彩色路面环境下隧道视觉诱导性评价

卓 曦，唐璐璐，王家主，杨龙清，刘建炜

(1.福州大学土木工程学院，福建福州 350108;2.福建省交通科学技术研究所，福建福州 350004)

0 引言

作为一种特殊的路面形式，隧道彩色路面通过显示鲜明的色彩，增强视觉诱导功能，从而提高驾驶员注意水平，舒缓其紧张和不舒适感.由于色彩各异的路面视觉诱导功效存在区别，若路面颜色选择不合理，不利于充分提高隧道视觉诱导水平.因此对彩色路面环境下隧道进行视觉诱导性评价，有利于优选隧道路面颜色，提升安全水平.

针对隧道视觉问题，国内外相关研究集中于照明环境、交通设施和驾驶视觉的关系探讨.在隧道照明环境对视觉行为的影响方面，Du等［1］通过分析隧道进出口段照度变化状况，给出驾驶员短暂失明区间长度和停车视距算法.He等［2］研究公路隧道动态照明环境对驾驶视觉安全的影响，建议合理设计照明空间.邓敏等［3］分析驾驶员视觉功效受隧道照明光源显色性的影响情况，发现光源显色指数越高，驾驶员视觉功效越好.马勇等［4］提出隧道出入口及内部的照明环境会显著影响驾驶员的视觉特性，因而良好的隧道设计应使隧道内外照度平缓过渡.在隧道交通设施对视觉行为的影响方面，Kircher等［5］研究隧道设计对驾驶员注意力的影响，发现浅色隧道侧壁有助于提升驾驶员视觉注意水平.杜志刚等［6］研究发现突起路标、立面标记、反光环等设施诱导性强，可有效缓解视错觉.可见国内外研究鲜有从彩色路面角度提出定量化的隧道视觉诱导性评价理论.

本文暂不考虑彩色路面环境下长大隧道的驾驶员视觉疲劳和反向干扰规律，通过基于养护周期内路面颜色的隧道视觉诱导仿真和眼动实验，给出隧道视觉诱导性评价指标模型，然后提出基于K－means聚类的彩色路面环境下隧道视觉诱导性评价方法.研究成果适用于隧道彩色路面环境诱导性分析，有利于隧道路面颜色优化.

1 彩色路面环境下隧道视觉诱导性评价指标计算

1.1 彩色路面环境下隧道视觉诱导仿真及眼动实验

1)养护周期内路面颜色.常见的甲基丙烯酸聚甲酯彩色路面铺装已有超过10 a的使用案例［7］，因此假设隧道彩色路面铺装材料的养护周期为10 a.本文暂不考虑10 a内路面颜色变化情况，因而暂不分析隧道内彩色路面的养护保障问题，假设仿真的隧道路面颜色色坐标不会发生时变.

2)仿真实验环境.利用UC－win/Road软件的“编辑断面”和“输出3D模型”功能，建立和导出仿真隧道三维模型.在DIALux软件中，将三维隧道模型导入，然后考虑洞外亮度和亮度需求，将照明灯具设置于仿真隧道中，以模拟半封闭结构隧道的真实亮度环境，最后将功能“摄像机行程速度”取值为隧道运行速度，生成三维动态视频.

3)仿真环境下眼动实验.实验环境为:投影屏幕尺寸2.2 m×2.0 m，测试者距投影屏幕1.5 m，测试者视线高度1.2 m.实验过程为:采用投影仪将仿真隧道视频投影至屏幕，然后测试者佩戴眼动仪观看视频，且同一视频每位测试者观看5次.通过仿真实验，从眼动仪导出注视和扫视行为数据，再进行数据筛查和剔除后，取5次实验均值作为该测试者的有效眼动数据.

1.2 彩色路面环境下隧道视觉诱导性评价指标模型

1.2.1 注视点分布的莫兰指数模型

如图1所示，构建三维坐标系:1)以驾驶员眼睛位置为坐标点A，通过坐标点A画出水平面，然后画出通过注视点F的竖直面，以水平面与竖直面的相交直线为X轴;2)通过A点画出X轴的垂线，即Z轴，X轴与Z轴的交点为坐标原点O(0，0，0);3)通过O点画出竖直线，即Y轴.

在该三维坐标系中，注视点F在X轴的投影为坐标点C，在Y轴的投影为坐标点H，AO和AF两条直线夹角为驾驶员注视角，其中驾驶员水平注视角β(°)为 ∠OAC，竖直注视角 γ(°)为 ∠OAH.假设(xF，yF，zF)为注视点F的三维坐标(m)，由于多个注视点的不同三维坐标系Z轴固定，隧道环境内驾驶员注视点可用β和γ唯一确定，因此定义xF＞0时，β＞0;xF＜0时，β＜0;yF＞0时，γ＞0;yF＜0时，γ＜0.

图1 驾驶员注视角Fig.1 Driver’s fixation angle

根据β和γ，将隧道内驾驶员视野划分为6个立体注视区域［8］.如图2所示，划分不同注视区域的注视角范围，即注视区域1满足 －90°＜β＜－20°，注视区域2满足90°＞β＞20°，注视区域3满足 －20°≤β≤－10°，注视区域4满足20°≥β≥10°，注视区域5满足 －10°＜β＜10°、90°＞γ＞10°，注视区域6满足 －10°＜ β ＜10°、－90°＜ γ≤10°.

在驾驶员视野内，采用莫兰指数［9］分析注视点密集水平.考虑注视区域的空间权重系数，计算注视区域注视点数量与其平均值的偏离程度，从而得出注视点分布的莫兰指数I为

图2 视野内注视区域Fig.2 Gaze areas in the visual field

式中:n为注视区域数量，n=6;W是所有空间权重系数之和;wij为第i个和第j个注视区域的空间权重系数，若第i个和第j个注视区域相邻，wij=1，否则wij=0;si、sj分别为第i个、第j个注视区域的注视点数量，由眼动仪功能“注视点数目”生成;s 为各注视区域的注视点数量平均值.

式(1)即为所得注视点分布的莫兰指数模型.I取值范围为－1到1.在计算多个驾驶员的I数值后，若其均值I越大，表明注视点分布趋于聚集，反之注视点分布趋于分散，从而体现了注意集中度.

1.2.2 扫视时间加权的扫视幅度模型

驾驶员扫视行为分为扫视空间和扫视时间等维度，其中扫视幅度是一次扫视的角度，可描述扫视空间范围.为体现扫视行为的时空维度，基于眼动实验数据，得出扫视时间加权的扫视幅度平均值Da(°)为

式中:Ns为驾驶过程扫视次数，由眼动仪功能“扫视数目”生成;Di为第i次扫视的扫视幅度(°)，由眼动仪功能“扫视幅度”生成;ti为第i次扫视的扫视时间(s)，由眼动仪功能“扫视持续时间”生成.

式(2)即为所得扫视时间加权的扫视幅度模型.在计算多个驾驶员的Da数值后，若其均值较小，表明驾驶员以小范围扫视即可获取信息，此时驾驶紧张度较低，反之则紧张度较高.

1.2.3 基于瞳孔面积变化率的不舒适时间比例模型

基于眼动实验数据，计算第i次和第i+1次注视之间的驾驶员瞳孔面积变化率Qi，i+1为

式中:Mi为第i次注视的平均瞳孔面积(mm2)，由眼动仪功能“平均瞳孔直径”的双眼平均值计算得出.

以20%为瞳孔面积变化率Q的阈值［10］，即若Qi，i+1小于20%，则相邻第i次和第i+1次注视之间时段驾驶员视觉舒适，反之视觉不舒适.利用式(3)计算Qi，i+1，统计得出Nu个视觉不舒适时段.由于每个视觉不舒适时段均为相邻的两次注视间时段，定义视觉不舒适时间总和tu(s)为

式中:trb，j、tre，j分别为第 j个视觉不舒适时段的后一次注视开始时刻和结束时刻(s);tfb，j、tfe，j分别为第 j个视觉不舒适时段的前一次注视开始时刻和结束时刻(s).trb，j、tre，j、tfb，j、tfe，j均由眼动仪功能“注视开始时刻”和“注视结束时刻”生成.

根据式(4)，计算基于瞳孔面积变化率的不舒适时间比例P为式中:td为驾驶员在隧道内的驾驶操作时间(s).

式(5)即为所得基于瞳孔面积变化率的不舒适时间比例模型.在计算多个驾驶员的P数值后，若其均值较小，说明视觉舒适度较好，反之则视觉舒适度较差.

1.3 彩色路面环境下隧道视觉诱导仿真实验样本量

邀请30位实验人员进行彩色路面环境下仿真隧道模拟驾驶预实验，进而根据式(1)～(5)，计算该预实验得到的视觉诱导性指标.然后以第i种颜色路面环境下隧道的第j个视觉诱导性指标数值方差j≤3)为抽样参数，在此基础上，计算第j个视觉诱导性指标的实验人员数量，即实验样本量Nj为

式中:Zα/2为可靠性系数，根据置信度1－α进行取值;E为抽样误差.

2 基于K－means聚类的彩色路面环境下隧道视觉诱导性评价

基于K－means聚类［11］，进行彩色路面环境下隧道视觉诱导性分级，步骤如下:

1)针对黄、红、绿、蓝、灰、白和黑等7种颜色的隧道路面环境，仿真实验获取评价指标数值，且采用“平移极差变换”方法［11］对数据进行归一化处理.

2)设定初始条件.根据指标数值的离散程度，将7种颜色路面环境下隧道划分为K个评价等级.然后从7种颜色中选取K种颜色，以这K种颜色路面环境下隧道分别构成第m(m=1，2，…，K)个等级的第1次聚类中心.

3)进行多次迭代聚类.第q(q＞1)次迭代计算出第m个等级的聚类中心诱导性评价指标集合，进而通过计算第i种颜色路面环境下隧道诱导性评价指标与各等级第q次聚类中心的欧式距离，将第i种颜色路面环境下隧道划分至最小欧氏距离的对应等级.

4)第q次聚类后，计算K个等级对应颜色路面环境下隧道的诱导性指标归一化数值与对应聚类中心的距离平方和dq.进行多次迭代计算，dq逐渐减小并趋于稳定，则结束聚类迭代.以迭代结束时第q次计算的聚类等级为诱导性评价结果，并明确各个聚类等级的分级范围.

3 实例分析

3.1 实例仿真环境设定

选取福建省某公路隧道为实例.作为半封闭结构，该隧道为双向2车道的单洞结构，长度为1.364 km，洞顶高度为5 m，单车道宽度为3.75 m，两侧检修道宽度均为0.75 m，左侧净空宽度为0.50 m，右侧净空宽度为0.75 m，车流运行速度为40 km·h－1.

针对红绿蓝(red green blue，以下简称“RGB”)色彩空间，在黄、红、绿、蓝、灰、白和黑等7个色系中，采用分层抽样法，从德国劳尔色卡［12］中根据RGB数值，随机选取各个色系的颜色.如表1所示，随机抽取3次，给出3组隧道路面颜色，对应不同的RGB数值，从而以第i(1≤i≤21)种颜色路面环境下隧道为视觉诱导性评价对象.

3.2 实例预实验及仿真实验样本量计算

1)预实验.分别以注视点分布的莫兰指数、扫视时间加权的扫视幅度、基于瞳孔面积变化率的不舒适时间比例为第1、2、3个视觉诱导性评价指标，进行预实验.

表1 3组评价对象的路面颜色Tab.1 Pavement colors in three groups of evaluation objects

以第1组中“交通黄”路面环境下隧道某位驾驶员预实验为例.从眼动仪获取数据，可知该驾驶员依序为 2.12°，2.50°，1.81°，…，2.44°，ti(i=1，2，…，183) 依序为 0.081，0.087，0.095，…，0.069 s;由瞳孔直径算出 Mi(i=1，2，…，214) 依序为 9.27，10.66，12.34，…，11.07 mm2，根据式(3)，计算Qi，i+1(i=1，2，…，213)依序为14.9%，15.7%，20.9%，…，18.3%，进而根据隧道长度和运行速度，计算td=122 s，Nu=65，tfb，j(j=1，2，…，65) 依序为0.381，2.105，…，119.857 s，tfe，j(j=1，2，…，65) 依序为 0.531，2.231，…，120.444 s，trb，j(j=1，2，…，65) 依序为 0.829，2.338，…，121.078 s，tre，j(j=1，2，…，65) 依序为1.113，2.610，…，121.193 s.在此基础上，根据式(4)，计算 tu=23 s.其他预实验情况类似可得.

2)正式实验样本量计算.获取各组颜色路面环境下隧道的30位预实验人员眼动数据后，根据式(1)、(2)和(5)，计算第i种颜色路面环境下隧道的第j个视觉诱导性指标数值，进而统计如表1所示，“交通黄”序号i=1，计算“交通黄”路面环境下隧道的并假设置信度1－α为95%，则Zα/2=1.96，E=1%.以此类推，根据式(6)，算出各个诱导性指标对应的实验样本量 N1=110，N2=403，N3=107.

3.3 实例仿真实验及视觉诱导性评价指标计算

在各个颜色路面环境下仿真隧道中，选取110个驾驶员参加注视点分布的莫兰指数实验，403个驾驶员参加扫视时间加权的扫视幅度实验，107个驾驶员参加基于瞳孔面积变化率的不舒适时间比例实验.通过仿真实验获取眼动数据，进而根据式(1)～(5)，计算各组评价对象的3个视觉诱导性评价指标，详见表2所示.

表2 3组评价对象的视觉诱导性指标Tab.2 Visual inductivity indexes of three groups of evaluation objects

3.4 实例隧道视觉诱导性评价

根据指标归一化数值离散程度，将7种颜色路面环境下隧道划分为3个等级(良好、一般、较差).进而进行基于K－means聚类的彩色路面环境下隧道视觉诱导性评价，通过MATLAB编程，算出各组的视觉诱导性评价结果，如表3所示.

表3 隧道视觉诱导性评价结果Tab.3 Results of visual inductivity evaluation in tunnels

如表3所示，黄和红色系的3组路面对应隧道均位于良好等级，表明黄色和红色路面环境下隧道视觉诱导性较优;灰和黑色系的3组路面对应隧道均位于较差等级，表明灰色和黑色路面环境下隧道视觉诱导性较差;由于同一色系中不同颜色的RGB数值存在差异，随着RGB渐变，绿、蓝、白色系的3组路面对应隧道可位于不同视觉诱导性等级，其中若选取合适的RGB，蓝色路面环境下隧道可达到良好等级，而绿、白色路面环境下隧道可达到一般等级.

3.5 实例评价结果验证

采用基于语义差别法［13］对实例评价结果进行验证.如图3所示，设计隧道视觉诱导性主观评价量图.该图有7个评价层次，按照由弱到强的顺序，视觉诱导性主观评分定义为－3至3，且每层次之间设置10等分刻度.定义该图中－3至－1区间为较差等级，－1至1区间为一般等级，1至3区间为良好等级.

图3 隧道视觉诱导性主观评价量图Fig.3 Subjective evaluation scale of visual inductivity in tunnels

邀请驾驶经验丰富的驾驶员作为测试者.以50人为步长，每次主观评价实验的测试者人数由50人逐步增加至300人，因而共进行6次实验.每次实验过程为:1)针对表1所示的单种颜色路面环境，每位测试者观看5次视频，每次均根据图3，给出隧道视觉诱导性的主观评分值，取其均值为该测试者的评分值;2)计算全部测试者主观评分的均值，将其对应至视觉诱导性等级.如表4所示，得出测试者为50人时三组颜色实验的主观评分，据此可推断各颜色对应的评价等级.

表4 50人测试实验的主观评分结果Tab.4 Subjective mark results from experiment of 50 persons test

随着测试者数量从50人逐步增加至300人，主观评价等级与表3存在差异的颜色数量发生波动，但逐渐趋近于0.当测试者数量达到250人和300人时，主观评价结果与表3一致.验证结果表明，在较大样本量时，基于语义差别法的主观评价验证了实例评价结果，可见本文成果具有一定的有效性，且计算效率高、工作量小，可避免主观评价的随机性.

4 结语

1)建立注视点分布的莫兰指数模型.该模型划分了隧道驾驶员视野内注视区域，进而计算注视区域注视点数量与其平均值的偏离水平，可定量分析注意集中度.

2)建立扫视时间加权的扫视幅度模型.该模型综合考虑扫视空间和时间，体现一定时间内扫视范围，可定量分析驾驶员紧张程度.

3)建立基于瞳孔面积变化率的不舒适时间比例模型.该模型通过计算基于瞳孔面积变化率的视觉不舒适时段长度，给出不舒适时间百分比，可定量分析驾驶员视觉舒适度.

4)实例分析表明，黄和红色路面环境下隧道视觉诱导性较优，灰和黑色路面环境下隧道视觉诱导性较差，而RGB数值不同，绿、蓝、白色路面环境下隧道可位于不同视觉诱导性等级.采用基于语义差别法的主观评价方法，表明本文成果的计算工作量和随机性较小，具有一定实用性.

5)下一步将深入研究隧道内彩色路面诱导性，彩色路面与视觉诱导设施的协调诱导作用，以及隧道内灰尘、清洗养护频率对诱导性的影响，从而提出更为综合、全面的彩色路面环境下隧道视觉诱导性评价理论.