景區(qū)道路交通標(biāo)志視認(rèn)效率評(píng)價(jià)

朱夢(mèng)悅 馬健霄 劉宇航 仇舒誠 丁子羿

摘 要：為探尋駕駛?cè)艘曊J(rèn)交通標(biāo)志效率，本文構(gòu)建景區(qū)道路標(biāo)志視認(rèn)效率評(píng)價(jià)體系，設(shè)計(jì)實(shí)地視線追蹤實(shí)驗(yàn)，采集駕駛?cè)嗽诰皡^(qū)道路對(duì)交通標(biāo)志的視認(rèn)數(shù)據(jù);參照數(shù)據(jù)變化規(guī)律及指標(biāo)特性確定各項(xiàng)眼動(dòng)特征數(shù)據(jù)的最優(yōu)值和臨界值，建立交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)集;采用基因選擇算法對(duì)評(píng)價(jià)指標(biāo)進(jìn)行重要度排序，確定各評(píng)價(jià)指標(biāo)對(duì)評(píng)價(jià)體系的影響程度;利用功效系數(shù)法對(duì)指標(biāo)進(jìn)行標(biāo)定，并建立視認(rèn)效率評(píng)價(jià)體系。應(yīng)用評(píng)價(jià)體系對(duì)南京鐘山風(fēng)景名勝區(qū)進(jìn)行視認(rèn)效果評(píng)價(jià)，從視認(rèn)效率出發(fā)提出交通標(biāo)志設(shè)置改善優(yōu)化建議。

關(guān)鍵詞：交通安全;交通標(biāo)志;景區(qū)道路;視覺特性;效率評(píng)價(jià);基因選擇算法

中圖分類號(hào)：U121??? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1006-8023（2021）04-0135-09

Evaluation of Visual Recognition Efficiency of Traffic Signs in Scenic Spots

ZHU Mengyue， MA Jianxiao*， LIU Yuhang， QIU Shucheng， DING Ziyi

（College of Automobile and Traffic Engineering， Nanjing Forestry University， Nanjing 210037， China）

Abstract：In order to explore the efficiency of drivers' visual recognition of traffic signs， an evaluation system of visual recognition efficiency of road signs in scenic spots was constructed. The field eye-tracking experiment was designed and data of drivers' visual recognition of traffic signs in scenic spots were collected. Based on the data variation rule and index characteristics， the optimal value and the critical value of the eye movement characteristic data were analyzed and the evaluation index set of traffic sign recognition efficiency was established. Then， support vector machine-recursive feature elimination was used to rank the significance of evaluation indexes to determine the degree of influence of each evaluation index on the evaluation system. In addition， the calibration index of efficacy coefficient method was adopted to establish the evaluation system of visual recognition efficiency. Finally， the system was used to evaluate the visual recognition in Nanjing Zhongshan Mountain National Park and some suggestions on improvement and optimization of traffic sign setting from the perspective of visual recognition efficiency were proposed.

Keywords：Traffic safety; traffic signs; scenic road; visual characteristics; efficiency evaluation; support vector machine-recursive feature elimination

收稿日期：2021-03-09

基金項(xiàng)目：江蘇省交通運(yùn)輸科技項(xiàng)目計(jì)劃（2016T04）;南京市科協(xié)軟科學(xué)研究項(xiàng)目（NJKX2017RKX-05）

第一作者簡(jiǎn)介：朱夢(mèng)悅，碩士研究生。研究方向?yàn)榻煌ò踩c交通大數(shù)據(jù)。E-mail：125620776@qq.com

*通信作者：馬健霄，博士，教授。研究方向?yàn)榻煌ò踩夹g(shù)。E-mail：majx@njfu.edu.cn

引文格式：朱夢(mèng)悅，馬健霄，劉宇航，等.景區(qū)道路交通標(biāo)志視認(rèn)效率評(píng)價(jià)[J].森林工程，2021，37（4）：135-143.

ZHU M Y， MA J X， LIU Y H， et al. Evaluation of visual recognition efficiency of traffic signs in scenic spots[J]. Forest Engineering，2021，37（4）：135-143.

0 引言

伴隨旅游業(yè)的迅速興起，兼具林區(qū)特征的景區(qū)不斷增加。由于道路交通性質(zhì)的不同[1]，城市道路交通設(shè)計(jì)方法不能完全適應(yīng)此類景區(qū)交通出行特性，且部分景區(qū)交通設(shè)施設(shè)計(jì)仍沿用公路標(biāo)準(zhǔn)，無法高效地為駕駛?cè)颂峁┬熊囆畔ⅰ１狙芯客ㄟ^對(duì)兼具林區(qū)特征的景區(qū)道路展開交通標(biāo)志視認(rèn)效率研究，旨在為此類景區(qū)及林區(qū)道路交通設(shè)施設(shè)計(jì)提供參考，保障行車安全。

國內(nèi)外學(xué)者在旅游交通和標(biāo)志視認(rèn)性方面開展了廣泛性研究。桂零等[2]基于人類工效學(xué)理論建立了指路標(biāo)志視認(rèn)性評(píng)價(jià)模型，在調(diào)查問卷的基礎(chǔ)上通過層次分析法確定不同影響因素的權(quán)重值。陳娜等[3]運(yùn)用3Ds Max建立虛擬交通視景，通過改變標(biāo)志標(biāo)線自身屬性渲染出不同場(chǎng)景效果，通過專家打分法對(duì)不同場(chǎng)景進(jìn)行比較以確定視認(rèn)性最優(yōu)的標(biāo)志標(biāo)線設(shè)置值。劉小明等[4]選取駕駛?cè)诵畔⑿枨蟪潭葮?gòu)建基礎(chǔ)模型，引入理解度和信息量2個(gè)修正系數(shù)，建立了指路標(biāo)志版面工效性評(píng)價(jià)模型。Ben-bassat [5]提出標(biāo)志的易理解性會(huì)影響旅客及新手司機(jī)安全出行，通過分組實(shí)驗(yàn)驗(yàn)證符合人體工程學(xué)原則的標(biāo)志設(shè)計(jì)更易于司機(jī)理解。Albalate等[6]通過數(shù)據(jù)分析和案例研究指出旅游強(qiáng)度是城市交通需求增長的一個(gè)影響因素，旅游給城市交通系統(tǒng)帶來明顯的需求壓力，論證了景區(qū)交通研究的必要性。

已有研究多在城市道路、高速公路或虛擬場(chǎng)景中對(duì)標(biāo)志視認(rèn)效率進(jìn)行評(píng)價(jià)[7-8]，未考慮到景區(qū)與其他道路在交通道路特性方面的不同，忽視其評(píng)價(jià)工作的差異。同時(shí)，國內(nèi)外的評(píng)價(jià)方法大多依賴專家經(jīng)驗(yàn)確定權(quán)重值，主觀影響較大[9]。本文通過駕駛?cè)嗽诰皡^(qū)道路實(shí)地視認(rèn)交通標(biāo)志時(shí)的視覺特性來確定視認(rèn)效率評(píng)價(jià)指標(biāo)，并利用基因選擇算法對(duì)所選指標(biāo)進(jìn)行客觀的重要度排序，運(yùn)用功效系數(shù)法確定標(biāo)準(zhǔn)化的指標(biāo)功效，進(jìn)而建立景區(qū)交通標(biāo)志視認(rèn)效率客觀評(píng)價(jià)體系。

1 實(shí)驗(yàn)方案

1.1 實(shí)驗(yàn)人員及設(shè)備

為盡可能減少駕駛?cè)颂匦詫?duì)實(shí)驗(yàn)結(jié)果帶來的不確定性影響，受試者整體構(gòu)成比例及駕駛車型貼近自駕游主體出行人群特征，包括年齡、性別等，較少關(guān)注駕駛?cè)诵愿癫町?，但考慮到駕駛?cè)嗽诰皡^(qū)道路順暢的條件下自駕出游時(shí)，心理狀態(tài)類似，結(jié)果具有一定的普適性[10]。對(duì)20名小型車駕駛?cè)诉M(jìn)行實(shí)地視線追蹤實(shí)驗(yàn)。男性16名，女性4名，年齡為25～40歲，矯正視力正常，無弱視或色盲等視覺障礙，駕齡均超過2 a，有良好的駕駛經(jīng)驗(yàn)，且實(shí)驗(yàn)過程中保持良好的身體狀況。

實(shí)驗(yàn)設(shè)備為Tobii Glasses系列眼動(dòng)儀和ErgoLAB人機(jī)環(huán)境同步系統(tǒng)。Tobii Glasses系列眼動(dòng)儀采樣頻率大于等于50 Hz，瞳孔追蹤精度小于等于0.1°，視線追蹤精度小于等于0.3°，場(chǎng)景攝像機(jī)視野范圍為90°，分辨率為1 920×1 080像素，豎向角度可調(diào)，數(shù)據(jù)傳輸方式為USB。

實(shí)時(shí)采集受試者看到的真實(shí)場(chǎng)景和視認(rèn)位置，應(yīng)用在基于現(xiàn)實(shí)場(chǎng)景或?qū)嵨锏亩ㄐ约岸康难蹌?dòng)分析研究。

1.2 實(shí)驗(yàn)步驟

實(shí)驗(yàn)人員向受試者說明實(shí)驗(yàn)?zāi)康募斑^程中注意事項(xiàng)，并回答其疑問，使其盡量以平穩(wěn)心態(tài)進(jìn)行實(shí)驗(yàn)，確保數(shù)據(jù)準(zhǔn)確性。實(shí)驗(yàn)開始前，受試者正確佩戴眼動(dòng)儀，完成眼球確認(rèn)和注視點(diǎn)確認(rèn)。實(shí)驗(yàn)過程中，受試者按照要求在景區(qū)道路按指定路線行駛，行駛過程中僅依靠交通標(biāo)志引導(dǎo)駕駛，不得依靠手機(jī)、車載導(dǎo)航或問路等方式，車速控制在限定的安全速度內(nèi)。結(jié)束后，以視頻形式輸出眼動(dòng)儀所記錄場(chǎng)景，使用ErgoLAB人機(jī)環(huán)境同步系統(tǒng)進(jìn)行分析處理數(shù)據(jù)，實(shí)驗(yàn)流程如圖1所示。

1.3 數(shù)據(jù)獲取及分析

實(shí)驗(yàn)采集行駛過程中20位駕駛?cè)艘曊J(rèn)2組交通標(biāo)志時(shí)的視覺特性數(shù)據(jù)，包括注視次數(shù)、單次注視時(shí)間、掃視時(shí)間、眨眼次數(shù)、聚焦點(diǎn)以及瞳孔直徑均值6種眼動(dòng)行為數(shù)據(jù)，見表1。

截取駕駛?cè)艘曊J(rèn)交通標(biāo)志時(shí)段內(nèi)的視頻，輸出各項(xiàng)數(shù)據(jù)。其中，目標(biāo)區(qū)域內(nèi)落在標(biāo)志上的聚焦點(diǎn)占總聚焦點(diǎn)的比例記為有效注視點(diǎn)比例;眨眼次數(shù)與視認(rèn)標(biāo)志總時(shí)長的比值記為眨眼頻率，如圖1所示。

KS檢驗(yàn)是用于檢驗(yàn)數(shù)據(jù)是否符合某種分布的非參數(shù)檢驗(yàn)，由于不需要知道數(shù)據(jù)的分布情況，在小樣本統(tǒng)計(jì)分析中效果較好。運(yùn)用KS檢驗(yàn)驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)是否符合正態(tài)分布，原假設(shè)h0為數(shù)據(jù)符合正態(tài)分布，顯著性水平取0.05，對(duì)比結(jié)果，當(dāng)P值小于0.05時(shí)，拒絕h0;查表得當(dāng)樣本量為40時(shí)，臨界D值為0.22，當(dāng)D值大于0.22時(shí)，拒絕H0，見表2。

5組數(shù)據(jù)均符合正態(tài)分布，在累計(jì)頻率15%和85%點(diǎn)附近有明顯轉(zhuǎn)折，在此區(qū)間內(nèi)增速較快，表明在該區(qū)間內(nèi)數(shù)據(jù)波動(dòng)較大，在評(píng)價(jià)指標(biāo)定量分析中可以運(yùn)用百分位數(shù)法結(jié)合指標(biāo)特性確定最優(yōu)值和臨界值。

2 基于視覺特性的評(píng)價(jià)指標(biāo)分析

2.1 評(píng)價(jià)指標(biāo)的選取

交通標(biāo)志視認(rèn)效率多通過駕駛?cè)嗽谛旭傔^程中視認(rèn)標(biāo)志時(shí)的直觀感受評(píng)價(jià)。綜合考慮眼動(dòng)儀輸出數(shù)據(jù)和選取原則，確定單塊交通標(biāo)志注視時(shí)間（s）、單塊交通標(biāo)志掃視時(shí)間（s）、眨眼頻率（次/s）、瞳孔直徑均值（mm）、有效注視點(diǎn)比例（%）及目標(biāo)信息集中程度（%）為交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)。

2.2 評(píng)價(jià)指標(biāo)的分析

（1）單塊交通標(biāo)志注視時(shí)間

注視時(shí)間為駕駛?cè)俗x取交通標(biāo)志信息的時(shí)間，與標(biāo)志所含信息量有直接關(guān)聯(lián)[11-13]。標(biāo)志信息量高于正常值會(huì)增加駕駛?cè)艘曊J(rèn)信息時(shí)間，使其視線長時(shí)間偏離道路?；谧⒁晻r(shí)間與標(biāo)志信息量間的顯著相關(guān)性，本文以注視時(shí)間作為信息量衡量標(biāo)準(zhǔn)。區(qū)分不同路名/景點(diǎn)指示數(shù)量下的注視時(shí)間，提供一條指示信息記為1，依次類推，取最小指示數(shù)為2，最大指示數(shù)為7。指示數(shù)為6的標(biāo)志，如圖3所示，指示信息量包含路名指示“陵園路”及景點(diǎn)方位指示“海底世界” “明孝陵” “中山陵” “靈谷寺景區(qū)” “美齡宮”。

改變交通標(biāo)志指示數(shù)，重復(fù)實(shí)驗(yàn)，計(jì)算在不同指示數(shù)條件下實(shí)驗(yàn)數(shù)據(jù)組的第85%位單塊交通標(biāo)志注視時(shí)間、第15%位單塊交通標(biāo)志注視時(shí)間，為擬定單項(xiàng)指標(biāo)最優(yōu)值和臨界值提供參考。

（2）單塊交通標(biāo)志掃視時(shí)間

掃視時(shí)間為駕駛?cè)嗽诮煌?biāo)志中找尋到目標(biāo)信息所用時(shí)間，與標(biāo)志版面設(shè)計(jì)及設(shè)置位置相關(guān)聯(lián)。可通過掃視時(shí)間長短判斷交通標(biāo)志信息設(shè)置是否顯著，若掃視時(shí)間過長，則標(biāo)志信息設(shè)置不顯著[14-15]。計(jì)算實(shí)驗(yàn)數(shù)據(jù)組的第85%位單塊交通標(biāo)志掃視時(shí)間、第15%位單塊交通標(biāo)志掃視時(shí)間。

（3）眨眼頻率

駕駛?cè)嗽谛旭傔^程中利用眨眼來緩解視疲勞，眨眼頻率越高表明駕駛?cè)艘曍?fù)荷越大、視疲勞嚴(yán)重[16]。計(jì)算實(shí)驗(yàn)數(shù)據(jù)組的第85%位眨眼頻率、第15%位眨眼頻率。

（4）瞳孔直徑均值

駕駛?cè)诵旭傔^程中的瞳孔直徑與駕駛環(huán)境的光線強(qiáng)弱呈反比關(guān)系。城市景區(qū)道路兩側(cè)栽種的大量植被樹木生長錯(cuò)落，駕駛?cè)嗽谄溟g連續(xù)行駛時(shí)，光線強(qiáng)弱時(shí)有變化且整體相對(duì)于城市道路較弱、瞳孔直徑波動(dòng)范圍更大。景區(qū)道路與城市道路在此項(xiàng)指標(biāo)上差異性最為顯著。計(jì)算實(shí)驗(yàn)數(shù)據(jù)組的第85%位瞳孔直徑均值、第15%位瞳孔直徑均值及平均瞳孔直徑均值。

（5）有效注視點(diǎn)比例

計(jì)算目標(biāo)區(qū)域內(nèi)標(biāo)志注視點(diǎn)數(shù)量占總注視點(diǎn)的比例，用以評(píng)價(jià)空間內(nèi)干擾物對(duì)駕駛?cè)俗x取、判斷標(biāo)志信息的影響程度。當(dāng)有效注視點(diǎn)比例過低，說明目標(biāo)區(qū)域內(nèi)存在干擾嚴(yán)重的現(xiàn)象。計(jì)算實(shí)驗(yàn)數(shù)據(jù)組的第85%位有效注視點(diǎn)比例、第15%位有效注視點(diǎn)比例。

（6）目標(biāo)信息集中程度

駕駛?cè)嗽趯ふ也⒆x取交通標(biāo)志的過程中，視線易受到道路兩側(cè)樹木、建筑和廣告牌等的遮擋和干擾。利用熱點(diǎn)圖中交通標(biāo)志熱點(diǎn)覆蓋比例，分析駕駛?cè)艘曊J(rèn)標(biāo)志過程中的有效聚焦點(diǎn)，獲取駕駛?cè)藢?duì)交通標(biāo)志版面信息的視線集中程度，信息集中程度越高越好。

3 基于基因選擇算法的指標(biāo)重要度排序

基因選擇算法（SVM-RFE）是一種基于SVM最大間隔原理的特征選擇算法，通過多次迭代得到所有評(píng)價(jià)指標(biāo)重要度排序，在判斷駕駛?cè)诵旭偁顟B(tài)中，可應(yīng)用該算法對(duì)各項(xiàng)指標(biāo)進(jìn)行重要度排序，選取合適數(shù)量的指標(biāo)構(gòu)建判斷模型，提高模型準(zhǔn)確度[17-18]。

用實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練分類器，實(shí)驗(yàn)數(shù)據(jù)為20組參與實(shí)驗(yàn)人員實(shí)地駕駛時(shí)采集的視認(rèn)數(shù)據(jù)，每條數(shù)據(jù)包括單塊交通標(biāo)志注視時(shí)間、單塊交通標(biāo)志掃視時(shí)間、眨眼頻率、瞳孔直徑均值、有效注視點(diǎn)比例和目標(biāo)信息集中程度6項(xiàng)指標(biāo)信息。計(jì)算所有指標(biāo)的排序得分，在評(píng)價(jià)指標(biāo)集中，去除最小排序得分的指標(biāo)，對(duì)余下指標(biāo)再次進(jìn)行反復(fù)訓(xùn)練，當(dāng)評(píng)價(jià)指標(biāo)集中只剩一個(gè)指標(biāo)時(shí)迭代結(jié)束，得到按重要度排列的指標(biāo)排序表，確定各指標(biāo)對(duì)評(píng)價(jià)體系的影響程度[19]。

基于SVM-RFE算法的交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)重要度排序流程如下。

步驟1：將實(shí)地視線追蹤實(shí)驗(yàn)所得樣本數(shù)值按公式（1）進(jìn)行標(biāo)準(zhǔn)化處理，歸一化至[-1，1]區(qū)間，消除各指標(biāo)間數(shù)值差異，避免各指標(biāo)數(shù)據(jù)單位量綱不同帶來的影響。

yi=2（xi-xmin）xmax-xmin-1 。 （1）

式中：yi為標(biāo)準(zhǔn)化后的數(shù)值;xi為原始數(shù)值;xmax為樣本數(shù)值中的最大值;xmin為樣本數(shù)值中的最小值。

步驟2：利用SVM-RFE算法對(duì)交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)進(jìn)行重要度排序。

步驟3：按指標(biāo)重要度排序，根據(jù)各自指標(biāo)的占比，確定每個(gè)指標(biāo)對(duì)評(píng)價(jià)體系的影響程度，見表3。

直觀反映駕駛?cè)艘暰€集中程度、空間內(nèi)多余信息干擾的目標(biāo)信息集中程度指標(biāo)排在重要度第一位，而反映景區(qū)道路與城市道路標(biāo)志視認(rèn)存在顯著性差異的瞳孔直徑均值指標(biāo)排名第二位，該重要度排序主要反映景區(qū)道路空間和光線環(huán)境對(duì)標(biāo)志視認(rèn)的影響，也可知景區(qū)交通標(biāo)志視認(rèn)效率評(píng)價(jià)與城市道路存在差異。

4 交通標(biāo)志視認(rèn)效率評(píng)價(jià)體系

為將實(shí)驗(yàn)數(shù)值轉(zhuǎn)化為可度量的結(jié)果，利用功效系數(shù)法結(jié)合各評(píng)價(jià)指標(biāo)特性確定標(biāo)準(zhǔn)化的指標(biāo)功效。根據(jù)SVM-RFE算法所確定的指標(biāo)重要度，將標(biāo)準(zhǔn)化的指標(biāo)功效按其各自的影響程度計(jì)入評(píng)價(jià)結(jié)果，構(gòu)建景區(qū)道路交通標(biāo)志視認(rèn)效率評(píng)價(jià)體系，評(píng)價(jià)流程如圖4所示。

僅考慮目標(biāo)信息集中程度，根據(jù)其指標(biāo)特性，擬定最優(yōu)值Cmax取值為100，其功效系數(shù)為1，擬定臨界值Cmin取值為60，其功效系數(shù)為0，建立目標(biāo)信息集中度功效函數(shù)如下：

d1=1Cmax-Cmin（C-Cmin）。? （2）

式中：d1為目標(biāo)信息集中程度指標(biāo)功效;C為實(shí)測(cè)目標(biāo)信息集中程度;Cmax為目標(biāo)信息集中程度最優(yōu)值;Cmin為目標(biāo)信息集中程度臨界值。

對(duì)于瞳孔直徑均值，擬定平均值為最優(yōu)值Dmax，其功效系數(shù)為1，擬定第15%位值、第85%位值為臨界值Dmin，1、Dmin，2，其功效系數(shù)為0，建立瞳孔直徑均值功效函數(shù)如下：

d2=1Dmax-Dmin，1（D-Dmin，1），0≤D

式中：d2為瞳孔直徑均值指標(biāo)功效;D為實(shí)測(cè)瞳孔直徑均值;Dmax為瞳孔直徑均值最優(yōu)值;Dmin，1、Dmin，2為瞳孔直徑均值臨界值。

對(duì)于有效注視點(diǎn)比例，擬定第85%位值為最優(yōu)值Pmax，其功效系數(shù)為1，擬定第15%位值為臨界值Pmin，其功效系數(shù)為0，建立有效注視點(diǎn)比例功效函數(shù)如下：

d3=1Pmax-Pmin（P-Pmin） 。（4）

式中：d3為有效注視點(diǎn)比例指標(biāo)功效;P為實(shí)測(cè)有效注視點(diǎn)比例;Pmax為有效注視點(diǎn)比例最優(yōu)值;Pmin為有效注視點(diǎn)比例臨界值。

對(duì)于單塊交通標(biāo)志注視時(shí)間，擬定第15%位值為最優(yōu)值TF，max，其功效系數(shù)為1，擬定第85%位值為臨界值TF，min，其功效系數(shù)為0，建立單塊交通標(biāo)志注視時(shí)間功效函數(shù)如下：

d4=1TF，max-TF，min（TF-TF，min）。 （5）

式中：d4為單塊交通標(biāo)志注視時(shí)間指標(biāo)功效;TF為實(shí)測(cè)單塊交通標(biāo)志注視時(shí)間;TF，max為單塊交通標(biāo)志注視時(shí)間最優(yōu)值;TF，min為單塊交通標(biāo)志注視時(shí)間臨界值。

對(duì)于眨眼頻率，擬定第15%位值為最優(yōu)值Nmax，其功效系數(shù)為1，擬定第85%位值為臨界值Nmin，其效系數(shù)為0，建立眨眼頻率功效函數(shù)如下：

d5=1Nmax-Nmin（N-Nmin） 。（6）

式中：d5為眨眼頻率指標(biāo)功效;N為實(shí)測(cè)眨眼頻率;Nmax為眨眼頻率最優(yōu)值;Nmin為眨眼頻率臨界值。

對(duì)于單塊交通標(biāo)志掃視時(shí)間，擬定第15%位值為最優(yōu)值TS，max，其功效系數(shù)為1，擬定第85%位值為臨界值TS，min，其功效系數(shù)為0，建立單塊交通標(biāo)志掃視時(shí)間功效函數(shù)如下：

d6=1TS，max-TS，min（TS-TS，min）。 （7）

式中：d6為單塊交通標(biāo)志掃視時(shí)間指標(biāo)功效;TS為實(shí)測(cè)單塊交通標(biāo)志掃視時(shí)間;TS，max為單塊交通標(biāo)志掃視時(shí)間最優(yōu)值;TS，min為單塊交通標(biāo)志掃視時(shí)間臨界值。

單項(xiàng)評(píng)價(jià)指標(biāo)最優(yōu)值及臨界值取值，見表4。

單項(xiàng)指標(biāo)取值合理區(qū)間內(nèi)功效值為[0，1]，對(duì)超出取值范圍的功效值，按公式（8）處理，即不合理區(qū)間內(nèi)指標(biāo)功效值為負(fù)。

di=di，? di<01-di，di>1。（8）

結(jié)合SVM-RFE算法求得每個(gè)指標(biāo)對(duì)評(píng)價(jià)體系的影響程度，可求出評(píng)價(jià)對(duì)象整體功效，為平衡負(fù)數(shù)功效值帶來的影響，并直觀地展示評(píng)價(jià)結(jié)果，參考百分制評(píng)分法，將功效值轉(zhuǎn)化為百分制的效率值。引入基準(zhǔn)分的概念，取臨界值即合理區(qū)間極限值作為基準(zhǔn)，以60分即及格分作為基準(zhǔn)分，功效值乘以40，將兩者相加，得到評(píng)價(jià)結(jié)果如公式（9）所示，構(gòu)建交通標(biāo)志視認(rèn)效率評(píng)價(jià)體系。

E=∑6i=1wi×（di×40+60）。 （9）

式中：E為交通標(biāo)志視認(rèn)效率評(píng)價(jià)結(jié)果;wi為各評(píng)價(jià)指標(biāo)重要度;di為各評(píng)價(jià)指標(biāo)功效。

參考百分制五等級(jí)判斷標(biāo)準(zhǔn)評(píng)判視認(rèn)效率結(jié)果，見表5。

5 視認(rèn)效率評(píng)價(jià)應(yīng)用

選取南京鐘山風(fēng)景名勝區(qū)為例，南京鐘山風(fēng)景名勝區(qū)總面積34.91 km2，劃分為玄武湖景區(qū)、山北景區(qū)、北岳景區(qū)、陵園景區(qū)和山南景區(qū)。駕駛?cè)诵旭偮肪€及沿路重要交通標(biāo)志如圖4所示。

采用所構(gòu)建評(píng)價(jià)體系評(píng)價(jià)景區(qū)內(nèi)交通標(biāo)志視認(rèn)效率。運(yùn)用功效系數(shù)法對(duì)所得數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到單項(xiàng)指標(biāo)功效，選取中位數(shù)值作為單項(xiàng)指標(biāo)評(píng)價(jià)結(jié)果，按重要度累加得到景區(qū)交通標(biāo)志視認(rèn)效率評(píng)價(jià)結(jié)果，見表6。

南京鐘山風(fēng)景名勝區(qū)交通標(biāo)志視認(rèn)效率評(píng)價(jià)結(jié)果如公式（10）所示。

E=∑6i=1wi×（di×40+60）=78.02。 （10）

由此看出，交通標(biāo)志視認(rèn)效率屬中等水平，存在不足。單塊交通標(biāo)志掃視時(shí)間、瞳孔直徑均值和有效注視點(diǎn)比例3項(xiàng)眼動(dòng)指標(biāo)功效較低，說明駕駛?cè)嗽趯ふ易x取標(biāo)志信息時(shí)容易受到干擾物影響，景區(qū)交通標(biāo)志設(shè)置顯著性不足。瞳孔直徑均值整體偏低，可以看出駕駛?cè)嗽诰皡^(qū)道路行駛時(shí)駕駛環(huán)境光線較弱。

針對(duì)視認(rèn)評(píng)價(jià)結(jié)果反映出標(biāo)志設(shè)置的不足，對(duì)標(biāo)志設(shè)置進(jìn)行如下調(diào)整。

（1）景區(qū)照明環(huán)境：南京鐘山風(fēng)景名勝區(qū)開放時(shí)間為白天，為減少燈光對(duì)動(dòng)植物的干擾，故景區(qū)內(nèi)照明環(huán)境雖偏暗，但不建議通過增設(shè)或調(diào)亮路燈等方式變動(dòng)景區(qū)照明環(huán)境。

（2）交通標(biāo)志版面設(shè)置：標(biāo)志還存在部分格式不統(tǒng)一等問題，需規(guī)范版面設(shè)計(jì)、尺寸大小。對(duì)于一桿多標(biāo)志的標(biāo)志桿，需優(yōu)化信息排列方式，突出重要信息，便于駕駛?cè)丝焖僮x取目標(biāo)信息。景區(qū)照明環(huán)境受多方因素影響，難以調(diào)節(jié)，可通過提升標(biāo)志本身的反光性能，或設(shè)置為主動(dòng)發(fā)光式標(biāo)志牌[20]，以緩解景區(qū)光線較弱給駕駛?cè)艘曊J(rèn)標(biāo)志帶來的不利影響。

（3）交通標(biāo)志設(shè)置方式：現(xiàn)有標(biāo)志設(shè)置方式主要有懸臂式和立柱式，由于景區(qū)道路多為雙車道，故無須擔(dān)心內(nèi)側(cè)車道駕駛?cè)艘暰€被遮擋。對(duì)懸臂式標(biāo)志，根據(jù)道路兩側(cè)樹木生長情況如高度、枝杈等，合理確定懸臂桿的高度和臂長，避免樹木遮擋標(biāo)志信息，增加標(biāo)志的顯著性，減少信息找尋讀取時(shí)間。對(duì)立柱式標(biāo)志，根據(jù)駕駛?cè)艘曊J(rèn)角度和道路環(huán)境，選擇合適高度，并使其設(shè)置位置可稍向近車道側(cè)偏移，避免被前后樹木遮擋。

6 結(jié)束語

（1）本文通過實(shí)地視線追蹤實(shí)驗(yàn)獲取駕駛?cè)嗽诰皡^(qū)道路視認(rèn)交通標(biāo)志的視認(rèn)特性，基于實(shí)驗(yàn)結(jié)果和選取原則確定景區(qū)道路交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)，采用基因選擇算法（SVM-RFE）對(duì)交通標(biāo)志視認(rèn)效率評(píng)價(jià)指標(biāo)進(jìn)行客觀排序，目標(biāo)信息集中程度和瞳孔直徑均值2項(xiàng)指標(biāo)重要度位居前兩位，表明景區(qū)交通標(biāo)志設(shè)置時(shí)應(yīng)多關(guān)注道路空間及光線環(huán)境。

（2）利用實(shí)驗(yàn)數(shù)值和指標(biāo)特性確定各評(píng)價(jià)指標(biāo)的最優(yōu)值和臨界值，其中目標(biāo)信息集中程度最優(yōu)值為1，瞳孔直徑均值最優(yōu)值為2.635 mm，合理值區(qū)間上下限分別為3.010 mm和2.330 mm。本文所得指標(biāo)數(shù)值合理取值區(qū)間，可從駕駛?cè)艘曊J(rèn)感知角度為景區(qū)交通設(shè)施設(shè)計(jì)提供參考。

（3）實(shí)證運(yùn)用建立的評(píng)價(jià)體系獲取單項(xiàng)指標(biāo)功效及整體交通標(biāo)志視認(rèn)效率，總體得分78.02分，其中單塊交通標(biāo)志掃視時(shí)間指標(biāo)得分最低，僅為71.76分，對(duì)結(jié)果進(jìn)行分析，可知景區(qū)道路標(biāo)志視認(rèn)主要存在標(biāo)志顯著性不夠及駕駛環(huán)境光線較弱等問題，提出針對(duì)性改進(jìn)方向，也可看出景區(qū)道路標(biāo)志視認(rèn)與城市道路標(biāo)志視認(rèn)存在顯著差異。

該評(píng)價(jià)方法可為同類景區(qū)及林區(qū)道路交通標(biāo)志的正確設(shè)置提供參考，表明景區(qū)交通標(biāo)志設(shè)置有別于城市道路需額外關(guān)注的問題，為保障景區(qū)行車安全及交通設(shè)計(jì)提供參考。

【參 考 文 獻(xiàn)】

[1]錢琳琳. 大型旅游景區(qū)交通組織與管理方法研究[D]. 南京： 東南大學(xué)， 2015.

QIAN L L. Study on the traffic management plan of large tourist attractions[D]. Nanjing： Southeast University， 2015.

[2]桂零， 袁黎， 蔡明杰. 基于人類工效學(xué)的指路標(biāo)志視認(rèn)性研究[J]. 交通運(yùn)輸研究， 2016， 2（5）： 33-38.

GUI L， YUAN L， CAI M J. Recognition of guide sign based on ergonomics[J]. Transport Research， 2016， 2（5）： 33-38.

[3]陳娜， 張俊友， 姬全健. 基于虛擬現(xiàn)實(shí)技術(shù)的交通標(biāo)志視認(rèn)性實(shí)驗(yàn)分析方法[J]. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2014， 33（4）： 134-137.

CHEN N， ZHANG J Y， JI Q J. Experimental analysis method of traffic sign legibility based on virtual reality technology[J]. Journal of Chongqing Jiaotong University （Natural Science）， 2014， 33（4）： 134-137.

[4]劉小明， 張偉， 魏中華， 等. 指路標(biāo)志版面評(píng)價(jià)與優(yōu)化[J]. 北京工業(yè)大學(xué)學(xué)報(bào)， 2015， 41（1）： 95-102.

LIU X M， ZHANG W， WEI Z H， et al. Evaluation and optimization of traffic guide sign layout[J]. Journal of Beijing University of Technology， 2015， 41（1）： 95-102.

[5]BEN-BASSAT T. Are ergonomically designed road signs more easily learned？[J]. Applied Ergonomics， 2019， 78： 137-147.

[6]ALBALATE D， BEL G. Tourism and urban public transport： Holding demand pressure under supply constraints[J]. Tourism Management， 2010， 31（3）： 425-433.

[7]SCHROM-FEIERTAG H， SETTGAST V， SEER S. Evaluation of indoor guidance systems using eye tracking in an immersive virtual environment[J]. Spatial Cognition & Computation， 2017， 17（1/2）： 163-183.

[8]劉博華. 基于仿真技術(shù)的駕駛員標(biāo)志視認(rèn)安全性研究[D]. 北京： 北京工業(yè)大學(xué)， 2012.

LIU B H. Drivers visual cognition safety research of traffic signs based on simulation technology[D]. Beijing： Beijing University of Technology， 2012.

[9]王羽塵， 劉宇航， 白瑩佳. 基于數(shù)據(jù)包絡(luò)分析的單向交通網(wǎng)絡(luò)運(yùn)行效率評(píng)價(jià)[J]. 交通運(yùn)輸研究， 2019， 5（4）： 89-96.

WANG Y C， LIU Y H， BAI Y J. Evaluation on operating efficiency of one-way traffic network based on data envelopment analysis[J]. Transport Research， 2019， 5（4）： 89-96.

[10]戴權(quán)， 王芳， 倪安寧. 認(rèn)知過程中交通標(biāo)志視認(rèn)有效性影響因素分析[J]. 中國安全科學(xué)學(xué)報(bào)， 2009， 19（12）： 57-60.

DAI Q， WANG F， NI A N. Influence factors of traffic sign comprehension effectiveness in cognitive process[J]. China Safety Science Journal， 2009， 19（12）： 57-60.

[11]陳孟柯， 馬健霄， 陸濤， 等. 高速公路隧道行車視覺特性分析[J]. 交通信息與安全， 2019， 37（3）： 86-92.

CHEN M K， MA J X， LU T， et al. Visual characteristics of drivers for driving through freeway tunnel[J]. Journal of Transport Information and Safety， 2019， 37（3）： 86-92.

[12]徐志， 關(guān)宏志， 嚴(yán)海， 等. 交通標(biāo)志文字信息駕駛員眼動(dòng)視認(rèn)特性[J]. 北京工業(yè)大學(xué)學(xué)報(bào)， 2011， 37（12）： 1830-1835.

XU Z， GUAN H Z， YAN H， et al. Driver eye movement features on text message from traffic signs[J]. Journal of Beijing University of Technology， 2011， 37（12）： 1830-1835.

[13]裴玉龍， 張馨予. 基于視認(rèn)特性的指路標(biāo)志版面不同區(qū)域視認(rèn)效果研究[J]. 森林工程， 2020， 36（4）： 109-115.

PEI Y L， ZHANG X Y. Research on visual effect of different areas of guide sign layout based on characteristics of recognition[J]. Forest Engineering， 2020， 36（4）： 109-115.

[14]施麗莎， 陸濤， 周智文， 等. 基于視覺追蹤的導(dǎo)向標(biāo)志評(píng)價(jià)體系設(shè)計(jì)[J]. 交通運(yùn)輸研究， 2019， 5（2）： 36-44.

SHI L S， LU T， ZHOU Z W， et al. Evaluation system of guidance signs based on visual tracking[J]. Transport Research， 2019， 5（2）： 36-44.

[15]周智文，馬健霄，譚婷.公路毗鄰隧道群路段駕駛?cè)艘曈X穩(wěn)定性評(píng)價(jià)[J].森林工程，2020，36（4）：116-122.

ZHOU Z W， MA J X， TAN T. Evaluation of drivers' visual stability in highway adjacent tunnel group sections[J]. Forest Engineering， 2020， 36（4）： 116-122.

[16]丁袁， 馬健霄， 潘義勇. 有無信號(hào)控制路段下行人過街眼動(dòng)特性研究[J]. 交通信息與安全， 2019， 37（2）： 40-47.

DING Y， MA J X， PAN Y Y. Characteristics of eye movements of pedestrians crossing with or without signal control[J]. Journal of Transport Information and Safety， 2019， 37（2）： 40-47.

[17]宋志新.無人駕駛汽車制動(dòng)系統(tǒng)模糊控制研究[J].自動(dòng)化技術(shù)與應(yīng)用，2019，38（10）：16-19.

SONG Z X. Research on fuzzy control of braking system of unmanned vehicles[J]. Techniques of Automation and Applications， 2019， 38（10）：16-19.

[18]張輝， 錢大琳， 邵春福， 等. 模擬駕駛環(huán)境下駕駛?cè)朔中臓顟B(tài)判別[J]. 中國公路學(xué)報(bào)， 2018， 31（4）： 43-51.

ZHANG H， QIAN D L， SHAO C F， et al. Drivers distraction states identification in simulating driving environment[J]. China Journal of Highway and Transport， 2018， 31（4）： 43-51.

[19]MA Y L， LI Z X， LI Y C， et al. Driving style estimation by fusing multiple driving behaviors： a case study of freeway in China[J]. Cluster Computing， 2019， 22（4）： 8259-8269.

[20]LIOU J J， WU C F. Assessment of drivers visual perception of information displayed in LED traffic signs at road construction sites[J]. Journal of the Society for Information Display， 2017， 25（1）： 53-60.