面向汽车视野设计与分析的驾驶员眼点分布仿真研究

余晓枝　任金东　陈俊豪　刘群　张苗莉

（吉林大学，长春 130022）

面向汽车视野设计与分析的驾驶员眼点分布仿真研究

余晓枝任金东陈俊豪刘群张苗莉

（吉林大学，长春 130022）

为解决目前眼点分布试验统计成本高、其应用受人体和车型尺寸变化影响等问题，提出了仿真获得眼点分布的方法。利用美国人体数据，采用蒙特卡罗仿真方法建立了男、女和混合人群3组大样本人群数据；基于6辆实车布置参数，利用级联预测（CPM）模型仿真了眼点分布；针对眼点分布参数随车型的变化进行了统计分析。与按照SAE标准方法得到的结果对比表明，本文的方法切实可行，为准确面向不同车型和人群进行视野设计与分析时计算眼点分布提供了解决方案。

主题词：眼点分布仿真驾驶室统计分析参数

1　前言

与汽车车身设计有关的驾驶员人体特征点主要包括眼点、头顶点、胯点以及膝部和胃部的一些特殊点［1～3］。其中，眼点分布对于视野设计至关重要，一般用眼椭圆来描述［4～5］。眼椭圆是通过对驾驶员眼睛位置进行测量和统计得到的［4］。目前最新的眼椭圆标准是美国汽车工程师协会（SAE）根据密歇根大学交通研究所（University of Michigan Transportation Research Institute，UMTRI）20世纪90年代的有关研究成果整理推出的，主要面向美国人群（尽管其中还给出了日本和荷兰的眼椭圆尺寸和通用中心定位公式）［5～6］。通过试验统计方法获得眼点分布费时费力，且结果只适合原目标人群（美国人）；随着时间的推移，人体尺寸、车型尺寸都会发生变化，原来的眼点分布可能不再适用，必须重新进行测量统计［7］。我国目前没有用于设计的眼点分布数据，因此急需进行相关研究［7～8］。

本文尝试通过仿真方法获得准确的眼点分布数据。该方法可尝试用于生成符合不同目标人群的眼点分布数据，进而快速建立用于视野设计的眼椭圆，从而减少甚至取代试验统计的方法，并且能够快速与设计参数联系起来，甚至用于仿真［9］。鉴于没有适用于中国人的相关数据和可用作验证的标准，本文以美国人的数据进行研究。

2　驾驶员眼点仿真

2.1CPM模型简述

上世纪90年代末，Reed等人提出一种预测驾驶员全身姿势的级联预测模型（cascade prediction model，CPM）［10］，着重提出先预测H点和眼点，再利用反向运动学（inverse kinematics，IK）方法计算各肢体姿势的驾驶员全身姿势预测方法，其中采用了一系列的回归模型，它们之间存在着先后依赖的关系，所以将其称为递进预测模型，其统一的格式为：

式中，φ为姿势变量；B为常数项；c1～c6为模型系数；S为身高；BMI（body mass index）为人体质量指数，为体重与身高平方的比值；H30为座椅高度；H为人体坐高；L6为转向盘到加速踏板基准点（pedal reference point，PRP）的前后距离；A27为座垫倾角；σφ为误差分布的标准差。

预测眼睛位置的模型系数见表1，其中的驾驶室布置参数见图1和文献［11］。表1中，XE、ZE分别为眼点x、z坐标分量。预测眼睛位置的因子不包括BMI和A27。

表1　CPM模型

2.2驾驶人群Monte Carlo仿真

为模拟眼点的分布，需根据目标人群的人体数据分布的数字特征（人体尺度均值和斜方差矩阵）建立人群的样本。眼点预测所需要的人体尺度变量包括身高S、坐高H和人体质量M。根据这三个变量分布的数字特征，通过Monte Carlo仿真来生成美国男性和女性容量分别为5 000的样本［12～13］，作为驾驶员眼点分布仿真的人体尺度数据源。

2.3眼点的计算

直接利用式（1）和表1即可计算眼点关于定位基准点的x、z坐标［14～15］。但由于个体习惯等原因，即使同一个体多次入座时，其眼点的位置也不一定相同，因此，在仿真过程中必须考虑眼点分布的离散性。在应用CPM预测眼点位置时，通过将预测残差引入眼点计算解决该问题，即：

图2所示为残差对眼点分布计算的影响。

针对6个车型数据分别进行了眼点分布的仿真计算，车型数据见表2，某车型模拟得到的眼点分布数据如图3所示。

表2　车型参数

3　眼点分布的统计分析

3.1眼椭圆参数的计算

根据眼椭圆的数学意义来计算眼椭圆参数，包括中心位置、长短轴长度和长轴的倾角［7，15～16］。中心位置利用眼点x、z坐标均值来估计：

式中，Xc、Zc分别为眼点分布的中心点坐标；n为样本容量。

椭圆长、短轴长度计算公式为：

式中，Lx、Lz分别为眼点分布的长轴和短轴长度；σF1、σF2分别为眼点分布沿第1、第2主成分方向的标准差，分别用样本方差来估计；ka为标准正态分布变量上a分位点，这里取a=1.645，对应95百分位眼椭圆。

椭圆长轴倾角为：

式中，β为长轴倾角，为眼点分布的第1主成分方向与x轴的夹角；XP、ZP分别为第1主成分轴正方向上的任意一点的x、z坐标。

眼椭圆参数如图4所示。针对每辆车，分别对男性、女性和男女混合人群的眼椭圆参数进行了计算。

3.2眼点参数随车型参数的变化

不同车型眼椭圆参数应该是不同的，并且随着车型参数呈现一定规律的变化［7，15］。通过相关分析发现，眼椭圆尺寸和倾角受车型参数变化的影响很小，而椭圆中心位置受车型参数变化的影响明显。对于男性人群，中心点坐标Xc与转向盘前后位置（L11）相关性很强（相关系数r=0.997，显著性水平sig.＜0.01，表示非常显著），而与座椅高度相关性不明显（r=0.137，sig.＞0.05）。此外，H点调节轨迹倾角A19也对中心坐标Xc影响较大（r=-0.622，很显著）。中心点坐标Zc与座椅高度完全相关（r=1，sig.＜0.01），而与转向盘位置（L11、H17）、H点调节轨迹倾角A19关系不大。对于女性人群和混合人群，上述规律基本相同，只是程度略有区别。男性人群和混合人群眼椭圆参数与车型参数的相关性分析结果见表3。图5所示为各车型眼椭圆中心随驾驶室布置参数变化的散点图。根据相关性分析结果选取合适的布置参数作为椭圆中心的预测因子，采用多元线性回归方法建立椭圆中心预测模型。

表3　眼椭圆参数与车型参数相关系数分析结果

4　眼点分布的验证

根据6辆实车的驾驶室布置参数，经过仿真进一步建立了各车对应的眼椭圆，并与按照SAE标准方法得到的结果进行了对比分析。限于篇幅，只给出男性和男女混合人群的对比结果，如表4所示。由表4可见：各车型男性眼点分布的中心点在x和z方向的预测误差都在33 mm以内；尺寸的误差也很小（B车最大，比SAE标准长8.0 mm）；所有车型的眼椭圆倾角平均比SAE标准大1.0°。对于混合人群，其椭圆中心的预测非常准确，最大误差不超过6 mm，而长轴和倾角的误差比单一性别人群稍大，但也很小。

表4　眼椭圆参数仿真结果与SAE结果对比

5　结束语

本文通过仿真方法模拟了眼点的分布，验证结果比较理想，但同时也发现，对于椭圆长轴的模拟结果偏大。目前使用的是直接模拟法，即直接计算眼点坐标，由于CPM是根据美国人体数据得出的，这种方法更适于美国人。由于直接模拟方法隐含了人体尺寸和姿势因素，无法根据误差的大小估计人体尺寸和姿势模拟的不准确程度。为解决这一问题，未来将进一步研究基于驾驶员人体运动学、生物力学的眼点分布仿真方法，从根本上研究人体舒适坐姿的规律，并进而获得更为通用的眼点分布规律及仿真方法。

1Hammond D C，Roe R W.Driver Head and Eye Positions.Automotive Engineering Congress and Exposition，Detroit，1972.

2Roe R W.Describing the Driver's Workspace：Eye，Head，Knee，and Seat Positions.SAE Technical Paper No.750356，1975.

3温吾凡.人体特征点在车身坐标系中的分布.汽车工程，1990（3）：20～26.

4Meldrum J F.Automobile Driver Eye Position.SAE Technical Paper No.650464，1965.

5Society of Automotive Engineers.Recommended Practice J941，Motor Vehicle Drivers'Eye Locations.Warrendale：Society of Automotive Engineers，Inc.，2010.

6Manary M A，Flannagan C A C，Reed M，et al.Development of an Improved Driver Eye Position Model，International Congress&Exposition，1998.

7任金东，范子杰，黄金陵.适合不同驾驶员群体眼椭圆统计方法.机械工程学报.2006，42（2）：192～197.

8葛安林，任金东，黄金陵，等.汽车视野设计原理和方法研究.机械工程学报.2002（4）：148～151.

9Ruspa C，Quattrocolo S，Bertolino D.Virtual Tool for the Evaluation of the Visibility during Critical Driving Tasks.SAE Technical Paper No.2007-01-2499，2007.

10Reed M P，Manary M A，Flannagan C A，et al.A StatisticalMethod for Predicting Automobile Driving Posture.Human Factors，2002，44（4）：557～568.

11Society of Automotive Engineers.Recommended Practice J1100，Motor Vehicle Dimensions.Warrendale：Society of Automotive Engineers，Inc.，2002.

12徐钟济.蒙特卡罗方法.上海：上海科学技术出版社，1985.

13Wirsching H，Premkumar S.Statistical Representations of Human Populations in Ergonomic Design.SAE Technical Paper No.2007-01-2451，2007.

14Society of Automotive Engineers.Recommended Practice J1516，Accommodation Tool Reference Point.Warrendale：Society of Automotive Engineers，1997.

15Du X M，Ren J D，Gao Z H.Automobile Cab Packaging Study Based on Driver Simulation.IEEE 18th International Conference on Industrial Engineering and Engineering Management，Changchun，2011.

16温吾凡，杜子学.汽车驾驶员眼椭圆二维正态分布理论解释.汽车工程，1991（4）：223～228.

（责任编辑斛畔）

修改稿收到日期为2016年7月5日。

Research on the Simulation of the Driver Eye Point Distribution Used for Vehicle Vision Design and Analysis

Yu Xiaozhi，Ren Jindong，Chen Junhao，Liu Qun，Zhang Miaoli
（Jilin University，Changchun 130022）

In view of the present problem of the high cost in acquiring the eye point distribution by empirical statistical method，and the problem of the poor usability of the eye point distribution caused by the variation of the population anthropometry and vehicle packaging dimensions，this paper presented a simulative method to generate the eye point distribution.Based on America anthropometry data，and by using Monte Carlo simulation，the anthropometric sample data of the male，female and mixed-gender population were generated，which were used to simulate the distributions of their eye points with Cascade Prediction Model（CPM），based on the cab packaging parameters of six cars.Statistical analyses were conducted about the distribution parameters of the eye points，as well as their trends varying with the cab packaging parameters.The simulated results were validated with those calculated from SAE methods.The results showed perfect feasibility of the method presented in this paper，which provided good solution for calculating the distribution of eye points for different populations and vehicle models when conducting vision design and analyses.

Eye point distribution，Simulation，Cab，Statistical analysis，Parameter

U461.99

A

1000-3703（2016）10-0027-04