王琳虹，李世武，周茹波，楊志發(fā)，冀秉魁，姚雪萍

（吉林大學(xué) 交通學(xué)院，長春 130022）

在車輛高速運(yùn)行的高速公路系統(tǒng)中，駕駛員長時間被動接受高速公路路側(cè)景觀的色彩、連續(xù)性、亮度及圖案變化所施加的影響，易導(dǎo)致注意力、反應(yīng)速度等發(fā)生變化，進(jìn)而影響駕駛員的疲勞程度［1］。而駕駛員疲勞程度可以通過腦電、心電以及心率等生理指標(biāo)進(jìn)行表達(dá)。研究路側(cè)景觀對駕駛員生理指標(biāo)的影響規(guī)律對于科學(xué)合理地設(shè)計(jì)路側(cè)景觀具有重要意義。

目前道路景觀與駕駛員生理特性關(guān)系方面的研究成果較少。王建軍等［1］在分析駕駛員視覺、心理特性的基礎(chǔ)上，考慮公路景觀的視覺效果、公路線形的協(xié)調(diào)性等，確定了公路景觀小區(qū)的合理間距、路側(cè)結(jié)構(gòu)物空間尺度的大小及其與路邊的合理距離。郭根勝等［2］通過行車試驗(yàn)，分析了林區(qū)道路平曲線半徑大小對駕駛員心率指標(biāo)如MRR（RR間期的均值）、SDNN（RR間期標(biāo)準(zhǔn)差）、RMSSD（相鄰 RR間期差值的均方根）、SDNN50（相鄰RR間期差值＞50ms的心搏數(shù)占RR間期總數(shù)的百分比）以及HRVI（心率變異指數(shù)）的影響，結(jié)果表明：駕駛員在林區(qū)平曲線半徑較小的道路上駕駛時，心跳速度加快，容易緊張，交感神經(jīng)活性增加幅度較大。李香紅等［3］檢驗(yàn)了不同公路景觀路段駕駛員心率與行駛速度、行駛時間的相關(guān)性，結(jié)果表明駕駛員在相同實(shí)驗(yàn)條件下，不同景觀路段的生理指標(biāo)存在差異。而查找國外文獻(xiàn)沒有發(fā)現(xiàn)這方面的研究。

綜上，目前國內(nèi)學(xué)者多是研究公路景觀距離、彎道半徑等對駕駛員生理的影響，而沒有從景觀本身的特性如色彩、連續(xù)性方面進(jìn)行研究。因此，本文選擇高速公路路側(cè)景觀色彩作為研究對象，通過實(shí)車實(shí)驗(yàn)采集駕駛員生理指標(biāo)中的心率均值指標(biāo)，建立景觀色彩、駕駛時間與駕駛員心率均值的關(guān)系模型，分析景觀色彩對駕駛員生理指標(biāo)的影響機(jī)理；為后續(xù)研究路側(cè)景觀色彩與駕駛員疲勞程度的關(guān)系、科學(xué)設(shè)計(jì)路側(cè)景觀等奠定基礎(chǔ)。

1 實(shí)車道路實(shí)驗(yàn)與數(shù)據(jù)預(yù)處理

1.1 實(shí)驗(yàn)設(shè)計(jì)

為了獲取不同色彩的路側(cè)景觀，課題組于2010年10月和2011年7月分別進(jìn)行為期三天的道路實(shí)驗(yàn)，采集黃色系和綠色系的道路景觀，如圖1所示。每次實(shí)驗(yàn)選擇15名駕駛員（男12人，女3人），年齡在30～45歲之間，駕齡均為3年以上；要求駕駛員在實(shí)驗(yàn)前一天具有充足的睡眠、精神狀態(tài)良好，不可飲酒、咖啡及服用藥物等，以免對其生理指標(biāo)產(chǎn)生影響。每天的實(shí)驗(yàn)時間為8∶00－18∶00。實(shí)驗(yàn)時沿途保持車內(nèi)安靜。駕駛員可根據(jù)自身的狀況進(jìn)行適當(dāng)?shù)男菹ⅰ?/p>

采用美國Biopac公司的MP10016導(dǎo)生理記錄儀對駕駛員的生理指標(biāo)進(jìn)行采集。為了獲取路側(cè)景觀色彩，在駕駛艙放置錄像機(jī)，連續(xù)錄制路側(cè)景觀視頻；為了便于后期的景觀色彩提取，錄像時將擋風(fēng)玻璃的邊緣及道路標(biāo)線排除在外，具體的實(shí)驗(yàn)情況及相機(jī)擺放如圖2所示。

圖1 實(shí)驗(yàn)過程中的代表性路側(cè)景觀色彩Fig.1 Typical roadside landscape colors

駕駛員疲勞等級的變化主要受駕駛負(fù)荷、駕駛時間以及路側(cè)景觀三方面的影響，由于長延高速公路車流量非常小，車間距較大，道路上運(yùn)行的其他車輛對駕駛員干擾較小。且道路線形相對較簡單，無半徑過小的彎道和長下坡，所以駕駛負(fù)荷因素可以忽略不計(jì)。根據(jù)經(jīng)驗(yàn)可知，駕駛時間長短對駕駛員疲勞程度有較大的影響；而且路側(cè)景觀一般連續(xù)性較好，只會在長時間尺度內(nèi)對駕駛員生理、心理產(chǎn)生累積性影響。只有將路側(cè)景觀與駕駛時間結(jié)合起來研究，才能揭示駕駛員生理特性的變化機(jī)理。因此，本文將建立路側(cè)景觀色彩、駕駛時間與駕駛員生理指標(biāo)的關(guān)系模型，研究二者聯(lián)合作用下的駕駛疲勞變化規(guī)律。

1.2 數(shù)據(jù)預(yù)處理

圖2 實(shí)車實(shí)驗(yàn)裝置以及生理指標(biāo)變化圖Fig.2 Vehicular experimental device and plot of psychological index

駕駛員生理指標(biāo)的采集頻率為1000Hz，如果對每一組生理指標(biāo)數(shù)據(jù)都進(jìn)行處理將會產(chǎn)生較大數(shù)據(jù)量；此外，錄制的景觀視頻速率為30幀／s，為了能夠?qū)⑸碇笜?biāo)與路側(cè)景觀色彩對應(yīng)起來，每秒鐘處理的生理指標(biāo)數(shù)據(jù)需小于等于30組。實(shí)際上，駕駛時間、路側(cè)景觀色彩均是緩慢地對駕駛員產(chǎn)生影響，幾秒鐘時間內(nèi)駕駛員生理指標(biāo)不會發(fā)生較大變化。因此，在充分考慮駕駛員生理指標(biāo)變化特點(diǎn)的基礎(chǔ)上，為減少數(shù)據(jù)處理量，本文選擇以30s作為數(shù)據(jù)提取單元，即每隔30s提取一組視頻圖像和生理指標(biāo)數(shù)據(jù)。

視頻圖像處理：首先利用視頻轉(zhuǎn)換軟件WinAVI Video Converter 9.0將視頻轉(zhuǎn)換為Cinepak壓縮格式，然后每隔900幀即30s提取一張圖片（視頻的幀速率為30幀／s）；利用紋理分析方法提取出路側(cè)景觀，并基于K－mean聚類分析提取出每幅圖片的RGB色彩值矩陣，作為該30s內(nèi)路側(cè)景觀色彩的代表［4］。景觀色彩值C＝（65536×B）＋（256×G）＋（R），其中 R、G、B分別表示紅、綠、藍(lán)三個通道的顏色值［5］。

生理數(shù)據(jù)處理：駕駛員的疲勞程度與機(jī)體的喚醒水平密切相關(guān)［6］，因此心電可以在一定程度上反映駕駛員的疲勞程度。心率隨著工作負(fù)荷的變化而變化，可反應(yīng)作業(yè)強(qiáng)度及心理生理負(fù)擔(dān)程度。因此本文選擇心率均值來表征駕駛員的生理特性。每30s提取一次數(shù)據(jù)，共計(jì)提取出2000組心電數(shù)據(jù)，利用Biopac軟件分析模塊對提取出的駕駛員生理指標(biāo)數(shù)據(jù)進(jìn)行分析，得出心率均值。處理后的部分?jǐn)?shù)據(jù)如表1所示。

表1 部分路側(cè)景觀色彩與駕駛員心率均值數(shù)據(jù)Table 1 Part of landscape color and mean heart rate（MHR）data

2 基于趨勢面分析的建模

為了擬合駕駛時間、路側(cè)景觀色彩與駕駛員心率均值的關(guān)系，首先在Matlab中繪制三者之間的關(guān)系散點(diǎn)圖如圖3所示，再根據(jù)散點(diǎn)圖的變化趨勢選擇合適的擬合模型。

由圖3可以看出散點(diǎn)的分布幾乎近于一個平面，因此本文嘗試?yán)泌厔菝娣治龇椒▽?shí)驗(yàn)數(shù)據(jù)進(jìn)行回歸擬合。趨勢面分析方法是擬合數(shù)學(xué)面的一種統(tǒng)計(jì)分析方法，它通過回歸分析原理，運(yùn)用最小二乘法，擬合一個二維非線性函數(shù)，是利用數(shù)學(xué)曲面模擬某種系統(tǒng)要素在空間上的分布及變化趨勢的一種數(shù)學(xué)方法。

圖3 駕駛時間、景觀色彩值及心率均值關(guān)系散點(diǎn)圖Fig.3 Scatter diagram among drive time，landscape color and mean heart rate

2.1 趨勢面擬合步驟

（1）趨勢面分析公式［7］

設(shè)已知觀測數(shù)據(jù)為zi、xi、yi（i＝1，2，…，n），通常用回歸分析的方法求出z的回歸方程為

使得下式最小：

這就是在最小二乘意義下的曲面擬合問題，即趨勢面分析方法。趨勢面分析方法擬合公式為

式中：n代表方程的階數(shù)；a0、ai、bi為待擬合系數(shù)。

最小二乘法給出了多項(xiàng)式系數(shù)的最佳線性無偏估計(jì)值，這些估計(jì)值使殘差平方和達(dá)到最小。所以，回歸擬合就是根據(jù)觀測值zi、xi、yi（i＝1，2，…，n），確定多項(xiàng)式的系數(shù)a0、ai、bi使殘差平方和最小。

（2）趨勢面分析方法擬合適度的R2檢驗(yàn)

趨勢面分析方法擬合程度與回歸模型的精度直接相關(guān)，因此，對趨勢面分析方法進(jìn)行適度性檢驗(yàn)關(guān)系到趨勢面能否在實(shí)際研究中進(jìn)行應(yīng)用，是趨勢面分析方法中不可缺少的重要環(huán)節(jié)。

（3）趨勢面擬合適度的顯著性F檢驗(yàn)

趨勢面適度的F檢驗(yàn)是對趨勢面回歸模型整體的顯著性檢驗(yàn)，方法是利用變量z的總離差平方和中剩余平方和與回歸平方和的比值，確定變量z與自變量x、y之間的回歸關(guān)系是否顯著。只有當(dāng)R2檢驗(yàn)以及F檢驗(yàn)全部通過之后，回歸方程才能夠進(jìn)行應(yīng)用。

2.2 建模及模型驗(yàn)證

2.2.1 模型參數(shù)的選擇

本文選擇高速公路路側(cè)景觀的色彩值及駕駛時間作為自變量，而駕駛員的心率均值作為因變量建立路側(cè)景觀、駕駛時間對駕駛員心率均值影響關(guān)系模型。

2.2.2 模型建立

經(jīng)觀察表1中數(shù)據(jù)發(fā)現(xiàn)，各變量間的數(shù)量級差別較大，導(dǎo)致數(shù)據(jù)擬合的過程中存在較多問題，如計(jì)算復(fù)雜和回歸時間長等。因此，按照下式對數(shù)據(jù)進(jìn)行歸一化處理。

式中：xi為第i組樣本變量值。

式（2）中階數(shù)n決定趨勢面的位置，而合適的趨勢面位置可有效地表達(dá)因變量隨自變量的變化趨勢。最佳的n值會使模型擬合精度最高且能通過模型檢驗(yàn)，因此本文選擇試算法，依次增大n值，觀察擬合模型的精度，同時判別該模型是否能夠通過檢驗(yàn)。

2.2.3 模型檢驗(yàn)

（1）相關(guān)檢驗(yàn)

將z的總離差平方和分解為兩部分［8］：

式中：SSR為回歸平方和，它體現(xiàn)了所有自變量對因變量變差的總影響；SSD為剩余平方和，它體現(xiàn)了其他隨機(jī)因素對z變差的影響。

趨勢面與實(shí)際面的擬合度系數(shù)R2是測定回歸模型擬合優(yōu)度的重要指標(biāo)。一般用變量z的總離差平方和中回歸平方和所占的比重表示回歸模型的擬合優(yōu)度。SSR所占比重越大表示z與自變量的線性關(guān)系越密切，回歸的效果越好。

經(jīng)計(jì)算得出不同階數(shù)n對應(yīng)的模型相關(guān)系數(shù)和F檢驗(yàn)值，如表2所示。

通過表2可以看出，當(dāng)階數(shù)等于7時，R2等于0.834，此時相關(guān)系數(shù)R等于0.9132，表明擬合方程的相關(guān)系數(shù)較高。求解回歸系數(shù)的過程中發(fā)現(xiàn)，隨著函數(shù)的最高次數(shù)增加，相關(guān)系數(shù)逐漸增大，擬合效果較好；但隨著函數(shù)階數(shù)的增加，計(jì)算量也會成指數(shù)上升，故本文將階數(shù)最大值設(shè)為7，此時模型精度已經(jīng)能夠滿足要求。

表2 不同階數(shù)擬合方程的相關(guān)指標(biāo)Table 2 R2 and Ftest value corresponding to different order

（2）F 檢驗(yàn)

選擇顯著性水平0.05，當(dāng)階數(shù)等于7時擬合函數(shù)的自由度為35，查表得F（35，∞）＝1.46。而由表2可知此時F值為10.0334，大于F臨界值，表明擬合方程通過F檢驗(yàn)。

綜上，可以判斷三元7次方程可有效地表達(dá)駕駛員心率均值與高速公路路側(cè)景觀色彩值及駕駛時間的關(guān)系。

式中：x為駕駛時間；y為景觀色彩值。

由于回歸函數(shù)是根據(jù)歸一化處理之后的數(shù)據(jù)進(jìn)行回歸分析得到的，因此x、y為無量綱化變量。

2.3 結(jié)果分析

根據(jù)式（7）繪制駕駛員心率均值與駕駛時間、景觀色彩值之間的關(guān)系圖如圖4所示。由趨勢面圖得知，隨著駕駛時間的增加，心率均值逐漸上升，即心跳加速，導(dǎo)致交感神經(jīng)的增幅變大，易產(chǎn)生疲勞。

圖4 駕駛員心率均值與駕駛時間、路側(cè)景觀色彩之間的趨勢面圖Fig.4 Trend surface among MHR，drive time and roadside landscape color

隨著路側(cè)景觀色彩值的增加（即顏色越加明亮），駕駛員的心率均值降低，其交感神經(jīng)的增幅變小，不易產(chǎn)生疲勞，這與色彩心理學(xué)方面的理論分析結(jié)果相同?？紤]路側(cè)景觀的實(shí)際情況，色彩明亮的景觀包括夏季綠色的植被、秋季橘黃色的樹葉等，駕駛員對這些具有明亮顏色的景觀相對比較興奮，具有緩解疲勞的作用；而色彩較暗的景觀如邊坡暴露出的泥土顏色（即土黃色），駕駛員對這些具有灰暗顏色的景觀的關(guān)注度明顯不高，也比較容易進(jìn)入麻木狀態(tài)，進(jìn)而會導(dǎo)致疲勞。

需要考慮的特殊情況是灰色景觀，灰色雖然較綠色或者橘黃色的色彩值大，但是在數(shù)據(jù)分析中可發(fā)現(xiàn)其心率均值依然較大。分析其原因，可能是高速公路路側(cè)灰色的景觀是由邊坡的灰色水泥構(gòu)成，這種路側(cè)景觀會導(dǎo)致駕駛員產(chǎn)生緊張感；因?yàn)槠鸱€(wěn)固泥土作用的水泥邊坡在交通事故發(fā)生時與車輛的碰撞為剛性碰撞，會令駕駛員格外小心，進(jìn)而導(dǎo)致心率的加快，使其有緊張感。

3 敏感性分析

3.1 敏感性分析概述

為了研究駕駛員心率均值對路側(cè)景觀色彩、駕駛時間的敏感程度，對模型進(jìn)行敏感性分析。敏感性分析包括單因素敏感性分析和多因素敏感性分析。單因素與多因素敏感性分析的區(qū)別在于是否考慮各參數(shù)之間的相互作用，因?yàn)楸疚闹袃蓚€影響因素（駕駛時間與路側(cè)景觀色彩值）之間無任何作用關(guān)系，因此選擇單因素敏感性分析。

3.2 單因素敏感性分析

敏感度系數(shù)是在影響因素作用下目標(biāo)值變化百分比與該影響因素變化百分比的比值。敏感度系數(shù)高表示駕駛員心率均值對該因素敏感程度高，反之敏感程度低。本文中敏感度系數(shù)計(jì)算公式如下：

式中：E為駕駛員心率均值對于影響因素F（駕駛時間或景觀色彩）的敏感度系數(shù)；ΔH為F發(fā)生變化時，駕駛員心率均值的相應(yīng)變化率（%）；ΔF為影響因素F的變化率（%）。

E＞0表示評價指標(biāo)與不確定因素同方向變化；E＜0表示評價指標(biāo)與不確定因素反方向變化［9］。

文中所建模型涉及到兩個影響因素，在做敏感性分析時需要固定一個因素，改變另一個因素的幅度，如表3、表4所示。

表3 景觀色彩值對駕駛員心率均值的敏感性Table 3 Sensitive analysis of roadside landscape color to MHR

表4 駕駛時間對駕駛員心率均值的敏感性Table 4 Sensitive analysis of drive time to MHR

根據(jù)表3、表4可看出景觀色彩值與駕駛員心率均值成負(fù)相關(guān)；駕駛時間與駕駛員心率均值同方向成正相關(guān)。與趨勢面圖中MHR隨駕駛時間及色彩值的變化趨勢相同。將駕駛時間與景觀色彩值對MHR的敏感度系數(shù)絕對值進(jìn)行繪圖比較，如圖5所示。

從圖5可以看出，駕駛時間對MHR的敏感度明顯高于景觀色彩值對MHR的敏感度。實(shí)際中駕駛員的疲勞程度主要取決于其駕駛時間的長短，而受周邊環(huán)境的影響程度相對較小，但是也可以看出景觀色彩值對駕駛員心率均值具有一定程度的影響。

圖5 駕駛時間－景觀色彩對MHR敏感度系數(shù)絕對值比較Fig.5 Comparison of sensitive coefficients of lanscape color and drive time to MHR

4 結(jié)束語

研究結(jié)果表明：色彩均值與駕駛員心率成負(fù)相關(guān)，即隨著色彩亮度的增加疲勞程度逐步緩解；駕駛時間與心率均值成正相關(guān)，即駕駛時間越長，心率均值越大，駕駛員傾向于疲勞；并且駕駛員心率均值對駕駛時間的敏感程度要高于其對路側(cè)景觀色彩均值的敏感程度。

［1］王建軍，賴友兵，王婷靜.基于駕駛?cè)艘曈X心理特性的高等級公路景觀分析［J］.城市交通，2006，4（5）：73－77.Wang Jian－jun，Lai You－bing， Wang Ting－jing.Highway roadside landscaping based on driver＇s visual and psychological characteristics［J］.Urban Transport of China，2006，4（5）：73－77.

［2］郭根勝，朱守林，楊文光.林區(qū)道路平曲線半徑對駕駛員生理疲勞影響研究［J］.內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（4）：177－181.Guo Gen－sheng，Zhu Shou－lin，Yang Wen－guang.Forest road plane curve radius to pilot physiology weary influence research［J］.Journal of Inner Mongolia Agricultural University （Natural Science Edition），2010，31（4）：177－181.

［3］李香紅，朱守林，戚春華.基于不同公路景觀環(huán)境的駕駛員生理反應(yīng)實(shí)驗(yàn)研究［J］.內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（4）：172－176.Li Xiang－h(huán)ong，Zhu Shou－lin，Qi Chun－h(huán)ua.Experiment research on influence about the different road environment on drivers＇physiology reaction［J］.Journal of Inner Mongolia Agricultural University，2010，31（4）：172－176.

［4］李世武，王琳虹，楊志發(fā)，等.高速公路路側(cè)景觀量化方法［J］.吉林大學(xué)學(xué)報(bào)：工學(xué)版，2011，41（4）：957－962.Li Shi－wu，Wang Lin－h(huán)ong，Yang Zhi－fa，et al.Feature quantification method for freeway roadside landscape［J］.Journal of Jilin University （Engineering and Technology Edition），2011，41（4）：957－962.

［5］何韻旺.色彩基礎(chǔ)［M］.北京：北京理工大學(xué)出版社，2009：35－47.

［6］劉靈.心率變異性在汽車司機(jī)駕駛疲勞監(jiān)測中的應(yīng)用研究［D］.重慶：重慶大學(xué)生物工程學(xué)院，2007.Liu Ling.Study on application of heat rate variability in vehicle driver fatigue detecting ［D］.Chongqing：Chongqing University，College of Biological Engineering，2007.

［7］傅德印，張旭東.EXCEL與多元統(tǒng)計(jì)分析［M］.北京：中國統(tǒng)計(jì)出版社，2007：190－243.

［8］賈俊平，何曉群，金勇進(jìn).統(tǒng)計(jì)學(xué)［M］.北京：中國人民大學(xué)出版社，2000：126－144.

［9］秦偉，朱守林，戚春華.草原公路駕駛室噪聲與駕駛員心率變異指標(biāo)敏感性研究［J］.內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，32（3）：246－249.Qin Wei，Zhu Shou－lin，Qi Chun－h(huán)ua.The research about prairie road cab noise environment and sensitivity of driver heart rate variability［J］.Journal of Inner Mongolia Agricultural University（Natural Science Edition），2011，32（3）：246－249.