公路毗邻隧道群路段驾驶人视觉稳定性评价

    周智文 马健霄 谭婷

    

    

    

    摘 要：为评价公路毗邻隧道群路段的驾驶人视觉稳定性，开展实车试验并记录驾驶人的眼动及生理数据。针对隧道群连续多隧道的特点，选取驾驶人在毗邻隧道群区段的瞳孔面积变化率之比等8项眼动参数作为评价指标，基于主成分分析法提取前5个主成分，涵盖了总体信息的91.8%。通过线性回归得到驾驶人视觉稳定性评价分值E的计算公式，并利用驾驶人心率变异性指标SDNN验证视觉稳定性评价模型的可靠性。结果表明：驾驶人视觉稳定性评价结果与其心率表征结果基本一致。基于所提出的视觉稳定性评价方法，可将E=0.426作为判定驾驶人视觉稳定性的评价阈值，该方法用于评价公路毗邻隧道群路段行车安全较为可靠。

    关键词：毗邻隧道群;视觉稳定性;眼动指标;心率变异性指标;主成分分析法

    Abstract：In order to evaluate drivers visual stability in highway adjacent tunnel group sections， a real vehicle test was carried out and the drivers eye movement and physiological data were recorded. According to the characteristics of continuous multi-tunnel of tunnel groups， eight eye movement parameters， such as the ratio of pupil area change rate in adjacent tunnel group sections， were selected as the evaluation indexes. The first five principal components were extracted based on principal component analysis， covering 91.8% of the total information. The formula of driver visual stability evaluation score E was obtained by linear regression. The reliability of the evaluation model was verified by using drivers heart rate variability index SDNN. It showed that the visual stability evaluation results were consistent with the mental representation. E=0.426 can be used as an evaluation threshold to evaluate the drivers visual stability based on the proposed visual stability evaluation method. This method can be used to evaluate the traffic safety of highway adjacent tunnel group sections.

    Keywords：Adjacent tunnel group; visual stability; eye movement index; heart rate variability index; principal component analysis

    0 引言

    公路隧道路段行車环境复杂，对驾驶人生理及心理有较大影响，易引发交通事故。公路隧道行车安全研究尤为重要。有关于隧道路段驾驶人视觉特性的研究中，主要都是针对单个隧道，从驾驶人的瞳孔面积、注视特性等角度进行探讨。胡月琦等[1]分析了在高速公路特长隧道环境中，驾驶人的驾驶经验对视觉特性的影响作用。潘姝等[2]从注视转移理论角度研究隧道路段驾驶人的视觉转移特性规律。阎莹等[3]分析隧道群环境光照度、隧道纵深与驾驶人瞳孔面积的影响关系。陈孟柯等[4]分别对隧道照明分段、半开敞棚洞段和隧道内部视线不良路段的驾驶人视觉特性进行研究。Kircher等[5]研究了隧道线形与光照条件对驾驶人视觉特性的影响。Narisada等[6]基于视觉特性探讨了隧道入口照明条件的CIE值设置合理性。Wan等[7]研究了视觉信息在不同亮度水平下对速度感知和反应时间的影响机制。王少飞[8]综合考虑隧道通风、照明以及消防等因素，建议定义间距L≤250 m的两隧道为毗邻隧道，定义间距250 m≤L≤1 000 m的两隧道为连续隧道。毗邻隧道和连续隧道统称为隧道群。其中，公路毗邻隧道群路段，驾驶人短时间内多次进出隧道，交通环境、光照条件等频繁突变，容易引起驾驶人强烈的视觉机能变化。这将严重干扰驾驶人对环境信息的正确感知，对车辆安全运行产生严重的影响和制约。但是目前国内外针对公路毗邻隧道群的研究较少。

    在公路隧道路段行车安全评估方面，学者主要通过分析道路指标、驾驶人生理特性等方面进行评估。方守恩等[9]选取隧道群路段结构物长度和几何线形为指标，建立了与车辆速率差以及驾驶人心率增长率之间的数学模型。王羽尘等[10]将出口工效OPS作为评价疏散效率指标，分析公路隧道内不同火灾发生位置对疏散时间的影响。郭应时等[11]从驾驶人视觉转移特性角度对驾驶人的驾驶熟练程度进行评价。闫彬等[12]研究驾驶人眼睛的生理机能等感知特性与公路隧道行车安全的关系。Muoz等[13]基于视线分配策略评估驾驶人的识别能力。Du等[14]基于瞳孔面积研究驾驶人的视觉震荡性以评价驾驶人视觉适应性。Yan等[15]通过统计分析驾驶人机动稳定性指标数据的波动情况评价驾驶人的驾驶性能，从而表征稳定性。但有关隧道路段驾驶人视觉稳定性方面的研究较少。

    基于上述分析，本文通过对公路毗邻隧道群进行区段划分，结合驾驶人在不同区段的视觉特性差异性，选取合理的眼动指标，利用主成分分析法评价驾驶人的视觉稳定性，并通过驾驶人生理特性数据对评价模型可靠性进行验证。

    1 试验设计与视觉参数选取

    1.1 试验设计

    选取G4221沪武高速茅山隧道群作为试验路段。该隧道群限速80 km/h，为双向分离式隧道，每个方向由两个隧道组成，隧道间距小于250 m，属于毗邻隧道。

    试验共采集12名驾驶人数据，其中9名男性和3名女性，职业包括教师、企业职员和学生等，年龄为23～45岁（均值31.5岁），驾龄均超过2 a，无不良驾驶习惯，矫正视力5.0以上。

    试验均在晴朗天气进行。试验车辆为大众迈腾1.8T五座轿车，最大功率118 kW，最大扭矩250 N·m，轴距2 709 mm。试验前测试人员协助驾驶人佩戴Tobii便携式眼动仪及生理模块设备。试验后利用ErgoLab软件分析并整理试验数据，如图1所示。

    1.2 视觉参数选取

    在行车过程中，驾驶人的视觉特征与决策能力有着内在的联系[16]。为准确描述驾驶人的视觉特征，研究人员定义了注视次数、注视时间、搜索广度、扫视速度和瞳孔面积等参数[17]。本文选取平均注视时间、瞳孔面积变化率以及平均扫视速度作为研究参数。

    （1）平均注视时间

    注视是指眼球对准目标物使其影像落在视网膜上，通过加工形成清晰的像。行车过程中，驾驶人主要通过注视行为获取道路交通信息[18]。注视时间的长短在一定程度上反映了驾驶人提取足够信息量的难易程度。长时间的注视意味着驾驶人花费较长时间搜寻并处理信息。在光照环境变化剧烈且感知安全低的隧道路段，为确保信息提取的准确性，驾驶人的注视时间通常较长。

    （2）瞳孔面积变化率

    瞳孔面积是反应心理、生理负荷的灵敏指标[19-20]。其变化能反映驾驶人在驾驶过程中的心理、生理状态，并进一步表征驾驶人视觉负荷的程度[21]。由于每个驾驶人的瞳孔面积都存在差异，而瞳孔面积变化率则能够较为客观地反映驾驶人的状态[22]。因此，本文通过公式（1）得到驾驶人瞳孔面积变化率作为评价指标。

    （3）平均扫视速度

    扫视是指驾驶人在两个注视点之间快速转移视线的行为。驾驶人通过对视野范围内重要信息的快速搜索，将新的观察对象转移至中央视野[23-24]。扫视平均速度是指驾驶人在行车过程中眼球转动的速率，即每次扫视的角度与扫视持续时间的比值。通常视野范围内信息量较多时，驾驶人的扫视速度较快。

    2 视觉稳定性评价模型

    主成分分析法是一种利用数据降维思想的统计方法[25]。其原理是将原有众多具有一定相关性的指标重新组合，形成一组互相无关的综合指标，在保证原有数据信息总体完整的前提下，尽可能地减少评价指标的数量，从而更有利于处理数据和解决问题。

    2.1 评价指标确定

    毗邻隧道群相比普通隧道，其短时间内多次进出隧道的特点是影响驾驶人视觉稳定性的重要因素。前后隧道對应区段的驾驶人视觉差异性是选取合理评价指标的关键。

    由于目前国内外对于隧道群的区段划分尚无统一的定义。本文依据隧道路段驾驶人视觉特性的相关研究[26-29]，将隧道群的单个隧道分为入口段、中间段及出口段，两隧道之间路段定义为开敞段，具体如图2所示。

    评价指标的选取将直接影响最终评价结果的可靠性。由于隧道出入口段事故多发[30]，而两隧道之间开敞段为两次进出隧道短暂过渡的特殊路段。因此选择毗邻隧道群的两隧道入口段、两隧道出口段、开敞段与普通路段作为3组对应区段。而对应区段驾驶人的眼动指标差异性能较为直观地反映驾驶人的视觉稳定性。本文共选取8项评价指标：入口段瞳孔面积变化率之比n1、出口段瞳孔面积变化率之比n2、入口段平均注视时间之比n3、出口段平均注视时间之比n4、开敞段与普通路段平均注视时间之比n5、入口段平均扫视速度之比n6、出口段平均扫视速度之比n7、开敞段与普通路段平均扫视速度之比n8。

    2.2 构建原始矩阵

    将原始数据中12个样本的8个变量值整理为原始矩阵X1。每一列代表一个评价指标，分别为n1、n2、n3、n4、n5、n6、n7、n8。每一行代表一个驾驶人样本。

    2.3 数据标准化处理

    各变量之间水平相差较大。为保证数据的有效性，根据公式（2）至公式（4）对原始数据进行标准化处理。数据标准化处理后，每一列数据均值为0，方差为1。

    2.4 主成分确定

    主成分的贡献率和累计贡献率反映了变换后的矩阵从原始数据中提取的信息量。贡献率是指第p个主成分对应的特征值在协方差矩阵的全部特征值之和中所占的比重。主成分的贡献率越高，代表所选择的主成分综合反映原指标信息的能力越强，计算公式为：

    累计贡献率是指前k个主成分的特征值之和在全部特征值总和中所占的比重。这个比值越大，说明前k个主成分越能全面代表原始数据具有的信息。计算公式为：

    根据其贡献率对主成分进行排序。主成分贡献率的累计值越大，所提取主成分对于原问题的解释程度就越高。因此将主成分贡献率的累计值作为提取主成分的主要依据，见表1。

    2.5 评价公式

    利用公式（7）对原始矩阵进行投影转换，从而达到降维的目的。

    所提取5个主成分对应指标的转移概率见表2。

    3 评价结果分析

    相关研究表明[31]，心电信号能够直接反映驾驶人心理紧张程度及心理负荷变化。生理学将心电图中的R-R（两次R波之间的时间）期间信号称为HRV信号，其中心动间隔均方差（Standard Deviation of NN intervals，SDNN）反映正常窦性心搏间隔的快速变化。SDNN（公式中用SDNN表示）值越大，表明驾驶人的心理负荷程度越低。通过公式（14）计算驾驶人行车过程中窦性心搏间隔的标准差。

    驾驶人的视觉稳定性将会影响心率波动情况。利用12位驾驶人的心率变异性指标SDNN值，对视觉稳定性评价模型进行可靠性检验。运用公式（13）得到驾驶人的视觉稳定性评价结果，并与SDNN值进行对比，结果见表3。

    驾驶人视觉稳定性评价结果与心率指标SDNN值基本一致，说明所提出的评价模型较为可靠。以85%分位作为界定，将E=0.426作为视觉稳定性评价阈值的界定。E大于0.426的划为视觉稳定驾驶人，E小于0.426的划为视觉不稳定驾驶人。

    4 结论

    本文基于主成分分析法提出公路毗邻隧道群驾驶人视觉稳定性评价模型。针对隧道群连续多隧道的特点，对隧道群进行区段划分，选取前后隧道对应入口段瞳孔面积变化率之比、出口段瞳孔面积变化率之比、入口段平均注视时间之比、出口段平均注视时间之比、开敞段与普通路段平均注视时间之比、入口段平均扫视速度之比、出口段平均扫视速度之比、开敞段与普通路段平均扫视速度之比作为评价指标，更具有典型代表性。

    统计12位驾驶人的眼动数据，运用主成分分析法得到视觉稳定性评价公式。利用该公式所得到的评价结果与驾驶人心率变异性指标SDNN值所表征结果基本一致。采用85%分位判断驾驶人的视觉稳定性，将E=0.426作为视觉稳定性评价阈值的界定。

    该方法不仅可用于评价公路毗邻隧道群路段行车安全，未来可拓展至其他种类道路路段研究。此外，该方法还可作为高级驾驶辅助系统（Advanced Driving Assistant System，ADAS）的研究应用点之一，通过评估驾驶人是否满足行车所需稳定性，从而决定ADAS是否介入并辅助机动车驾驶。

    【参 考 文 献】

    [1]胡月琦，刘浩学，朱彤，等.高速公路特长隧道环境中驾驶员视觉特性研究[J].中国安全科学学报，2017，27（6）：31-36.

    HU Y Q， LIU H X， ZHU T， et al. Research on visual characteristics of drivers driving through extremely long expressway tunnel[J]. China Safety Science Journal， 2017， 27（6）： 31-36.

    [2]潘姝，郭唐仪，邵飞，等.城市隧道环境中驾驶人注视转移特性研究[J].中国安全科学学报，2018，28（8）：19-24.

    PAN S， GUO T Y， SHAO F， et al. Research on fixation transfer characteristics of drivers driving through urban tunnel[J]. China Safety Science Journal， 2018， 28（8）： 19-24.

    [3]阎莹，叶飞，王晓飞，等.隧道群路段环境光照度与驾驶人瞳孔面积分析[J].华南理工大学学报（自然科学版），2016，44（12）：89-96.

    YAN Y， YE F， WANG X F， et al. Analysis of ambient illumination and drivers pupil area in tunnel group[J]. Journal of South China University of Technology （Natural Science Edition）， 2016， 44（12）： 89-96.

    [4]陳孟柯，马健霄，陆涛，等.高速公路隧道行车视觉特性分析[J].交通信息与安全，2019，37（3）：86-92.

    CHEN M K， MA J X， LU T， et al. Visual characteristics of drivers for driving through freeway tunnel[J]. Journal of Transport Information and Safety， 2019， 37（3）： 86-92.

    [5]KIRCHER K， AHLSTROM C. The impact of tunnel design and lighting on the performance of attentive and visually distracted drivers[J]. Accident Analysis & Prevention， 2012， 47： 153-161.

    [6]NARISADA K， YOSEOIKAWA K. Tunnel entrance lighting： effect of fixation point and other factors on the determination of requirements[J]. Lighting Research & Technology， 1974， 6（1）： 9-18.

    [7]WAN H L， DU Z G， RAN B， et al. Speed control method for highway tunnel safety based on visual illusion[J]. Transportation Research Record， 2015， 2485（1）： 1-7.

    [8]王少飞.公路隧道分类及公路隧道群概念探讨[J].公路隧道，2009，17（2）：10-14.

    WANG S F. Discussion on classification of highway tunnel and concept of highway tunnel group [J]. Highway Tunnel， 2009， 17（2）： 10-14.

    [9]方守恩，邬洪波，廖军洪，等.山区高速公路隧道群路段安全评价[J].同济大学学报（自然科学版），2013，41（5）：693-699.

    FANG S E， WU H B， LIAO J H， et al. Safety evaluation of freeway tunnel groups in mountainous areas[J]. Journal of Tongji University （Natural Science）， 2013， 41（5）： 693-699.

    [10]王羽尘，马健霄，陆涛，等.公路隧道火灾发生位置与人群疏散通道仿真研究[J].中国安全生产科学技术，2019，15（10）：38-44.

    WANG Y C， MA J X， LU T， et al. Simulation study on fire location and crowd evacuation route in highway tunnel[J]. Journal of Safety Science and Technology， 2019， 15（10）： 38-44.

    [11]郭应时，袁伟，付锐，等.基于注视转移模式的驾驶熟练程度评价方法[J].交通运输工程学报，2014，14（4）：98-104.

    GUO Y S， YUAN W， FU R， et al. Evaluation method of driving proficiency based on fixation transition mode[J]. Journal of Traffic and Transportation Engineering， 2014， 14（4）： 98-104.

    [12]闫彬，陈红，魏建秋.驾驶员感知特性对隧道群交通安全的影响[J].中国安全科学学报，2011，21（11）：16-21.

    YAN B， CHEN H， WEI J Q. Influence of drivers perceptual features on traffic safety in tunnel group[J]. China Safety Science Journal， 2011， 21（11）： 16-21.

    [13]MUOZ M， REIMER B， LEE J， et al. Distinguishing patterns in drivers visual attention allocation using Hidden Markov Models[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2016， 43： 90-103.

    [14]DU Z G， ZHENG Z J， ZHENG M， et al. Drivers visual comfort at highway tunnel portals： a quantitative analysis based on visual oscillation[J]. Transportation Research Part D： Transport and Environment， 2014， 31： 37-47.

    [15]YAN W， XIANG W， WONG S C， et al. Effects of hands-free cellular phone conversational cognitive tasks on driving stability based on driving simulation experiment[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 58： 264-281.

    [16]HU Y Q， LIU H X， ZHU T. Influence of spatial visual conditions in tunnel on driver behavior： Considering the route familiarity of drivers[J]. Advances in Mechanical Engineering， 2019， 11（5）： 168781401985366.

    [17]马勇，付锐.驾驶人视觉特性与行车安全研究进展[J].中国公路学报，2015，28（6）：82-94.

    MA Y， FU R. Research and development of drivers visual behavior and driving safety[J]. China Journal of Highway and Transport， 2015， 28（6）： 82-94.

    [18]LIU H X， DING G M， ZHAO W H， et al. Variation of drivers visual features in long-tunnel entrance section on expressway[J]. Journal of Transportation Safety & Security， 2011， 3（1）： 27-37.

    [19]吳玲，刘浩学，朱彤.高速公路特长隧道驾驶人视觉特征变化规律及安全状态判别模型研究[J].公路，2016，61（1）：138-143.

    WU L， LIU H X， ZHU T. Research on driver visual characteristics and safe state discriminate model on highway super long tunnel[J]. Highway， 2016， 61（1）： 138-143.

    [20]杜志刚，潘晓东，杨轸，等.高速公路隧道进出口视觉震荡与行车安全研究[J].中国公路学报，2007，20（5）：101-105.

    DU Z G， PAN X D， YANG Z， et al. Research on visual turbulence and driving safety of freeway tunnel entrance and exit[J]. China Journal of Highway and Transport， 2007， 20（5）： 101-105.

    [21]杜志刚，潘晓东，郭雪斌.公路隧道进出口行车安全的视觉适应指标[J].华南理工大学学报（自然科学版），2007，35（7）：15-19.

    DU Z G， PAN X D， GUO X B. Visual adaptation index for driving safety at entrance and exit of highway tunnel[J]. Journal of South China University of Technology （Natural Science Edition）， 2007， 35（7）： 15-19.

    [22]尚婷，唐伯明，段萌萌.基于驾驶员瞳孔面积变化率的公路视错觉减速标线横向宽度研究[J].重庆交通大学学报（自然科学版），2016，35（1）：111-116.

    SHANG T， TANG B M， DUAN M M. Transverse widths of highway optical illusion deceleration marking based on changing rate of drivers pupil area[J]. Journal of Chongqing Jiaotong University （Natural Science Edition）， 2016， 35（1）： 111-116.

    [23]焦方通，杜志刚，王首硕，等.城市水下特长隧道弯道驾驶人扫视行为研究[J].中国安全科学学报，2019，29（7）：104-109.

    JIAO F T， DU Z G， WANG S S， et al. Research on saccade behavior of drivers in Extra-long urban underwater tunnel curves[J]. China Safety Science Journal， 2019， 29（7）： 104-109.

    [24]PONSODA V， SCOTT D， FINDLAY J M. A probability vector and transition matrix analysis of eye movements during visual search[J]. Acta Psychologica， 1995， 88（2）： 167-185.

    [25]韩小孩，张耀辉，孙福军，等.基于主成分分析的指标权重确定方法[J].四川兵工学报，2012，33（10）：124-126.

    HAN X H， ZHANG Y H， SUN F J， et al. An index weight determination method based on principal component analysis [J]. Journal of Sichuan Ordnance， 2012， 33（10）： 124-126.

    [26]杜志刚，黄发明，严新平，等.基于瞳孔面积变动的公路隧道明暗适应时间[J].公路交通科技，2013，30（5）：98-102.

    DU Z G， HUANG F M， YAN X P， et al. Light and dark adaption time based on pupil area variation at entrance and exit areas of highway tunnel[J]. Journal of Highway and Transportation Research and Development， 2013， 30（5）： 98-102.

    [27]段萌萌，唐伯明，胡旭辉，等.高隧道比路段隧道出入口驾驶员视觉负荷研究[J].交通运输系统工程与信息，2018，18（3）：113-119.

    DUAN M M， TANG B M， HU X H， et al. Drivers visual load at tunnel entrance and exit of sections with high ratio of tunnels[J]. Journal of Transportation Systems Engineering and Information Technology， 2018， 18（3）： 113-119.

    [28]石斌，喻泽文，邬芳迪，等.基于视觉心理的山区公路曲线段视觉诱导与安全评价[J].公路工程，2018，43（2）：257-264.

    SHI B， YU Z W， WU F D， et al. Visual induced and safety evaluation at curves on two-lane mountainous highway based on visual psychology[J]. Highway Engineering， 2018， 43（2）： 257-264.

    [29]李英濤，程国柱.公路隧道出入口减光格栅段合理长度研究[J].公路工程，2009，34（5）：13-15.

    LI Y T， CHENG G Z. Reasonable length of glareproof grille section at exit and entrance of highway tunnel[J]. Highway Engineering， 2009， 34（5）： 13-15.

    [30]张生瑞，马壮林，石强.高速公路隧道群交通事故分布特点及预防对策[J].长安大学学报（自然科学版），2007，27（1）：63-66.

    ZHANG S R， MA Z L， SHI Q. Distribution characteristics and countermeasures of traffic accidents in expressway tunnel group[J]. Journal of Changan University （Natural Science Edition）， 2007， 27（1）： 63-66.

    [31]朱可宁.基于HRV的高速公路隧道环境对驾驶行为影响研究[D].西安：长安大学，2018.

    ZHU K N. Research on the influence of highway tunnel environment on driving behavior based on HRV[D]. Xian： Changan University， 2018.