长隧道内光环境参数对驾驶员心理状态的影响

彭 力，翁 季，张青文，胡英奎，梁树英

(1.重庆大学 建筑城规学院，重庆 400040；2.重庆大学 土木工程学院，重庆 400040)

引言

公路隧道具有缩短里程、节约时间、提高交通运输效率、节约用地和有利于保护生态环境等优点，因而在山区高速公路建设中得到了广泛应用。截至2017年底，全国公路隧道为16 229处，总里程为15 285.1 km，其中长隧道(隧道长度>1 000 m)与特长隧道(隧道长度>3 000 m)共4 743处、长度为10 612 km[1]。隧道的特殊性在于它是一个有限的密闭空间，对光照环境的设置在理论上必须符合《公路隧道照明设计细则》(JTG/T D70/2-01—2014)[2]的要求。而在实际运营管理过程中，完全按照《公路隧道照明设计细则》要求设计的隧道照明环境会产生大的能耗，给隧道运营管理带来压力。因而隧道运营过程中会降低照明水平以节约成本，且隧道照明目前大多使用LED灯，而LED灯的光衰则会造成照明水平进一步的降低。

相关研究表明，隧道内光环境的改变对驾驶员心理影响很大[3-7]。在隧道外行驶，隧道外部亮度较高且变化平缓，紧张情绪占比的变化较平稳，进入隧道后光线急剧变暗，人的紧张情绪会突然上升，然后下降达到平稳状态。进入基本照明段后，由于亮度的进一步降低，人的紧张情绪占比还会上升，虽然又逐渐趋于平稳。同时，紧张情绪与驾驶员年龄、驾龄、驾驶习惯还有一定的关系。

胡英奎等[8]在隧道照明研究中引入面部识别技术，对隧道充分照明工况与非充分照明工况进行对比，拟找出隧道内环境亮度与驾驶员紧张情绪占比之间的对应关系[9]和长隧道中间段内的最优亮度环境比R/E值(R为环境亮度，E为路面平均亮度)范围，从而在未来隧道照明设计中有效改善驾驶员的视觉心理，降低驾驶员由明亮的外界光环境进入照明水平低的密闭空间内的紧张情绪，使隧道照明能够更好地发挥隧道交通人机环境系统的整体功能和作用，从而提高隧道通行能力，保证行车安全性，进一步降低事故发生率[10-13]。

1 试验设计

1.1 试验设备

本次试验所使用的面部表情分析系统(FaceReader)是一款专业分析软件，用来自动分析面部表情(愉快、紧张、害怕、厌恶、惊讶、愤怒、自然和轻蔑等情绪)，另外也可以分析无表情(中性情绪)。除这些基本情绪外，还能够分析表情的心理效度(valence)以及头部朝向、眼睛开合、嘴巴开合、眉毛的提升降低等参数。

FaceReader的工作过程分为3个步骤：面部寻找、面部建模和面部表情分类。可以使用视频录像文件分析表情，也可以使用USB摄像头实时分析表情，还可以使用照片文件分析表情。这3种分析方法中，FaceReader都能生成分析结果数据，以深入了解被试者的情绪变化。在分析视频录像时，可以选择一个精确的帧帧模式或跳帧模式进行高速分析；即使是很长的系列事件，FaceReader也能够快速检测到有趣的片段。该系统包含有一个基本的人类表情算法模型，系统根据事先输入的原始面部图像来识别观察对象的表情。

本文使用版本增加深度神经网络(deep neural network)算法，能够在复杂环境下分析面部表情。除此之外，FaceReader还提供视线方向、头部朝向、个人特征(如性别和年龄等)。

在分析结束后，项目分析模块能够生成多个数据的视觉展示，包括：

1) 线图能够显示所录制的情绪强度，同时同步显示被试者的视频和刺激，提供一个完整的概览；

2) 如果有多个被试者，通过概要线图可以同步呈现刺激和所有反应的一致效果；

3) 饼图显示的是筛选后多个被试者试验结果的总结。选择饼图和线图的结合，能够提供给分析者最好的展示。

1.2 试验场地

试验场地选择的长隧道处于山西省山岭重丘地段，日照较充分，白天洞口野外仍亮度较大，隧道洞口亮度按照《公路隧道照明设计细则》的要求，削竹式洞门按3 000 cd/m2，端墙式洞门按3 500 cd/m2考虑。设计车速洞内按80 km/h，洞内路面为沥青混凝土路面。隧道为单向三车道，隧道建筑限界净宽14.00 m，单车道宽3.75 m，路面至拱顶距离为6 m。灯具布置位置距离路面高度为5.50 m，基本照明段光源采用35 W LED灯，灯具采用两侧交错布置，布灯间距10 m。此照明方式除作为白天隧道基本照明外同时作为隧道夜间照明布灯形式为两侧交错布灯，灯具发光轴线与竖直面夹角为15°。其隧道实景图与隧道照明示意图如图1～图4所示。

图1 FaceReader操作界面

图2 隧道洞外场景

图3 隧道加强照明段场景

图4 隧道基本照明段场景

1.3 隧道照明工况设置及受测者情况

1.3.1 隧道照明工况设置

试验选择了运营过程中常见的3种典型照明工况，3种典型照明工况下各灯的开闭情况见表1。

图5 隧道照明灯具布置示意图

考虑到工况Ⅰ、工况Ⅱ和工况Ⅲ是隧道投入运营后的常用照明工况，工况Ⅳ(关闭加强段照明，仅开放基本照明灯的一半)仅在紧急情况下会出现，所以，在进行路面照明水平实验时，仅对工况Ⅰ、工况Ⅱ和工况Ⅲ照明条件下的路面照明水平进行了实验。隧道入口段1和出口段受洞外天然光变化影响较大，实验数据难以反映照明光源提供对路面亮度和照度的贡献，所以，没有测量入口段1和出口段的路面照明水平，仅测量了受隧道洞外天然光影响较小的入口段2、过渡段1、过渡段2和中间段的路面照明水平。与工况Ⅰ相比，工况Ⅱ仅关闭了全部基本照明灯的1/8，加强照明灯仍然全部开启，而在入口段和过渡段，照明主要由加强照明提供，关闭1/8的基本照明对入口段和过渡段产生的影响有限，因此，工况Ⅱ仅测量了中间段的路面亮度/照度，但在计算中，使用了插值法对工况Ⅱ中入口段2、过渡段1、过渡段2的平均照度进行了计算，以便建立完整的数学模型。

表1 典型运营照明工况下照明情况

注：表中的偶数灯和奇数灯分别指灯的编号为偶数和奇数。

将各照明工况下各照明段的路面亮度/照度实验结果及各照明段的亮度均匀度(最小亮度/平均亮度)、照度均匀度(最小照度/平均照度)见表3。

表2 各照明段路面亮度和照度

从表2可以看出，照明工况Ⅰ、Ⅱ下，各段的路面亮度均大于设计值；照明工况Ⅲ下，各段路面亮度均略小于但接近路面亮度的设计值，中间段的亮度均匀度也能满足《公路隧道照明设计细则》(JTG/T D70/2-01—2014)中路面亮度均匀度U0≥0.4的要求。

1.3.2 受测者情况

本次驾驶试验随机招募3名男性驾驶人，其裸眼或矫正视力均大于4.8以上，且驾龄均大于3年。相关研究表明[15]，女性驾驶人相比男性驾驶人，反应时间更长，心理波动更大，故本试验全部选择男性驾驶员所得结论具备普适性。驾驶人相关信息见表3。

表3 受测者基本情况

2 试验过程

由于驾驶员对光环境改变后的情绪变化难以在实验室内直接测量(驾驶过程本身也是精神高度集中的重要因素)，研究采用记录受测者从洞外到隧道中间段实验终止处的驾驶全程，并根据面部识别系统判定人脸微表情变化的方法测量紧张情绪的变化。图6为受测者现场实验示意图，具体实验步骤如下。

图6 受测者现场实验示意图

1)对受测者进行说明，告知他们实验的目的、实验过程中需要注意的问题，以使驾驶员了解实验的过程，消除其紧张感，使实验获得的数据更具有代表性。受测者在实验过程中要注意以下问题：

① 受测者在驾车过程中不要过分注意实验，尽量不要因为驾驶室有摄像头而影响其驾驶行为；

② 受测者在驾驶过程中不能有除驾驶以外的其他行为；

③ 受测者在驾车接近隧道的过程中，要将汽车的行车环境亮度保持在隧道的设计行车环境亮度80 km/h。

2)为确保汽车在距隧道入口200 m处能加速到隧道的设计行车环境亮度80 km/h，受测者从距隧道入口350 m以外的地方启动汽车，并尽快将汽车加速至80 km/h，并保持该设计环境亮度按照正常行车状况驾车接近隧道；汽车启动后，摄像头自动开始记录驾驶员的视觉行为。

3)在实验过程中，每换一名受测者或换一种工况，都要进行一次摄像头的调整和校准工作。

4)视频采集完成后录入FaceReader面部表情识别系统进行人脸面部表情识别，如图7所示。

图7 受测者视频处理示意图

3 数据处理及分析

3.1 驾驶员紧张情绪占比平均值在长隧道各段特性分析

本实验分别对三名受测者进行了面部表情识别系统实测后，获得了三名受测者分别在不同照明工况下紧张情绪占比平均值与长隧道内各路段平均亮度的变化关系。其数据处理结果如下：

图8 工况1下受测驾驶员紧张情绪程度随路面亮度变化曲线

图9 工况2下受测驾驶员紧张情绪程度随路面亮度变化曲线

图10 工况3下受测驾驶员紧张情绪程度随路面亮度变化曲线

根据实测隧道现场测量光参数数据和利用面部表情识别系统可以得出以下结论：

1)隧道内的光环境与驾驶员的紧张情绪占比呈现明显相关性，隧道内照明环境越好，驾驶员紧张情绪占比越低，隧道内照明环境越差，驾驶员紧张情绪占比越高。

2)隧道路面平均亮度下降的速率与其对应的驾驶员紧张情绪占比平均值升高的速率不一致，以隧道中间段为例，当隧道路面平均亮度分别降低9.17%和48.30%时，对应的驾驶员紧张情绪占比平均值增加3%和7.67%，所以适当降低隧道内的照明工况，利用车灯提高环境亮度，对驾驶员紧张情绪的占比改变不大，但却能大大降低了隧道内的照明能耗。

3)受测驾驶员紧张情绪与路面平均亮度之间存在一临界值(紧张情绪阈值)，在没有达到紧张情绪阈值时，受测驾驶员紧张情绪变化小(紧张情绪所占百分比增加慢)，当达到紧张情绪阈值后，受测驾驶员紧张情绪变化大(紧张情绪所占百分比增加快)，所以在降低隧道内的照明工况时，不能低于紧张情绪阈值所对应的路面亮度及相关隧道内光参数。

3.2 中间段实时检测数据模型构建分析

通过对路面亮度、环境亮度和紧张情绪占比增长率这三者的数据进行分析，因路面亮度与环境亮度之间存在关联，本研究将路面亮度、环境亮度定义为单一自变量，将驾驶人紧张情绪占比增长率定义为因变量(总量为1)，如开展曲线拟合分析，构建模型；应用origin9.1软件，将实时检测到的路面亮度、环境亮度和紧张情绪占比增长率分别代入拟合式(1)，得到路面亮度与驾驶人紧张情绪占比的三维散点图如图11所示，拟合图如图12所示。

拟合式(1)可表示为

y=ab

(1)

图11 路面亮度与驾驶人紧张情绪占比的三维散点图

图12 路面亮度与驾驶人紧张情绪占比的拟合曲线图

长隧道中间段路面亮度和驾驶员紧张情绪占比拟合曲线的判定系数R2=0.92，拟合优度好，具体计算式为

y=0.07378x-1.41539

(2)

式中，x为路面亮度，y为驾驶员紧张情绪占比。

同理，构建长隧道中间段环境亮度和驾驶员紧张情绪占比模型。将实时检测到的环境亮度与驾驶人紧张情绪占比代入拟合式(3)，得到环境亮度与驾驶人紧张情绪占比的三维散点图如图13所示，拟合图如图14所示。拟合式(3)可表示为

y=A1exp(-x/t1) +y0

(3)

图13 环境亮度与驾驶人紧张情绪占比的三维散点图

图14 环境亮度与驾驶人紧张情绪占比的拟合曲线图

长隧道中间段路面亮度和驾驶员紧张情绪占比拟合曲线的判定系数R2=0.95，拟合优度好，具体计算式为

(4)

式中，x为环境亮度，y为驾驶员紧张情绪占比。

根据文献[14]，驾驶员在隧道中间段时精神负荷控制在一定的范围内，既可避免因为刺激量的增大造成的反应错误增加，也可避免因为疲劳、困顿影响驾驶人动态视觉机能。结合拟合式(2)、式(4)，可得到驾驶员紧张情绪占总情绪的百分比在合理的范围(1%

4 结语

1)我们利用人脸面部识别软件的数据处理功能对来自于各照明工况下的不同路面亮度对心理指标进行了处理和分析，主要通过对照明条件(开灯数量和有无车灯影响)的改变而导致驾驶者紧张情绪的变化程度来寻求照明条件和心理情绪变化的关系，获得了合理的R/E值(R为环境亮度，E为路面平均亮度)范围。

2)因多数长隧道设置了轮廓标，在汽车远光灯的作用下，轮廓标的反射亮度远大于其它环境元素的反射亮度。研究表明，它对驾车者的心理和生理影响有着明显的作用。找出轮廓标反射亮度与驾车者的心理状态的变化关系，控制好轮廓标的反射亮度(通过增大轮廓标几何尺度和控制安装间距来予以实现)，并以R/E值为评价依据不仅可降低安全隐患，还无须辅助照明来提高环境亮度，具有安全和节能的意义。

3)鉴于人体心理和生理变化的复杂性，本研究也受到了仪器设备和实验条件的限制，在后期研究工作中考虑车速和路面宽度等将有利于研究进一步深入和完善，进而确定R/E的最优值。

4)本研究结果证明，利用面部表情识别技术探索，为在公路隧道节能的基础上提高其安全性，改善公路隧道的光环境质量，为国家公路隧道照明设计标准和规范(如反光膜轮廓标的施工安装要求)的制订提供了参考。