深圳大学:基于沉浸式虚拟现实框架的地铁隧道火灾疏散人体感知运动耦合机制解码

标题：Decoding the human perception-motion coupling mechanism in metro tunnel fire evacuation: An immersive virtual reality framework

作者：原志路，谢昌扬，毛子轩*，谢传智，童蕴贺，傅志坚，贾洪飞，郭仁忠

期刊：Advanced Engineering Informatics（中科院一区Top，影响因子11.62）

Doi：https://doi.org/10.1016/j.aei.2026.104993.

郭仁忠院士团队原志路助理教授在工程技术与人工智能领域顶级学术期刊《Advanced Engineering Informatics》发表了题为"Decoding the human perception-motion coupling mechanism in metro tunnel fire evacuation: An immersive virtual reality framework"的研究论文。该研究面向地铁隧道火灾逃生中高保真数据获取难与感知-运动耦合机制解析难的双重挑战，基于沉浸式虚拟现实技术，提出了一种融合万向跑步机、眼动追踪与可解释机器学习的感知-运动耦合实验框架，系统揭示了烟雾浓度与人群密度对视觉注意、运动决策及逃生路径选择的影响规律。

该成果以深圳大学原志路助理教授为第一作者，深圳大学测绘工程研二同学谢昌扬为第二作者，吉林大学博士生毛子轩为通讯作者，深圳大学郭仁忠院士等人为论文合作者。

    地铁隧道火灾事故因其空间封闭、能见度低、疏散路径复杂，极易造成大规模人员伤亡。同时，传统疏散研究方法存在明显瓶颈：实地演练受安全与伦理限制，无法真实复现火灾危险；计算模型则依赖简化行为规则，缺乏实证校准。虚拟现实技术为此提供了新可能，但现有VR研究仍存在三大不足：1.多使用手持控制器，忽略隧道环境对身体转向的真实运动学约束。2.眼动追踪数据多作静态统计，缺乏对动态决策过程的刻画。3.决策行为与物理运动被割裂分析，其耦合机制未被充分探索。

    本研究旨在构建一套高保真VR多模态同步分析框架，通过全向跑步机+VR头显+眼动追踪的深度融合，解码地铁隧道火灾疏散中人类视觉决策与物理运动的动态耦合规律，为高密度客流安全管控与应急疏散策略提供科学依据。

本文提出了“高保真环境构建→多模态同步采集→决策点精细化分析→可解释建模解码”的沉浸式虚拟现实研究框架，实现了了从硬件层的VR设备与万向跑步机，到数据层多模态同步，再到分析层的决策点切片与统计检验，最终到机制层可解释机器学习的完整闭环，完成对地铁隧道火灾疏散中视觉感知与物理运动的时空耦合规律的解码。

本研究利用Blender/Houdini构建地铁隧道火灾虚拟场景，并在Unity 3D中集成动态烟雾、车厢与疏散路径。完成虚拟环境搭建后，接入VR头显、全向跑步机及工作站，形成"视觉沉浸+物理运动约束"一体化实验平台。

针对不同的地铁隧道火灾场景，本研究设计了3种烟雾浓度与3种NPC密度，形成9项不同的实验条件。随后招募45位受试者，在9种实验情景下完成疏散模拟实验，并通过前/后问卷（PANAS、IPQ、SSQ）评估情绪与沉浸感。在实验全程，本研究同步采集疏散实验信息、物理运动数据、眼动数据三类行为数据，最终实现50Hz全局时钟对齐的多模态数据流。

本研究基于环境拓扑结构突变点的空间语义、危险信号梯度呈现的环境线索，以及决策后果不可逆性的行为功能设立了关键决策点提取的三重逻辑，并依此划分出初始响应、方向抉择、烟雾感知、视觉确认4处关键决策点，将连续疏散过程切分为阶段性决策单元，进而评估环境与行为的主效应及交互效应。

借助VR头戴设备与万向跑步机，同时结合搭建完成的50Hz全局时钟对齐多模态数据流，本研究获取了疏散实验信息、物理运动数据、眼动数据三类行为数据，并将其划分为视觉感知、运动行为与疏散决策重要性三大维度，进而揭示模拟疏散过程中的人体感知运动耦合机制。

以DP2决策点为例，此处受试者的注视角度范围上涨77%，同时轴比从2.42升高至5.93。注视角度范围的变化说明从封闭车厢到开放站台的空间语义突变会强制触发认知层面的“环境重评估”，视觉搜索广度呈指数级扩张。

从疏散速率来看，受制于狭窄密闭空间与初期决策负荷，车厢内受试者的速度最低。当受试者抵达站台，空间开阔且视野条件较好，疏散速率达到峰值。

同时，本研究发现，高烟雾浓度下平均速度反而高于中烟雾浓度。结合速率-密度热力图（图9）追溯其原因，发现中浓度下存在显著的“停-观-行”模式，而高浓度下由于视觉完全失效，部分参与者放弃主动评估策略，转为持续高速盲目前冲，直到撞见火源才被迫急停。这表明极端视觉剥夺会诱发“运动优先于认知”的应激模式。

图8. 兴趣区域疏散速率

在疏散过程中，路径效率对变量不敏感，但转向次数却表现出极高敏感性。低烟组转向均值为3.07次，中烟组上升至5.31次，增加73%。这说明在烟雾干扰下，个体通过频繁调整行进方向来补偿空间认知的退化，路径曲折度是比总距离更灵敏的“认知混乱度”指标。

    在相同狭窄空间内，受试者产生了截然不同的注视分布，证明视觉策略受空间语义而非单纯物理尺寸调控。同时，烟雾浓度引发视觉系统的从有序向无序转变，在中烟雾浓度与高烟雾浓度之间存在明确的相变阈值，超过该相变阈值后，视觉扫描机制瓦解，受试者从"停-看-决策"的疏散策略转变为"盲目前冲"。

    本研究通过构建RBF-SVM分类模型，并利用SHAP进行特征贡献度拆解，建立了"感知→行为→选择"的因果路径，证明DP1-DP2阶段的微行为，如速度、犹豫、注视分配等，可作为实时预警指标，为自适应疏散引导系统提供数据基础。