山區(qū)公路駕駛視覺信息量計(jì)算方法研究

孟云偉，陳 磊，劉博航，陳炳陽，潘曉東

(1.重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶400074；2.石家莊鐵道大學(xué)交通運(yùn)輸學(xué)院河北省交通安全與控制省級重點(diǎn)實(shí)驗(yàn)室，石家莊050043；3.廣西北部灣投資集團(tuán)有限公司，南寧530029；4.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院，上海201804)

0 引 言

眼睛是駕駛?cè)私邮苈酚蛐旭偔h(huán)境信息的主要感官，至少有80%的信息通過眼睛獲得，且人的視覺通道特性能夠反映出其心理、生理狀態(tài)[1].在山區(qū)公路上行駛，因山區(qū)公路具有豐富多變的自然、人文路域景觀，駕駛?cè)藢討B(tài)接受不同種類、不等數(shù)量的路域環(huán)境信息.同時，山區(qū)公路具有線形復(fù)雜、人工構(gòu)造物多、空間變換頻繁等特點(diǎn)，駕駛?cè)藭r刻承受著一定的心理負(fù)荷，這直接關(guān)聯(lián)實(shí)際的駕駛操作績效，最終對行車安全產(chǎn)生影響.因此，在交通安全的人因方面，駕駛視覺信息量、視覺心理負(fù)荷成為相關(guān)專家、學(xué)者所關(guān)注的指標(biāo).

潘曉東等[2]通過173 個樣本實(shí)驗(yàn)研究發(fā)現(xiàn)，使用駕駛?cè)说恼Ｑ蹠r間均值表征駕駛疲勞監(jiān)測的效果較為合適.孟云偉[3]通過實(shí)車實(shí)驗(yàn)，對山區(qū)公路中駕駛?cè)说囊曈X特性進(jìn)行分析發(fā)現(xiàn)，駕駛?cè)说耐酌娣e、眨眼次數(shù)、關(guān)注時間、關(guān)注位置與道路的平曲線半徑大小、左轉(zhuǎn)或右轉(zhuǎn)等道路幾何線形參數(shù)有對應(yīng)關(guān)系.段萌萌等[4]以瞳孔面積最大瞬態(tài)速度值及換算視覺震蕩持續(xù)時間作為評判視覺負(fù)荷大小的依據(jù).Nadya C.Yuris 等[5]進(jìn)行駕駛模擬實(shí)驗(yàn)，研究認(rèn)為，被試對外界駕駛信息的視覺關(guān)注次數(shù)、眼跳次數(shù)越少，說明線索利用率越高，發(fā)生交通事故的風(fēng)險就越小.陳雨人等[6]將地下道路的駕駛視覺負(fù)荷與行駛環(huán)境的顏色飽和度S、量度V等指標(biāo)建立量化關(guān)系，驗(yàn)證了計(jì)算結(jié)果的準(zhǔn)確性.劉偉等[7]基于視知覺原理，對交通可變信息進(jìn)行評價研究.彭金栓等[8]通過實(shí)驗(yàn)研究發(fā)現(xiàn)，駕駛心理負(fù)荷與駕駛經(jīng)驗(yàn)之間有明顯的相關(guān)性.胡江碧等[9]利用室內(nèi)模擬夜間高速公路霧區(qū)交通環(huán)境，得到不同光源條件下霧區(qū)能見度與視認(rèn)距離的相關(guān)關(guān)系.鄭志曉等[10]的研究認(rèn)為，無論何種難度等級的視覺分神，都將引起對車輛操控能力的下降.王芳[11]采用光流率、信息熵的有關(guān)概念，提出公路線形視覺信息量的計(jì)算方法.

上述研究均對駕駛視覺的心理特性進(jìn)行了針對性的分析，但針對山區(qū)公路豐富的路域環(huán)境，還可以從視覺負(fù)荷與視覺信息量的本質(zhì)關(guān)聯(lián)性等方面進(jìn)行深入的挖掘.本文認(rèn)為，駕駛視覺心理負(fù)荷是視覺信息量作用于各個具體駕駛?cè)说膬?nèi)在反應(yīng)，路域行車環(huán)境產(chǎn)生的視覺信息量是心理負(fù)荷的起源.在駕駛?cè)说囊曇爸?，山區(qū)公路路域行車環(huán)境具有豐富多彩的顏色，可以從顏色模型HSV(色調(diào)、飽和度、亮度)的角度進(jìn)行視覺信息量計(jì)算的探索.

1 視覺信息量計(jì)算方法

1.1 路域行駛環(huán)境中色彩的計(jì)算

駕駛?cè)诵熊囘^程中，視覺信息量由車輛所處道路景觀環(huán)境的復(fù)雜程度決定.路域環(huán)境由多因素組成，其色彩對駕駛?cè)说囊曈X心理造成直接影響.因此，路域行駛環(huán)境中色彩的量化是視覺信息量計(jì)算中的關(guān)鍵.本文利用HSV 色彩模型對視野圖像進(jìn)行圖像分割，以區(qū)分不同的注視區(qū)域.

某一時刻，利用HSV色彩模型中的分量值，將駕駛?cè)艘曇皥D像的顏色信息C和亮度信息L表示為

式中：i、j分別為圖像中各像素點(diǎn)的橫、縱坐標(biāo)；M、N分別為圖像整體的寬度值、高度值；H(i,j)和S(i,j)分別為像素點(diǎn)(i,j)在H通道、S通道的顏色值；V(i,j)為像素點(diǎn)(i,j)在V通道的亮度值.

紋理亮度值計(jì)算公式為

式中：W1為顏色信息的權(quán)重；W2為亮度信息權(quán)重，W1+W2=1.

通道顯著性權(quán)重由該通道上的信息量來確定[12]，權(quán)重針對的是顏色、亮度通道，旨在表明哪個通道對駕駛?cè)艘曈X影響更明顯，即若顏色通道信息量更多，則表明該通道對駕駛?cè)说囊曈X影響更明顯，反之亦然.

首先，根據(jù)視野中圖像的HSV 分量值及圖像尺寸計(jì)算顏色信息C、亮度信息值L，將兩者大小進(jìn)行比較，確定顏色信息的權(quán)重W1和亮度信息權(quán)重W2.若C ＞L，則說明圖像的顏色信息對駕駛?cè)艘曈X心理影響較大，應(yīng)賦予其較大的權(quán)重；若C ＜L，則應(yīng)賦予亮度信息較大的權(quán)重.本文參考文獻(xiàn)[12]，取較大權(quán)重0.85，較小權(quán)重0.15.

1.2 駕駛視覺負(fù)荷

在文獻(xiàn)[6]中，紋理亮度表明了視覺圖像信息的豐富程度，色彩信息的離散程度，人眼對物體的分辨程度，可用于計(jì)算視覺負(fù)荷；駕駛視覺心理負(fù)荷與顏色飽和度S、亮度V 的值有對應(yīng)關(guān)系.借鑒其使用紋理亮度計(jì)算視覺負(fù)荷的方法，考慮到山區(qū)公路的路域行駛環(huán)境，認(rèn)為色調(diào)H 值也將對心理負(fù)荷產(chǎn)生直接作用，因此，綜合色調(diào)H、飽和度S、亮度V這3個值計(jì)算心理負(fù)荷.

為獲取圖像的HSV 分量值，需要對視野圖像進(jìn)行分割，以便進(jìn)行信息提取.視野區(qū)域分割方法有二分法[6]、四分法[13]、七分法[14]、八分法[15]等.山區(qū)公路路側(cè)景觀為駕駛?cè)颂峁┯行畔⒘浚Y(jié)合心理物理學(xué)評價指標(biāo)適宜評價路側(cè)景觀的研究成果[13]，將視野圖像劃分為4 部分，即天空、路面、左路側(cè)、右路側(cè)4個區(qū)域，如圖1所示.

圖1 視野圖像區(qū)域劃分Fig.1 Visual field image area division

從圖1 可知，將視野圖像分隔為2 類(視野前方、視野兩側(cè))4 個區(qū)域，即天空區(qū)域A、路面區(qū)域D、左側(cè)區(qū)域B和右側(cè)區(qū)域C.分別計(jì)算分割后各個區(qū)域的面積、紋理亮度值，再計(jì)算前方、兩側(cè)的視覺心理負(fù)荷，最后進(jìn)行加和，視覺心理負(fù)荷計(jì)算公式為

式中：FC，F(xiàn)p分別為前方和兩側(cè)的視覺心理負(fù)荷；分別為各區(qū)域的紋理亮度值；分別為各區(qū)域的面積.認(rèn)為各個區(qū)域的紋理亮度值存在明顯差異，不考慮夜間等各區(qū)域紋理亮度難以區(qū)分的情況.

文獻(xiàn)[6]對視覺心理負(fù)荷取單位時間內(nèi)的變化量，得到視覺心理負(fù)荷強(qiáng)度.本文認(rèn)為視覺心理負(fù)荷即為單位時間.這樣，視覺心理負(fù)荷與車輛的行駛速度呈冪函數(shù)關(guān)系，即隨著車速的增加，駕駛?cè)说囊曈X負(fù)荷急劇增加，表達(dá)式為

式中：F為視覺負(fù)荷強(qiáng)度；v為行駛速度(km/h)；α,β為待定系數(shù).

1.3 駕駛視覺信息量計(jì)算

在熱力學(xué)第二定律的基礎(chǔ)上，建立公路線形信息量模型，認(rèn)為駕駛?cè)怂邮盏囊曈X信息量為各交通組成與駕駛?cè)斯餐饔卯a(chǎn)生“外力”而做的“功”.Gibson[17]提出，當(dāng)人在觀察動態(tài)景象時，產(chǎn)生的是一系列連續(xù)的變化，即連續(xù)的輸出信息，這種連續(xù)變化的信息不斷在視網(wǎng)膜上成像，如同光在“流動”，即為“光流”.文獻(xiàn)[11]以“光流形式做功”為基礎(chǔ)，將信息源以角速度wi在視網(wǎng)膜上的成像作為“視覺信息量”，提出視覺信息量的計(jì)算模型為

式中：WS為單位時間視覺信息量(N·m)；vi為信息源相對于駕駛?cè)说囊苿铀俣?m/s)；li為信息源的大小；wi為信息源相對于駕駛?cè)说慕撬俣?rad/s)，為微段相對于駕駛?cè)艘暰€的偏角(rad)；t為時刻(s)；ri為信息源相對于駕駛?cè)搜劬Φ男D(zhuǎn)距離(m).

利用視覺力做功的原理[11]，在模型計(jì)算中，視覺信息量由兩部分組成，如圖2 所示.一部分為視野中前方路域環(huán)境提供的信息量，為注視點(diǎn)主要關(guān)注區(qū)域；另一部分為視野中兩側(cè)范圍內(nèi)路域環(huán)境提供的信息量，也處于視覺感知范圍之內(nèi).視覺信息量的表達(dá)式為

式中：I為視覺信息總量，由中間視野部分的I1和兩側(cè)部分的I2組成.根據(jù)光流做功原理，I1和I2計(jì)算公式分別為

式中：L為單車道寬度(m)；S為駕駛?cè)艘暰?m)；θv為駕駛?cè)艘曇?rad)；y(t)為x(t)在y坐標(biāo)軸的投影(rad)；r為微段以wi為角速度時的轉(zhuǎn)矩(m).

該計(jì)算適用于駕駛?cè)艘朁c(diǎn)固定、直線段、自由流及自然光照度正常的日間情況.將式(5)、式(8)和式(9)聯(lián)立，即可得到駕駛視覺信息量值.

圖2 視覺信息量計(jì)算圖示Fig.2 Schematic diagram of visual information calculation

2 實(shí)車實(shí)驗(yàn)設(shè)計(jì)

通過實(shí)車實(shí)驗(yàn)采集山區(qū)公路的路域環(huán)境信息，作為計(jì)算駕駛視覺信息量的基礎(chǔ)數(shù)據(jù).

2.1 實(shí)驗(yàn)路段

實(shí)驗(yàn)路段為重慶市境內(nèi)一段山區(qū)高速公路，中間無互通，單向里程長度45 km，限速100 km/h.該路段有多處小半徑、大縱坡路段，沿線交通工程設(shè)施齊全，綠化資源豐富，路域景觀類型多樣，具有典型的山區(qū)高速公路特征，路域景觀特性滿足實(shí)驗(yàn)?zāi)康牡男枰?行車實(shí)驗(yàn)時，交通流處于自由流狀態(tài).

2.2 實(shí)驗(yàn)設(shè)計(jì)

實(shí)車實(shí)驗(yàn)的內(nèi)容主要包括記錄路域景觀的動態(tài)圖像，駕駛?cè)说囊曈X反應(yīng)，車輛的行駛狀態(tài)等指標(biāo).利用眼鏡式眼動儀、高清攝像機(jī)等設(shè)備，測量記錄駕駛?cè)说囊曈X心理特征及路域景觀信息.

選擇10 名不熟悉實(shí)驗(yàn)路段的駕駛?cè)?，均為男性，矯正視力均在5.0 以上，其中，[20,30)歲5 名，[30,40)歲5名，實(shí)驗(yàn)前保持正常的身體狀態(tài).

2.3 實(shí)驗(yàn)數(shù)據(jù)采集

路域景觀可分為郁閉式、半郁閉式、開敞式3種空間類型[16].實(shí)驗(yàn)中，事先在實(shí)驗(yàn)路段上選取不同路域景觀類型的路段，并進(jìn)行標(biāo)記.計(jì)算10 名駕駛?cè)藬?shù)據(jù)的平均值，作為駕駛視覺信息量的輸入值.

3 實(shí)例計(jì)算與結(jié)果分析

3.1 視野圖像分隔

利用實(shí)車實(shí)驗(yàn)采集的數(shù)據(jù)，采用基于鄰域相似性分割的區(qū)域生長法，對3 種景觀類型的視野圖像進(jìn)行初步分割，并分別提取視野圖像中4 部分區(qū)域的色彩分量.在圖像處理過程中，由于天空、路面、路側(cè)景觀的差異性較大，為更加清晰地將4 個區(qū)域分割開，在區(qū)域生長法的基礎(chǔ)上，基于最大閾值的迭代法對圖像4 個區(qū)域進(jìn)行局部分割.某時刻視野圖像的整個分割過程和結(jié)果如圖3 所示.

將視覺負(fù)荷與行駛速度建立回歸分析，結(jié)果表明，冪函數(shù)關(guān)系的相關(guān)系數(shù)值最大，關(guān)系式為y=7.000×10-8x4.401，驗(yàn)證了式(5)的可信度，由此可得系數(shù)α=7.000×10-8,β=4.401.

圖3 視野圖像的分隔Fig.3 Separation of field images

3.2 實(shí)驗(yàn)結(jié)果分析

從3 種路域景觀類型中各抽取5 組數(shù)據(jù)進(jìn)行處理，如圖4 所示.取每組的平均值，可得開敞型、半郁閉型、郁閉型空間的駕駛視覺信息量分別為2 679，3 004，2 218 N·m.該信息量數(shù)值與駕駛?cè)说目谑龈惺芤恢?

圖4 3 種景觀類型視覺信息量箱圖Fig.4 Boxplot of visual information in three landscape types

對比分析駕駛視覺信息量可知：(1)在山區(qū)高速公路中，較為常見的是半郁閉型空間類型，如半填半挖的路基橫斷面型式，駕駛?cè)说男膽B(tài)屬于“適應(yīng)”型，能較為輕易地獲取外界環(huán)境信息，在該類型路域環(huán)境中，自然環(huán)境及人為布設(shè)的交通信息來源較容易被駕駛?cè)艘曈X感知到，駕駛?cè)俗⒁曌兓姆秶^小，在信息源上的注視時間較長，導(dǎo)致視覺信息量值最大；(2)開敞類型的空間，在山區(qū)高速公路中較少，駕駛?cè)诵薪?jīng)時較為放松，有“享受”路域環(huán)境的期望及心態(tài)，但心理期望與路域環(huán)境的實(shí)際供給不匹配，駕駛?cè)俗⒁暦秶?，采集信息的注視時間較短，視覺感知信息來源較少，導(dǎo)致視覺信息量數(shù)值較低；(3)在郁閉類型的空間中，一般多為兩側(cè)高陡的挖方邊坡，給駕駛?cè)藟阂值男旭傮w驗(yàn)，且該類型路段一般無交通干擾，行駛車速值較大，駕駛?cè)俗⒁暦秶M窄，駕駛?cè)藷o意收集過多信息，“逃離”心態(tài)明顯，接收的視覺信息量最少.

4 結(jié) 論

本文針對駕駛視野圖像，從HSV 顏色模型中提取有關(guān)參數(shù)值，結(jié)合駕駛視覺心理負(fù)荷，提出駕駛視覺信息量計(jì)算方法.通過在重慶市高速公路的實(shí)車實(shí)驗(yàn)采集的數(shù)據(jù)，計(jì)算出3種不同空間類型的視覺信息量，其數(shù)值與駕駛?cè)藢?shí)際的行車感受具有較高的一致性.該計(jì)算方法為視覺心理負(fù)荷的分析提供了一種基礎(chǔ)性參照，為路域環(huán)境中景觀的合理布設(shè)提供了一種技術(shù)參考.