在环境光和天气变化条件下，对最佳HUD（平视显示器）亮度感知的建模

基于驾驶模拟器的实验研究表明，HUD最佳感知亮度随天气条件动态变化：雾天需最高亮度，雨天次之，晴天最低。通过构建8×3×2环境矩阵（含3种天气、2类驾驶任务及8级环境光），结合20名受试者的眼动数据与主观评价，建立了环境光与天气条件共同作用下的HUD亮度对数模型。该模型为智能HUD的动态亮度调节提供了理论依据，有效降低驾驶疲劳并提升安全性能。

吴文宇|胡英峰|彭光远|李一莲|向阳|卢俊树|薛成琪|范浩

东南大学机械工程学院，中国江苏省南京市，211189

摘要

为了解决在复杂驾驶环境中动态调整平视显示器（HUD）亮度的挑战——在这些环境中，环境光、天气和驾驶任务共同影响HUD的可视性，本研究设计了一个基于驾驶模拟器的控制实验。实验研究了在六种操作场景下HUD最佳感知亮度和眼动模式的变化。这些场景是通过结合三种天气条件（晴天、雨天、雾天）和两种驾驶任务（直线行驶、变道）构建的，并在涵盖典型真实世界驾驶环境的八种环境光照水平下进行了测试。共有20名参与者参与了实验。结果表明，HUD的最佳感知亮度在三种天气条件之间存在显著差异：雾天需要最高的HUD亮度，其次是雨天，而晴天则需要最低的亮度。基于这些发现和实验参数设置，建立了一个描述HUD最佳感知亮度与环境光照之间关系的对数模型。本研究的贡献在于为不同天气条件下的HUD亮度调节的交互式设计提供了参考，从而有助于提高驾驶安全性。

引言

随着汽车行业的快速发展以及智能技术的广泛应用，平视显示器（HUD）已成为自动驾驶中人机交互的关键组成部分（Tang等人，2020年）。驾驶相关信息通过HUD系统在驾驶员的前方视野中以光学反射原理显示，减少了频繁低头和长时间调整焦点的需求。这种配置提高了信息获取率，同时减轻了认知干扰和视觉负担，从而有效确保了驾驶安全性（Beck等人，2019年）。用户也更倾向于使用配备HUD的智能车辆，因为这些车辆提供了速度辅助功能（Chen，2024年）。作为光学显示系统，HUD对光照条件的变化非常敏感，这会显著影响驾驶员的视觉感知（Maroto等人，2018年）。模糊的图像、颜色失真或投影信息的对比度不足会迫使驾驶员花费更多精力来识别和解释显示的数据，这会增加认知负担，甚至可能导致驾驶事故。因此，确保最佳的视觉显示质量对于提高驾驶舒适度和减少驾驶员疲劳至关重要（He等人，2017年）。本研究将重点关注光照环境变化与HUD最佳感知亮度之间的关系，并从主观判断和生理数据验证两个方面进行讨论。

目前关于视觉显示器对人类影响的研究主要集中在显示颜色、亮度、背景和视觉环境对视觉疲劳和认知负担的影响上（Kelley等人，1965年；Browne和Moffitt，2018年；Yoon等人，2017年；Beck等人，2019年；Lee等人，2015年；Ryu等人，2021年；Ward和Parkes，1994年）。早期关于光学环境和人机交互的研究考察了不同背景和光照条件对静态环境中识别效率和视觉疲劳的影响。Kelley等人（1965年）建议内容与显示之间的最佳亮度对比比为1.4:1.3，这显著提高了文本和符号的可视性。此外，焦距在驾驶员的视觉感知中也起着关键作用。适当的焦距设置可以改善视觉舒适度和集中度。优化字体大小和亮度对比度是另一个关键因素，研究表明7:1的对比比可以实现最佳的阅读效率（Li等人，2021年）。此外，HUD背景的亮度和对比度也会显著影响可视性（Ward和Parkes，1994年）。适当的对比度和亮度水平符合人类的视觉识别模式，从而提高了理解效率（Rogers等人，1986年）。这些研究探讨了影响视觉的各种因素，但没有提供动态数学模型来为变化中的驾驶场景下的HUD照明变化提供直接参考。

随着汽车行业的进步，最近的研究越来越多地关注驾驶场景中的动态光照环境，强调了透射率、HUD与环境光照的对比度以及天气条件（Raiyn等人，2024年）。Erickson等人（2020年）分析了在0-20,000 lx的光照水平下HUD图像对比度与环境光照的关系，建立了平视显示器与环境光照之间的关系。汽车HUD在夜间容易产生眩光，而白天的过高亮度会降低可视性和清晰度（Sekuler等人，2000年；Huiberts等人，2015年；Fan和He，2017年；Wang等人，2025年）。关于透明度，HUD系统需要超过70%的光照透射率以避免干扰驾驶员的正常视线。此外，雨天和雾天条件会通过降低能见度和图像模糊影响HUD的投影效果（Miclea等人，2021年；Raiyn等人，2024年）。这些研究讨论了动态光照环境中因素对HUD的影响，并为后续的HUD优化研究提供了基础，但并未直接说明每个可量化因素在HUD自适应调节中应如何变化。

驾驶员经常遇到显著的光照变化。自适应投影亮度控制使HUD能够根据环境光照调整感知亮度，确保在各种环境中都能清晰地看到信息，同时避免眩光并最大化HUD辅助驾驶系统的价值。因此，研究如何在驾驶环境变化时自适应调整HUD照度的具体值在应用中非常关键。目前，关于如何根据驾驶场景的变化优化HUD亮度以增强驾驶安全性和用户体验的实证基础尚不完善。为了填补这些空白，本研究提出了一个使用驾驶模拟器系统操纵环境光照和天气参数的实验框架。通过对实验数据的定量分析，我们旨在开发一个感知驱动的数学模型，该模型结合环境光和天气条件来动态优化HUD亮度。该模型旨在量化环境因素对HUD可视性和认知需求的影响，为基于上下文的HUD亮度调节建立理论基础。

为了进一步丰富这一领域，提出了以下问题。

RQ1：如何将环境光和天气条件系统地纳入HUD显示优化中？

RQ2：随着环境的变化，最佳感知HUD亮度不断调整，眼动数据如何随之变化？

章节片段

HUD选择

常见的HUD主要有三种类型：组合式HUD（C-HUD）、挡风玻璃HUD（W-HUD）和增强现实HUD（AR-HUD）。C-HUD具有成本低和方便的优点，但显示面积小，只能显示基本的驾驶信息，这在汽车智能化的趋势中并不占主导地位（Maroto等人，2018年）。近年来，W-HUD逐渐从高端车辆普及到中型车辆，主要用于基本驾驶和高级信息显示。

方法

本研究采用基于实验室的模拟实验进行。首先，从实际驾驶条件中收集真实的环境光数据，并提取典型的环境光照环境作为实验材料。在线招募符合实验标准的参与者，然后使用驾驶模拟器确定在各种天气条件下的最佳HUD亮度。最后，开发模型以确定最佳感知HUD亮度。

晴天下的数据分析

被试内效应分析显示，在晴天中，不同环境光照水平下的最佳HUD感知亮度存在显著差异，如图5（a）所示（Greenhouse-Geisser校正后的ε = 0.450，F(5618336.30, 15541.45) = 6868.625，p < 0.001，部分η² = 0.997），而在驾驶任务（直线行驶与变道）之间没有观察到显著差异（F(304.20, 2792.05) = 2.070，p > 0.05，部分η² = 0.098；任务间比较p > 0.05）。这些结果表明，环境

讨论

本研究通过包含八种环境光照水平、三种天气条件（晴天、雨天和雾天）以及两种驾驶任务的实验设计，调查了环境光照、天气条件和驾驶任务对HUD可读性的影响，形成了一个综合的8 × 3 × 2矩阵，共计48种场景。它利用数学建模来说明如何在不同条件下调整最佳感知HUD亮度，并观察眼动

结论

本研究利用驾驶模拟器实验研究了天气条件（晴天、雨天、雾天）、驾驶任务（直线行驶和变道）以及环境光照水平对HUD最佳感知亮度的影响，同时考察了伴随的眼动行为模式。结果表明，天气类型显著影响HUD的亮度要求，雾天条件需要最高的亮度。环境光照是主要因素

CRediT作者贡献声明

吴文宇：撰写——审阅与编辑，资金获取。胡英峰：撰写——审阅与编辑，撰写——初稿，可视化，方法论，正式分析。彭光远：可视化。李一莲：撰写——初稿，可视化，方法论，概念化。向阳：可视化。卢俊树：调查。薛成琪：撰写——审阅与编辑。范浩：撰写——审阅与编辑。

资助

本工作得到了国家自然科学基金（项目编号：72271053）和省部级重点实验室科学研究项目 - 人文与社会科学（项目编号：2242024S30012）的支持。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

作者感谢审稿人的宝贵意见和建议。