基于EEG-VR探究照度与色温对脑活动的影响以优化照明设计
2026-05-13 来源:本站 点击次数:107
基于 EEG-VR 探究照度与色温对脑活动的影响以优化照明设计
引言
传统建筑照明设计规范多聚焦于照度等视觉性能指标，以满足“是否够亮”的基础功能需求，却长期忽视光照对人体神经系统的深层作用机制。近二十年来，随着光生物效应研究的深入，学界已证实室内照明可通过非成像视觉通路调控人体警觉性、情绪状态与认知表现，其中照度与相关色温（CCT）是影响人体神经与心理反应的两大核心参数。尽管现有研究提示高照度可提升清醒度、高色温短波长光或有助于增强认知表现，但相关效应易受照度干扰，其确切神经机制仍不明确。为突破真实环境中光照变量难以精准控制的局限，本研究采用虚拟现实（VR）构建标准化办公光环境，通过精确切换17种光照条件并捕捉暴露初期10秒的脑电响应，系统探究照度与色温调控下大脑的可预测神经反应，及其与主观情绪、照明偏好之间的关联，为面向神经健康与认知效能的科学化照明设计提供实证依据。
论文概要
本研究发表于《Journal of Building Engineering》，题为“Enhancing lighting design through the investigation of illuminance and correlated color Temperature's effects on brain activity: An EEG-VR approach”。研究采用虚拟现实沉浸式环境、高密度脑电（EEG）监测与机器学习分类相结合的创新范式，系统探究照度与相关色温（CCT）对人体脑活动模式、主观唤醒度、愉悦感及照明偏好的影响。研究最终纳入25名有效被试，被试在标准化VR办公场景中依次体验17种精准控制的人工照明条件，完成警觉性与工作意愿的主观评分，并自主调节至个人最优光环境。结果表明，照度与色温可显著调控额叶、顶叶等关键脑区的特定EEG频段特征；基于光照暴露最初10秒的脑电数据，机器学习模型可有效预测被试对光环境的偏好选择。
研究采用被试内设计，25名被试（15女10男，平均年龄24.4岁）逐一遍历全部光照条件。实验场景是一个4.0 m × 7.4 m × 3.0 m的虚拟办公空间，由Autodesk 3ds Max建模、Unreal Engine 4.26渲染，通过Meta Quest 2呈现。被试佩戴22通道脑电帽（10–20系统），坐在虚拟办公桌前，在每种条件下接受10秒光照暴露。
本研究先构建7档照度（300–4500 lm）×7档色温（1500–7500 K）的完整矩阵，形成49种理论光照组合，再从中筛选出17种具有代表性的实验条件：包括固定中等照度2400 lm下的全色温梯度、固定中性色温4500 K下的全照度梯度，以及低照度/高照度与低色温/高色温交叉组成的四象限典型条件。这种“十字+四角”的科学取样方式，既能清晰分离照度与色温的独立主效应，又能有效减少实验条件数量，避免被试因任务过载产生疲劳，保证数据稳定可靠。
研究最初招募33名健康成年人，因EEG运动伪迹、数据缺失和同步问题排除8人，最终有效样本为25人。实验流程包括前测问卷、EEG与VR设备佩戴、基线脑电记录、VR练习、正式光照暴露、主观评分、光照调节和退出访谈。每种光照条件开始时，被试先在无法调节光照的情况下暴露10秒；随后完成SAM评分；再获得30秒时间，通过左右手柄分别调节照度和色温，使光环境接近自己的理想状态；每个条件后设置5秒黑屏作为间隔；整个VR实验时长约20–22分钟。
脑电分析聚焦前10秒信号，提取θ、α、β、γ四个基础频段及其比值特征，通过mRMR算法筛选最具判别力的变量，最终以二次核支持向量机进行二分类，配合5折交叉验证与100次迭代评估稳定性。
结果呈现
照度水平能够快速调节脑电频段比值
照度变化与EEG频段比值呈显著线性相关。随着照度升高，中央及顶叶区域的α/θ、β/θ比值上升；在额叶区域，照度升高则与θ波功率降低、α/β及α/γ比值降低相关。这表明，照度提升并非使大脑整体更兴奋，而是在不同脑区呈现差异化的振荡调节模式。研究中与照度相关性最强的特征为C4电极α/θ、P4电极α/θ和Pz电极β/θ，其中C4电极α/θ与照度的相关系数达0.95，线性模型可解释90.41%的方差，结果显著。额叶与执行控制、工作记忆及决策相关，顶叶则与空间知觉和环境信息加工相关。
色温变化主要影响额叶与左颞区的频段功率
与照度不同，相关色温（CCT）对EEG的影响主要体现在基础频段功率上。研究显示，较高色温（冷白/偏蓝光）与额叶及左颞区的θ、α、β、γ频段功率呈正相关，效应最显著的为F4电极α功率、F4电极γ功率与F8电极γ功率。线性模型表明，CCT可解释88.33%的方差，结果具有统计学显著性。此外，CCT与α/γ比值呈负相关，即色温越高、光线越偏蓝，α/γ比值越低。
采用机器学习模型对不同照明条件进行二分类，以检验光照可引发可识别的脑活动模式。在固定中性色温4500 K条件下，高低照度N1与N6的分类准确率为68%；固定中等照度2400 lm条件下，低高色温M1与M6的分类准确率为74%。其余光照条件对的分类准确率介于64%–74%之间，六组对比的平均准确率约为70%，显著高于50%的二分类随机水平。该结果表明，不同照明条件可在EEG模式中形成可被算法识别的神经特征，人脑在不同光环境下会呈现可分类的响应模式。
研究进一步分析了脑电信号对被试主观情绪与行为偏好的预测效果，结果显示，基于光照暴露最初10秒的EEG数据，模型可有效区分被试的愉悦度与唤醒度水平，其中愉悦感分类准确率为74%，唤醒感分类准确率为81%，表明被试对光环境的主观评价与早期脑电反应存在显著关联。在照明偏好方面，研究者依据被试最终调节的光照参数将条件划分为偏好与非偏好两类，模型对偏好照度的分类准确率达79%，对偏好色温的分类准确率达69%，说明仅依靠光照暴露初期10秒的脑电信号，即可预测个体对照明条件的偏好选择。
总结与展望
本研究发现照度与色温通过不同神经通路作用于大脑。照度升高可提升中央-顶叶区域α/θ、β/θ比值，与警觉性调节相关；色温升高则增强额叶-左颞区θ、α、β、γ频段功率，与情绪加工相关，二者在神经机制上存在明确差异。
另外，该研究的EEG-VR范式为照明设计提供了新路径：照明优化可基于实时神经活动开展，而非仅依赖设计规范或主观评价。在办公、医疗、学习等空间中，有望依据脑电特征实现照度与色温的动态自适应调节。
本研究仍存在一定局限：
VR设备亮度范围有限，无法还原真实眩光与暗视觉场景；
实验以光源流明为计量标准，难以直接对应真实场景照度（lux）；
被试为康奈尔大学同质群体，样本多样性不足，结论外推性受限。
原文链接
Mostafavi A, Cruz-Garza J G, Kalantari S. Enhancing lighting design through the investigation of illuminance and correlated color Temperature's effects on brain activity: An EEG-VR approach[J]. Journal of Building Engineering, 2023, 75: 106776.
https://doi.org/10.1016/j.jobe.2023.106776
研究团队介绍
该研究由来自奥地利维也纳工业大学与美国康奈尔大学的跨学科团队合作完成。第一作者Armin Mostafavi隶属于维也纳工业大学数字建筑与规划研究所；通讯作者Saleh Kalantari来自康奈尔大学以人为中心设计系；Jesus G. Cruz Garza任职于康奈尔大学以人为中心设计系。
团队融合数字建筑、人机交互、神经科学与机器学习视角，将VR光环境模拟、EEG脑电测量与机器学习分类相结合，在健康照明与人因照明设计研究领域形成了方法与技术上的交叉优势。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
引言
传统建筑照明设计规范多聚焦于照度等视觉性能指标，以满足“是否够亮”的基础功能需求，却长期忽视光照对人体神经系统的深层作用机制。近二十年来，随着光生物效应研究的深入，学界已证实室内照明可通过非成像视觉通路调控人体警觉性、情绪状态与认知表现，其中照度与相关色温（CCT）是影响人体神经与心理反应的两大核心参数。尽管现有研究提示高照度可提升清醒度、高色温短波长光或有助于增强认知表现，但相关效应易受照度干扰，其确切神经机制仍不明确。为突破真实环境中光照变量难以精准控制的局限，本研究采用虚拟现实（VR）构建标准化办公光环境，通过精确切换17种光照条件并捕捉暴露初期10秒的脑电响应，系统探究照度与色温调控下大脑的可预测神经反应，及其与主观情绪、照明偏好之间的关联，为面向神经健康与认知效能的科学化照明设计提供实证依据。
论文概要
本研究发表于《Journal of Building Engineering》，题为“Enhancing lighting design through the investigation of illuminance and correlated color Temperature's effects on brain activity: An EEG-VR approach”。研究采用虚拟现实沉浸式环境、高密度脑电（EEG）监测与机器学习分类相结合的创新范式，系统探究照度与相关色温（CCT）对人体脑活动模式、主观唤醒度、愉悦感及照明偏好的影响。研究最终纳入25名有效被试，被试在标准化VR办公场景中依次体验17种精准控制的人工照明条件，完成警觉性与工作意愿的主观评分，并自主调节至个人最优光环境。结果表明，照度与色温可显著调控额叶、顶叶等关键脑区的特定EEG频段特征；基于光照暴露最初10秒的脑电数据，机器学习模型可有效预测被试对光环境的偏好选择。
文章信息
研究方法研究采用被试内设计，25名被试（15女10男，平均年龄24.4岁）逐一遍历全部光照条件。实验场景是一个4.0 m × 7.4 m × 3.0 m的虚拟办公空间，由Autodesk 3ds Max建模、Unreal Engine 4.26渲染，通过Meta Quest 2呈现。被试佩戴22通道脑电帽（10–20系统），坐在虚拟办公桌前，在每种条件下接受10秒光照暴露。
图 1 A. 佩戴脑电传感器与 VR 头显的实验被试B.VR 办公环境的尺寸参数与空间布局C.实验期间被试填写 SAM 量表时所看到的 VR 办公场景视角
本研究先构建7档照度（300–4500 lm）×7档色温（1500–7500 K）的完整矩阵，形成49种理论光照组合，再从中筛选出17种具有代表性的实验条件：包括固定中等照度2400 lm下的全色温梯度、固定中性色温4500 K下的全照度梯度，以及低照度/高照度与低色温/高色温交叉组成的四象限典型条件。这种“十字+四角”的科学取样方式，既能清晰分离照度与色温的独立主效应，又能有效减少实验条件数量，避免被试因任务过载产生疲劳，保证数据稳定可靠。
图2 光照条件矩阵：蓝框为最终纳入实验的17种光照条件
研究最初招募33名健康成年人，因EEG运动伪迹、数据缺失和同步问题排除8人，最终有效样本为25人。实验流程包括前测问卷、EEG与VR设备佩戴、基线脑电记录、VR练习、正式光照暴露、主观评分、光照调节和退出访谈。每种光照条件开始时，被试先在无法调节光照的情况下暴露10秒；随后完成SAM评分；再获得30秒时间，通过左右手柄分别调节照度和色温，使光环境接近自己的理想状态；每个条件后设置5秒黑屏作为间隔；整个VR实验时长约20–22分钟。
图3 实验流程图：每种光照条件包括10秒暴露、主观评分、光照调节和黑屏间隔
脑电分析聚焦前10秒信号，提取θ、α、β、γ四个基础频段及其比值特征，通过mRMR算法筛选最具判别力的变量，最终以二次核支持向量机进行二分类，配合5折交叉验证与100次迭代评估稳定性。
结果呈现
照度水平能够快速调节脑电频段比值
照度变化与EEG频段比值呈显著线性相关。随着照度升高，中央及顶叶区域的α/θ、β/θ比值上升；在额叶区域，照度升高则与θ波功率降低、α/β及α/γ比值降低相关。这表明，照度提升并非使大脑整体更兴奋，而是在不同脑区呈现差异化的振荡调节模式。研究中与照度相关性最强的特征为C4电极α/θ、P4电极α/θ和Pz电极β/θ，其中C4电极α/θ与照度的相关系数达0.95，线性模型可解释90.41%的方差，结果显著。额叶与执行控制、工作记忆及决策相关，顶叶则与空间知觉和环境信息加工相关。
图4 VR办公环境中脑电特征与照度的线性关系
A.基于决定系数$R^2$的前三脑电特征线性拟合；B、C.仅展示$R^2$＞0.80的各特征相关系数与决定系数，前88项为频段功率、后132项为频段功率比值；D.显著特征在脑地形图的空间分布，黑点代表$p$＜0.01
色温变化主要影响额叶与左颞区的频段功率
与照度不同，相关色温（CCT）对EEG的影响主要体现在基础频段功率上。研究显示，较高色温（冷白/偏蓝光）与额叶及左颞区的θ、α、β、γ频段功率呈正相关，效应最显著的为F4电极α功率、F4电极γ功率与F8电极γ功率。线性模型表明，CCT可解释88.33%的方差，结果具有统计学显著性。此外，CCT与α/γ比值呈负相关，即色温越高、光线越偏蓝，α/γ比值越低。
图5 VR办公环境下脑电特征与相关色温（CCT）的线性关系
A.基于决定系数$R^2$的前三项脑电特征线性拟合；B、C. 仅呈现$R^2$＞0.80特征的相关系数与决定系数，前88项为频段功率、后132项为频段功率比值；D. 显著特征在脑地形图的空间分布，黑点表示$p$＜0.01
采用机器学习模型对不同照明条件进行二分类，以检验光照可引发可识别的脑活动模式。在固定中性色温4500 K条件下，高低照度N1与N6的分类准确率为68%；固定中等照度2400 lm条件下，低高色温M1与M6的分类准确率为74%。其余光照条件对的分类准确率介于64%–74%之间，六组对比的平均准确率约为70%，显著高于50%的二分类随机水平。该结果表明，不同照明条件可在EEG模式中形成可被算法识别的神经特征，人脑在不同光环境下会呈现可分类的响应模式。
图6 基于mRMR特征排序与二次核支持向量机（kSVM）的光照工况分类脑电特征筛选
图7 光照工况分类结果
A. 最优40项特征（实心柱）与全部220项特征（条纹柱）的五折交叉验证结果；B. 不同特征数量对应的五折交叉验证准确率
A. 最优40项特征（实心柱）与全部220项特征（条纹柱）的五折交叉验证结果；B. 不同特征数量对应的五折交叉验证准确率
研究进一步分析了脑电信号对被试主观情绪与行为偏好的预测效果，结果显示，基于光照暴露最初10秒的EEG数据，模型可有效区分被试的愉悦度与唤醒度水平，其中愉悦感分类准确率为74%，唤醒感分类准确率为81%，表明被试对光环境的主观评价与早期脑电反应存在显著关联。在照明偏好方面，研究者依据被试最终调节的光照参数将条件划分为偏好与非偏好两类，模型对偏好照度的分类准确率达79%，对偏好色温的分类准确率达69%，说明仅依靠光照暴露初期10秒的脑电信号，即可预测个体对照明条件的偏好选择。
图8 基于mRMR特征排序与二次核支持向量机（kSVM）的愉悦度、唤醒度、期望照度与期望色温的脑电特征筛选
图9 愉悦度、唤醒度、期望照度与期望色温的分类结果
A. 最优30项特征（实心柱）与全部220项特征（条纹柱）的五折交叉验证结果；B. 不同特征数量对应的五折交叉验证准确率
A. 最优30项特征（实心柱）与全部220项特征（条纹柱）的五折交叉验证结果；B. 不同特征数量对应的五折交叉验证准确率
总结与展望
本研究发现照度与色温通过不同神经通路作用于大脑。照度升高可提升中央-顶叶区域α/θ、β/θ比值，与警觉性调节相关；色温升高则增强额叶-左颞区θ、α、β、γ频段功率，与情绪加工相关，二者在神经机制上存在明确差异。
另外，该研究的EEG-VR范式为照明设计提供了新路径：照明优化可基于实时神经活动开展，而非仅依赖设计规范或主观评价。在办公、医疗、学习等空间中，有望依据脑电特征实现照度与色温的动态自适应调节。
本研究仍存在一定局限：
VR设备亮度范围有限，无法还原真实眩光与暗视觉场景；
实验以光源流明为计量标准，难以直接对应真实场景照度（lux）；
被试为康奈尔大学同质群体，样本多样性不足，结论外推性受限。
原文链接
Mostafavi A, Cruz-Garza J G, Kalantari S. Enhancing lighting design through the investigation of illuminance and correlated color Temperature's effects on brain activity: An EEG-VR approach[J]. Journal of Building Engineering, 2023, 75: 106776.
https://doi.org/10.1016/j.jobe.2023.106776
研究团队介绍
该研究由来自奥地利维也纳工业大学与美国康奈尔大学的跨学科团队合作完成。第一作者Armin Mostafavi隶属于维也纳工业大学数字建筑与规划研究所；通讯作者Saleh Kalantari来自康奈尔大学以人为中心设计系；Jesus G. Cruz Garza任职于康奈尔大学以人为中心设计系。
团队融合数字建筑、人机交互、神经科学与机器学习视角，将VR光环境模拟、EEG脑电测量与机器学习分类相结合，在健康照明与人因照明设计研究领域形成了方法与技术上的交叉优势。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >