文摘

为了提高驾驶员的生理和心理状态,司机的能见距离造成的心理负荷,照明,隧道环境中的其他因素应该被量化通过时空数据建模。实验方案科学设计基于交通工程和人类工程学的方法,旨在测试驾驶员的眼动的时空数据和心电图(心电图)指数在隧道环境中。首先,司机的时空数据的变化的变化趋势进行了分析判断司机的工作负载在隧道环境中。结果表明,三次样条插值函数模型能够适应动态变化的瞳孔直径和平均心率(HR)增长率,和模型的拟合优度高于0.95。所以,隧道环境使司机的典型生理指标波动在时间和空间的坐标,可以建模和量化。其次,为了分析隧道风险级别的分类,融合模型建立了基于平均瞳孔直径和人力资源增长速度的功能。隧道环境风险水平分为四个水平通过融合模型,它可以提供一个指导隧道风险水平的分类。此外,融合模型允许隧道设计和施工人员采用不同的安全设计措施不同的风险水平,并且这种方法可以有效地改善隧道运营安全经济的设计。

1。介绍

隧道是一个典型的糟糕的视觉环境,开车在隧道环境是一个相对危险的活动。挪威的阿蒙森和跑交通事故数据进行了分析,并指出在隧道事故严重程度高于在高速公路1]。意大利的一项调查显示,严重的事故发生率和隧道的成本率高于相应的高速公路(2]。驾驶性能在隧道不同于高速公路开车,和黑暗照明条件和封闭的空间会让司机感到紧张,增加所需的努力保持车辆的横向控制,这将影响到司机的心理状态和驾驶行为3,4]。相关研究表明,视觉干预是一种有效的方法在车辆轨迹的干预5,6),可以提高和隧道安全通过视觉影响司机的驾驶行为干预方法在隧道部分。因此,它的现实意义研究驾驶员的生理和心理状态在隧道环境中,在隧道环境降低了事故率。

有许多因素影响隧道的安全驾驶:公路对齐,过渡antisliding性能、交通状态,内部和外部环境的差异(7]。近年来,学者们进行了大量的研究对高速公路交通安全改善行车安全,尤其是对隧道环境(8,9]。程度和汉考克研究视觉模式的类型和存在的纹理应用到交通隧道墙壁不同影响驾驶性能基于模拟驾驶实验(10]。孟等人提出了一个新颖的定量风险评估模型来评估风险的非齐次2011年城市道路隧道,和逆高斯回归模型被用来估计在尾端的车辆在公路隧道事故频率;然后时间冲突之间的关系及其因素建立在201211- - - - - -13]。Calvi和D中保分析司机的速度特性和速度控制在隧道环境下基于模拟驾驶(14]。Rudin-Brown等人探讨了使用手机对驾驶的影响隧道安全的基于模拟驾驶的方法(15]。柯切和seppo调查隧道照明和设计对传动性能的影响;然后该seppo发现司机的注意力对性能的影响高于隧道设计(16]。莫雷蒂等人提出了一个生命周期成本分析方法来最大化节约能源和道路安全通过LED(发光二极管)技术(17,18]。

司机的生理学和心理学的科学研究始于19世纪早期。近年来,随着改善医学研究和先进仪器的使用,学者们不断探索生理和交通工程的集成19,20.]。许多学者研究了驾驶员的生理和心理特点在隧道环境中,指标的选择提供经验和数据分析。赵等人校准在隧道照明强度的阈值根据司机的视觉特征(21]。他等人记录驾驶员的眼动参数通过隧道和分析隧道照明环境对行车安全的影响(22]。峰等人研究了生理和行为特征的变化在纵向的城市地下通道隧道进行实车实验(23]。肯等人进行了实车试验参与者在不同隧道,为了研究驾驶员心理工作负荷变化的超长隧道出口高速公路(24]。陈等人进行了驾驶模拟器实验基于一个盒子车模块,为了调查的安全车在侧风在隧桥部分(25]。可以看出,眼动指标,心电图指标,脑电图指数,工作量,学者和心理负荷是常用的(26,27]。因为隧道环境主要影响司机的视野和封闭空间将带来紧张和焦虑,本文主要选择两眼动指标和心电图。

目前,司机安全隧道环境的研究主要集中在分析司机的速度,在隧道环境中视觉,和心电图特点。科学实验设计和数据采集的基础上,学者们使用统计方法来分析驾驶员的生理、心理指标的分布在隧道环境中,它提供了一个参考的实验设计和统计分析。然而,现有的研究无法反映驾驶员的时间和空间分布的生理和心理状态在隧道环境,无法评估风险水平在隧道环境中不同的路段。因此,本文旨在探讨驾驶员的生理、心理指标的时空分布和研究在隧道环境风险水平的分类。首先,司机的时空数据的眼球运动和心电图指标在隧道环境中进行测试。其次,模型的平均瞳孔直径和人力资源增长率变化趋势不同空间节点的构造隧道。最后,隧道风险级别的分类模型是构建有效地评估风险水平不同的道路部分隧道环境。

本文的其余部分组织如下。部分2描述的方法模拟驾驶实验。部分3给出了一些实验结果为眼动特征和心电图指标。然后,司机的平均瞳孔直径的模型和人力资源部分中所示4的分类模型隧道风险水平也实现了。最后,本文提出了一些结论5。

2。方法

2.1。参与者

共有31个参与者参与了实验;参与测试的所有司机都持有驾驶执照和隧道已经驾驶体验。由于测试对象的年龄和性别的不平衡分布,司机的年龄和性别差异在数据分析的过程中被忽视。

2.2。实验设备和场景

这个实验的主要实验设备,如图1交通安全,包括six-degree-of-freedom模拟驾驶装置构造模拟驾驶环境,MP36R生理测试仪收集司机的心电图指数,重度无线眼镜收集驾驶员的眼动指标,和其他相关的辅助设备,如笔记本电脑、定时器等。

本研究的目的是调查的时间和空间分布在隧道驾驶员的生理、心理指标。为此,一个共同的部分公路设计根据公路工程技术标准》(2014)。连续测试场景是基于双车道公路设计速度80公里/小时。高速公路的截面由两个3.75米宽的炸弹车道和两个2.5米宽的炸弹的肩膀。高速公路的总长度10.1公里,包括3隧道,其中,每个隧道长700米,两个相邻隧道之间的间隔是2公里(图2)。确保模拟环境符合真正的公路环境,有一些模拟车辆测试车辆朝着同一个方向,所以在仿真中畅通的交通条件。树、垂直限速标志和交通障碍也添加到路边,确保司机开车时一样的感觉真实高速公路环境的测试场景。

2.3。实验的程序

实验进行了以下步骤:步骤1。实验设备的时候被检查,以确保所有设备统一的时间,然后进行了初步实验,以确保整个实验的可靠性。步骤2。重度无线眼镜和生理仪器磨损和校准的测试驱动程序。然后,司机操作一个小时开车的刺激,确保实验数据的可靠性,以便司机的陌生感在模拟驾驶平台上可以消除。步骤3。官方的实验进行了,司机在测试正常运行根据实验设计的路线,和车辆的启动时间被用来作为基点的时间记录司机的抵达和起飞时间在每个隧道部分。步骤4。实验数据已经保存,数据的有效性检查后的实验。然后,所有的司机严格按照流程完成了实验。

2.4。数据收集

根据实验结果,眼球运动和心电图数据不同的司机波动极大地当司机通过隧道第一和第三隧道,由于不同的司机驾驶模拟场景有不同的适应性。有些司机没有适应模拟驾驶平台完全在第一次隧道,和一些司机已经适应了隧道在第三隧道的环境参数。因此,下面的研究是基于眼动和心电图数据第二隧道。

根据实验场景的切换时间记录的实验者,眼动数据分析软件可以直接推导出固定时间、平均瞳孔直径,眨眼时间,et al。眼动数据的一部分在第二隧道如表所示1。

类似于眼动数据,心率(HR)值在第二隧道可以直接来源于生理数据分析软件。因为司机之间的个体差异,简单地分析人力资源价值是可能导致大错误。因此,本文使用驱动程序的人力资源增长率进行分析和建模。心率指标的计算公式所示(1);人力资源价值和人力资源增长率数据如表所示2。

在这个公式,表明驾驶员的心率在某一时刻,显示驱动程序的人力资源价值在一个特定的时刻,和显示的平均人力资源价值驱动程序处于平静状态。

3所示。结果

3.1。眼动特性分析

如表所示3驾驶员的眼动数据,隧道环境统计的时间窗内30年代。通过对比驾驶浓度和心理负荷的驾驶员在隧道和正常的驾驶环境中,发现驾驶员的眨眼隧道的数量远远小于眨眼的数量在正常环境( ),和平均眨眼时间隧道(306.93 ms)也小于平均眨眼时间在正常环境中(323.87 ms),这表明司机更细心和有更高的心理负荷在昏暗的灯光隧道由于视觉距离和穷人。此外,凝视和扫描隧道的数量明显低于那些开车在正常情况下( ),虽然平均注视时间高于正常(219.60 ms)。没有显著差异在两组之间的平均扫描时间(隧道是79.79毫秒,正常80.24 ms),这表明隧道的驾驶环境比在正常的环境中(更单调22),和司机需要更频繁地观察周围的环境在正常环境中比在隧道环境中,和他们的视力将会更频繁。

瞳孔直径的一个重要指标是司机的敏感性光源(22]。瞳孔的大小是影响照度:照度值越大,瞳孔直径越小。平均瞳孔直径从60年代被选中的数据在进入隧道后60年代离开隧道。结果如图3。

根据图3,司机应该更集中精力在穷人的隧道,因为眼前,和瞳孔直径大于瞳孔直径在正常环境。在进入隧道的过程中,司机的瞳孔的直径显示了逐渐增加的趋势。司机的注意力和精神负担正在增加。离开隧道过程中,司机的瞳孔的直径显示了一个急剧下降的趋势由于突然增加的光。同时,司机的视线是严重阻碍,和适当的措施(如减少速度)是需要防止事故发生。离开隧道后,司机的瞳孔的直径逐渐上升并返回到正常水平。

3.2。司机的心电图分析指数在隧道环境中

3.2.1之上。司机的人力资源增长速度

人力资源增长率从60年代进入隧道前60年代离开隧道被选中后的分析数据。结果如图4。

以前的研究已经表明心率的变化直接反映了驾驶员的心理紧张。人力资源增长率的变化表明,驾驶员的心理紧张紧张,这将导致司机的误判和误操作,造成交通事故。从图4,我们可以看到司机的人力资源增长率增加隧道部分从12%到27%不等;人力资源增长速度保持在正常的部分在一个相对稳定的水平。当司机开始进入隧道,司机的人力资源增长速度增加。驾驶员的心率维持在一定水平隧道。当司机即将离开隧道,驾驶员的心率上升。当车辆离开隧道,驾驶员的心率逐渐返回到一个稳定值。值得注意的是,驾驶员的心率不进入隧道后突然变得稳定;这是一个循序渐进的过程。的主要原因驾驶员心率的变化过程中通过隧道是视距和照明条件的突然改变。车辆进入隧道后,司机逐渐适应隧道内的能见距离和照明条件,所以驾驶员的心率逐渐变化到一个稳定的水平。

3.2.2。心率变异性

HRV(心率变异性)是一种方法,已广泛应用于学术文献。它反映了ANS的状态(自主神经系统)28]。因此,一个好的目标工具评估情感反应(29日]。有很多不同的测量来自心跳之间的时间间隔(RR)。

HRV时域分析主要包括以下:(我)意思是:RR间隔的平均值(2)SDNN: RR间隔的标准差(3)连续RMSSD:均方根的差异(iv)SDSD:标准差相邻RR间隔之间的区别。

HRV频域分析主要包括以下:(我)高频,高频(2)低频:低频(3)低频/高频:低频和高频的比例。

司机的心是由交感神经和迷走神经的神经支配。在正常情况下,迷走神经的兴奋性占主导地位。下疲劳、兴奋,紧张,交感神经是主导。在时域指标方面,根据表中的数据3,司机的平均的RR间隔减少进入隧道后部分;即内在的数量的司机跳隧道部分增加,这表明司机们一定程度的紧张因为恶劣的视觉距离。在隧道部分,SDNN索引值的司机增加,这表明交感神经活动增加,减少,副交感神经活动和心理负荷增加。的趋势RMSSD和SDSD SDNN是一样的。进入隧道后,司机受到坏的影响距离和索引值增加。

在频域指标方面,根据表中的数据4驾驶员进入隧道部分后,司机的低频价值增加和高频值减少由于驾驶环境的恶化,表明司机的迷走神经活动减弱在这个过程中,交感神经活动增强,驾驶员的精神状态越来越不稳定,和生理指标有很大区别。一方面,因为道路的能见度很低在这种环境下,驾驶员的视线小于安全距离的车辆,司机需要不断调整速度和神经紧张。另一方面,为了防止司机与其他车辆相撞,必须集中注意力,因此隧道条件有更大的精神压力的驱动程序。

4所示。建模

4.1。司机的平均瞳孔直径建模

隧道环境产生重大影响驾驶员的眼动和心电图指标。为了量化这种影响的趋势,平均瞳孔直径的变化获得的插值方法。首先,选择一定数量的数据点从驾驶过程进入隧道前30秒到30秒后离开隧道。然后插值函数的驾驶过程是通过使用三次样条插值方法,和功能借助MATLAB绘制,如图5(一个)。根据隧道的不同的功能区域,功能分为三个阶段:进入隧道前(f₁),隧道内(f₂离开隧道(后),f₃);时间轴的功能f₁和f₂协调的起源是在进入隧道,和时间轴的功能f₃协调的起源开始时离开隧道。

拟合模型所示(2)- (4)。的r平方和RMSE每个模型如表所示5。三次样条插值函数拟合的结果的每个模型如图5 (b)- - - - - -5 (d)。根据表4和图5,它可以清楚地看到R模型的平方值大于0.95,和RMSE值都小于0.1,在统计满足精度要求,表明每个模型的拟合优度比较高。

4.2。司机的人力资源增长速度建模

根据思想的部分4所示。1,平均瞳孔直径的变化已经获得的插值方法,和功能是借助MATLAB绘制如图6(一)。根据隧道的不同的功能区域,图像分为三个阶段:进入隧道前( ),隧道内( ),和离开隧道后( )。的拟合模型驱动的人力资源增长率在不同的功能部分隧道所示(5)- (7)。的R广场和RMSE每个模型如表所示6;三次样条插值函数拟合的结果的每个模型如图6 (b)- - - - - -6 (d)。根据表6和图6,它可以清楚地看到R模型的平方值大于0.99,和RMSE值都小于0.5,在统计满足精度要求,表明每个模型的拟合优度比较高。

4.3。隧道风险水平的分类模型

隧道是典型的不良视距环境;在隧道开车是很危险的,容易造成交通事故。为了提高驾驶安全的隧道环境,隧道设计和施工人员将优化隧道的安全,需要那么多的钱和很多物质资源。因此,有必要建立一个隧道风险级别的分类模型,它允许隧道设计和施工人员采用不同的安全设计道路部分措施在不同的风险水平。隧道管理器可以有效地改善隧道的设计经济环境安全。

为了分类的风险水平隧道环境,融合模型需要构建基于功能和 。在融合模型中,隧道环境的风险评估值,是司机的人力资源的权重系数的增长速度,是司机的权重系数的平均瞳孔直径,是无量纲形式 ,和是无量纲形式 。然后,融合模型显示

根据研究结果4所示。1和4所示。2,功能和需要维标准化。维标准化所示的模型

基于(8),被定义为代表的风险评估值共同路段没有隧道或桥,和时间间隔(一个,b)被定义为在普通路段开车的时候没有隧道或桥;然后可以通过计算

隧道的分类标准的确定环境风险水平需要大量的交通事故数据,这一研究获得的实验数据,不能用于准确地确定分类标准,也没有相关的研究,这一标准。因此,为了便于使用,隧道环境风险水平分为四个水平在这项研究中,正常状态,光危险、中度危险,严重的危险。所以,当的价值小于或等于什么 ,隧道环境风险水平是正常的;时的值不仅仅是和小于或等于 ,隧道环境风险水平是光的危险;时的值不仅仅是和小于或等于 ,隧道环境风险水平适中的危险;当的价值不仅仅是 ,隧道环境风险水平严重危险。隧道环境风险水平的分类标准如表所示7。

来验证分类模型的有效性,本研究选择的路段前30秒进入第二隧道30秒后离开第二隧道作为研究区。由于没有相关的研究证明司机之间的权重系数关系的人力资源增长率和平均瞳孔直径隧道环境,本文以α= 0.5为例,研究隧道环境的风险分类。可以根据计算(10), ;结果如图所示7。

如图7隧道区可分为九路部分根据隧道风险级别的分类模型。在九路部分,风险水平的路段之一是严重的危险,风险水平的三个道路部分是中度危险,风险水平的三个道路部分轻危险,和风险水平的两个道路部分是正常的。与隧道区域的总长度,本文研究了道路部分的长度在不同的风险水平是17.8%(严重的危险),27.4%(中度危险),27.0%(光危险),27.8%(正常)。所以,如果隧道经理关注优化道路部分有严重危险的风险水平(17.8%),近82.2%的建设资金可以保存和隧道施工的经济效益可以大大提高。

5。结论

本文测试了眼球运动和心电图指标在隧道环境和构造建模的三次样条插值函数。主要结论如下:(1)驾驶员的眨眼次数和平均眨眼时间隧道低于正常水平,但平均注视时间高于正常水平。在进入隧道的过程中,司机的瞳孔直径显示了逐渐增加的趋势,而在离开隧道的过程中,司机的瞳孔直径显示了一个急剧下降的趋势。结果表明,该隧道环境产生重大影响驾驶员的眼动指标,异常波动闪烁的时候,平均眨眼时间,瞳孔直径。(2)司机的人力资源增长速度在隧道断面变化显著,其范围从12%到27%。在进入隧道的过程中,人力资源增长速度不断增加,然后在隧道里保持一个相对稳定的水平。离开隧道的过程中,人力资源增长速度开始下降并逐渐恢复正常价值。结果表明,隧道环境也产生重大影响驾驶员的心率指标。(3)时域和频域的驾驶员的心率变异性指标波动在不同程度上推动中隧道,其中SDSD指数变化很明显,和最大波动幅度是75.6%,这表明驾驶员的心理负荷大大增加在这种环境下,结果在一个强烈的紧张、恐慌,和疲劳。(4)基于统计分析驾驶员的眼动和心电图指标,介绍了三次样条插值函数准确地符合驾驶员的生理指标的动态趋势在30年代前后间隔进入和退出通道。每个模型的拟合优度高于0.95,这表明隧道的影响环境对驾驶员的眼动和心电图指标可以量化和预测。(5)融合模型基于模型驱动的平均瞳孔直径和人力资源增长率对隧道环境的风险级别进行分类。根据这种融合模型,隧道的风险水平环境可分为四层,和道路的长度部分具有不同风险水平是17.8%(严重的危险),27.4%(中度危险),27.0%(光危险),27.8%(正常)。(6)隧道风险级别的分类模型可以指导隧道风险级别的分类,和隧道设计和施工人员可以采用不同的安全设计措施不同的风险水平,可有效改善隧道运营安全经济的设计。

数据可用性

司机的时空数据的眼球运动和心电图(心电图)指数在隧道环境中用于支持本研究的发现正在禁运,而研究成果商业化。请求数据,本文的发表之后的12个月内,将被相应的作者。

信息披露

投资者没有参与设计的学习或收集和解释数据。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金资助下数字71701070和71701070,广州市的科技项目资助数量201804010466,中央大学的基础研究基金拨款2019号ms120下,吉林省科技发展计划下授予数量20180520180 jh,吉林教育规划项目在格兰特JJKH20180149KJ数量。