海底隧道入口段駕駛員眼動特征分析*

潘福全，牛遠征，張麗霞，李 敏，楊金順，康國祥

(青島理工大學 機械與汽車工程學院，山東 青島 266520)

0 引言

海底隧道作為隧道的特殊形式，相比常規公路隧道，其空間較小、環境更加密閉，發生交通事故時更容易導致隧道內交通癱瘓，造成人員傷亡。據統計，由于海底隧道空間封閉、視線差、道路景觀單一等不良駕駛環境，導致80%以上交通事故發生與駕駛員有關[1]。

關于駕駛員生理對駕駛行為的影響，國內外學者進行相關研究：馮忠祥等[2]構建城市下穿隧道上下縱坡、車輛速度和駕駛員心率增長率關系度量模型，并量化其指標間關系；Pan等[3]分析海底隧道出入口駕駛員的腦電數據，建立照明、縱向坡度及其耦合效應模型；段萌萌等[4]以瞳孔面積變化最大瞬態速度值及換算視覺震蕩持續時間作為評判視覺負荷的依據，以瞳孔面積變化最大瞬態速度為評價指標，判斷隧道出入口駕駛員視覺危險程度；潘福全等[5]分析隧道不同照度與縱坡耦合作用下駕駛員視覺特征，發現駕駛員眼瞼閉合度及注視時長受隧道內照度影響顯著；Jiao等[6]通過統計分析連續時間序列條件下，駕駛員白天駕駛車輛通過隧道時瞳孔面積和隧道照度等數據，構建瞳孔面積隨時間變化的數學模型；Katja等[7]研究隧道內不同照明、任務負荷和隧道壁顏色對駕駛員行為的影響，發現隧道設計和照明對駕駛員的視覺注意力影響最大；Liang等[8]通過實驗模擬得到隧道內不同亮度、相關色溫(CCT)、偏心率和對比度值下駕駛員反應時間，分析得出通過增加光源的CCT來改善駕駛員視覺性能；Mousa等[9]根據不同小波和分類器，利用無線腦電圖信號對駕駛員分心程度進行分類。

目前，國內外學者對駕駛行為的研究主要集中在隧道內駕駛員心率特征、眼動特征以及隧道縱坡、行車速度等方面，關于隧道入口段駕駛員行為影響的研究很少。因此，本文基于Facelab眼動儀，選取青島膠州灣海底隧道入口段進行道路實車實驗，研究駕駛員眼動特征、行車速度與行車位置的變化特性，分析各區段駕駛員眼動特征對行車安全的影響，為海底隧道入口段安全管理提出更好的建議。

1 實驗方案設計

1.1 實驗線路

實驗道路選擇青島膠州灣海底隧道收費站至入口，實驗線路為漓江東路入口-云南路出口。為減少不良因素對駕駛員生理特性的影響，實驗避開雨天、大風、霧天等不良天氣，避開交通高峰期。

本文根據道路線型、車輛行車特征、駕駛員眼動特征、路段標志標線設置，對海底隧道收費站至入口進行范圍劃分，如圖1所示，共分為提速駛離段、換道減速段、緩和段、過渡段4部分。

圖1 海底隧道收費站至入口范圍劃分Fig.1 Range division from toll station to entrance of subsea tunnel

青島膠州灣海底隧道收費站共有4個ETC窗口、7個人工收費窗口，收費站距離隧道入口600 m，中間設有隧道提示標志、減速標線、限速標志，隧道內照明通風條件良好，隧道前入口段最高限速為60 km/h，隧道前緩和段與過渡段均為3車道。實驗道路主要技術參數見表1。

表1 青島膠州灣海底隧道入口段實驗道路基本情況Table 1 Basic information of experimental road at entrance section of Qingdao Jiaozhou Bay Subsea Tunnel

1.2 實驗對象及數據采集

實驗挑選不同年齡、駕齡的非職業駕駛員24名，其中男性18名，女性6名；年齡24～50歲，平均年齡為35歲；駕齡為1～10 a，平均駕齡為4.5 a。

本文實驗采用Facelab眼動儀實時采集駕駛員注視時長、左右眼眼瞼閉合度、眨眼頻率、注視點位置等眼動特征。

實驗過程中，每位駕駛員輪流在實驗路段行駛2次，利用Facelab眼動儀采集每位駕駛員注視時長、左右眼眼瞼閉合度、眨眼頻率等眼動數據，同時利用錄像機拍攝車速儀表盤和駕駛環境。

1.3 評價指標

眼瞼閉合度指左、右眼及上、下眼瞼閉合覆蓋的虹膜部分。駕駛員通過海底隧道入口段時，受道路線性變化、減速換道等視覺刺激，眼瞼閉合度發生相應變化，反映駕駛員精神緊張、注意力集中程度。眨眼頻率指固定時間內人眨眼次數，反映駕駛員生理及心理狀態。

2 數據分析

2.1 車速變化特征分析

以駕駛員距收費站距離為基礎，利用Origin軟件對數據進行平均化處理。通過實車實驗，采集海底隧道入口段行車速度和位置數據，計算樣本總體在不同路段的最大速度、最小速度、平均速度、速度標準差，分析駕駛員在不同位置車速變化情況，各路段速度特征值見表2。

表2 海底隧道入口段行車速度特征值Table 2 Characteristic values of driving speed at entrance section of subsea tunnel km/h

通過采集海底隧道入口段車速變化數據，分析各段車速變化規律，并以隧道前收費站所在位置為坐標原點，橫坐標正向為車輛行進方向。由于駕駛員駕駛習慣、心理生理特性等影響，使駕駛員在各個位置的行車速度不同，海底隧道入口段行車速度分布如圖2所示，駕駛員車速呈上升-下降-上升-下降趨勢。

圖2 海底隧道入口段行車速度Fig.2 Driving speed at entrance section of subsea tunnel

由圖2可知，在200～300 m灰色部分突出，此處車道數逐漸減小，車輛合流沖突對駕駛員影響較大；在550～650 m灰色部分突出，此處為黑洞效應路段，對駕駛員影響較大。

由圖2和表2可知，在提速駛離段行駛時，車道數不變，駕駛員受其他車輛影響較小，要盡快駛離收費站出口，平均車速由靜止狀態提升至30.03 km/h，速度標準差為10.28 km/h；換道減速段行駛時，在換道減速段前半段，車道數減少對駕駛員影響較小，車速呈上升趨勢；在進入緩和段前，駕駛員受車輛合流影響較大，平均車速在30.03～44.25 km/h內波動，速度標準差為3.67 km/h；在緩和段行駛時，車道數穩定，駕駛員受路段其他車輛影響較小，平均速度上升至52.45 km/h，速度標準差為6.34 km/h；在過渡段行駛時，因即將進入隧道，駕駛員視覺受減速標線、黑洞效應等影響，平均速度降至50.53 km/h，速度標準差為4.06 km/h。

2.2 眼瞼閉合度變化特征分析

駕駛員駕車經過海底隧道入口段時，駕駛員左、右眼瞼閉合度變化規律如圖3所示。

圖3 眼瞼閉合度變化規律Fig.3 Change law of eyelid closure

由圖3可知，駕駛員在收費站停車收費過程中，眼瞼閉合度處于較低位置，駕駛員注意力集中、精神緊張；在提速駛離收費站過程中，左眼瞼閉合度上升至3.6 mm，駕駛員精神逐漸放松；在換道減速段，車道數逐漸減少，駕駛員受交織車流影響，左眼瞼閉合度降至1.5 mm，駕駛員精神緊張；在緩和段，車道數不變，駕駛員受周邊車流影響較小，左眼瞼閉合度上升至3.9 mm，駕駛員精神相對放松；在過渡段，即將進入隧道，駕駛員受減速標線、黑洞效應等視覺影響，左眼瞼閉合度下降至1.4 mm，駕駛員精神相對緊張。

路段位置-行車速度-眼瞼閉合度變化三維曲面如圖4所示。由圖4可知，在加速駛離段和緩和段，行車速度不斷增大，眼瞼閉合度逐漸增大，駕駛員精神比較放松；在換道減速段和過渡段，駕駛員分別受交織車流與黑洞效應影響，行車速度不斷減小，眼瞼閉合度逐漸減小，駕駛員精神比較緊張。綜上，隨車速增大，眼瞼閉合度增大，反之，眼瞼閉合度減小。

圖4 路段位置-行車速度-眼瞼閉合度變化規律Fig.4 Change law of road section position,driving speed and eyelid closure

2.3 眨眼頻率變化特征分析

駕駛員眨眼頻率變化如圖5所示。由圖5可知，駕駛員在收費站停車收費過程中，眨眼頻率相對較高，駕駛員注意力集中、精神緊張；在提速駛離收費站過程中，眨眼頻率逐漸下降，穩定在0.59 Hz，駕駛員精神逐漸放松；在換道減速段，車道數逐漸減少，駕駛員受交織車流影響，眨眼頻率上升并穩定于0.78 Hz，駕駛員精神緊張；在緩和段，車道數不變，駕駛員受周邊車流影響較小，眨眼頻率下降并穩定在0.65 Hz，駕駛員精神相對放松；在過渡段，即將進入隧道，駕駛員受減速標線、黑洞效應等視覺影響，眨眼頻率上升并穩定于0.80 Hz，駕駛員精神相對緊張。

圖5 眨眼頻率變化規律Fig.5 Change law of blink frequency

路段位置-行車速度-眨眼頻率變化如圖6所示。由圖6可知，在距離收費站200～400 m處，既換道減速段，行車車速不斷增加，眨眼頻率不斷增大，駕駛員注意力集中，精神相對緊張；在550～600 m處，行車速度減小，眨眼頻率較大，駕駛員精神最緊張，說明黑洞效應對駕駛員生理狀態影響較大。

圖6 路段位置-行車速度-眨眼頻率變化規律Fig.6 Change law of road section position,driving speed and blink frequency

3 模型建立

3.1 速度變化模型

對各段速度數據進行擬合，結果如圖7所示。通過Origin軟件對路段速度數據進行擬合，判定系數R2=0.989 81，擬合模型方差分析結果見表3。其中，P=0<0.001，說明各路段擬合效果較好，路段位置與駕駛員行車速度數學模型如式(1)所示：

圖7 速度變化擬合Fig.7 Fitted image of speed change

(1)

式中：v為行車速度，km/h；x是距收費站的距離，m。

由圖7可知，駕駛員行車速度隨路段位置變化呈增大-減小-增大-減小趨勢；在換道減速段與過渡段，駕駛員分別受車流交織與黑洞效應影響，行車速度減小。

3.2 眼瞼閉合度變化模型

通過Origin軟件對路段數據進行擬合，路段位置與駕駛員眼瞼閉合度散點和多項式擬合曲線如圖8所示。

通過Origin軟件對路段數據進行擬合，判定系數R2=0.653 11，擬合模型方差分析結果見表4，其中，P=2.122 49×10-11<0.001,說明擬合程度較好。路段位置與駕駛員眼瞼閉合度數學模型如式(2)所示：

y1=0.265 4-0.001 69x+(9.662 04×10-5)x2+
(-1.074 28×10-6)x3+(5.085 69×10-9)x4，
R2=0.653 11

(2)

式中：y1為眼瞼閉合度，mm；x是距收費站的距離，m。

表4 路段位置與駕駛員眼瞼閉合度擬合模型方差分析Table 4 Analysis of variance on fitted model of road section position and eyelid closure of drivers

由圖8可知，駕駛員眼瞼閉合度主要分布在1.9～4.5 mm；駕駛員眼瞼閉合度擬合曲線在換道減速段和過渡段出現極大值，眼瞼閉合度隨路段位置的改變呈增大-減小-增大-減小趨勢；在換道減速段與過渡段，駕駛員分別受車流交織與黑洞效應影響，眼瞼閉合度減小，注意力集中，精神比較緊張。

3.3 眨眼頻率變化模型

通過Origin軟件對數據進行擬合，路段位置與駕駛員眨眼頻率散點圖和多項式擬合曲線如圖9所示。

圖9 眨眼頻率變化擬合Fig.9 Fitted image of change in blink frequency

通過Origin軟件對數據進行擬合，判定系數R2=0.791 7，擬合模型方差分析結果如表5所示，其中，P=0<0.001,說明擬合程度較好。路段位置與駕駛員眨眼頻率數學模型如式(3)所示：

(3)

式中：y2為眨眼頻率，Hz；x是距收費站的距離，m。

表5 路段位置與駕駛員眨眼頻率擬合模型方差分析Table 5 Analysis of variance on fitted model of road section position and blink frequency of drivers

由圖9可知，駕駛員眨眼頻率主要分布在0.55～0.80 Hz，眨眼頻率隨路段位置改變呈減小-增大-減小-增大趨勢；在入口段前半路段100～300 m處，駕駛員眨眼頻率不斷增大，此路段對駕駛員行車安全影響較大；在入口段后半路段500～600 m處，擬合曲線斜率不斷增大，說明駕駛員越接近隧道入口，受黑洞效應影響越大，為保障行車安全，應設置減光板等減小暗適應，或在隧道建設中延長過渡段，使駕駛員擁有足夠的適應時間。

4 結論

1)根據在海底隧道入口實車實驗所采集的數據，分別建立提速駛離段、換道減速段、緩和段和過渡段的車速、眼瞼閉合度及眨眼頻率與行車位置數學模型。駕駛員駕車通過海底隧道入口段時，車速呈上升-下降-上升-下降的變化趨勢，眼瞼閉合度呈增大-減小-增大-減小的變化趨勢，眨眼頻率呈減小-增大-減小-增大的變化趨勢，且受交織車流與黑洞效應影響顯著。

2)在換道減速段和過渡段分別受交織車流與黑洞效應影響，車速明顯減小、眼瞼閉合度明顯下降、眨眼頻率明顯增大，駕駛員精神緊張、注意力集中、行車風險較高。

3)基于駕駛員生理特性研究結論，設置海底隧道入口段換道減速段長度與車道數，減少因車輛合流沖突導致的駕駛員精神緊張，保障行車安全；海底隧道過渡段應設置減光設施，降低亮度突變對駕駛員視覺沖擊；海底隧道換道減速段和過渡段應設置交通標志或語音提示，使駕駛員進入該路段前，調整駕駛行為，提高海底隧道入口段及隧道內的行車順適性和安全性。