何 堅，張成龍，張 凡，劉樂園

（1.北京工業(yè)大學信息學部，北京100124；2.北京市物聯(lián)網(wǎng)軟件與系統(tǒng)工程技術研究中心，北京100124）

截止2016年底，我國高速公路總里程達13.1萬km，公路隧道15 181處，共計14 039.7km。其中，特長隧道815處，為3 622.7km；長隧道3 520處，為6 045.5km，共占公路隧道總里程的68.86%［1］。隧道作為高速公路交通的咽喉具有改善道路線形、縮短行車里程及保護環(huán)境等優(yōu)點，但其縱深較長、空間相對狹小以及隧道內(nèi)外光線亮度差別較大等特征容易導致交通事故，而隧道內(nèi)發(fā)生交通事故后處理困難，極易造成群死群傷。國內(nèi)外學者對公路交通事故的統(tǒng)計發(fā)現(xiàn)，隧道事故比例顯著高于正常路段。對此，國內(nèi)外研究人員紛紛研究提高駕駛員隧道行車效率和安全性的技術和方法。

荷蘭應用科學研究組織認為隧道的特殊設計（如隧道的長度、類型、寬度、照明情況等）對駕駛員的行為以及主觀安全感有很大程度的影響［2］。Geva等研究了公路隧道內(nèi)車載信息系統(tǒng)的應用，認為在隧道中給駕駛員顯示情報信息可減少隧道行駛中的心理不安和煩躁［3］。同濟大學郭忠印等對隧道進出口的運行安全進行了研究，認為進出口線形過渡、照明過渡、路面抗滑性能過渡是影響隧道安全的主要因素［4］?；谏鲜鲅芯砍晒?，研究人員嘗試在隧道中引入交通設施及景觀技術為駕駛員營造和諧的駕駛環(huán)境。例如，張孟冬在隧道洞口引入景觀設計，通過景觀的顏色以及減速標志雙重控速來提高隧道的安全性，實現(xiàn)隧道口的安全和景觀功能有效結合［5］?，|寶等根據(jù)人眼暗適應曲線，在隧道入口接近段形成光過渡帶的減光構件以有效緩解黑/白洞效應［6］。盡管我國在高速公路建設中越來越多引入新型交通設施和景觀技術來改善隧道行車環(huán)境，但尚缺少隧道設施和景觀的評估方法和技術。

歐美等發(fā)達國家較早開展公路設施評估技術和手段的研究。其中，美國于20世紀70年代開始研制基于GIS技術的城市景觀規(guī)劃模型METLAND（the Metropolitan Landscape Planning Model），并在自然景觀資源管理、景觀規(guī)劃與評價等方面取得成功應用［7］。此外，歐美等發(fā)達國家針對隧道照明評估也開展了研究，國際照明委員會在2004年針對隧道入口段照明問題提出隧道的安全照明必須使駕駛員在入口前接近隧道時能察覺立在路面上的小目標物體，即該物體能被看見的距離應大于等于車輛以隧道設計限速行駛3s的距離［8］。世界道路協(xié)會、歐洲標準委員會等均采用亮度折減系數(shù)作為隧道入口段照明光源特性評價指標。我國也于2000年發(fā)布了公路隧道通風照明設計規(guī)范［9］。胡江碧等通過對24名駕駛員的實車駕駛開展數(shù)據(jù)分析，提出將瞳孔面積變化率作為評價隧道入口段景觀照明條件安全舒適性的標準［10］。

綜上所述，國內(nèi)外現(xiàn)階段主要針對高速公路設施與景觀以及隧道出入口光照的評估與規(guī)范進行了研究，尚未針對隧道內(nèi)的交通設施和環(huán)境設計評估開展研究。近年來我國發(fā)生了多起隧道特大交通事故，開展公路隧道交通設施與環(huán)境評估技術研究具有重要的理論研究意義和現(xiàn)實需要。由于隧道路段存在封閉、光線差等特征，難以開展實地測試，因此提出結合虛擬現(xiàn)實技術的隧道交通設施與環(huán)境評估技術。

1 公路隧道中車輛駕駛控制模型

隧道中行車需要駕駛員實時感知隧道內(nèi)的駕駛環(huán)境，并依據(jù)車輛運行狀態(tài)和環(huán)境信息實現(xiàn)對車輛的橫向（方向盤操作，如車輛轉彎、變更車道等）和縱向（剎車、油門操作，如加速、減速）控制。因此，分別從隧道內(nèi)車輛的駕駛認知模型和車輛橫縱向控制兩方面建模描述車輛的駕駛控制。

1.1 基于ACT-R汽車駕駛認知模型

汽車駕駛是需要各項認知技能相互協(xié)調(diào)、共同決策的復雜任務，需要完備的認知理論支撐才能描述、預測駕駛員的復雜行為，進而分析導致駕駛外部結果（如轉向、減速等）的內(nèi)在原因，發(fā)現(xiàn)提高駕駛員操作效能、降低其認知負荷的方法［11］。理性思維的自適應控制系統(tǒng)模型（adaptive control of thoughtrational，ACT-R）是預測大腦工作機制和人類認知行為的認知理論模型，其已成功運用于人工智能、汽車駕駛等諸多領域［12］，因此采用ACT-R模型對隧道環(huán)境下的駕駛認知行為建模。

ACT-R為組塊和產(chǎn)生式組合進行表征的產(chǎn)生式系統(tǒng)。其工作過程中組塊的回憶時間以及回憶錯誤率由激活度確定，而激活度取決于該組塊在工作過程中的使用歷史以及與其他組塊的關聯(lián)程度。每個行為動作由一個產(chǎn)生式進行描述，當且僅當認知體系結構中所有組塊的當前狀態(tài)滿足產(chǎn)生式條件時，該產(chǎn)生式描述的行為動作才被執(zhí)行。ACT-R模型的組成部分包括目標模塊、陳述性知識（記憶）模塊、中央處理模塊、問題表征模塊、感知模塊（包括視覺和聽覺2個感知模塊）以及運動模塊，每個模塊都對應人類大腦中一個功能區(qū)，負責執(zhí)行相應認知功能。ACT-R模型可用于特定領域的認知建模，建模時需在認知過程的核心模塊基礎上針對該領域的特征進行相關模塊的補充。

參考文獻［13］的基于ACT-R的駕駛行為模型。該模型將駕駛任務分為3個子任務，分別是控制、檢測以及決策任務，模型通過這3個子任務來表征駕駛領域知識的產(chǎn)生式，通過增加預測眼動以及視覺注意轉移模塊，建立基于ACT-R的隧道汽車駕駛行為模型。在模型中控制任務包括感知信息和橫縱向車輛控制，其中，視覺信息由車輛前方近點和遠點進行采集；監(jiān)測任務包括記錄駕駛過程中周圍環(huán)境及其變化；決策任務則包括根據(jù)駕駛環(huán)境進行判斷，并作出相應的駕駛行為操作。同時模型還根據(jù)預設的概率隨機檢查車輛前方、后方、左側車道以及右側車道4個區(qū)域，當監(jiān)測某區(qū)域時，視覺注意將落于該區(qū)域并判斷是否存在車輛，若存在則在目標模塊中存儲車輛信息。

基于文獻［13］中描述的駕駛行為模型，建立面向隧道場景的汽車駕駛認知模型，如圖1所示。模型中，每項控制任務會由1條產(chǎn)生規(guī)則觸發(fā)，執(zhí)行結果送入操作緩沖，并通過操作實現(xiàn)控制任務。監(jiān)測任務通過視覺模塊持續(xù)感知駕駛環(huán)境信息，視覺緩沖把采集到的信息送到產(chǎn)生系統(tǒng)，并進行查詢和知識匹配；若知識匹配失敗則被丟棄，否則觸發(fā)1條產(chǎn)生規(guī)則，同時將執(zhí)行結果送入操作緩沖，并通過執(zhí)行操作實現(xiàn)控制任務。決策任務利用監(jiān)測數(shù)據(jù)查詢得到匹配，結合目標模塊進入目標緩沖，同時觸發(fā)1條或多條產(chǎn)生規(guī)則，并將執(zhí)行結果送入操作緩沖，進而通過執(zhí)行操作模塊完成決策下達的任務。

圖1 隧道場景下基于ACT-R的駕駛行為模型Fig.1 Driving action model based on ACT-R in tunel

1.2 車輛行駛的操控建模

車輛在隧道行駛時，其行駛操控主要體現(xiàn)在橫向和縱向兩方面，因此對車輛的橫縱向操作進行建模。研究證明駕駛中準確的橫向控制需要從近點和遠點2個視覺區(qū)域提取信息。其中，近點信息用于提供當前車輛橫向位置的反饋，遠點信息用于預測前方道路的彎度［14］。參考文獻［13］中的模型將近點定義為車輛正前方8m處的道路中心。遠點與遠點時間參數(shù)far-time（默認值為2s）相關，并根據(jù)以下3種情況來取值。①路直且前方?jīng)]有車輛時，遠點為車輛行駛far-time時間后到達的道路中心點；②彎路且前方?jīng)]有車輛時，遠點為車輛行駛far-time時間后到達的彎路內(nèi)切點；③前方有車輛且距離小于fartime時間行駛距離時，遠點為前方車輛位置。基于上述原理，車輛橫向轉角變化值可依據(jù)式（1）計算。

其中，Δφ是在Δt時間（1個控制周期）內(nèi)方向盤控制車輛橫向轉動的角度；θfar和θnear分別是遠點和近點車輛正前方的夾角，Δθfar和Δθnear分別是在Δt時間內(nèi)θfar和θnear變化的角度；θmax是保持車輛穩(wěn)定的最大近點偏角，其默認值為約1/4的道寬；kfar、knear和kI為方程參數(shù)；min為最小值函數(shù)。

縱向控制（即速度控制）建模與橫向控制建模類似。若所在車道車輛前方?jīng)]有其他車輛，且其行駛速度小于隧道限速值，則駕駛員可踩油門加速在車道上行駛；若車速超過隧道限速值，駕駛員可踩剎車減速在車道上行駛；否則，車輛可在該車道上勻速或減速行駛。在Δt時間內(nèi)本車加速度變化值可參考公式（2）來計算。

式中：Δtveh為前方車輛在Δt內(nèi)加速度變化值；tveh為前車當前加速度值；tfollow為本車當前加數(shù)度值；kveh和kfollow為方程參數(shù)。Δψ為正值，表明車輛可加速行駛；為負值，表明車輛需減速行駛。

在車輛行駛過程中，駕駛員須將注意力集中于車輛周圍環(huán)境和其他車輛位置。對此，模型采用預設概率隨機查詢車輛前后（從后視鏡中）以及左右車道4個區(qū)域其中之一。模型在監(jiān)測特定車道和方向時會將視覺轉移到注意的那個區(qū)域，并判斷是否有其他車輛出現(xiàn)。由于正常駕駛中駕駛員一般在右車道行駛而借用左車道實現(xiàn)超車，因此在隧道場景下是否變更車道的決定取決于駕駛員的目前車道。如果車輛是在右車道，模型檢查此時路面前方的車輛情況，如果前面有車輛阻礙其進一步加速且左車道前后沒車，駕駛員可轉換車道并超車。如果車輛已在左車道，駕駛員將根據(jù)前面是否有車的情況做出保持或變更車道的決策。

2 隧道交通環(huán)境和設施建模

參考興延高速上的營城子隧道設計高速公路隧道及相關交通設施和景觀模型。隧道含有上行、下行2個洞口，并采用端墻式洞口，2個洞口之間種植樹木和草皮。隧道限速80km·h-1，單車道交通量為937veh·h-1，隧道洞口前有限速80km·h-1長度為1km的高速公路。

2.1 隧道照明建模設計

在車輛行駛過程中，駕駛員80%以上的信息靠視覺獲取。研究表明隨著車速提高，駕駛員可清晰辨認物體的距離縮短，其動視力也隨之降低［15］。行車過程中車速越快駕駛員的注意力越集中，注意力集中點將前移，對周圍空間分辨能力降低，同時駕駛員的視野和視野所包圍的角度也會隨之減小，因此要根據(jù)不同車速下駕駛員注意力集中點及視野范圍關系來設置高速隧道模型中交通設施、景觀和光照等參數(shù)。

白天（尤其在晴天的情況下）駕駛員在進入隧道的瞬間，由于隧道內(nèi)外亮度差異懸殊導致駕駛員的眼睛需經(jīng)過一段適應時間才能看清隧道的內(nèi)部情況；此外，駕駛員在駛出隧道的瞬間也需經(jīng)過一段時間來適應洞內(nèi)外明暗變化，即所謂的“黑洞”［16］和“白洞”［17］效應。在車速較快的情況下，“黑洞”及“白洞”效應極易導致駕駛員視覺功能的降低和反應時間的延遲，進而誘發(fā)交通事故。為了避免白天駕駛進出隧道中的“黑洞”、“白洞”效應，按照公路隧道照明規(guī)范（JTJ026.1—1999）將公路隧道的照明分為入口段、過渡段、中間段和出口段共4個照明段，分別設計隧道的光照模型，為駕駛員營造良好的隧道內(nèi)工作視覺環(huán)境。

入口段照明Lth依據(jù)式（3）計算：

其中：k為折減系數(shù)；L20為隧道洞外亮度，cd·m-2。式中的k根據(jù)JTJ026.1—1999規(guī)范可知與設計交通量和行車速度相關，采用插值法對k計算并取值為0.031 5。L20與天空面積、車速、隧道洞口朝向相關，參考JTJ026.1—1999標準和《公路隧道照明設計細則》（JTG/T D70/2-01—2014）［18］，設計隧道端墻式洞口的洞外亮度為3 000cd·m-2，削竹式洞口的洞外亮度為2 500cd·m-2。

隧道中入口段長度可按公式（4）計算：

式中：Dth是入口段長度，m；Ds是照明停車視距，m；h為洞口內(nèi)盡空高度，m。根據(jù)相關標準Ds取值與限速及道路坡度相關。本文道路坡度為零，Ds取值為100m。

過渡段由TR1、TR2和TR3三個照明段組成，其長度與隧道行車限速相關。取Dtr1為72m，Dtr2為89m，Dtr3為133m。對應過渡段亮度與入口段亮度相關，具體計算方式如表1。

表1 過度段中不同照明段的亮度Tab.1 The luminance of each lighting section

中間段照明Lin與隧道設計交通量和車輛速度相關，依據(jù)《公路隧道照明設計細則》（JTG D70/2-01—2014）要求，隧道限速為80km·h-1時對應中間段亮度為2.5cd·m-2，同時LED燈具的中間段亮度指標還可以再折減50%，但考慮到太低的路面亮度可能影響到行車安全，所以基本段路面設計亮度按不低于2cd·m-2設計。

出口段長度默認為60m，其照明亮度為中間段亮度的5倍。

本隧道的基本照明選擇40W LED燈兩側對稱布置，間距10.0m，安裝高度5.8m。隧道入口段、過渡段、出口段設置了相應的加強照明，分別采用180W、140W、80WLED燈進行照明。為預防突然停電引起隧道驟暗而影響行車安全，隧道全線設置了應急照明，設計從基本照明燈具中選擇行車方向右側的奇數(shù)燈作為應急照明光源，設計亮度為基本照明的1/4。

2.2 隧道內(nèi)交通環(huán)境和設施建模

將隧道設施劃分為基礎設施、洞口設施和隧道內(nèi)部設施3大類（如圖2所示）。其中，基礎設施包括隧道照明設施（如路測的路燈）、車道標線、減速標線、交通檢測（如車輛檢測器）與控制設施（如洞口信號燈）以及交通誘導設施。洞內(nèi)設施包括：凈空高度為2.5m具有雙面電光顯示的緊急電話標志；位于緊急停車帶前5.0m、凈空高度為2.5m雙面顯示的緊急停車帶標志；位于行人橫洞上方凈空高度2.5m雙面顯示的行人橫洞標志；位于行車方向左側行車橫洞、凈空高度2.5m、雙向顯示的行車橫洞標志；位于消防設施上方、凈空高度為2.5m的消防設施標志（如火災檢測器、手動報警按鈕、火災報警控制器、滅火器、消火栓、固定式或泡沫滅火裝置）；位于隧道側墻上凈空高度1.3m單面顯示的疏散指示標志，標志間距50m。隧道景觀包括位于隧道兩側墻壁上的浮雕、反光環(huán)、洞內(nèi)主動發(fā)光環(huán)、路面標記、蓄能發(fā)光道釘、洞內(nèi)信息指示牌以及應急停車帶等，如圖3。

圖2 隧道交通設施及景觀模型結構Fig.2 The functional structure about the tunnel traffic facilities and landscape

圖3 隧道及部分交通設施景觀、景觀3D模型示例Fig.3 3D examples about the tunnel facilities and landscape

3 系統(tǒng)實驗與結果分析

基于上述隧道車輛駕駛的認知操控模型及公路隧道交通設施和景觀模型，結合虛擬現(xiàn)實技術和SCANeRTMstudio模擬駕駛平臺搭建了仿真隧道駕駛環(huán)境。駕駛員通過真車改裝的駕駛模擬艙在3D仿真高速隧道上行車。同時，眼動儀、模擬艙的OBD（on-board diagnostic）記錄被試行車中的視覺認知反應及相關駕駛行為，為評估隧道交通設施及景觀對駕駛行為的影響提供了分析數(shù)據(jù)。

3.1 實驗環(huán)境

參考其他研究實驗中被試挑選的原則［19］，按男女比例3：1招募了30名被試。其中男性被試23名，女性被試7名。被試身體健康、駕駛技術熟練，并具有高速公路駕駛經(jīng)驗。模擬駕駛實驗中所用軟件為SCANeRTMstudio模擬駕駛平臺，其提供C++和C#的動態(tài)鏈接庫結構，使用C語言進行編寫除實現(xiàn)模擬駕駛的多種額外功能，同時仿真隧道建模使用了3DMAX軟件進行建模；實驗中所用硬件儀器設備包括：駕駛模擬艙（由豐田汽車改裝）、服務器主機、音箱（模擬車輛行駛過程中的環(huán)境聲音），4個投影儀（用于駕駛員前后方及左右兩側動態(tài)駕駛環(huán)境的仿真），3塊9英寸顯示屏（用于仿真模擬艙兩側反光鏡及后視鏡）構成。模擬艙的OBD記錄了被試駕駛過程中的行為數(shù)據(jù)，包括駕駛過程中的車輛速度均值、加速度均值、速度標準差、加速度標準差等。SMI眼動儀記錄了被試駕駛過程的注視點（持續(xù)注視時間、注視點位置）、眼動軌跡（駕駛員眼動空間范圍）、瞳孔面積及其變化率等。

圖4所示為實驗所用高速隧道線路。該線路上包含了4種隧道方案：方案1為僅含隧道基礎設施的國標方案，方案2為國標方案上增加道釘交通設施，方案3為國標方案上增加反光環(huán)景觀，方案4為國標方案上增加輪廓標交通設施。將4種隧道方案分別放到測試線路中，不同隧道方案之間通過高速公路連接段進行連接。連接段和隧道的限速分別為120km·h-1和80km·h-1。實驗線路上的模擬道路均為平路，不包含任何上坡或下坡路段。實驗因變量為不同景觀設施對駕駛員的注意力和駕駛行為的影響。測試開始前，邀請被試進入模擬艙進行5min試駕，以適應模擬駕駛艙和測試場景。試駕結束后調(diào)取場景，并告知被試目的地，最后被試通過模擬艙完成約30min的高速隧道仿真駕駛實驗。

實驗中的交通設施景觀包括隧道洞口外側道路景觀、隧道端墻、隧道照明、隧道內(nèi)消防設施、隧道內(nèi)應急設施（緊急電話、疏散標志）、隧道內(nèi)應急停車帶、隧道內(nèi)行人及行車橫洞等。具體設計部分如圖2所示。

3.2 實驗結果分析

圖4 隧道線形Fig.4 Tunnel alignment

針對模擬艙OBD采集的被試駕駛行為數(shù)據(jù)（包括仿真高速隧道駕駛中的平均車速、加速度、速度標準差、加速度標準差、油門功效），將控速系數(shù)作為評價指標，提取KMO（Kaiser-Meyer-Olkin）檢驗值，并結合Bartlett球形度檢驗進行主成因分析。此外，應用SPSS軟件提取了3個公因子（這3個公因子的累計方差貢獻度為84.25%），3個公因子的得分函數(shù)如下：

基于上述3個公因子，控速系數(shù)可通過式（8）計算得出。

式（5）～（8）中的常量系數(shù)通過SPSS統(tǒng)計分析得出。參考式（8），對4種隧道方案的控速系數(shù)進行了計算。方案3的控速系數(shù)最低，為—0.154 66，方案2的控速系數(shù)為—0.152 13，方案4的控速系數(shù)為0.221 135，方案1的控速系數(shù)為0.272 473。由于控速系數(shù)值越小越好，因此可知含白色反光環(huán)的方案3的控速效果最好。

圖5為4種隧道方案的加速度統(tǒng)計分析圖。從圖5可知在隧道入口（0m）處加速度變化最為明顯。其中，方案3的分段加速度相比最為穩(wěn)定，即被試可以平穩(wěn)行駛通過隧道入口，不必因為隧道入口的黑洞效應減速。另外，圖5說明在隧道彎道處部署反光環(huán)和道釘后加速度變化相比國標方案更平穩(wěn)，安全性也更高。

為了對比在相同景觀設施情況下不同間距對駕駛行為的影響，針對反光環(huán)設置了間距分別為200m和300m的對照組。圖6所示為2個對照組與國標方案的加速度標準差數(shù)據(jù)對比圖。圖6說明間距為200m的反光環(huán)方案相比間距為300m的方案具有更高的駕駛穩(wěn)定性。同時，兩者相較于國標方案駕駛穩(wěn)定性都有顯著提升。

圖5 各景觀設施分段加速度Fig.5 Acceleration line diagram under different tunnel facilities and landscape

圖6 不同間距反光環(huán)分段加速度標準差Fig.6 Acceleration standard deviation for tunnel reflectors with different spacing interval

除反光環(huán)外，也為輪廓標和道釘分別設置對照組，輪廓標設置間距為15m和50m的對照組，道釘設置間距為6m和15m的對照組。結果顯示15m輪廓標方案相比間距為50m的方案具有更高駕駛穩(wěn)定性。6m間距道釘相較15m間距的道釘設施方案具有更高駕駛穩(wěn)定性。同時，這4個對照組方案相較國標方案駕駛穩(wěn)定性均有顯著提升。

在駕駛過程中，駕駛員所得到的外界信息80%需要通過視覺來獲取，并依據(jù)視覺信息做出相應駕駛決策。此外，瞳孔變化與光線強弱以及物體距離遠近有關之外，還與知覺、記憶、思維、動機、情緒等諸多高級心理活動相聯(lián)系，瞳孔的放大往往意味著人類認知活動中心存在較大的心理負荷。對此，對駕駛過程中眼動儀獲取的被試瞳孔面積數(shù)據(jù)進行了統(tǒng)計分析。以80km·h-1的速度駛入隧道洞口瞬間，不同隧道場景下被試在駛入隧道洞口瞬間的瞳孔面積變化率如表2所示。

表2 不同方案下的瞳孔面積變化率Tab.2 Pupil area change rate

從表2可以看到方案2的隧道入口瞳孔面積變化率最小（9%）；方案3瞳孔面積變化率略大（為12%），這是因為反光環(huán)的放置位置相較其他方案距離隧道洞口更遠，駕駛員在進入隧道洞口時反光環(huán)的影響相對較小，導致瞳孔面積變化率略大。另外，4種設計方案的被試瞳孔面積在隧道中段駕駛時變化相對比較穩(wěn)定。這是因為隧道中段隧道光照環(huán)境相對穩(wěn)定，駕駛員視覺適應了隧道的光照環(huán)境，導致緊張感逐漸減弱，同時瞳孔面積變化趨于穩(wěn)定。總體而言，道釘、輪廓標、反光環(huán)3種隧道方案都明顯提高了駕駛員駕駛視野，有效減弱了被試的壓抑感，讓被試的精神狀態(tài)相對更放松。

此外，針對被試的原始瞳孔面積變化數(shù)據(jù)進行了卡爾曼濾波處理，去除掉無規(guī)則噪點，進而分析判斷被試在2個反光環(huán)之間的瞳孔面積變化原因。圖7為卡爾曼濾波處理后方案3與方案1的被試瞳孔面積變化對比圖。圖中，框中所示區(qū)域為經(jīng)過反光環(huán)時瞳孔面積變化。從圖7可以發(fā)現(xiàn)當駕駛員在行經(jīng)反光環(huán)時，駕駛員瞳孔面積會逐漸減小，通過反光環(huán)之后駕駛員瞳孔面積會增大。表明反光環(huán)在隧道內(nèi)駕駛過程中可以有效刺激被試的視覺反應，使被試注意力保持較高集中度，確保行車穩(wěn)定安全。

圖7 方案3與方案1瞳孔面積變化對比Fig.7 The comparison on the changes between programme 1 and programme 3

通過對被試在4種隧道方案的模擬駕駛中的行為數(shù)據(jù)、眼動數(shù)據(jù)分析，可以得出結論：反光環(huán)景觀、道釘、輪廓標等交通設施可以有效降低被試在高速公路隧道駕駛過程中緊張感，使駕駛員平穩(wěn)地在隧道中行車，降低駕駛危險。其中，反光環(huán)的實驗效果最明顯，對被試的安全駕駛行為影響最大。由于使用反光環(huán)不需要消耗電力能源，穩(wěn)定性也更好，符合綠色隧道的設計理念。

4 結論

結合虛擬現(xiàn)實和駕駛行為建模技術建立隧道仿真駕駛測試環(huán)境，并實驗驗證了隧道內(nèi)交通設施和景觀對駕駛行為的積極影響。其中，在添加間距為6m的道釘之后，隧道入口的分段加速度值相對比較穩(wěn)定，有助于減弱隧道入口的黑洞效應，防止黑洞效應導致的駕駛員在隧道入口減速及由其導致的交通隱患。在隧道的中間段，添加交通設施（如道釘，輪廓標）和景觀（如反光環(huán)）方案相較國標方案可以提升駕駛員關注度和駕駛穩(wěn)定性，使其可更加流暢地在隧道中行車。其次，200m反光環(huán)和300m反光環(huán)的對比試驗表明，200m反光環(huán)可以使駕駛員注意力更加集中。反光環(huán)實驗結果與文獻［20］中的結果相比較，結論較為一致。同時，文獻［20］說明瞳孔面積反應了駕駛人員的注意點和注意力集中程度，上述因素表明200m反光環(huán)能在隧道中有效提高駕駛人員的行車安全。

提出的基于虛擬現(xiàn)實的高速公路隧道交通設施和景觀評估技術是一種低風險的有效評估方法，可為設計安全、高效、節(jié)能的隧道交通設施和景觀方案提供有效驗證，并為方案設計提供決策依據(jù)。