AR 技术在隧道照明中的应用初探

蔡贤云，翁 季

(重庆大学建筑城规学院，重庆 400045)

0 引言

1990年vCIE(国际照明委员会)在CIE 88—1990 Guide for the lighting of road tunnels and underpasses(公路隧道和地下通道照明指南)中建议采用折减系数k值法来计算隧道入口段的亮度值Lth:洞口20o视野内亮度L20乘上折减系数k计算出隧道入口段的路面亮度值。我国也遵循k值的设计方法，但是对k的合理取值，隧道照明工学上的两大学派(欧洲的D.A.Schreuder 学派和日本的成定康平学派)自20 世纪60年代就开始了长期针锋相对的争论，两个学派提出的k值相差达5 倍之多。k值法更为明显的问题在于:该方法没有考虑汽车通过隧道之时驾驶员的心理、生理变化和人眼视觉特性的差别，所以由k值法确定的入口段亮度Lth与隧道照明实际需要差别较大。

因此，在2004年vCIE 发布的CIE 88—2004 版的《公路隧道和地下通道照明指南》中，提出了利用察觉对比法计算公路隧道入口段的路面亮度值的方法，该亮度值Lth可以通过如下公式算得:

在2010年vCIE 建议将基于察觉对比设计方法的对比显示系数作为隧道照明质量的评价指标。与察觉对比设计方法相关的察觉对比显示系数qcp值的大小与驾驶员对眩光感受程度K和最小察觉对比Cm两者有关。作为反映驾驶员心理和生理影响的两个因素之一，眩光感受程度K的值可以采用视网膜亮度计等对标准人眼和在模拟实际等条件下加以确定。

重庆大学胡英奎认为目前隧道照明设计采用的k值法和察觉对比法在实际应用中都还存在一定的问题。因此他提出基于驾驶员驾车进入隧道过程中的视觉适应过程确定隧道入口段亮度，该方法直接考虑驾驶员驾车进入隧道过程中的视觉适应过程，比用k值法或察觉对比法更合理、更有利于保障交通安全。在实测的过程中采用SMI iView X HED 眼动仪来记录驾驶员在驾驶进入隧道过程中的瞳孔变化情况。

但是驾驶员在白天驾车接近长隧道时会看到隧道是一个黑洞，即产生所谓的“黑洞”现象，如果隧道比较短，则会产生“黑框”现象。而在隧道出口，会出现一个很亮的洞口，形成强烈的眩光，即为“亮洞”现象。驾驶员驾车行驶在隧道内部时隧道边墙还会给驾驶员造成心理影响，即墙效应。这些现象和其他的一些因素都会对驾驶员的视觉心理产生影响。因此仅通过驾驶员对眩光感受程度K和最小察觉对比Cm，通过SMI iView X HED 眼动仪和反应时间装置能否较为合理地反映驾驶员的心理特征，通过上述方法来考量驾驶员的视觉适应问题是否全面，是值得思考的问题。

1 脑电波与心理因素的关联及表达

从脑科学中可以得知，当人或动物受到外部的刺激之后，在脑内会产生相应的电位变化，并且电位值随着刺激时间和刺激形式的变化而变化。研究表明，精神因素对脑电波有很大的影响。同时，人也会对外界的感觉做出反应，并且以人体的精神状态表现出来，现今具有代表性的例子即为测谎仪的使用。脑电波的主要优势在于它直接反映了神经的电活动，有着极高的时间分辨率，几乎达到实时。

借鉴医学上的经验，现有的研究驾驶员脑电波的变化方法为:将闪光体、带有棋盘格、条栅等的平面体图形结构换成仿真的道路交通场景，利用其作为刺激源，根据场景上道路条件与驾驶环境的不同测量对应的驾驶员脑电波(如图1 所示)。

图1 脑电波视觉诱发测量示意图

西南交通大学欧居尚通过建立由急弯、障碍区和直线路段等组成的虚拟场景，来测试驾驶员酒驾过程中脑电波的变化情况。浙江大学王炳浩和魏建勤通过KT98-2000A 动态脑电仪记录了驾驶员睁眼、静止坐在椅子上的脑电波和起步换挡、制动、停车时的脑电波，并且与静止时的脑电波进行比对。由此可见脑电波的主要优势在于它直接反映了神经的电活动，有着极高的时间分辨率，几乎达到实时。因此通过特定的装置，可以将驾驶员驾车经过隧道过程中的脑电波实时反映出来，实时反映驾驶员所有的心理活动过程。

2 AR 技术的特征与在汽车工业中的运用

AR 技术(Augment Reality)即增强现实技术，是一种全新的人机交互技术，利用这样一种技术可以模拟真实的现场景观。它是以交互性和构想为基本特征的计算机高级人机界面，使用者不仅能通过虚拟现实系统感受到客观物理世界中所经历的“身临其境”的逼真性，而且能突破空间、时间以及其他客观限制，感受到在真实世界中无法亲身经历的体验。AR 技术需要具备三个因素:虚拟与现实的结合、即时互动和3D 定位。

美国科技类博客Techcrunch 在调查分析的基础上认为AR 技术有四大应用方向，其中，空间计算和感知人脑对汽车工业及隧道照明设计具有重要的参考价值。InterXon 公司CTO Chris Aimone 曾指出，人脑在通过智能的方式被感知后会给生活带来巨大的方便，因此，InterXon 公司推出了一款脑电波感应头带，佩戴上这款头带，用户可以通过脑电波来控制窗帘以及灯光调节。以此类推，能否通过相关设备比如Google Project Glass 等设备实现人体脑电波与设备的人机交互，通过反映人体心理生理因素的脑电波来指导隧道照明设计实践。

2005年v，德国Heinz Nixdorf 研究所与德国大众汽车有限公司通过半年的合作与努力，成功研发出一套基于AR 技术的汽车人机交互测试平台(如图2 所示)。将改装后的大众汽车与测试平台结合在一起，整个平台的控制面板与车内的照明系统均由计算机动态生成，并且与测试人员所处的真实视看环境或者说视觉场景重叠在一起(如图2-b 所示)。所以，以AR 技术即增强现实技术，现实场景中最重要的部分会被保留下来，由此使得驾驶员在行驶的过程中，能够体验虚拟的场景，同时也不会失去与现实场景的紧密联系。

图2 基于AR 技术的汽车人机交互测试平台

除此之外，一款手机APP 应用软件已经搭载在Android 系统平台上。该软件通过手机的摄像装置来帮助驾驶者监控行驶路况信息，提醒司机应该距离前方行驶车辆多远，并且通过当前车辆的行驶速度和车间距离，评估两车是否会相撞(如图3 所示)。

图3 iOnRoad:利用AR 技术的智能汽车防撞系统

3 AR 技术在隧道照明中的应用

通过上面两个部分的论述，我们可以结合脑电波人机交互，AR 技术来促进隧道照明设计的进展。现需要考虑的几大问题为:驾驶员驾驶过程中脑电波的测试与收集，通过AR 技术对驾驶车辆的3D 定位与空间计算及数据库的建立，脑电波与AR 技术的交互。

3.1 隧道行驶中驾驶员的脑电波测试与收集

根据德国Heinz Nixdorf 研究所与德国大众汽车有限公司研发的基于AR 技术的汽车人机交互测试平台、iOnRoad 软件等(如图2、图3 所示)，我们可以改进汽车工业中汽车前挡风玻璃的功能:当一个功能强大的脑电波测试与收集仪器被置于挡风玻璃上时，驾驶员在通过隧道过程中的心理、生理变化过程均可通过脑电波的形式反映出来，并且被脑电波测试仪器读取与收集。在此种形式之下，驾驶员的瞳孔变化过程和视觉适应问题均可通过脑电波的形式体现出来，同时，原先的隧道照明设计中其他无法准确把握或者无法通过量化评估的心理因素，也可以通过脑电波直观表现出来。换言之，驾驶员在驾车靠近隧道，隧道内行驶和驶离隧道的过程均可通过脑电波的形式被记录下来。

同时，汽车前挡风玻璃也可作为一个虚拟屏幕的载体，类似于当用户戴上Google Project Glass 之后，眼前会出现一个虚拟屏幕的效果(如图4所示)。

图4 Google Project Glass 工作原理

3.2 通过AR 技术对驾驶车辆的3D 定位与空间计算及数据库的建立

驶入隧道中的每一辆车都拥有自己的三维坐标，在高速行驶过程中时间转瞬即逝，因此需要通过AR 技术来对隧道空间进行计算，在时间轴的作用下对每一辆高速行驶的车进行3D 定位。在此基础上，每一位驾驶员对隧道的感受程度可以通过脑电波收集到，通过图表和数据量化。隧道的物理属性和空间属性、行驶车辆的物理属性均可通过空间计算和三维坐标标识出来。由此，关于隧道、行驶车辆、驾驶员和驾驶员的心理、生理变化过程均可储存在计算机终端之内。

此外，与隧道照明相关的规范、维持隧道基本照明的参数及照明灯具相关的参数等均可同步输入到计算机终端内，作为下一步骤中信息、数据比对的样本。

3.3 脑电波与AR 技术的交互

在此过程中，驾驶员的相关心理及生理因素通过脑电波表现出来，通过汽车前挡风玻璃的脑电波信息收集装置传达到计算机终端内。在经过计算之后，通过AR 技术，将通过计算机终端之后的虚拟空间叠加在现有的隧道环境之内(如图2-b 所示)，汽车前挡风玻璃即相当于一个虚拟的视看屏幕，通过此挡风玻璃，驾驶员看到的即为隧道原始环境与虚拟空间叠加之后的效果，因为空间计算与3D 定位技术，该虚拟空间是可以依据计算机终端数据库即时互动与调节的。至于虚拟空间叠加的程度则通过比对现有的计算机数据库样本来调节。而真实与虚拟的统一可以通过图5 说明。在本文中，真实环境即为隧道行车环境，虚拟环境即为人们头脑中所设想的环境和可有效满足隧道照明安全、舒适、节能要求的环境。当将真实环境数字化，虚拟环境真实感受化之后，我们可以实现增强的现实与增强的虚拟之间的融合，达到现实与虚拟混合的境界。

图5 真实到虚拟的统一

4 小结

本文在翻阅了当今关于隧道照明设计的方法之后，发现现有隧道照明中在关注人的心理、生理因素方面的偏颇与不足，因此，在作者感兴趣和了解的范围内，结合脑电波、人机交互和AR 增强现实技术，探讨如何通过人的心理、生理因素来促进隧道照明的进展，从而在满足隧道照明规范要求的基础上，更好地解决隧道照明安全、舒适的要求。而至于实现这一前景的中间技术和相关学科的交叉问题，则需在后续的工作中进一步的深化。

［1］陈仲林，翁季.公路隧道照明对比显示系数探讨［J］.灯与照明，2013，37(1):4～7

［2］胡英奎.基于视觉适应的公路隧道入口段亮度研究［D］.重庆:重庆大学，2013

［3］陈炎，胡江碧，等.脑电技术在驾驶行为分析中的应用［J］.道路交通与安全，2006，6(9):15～17

［4］欧居尚.基于脑电波分析技术的安全驾驶实验研究［J］.西南交通大学学报，2011，46(4):695～700

［5］王炳浩，魏建琴.汽车驾驶员瞌睡状态脑电波特征的初步探索［J］.汽车工程，2004，26(1):70～72

［6］豆瑞星.AR 技术:填平虚拟与现实的鸿沟［N］.互联网周刊，2012-12-05(37)

［7］Juegen Gausemeier，Michael Grafe，沈庆.德国工业中VR/AR 技术应用现状和趋势［N］.中国制造业信息化，2006，8:46～49

［8］张海春.iOnRoad:利用AR 技术的智能汽车防撞系统［EB/OL］.［2011-10-18］、http://www.leiphone.com/ionroad.html