姚 夢(mèng)，肖 輝

(同濟(jì)大學(xué)電子與信息工程學(xué)院，上海 201804)

核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)理論模型研究

姚 夢(mèng)，肖 輝

(同濟(jì)大學(xué)電子與信息工程學(xué)院，上海 201804)

隨著LED顯示屏在戶(hù)外的普及與發(fā)展，如何對(duì)其視覺(jué)質(zhì)量進(jìn)行合理評(píng)價(jià)成為亟待解決的問(wèn)題。本文建立了用于評(píng)價(jià)核心商區(qū)LED顯示屏視覺(jué)質(zhì)量的理論模型。首先通過(guò)研究LED顯示屏的工作原理、物理性質(zhì)以及相關(guān)標(biāo)準(zhǔn)、規(guī)范，從物理客觀(guān)指標(biāo)和心理主觀(guān)指標(biāo)兩方面篩選出13個(gè)影響LED顯示屏視覺(jué)質(zhì)量的評(píng)價(jià)指標(biāo)；再將德?tīng)柗品ㄅc聚類(lèi)算法結(jié)合，篩選出符合要求的評(píng)價(jià)指標(biāo)集；最后運(yùn)用遺傳算法對(duì)層次分析法所構(gòu)建出的初始判斷矩陣進(jìn)行優(yōu)化并求解出各指標(biāo)權(quán)重，從而構(gòu)建出核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)理論模型。

LED顯示屏；視覺(jué)質(zhì)量；評(píng)價(jià)體系；聚類(lèi)分析；遺傳算法

引言

近年來(lái)LED顯示屏因其良好的動(dòng)態(tài)性、色彩的豐富性以及信息發(fā)布的便利性而被廣泛應(yīng)用于城市的夜景中。LED顯示屏的視覺(jué)質(zhì)量直接影響到環(huán)境中行人、駕駛員等的視覺(jué)功能和心理感受。盡管相關(guān)標(biāo)準(zhǔn)中對(duì)戶(hù)外顯示屏亮度的最高允許值做出了限定，但對(duì)其最佳亮度、動(dòng)態(tài)性能的優(yōu)劣等卻并未涉及。因此，如何合理地對(duì)LED顯示屏視覺(jué)質(zhì)量進(jìn)行評(píng)價(jià)，以及如何獲得相關(guān)指標(biāo)的推薦值成為目前應(yīng)解決的問(wèn)題。

本文通過(guò)聚類(lèi)算法優(yōu)化的德?tīng)柗品▽?duì)LED顯示屏視覺(jué)質(zhì)量指標(biāo)進(jìn)行篩選，確定了評(píng)價(jià)體系指標(biāo)集；將層次分析法與遺傳算法結(jié)合，構(gòu)建LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)層次結(jié)構(gòu)并獲得指標(biāo)權(quán)重，從而確立LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)理論模型。

1 評(píng)價(jià)對(duì)象所處區(qū)域限定

核心商業(yè)區(qū)又稱(chēng)商業(yè)中心區(qū)，是集商場(chǎng)、金融、服務(wù)和娛樂(lè)為一體的商業(yè)聚集區(qū)。在《室外照明干擾光限制規(guī)范》(DB11/T 731—2010)中，商業(yè)區(qū)和城市中心區(qū)被一同劃分為高亮度區(qū)域E4(表1)，其中不同區(qū)域由于其區(qū)域?qū)傩院凸δ艿膮^(qū)別，夜景照明亮度水平有所不同。

表1 城市環(huán)境亮度的區(qū)域劃分

戶(hù)外LED顯示屏由于其亮度高、色彩鮮艷等特點(diǎn)被廣泛應(yīng)用于城市夜景中。但由于不同環(huán)境區(qū)域之間的差異性，LED顯示屏設(shè)置的數(shù)量、尺寸以及動(dòng)態(tài)性程度也有所不同。在《深圳市戶(hù)外LED顯示屏設(shè)置專(zhuān)項(xiàng)規(guī)劃》、《上海市戶(hù)外廣告設(shè)施設(shè)置陣地規(guī)劃》等文件中均提出LED顯示屏的設(shè)置要“因地制宜”，并將LED顯示屏設(shè)置區(qū)域進(jìn)行了控制，分為：禁止區(qū)(E1)、控制區(qū)(E2、E3)和展示區(qū)(E4)，對(duì)于核心商業(yè)區(qū)所屬的展示區(qū)，LED顯示屏的設(shè)置限制更少，也因此應(yīng)用更為廣泛。同時(shí)，由于不同區(qū)域本身亮度的差異，因此不同區(qū)域中LED顯示屏表面亮度的限值也不同，為了得到統(tǒng)一的評(píng)價(jià)模型，本文將評(píng)價(jià)對(duì)象限定為核心商業(yè)區(qū)中的LED顯示屏，用以在統(tǒng)一的應(yīng)用環(huán)境中設(shè)置評(píng)價(jià)標(biāo)準(zhǔn)。

2 評(píng)價(jià)指標(biāo)集的確定

2.1 物理客觀(guān)指標(biāo)與心理主觀(guān)指標(biāo)

根據(jù)LED顯示屏在核心商區(qū)中的應(yīng)用特點(diǎn)，將評(píng)價(jià)指標(biāo)分為物理客觀(guān)指標(biāo)和心理主觀(guān)指標(biāo)兩大類(lèi)。

在對(duì)核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)的過(guò)程中，可通過(guò)儀器直接測(cè)量及進(jìn)一步計(jì)算得到的物理客觀(guān)指標(biāo)包括：表面亮度水平、表面亮度均勻性、表面亮度與背景亮度對(duì)比[1]、屏幕對(duì)比度[2]、色彩還原度[3]、表面亮度瞬時(shí)變化差值以及畫(huà)面切換時(shí)間。

LED顯示屏的視覺(jué)主體是人，在進(jìn)行視覺(jué)質(zhì)量評(píng)價(jià)時(shí)不能不考慮人的視覺(jué)心理感受。非量化的心理主觀(guān)指標(biāo)包括：眩光、動(dòng)態(tài)適宜度、觀(guān)看舒適度、環(huán)境協(xié)調(diào)性、視覺(jué)誘導(dǎo)性和外觀(guān)藝術(shù)性。

2.2 聚類(lèi)算法改進(jìn)的德?tīng)柗品?/p>

德?tīng)柗品ㄊ且环N采用背對(duì)背通信方式征詢(xún)專(zhuān)家小組成員預(yù)測(cè)意見(jiàn)，并通過(guò)多輪征詢(xún)使意見(jiàn)趨于一致的定性評(píng)價(jià)法。聚類(lèi)算法是以相似性為基礎(chǔ)，將相似性強(qiáng)的樣本聚成一類(lèi)的研究分類(lèi)問(wèn)題的統(tǒng)計(jì)分析方法。

若德?tīng)柗品ㄟ^(guò)程中個(gè)別專(zhuān)家意見(jiàn)樣本與其他樣本間偏差過(guò)大，則會(huì)對(duì)問(wèn)卷結(jié)果和樣本間一致性產(chǎn)生較大影響，從而影響德?tīng)柗品ㄊ諗窟^(guò)程。因此本文提出，利用聚類(lèi)算法對(duì)每一輪的專(zhuān)家意見(jiàn)進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)結(jié)果將與大多數(shù)樣本差異性大的樣本刪除，以減少個(gè)人因素對(duì)問(wèn)卷結(jié)果的影響，具體過(guò)程如圖1所示。

圖1 聚類(lèi)算法優(yōu)化的德?tīng)柗茊?wèn)卷過(guò)程Fig.1 Clustering algorithm optimized Delphi questionnaire process

2.3 德?tīng)柗品ㄏ嚓P(guān)指標(biāo)

2.3.1 重要性、判斷依據(jù)和熟悉程度的量化

專(zhuān)家問(wèn)卷中要求每一位專(zhuān)家對(duì)單個(gè)指標(biāo)的重要性程度、判斷依據(jù)及熟悉程度進(jìn)行判斷。這三項(xiàng)內(nèi)容的量化方式如表1所示。其中、、分別表示第i位專(zhuān)家對(duì)第j個(gè)指標(biāo)的重要性、判斷依據(jù)和熟悉程度的量化值。

2.3.2 指標(biāo)選取規(guī)則

表2 重要性、判斷依據(jù)、熟悉程度量化[4-5]

(1)

(2)

2.4 德?tīng)柗品ù_定評(píng)價(jià)指標(biāo)集

本次德?tīng)柗品ü策M(jìn)行了三輪問(wèn)卷。第三輪問(wèn)卷后，所有指標(biāo)均達(dá)到一致性收斂要求CVj<0.15。最后一輪問(wèn)卷數(shù)據(jù)如表2所示。

表3 德?tīng)柗品▎?wèn)卷結(jié)果

表2中指標(biāo)C13的重要性均值小于6，不符合指標(biāo)篩選的條件，需要從指標(biāo)集中刪除。

因此通過(guò)聚類(lèi)算法優(yōu)化的德?tīng)柗品ǖ倪^(guò)程，最終確定的核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)指標(biāo)集為：表面亮度水平C1、表面亮度均勻性C2、表面亮度與背景亮度對(duì)比C3、屏幕對(duì)比度C4、色彩還原度C5、表面亮度瞬時(shí)變化差值C6、畫(huà)面切換時(shí)間C7、眩光C8、動(dòng)態(tài)適宜度C9、觀(guān)看舒適度C10、環(huán)境協(xié)調(diào)性C11以及視覺(jué)誘導(dǎo)性C12。

3 指標(biāo)權(quán)重的確定

層次分析法是將一個(gè)復(fù)雜目標(biāo)分解成多個(gè)子目標(biāo)，進(jìn)而分解成具有若干個(gè)層次的指標(biāo)體系，通過(guò)定性指標(biāo)模糊量化方法確定每個(gè)層次指標(biāo)的權(quán)重，從而作為多目標(biāo)、多方案優(yōu)化決策的系統(tǒng)方法?；静襟E為：①建立遞階層次結(jié)構(gòu)模型,②構(gòu)造判斷矩陣，③一致性檢驗(yàn)和，④計(jì)算權(quán)重向量。

3.1 LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)層次結(jié)構(gòu)模型

將前文篩選出的指標(biāo)指標(biāo)集構(gòu)建成圖2的三層LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)的層次結(jié)構(gòu)模型。

圖2 核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)層次結(jié)構(gòu)模型Fig.2 Hierarchical model of LED display visual quality evaluation in CBD

3.2 初始判斷矩陣

對(duì)前文篩選出的12個(gè)指標(biāo)進(jìn)行重要性?xún)蓛蓪?duì)比，可獲得不同指標(biāo)間的重要性相對(duì)比較值。本文采取表3中的1～9標(biāo)度法。初始判斷矩陣為

A0={aij}n×n

(3)

其中aij為重要性標(biāo)度值，aij=1/aji，n為指標(biāo)個(gè)數(shù)，i,j=1,2,…,n。

表4 指標(biāo)重要性?xún)蓛蓪?duì)比標(biāo)度值

由此構(gòu)建出的初始判斷矩陣為如式(4)所示。

3.3 一致性檢驗(yàn)

矩陣的一致性程度用一致性比例CR 表示，如下：

(5)

其中CI為一致性指標(biāo)，RI為隨機(jī)一致性比率，當(dāng)矩陣階次為12時(shí)，RI=1.54。一致性指標(biāo)如式(6)所示。

(6)

其中λmax為判斷矩陣的最大特征值。當(dāng)CR<0.10時(shí)，認(rèn)為判斷矩陣的一致性是可以接受的，否則應(yīng)對(duì)判斷矩陣作適當(dāng)修正。

(4)

由式(5)可計(jì)算得出初始判斷矩陣A0的一致性比例CR0稍大于0.10，因此需對(duì)其進(jìn)行修正。

3.4 構(gòu)建最小二乘一致性修正模型

由于核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)體系中包含較多的評(píng)價(jià)指標(biāo)，構(gòu)成的初始判斷矩陣較難滿(mǎn)足一致性校驗(yàn)，因此需要構(gòu)建出一個(gè)合適的修正模型，并利用智能算法求解出能通過(guò)一致性校驗(yàn)的判斷矩陣及其對(duì)應(yīng)的權(quán)重向量。

假設(shè)修正后的矩陣為X=(xij)n×n，權(quán)重向量為W=(wi)1×n，其中i,j=1,2,…,n。

由于模型既要滿(mǎn)足盡可能小地修改初始判斷矩陣，又要盡可能大地滿(mǎn)足一致性要求，因此構(gòu)建出的最小二乘一致性修正模型如下：

(7)

其中xij=1/xji，xij∈[(1-θ)aij,(1+θ)aij]，0<θ<1；λ1+λ2=1，λ1,λ2≥0；∑wi=1，wi>0；i,j=1,2,…,n。

該模型是一個(gè)求最小值的問(wèn)題，目標(biāo)函數(shù)Y的值越小越好。其中λ1,λ2為權(quán)重因子，分別表示對(duì)專(zhuān)家意見(jiàn)和一致性的遵循程度，θ為修正矩陣中元素的約束條件，值越小表示對(duì)原矩陣的遵循程度越高。

3.5 遺傳算法求解模型

遺傳算法是通過(guò)模擬自然進(jìn)化過(guò)程搜索全局最優(yōu)解的智能算法。本文采取遺傳算法尋找2.4中模型的最優(yōu)解，過(guò)程如下：

1)初始化。隨機(jī)生成M個(gè)個(gè)體作為初始群體P(0)，設(shè)置最大進(jìn)化代數(shù)gmax和計(jì)數(shù)器Generation。其中判斷矩陣中右上角n(n-1)/2個(gè)元素以及n個(gè)權(quán)重因子共同構(gòu)成染色體基因，因此每個(gè)個(gè)體長(zhǎng)度為n(n+1)/2，采用實(shí)數(shù)編碼。

2)計(jì)算個(gè)體適應(yīng)度。個(gè)體適應(yīng)度決定了個(gè)體在進(jìn)化過(guò)程中被選擇的概率，適應(yīng)度越大被選擇的幾率越大。因此需要將模型中求最小問(wèn)題的目標(biāo)函數(shù)轉(zhuǎn)換為非負(fù)最大問(wèn)題函數(shù)來(lái)求解個(gè)體適應(yīng)度。本文選擇的適應(yīng)度函數(shù)[7]為

(8)

其中f(chrom)為目標(biāo)函數(shù)，chrom為群體中的染色體。

3)選擇。本文采用轉(zhuǎn)盤(pán)式選擇算子[8]對(duì)個(gè)體進(jìn)行選擇，每次進(jìn)化過(guò)程中個(gè)體被選擇的概率與適應(yīng)度值成正比,即

(9)

上一代群體中被選擇的個(gè)體共同構(gòu)成下一代群體。

4)交叉。對(duì)于選出的兩個(gè)個(gè)體，有pcross=0.75的概率進(jìn)行交叉，隨機(jī)選中第x位染色體進(jìn)行互換，并將交叉后的個(gè)體放入下一代。

5)變異。每個(gè)個(gè)體有pmutation=0.09的概率進(jìn)行變異，并隨機(jī)選中第x位染色體進(jìn)行變異并放入下一代群體。

6)重新計(jì)算適應(yīng)度值，判斷適應(yīng)度是否達(dá)到閾值或者Generation是否大于gmax，是則結(jié)束進(jìn)化，否則回到第(3)步。

利用Matlab實(shí)現(xiàn)遺傳算法對(duì)最小二乘一致性修正模型的求解，設(shè)置個(gè)體規(guī)模為M=50，進(jìn)化代數(shù)gmax=1 000，目標(biāo)函數(shù)中λ1=0.1，λ2=0.9，θ=0.2。則優(yōu)化后的矩陣X和權(quán)重向量W分別為：

(10)

W=[0.137 0 0.092 9 0.193 9 0.092 0 0.040 3 0.031 3 0.037 8 0.198 7 0.050 0 0.060 3 0.034 5 0.031 4]

(11)

優(yōu)化后矩陣的一致性比例CR=0.057 7<0.100 0，滿(mǎn)足判斷矩陣的一致性要求。

4 核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)模型

通過(guò)遺傳算法求解最小二乘一致性模型得到優(yōu)化后的判斷矩陣和權(quán)重向量，將優(yōu)化后的矩陣作為最終的判斷矩陣，權(quán)重向量作為各指標(biāo)權(quán)重，從而構(gòu)建出核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)模型，如表5所示。

5 總結(jié)與展望

本文首先利用聚類(lèi)算法對(duì)傳統(tǒng)的德?tīng)柗品ㄟM(jìn)行優(yōu)化，避免了邊緣數(shù)據(jù)對(duì)德?tīng)柗品▎?wèn)卷結(jié)果的影響。通過(guò)此方法對(duì)初步選擇出的13個(gè)影響核心商區(qū)LED顯示屏視覺(jué)質(zhì)量的指標(biāo)進(jìn)行篩選，得出外觀(guān)藝術(shù)性這一指標(biāo)對(duì)LED顯示屏視覺(jué)質(zhì)量影響較弱的結(jié)論，并將其從指標(biāo)集中刪除。

接著采用層次分析法構(gòu)建出核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)指標(biāo)層次結(jié)構(gòu)，通過(guò)專(zhuān)家對(duì)指標(biāo)的兩兩比較得出初始判斷矩陣。隨后利用遺傳算法對(duì)初始判斷矩陣進(jìn)行修正，獲得各指標(biāo)權(quán)重從而構(gòu)建出核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)理論模型。

表5 核心商區(qū)LED顯示屏視覺(jué)質(zhì)量評(píng)價(jià)模型

本課題后續(xù)需要通過(guò)主客觀(guān)結(jié)合的現(xiàn)場(chǎng)調(diào)研來(lái)驗(yàn)證模型的合理性，并通過(guò)結(jié)合LED顯示屏視覺(jué)質(zhì)量主觀(guān)評(píng)價(jià)結(jié)果和客觀(guān)數(shù)據(jù)，獲得指標(biāo)相關(guān)物理量的推薦值，為商業(yè)區(qū)戶(hù)外LED顯示屏的設(shè)計(jì)提供依據(jù)。

[1] 袁勝春, 羅昌虎, 王伙榮. 室內(nèi)LED顯示屏主觀(guān)效果評(píng)價(jià)影響因素[J]. 現(xiàn)代顯示, 2012(9):117-120.

[2] 王祎. LED發(fā)光管顏色對(duì)顯示屏對(duì)比度的影響[C]// 2010全國(guó)LED顯示應(yīng)用技術(shù)交流暨產(chǎn)業(yè)發(fā)展研討會(huì)文集. 2010:113-115.

[3] 宋媛, 徐永福. LED顯示屏色彩還原的評(píng)價(jià)[C]// 2008全國(guó)LED顯示應(yīng)用技術(shù)交流暨產(chǎn)業(yè)發(fā)展研討會(huì)文集. 2008.

[4] ZHAO Z G, CHENG J Q, XU S L, et al. A quality assessment index framework for public health services: a Delphi study[J]. Public Health, 2015, 129(1):43-51.

[5] 袁海霞, 汪南平, 史德. 德?tīng)柗品ù_定潛艇艙室空氣污染要素權(quán)重系數(shù)的研究[J]. 海軍醫(yī)學(xué)雜志, 2004, 25(4):295-297.

[6] 馬領(lǐng)康. 在巖土參數(shù)統(tǒng)計(jì)中如何計(jì)算加權(quán)標(biāo)準(zhǔn)差[J]. 電力勘測(cè)設(shè)計(jì), 2001(3):27-29.

[7] 劉英. 遺傳算法中適應(yīng)度函數(shù)的研究[J]. 蘭州工業(yè)學(xué)院學(xué)報(bào), 2006, 13(3):1-4.

[8] 沈崇圣. 遺傳算法中常用選擇算子在MATLAB中的實(shí)現(xiàn)[J]. 上海應(yīng)用技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版), 2003, 3(3):199-202.

Study of LED Display Visual Quality Evaluation Model in CBD

YAO Meng，XIAO Hui

(CollegeofElectronicandInformationEngineering,TongjiUniversity,Shanghai201804,China)

With the popularization and development of LED display in the outdoors, how to evaluate its visual quality becomes an urgent problem. In this paper, a theoretical model is established to evaluate the visual quality of LED display in CBD. Firstly, study on the working principle, physical properties and relevant standards of LED display, select 13 LED display visual effect evaluation indicators from objective and subjective aspects; then combine Delphi method with clustering algorithm, select the evaluation index set in accordance with requirements; finally, apply GA to optimize the initial judgment matrix constructed by AHP, calculate the index weight and establish the LED display visual quality evaluation model in CBD.

LED display; visual quality; evaluation model; cluster analysis; genetic algorithm

TM923

A

10.3969/j.issn.1004-440X.2017.01.014