法拟合公式为

式中：n代表方程的阶数；a0、ai、bi为待拟合系数。

最小二乘法给出了多项式系数的最佳线性无偏估计值，这些估计值使残差平方和达到最小。所以，回归拟合就是根据观测值zi、xi、yi（i＝1，2，…，n），确定多项式的系数a0、ai、bi使残差平方和最小。

（2）趋势面分析方法拟合适度的R2检验

趋势面分析方法拟合程度与回归模型的精度直接相关，因此，对趋势面分析方法进行适度性检验关系到趋势面能否在实际研究中进行应用，是趋势面分析方法中不可缺少的重要环节。

（3）趋势面拟合适度的显著性F检验

趋势面适度的F检验是对趋势面回归模型整体的显著性检验，方法是利用变量z的总离差平方和中剩余平方和与回归平方和的比值，确定变量z与自变量x、y之间的回归关系是否显著。只有当R2检验以及F检验全部通过之后，回归方程才能够进行应用。

2.2 建模及模型验证

2.2.1 模型参数的选择

本文选择高速公路路侧景观的色彩值及驾驶时间作为自变量，而驾驶员的心率均值作为因变量建立路侧景观、驾驶时间对驾驶员心率均值影响关系模型。

2.2.2 模型建立

经观察表1中数据发现，各变量间的数量级差别较大，导致数据拟合的过程中存在较多问题，如计算复杂和回归时间长等。因此，按照下式对数据进行归一化处理。

式中：xi为第i组样本变量值。

式（2）中阶数n决定趋势面的位置，而合适的趋势面位置可有效地表达因变量随自变量的变化趋势。最佳的n值会使模型拟合精度最高且能通过模型检验，因此本文选择试算法，依次增大n值，观察拟合模型的精度，同时判别该模型是否能够通过检验。

2.2.3 模型检验

（1）相关检验

将z的总离差平方和分解为两部分［8］：

式中：SSR为回归平方和，它体现了所有自变量对因变量变差的总影响；SSD为剩余平方和，它体现了其他随机因素对z变差的影响。

趋势面与实际面的拟合度系数R2是测定回归模型拟合优度的重要指标。一般用变量z的总离差平方和中回归平方和所占的比重表示回归模型的拟合优度。SSR所占比重越大表示z与自变量的线性关系越密切，回归的效果越好。

经计算得出不同阶数n对应的模型相关系数和F检验值，如表2所示。

通过表2可以看出，当阶数等于7时，R2等于0.834，此时相关系数R等于0.9132，表明拟合方程的相关系数较高。求解回归系数的过程中发现，随着函数的最高次数增加，相关系数逐渐增大，拟合效果较好；但随着函数阶数的增加，计算量也会成指数上升，故本文将阶数最大值设为7，此时模型精度已经能够满足要求。

表2 不同阶数拟合方程的相关指标Table 2 R2 and Ftest value corresponding to different order

（2）F 检验

选择显著性水平0.05，当阶数等于7时拟合函数的自由度为35，查表得F（35，∞）＝1.46。而由表2可知此时F值为10.0334，大于F临界值，表明拟合方程通过F检验。

综上，可以判断三元7次方程可有效地表达驾驶员心率均值与高速公路路侧景观色彩值及驾驶时间的关系。

式中：x为驾驶时间；y为景观色彩值。

由于回归函数是根据归一化处理之后的数据进行回归分析得到的，因此x、y为无量纲化变量。

2.3 结果分析

根据式（7）绘制驾驶员心率均值与驾驶时间、景观色彩值之间的关系图如图4所示。由趋势面图得知，随着驾驶时间的增加，心率均值逐渐上升，即心跳加速，导致交感神经的增幅变大，易产生疲劳。

图4 驾驶员心率均值与驾驶时间、路侧景观色彩之间的趋势面图Fig.4 Trend surface among MHR，drive time and roadside landscape color

随着路侧景观色彩值的增加（即颜色越加明亮），驾驶员的心率均值降低，其交感神经的增幅变小，不易产生疲劳，这与色彩心理学方面的理论分析结果相同。考虑路侧景观的实际情况，色彩明亮的景观包括夏季绿色的植被、秋季橘黄色的树叶等，驾驶员对这些具有明亮颜色的景观相对比较兴奋，具有缓解疲劳的作用；而色彩较暗的景观如边坡暴露出的泥土颜色（即土黄色），驾驶员对这些具有灰暗颜色的景观的关注度明显不高，也比较容易进入麻木状态，进而会导致疲劳。

需要考虑的特殊情况是灰色景观，灰色虽然较绿色或者橘黄色的色彩值大，但是在数据分析中可发现其心率均值依然较大。分析其原因，可能是高速公路路侧灰色的景观是由边坡的灰色水泥构成，这种路侧景观会导致驾驶员产生紧张感；因为起稳固泥土作用的水泥边坡在交通事故发生时与车辆的碰撞为刚性碰撞，会令驾驶员格外小心，进而导致心率的加快，使其有紧张感。

3 敏感性分析

3.1 敏感性分析概述

为了研究驾驶员心率均值对路侧景观色彩、驾驶时间的敏感程度，对模型进行敏感性分析。敏感性分析包括单因素敏感性分析和多因素敏感性分析。单因素与多因素敏感性分析的区别在于是否考虑各参数之间的相互作用，因为本文中两个影响因素（驾驶时间与路侧景观色彩值）之间无任何作用关系，因此选择单因素敏感性分析。

3.2 单因素敏感性分析

敏感度系数是在影响因素作用下目标值变化百分比与该影响因素变化百分比的比值。敏感度系数高表示驾驶员心率均值对该因素敏感程度高，反之敏感程度低。本文中敏感度系数计算公式如下：

式中：E为驾驶员心率均值对于影响因素F（驾驶时间或景观色彩）的敏感度系数；ΔH为F发生变化时，驾驶员心率均值的相应变化率（%）；ΔF为影响因素F的变化率（%）。

E＞0表示评价指标与不确定因素同方向变化；E＜0表示评价指标与不确定因素反方向变化［9］。

文中所建模型涉及到两个影响因素，在做敏感性分析时需要固定一个因素，改变另一个因素的幅度，如表3、表4所示。

表3 景观色彩值对驾驶员心率均值的敏感性Table 3 Sensitive analysis of roadside landscape color to MHR

表4 驾驶时间对驾驶员心率均值的敏感性Table 4 Sensitive analysis of drive time to MHR

根据表3、表4可看出景观色彩值与驾驶员心率均值成负相关；驾驶时间与驾驶员心率均值同方向成正相关。与趋势面图中MHR随驾驶时间及色彩值的变化趋势相同。将驾驶时间与景观色彩值对MHR的敏感度系数绝对值进行绘图比较，如图5所示。

从图5可以看出，驾驶时间对MHR的敏感度明显高于景观色彩值对MHR的敏感度。实际中驾驶员的疲劳程度主要取决于其驾驶时间的长短，而受周边环境的影响程度相对较小，但是也可以看出景观色彩值对驾驶员心率均值具有一定程度的影响。

图5 驾驶时间－景观色彩对MHR敏感度系数绝对值比较Fig.5 Comparison of sensitive coefficients of lanscape color and drive time to MHR

4 结束语

研究结果表明：色彩均值与驾驶员心率成负相关，即随着色彩亮度的增加疲劳程度逐步缓解；驾驶时间与心率均值成正相关，即驾驶时间越长，心率均值越大，驾驶员倾向于疲劳；并且驾驶员心率均值对驾驶时间的敏感程度要高于其对路侧景观色彩均值的敏感程度。

［1］王建军，赖友兵，王婷静.基于驾驶人视觉心理特性的高等级公路景观分析［J］.城市交通，2006，4（5）：73－77.Wang Jian－jun，Lai You－bing， Wang Ting－jing.Highway roadside landscaping based on driver＇s visual and psychological characteristics［J］.Urban Transport of China，2006，4（5）：73－77.

［2］郭根胜，朱守林，杨文光.林区道路平曲线半径对驾驶员生理疲劳影响研究［J］.内蒙古农业大学学报（自然科学版），2010，31（4）：177－181.Guo Gen－sheng，Zhu Shou－lin，Yang Wen－guang.Forest road plane curve radius to pilot physiology weary influence research［J］.Journal of Inner Mongolia Agricultural University （Natural Science Edition），2010，31（4）：177－181.

［3］李香红，朱守林，戚春华.基于不同公路景观环境的驾驶员生理反应实验研究［J］.内蒙古农业大学学报（自然科学版），2010，31（4）：172－176.Li Xiang－hong，Zhu Shou－lin，Qi Chun－hua.Experiment research on influence about the different road environment on drivers＇physiology reaction［J］.Journal of Inner Mongolia Agricultural University，2010，31（4）：172－176.

［4］李世武，王琳虹，杨志发，等.高速公路路侧景观量化方法［J］.吉林大学学报：工学版，2011，41（4）：957－962.Li Shi－wu，Wang Lin－hong，Yang Zhi－fa，et al.Feature quantification method for freeway roadside landscape［J］.Journal of Jilin University （Engineering and Technology Edition），2011，41（4）：957－962.

［5］何韵旺.色彩基础［M］.北京：北京理工大学出版社，2009：35－47.

［6］刘灵.心率变异性在汽车司机驾驶疲劳监测中的应用研究［D］.重庆：重庆大学生物工程学院，2007.Liu Ling.Study on application of heat rate variability in vehicle driver fatigue detecting ［D］.Chongqing：Chongqing University，College of Biological Engineering，2007.

［7］傅德印，张旭东.EXCEL与多元统计分析［M］.北京：中国统计出版社，2007：190－243.

［8］贾俊平，何晓群，金勇进.统计学［M］.北京：中国人民大学出版社，2000：126－144.

［9］秦伟，朱守林，戚春华.草原公路驾驶室噪声与驾驶员心率变异指标敏感性研究［J］.内蒙古农业大学学报（自然科学版），2011，32（3）：246－249.Qin Wei，Zhu Shou－lin，Qi Chun－hua.The research about prairie road cab noise environment and sensitivity of driver heart rate variability［J］.Journal of Inner Mongolia Agricultural University（Natural Science Edition），2011，32（3）：246－249.