董永杰 陳雨人

（1.同濟大學交通運輸工程學院 上海 201804；2.同濟大學道路交通安全與環(huán)境教育部工程研究中心 上海 201804）

0 引言

近年來，隨著科技的進步，對道路交通環(huán)境的評價不再局限于道路本身，而是逐漸轉(zhuǎn)移到駕駛?cè)诵袨樯蟻?，其中，駕駛?cè)说囊曈X特性無疑占有重要地位，相關研究證實了駕駛?cè)烁兄男畔⒅饕獊碜杂谕饨缫曈X環(huán)境，道路視覺環(huán)境對駕駛?cè)说臎Q策有很大影響［1］。對此，國內(nèi)外學者已取得了許多成果。H.Cai，Y.Lin等［2］通過虛擬環(huán)境中的模擬駕駛實驗測試了12名駕駛?cè)说囊曈X行為和精神壓力，發(fā)現(xiàn)道路交通信息設置的位置不恰當，對駕駛?cè)说囊曈X行為和精神壓力有重大影響，不恰當位置的信息反應效率較低且對駕駛?cè)嗽斐筛蟮膲毫?，M.A.Brackstone等［3］將駕駛?cè)艘曇捌矫鎰澐譃樯?、下、左、右、?個區(qū)域，通過實車實驗表明，行車過程中駕駛?cè)?0%注視前方區(qū)域。T.W.Victor，J.Engstr m［4－5］發(fā)現(xiàn)隨著視覺負荷復雜程度的提高，駕駛?cè)擞^看道路中心前方的時間逐漸減少，看顯示器時間逐漸增多。信息負荷不僅對駕駛?cè)松硇盘栍杏绊?，還會對駕駛?cè)嗽u估自己的駕駛性能產(chǎn)生障礙。潘曉東等［6］從駕駛?cè)说囊曈X角度出發(fā)，分析了道路視覺環(huán)境對駕駛?cè)诵睦?、行為及安全行車的影響；提出在道路設計與改造中應充分考慮駕駛?cè)艘曈X特征與道路視覺環(huán)境對駕駛?cè)说挠绊?，為駕駛?cè)颂峁?種宜人的道路環(huán)境，以利于安全行車。張強等［7］對道路交通設施的色彩顏色作用于駕駛?cè)说男睦碛绊戇M行了分析，并將其成果運用于交通標志、路面顏色等設施的改善，周孝波［8］對現(xiàn)有彎道處車輛轉(zhuǎn)向誘導方法進行對比分析，然后對駕駛員在直線段和彎道處的注意力分布做了相關研究，為改善車道邊緣線控制車速的應用提供了理論支持，陳雨人［9］通過實車實驗進行不同道路環(huán)境系統(tǒng)中車輛運行特征和駕駛?cè)艘曈X信息負荷的對比研究，深入研究了地下道路視覺環(huán)境影響駕駛員視覺信息負荷的機理。孫瀟昊通過對光線可能導致道路視覺產(chǎn)生錯覺的具體實例進行分析，提出利用三維立體標線來解決道路錯覺問題［10］。

綜上所述，國內(nèi)外已有許多學者應用駕駛?cè)艘曈X與道路視覺環(huán)境對道路進行評價與改造。相對于公路而言，城市道路更為復雜，其道路視覺環(huán)境包含的信息量也較大，駕駛?cè)酥醒胍曇昂椭苓呉曇暗膮^(qū)分不夠準確，筆者在此基礎上進一步對城市道路視覺環(huán)境進行劃分，建立視覺層級模型，并對各層級模型的信息量分別量化，得出視覺信息量計算模型，建立基于視覺信息量計算的城市道路交通環(huán)境評價方法。

1 駕駛?cè)诵畔⑿枨蠓治?/h2>

1.1 信息需求層次模型

美國心理學家馬斯洛將人的需求分為5個層次，建立了“需求層次理論”，從需求出發(fā)來研究人的行為。駕駛?cè)嗽谛熊囘^程中對環(huán)境信息的需求也屬于人的需求行為，這里可以使用“需求層次理論”，建立道路環(huán)境信息需求的層次模型。

與馬斯洛的需求層次理論相對應，駕駛?cè)藢Φ缆沸畔⒌男枨笠泊嬖谟傻偷礁叩膶哟畏植紶顟B(tài)，見圖1。首先，道路的基本功能是交通運輸?shù)妮d體，因此駕駛?cè)藢Φ缆沸畔⒌幕拘枨鬄橥ㄟ_需求；當滿足通達的基本需求后，則是安全需求；然后是更高一層的舒適性需求；最后是景觀需求。

與馬斯洛理論相似，駕駛?cè)诵畔⑿枨笥傻偷礁叻譃橥ㄟ_需求、安全需求、舒適需求和美觀需求4個層，但是其信息需求不是完全按照該層次逐級遞增的。很多時候不同層次需求是并存的，如駕駛?cè)丝赡茉谧非笸ㄟ_需求時，同時也關心安全需求。在多種需求同時存在時，駕駛?cè)藭鶕?jù)實際所處的環(huán)境情況和自身狀態(tài)優(yōu)先滿足最迫切的需求后再關注其他需求。

1.2 視覺層級模型

很多研究已經(jīng)表明，駕駛?cè)藢Φ缆翻h(huán)境信息的獲取主要通過視覺，即對駕駛?cè)诵畔⑿枨蟮臐M足主要通過視覺信息來提供。在城市道路中，駕駛?cè)送ㄟ^眼球運動觀察道路環(huán)境獲得道路視覺環(huán)境信息。在信息獲取過程中，由內(nèi)在的選擇性注意機制控制按照當前的信息需求選擇能夠滿足需求的信息進行注意，并對其加工形成有效認知。

根據(jù)前面提到的需求層次模型，結(jié)合城市道路的復雜性，將道路視覺環(huán)境分為意義性視覺環(huán)境層、運動性視覺環(huán)境層、物理性視覺環(huán)境層和景觀性視覺環(huán)境層。分別與行駛過程中的各種需求相對應，見圖1。

圖1 信息需求層次模型Fig.1 Hierarchical model of information needs

各視覺環(huán)境層可以提供不同的信息以滿足駕駛?cè)瞬煌瑢哟蔚男畔⑿枨蟆?/p>

其中，各層級具體意義（見圖2）：“意義層”包含視覺信息中具有指示含義的標志和標線等內(nèi)容，“運動層”則包含在視野中相對運動的對象，如車輛和行人等，“物理層”包含連續(xù)的道路路面、中央分隔帶和隔離帶等道路交通設施，“景觀層”則包含剩下的背景信息，比如，樹木，綠化和天空，等等。為了量化各層級信息，還對圖像進行了柵格化處理。

圖2 駕駛?cè)艘曈X層級模型Fig.2 Driver′s visual model of road scene

2 城市道路視覺環(huán)境信息量分析

通過駕駛?cè)艘曈X層級模型，對視覺圖像進行分析提出基于信息量的城市道路視覺環(huán)境計算方法。

2.1 道路視覺環(huán)境信息量計算模型

駕駛?cè)嗽谛熊囘^程中通過動態(tài)視覺來感知交通環(huán)境信息，行車過程中駕駛?cè)藭ㄟ^1個動態(tài)視錐臺來獲取道路交通的環(huán)境信息，有1個視線集中點，根據(jù)人眼的生理特性，存在中央視野和周邊視野的情況，而且隨著速度提高，注意力逐步提高，注視點逐漸后退，而視野逐漸變小。人的中央視野范圍在22°～100°之間，隨速度增加而逐漸減少。

在城市道路視覺環(huán)境中，不僅需要找出中央視野和周邊視野，由于各視覺環(huán)境層提供的信息含義不同，其包含的信息量也各不相同。對于同在城市道路視覺環(huán)境中，不僅需要找出中央視野和周邊視野，由于各視覺環(huán)境層提供的信息含義不同，其包含的信息量也各不相同。對于同一視覺環(huán)境層而言，其信息量的大小與該層的面積、信息停留時間和單位面積信息強度有關。因此，本文針對道路視覺圖像建立信息計算模型，見式（1）。

圖3 中央視野與周邊視野Fig.3 Central vision and peripheral vision

式中：I為某一時刻的道路視覺環(huán)境信息總量；Ic為中央視野的信息量；Ip為周邊視野的信息量；Li為道路各視覺環(huán)境層的單位面積（視覺層像素面積）信息強度；Aci、Api分別為道路視覺環(huán)境各層在中央視野和周邊視野內(nèi)所占的面積；t為道路視覺圖像在駕駛?cè)搜壑型Ａ舻臅r間，s；i為道路環(huán)境中的各個視覺環(huán)境層，其取值為1～4，1表示意義性視覺環(huán)境層、2表示運動性視覺環(huán)境層、3表示物理性視覺環(huán)境層、4表示景觀性視覺環(huán)境層；α為周邊視野信息強度系數(shù)。

2.2 模型參數(shù)確定

2.2.1 單位面積信息強度Li

在道路視覺環(huán)境中，由于各層級物體的含義不同，相同面積的不同物體所能提供的信息量是不同的。本文中單位面積信息強度是指道路視覺環(huán)境中各層級物體對人視覺注意及認知的影響程度的大小，是1個權(quán)重值，所有視覺環(huán)境層的信息強度總量定為1。

對駕駛?cè)硕?，滿足其駕駛信息需求最為根本，因此，越是能滿足駕駛?cè)诵枨蟮男畔⒃绞侵匾?，其信息強度也就越大。結(jié)合駕駛?cè)诵畔⑿枨髮哟卫碚摷芭c道路視覺層次的對應關系，遵照越低層次的需求越是迫切需要優(yōu)先滿足的原則，定義道路各視覺環(huán)境層的重要度值見表1。

表1 道路各視覺環(huán)境層重要度Tab.1 Road importance of each layer of the visual environment

當人注視在某一點上時，其視覺將會對視覺畫面中的信息做出反應，產(chǎn)生注意和認知，即，視覺的信息強度主要反映在人眼的注視指標上。因此，通過對駕駛?cè)俗⒁曋笜诉M行分析，就能得出單位面積信息強度Li。

結(jié)合以往研究道路各視覺環(huán)境層的平均掃視時間，得出的各層單位面積信息強度判斷矩陣，見表2。

表2 單位面積信息強度判斷矩陣Tab.2 Judgment matrix of information intensity per unit area

最終得出單位面積信息強度Li的值。

2.2.2 畫面停留時間T

道路圖像中的信息在駕駛?cè)搜壑械耐Ａ魰r間T與車輛的行駛速度相關。駕駛?cè)嗽谛熊囘^程中對外界環(huán)境的感知是在動態(tài)且連續(xù)的，因此環(huán)境畫面在眼中的停留時間都會隨車速的變化而發(fā)生變化，變化關系見表3。隨著行駛速度的提高，畫面的停留時間會逐漸減少。

表3 駕駛?cè)藙討B(tài)視覺與車速的關系Tab.3 Relations between the speed and driver′s dynamic vision

根據(jù)《城市道路設計規(guī)范》中對城市道路計算行車速度的規(guī)定，各類各級道路行車速度見表4。

表4 各類各級道路計算行車速度Tab.4 Various types of road traffic speed

由此可見，在城市道路中車輛行車速度的變化范圍為20～80km／h，對應的視覺畫面在人眼中的停留時間變化范圍為9～18s。在計算中，根據(jù)實際行車速度計算畫面停留時間，當速度小于40km／h 時，取最大值18s。當速度大于40 km／h時，則按畫面停留時間與速度的數(shù)學關系計算得到。根據(jù)表3速度與畫面停留時間的對應數(shù)值進行回歸，得到計算公式（2）。

式中：v為車輛行駛速度，km／h。

2.2.3 各道路視覺環(huán)境層面積Aci、Api

對道路各視覺環(huán)境層面積的計算可以通過對視頻圖像的計算處理獲得。根據(jù)中央視野與周邊視野，以及視覺層級模型，可以結(jié)合行駛速度確定中央視野范圍的大?。ㄒ姳?），進而分別得出中央視野和周邊視野各層級的像素面積，軟件處理界面見圖4。

圖4 道路視覺環(huán)境層面積計算界面Fig.4 alculate interface of road visual environment

表5 行駛速度、視野范圍和可視距離Tab.5 Moving speed，field of view and visual distance

2.2.4 周邊視野信息強度系數(shù)α確定

周邊視野信息強度系數(shù)α指當假設中央視野信息強度為1時，周邊視野信息強度相對于中央視野的權(quán)重，可以由駕駛?cè)说膾咭曋笜舜_定。

對人的視覺特性研究發(fā)現(xiàn)，人眼的注意力集中在中央25%的區(qū)域。越靠近中間的區(qū)域注意力權(quán)重越大，也就是說這個區(qū)域的特征信息越重要，越容易引起人的注意［11］。同樣地，駕駛?cè)嗽谝曈X注意過程中，對中央視野和周邊視野的注意程度也不同，即中央視野和周邊視野的信息對駕駛?cè)艘曈X注意的影響不同。越是靠近視點的信息越容易被感知，反之則容易被忽略。根據(jù)以往研究，周邊視野信息強度系數(shù)α取值0.156。故城市道路信息量計算模型可以由式3表示。

式中：L1＝0.489 6，L2＝0.282 6，L3＝0.151 9，L4＝0.075 9。

3 城市道路交通視覺環(huán)境評價

3.1 道路環(huán)境視覺信息量與速度的關系

得出城市道路信息量計算模型后，任意給出1張駕駛?cè)艘曈X圖像就可以計算出道路環(huán)境視覺信息量。為此進行了實車實驗：駕駛1輛裝有行車記錄儀的車輛在城市道路中正常行駛，行車記錄儀可以讀取每秒車輛速度，加速度等數(shù)據(jù)。

任意選取1段連續(xù)的（間隔5s，共87幅）城市道路中駕駛?cè)艘曈X圖像，計算道路環(huán)境視覺信息量，以及這87幅圖像對應的點速度。數(shù)據(jù)分布見圖5、圖6。

圖5 速度與信息量對應連續(xù)變化圖Fig.5 Speed corresponding to the continuous change of the amount of information

圖6 速度與信息量之間的關系Fig.6 Relationship between speed and the amount of information

速度與信息量之間的關系圖顯示，速度與信息量之間呈較好的冪函數(shù)關系，對應的關系式為式（4），此時R2為0.935 6。

分析速度與信息量關系圖，可以得出如下結(jié)論。

1）速度隨信息量的增大而減小，且減小趨勢越來越緩慢。信息量大，駕駛?cè)诵枰幚硇畔⒌臅r間越長，所以速度就慢，圖6中速度較低，信息量較大的2點為接近交叉口區(qū)域時的圖像，駕駛?cè)说玫降男畔⒘枯^大，尤其是意義層信息量，如紅綠燈等，這就導致駕駛?cè)藴p到1個較小的速度駛過交叉口。

2）城市道路視覺環(huán)境信息量不應過小，當信息量過小時，如沒有指示標志，道路標線，附近車輛較少時，駕駛?cè)司蜁a(chǎn)生視覺松懈，從而高速行駛而不自知，影響道路交通安全。

3.2 信息量閾值確定

根據(jù)速度隨信息量變化規(guī)律，若要保證道路交通安全行駛，就要控制車輛行車速度，進而就需要控制道路視覺環(huán)境信息量的大小。由于不同的城市道路安全行駛速度不同，這里以道路限速為車輛安全行車的衡量標準，得出能夠保障道路視覺環(huán)境安全性的信息量極小值，即信息量閾值。

以道路限速為60km／h為例，假設當某條城市道路的限速為60km／h 時，則信息量的極小值：

即當?shù)缆废匏贋?0km／h時，信息量應大于144 892以保證行車安全性。

增大信息量可以控制降低車速，達到安全行車的目的。但并不是信息量越大越好，當信息量過大超出駕駛?cè)藢π畔⒌奶幚砟芰r，即視覺超負荷情況，駕駛?cè)藙t會來不及處理某些視覺信息，反而導致行車不安全。因此，需要設定信息量的上限，可以根據(jù)駕駛員行車期望速度，由式（4）確定。

以駕駛?cè)似谕囁贋?0km／h為例，假設駕駛?cè)藢δ硹l城市道路的期望車速為40km／h時，則信息量的極大值：

即當駕駛?cè)似谕囁?0km／h時，信息量應不大于233 263以防止駕駛?cè)艘曈X負荷過大。

3.3 道路視覺交通環(huán)境評價流程

通過對城市道路視覺環(huán)境層級模型的分析，建立了城市道路視覺環(huán)境信息量計算模型，并分析得到信息量與速度之間的關系。基于以上分析，建立以道路視覺環(huán)境信息量為依據(jù)的城市道路視覺環(huán)境安全性評價方法，見圖7。

4 城市道路交通環(huán)境實例分析

基于信息量計算對城市道路交通環(huán)境進行分析，城市道路存在的交通問題主要有2種情況：①道路視覺信息量過小而導致的高速行車情況，②信息量過大而導致的視覺超負荷情況。

圖7 城市道路視覺交通環(huán)境評價流程Fig.7 Evaluation process of urban road traffic visual environment

從信息量計算模型中可以看出，當駕駛?cè)俗⒁暷骋晃矬w時，由于人眼的視力是確定的，其中央視野和周邊視野面積的總和也是相同的，而導致信息量不同的主要原因是各道路視覺環(huán)境層在中央視野和周邊視野中所占的比例，當有大量意義性視覺信息及運動性視覺信息在其中央視野內(nèi)時，總信息量就會比較大，反之則較小。

1）信息量過大。該畫面（見圖8）的車輛行駛速度為35km／h，通過圖7的道路視覺交通環(huán)境評價流程，計算出視覺信息量為333 520.6，信息量很大，其原因是中央視野范圍內(nèi)有較多意義層和運動層信息：各種指路標志，指示標志，道路標線等過于集中，前方又有很多車輛，駕駛?cè)艘曈X負荷很大，這些是導致駕駛?cè)藴p速行駛的主要原因。據(jù)此可以通過將最重要的信息放在駕駛?cè)说闹醒胍曇爸?，引起駕駛?cè)俗⒁饬?，沒有用的信息剔除，相對不重要的信息可以提前或延后設置，減少駕駛?cè)艘曈X負荷，安全行車。

圖8 信息量過大畫面Fig.8 Information overload

2）信息量過小。該畫面（見圖9）的車輛行駛速度達到70km／h，通過圖7的道路視覺交通環(huán)境評價流程，計算出視覺信息量為91 657.4，信息量很小，因為畫面中央視野中幾乎沒有意義層和運動層信息，周邊視野中運動層信息也較少，導致駕駛?cè)瞬蛔杂X的加速行駛。據(jù)此可以通過在道路中添加一些意義層信息，如標志標線等來增加信息量，增加駕駛?cè)艘曈X負荷達到減速的目的。

圖9 信息量過小畫面Fig.9 Information too little

5 結(jié)束語

本文是有關駕駛?cè)艘曈X角度在城市道路交通環(huán)境影響評價的階段性成果，通過分析研究駕駛?cè)颂匦蕴岢龅膶蛹壞Ｐ?、信息量計算模型等，將城市道路中運行速度作為評判參數(shù)，研究與信息量之間的關系。通過研究可以發(fā)現(xiàn)，①城市道路中信息量的大小對速度會產(chǎn)生一定的影響；②信息量過高或者過低都會對行車安全產(chǎn)生不利影響；③可以通過計算城市道路中的信息量來對城市道路交通環(huán)境進行評價，以及根據(jù)結(jié)果進行一定的改進措施。

由于時間和技術(shù)的限制等原因，本研究還存在以下不足：在道路視覺環(huán)境層面積計算的軟件中，部分圖像尚需手動進行區(qū)域調(diào)整以得到準確的面積進行信息量計算，進而進行交通環(huán)境評價。后續(xù)研究希望通過改進這一不足進行智能分析城市道路交通環(huán)境，并能實時對駕駛?cè)私o出一系列最佳運行速度以及自動預警等成果。

［1］Wohlwill J F.Environmental aesthetics：the environment as a source of affect［J］.Human Behavior and Environment.1976（1）：37－86.

［2］Cai H，Lin Y.Evaluation of driver visual behavior and road signs in virtual environment［C］∥Proceedings of the Human Factors and Ergonomics Society，Santa Monica，CA：HFES，2007：1645－1649.

［3］Brackstone M A，Waterson B J.Are we looking where we are going？an exploratory examination of eye movement in high speed driving［C］.Proceedings of the TRB，83rd Transportation Research Board Annual Meeting.Washington.DC：Transportation Research Board，2004.

［4］Victor T W，Harbluk J L，Engstrom J A.Sensitivity of eye－movement measures to in－vehicle task difficulty［J］.Traffic Psychology and Behavior，2005，8（2）：167－190.

［5］Engstr m J，Johansson E，stlund E.Effects of visual and cognitive load in real and simulated motorway driving［J］.Traffic Psychology and Behavior，2005，8（2）：97－120.

［6］杜志剛，潘曉東，郭雪斌.公路隧道進出口行車安全評價指標應用研究［J］.同濟大學學報：自然科學版，2008，36（3）：325－329.Du Zhigang，Pan Xiaodong，Guo Xuebin.Evaluation index′s application studies on safety at highway tunnel′s entrance and exit［J］.Journal of Tongji University：Natural Science，2008，36（3）：325－329.（in Chinese）

［7］張 強，陳雨人，潘曉東.色彩心理在道路交通安全中的應用［J］.華東公路，2005（6）：65－67.Zhang Qiang，Chen Yuren，Pan Xiaodong.Application of color psychology in road traffic safety［J］.East China Highway，2005（6）：65－67.（in Chinese）

［8］周孝波.基于視覺邊緣率的高速公路彎道轉(zhuǎn)向誘導設計方法及應用［D］.武漢：武漢理工大學，2010.Zhou Xiaobo.Approach and application of steering on freeway curve based on visual edge rate［D］.Wuhan：Wuhan University of Technology，2010.（in Chinese）

［9］陳雨人，鄭仕文.地下道路視覺環(huán)境影響車輛運行特征機理分析［J］.同濟大學學報：自然科學版，2013，41（7）：1031－1039.Chen Yuren，Zheng Shiwen.Mechanism analysis of vehicles operating characteristic affected by visual environment of underground road［J］.Journal of Tongji University：Natural Science，2013，41（7）：1031－1039.（in Chinese）

［10］孫瀟昊，季 予，程健川.行車錯覺模擬分析及道路標線優(yōu)化［J］.交通信息與安全，2014，32（4）：80－86.Sun Xiaohao，Ji Yu，Cheng Jianchuan.Illusion simulation analysis and road marking optimization［J］.Journal of Transport Information and Safety，2014，32（4）：80－86.（in Chinese）

［11］Ma Yufei，Hua Xiansheng，Lu Lie.A generic framework of user attention model and its application in video summarization［J］.IEEE Transitions on Multimedia，2005，7（5）：907－919.