CN103400198A - 高速公路长隧道入口段夜间照明优化方法 - Google Patents

Abstract

本发明公开了一种高速公路长隧道入口段夜间照明优化方法，该方法采集隧道照明参数、驾驶人视觉适应时间、驾驶人瞳孔面积数据，建立驾驶人瞳孔面积与照度模型，照度与隧道纵深模型和驾驶人视觉适应模型；利用软件做出驾驶人瞳孔面积、视觉适应时间、相应环境照度之间的三维曲面，根据曲面所得参数建立函数模型并根据计算最终求得隧道纵深、车速与隧道优化照度之间的关系。本方法不仅能消除夜间隧道环境行车时，因照度差异造成的明适应问题，减少视觉障碍诱发的交通事故，同时能大幅度降低隧道照明设施电能消耗。

Description

高速公路长隧道入口段夜间照明优化方法

技术领域

本发明涉及交通安全领域，具体涉及一种高速公路长隧道入口段夜间照明优化方法

背景技术

随着我国公路建设逐渐向西部推进，越来越多的公路隧道被建成和投入运营。隧道作为道路上的特殊构造物，具有环境封闭、内外差异大的特点，尤其是照明环境差异极其明显。受结构、环境特点限制，隧道成为道路上事故高发的黑点或段。一旦发生道路交通事故，又存在救援困难、交通组织复杂、损失较重的问题，对道路的运行效益具有极大影响。在人、车、路和环境的***中，驾驶人是影响交通安全的决定性因素。而驾驶是以视觉为引导的，相关信息循环加工、产生决策的过程。在上述过程中，视知觉是决定性因素。受人眼生理功能限制，在环境照度发生变化时，会产生明、暗适应问题，造成视觉认知功能短时障碍，严重影响行车安全。为提高隧道内外环境一致性，减少上述问题的发生，隧道环境中往往要设置照明设施，以改善视场环境。在我国的隧道通风照明标准中，较为详细地给出隧道照明相关参数和设计方法，但存在诸多问题未能全面考虑，致使存在很大安全隐患。在实际隧道照明中，考虑设施施工技术和运营管理的简易性，照度实际值与标准又存在差异，与驾驶人需求相去甚远，进一步加重环境突变带来的安全隐患。

与此同时，隧道照明不仅需要配置较多机电设施，而且运营中耗费大量电能，造成运营成本居高不下。按照国家标准规定，长度大于100m的公路隧道应设置照明，每延公里隧道照明负荷应不小于60Kw，照明时间按每日10小时计算，年平均耗电量达21.6万度（折合成标准煤76吨），导致公路隧道照明成为运营单位的沉重负担。节能是长期目标，但是不能以降低隧道运营安全为代价来降低能耗，有些运营单位为了降低隧道运营费用，往往采取开启1/4到1/2左右，有的隧道甚至干脆不开灯，造成隧道内环境照度很低，且亮暗不均匀，很容易导致驾驶人视觉产生疲劳，带来了严重的安全隐患。隧道照明的安全性与节能性存在着此消彼长的矛盾。

针对隧道照明问题，国内外开展了诸多研究并取得一些成果，但均未能明确解决上述问题。赵炜华，刘浩学等，利用眼动仪研究驾驶人在隧道行车过程中视觉特征参数变化规律，并建立模型进行分析。同济大学利用瞳孔面积变化进行隧道行车安全水平评价，并提出了很多结论。但从研究内容和方法来看，将瞳孔面积变化完全归因于驾驶人心理紧张程度，而未考虑环境照度和暗适应时间的影响。张亚林对高速公路短隧道照明问题进行研究，但短隧道所产生的暗适应问题并不明显。同样，涂耕等研究了短隧道照明参数，但并未涉及长隧道条件下相关数值。近两年的隧道照明问题研究，则更多的集中于LED的使用问题。国外对于隧道照明的研究，多从驾驶人视觉变化以及明暗适应与交通安全关系角度开展，提出夜间隧道入口段照度值。国外隧道照明标准中所提出的各参数，则主要是基于CIE曲线所定制。但由于行车速度和交通条件不同，加上国内外驾驶人生理和心理差异，其相关参数的计算方法与国内需求存在较大区别。但由于行车速度和交通条件差异，其各段长度计算方法与国内需求存在较大差异。

虽然上述研究取得了一些成果，但均未能明确解决上述相关问题。因此，基于现有隧道照明研究和实践中的问题，从驾驶人视觉认知和变化规律入手，以隧道环境照度为研究对象，提出了一种高速公路长隧道入口段夜间照明优化方法。

发明内容

本发明的目的在于，提供一种高速公路长隧道入口段夜间照明优化方法。

为了实现上述任务，本发明采取如下的技术解决方案：

一种高速公路长隧道入口段夜间照明优化方法，该方法包括以下步骤：

步骤一，采集驾驶人瞳孔面积、隧道环境照度、驾驶人视觉适应时间数据；

步骤二，根据步骤一采集的驾驶人瞳孔面积、环境照度和驾驶人视觉适应时间数据分别建立驾驶人瞳孔面积与照度模型，照度与隧道纵深模型和驾驶人视觉适应模型；

其中驾驶人瞳孔面积与照度模型为：

取驾驶人瞳孔面积为Q、隧道环境照度为l，对夜间高速公路隧道入口段数据样本建立ln(Q×l)与ln(l)的关系图并进行回归分析，驾驶人瞳孔面积与环境照度存在如式(1)的关系：

ln(Ql)＝8.286+0.591lnl   (1)

将式(1)进行转换，整理得到驾驶人瞳孔面积Q与隧道环境照度l的关系函数，如式(2)所示：

Q＝e^8.286l^-0.409   (2)

照度与隧道纵深模型：

隧道环境照度l与隧道纵深d是乘幂关系，拟合的关系式为：

l＝2.838d^0.744   (3)

驾驶人视觉适应模型：

构建驾驶人瞳孔面积Q驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数：

Q＝x₀+x₁t⁴+x₂t³+x₃t²+x₄t+x₅l⁴+x₆l³+x₇l²+x₈l+x₉tl³+x₁₀tl²+x₁₁tl+x₁₂t²l²+   (4)

x₁₃t²l+x₁₄t³l+ε

式中：ε～N(0，σ²),表示随机误差的变量；

通过对驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l多次测量统计，取得i组数值：

(t_i ⁴,t_i ³,t_i ²,t_i ¹,l_i ⁴,l_i ³,l_i ²,l_i ¹,t_il_i ³,t_il_i ²,t_il_i,t_i ²l_i ²,t_i ²l_i,t_i ³l_i,y_i),i＝1,2,…,n.   (5)构成方程组如下：

$\left\{\begin{array}{c}{y}_1=x_0+x_1{t_1}^4+\·\·\·+x_{14}{t_1}^3{l}_1+{\mathrm{\ϵ}}_1\\ y_2=x_0+x_1{t_2}^4+\·\·\·+x_{14}{t_2}^3{l}_2+{\mathrm{\ϵ}}_2\\ .\\ .\\ .\\ y_n=x_0+x_1{t_n}^4+\·\·\·+x_{14}{t_n}^3{l}_n+{\mathrm{\ϵ}}_n\end{array}\right.---\left(6\right)$

其中：ε₁,ε₂,…,ε_n相互独立，

将方程组转化成矩阵形式如式(7)：

Y＝λX+ε   (7)

其中： $Y=\left[\begin{array}{c}{y}_1\\ y_2\\ .\\ .\\ .\\ y_n\end{array}\right],$ $\mathrm{\λ}=\left[\begin{array}{ccccc}1& {t_1}^4& {t_1}^3& ...& {t_1}^3{l}_1\\ 1& {t_2}^4& {t_2}^3& ...& {t_2}^3{l}_2\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& {t_n}^4& {t_n}^3& ...& {t_n}^3{l}_n\end{array}\right],$ $X=\left[\begin{array}{c}{x}_0\\ x_1\\ .\\ .\\ .\\ x_{14}\end{array}\right]$

向量Y，λ都是已知的，利用最小二乘法，计算出向量X的估计值，过程如下：

根据最小二乘法定义可以得到式(8)：

$F(x_0,x_1,\·\·\·,x_{14})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-x_0-x_1{t_i}^4-\·\·\·-x_{14}{t_i}^3{l}_i)}^2---\left(8\right)$

向量X的最小二乘估计值，应满足F取最小值时的解，对Q求偏导数，可以得到正规方程组如式(9)：

$\left\{\begin{array}{c}{\mathrm{nx}}_0+x_1\mathrm{\Σ}{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i=\mathrm{\Σ}{y}_i\\ x_0\mathrm{\Σ}{t_i}^4+x_1\mathrm{\Σ}{t_i}^4{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^4{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^4{y}_i\\ .\\ .\\ .\\ x_0\mathrm{\Σ}{t_i}^3{l}_i+x_1\mathrm{\Σ}{t_i}^3{l}_i{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^3{l}_i{y}_i\end{array}\right.---\left(9\right)$

相应的矩阵形式为λ^TY＝λ^TλX，λ^Tλ列满秩，故向量X有唯一解，将其代入驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数式(4)中，即获得驾驶人视觉适应函数模型，如式(10)所示：

Q＝1195.3-2.6632t⁴+0.0011l⁴+0.0637l²-10.9426l-0.0269tl³+0.1873t²l²   (10)

步骤三：夜间长隧道入口段照明优化

利用matlab软件做出驾驶人瞳孔面积Q、视觉适应时间t、相应环境照度l之间的三维曲面，驾驶人视觉适应函数模型中，瞳孔面积作因变量，分别对驾驶人在隧道中视觉适应时间t和相应隧道环境照度l求偏导数，建立式（11）方程组：

$\left\{\begin{array}{c}\frac{\∂Q}{\∂t}=0\\ \frac{\∂Q}{\∂l}=0\end{array}\right.---\left(11\right)$

得到一系列数据组(t,l)，即为驾驶人适合相应隧道环境照度变化视觉要求的控制参数；选取数据组定为视觉适应时间t_n对应的照度值l_n；

将驾驶人适合相应隧道环境照度变化视觉要求的照明控制参数，按照驾驶人视觉适应时间进行相应的回归拟合，其关系式为：

l＝3.424t^1.424    (12)

依据式(12)建立函数模型求解驾驶人不同视觉适应时间下所需要的环境照度值，直至隧道入口；然后再根据

$d={\∫}_0^t\mathrm{vtdt}=\frac{1}{2}v{t}^2---\left(13\right)$

式中，d为隧道纵深，t为视觉适应时间，v为车辆运行速度，确定隧道纵深d与驾驶人视觉适应时间t之间的关系；

将式(12)代入式(13)得到公式(14)，即可得到隧道纵深d、车速v与隧道优化照度l之间的关系：

l=3.424×(2d/v)^-0.712    (14)

当夜间驾驶人驾车驶入隧道时，将面临明适应问题。尤其在现有的照明条件下，明适应问题更加严重，驾驶人根本无法看清前方道路信息，这也是很多夜间隧道入口事故的重要诱因。同时，大量密集的照明灯具所造成的光环境，是以较高的电能消耗为代价，即浪费能源又影响安全。该方法从驾驶人的视觉认知和变化规律入手，较现有的研究方法比，研究结果准确可靠；使用了本方法后不仅能消除夜间隧道环境行车时，因照度差异造成的明适应问题，减少视觉障碍诱发的交通事故，同时能大幅度降低隧道照明设施电能消耗，对解决目前隧道存在的安全与节能此消彼长的矛盾有重要意义。

附图说明

图1为本发明的流程图；

图2为数据采集区域内采集点的详细布设图；

图3为驾驶人瞳孔面积与隧道环境照度散点图；

图4为隧道环境照度随隧道纵深变化散点图；

图5为夜间隧道入口段驾驶人瞳孔面积变化曲面；

图6为夜间隧道入口驾驶人对环境照度变化要求的控制参数分布图；

图7为夜间隧道入口段路面照度参考值变化示意图；

图8为夜间隧道入口段优化前后照明参数对比。

具体实施方式

《公路隧道设计规范》规定，隧道长度在1000-3000米之间，称为长隧道，大于3000m称为特长隧道。本发明方法适用于隧道长度在1000米以上的隧道，因此本发明方案中所述的长隧道，是包含了特长隧道在内的，即隧道长度在1000米以上的隧道。

本发明的高速公路长隧道入口段夜间照明优化方法，主要包括下列步骤：

步骤一，采集相关数据

一、采集准备阶段

1、仪器

（1）动态视觉测试仪，采用加拿大SR Research公司生产的Eye LinkⅡ型眼动仪。仪器由控制模块、场景摄像头、光学头等部分组成。控制模块包括眼动仪的主试机和被试机，主要负责对实验驾驶人的动态视觉特性参数尤其是眼动资料进行采集、记录、数据处理加工。场景摄像头的作用是将驾驶人视觉范围内的视景采集并显示在主试机显示屏上。光学头包括两个摄像头和其他光学元件，主要作用是将驾驶人在行车过程中的眼动信息输入仪器中。眼动仪利用自备的数据采集软件和数据分析软件来测试和记录驾驶人眼睛视线角度、注视点位置坐标，眼球运动速度、轨迹及瞳孔面积等动态视觉特性参数。采样频率选择500赫兹，瞳孔尺寸分辨率为1%。

（2）照度计和亮度计实验选用型号为LX1330B的数字照度计、型号为M118660的彩色亮度计，用于测量和记录实车实验过程中夜间隧道入口段环境照度值和亮度值。RS232接口可以和计算机连接，在计算机中进行数据存储、分析、打印。

（3）非接触式五轮仪，由于隧道的封闭性，GPS在隧道内无信号，无法使用，实验采用ISKRA-1D型非接触式五轮仪采集隧道内实验车辆速度和加速度信息，采样频率为10赫兹，误差为±3km/h，保证实验车速在误差允许的范围内。

2、数据采集对象的选取

为保证采集过程中驾驶安全和实验结果的可信度，通过抽样随机选取具有不同职业、驾驶经历、合适年龄和适当驾龄的驾驶人作为实验对象。要求实验对象具有良好的驾驶习惯，并且视觉机能没有障碍，视力均在0.8以上，无生理缺陷和重、特大事故经历。

二、数据采集方案

鉴于照明优化表征参数的确定和参数隧道入口段照明优化的需要，采集的数据包括夜间长隧道入口段环境照度值、驾驶人瞳孔面积、驾驶人视觉适应时间。

1、照度亮度数据采集

本发明中所述的长隧道出口段是指距离隧道入口0至300米范围内的隧道。从距离隧道入口约300m内部开始测量，在纵方向每隔0.5m设置1个采集点，横向每隔0.25m设置1个采集点，一块数据采集区域大小为3m×1m，包括35个采集点。35个采集点照度值的平均值作为此区域的照度值，同时区域内照度的最小值、最大值、纵向均匀度、总均匀度都可以求出。亮度值采集与之相同。数据采集区域内采集点的详细布设情况参见图2所示。

2、驾驶人瞳孔面积、视觉适应时间数据采集

隧道实验中驾驶人瞳孔面积变化是利用眼动仪监测的，通过眼动仪自备的数据软件***、导出瞳孔数据。驾驶人视觉适应时间是利用非接触式五轮仪、GPS、秒表及眼动仪视频录像综合确定。在外界环境照度变化不大，且驾驶环境变化不大时，驾驶人的瞳孔面积变化率基本保持在-6mm²/s到4mm²/s之间，而当瞳孔面积的变化率超过这一范围后则表示驾驶人发生了视觉上的明暗适应，超出这个范围的时刻点为视觉适应时间t=0；即瞳孔面积变化率开始波动的时刻，这些数据可以从眼动仪中读出。

步骤二，根据步骤一采集的隧道环境照度、驾驶人视觉适应时间、驾驶人瞳孔面积数据分别建立驾驶人瞳孔面积与照度模型，照度与隧道纵深模型和驾驶人视觉适应模型；

1．驾驶人瞳孔面积与照度模型

取驾驶人瞳孔面积为Q、隧道环境照度为l，对夜间高速公路隧道入口段数据样本建立ln(Q×l)与ln(l)的关系图并进行回归分析，驾驶人瞳孔面积与环境照度存在如式(1)的关系。

ln(Ql)＝8.286+0.591lnl    (1)

将式(1)写成e^ln(Q×l)=e^{9.252+0.568ln(l)}形式，整理得到驾驶人瞳孔面积Q与隧道环境照度l的关系函数，如式(2)所示：

Q＝e^8.286l^-0.409   (2)

用驾驶人瞳孔面积来表征驾驶员的心理反应量，隧道环境照度表征外界刺激量，这与实验心理学中的Stevens定律一致，即心理反应量与物理刺激量符合幂定律。

2．照度与隧道纵深模型

夜间从隧道内部到入口的过程中，由于外界自然光的影响，距离入口越近，隧道环境照度会越高，实验采集距隧道入口不同距离位置对应的环境照度，并根据数据散点图进行回归分析，参见图4所示。可以看出隧道环境照度l与距入口的距离d是乘幂关系，拟合的关系式为

l＝2.838d^0.744   (3)

3．驾驶人视觉适应模型

隧道行车过程中，驾驶人瞳孔面积与环境照度之间符合幂定律，隧道环境照度与距离即驾驶人视觉适应时间存在乘幂关系，建立相关模型，可得出瞳孔面积与适应时间、照度之间的关系，其建立具体过程如下：

构建驾驶人瞳孔面积Q驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数：

Q＝x₀+x₁t⁴+x₂t³+x₃t²+x₄t+x₅l⁴+x₆l³+x₇l²+x₈l+x₉tl³+x₁₀tl²+x₁₁tl+x₁₂t²l²+    (4)

x₁₃t²l+x₁₄t³l+ε

式中：ε～N(0，σ²)正态分布，表示随机误差的变量。

通过对驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l多次测量统计，取得i组数值：

(t_i ⁴,t_i ³,t_i ²,t_i ¹,l_i ⁴,l_i ³,l_i ²,l_i ¹,t_il_i ³,t_il_i ²,t_il_i,t_i ²l_i ²,t_i ²l_i,t_i ³l_i,y_i),i＝1,2,…,n.   (5)

构成方程组如下：

$\left\{\begin{array}{c}{y}_1=x_0+x_1{t_1}^4+\·\·\·+x_{14}{t_1}^3{l}_1+{\mathrm{\ϵ}}_1\\ y_2=x_0+x_1{t_2}^4+\·\·\·+x_{14}{t_2}^3{l}_2+{\mathrm{\ϵ}}_2\\ .\\ .\\ .\\ y_n=x_0+x_1{t_n}^4+\·\·\·+x_{14}{t_n}^3{l}_n+{\mathrm{\ϵ}}_n\end{array}\right.---\left(6\right)$

其中：ε₁,ε₂,…,ε_n相互独立。

将方程组转化成矩阵形式如式(7)：

Y＝λX+ε   (7)

其中： $Y=\left[\begin{array}{c}{y}_1\\ y_2\\ .\\ .\\ .\\ y_n\end{array}\right],$ $\mathrm{\λ}=\left[\begin{array}{ccccc}1& {t_1}^4& {t_1}^3& ...& {t_1}^3{l}_1\\ 1& {t_2}^4& {t_2}^3& ...& {t_2}^3{l}_2\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& {t_n}^4& {t_n}^3& ...& {t_n}^3{l}_n\end{array}\right],$ $X=\left[\begin{array}{c}{x}_0\\ x_1\\ .\\ .\\ .\\ x_{14}\end{array}\right]$

向量Y，λ都是已知的，利用最小二乘法，计算出向量X的估计值。过程如下：

根据最小二乘法定义可以得到式(8)：

$F(x_0,x_1,\·\·\·,x_{14})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-x_0-x_1{t_i}^4-\·\·\·-x_{14}{t_i}^3{l}_i)}^2---\left(8\right)$

向量X的最小二乘估计值，应满足F取最小值时的解，对Q求偏导数，可以得到正规方程组如式(9)：

$\left\{\begin{array}{c}{\mathrm{nx}}_0+x_1\mathrm{\Σ}{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i=\mathrm{\Σ}{y}_i\\ x_0\mathrm{\Σ}{t_i}^4+x_1\mathrm{\Σ}{t_i}^4{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^4{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^4{y}_i\\ .\\ .\\ .\\ x_0\mathrm{\Σ}{t_i}^3{l}_i+x_1\mathrm{\Σ}{t_i}^3{l}_i{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^3{l}_i{y}_i\end{array}\right.---\left(9\right)$

相应的矩阵形式为λ^TY＝λ^TλX，λ^Tλ列满秩，故向量X有唯一解，将其代入驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数，即获得驾驶人视觉适应函数模型。如式(10)所示：

Q＝1195.3-2.6632t⁴+0.0011l⁴+0.0637l²-10.9426l-0.0269tl³+0.1873t²l²   (10)

步骤三，夜间长隧道入口段照明优化

1．瞳孔面积变化速度

由夜间隧道入口段驾驶人视觉适应模型可知，主要影响瞳孔面积的两个因素为视觉适应时间和环境照度。瞳孔面积变化速度受视觉适应变化速度和环境照度变化速度的影响。统计分析表明，基于行车安全的驾驶人瞳孔面积随视觉适应时间变化的临界速度在-6mm²/s到4mm²/s之间。在视觉适应过程中，驾驶人瞳孔面积随环境照度变化出现相应的变化，当瞳孔面积随环境照度的变化速度趋于0不再发生剧烈变化时，说明驾驶人视觉基本上适应了照明环境。由以上分析可知，当瞳孔面积变化速度同时满足视觉适应时间和环境照度的要求时，才能保证驾驶人在很小的视觉负荷下顺利安全地通过隧道。

2．照明优化控制参数的确定

根据求得的夜间隧道入口段驾驶人视觉适应函数模型，利用Matlab软件绘制三维曲面，做出驾驶人瞳孔面积Q、视觉适应时间t、相应环境照度l之间的三维曲面，参见图5所示。

寻找三维曲面上时间变化最快的那些点，即为瞳孔面积变化率为0的点，此时瞳孔基本稳定不再发生剧烈变化，视觉基本处于无负荷适应状态，将这些点作为驾驶人适应环境照度变化视觉要求的照明优化控制参数。

照明优化控制参数的求解方法如下：在驾驶人视觉适应函数模型中，瞳孔面积作因变量，分别对驾驶人在隧道中视觉适应时间t和相应隧道环境照度l求偏导数，建立式（11）方程组：

$\left\{\begin{array}{c}\frac{\∂Q}{\∂t}=0\\ \frac{\∂Q}{\∂l}=0\end{array}\right.---\left(11\right)$

求解微分方程组，可以得到一系列数据组(t,l)，即为驾驶人适合相应隧道环境照度变化视觉要求的控制参数。选取数据组定为视觉适应时间t_n对应的照度值l_n。

将驾驶人适合相应隧道环境照度变化视觉要求的照明控制参数，按照驾驶人视觉适应时间进行相应的回归拟合，其关系式为：

l＝3.424t^1.424   (12)

通过进一步确定距离隧道入口不同距离位置对应的照度值，实现对隧道入口段照明参数优化，从而确定照明优化方案。依据式(12)建立函数模型求解驾驶人不同视觉适应时间下所需要的环境照度值，直至隧道入口。取车辆经过隧道入口向内约250m处的时刻记作t=0，依据驾驶人视觉适应时间t与车辆行驶速度，确定隧道纵深d与驾驶人视觉适应时间t之间的关系。其关系式如下：

$d={\∫}_0^t\mathrm{vtdt}=\frac{1}{2}v{t}^2---\left(13\right)$

式中，d为隧道纵深，t为视觉适应时间，v为车辆运行速度。

将式(13)代入式(12)可得到隧道纵深d、车速v与隧道优化照度l之间的关系，如下式所示：

l=3.424×(2d/v)^-0.712    (14)

由此，本发明基于现有隧道照明研究和实践中的问题，从驾驶人视觉认知和变化规律入手，以隧道环境照度为研究对象，我们给出了隧道照度l与隧道纵深d及车辆速度v的优化模型。以下具体给出该模型的成功应用实施例，进一步说明本发明的整体技术方案。

实施例

南五台隧道高速公路长隧道入口段（夜间）

1．照明控制参数确定

运用EyeLink Ⅱ在南五台隧道进行眼动数据的采集后，按照上述步骤建立(t，l)的关系式后，选取适宜的视觉适应时间作为夜间隧道入口驾驶人适应环境照度变化视觉要求的照明控制参数如下表所示。

夜间隧道入口驾驶人对环境照度变化要求的控制参数(t,l)

上述计算获得夜间隧道入口驾驶人适应环境照度变化视觉要求的照明控制参数(t,l)是指当驾驶人视觉适应时间为t时，视觉若达到舒适无较大负荷感，对环境照明要求的照度值为l。

2．照明参数优化

在现有隧道照明条件，以隧道纵深20～160m对照明参数进行优化设计，依据式(12)建立函数模型求解驾驶人不同视觉适应时间下所需要的环境照度值。依据驾驶人视觉适应时间t与车辆行驶速度v，确定隧道纵深d。最终确定夜间隧道入口段中不同隧道纵深下照度优化参数，进而确定照明优化方案，具体方案如下表所示和照明参数趋势参见图7所示。

夜间隧道入口段照度优化值

3．照明优化评估

由数据可以得到夜间隧道入口段距隧道入口不同距离位置照度优化参数与实地调研隧道照度参数的变化趋势，参见图8所示，并进行对比分析。

通过优化前后的照明参数对比，发现隧道现有照明参数设计过度，明显高于优化后的照度参数，且距离隧道入口越近，两者差距越大，这不仅造成不必要能源浪费，而且严重影响驾驶人视觉功能，不利于行车安全。优化后隧道照明参数显著降低，对解决目前隧道存在的安全与节能此消彼长的矛盾有重要意义。

Claims (1)

1.一种高速公路长隧道入口段夜间照明优化方法，其特征在于，该方法包括以下步骤：

步骤一，采集驾驶人瞳孔面积、隧道环境照度、驾驶人视觉适应时间数据；

步骤二，根据步骤一采集的驾驶人瞳孔面积、隧道环境照度和驾驶人视觉适应时间数据分别建立驾驶人瞳孔面积与照度模型，照度与隧道纵深模型和驾驶人视觉适应模型；

其中驾驶人瞳孔面积与照度模型为：

取驾驶人瞳孔面积为Q、隧道环境照度为l，对夜间高速公路隧道入口段数据样本建立ln(Q×l)与ln(l)的关系图并进行回归分析，驾驶人瞳孔面积与环境照度存在如式(1)的关系：

ln(Ql)＝8.286+0.591lnl   (1)

将式(1)进行转换，整理得到驾驶人瞳孔面积Q与隧道环境照度l的关系函数，如式(2)所示：

Q＝e^8.286l^-0.409   (2)

照度与隧道纵深模型：

隧道环境照度l与隧道纵深d是乘幂关系，拟合的关系式为：

l＝2.838d^0.744    (3)

驾驶人视觉适应模型：

构建驾驶人瞳孔面积Q驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数：

Q＝x₀+x₁t⁴+x₂t³+x₃t²+x₄t+x₅l⁴+x₆l³+x₇l²+x₈l+x₉tl³+x₁₀tl²+x₁₁tl+x₁₂t²l²+   (4)

x₁₃t²l+x₁₄t³l+ε

式中：ε～N(0，σ²),表示随机误差的变量；

通过对驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l多次测量统计，取得i组数值：

(t_i ⁴,t_i ³,t_i ²,t_i ¹,l_i ⁴,l_i ³,l_i ²,l_i ¹,t_il_i ³,t_il_i ²,t_il_i,t_i ²l_i ²,t_i ²l_i,t_i ³l_i,y_i),i＝1,2,…,n.   (5)

构成方程组如下：

$\left\{\begin{array}{c}{y}_1=x_0+x_1{t_1}^4+\·\·\·+x_{14}{t_1}^3{l}_1+{\mathrm{\ϵ}}_1\\ y_2=x_0+x_1{t_2}^4+\·\·\·+x_{14}{t_2}^3{l}_2+{\mathrm{\ϵ}}_2\\ .\\ .\\ .\\ y_n=x_0+x_1{t_n}^4+\·\·\·+x_{14}{t_n}^3{l}_n+{\mathrm{\ϵ}}_n\end{array}\right.---\left(6\right)$

其中：ε₁,ε₂,…,ε_n相互独立，

将方程组转化成矩阵形式如式(7)：

Y＝λX+ε   (7)

其中： $Y=\left[\begin{array}{c}{y}_1\\ y_2\\ .\\ .\\ .\\ y_n\end{array}\right],$ $\mathrm{\λ}=\left[\begin{array}{ccccc}1& {t_1}^4& {t_1}^3& ...& {t_1}^3{l}_1\\ 1& {t_2}^4& {t_2}^3& ...& {t_2}^3{l}_2\\ .& .& .& .& .\\ .& .& .& .& .\\ .& .& .& .& .\\ 1& {t_n}^4& {t_n}^3& ...& {t_n}^3{l}_n\end{array}\right],$ $X=\left[\begin{array}{c}{x}_0\\ x_1\\ .\\ .\\ .\\ x_{14}\end{array}\right]$

向量Y，λ都是已知的，利用最小二乘法，计算出向量X的估计值，过程如下：

根据最小二乘法定义可以得到式(8)：

$F(x_0,x_1,\·\·\·,x_{14})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-x_0-x_1{t_i}^4-\·\·\·-x_{14}{t_i}^3{l}_i)}^2---\left(8\right)$

向量X的最小二乘估计值，应满足F取最小值时的解，对Q求偏导数，可以得到正规方程组如式(9)：

$\left\{\begin{array}{c}{\mathrm{nx}}_0+x_1\mathrm{\Σ}{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i=\mathrm{\Σ}{y}_i\\ x_0\mathrm{\Σ}{t_i}^4+x_1\mathrm{\Σ}{t_i}^4{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^4{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^4{y}_i\\ .\\ .\\ .\\ x_0\mathrm{\Σ}{t_i}^3{l}_i+x_1\mathrm{\Σ}{t_i}^3{l}_i{t_i}^4+\·\·\·+x_{14}\mathrm{\Σ}{t_i}^3{l}_i{t_i}^3{l}_i=\mathrm{\Σ}{t_i}^3{l}_i{y}_i\end{array}\right.---\left(9\right)$

相应的矩阵形式为λ^TY＝λ^TλX，λ^Tλ列满秩，故向量X有唯一解，将其代入驾驶人瞳孔面积Q与驾驶人在隧道中视觉适应时间t和相应隧道环境照度l的二元四次函数式(4)中，即获得驾驶人视觉适应函数模型，如式(10)所示：

Q＝1195.3-2.6632t⁴+0.0011l⁴+0.0637l²-10.9426l-0.0269tl³+0.1873t²l²   (10)

步骤三，夜间长隧道入口段照明优化

利用matlab软件做出驾驶人瞳孔面积Q、视觉适应时间t、相应环境照度l之间的三维曲面，驾驶人视觉适应函数模型中，瞳孔面积作因变量，分别对驾驶人在隧道中视觉适应时间t和相应隧道环境照度l求偏导数，建立式（11）方程组：

$\left\{\begin{array}{c}\frac{\∂Q}{\∂t}=0\\ \frac{\∂Q}{\∂l}=0\end{array}\right.---\left(11\right)$

得到一系列数据组(t,l)，即为驾驶人适合相应隧道环境照度变化视觉要求的控制参数；选取数据组定为视觉适应时间t_n对应的照度值l_n；

将驾驶人适和相应隧道环境照度变化视觉要求的照明控制参数，按照驾驶人视觉适应时间进行相应的回归拟合，其关系式为：

l＝3.424t^1.424   (12)

依据式(12)建立函数模型求解驾驶人不同视觉适应时间下所需要的环境照度值，直至隧道入口；然后再根据

$d={\∫}_0^t\mathrm{vtdt}=\frac{1}{2}v{t}^2---\left(13\right)$

式中，d为隧道纵深，t为视觉适应时间，v为车辆运行速度，确定隧道纵深d与驾驶人视觉适应时间t之间的关系；

将式(12)代入式(13)得到公式(14)，即可得到隧道纵深d、车速v与隧道优化照度l之间的关系：

l=3.424×(2d/v)^-712     (14)

Images