隨著(zhù)LED顯示屏在戶(hù)外的普及與發(fā)展，如何對其視覺(jué)質(zhì)量進(jìn)行合理評價(jià)成為亟待解決的問(wèn)題。本文建立了用于評價(jià)核心商區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)標準、規范，從物理客觀(guān)指標和心理主觀(guān)指標兩方面篩選出13個(gè)影響LED顯示屏視覺(jué)質(zhì)量的評價(jià)指標;再將德?tīng)柗品ㄅc聚類(lèi)算法結合，篩選出符合要求的評價(jià)指標集;較后運用遺傳算法對層次分析法所構建出的初始判斷矩陣進(jìn)行優(yōu)化并求解出各指標權重，從而構建出核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)理論模型。

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)標準中對戶(hù)外顯示屏亮度的較高允許值做出了限定，但對其較佳亮度、動(dòng)態(tài)性能的優(yōu)劣等卻并未涉及。因此，如何合理地對LED顯示屏視覺(jué)質(zhì)量進(jìn)行評價(jià)，以及如何獲得相關(guān)指標的推薦值成為目前應解決的問(wèn)題。本文通過(guò)聚類(lèi)算法優(yōu)化的德?tīng)柗品▽ED顯示屏視覺(jué)質(zhì)量指標進(jìn)行篩選，確定了評價(jià)體系指標集;將層次分析法與遺傳算法結合，構建LED顯示屏視覺(jué)質(zhì)量評價(jià)層次結構并獲得指標權重，從而確立LED顯示屏視覺(jué)質(zhì)量評價(jià)理論模型。

1評價(jià)對象所處區域限定

核心商業(yè)區又稱(chēng)商業(yè)中心區，是集商場(chǎng)、金融、服務(wù)和娛樂(lè )為一體的商業(yè)聚集區。在《室外照明干擾光限制規范》(DB11/T731—2010)中，商業(yè)區和城市中心區被一同劃分為高亮度區域E4(表1)，其中不同區域由于其區域屬性和功能的區別，夜景照明亮度水平有所不同。

戶(hù)外LED顯示屏由于其亮度高、色彩鮮艷等特點(diǎn)被廣泛應用于城市夜景中。但由于不同環(huán)境區域之間的差異性，LED顯示屏設置的數量、尺寸以及動(dòng)態(tài)性程度也有所不同。在《深圳市戶(hù)外LED顯示屏設置專(zhuān)項規劃》、《上海市戶(hù)外廣告設施設置陣地規劃》等文件中均提出LED顯示屏的設置要“因地制宜”，并將LED顯示屏設置區域進(jìn)行了控制，分為:禁止區(E1)、控制區(E2、E3)和展示區(E4)，對于核心商業(yè)區所屬的展示區，LED顯示屏的設置限制更少，也因此應用更為廣泛。同時(shí)，由于不同區域本身亮度的差異，因此不同區域中LED顯示屏表面亮度的限值也不同，為了得到統一的評價(jià)模型，本文將評價(jià)對象限定為核心商業(yè)區中的LED顯示屏，用以在統一的應用環(huán)境中設置評價(jià)標準。

2評價(jià)指標集的確定

2.1物理客觀(guān)指標與心理主觀(guān)指標

根據LED顯示屏在核心商區中的應用特點(diǎn)，將評價(jià)指標分為物理客觀(guān)指標和心理主觀(guān)指標兩大類(lèi)。在對核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)的過(guò)程中，可通過(guò)儀器直接測量及進(jìn)一步計算得到的物理客觀(guān)指標包括:表面亮度水平、表面亮度均勻性、表面亮度與背景亮度對比、屏幕對比度、色彩還原度、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)指標包括:眩光、動(dòng)態(tài)適宜度、觀(guān)看舒適度、環(huán)境協(xié)調性、視覺(jué)誘導性和外觀(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采用背對背通信方式征詢(xún)專(zhuān)家小組成員預測意見(jiàn)，并通過(guò)多輪征詢(xún)使意見(jiàn)趨于一致的定性評價(jià)法。聚類(lèi)算法是以相似性為基礎，將相似性強的樣本聚成一類(lèi)的研究分類(lèi)問(wèn)題的統計分析方法。

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 )對問(wèn)卷結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)算法對每一輪的專(zhuān)家意見(jiàn)進(jìn)行聚類(lèi)，根據聚類(lèi)結果將與大多數樣本差異性大的樣本刪除，以減少個(gè)人因素對問(wèn)卷結果的影響，具體過(guò)程如圖1所示。

2.3德?tīng)柗品ㄏ嚓P(guān)指標

2.3.1重要性、判斷依據和熟悉程度的量化

專(zhuān)家問(wèn)卷中要求每一位專(zhuān)家對單個(gè)指標的重要性程度、判斷依據及熟悉程度進(jìn)行判斷。這三項內容的量化方式如表1所示。其中、、分別表示第i位專(zhuān)家對第j個(gè)指標的重要性、判斷依據和熟悉程度的量化值。

2.3.2指標選取規則指標選取的原則為對LED顯示屏視覺(jué)質(zhì)量的重要程度為比較重要及以上，即滿(mǎn)足指標重要性加權平均值:Aj≥6，見(jiàn)式(1)。此外應保證專(zhuān)家意見(jiàn)達到一定程度的協(xié)調，即變異系數:CVj＜0.15，見(jiàn)式(2)。

2.4德?tīng)柗品ù_定評價(jià)指標集

本次德?tīng)柗品ü策M(jìn)行了三輪問(wèn)卷。第三輪問(wèn)卷后，所有指標均達到一致性收斂要求CVj＜0.15。較后一輪問(wèn)卷數據如表2所示。

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

因此通過(guò)聚類(lèi)算法優(yōu)化的德?tīng)柗品ǖ倪^(guò)程，較終確定的核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)指標集為: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比C3、屏幕對比度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)調性C11以及視覺(jué)誘導性C12。

3指標權重的確定

層次分析法是將一個(gè)復雜目標分解成多個(gè)子目標，進(jìn)而分解成具有若干個(gè)層次的指標體系，通過(guò)定性指標模糊量化方法確定每個(gè)層次指標的權重，從而作為多目標、多方案優(yōu)化決策的系統方法?；静襟E為:①建立遞階層次結構模型，②構造判斷矩陣，③一致性檢驗和，④計算權重向量。

3.1LED顯示屏視覺(jué)質(zhì)量評價(jià)層次結構模型將前文篩選出的指標指標集構建成圖2的三層LED顯示屏視覺(jué)質(zhì)量評價(jià)的層次結構模型。

3.2初始判斷矩陣

對前文篩選出的12個(gè)指標進(jìn)行重要性?xún)蓛蓪Ρ?，可獲得不同指標間的重要性相對比較值。本文采取表3中的1～9標度法。初始判斷矩陣為A0={a_ij}_n×n(3)

其中aij為重要性標度值，a_ij=1/a_ji，n為指標個(gè)數，i，j=1，2，…，n。

由此構建出的初始判斷矩陣為如式(4)所示。

3.3一致性檢驗

矩陣的一致性程度用一致性比例CＲ表示，如下:

其中CI為一致性指標，ＲI為隨機一致性比率，當矩陣階次為12時(shí)，ＲI=1.54。一致性指標如式

(6)所示。

其中λmax為判斷矩陣的較大特征值。當CＲ＜0.10時(shí)，認為判斷矩陣的一致性是可以接受的，否則應對判斷矩陣作適當修正。

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

3.4構建較小二乘一致性修正模型

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

假設修正后的矩陣為X=(x_ij)_n×n，權重向量為W=(w_i)_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，因此構建出的較小二乘一致性修正模型如下:

該模型是一個(gè)求較小值的問(wèn)題，目標函數Y的值越小越好。其中λ1，λ2為權重因子，分別表示對專(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)程搜索全局較優(yōu)解的智能算法。本文采取遺傳算法尋找2.4中模型的較優(yōu)解，過(guò)程如下:

1)初始化。隨機生成M個(gè)個(gè)體作為初始群體P(0)，設置較大進(jìn)化代數gmax和計數器Generation。其中判斷矩陣中右上角n(n－1)/2個(gè)元素以及n個(gè)權重因子共同構成染色體基因，因此每個(gè)個(gè)體長(cháng)度為n(n+1)/2，采用實(shí)數編碼。

2)計算個(gè)體適應度。個(gè)體適應度決定了個(gè)體在進(jìn)化過(guò)程中被選擇的概率，適應度越大被選擇的幾率越大。因此需要將模型中求較小問(wèn)題的目標函數轉換為非負較大問(wèn)題函數來(lái)求解個(gè)體適應度。本文選擇的適應度函數為

其中f(chrom)為目標函數，chrom為群體中的染色體。

3)選擇。本文采用轉盤(pán)式選擇算子［8］對個(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度值成正比，即

上一代群體中被選擇的個(gè)體共同構成下一代

群體。

4)交叉。對于選出的兩個(gè)個(gè)體，有pcross=0.75的概率進(jìn)行交叉，隨機選中第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)重新計算適應度值，判斷適應度是否達到閾值或者Generation是否大于gmax，是則結束進(jìn)化，否則回到第(3)步。

利用Matlab實(shí)現遺傳算法對較小二乘一致性修正模型的求解，設置個(gè)體規模為M=50，進(jìn)化代數gmax=1000，目標函數中λ1=0.1，λ2=0.9，θ=0.2。則優(yōu)化后的矩陣X和權重向量W分別為:

優(yōu)化后矩陣的一致性比例CＲ=0.0577＜0.1000，滿(mǎn)足判斷矩陣的一致性要求。

4核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)模型

通過(guò)遺傳算法求解較小二乘一致性模型得到優(yōu)化后的判斷矩陣和權重向量，將優(yōu)化后的矩陣作為較終的判斷矩陣，權重向量作為各指標權重，從而構建出核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)模型，如表5所示。

5總結與展望

本文首先利用聚類(lèi)算法對傳統的德?tīng)柗品ㄟM(jìn)行優(yōu)化，避免了邊緣數據對德?tīng)柗品▎?wèn)卷結果的影響。通過(guò)此方法對初步選擇出的13個(gè)影響核心商區LED顯示屏視覺(jué)質(zhì)量的指標進(jìn)行篩選，得出外觀(guān)藝術(shù)性這一指標對LED顯示屏視覺(jué)質(zhì)量影響較弱的結論，并將其從指標集中刪除。

接著(zhù)采用層次分析法構建出核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)指標層次結構，通過(guò)專(zhuān)家對指標的兩兩比較得出初始判斷矩陣。隨后利用遺傳算法對初始判斷矩陣進(jìn)行修正，獲得各指標權重從而構建出核心商區LED顯示屏視覺(jué)質(zhì)量評價(jià)理論模型。

本課題后續需要通過(guò)主客觀(guān)結合的現場(chǎng)調研來(lái)驗證模型的合理性，并通過(guò)結合LED顯示屏視覺(jué)質(zhì)量主觀(guān)評價(jià)結果和客觀(guān)數據，獲得指標相關(guān)物理量的推薦值，為商業(yè)區戶(hù)外LED顯示屏的設計提供依據。