基于显著性检验和相关性分析的VR晕动症与场景参数研究.pdf

装备制造技术 2023 年第 7 期0引 言虚拟现实（VR）技术能在多维信息空间构造动态VR 环境1。VR 技术能够突破时空和行为的限制，因此它在医疗、教育、文娱和游戏等行业应用潜力巨大，并被资本市场认为是信息产业的“下一个风口”2。但是，VR 技术的发展也还面临着许多问题，主要包括硬件设备的局限、软件资源的匮乏、交互方式的不自然和虚拟现实晕动症（VRMS）等3。其中，晕动症（VRMS）严重制约了 VR 技术的发展4。VRMS 是指人们长时间体验 VR 时产生的恶心、眼睛疲劳和唾液分泌增加等不适症状5。它属于晕动症（MS）的一种，是由人们视觉器官看到的场景信息和前庭器官感受到的运动信息在大脑中发生冲突引起的6。Kim 等7将 VRMS 的相关症状分为 3 大类和16 小类，并基于上述症状的类别进行 VR 晕动症水平（VRMSL）的评估。16 小类分别是肠胃不适（N）、眼部不适（O）和方向障碍（D）3 种大症状的具体表现。肠胃不适主要表现为胃部不适、打嗝等症状，它与自主神经系统活动相关。眼部不适主要是视觉障碍问题。方向障碍主要反映为前庭功能障碍或前庭神经系统功能紊乱。本研究重点针对 VR 场景参数，包括 VR 角色移动速度、环境主题和移动路况种类对晕动症水平（VRMSL）的影响，以及 VRMS 对用户的影响规律进行研究，以求减少 VRMS 对 VR 产业发展的限制影响。1研究方法1.1 VRMS 水平评估当前，主观评定法仍是最有代表性的 VRMSL 的评估方法7。主观评定法需要预前设计晕动症敏感性量化调查表（MSSQ）和晕动症评估量化调查表（MSAQ）。MSSQ 表通过受试者的生活经历、个体差异和保护行为等可能与 VRMS 产生有关的因素的等级来评估受试者对VRMS 的敏感性或耐受性8，进而表征受试者个体间的差异性。其主要通过问卷调查的方法收集受试者未成年时期（12 岁前）和成年时期最近10 年内可能与 VRMS 敏感性有关的生活情况。受试者敏感性的量化总评分为两部分的叠加。MSAQ 表通过问卷调查方式实时收集受试者 VRMS 期间根据主观感受反馈的 16 种小症状的水平及其评分（03），这使得它具有较高的科学性。通过如下式（1）计算受试者 3 大症状的评分和总评分 TS。其中，a、b 和 c 分别基于显著性检验和相关性分析的 VR 晕动症与场景参数研究杨安1，朱伥蓉2，吴宗明3，姚瑶1，杨秋合1，陈云志1（1.杭州职业技术学院，浙江 杭州 310013；2.国家知识产权局专利局专利审查协作河南中心，河南 郑州 450046；3.杭州幻行科技有限公司，浙江 杭州 311215）摘要：通过实验收集 26 位受试者在不同 VR 场景中的体验时间、体验前后的反应时间差值和体验过程中相关症状的水平，并利用基于 MSSQ 和 MSAQ 的方法评估受试者的 VR 晕动症水平。利用独立双样本检验分析不同 VR 场景对受试者的体验时间和反应时间差值的影响。基于 Pearson 积差和 Spearman 相关系数研究受试者的体验时间、反应时间差异、MSSQ 总评分、肠胃不适评分、眼部不适评分、方向障碍评分和 MSAQ 总评分之间的联系。结果发现 VR 角色移动速度、环境主题和移动路况种类与 VRMS 水平具有显著相关性，同时，VRMS 水平会影响到用户的体验时间、体验后的反应时间差值。关键词：VR 晕动症；场景参数；显著性检验；相关性分析中图分类号：TP391文献标志码：A文章编号：1672-545X（2023）07-0023-06收稿日期：2023-03-02基金项目：2021 年度浙江省基础公益研究计划项目“防眩晕 VR 运动平台关键技术及研制”（LGG21E050005）第一作者：杨安（1973-），女，江西上饶人，教授，研究方向：机械设计与智能制造.23Equipment Manufacturing Technology No.7袁2023为肠胃不适、眼部不适和方向障碍对应的小症状评分的叠加。总评分 TS 反映了受试者的 VRMSL。N=a 伊 9.54O=b 伊 7.58D=c 伊 13.92TS=a+b+c 伊 3.74（1）在实验前，请每位受试者根据自身晕动症敏感情况填写 MSSQ 表。实验过程中，受试者体验两种主题VR 场景（自然风光和城市街区）的同时，每 2 min 报告一次实时的 16 种小症状情况。当实验结束，再请受试者对实验结果进行补充和汇总。如果受试者不能完成预定 VR 场景体验而提前结束，则采用体验过程最后 2 min 的症状水平进行补充。未出现症状的等级记为 0。1.2 显著性检验研究 VR 场景的角色移动速度、路况种类和场景主题是否会影响受试者的反应时间差异、体验时间长短和 VRMSL，对 VR 场景的设计具有重要指导意义。显著性检验作为常用的统计检验方法，能够检验受试者在不同场景下的反应是否具有显著差异。显著性检验（Significance Test）是基于逻辑学的反证法和统计学的小概率原理，能够衡量两个或多个数据集彼此间是否存在差异或显著差异。简单地说，显著性检验重点是判断样本实际特征与事先所做假设之间的差异是否偶然。显著性检验的步骤如下：（1）提出假设；（2）选择适当的检验统计量；（3）规定显著性水平 琢（一般包括0.01、0.05 和 0.10）；（4）计算检验统计量的值；（5）根据选定的显著性水平 琢，查表得出合适的临界值 t琢或 t琢/2，将检验统计量的值与 琢 水平的临界值进行比较，得出拒绝或不拒绝原假设的结论。其中，检验统计量一般根据样本大小和总体方差已知或未知来选择。为了检验受试者体验不同 VR 场景前后的反应时间、体验时间长短和 VRMSL 的差异，针对体验 VR场景前后两个样本总体的均值进行显著性检验。选择对样本容量要求较低的独立双样本 t 检验来验证 VR场景参数对受试者反应时间、体验时间长短和 VRM原SL 的影响。独立双样本 t 检验的假设条件包括两个样本总体独立随机、两个样本总体为正态分布和两样本总体方差未知（包括相等或不相等两种情况）。两种VR 场景体验是分别进行的，因此，受试者的反应时间、体验时间长短和 VRMSL 为两个独立样本总体。需要指出的是，当两样本总体方差相等或不相等时，独立双样本 t 检验的检验统计量计算方法并不相同。对于具有不相等方差 滓21和 滓22的两个正态总体X1（滋1，滓21）和 X2（滋2，滓22），即 滓21屹滓22。独立双样本 t 检验的检验统计量计算方法如式（2）和式（3）所示。t=（X軍1-X軍2）-（滋1-滋2）Sp1n1+1n2姨（2）S2p=（n1-1）S21+（n2-1）S22n1+n2-2（3）其中，X軍1和X軍2分别为总体 X1和 X2的样本均值，滋1和 滋2分别为总体 X1和 X2的期望，S2p为总体样本差值的标准偏差，n1和 n2分别为总体 X1和 X2的样本数量，S21和 S22分别为总体 X1和 X2的方差。对于具有相等方差的两个样本总体，即 滓21=滓22。独立双样本 t 检验的检验统计量计算方法如式（4）所示。因此，为了检验两个样本总体的方差是否相等，在对样本进行独立双样本 t 检验前，需要先利用 F 检验验证其方差齐性。t=（X軍1-X軍2）-（滋1-滋2）S21n1+S22n2姨（4）1.3 相关性分析MSSQ 和 MSAQ 包含多种子项评分。MSSQ 评分由受试者在儿童和成人时期的生活经历和习惯决定，而 MSAQ 总评分由肠胃不适、眼部不适和方向障碍三部分评分综合计算得到。为有效说明和揭示受试者VR 体验前后反应时间差异、VR 体验时间长短、VRMSL、MSSQ 和 MSAQ 各分项间的关系，对它们进行相关性分析很有必要。相关性分析通过计算两个或多个具备相关性的数据样本间的相关系数，从而衡量两个数据样本的相关密切程度。由于受试者 VR 体验前后反应时间差异、VR 体验时间长短、VRMSL、MSSQ 和 MSAQ 各种分项彼此间的关系到底是线性相关还是非线性相关并不确定，因此，参数相关和非参数相关两种情况都需要考虑。计算表征参数相关性的皮尔逊（Pearson）积差相关系数和非参数相关性的斯皮尔曼（Spearman）相关系数。Pearson 积差相关系数由两个数据样本的协方差除以每个数据样本标准差的乘积而得到。它能够描述两个连续数据样本之间线性关系的强度。Pearson 积差相关系数需要满足三个积差相关分析适用条件，包24装备制造技术 2023 年第 7 期括两个数据样本是线性关系且都是连续数据，两个数据样本总体是正态分布，或接近正态的单峰分布，两个数据样本的观测值是成对的，每对观测值之间相互独立。如果两个数据样本分别为 X（滋x，滓x）和 Y（滋y，滓y），那么两个数据样本间的 Pearson 积差相关系数 籽P，X，Y可通过式（5）计算：籽P，X，Y越cov（X，Y）滓X滓Y越E（XY）-E（X）E（Y）E（X2）-E2（X）姨E（Y2）-E2（Y）姨（5）其中，E 是数学期望运算，cov 表示协方差运算。Spearman 相关系数，又被称为秩次相关系数，利用两个数据样本的秩次大小对两个数据样本做相关分析。它对原始数据样本的分布不作要求，属于非参数统计方法。当两个数据样本为非高斯分布时，它们之间的关系强度可能会随着数据样本的分布而变化，此时可用 Spearman 相关系数来描述两个数据样本的非线性单调关系强度。因此，它适用于定序数据样本或不满足正态分布假设的等间隔数据样本。与 Pear原son 积差相关系数不同的是，Spearman 相关系数是利用数据样本值的相对秩次大小计算得到的。假设有两个数据样本 X、Y，元素个数均为 N，两个数据样本的第 i（1 臆 i 臆 N）个样本值分别为 Xi、Yi。对 X、Y 进行排序（同时为升序或降序），得到两个元素排行集合 x、y，其中元素 xi、yi分别为 Xi在 X 中的排行以及 Yi在 Y 中的排行。将集合 x、y 中的元素对应相减得到一个差分排行集合 d，其中 di=xi-yi，1 臆 i 臆 N。两个数据样本 X、Y 之间的 Spearman 相关系数 籽S，X，Y由 x、y 或 d 计算得到。其计算方式分别如式（6）和式（7）所示。籽S，X，Y=1-6Ni=1移d2iN（N2-1）（6）籽S，X，Y=1-Ni=1移（xi-x軃）（yi-y軃）Ni=1移（xi-x軃）2Ni=1移（yi-y軃）2姨（7）其中，x軃和y軃分别为两个元素排行集合 x 和 y 的样本均值。值得指出的是，Spearman 相关系数也能判断两个数据样本之间的线性关系，不过检验效能稍弱。2实验设计2.1 VR 环境提供装置如图 1 所示，VR 环境提供装置包括 VR 眼镜、定位器和装有 VR 场景软件的高性能电脑。其中，装有 VR 场景设计软件的高性能电脑通过大速率视频传输线给 VR 眼镜提供场景信息。基于红外线或可见光等定位原理，在某一固定位置的定位器可以将 VR 眼镜的空间位置信息通过数据线实时反馈给电脑。VR 用户戴上 VR 眼镜，即可完成 VR 内容体验。选择的 VR 设备为 HTC vive 套装。2.2 VR 场景设计为了研究 VR 场景参数对 VR 晕动症的影响，专门设计了具有不同参数的 VR 场景，重点考虑和分析了以下三个问题。（1）受试者跟随 VR 场景角色沿预设路径自动前进以完成 VR 场景体验。（2）设计不同的 VR 场景，以便用于分析场景参数对 VRMS 的发生和水平的影响。（3）VR 场景中角色的移动速度，环境和移动路况等因素与 VRMS 的产生和水平之间的关系并不明确。为了分析 VR 场景对 VRMS 发生和水平的影响，需要设计具有显著差异的 VR 场景。城市街区、自然风光和过山车场景是最为常见的 VR 场景。采用城市街区和自然风光两种 VR 环境以构成对比，研究移动速度、VR 环境和路况对 VRMS 的影响。直线、曲线和利用石块模拟的颠簸路段是最常见的三种路况。在此基础上，又增加了直角转弯、桥面上下坡和锥形颠簸路段。2.3 实验描述2.3.1 受试者共有 26 位（18 男 8 女，平均年龄 24.8 岁）身体健康的受试者自愿参与了实验。他们均没有 VRMS 经历，没有胃肠道、心血管疾病史，没有吸毒或酗酒史，视力正常或矫正后正常。实验期间，受试者身体健康且睡眠充足。实验开始前，受试者会被告知实验流程和各环节的相关注意事项。图 1实验系统整体结构1 号定位器VR 眼镜空间位置VR 场景高性能电脑2 号定位器25Equipment Manufacturing Technology No.7袁2023图 3反应时间测试界面及流程初始界面准备开始开始计时开始停止开始停止开始停止从开始计时至点击停止按钮后为反应时间图 2基于标准恶心评分的 VRMS 实验流程开始结束实验后实验前实验中MSSQ测试反应时间测试VR 场景体验MSAQ 记录反应时间测试2.3.2 实验流程为了研究角色移动速度、VR 环境内容和移动路况种类对 VRMS 的影响，实验中使用城市街区和自然风光两种 VR 场景。城市街区场景角色移动速度较快，环境内容整体比较拥挤，移动路况种类较为丰富。自然风光场景角色移动速度比较缓慢，环境内容整体较为舒缓开阔，移动路况种类比较简单。为了更好的说明受试者的独立性，26 位受试者中有 13 位受试者体验城市街区 VR 场景，另外 13 位受试者进行自然风光 VR 场景体验。（1）受试者体验自然风光 VR 场景。实验前，13 位受试者根据自身情况和生活经历填写 MSSQ 量化表，以评估其对 VRMS 的敏感性或耐受性。MSSQ 量化表包括儿童时期（12 岁之前）和成年时期（最近十年）两部分8。两部分的填写需要受试者根据生活经历回答3 个问题：（1）受试者在生活中乘坐或体验容易诱发VRMS 的交通工具和娱乐设施的频率？（2）受试者在乘坐上述交通工具和体验娱乐设施时感到恶心的频率？（3）受试者在乘坐上述交通工具和体验娱乐设施时严重到呕吐的频率？受试者根据自身情况，给出对应不同频率的等级评分（03）。受试者 MSSQ 总分由儿童（12 岁前）和成人（最近 10 年）两部分评分相加得到。（2）测试受试者的反应时间。如图 2 所示，反应时间测试界面由测试框、开始和停止按键三部分组成。初始界面时，受试者点击“开始”按键后，测试框显示白色。若干时间后，测试框颜色变为橙红色，开始计时。受试者尽快点击“停止”按键。从测试框颜色改变至受试者点击“停止”按键中间的时间段，即为受试者的反应时间。测试界面下方显示本次反应时间测试结果。反应时间共测试 10 次，最终反应时间取 10 次结果的平均值。（3）受试者体验自然风光主题的 VR 场景。体验过程中，利用 MSAQ 量化表来记录受试者出现的 16种小症状水平（03）。如表 1 所示，可能出现的症状包括恶心、眼部不适和方向障碍三大部分。它们具体细分为一般不适、疲劳和头痛等 16 种小症状。受试者每2 min 报告 1 次当前主观感受到的 VRMS 症状和其03 的等级评分。整个测试周期不超过 14 min。如果受试者由于 VRMS 的原因而无法坚持至 14 min，那么实验提前结束。记录受试者当前的体验时间，即受试者发生 VRMS 时的可承受时间。根据实验结束时的VRMS 症状等级，将受试者的 MSAQ 量化表补充至14 min。（4）再次测试受试者的反应时间，其测试流程与上述一致，详见图 3 所示。自然风光 VR 场景实验结束后，受试者进行城市街区主题 VR 场景体验实验。两种场景实验流程类似。3结果与分析3.1 VR 场景对体验时间，VRMSL 和反应时间差值的影响根据上述实验流程，得到受试者完成自然风光和城市街区主题的 VR 场景体验的实验结果。根据实验结果，计算得到 26 位受试者体验两种 VR 场景前后的 MSSQ 总分、肠胃不适评分 N、眼部不适评分 O、方向障碍的评分 D、总评分 TS、反应时间差值和体验时间（表 2）。由表 2 可知，在体验自然风光主题的 VR 场景时，有 30.8%（4/13）的受试者由于 VRMS 而无法坚持14 min。在城市街区主题 VR 场景体验过程中，仅有 1表 1传统 MSAQ 量化表中 16 种小症状和 3 种大症状7症状权重症状权重NODNOD一般不适11-精神不集中11-疲劳-1-头胀-1头痛-1-视力模糊-11眼睛疲劳-1-头晕，睁眼-1聚焦困难-11头晕，闭眼-1唾液增加1-眩晕-1出汗1-胃部不适1-恶心1-1打嗝1-26装备制造技术 2023 年第 7 期位受试者完成了 14 min 的 VR 体验，92.3%（12/13）的受试者提前结束了实验。为了检验自然风光和城市街区两种主题的 VR 场景对受试者体验时间是否具有显著影响，首先利用 F检验测试了受试者体验时间样本的方差齐性。检验结果如表 3 所示，当 琢 0.05。因此，受试者关于自然风光（M=13.08，SD=2.41）和城市街区（M=9.85，SD=4.97）两种主题 VR场景的体验时间样本具有方差齐性。然后将 琢 取为0.05，对受试者的体验时间样本进行双样本等方差假设的独立双样本 t 检验。根据表 4 所示的检验结果可知，当 琢 0.05 时，P 0.05。因此，受试者关于自然风光和城市街区 VR 场景的体验时间样本存在显著差异性。在自然风光 VR 场景中，角色移动速度缓慢，环境舒缓且开阔，移动路况简单自然。对比城市街区 VR 场景，受试者平均体验时间要长 3.23 min。这表明角色移动速度缓慢，环境舒缓且开阔，移动路况简单自然的 VR 场景能够让受试者拥有更为长久的 VR 场景体验。采用类似的流程，对受试者的 VR 晕动症总评分和反应时间差值分别进行差异显著性分析。如表 5 所示，受试者关于自然风光 VR 场景的 VR 晕动症总评分样本（M=75.15，SD=674.63）和城市街区场景的VR 晕动症总评分（M=260.32，SD=4514.56）样本在琢 0.05，具有方差齐性。如表 6 独立双样本 t 检验的结果所示，当 琢 0.05 时，P 0.05。因此，受试者关于两种 VR 场景的 VR 晕动症总评分具有显著性差异。两种 VR 场景的 VR 晕动症总评分均值相差 185.17。这表明具有较快移动速度、拥堵城市街区环境和复杂移动路况的 VR 场景更容易引起高水平的 VRMS 水平。表 2基于 VR 晕动症总评分的 VRMS 实验结果MSSQ总分MSAQ 量化表评分反应时间差值/ms体验时间/minVR 场景NODTS34.4516.357.5817.9090.8741.2714自然风光32.088.182.1717.9077.2829.8714自然风光41.5817.724.3321.87103.8657.6012自然风光24.308.184.3315.9172.0129.1214自然风光47.5213.633.2525.85113.5661.6012自然风光32.6710.903.2519.8988.5230.6014自然风光9.5910.902.175.9735.3811.5314自然风光19.406.811.089.9445.0818.8714自然风光21.048.182.1715.9169.8423.0714自然风光19.4013.633.257.9546.6320.8014自然风光15.986.815.417.9541.9814.6714自然风光32.9414.998.6617.9090.5935.8010自然风光40.2116.353.2521.87101.4151.5310自然风光34.4561.3317.3355.68286.9087.3310城市街区32.0842.2516.2447.73236.9963.078城市街区41.5864.0511.9175.57358.58114.138城市街区24.3035.4315.1651.70243.9661.6010城市街区47.5239.5212.9991.47394.63114.138城市街区32.6729.9812.9953.69243.7867.8010城市街区9.5932.7110.8337.78184.8531.0714城市街区19.4032.719.7543.75206.0744.8712城市街区21.0434.076.5053.69241.3754.6712城市街区19.4050.4314.0837.78205.8146.9312城市街区15.9825.8915.1641.76197.2444.2710城市街区32.9464.0550.8931.82233.9470.808城市街区40.2139.5212.9979.54350.0188.076城市街区项目变量 1变量 2平均13.089.85方差2.414.97观测值13.0013.00Df12.0012.00F0.48-P（F臆f）单尾0.11方差相同F单尾临界0.37-表 3体验时间样本的 F检验-双样本方差分析结果表 4体验时间样本的独立双样本 t 检验结果项目变量 1变量 2平均值13.089.85方差2.414.97观测值13.0013.00合并方差3.69-假设平均差0.00-Df24.00-t Stat4.29-P（T臆t）单尾0.00-t 单尾临界1.71-P（T臆t）双尾0.00显著不同t 双尾临界2.06-项目变量 1变量 2平均75.15260.32方差674.634514.56观测值13.0013.00Df12.0012.00F0.15-P（F臆f）单尾0.00方差相同F单尾临界0.37-表 5VR 晕动症总评分的 F检验-双样本方差分析结果表 6VR 晕动症总评分的独立双样本 t 检验结果项目变量 1变量 2平均75.15260.32方差674.634514.56观测值13.0013.00合并方差2594.59-假设平均差0.00-Df24.00-t Stat-9.27-P（T臆t）单尾0.00-t 单尾临界1.71-P（T臆t）双尾0.00显著不同t 双尾临界2.06-27Equipment Manufacturing Technology No.7袁2023反应时间差值的 F 检验双样本方差分析结果见表 7。从表中可以看出，受试者完成自然风光（M=32.79，SD=259.74）和城市街区（M=68.36，SD=682.37）两种 VR 场景体验前后的反应时间差值样本在 琢 0.05 时，具有方差齐性。反应时间差值的独立双样本的 t 检验结果见表 8。表 8 中的独立双样本 t 检验结果支持了二者具有显著差异性。不过，两种 VR 场景体验前后反应时间差值的均值相差仅有 35.57 ms。这表明城市街区 VR 场景会延长反应时间，但这种延长作用并不明显。通过上述分析可以发现，VR 场景的角色移动速度、环境内容和移动路况均会对受试者的体验时间、VR 晕动症总评分和反应时间差值产生影响。具有较快角色移动速度、拥堵环境内容和复杂移动路况的VR 场景会显著降低受试者的体验时间，极大提高VR 晕动症水平和小幅度增大反应时间。受试者由于 VRMS 而无法坚持完成 VR 场景体验，因此出现较短的 VR 体验时间，也即 VR 晕动症总评分和 VR 体验时间往往成反比。统计了如图 4 所示的受试者在两种场景下反应时间差值与 VR 晕动症总评分的关系图。由图 4 可知，城市街区 VR 场景在引起受试者产生较高 VR 晕动症水平的同时，也会导致更长的反应时间差值。3.2 VR 晕动症与 MSSQ 总分对用户体验时间和反应时间差值的影响计算 VR 体验时间、反应时间差异、MSSQ 总分、肠胃不适评分、眼部不适评分、方向障碍评分和总评分评分之间的相关系数。由于无法确定它们之间是否为线性关系，同时计算表征参数相关性的 Pearson 积差相关系数和非参数相关性的 Spearman 相关系数8，计算结果见表 9。值得指出的是，MSSQ 调查表包括 12岁之前和最近 10 年两部分8。但考虑到受试者的年龄集中在 2035 岁范围内，仅研究了 MSSQ 总分与上述各项间的关系。由表 9 可知，除 MSSQ 评分之外，体验时间与其他各项测量值之间存在显著负相关。总评分与 MSSQ 之间的相关性较低。VRMSL 与MSSQ 的 Pearson 和 Spearman 相关系数分别为 0.395和 0.478。标准恶心评分与眼部不适评分的相关性分别为 0.610 和 0.797。这主要是因为恶心症状主要反映肠胃评分，而眼部不适主要代表视觉疲劳。反应时间差异和 MSSQ、总评分、肠胃不适、眼部不适和方向障碍均具有较高的正相关联系。不过，在使用参数统计方法时，并没有观察到反应时间差异与眼部不适具有很强的相关性。无论是参数统计还是非参数统计，MSSQ 与总评分、肠胃不适、眼部不适和方向障碍之间的相关性都很小，最大相关系数仅为0.478。项目变量 1变量 2平均32.7968.36方差259.74682.37观测值13.0013.00Df12.0012.00F0.38-P（F臆f）单尾0.05方差相同F单尾临界0.37-表 8反应时间差值的独立双样本 t 检验结果表 7反应时间差值的 F检验-双样本方差分析结果项目变量 1变量 2平均32.7968.36方差259.74682.37观测值13.0013.00合并方差471.05-假设平均差0.00-Df24.00-t Stat-4.18-P（T臆t）单尾0.00-t 单尾临界1.71-P（T臆t）双尾0.00显著不同t 双尾临界2.06-表 9各项测量指标间的 Pearson 和 Spearman 相关系数项目相关系数反应时间差异MSSQTSNOD体验时间Pearson-0.837-0.556-0.819-0.714-0.598-0.781Spearman-0.884-0.548-0.831-0.787-0.738-0.790反应时间差异Pearson-0.7080.9070.7680.4570.893Spearman-0.7030.9410.8470.7100.900MSSQPearson-0.3950.2360.1250.418Spearman-0.4780.3270.1530.426TSPearson-0.8470.5260.395Spearman-0.8940.7870.478NPearson-0.7500.738Spearman-0.8540.841OPearson-0.372Spearman-0.735图 4两种场景下受试者反应时间差值与 VR 晕动症总评分的分布1201008060402000100200300400500VR 晕动症总评分自然风光 VR 场景城市街区 VR 场景（下转第 46 页）28Equipment Manufacturing Technology No.7袁2023参考文献：1 李笑梅，贺德强，邓建新，等.城市轨道交通车辆转向架故障诊断方法综述J.装备制造技术，2015，252（12）：81-85.2 赵德尊，王天杨，褚福磊.基于自适应广义解调变换的滚动轴承时变非平稳故障特征提取J.机械工程学报，2020，56（3）：80-87.3 Cao S，Xu F，Ma T.Fault diagnosis of rolling bearing based onmultiscale one-dimensional hybrid binary patternJ.Measure原ment，2021，181：109552.4 Liu Q，Yang J，Zhang K.An improved empirical wavelettransform and sensitive components selecting method for bear原ing faultJ.Measurement，2021（187）：110348.5 胡茑庆，陈徽鹏，程哲，等.基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法J.机械工程学报，2020，55（7）：9-18.6 Qu H，Li T，Chen G.Synchro-squeezed adaptive wavelettransform with optimum parameters for arbitrary time seriesJ.Mechanical Systems and Signal Processing，2018，114：366-377.7 Li H，Liu T.Application of EEMD and improved frequencyband entropy in bearing fault feature extractionJ.ISA Trans原actions，2019，88：170-185.8 Konstantin D.Dominique Z.Variational mode decompositionJ.IEEE Transactions on Signal Processing，2014，62（3）：531-544.9 Vautard R，Yiou P，Ghil M.Singular-spectrum analysis J.Physica D，1992，158（1/2/3/4）：95-126.10 孙抗，张露，王福忠援基于变分模态分解和奇异值分解的局部放电信号去噪方法J援河南理工大学学报（自然科学版），2020，39（6）：119-126.最后，对比总评分、肠胃不适、眼部不适和方向障碍评分之间的相关系数可知，与眼部不适和方向障碍相比，总评分与肠胃不适的相关系数最大。这说明在肠胃不适、眼部不适和方向障碍之间，肠胃不适最能够表征 VRMSL 的特征。肠胃不适与眼部不适，肠胃不适与方向障碍之间的相关系数均大于 0.738，这表明肠胃不适最能够代表 VRMSL 特征。另外，总评分、肠胃不适、眼部不适和方向障碍评分之间的 Spearman 系数均大于 Pearson 系数。这表明总评分、肠胃不适、眼部不适和方向障碍彼此间的关系很可能是非线性的。4结 论本研究重点是 VR 晕动症与 VR 场景参数的关系、VRMS 对用户的影响规律。结果发现：（1）较快的 VR 角色移动速度、拥堵城市街区环境和复杂移动路况的 VR 场景更容易引起高水平的VRMS，同时会显著降低受试者的体验时间和小幅度增大用户的反应时间；（2）VR 场景体验时间和反应时间差异与 VR 晕动症症状水平均具有较高的正相关联系；（3）相较于眼部不适和方向障碍，肠胃不适更能够表征 VR 晕动症的水平。由于 VRMS 的研究涉及的知识点较多，未来的还可以针对以下方向进行研究：受试者样本容量可进一步扩大，可收集更多的分布在不同年龄阶段的受试者样本信息，以提高研究结果的适用性；针对 VR 场景相关参数对受试者的影响，可以展开更为细致、深入的研究，可通过控制变量法，详细研究 VR 场景中的色彩搭配、空间向量改变和场景丰富度对 VR 晕动症的影响。参考文献：1 姬喆.基于 VR 虚拟漫游技术的交互设计应用研究J.现代电子技术，2019，42（15）：86-90.2 高红波.中国虚拟现实（VR）产业发展现状、问题与趋势J.现代传播（中国传媒大学学报），2017，39（2）：8-12.3 张杨昊，李孝禄，许沧粟，等.具有运动真实感的 VR 健身单车设计及测试J.体育科学，2018，38（7）：50-55.4 李孝禄，闫剑锋，许沧粟，等.基于 VR 运动模拟器的体感模拟算法的研究J.系统仿真学报，2020，32（2）：255-261.5 徐苗.基于 EEG 的视觉诱导晕动症评估初步研究D.重庆：重庆大学，2017.6 李德豪.基于 EEG 的视觉诱导晕动症评估与检测D.重庆：重庆大学，2018.7 Kim H K，Park J，Choi Y，et al.Virtual reality sicknessquestionnaire（VRSQ）：motion sickness measurement indexin a virtual reality environment J.Applied Ergonomics，2018，69：66-73.8 Sang H K，Hea J K，Se-jin K，et al.A brain wave researchon VR（virtual reality）usage：comparison between VR and2D video in EEG measurement J.Advances in Human Fac原tors and Systems Interaction，2017，592：194-203.（上接第 28 页）46