基于真实和虚拟光环境不同色温偏好度的对比

徐 超，周 莉，林燕丹

(复旦大学电光源研究所先进照明技术教育部工程研究中心，上海 200433)

引言

相关色温(CCT)是用来描述白光的一般色貌。较高的CCT具有比较冷的色貌；较低的CCT具有比较温暖的色貌。典型的室内照明的CCT一般在2 700～6 500 K之间。

照明条件是影响人类视觉、健康和情感的一个关键因素，符合居住者偏好的照明会带来视觉的舒适和愉悦[1,2]。在真实环境中，CCT是在室内光照明的影响视觉的重要元素，影响着人们生理和心理等方面的感受[3-5]。Henri[6]研究了CCT对工业工作区视觉偏好的影响，结果表明，当采用较高的CCT时，工人的工作效率显著提高。Mills等[7]同样发现高色温的荧光灯可以改善办公室工作人员的幸福感和生产效率。Wei等[8]研究了荧光灯的色温和照度对办公室人员对光环境的视觉舒适度和满意度，发现在同样的照度下3 500 K色温比5 000 K更加舒适。Wu[9]进行了一项实验调查的餐厅的照明气氛影响LED的色温和照度对客户的情绪状态的影响，实验中采用两级色温和三级照度组合场景，发现了LED 色温在2 700 K比5 600 K更容易产生愉悦的氛围。Wang等[10]在一个LED光照小隔间里采用了十二个色温水平和三个照度水平的不同组合照明条件探索色温对人的舒适度和偏好度的影响，发现色温对舒适度和偏好度有显著影响，相对较低的色温营造出放松的环境，而相对较高的色温会被认为更适合于工作。人们对虚拟光环境的兴趣与日俱增，光环境主观评价与虚拟现实相结合取得了一定的成果。Heydarian等[11]利用沉浸式虚拟环境研究默认灯光设置对居住者行为的影响。

如上所述，真实光环境中，灯具的CCT与人眼视觉舒适性与满意度之间的关系得到了广泛的研究。近年来，虚拟现实(VR)技术越来越流行。人类开始使用VR设备来模拟各种室内光环境。考虑到这一点，在了解虚拟环境中人类对CCT的偏好和真实光环境中一样重要。在本实验中，光环境变量CCT采用3 000～6 500 K来研究在真实的光环境和虚拟光环境下被试者的视觉舒适度和偏好度。

1 实验过程

本实验搭建了两个场景，真实光环境(SCENEN1)和虚拟光环境(SCENE2)。SCENE1为一个2.4 m×2.1 m×2.1 m的隔间，里面包括沙发和茶几。隔间顶部安装了两个色温可调的LED平板(0.8 m×0.8 m)。SCENE2为搭建的虚拟光环境2.4 m×2.1 m×2.1 m的隔间，使用Unity 3D搭建并在HTC VIVE中显示出来。参与者可以虚拟光环境中实现漫游，移动头盔来改变视角，通过控制手柄切换色温。在真实和虚拟光环境下均可以实现色温为3 000 K～6 500 K的八个档色温可调。

1)McCamy近似公式法算CCT。在本实验中，选择McCamy近似公式法给VR场景中的灯光赋材质。McCamy[12]在1992年提出了由色品坐标(x，y)直接求色温T的算法，计算公式如下：

(1)

根据(1)式，换算出VR场景中对应的色坐标，计算结果如表1所示。

表1 McCamy近似公式法算计算各色温对应的色坐标

2)光环境物理定标。实验对SCENE1和SCENE2中的光学参数进行了标定，采用CS-2000测量亮度，色坐标，采用CL-200A测量照度值，以及照明护照测量显色指数Ra，如图1所示，测量平板灯五个点求均值，图2测量真实光环境内0.75 m高处的照度值。在真实光环境下测得的参数结果如表2所示。

图1 CS-2000亮度计定标LED平板灯Fig.1 Calibration of LED by CS-2000

图2 CL-200A照度计定标0.75 m照度Fig.2 Calibration of desk illuminance by CL-200A

VR设备HTC VIVE被安装在一个长宽高为2 500 cm×2 000 cm×2 000 cm的空间。设计VR应用程序时，所有的灯都分配了同样的材质贴图，使得在VR眼镜中有相同的光学参数。校准步骤如下：如图3所示，关掉房间里所有的灯，选择一个视角使得灯光的正中心落在VR眼镜的中间， 将CS-2000亮度计对准放置在85 cm高的桌子上的VR眼睛的镜片。表3总结了虚拟光环境中不同预设色温下的测得的色温、亮度、色坐标、Duv、Ra参数，在不同色温下亮度值变化(6.43%，微小的亮度变化，以至于对人眼视觉感受很小，可以忽略不计。

表2 真实光环境中测得参数

表3 虚拟光环境测量的参数

图3 VR中灯光色温定标Fig.3 Calibration of CCT in VR

图4 SCENE1和SCENE2下色温的定标结果Fig.4 Result of calibration of CCT in SCENE1 and SCENE2

图4共有三个不同的色温曲线，分别为预设定色温，SCENEN1下的标定的色温，SCENE2下的标定的色温。对照表2和表3的定标结果以及图4，两个场景下，对应色温测量的标定结果均在(100 K以内，对于实验中设定的色温步长为500 K，可以认定在真实和虚拟光环境中色温一致。

3)被试选取。实验在进行被试筛选时，应尽量避免被试间较大的个体差异。本实验招募了24名志愿者参与被试，12名男性与12名女性，平均年龄22岁，标准差1.6岁。被试人员为在校大学生，但没有照明与颜色科学相关专业的学生，矫正视力为5.0，并且没有色弱色盲现象。

4)试验流程。本实验被试人员的任务是评估真实灯光环境和虚拟灯光环境在不同色温下的视觉舒适度以及偏好度。如图5所示，实验开始之前，首先让被试人员熟悉VR操作，并告知如何在虚拟环境中实现漫游和切换视角观察虚拟场景。实验开始，先关闭房间的灯，让被试人员暗适应五分钟，为了均衡场景不同顺序对被试者的影响，因此，进行被试实验时，每一个被试人员事先不知道自己先参加虚拟光环境还是真实光环境的评估，参加完一个光环境的色温评估后，休息5 min继续参加另一个光环境色温的评估。实验采用了对偶比较法，在每个光环境中，8档色温被配对成28组刺激对，为抵消每组刺激对色温前后顺序不同的影响，每个刺激对会被询问两次，被试共需要完成56组对比问题。如图6所示，被试分别参与真实光环境和虚拟光环境中色温偏好度实验。

图5 实验流程Fig.5 Experiment procedure

图6 被试在参与真实与虚拟光环境色温评估实验Fig.6 Participant assessing the light environment in real and virtual scene

2 实验结果分析

2.1 统计分析

在处理原始数据，C分数是对偶比较法各CCT的得分，然后将C分数转化成分数，即P=C/2(n-1)，其中(n-1)表示每一个CCT和CCT的比较次数，Z=(P-μ)/δ，μ代表P的平均值，而δ代表标准差。当把P转化成Z分数时，就可以得出每位被试对色温喜好的距离不同的距离代表了该被试对于不同色温的偏好度的顺序。如果有Z负值，所有的Z分数会加上最小的负数的绝对值，Z值将被转换成Z′分数值。Z′分数值采用配对样本t检验，SPSS®来分析实验数据。

2.2 实验数据

为探究不同光环境下，性别对色温偏好度的影响，将实验数据以性别为分类标准，得到不同性别下男性与女性平均Z′分数与色温之间关系图，图7、图8分别对应男性和女性的色温偏好与色温的关系图。

图7 男性平均Z′ 分数Fig.7 Average Z′ score of male

图8 女性平均Z′分数Fig.8 Average Z′ score of female

如图7所示，对于男性平均Z′分数，在SCENE1和SCENE2场景下，

1)除5 500 K和6 500 K外，在SCENE2中的Z′分数要普遍高于SCENE1中的Z′分数值；

2)男性在SCENE1下色温偏好排序如下(从大到小)：5 000，4 500，5 500,4 000，5 500,6 000,6 500,3 500和3 000 K；在SCENE2下色温偏好排序如下(从大到小)：5 000，4 500，5 500, 4 000，5 500, 6 000, 6 500,3 500和3 000 K。结果表明，男性在SCENE1(真实光环境) 和SCENE2(虚拟光环境)中色温偏好的顺序量表具有一致性。

如图8所示，对于女性平均Z′分数，在SCENE1和SCENE2场景下，

1)除4 000 K色温以外，SCENE1的Z′分数值要普遍高于SCENE2中的Z′分数值；

2)女性在SCENE1下色温偏好排序如下(从大到小)：4 500，5 000，4 000，5 500，3 500，6 000，6 500和3 000 K;在SCENE2下色温偏好排序如下(从大到小)：4 500，5 000，4 000，5 500，3 500，6 000，6 500和3 000 K。结果表明，女性在SCENE1(真实光环境) 和SCENE2(虚拟光环境)中色温偏好的顺序量表具有一致性。

综合男性和女性在色温偏好的顺序量表，可以得出：

1)男性和女性在SCENE1和SCENE2下，在色温偏好上均表现了一致性，即在色温偏好度的顺序量表分析上，男性和女性在真实光环境和虚拟光环境下表现了一致的色温偏好顺序；

2)男性与女性在色温偏好的优先顺序上不一致，并且男性更偏好较高色温，而女性偏向较低色温。

以上将整个实验数据以性别作为分类标准，研究了不同性别在色温偏好度顺序量表与场景(SCENE1和SCENE2)的关系。对整个数据样本进行分析，图9所示为24名被试人员在SCENE1和SCENE2下Z′分数值与色温的关系图。

图9 24名被试在不同色温的平均Z′分数Fig.9 Average Z′ score of the 24 subjects of each CCT

场景3 000 K3 500 K4 000 K4 500 K5 000 K5 500 K6 000K6 500 KSCENE10.281 70.902 11.915 02.551 32.483 81.951 30.910 80.675 0SCENE20.263 80.952 12.017 52.548 32.449 61.824 60.976 30.579 6差值+0.017 9-0.050 0-0.102 5+0.003 0+0.034 2+0.126 7-0.065 5+0.095 4

图9所示为不同场景下24被试人员的Z′分数的平均值。由图9很容易看出：

1)SCENE1和SCENE2下都在色温4 500 K处，平均Z′分数达到了最大值，并向两边逐渐递减，呈现相同的趋势，在整个样本数据中，4 500 K为最舒适色温；

2)SCENE1和SCENE2下，SCENEN1中色温偏好排序如下(从大到小)：4 500，5 000，5 500，4 000，6 000，3 500, 6 500和3 000 K；SCENEN2中色温偏好排序如下(从大到小)：4 500，5 000，4 000，5 500，6 000，3 500, 6 500和3 000 K。直观分析色温偏好度排序，最舒适色温均为4 500 K，最不舒适色温为3 000 K，但SCENE1和SCNEN2下色温偏好排序量表顺序不完全一致，具体表现为4 000 K与5 500 K，3 500 K与6 500 K这两组的组内顺序不同，如表4所示，SCENE1与SCENE2在3 500 K时相差-0.050 0，6 500 K时相差+0.095 4，4 000 K时相差+0.003 0，5 500 K时相差+0.126 7，相差值都比较小，这样的结果，是男性和女性的Z′分数值的的大小不同叠加产生的。

3)实验结果分析。如表5所示，12名女性的配对样本相关关系及显著水平的结果显示，3 500, 5 000和6 000 K条件下配对样本的评分结果相关性较弱，未达到显著性水平；而在其余色温条件下相关性较强。t检验结果显示，不同色温条件下对两个场景的t检验结果的伴随概率均大于0.05，未达到显著性水平，即采用虚拟场景或真实场景对于女性被试在不同色温下的评价没有显著影响。

表5 女性成对样本相关系数

如表6所示，12名男性在不同色温条件下对于SCENE1和SCENE2的评分均具有较强的关联性，伴随概率均达到显著性水平。t检验结果只有在色温为6 000 K时伴随概率达到显著性水平，即虚拟光环境评分比真实光环境更高。

表7反映了24名男性和女性的每两个配对数据样本的相关关系及显著性水平。从表中数据可以看出，对1中场景1 与场景2之间的相关系数为0.845，显著性检验得到的伴随概率p=0.000<0.001，达到极其显著的水平，说明两个场景之间的关联性很高。可以看到，表中除对5中的伴随概率p=0.001，达到非常显著的水平以外，其余7组配对数据样本p值均为0.000<0.001，达到极其显著的水平。相关系数在0.655～0.958之间，说明所有色温条件下两个场景间的关联性很高。

表6 男性成对样本相关系数

表7 成对样本相关系数

表8为输出配对样本t检验的结果，以对1为例，对1采用真实光环境(SCENE1)和虚拟光环境(SCENE2)的评分差值序列的平均值为0.017 92，t统计值为0.036 2，伴随概率为0.721>0.05，未达到显著性水平，也就是说，采用真实光环境或虚拟光环境对于评分结果没有明显影响。从表中结果可以看出，不同色温条件下对两个场景的t检验结果的伴随概率均大于0.05，未达到显著性水平，即采用虚拟光环境或真实光环境对于被试在不同色温下的偏好评价没有显著影响。

表8 成对样本检验

3 结论

我们针对新兴的VR技术，提出了将真实光环境色温偏好度评估移植到基于VR光环境色温偏好度评估，以光参数单一变量色温来研究被试在真实和虚拟光环境下对八种不同色温的偏好度，得出结论：男性和女性，在真实和虚拟光环境的色温偏好度上均表现了一致性；在不同光环境下，男性更偏好较高色温，而女性偏好较低色温；对于不同色温偏好度的评价结果，真实光环境与虚拟光环境之间没有显著差异。