公路毗鄰隧道群路段駕駛人視覺穩定性評價

周智文 馬健霄 譚婷

摘 要：為評價公路毗鄰隧道群路段的駕駛人視覺穩定性，開展實車試驗并記錄駕駛人的眼動及生理數據。針對隧道群連續多隧道的特點，選取駕駛人在毗鄰隧道群區段的瞳孔面積變化率之比等8項眼動參數作為評價指標，基于主成分分析法提取前5個主成分，涵蓋了總體信息的91.8%。通過線性回歸得到駕駛人視覺穩定性評價分值E的計算公式，并利用駕駛人心率變異性指標SDNN驗證視覺穩定性評價模型的可靠性。結果表明：駕駛人視覺穩定性評價結果與其心率表征結果基本一致。基于所提出的視覺穩定性評價方法，可將E=0.426作為判定駕駛人視覺穩定性的評價閾值，該方法用于評價公路毗鄰隧道群路段行車安全較為可靠。

關鍵詞：毗鄰隧道群;視覺穩定性;眼動指標;心率變異性指標;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

公路隧道路段行車環境復雜，對駕駛人生理及心理有較大影響，易引發交通事故。公路隧道行車安全研究尤為重要。有關于隧道路段駕駛人視覺特性的研究中，主要都是針對單個隧道，從駕駛人的瞳孔面積、注視特性等角度進行探討。胡月琦等[1]分析了在高速公路特長隧道環境中，駕駛人的駕駛經驗對視覺特性的影響作用。潘姝等[2]從注視轉移理論角度研究隧道路段駕駛人的視覺轉移特性規律。閻瑩等[3]分析隧道群環境光照度、隧道縱深與駕駛人瞳孔面積的影響關系。陳孟柯等[4]分別對隧道照明分段、半開敞棚洞段和隧道內部視線不良路段的駕駛人視覺特性進行研究。Kircher等[5]研究了隧道線形與光照條件對駕駛人視覺特性的影響。Narisada等[6]基于視覺特性探討了隧道入口照明條件的CIE值設置合理性。Wan等[7]研究了視覺信息在不同亮度水平下對速度感知和反應時間的影響機制。王少飛[8]綜合考慮隧道通風、照明以及消防等因素，建議定義間距L≤250 m的兩隧道為毗鄰隧道，定義間距250 m≤L≤1 000 m的兩隧道為連續隧道。毗鄰隧道和連續隧道統稱為隧道群。其中，公路毗鄰隧道群路段，駕駛人短時間內多次進出隧道，交通環境、光照條件等頻繁突變，容易引起駕駛人強烈的視覺機能變化。這將嚴重干擾駕駛人對環境信息的正確感知，對車輛安全運行產生嚴重的影響和制約。但是目前國內外針對公路毗鄰隧道群的研究較少。

在公路隧道路段行車安全評估方面，學者主要通過分析道路指標、駕駛人生理特性等方面進行評估。方守恩等[9]選取隧道群路段結構物長度和幾何線形為指標，建立了與車輛速率差以及駕駛人心率增長率之間的數學模型。王羽塵等[10]將出口工效OPS作為評價疏散效率指標，分析公路隧道內不同火災發生位置對疏散時間的影響。郭應時等[11]從駕駛人視覺轉移特性角度對駕駛人的駕駛熟練程度進行評價。閆彬等[12]研究駕駛人眼睛的生理機能等感知特性與公路隧道行車安全的關系。Muoz等[13]基于視線分配策略評估駕駛人的識別能力。Du等[14]基于瞳孔面積研究駕駛人的視覺震蕩性以評價駕駛人視覺適應性。Yan等[15]通過統計分析駕駛人機動穩定性指標數據的波動情況評價駕駛人的駕駛性能，從而表征穩定性。但有關隧道路段駕駛人視覺穩定性方面的研究較少。

基于上述分析，本文通過對公路毗鄰隧道群進行區段劃分，結合駕駛人在不同區段的視覺特性差異性，選取合理的眼動指標，利用主成分分析法評價駕駛人的視覺穩定性，并通過駕駛人生理特性數據對評價模型可靠性進行驗證。

1 試驗設計與視覺參數選取

1.1 試驗設計

選取G4221滬武高速茅山隧道群作為試驗路段。該隧道群限速80 km/h，為雙向分離式隧道，每個方向由兩個隧道組成，隧道間距小于250 m，屬于毗鄰隧道。

試驗共采集12名駕駛人數據，其中9名男性和3名女性，職業包括教師、企業職員和學生等，年齡為23～45歲（均值31.5歲），駕齡均超過2 a，無不良駕駛習慣，矯正視力5.0以上。

試驗均在晴朗天氣進行。試驗車輛為大眾邁騰1.8T五座轎車，最大功率118 kW，最大扭矩250 N·m，軸距2 709 mm。試驗前測試人員協助駕駛人佩戴Tobii便攜式眼動儀及生理模塊設備。試驗后利用ErgoLab軟件分析并整理試驗數據，如圖1所示。

1.2 視覺參數選取

在行車過程中，駕駛人的視覺特征與決策能力有著內在的聯系[16]。為準確描述駕駛人的視覺特征，研究人員定義了注視次數、注視時間、搜索廣度、掃視速度和瞳孔面積等參數[17]。本文選取平均注視時間、瞳孔面積變化率以及平均掃視速度作為研究參數。

（1）平均注視時間

注視是指眼球對準目標物使其影像落在視網膜上，通過加工形成清晰的像。行車過程中，駕駛人主要通過注視行為獲取道路交通信息[18]。注視時間的長短在一定程度上反映了駕駛人提取足夠信息量的難易程度。長時間的注視意味著駕駛人花費較長時間搜尋并處理信息。在光照環境變化劇烈且感知安全低的隧道路段，為確保信息提取的準確性，駕駛人的注視時間通常較長。

（2）瞳孔面積變化率

瞳孔面積是反應心理、生理負荷的靈敏指標[19-20]。其變化能反映駕駛人在駕駛過程中的心理、生理狀態，并進一步表征駕駛人視覺負荷的程度[21]。由于每個駕駛人的瞳孔面積都存在差異，而瞳孔面積變化率則能夠較為客觀地反映駕駛人的狀態[22]。因此，本文通過公式（1）得到駕駛人瞳孔面積變化率作為評價指標。

（3）平均掃視速度

掃視是指駕駛人在兩個注視點之間快速轉移視線的行為。駕駛人通過對視野范圍內重要信息的快速搜索，將新的觀察對象轉移至中央視野[23-24]。掃視平均速度是指駕駛人在行車過程中眼球轉動的速率，即每次掃視的角度與掃視持續時間的比值。通常視野范圍內信息量較多時，駕駛人的掃視速度較快。

2 視覺穩定性評價模型

主成分分析法是一種利用數據降維思想的統計方法[25]。其原理是將原有眾多具有一定相關性的指標重新組合，形成一組互相無關的綜合指標，在保證原有數據信息總體完整的前提下，盡可能地減少評價指標的數量，從而更有利于處理數據和解決問題。

2.1 評價指標確定

毗鄰隧道群相比普通隧道，其短時間內多次進出隧道的特點是影響駕駛人視覺穩定性的重要因素。前后隧道對應區段的駕駛人視覺差異性是選取合理評價指標的關鍵。

由于目前國內外對于隧道群的區段劃分尚無統一的定義。本文依據隧道路段駕駛人視覺特性的相關研究[26-29]，將隧道群的單個隧道分為入口段、中間段及出口段，兩隧道之間路段定義為開敞段，具體如圖2所示。

評價指標的選取將直接影響最終評價結果的可靠性。由于隧道出入口段事故多發[30]，而兩隧道之間開敞段為兩次進出隧道短暫過渡的特殊路段。因此選擇毗鄰隧道群的兩隧道入口段、兩隧道出口段、開敞段與普通路段作為3組對應區段。而對應區段駕駛人的眼動指標差異性能較為直觀地反映駕駛人的視覺穩定性。本文共選取8項評價指標：入口段瞳孔面積變化率之比n1、出口段瞳孔面積變化率之比n2、入口段平均注視時間之比n3、出口段平均注視時間之比n4、開敞段與普通路段平均注視時間之比n5、入口段平均掃視速度之比n6、出口段平均掃視速度之比n7、開敞段與普通路段平均掃視速度之比n8。

2.2 構建原始矩陣

將原始數據中12個樣本的8個變量值整理為原始矩陣X1。每一列代表一個評價指標，分別為n1、n2、n3、n4、n5、n6、n7、n8。每一行代表一個駕駛人樣本。

2.3 數據標準化處理

各變量之間水平相差較大。為保證數據的有效性，根據公式（2）至公式（4）對原始數據進行標準化處理。數據標準化處理后，每一列數據均值為0，方差為1。

2.4 主成分確定

主成分的貢獻率和累計貢獻率反映了變換后的矩陣從原始數據中提取的信息量。貢獻率是指第p個主成分對應的特征值在協方差矩陣的全部特征值之和中所占的比重。主成分的貢獻率越高，代表所選擇的主成分綜合反映原指標信息的能力越強，計算公式為：

累計貢獻率是指前k個主成分的特征值之和在全部特征值總和中所占的比重。這個比值越大，說明前k個主成分越能全面代表原始數據具有的信息。計算公式為：

根據其貢獻率對主成分進行排序。主成分貢獻率的累計值越大，所提取主成分對于原問題的解釋程度就越高。因此將主成分貢獻率的累計值作為提取主成分的主要依據，見表1。

2.5 評價公式

利用公式（7）對原始矩陣進行投影轉換，從而達到降維的目的。

所提取5個主成分對應指標的轉移概率見表2。

3 評價結果分析

相關研究表明[31]，心電信號能夠直接反映駕駛人心理緊張程度及心理負荷變化。生理學將心電圖中的R-R（兩次R波之間的時間）期間信號稱為HRV信號，其中心動間隔均方差（Standard Deviation of NN intervals，SDNN）反映正常竇性心搏間隔的快速變化。SDNN（公式中用SDNN表示）值越大，表明駕駛人的心理負荷程度越低。通過公式（14）計算駕駛人行車過程中竇性心搏間隔的標準差。

駕駛人的視覺穩定性將會影響心率波動情況。利用12位駕駛人的心率變異性指標SDNN值，對視覺穩定性評價模型進行可靠性檢驗。運用公式（13）得到駕駛人的視覺穩定性評價結果，并與SDNN值進行對比，結果見表3。

駕駛人視覺穩定性評價結果與心率指標SDNN值基本一致，說明所提出的評價模型較為可靠。以85%分位作為界定，將E=0.426作為視覺穩定性評價閾值的界定。E大于0.426的劃為視覺穩定駕駛人，E小于0.426的劃為視覺不穩定駕駛人。

4 結論

本文基于主成分分析法提出公路毗鄰隧道群駕駛人視覺穩定性評價模型。針對隧道群連續多隧道的特點，對隧道群進行區段劃分，選取前后隧道對應入口段瞳孔面積變化率之比、出口段瞳孔面積變化率之比、入口段平均注視時間之比、出口段平均注視時間之比、開敞段與普通路段平均注視時間之比、入口段平均掃視速度之比、出口段平均掃視速度之比、開敞段與普通路段平均掃視速度之比作為評價指標，更具有典型代表性。

統計12位駕駛人的眼動數據，運用主成分分析法得到視覺穩定性評價公式。利用該公式所得到的評價結果與駕駛人心率變異性指標SDNN值所表征結果基本一致。采用85%分位判斷駕駛人的視覺穩定性，將E=0.426作為視覺穩定性評價閾值的界定。

該方法不僅可用于評價公路毗鄰隧道群路段行車安全，未來可拓展至其他種類道路路段研究。此外，該方法還可作為高級駕駛輔助系統（Advanced Driving Assistant System，ADAS）的研究應用點之一，通過評估駕駛人是否滿足行車所需穩定性，從而決定ADAS是否介入并輔助機動車駕駛。

【參 考 文 獻】

[1]胡月琦，劉浩學，朱彤，等.高速公路特長隧道環境中駕駛員視覺特性研究[J].中國安全科學學報，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，郭唐儀，邵飛，等.城市隧道環境中駕駛人注視轉移特性研究[J].中國安全科學學報，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]閻瑩，葉飛，王曉飛，等.隧道群路段環境光照度與駕駛人瞳孔面積分析[J].華南理工大學學報（自然科學版），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，馬健霄，陸濤，等.高速公路隧道行車視覺特性分析[J].交通信息與安全，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]王少飛.公路隧道分類及公路隧道群概念探討[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，鄔洪波，廖軍洪，等.山區高速公路隧道群路段安全評價[J].同濟大學學報（自然科學版），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]王羽塵，馬健霄，陸濤，等.公路隧道火災發生位置與人群疏散通道仿真研究[J].中國安全生產科學技術，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]郭應時，袁偉，付銳，等.基于注視轉移模式的駕駛熟練程度評價方法[J].交通運輸工程學報，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]閆彬，陳紅，魏建秋.駕駛員感知特性對隧道群交通安全的影響[J].中國安全科學學報，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]馬勇，付銳.駕駛人視覺特性與行車安全研究進展[J].中國公路學報，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，劉浩學，朱彤.高速公路特長隧道駕駛人視覺特征變化規律及安全狀態判別模型研究[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]杜志剛，潘曉東，楊軫，等.高速公路隧道進出口視覺震蕩與行車安全研究[J].中國公路學報，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]杜志剛，潘曉東，郭雪斌.公路隧道進出口行車安全的視覺適應指標[J].華南理工大學學報（自然科學版），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.基于駕駛員瞳孔面積變化率的公路視錯覺減速標線橫向寬度研究[J].重慶交通大學學報（自然科學版），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，杜志剛，王首碩，等.城市水下特長隧道彎道駕駛人掃視行為研究[J].中國安全科學學報，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]韓小孩，張耀輝，孫福軍，等.基于主成分分析的指標權重確定方法[J].四川兵工學報，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]杜志剛，黃發明，嚴新平，等.基于瞳孔面積變動的公路隧道明暗適應時間[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，胡旭輝，等.高隧道比路段隧道出入口駕駛員視覺負荷研究[J].交通運輸系統工程與信息，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，喻澤文，鄔芳迪，等.基于視覺心理的山區公路曲線段視覺誘導與安全評價[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，程國柱.公路隧道出入口減光格柵段合理長度研究[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]張生瑞，馬壯林，石強.高速公路隧道群交通事故分布特點及預防對策[J].長安大學學報（自然科學版），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]朱可寧.基于HRV的高速公路隧道環境對駕駛行為影響研究[D].西安：長安大學，2018.

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