公路隧道出入口驾驶员视觉负荷评价与建模

丁 旭， 王海晓， 高明星， 吕 贞

(内蒙古农业大学能源与交通工程学院， 内蒙古 呼和浩特 010018)

0 引言

公路隧道可以有效利用地理条件、改善道路线形、缩短里程和提升通行效率，但公路隧道出入口段又是发生交通事故的黑点路段[1]，特别是天气晴朗的昼间，在照度突变与车速波动的耦合效应下，驾驶员瞳孔的变化最为显著。瞳孔通过自主扩大或收缩调节进入眼睛的光通量以保证清晰成像，同时反映驾驶员的心生理负荷水平[2]。驾驶员在进出隧道的过程中，视觉负荷增大，会出现短暂的视觉“盲期”，产生“适应的滞后反应”，极易引发交通事故。

国内外学者对隧道路段驾驶员瞳孔变化特性和视觉适应性进行了研究。He等[3]利用驾驶员在公路隧道行驶时的眼动参数，分析了不同光照强度下驾驶员的瞳孔变化及行车安全。Aronson等[4]对隧道洞口路段视觉适应性进行了研究，得到驾驶员驶入洞内受照度影响的视觉适应时间规律。杜志刚等[5]利用瞳孔面积变化速度评价隧道洞口短距离范围内车速波动较小时的视觉负荷情况。潘晓东等[6]将隧道进出口照度急剧变化视为幅值迅速衰减的瞬态过程，根据机械振动与冲击标准将瞳孔面积最大瞬态速度值(MTPA)作为驾驶员视觉负荷评价指标。Wang等[7]以瞳孔面积最大瞬态振动值(MTVV)作为视觉负荷评价指标,对比昼、夜、黄昏时段特长隧道进出口的视觉负荷。Jiao等[8]研究了驾驶员在城市水下特长隧道不同曲率和转弯条件下的视觉特征。梁波等[9]将隧道出入口进行4区段划分，探究了驾驶员各项生理指标在不同区段的显著差异性，量化了其不同区段的整体生理负荷。梅家林等[10]研究了不同时段驾驶员在特长隧道入口区域的视觉负荷情况。阎莹等[11]分析了隧道群光环境、隧道纵深与驾驶员瞳孔面积的关系，提出了改善隧道群路段环境光照度的推荐值。

目前，对隧道出入口段视觉负荷的研究大多集中于环境光照度的影响，将行车速度考虑在内的研究较少，且所提出的基于瞳孔变化的视觉负荷评价指标大多适用于隧道出入口照度瞬时突变的区段。因此，建立一个新的普适性指标，反映瞳孔面积在照度突变点瞬时急剧震荡的同时，还能反映出光照渐变区域内视觉负荷的累积效应，具有一定创新价值。

1 试验设计与数据采集

1.1 试验隧道

试验地点选取在秦岭终南山公路隧道。该隧道作为目前已建的中国第一长公路隧道，采用双洞4车道，单洞全长18.02 km，线形为直线，大致呈南北方向布置。以柞水至西安方向的隧道出入口为主要试验路段，隧道内照明设施均为高压钠灯，采用两侧交错布置，间距为10 m，洞口加强照明灯具均匀布设于基本照明灯具间，高度一致。隧道内限速80 km/h，隧道外衔接路段限速100 km/h，洞外双向车道完全分隔，出入口处均未设置任何防眩遮光设施，具体情况见图1。

(a) 入口 (b) 出口

1.2 试验设备和驾驶员

试验所用车辆为雪铁龙世嘉自动挡型轿车，见图2(a)。眼动指标的采集设备是德国SMI生产的Iview X HED型眼动仪(含Begaze分析软件)，通过连接专用笔记本电脑进行眼动指标的采集、记录和储存，见图2(b)。照度和车速的采集设备分别为TES-1339R数字式照度计(测量范围0.01～999 900 lx)以及CTM-8F非接触式测速仪，见图2(c)—(d)。其他辅助设备还有摄像机、计算器、12 V直流蓄电池等。

(a) 试验车辆

为使被试能更好地代表驾驶员群体的规律特性，采用滚雪球抽样的方式计算样本量：

(1)

式中：n为样本量；Z为标准正态分布统计量；σ为标准偏差；E为最大允许误差。本文显著性水平取0.1，则Z=1.28，σ的取值为0.25～0.5，考虑实驾试验人数的限制，取σ=0.25，E取10%。

根据式(1)求得所需的最小样本量n=10，挑选出10名驾驶员作为被试，其中男性5名，女性5名，年龄为24～41岁(均值28.8，标准差6.16)； 均持有C1驾驶证，矫正视力在5.0以上，对当地路况熟悉且驾龄均在2年以上(均值6.2，标准差3.46)，试验前保证被试驾驶员正常的饮食休息，避免剧烈运动。

1.3 试验流程

试验采用双盲原则进行，保证试验条件的稳定性。试验时间选在晴朗的白天9:00—11:00。根据现场观测，此时高速公路车流处于自由流状态且存在较大的光照度。试验开始前，在柞水服务区进行准备工作，检查车况及驾驶员的精神状态，被测人员按照要求规范佩戴眼动仪，照度计固定在车顶部垂直于驾驶员位置，速度传感器固定在车体后端且距离地面500 mm左右的位置，启动并校准试验设备，同步各设备启动时间。

首先，在车辆静止状态下对驾驶员进行眼动仪调试，完成静测后驶入高速公路，驾驶员在限速条件下按照自己平时的驾驶习惯驾驶车辆通过试验隧道。重复上述步骤，直至完成所有驾驶员试验。

1.4 数据采集与误差控制

选取隧道出入口段连续16 s时间序列下的试验数据为研究对象，在距离隧道洞口前、后各8 s的行车时间范围，进行照度、车速和瞳孔数据的实时采集。以洞口截面为时间0点，隧道入口段洞外时间为负，洞内时间为正； 出口段则与之相反，以某时间点1 s内的平均值作为该时刻的试验数据。根据拉依达准则，若在试验路段内累计时间达10%的瞳孔直径数据异常，则剔除该数据。

2 驾驶员瞳孔特征变化分析

隧道出入口段“明暗适应”的过程加大了驾驶员的视觉负荷，视觉负荷的变化导致驾驶员心理负荷加重，进而导致车速发生波动。而瞳孔的变化能够反映驾驶员的心生理负荷水平，人在情绪紧张时瞳孔会扩大，感到疲劳时瞳孔会缩小[12-13]； 同时，在操作过程中，瞳孔面积也会发生变化，变化幅度的大小与工作负荷以及心理努力程度密切相关[14]。基于此，对研究区段的瞳孔面积变化进行分析。

2.1 瞳孔面积变化分析

分别采集隧道出入口及中间段连续16 s时间序列下10名驾驶员的瞳孔面积数据，驾驶员驾车通过隧道不同路段的过程中瞳孔面积分布如图3所示。隧道中间段驾驶员瞳孔面积的分布较为集中，稳定在高值区间内，表示隧道内部环境对驾驶员心生理负荷影响较小； 而出入口段的瞳孔面积分布更加离散，变化幅度增大，驾驶员的生理负荷剧增，显著影响视觉舒适性。

(a) 驾驶员A—E

隧道出入口段连续16 s时间序列下10位驾驶员瞳孔面积随行驶时间变化如图4所示。虽然由于个体差异，瞳孔对于照度和速度的敏感性不同，但整体的变化趋势呈现了一定的规律性，即驾驶员瞳孔面积在隧道出入口路段呈现规律性的上升和下降趋势。

(a) 隧道入口段

在入洞前4～8 s各驾驶员瞳孔面积变化较为平稳，大致在3～8 mm2的区间波动，从入洞前第4 s开始，瞳孔面积均呈现显著上升的趋势，直至入洞的第4 s后，逐渐在10～22 mm2的区间趋稳。同理，出洞前4～8 s瞳孔面积变化较为平缓，从出洞前第4 s开始，瞳孔面积均呈现显著下降的趋势，直至出洞的第5 s后逐渐在3～9 mm2的区间趋稳。

为了探究照度与车速耦合效应下对驾驶员瞳孔面积变化的影响，取10名驾驶员在同一时刻的瞳孔面积平均值，绘制隧道出入口段驾驶员瞳孔面积、车速和照度变化关系，如图5所示。

(a) 隧道入口段

入洞前4～8 s，照度、车速与驾驶员瞳孔面积均呈现小范围上下波动。从第4 s开始至洞口0时刻，由于车辆驶入临近洞口路段，道路线形采用平曲线设计，且光照度开始下降，驾驶员观察到隧道口的“黑洞”环境，普遍开始制动减速以保证行车安全，在洞口位置车速达到极小值。入洞前4 s内，照度锐减，驾驶员瞳孔面积呈递增趋势； 入洞后4 s内，照度递减至谷值后逐步趋稳，速度略有回升，驾驶员瞳孔面积由于暗适应的滞后现象，继续保持递增。入洞4 s后，照度、车速以及驾驶员瞳孔面积趋于稳定，此时驾驶员经历过“暗适应”后逐渐适应了隧道内的道路交通环境。

同理，出洞前4～8 s，照度、车速与驾驶员瞳孔面积均呈现平缓的波动； 从第4 s开始至洞口0时刻，车辆逐渐驶出隧道，光照度明显上升，驾驶员观察到隧道口的“白洞”环境，同样采取制动减速措施，在洞口位置车速锐减至极小值。出洞前4 s内，照度上升，车速与瞳孔面积均呈现下降趋势；出洞后5 s内，照度、车速激增，驾驶员瞳孔面积持续下降； 出洞的第5 s后，照度、车速以及驾驶员瞳孔面积趋于稳定，此时驾驶员经历过“明适应”后逐渐适应了隧道外的道路交通环境。

2.2 瞳孔面积相对变化强度分析

当驾驶员在正常路段行驶时，瞳孔面积突变量几乎为0； 而在隧道出入口段行驶时，瞳孔面积突变量急剧增大。出入口段瞳孔的剧烈变化类似于以某种概率出现的肩峰输出功率，在正常路段行驶时瞳孔变化类似于系统的均值功率，两者之比为峰均比(peak-to-average ratio，PAR)，这一物理学概念可以表征在一定时域内急剧波动对输出功率带来的影响，峰均比过高会带来整个系统的畸变，所以该值可以作为系统功率稳定性的评价指标之一[15]。同时，由于隧道出入口驾驶员的视觉负荷变化现象与医学上的心律震荡现象类似[5]，在医学和人因工程学中通常采用功率谱分析法对心率变异程度进行分析，即采用一定时间连续心动间期内频段小于0.15 Hz的低频段(low frequency，LF)与0.15～0.4 Hz的高频段(high frequency，HF)之比LF/HF作为预测是否心律失常的敏感度指标[16]。

2.2.1 视觉负荷评价指标的提出

参照上述方法，根据视觉负荷震荡特点[17]，提出“瞳孔面积相对变化强度”(relative change intensity of pupil area，RCPA)的概念，即瞳孔面积在隧道路段和非隧道路段突变量的比值，用来表示在动态区间内环境突变时视觉负荷的波动幅度，定义如式(2)所示：

(2)

式中：ERCPA(t)为t时刻驾驶员瞳孔面积相对变化强度，无量纲；Smt与Sm(t-1)分别为隧道进出口路段车辆运行状态下t时刻与t-1时刻驾驶员瞳孔面积，mm2；Soi与So(i-1)分别为车辆在非隧道路段且相对于洞口行驶时间大于8 s的行驶状态下i时刻与i-1时刻驾驶员瞳孔面积，mm2；n为所取样本量,本文中n=15，即选取非隧道路段行驶条件下驾驶员连续15 s时间序列的瞳孔面积为样本。

通过计算，得到隧道出入口段连续16 s时间序列下10名驾驶员的ERCPA值随行驶时间变化如图6所示。试验区段行车的全过程中，洞内ERCPA值波动幅度及波动范围显著大于洞外。在隧道入口段，入洞前4～8 s各驾驶员的ERCPA值波动较为平缓，大致在0～3的区间呈现小幅波动； 从入洞前第4 s开始，ERCPA值均呈现急剧上升的趋势，直至入洞后的第4 s开始逐渐在0～5的区间趋稳。同理，出洞前4～8 s各驾驶员的ERCPA值波动较为平缓，从出洞前第4 s开始，ERCPA值均呈现急剧上升的趋势，直至出洞后的第5 s开始逐渐在0～3的区间趋稳。

(a) 隧道入口段

参照瞳孔面积最大瞬态速度值作为突变点视觉震荡的肩峰负荷[6]，瞳孔面积变化速度[5]作为渐变区域的递增负荷。对比这2个指标的整体走势，本文提出的指标RCPA可以同时分别拟合出突变点和渐变区的规律。

为了探究照度与车速耦合效应下对驾驶员瞳孔面积相对变化强度的影响，取10名驾驶员在同一时刻的ERCPA平均值，绘制隧道出入口段驾驶员ERCPA值与照度、速度变化关系如图7所示。

(a) 隧道入口段

入洞前4～8 s，照度、车速与ERCPA值均呈现小范围的上下波动；从第4 s开始至入洞前1 s，光照度与车速同步开始急剧下降，ERCPA值显著上升，在入洞前1 s位置激增并达到峰值，此时照度锐减，车速下降； 从入洞前1 s至入洞后的1 s，照度和车速均持续下降，ERCPA仍然维持高值； 入洞后的1～4 s驾驶员ERCPA值锐减，车速持续上升，照度降至低值； 入洞的4 s后，照度、车速以及ERCPA值的波动幅度变小，至此驾驶员完成“暗适应”过程，逐渐适应了隧道内部的道路交通环境。

同理，出洞前4～8 s，照度、车速与驾驶员ERCPA值均呈现平缓的波动； 从第4 s开始至洞口0时刻，车辆逐渐驶出隧道，光照度明显上升，车速锐减，ERCPA值呈现阶梯式的上升。出洞后，ERCPA在第1 s达到峰值，此时照度激增，车速下降； 出洞后的1～5 s，ERCPA值持续锐减，车速持续上升，直至照度也持续增至户外正常值； 出洞5 s后照度、车速以及驾驶员的ERCPA值趋稳，至此驾驶员完成“明适应”过程，逐渐适应了隧道外部的道路交通环境。

2.2.2 视觉舒适度评价标准的建立

将隧道出入口段驾驶员瞳孔面积相对变化强度划分成若干区间，其频率分布如表1和表2所示，并绘制累计频率曲线如图8所示。

表1 隧道入口段驾驶员瞳孔面积相对变化强度频率分布

表2 隧道出口段驾驶员瞳孔面积相对变化强度频率分布

图8 隧道出入口段驾驶员瞳孔面积相对变化强度累计频率曲线

根据表1、表2和图8，隧道进出口路段驾驶员ERCPA值分布在0～2区间的频率最高，分别为50.00%和52.94%，此时车辆分别行驶于入洞前的3～8 s和出洞后的4～8 s，驾驶员视觉负荷小、舒适性高；ERCPA值分布在2～4区间的频率次之，分别为24.12%和21.76%，此时车辆分别行驶于入洞后和出洞前的2～8 s，视觉负荷增大，舒适性下降； 在入洞前2 s至入洞后1 s以及出洞前1 s至出洞后3 s，ERCPA值大于4； 且在进洞前和出洞后1 s时刻的位置，ERCPA值大于8，此时视觉负荷急剧增大，视觉舒适性加剧劣化。

基于上述分析，驾驶员的ERCPA值与视觉负荷及舒适性具有显著的对应关系，可将ERCPA值作为驾驶员视觉负荷的评价指标，参考被试驾驶员的主观感受，隧道出入口段视觉舒适度评价标准如表3所示。结合ERCPA值累计频率曲线图的“突变点”及斜率变化，将驾驶员ERCPA值85%分位数定义为瞳孔面积变化临界强度，该值可评估瞬时视觉负荷是否接近生理极限，从而实时判别当前所处的险态驾驶级别。计算可得在隧道入口段瞳孔面积变化临界强度为6.108，在出口段该值为5.802，出入口段均值为5.955。瞳孔面积变化临界强度值作为驾驶员生理容忍限度的表征参数，可为隧道出入口段的照明改善设置和洞口遮光棚设计提供参考。

表3 基于瞳孔面积相对变化强度的舒适度评价标准

2.3 驾驶员视觉负荷变化分析

分别绘制各驾驶员在隧道出、入口段瞳孔面积相对变化强度的三维曲面及热点图，如图9—10所示，可以更加直观地量化视觉负荷。在即将驶入洞口和刚刚驶离洞口时，驾驶员的瞳孔面积相对变化强度激增，视觉舒适性极低，视觉负荷很大； 在驶向和离开洞口的过程中，视觉负荷处于渐变累积状态，整体有明显不适感，但处于生理可承受范围。

(a) 隧道入口段驾驶员视觉舒适性三维曲面图

(a) 隧道出口段驾驶员视觉舒适性三维曲面图

3 模型构建

为制定公路隧道出入口段的安全速度和合理照度，应进一步量化RCPA与速度、照度的关系。利用Origin软件，以车速、照度为自变量，驾驶员瞳孔面积相对变化强度为因变量，分别对隧道出入口段的数据进行三维曲面拟合，拟合所用公式为：

z=z0+ax+by+cx2+dy2+ex3+fy3。

(3)

式中：x为车速，km/h；y为环境光照度，lx;z为驾驶员瞳孔面积相对变化强度，无量纲；z0、a、b、c、d、e、f为模型参数。

拟合得到隧道入口段驾驶员瞳孔面积相对变化强度和车速、照度关系模型公式为：

z=-526.806 38+20.756 98x+0.417 22y-0.266 91x2-0.011 02y2+0.001 13x3+4.535 29×10-5y3。

(4)

模型判定系数R2=0.953，拟合所得到的方差分析结果如表4所示，其中，P=1.802×10-5<0.05，模型拟合程度较好。

表4 隧道入口段驾驶员瞳孔面积相对变化强度和车速、照度拟合模型的方差分析

隧道入口段驾驶员瞳孔面积相对变化强度和车速、照度拟合三维曲面如图11所示。随着车辆驶入隧道，照度呈现递减趋势，变化区间为60～44 000 lx； 车速呈现先递减后递增的趋势，变化区间为66～92 km/h； 驾驶员瞳孔面积相对变化强度呈现先递增后递减的趋势。其中，在洞口处照度、车速急剧下降，瞳孔面积相对变化强度大幅度增大。

图11 隧道入口段车速和照度耦合效应下驾驶员瞳孔面积相对变化强度三维拟合曲面

拟合得到隧道出口段驾驶员瞳孔面积相对变化强度和车速、照度关系模型式为：

z=-48.282 79+2.859 44x-0.199 54y-0.047 01x2+0.020 62y2+2.396 72×10-4x3-3.770 58×10-4y3。

(5)

模型判定系数R2=0.885，拟合所得到的方差分析结果如表5所示。其中，P=8.808×10-4<0.05，模型拟合程度较好。

表5 隧道出口段驾驶员瞳孔面积相对变化强度和车速、照度拟合模型的方差分析

隧道出口段驾驶员瞳孔面积相对变化强度和车速、照度拟合三维曲面如图12所示。随着车辆驶入隧道，照度呈现递增趋势，变化区间为80～46 000 lx； 车速呈现先递减后递增的趋势，变化区间为61～89 km/h； 驾驶员瞳孔面积相对变化强度呈现先递增后递减的趋势。其中，在洞口处照度急剧上升，车速急剧下降，瞳孔面积相对变化强度大幅度增大。

图12 隧道出口段车速和照度耦合效应下驾驶员瞳孔面积相对变化强度三维拟合曲面

4 结论与讨论

本文以终南山隧道柞水—西安方向的出入口为主要试验路段，在综合分析隧道进出口段驾驶员瞳孔变化特性的基础上，得到如下结论：

1)隧道进出口段具有明显的“黑白洞效应”，车辆临近隧道，驾驶员瞳孔面积呈现显著上升趋势； 驶出隧道，瞳孔面积呈现显著下降的趋势。在白天晴朗环境下，隧道出入口位置视觉震荡明显，视觉舒适性极差。

2)首次提出了瞳孔面积相对变化强度的概念，建立了视觉舒适度评价标准，可以较好地体现出隧道出入口段视觉负荷渐变累积和急剧震荡的规律； 根据驾驶员瞳孔面积变化强度累计频率曲线图的“突变点”及斜率变化，将瞳孔面积变化强度85%分位数界定为瞳孔面积变化临界强度，可用于评估瞬时视觉负荷是否接近生理极限。

3)照度、速度均与驾驶员的视觉舒适性呈强相关性。通过建立瞳孔面积相对变化强度关于车速和照度的三维数学模型，量化了照度、速度与视觉负荷的关系。根据瞳孔面积相对变化强度的合理变化范围，可用于确定隧道出入口段合理的行车速度和照度阈值。

在今后的研究过程中，应进一步扩大驾驶员样本量，选取更多类型的隧道案例，考虑不同的天气、时间状况、光照强度及方向； 搭建隧道环境的3DMAX场景，进行实验室模拟驾驶(目前已经具备试验条件)，以避免视觉震荡时在险情状态下实驾； 后续研究还将进一步将照度和速度数据根据区间细分，根据照度与速度区间分段建立模型，以确保模型与实际情况之间的吻合度，提升其适用范围。