文摘
在特长公路隧道(> 10公里),内部区域占总隧道长度的95%。开了一段时间的内部区域的隧道在单调和昏暗的环境中造成严重的视觉加载驱动程序和削弱了隧道的安全运行和驾驶舒适性。本研究调查了开车时司机的视觉负荷的变化规律通过公路隧道。在实际车辆实验、瞳孔直径、注视持续时间、脑电图功率谱密度,标准差是正常正常,均方根连续差异作为司机的视觉负荷指标。通过比较不同的心理和生理参数在四种不同长度的隧道,本研究发现司机的视觉负荷的变化模式内部区超长隧道和融合多源信息的基于熵的各种指标评价模型获得全面的视觉负荷值的司机。实验表明,随着隧道长度的增加,驾驶员的视觉负荷指标的变化规律不同。特别是,司机的紧张驾驶水平在180年代后开始飙升。司机的综合视觉负荷值,结合多个指标的变化特性,提供一个更准确、完整的评估视觉负荷。司机的视觉负荷特性的分析可以提供一个理论依据措施优化的照明环境室内超长隧道区超过10公里。
1。介绍
随着公路隧道的发展,隧道的数量超过10公里增加了。目前,16个特长公路隧道在中国已建成超过10公里,21个在建,5在计划阶段。在未来,超长的规模(超过10公里)公路隧道建设和此类隧道的数量将继续增加1]。与常规的长隧道相比,10公里的内陆区隧道是更长时间。例如,秦岭隧道的内部区域的长度是17567米,隧道总长度的97.49%。这需要驾驶单调,关闭,昏暗的环境一段时间,构成重大安全隐患。
因此,特长公路隧道的照明环境超过10公里一直积极研究。秦等人做了一个实验使用真实车辆研究心率变异性(HRV)变化时,司机开车穿过隧道的室内区域10公里。实验结果显示,司机开车时是高度紧张的内部区域的隧道,和光线特区可以帮助减轻他们的焦虑2]。赵等人研究了驾驶和司机的视觉特点特长公路隧道的照明下,发现回射的拱门可以有效地改善司机安全(3]。燕等人的影响集中在光特区在司机的眼动参数,发现在光特区,驾驶员的注视点更分散,从而确保更好的驾驶体验(4]。
这些研究都集中在改善照明环境的措施特长公路隧道在10公里。然而,很少有研究对司机在特长隧道视觉负荷的响应模式。
目前,研究隧道的照明环境通常使用各种心理和生理参数显示的视觉工作负载驱动程序。高等人使用的变化率接近隧道时司机的瞳孔大小和指出,驾驶安全隧道入口处可以通过视觉的方法改善工作负载评估(5]。杜等人研究了改变司机的瞳孔大小在隧道的入口和出口来确定振动时间的连续的视觉和使用它们作为一个指标来衡量司机的视觉工作负载和评估驾驶安全水平在隧道的入口和出口6]。他等人描述驾驶员的视觉工作负载差异在不同照明隧道侧壁的指标,包括视觉固定区域,固定时间、固定频率、瞳孔直径,改变率(7]。使用不同的指标,瞬时的速度最大瞳孔大小对司机的视觉工作负载,娇等人发现,在水下城市隧道,由于更好的照明,司机采取适应亮度和黑暗是短,和驾驶体验更舒适比常规隧道(8]。郭等人研究了不同emotion-inducing材料对驾驶员的视觉工作负载,心率(HR)是用于指示司机的视觉工作负载(9]。此外,朱镕基等人采用HRV作为一个指示器的司机的视觉工作负载的影响研究熟悉道路环境对驾驶员的视觉负荷,发现司机熟悉的道路实验的视觉负荷明显低于那些不熟悉路10]。最后,冯等人使用心率(HR)测量司机的视觉负荷和发现,司机开车时表现出更高的视觉负荷下坡比开车时艰苦的(11]。
目前,常用的指标司机的视觉负荷在隧道的照明环境是司机的眼动参数(如瞳孔直径、固定时间和固定区域)与心电图(ECG)参数(包括人力资源与HRV),而脑电图(EEG)参数不太常用。不同的心理和生理参数显示司机的视觉负荷的不同方面。具体来说,瞳孔直径意味着获取视觉信息(司机的功能12]。当灯光暗,瞳孔放大,以满足需求获取足够的视觉信息。固定时间反映了司机的视觉效率(13]。例如,当他们感到不舒服照明,他们需要更长的时间固定,确保安全完成视觉任务。此外,脑电图参数显示清醒着的司机14),和心电图参数表明张力水平在驾驶(15]。因此,不同的指标之间有差异的司机的视觉负荷。学者提出结合信息从不同来源获取一个指标测量司机的视觉负荷开车时在隧道16]。
因此,在这项研究中,一个真正的汽车试验在室外环境进行研究驾驶员的心理和生理参数的变化模式在开车通过室内区超长隧道在10公里。这些参数与司机开车穿过隧道的心理和生理参数的长度。然后,司机的视觉负荷的特点10公里的内陆区超长渠道进行分析。最后,熵评价方法用于集成的多源数据驱动的心理和生理参数和获得司机的综合视觉负荷值。
2。实验设计在特长隧道内部区域10公里
2.1。隧道选择实验
这个实验需要确定的特点,司机的视觉负荷的室内照明环境下10公里超长隧道通过比较的特点司机的视觉在驾驶室内负荷变化与不同长度的隧道。同时,为了确保其他影响因素实验数据(如交通流量、自然光,等等)是尽可能均匀,选择不同的通道相同的高速公路进行研究。
Nanwutai四Baotou-Maoming高速公路隧道,隧道(2564米),Huangtuliang隧道(230米),Qingcha隧道(1800米),和秦岭隧道(18020米),被选作实验。隧道的特征参数表中所示1。实验研究的特点,司机的视觉负荷开车时在内部区域超过10公里的超长隧道通过比较之间的差异司机的心理和生理参数的室内区域不同长度的隧道。每个通道的特征参数表中列出1。每个隧道的位置和照明环境参数在图所示1和图2,分别。
2.2。司机的视觉负荷的选择指标因素
研究发现,有80%的司机开车时获得的信息是视觉17]。此类信息在一条隧道的照明是通过学生反映在视网膜,感觉到的视觉神经,并传播给人类的大脑的视觉皮层,然后指导人体的各个器官通过神经和内分泌系统对环境做出反应。因此,大多数研究在隧道的照明环境的所有类型的心理和生理指标分析司机和提供了指导,基于知识驱动的模式的应对照明环境,设计和改进的照明环境。
2.2.1。眼动参数
司机收到的视觉信息传播通过学生视觉皮层。昏暗视觉环境时,司机就难以获得的视觉信息,然后人体扩张瞳孔通过神经调节,以确保高质量的视觉信息。因此,瞳孔直径可以有效地显示驱动程序获取视觉信息的困难(12]。
固定司机的视觉负荷的持续时间是一个重要的指标。Ai利用HMM模型来研究十字路口的几何特性的影响在司机的视觉负荷,发现效率的司机的认知、判断和决策强烈与视觉固定的时间(18]。持续时间越短,越强的视觉效率驱动程序。同样,长时间表示弱视觉效率。因此,固定时间非常适合司机的视觉负荷从视觉的角度分析效率。在这个实验中,固定时间的司机被分为三组。第一组包括短时间从0到200 ms。第二组包括中等时间,覆盖范围的200 - 400毫秒。最后一批由长时间,包括400 - 1000 ms的持续时间。随后,这三个群体的分布在不同的照明环境中地道的进行分析。
2.2.2。脑电图参数
学者们进行了大量研究脑电图监测的视觉负荷。王等人做了一个实验在模拟驾驶在单调的道路和确定四个指标来描述驾驶员的生理状态:(θ+α)/β,β/α,(θ+α)/ (α+β),θ/β,在那里θ表示身体的意识的休息和放松的状态;α表示大脑的清醒和放松的状态,不容易摄动的环境;和β代表一种强烈的情感状态,紧张,警惕,深浓度。他们的比率意味着放松和兴奋之间的拮抗效应。随着视觉负荷的增加,这些比率增加,(θ+α)/β比表现出最大的增加(19,20.]。因此,本实验选择(θ+α)/β作为衡量的指标清醒着司机开车时的水平。
2.2.3。心电图参数
心率变异性(HRV)是指两个正常的心之间的轻微波动率(R- - - - - -R)受高级神经活动,自发的节律性活动的中枢神经系统、呼吸和心血管反应通过压力和化学传感器。这些因素影响交感和副交感神经的综合调制效应,最终影响心率的波动。因此,HRV反映cardio-sympathetic和副交感神经活动的强度和平衡(21]。Eilebrecht和沃尔特建议在他们的研究中,HRV准确反映了司机开车时的紧张水平(22]。
实验采用的时间维度分析司机的正常正常的标准偏差的变化(SDNN)和均方根连续差异(RMSSD)。使用的方程如下。
SDNN (ms)之间的偏差的指标是驾驶员的心率和一个正常的心率,计算为连续两次心跳之间的所有时间的方差(R和R在驾驶),如下:
RMSSD (ms)的指标是正常心跳快速变化的时期,这是计算的平均根连续两个心率在开车,如下:
RMSSD是平均值的两个连续的心率之间的时期。表示之间的时间的价值我+ 1连续的心率。
2.3。实验过程
目前,没有共识使用视觉和心电图特性的隧道照明领域的研究,一般4到8。为了确保足够的这些参数的准确性,必须保证一定数量的测量样本。所需的测量速度和精度参数(8),理想条件下的最小测量样本大小计算如下: 其中N是所需的样本量;σ总体的标准偏差,假设的标准差速度是5∼10公里/小时;和K是一个常数,置信水平下的统计。当信心水平= 95%,K= 1.96;E容许误差,假设容许速度误差是5公里/小时。然后,4≤N≤16。
研究对象是10个健康男性志愿者平均年龄为42.3岁。保持相同的照明环境,所有司机和消除其对实验结果的影响,实验的持续时间是10:30至14:30。司机戴着SensoMotoric仪器(SMI)眼动跟踪和Biopac MP150生理记录仪,记录他们的瞳孔直径的变化和心电图和脑电图参数,分别。志愿者们被要求保持80公里/小时的速度尽可能在开车。详细的志愿信息,实验仪器,和流表中所示2和数字3和4,分别。
3所示。实验结果和分析
3.1。司机的瞳孔直径的比较在不同的隧道
通过比较瞳孔直径变化的驱动程序在每个通道,如图5,发现直径变化时更稳定的司机驾驶室内区域的隧道。然而,根据隧道的长度直径显著不同。具体来说,司机在秦岭隧道的最大瞳孔直径是5.83毫米,这是38.15%,11.05%,和14.09%以上的司机在Huangtuliang Nanwutai,分别和Qingcha隧道。图6显示了司机的平均瞳孔直径的室内区域隧道。司机在秦岭隧道的平均瞳孔直径为30.23%,11.42%,和10.75%大于那些Huangtuliang, Nanwutai,分别和Qingcha隧道。
这些结果的主要原因是司机的瞳孔直径逐渐扩张的内部区域。图7演示了司机的变化过程的瞳孔在秦岭隧道直径60到120秒的开车,这是一个逐步扩张的速度0.0060毫米/秒。秦岭隧道的室内区域延伸到至少其他隧道的长度的7.75倍,这意味着更长的驾驶时间的内部区域,因此,它对提高司机的视觉负荷是影响放大。
3.2。司机的固定时间的比较和不同长度隧道
如图8,司机的固定Huangtuliang隧道,短期组表现出最大的固定比例(0.66),和长期组表现出最小的固定比例(0.10)。司机在秦岭隧道拥有长时间的最大比例,远远超过其他隧道。这主要是由于大秦岭隧道的内部区域的长度,从而导致长期开车时间在单调的照明环境中,导致僵化的驾驶行为,半清醒,感知目标所需时间。因此,长度有明显的差异影响司机的固定时间。在超过10公里的超长隧道,司机视觉表现出低效率和更高的视觉负荷。
3.3。司机的EEG信号的比较和不同长度隧道
在图9,激活头皮的图形区域四个频段的功率谱表明,在所有领域中,那些最大的差异是C3和C4电极。这些电极对应的生理传感功能的大脑中心,表明累计驾驶时间隧道产生了实质性影响司机清醒着(23]。图10显示,平均(θ+α)/β司机在秦岭隧道是3.82μv215.44%,40.91%和18.37%大于Nanwutai隧道(3.31μv2(2.71),Huangtuliang隧道μv2(3.23),Qingcha隧道μv2),分别。
这些实验结果表明,隧道的照明环境对清醒着司机产生了负面影响;隧道的时间越长,越不清醒的司机。
3.4。比较车手SDNN与不同长度隧道
图11说明SDNN值增加驾驶时间,但他们的增量是不同的。司机的SDNN Huangtuliang隧道只显示增长0.19女士在整个驾驶过程中,而在Nanwutai Qingcha隧道显示一个线性增长女士和女士只增加了0.36和0.30,分别。相反,秦岭隧道的SDNN不断变化的模式是不同的。在开车前两个区域,司机通过入口部分,进入内陆区,与SDNN保持一个较低的范围内。然而,随着驾驶时间的增加,SDNN展品的爆炸性增长1.94女士在第三和第四区。当受试者开车穿过第一个特殊的灯带,SDNN逐渐下降了0.01女士之间的两个特殊光带区域,表明司机的张力是在一定程度上缓解。然而,随着驾驶时间的室内区域增加,7日驾驶的SDNN又开始增长。两个后续特殊皮带SDNN施加一种抑制的影响增加。然而,指标保持在一个相当高的水平,第三十四区。
因此,它可以发现,隧道的照明环境施加负面影响司机紧张,和180年代当驾驶时间超过,张力水平迅速提高。在以前的研究中,一些学者已经表明,在狭窄的环境中,当个人和边界之间的距离减少,注意力处理在目标对象会受到影响24- - - - - -27]。研究表明,在一个封闭的环境中,实验者需要承受更大的压力来完成任务,和实验时间的增加,将会有消极情绪如焦虑实验者(28- - - - - -30.]。隧道的内部区域的照明环境的特点是semiclosure。在这种环境下,驾驶员需要承受更大的心理压力。同时,驾驶员在隧道的室内区域不仅应该注意交通来自前方和后方,也注意车辆之间的距离和隧道的侧壁。视觉任务也更加繁重。因此,当驾驶时间积累在某种程度上,司机的SDNN指数大幅增加。
3.5。比较车手RMSSD和不同长度隧道
图12显示所有司机的RMSSD指标的增加趋势在不同的隧道,每一个都有不同的模式。司机开车穿过隧道后,他们在Huangtuliang RMSSD, Nanwutai,和Qingcha隧道提高了0.03,0.01,和0.01毫秒。然而,司机在秦岭隧道的RMSSD表现出一种独特的图案就迅速增加在达到某一阈值的变化。这是证明1.77第三女士驾驶区在0.75毫秒的增长远高于先前的区域。RMSSD的增长率显示,长期在隧道的内部区域,开车速度的增加司机的视觉负荷更大比在短隧道,开车的照明环境变化迅速。此外,由于RMSSD阈值,司机在秦岭隧道的平均RMSSD显著高于在其他隧道的司机。
总之,不同的心理和生理参数表明,司机在特长隧道的室内区域10公里承担更高的视觉负荷比普通的隧道。然而,这些参数的值及其变化的模式差异很大;因此,选择只有一个指标来测量司机的视觉负荷将产生不可靠和理解不深的结果。因此,多个指标从多源信息应该被合并创建一个视觉负荷评价的综合指标。这种方法具有重要意义的综合反映驾驶员的视觉负荷。
4所示。综合评价驾驶视觉加载基于改进熵评价方法
在这项研究中,瞳孔直径等指标,固定时间(θ+α)/β比率,SDNN RMSSD被用来解释司机的视觉负荷根据他们获得的视觉信息的能力,视觉效率,清醒着,和紧张水平在开车。
然而,这些心理和生理参数提供多样的迹象司机的视觉负荷。因此,越来越多的学者提出整合多源信息来评估司机的视觉负荷在隧道的照明环境16,31日]。这涉及到集成多个参数和建立一个综合评价指标的全面和完整的评估司机的视觉负荷。
德国科学家鲁道夫·克劳修斯首先提出熵的定义,发展成一个熵评价方法对测量数据的有效信息。这种方法使用的不确定性度量特征熵判断现有指标的有效性和价值。整齐的一个指标越低表明更大的重量,反之亦然(31日,32]。在这个实验中,不同参数的变化规律各不相同,每个参数的权重在入口处,中间,和出口部分计算。最后,司机的综合视觉负荷计算的基础上完成正常化矩阵。
的详细计算熵评价方法是下面列出的。
4.1。数据正常化
(1)积极的指标是 和消极的指标 (2)十进制指示器:计算的比值j隧道的th指标我在α传动区。 (3)计算的熵值j指示器。 (4)计算的熵残留水平j指示器。 (5)计算的重量j指示器。 (6)计算每个通道的分数。在上面的方程中,表示的原始数据jth指标αth部分我隧道。的我值1、2、3和4代表了Huangtuliang, Nanwutai, Qingcha,分别和秦岭隧道。的j值1、2、3、4、5表示瞳孔直径、固定时间(θ+α)/β比,SDNN, RMSSD分别;max ( )和最小值( )分别代表了最大和最小值的{}矩阵。
4.2。司机的比较全面的视觉负荷特性与不同长度隧道
如图13,司机的综合视觉负荷增加驾驶员进入隧道的不同长度和降低当司机离开隧道。因此,可以得出结论:开放空间和明亮的环境可以大大降低驾驶员的视觉负荷。
图14显示了司机的综合视觉负荷内部区域的隧道,而发生显著的变化。考虑驾驶员的综合负荷的内部区域Qingcha和Nanwutai隧道为例。两个综合值之间的方差为15.38%。然而,两个瞳孔直径之间的差异,固定时间,(θ+α)/β分别是0.45%、1.22%和0.60%。鉴于两隧道的长度差别高达29.80%,综合视觉负荷获得使用熵评价方法更实用。如果只有一个心理或生理参数是用来评估司机的视觉负荷,高误判的可能性。
5。讨论
5.1。司机的综合视觉负荷之间的关系和他们的心理和生理参数
心理和生理参数的权重值明显不同的所有部分隧道。在所有的参数,瞳孔直径和固定时间,重量值为0.25和0.30,分别在入口部分产生了全面的视觉负荷最大的贡献。内陆区,SDNN RMSSD,权重值为0.30和0.31,分别产生了对司机的综合视觉影响最大负载。
在熵的评价方法,参数确定的重量值基于他们之间的分歧。随着Huangtuliang隧道是一个典型的nonoptical隧道(33),瞳孔直径和固定时间司机显著差异的司机很长的隧道。这也表明,提高司机的能力获得视觉信息和视觉效率入口处部分应该是一个为未来的研究关注的设计和优化隧道照明环境。
隧道内部的参数差异区,后开了180年代,SDNN和RMSSD值的司机在秦岭隧道飙升;因此,SDNN RMSSD这些司机更明显不同于其他隧道内部区域的司机。因此,优化封闭、单调乏味和暗淡的灯光环境的室内区域超过10公里的超长隧道,应实施措施减轻司机紧张。
5.2。设计优化超长隧道在10公里
司机室内的综合视觉负荷超过10公里的超长隧道区保持在高水平的0.65,远远超过其他隧道的内部区域。在土木工程的安全性评价,likelihood-risk暴露frequency-consequence (LEC)方法通常是用来评估任务的潜在风险,l代表事故的可能性,E风险暴露频率,C是一种由贪婪导致的后果可能是事故,系统性风险值是这三个值的乘积(34]。内陆区超过10公里的超长隧道,司机承担沉重的视觉工作负载,并这些隧道长期比普通的;因此,它更难以执行救援如果发生任何事故。因此,学术界在这一领域的重点应该放在提高特长隧道的照明环境的重要的主题在10公里提高驾驶的安全性和舒适性。
如前所述,提高特长隧道的照明环境的目标在10公里是减轻司机紧张。在室内照明领域,一些研究发现,色温的环境影响人们的情绪。具体来说,高色温发现改善人们的情绪的稳定。领域的学者隧道照明环境试图改善涂层隧道侧壁增强隧道的内部区域的色温。一些学者发现,节能反光材料应用于隧道侧壁的色温可以改善侧壁上的反射光。这些材料主要由硅酸盐,主要反映了绿灯,能有效缓解紧张的司机35- - - - - -39]。
隧道照明领域的研究人员透露很强的相关性之间的隧道内部区域的亮度和司机紧张。亮度的27个cd / m2可以大大减轻司机紧张40]。娇等人的研究中指出超长隧道的照明环境的内部区域,建立视觉区在隧道边墙醒来可以降低司机的封闭收获的感觉由一个封闭的环境中,这也是一种有效的方法来缓解他们的紧张41)(图15)。
6。结论
这项研究调查了开车时司机的视觉负荷的变化模式在特长隧道的室内区域10公里。得出了以下的结论:(1)开车时的室内区域超过10公里的超长隧道,司机承担高视觉负担,阻碍他们的能力来获取视觉信息和导致视觉效率低,刚性驱动和高压。(2)各种心理和生理参数的司机透露他们的视觉负荷的不同方面。司机的视觉负荷收购整合多源信息综合利用熵评价方法可以有效地评估积累驾驶时间的影响视觉加载在一个合理的方式。(3)司机的视觉负荷特性的研究成果用于指导隧道照明的设计和优化环境。考虑到设计参数的特殊光带不指定在当前国内外照明设计规范,在实际应用中,第一部分的长度的特殊光带从门户3000∼6800米。然而,当前的研究在特殊光线带隧道更从的扶贫效应的角度高亮度特征的特殊光带司机的视觉疲劳。相信第一部分的特殊光带应放置1500∼2000米隧道入口,但是这个参数设计方法忽略了频繁的照明环境的变化可能会影响司机的驾驶舒适性。从特殊的角度限制光带司机的心理紧张,我们相信,第一部分的特殊光带应放置2500∼4000米隧道入口。
隧道照明环境的优化基于驾驶员的心理和生理参数的变化模式将是未来研究的重点在隧道照明环境。本研究侧重于比较司机的心理和生理参数的变化过程在不同长度隧道,发现司机的视觉负荷特性超过10公里的超长隧道。还讨论并结合常见的措施改善隧道照明环境和本研究的实验结果为未来优化设计提供一般建议,应该在将来的研究中进一步探讨。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了国家自然科学基金项目(批准号52108362)和项目由中国博士后科学基金会资助(批准号2020 m683254)和科技研究项目的重庆市教育委员会(批准号2020 s0005)。