引言

學習是一個不斷從事腦力勞動的過程，期間出現的腦力能力下降、作業機能衰退的現象稱之為腦疲勞，具體表現為學習效率下降、注意力不集中、記憶力下降、反應遲鈍等[1]。不良的照明環境會加速腦疲勞的產生和加重腦疲勞的程度，不同的照明環境下，腦疲勞程度也不盡相同。LAL和CRAIG[2]認為腦電信號(EEG)是最適合作為疲勞評價的生理指標；曾堃等[3]通過主觀量表和EEG數據，對心內科CICU病房白光環境要素與情緒的關系進行了探討。為了解不同的LED照明環境對學生腦疲勞的影響，在實驗室設定不同的色溫和照度環境來模擬教室照明，測試學生的腦電信號隨時間的變化情況，評判適宜的色溫和照度組合，為教室照明環境設計提供參考。

法律規定，對企業商品包裝著作權的侵權可以根據因侵權造成的損失來確定賠償數額，也可以將侵權所得的全部利潤都上交進行賠償。對于國家規定的賠償制度，要按照賠償制度的3-5倍繳納罰款，同時也要支付其他的相關費用。

1 腦疲勞的評價方法

1.1 腦疲勞評定方法的選擇

腦疲勞的評定方法主要有四種：主觀測評法、心理學和行為學指標評定法、生化指標評定法和生理指標評定法[6](見表1)。其中，通過腦電波測試的生理指標判定法目前最成熟，腦電信號成為應用最廣泛的中樞神經系統變化的評價指標。

表1 腦疲勞的4種評定方法比較
Table 1 Comparisons of four assessment methods for brain fatigue

評定方法內容優缺點主觀測評法基于主體的自我感受與評價評分主觀、標準不統一、只能定性分析心理學和行為學指標評定法常用機器視覺法,由攝像頭記錄眼瞼運動、臉部表情等特征,利用計算機識別,通過人工篩檢判斷腦疲勞的閉眼時間等評價指標人工篩檢耗時長、誤差較大、應用較少生化指標評定法通過檢測胰島素、皮質醇、5-羥色胺、多巴胺等激素水平評價疲勞的狀態需要提取血液,對樣本造成創傷,難以推廣生理指標評定法分析腦電波的生理信號,定量評價腦疲勞程度與大腦反應直接相關、無創、應用最廣泛

1.2 腦電信號的分類與評價指標

腦電波(Electroencephalogram,EEG)來源于錐體細胞頂端樹突的突觸后電位，記錄了大腦活動時的電波變化，是腦神經細胞的電生理活動在大腦皮層或頭皮表面的總體反映[7]。腦電波信號的頻率范圍較大(0～100 Hz)，根據腦部不同的功能、病理或狀態分為不同的頻帶，至少存在4個重要的波段：δ波、θ波、α波和β波[8](見表2)。睡眠時還可能出現的其他波形，如σ波、λ波、μ波、κ-復合波、駝峰波等，不在本研究的范圍內。腦電信號隨著人的精神負荷變化產生波動，學生在學習的過程中，α波越多表明人越放松；δ波和θ波越多，β波越少，則越疲勞。

頻帶能量比例(FBER值，以下簡稱R值)即δ波、θ波、α波和β波的功率值占四種波總功率值的比例[11]，通過R值的變化可以判斷大腦皮層的興奮度和腦疲勞程度，反應不同色溫、照度和時間參數對腦疲勞的影響。其中δ波和θ波為睡眠波，腦電波中Rδ值和Rθ值增大時表示困倦感加強，可以通過判斷Rδ+θ值來描述腦疲勞的程度。α波和β波與精神興奮性和焦慮感相關，人在放松的情況下α波占大部分，當精神興奮性提高時β波增多，伴隨著焦慮感的增加，可以通過Rα值和Rβ值的變化來判斷精神興奮程度。

表2 腦電波的4種波形比較
Table 2 Comparisons of four waveforms of EEG

腦電波頻率范圍作用δ波0.5～4 Hz人在極度疲勞和昏睡或麻醉狀態下出現,清醒時沒有加強現象θ波4～8 Hz人在深度松弛狀態時出現此波,在受挫或者郁悶時極為顯著α波8～14 Hz無外加刺激時,頻率恒定;人在清醒、安靜并閉眼時該節律最明顯,睜開眼睛(受到光刺激)或其它刺激時,立刻消失[9]β波14～30 Hz表示大腦皮層的興奮狀態,精神緊張、情緒激動或亢奮時出現,此時人腦意識清醒,比較敏感[10]

1.3 腦電信號的檢測與分析

使用美國某公司生產的MP150多導生理記錄儀及其專用的數據線和電極片采集記錄，通過與之配套的AcqKnowledge 軟件進行數據提取，可以算出δ、α、β和θ波各頻段的功率平均值。進而得出δ、α、β和θ波四種波段的頻帶能量比例R值作為腦疲勞評價指標。將δ波的頻帶能力比例記作Rδ，θ波的頻帶能量比例記作Rθ，α波和β波分別記作Rα和Rβ。頻帶能量比例R值采用以下公式計算：

Eall(k)=∑E(j)(k)j

(1)

(2)

其中，k表示腦電信號的頻段編號，j表示α、β、θ、δ中的任意一個波段，

空間大數據可考慮采用GIS平臺進行管理，非空間大數據組織按照一定的方式和規則對多源大數據進行歸并、存儲、處理的過程。根據非空間大數據種類較多等特性，大數據中心提供多種存儲方式來支撐非空間大數據的存儲組織。

2 實驗方法

1)實驗參數的設定。教室、圖書館等教育建筑需滿足學生學習的功能要求，照度不宜過高。研究表明人眼的視覺功能曲線隨著照度的升高而提高，在3 000 lx左右達到峰值，超過3 000 lx后，視覺功效反而下降。因此，教室工作面照度值的最高值設定為3 000 lx[12]。參考GB 50034《建筑照明設計標準》推薦的照度分級要求，將實驗環境的照度值劃分為500 lx、1 000 lx、1 500 lx、2 000 lx、2 500 lx和3 000 lx六種水平[13]。色溫選取4 000 K、5 000 K和 6 500 K三種常用色溫，每0.5 h監測一次學生的腦電信號，觀察其變化趨勢。

2)實驗對象。通過對招募的大學生志愿者進行預實驗，連續3天進行生理指標測試，篩選出結果穩定的10名志愿者，隨機分為2組，輪流進行實驗，每組測試后休息1天。

蕭飛羽左腕上的鋼環轉動得越來越快，顯然是否接受天問大師的賭約他一時難以取舍。當他終于按住轉動的鋼環，目光卻落在武成龍身上。武成龍似乎知道他企圖進一步確定什么急忙傳音：“語出無悔，承諾是金，天問大師和紫陽道長口碑更勝只手拿云。只是除了黑白雙煞實力不為屬下所知，其他人應戰會有違三少收服天問大師和紫陽道長的初衷。”

3)實驗流程。通過實驗室模擬教室照明環境，選用相同型號不同色溫的LED燈管，通過改變燈管的數量和高度來改變工作面的照度，實現設定的光環境。志愿者每天下午兩點開始實驗，光照前測試一次腦電信號，然后開始自習，每0.5 h再測試一次。實驗持續3 h，期間可以閱讀和書寫，不能使用手機、平板電腦等電子設備。

3 實驗結果

3.1 色溫對腦疲勞的影響

隨著色溫的提高，Rδ+θ值增加，表明受試者的腦疲勞程度越高，6 500 K色溫引起腦疲勞的程度最高，而4 000 K最低；Rα值的變化趨勢正好相反；Rβ值變化不明顯，但5 000 K色溫的Rβ值最高，說明此時被試者的精神興奮性最高，腦疲勞程度適中(見圖1)。學習效率的提高伴隨著一定的腦疲勞和精神興奮性提高和焦慮感，綜合Rδ+θ值、Rβ值和Rα值的變化，發現5 000 K色溫條件下，受試者的腦疲勞程度不高，但精神興奮性最好。

首先，我們需要把理解人類思維的運作方式放在更高的優先級上，特別是關于我們自己的智慧和同情心是如何培養出來的。如果我們在人工智能上投入太多，而在開發人類頭腦方面的工作太少，那么復雜的計算機人工智能可能只會增強人類的愚蠢，并培養我們最壞（但可能也是最強大）的沖動，其中包括貪婪和仇恨。為了避免這樣的結果，對于我們投資于改進人工智能的每一美元和每一分鐘，明智的選擇應當是將其投資在探索和發展人類意識方面。

圖1 Rδ+θ值、Rα值和Rβ值隨色溫的變化趨勢圖
Fig.1 Trend chart of Rδ+θ,Rα and Rβ value with color temperature

3.2 照度對腦疲勞的影響

隨著照度的提高，Rδ+θ值先減小后增大，2 500 lx對應的Rδ+θ值最大，2 000 lx對應的Rδ+θ值最小，說明過高的照度更容易引起腦疲勞，且程度更深，在合理的照度范圍內，腦疲勞的程度隨著照度值的提高而減小。隨著照度的增加，Rα值先增加后減小，1 500 lx對應的Ra值最大，3 000 lx對應的Rα值最小(見圖2)；照度小于1 500 lx時，Rβ值基本穩定，變化不明顯，超過1 500 lx后迅速增加，3 000 lx對應的Rβ值最高，1 500 lx對應的Rβ值最小，說明低于1 500 lx的范圍內，受試者處于一種較為放松的學習狀態。隨著照度的提高(不超過1 500 lx)，學生的精神興奮度變化不明顯，照度超過1 500 lx后，學生的精神興奮性受到刺激迅速提高，同時腦疲勞也開始增加。綜合考慮腦疲勞程度和精神興奮性，照度最佳水平為2 000 lx。

圖2 Rδ+θ值、Rα值和Rβ值隨照度的變化趨勢圖
Fig.2 Trend chart of Rδ+θ,Rα and Rβ value with illumination

圖3 Rδ+θ值、Rα值和Rβ值隨光照時間的變化趨勢圖
Fig.3 Trend chart of Rδ+θ,Rα and Rβ value with time

3.3 光照時間對腦疲勞的影響

隨著光照時間的延長，Rδ+θ值逐漸增大，超過2.5 h后急劇增加，說明光照時間越久，腦疲勞程度越深，且逐漸加速。隨著光照時間的增加，Rα值逐漸降低，光照前期緩慢變小，超過1.5 h后，Rα值迅速下降；Rβ值先增加后減小，光照2 h左右Rβ值最高(見圖3)；綜合Rα值和Rβ值的變化規律，說明光照時間在2 h內，受試者的精神興奮性隨光照時間的增加逐漸緩慢增高，超過2 h后，精神興奮性降低，腦疲勞程度加深。綜合考慮腦疲勞程度和精神興奮性，最佳光照時間為1.5 h或2 h。

4 結論

隨著色溫的提高，被試者的腦疲勞程度增大，6 500 K色溫下學生的腦疲勞最嚴重；5 000 K色溫的精神興奮性最高，腦疲勞程度適中。隨著照度的增加，腦疲勞先減小后增大；過高的照度更容易引起腦疲勞，而且腦疲勞程度更深；在合理的照度范圍內(不超過1 500 lx)，腦疲勞的程度隨著照度值的提高而減小；綜合考慮腦疲勞和精神興奮性的要求，照度最佳水平為2 000 lx。隨著光照時間的增加，受試者的腦疲勞程度越深；受試者的精神興奮性隨光照時間的增加逐漸增高，且增加速度較為緩慢；光照時間超過2 h后，精神興奮性降低，腦疲勞程度加深。綜合考慮腦疲勞程度和精神興奮性的要求，最佳光照時間為1.5 h或2 h。當然，這僅是一個實驗的結果，還不能說明這就是完整的科學結論，有關LED照明環境下腦疲勞的問題還有待進一步的研究。

參考文獻

[1] 夏嵐,王見榮,梁妃學,等.基于生理信號的精神疲勞評估[J].南方醫科大學學報,2012,32(6):870-873.

[2] LAL SAROJ K L，CRAIG A.A critical review of the psychophysiology of driver fatigue[J].Biological Psychology，2001，55(3): 173-194.

[3] 曾堃，郝洛西.EEG作為光與情緒實驗方法的探討——以心內科CICU模擬病房白光環境實驗為例[J].照明工程學報，2017，28(6): 42-47.

[4] 曹雪亮,苗丹民,劉練紅.腦力疲勞評定方法現狀[J].醫學爭鳴,2006,27(4):382-384.

[5] 張海軍,王浩川.多導聯EEG信號分類識別研究[J].計算機工程與應用,2008,44(24)：228.

[6] 季忠,秦樹人,彭麗玲.腦電信號的現代分析方法[J].重慶大學學報,2002,25(9):108-112.

[7] 楊仁桓,宋愛國,徐寶國.基于諧波小波包變換的腦電波基本節律分析[J].東南大學學報(自然科學版),2008,38(6):996-999.

[8] 韓清鵬.利用EEG信號的小波包變換與非線性分析實現精神疲勞狀態的判定[J].振動與沖擊,2013,32(2):182-188.

[9] WANG L,NIE X,HAN QK.Quantitative estimation on human mental states with wavelet package transform of EEG signals[J].Theory and Practice of Chinese Medicine,2004,14 (11): 1580-1585.

[10] 劉加平.建筑物理[M].北京：中國建筑工業出版社，2009.

[11] 建筑照明設計標準: GB 50034—2013[S].北京: 中國建筑工業出版社，2013.

Changes in EEG Signals of Students in Different LED Lighting Environments

YANG Chunyu1,2，WANG Tongyue1,2，LIANG Shuying1,2，XIANG Yiyan1,2，YANG Peiliang1,2，HE Wei1,2

(1.Faculty of Architecture and Urban Planning,Chongqing University,Chongqing 400045,China;2.Key Laboratory of New Technology for Construction of Cities in Mountain Area of the Ministry of Education,Chongqing University,Chongqing 400045,China)

Abstract：Poor lighting environment in the classroom can easily lead to fatigue,thus reducing the learning efficiency.Through laboratory simulation of classroom lighting environment,volunteers can study for 3 hours in LED lighting environment with different illumination levels (500 lx,1 000 lx,1 500 lx,2 000 lx,2 000 lx and 3 000 lx)and color temperature (4 000 K,5 000 K and 6 500 K).In each half hour,we monitored the brain electrical signal (EEG),and analyzed its frequency band energy proportional R value to determine the degree of brain fatigue and the change of mental excitability.The results showed that,with the improvement of illumination,students’ brain fatigue decreased first and then increased,and the brain fatigue was the lowest in the 2 000 lx illumination group,indicating that excessive illumination was more likely to cause brain fatigue.The initial change of mental excitability was not obvious,and it increased significantly after 1 500 lx.With the increase of color temperature,the brain fatigue gradually increased,and the mental excitability increased first and then decreased.The effect of light time was similar to that of color temperature,and the fatigue of brain was increased with time,and the speed was accelerated.With the increase of time,the mental excitability increased first and then decreased.

Key words:LED;classroom lighting;illumination;color temperature;EEG

中圖分類號：TM923

文獻標識碼：A

DOI:10.3969/j.issn.1004-440X.2019.02.012

基金項目：國家自然科學基金面上項目——基于光氣候分區的高校室內照明與大學生抑郁情緒的光生物效應研究(批準號：51478060)，國家重點研發計劃重點專項——公共建筑光環境提升關鍵技術研究及示范(批準號：2018YFC0705102-04)