基于VR实验与跟驰模型的隧道照明对交通碳排放影响机制研究

针对隧道照明环境如何影响驾驶员生态驾驶行为及交通碳排放这一研究空白，中国研究人员通过虚拟现实(VR)实验结合智能驾驶员模型(IDM)和MOVES排放模型，首次量化了亮度(1-3 cd/m2)与相关色温(CCT 2000-8000 K)对碳排放的影响，发现(3 cd/m2, 2000 K)照明条件可降低26.8%碳排放，为隧道低碳照明设计提供了科学依据。

　　

隧道作为半封闭空间，其照明环境直接影响驾驶员视觉处理能力与行车安全。现有研究多聚焦照明参数对驾驶员反应时间、视觉舒适度的影响，却鲜少探讨照明环境与生态驾驶行为（eco-driving）的关联，而车辆在隧道内产生的碳排放占交通系统总排放比重不容忽视。更矛盾的是，当前隧道照明设计主要考虑能耗优化，却缺乏对车辆碳排放影响的量化评估。这一空白使得隧道低碳化建设缺乏系统性指导，亟需揭示照明参数与交通碳排放的作用机制。

为破解这一难题，中国研究人员开展了一项创新性研究。团队基于实际隧道工程构建虚拟现实(VR)驾驶实验平台，通过Unity 3D动态调节隧道内部区域的亮度（1/2/3 cd/m²）和相关色温(CCT 2000/5000/8000 K)形成9种照明组合，采集34名参与者的跟驰行为数据。结合智能驾驶员模型(IDM)模拟交通流，并采用美国环保署开发的MOVES（Motor Vehicle Emission Simulator）模型计算碳排放。研究发现：当CCT为2000 K（暖白光）且亮度3 cd/m²时，车辆队列碳排放最低，较最高排放情境（CCT 8000 K同亮度）降低26.8%；而CCT对车速波动的调控作用比亮度更显著，高CCT环境下车速变异系数降低15.3%。这些成果发表于《Displays》，为隧道照明低碳设计提供了首个量化参考框架。

关键技术包括：1）基于3D Max和Unity 3D的隧道VR场景建模；2）采用IDM模型模拟不同照明条件下的跟驰行为；3）MOVES模型计算单车及车队碳排放；4）弗里德曼检验(Friedman test)分析驾驶行为差异。

驾驶行为分析
通过速度、加速度、车头时距等指标发现：高CCT（8000 K）环境下驾驶员操作更平稳，速度标准差比低CCT环境降低22%；而中等亮度（2 cd/m²）时加速度极值出现频率最低，表明照明参数通过视觉负荷影响驾驶激进程度。

碳排放比较
(3 cd/m², 2000 K)组合下CO₂排放量最低，而(3 cd/m², 8000 K)最高，差异达26.8%。研究首次证实暖色调低亮度环境更利于诱发生态驾驶行为，这与传统高亮度冷色调的安全设计理念形成互补。

交通流稳定性
5000 K CCT环境下交通流密度波动最小，车头时距变异系数较极端CCT环境降低18%，说明适中的色温可提升车队协同性。

该研究开创性地构建了"照明参数-驾驶行为-碳排放"作用链条，提出隧道内部区域宜采用中等亮度(2-3 cd/m²)配合低CCT(2000-5000 K)的照明方案，在保障安全前提下可实现年减排CO₂约1.2万吨/百公里（按日均万辆测算）。局限性在于样本以学生为主，未来需纳入职业驾驶员验证普适性。这项成果为《公路隧道照明设计规范》的低碳化修订提供了理论支撑，同时启示智能照明系统可结合实时车流动态调节CCT以协同优化安全与减排目标。