閆自海,李 碩,甘鵬路,梁思農(nóng)

(1. 中國(guó)電建集團(tuán)華東勘察設(shè)計(jì)研究院有限公司,浙江 杭州 311122; 2. 重慶交通大學(xué) 土木工程學(xué)院,重慶 400074)

0 引 言

隧道作為交通運(yùn)輸?shù)难屎?具有縮短里程和提高運(yùn)輸效率的優(yōu)勢(shì),但同時(shí)也面臨高事故率、高傷亡率的困境[1]。密閉的隧道內(nèi)視覺(jué)參照作用較弱,影響駕駛員安全行駛的因素較多,影響因素主次不明,嚴(yán)重威脅隧道內(nèi)的行車(chē)安全[2]。隧道照明環(huán)境是一個(gè)人-車(chē)-路耦合作用下多因素共同影響的復(fù)雜環(huán)境,進(jìn)行隧道內(nèi)部照明環(huán)境評(píng)價(jià)研究,對(duì)改善隧道內(nèi)部運(yùn)行環(huán)境,提高隧道路段交通安全有重要意義。

隧道的照明空間以及可直接或間接影響照明的各種自然影響因素稱(chēng)為隧道照明環(huán)境,研究人員普遍認(rèn)為,影響隧道照明環(huán)境的因素主要包括:交通狀況、建筑特性[3]、照明品質(zhì)與環(huán)境污染[4]狀況4個(gè)方面。

指標(biāo)權(quán)重一直以來(lái)是隧道運(yùn)營(yíng)環(huán)境評(píng)估研究的重點(diǎn)?；趯哟畏治龇ǖ闹笜?biāo)權(quán)重計(jì)算方法,實(shí)現(xiàn)了隧道運(yùn)營(yíng)環(huán)境評(píng)價(jià)由定性到定量的轉(zhuǎn)變[5],將層次分析法權(quán)重和熵值法權(quán)重加權(quán)平均,以確定評(píng)價(jià)指標(biāo)的綜合權(quán)重[6],其同時(shí)反映了指標(biāo)權(quán)重計(jì)算的主觀性和實(shí)測(cè)數(shù)據(jù)的客觀性,但現(xiàn)有權(quán)重計(jì)算方法的研究未真正解決主觀評(píng)價(jià)的局限性。

此外,可通過(guò)分析駕駛員的視覺(jué)特性[7]、生理反應(yīng)[8]與駕駛行為[9]的變化規(guī)律,進(jìn)行隧道照明環(huán)境安全狀況評(píng)估。但已有研究往往只選擇1種或1類(lèi)指標(biāo)對(duì)駕駛員的生理負(fù)荷進(jìn)行評(píng)價(jià),在進(jìn)行隧道照明環(huán)境安全狀況評(píng)價(jià)時(shí)無(wú)法確定具體指標(biāo)的影響程度。

綜上,針對(duì)現(xiàn)階段隧道照明環(huán)境評(píng)價(jià)方法過(guò)分依賴(lài)人的主觀評(píng)價(jià)、無(wú)法合理反映實(shí)測(cè)數(shù)據(jù)本身蘊(yùn)涵信息的問(wèn)題。筆者提出了一種基于改進(jìn)熵值法的隧道照明環(huán)境評(píng)價(jià)方法,根據(jù)現(xiàn)場(chǎng)采集的實(shí)驗(yàn)數(shù)據(jù)計(jì)算指標(biāo)權(quán)重,進(jìn)行整體照明環(huán)境質(zhì)量評(píng)估,并選取瞳孔面積變化率對(duì)評(píng)估值進(jìn)行有效性檢驗(yàn),明確了隧道照明環(huán)境各影響因素的影響程度,以期為隧道照明環(huán)境的優(yōu)化和改善提供參考依據(jù)。

1 隧道照明環(huán)境評(píng)價(jià)體系的構(gòu)建

1.1 評(píng)價(jià)指標(biāo)的選取

通過(guò)綜合分析隧道照明環(huán)境的影響因素、特點(diǎn)以及近年來(lái)的研究成果,可將影響隧道照明環(huán)境的因素概括為光源、交通狀況、通風(fēng)條件以及空間通視性4個(gè)方面。為客觀評(píng)價(jià)隧道內(nèi)部照明環(huán)境質(zhì)量,需將影響隧道照明環(huán)境的因素進(jìn)一步細(xì)分,從而確定內(nèi)部照明環(huán)境影響因素的具體參數(shù)指標(biāo)。

由于駕駛員在隧道內(nèi)前進(jìn)的過(guò)程是動(dòng)態(tài)的,從駕駛員視認(rèn)需求的目的出發(fā),首先應(yīng)當(dāng)重視隧道內(nèi)各照明段的亮度變化,劇烈的亮度變化會(huì)對(duì)駕駛員的視覺(jué)感知造成直接影響,且人工光源的色溫會(huì)影響駕駛員視覺(jué)感受,較好的路面亮度均勻度可減輕視覺(jué)疲勞,較高的側(cè)壁亮度增強(qiáng)了視覺(jué)誘導(dǎo)性。車(chē)流量和車(chē)速會(huì)影響駕駛員的緊張情緒,煙霧濃度和能見(jiàn)度影響駕駛員的視認(rèn)距離,隧道的空間通視性決定駕駛員的視野范圍。綜上,諸多指標(biāo)均直接或間接造成隧道內(nèi)的駕駛安全問(wèn)題,因此將隧道內(nèi)部照明環(huán)境危險(xiǎn)程度評(píng)價(jià)指標(biāo)細(xì)化(表1),其中子指標(biāo)是依據(jù)主指標(biāo)的內(nèi)涵確定,各指標(biāo)的正負(fù)屬性代表指標(biāo)對(duì)隧道照明環(huán)境危險(xiǎn)程度的利弊影響,正為有利,負(fù)反之。

表1 隧道照明環(huán)境危險(xiǎn)程度評(píng)價(jià)指標(biāo)Table 1 Evaluation indexes of dangerous degree of tunnel lighting environment

隧道內(nèi)主要依靠人工光源提供照明,選用A1～A3反映隧道內(nèi)部動(dòng)態(tài)亮度變化情況,A4用于衡量光源的色溫,A5衡量路面亮度的均勻性,A6為側(cè)壁亮度。隧道內(nèi)的交通狀況中,B1用于反映隧道內(nèi)部車(chē)輛的通行能力,B2用于衡量隧道交通的服務(wù)質(zhì)量。隧道內(nèi)的通風(fēng)條件中,C1用來(lái)反映隧道內(nèi)部光線的穿透能力,C2用于表征駕駛員在隧道內(nèi)辨認(rèn)目標(biāo)的最遠(yuǎn)距離。隧道的空間通視性,用D1反映密閉的空間對(duì)駕駛員視野范圍的影響。

1.2 基于改進(jìn)熵值法的指標(biāo)權(quán)重計(jì)算

利用熵值法進(jìn)行隧道內(nèi)部照明環(huán)境各參數(shù)指標(biāo)權(quán)重分析計(jì)算時(shí),根據(jù)數(shù)據(jù)攜帶的信息量大小計(jì)算權(quán)重,得到客觀的指標(biāo)權(quán)重。但是,當(dāng)某一指標(biāo)離散程度較大時(shí),該指標(biāo)權(quán)重值會(huì)很大,導(dǎo)致該指標(biāo)主導(dǎo)最后的評(píng)價(jià)結(jié)果。選用改進(jìn)的熵值計(jì)算權(quán)重,通過(guò)兩兩指標(biāo)差異性系數(shù)比較的方法,減輕某個(gè)指標(biāo)值離散程度較大時(shí)帶來(lái)的指標(biāo)權(quán)重不合理的問(wèn)題,具體方法包括:標(biāo)準(zhǔn)化處理、比重計(jì)算、信息熵計(jì)算、權(quán)重計(jì)算與危險(xiǎn)程度評(píng)估值共5個(gè)步驟。

選取試驗(yàn)樣本的所有評(píng)價(jià)指標(biāo)構(gòu)成初始矩陣X=[Xij],Xij表示第i個(gè)樣本的第j個(gè)指標(biāo)的數(shù)值,其中(i=1,…,n;j=1,…,m)。

1.2.1 標(biāo)準(zhǔn)化處理

為保留原始數(shù)據(jù)的信息熵,對(duì)初始矩陣進(jìn)行標(biāo)準(zhǔn)化處理,如式(1):

(1)

1.2.2 比重計(jì)算

計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)參評(píng)單元占該指標(biāo)的比重Yij,如式(2):

(2)

1.2.3 信息熵計(jì)算

計(jì)算第j項(xiàng)指標(biāo)的指標(biāo)信息熵Ej,差異性系數(shù)gj,最大差異系數(shù)D與映射比率R。

(3)

式中:?為調(diào)整系數(shù),D≤9時(shí)?取最接近D的整數(shù),否則取?=9。

(?-1)-1是將D平均分配在1～9標(biāo)度的映射值上,用D除以?得到與層次分析法映射值結(jié)構(gòu)相一致的1～9標(biāo)度的映射值[10]。1～9標(biāo)度和其映射值間的對(duì)應(yīng)關(guān)系如表2。

表2 1～9標(biāo)度、映射值對(duì)照Table 2 1～9 scale and mapping value comparison table

1.2.4 權(quán)重計(jì)算

根據(jù)指標(biāo)的兩兩差異性系數(shù)比rik構(gòu)造判斷矩陣A,如若rik最接近1～9標(biāo)度映射值中的6×R5,則指標(biāo)j與指標(biāo)k的相對(duì)重要性為6,并可得指標(biāo)k與指標(biāo)j的相對(duì)重要性為1/6。按照層次分析法計(jì)算指標(biāo)權(quán)重的方法得到各指標(biāo)權(quán)重ωj。

1.2.5 危險(xiǎn)程度評(píng)估值

根據(jù)ωj計(jì)算結(jié)果,可得到隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W為:

(4)

為便于分析,將隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W進(jìn)行歸一化處理,縮放在[0,1]之間。

1.3 基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型簡(jiǎn)化

鑒于隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W計(jì)算的復(fù)雜性,在改進(jìn)熵值法的基礎(chǔ)之上,通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)與估值結(jié)果進(jìn)行迭代運(yùn)算,得到可簡(jiǎn)便使用的隧道內(nèi)部照明環(huán)境評(píng)價(jià)模型。

1.3.1 BP神經(jīng)網(wǎng)絡(luò)原理

誤差反向傳播多層前饋神經(jīng)網(wǎng)絡(luò),又稱(chēng)BP神經(jīng)網(wǎng)絡(luò),能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,可以解決求解非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問(wèn)題。用于隧道內(nèi)部照明環(huán)境質(zhì)量評(píng)價(jià),可通過(guò)誤差反饋與權(quán)重調(diào)整,提高隧道內(nèi)部照明環(huán)境評(píng)價(jià)簡(jiǎn)化模型計(jì)算精度[11]。其拓?fù)浣Y(jié)構(gòu)模型如圖1。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型Fig.1 BP neural network model

1.3.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

輸入層包含影響隧道照明環(huán)境的m個(gè)輸入變量;輸出層為隧道內(nèi)部照明環(huán)境綜合評(píng)估值,即輸出層神經(jīng)元節(jié)點(diǎn)數(shù)為1;隱含層節(jié)點(diǎn)數(shù)設(shè)為l。

將歸一化處理后的各項(xiàng)指標(biāo)數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò),激活函數(shù)選用logistic函數(shù),由式(5)得到輸入層輸出值y。

(5)

式中:ωy為輸入層權(quán)值;by為輸入層閾值。

輸出層神經(jīng)元的傳遞函數(shù)采用線形(purelin)函數(shù),則輸出層輸出值z(mì)如式(6):

z=ωzy+bz

(6)

式中;ωz為輸出層權(quán)值;bz為輸出層閾值。

當(dāng)取得所有訓(xùn)練樣本的輸出層輸出值后,利用公式(7),判斷模型訓(xùn)練精度。

(7)

式中:mj為輸出值;zj為實(shí)測(cè)值。

同時(shí)利用梯度下降算法對(duì)誤差進(jìn)行反向傳播,直至達(dá)到目標(biāo)精度即訓(xùn)練過(guò)程結(jié)束,計(jì)算公式為:

(8)

式中:ωN為各連接層間的權(quán)值;bN為各連接層間的閾值;ωN+1為各連接層間的修正后權(quán)值;bN+1為各連接層間的修正后閾值;α為網(wǎng)絡(luò)學(xué)習(xí)速率;N為修正次數(shù)。

1.4 基于聚類(lèi)分析的照明環(huán)境質(zhì)量評(píng)估

為對(duì)目標(biāo)隧道內(nèi)部照明環(huán)境質(zhì)量的優(yōu)劣進(jìn)行整體客觀性評(píng)估,采用k-means聚類(lèi)分析對(duì)隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W進(jìn)行聚類(lèi),得到不同等級(jí)的取值范圍[12],方法為:

指定需要?jiǎng)澐值拇氐膫€(gè)數(shù)k值,從估值W中隨機(jī)選擇k個(gè)樣本數(shù)據(jù)作為初始聚類(lèi)中心si,i=1,…,k,wj為每個(gè)樣本估值,j=1,…,n,可計(jì)算wj到si的距離:

dwx(wi,Si)=(w1-s1)2+(w2-s2)2+…+(wk-sk)2

(9)

計(jì)算出所有的樣本到各中心點(diǎn)的距離后,將樣本分配到距離最近的中心點(diǎn)對(duì)應(yīng)的類(lèi)別中,再計(jì)算每個(gè)類(lèi)別對(duì)應(yīng)的中心點(diǎn),如式(10):

(10)

式中:s′i是重新聚類(lèi)后的第i個(gè)聚類(lèi)中心;N′是該聚類(lèi)中心對(duì)應(yīng)的類(lèi)別的樣本個(gè)數(shù)。重復(fù)上述計(jì)算步驟,直到樣本估值到聚類(lèi)中心的距離符合精度要求,迭代結(jié)束,可得到各評(píng)價(jià)等級(jí)的取值范圍。

2 數(shù)據(jù)采集與處理

2.1 試驗(yàn)隧道

選取重慶市主城區(qū)內(nèi)7處線性良好、坡度較小、周邊環(huán)境干擾較小的隧道開(kāi)展現(xiàn)場(chǎng)試驗(yàn)。每條隧道進(jìn)行4次數(shù)據(jù)采集,共計(jì)28組樣本數(shù)據(jù),隧道概況見(jiàn)表3。

表3 試驗(yàn)隧道概況Table 3 Overview of the test tunnel

2.2 試驗(yàn)指標(biāo)及設(shè)備

試驗(yàn)采用高精度雷達(dá)測(cè)速儀Bushnell 101921、便攜式隧道光透過(guò)率檢測(cè)器BN-SDTRA10H、照度計(jì)TES 1339R Data Logger Light Meter Pro與分光輻射亮度計(jì)PR 655采集隧道內(nèi)路面亮度、光源顯色指數(shù)、車(chē)流量、車(chē)速、能見(jiàn)度、煙霧濃度、與斷面尺寸等指標(biāo)數(shù)據(jù)。選用德國(guó)SMI生產(chǎn)的ETG 2w型便攜眼鏡式眼動(dòng)儀采集實(shí)車(chē)駕駛試驗(yàn)過(guò)程中隧道內(nèi)的駕駛員瞳孔直徑數(shù)據(jù)。

2.3 注意事項(xiàng)與試驗(yàn)流程

為保證測(cè)試人員的安全與測(cè)試精度,隧道內(nèi)亮度測(cè)試時(shí)各照明區(qū)段等距布置5個(gè)測(cè)點(diǎn),布置測(cè)點(diǎn)位置如圖2?？紤]早晚高峰出行對(duì)照明及交通數(shù)據(jù)的影響,在天氣良好的08:00—18:00的時(shí)段開(kāi)展試驗(yàn),同時(shí)測(cè)試人員正對(duì)車(chē)輛行駛方向測(cè)量,避免人為因素干擾。在進(jìn)行隧道內(nèi)的駕駛員瞳孔直徑數(shù)據(jù)采集時(shí),駕駛員保持自由流車(chē)速正常行駛,為了避免駕駛員長(zhǎng)時(shí)間行駛產(chǎn)生疲勞感,每名駕駛員每次試驗(yàn)至少間隔20 min,試驗(yàn)的主要流程如圖3。每次測(cè)試完畢后,由駕駛員對(duì)本次駕駛體驗(yàn)做出評(píng)價(jià),共分為安全、較安全、較危險(xiǎn)和非常危險(xiǎn)4個(gè)評(píng)價(jià)等級(jí),總計(jì)28組統(tǒng)計(jì)樣本。

圖2 隧道內(nèi)亮度和能見(jiàn)度測(cè)試點(diǎn)示意Fig. 2 Schematic diagram of test points for brightness and visibility in the tunnel

圖3 試驗(yàn)流程Fig. 3 Test flow chart

2.4 數(shù)據(jù)處理

考慮在通車(chē)隧道內(nèi)測(cè)試亮度的難度和危險(xiǎn)性較大,通過(guò)測(cè)試隧道路面照度,并根據(jù)照度/亮度轉(zhuǎn)換系數(shù)得出實(shí)測(cè)亮度值[13]。駕駛員瞳孔直徑數(shù)據(jù)處理時(shí),前、后每隔1 s提取該時(shí)間段內(nèi)的平均值作為測(cè)試值,若該時(shí)間段內(nèi)有數(shù)據(jù)和平均值之差超過(guò)3倍標(biāo)準(zhǔn)差時(shí),需剔除該數(shù)據(jù)后重新求平均值。

3 隧道內(nèi)部照明環(huán)境評(píng)價(jià)實(shí)例計(jì)算

3.1 指標(biāo)權(quán)重計(jì)算

基于現(xiàn)場(chǎng)試驗(yàn)采集的指標(biāo)數(shù)據(jù),利用改進(jìn)的熵值法計(jì)算各項(xiàng)指標(biāo)的權(quán)重。根據(jù)色溫、交通量與能見(jiàn)度等項(xiàng)指標(biāo)的兩兩差異性系數(shù)比rik構(gòu)造判斷矩陣A為:

(10)

根據(jù)計(jì)算最大差異系數(shù)D=1.035,計(jì)算出1～9標(biāo)度的映射值(表4)以及熵值法改進(jìn)前后指標(biāo)權(quán)重(表5)。

表4 改進(jìn)熵值法1～9標(biāo)度的映射值Table 4 1～9 scale mapping value in improved entropy method

表5 熵值法改進(jìn)前后評(píng)價(jià)指標(biāo)權(quán)重Table 5 Evaluation index weight before and after the improvement of entropy method

評(píng)價(jià)指標(biāo)權(quán)重的排序在算法改進(jìn)前后基本沒(méi)生變化,光源與交通環(huán)境所占權(quán)重分別由40.42%和43.06%變?yōu)?9.18%和31.73%,改進(jìn)熵值法權(quán)重計(jì)算突出光源是影響隧道中間段照明環(huán)境的最主要因素,更符合實(shí)際的主觀期望。究其原因,基于兩兩差異性系數(shù)比rik構(gòu)造的判斷矩陣A保留了熵值法所反映的潛在權(quán)重關(guān)系,在計(jì)算過(guò)程中,改善了由于因交通量數(shù)據(jù)離散程度較大所導(dǎo)致的權(quán)重值較大的問(wèn)題。

由改進(jìn)熵值法的主指標(biāo)權(quán)重計(jì)算結(jié)果可知,光源因素所包含的信息量最多,子指標(biāo)變異程度最大,對(duì)隧道照明環(huán)境的影響程度最大,包含交通量與車(chē)速評(píng)價(jià)指標(biāo)的交通環(huán)境因素占照明環(huán)境影響權(quán)重的31.73%;隧道通風(fēng)條件對(duì)照明環(huán)境也會(huì)產(chǎn)生一定的影響,通風(fēng)條件因素權(quán)重占比為12.95%;而隧道的空間通視條件對(duì)照明環(huán)境的影響相對(duì)較小(對(duì)應(yīng)權(quán)重為6.14%)。子指標(biāo)權(quán)重計(jì)算排序?yàn)?交通量>入口段與過(guò)渡段路面平均亮度變化值>中間段與出口段路面平均亮度變化值>過(guò)渡段與中間段路面平均亮度變化值>車(chē)速>煙霧濃度>斷面面積>能見(jiàn)度>路面亮度均勻度>色溫>側(cè)壁亮度。

3.2 簡(jiǎn)化模型計(jì)算

為防止數(shù)據(jù)過(guò)度擬合,選取28組樣本數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練測(cè)試?；诟倪M(jìn)熵值法的權(quán)重計(jì)算結(jié)果,得到隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W,將所有評(píng)價(jià)指標(biāo)數(shù)據(jù)與評(píng)估值代入8:6:1的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中進(jìn)行迭代運(yùn)算(輸入層包含8個(gè)節(jié)點(diǎn),隱含層包含6個(gè)節(jié)點(diǎn),輸出層包含1個(gè)節(jié)點(diǎn)),在訓(xùn)練過(guò)程中目標(biāo)誤差設(shè)置為10-4,網(wǎng)絡(luò)學(xué)習(xí)率為0.01,最大訓(xùn)練步數(shù)為1 000。輸入和輸出的評(píng)估值及相對(duì)誤差百分比如圖4。

圖4 輸入和輸出評(píng)估值對(duì)比Fig. 4 Comparison of input and output evaluation values

由簡(jiǎn)化模型計(jì)算結(jié)果可知:7條隧道28組樣本估值在模型簡(jiǎn)化前后計(jì)算結(jié)果的相對(duì)誤差百分比在0%～6%之間。28組實(shí)驗(yàn)樣本中僅有1組樣本數(shù)據(jù)輸入和輸出的相對(duì)誤差百分比超過(guò)5%,經(jīng)計(jì)算擬合判斷系數(shù)R2=0.934,即模型精度為93.4%,說(shuō)明簡(jiǎn)化模型通過(guò)學(xué)習(xí)自動(dòng)提取了輸出、輸出數(shù)據(jù)間的“合理規(guī)則”,基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)部照明環(huán)境評(píng)價(jià)簡(jiǎn)化模型計(jì)算精度較高。

3.3 質(zhì)量評(píng)估

通過(guò)k-means聚類(lèi)分析,將隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度劃分為安全、較安全、較危險(xiǎn)、非常危險(xiǎn)4個(gè)等級(jí),并得到評(píng)估輸出值W評(píng)價(jià)等級(jí)的取值范圍:安全為[0.108,0.199)、較安全為[0.199～0.257)、較危險(xiǎn)為[0.257～0.488)、非常危險(xiǎn)為[0.488～0.617]。

通過(guò)計(jì)算每條隧道所有樣本的平均評(píng)估值,確定試驗(yàn)隧道內(nèi)部照明環(huán)境的危險(xiǎn)狀態(tài),向黃隧道評(píng)估值為0.23,長(zhǎng)沖隧道評(píng)估值為0.12,真武山隧道評(píng)估值為0.49,九龍坡隧道評(píng)估值為0.18,石黃隧道評(píng)估值為0.20,南山隧道評(píng)估值為0.24,慈母山1號(hào)隧道評(píng)估值為0.27。評(píng)估結(jié)果表明:長(zhǎng)沖隧道內(nèi)部照明環(huán)境相對(duì)安全,九龍坡隧道與石黃隧道內(nèi)部照明環(huán)境較為安全,慈母山1號(hào)隧道、向黃隧道與南山隧道內(nèi)部照明環(huán)境較為危險(xiǎn),真武山隧道內(nèi)部照明環(huán)境非常危險(xiǎn)。

3.4 評(píng)估檢驗(yàn)

基于改進(jìn)熵值法的隧道照明環(huán)境評(píng)價(jià)是從駕駛員視認(rèn)需求角度評(píng)估隧道照明環(huán)境危險(xiǎn)程度,而瞳孔面積變化規(guī)律也可在反映隧道內(nèi)駕駛員的駕駛安全性[26],因此可利用駕駛員在隧道內(nèi)部的瞳孔面積變化率對(duì)評(píng)估值進(jìn)行有效性檢驗(yàn)。試驗(yàn)隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度評(píng)估值W與駕駛員瞳孔面積變化率對(duì)比如圖5。

圖5 評(píng)估值與瞳孔面積變化率對(duì)比Fig. 5 Comparison of assessment value and pupil area change rate

由圖5可知:試驗(yàn)測(cè)試隧道內(nèi)部駕駛員瞳孔面積變化率的上下四分位數(shù)在0～5 mm2/s之間,不同隧道駕駛員瞳孔面積變化率數(shù)據(jù)總體分布具有顯著差異。瞳孔面積變化率可以明顯表現(xiàn)駕駛員在行駛過(guò)程的生理負(fù)荷,在一定程度可以表征不同隧道內(nèi)行車(chē)的危險(xiǎn)程度。從采集瞳孔數(shù)據(jù)處理結(jié)果與計(jì)算評(píng)估值對(duì)比可以明顯看出,瞳孔面積變化率均值與中位數(shù)跟評(píng)估值的大小排序基本保持一致,向黃隧道和慈母山1號(hào)隧道的結(jié)果略有差異,主要是受試驗(yàn)中儀器誤差與測(cè)量誤差的影響,造成了駕駛員瞳孔面積變化結(jié)果與評(píng)估值計(jì)算結(jié)果差異性的存在,但不影響整體評(píng)估效果。由此可見(jiàn),評(píng)估值W可以在明確具體指標(biāo)的影響程度的基礎(chǔ)上有效評(píng)估隧道內(nèi)部照明環(huán)境綜合危險(xiǎn)程度。

為檢驗(yàn)危險(xiǎn)程度劃分的正確性,統(tǒng)計(jì)了每次測(cè)試后駕駛員對(duì)駕駛體驗(yàn)評(píng)價(jià)的結(jié)果,如表6,表中的數(shù)值為駕駛員駕駛體驗(yàn)評(píng)價(jià)安全、較安全、較危險(xiǎn)、非常危險(xiǎn)的統(tǒng)計(jì)次數(shù)。

表6 危險(xiǎn)程度駕駛員評(píng)價(jià)結(jié)果Table 6 Driver evaluation results of hazard level

由表6可知:石黃隧道、慈母山1號(hào)隧道的4次測(cè)試中,各有1次評(píng)價(jià)結(jié)果與3.3節(jié)中質(zhì)量評(píng)估結(jié)果不一致,28個(gè)統(tǒng)計(jì)樣本中有26個(gè)與簡(jiǎn)化模型計(jì)算結(jié)果的危險(xiǎn)程度相匹配,與改進(jìn)熵值法對(duì)隧道照明環(huán)境的質(zhì)量評(píng)估結(jié)果相似率達(dá)到92.9%,表明了改進(jìn)熵值法對(duì)隧道照明環(huán)境質(zhì)量評(píng)估的合理性。因此,結(jié)合駕駛員瞳孔面積變化率對(duì)評(píng)估值的有效性檢驗(yàn),分析發(fā)現(xiàn)本文中改進(jìn)熵值法的隧道照明環(huán)境評(píng)價(jià)方法是合理有效的。

3.5 隧道照明環(huán)境改善建議

在對(duì)隧道照明環(huán)境進(jìn)行設(shè)計(jì)時(shí),應(yīng)充分考慮光源、交通環(huán)境、通風(fēng)條件和空間通視性等物理?xiàng)l件。由于光源和交通環(huán)境對(duì)隧道照明環(huán)境的影響比重分別占49.18%和31.73%,因此更加值得關(guān)注。

在運(yùn)營(yíng)隧道中應(yīng)合理調(diào)控隧道各區(qū)段燈具亮度使得亮度差異變化減小;開(kāi)啟隧道通風(fēng)系統(tǒng)并及時(shí)清理?yè)P(yáng)塵以獲得更佳的能見(jiàn)度;對(duì)于交通量較大的隧道,應(yīng)及時(shí)做好交通疏導(dǎo)和引流以保證適宜的交通環(huán)境。隨著隧道運(yùn)營(yíng)智能化程度的提高,筆者所列出的11個(gè)影響隧道照明環(huán)境的子指標(biāo),可作為隧道智能照明監(jiān)測(cè)和控制的主要參數(shù),為今后的照明設(shè)計(jì)提供主要借鑒。

4 結(jié) 論

筆者集合指標(biāo)選取、權(quán)重計(jì)算、模型簡(jiǎn)化與質(zhì)量評(píng)估,構(gòu)建一套客觀的隧道內(nèi)部照明環(huán)境評(píng)價(jià)體系,為隧道內(nèi)部的行車(chē)安全環(huán)境優(yōu)化及改善提供理論參考,并得到以下結(jié)論:

1)從駕駛員視認(rèn)需求的角度選取照明環(huán)境評(píng)價(jià)指標(biāo),真實(shí)的反映了隧道照明環(huán)境對(duì)行車(chē)安全的影響。

2)通過(guò)改進(jìn)熵值法計(jì)算各參數(shù)指標(biāo)權(quán)重,充分利用數(shù)據(jù)攜帶的信息量大小計(jì)算指標(biāo)的客觀影響程度,結(jié)果分析表明,對(duì)于照明環(huán)境來(lái)說(shuō),光源是最關(guān)鍵的評(píng)價(jià)指標(biāo),所占權(quán)重約49.18%,其次是交通狀況、通風(fēng)條件和空間通視性。

3)將改進(jìn)熵值法權(quán)重計(jì)算結(jié)果與BP神將網(wǎng)絡(luò)相結(jié)合,得到精度達(dá)到93.4%的簡(jiǎn)化模型,提高了指標(biāo)綜合權(quán)重的計(jì)算效率。

4)通過(guò)聚類(lèi)分析劃分隧道照明環(huán)境危險(xiǎn)程度等級(jí),并確定評(píng)價(jià)等級(jí)閾值,直觀表現(xiàn)目標(biāo)隧道照明環(huán)境質(zhì)量并反映指標(biāo)的內(nèi)在聯(lián)系。

5)利用瞳孔面積變化率對(duì)估值檢驗(yàn),發(fā)現(xiàn)試驗(yàn)隧道評(píng)估結(jié)果與瞳孔面積變化率分布區(qū)間的大小排序基本保持一致。