海底隧道入口段驾驶员眼动特征分析*

潘福全，牛远征，张丽霞，李 敏，杨金顺，康国祥

(青岛理工大学 机械与汽车工程学院，山东 青岛 266520)

0 引言

海底隧道作为隧道的特殊形式，相比常规公路隧道，其空间较小、环境更加密闭，发生交通事故时更容易导致隧道内交通瘫痪，造成人员伤亡。据统计，由于海底隧道空间封闭、视线差、道路景观单一等不良驾驶环境，导致80%以上交通事故发生与驾驶员有关[1]。

关于驾驶员生理对驾驶行为的影响，国内外学者进行相关研究：冯忠祥等[2]构建城市下穿隧道上下纵坡、车辆速度和驾驶员心率增长率关系度量模型，并量化其指标间关系；Pan等[3]分析海底隧道出入口驾驶员的脑电数据，建立照明、纵向坡度及其耦合效应模型；段萌萌等[4]以瞳孔面积变化最大瞬态速度值及换算视觉震荡持续时间作为评判视觉负荷的依据，以瞳孔面积变化最大瞬态速度为评价指标，判断隧道出入口驾驶员视觉危险程度；潘福全等[5]分析隧道不同照度与纵坡耦合作用下驾驶员视觉特征，发现驾驶员眼睑闭合度及注视时长受隧道内照度影响显著；Jiao等[6]通过统计分析连续时间序列条件下，驾驶员白天驾驶车辆通过隧道时瞳孔面积和隧道照度等数据，构建瞳孔面积随时间变化的数学模型；Katja等[7]研究隧道内不同照明、任务负荷和隧道壁颜色对驾驶员行为的影响，发现隧道设计和照明对驾驶员的视觉注意力影响最大；Liang等[8]通过实验模拟得到隧道内不同亮度、相关色温(CCT)、偏心率和对比度值下驾驶员反应时间，分析得出通过增加光源的CCT来改善驾驶员视觉性能；Mousa等[9]根据不同小波和分类器，利用无线脑电图信号对驾驶员分心程度进行分类。

目前，国内外学者对驾驶行为的研究主要集中在隧道内驾驶员心率特征、眼动特征以及隧道纵坡、行车速度等方面，关于隧道入口段驾驶员行为影响的研究很少。因此，本文基于Facelab眼动仪，选取青岛胶州湾海底隧道入口段进行道路实车实验，研究驾驶员眼动特征、行车速度与行车位置的变化特性，分析各区段驾驶员眼动特征对行车安全的影响，为海底隧道入口段安全管理提出更好的建议。

1 实验方案设计

1.1 实验线路

实验道路选择青岛胶州湾海底隧道收费站至入口，实验线路为漓江东路入口-云南路出口。为减少不良因素对驾驶员生理特性的影响，实验避开雨天、大风、雾天等不良天气，避开交通高峰期。

本文根据道路线型、车辆行车特征、驾驶员眼动特征、路段标志标线设置，对海底隧道收费站至入口进行范围划分，如图1所示，共分为提速驶离段、换道减速段、缓和段、过渡段4部分。

图1 海底隧道收费站至入口范围划分Fig.1 Range division from toll station to entrance of subsea tunnel

青岛胶州湾海底隧道收费站共有4个ETC窗口、7个人工收费窗口，收费站距离隧道入口600 m，中间设有隧道提示标志、减速标线、限速标志，隧道内照明通风条件良好，隧道前入口段最高限速为60 km/h，隧道前缓和段与过渡段均为3车道。实验道路主要技术参数见表1。

表1 青岛胶州湾海底隧道入口段实验道路基本情况Table 1 Basic information of experimental road at entrance section of Qingdao Jiaozhou Bay Subsea Tunnel

1.2 实验对象及数据采集

实验挑选不同年龄、驾龄的非职业驾驶员24名，其中男性18名，女性6名；年龄24～50岁，平均年龄为35岁；驾龄为1～10 a，平均驾龄为4.5 a。

本文实验采用Facelab眼动仪实时采集驾驶员注视时长、左右眼眼睑闭合度、眨眼频率、注视点位置等眼动特征。

实验过程中，每位驾驶员轮流在实验路段行驶2次，利用Facelab眼动仪采集每位驾驶员注视时长、左右眼眼睑闭合度、眨眼频率等眼动数据，同时利用录像机拍摄车速仪表盘和驾驶环境。

1.3 评价指标

眼睑闭合度指左、右眼及上、下眼睑闭合覆盖的虹膜部分。驾驶员通过海底隧道入口段时，受道路线性变化、减速换道等视觉刺激，眼睑闭合度发生相应变化，反映驾驶员精神紧张、注意力集中程度。眨眼频率指固定时间内人眨眼次数，反映驾驶员生理及心理状态。

2 数据分析

2.1 车速变化特征分析

以驾驶员距收费站距离为基础，利用Origin软件对数据进行平均化处理。通过实车实验，采集海底隧道入口段行车速度和位置数据，计算样本总体在不同路段的最大速度、最小速度、平均速度、速度标准差，分析驾驶员在不同位置车速变化情况，各路段速度特征值见表2。

表2 海底隧道入口段行车速度特征值Table 2 Characteristic values of driving speed at entrance section of subsea tunnel km/h

通过采集海底隧道入口段车速变化数据，分析各段车速变化规律，并以隧道前收费站所在位置为坐标原点，横坐标正向为车辆行进方向。由于驾驶员驾驶习惯、心理生理特性等影响，使驾驶员在各个位置的行车速度不同，海底隧道入口段行车速度分布如图2所示，驾驶员车速呈上升-下降-上升-下降趋势。

图2 海底隧道入口段行车速度Fig.2 Driving speed at entrance section of subsea tunnel

由图2可知，在200～300 m灰色部分突出，此处车道数逐渐减小，车辆合流冲突对驾驶员影响较大；在550～650 m灰色部分突出，此处为黑洞效应路段，对驾驶员影响较大。

由图2和表2可知，在提速驶离段行驶时，车道数不变，驾驶员受其他车辆影响较小，要尽快驶离收费站出口，平均车速由静止状态提升至30.03 km/h，速度标准差为10.28 km/h；换道减速段行驶时，在换道减速段前半段，车道数减少对驾驶员影响较小，车速呈上升趋势；在进入缓和段前，驾驶员受车辆合流影响较大，平均车速在30.03～44.25 km/h内波动，速度标准差为3.67 km/h；在缓和段行驶时，车道数稳定，驾驶员受路段其他车辆影响较小，平均速度上升至52.45 km/h，速度标准差为6.34 km/h；在过渡段行驶时，因即将进入隧道，驾驶员视觉受减速标线、黑洞效应等影响，平均速度降至50.53 km/h，速度标准差为4.06 km/h。

2.2 眼睑闭合度变化特征分析

驾驶员驾车经过海底隧道入口段时，驾驶员左、右眼睑闭合度变化规律如图3所示。

图3 眼睑闭合度变化规律Fig.3 Change law of eyelid closure

由图3可知，驾驶员在收费站停车收费过程中，眼睑闭合度处于较低位置，驾驶员注意力集中、精神紧张；在提速驶离收费站过程中，左眼睑闭合度上升至3.6 mm，驾驶员精神逐渐放松；在换道减速段，车道数逐渐减少，驾驶员受交织车流影响，左眼睑闭合度降至1.5 mm，驾驶员精神紧张；在缓和段，车道数不变，驾驶员受周边车流影响较小，左眼睑闭合度上升至3.9 mm，驾驶员精神相对放松；在过渡段，即将进入隧道，驾驶员受减速标线、黑洞效应等视觉影响，左眼睑闭合度下降至1.4 mm，驾驶员精神相对紧张。

路段位置-行车速度-眼睑闭合度变化三维曲面如图4所示。由图4可知，在加速驶离段和缓和段，行车速度不断增大，眼睑闭合度逐渐增大，驾驶员精神比较放松；在换道减速段和过渡段，驾驶员分别受交织车流与黑洞效应影响，行车速度不断减小，眼睑闭合度逐渐减小，驾驶员精神比较紧张。综上，随车速增大，眼睑闭合度增大，反之，眼睑闭合度减小。

图4 路段位置-行车速度-眼睑闭合度变化规律Fig.4 Change law of road section position,driving speed and eyelid closure

2.3 眨眼频率变化特征分析

驾驶员眨眼频率变化如图5所示。由图5可知，驾驶员在收费站停车收费过程中，眨眼频率相对较高，驾驶员注意力集中、精神紧张；在提速驶离收费站过程中，眨眼频率逐渐下降，稳定在0.59 Hz，驾驶员精神逐渐放松；在换道减速段，车道数逐渐减少，驾驶员受交织车流影响，眨眼频率上升并稳定于0.78 Hz，驾驶员精神紧张；在缓和段，车道数不变，驾驶员受周边车流影响较小，眨眼频率下降并稳定在0.65 Hz，驾驶员精神相对放松；在过渡段，即将进入隧道，驾驶员受减速标线、黑洞效应等视觉影响，眨眼频率上升并稳定于0.80 Hz，驾驶员精神相对紧张。

图5 眨眼频率变化规律Fig.5 Change law of blink frequency

路段位置-行车速度-眨眼频率变化如图6所示。由图6可知，在距离收费站200～400 m处，既换道减速段，行车车速不断增加，眨眼频率不断增大，驾驶员注意力集中，精神相对紧张；在550～600 m处，行车速度减小，眨眼频率较大，驾驶员精神最紧张，说明黑洞效应对驾驶员生理状态影响较大。

图6 路段位置-行车速度-眨眼频率变化规律Fig.6 Change law of road section position,driving speed and blink frequency

3 模型建立

3.1 速度变化模型

对各段速度数据进行拟合，结果如图7所示。通过Origin软件对路段速度数据进行拟合，判定系数R2=0.989 81，拟合模型方差分析结果见表3。其中，P=0<0.001，说明各路段拟合效果较好，路段位置与驾驶员行车速度数学模型如式(1)所示：

图7 速度变化拟合Fig.7 Fitted image of speed change

(1)

式中：v为行车速度，km/h；x是距收费站的距离，m。

由图7可知，驾驶员行车速度随路段位置变化呈增大-减小-增大-减小趋势；在换道减速段与过渡段，驾驶员分别受车流交织与黑洞效应影响，行车速度减小。

3.2 眼睑闭合度变化模型

通过Origin软件对路段数据进行拟合，路段位置与驾驶员眼睑闭合度散点和多项式拟合曲线如图8所示。

通过Origin软件对路段数据进行拟合，判定系数R2=0.653 11，拟合模型方差分析结果见表4，其中，P=2.122 49×10-11<0.001,说明拟合程度较好。路段位置与驾驶员眼睑闭合度数学模型如式(2)所示：

y1=0.265 4-0.001 69x+(9.662 04×10-5)x2+
(-1.074 28×10-6)x3+(5.085 69×10-9)x4，
R2=0.653 11

(2)

式中：y1为眼睑闭合度，mm；x是距收费站的距离，m。

表4 路段位置与驾驶员眼睑闭合度拟合模型方差分析Table 4 Analysis of variance on fitted model of road section position and eyelid closure of drivers

由图8可知，驾驶员眼睑闭合度主要分布在1.9～4.5 mm；驾驶员眼睑闭合度拟合曲线在换道减速段和过渡段出现极大值，眼睑闭合度随路段位置的改变呈增大-减小-增大-减小趋势；在换道减速段与过渡段，驾驶员分别受车流交织与黑洞效应影响，眼睑闭合度减小，注意力集中，精神比较紧张。

3.3 眨眼频率变化模型

通过Origin软件对数据进行拟合，路段位置与驾驶员眨眼频率散点图和多项式拟合曲线如图9所示。

图9 眨眼频率变化拟合Fig.9 Fitted image of change in blink frequency

通过Origin软件对数据进行拟合，判定系数R2=0.791 7，拟合模型方差分析结果如表5所示，其中，P=0<0.001,说明拟合程度较好。路段位置与驾驶员眨眼频率数学模型如式(3)所示：

(3)

式中：y2为眨眼频率，Hz；x是距收费站的距离，m。

表5 路段位置与驾驶员眨眼频率拟合模型方差分析Table 5 Analysis of variance on fitted model of road section position and blink frequency of drivers

由图9可知，驾驶员眨眼频率主要分布在0.55～0.80 Hz，眨眼频率随路段位置改变呈减小-增大-减小-增大趋势；在入口段前半路段100～300 m处，驾驶员眨眼频率不断增大，此路段对驾驶员行车安全影响较大；在入口段后半路段500～600 m处，拟合曲线斜率不断增大，说明驾驶员越接近隧道入口，受黑洞效应影响越大，为保障行车安全，应设置减光板等减小暗适应，或在隧道建设中延长过渡段，使驾驶员拥有足够的适应时间。

4 结论

1)根据在海底隧道入口实车实验所采集的数据，分别建立提速驶离段、换道减速段、缓和段和过渡段的车速、眼睑闭合度及眨眼频率与行车位置数学模型。驾驶员驾车通过海底隧道入口段时，车速呈上升-下降-上升-下降的变化趋势，眼睑闭合度呈增大-减小-增大-减小的变化趋势，眨眼频率呈减小-增大-减小-增大的变化趋势，且受交织车流与黑洞效应影响显著。

2)在换道减速段和过渡段分别受交织车流与黑洞效应影响，车速明显减小、眼睑闭合度明显下降、眨眼频率明显增大，驾驶员精神紧张、注意力集中、行车风险较高。

3)基于驾驶员生理特性研究结论，设置海底隧道入口段换道减速段长度与车道数，减少因车辆合流冲突导致的驾驶员精神紧张，保障行车安全；海底隧道过渡段应设置减光设施，降低亮度突变对驾驶员视觉冲击；海底隧道换道减速段和过渡段应设置交通标志或语音提示，使驾驶员进入该路段前，调整驾驶行为，提高海底隧道入口段及隧道内的行车顺适性和安全性。