基于因子分析的城市隧道驾驶人心理负荷变化规律

（南京理工大学自动化学院，江苏 南京 210094）

0 引言

随着城市交通基础建设的发展和机动车保有量的增加，城市隧道越来越多，相比普通道路，隧道交通安全形势更为严峻。由于隧道内外环境差异大，驾驶员对隧道内行车的适应能力存在较大差异，容易产生心理负荷，而过高的心理负荷会影响驾驶人的驾驶行为和行车安全。因此，研究驾驶人在隧道行车的心理负荷变化规律，对隧道安全设计、交通事故预防、驾驶人心理负荷智能监控和主动预警等具有重要的现实意义。

国内外对驾驶人心理负荷的研究主要包括心理负荷评价指标选取和不同交通场景的心理负荷变化规律研究。国内对于驾驶人心理负荷变化规律的研究场景主要集中在城市隧道[1]、高速公路出入口匝道[2]、弯道[3]、山区复杂公路[4]等特殊路段。一些学者选取心电指标评价驾驶人心理负荷，如陈薇[4]以心率增长率表征心理负荷，对超车、会车、弯道行车等行车条件下的心理负荷变化规律进行了研究；郭应时[5]以心率变异性和心率增长率为指标表征驾驶人的心理负荷，并对眼动行为与心理负荷进行相关性分析，发现扫视行为与心率增长率呈正相关，而与心率变异性呈负相关；吴萌[6]通过采集不同匝道路段驾驶人心率变异性指标，研究了不同交通组织形式对匝道区驾驶人驾驶负荷的影响。还有一些学者选取眼动指标评价驾驶人心理负荷，如王少博[7]用扫视和眨眼行为来反映驾驶员在道路环境中的视觉负荷和紧张程度；朱彤等[8]选择短眨眼作为视觉负荷评价指标。另外，瞳孔面积也是表征驾驶人心理负荷的有效指标，如陈云等[1]以瞳孔面积变化速度为指标，研究了短隧道入口段不同车型驾驶人的视觉负荷；潘晓东等[9]针对隧道进出口段提出了新的视觉负荷评价指标，即瞳孔面积最大瞬时速度值（Maximum Transient Velocity Value of Pupil Area,MTPA）；陈炳阳[10]提出用瞳孔面积样本熵来表征视觉负荷强度。

国外学者也对驾驶人心理负荷与交通安全的关系展开了深入研究，如Reimer 等[11]认为，当心理负荷增加时，驾驶人的注意力将主要集中在前方道路上，对周围环境的关注度较少，从而造成信息获取能力降低；Faure 等[12]研究了驾驶人在执行主任务和次任务时，心理负荷与驾驶任务难度的关系，指出次任务难度对驾驶人心理负荷存在显著影响。在心理负荷评价方面，Gomer 等[13]分析了不同难度任务下眼动指标的变化情况，发现心理负荷越大，注视次数越多，注视时间越长；Lei等[14]验证了脑电、心率等指标对工作负荷的灵敏性，并根据结果将心理负荷分成了不同的等级；Benedetto 等[15]通过实验发现，眨眼持续时间是评价视觉负荷的一个灵敏、可靠的指标。

综上，虽然现有研究已经在驾驶人心理负荷评价方面进行了诸多探索，但大多只考虑了心电指标或眼动指标，或仅对心电指标与眼动指标的相关性进行分析，缺乏对心电指标和眼动指标的融合，即缺少将两类数据结合起来的综合量化分析。

本文考虑到心理负荷具有多维属性且受多种因素影响，拟通过在城市隧道路段开展实车实验，首先采用D-lab 驾驶行为分析系统，实现驾驶人眼动数据和心电数据的同步监测和记录；然后结合心电指标和眼动指标，将抽象的、难以直接测量的心理负荷转化为具象的、可测量的指标，并采用因子分析法构建心理负荷量化模型，研究驾驶人在城市隧道环境下的心理负荷变化规律，为改善隧道行车安全提供依据。

1 实验数据采集

1.1 实验路段及设备

为研究城市隧道路段因行车环境改变而给驾驶人带来的心理负荷变化的规律，实验路段的选取需满足以下条件：①隧道出入口处线形设计符合规范要求，无急弯和陡坡；②隧道出入口外与城市一般道路交叉口具有足够的距离（大于300m）；③隧道为中长隧道，且在隧道入口处无法一眼看到隧道出口。针对以上条件，本实验选择南京市水西门隧道（见图1）。该隧道全长1.66km，隧道内限速60km/h，主隧道为双向6 车道，隧道内部对向车道之间用墙体隔开，为单箱双室箱涵形式，隧道内照明采用高压钠灯，进出口无洞外照明设施。

图1 水西门隧道

实验采用D-Lab 软件的Dikablis 眼动追踪系统和Physio 生理采集系统，以同步记录驾驶人实时眼动数据和心电数据。采样频率为60Hz，瞳孔追踪精度为0.05°。实验时间避开早晚高峰，选择天气状况良好的上午10：00—11：00和下午3：00—4：00。

1.2 实验过程

为了避免不同个体对实验结果的差异性影响，保证实验数据的多样性，实验邀请了20位驾驶人，且矫正视力均为5.0 以上。被试驾驶人信息如表1所示。

表1 驾驶人基本信息

在预先告知实验路线但不告知实验目的的情况下，让驾驶人佩戴头戴式眼动仪，胸前粘贴心电传感器（贴片），按照自身习惯驾驶车辆并保持车速在50～60km/h范围内。由于实验是在真实的交通环境中进行，驾驶人可能受交通流、限速或交通标志等的影响，为了减小偶然误差，要求驾驶人沿实验隧道上下行方向各行驶3 次，取实验数据平均值进行分析。

根据我国《公路隧道照明设计细则》（JTG/T D70/2—01—2014）[16]和《公路隧道设计规范》（JTG D70—2004）[17]，结合实验路段光照强度，将实验路段划分为接近段、入口段、中间段、出口前段和出口后段5 个部分，即定义隧道进口前150m 为接近段，进入隧道后150m 为入口段，隧道出口前150m 和驶出隧道后150m 分别为出口前段和出口后段，其余部分为中间段。实验路段划分如图2所示。

图2 实验路段区域划分

1.3 实验数据采集与处理

实验过程中，为实现眼动数据和心电数据的同步采集，实验采用D-lab 驾驶行为分析系统，提取20 位被试驾驶人的实验数据后，利用SPSS软件进行数据分析。为保证眼动数据的有效性，基于拉依达准则（其基本思路为：如果某一样本数据与样本均值之差的绝对值大于3 倍样本标准差，则该数据被默认为异常数据，应予剔除）剔除异常数据，最终获得正常驾驶状态下的眼动数据，数据的有效性为92.5%。实验仪器采集到的生理数据为心电信号，原始心电信号包含许多噪声，本文选择小波变换去噪法对采集的心电数据去噪，然后利用MATLAB 提取心电信号的R 波。实验所获R 波信号有效性较高，平均错检率为1.15%。

2 心理负荷表征指标

心理负荷具有多维属性，且受多种因素影响。常用的心理负荷测量方法有3 大类，即主观评价法、双任务测量法与生理测量法[18]。主观评价法是根据实验人员在实验过程中的主观感受和体验来评估心理负荷，大多采用评价量表的形式；双任务测量法是通过完成任务的成绩来预测心理负荷；生理测量法通过测定驾驶人的脑电、心电、眼动等指标的变化情况，间接地对其心理负荷进行评价，其优点是客观性和不受干扰性良好，在驾驶人完成驾驶任务时同步采集生理参数，不受环境和个人意志的影响。本文选择生理测量法，即通过测定驾驶人在车辆行驶过程中的生理反应来间接地评估其心理负荷，所选指标包括心电指标和眼动指标，其中心电指标采用RR间期（即心电信号相邻R 波之间的时间）标准差（Standard Diviation of NN Intervals,SDNN）和RR间期差值平方根（Root Mean Square Successive Difference,RMSSD），眼动指标采用瞳孔面积变化率和注视时间。

2.1 心率变异性变化特性

心电信号是反映驾驶人心理负荷大小的直接指标。心率变异性（Heart Rate Varibility,HRV）主要反映相邻心跳周期的差异和波动性，可从时域和频域两方面从心电信号中提取，是评价心理负荷的有效指标。研究表明，当心理负荷增大时，心率变异性会减小。本文选取HRV时域指标RR 间期标准差（SDNN）和RR 间期差值平方根（RMSSD）分析心率变异性指标的变化规律。

RR间期标准差（SDNN）计算公式[19]如下：

RR 间期差值平方根（RMSSD）计算公式[19]如下：

式（1）～式（2）中：N为所分析时间段内的心脏跳动总次数（次）；为RR 间期平均值；RRk为第k个RR间期值（ms）；RRk+1为第k+1个RR间期值（ms）。

绘制隧道路段驾驶人的SDNN 和RMSSD 变化箱线图，如图3～图4所示。

图3 隧道不同路段SDNN箱线图

图4 隧道不同路段RMSSD箱线图

由图3～图4 可知，心率变异性指标SDNN 和RMSSD 的变化规律基本相同，即：驾驶人在隧道接近段至入口段，SDNN 和RMSSD 减小，心理负荷增大；在出口前段至出口后段，SDNN 和RMS⁃SD增大，心理负荷减小。

2.2 瞳孔面积变化特性

瞳孔面积是表征驾驶人心理负荷的重要指标。驾驶人在出入隧道过程中瞳孔面积变化显著。为减小不同个体瞳孔面积统计数据的差异性，选取瞳孔面积变化率进行研究，其计算公式为：

式（3）中：Nt为t时刻驾驶人瞳孔面积变化率；St为t时刻驾驶人瞳孔面积（mm2）；S0为驾驶人瞳孔面积的平均值（mm2），本文S0取驾驶人在普通路段行驶时的瞳孔面积均值。

隧道路段瞳孔面积变化率变化箱线图如图5所示。

图5 隧道不同路段瞳孔面积变化率箱线图

由图5 可知，驾驶人在隧道接近段，瞳孔面积变化率较为平稳；在入口段，瞳孔面积变化率呈指数形式急剧上升；在出口前段，瞳孔面积变化率呈指数形式下降；在出口后段，瞳孔面积变化率较为平稳。

2.3 注视时间变化特征

注视时间是指驾驶人单次注视行为的持续时间，能反映驾驶人的注意力集中程度和紧张程度。研究认为，注视时间与心理负荷显著相关，心理负荷随注视时间的增加而增加[20]。隧道区域驾驶人注视时间变化箱线图如图6所示。

图6 隧道不同路段注视时间箱线图

由图6可知，驾驶人在隧道接近段至入口段，注视时间显著增加，表明心理负荷增大；出口前段至出口后段，注视时间显著减小，表明心理负荷减小。

为了比较驾驶人在进出隧道过程中，心理负荷是否会因为道路环境的变化而发生显著变化，分别对驾驶人进出隧道前后的生理特性进行显著性检验，检验方法采用配对样本t检验。显著性检验结果如表2所示。

表2 驾驶人进出隧道过程中生理特性显著性检验结果

由表2 可知，在进出隧道过程中，SDNN、RMSSD、瞳孔面积变化率、注视时间均在不同路段存在显著差异，说明隧道环境变化会对驾驶人生理特性产生显著影响。

3 心理负荷量化模型

3.1 因子分析法

因子分析法是通过研究变量内部相关依赖关系，将一些具有复杂关系的变量归结为少数几个综合因子的一种多变量统计方法[21]。因子分析最常用的理论模型为：

式（4）中：Zj为第j个变量的标准化分数；Fi（i=1,2,…,m）为共同因素；aji（j=1,2,…,n;i=1,2,…,m）为因子载荷，是第j个原有变量在第i个因子上的负荷；Uj为变量Zj的唯一因子。

式（4）用矩阵形式可表示为：

式（5）中：F为矩阵Z的公共因子，它是由Fi（i=1,2,…,m）组成的矩阵，且Z是由Zj（j=1,2,…,n）组成的矩阵；A为因子载荷矩阵，它是由aji（j=1,2,…,n;i=1,2,…,m）组成的矩阵；U为Z的特殊因子，它是由Uj（i=1,2,…,m）组成的矩阵。

因子载荷矩阵A中有两个重要的统计量，即变量共同度和公共因子方差贡献。变量共同度是因子载荷矩阵A第j行元素的平方和，记为：

公共因子方差贡献率是因子载荷矩阵中各列元素的平方和，记为：

3.2 基于因子分析法的心理负荷量化

本文选取心电指标SDNN 和RMSSD、眼动指标瞳孔面积变化率和注视时间4 个指标表征心理负荷，量化驾驶人在出入隧道过程中的心理负荷值。

因子分析法须各指标具有一定的相关性，故首先采用皮尔逊相关分析法对各指标进行相关性检验。相关性检验结果如表3 所示，满足因子分析条件。

表3 皮尔逊相关性分析

表3 （续）

由于SDNN 和RMSSD 对心理负荷起负向作用，所以在因子分析时采用倒数法进行指标转换，分别用DSDNN和DRMSSD表示。

首先对数据进行凯撒·迈耶·奥尔金（Kai⁃ser-Meyer-Olkin,KMO）检验和Bartlett 球形检验，如表4所示。

表4 KMO和Bartlett检验

由表4 可知，KMO 值为0.709＞0.7，且Sig.＜0.01，说明变量之间存在相关性，因子分析有效。为了便于心理负荷量化计算，将所有数据进行Z-score标准化转换后，继续进行因子分析。公因子方差表示各变量中信息分别被提取的比例，各变量的公因子方差如表5所示。

表5 公因子方差表

从表5 可知，公因子方差均大于0.8，说明变量能被公因子合理表达。总方差解释如表6所示。可见，因子旋转前只有1个公因子，其方差贡献率为63.775%；当因子采用方差最大法正交旋转后，可提取2 个公因子，累计方差贡献率为83.165%。对旋转后的成分矩阵进行分析，如表7所示。

表6 总方差解释表

表7 旋转成分矩阵分析

由表7 可知，在第1 个公因子中，载荷较大值为0.922 和0.807，分别对应的是注视时间和瞳孔面积变化率，因此可以将该因子归为视觉负荷。第2 个公因子中，载荷较大值为0.878 和0.871，分别对应于DRMSSD和DSDNN，故可以将该因子归为生理负荷。2 个公因子的总解释方差（即累计方差贡献率）为83.165%，可见旋转后的2 个公因子可以很好地解释心理负荷的两个方面。因此，结合实际，可以选择旋转后的2 个公因子作为心理负荷量化模型的基础。然后由Thompson回归法得到因子得分系数矩阵，对因子得分系数矩阵进行分析，如表8所示。

表8 因子得分系数矩阵分析

由此，可以计算2 个公因子的得分F1和F2，分别为：

式（8）～式（9）中：F1,F2分别为2 个公因子的得分；V1,V2,V3,V4分别为原始变量的瞳孔面积变化率、注视时间、DSDNN和DRMSSD。

由表6 可知，两个公因子的方差贡献率分别为42.689%和40.476%，以其作为权重，并进行单位化处理，最终得到心理负荷的量化值：

式（10）中：F为心理负荷量化值。

根据前文，将第1 公因子命名为视觉负荷，第2 公因子命名为生理负荷，则心理负荷可由视觉负荷和生理负荷两方面解释量化，且视觉负荷对于心理负荷量化结果的方差贡献率大于生理负荷，两者分别为42.689%和40.476%。

3.3 隧道路段心理负荷变化规律

对通过因子分析法计算得到的心理负荷值进行归一化处理，将所有数据转换到区间[0,1]内。驾驶人心理负荷变化箱线图如图7所示。

图7 隧道不同路段心理负荷变化箱线图

针对不同路段心理负荷分布差异，采用配对样本t检验分析不同路段心理负荷的差异性。显著性检验选取置信度α=0.05，统计结果见表9。

表9 显著性检验结果

由表9 可知：驾驶人心理负荷最大的路段为入口段和出口前段；驾驶人在进入隧道和驶出隧道的过程中，心理负荷存在显著变化；驾驶人在接近段至入口段，心理负荷显著增大；出口前段至出口后段，心理负荷显著减小；在隧道内部，心理负荷变化较小。造成这一现象的原因主要是隧道出入口行车环境的突变。因此，在隧道安全设计时，应考虑驾驶人心理负荷的变化规律。

4 结论

本文通过选取驾驶人心理负荷表征指标，建立因子分析模型以量化驾驶人心理负荷，并得到如下结论：

（1）在进出隧道过程中，驾驶人心率变异性、瞳孔面积变化率、注视时间均存在显著变化，即隧道环境变化会对驾驶人生理特性产生显著影响。

（2）心理负荷可由视觉负荷和生理负荷两方面解释量化。两个公因子的累计方差贡献率为83.165%，且视觉负荷的方差贡献率大于生理负荷方差贡献率（两者分别为42.689%和40.476%）。

（3）驾驶人在进出隧道前后心理负荷具有显著差异，即驶入隧道过程中心理负荷显著增大，驶出隧道过程中心理负荷显著减小。

本研究可为隧道行车安全提供一定的理论依据，对城市隧道内外限速、交通标志设置等具有一定的参考价值，后续还可应用于驾驶人心理负荷智能监控和主动预警方面。当驾驶员心理负荷分数较高时，可通过主动预警，对驾驶员予以安全提示，使驾驶员可通过降低车速或调整安全车距等方法降低心理负荷。受实验条件的限制，本文选取的心理负荷表征指标较少，后续可综合考虑心率、呼吸等生理指标和眨眼特性、扫视特性等眼动指标，以增强实验结果的科学性。