“在黑暗中工作？”生理和心理指标调查及预测背光屏幕用户对光线变暗的反应

背光屏幕的出现对视觉舒适性领域产生了深远影响。屏幕用户通常无法适应不断变化的环境，并且需要一个单独的光线，为此，计算机科学中人机交互的新方法将考虑居住者与光相互作用的背景。在这个框架内，所提出的研究补充了现有的关于光线变暗反应的研究空白，具有更严格的环境控制，任务难度也会因人而异。为了评估在背光屏幕背景下参与者对调光反应的影响，两组参与者被随机分配到自适应屏幕背光和固定屏幕背光两种不同的场景中；所有参与者都经历了通常发生在日落时的三种不同的自然调光速度(0.5-2 lux/秒)。这项研究揭示了生理测量作为个人心理特征的函数来指示视觉不适和参与者反应倾向的可能性。研究结果揭示了两种行为类别：反应性行为和非反应性行为，它们与参与者特定的心理特征和感知有关。无论哪个组，眼球运动都能传达出不适的早期迹象：参与者的反应发生在标准光照水平（300 lux）下，而注视次数在标准光照水平之上时状态发生变化。在初始稳定光照期间，眼球运动特征和视觉舒适性问卷共同预测了照度变化下行为的类别。因此，生理和心理测量是根据特性进行自适应灯光控制的候选方法，显示出对节能自动化策略接受度的提高。

关键词：Visual comfort 视觉舒适感 ；Light   satisfaction 光线满意度 ；Screen luminance 屏[银]幕亮度 ；Light  dimming  灯光调光 ；Light 光线 ；Perception 知觉；感觉 ；Reaction prediction 反应预测

视觉舒适性已被证明对生理和心理方面有广泛影响，但目前的研究忽略了影响居住者对其视觉环境采取行动的社会人口学信息和内在心理信息；背光屏幕已被证明会影响认知表现，但目前的研究还没有将背光屏幕在标准使用环境下与标准灯具相结合，以得出其所需的视觉舒适度的可靠结论；HBI（人类建筑交互）的照明方法会通过关注每个居住者的个人行为，得到其自身的特征和需求，以此来增加他们的视觉舒适度。由于此前的研究并没有涉及对灯光调暗的反应是与光线的数量有关还是与斜坡有关，以及触发这种反应的因素是什么，因此本研究旨在通过心理学的定量研究方法，从HBI的角度探讨视觉舒适性，以便更好地理解居住者行为背后的因素。

此前的研究证明，照度变化上实际结果的不确定性要求我们更严格地控制实验设置来确认或削弱照度变化或任务对结果的影响。我们使用三个不同的自然照度变化条件（0.5、1或2 lux/s）来评估被试对光线反应的差异，调整不同屏幕亮度，观察其是否能适应环境照明；并评估被试社会人口学特征和心理特征，以理清它们对参与者对调光照度变化做出反应倾向的影响；随后，根据生理和心理特征指标结果，为不同条件下的住户行为提供个性化建议。

40名参与者都是瑞士弗里堡大学心理学学生，34名女性，18岁到39岁，视力正常或矫正至正常，给予知情同意。

佩戴设备：Empatica  E4腕带、SMI眼球追踪眼镜2.0(ETG)（用SMI  API的三点固定程序校准眼镜）。

照明设备：天花板上的两个定向LED面板（照度可调整），设置不会在屏幕上产生不适的眩光或反射（图1）。实验中，通过KNX总线指令直接调暗灯光，也可以通过计算机上一个从0到100的滑块进行控制。

结合实际测量结果，相应地选择减少0.5、1或2lux/s的照度变化条件，且自适应屏幕亮度，快速照度变化的平均照度比为10.34（SD=8.23），正常照度变化为8.04（SD=8.09），慢速照度变化为7.31（SD=7.95）。

图1所示。实验室内平面图,参与者坐在两台灯具下方的电脑前,帘子将实验者和被试者隔开。

实验室：使用一间宽645cm的正方形房间，中间用窗帘隔开，让被试看不到主试，桌上放着一台15英寸的笔记本电脑。

传感器：两台Hagners  SD2照度计、两个Pt100温度传感器、Elma1337亮度计。所有环境条件传感器都有线输出到Keysight 34970A数据记录仪，并根据ISO 9001：2015进行校准。

NEO PI-R的外向性和开放性量表用来评估可能影响对照明条件采取行动的性格特征，每个量表48个问题，共有96个问题。本研究采用Likert量表定制问卷来评估参与者的视觉和热感知，两份问卷被设计成具有相同的相关性和重要性，以隐藏本研究的真正重点（见附录A）。

移动目标分数(MTF)是用Python实现的，使用开源应用程序PsychoPy，由14个移动气泡组成，包含从左到右的1/9到5/6。此任务的目标是判断哪些分数小于1/3，点击后分数的背景颜色更改为绿色，任务过程中可以选择标记或不标记。为了控制任务难度，我们操纵了分数的行进速度，参与者需要在MTF中达到80%的准确性（见图2).。

图2.移动目标分数任务的截图，分数从左向右移动，在这次捕捉中，参与者评估并标记绿色分数高于三分之一。(关于本图例中颜色的解释，读者可以参考本文的网络版。)

04

实验过程

参与者被随机分配到一种屏幕条件下，固定屏幕亮度或自适应屏幕亮度。根据ISO 3664：2009的建议，这两种模式的白点亮度均为120cd/m2，照度为550lux。所有参与者使用三种照度变化模式完成不同的模块（0.5、1或2勒克斯/秒），每个模块在550 lux（以下称为基线）下包含一个5min的稳定阶段（光线保持不变）和一个照度变化模式（会把光线调暗），达到完全黑暗之前，参与者随机顺序执行这三个模块（见图3)。

图3. 实验过程的模式：参与者首先被分配到屏幕亮度条件下；然后他们经历了训练阶段；最后经历了测试阶段，测试阶段由三种照度变化速度的随机顺序组成。

参与者必须填写同意书。实验开始时，参与者先填写两个NEO-PI子量表；然后，接受了30次MTF试验的训练，以估计分数达到80%准确率所需的速度；随后，参与者在执行MTF任务的同时经历这三个实验模块，在一个实验模块内，参与者可以随时休息，但在休息前必须完成一份关于如表A所示的简短问卷。在休息期间，只要斜坡阶段还在进行，参与者就可以通过滑块干预改变光照强度。在参与者操作改变的情况下，照度变化停止，但在实验结束前的时间内实验继续保持所选强度的稳定光进行。快速、正常和慢照度变化的实验长度分别约为5、10和20min；因此，每个模块的持续时间分别约为10、15和25min，实验时间约90min (见图3）。

05

数据分析

本实验中使用下采样对时间序列数据进行再处理，以便每秒钟有一个样本；眼球运动数据由SMI软件BeGaze进行分类，从分类数据（即眨眼、注视和扫视）中提取频率和持续时间，并使用Savitzky和Golay滤波器对其进行滤波；对光线变暗的反应是通过对改变光线意愿问题的回答来评估的；此外，还需记录参与者操作改变前后的光量变化（以lux为单位）。

为了研究其生理反应，我们使用了矩阵画像(MP)计算两个分量：距离模式（Distance profile）（最小标准化欧几里得距离的向量）和模式索引（profile index） [ 第一个最近邻居的索引，它是其最相似子序列的位置]。为了计算MP，选择滑动窗口大小，然后计算窗口子序列相对于整个时间序列的距离，用最小值更新Distance profile，并设置第一个最近邻居索引。

这种算法允许通过在每个时间点估计元素位于该点两侧最近邻对的数量来分离时间序列，称为链路。链路的校正量运用FLUSS算法通过画像指数计算，该算法回馈校正弧线(CAC)的测量值。CAC值越低，该位置的链路数量就越少。较小的数字表示时间序列两侧的相似度较低，表明可能会发生体制变化；因此，使用较低的CAC值来估计状态改变的可能性。

我们计算了从照度变化开始到行为反应或在没有反应时结束的CAC，使用95%的置信区间在稳定的基线上计算时间序列分离的稳健CAC阈值。如果时间序列能够在阈值以上被确定地切割，则被认为是视觉不适生理指标的指示；否则，认为时间序列依赖于它的整个长度，不能被分割。

我们使用Python和R进行数据分析，使用Python计算MP和数据可视化，使用R进行线性混合模型，利用ANOVAs（方差分析）进行主效应和交互作用的假设检验。

最后，我们使用每个区块的基线(稳定光照5min)训练神经网络(NNs) [长短期记忆(LSTM)或卷积] 来分类参与者对光照变暗的反应。这个培训是使用McFly Python包执行的，该包从几个NN架构中选择了最好的NN架构。

首先，在反应方面，关于参与者通过改变光线强度测试其对光线变暗的反应，我们在这个实验中发现了两种行为，一些反应在照度变化上发生，大约37.27%，我们称为反应性行为；62.73%的行为在完全黑暗的情况下发生，我们称为非反应性行为。两组间观察到的反应数量的差异是显著的，χ²（3）=7.21，p=0.007（我们的实验条件设置是客观的）。实验还发现，很少有参与者在不改变灯光的情况下休息。

无论是在行为类别、斜坡模式或屏幕模式等主要效应上，还是在这些变量之间的交互效应中，反应后lux的增加都没有显著差异。无论参与者处于何种情况、何时发生反应，所需的lux变化量平均比当前水平高出156.30lux（SD=151.39）。

有趣的是，不同的行为类别在选择lux量上存在显著差异。非反应性行为平均需要158.85 lux（SD=159.48），而反应性行为需要251.37 lux（SD=186.41）、F（1,82.39）=6.38，p =0.013。此外，屏幕条件和行为类别之间存在显著的交互作用。非反应性行为在固定屏幕亮度（M=173.94，SD=135.09）下需要比自适应屏幕亮度（M=143.33，SD=181.98）更高的照度，而反应性行为则不同，F（1,82.39）=4.84，p=0.031（见图4).

图4.参与者选择照度的小提琴曲线图。具体地说，它显示了屏幕条件和行为类别之间的交互

在两类行为中，本节只关注反应性行为。没有照度变化的影响，也没有屏幕条件对行为的影响，我们所有条件的组合显示出的中值低于最低推荐量300lux的中值(见图5)。更特别的是，慢速照度变化（Mdn=184.27、CI=[14.29,286.30]）和正常照度变化（Mdn=140.60，CI=[9.16,236.27]）的固定屏幕亮度明显低于推荐的最小值（CIs不包含阈值）。

图5.根据屏幕和照度变化条件产生反应行为时照度大小的小提琴曲线图。黑色水平线表示认为光线不舒服的标准阈值。

 NEO-PI和任务特征

我们没有发现屏幕和照度变化条件对分数速度和感知任务难度的任何影响。

NEO-PI外向性量表和开放性子量表的列联表都显示，行为类别的分布具有显著的差异性，其中中等类别占多数，头部和尾部类别占少数，反映了整体呈正态分布的假设。

列联表显示，屏幕条件与外向性分量表（χ²（3）=25.6 ，p < 0.001）和开放性分量表（χ²（3）=32.09 ，p< 0.001）之间的交互作用显著，表明高度开放或高度外向的参与者在固定屏幕亮度下引起更多反应，而在这两种屏幕条件下，这一数量在中等类别中相等。

行为类别与外向性量表（χ²（3）=25.45，p< 0.001）和开放性量表（χ²（3）=16.88，p< 0.001）之间也存在显著差异。后者揭示了高度开放的参与者在不同行为类别中引发了相同数量的行为。有趣的是，思想不太开放的参与者会产生更多的非反应性行为。前者的效应表明，在低度外向的参与者中，非反应性行为的数量明显更高，而非常外向的参与者会引起更多的反应行为(见图6)

图6.开放(左)或外向(右)内的频率和行为类别的条形图

社会人口统计学数据

性别分布不均匀，并且大多数被试是右利手人群。关于便利性和性别的列联表揭示了，在行为类别和性别之间发现了交互作用效应χ²（1）=7.33，p= 0.007，表明男性行为大多是非反应性的（在男性被试中，非反应性行为占比15/17），而女性会产生反应性和非反应性行为（见表1）。

表1. 屏幕条件、行为类别和性别之间的三向交互影响的列联表，数字表示反应的次数。

此外，在屏幕条件与便利性之间发现了显著的相互作用效应χ²（1）=8.01，p= 0.005，这表明在两种屏幕模式下，右手参与者有相同的反应量，而左手参与者在固定屏幕亮度中大多表现出反应性行为。最后，在屏幕条件、行为类别和性别之间发现了三方相互作用χ²（1）=7.58，p= 0.006，表明在自适应屏幕亮度中，女性引发更多的非反应性行为（31/47），而男性引发相同数量的非反应性行为和反应性行为（见表1）。这种效应在固定的屏幕亮度下是相反的：女性在这两种行为中引发的数量相同，而男性只引发非反应性行为。

图7.校正圆弧曲线计算(CAC)和检测到的偏离处照度提取的图解；顶部：参与者17在慢速照度变化和固定屏幕亮度下的照度和归一化注视数。底部：具有阈值(水平虚线)和最小值(垂直虚线)的CAC值。从CAC计算中提取的生理反应(绿点)发生在比行为反应(红点)更高级别的照度之前。

首先，在CAC中没有发现或很少发现分离点，因为眨眼次数、眼跳次数和皮肤温度等指标不是很好的分离候选者；然后，没有任何生理指标显著高于参与者的反应行为。然而，注视次数明显高于300 lux阈值，CIs不包括该阈值（Mdn=381.83 ，95% CI=312.04-451.61，（见图8).

图8. 使用矩阵画像在生理指标中发现反应时的小提琴照度曲线图。水平线表示标准推荐的最小阈值，垂直虚线将生理反应与照度变化反应分开，没有一种生理反应明显高于上述反应

使用基线记录训练神经网络(LSTM或卷积结构)，根据生理和心理指标对行为类别进行分类。最好的结构是卷积神经网络，它提供了后续的结果。眼动可以预测行为类别，准确率为63.64% (训练准确率：75.00%）；光感知问卷对行为类别的预测准确率为76.67%（训练准确率：86.36%）。CNN同时包含这两类指标，提供了最好的预测结果，基于稳定光的行为类别预测准确率为81.82%（训练准确率：96.67%）。

本研究旨在探讨从视觉舒适度的受控实验中得出更具生态有效性的结论；此外，我们测量了几个生理指标，以评估它们提供早期不适迹象的潜力。

我们的研究中，观察了大约1/3的反应性行为和2/3的非反应性行为。当对光进行干预时，这两组人选择了明显不同的照度（反应性行为选择了更高的照度)，但令人惊讶的是两组增加了相同的照度量(300勒克斯）。这些结果表明，视觉舒适度可以根据反应时的条件来达到，但无论在什么条件下，增量都是一样的，这表明实际灯光与所选灯光之间的比例很重要。

我们的研究结果表明，这两类人在对灯光进行操作改变之前，对光和身体的感觉有不同的感知。因此，这两类行为不是源于我们的实验设置条件，而是源于心理特征。高度开放和外向的参与者比不那么外向和开放的参与者会引起更多的反应性行为，非反应性行为对光线的负面感觉更强，他们在反应时判断视觉环境比反应性行为更难接受，这表明非反应性行为干预得太晚，无法保持视觉舒适性。这些发现阐明了在舒适性领域研究中考虑心理特征的重要性，这些指数将允许区分个人或个体群体，以提供个性化的舒适度。

我们的操作并没有影响到人们对光线变暗的反应，大多数反应性行为都是在推荐的光照下引起的，这在缓慢和正常照度变化模式（分别为0.5 lux /s和1 lux /s）以及固定屏幕亮度情况下尤其明显，所有反应均低于300 lux，反应性行为平均被允许69.05%的调光（CI=[7.09,98.49]）。总体上，包括非反应性行为，我们的参与者平均忍受了约88.46%的光线变暗（CI=[23.95 , 100.00]）。这一发现表明，大多数参与者对低于标准的照明度感到舒适。未来的节能策略可以利用这一发现，为每个居住者提出一个最佳的照明水平，同时保持健康的照明条件。

眼动指标和关于视觉环境的问卷被发现是行为类别的良好预测因素，注视次数的转换超过300勒克斯的标准阈值，表示注视次数是对居住者视觉环境提供早期干预的可靠线索。我们对生理指标的发现揭示了它们对改善视觉舒适性干预接受度的重要性。

1. 实验设置的局限性。实验设置无法替代原始的生态环境；实验的部分条件设置有可能会影响我们的实验结果。

2. 参与者的环境及任务设置不够逼真。虽然反映了典型的办公室布局，但它并没有完全模仿真实的办公室及其相应的工作氛围；我们的控制任务没有反映出典型的办公室任务，如打字或阅读。

1. 视觉舒适性和人机交互作用(HBI)的研究应该考虑到生理数据并评估心理特征；未来的研究应该集中于研究反应性行为和非反应性行为的心理特征，以及它们如何影响舒适性的其他方面。

2.  有关照明的生理学指标和调查问卷可以用于开发机器学习系统，在居住者和建筑物之间提供半控制的互动。

3. 在视觉舒适性方面，应该进行进一步调查，以评估在舒适的光线下度过时间的潜在回报，从而评估在满意度和幸福感方面的潜在回报。

4.  因为我们的研究本身局限于实验室环境，进一步的研究应该将我们的结果扩展到更生态的环境中去。

本研究旨在填补当前文献中弱光条件下有关视觉舒适性问题的研究空白，实验中对照度变化速度和屏幕亮度适应性进行了控制；此外，眼球运动和视觉舒适性问卷相结合，可以合理准确地预测行为类别。因此，HBI和视觉舒适性研究应该利用这些发现，并追求一个考虑主观特征和个人需求的自适应视觉环境舒适性目标。