振动舒适度的智能手机大数据研究

     曹雷 陈隽

    

    

    

    摘要：为了解决传统振动舒适度研究方法小样本代表性差、环境非真实等问题，设计了可在智能手机上运行的振动测试和问卷调查程序并开展网络推广，形成了真实环境下、真实感知的振动舒适度大数据调查新方法。通过对已获得的8521条数据进行分析，确定了数据清洗的若干标准，利用有效数据研究了受测者身高、年龄、性别、体重等个体特征和发生场所、振动方向、振动原因等环境因素对振动感受的影响，统计了不同特征因素对应的振动限值。研究表明：基于智能手机的振动舒适度大数据研究方法可行，所得结论与已有标准具有一致性，并可包含比传统方法更豐富的影响要素。

    关键词：振动舒适度;振动限值;智能手机;大数据;真实环境

    中图分类号：TU317+.2文献标志码：A 文章编号：1004-4523（2020）05-0961-10

    DOI：10.16385/j.cnki.issn.i004-4523.2020.05.011

    引言

    振动舒适度指人对所受振动的主观感受程度，它不仅与振动的形式、强度有关，还与人的生理心理特征、姿态及所处环境有关。本文特指在建筑物上的人对结构振动的感受。

    在1800-1900年结构工程研究的黄金年代，已有研究者注意到工程结构的振动舒适度问题。1890年Tredgold提出可做高房屋梁截面以避免振动影响室内各类物品。但由于缺乏研究振动舒适度的理论基础和手段，经济水平也较低，人们更关心安全、经济等问题。随着社会经济的发展，在上述问题基本解决后，对建筑舒适性的需求开始增强，推动了相关研究的深入。

    1931年，Reiher和Meister利用振动模拟装置进行了开创性的振动舒适度试验，提出用语义标签（如“没有觉察”、“微弱觉察”等）描述人体暴露在全身振动中的舒适度，并首次提出了按频率划分的、适用于住宅的振动限值。随后的绝大多数振动舒适度研究都遵从这一范式，即：利用振动模拟装置进行试验，结合受测者的主观评价确定振动限值。

    该范式的优点是振动形式和强度可精确控制，便于研究其与受测者主观反应的定量关系。例如Miwa在前人研究成果的基础上提出了振动频率范围在0.5-300Hz的人体觉察和舒适限值。此后Jones和Saunders、Oborne和Clarke、Irwin研究表明振动限值与受测者的姿态（坐姿、卧姿、站姿等）、性别等相关。Kanda等、Tamura、shioya和Kanda等研究则表明振动舒适度还与生理特征（年龄、身高、体重等）、心理因素（振动预期）以及环境（视觉提示物、声音等）有关。他们的研究成果被日本振动舒适度规范AIJEs-Vool采用，作为评价建筑宜居性规范的基础。

    Chen和Robertson、Denoon等、Isyu-mov和K订patrick、Burton、Kawana和Tamu—ra等通过振动模拟装置或单一建筑物实测发现：振动预期对觉察和舒适限值有很大影响;觉察限值还与振动形式、有无分散注意力有明显关系。

    近些年的研究开始关注座椅靠背和手传、脚传振动、冲击振动_，以及多轴、多个正弦的组合振动对振动舒适度的影响。此外，由于更多大跨、轻质结构的出现，由人的步行、跳跃等引起的振动舒适度问题受到越来越多的关注。

    以上研究成果构建了振动舒适度工程设计与评估的基础架构。然而受制于传统研究范式的局限性，振动舒适度研究中有两个重要问题始终无法解决：

    一、不同研究给出的振动限值有明显差异甚至冲突。这是由试验样本“人”的特殊性、小样本（试验人数多为10-20人）试验推断大样本性质的偶然性这两方面原因耦合造成的;

    二、模拟环境和受测者心理状况与真实情形存在很大区别，影响结果的合理性：模拟环境或单幢建筑物的实测环境远不能代表真实受振环境的多样性;实测时测点数量有限，结果很难精确反映所有目标位置的振动;受测者在实验室测试时会“预期”到振动发生，从而影响评测结果。

    因此，开展真实环境下、大样本的振动舒适度研究十分必要，但面临着如下技术瓶颈：

    （1）传统研究中振动测量装置价格昂贵，移动困难，不具有大量普及的可行性;

    （2）与模拟实验不同，实际环境中振动源类型、频率、强度、方向以及受振者的生理特征、姿态等都不可控，需要准确全面的多因素同步记录。

    显然，上述问题的根本解决需要研究范式的转变、试验和分析方法的创新。伴随智能便携设备与移动互联网、5G技术的普及，利用便携设备的测试功能和大数据处理技术，可突破传统的小样本推断研究方式，为振动舒适度研究带来方法论的变化。

    为此，本文提出利用智能手机开展基于移动网络的振动舒适度影响因素与限值研究，详细报告了这一新方式的研究方案、数据筛选原则、现阶段的数据统计结果及其与当前规范建议值的对比。

    1研究方案与实施路线

    1.1研究方案

    人体各脏器和躯干的频率在1-80Hz之间，也是振动舒适度研究的主要频率范围，特别是4-8Hz（绝大多数脏器的共振频率）的低频振动。

    陈隽等此前研究工作表明，目前市场主流智能手机内置的惯性加速度传感器能够满足4-8Hz及更高频率振动测试的要求。同时，截止2018年底，中国有近12亿独立移动用户，移动网络连接总数达15亿。规模庞大的智能手机总量及网络形成了本研究的硬件和潜在数据来源基础，足以突破前述瓶颈。

    据此，本研究的总体方案是：开发基于智能手机的振动信号采集程序，通过推广鼓励更多使用者在感受到振动的实际场景使用该程序，记录并上传振动信号、调查问卷、GPS坐标、视频等数据，建立多源异构的数据库，同时制定数据清洗原则，分析挖掘有效数据中各因素与舒适度之问的关系，进而得到考虑多因素影响的舒适度限值。

    1.2程序设计

    鉴于微信普及率广泛，微信小程序日使用量极高，因此开发了“振动测量及问卷调查”小程序，并搭建了云服务器后台用于存储数据，从而达到大样本调查的目的，形成新的振动舒适度研究方法。

    小程序（VCheck，vibration serviceabilitycheck）主要分两部分：问卷调查和振动采集（如图1所示）。一次完整的“问卷+采集”用时约3-5min。

    问卷调查部分包括以下内容：

    （1）个人信息（性别、年龄、身高、体重）;

    （2）GPS坐标（此部分自动完成）;

    （3）振动场景（即振动发生时的场所、所在楼层、是否在窗边、人员活动情况、感受到的振动方向、身体姿势、可能的振动原因、振动发生频次）;

    （4）对振动强度的主观评价（分为“没有觉察”、“轻微觉察”、“明显觉察”、“轻微不适”、“强烈不适”以及“难以忍受”，共6种）;

    （5）所使用手机的型号和价位区问;

    （6）包含振动测点周围环境的视频。

    鉴于各类信息对于振动舒适度研究的重要性不同，且顾及受测者的耐心程度，将问卷调查和加速度测量设置为“必选”，将上传视频和填写精确地址等设置为“可选”，同时对提供完整数据者进行奖励。

    1.3实施方法及效果

    为扩大小程序使用范围，在兼顾经济因素的同时找到最佳实施路线，尝试了如下推广方式：

    （1）采用广告形式进行线上推广，此方式提供了当前数据总量的约70%。

    （2）通过既有人际关系进行关联式推广，此方式获得数据占总量的约30%;

    实践表明线上推广方式可避免受测人群特征（如年龄段、身份特征）过于集中，获得数据的随机性和代表性更强，因此后续研究主要采用线上推广。

    截止本文撰写前，共收集到源自4个国家、30个省、市、自治区共8521条完备数据。具体分布如图2所示，图中“F”代表国外。

    2数据清洗

    由于测试人员理解和完成程度的差异、手机质量以及极少数恶意重复填写等因素，实际获得的数据中存在无效数据，需要清洗。本文分别针对信号测试和问卷调查两部分制定了数据清洗原则。

    信号部分的清洗主要针对测试者操作错误、传感器质量差等因素产生的不合格信号（如图3所示）;问卷部分清洗则针对随意填写造成的数据异常和冲突。

    2.1利用实测信号特征的数据清洗

    根据信号特征对实测数据进行清洗，具体包括：

    （1）质量较差的传感器所测加速度时程的波峰呈齐整状态（如图3所示），此类数据全部弃用;

    （2）舍弃由于网络通讯、手机质量问题等造成的有连续性断点的信号;

    （3）手机在未放平整时即开始或结束测量，此类信号时程两端有较大幅值，经过与上传者沟通确认后将信号的两端截去各1s;

    （4）舍去采样频率低于10Hz的上传数据;

    （5）消除原始数据的趋势项和零漂，并在铅直方向上扣除重力加速度。

    2.2利用问卷信息矛盾的数据清洗

    由于受测者随意填写身高、体重、年龄等信息，以及恶意重复提交等原因也会产生无效数据，具体清洗原则如下：

    （1）设定年龄有效范围12—80岁、身高有效范围1-2m，范围以外的数据无效;

    （2）根据2013年中国《成人体重判定》的建议值

    将BMJ有效范围取为16-32。应用时需要注意，有些测试者会以“斤”为单位输入体重。

    （3）弃用同一问卷调查中内容存在相互矛盾的数据。例如，活动状态为“行走”时，姿势不可能为“卧姿”。同时通过人工检视上传视频（如图4所示）对振源类型等进行校正。

    （4）限制同一手机账号重复提交数据的行为。

    2.3数据清洗方法的迭代提升

    根据以上清洗规则编写了数据处理程序，由于大数据多源异构、类型复杂的特点，上述清洗准则仍无法实现自动处理全部的问题数据。因此，对初步清洗后的数据，进一步采用人机交互检查的方式，发现新的问题并提取新的针对性数据特征，通过不断迭代达到完善清洗规则、提高数据质量的目的。

    2.4数据清洗结果

    通过数据清洗，本文共得到4089条完整有效数据，合格率约48%，此结果与大数据普遍具有的低价值特性一致。尽管小程序中已詳细说明了测试内容和操作方法，由于各种主客观原因，不合格数据比例仍较传统研究方式要高很多。这也是开展大数据研究需要特别重视的问题。

    3振动舒适度影响因素统计分析

    本节对有效数据进行统计分析，研究多类相关因素对振动舒适度感受的影响。

    3.1振动发生场所

    调查中将振动发生场所分为建筑物内、路边、地铁沿线、人行天桥和其他（需受测者自填）共5类，统计结果如图5所示。

    本调查显示约79%的振动发生在楼内，只有0.61%的振动发生在人行天桥上。这说明运动中的人对振动容忍度高，而人在静止状态时更敏感，也对振动问题更关注，与先前研究的结论一致。人在行走时很少会停下发送信息也是可能的原因之一。

    3.2人群生理特征

    在数据清洗前后女性均比男性多约6.5%，这与先前研究得到的“女性对于振动较男性更敏感”的结论相符;还可能与女性比男性更有耐心进行问卷调查有关。

    图6显示受测者年龄主要集中在20-50岁之问。

    图7（a）和（b）分别给出了男性、女性测试者的身高分布，男性平均身高173cm，女性161cm，略高于《中国居民营养与慢性病状况报告》（2015年）的数据。考虑测试者年龄范围的差异，本研究所得数据是合理的。

    图8（a）和（b）分别给出了男性、女性测试者的体重分布，男性平均体重66.7kg，女性平均体重为53.0kg，与文献[30]数据一致，分布范围合理。

    以上人群生理特征的对比分析表明，本研究所搜集的数据能够体现真实情况人群特征，所得到数据样本具有代表性。

    3.3振动原因

    统计发现：引起振动舒适度问题的原因有行人（34.5%）、交通（26.4%）、风（19.1%）、机械（12.7%）、施工（5.8%）和其他（1.5%）。2010年夏禾等对地铁沿线周边区域的振动舒适度问卷调查显示：振动原因主要为建筑施工（49.2%）、工厂生产（33.5%）和交通（14.2%）。

    由于调查对象和区域的差异，两次调查的结果差异很大，也从一个角度反映传统调查方式可能的局限性。此外，通过多源异构数据的挖掘，可进一步获得新的信息。例如，图9显示建筑物楼层升高与振源类型变化的关系。

    可见随着楼层增加：风致因素占比显著增加;人为活动引起的振动舒适度问题占比明显减少;交通因素变化不明显。尽管高层建筑容易发生风振舒适度问题早有研究，对致振因素与楼层关系的研究显然需要大量实测数据的支撑。

    3.4受测者状态统计

    问卷调查将受测者感受到振动时的状态分为五类，占比分别为：休息（45.1%）、工作（31.9%）、行走（20.5%）、跑步（1.4%）和其他（1.1%）。

    显然，人在静止状态下更容易感觉到振动，这与之前相关研究和本文前部分结论一致。

    4振动限值

    振动限值，即各语义标签（如“轻微觉察”、“轻微不适”）所对应的振动强度指标的上限。振动舒适度研究的核心目标便是给出振动限值，供相关结构设计和评价参考使用。

    结构振动舒适度分析主要关心振动是否会引起使用者的觉察或不适，因此本文重点研究“轻微觉察”和“轻微不适”分别对应的限值。

    凭借新调查方式所得数据的多样性和丰富性，本文不仅给出未分类时的振动限值并与以往研究对比，还给出按各因素分类细化后相应的振动限值。

    4.1语义标签和振动指标

    有效数据中，本研究所采用的6个语义标签各自占比为：“没有觉察”18.84%、“轻微觉察"61.3%、“明显觉察”16.79%、“轻微不适”2.66%、“强烈不适”0.39%和“无法忍受”0.02%。

    目前，不同规范采用振动舒适度评价的指标不同，评价效果各有优劣。为此，本文基于实测数据给出了5种最常见的指标取值，分别是：

    4.2振动限值总体统计与对比分析

    表1-2给出了由全部有效数据总体统计分析得到“轻微觉察”和“轻微不适”的振动限值，并与现有规范中的建议值进行了比较。

    （1）觉察限值（如表1所示）

    本研究所获得rms限值为0.057m/s2，高于VDI建议的0.01-0.015m/s2。考虑到在实验室模拟环境中，测试者由于对振动发生有预期而会更敏感，因此由真实环境振动实测获得限值是有必要的。对于VDV，rmq和MTW等指标，目前暂无规范给出明确的轻微察觉限值。此外，峰值测量受瞬时信号影响显著，不建议作为振动强度评估指标使用。

    （2）舒适限值（如表2所示）

    本研究所得rmS值（0.171m/s2）低于ISO 2631建议值，VDV结果（0.816m/s2）与BS 6472接近。由于高峰值比（即信号峰值与rmS值之比）时FInS会低估振动对人体的影响，因此规范建议高峰值比时（ISO2631建议9以上，BS 6841建议6P2J：），使用VDV或MTW作为舒适度评价指标。

    图10显示本研究峰值比小于6的数据不足1%，因此上述舒适限值的统计结果合理。建议对于舒适限值采用VDV或MTW指标进行评价。

    以上通过与现有规范建议的觉察限值和舒适限值比较可见，本研究所给限值能更好地反映真实情况下人体对振动的感受，且对先前研究成果有着很好的兼容性和解释效果，rmq和MTW等限值以往研究中很少给出。

    4.3振动限值的分类统计结果

    由于数据类型丰富，可再将人群细分为不同性别、年龄和BMI指数讨论振动舒适度限值。这也是过往小样本研究较难开展的分析。

    表3-6为分类获得的统计结果。

    性别划分（如表3和4所示）：女性觉察限值高于男性，但舒适限值低于男性。即男性更易感觉到振动，而女性更容易因振动而不舒服，男性对可感振动的耐受范围比女性大。

    年龄划分（见表5）：觉察限值大致随年龄增加而升高，即随着年龄增加越不容易覺察到振动。可能因为年龄增加时身体对振动的敏感程度下降。

    BMI划分（见表6）：BMI在22-24之问的受测者觉察限值最低。结合WHO和中国规范给出健康人群BMI的范围（18.5-28），可得到身体健康的人更容易感受到振动这一结论。

    以其他划分方式（振动原因、发生场所等）得到的振动限值不再一一列出。

    5小结与讨论

    5.1小结

    本文采用微信小程序开展了振动舒适度研究，对所得问卷调查和加速度数据进行清洗、分析，建立了数据清洗原则，并得到振动舒适度限值的相关建议值。对比表明了此研究方法的可行性，突破了传统方法的两个局限性：样本数量少且代表性差、环境非真实。统计结果与现有规范建议值有很好的兼容性，同时可以细化研究多因素（如性别、年龄、身高、体重、受振环境等）对振动舒适度评价的影响。

    5.2讨论

    实践过程表明，采用智能便携设备的振动舒适度研究方法仍存在如下需要进一步解决的问题：

    （1）目前收集的资料中“无法忍受”类的数据很少，不能对振动舒适度的上限指标进行讨论。随着数据量的积累或可解决这一问题。

    （2）各品牌手机质量和内部加速度传感器质量参差不齐，同时信号传输质量还受限于网络连接，因此有效数据占比较低。拟通过对不同品牌手机的标定，在小程序前端进行选型设置，提升数据的质量。

    （3）统计结果的稳定性随测试数量的增加而显著提高，进一步扩大数据集非常有必要，但预计不会对现有限值统计结果产生显著影响。