马文彬 魏建宇 郭强
陆军军事交通学院基础部 天津 300161
根据全国道路交通事故统计数据可知，疲劳驾驶是驾驶员人为交通事故的主要原因，是道路交通安全的重大隐患之一。军车驾驶员疲劳驾驶会引起交通事故，不仅会造成了经济损失、危及生命，甚至会威胁到国家安全。汽车驾驶是需要大脑的认知、判断、反应和协调的一个复杂操作过程，因此研究驾驶员的大脑活动与驾驶过程中出现的疲劳状态的联系，有助于驾驶疲劳状态的预警，降低由疲劳驾驶带来交通事故的风险[1]。
目前，国内外不同领域的专家对驾驶疲劳状态的检测开展了一系列研究。吴超仲等基于驾驶行为操作和驾驶员生理指标，提出一种综合的疲劳识别模型。肖琼联合脑电和眼电指标多种生理信号来提高驾驶警觉度识别率。叶柠等提出了一种基于小波包子带能量比的脑电信号疲劳驾驶状态检测方法。在军队方面，韩越等在分析军车驾驶员群体构成特点的基础上，总结提炼出了驾驶员群体行为的自然特征，并提出了对驾驶员群体行为进行引导的对策方法；
袁健康等构建了军用车辆驾驶员安全可靠性指标体系，为评估一个驾驶员的安全驾驶程度提供了一种标准。
基于脑电信号的疲劳驾驶研究得到国内外众多学者的重视，但仍处于理论研究和模拟实验阶段。本文针对军车驾驶员的不同生理特性和执行任务的不同驾驶条件，搭建精确疲劳驾驶分析指标体系，预判驾驶者疲劳状况，并可为后续任务执行和分配决策提供指导建议。
针对驾驶疲劳这一复杂生理现象研究发现，每个人在相同的驾驶环境下，疲劳状态特征具有较大的差异性[2]。本文挖掘影响疲劳驾驶行为的各类因素，建立分析驾驶员产生疲劳驾驶行为的指标体系，有效研究实际驾驶过程中，驾驶员各项心理、生理指标在连续驾驶时间及驾驶环境变化下的变化规律，为后续疲劳驾驶的研究提供理论基础。
1.1 驾驶员特征分析[3-4]
汽车驾驶是由驾驶员操作完成的一系列动作，驾驶员个人情况直接影响驾驶习惯，产生不同驾驶状态。
1.1.1 驾驶员年龄。年龄对驾驶员交通特性有很大影响，驾驶员的视觉特性、反应特性、速度估计特性和操作特性会随着年龄的增长而发生变化。青年人开车时性格活跃、风险意识低；
中年人能凭借生活经验的积累，行车相对平稳，安全性提高；
年长的驾驶者，由于身体机能和心理状态下降，安全性逐步下降。
1.1.2 驾驶员性别。性别作为驾驶员最大的属性差异也是研究者们广泛探讨的疲劳驾驶影响因素之一。根据《中国主要城市交通分析报告》用户行为数据指出，尽管女司机的小事故率比男司机高，但由于人体生理原因导致的，女性在安全驾驶方面要高于男司机，更少出现疲劳驾驶情况。
1.1.3 驾驶员驾龄。据有关数据显示，驾龄在三年以下的驾驶员心态谨慎，发生交通事故的概率越低。当驾龄在4-6年时，由于心态放松、行车大意，交通事故率到达高峰。随着驾龄的增长，驾驶员通过肌肉记忆的加深与驾驶经验的丰富，事故率开始降低。
1.1.4 身体素质。身体素质主要是指驾驶员的体育锻炼能力。车手的体能主要包括:动态力量、静态力量、柔韧性、伸展性、协调性、耐力、爆发力。一般认为驾驶员的躯体能力和驾驶行为安全性高低有一定联系。
1.2 驾驶环境特征分析
导致驾驶疲劳的环境因素很多，例如长时间连续驾驶、单调的道路环境、对道路的熟悉程度都会影响驾驶疲劳产生。其中道路环境对驾驶疲劳的产生具有复杂性，针对各种驾驶环境的特性，分析各种道路环境对疲劳产生的具体影响，科学的设定相应的最长驾驶时长就显得尤为重要。
1.2.1 高速隧道行车分析。隧道环境单调、行车参照物少，中间段光线亮度低、对比度低，两端有暗和过亮视觉适应区，驾驶员易出现视觉疲劳、情绪烦躁、视觉信息不足的现象，危及行车安全，导致各类交通事故发生。
1.2.2 高原公路行车分析。随着海拔的升高，空气中氧含量的降低，高原驾驶作业人员的血氧含量会随之持续减少，因此驾驶员容易出现头晕、乏力、瞌睡、反应迟钝等情况而产生驾驶疲劳，出现交通安全事故。
1.2.3 草原公路行车分析。草原地区的人口密度较低且地势平坦，道路设计中很少涉及弯道、坡度的情况，驾驶环境景观单一，车辆较少，对驾驶员的视觉刺激少，会导致驾驶员心态放松，出现驾驶疲劳的现象，容易突发交通事故。
1.3 疲劳驾驶因素分析模型
本文分析了整个驾驶系统的“人－车－环境”中，哪些因素对驾驶员的疲劳驾驶存在影响的可能，从军车驾驶员的自身生理特征和驾驶环境两方面入手，根据疲劳驾驶影响因素，构建了疲劳驾驶的评估体系，如图1所示。后续在疲劳驾驶影响因素分析模型的基础上，设计并开展疲劳驾驶实验。
图1 疲劳驾驶影响因素分析模型
由于脑电信号是疲劳检测的“金标准”，基于脑电信号的疲劳驾驶的检测研究已是国内外研究热点[5]。本文在疲劳驾驶影响因素分析模型基础上，设计了基于脑电信号的疲劳驾驶分析实验，研究驾驶道路环境对疲劳驾驶的影响作用。
2.1 实验设备
TGAM是目前应用最为广泛的脑电采集模块，包括TGAT芯片。该芯片是一个高度集成的单一芯片脑电传感器，可以处理并输出脑波频率谱，输出原始脑电波和三个Neurosky的eSense参数：专注度，放松度和眨眼侦测。可以进行模数转换，检测接触不良的异常状态，过滤掉眼电噪音及50/60Hz交流电干扰。
2.2 实验过程
实验人员为1名35岁青年男性，身体健康，无任何影响睡眠疾病，视力和听力正常。无脑部创伤情况及任何脑部疾病，实验前期不吸烟、不喝酒和咖啡，作息规律。实验分为两个部分，一部分是稳定安静的实验室内开展模拟实验，第二部分是在山区隧道、草原等高速公路车辆行驶过程中开展实验。实验通过TGAM脑电模块采集原始脑电波，采集过程为非驾驶阶段8:00～14:00，及山区隧道驾驶阶段8:00～14:00，草原公路驾驶阶段8:00-14:00，各2组。
2.3 实验补充数据
警觉度估计前额眼电和脑电数据集是由上海交通大学计算机科学与工程系郑伟龙、吕宝粮等老师采集并发布的。此SEED-VIG数据集包含23名被试者参的实验数据，每组数据包含18个通道的脑部EEG信号和7个通道的眼部和前额信号，包括头部脑电特征、眼电特征、前额脑电特征、眼动数据等。实验在一个虚拟驾驶系统中进行。
从脑电信号中大量反映大脑活动信息中有效提取相关脑特征一直是研究热点。脑电信号分析方法有：频域分析法、时域分析、非线性分析法、时频分析法等。在对脑电信号进行分析时，频域分析可以清楚、明确地看出信号频率的组成成分，学者们选取较多的脑电指标有δ波、θ波、α波、β波、α/β、(α+θ)/β、θ/β、(θ+α)/(α+β)。其中，β波的升高表明驾驶员处于注意力集中，特别注意外部环境的变化，精神紧张的状态。(α+θ)/β表征驾驶员警觉性水平变化的一个重要指标，(α+θ)/β的值越小，表明驾驶员越警觉，越不容易疲劳。因此选取脑电指标β波、(α+θ)/β作为敏感指标，研究驾驶员与驾驶环境等各因素对驾驶员脑电信号的影响。
本文采用上海交通大学科研团队公开的脑电数据集SEEDVIG中23名测试者的平均脑电指标，作为基础值。将实验中测试者的非驾驶阶段的脑电指标与基础值比较，分析其个体差异。并根据非驾驶阶段实验者的个体特征对比其在真实驾驶环境中的脑电指标，分析其疲劳状态。
从图2可以看出，在非驾驶状态下实验者相较于公开数据集的平均脑电指标β波，出现警惕性下降的时间拐点较早，但20min后的警惕状态略高于均值。从 (α+θ)/β脑电指标可以看出，前期20min实验者与大多数测试者表现情况基本一致，放松度开始缓慢上升，实验者放松度略低于均值，其具有一定的警惕性。
图2 非驾驶状态下实验者脑电指标变化情况
通过实验者在真实驾驶路段（山区隧道、草原等高速公路）的脑电指标，可以分析得出：实验者在山区隧道中较草原道路上更容易产生疲劳状态，且波动性较大；
与山区隧道驾驶车辆不同，驾驶员在草原公路上驾驶车辆更容易放松，降低警惕性，但变化较为平缓，如图3所示。
图3 驾驶状态下实验者脑电指标变化情况
本文分析了整个驾驶系统的“人－车－环境”中，哪些因素对驾驶员的疲劳驾驶存在影响的可能，从军车驾驶员的自身生理特征和驾驶环境两方面入手，根据疲劳驾驶影响因素，构建了疲劳驾驶的评估体系。并在疲劳驾驶影响因素分析模型基础上，设计了基于脑电信号的疲劳驾驶分析实验，研究驾驶道路环境对疲劳驾驶的影响作用。下面将基于疲劳驾驶的评估模型继续实验研究其他影响因素作用，并进一步丰富疲劳驾驶影响因素分析模型。
猜你喜欢实验者脑电电信号基于联合聚类分析的单通道腹部心电信号的胎心率提取成都信息工程大学学报(2021年4期)2021-11-22探讨消毒供应室护理人员职业倦怠情况及对应的措施临床医药文献杂志(电子版)(2020年31期)2020-07-23喉气管狭窄外科治疗效果的分析临床医药文献杂志(电子版)(2020年14期)2020-06-24基于Code Composer Studio3.3完成对心电信号的去噪科技传播(2019年24期)2019-06-15基于随机森林的航天器电信号多分类识别方法北京航空航天大学学报(2017年9期)2017-12-18现代实用脑电地形图学(续)现代电生理学杂志(2016年3期)2016-07-10现代实用脑电地形图学(续)现代电生理学杂志(2016年4期)2016-07-10现代实用脑电地形图学(续) 第五章 脑电地形图的临床中的应用现代电生理学杂志(2016年1期)2016-07-10学不会珍惜爱你(2016年18期)2016-04-10现代实用脑电地形图学(续) 第五章 脑电地形图在临床中的应用现代电生理学杂志(2015年1期)2015-07-18