面向汽車視野設計與分析的駕駛員眼點分布仿真研究

余曉枝　任金東　陳俊豪　劉群　張苗莉

（吉林大學，長春 130022）

面向汽車視野設計與分析的駕駛員眼點分布仿真研究

余曉枝任金東陳俊豪劉群張苗莉

（吉林大學，長春 130022）

為解決目前眼點分布試驗統計成本高、其應用受人體和車型尺寸變化影響等問題，提出了仿真獲得眼點分布的方法。利用美國人體數據，采用蒙特卡羅仿真方法建立了男、女和混合人群3組大樣本人群數據；基于6輛實車布置參數，利用級聯預測（CPM）模型仿真了眼點分布；針對眼點分布參數隨車型的變化進行了統計分析。與按照SAE標準方法得到的結果對比表明，本文的方法切實可行，為準確面向不同車型和人群進行視野設計與分析時計算眼點分布提供了解決方案。

主題詞：眼點分布仿真駕駛室統計分析參數

1　前言

與汽車車身設計有關的駕駛員人體特征點主要包括眼點、頭頂點、胯點以及膝部和胃部的一些特殊點［1～3］。其中，眼點分布對于視野設計至關重要，一般用眼橢圓來描述［4～5］。眼橢圓是通過對駕駛員眼睛位置進行測量和統計得到的［4］。目前最新的眼橢圓標準是美國汽車工程師協會（SAE）根據密歇根大學交通研究所（University of Michigan Transportation Research Institute，UMTRI）20世紀90年代的有關研究成果整理推出的，主要面向美國人群（盡管其中還給出了日本和荷蘭的眼橢圓尺寸和通用中心定位公式）［5～6］。通過試驗統計方法獲得眼點分布費時費力，且結果只適合原目標人群（美國人）；隨著時間的推移，人體尺寸、車型尺寸都會發生變化，原來的眼點分布可能不再適用，必須重新進行測量統計［7］。我國目前沒有用于設計的眼點分布數據，因此急需進行相關研究［7～8］。

本文嘗試通過仿真方法獲得準確的眼點分布數據。該方法可嘗試用于生成符合不同目標人群的眼點分布數據，進而快速建立用于視野設計的眼橢圓，從而減少甚至取代試驗統計的方法，并且能夠快速與設計參數聯系起來，甚至用于仿真［9］。鑒于沒有適用于中國人的相關數據和可用作驗證的標準，本文以美國人的數據進行研究。

2　駕駛員眼點仿真

2.1CPM模型簡述

上世紀90年代末，Reed等人提出一種預測駕駛員全身姿勢的級聯預測模型（cascade prediction model，CPM）［10］，著重提出先預測H點和眼點，再利用反向運動學（inverse kinematics，IK）方法計算各肢體姿勢的駕駛員全身姿勢預測方法，其中采用了一系列的回歸模型，它們之間存在著先后依賴的關系，所以將其稱為遞進預測模型，其統一的格式為：

式中，φ為姿勢變量；B為常數項；c1～c6為模型系數；S為身高；BMI（body mass index）為人體質量指數，為體重與身高平方的比值；H30為座椅高度；H為人體坐高；L6為轉向盤到加速踏板基準點（pedal reference point，PRP）的前后距離；A27為座墊傾角；σφ為誤差分布的標準差。

預測眼睛位置的模型系數見表1，其中的駕駛室布置參數見圖1和文獻［11］。表1中，XE、ZE分別為眼點x、z坐標分量。預測眼睛位置的因子不包括BMI和A27。

表1　CPM模型

2.2駕駛人群Monte Carlo仿真

為模擬眼點的分布，需根據目標人群的人體數據分布的數字特征（人體尺度均值和斜方差矩陣）建立人群的樣本。眼點預測所需要的人體尺度變量包括身高S、坐高H和人體質量M。根據這三個變量分布的數字特征，通過Monte Carlo仿真來生成美國男性和女性容量分別為5 000的樣本［12～13］，作為駕駛員眼點分布仿真的人體尺度數據源。

2.3眼點的計算

直接利用式（1）和表1即可計算眼點關于定位基準點的x、z坐標［14～15］。但由于個體習慣等原因，即使同一個體多次入座時，其眼點的位置也不一定相同，因此，在仿真過程中必須考慮眼點分布的離散性。在應用CPM預測眼點位置時，通過將預測殘差引入眼點計算解決該問題，即：

圖2所示為殘差對眼點分布計算的影響。

針對6個車型數據分別進行了眼點分布的仿真計算，車型數據見表2，某車型模擬得到的眼點分布數據如圖3所示。

表2　車型參數

3　眼點分布的統計分析

3.1眼橢圓參數的計算

根據眼橢圓的數學意義來計算眼橢圓參數，包括中心位置、長短軸長度和長軸的傾角［7，15～16］。中心位置利用眼點x、z坐標均值來估計：

式中，Xc、Zc分別為眼點分布的中心點坐標；n為樣本容量。

橢圓長、短軸長度計算公式為：

式中，Lx、Lz分別為眼點分布的長軸和短軸長度；σF1、σF2分別為眼點分布沿第1、第2主成分方向的標準差，分別用樣本方差來估計；ka為標準正態分布變量上a分位點，這里取a=1.645，對應95百分位眼橢圓。

橢圓長軸傾角為：

式中，β為長軸傾角，為眼點分布的第1主成分方向與x軸的夾角；XP、ZP分別為第1主成分軸正方向上的任意一點的x、z坐標。

眼橢圓參數如圖4所示。針對每輛車，分別對男性、女性和男女混合人群的眼橢圓參數進行了計算。

3.2眼點參數隨車型參數的變化

不同車型眼橢圓參數應該是不同的，并且隨著車型參數呈現一定規律的變化［7，15］。通過相關分析發現，眼橢圓尺寸和傾角受車型參數變化的影響很小，而橢圓中心位置受車型參數變化的影響明顯。對于男性人群，中心點坐標Xc與轉向盤前后位置（L11）相關性很強（相關系數r=0.997，顯著性水平sig.＜0.01，表示非常顯著），而與座椅高度相關性不明顯（r=0.137，sig.＞0.05）。此外，H點調節軌跡傾角A19也對中心坐標Xc影響較大（r=-0.622，很顯著）。中心點坐標Zc與座椅高度完全相關（r=1，sig.＜0.01），而與轉向盤位置（L11、H17）、H點調節軌跡傾角A19關系不大。對于女性人群和混合人群，上述規律基本相同，只是程度略有區別。男性人群和混合人群眼橢圓參數與車型參數的相關性分析結果見表3。圖5所示為各車型眼橢圓中心隨駕駛室布置參數變化的散點圖。根據相關性分析結果選取合適的布置參數作為橢圓中心的預測因子，采用多元線性回歸方法建立橢圓中心預測模型。

表3　眼橢圓參數與車型參數相關系數分析結果

4　眼點分布的驗證

根據6輛實車的駕駛室布置參數，經過仿真進一步建立了各車對應的眼橢圓，并與按照SAE標準方法得到的結果進行了對比分析。限于篇幅，只給出男性和男女混合人群的對比結果，如表4所示。由表4可見：各車型男性眼點分布的中心點在x和z方向的預測誤差都在33 mm以內；尺寸的誤差也很小（B車最大，比SAE標準長8.0 mm）；所有車型的眼橢圓傾角平均比SAE標準大1.0°。對于混合人群，其橢圓中心的預測非常準確，最大誤差不超過6 mm，而長軸和傾角的誤差比單一性別人群稍大，但也很小。

表4　眼橢圓參數仿真結果與SAE結果對比

5　結束語

本文通過仿真方法模擬了眼點的分布，驗證結果比較理想，但同時也發現，對于橢圓長軸的模擬結果偏大。目前使用的是直接模擬法，即直接計算眼點坐標，由于CPM是根據美國人體數據得出的，這種方法更適于美國人。由于直接模擬方法隱含了人體尺寸和姿勢因素，無法根據誤差的大小估計人體尺寸和姿勢模擬的不準確程度。為解決這一問題，未來將進一步研究基于駕駛員人體運動學、生物力學的眼點分布仿真方法，從根本上研究人體舒適坐姿的規律，并進而獲得更為通用的眼點分布規律及仿真方法。

1Hammond D C，Roe R W.Driver Head and Eye Positions.Automotive Engineering Congress and Exposition，Detroit，1972.

2Roe R W.Describing the Driver's Workspace：Eye，Head，Knee，and Seat Positions.SAE Technical Paper No.750356，1975.

3溫吾凡.人體特征點在車身坐標系中的分布.汽車工程，1990（3）：20～26.

4Meldrum J F.Automobile Driver Eye Position.SAE Technical Paper No.650464，1965.

5Society of Automotive Engineers.Recommended Practice J941，Motor Vehicle Drivers'Eye Locations.Warrendale：Society of Automotive Engineers，Inc.，2010.

6Manary M A，Flannagan C A C，Reed M，et al.Development of an Improved Driver Eye Position Model，International Congress&Exposition，1998.

7任金東，范子杰，黃金陵.適合不同駕駛員群體眼橢圓統計方法.機械工程學報.2006，42（2）：192～197.

8葛安林，任金東，黃金陵，等.汽車視野設計原理和方法研究.機械工程學報.2002（4）：148～151.

9Ruspa C，Quattrocolo S，Bertolino D.Virtual Tool for the Evaluation of the Visibility during Critical Driving Tasks.SAE Technical Paper No.2007-01-2499，2007.

10Reed M P，Manary M A，Flannagan C A，et al.A StatisticalMethod for Predicting Automobile Driving Posture.Human Factors，2002，44（4）：557～568.

11Society of Automotive Engineers.Recommended Practice J1100，Motor Vehicle Dimensions.Warrendale：Society of Automotive Engineers，Inc.，2002.

12徐鐘濟.蒙特卡羅方法.上海：上海科學技術出版社，1985.

13Wirsching H，Premkumar S.Statistical Representations of Human Populations in Ergonomic Design.SAE Technical Paper No.2007-01-2451，2007.

14Society of Automotive Engineers.Recommended Practice J1516，Accommodation Tool Reference Point.Warrendale：Society of Automotive Engineers，1997.

15Du X M，Ren J D，Gao Z H.Automobile Cab Packaging Study Based on Driver Simulation.IEEE 18th International Conference on Industrial Engineering and Engineering Management，Changchun，2011.

16溫吾凡，杜子學.汽車駕駛員眼橢圓二維正態分布理論解釋.汽車工程，1991（4）：223～228.

（責任編輯斛畔）

修改稿收到日期為2016年7月5日。

Research on the Simulation of the Driver Eye Point Distribution Used for Vehicle Vision Design and Analysis

Yu Xiaozhi，Ren Jindong，Chen Junhao，Liu Qun，Zhang Miaoli
（Jilin University，Changchun 130022）

In view of the present problem of the high cost in acquiring the eye point distribution by empirical statistical method，and the problem of the poor usability of the eye point distribution caused by the variation of the population anthropometry and vehicle packaging dimensions，this paper presented a simulative method to generate the eye point distribution.Based on America anthropometry data，and by using Monte Carlo simulation，the anthropometric sample data of the male，female and mixed-gender population were generated，which were used to simulate the distributions of their eye points with Cascade Prediction Model（CPM），based on the cab packaging parameters of six cars.Statistical analyses were conducted about the distribution parameters of the eye points，as well as their trends varying with the cab packaging parameters.The simulated results were validated with those calculated from SAE methods.The results showed perfect feasibility of the method presented in this paper，which provided good solution for calculating the distribution of eye points for different populations and vehicle models when conducting vision design and analyses.

Eye point distribution，Simulation，Cab，Statistical analysis，Parameter

U461.99

A

1000-3703（2016）10-0027-04