袁景玉， 焦墨雪， 姚 胜， 张 楚

(河北工业大学建筑与艺术设计学院， 天津 300130)

随着生活水平的不断提高，人们对居住区夜景照明的质量更加关注。不适宜的居住区照明环境会引发情绪、认知和多种生理损伤，不符合当前健康持续发展的基本国策[1]。此外，夜间照明的亮度分布和舒适度等定量和定性因素都会对居民的空间感知、行为模式、社交活动[2]、生理和心理健康等造成显著的影响，通常适人化的道路照明是避免机动车交通意外的主要手段[3]，同时也是降低犯罪率的重要方法[4]，行人也会因此降低可能受到人身伤害的恐惧感[5]。因此，构建安全、健康的适人化夜景照明成为居住区道路照明设计的重点所在。

付雅雯等[6]就天津城区老旧小区夜间室外照明的灯具、照度等进行了测试与调研，分析了室外光环境存在的问题，并依据相关规范与标准，提出了相应的解决措施与建议。Fotios等[7]总结出：照明环境与安全感有着较强的关联，步行方式和灯具的显色指数、类型、间距等条件都影响着行人的安全感受。杨春宇[8]和徐超等[9]就色温对室内阅读环境的影响进行了实验研究，发现受试者偏向于高色温的室内光环境，而对于道路照明设计的色温要求在CJJ 45—2015《城市道路照明设计标准》[10]中进行了要求，规定其值宜小于5 000 K。针对步行空间的光环境分布情况，Fotios等[11]研究发现合理的光环境分布可以提高行人的安全感受，其中高光通量的光源会被认为更安全[12]，但高亮度光源产生的强烈明暗对比会降低行人的安全感受[13]。Kohko等[14]发现行人感受会随着面对光源距离的变化而变化，合理的灯具排布会显著改善行人的心理状态。Weng等[15]发现居住区内的树木、汽车等因素会遮挡照明，形成不合理的光照分布，影响行人对周边环境的判断。

目前，人们对城市整体与室内的照明有着较多研究，而针对连接两者的居住区内夜间照明的研究尚浅，尤其在关于居住区内道路夜间照明光环境各要素对居民安全体验的影响方面，尚待进一步探析。现通过构建虚拟居住区模型，观测并记录行人的眼动特征和主观感受，以期获得灯具色温、路面最大照度、灯具安装高度与安装间距以及环境复杂度与行人安全感之间的关系。

1 虚拟实验设计

现阶段中国只有部分高档小区内设置有人车分行道路，而大部分小区仍然是人车混行道路，事故多发[16]，因此将人车混行区域作为研究对象，使用SketchUp软件建立虚拟模型并通过V-Ray渲染得到视线高1.6 m处的移动视频用于眼动仪测试。如图1所示，虚拟模型中路面有效宽度为5 m，长度约50 m，道路两侧距路边线5 m处为住宅建筑，同时在环境中设有植物、机动车、非机动车和垃圾桶等遮挡物，照明排布采用单侧布灯，灯具的类型为半截光型。由于灯具安装高度会影响到灯具安装间距的取值，因此定义变量L为光源垂直于路面处与相邻光源间的距离，以描述高度与间距同时变化的情况。其数值等于灯具安装高度与安装间距的平方和。

本次实验受试者共计80人，年龄在20～60岁，其中男性36人，女性44人。实验中光源的初始色温选择6 403 K，路面最大照度为60 lx。此外，按照CJJ 45—2015《城市道路照明设计标准》中的要求，半截光型灯具安装高度应大于等于1.2倍的路面有效宽度，灯具安装间距值小于等于3.5倍的灯具安装高度[10]，因此设定灯具的初始安装高度为6.25 m，安装间距为13 m。具体地，光源的色温、路面最大照度、灯具安装高度与安装间距等变量的取值如表1所示。客观环境是行人移动过程中最为复杂的变量，实验中将周边环境分为无视野所及的遮挡物、无视线以上的遮挡物、无视线以下的遮挡物以及视线上下皆有遮挡物等4种情况。

表1 实验中各变量的取值Table 1 Value of each variable in the experiment

实验过程中依次改变光源色温、路面最大照度、光源垂直于路面处与相邻光源间的距离L以及环境复杂度四个变量。实验中采用眼动仪记录受试者生理变化情况[17]，仪器如图2所示。为了使测试环境真实，实验时保持测试环境无显示器外其他光源。观看测试视频的顺序是固定的，尽可能减小画面切换带来不同视觉特征的影响，视频帧画面如图3所示。在观看视频完成后，受试者立即对测试环境的心理感受进行打分。其中1分最低5分最高，分数精确到小数点后一位。在每个变量测试结束后立即统计受试者的主观数据，归纳并总结出评分最高时变量的取值，作为其他变量实验的常量。

图2 实验仪器图Fig.2 Experimental instruments

图3 虚拟视频帧画面Fig.3 Frame of the virtual video

2 测试结果分析

2.1 注视点的离散程度

为准确地分析眼动特征，将受试者的眼动特征转化为极坐标，以视野中心为坐标原点，计算每个点到坐标原点的距离。对各组实验中受试者认为最好和最差的方案进行分析，如图4所示为色温、路面最大照度、L值和环境复杂度变化时评分最高与最低方案的受试者注视点离散程度。

图4 不同影响因素下的注视点离散程度Fig.4 Dispersion degree of fixation points under different influencing factors

图4(a)中两方案注视点数量相近，其中高评分方案的色温值为3 705 K，低评分方案为2 058 K。在注视点编号为2、6、9、13时，低评分曲线的离散程度明显增大，与高评分曲线的差值约为0.5，而其他注视点处差值相对较小，在0.1附近波动。由此表明在观看视频的全过程中，色温的变化会影响受试者对部分区域的观察方式，从而影响心理感受。图4(b) 中有着更为复杂的变化特征，高评分方案中的照度值为70 lx，低评分方案中为10 lx。两条曲线整体趋势走向相同，但低评分方案的注视点数比高评分方案多15个，表明低照度环境中受试者在相同时间内对场景进行了更多的观察。此外，受试者在观看视频的较后部分时两种方案的极差值有较大不同，高评分方案的A区域极差值为0.5，明显小于低评分区的B区域0.9的极差值。其原因是视频后程受试者背离光源前进，视野中的亮部区域面积骤减，受试者在低照度环境中需对更大的范围进行观察，从而弥补缺失的安全感受。图4(c)中两方案注视点数量接近，其中高、低评分方案的L值分别为13.98、27.67 m。L值较大的曲线离散程度整体较高，这是因为光源间距的增大会导致场景明亮程度降低，从而使受试者对场景进行更全面的观察。图4(d)中两方案具有相同的观察点数量，其中评分最高的方案为环境中仅有视线上方遮挡物的情况，而评分最低的方案为视野内无遮挡物的环境。视线上方有遮挡物的方案离散程度整体处于上升趋势。随着视频的进行受试者会到达被头顶植物遮盖的区域，即出现较多的阴影区域，从而增大了离散程度。无遮挡方案离散程度整体为下降趋势。原因在于该场景中无任何视线遮挡，受试者在快速认知场景后便不再进行更多的观察。

上述4种情况下评分较低方案的注视点离散程度较高，即注视点距图面中心点较远，这表明低评分场景中的被测者会对环境进行更为分散的观察。图4中评分最高方案的注视点距离极差约为：0.65、0.95、0.5、0.6，而相应的评分最低的方案极差值分别为：1.0、1.1、0.6、0.8，可见评分高的方案受试者视觉注视点更为聚集。此外，根据4种影响因素下的注视点变化程度计算出各自的方差值，按实验顺序其最佳方案的方差依次为：0.045 9、0.069 1、0.035 9、0.034 9，最差方案的方差依次为：0.064 5、0.084 9、0.048 5、0.084。从中可以发现评分较高方案的注视点离散方差较小，表明受试者在较为安全的环境中注意力更为集中。

2.2 瞳孔大小与面积变化率

当人体处于高度紧张时瞳孔会随之放大，通过观察人眼瞳孔的变化，可以反映出受试者在步行过程中的紧张程度，将4组实验过程的瞳孔面积进行统计与分析，曲线如图5所示。

图5 平均瞳孔大小变化情况Fig.5 Changes of mean pupil size

图5(a) 中受试者的瞳孔面积与色温近似呈线性负相关，随着色温值的减少瞳孔面积不断增大，增长幅度约为6 px，说明在相同照度条件下色温越低对物体识别越困难，需扩张瞳孔吸收更多光线。图5(b)中在实验进行到20 s和40 s左右时的瞳孔面积会有较大幅度的变化，表明受试者在照度值为70 lx和90 lx时对环境的感受最为强烈。当测试到达30 s左右时，即照度值大约在80 lx时受试者瞳孔面积大小达到峰值不再增加。可见超过80 lx的照度值并未满足受试者的光线需求，整体环境的变亮却带来了更强的明暗对比。在图5(c)中可以看出，前50 s实验中，即L值小于20 m左右时，随着L值增大瞳孔面积也不断增大，增长幅度约为12 px，相较于色温降低会对瞳孔面积产生更强的影响。表明L值的增大导致场景变暗，受试者需求更多的光线。然而，当超过这一数值后，瞳孔面积不再有明显的增长趋势。对于灯具安装高度与安装间距带来的视觉感受，同一场景下随着光源垂直路面处与相邻光源间的距离L的增大，会使光源远离受试者，从而降低受试者的安全感评分。图5(d)中可以看出环境中参照物的遮挡情况会显著影响受试者的心态。在测试到5～10 s时场景内有部分遮挡物，此时瞳孔面积整体提高了6 px。在测试到16 s时瞳孔面积下降9 px，表明光线迅速增加，原因为场景中突然出现明显的遮挡，较高对比度影响了瞳孔面积。

2.3 安全感与各影响因素的回归关系

通过对31份有效问卷进行归纳，可以得到色温、路面最大照度、光源垂直路面处与相邻光源间的距离(L值)3种因素变化下安全感评分的变化曲线，如图6～图8所示。

图6 不同色温下的安全感评分及其变化率Fig.6 Security score and its change rate under different color temperatures

从图6中可以看出，人对色温的需求会根据使用情况产生变化，色温值在3 800 K左右时安全感评分达到峰值，约为4.6。色温值在3 600～4 200 K时，被测者对测试环境向安全变化的感觉更强烈；色温值在2 600～3 600 K时，被测者对测试环境的不安全感受更强烈。也就说明行人在夜间步行空间中对光源的色温有着强烈的偏好，某一区间的色温值对大部分受试者起着更强的安全慰藉作用。从图7中可以看出，路面最大照度的变化对安全感具有相当大程度的影响。从趋势上看，当路面最大照度低于12 lx左右时，行人的安全感较低；随着照度值的增加，行人的安全感也相应增加；当光环境中路面最大照度值增加到80 lx左右时，行人的安全感又会随之降低。图8中当光源垂直路面处与相邻光源间的距离L值在13～17 m时，安全感评分均值达到最高；当L得取值离开这一区间时，安全感评分均值会逐渐下降。

图7 不同路面最大照度下的安全感评分及其变化率Fig.7 Security score and its change rate under different maximum road surface illuminances

图8 不同L值下的安全感评分及其变化率Fig.8 Security score and its change rate under different values of L

基于数据分析，将安全感与色温、路面最大照度值以及光源垂直路面处与相邻光源间的距离L值之间的关系进行拟合，以定量分析各因素对于安全感的影响，设定拟合的多元线性回归模型为

y=β0+β1x1+β2x2+…+βmxm

(1)

式(1)中：y为因变量；xi(i=1,2，…，m)为第m个自变量；β0为截距；βi(i=1,2，…，m)为第m个自变量对应的回归系数。对行走安全感评分这一因变量而言，自变量分别为色温值(x1)、路面最大照度值(x2)、L值(x3)，回归系数及误差分析如表2所示。

从表2中可以看出，对于自变量色温的回归系数，其概率P>|t|值大于0.05，证明在全部影响因素共同作用的情况下色温与安全感间不具有显著性。因此，将剩余的变量路面最大照度值x1、L值x2作为自变量进行回归分析，观察每个变量的显著性以及回归的有效性，使得调整后回归方程的R2值最接近0，二次拟合方程的回归系数及误差分析如表3所示。

表2 拟合方程的回归系数及其误差分析Table 2 Regression coefficient and error analysis of the fitting equation

表3 二次拟合方程的回归系数及其误差分析Table 3 Regression coefficient and error analysis of the second fitting equation

表3中t检验的回归系数的|t1|=0.001 83，|t2|=0.002 12，均小于0.01，认为可具有显著相关性。最终回归方程为

y=0.022 32x1-0.095 78x2+3.950 96

(2)

式(2)中：x1为路面最大照度值，lx；x2为L值，m，即光源垂直地面处与相邻光源间的距离；y为人行走在道路上的安全感评分。

变量x1的拟合系数为0.022 32，大于0，表明路面最大照度值与安全感成正相关。这也就解释了居住区内无照度或照度较低的道路出行安全感较低，而较高的照度具有较高的安全感。变量x2的拟合系数为-0.095 78，小于0，这说明光源垂直路面处与相邻光源间的距离L越大，行人行走于此环境下的安全感越低。因此，灯具的安装高度与安装间距需要根据适当的L值进行设计计算。

3 结论

居住区步行道路夜间光环境中，大多数受试者更偏好较低色温，认为光源色温值约在3 800 K时有较强的安全慰藉作用。路面最大照度与安全感呈正相关，随着其数值的不断增加行人会将视觉重心从周边向中间靠拢，表明安全感逐渐提高。当照度值约为80 lx时，安全感评分的均值达到最高。光源垂直路面处与相邻光源间的距离L与安全感呈负相关，随着L值的增加环境中的明暗对比度越低，即环境愈加昏暗。根据实验可知，在5 m的路面有效宽度下，光源垂直路面处与相邻光源间的距离在13～17 m间时安全感评分最高，且在高评分情况时，灯具安装高度约为路面有效宽度的1.3倍，灯具安装间距约为其高度的2.2倍。此外，环境的变化也对受试者有着较为直观的影响，复杂环境会引起行人的不安全感受。研究结果可为今后居住区道路的照明设计提供理论参考，从而提高夜间行人的安全感受。