長隧道內光環境參數對駕駛員心理狀態的影響

彭 力，翁 季，張青文，胡英奎，梁樹英

(1.重慶大學 建筑城規學院，重慶 400040；2.重慶大學 土木工程學院，重慶 400040)

引言

公路隧道具有縮短里程、節約時間、提高交通運輸效率、節約用地和有利于保護生態環境等優點，因而在山區高速公路建設中得到了廣泛應用。截至2017年底，全國公路隧道為16 229處，總里程為15 285.1 km，其中長隧道(隧道長度>1 000 m)與特長隧道(隧道長度>3 000 m)共4 743處、長度為10 612 km[1]。隧道的特殊性在于它是一個有限的密閉空間，對光照環境的設置在理論上必須符合《公路隧道照明設計細則》(JTG/T D70/2-01—2014)[2]的要求。而在實際運營管理過程中，完全按照《公路隧道照明設計細則》要求設計的隧道照明環境會產生大的能耗，給隧道運營管理帶來壓力。因而隧道運營過程中會降低照明水平以節約成本，且隧道照明目前大多使用LED燈，而LED燈的光衰則會造成照明水平進一步的降低。

相關研究表明，隧道內光環境的改變對駕駛員心理影響很大[3-7]。在隧道外行駛，隧道外部亮度較高且變化平緩，緊張情緒占比的變化較平穩，進入隧道后光線急劇變暗，人的緊張情緒會突然上升，然后下降達到平穩狀態。進入基本照明段后，由于亮度的進一步降低，人的緊張情緒占比還會上升，雖然又逐漸趨于平穩。同時，緊張情緒與駕駛員年齡、駕齡、駕駛習慣還有一定的關系。

胡英奎等[8]在隧道照明研究中引入面部識別技術，對隧道充分照明工況與非充分照明工況進行對比，擬找出隧道內環境亮度與駕駛員緊張情緒占比之間的對應關系[9]和長隧道中間段內的最優亮度環境比R/E值(R為環境亮度，E為路面平均亮度)范圍，從而在未來隧道照明設計中有效改善駕駛員的視覺心理，降低駕駛員由明亮的外界光環境進入照明水平低的密閉空間內的緊張情緒，使隧道照明能夠更好地發揮隧道交通人機環境系統的整體功能和作用，從而提高隧道通行能力，保證行車安全性，進一步降低事故發生率[10-13]。

1 試驗設計

1.1 試驗設備

本次試驗所使用的面部表情分析系統(FaceReader)是一款專業分析軟件，用來自動分析面部表情(愉快、緊張、害怕、厭惡、驚訝、憤怒、自然和輕蔑等情緒)，另外也可以分析無表情(中性情緒)。除這些基本情緒外，還能夠分析表情的心理效度(valence)以及頭部朝向、眼睛開合、嘴巴開合、眉毛的提升降低等參數。

FaceReader的工作過程分為3個步驟：面部尋找、面部建模和面部表情分類。可以使用視頻錄像文件分析表情，也可以使用USB攝像頭實時分析表情，還可以使用照片文件分析表情。這3種分析方法中，FaceReader都能生成分析結果數據，以深入了解被試者的情緒變化。在分析視頻錄像時，可以選擇一個精確的幀幀模式或跳幀模式進行高速分析；即使是很長的系列事件，FaceReader也能夠快速檢測到有趣的片段。該系統包含有一個基本的人類表情算法模型，系統根據事先輸入的原始面部圖像來識別觀察對象的表情。

本文使用版本增加深度神經網絡(deep neural network)算法，能夠在復雜環境下分析面部表情。除此之外，FaceReader還提供視線方向、頭部朝向、個人特征(如性別和年齡等)。

在分析結束后，項目分析模塊能夠生成多個數據的視覺展示，包括：

1) 線圖能夠顯示所錄制的情緒強度，同時同步顯示被試者的視頻和刺激，提供一個完整的概覽；

2) 如果有多個被試者，通過概要線圖可以同步呈現刺激和所有反應的一致效果；

3) 餅圖顯示的是篩選后多個被試者試驗結果的總結。選擇餅圖和線圖的結合，能夠提供給分析者最好的展示。

1.2 試驗場地

試驗場地選擇的長隧道處于山西省山嶺重丘地段，日照較充分，白天洞口野外仍亮度較大，隧道洞口亮度按照《公路隧道照明設計細則》的要求，削竹式洞門按3 000 cd/m2，端墻式洞門按3 500 cd/m2考慮。設計車速洞內按80 km/h，洞內路面為瀝青混凝土路面。隧道為單向三車道，隧道建筑限界凈寬14.00 m，單車道寬3.75 m，路面至拱頂距離為6 m。燈具布置位置距離路面高度為5.50 m，基本照明段光源采用35 W LED燈，燈具采用兩側交錯布置，布燈間距10 m。此照明方式除作為白天隧道基本照明外同時作為隧道夜間照明布燈形式為兩側交錯布燈，燈具發光軸線與豎直面夾角為15°。其隧道實景圖與隧道照明示意圖如圖1～圖4所示。

圖1 FaceReader操作界面

圖2 隧道洞外場景

圖3 隧道加強照明段場景

圖4 隧道基本照明段場景

1.3 隧道照明工況設置及受測者情況

1.3.1 隧道照明工況設置

試驗選擇了運營過程中常見的3種典型照明工況，3種典型照明工況下各燈的開閉情況見表1。

圖5 隧道照明燈具布置示意圖

考慮到工況Ⅰ、工況Ⅱ和工況Ⅲ是隧道投入運營后的常用照明工況，工況Ⅳ(關閉加強段照明，僅開放基本照明燈的一半)僅在緊急情況下會出現，所以，在進行路面照明水平實驗時，僅對工況Ⅰ、工況Ⅱ和工況Ⅲ照明條件下的路面照明水平進行了實驗。隧道入口段1和出口段受洞外天然光變化影響較大，實驗數據難以反映照明光源提供對路面亮度和照度的貢獻，所以，沒有測量入口段1和出口段的路面照明水平，僅測量了受隧道洞外天然光影響較小的入口段2、過渡段1、過渡段2和中間段的路面照明水平。與工況Ⅰ相比，工況Ⅱ僅關閉了全部基本照明燈的1/8，加強照明燈仍然全部開啟，而在入口段和過渡段，照明主要由加強照明提供，關閉1/8的基本照明對入口段和過渡段產生的影響有限，因此，工況Ⅱ僅測量了中間段的路面亮度/照度，但在計算中，使用了插值法對工況Ⅱ中入口段2、過渡段1、過渡段2的平均照度進行了計算，以便建立完整的數學模型。

表1 典型運營照明工況下照明情況

注：表中的偶數燈和奇數燈分別指燈的編號為偶數和奇數。

將各照明工況下各照明段的路面亮度/照度實驗結果及各照明段的亮度均勻度(最小亮度/平均亮度)、照度均勻度(最小照度/平均照度)見表3。

表2 各照明段路面亮度和照度

從表2可以看出，照明工況Ⅰ、Ⅱ下，各段的路面亮度均大于設計值；照明工況Ⅲ下，各段路面亮度均略小于但接近路面亮度的設計值，中間段的亮度均勻度也能滿足《公路隧道照明設計細則》(JTG/T D70/2-01—2014)中路面亮度均勻度U0≥0.4的要求。

1.3.2 受測者情況

本次駕駛試驗隨機招募3名男性駕駛人，其裸眼或矯正視力均大于4.8以上，且駕齡均大于3年。相關研究表明[15]，女性駕駛人相比男性駕駛人，反應時間更長，心理波動更大，故本試驗全部選擇男性駕駛員所得結論具備普適性。駕駛人相關信息見表3。

表3 受測者基本情況

2 試驗過程

由于駕駛員對光環境改變后的情緒變化難以在實驗室內直接測量(駕駛過程本身也是精神高度集中的重要因素)，研究采用記錄受測者從洞外到隧道中間段實驗終止處的駕駛全程，并根據面部識別系統判定人臉微表情變化的方法測量緊張情緒的變化。圖6為受測者現場實驗示意圖，具體實驗步驟如下。

圖6 受測者現場實驗示意圖

1)對受測者進行說明，告知他們實驗的目的、實驗過程中需要注意的問題，以使駕駛員了解實驗的過程，消除其緊張感，使實驗獲得的數據更具有代表性。受測者在實驗過程中要注意以下問題：

① 受測者在駕車過程中不要過分注意實驗，盡量不要因為駕駛室有攝像頭而影響其駕駛行為；

② 受測者在駕駛過程中不能有除駕駛以外的其他行為；

③ 受測者在駕車接近隧道的過程中，要將汽車的行車環境亮度保持在隧道的設計行車環境亮度80 km/h。

2)為確保汽車在距隧道入口200 m處能加速到隧道的設計行車環境亮度80 km/h，受測者從距隧道入口350 m以外的地方啟動汽車，并盡快將汽車加速至80 km/h，并保持該設計環境亮度按照正常行車狀況駕車接近隧道；汽車啟動后，攝像頭自動開始記錄駕駛員的視覺行為。

3)在實驗過程中，每換一名受測者或換一種工況，都要進行一次攝像頭的調整和校準工作。

4)視頻采集完成后錄入FaceReader面部表情識別系統進行人臉面部表情識別，如圖7所示。

圖7 受測者視頻處理示意圖

3 數據處理及分析

3.1 駕駛員緊張情緒占比平均值在長隧道各段特性分析

本實驗分別對三名受測者進行了面部表情識別系統實測后，獲得了三名受測者分別在不同照明工況下緊張情緒占比平均值與長隧道內各路段平均亮度的變化關系。其數據處理結果如下：

圖8 工況1下受測駕駛員緊張情緒程度隨路面亮度變化曲線

圖9 工況2下受測駕駛員緊張情緒程度隨路面亮度變化曲線

圖10 工況3下受測駕駛員緊張情緒程度隨路面亮度變化曲線

根據實測隧道現場測量光參數數據和利用面部表情識別系統可以得出以下結論：

1)隧道內的光環境與駕駛員的緊張情緒占比呈現明顯相關性，隧道內照明環境越好，駕駛員緊張情緒占比越低，隧道內照明環境越差，駕駛員緊張情緒占比越高。

2)隧道路面平均亮度下降的速率與其對應的駕駛員緊張情緒占比平均值升高的速率不一致，以隧道中間段為例，當隧道路面平均亮度分別降低9.17%和48.30%時，對應的駕駛員緊張情緒占比平均值增加3%和7.67%，所以適當降低隧道內的照明工況，利用車燈提高環境亮度，對駕駛員緊張情緒的占比改變不大，但卻能大大降低了隧道內的照明能耗。

3)受測駕駛員緊張情緒與路面平均亮度之間存在一臨界值(緊張情緒閾值)，在沒有達到緊張情緒閾值時，受測駕駛員緊張情緒變化小(緊張情緒所占百分比增加慢)，當達到緊張情緒閾值后，受測駕駛員緊張情緒變化大(緊張情緒所占百分比增加快)，所以在降低隧道內的照明工況時，不能低于緊張情緒閾值所對應的路面亮度及相關隧道內光參數。

3.2 中間段實時檢測數據模型構建分析

通過對路面亮度、環境亮度和緊張情緒占比增長率這三者的數據進行分析，因路面亮度與環境亮度之間存在關聯，本研究將路面亮度、環境亮度定義為單一自變量，將駕駛人緊張情緒占比增長率定義為因變量(總量為1)，如開展曲線擬合分析，構建模型；應用origin9.1軟件，將實時檢測到的路面亮度、環境亮度和緊張情緒占比增長率分別代入擬合式(1)，得到路面亮度與駕駛人緊張情緒占比的三維散點圖如圖11所示，擬合圖如圖12所示。

擬合式(1)可表示為

y=ab

(1)

圖11 路面亮度與駕駛人緊張情緒占比的三維散點圖

圖12 路面亮度與駕駛人緊張情緒占比的擬合曲線圖

長隧道中間段路面亮度和駕駛員緊張情緒占比擬合曲線的判定系數R2=0.92，擬合優度好，具體計算式為

y=0.07378x-1.41539

(2)

式中，x為路面亮度，y為駕駛員緊張情緒占比。

同理，構建長隧道中間段環境亮度和駕駛員緊張情緒占比模型。將實時檢測到的環境亮度與駕駛人緊張情緒占比代入擬合式(3)，得到環境亮度與駕駛人緊張情緒占比的三維散點圖如圖13所示，擬合圖如圖14所示。擬合式(3)可表示為

y=A1exp(-x/t1) +y0

(3)

圖13 環境亮度與駕駛人緊張情緒占比的三維散點圖

圖14 環境亮度與駕駛人緊張情緒占比的擬合曲線圖

長隧道中間段路面亮度和駕駛員緊張情緒占比擬合曲線的判定系數R2=0.95，擬合優度好，具體計算式為

(4)

式中，x為環境亮度，y為駕駛員緊張情緒占比。

根據文獻[14]，駕駛員在隧道中間段時精神負荷控制在一定的范圍內，既可避免因為刺激量的增大造成的反應錯誤增加，也可避免因為疲勞、困頓影響駕駛人動態視覺機能。結合擬合式(2)、式(4)，可得到駕駛員緊張情緒占總情緒的百分比在合理的范圍(1%

4 結語

1)我們利用人臉面部識別軟件的數據處理功能對來自于各照明工況下的不同路面亮度對心理指標進行了處理和分析，主要通過對照明條件(開燈數量和有無車燈影響)的改變而導致駕駛者緊張情緒的變化程度來尋求照明條件和心理情緒變化的關系，獲得了合理的R/E值(R為環境亮度，E為路面平均亮度)范圍。

2)因多數長隧道設置了輪廓標，在汽車遠光燈的作用下，輪廓標的反射亮度遠大于其它環境元素的反射亮度。研究表明，它對駕車者的心理和生理影響有著明顯的作用。找出輪廓標反射亮度與駕車者的心理狀態的變化關系，控制好輪廓標的反射亮度(通過增大輪廓標幾何尺度和控制安裝間距來予以實現)，并以R/E值為評價依據不僅可降低安全隱患，還無須輔助照明來提高環境亮度，具有安全和節能的意義。

3)鑒于人體心理和生理變化的復雜性，本研究也受到了儀器設備和實驗條件的限制，在后期研究工作中考慮車速和路面寬度等將有利于研究進一步深入和完善，進而確定R/E的最優值。

4)本研究結果證明，利用面部表情識別技術探索，為在公路隧道節能的基礎上提高其安全性，改善公路隧道的光環境質量，為國家公路隧道照明設計標準和規范(如反光膜輪廓標的施工安裝要求)的制訂提供了參考。