基于视觉信息量计算的城市道路交通环境评价＊

董永杰 陈雨人

（1.同济大学交通运输工程学院 上海 201804；2.同济大学道路交通安全与环境教育部工程研究中心 上海 201804）

0 引言

近年来，随着科技的进步，对道路交通环境的评价不再局限于道路本身，而是逐渐转移到驾驶人行为上来，其中，驾驶人的视觉特性无疑占有重要地位，相关研究证实了驾驶人感知的信息主要来自于外界视觉环境，道路视觉环境对驾驶人的决策有很大影响［1］。对此，国内外学者已取得了许多成果。H.Cai，Y.Lin等［2］通过虚拟环境中的模拟驾驶实验测试了12名驾驶人的视觉行为和精神压力，发现道路交通信息设置的位置不恰当，对驾驶人的视觉行为和精神压力有重大影响，不恰当位置的信息反应效率较低且对驾驶人造成更大的压力，M.A.Brackstone等［3］将驾驶人视野平面划分为上、下、左、右、前5个区域，通过实车实验表明，行车过程中驾驶人80%注视前方区域。T.W.Victor，J.Engstr m［4－5］发现随着视觉负荷复杂程度的提高，驾驶人观看道路中心前方的时间逐渐减少，看显示器时间逐渐增多。信息负荷不仅对驾驶人生理信号有影响，还会对驾驶人评估自己的驾驶性能产生障碍。潘晓东等［6］从驾驶人的视觉角度出发，分析了道路视觉环境对驾驶人心理、行为及安全行车的影响；提出在道路设计与改造中应充分考虑驾驶人视觉特征与道路视觉环境对驾驶人的影响，为驾驶人提供1种宜人的道路环境，以利于安全行车。张强等［7］对道路交通设施的色彩颜色作用于驾驶人的心理影响进行了分析，并将其成果运用于交通标志、路面颜色等设施的改善，周孝波［8］对现有弯道处车辆转向诱导方法进行对比分析，然后对驾驶员在直线段和弯道处的注意力分布做了相关研究，为改善车道边缘线控制车速的应用提供了理论支持，陈雨人［9］通过实车实验进行不同道路环境系统中车辆运行特征和驾驶人视觉信息负荷的对比研究，深入研究了地下道路视觉环境影响驾驶员视觉信息负荷的机理。孙潇昊通过对光线可能导致道路视觉产生错觉的具体实例进行分析，提出利用三维立体标线来解决道路错觉问题［10］。

综上所述，国内外已有许多学者应用驾驶人视觉与道路视觉环境对道路进行评价与改造。相对于公路而言，城市道路更为复杂，其道路视觉环境包含的信息量也较大，驾驶人中央视野和周边视野的区分不够准确，笔者在此基础上进一步对城市道路视觉环境进行划分，建立视觉层级模型，并对各层级模型的信息量分别量化，得出视觉信息量计算模型，建立基于视觉信息量计算的城市道路交通环境评价方法。

1 驾驶人信息需求分析

1.1 信息需求层次模型

美国心理学家马斯洛将人的需求分为5个层次，建立了“需求层次理论”，从需求出发来研究人的行为。驾驶人在行车过程中对环境信息的需求也属于人的需求行为，这里可以使用“需求层次理论”，建立道路环境信息需求的层次模型。

与马斯洛的需求层次理论相对应，驾驶人对道路信息的需求也存在由低到高的层次分布状态，见图1。首先，道路的基本功能是交通运输的载体，因此驾驶人对道路信息的基本需求为通达需求；当满足通达的基本需求后，则是安全需求；然后是更高一层的舒适性需求；最后是景观需求。

与马斯洛理论相似，驾驶人信息需求由低到高分为通达需求、安全需求、舒适需求和美观需求4个层，但是其信息需求不是完全按照该层次逐级递增的。很多时候不同层次需求是并存的，如驾驶人可能在追求通达需求时，同时也关心安全需求。在多种需求同时存在时，驾驶人会根据实际所处的环境情况和自身状态优先满足最迫切的需求后再关注其他需求。

1.2 视觉层级模型

很多研究已经表明，驾驶人对道路环境信息的获取主要通过视觉，即对驾驶人信息需求的满足主要通过视觉信息来提供。在城市道路中，驾驶人通过眼球运动观察道路环境获得道路视觉环境信息。在信息获取过程中，由内在的选择性注意机制控制按照当前的信息需求选择能够满足需求的信息进行注意，并对其加工形成有效认知。

根据前面提到的需求层次模型，结合城市道路的复杂性，将道路视觉环境分为意义性视觉环境层、运动性视觉环境层、物理性视觉环境层和景观性视觉环境层。分别与行驶过程中的各种需求相对应，见图1。

图1 信息需求层次模型Fig.1 Hierarchical model of information needs

各视觉环境层可以提供不同的信息以满足驾驶人不同层次的信息需求。

其中，各层级具体意义（见图2）：“意义层”包含视觉信息中具有指示含义的标志和标线等内容，“运动层”则包含在视野中相对运动的对象，如车辆和行人等，“物理层”包含连续的道路路面、中央分隔带和隔离带等道路交通设施，“景观层”则包含剩下的背景信息，比如，树木，绿化和天空，等等。为了量化各层级信息，还对图像进行了栅格化处理。

图2 驾驶人视觉层级模型Fig.2 Driver′s visual model of road scene

2 城市道路视觉环境信息量分析

通过驾驶人视觉层级模型，对视觉图像进行分析提出基于信息量的城市道路视觉环境计算方法。

2.1 道路视觉环境信息量计算模型

驾驶人在行车过程中通过动态视觉来感知交通环境信息，行车过程中驾驶人会通过1个动态视锥台来获取道路交通的环境信息，有1个视线集中点，根据人眼的生理特性，存在中央视野和周边视野的情况，而且随着速度提高，注意力逐步提高，注视点逐渐后退，而视野逐渐变小。人的中央视野范围在22°～100°之间，随速度增加而逐渐减少。

在城市道路视觉环境中，不仅需要找出中央视野和周边视野，由于各视觉环境层提供的信息含义不同，其包含的信息量也各不相同。对于同在城市道路视觉环境中，不仅需要找出中央视野和周边视野，由于各视觉环境层提供的信息含义不同，其包含的信息量也各不相同。对于同一视觉环境层而言，其信息量的大小与该层的面积、信息停留时间和单位面积信息强度有关。因此，本文针对道路视觉图像建立信息计算模型，见式（1）。

图3 中央视野与周边视野Fig.3 Central vision and peripheral vision

式中：I为某一时刻的道路视觉环境信息总量；Ic为中央视野的信息量；Ip为周边视野的信息量；Li为道路各视觉环境层的单位面积（视觉层像素面积）信息强度；Aci、Api分别为道路视觉环境各层在中央视野和周边视野内所占的面积；t为道路视觉图像在驾驶人眼中停留的时间，s；i为道路环境中的各个视觉环境层，其取值为1～4，1表示意义性视觉环境层、2表示运动性视觉环境层、3表示物理性视觉环境层、4表示景观性视觉环境层；α为周边视野信息强度系数。

2.2 模型参数确定

2.2.1 单位面积信息强度Li

在道路视觉环境中，由于各层级物体的含义不同，相同面积的不同物体所能提供的信息量是不同的。本文中单位面积信息强度是指道路视觉环境中各层级物体对人视觉注意及认知的影响程度的大小，是1个权重值，所有视觉环境层的信息强度总量定为1。

对驾驶人而言，满足其驾驶信息需求最为根本，因此，越是能满足驾驶人需求的信息越是重要，其信息强度也就越大。结合驾驶人信息需求层次理论及与道路视觉层次的对应关系，遵照越低层次的需求越是迫切需要优先满足的原则，定义道路各视觉环境层的重要度值见表1。

表1 道路各视觉环境层重要度Tab.1 Road importance of each layer of the visual environment

当人注视在某一点上时，其视觉将会对视觉画面中的信息做出反应，产生注意和认知，即，视觉的信息强度主要反映在人眼的注视指标上。因此，通过对驾驶人注视指标进行分析，就能得出单位面积信息强度Li。

结合以往研究道路各视觉环境层的平均扫视时间，得出的各层单位面积信息强度判断矩阵，见表2。

表2 单位面积信息强度判断矩阵Tab.2 Judgment matrix of information intensity per unit area

最终得出单位面积信息强度Li的值。

2.2.2 画面停留时间T

道路图像中的信息在驾驶人眼中的停留时间T与车辆的行驶速度相关。驾驶人在行车过程中对外界环境的感知是在动态且连续的，因此环境画面在眼中的停留时间都会随车速的变化而发生变化，变化关系见表3。随着行驶速度的提高，画面的停留时间会逐渐减少。

表3 驾驶人动态视觉与车速的关系Tab.3 Relations between the speed and driver′s dynamic vision

根据《城市道路设计规范》中对城市道路计算行车速度的规定，各类各级道路行车速度见表4。

表4 各类各级道路计算行车速度Tab.4 Various types of road traffic speed

由此可见，在城市道路中车辆行车速度的变化范围为20～80km／h，对应的视觉画面在人眼中的停留时间变化范围为9～18s。在计算中，根据实际行车速度计算画面停留时间，当速度小于40km／h 时，取最大值18s。当速度大于40 km／h时，则按画面停留时间与速度的数学关系计算得到。根据表3速度与画面停留时间的对应数值进行回归，得到计算公式（2）。

式中：v为车辆行驶速度，km／h。

2.2.3 各道路视觉环境层面积Aci、Api

对道路各视觉环境层面积的计算可以通过对视频图像的计算处理获得。根据中央视野与周边视野，以及视觉层级模型，可以结合行驶速度确定中央视野范围的大小（见表5），进而分别得出中央视野和周边视野各层级的像素面积，软件处理界面见图4。

图4 道路视觉环境层面积计算界面Fig.4 alculate interface of road visual environment

表5 行驶速度、视野范围和可视距离Tab.5 Moving speed，field of view and visual distance

2.2.4 周边视野信息强度系数α确定

周边视野信息强度系数α指当假设中央视野信息强度为1时，周边视野信息强度相对于中央视野的权重，可以由驾驶人的扫视指标确定。

对人的视觉特性研究发现，人眼的注意力集中在中央25%的区域。越靠近中间的区域注意力权重越大，也就是说这个区域的特征信息越重要，越容易引起人的注意［11］。同样地，驾驶人在视觉注意过程中，对中央视野和周边视野的注意程度也不同，即中央视野和周边视野的信息对驾驶人视觉注意的影响不同。越是靠近视点的信息越容易被感知，反之则容易被忽略。根据以往研究，周边视野信息强度系数α取值0.156。故城市道路信息量计算模型可以由式3表示。

式中：L1＝0.489 6，L2＝0.282 6，L3＝0.151 9，L4＝0.075 9。

3 城市道路交通视觉环境评价

3.1 道路环境视觉信息量与速度的关系

得出城市道路信息量计算模型后，任意给出1张驾驶人视觉图像就可以计算出道路环境视觉信息量。为此进行了实车实验：驾驶1辆装有行车记录仪的车辆在城市道路中正常行驶，行车记录仪可以读取每秒车辆速度，加速度等数据。

任意选取1段连续的（间隔5s，共87幅）城市道路中驾驶人视觉图像，计算道路环境视觉信息量，以及这87幅图像对应的点速度。数据分布见图5、图6。

图5 速度与信息量对应连续变化图Fig.5 Speed corresponding to the continuous change of the amount of information

图6 速度与信息量之间的关系Fig.6 Relationship between speed and the amount of information

速度与信息量之间的关系图显示，速度与信息量之间呈较好的幂函数关系，对应的关系式为式（4），此时R2为0.935 6。

分析速度与信息量关系图，可以得出如下结论。

1）速度随信息量的增大而减小，且减小趋势越来越缓慢。信息量大，驾驶人需要处理信息的时间越长，所以速度就慢，图6中速度较低，信息量较大的2点为接近交叉口区域时的图像，驾驶人得到的信息量较大，尤其是意义层信息量，如红绿灯等，这就导致驾驶人减到1个较小的速度驶过交叉口。

2）城市道路视觉环境信息量不应过小，当信息量过小时，如没有指示标志，道路标线，附近车辆较少时，驾驶人就会产生视觉松懈，从而高速行驶而不自知，影响道路交通安全。

3.2 信息量阈值确定

根据速度随信息量变化规律，若要保证道路交通安全行驶，就要控制车辆行车速度，进而就需要控制道路视觉环境信息量的大小。由于不同的城市道路安全行驶速度不同，这里以道路限速为车辆安全行车的衡量标准，得出能够保障道路视觉环境安全性的信息量极小值，即信息量阈值。

以道路限速为60km／h为例，假设当某条城市道路的限速为60km／h 时，则信息量的极小值：

即当道路限速为60km／h时，信息量应大于144 892以保证行车安全性。

增大信息量可以控制降低车速，达到安全行车的目的。但并不是信息量越大越好，当信息量过大超出驾驶人对信息的处理能力时，即视觉超负荷情况，驾驶人则会来不及处理某些视觉信息，反而导致行车不安全。因此，需要设定信息量的上限，可以根据驾驶员行车期望速度，由式（4）确定。

以驾驶人期望车速为40km／h为例，假设驾驶人对某条城市道路的期望车速为40km／h时，则信息量的极大值：

即当驾驶人期望车速40km／h时，信息量应不大于233 263以防止驾驶人视觉负荷过大。

3.3 道路视觉交通环境评价流程

通过对城市道路视觉环境层级模型的分析，建立了城市道路视觉环境信息量计算模型，并分析得到信息量与速度之间的关系。基于以上分析，建立以道路视觉环境信息量为依据的城市道路视觉环境安全性评价方法，见图7。

4 城市道路交通环境实例分析

基于信息量计算对城市道路交通环境进行分析，城市道路存在的交通问题主要有2种情况：①道路视觉信息量过小而导致的高速行车情况，②信息量过大而导致的视觉超负荷情况。

图7 城市道路视觉交通环境评价流程Fig.7 Evaluation process of urban road traffic visual environment

从信息量计算模型中可以看出，当驾驶人注视某一物体时，由于人眼的视力是确定的，其中央视野和周边视野面积的总和也是相同的，而导致信息量不同的主要原因是各道路视觉环境层在中央视野和周边视野中所占的比例，当有大量意义性视觉信息及运动性视觉信息在其中央视野内时，总信息量就会比较大，反之则较小。

1）信息量过大。该画面（见图8）的车辆行驶速度为35km／h，通过图7的道路视觉交通环境评价流程，计算出视觉信息量为333 520.6，信息量很大，其原因是中央视野范围内有较多意义层和运动层信息：各种指路标志，指示标志，道路标线等过于集中，前方又有很多车辆，驾驶人视觉负荷很大，这些是导致驾驶人减速行驶的主要原因。据此可以通过将最重要的信息放在驾驶人的中央视野中，引起驾驶人注意力，没有用的信息剔除，相对不重要的信息可以提前或延后设置，减少驾驶人视觉负荷，安全行车。

图8 信息量过大画面Fig.8 Information overload

2）信息量过小。该画面（见图9）的车辆行驶速度达到70km／h，通过图7的道路视觉交通环境评价流程，计算出视觉信息量为91 657.4，信息量很小，因为画面中央视野中几乎没有意义层和运动层信息，周边视野中运动层信息也较少，导致驾驶人不自觉的加速行驶。据此可以通过在道路中添加一些意义层信息，如标志标线等来增加信息量，增加驾驶人视觉负荷达到减速的目的。

图9 信息量过小画面Fig.9 Information too little

5 结束语

本文是有关驾驶人视觉角度在城市道路交通环境影响评价的阶段性成果，通过分析研究驾驶人特性提出的层级模型、信息量计算模型等，将城市道路中运行速度作为评判参数，研究与信息量之间的关系。通过研究可以发现，①城市道路中信息量的大小对速度会产生一定的影响；②信息量过高或者过低都会对行车安全产生不利影响；③可以通过计算城市道路中的信息量来对城市道路交通环境进行评价，以及根据结果进行一定的改进措施。

由于时间和技术的限制等原因，本研究还存在以下不足：在道路视觉环境层面积计算的软件中，部分图像尚需手动进行区域调整以得到准确的面积进行信息量计算，进而进行交通环境评价。后续研究希望通过改进这一不足进行智能分析城市道路交通环境，并能实时对驾驶人给出一系列最佳运行速度以及自动预警等成果。

［1］Wohlwill J F.Environmental aesthetics：the environment as a source of affect［J］.Human Behavior and Environment.1976（1）：37－86.

［2］Cai H，Lin Y.Evaluation of driver visual behavior and road signs in virtual environment［C］∥Proceedings of the Human Factors and Ergonomics Society，Santa Monica，CA：HFES，2007：1645－1649.

［3］Brackstone M A，Waterson B J.Are we looking where we are going？an exploratory examination of eye movement in high speed driving［C］.Proceedings of the TRB，83rd Transportation Research Board Annual Meeting.Washington.DC：Transportation Research Board，2004.

［4］Victor T W，Harbluk J L，Engstrom J A.Sensitivity of eye－movement measures to in－vehicle task difficulty［J］.Traffic Psychology and Behavior，2005，8（2）：167－190.

［5］Engstr m J，Johansson E，stlund E.Effects of visual and cognitive load in real and simulated motorway driving［J］.Traffic Psychology and Behavior，2005，8（2）：97－120.

［6］杜志刚，潘晓东，郭雪斌.公路隧道进出口行车安全评价指标应用研究［J］.同济大学学报：自然科学版，2008，36（3）：325－329.Du Zhigang，Pan Xiaodong，Guo Xuebin.Evaluation index′s application studies on safety at highway tunnel′s entrance and exit［J］.Journal of Tongji University：Natural Science，2008，36（3）：325－329.（in Chinese）

［7］张 强，陈雨人，潘晓东.色彩心理在道路交通安全中的应用［J］.华东公路，2005（6）：65－67.Zhang Qiang，Chen Yuren，Pan Xiaodong.Application of color psychology in road traffic safety［J］.East China Highway，2005（6）：65－67.（in Chinese）

［8］周孝波.基于视觉边缘率的高速公路弯道转向诱导设计方法及应用［D］.武汉：武汉理工大学，2010.Zhou Xiaobo.Approach and application of steering on freeway curve based on visual edge rate［D］.Wuhan：Wuhan University of Technology，2010.（in Chinese）

［9］陈雨人，郑仕文.地下道路视觉环境影响车辆运行特征机理分析［J］.同济大学学报：自然科学版，2013，41（7）：1031－1039.Chen Yuren，Zheng Shiwen.Mechanism analysis of vehicles operating characteristic affected by visual environment of underground road［J］.Journal of Tongji University：Natural Science，2013，41（7）：1031－1039.（in Chinese）

［10］孙潇昊，季 予，程健川.行车错觉模拟分析及道路标线优化［J］.交通信息与安全，2014，32（4）：80－86.Sun Xiaohao，Ji Yu，Cheng Jianchuan.Illusion simulation analysis and road marking optimization［J］.Journal of Transport Information and Safety，2014，32（4）：80－86.（in Chinese）

［11］Ma Yufei，Hua Xiansheng，Lu Lie.A generic framework of user attention model and its application in video summarization［J］.IEEE Transitions on Multimedia，2005，7（5）：907－919.