周智文 馬健霄 譚婷

摘 要：為評(píng)價(jià)公路毗鄰隧道群路段的駕駛?cè)艘曈X(jué)穩(wěn)定性，開(kāi)展實(shí)車試驗(yàn)并記錄駕駛?cè)说难蹌?dòng)及生理數(shù)據(jù)。針對(duì)隧道群連續(xù)多隧道的特點(diǎn)，選取駕駛?cè)嗽谂徦淼廊簠^(qū)段的瞳孔面積變化率之比等8項(xiàng)眼動(dòng)參數(shù)作為評(píng)價(jià)指標(biāo)，基于主成分分析法提取前5個(gè)主成分，涵蓋了總體信息的91.8%。通過(guò)線性回歸得到駕駛?cè)艘曈X(jué)穩(wěn)定性評(píng)價(jià)分值E的計(jì)算公式，并利用駕駛?cè)诵穆首儺愋灾笜?biāo)SDNN驗(yàn)證視覺(jué)穩(wěn)定性評(píng)價(jià)模型的可靠性。結(jié)果表明：駕駛?cè)艘曈X(jué)穩(wěn)定性評(píng)價(jià)結(jié)果與其心率表征結(jié)果基本一致。基于所提出的視覺(jué)穩(wěn)定性評(píng)價(jià)方法，可將E=0.426作為判定駕駛?cè)艘曈X(jué)穩(wěn)定性的評(píng)價(jià)閾值，該方法用于評(píng)價(jià)公路毗鄰隧道群路段行車安全較為可靠。

關(guān)鍵詞：毗鄰隧道群;視覺(jué)穩(wěn)定性;眼動(dòng)指標(biāo);心率變異性指標(biāo);主成分分析法

Abstract：In order to evaluate drivers visual stability in highway adjacent tunnel group sections， a real vehicle test was carried out and the drivers eye movement and physiological data were recorded. According to the characteristics of continuous multi-tunnel of tunnel groups， eight eye movement parameters， such as the ratio of pupil area change rate in adjacent tunnel group sections， were selected as the evaluation indexes. The first five principal components were extracted based on principal component analysis， covering 91.8% of the total information. The formula of driver visual stability evaluation score E was obtained by linear regression. The reliability of the evaluation model was verified by using drivers heart rate variability index SDNN. It showed that the visual stability evaluation results were consistent with the mental representation. E=0.426 can be used as an evaluation threshold to evaluate the drivers visual stability based on the proposed visual stability evaluation method. This method can be used to evaluate the traffic safety of highway adjacent tunnel group sections.

Keywords：Adjacent tunnel group; visual stability; eye movement index; heart rate variability index; principal component analysis

0 引言

公路隧道路段行車環(huán)境復(fù)雜，對(duì)駕駛?cè)松砑靶睦碛休^大影響，易引發(fā)交通事故。公路隧道行車安全研究尤為重要。有關(guān)于隧道路段駕駛?cè)艘曈X(jué)特性的研究中，主要都是針對(duì)單個(gè)隧道，從駕駛?cè)说耐酌娣e、注視特性等角度進(jìn)行探討。胡月琦等[1]分析了在高速公路特長(zhǎng)隧道環(huán)境中，駕駛?cè)说鸟{駛經(jīng)驗(yàn)對(duì)視覺(jué)特性的影響作用。潘姝等[2]從注視轉(zhuǎn)移理論角度研究隧道路段駕駛?cè)说囊曈X(jué)轉(zhuǎn)移特性規(guī)律。閻瑩等[3]分析隧道群環(huán)境光照度、隧道縱深與駕駛?cè)送酌娣e的影響關(guān)系。陳孟柯等[4]分別對(duì)隧道照明分段、半開(kāi)敞棚洞段和隧道內(nèi)部視線不良路段的駕駛?cè)艘曈X(jué)特性進(jìn)行研究。Kircher等[5]研究了隧道線形與光照條件對(duì)駕駛?cè)艘曈X(jué)特性的影響。Narisada等[6]基于視覺(jué)特性探討了隧道入口照明條件的CIE值設(shè)置合理性。Wan等[7]研究了視覺(jué)信息在不同亮度水平下對(duì)速度感知和反應(yīng)時(shí)間的影響機(jī)制。王少飛[8]綜合考慮隧道通風(fēng)、照明以及消防等因素，建議定義間距L≤250 m的兩隧道為毗鄰隧道，定義間距250 m≤L≤1 000 m的兩隧道為連續(xù)隧道。毗鄰隧道和連續(xù)隧道統(tǒng)稱為隧道群。其中，公路毗鄰隧道群路段，駕駛?cè)硕虝r(shí)間內(nèi)多次進(jìn)出隧道，交通環(huán)境、光照條件等頻繁突變，容易引起駕駛?cè)藦?qiáng)烈的視覺(jué)機(jī)能變化。這將嚴(yán)重干擾駕駛?cè)藢?duì)環(huán)境信息的正確感知，對(duì)車輛安全運(yùn)行產(chǎn)生嚴(yán)重的影響和制約。但是目前國(guó)內(nèi)外針對(duì)公路毗鄰隧道群的研究較少。

在公路隧道路段行車安全評(píng)估方面，學(xué)者主要通過(guò)分析道路指標(biāo)、駕駛?cè)松硖匦缘确矫孢M(jìn)行評(píng)估。方守恩等[9]選取隧道群路段結(jié)構(gòu)物長(zhǎng)度和幾何線形為指標(biāo)，建立了與車輛速率差以及駕駛?cè)诵穆试鲩L(zhǎng)率之間的數(shù)學(xué)模型。王羽塵等[10]將出口工效OPS作為評(píng)價(jià)疏散效率指標(biāo)，分析公路隧道內(nèi)不同火災(zāi)發(fā)生位置對(duì)疏散時(shí)間的影響。郭應(yīng)時(shí)等[11]從駕駛?cè)艘曈X(jué)轉(zhuǎn)移特性角度對(duì)駕駛?cè)说鸟{駛熟練程度進(jìn)行評(píng)價(jià)。閆彬等[12]研究駕駛?cè)搜劬Φ纳頇C(jī)能等感知特性與公路隧道行車安全的關(guān)系。Muoz等[13]基于視線分配策略評(píng)估駕駛?cè)说淖R(shí)別能力。Du等[14]基于瞳孔面積研究駕駛?cè)说囊曈X(jué)震蕩性以評(píng)價(jià)駕駛?cè)艘曈X(jué)適應(yīng)性。Yan等[15]通過(guò)統(tǒng)計(jì)分析駕駛?cè)藱C(jī)動(dòng)穩(wěn)定性指標(biāo)數(shù)據(jù)的波動(dòng)情況評(píng)價(jià)駕駛?cè)说鸟{駛性能，從而表征穩(wěn)定性。但有關(guān)隧道路段駕駛?cè)艘曈X(jué)穩(wěn)定性方面的研究較少。

基于上述分析，本文通過(guò)對(duì)公路毗鄰隧道群進(jìn)行區(qū)段劃分，結(jié)合駕駛?cè)嗽诓煌瑓^(qū)段的視覺(jué)特性差異性，選取合理的眼動(dòng)指標(biāo)，利用主成分分析法評(píng)價(jià)駕駛?cè)说囊曈X(jué)穩(wěn)定性，并通過(guò)駕駛?cè)松硖匦詳?shù)據(jù)對(duì)評(píng)價(jià)模型可靠性進(jìn)行驗(yàn)證。

1 試驗(yàn)設(shè)計(jì)與視覺(jué)參數(shù)選取

1.1 試驗(yàn)設(shè)計(jì)

選取G4221滬武高速茅山隧道群作為試驗(yàn)路段。該隧道群限速80 km/h，為雙向分離式隧道，每個(gè)方向由兩個(gè)隧道組成，隧道間距小于250 m，屬于毗鄰隧道。

試驗(yàn)共采集12名駕駛?cè)藬?shù)據(jù)，其中9名男性和3名女性，職業(yè)包括教師、企業(yè)職員和學(xué)生等，年齡為23～45歲（均值31.5歲），駕齡均超過(guò)2 a，無(wú)不良駕駛習(xí)慣，矯正視力5.0以上。

試驗(yàn)均在晴朗天氣進(jìn)行。試驗(yàn)車輛為大眾邁騰1.8T五座轎車，最大功率118 kW，最大扭矩250 N·m，軸距2 709 mm。試驗(yàn)前測(cè)試人員協(xié)助駕駛?cè)伺宕鱐obii便攜式眼動(dòng)儀及生理模塊設(shè)備。試驗(yàn)后利用ErgoLab軟件分析并整理試驗(yàn)數(shù)據(jù)，如圖1所示。

1.2 視覺(jué)參數(shù)選取

在行車過(guò)程中，駕駛?cè)说囊曈X(jué)特征與決策能力有著內(nèi)在的聯(lián)系[16]。為準(zhǔn)確描述駕駛?cè)说囊曈X(jué)特征，研究人員定義了注視次數(shù)、注視時(shí)間、搜索廣度、掃視速度和瞳孔面積等參數(shù)[17]。本文選取平均注視時(shí)間、瞳孔面積變化率以及平均掃視速度作為研究參數(shù)。

（1）平均注視時(shí)間

注視是指眼球?qū)?zhǔn)目標(biāo)物使其影像落在視網(wǎng)膜上，通過(guò)加工形成清晰的像。行車過(guò)程中，駕駛?cè)酥饕ㄟ^(guò)注視行為獲取道路交通信息[18]。注視時(shí)間的長(zhǎng)短在一定程度上反映了駕駛?cè)颂崛∽銐蛐畔⒘康碾y易程度。長(zhǎng)時(shí)間的注視意味著駕駛?cè)嘶ㄙM(fèi)較長(zhǎng)時(shí)間搜尋并處理信息。在光照環(huán)境變化劇烈且感知安全低的隧道路段，為確保信息提取的準(zhǔn)確性，駕駛?cè)说淖⒁晻r(shí)間通常較長(zhǎng)。

（2）瞳孔面積變化率

瞳孔面積是反應(yīng)心理、生理負(fù)荷的靈敏指標(biāo)[19-20]。其變化能反映駕駛?cè)嗽隈{駛過(guò)程中的心理、生理狀態(tài)，并進(jìn)一步表征駕駛?cè)艘曈X(jué)負(fù)荷的程度[21]。由于每個(gè)駕駛?cè)说耐酌娣e都存在差異，而瞳孔面積變化率則能夠較為客觀地反映駕駛?cè)说臓顟B(tài)[22]。因此，本文通過(guò)公式（1）得到駕駛?cè)送酌娣e變化率作為評(píng)價(jià)指標(biāo)。

（3）平均掃視速度

掃視是指駕駛?cè)嗽趦蓚€(gè)注視點(diǎn)之間快速轉(zhuǎn)移視線的行為。駕駛?cè)送ㄟ^(guò)對(duì)視野范圍內(nèi)重要信息的快速搜索，將新的觀察對(duì)象轉(zhuǎn)移至中央視野[23-24]。掃視平均速度是指駕駛?cè)嗽谛熊囘^(guò)程中眼球轉(zhuǎn)動(dòng)的速率，即每次掃視的角度與掃視持續(xù)時(shí)間的比值。通常視野范圍內(nèi)信息量較多時(shí)，駕駛?cè)说膾咭曀俣容^快。

2 視覺(jué)穩(wěn)定性評(píng)價(jià)模型

主成分分析法是一種利用數(shù)據(jù)降維思想的統(tǒng)計(jì)方法[25]。其原理是將原有眾多具有一定相關(guān)性的指標(biāo)重新組合，形成一組互相無(wú)關(guān)的綜合指標(biāo)，在保證原有數(shù)據(jù)信息總體完整的前提下，盡可能地減少評(píng)價(jià)指標(biāo)的數(shù)量，從而更有利于處理數(shù)據(jù)和解決問(wèn)題。

2.1 評(píng)價(jià)指標(biāo)確定

毗鄰隧道群相比普通隧道，其短時(shí)間內(nèi)多次進(jìn)出隧道的特點(diǎn)是影響駕駛?cè)艘曈X(jué)穩(wěn)定性的重要因素。前后隧道對(duì)應(yīng)區(qū)段的駕駛?cè)艘曈X(jué)差異性是選取合理評(píng)價(jià)指標(biāo)的關(guān)鍵。

由于目前國(guó)內(nèi)外對(duì)于隧道群的區(qū)段劃分尚無(wú)統(tǒng)一的定義。本文依據(jù)隧道路段駕駛?cè)艘曈X(jué)特性的相關(guān)研究[26-29]，將隧道群的單個(gè)隧道分為入口段、中間段及出口段，兩隧道之間路段定義為開(kāi)敞段，具體如圖2所示。

評(píng)價(jià)指標(biāo)的選取將直接影響最終評(píng)價(jià)結(jié)果的可靠性。由于隧道出入口段事故多發(fā)[30]，而兩隧道之間開(kāi)敞段為兩次進(jìn)出隧道短暫過(guò)渡的特殊路段。因此選擇毗鄰隧道群的兩隧道入口段、兩隧道出口段、開(kāi)敞段與普通路段作為3組對(duì)應(yīng)區(qū)段。而對(duì)應(yīng)區(qū)段駕駛?cè)说难蹌?dòng)指標(biāo)差異性能較為直觀地反映駕駛?cè)说囊曈X(jué)穩(wěn)定性。本文共選取8項(xiàng)評(píng)價(jià)指標(biāo)：入口段瞳孔面積變化率之比n1、出口段瞳孔面積變化率之比n2、入口段平均注視時(shí)間之比n3、出口段平均注視時(shí)間之比n4、開(kāi)敞段與普通路段平均注視時(shí)間之比n5、入口段平均掃視速度之比n6、出口段平均掃視速度之比n7、開(kāi)敞段與普通路段平均掃視速度之比n8。

2.2 構(gòu)建原始矩陣

將原始數(shù)據(jù)中12個(gè)樣本的8個(gè)變量值整理為原始矩陣X1。每一列代表一個(gè)評(píng)價(jià)指標(biāo)，分別為n1、n2、n3、n4、n5、n6、n7、n8。每一行代表一個(gè)駕駛?cè)藰颖尽?/p>

2.3 數(shù)據(jù)標(biāo)準(zhǔn)化處理

各變量之間水平相差較大。為保證數(shù)據(jù)的有效性，根據(jù)公式（2）至公式（4）對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。數(shù)據(jù)標(biāo)準(zhǔn)化處理后，每一列數(shù)據(jù)均值為0，方差為1。

2.4 主成分確定

主成分的貢獻(xiàn)率和累計(jì)貢獻(xiàn)率反映了變換后的矩陣從原始數(shù)據(jù)中提取的信息量。貢獻(xiàn)率是指第p個(gè)主成分對(duì)應(yīng)的特征值在協(xié)方差矩陣的全部特征值之和中所占的比重。主成分的貢獻(xiàn)率越高，代表所選擇的主成分綜合反映原指標(biāo)信息的能力越強(qiáng)，計(jì)算公式為：

累計(jì)貢獻(xiàn)率是指前k個(gè)主成分的特征值之和在全部特征值總和中所占的比重。這個(gè)比值越大，說(shuō)明前k個(gè)主成分越能全面代表原始數(shù)據(jù)具有的信息。計(jì)算公式為：

根據(jù)其貢獻(xiàn)率對(duì)主成分進(jìn)行排序。主成分貢獻(xiàn)率的累計(jì)值越大，所提取主成分對(duì)于原問(wèn)題的解釋程度就越高。因此將主成分貢獻(xiàn)率的累計(jì)值作為提取主成分的主要依據(jù)，見(jiàn)表1。

2.5 評(píng)價(jià)公式

利用公式（7）對(duì)原始矩陣進(jìn)行投影轉(zhuǎn)換，從而達(dá)到降維的目的。

所提取5個(gè)主成分對(duì)應(yīng)指標(biāo)的轉(zhuǎn)移概率見(jiàn)表2。

3 評(píng)價(jià)結(jié)果分析

相關(guān)研究表明[31]，心電信號(hào)能夠直接反映駕駛?cè)诵睦砭o張程度及心理負(fù)荷變化。生理學(xué)將心電圖中的R-R（兩次R波之間的時(shí)間）期間信號(hào)稱為HRV信號(hào)，其中心動(dòng)間隔均方差（Standard Deviation of NN intervals，SDNN）反映正常竇性心搏間隔的快速變化。SDNN（公式中用SDNN表示）值越大，表明駕駛?cè)说男睦碡?fù)荷程度越低。通過(guò)公式（14）計(jì)算駕駛?cè)诵熊囘^(guò)程中竇性心搏間隔的標(biāo)準(zhǔn)差。

駕駛?cè)说囊曈X(jué)穩(wěn)定性將會(huì)影響心率波動(dòng)情況。利用12位駕駛?cè)说男穆首儺愋灾笜?biāo)SDNN值，對(duì)視覺(jué)穩(wěn)定性評(píng)價(jià)模型進(jìn)行可靠性檢驗(yàn)。運(yùn)用公式（13）得到駕駛?cè)说囊曈X(jué)穩(wěn)定性評(píng)價(jià)結(jié)果，并與SDNN值進(jìn)行對(duì)比，結(jié)果見(jiàn)表3。

駕駛?cè)艘曈X(jué)穩(wěn)定性評(píng)價(jià)結(jié)果與心率指標(biāo)SDNN值基本一致，說(shuō)明所提出的評(píng)價(jià)模型較為可靠。以85%分位作為界定，將E=0.426作為視覺(jué)穩(wěn)定性評(píng)價(jià)閾值的界定。E大于0.426的劃為視覺(jué)穩(wěn)定駕駛?cè)耍珽小于0.426的劃為視覺(jué)不穩(wěn)定駕駛?cè)恕?/p>

4 結(jié)論

本文基于主成分分析法提出公路毗鄰隧道群駕駛?cè)艘曈X(jué)穩(wěn)定性評(píng)價(jià)模型。針對(duì)隧道群連續(xù)多隧道的特點(diǎn)，對(duì)隧道群進(jìn)行區(qū)段劃分，選取前后隧道對(duì)應(yīng)入口段瞳孔面積變化率之比、出口段瞳孔面積變化率之比、入口段平均注視時(shí)間之比、出口段平均注視時(shí)間之比、開(kāi)敞段與普通路段平均注視時(shí)間之比、入口段平均掃視速度之比、出口段平均掃視速度之比、開(kāi)敞段與普通路段平均掃視速度之比作為評(píng)價(jià)指標(biāo)，更具有典型代表性。

統(tǒng)計(jì)12位駕駛?cè)说难蹌?dòng)數(shù)據(jù)，運(yùn)用主成分分析法得到視覺(jué)穩(wěn)定性評(píng)價(jià)公式。利用該公式所得到的評(píng)價(jià)結(jié)果與駕駛?cè)诵穆首儺愋灾笜?biāo)SDNN值所表征結(jié)果基本一致。采用85%分位判斷駕駛?cè)说囊曈X(jué)穩(wěn)定性，將E=0.426作為視覺(jué)穩(wěn)定性評(píng)價(jià)閾值的界定。

該方法不僅可用于評(píng)價(jià)公路毗鄰隧道群路段行車安全，未來(lái)可拓展至其他種類道路路段研究。此外，該方法還可作為高級(jí)駕駛輔助系統(tǒng)（Advanced Driving Assistant System，ADAS）的研究應(yīng)用點(diǎn)之一，通過(guò)評(píng)估駕駛?cè)耸欠駶M足行車所需穩(wěn)定性，從而決定ADAS是否介入并輔助機(jī)動(dòng)車駕駛。

【參 考 文 獻(xiàn)】

[1]胡月琦，劉浩學(xué)，朱彤，等.高速公路特長(zhǎng)隧道環(huán)境中駕駛員視覺(jué)特性研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2017，27（6）：31-36.

HU Y Q， LIU H X， ZHU T， et al. Research on visual characteristics of drivers driving through extremely long expressway tunnel[J]. China Safety Science Journal， 2017， 27（6）： 31-36.

[2]潘姝，郭唐儀，邵飛，等.城市隧道環(huán)境中駕駛?cè)俗⒁曓D(zhuǎn)移特性研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2018，28（8）：19-24.

PAN S， GUO T Y， SHAO F， et al. Research on fixation transfer characteristics of drivers driving through urban tunnel[J]. China Safety Science Journal， 2018， 28（8）： 19-24.

[3]閻瑩，葉飛，王曉飛，等.隧道群路段環(huán)境光照度與駕駛?cè)送酌娣e分析[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，44（12）：89-96.

YAN Y， YE F， WANG X F， et al. Analysis of ambient illumination and drivers pupil area in tunnel group[J]. Journal of South China University of Technology （Natural Science Edition）， 2016， 44（12）： 89-96.

[4]陳孟柯，馬健霄，陸濤，等.高速公路隧道行車視覺(jué)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.

[5]KIRCHER K， AHLSTROM C. The impact of tunnel design and lighting on the performance of attentive and visually distracted drivers[J]. Accident Analysis & Prevention， 2012， 47： 153-161.

[6]NARISADA K， YOSEOIKAWA K. Tunnel entrance lighting： effect of fixation point and other factors on the determination of requirements[J]. Lighting Research & Technology， 1974， 6（1）： 9-18.

[7]WAN H L， DU Z G， RAN B， et al. Speed control method for highway tunnel safety based on visual illusion[J]. Transportation Research Record， 2015， 2485（1）： 1-7.

[8]王少飛.公路隧道分類及公路隧道群概念探討[J].公路隧道，2009，17（2）：10-14.

WANG S F. Discussion on classification of highway tunnel and concept of highway tunnel group [J]. Highway Tunnel， 2009， 17（2）： 10-14.

[9]方守恩，鄔洪波，廖軍洪，等.山區(qū)高速公路隧道群路段安全評(píng)價(jià)[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，41（5）：693-699.

FANG S E， WU H B， LIAO J H， et al. Safety evaluation of freeway tunnel groups in mountainous areas[J]. Journal of Tongji University （Natural Science）， 2013， 41（5）： 693-699.

[10]王羽塵，馬健霄，陸濤，等.公路隧道火災(zāi)發(fā)生位置與人群疏散通道仿真研究[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2019，15（10）：38-44.

WANG Y C， MA J X， LU T， et al. Simulation study on fire location and crowd evacuation route in highway tunnel[J]. Journal of Safety Science and Technology， 2019， 15（10）： 38-44.

[11]郭應(yīng)時(shí)，袁偉，付銳，等.基于注視轉(zhuǎn)移模式的駕駛熟練程度評(píng)價(jià)方法[J].交通運(yùn)輸工程學(xué)報(bào)，2014，14（4）：98-104.

GUO Y S， YUAN W， FU R， et al. Evaluation method of driving proficiency based on fixation transition mode[J]. Journal of Traffic and Transportation Engineering， 2014， 14（4）： 98-104.

[12]閆彬，陳紅，魏建秋.駕駛員感知特性對(duì)隧道群交通安全的影響[J].中國(guó)安全科學(xué)學(xué)報(bào)，2011，21（11）：16-21.

YAN B， CHEN H， WEI J Q. Influence of drivers perceptual features on traffic safety in tunnel group[J]. China Safety Science Journal， 2011， 21（11）： 16-21.

[13]MUOZ M， REIMER B， LEE J， et al. Distinguishing patterns in drivers visual attention allocation using Hidden Markov Models[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2016， 43： 90-103.

[14]DU Z G， ZHENG Z J， ZHENG M， et al. Drivers visual comfort at highway tunnel portals： a quantitative analysis based on visual oscillation[J]. Transportation Research Part D： Transport and Environment， 2014， 31： 37-47.

[15]YAN W， XIANG W， WONG S C， et al. Effects of hands-free cellular phone conversational cognitive tasks on driving stability based on driving simulation experiment[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 58： 264-281.

[16]HU Y Q， LIU H X， ZHU T. Influence of spatial visual conditions in tunnel on driver behavior： Considering the route familiarity of drivers[J]. Advances in Mechanical Engineering， 2019， 11（5）： 168781401985366.

[17]馬勇，付銳.駕駛?cè)艘曈X(jué)特性與行車安全研究進(jìn)展[J].中國(guó)公路學(xué)報(bào)，2015，28（6）：82-94.

MA Y， FU R. Research and development of drivers visual behavior and driving safety[J]. China Journal of Highway and Transport， 2015， 28（6）： 82-94.

[18]LIU H X， DING G M， ZHAO W H， et al. Variation of drivers visual features in long-tunnel entrance section on expressway[J]. Journal of Transportation Safety & Security， 2011， 3（1）： 27-37.

[19]吳玲，劉浩學(xué)，朱彤.高速公路特長(zhǎng)隧道駕駛?cè)艘曈X(jué)特征變化規(guī)律及安全狀態(tài)判別模型研究[J].公路，2016，61（1）：138-143.

WU L， LIU H X， ZHU T. Research on driver visual characteristics and safe state discriminate model on highway super long tunnel[J]. Highway， 2016， 61（1）： 138-143.

[20]杜志剛，潘曉東，楊軫，等.高速公路隧道進(jìn)出口視覺(jué)震蕩與行車安全研究[J].中國(guó)公路學(xué)報(bào)，2007，20（5）：101-105.

DU Z G， PAN X D， YANG Z， et al. Research on visual turbulence and driving safety of freeway tunnel entrance and exit[J]. China Journal of Highway and Transport， 2007， 20（5）： 101-105.

[21]杜志剛，潘曉東，郭雪斌.公路隧道進(jìn)出口行車安全的視覺(jué)適應(yīng)指標(biāo)[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，35（7）：15-19.

DU Z G， PAN X D， GUO X B. Visual adaptation index for driving safety at entrance and exit of highway tunnel[J]. Journal of South China University of Technology （Natural Science Edition）， 2007， 35（7）： 15-19.

[22]尚婷，唐伯明，段萌萌.基于駕駛員瞳孔面積變化率的公路視錯(cuò)覺(jué)減速標(biāo)線橫向?qū)挾妊芯縖J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，35（1）：111-116.

SHANG T， TANG B M， DUAN M M. Transverse widths of highway optical illusion deceleration marking based on changing rate of drivers pupil area[J]. Journal of Chongqing Jiaotong University （Natural Science Edition）， 2016， 35（1）： 111-116.

[23]焦方通，杜志剛，王首碩，等.城市水下特長(zhǎng)隧道彎道駕駛?cè)藪咭曅袨檠芯縖J].中國(guó)安全科學(xué)學(xué)報(bào)，2019，29（7）：104-109.

JIAO F T， DU Z G， WANG S S， et al. Research on saccade behavior of drivers in Extra-long urban underwater tunnel curves[J]. China Safety Science Journal， 2019， 29（7）： 104-109.

[24]PONSODA V， SCOTT D， FINDLAY J M. A probability vector and transition matrix analysis of eye movements during visual search[J]. Acta Psychologica， 1995， 88（2）： 167-185.

[25]韓小孩，張耀輝，孫福軍，等.基于主成分分析的指標(biāo)權(quán)重確定方法[J].四川兵工學(xué)報(bào)，2012，33（10）：124-126.

HAN X H， ZHANG Y H， SUN F J， et al. An index weight determination method based on principal component analysis [J]. Journal of Sichuan Ordnance， 2012， 33（10）： 124-126.

[26]杜志剛，黃發(fā)明，嚴(yán)新平，等.基于瞳孔面積變動(dòng)的公路隧道明暗適應(yīng)時(shí)間[J].公路交通科技，2013，30（5）：98-102.

DU Z G， HUANG F M， YAN X P， et al. Light and dark adaption time based on pupil area variation at entrance and exit areas of highway tunnel[J]. Journal of Highway and Transportation Research and Development， 2013， 30（5）： 98-102.

[27]段萌萌，唐伯明，胡旭輝，等.高隧道比路段隧道出入口駕駛員視覺(jué)負(fù)荷研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2018，18（3）：113-119.

DUAN M M， TANG B M， HU X H， et al. Drivers visual load at tunnel entrance and exit of sections with high ratio of tunnels[J]. Journal of Transportation Systems Engineering and Information Technology， 2018， 18（3）： 113-119.

[28]石斌，喻澤文，鄔芳迪，等.基于視覺(jué)心理的山區(qū)公路曲線段視覺(jué)誘導(dǎo)與安全評(píng)價(jià)[J].公路工程，2018，43（2）：257-264.

SHI B， YU Z W， WU F D， et al. Visual induced and safety evaluation at curves on two-lane mountainous highway based on visual psychology[J]. Highway Engineering， 2018， 43（2）： 257-264.

[29]李英濤，程國(guó)柱.公路隧道出入口減光格柵段合理長(zhǎng)度研究[J].公路工程，2009，34（5）：13-15.

LI Y T， CHENG G Z. Reasonable length of glareproof grille section at exit and entrance of highway tunnel[J]. Highway Engineering， 2009， 34（5）： 13-15.

[30]張生瑞，馬壯林，石強(qiáng).高速公路隧道群交通事故分布特點(diǎn)及預(yù)防對(duì)策[J].長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，27（1）：63-66.

ZHANG S R， MA Z L， SHI Q. Distribution characteristics and countermeasures of traffic accidents in expressway tunnel group[J]. Journal of Changan University （Natural Science Edition）， 2007， 27（1）： 63-66.

[31]朱可寧.基于HRV的高速公路隧道環(huán)境對(duì)駕駛行為影響研究[D].西安：長(zhǎng)安大學(xué)，2018.

ZHU K N. Research on the influence of highway tunnel environment on driving behavior based on HRV[D]. Xian： Changan University， 2018.