论文部分内容阅读
良好的道路照明对降低交通事故发生率至关重要。与亮度和照度相比,小目标可见度是一个更为有效的指标且被国际照明协会(CIE)和北美照明学会认可并在美国实施。但现行的小目标可见度标准忽略了驾驶负载和小目标运动性的影响。本文基于虚拟驾驶实验平台,在不同驾驶负载情况下,针对中间视觉的小目标可见度开展了相关研究。建立了能够提供驾驶环境和驾驶负载的2D虚拟驾驶实验平台。基于该平台,研究了驾驶负载对反应时间的影响。结果表明驾驶负载对反应时间具有显著性影响,驾驶负载会造成反应时间变长。此外,对比度、车道和小目标出现距离对反应时间也有显著性影响。同时也证明了虚拟驾驶实验平台的可行性和有效性。建立了3D虚拟驾驶实验平台,克服了2D平台场景过于简单,且小目标缺乏运动真实性等缺点,能够提供一个更加真实的夜间驾驶场景。基于3D平台,研究了驾驶负载及对比度等视觉因素对反应时间、探测率和MVP(探测率/反应时间)三种视觉功效的影响。研究表明驾驶负载及各视觉因素对反应时间和MVP具有显著性影响,且主因素间都存在交互。除小目标出现的距离外,驾驶负载及其他视觉因素对探测率均有显著影响。驾驶负载越小、对比度绝对值越高、视标出现在中间车道时,反应时间越小、探测率越高和MVP越大。出现距离越近,反应时间越小,MVP越大。对比度与反应时间、探测率和MVP都呈现对数关系。在此基础上,研究了不同驾驶速度情况下,反应时间和探测率的变化情况。结果表明速度对反应时间和探测率具有显著性影响。随着速度的增加,反应时间和探测率都减小。基于深度学习算法建立了反应时间的预测模型,该模型可以通过速度、对比度、车道和距离来预测人眼观察小目标的反应时间,基于该模型计算了不同速度和探测率时需要保持的最小碰撞车距,可以看到中国道路交通安全法规定的安全车距均大于碰撞车距。建立了一个考虑驾驶负载和不同速度的更可靠实用的小目标可见度模型,采用该模型得到了不同速度时85%和95%探测率对应的可见度水平阈值。结果表明现行可见度水平为7的标准可以满足85%的探测率需求。对95%的探测率,当驾驶速度为60、80和100km/h时,对应的可见度水平分别为13、27和40,远高于7。