原文：《Signaling and Illuminationin the context of modern Human-Centric In-Vehicle Lighting》
作者：Christopher Weirich, Yandan Lin and Tran Quoc Khanh
编译：屈鼎然，郭雨欣
指导：林燕丹
简介：在混合型驾驶日渐趋近于全自动驾驶的大环境下，驾驶员与乘客第一次能够将注意力转移至除驾驶以外的其他事情上。然而，车内照明在其中的作用仍然是未知的。由于存在不同的模型边界条件，现有的室内照明模型无法直接用于预测自动驾驶车内照明影响。因此，我们分别基于两项关于车载信号灯和照明灯的研究来构建车内照明建模方法。第一项研究是针对受试者地域文化差异进行，对来自不同国家和地区的受试者进行评估，结果表明欧洲受试者的注意力与灯光色调之间存在相关性，而在来自中国的受试者则不存在这样的相关性。这意味着一个适用于全球的车辆注意力信号需要采取视觉刺激与声音刺激相结合或动态触发的方式。在第二项研究中探究了照明参数对人的心理感知的影响，根据该研究我们发现：1）描述车内照明的三个必要维度：颜色、亮度和空间分布。2）只有在应用混合CCT以及点状和球状灯光设置的情况下，才能发现与灯光相关的心理属性占主导地位，这表明在白天车载照明必须与自然光相结合。3）通过应用明度、色度和色调等感知维度，定义了三条开发和操作指南。我们将逐步建立一个完备的以人为本的车内照明系统模型，并在一个车载照明可调的实验室中继续我们的研究。2007年，车内照明达到了一个新的高度。在底特律车展上首次将灯光形状作为设计元素，扩展了其原有的功能。通过使用LED作为多色或单色的、可扩展的、具有成本效益和简单可控的光源，实现了与自然相联系的火光或星光或客厅联想的原型产品。直到今天，更先进的照明系统主要被用于更高级别的车辆，以协助、激发或提供一个新的车辆感知，主要面向夜间驾驶场景。如何从汽车乘坐人员的角度来扩展这个范围，包括一个偏好预测模型？由于这一领域的研究仍然非常少，与已建立的以人为本室内照明应用进行比较，可能对方向1有帮助。为此，我们将对Khanh等人开发的四种照明模型做一个简短的介绍。此外，我们将展示它们在车内驾驶环境中的局限性，最后介绍两个关于车内照明系统人性化的研究。感知亮度（B）、视觉清晰度（VC）
色彩偏好（CP）和场景偏好（SP）
作为一个专注于设计影响情绪和身体节奏的以人为本光源工程师，在开发过程中应该考虑五个基本的光线特征。第一，色彩感知。包括主观偏好、饱和度、自然度、记忆色彩、色彩辨别或色彩和谐被引入，以便能够对光谱分布进行分类。第二，与视觉清晰度和可见度有关的感知亮度。第三，影响眩光和阴影的光线方向，这不仅对安全和效果有影响，并且同时影响深度知觉。第四，基于自然日光变化或光源影响的时间变化，以避免频闪或闪烁效应。最后，系统固有的材料或光源特性的老化效应，意味着一个设计良好的照明系统也会在使用时间内逐渐丧失其优势。在这五个领域中，前两个领域被广泛分析，以预测在明确的边界条件下的最佳感知亮度（B）、视觉清晰度（VC）、颜色偏好（CP）和场景偏好（SP）。详细公式已经公布并得到科学证明，使用了三个光照指数，以实现与研究参与者的主观反馈的高度关联性。b. CCT = 相关的色温，对于白光来说是 "黄"/"蓝 "指数随着TM-30-15的引入，包括色彩保真度指数Rf和16个色相位的总色度偏移ΔCt，ΔC*被使用。这两个新的指数描述了完整的色域偏移到更多的色相参考，其目的仍是以优化场景的偏好，识别更多或更少的饱和度的对象。为了进一步说明这个新的色彩偏好指数Rp,2019，在此比较公式1在200 lx和1800 lx之间的有效性。表1表明从IES TM-30-18工具箱中提取的六个测试光谱，其中包括"好"或"非常好"主观评级的照度标准。所有六个测试光谱都绘制在图1中。结合表1中的数字，可以得出结论：对于在一个有白色墙壁和普通彩色物体（如水果、衣服或书籍）的静态办公室环境中的最佳灯光设计而言：
a. 正的ΔCt对于"好"或"非常好"照明是必要的，否则物体的色彩就会不饱和。
b. 高Rf并不足以定义"好"或"非常好"的照明。c. 低CCT并不足以定义"好"或"非常好"的照明。图1 按不同CCTs, Rf and ΔCt值绘制的六个示例光谱（sp.1-6）。此外，还增加了车内照明的照度区域。综上所述：描述一般白光特征的CCT、物体饱和度指数ΔCt和Rf、垂直照度值Ev的结合，实现了室内工作场景预测光色偏好的高关联度模型。首次观察下，这个模型有两个边界条件，使得它不可能直接转移到车内照明环境中。首先，有效的照度水平是200-1800 lx。常见的车内照度值可能远远低于最小值，而且模型的变化也非常大，相较于图1。第二，这个偏好模型目前定义的环境是一个中性的白色办公场所，在一个静态的环境里有普通颜色的物体。在驾驶过程中，基于一天中的时间、天气、车辆内部材料或车身的透明比率，车内的光线条件也是高度动态的。所有这些额外的参数可能会影响车内照明的颜色、亮度、方向、时间特性和老化效应的设置。作为参考，表2总结了室内和车内照明的主要区别。我们构建上述方法旨在研究在现代以人为本的车内照明系统的驾驶环境中，光照对汽车乘员的影响。为此，我们分别进行了两项研究。1. 用于信号的车内照明（2021 - 2022年）这两项研究都是使用一个自动化在线调查系统来比较欧洲和中国受试者的问卷结果。在下面的摘要中，将介绍这两项研究的设计和主要结果。在一份针对笔记本、智能手机或平板电脑等互联网接入设备的暗模式网页设计问卷中，匿名提出了几个问题。该调查主要在2021年4月至11月期间于WhatsApp、WeChat或Facebook等社交媒体平台上发布（未使用商业服务来收集调查问卷）。由于我们专注于欧洲和中国受试者之间的比较，因此我们的调查系统提供英文或中文操作语言。在开始时，我们提出了几个问题来收集用户信息；此外，我们还进行了一些测试，以证明所有受试者都没有色盲，而且周围的照明设置足够，观察到的设备显示清晰可读；所有额定的灯光都是以线型风格呈现，目前典型的现代汽车中最先进的环境照明。在上述问题中，我们能够采集的基本信息包括：a. 个人简介：年龄阶层，性别，居住地区，居住国家。c. 驾驶经验：如果受试者以前开过车，那么在正常的一周内，平均在车上所花费的时间（不考虑C OVID-19大流行）。d. 社会地位：受试者的车龄，购买新车的价格容忍度。e. 视觉表现：色觉，通过石原测试和对比视觉测试。 - 对比视觉 受试者能够识别显示的信息，因为不可能有外部观察或验证。只有当研究对象能够以正确的方式回答，特别是最后两个问题，即没有视力障碍时，该研究对象才会被转到车内照明内容问题。这些必须回答的问题被分为以下五类：人们被要求对10种颜色进行评价，包括单色和多色的颜色。这些颜色是按照美国交通部的规定从驾驶环境中挑选出来的。评级是在类似Likert类量表上进行的。人们被要求在四种不同的情绪背景下对相同的10种颜色进行评价。这些情绪是从驾驶环境中挑选出来的：快乐、疲劳、注意、放松。评价是在Likert类量表上进行的。人们被要求对八个不同的照明位置进行评价，以青色作为恒定颜色。这些位置是从习惯的或可能的车内区域中选择的。评价是在Likert类量表上进行的。人们能够在手动或自动驾驶系统场景下从10种可能的颜色和8种不同的照明位置中选择他们喜欢的。人们被问及六种不同的灯光模式对应的场景含义。这些含义是预先定义的。最后，提出了三个定性问题。最后这些问题被设定为可选问题，也可由受试者手动跳过。Q2: 如果您不喜欢你目前的车内照明，您有哪些改进建议？完整的研究结果发表在《Evidence for human-centric in-vehicle lighting》中。第一部分包括一个新的车载照明系统的定义建议。此处的背景是，我们在文献回顾中调查到，在环境显示领域也出现了关于车载照明的混合表达。因此，我们制定了一个新的表述——车载照明系统iVLS。该表述背后的普遍目的是应用与人体视觉或非视觉通道的视觉科学。如果这个系统还应提供例如车辆状态的信息，我们就把它标记为主动信号，即iVLSa。在五个照明问题类别中，我们将在这里介绍我们收集的238个调查问卷中的一些结论，这些调查问卷在欧洲和中国的男性和女性中进行。第一类是颜色偏好。如图2所示，10个被测试的色调被确定为三个主要方向：具有可分化、可接受或可合并的特征。通过比较这三个类别，统计学上的影响大小处于中等至强的区域。所有详细的统计信息都写在我们的论文中。图2：特定的颜色组具有可分化、可接受和可合并的特征（*P<0.05）
第二，针对注意力这一重要的驾驶情绪，尤其是在车辆对车内人员发出信号的情况下，我们在欧洲受试者中发现了明显的颜色相关性，而中国组则完全没有这种相关性，如图3所示。欧洲人非常喜欢红色或橙色。相比之下，中国人对蓝色可能具有潜在的颜色偏好，但大多数色调被评为中性。图3：对于欧洲人来说，增加色调角度和注意力有视觉上的负相关，而对于中国受试者来说则没有这种关系（*P<0.05）
最后，在欧洲和中国受试者之间，没有观察到针对信号方式的灯光位置的偏好。如图4所示，对于两者来说，车门和脚边的位置均是最受欢迎的，而所有位置中方向盘和线型灯的评价最差。图4:驾驶场景下的灯光位置偏好（乘客坐在汽车的第二排）（*P<0.05）
上述第一部分的内容主要集中在用于信号的车内照明设计上，以下第二部分为以人为本的车内照明研究。第二部分，基于颜色对抗的照明建模更多考虑了照明和视觉因素。在这部分中，我们探究了以下研究问题：Q2:心理上与照明相关的属性可以通过这些确定维度用何种比例描述？Q3:如何根据外部驾驶环境的变化，在三刺激关联的基础上建立车内照明的偏好模型？共有164名来自中国和欧洲的参与者参加了第二项在线研究，该研究的设计与第一部分类似。在这里，我们展示了360°sRGB效果图，首先在照明设置方面，我们采用了3000K、4500K和6000K的CCT，其次在灯具分布方面，我们采用了更多的点式或空间式照明布置，形成了8种不同的设置，命名为L1-L8，见表3。此外，我们还增加了四个驾驶场景，根据一天中的时间、驾驶地点和内部亮度水平的不同，参与者可以分五个步骤单独调整。我们在此将介绍研究结果的摘录。首先，我们对空白的车内照明（即没有外部景物）进行了28对比较。通过应用非度量多维测度法，我们能够确定三个必要的维度和四个照明组，如图5所示，分别命名为暖-冷、暗-亮和多-单。
图5:基于nmds的识别尺寸，被命名为暖-冷、暗-亮、多-单。数字1-8代表照明设置l1-l8。其次，比较表3，在以语义差异方式呈现的六个心理属性中，我们能够识别出L6和L7为最受喜爱的照明环境，在全球范围内优于其他所有的照明环境。图6为参与人数较多的中国组的结果。为了实现这样的照明场景，外部光线，无论是自然光还是人造光，都必须与车内照明相结合，在颜色和亮度上同时变化。第三维度，即“多-单”维度，建议在局部的点状照明和整体的空间填充照明之间进行变化。图6:心理属性评级从-3为高度矛盾到+3为高度支持，显示L6和L7是最受欢迎的条件。最后，我们增加了四个不同的外部驾驶风景，在这之前这些风景是不存在的。我们展示了一个阳光明媚的城市旅行日、一个在森林中行驶的非常昏暗的秋日、一个阳光明媚的乡村和一个典型的上海夜景。在这里，参与者能够单独定义他们喜欢的内部亮度水平，即照明设置L1、L3-L8。L2被排除在外以减少研究的工作量。为了进一步研究他们的偏好等级，我们将显示的sRGB图像转换为名为IPT和CAM16的感知色彩空间，并计算外部和内部风景之间的对比度变化。由此得到以下三个结论，作为汽车光学工程师和操作员的依据和参考：1.亮度：外部和内部的亮度水平应平均接近或等于对方。2.色度：如果外面的景物很暗或昏暗，外部的色度主要高于内部的色度，遵循Hunt制定的规定。3.色调：在外部和内部照明之间不应观察到色调变化。在第一部分研究中，我们调查了线型灯具及其颜色和位置偏好以及情绪相关性，总结了欧洲和中国参与者之间的文化差异。我们发现在欧洲组中颜色与注意力的联系，而中国组中则没有这种关联，这表明为了获得一个全面有效的注意力信号载体，视觉信号必须与声音刺激或动态变化相结合。第二部分研究确定了描述照明景物应考虑的三个必要因素：除了颜色和亮度因素外，空间光的描述也是不可或缺的重要因素。只有在较低和较高的CCT与混合的点状和球形照明的组合下，才能发现最佳的心理灯光关联。为了实现这样的场景，人工车内照明必须与外部自然照明相结合。因此，在白天也应该打开车内照明设备。通过应用明度、色度和色调的感知维度，并通过外部与内部的比较，可以确立新的发展方向和指导标准。对于增强的以人为本的车内照明系统，车内人员、外部景物和车辆本身的信息交流是实现这一增强水平的重要途径，如图7所示。在我们系列研究的第三部分，将基于受控实验室研究进一步探索这种设计的三角关系。图7:基于人、车和周围的三角形边缘的现代车内照明图本文源于IFAL2022会议论文集P153-P161
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
