揭示光环境特征和生理、视觉以及绩效指标之间的关系：一项实验研究

内容来源：张梦梦

本期编辑：朱红

校      对：侯彩霞

审      核：郭晓彤

仅用于学术交流，原文版权归原作者和原发刊所有

在具有视觉要求的办公建筑的照明和采光设计中，尽量减少眩光是一个基本要求。国际照明委员会(CIE)将不适眩光定义为“造成不适但不一定会损害对象视力的眩光”。但是，眩光具有刺激性或分散注意力的影响。眩光可归因于极端对比度（称为对比效应）或亮度范围的不适当分布（称为饱和效应）。前者是在视觉任务与视野中的某个区域或某点之间形成强烈对比时发生的。后者发生在大量光线到达观察者的眼睛，而眼睛不能适应光的水平。Petherbridge和Hopkinson提出了一个通用数学函数，该函数描述了物理测量与可感知眩光之间的关系，是之后建立的所有不适眩光指数的基础。眩光感觉的四个主要变量如下式(1)所示:

式中，L_s为眩光源亮度(cd/m²)；ω_s是立体角；L_b为适应亮度(cd/m²)；P是位置指数；e、f和g指数是每个参数的加权因子，根据眩光指数而变化。

在后续研究中，其他预测模型根据公式中引入的权重因子的值不同，将四个光度变量归到主观不适眩光评估里。一些研究尝试将代偿性客观指标纳入视觉不适评估方法中。由于最近在照明研究中强调将客观方法与主观评估相结合，眼动追踪方法受到越来越多的关注。根据前人的研究，到目前为止，在光诱导的生理反应中，瞳孔的绝对直径和相对直径、眼球运动速度(使用脑电图和EOG来测量)和眨眼率已经得到了一些关注。

本研究中，在生理、视觉和性能方面被试反应的客观指标与传统的照明研究方法相结合，包括光度指标和主观评估。除先前研究的生理参数外，其他的因子如注视次数、眨眼频率、持续时间和眼球注视等也被认为是客观的指标。

本研究探讨了光度变量与可测量的生理和视觉反应以及绩效指标之间的关系。为此，对各种客观指标进行了研究，包括meanPD、PUI、BR、BA、FR、meanEC、ECsd、CVP、CRP以及LogCRP。为了深入了解上述指标，本文通过对各客观指标与各种光环境特性指标之间的关系进行了研究。为此目的，进行了实验研究，并收集了视觉、瞳孔和绩效数据以及光度指标。光环境特征主要包括两大类：绝对眩光因子和相对眩光因子。对每个眩光因子与生理、视觉和绩效指标进行相关性分析，以揭示光环境对每个客观变量的影响因素之间的关系。然后进行多元回归分析，进一步识别各客观指标的预测眩光因子。这些结果为个体对视觉不适的反应提供了一个全面的理解，以及它们作为视觉不适体验客观指标的适用性。

实验地点：澳大利亚黄金海岸一栋四层建筑第三层西北方向的一间办公室。

被试：共98人，年龄18 ~ 36岁(均值为23.56岁；标准差为4.81岁)，其中男性48例，女性50例。参与这项实验的先决条件是母语、视力和年龄。所有被试都是以英语为母语的，不需要视力辅助设备，且都是澳大利亚格里菲斯大学的学生和工作人员。

实验任务：被试被要求坐在距离窗户1.2米远的桌子旁，戴上眼动追踪眼镜，并根据实验的每个阶段给出的指示执行任务。实验设计是三个照明等级条件下的组间实验。换句话说，每名被试都会经历低、中或高度视觉不适的光照条件中的一种(表1)，由于DGP被认为是以日光为主导的办公室中更有力的指标，因此，根据DGP值和引入的与视野中的L_m和E_v相关的适应水平（表1），对实验水平进行了分类。DGP值被解释为在光照环境下感到不适的人的百分比。DGP值在0.30 ~ 0.45之间，表示不舒适眩光感觉由难以察觉到无法忍受。

数据采集：实验共采集两组数据。第一次数据采集时间为6月3日至28日(南半球冬至日)晴天，第二次数据采集时间为12月10日至27日(南半球夏至日)。在冬至和夏至进行的实验为我们提供了太阳在天空中最低和最高高度的各种条件。

实验设备

对于每名被试，需要收集其三个主要数据集：眼动追踪数据、光度数据以及生理数据。生理数据是使用Tobii Pro眼动追踪眼镜记录的。这个眼动追踪系统由四个红外摄像机组成，以记录真实的眼球运动和瞳孔直径，以及一个全高清场景摄像机。这些眼动追踪数据是以100赫兹的频率记录下来的。

光度测量采用佳能数码相机配备鱼眼镜头、柯尼卡美能达点亮度计LS-100和柯尼卡美能达照度仪T-10MA进行记录。高动态范围(HDR)成像被用作亮度映射技术，为此，数码相机记录了15张多曝光低动态范围(LDR)鱼眼图像序列，同时捕捉了目标物(图像中心)的亮度值和相机镜头水平的垂直照度，然后利用亮度值来校准生成的HDR图像。实验装置如图1所示。

实验过程

每个实验平均耗时30分钟，实验过程包括眼动追踪装置的校准、回答人口统计问题、执行办公室任务、进行计时视觉测试和完成被试对光照条件感知的问卷调查。在每次实验开始和结束时进行光度测量，以记录光环境的特征。被试在坐下并调整好后向其说明实验任务。办公室任务包括两个主要部分，即模拟办公室任务和计时视觉测试。模拟办公任务包括阅读和理解测试，并从中计算出CRP得分。本实验从科学研究协会阅读实验室(SRA)材料的分级标准阅读和理解测试中选择了一篇阅读文本及其后的低难度理解测试。在计时的视觉测试部分，记录被试的准确性和反应时间，得出一个CVP得分。

光度指标

在每次实验开始和结束时记录的LDR图像需要严格的校准过程，以产生准确的亮度图。为此，首先从捕获的LDR照片中选择合适的图像。然后利用光球软件推导相机响应曲线，生成HDR图像，并通过点亮度测量进行校准调整。在MATLAB中提供了一个脚本来自动处理HDR图像并进行眩光评估。这个过程包括调整、裁剪、渐晕校正、几何重新投影校正、编辑图像标题、眩光评估和计算兴趣指标。从实验室收集的数据中使用了用于渐晕效果校正和几何参数重投影的数字滤波器，并使用经研究验证的基于辐射的命令行程序、Evalglare进行眩光评估。最后，利用测得的摄像机水平垂直照度来验证HDR图像的准确性。在本研究中，Evalglare计算的垂直照度与现场记录的照度值之间的平均误差在可接受范围内，约为4%。用于分析的光度变量使用Evalglare输出数据文件计算。

在照明相关文献中，根据对一个被试的影响进行分类，主要的眩光类型包括但不限于不适眩光和失能性眩光。就不适眩光而言，眩光的产生可分为绝对眩光和相对眩光两个主要因素。前者是指眩光光源亮度水平过高，是影响眩光感觉的主导因素；后者是指适应亮度与眩光光源亮度的比值(对比效应)，所有的眩光预测模型和定义的亮度比都指后者。本文在上述眩光因素的基础上，对所有客观因素进行了分析。

绝对眩光因子

绝对眩光因子一直以来都很受关注。在这一类中，亮度和照度阈值已经在文献和标准中得到了广泛的讨论。照度是一个物理量，它指的是被照亮的表面和整个波长范围的光通量。水平照度由于其独立于观察者或光源的类型和特征，不能被认为是视觉舒适/不适的指标。

与水平照度不同，Ev被广泛用作反映视觉不适感觉的自变量，或作为某些眩光指标(如DGP)的输入。鉴于这项研究的主要目的是研究视觉和光学变量，眼平垂直照度在预测某些生理反应方面具有相当的意义。

除了照度外，视野中的亮度值一直被认为是视觉不适感的绝对指标。亮度是一个物理量，表示在给定的点周围，在给定的方向上，每单位可见面积上的表面发出的可见光的强度。

本研究以Ev、Lm、Lb、Ls、Lt、Lmax作为不舒适眩光的绝对因素。表2为实验条件下绝对光度变量的描述性统计。

相对眩光因子

对比阈值是背景亮度/任务亮度和眩光源亮度之间的相对值，以确定由于对比效果引起的视觉不适。为了探讨对比效应对不同客观指标的影响，我们调查了五个比例，分别是：L_s/L_b、L_b/L_t、L_s/L_t、L_t/L_max和L_s/E_v。

眩光指数是利用复杂的公式来预测视觉不适的，每个公式都是在特定的边界条件下得出的，并且在类似的条件下表现良好。如CGI(CIE眩光指数)、DGI(日光眩光指数)和UGP(统一眩光概率)是基于对比效应。其他一些眩光指标，如L_{avg_pos}(位置指数加权平均图像亮度)和E_dir(眼睛的直接照度)是基于饱和效应。对于DGP和UGR_exp (实验统一眩光等级)，公式中考虑了这两种影响。

迄今为止还没有一个适用于所有照明条件的普遍标准。本研究将7个眩光指标纳入分析。表3总结了本研究实验条件下各项指标的描述性统计。

本研究探讨眩光因素与生理、视觉和绩效指标之间的关系。通过相关分析确定了这些关系，并通过多元回归分析进一步探讨了每种眩光指标对用户响应的影响。采用SPSS 25版进行统计分析。

眼球运动

注视是指视觉注视停留在一个给定的点上。采用基于速度的分类算法，即Tobii I-VT滤波器，基于注视转移角速度的眼球运动来识别眼跳注视。本研究使用每秒100度的角速度阈值(°/s)。随后，消除60ms以下的注视，合并空间接近1°和时间接近75ms的注视。FR是每一行阅读任务中观察到的注视性眼动的频率。双因素相关分析显示，FR与所有绝对眩光因子呈中度正相关。亮度比L_t/L_max与FR之间存在弱的负相关关系。眩光指标DGP，L_avg-pos与FR相关性最佳。

眨眼

眨眼是公认的视觉疲劳指标。根据瞳孔测量数据，采用Hershman等人的方法计算BR和BA。BR是通过每分钟眨眼事件的频率来计算，BA为阅读部分的平均眨眼时间。

如表4所示，BA与E_v、L_max 以及L_s 中度相关。亮度比L_t/L_max与BA中度负相关(见图3)。对于眩光指标，DGP 和UGR_exp 与BA相关性最好，E_dir、L_avg-pos 和UGP也与BA相关。BR与L_t 和L_b呈中度相关。这些发现可以解释为BR与适应亮度(L_t或L_b)更相关，而不是受眩光源亮度的影响。但由其他研究表明，在有眩光的情况下，眨眼的频率会增加。这一结果可能是由于自发眨眼被认为是与任务高度相关的，计算机阅读任务表现出最低的BR。然而，BR减少的角膜暴露效应增加是公认的视觉疲劳的原因。由于BR和BA是为实验的阅读部分计算的，需要进行进一步的研究，将任务类型作为调节变量考虑在内。

瞳孔大小

使用瞳孔大小数据，分析两个变量，即平均瞳孔直径和瞳孔不安指数。首先是对记录的瞳孔数据进行清理，去除无效样本以及异常值。采用Kret等方法对眼动仪瞳孔信号进行预处理。该过程包括四个主要步骤：预处理原始瞳孔信号；通过滤波提取有效样本子集；对有效样本进行平滑和上采样；并将数据划分为定义的段，以供进一步的单独分析。分析的基础是阅读部分的双眼平均瞳孔直径信号(mm)。

meanPD与绝对眩光因子之间的关系表明，meanPD与E_v 、L_m 和L_b 显著相关。L_s/E_v比值与meanPD中度正相关(见图4)。关于眩光指标，DGP 和L_avg-pos 与meanPD相关性最佳。

基于1.56Hz的采样频率，PUI通过聚集每段瞳孔直径的变化来衡量瞳孔运动不稳定性。PUI值随瞳孔振荡发生率的增加而增加。采样率为100Hz时的对应公式为：

 其中N为样本总数，di为连续64个瞳孔大小值周期的平均值。

各眩光因子与PUI之间的双变量皮尔森相关性显示，PUI与L_max、L_s、亮度比L_t/L_max 和E_v 呈中度正相关(见图5)。眩光指数中，CGI、DGI和DGP与PUI的相关性最好。

可以得出结论，meanPD更多地归因于适应光照水平，光照水平越高，经历眩光的机会也就越高。相反，PUI与L_s以及L_max相关，因此该变量是较好的眩光指标。

注视

注视是两眼为了保持聚焦或重新聚焦而同时进行的运动，以获得双眼单视功能。从双眼相交的注视方向(视轴)的空间点计算出注视深度平面(z-或深度轴)。

两个注视变量根据眼动追踪注视点数据算得：注视标准偏差(ECsd)——在整个实验中注视深度平面变化多少的一个指标，和平均注视(meanEC)——在实验持续时间内平均注视深度平面的一个指标。图6阐明了空间中的眼动追踪坐标系、注视方向和注视点。根据实验测量，使用键盘时，可以估计EC深度平面在550 mm左右，这个550毫米的估计值随后将被使用。表5说明了ECsd和meanEC的描述性统计。

首先，每个变量的被试数量少于98个，因为19个被试没有为ECsd提供数据，3个被试由于测量问题没有为meanEC提供数据。对于ECsd，数据是中度正偏斜(偏度/标准差=2.246)。创建了一个新的平移变量SqrtECsd，它是无偏的ECsd的平方根(偏度/标准差= 0.691)。

对这两个因变量分别进行了单因素方差分析，包括三组：低度不适、中等不适和高度不适。对于两个变量中的每一个，条件之间都没有显著差异。相关分析显示，双变量皮尔森的r，meanEC和SqrtECsd与许多其他变量相关。除了meanEC和SqrtECsd之间的相互相关外，显著相关是p值双尾。

SqrtECsd与FR相关，即注视角的变化(即注视的深度平面的变化)越大，FR越高。因此，阅读的效率较低，相关效应的大小在这里是小到中等。

meanEC与CVP 、舒适度主观评价、眩光指数相关。因此，注视角越小(即注视的深度面离眼睛越远)，视觉表现越强。然而，随之而来的是更多的眩光体验和较低水平的视觉舒适度。同样，相关效应的大小从小到中等。

这可能解释为，当被试体验视觉不适/眩光时，他们会更靠近显示器作为自适应行为来保持清晰的视觉或聚焦，也为了挡住部分视野以减少眩光源的影响/从眩光源发出的他们的眼睛接收到的光量。这种行为会导致更大的EC角，进而导致眼睛疲劳。

绩效指标

CVP和CRP这两项指标被用来表征计算机任务表现的所有方面，包括运动和视觉要素。

（1）综合阅读绩效

CRP为正确答案率(正确答案数/问题总数)除以每个单词的平均时间(秒/词)。最初的数据检查显示这组数据具有强烈的正偏态(偏度/标准差=2.922)。因此，创建了一个新的转换变量，即无偏态的CRP的对数 (LogCRP) (偏度/标准差=-0.588)。

对以下三组中的两个因变量分别进行单因素方差分析：低、中和高不适感。结果表明，对于CRP为p=0.054和LogCRP为p=0.104的两个变量，条件之间没有总体上的显著差异。中度和高度视觉不适组的趋势有显著差异。中度组优于低度组，几乎优于高度组(见图7；请注意所示的异常值)。进一步的中度、高度不适组间的独立组t检验分析，也证实中度组在CRP和LogCRP方面优于高度不适组。

使用双变量皮尔森的r，LogCRP与许多其他变量相关。表6和表7给出了相关矩阵，通过p值双尾来确定显著相关性。相关分析显示LogCRP与CVP呈中度显著相关，与平均反应时间呈中度显著相关，与PUI呈弱相关。LogCRP还与Ls/Lb、Lb/Lt、Lt/Lmax、DGI和UGP有关，作为相对眩光因子，所有效应都很小。此外，Conlon测试得分与CRP和LogCRP存在中度相关(见表8)。

（2）综合视觉表现

CVP是通过在进行计时视力测试时记录反应时间和准确性来测量的。在此测试过程中，在被试相关的计算机屏幕中央显示了亮度对比度（从1.2到2.55）和方向（在右，左，上或下，随机排列的开口）变化的朗多环视标。被试被要求在每次展示中指出兰道环视标上开口的方向，并记录他们的反应时间和答案的准确性。CVP为总正确识别数/总反应时间。

CVP和E_v、L_m以及L_max这些绝对的眩光因子和L_t/L_max、DGP、UGR_exp以及E_v-dir 等相对眩光因子显著相关(见表7)。

回归分析

该分析试图探索一系列环境因素中哪些与眩光有关，预测重要的绩效结果和生理指标。为此，一系列回归模型探索了生理上特定的、理论相关的亮度得分和绩效指标的关系。

采用零阶相关分析，探讨meanPD(结果变量)、E_v(预测因子)与L_s/E_v比值(预测因子)之间的关系。进行多元线性回归以探讨由E_v和L_s/E_v解释的meanPD的唯一方差。总体模型显著。E_v预测的meanPD显著（但非常弱）。相反，一旦与E_v共享的方差被部分化（p>0.05），L_s/E_v不能显著解释meanPD的方差（p>0.05）（见表8）。半偏相关分析显示，E_v仅占meanPD独立方差的0.7%。

然后进行零阶相关分析，探讨FR(结果变量)、E_v(预测因子)和亮度比L_t/L_max(预测因子)之间的关系。可见，FR与E_v呈正相关，与L_t/L_max呈负相关。两个预测因子之间呈负相关(见表9)。

采用多元线性回归方法，探讨E_v和亮度比L_t/L_max解释的FR的唯一方差。总体模型显著。FR为E_v显著阳性预测。相反，L_t/L_max并不能显著预测FR的任何唯一方差 (p >0.05)。半偏相关检验显示，E_v解释了参与者每行注视的唯一方差的11.4%。

采用零次相关分析，探讨结果变量BA、预测因子E_v和L_t/L_max之间的关系。可见，BA与E_v呈正相关，而BA与L_t/L_max呈负相关(见表10)。

采用多元线性回归分析探讨E_v和L_t/L_max解释的BA的唯一方差，总体模型显著。BA不能被E_v（p>0.05）显著预测, 但是能被L_t/L_max显著负向预测。半偏相关检验表明，L_t/L_max解释了部分眨眼率的16%的方差，表明较高的L_t/L_max预示着较低的眨眼率。

采用零阶相关分析，探讨结果变量PUI、预测因子L_s和L_t/L_max之间的关系。可见，L_s与PUI正相关，L_t/L_max与PUI负相关。预测因素之间存在负相关关系(见表11)。采用多元回归模型探讨由L_s和L_t/L_max解释的PUI的唯一方差。

总体模型显著。PUI不能被L_s显著预（p>0.05)，然而L_t/L_max显著负向预测PUI的唯一方差。半偏相关检验显示L_t/L_max解释了PUI的8%的方差，因此L_t/L_max率越高，瞳孔不安越少。

采用零次相关分析，探讨CVP(结果变量)、E_v(预测因子)与L_t/L_max之间的关系。可见，CVP与E_v呈负相关，与L_t/L_max呈正相关。预测因子之间存在负相关关系（请参见表12）。

采用多元线性回归探讨E_v和L_t/L_max解释的CVP的唯一方差，总体模型显著。尽管如此，E_v和L_t/L_max都不能显著解释CVP的任何唯一方差(ps>0.05)。这表明，这两个变量都不能单独解释被试在任务中视觉表现的变化。

采用零次相关探讨CRP(结果变量)、L_s(预测因子)和L_t/L_max(预测因子)之间的关系。可见，CRP与L_s呈负相关，与L_t/L_max呈正相关。预测因子之间存在负相关关系（请参见表13）。

采用多元线性回归探讨L_s和L_t/L_max解释的CRP的唯一方差，总体模型显著。尽管如此，L_s和L_t/L_max都不能单独预测CRP的任何唯一方差(ps >0.05)。这个表明在任务期间，L_s或L_t/L_max对被试的阅读绩效没有任何显著的个体影响。

本研究探讨了三种视觉不适客观指标与两种主要眩光因子(绝对眩光和相对眩光)之间的关系。视觉不适的客观指标包括生理、视觉和绩效指标，生理和视觉指标包括meanPD、PUI、BR、BA、FR、meanEC)和ECsd，绩效指标包括CVP、CRP和LogCRP。采用相关分析和多元回归分析确定研究参数之间的关系。此外，我们还利用方差分析来确定低、中、高三种光照条件下视觉不适感的指标差异。

在生理和视觉响应方面，PUI和BA与L_max和L_s相关。此外，由于在较高的E_v、L_m和L_b中观察到较小的meanPD，所以meanPD与平均亮度或适应光水平相关。FR与所有绝对眩光因子均呈中度相关，但在亮度比之间，FR仅与L_t/L_max的亮度比相关，且效应大小较小。回归分析显示L_t/L_max比值预测PUI和BA，当L_t/L_max降低(即对比度升高)时，PUI和BA升高。E_v也预测了meanPD和FR。研究发现BR与整体光水平相关，而不是受L_s的影响，然而，由于任务性质的调节作用，这需要进一步研究。因此，PUI和BA可以作为对比眩光的指标，FR和meanPD可以作为过亮眩光的指标。

绩效指标方面，PUI越小，CVP越高，LogCRP越好。LogCRP对对比也很敏感，因为它与L_s/L_b和L_t/L_max显著相关。结果显示CVP与眩光因子呈负相关，也就是说，E_v和L_m越高，则CVP越低。

方差分析表明，光照条件对EC没有影响。然而，SqrtECsd与FR相关，即注视角变化越大，每行的注视越多。此外，结果表明，注视角越小，视觉表现越好。

这些发现为每个视觉不适客观指标(生理、视觉和性能)的影响因素提供了一个坚实的证据基础。这意味着有可能将这些客观因素纳入不适眩光预测模型，从而进行个人和实时眩光评估。现有的照明控制系统和响应式照明解决方案是根据现有眩光预测模型和收集到的环境数据，基于预先设定的参数进行的，没有考虑最终用户的响应和性能。因此，建筑创新照明控制系统在提供一个舒适、健康和高质量的环境，提高居住者的满意度和生产力方面的表现值得怀疑。在研究的生理和视觉指标中，PUI和BA有可能被包括在人类响应照明控制系统的数据驱动模型中。