高速公路驾驶员主动疲劳的脑电检测分析北大核心CSCD

为开发高速公路驾驶疲劳预警系统,保障道路交通安全,基于脑电(EEG)数据功率谱分析方法,探索驾驶员主动疲劳与脑电指标(θ+α)/β的关系,首先,开展模拟驾驶试验,采集21名被试驾驶状态的脑电信号,分析α(8~13Hz),β(13~30Hz),θ(0.5~4Hz)这3个频段的脑电波,计算脑电合并指标(θ+α)/β;然后,运用瑞典行业疲劳问卷(SOFI),比较驾驶员执行驾驶任务前后的疲劳状态,分析心理测量和脑电测量结果的回归拟合效度。结果表明:在高速公路复杂驾驶任务中,驾驶员脑电合并指标(θ+α)/β呈现下降趋势,同时,(θ+α)/β与驾驶员主观疲劳程度有显著的正向拟合关系,拟合解释率达50%;脑电指标(θ+α)/β可实时预测驾驶员主动疲劳状态。     

基于EEG的夜班矿工疲劳检测北大核心CSCD

为了研究煤矿中夜班工人的疲劳状况和疲劳检测方法,通过对夜班矿工脑电和行为指标进行分析,建立BP神经网络模型预测矿工疲劳程度。选择15名夜班矿工作为被试,通过脑电图(EEG)测量其夜班前后执行Oddball任务时的脑电信号,通过快速傅里叶变换提取脑电特征值(α+θ)/β、(α+θ)/(α+β)、θ/β和α/β,收集认知任务期间的准确性和反应时间,作为疲劳检测指标建立BP神经网络模型,对夜班矿工的疲劳等级进行预测。对夜班前后矿工脑电信号中所有通道的特征值进行配对t检验,共得到6个显著通道的特征值,与反应时间、准确率等建立BP神经网络模型,总体检测准确度为89.685%。该模型对检测夜班矿工的疲劳程度具有较高准确性,可为矿工疲劳干预措施和检测装备的研发提供技术手段和理论基础。     

草原公路短时程驾驶疲劳程度多指标划分研究

为确定行车过程中不同时段驾驶员的疲劳程度,考虑草原公路的特殊性,选取典型草原公路路段,对9位受试者腰部肌电(EMG)、脑电(EEG)及心电(ECG)信号进行连续3 h的实驾测试。用因子(降维)及相关性分析法得到疲劳敏感指标;通过回归方程得到疲劳公式;利用层次聚类法初步划分疲劳程度,并验证划分结果。试验结果表明:表征EMG信号频谱变化的中位频率(MF)、ECG信号的心率均值(MHR)、高频标准化值(HFnu)和EEG信号的(α+θ)/β值对草原公路驾驶疲劳响应敏感,且驾驶疲劳发展呈多元线性变化;草原公路短时程驾驶疲劳可分为3个阶段。     

基于眼-脑生理指标的大型地下洞室驾驶员疲劳演化特征研究

为保障大型地下洞室驾驶安全，提出眼动和脑电双模态驱动的大型地下洞室驾驶疲劳评价方法，探究驾驶员疲劳演化特征。首先，根据实地数据设计大型地下洞室模拟场景，利用驾驶模拟技术开展驾驶试验，实时采集驾驶员的眼动和脑电数据；其次，对数据进行分段处理，基于格拉布斯准则剔除眼动异常数据，通过快速傅里叶变换分解出脑电节律，构建脑电疲劳指数模型；最后，开展不同区段下驾驶员平均瞳孔直径、眨眼持续时间、眨眼频率及θ、α、β节律等指标的差异性分析，以平均瞳孔直径和脑电疲劳指标F为参量，提出基于模糊综合评价的驾驶疲劳度量方法。结果表明，驾驶员的视觉疲劳出现明显早于精神疲劳，而精神疲劳可以更精确地体现影响驾驶状态的内在疲劳。相较于地上路段，驾驶员在大型地下洞室中的疲劳累积更快，呈现反复、波动式上升，且其综合疲劳程度在中后段达到峰值，之后受洞口光亮刺激在末段减弱。     

地铁驾驶员驾驶疲劳状态监测

为监测地铁自动驾驶系统驾驶模式下驾驶员驾驶疲劳状态,以S地铁公司的驾驶员为研究对象,开展驾驶员疲劳主、客观监测研究。主观监测应用《自觉症状调查表》调查并统计分析地铁驾驶员的驾驶主观疲劳感受;客观监测应用Eegosports 64通道无线脑电肌电系统测量地铁驾驶员在各班次、各时间段的脑电(EEG)信号,并结合Matlab工具箱中的EEGLAB分析各班次驾驶员EEG中δ波的频谱图。结果表明:驾驶员驾驶疲劳总体的平均得分为1.8分,即驾驶疲劳有些明显,且晚班和夜班驾驶疲劳比白班的大,从主客观2方面说明驾驶员处于疲劳驾驶状态。     

高原公路低氧路段驾驶疲劳脑电信号检测分析

为了解驾驶员在高原低氧路段的疲劳程度,以寻求缓解驾驶疲劳提高行车安全的途径,利用生物反馈检测仪分别对初次与经常进入高原公路低氧路段的驾驶员进行实地行车试验。通过对比不同海拔高度受测驾驶员脑电(EEG)变化特征,选取脑电8~13频段与14~30频段的平均功率比值R作为评价驾驶员疲劳时脑电特性指标R,定量分析海拔、连续驾驶时间对R的影响,同时建立R与海拔、连续驾驶时间之间的关系模型。研究表明:海拔与连续驾驶时间是影响驾驶员疲劳的主要因素,R随着海拔的升高与连续驾驶时间的增长而逐渐变大。初次在高原低氧路段行车的驾驶员表现出的疲劳感强于经常在高原低氧路段行车的驾驶员。     

基于EEG频谱特征的驾驶员疲劳监测研究

研究表明疲劳驾驶是引发交通伤亡事故的重要原因之一,因此有必要采取相应的预防措施。脑电是公认的睡眠(疲劳)金指标,因此论文提出了基于脑电频谱特征的驾驶员疲劳预测方法。采用了驾驶模拟实验中记录的三路驾驶员脑电信号,并利用驾驶员自评与专家评定两种方式相结合的方法将驾驶数据分为疲劳和清醒。针对脑电中眼电噪声很强的特点,对记录的脑电进行了自适应滤波消噪处理,结果显示可有效滤除眼电伪迹;然后根据脑电的频域特征比较突出且与疲劳相关的特点,从去噪后的脑电中提取出了的75个频谱特征;最后利用这些频谱特征,采用朴素贝叶斯分类的方法建立了驾驶员疲劳监测模型。实验结果表明,该方法能监测出驾驶员84%的疲劳状态。     

疲劳影响驾驶员心理旋转能力的ERP试验研究

为探究疲劳对驾驶员心理旋转能力的影响机制,首先开展2 h模拟驾驶任务试验,以诱发驾驶疲劳,并在模拟驾驶任务前后,分别测定驾驶员的心理旋转能力;然后基于试验数据,分析驾驶疲劳前后心理旋转能力行为绩效(反应时间、正确率)和脑电事件相关电位(ERP)成分(P3波幅和潜伏期)的变化及其差异。试验发现,驾驶疲劳引起行为绩效显著降低(反应时延长,正确率降低),脑电ERP的P3成分波幅在顶叶区显著下降、潜伏期显著延长。上述结果表明:疲劳影响了驾驶员在心理旋转过程中对认知资源的分配和加工信息的速度,导致心理旋转能力降低。     

基于脑电信号的驾驶员情绪状态识别研究

为研究驾驶员情绪状态识别技术,利用特定题材的影音氛围诱发兴奋和悲伤2种情绪,结合汽车模拟驾驶试验采集驾驶员情绪化驾驶时的脑电信号,利用db5小波分解算法分解信号,提取受情绪状态显著的脑电信号成分,并计算相应的功率谱。结果表明:驾驶员左右额叶区脑电β波受情绪状态影响显著;平静状态时,驾驶员左右额叶脑电β波功率值Pβ大小近似,数值较小;兴奋状态时,左右额叶脑电Pβ大小近似,相比于平静时显著增加;悲伤状态时,左额叶脑电Pβ显著增加,右额叶脑电Pβ相比于平静时无显著变化。Pβ可作为区分驾驶员平静(平常)、兴奋和悲伤这3种情绪状态的依据。     

基于驾驶操作行为的驾驶员疲劳状态识别模型研究

以驾驶疲劳状态监测为研究对象,介绍现有几种疲劳检测方法及其优缺点,提出把驾驶行为操作和驾驶员生理指标相结合建立疲劳识别模型的思想。通过大量模拟器驾驶实验,建立驾驶操作和驾驶员生理指标之间的关系模型,并运用最小二乘法对数学模型进行了参数识别。利用驾驶员生理指标能较好判别驾驶员状态特性的特点,找出驾驶操作行为和驾驶状态之间的关系。研究结果有助于建立驾驶操作行为和驾驶员疲劳状态之间的关系模型。     

基于生理信号的气味对运动性疲劳的影响分析

利用MP150多道生理仪记录心电和脑电等生理信号的变化,从嗅觉的角度,研究2种嗅觉刺激气体(桉树精油和工业废水)对运动性疲劳的影响,并以静息组做对照进行了3组试验。结果表明:1)方差分析显示,关于HR、MRR、Uα等静息组和精油组p0.05,达到显著性水平;2)心电数据分析显示,3组试验心率值均处于下降趋势,精油组下降速度最快,且下降的幅度最大;3)脑电数据分析显示,脑能量参数(Uα+Uθ)/Uβ的变化说明疲劳程度先增加后降低,嗅吸过精油后脑能量上升的幅度最小,开始下降的时间最早,且下降的幅度相对较大。这表明精油和工业废水对人体产生了不同的影响,但精油对心电和脑电信号影响较大,对运动后心率和疲劳的恢复有较好的作用。桉树精油能更好地缓解运动性疲劳。     

基于生理信号的驾驶疲劳综合指标试验研究

研究驾驶过程中随着疲劳的产生驾驶员生理信号的变化规律,提取反映驾驶疲劳程度的综合指标。采用驾驶模拟器对20名被试进行驾驶模拟试验,用MP150多导生理仪实时采集并记录驾驶员在60 min驾驶任务过程中的心电信号、脑电信号、肌肉电阻信号、皮肤温度信号和呼吸频率信号。运用R软件对数据进行线性回归分析,对比一般回归分析,逐步线性回归分析克服了一般回归分析许多变量不显著的缺点,得到了最优的驾驶综合指标方程,确定了与各项指标相关的驾驶疲劳评价综合指标,并通过3名被试模拟驾驶试验验证了综合指标作为评价驾驶疲劳的有效性。     

基于EEG的有限空间检修工脑疲劳特性研究

为了探究有限空间内检修工在高温高湿状态下的脑疲劳特征,采用对照与模拟有限空间作业环境相结合的方法,对作业人员脑电波变化进行监测,利用傅里叶变换对原波信号进行时频转换,提取相对频率、重心频率等特征参数。研究结果表明:在高温高湿的有限空间环境中,人体脑波功率变化幅度明显变大;在进入疲劳状态时有限空间环境的脑波功率低于对照组;高频的β波在高温高湿环境中减少的比例较大,平均下降7.1%;脑波重心频率由8 Hz降为6 Hz,平均下降11.3%,由α波变为θ波,大脑活动进入疲劳状态。说明有限空间的高温高湿环境对人体脑疲劳具有明显影响,可用于脑电智能穿戴监测设备监测工人脑疲劳状况。     

基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。     

注意瞬脱效应对驾驶安全性影响的ERP试验研究

为预防驾驶员注意瞬脱效应导致的交通事故,首先,开展模拟驾驶任务试验,并在此过程中加入刺激颜色、时间间隔等因素,分别检测驾驶员的注意瞬脱反应;然后,基于试验数据,分析不同条件下驾驶员的驾驶行为指标(反应时和正确率)与事件相关电位(ERP)指标(P3波幅和潜伏期)的差异。结果表明:较红色警示牌和2、3 s的刺激时间间隔(SOA),在黄色警示牌和1 s的SOA条件下驾驶行为绩效显著降低(反应时延长,正确率降低),且P3潜伏期在顶叶区显著延长、波幅显著减小。注意瞬脱效应影响驾驶员对驾驶事件的脑内加工进程及投入的认知资源量,导致驾驶安全性降低。     

基于脑电信号模糊熵的驾驶疲劳检测分析

为减少因驾驶疲劳导致的交通安全事故,提出基于脑电(EEG)信号模糊熵(FE)的驾驶疲劳检测方法。开展在驾驶仿真模拟试验,采集28名被试模拟正常驾驶和疲劳驾驶的EEG信号;基于2种驾驶状态的EEG信号计算出FE值;运用随机森林(RF)、支持向量机(SVM)、决策树(DT)和K近邻(KNN)等4种分类器检测驾驶疲劳状态;利用多种性能指标及被试工作特征曲线(ROC)对驾驶疲劳检测结果进行分析比较。结果表明:基于疲劳驾驶状态下的EEG信号的FE值明显高于较正常驾驶状态下的值;4种分类器均可有效检测驾驶疲劳,其中K近邻的平均准确率达97.4%;基于EEG信号模糊熵的驾驶疲劳检测方法具有较好的鲁棒性和稳定性。     

长时间单调模拟驾驶对疲劳的影响研究

通过模拟驾驶实验,综合评估长时间驾驶以及单调环境对驾驶员疲劳程度的影响是笔者研究的主要课题内容。借助于在模拟驾驶座舱上,4个健康样本分别参加高速公路(单调环境)和一般公路(非单调环境)的两组驾驶仿真实验,每组测试均持续两小时,一共进行10次实验。实验过程中,样本的操控数据(车速和方向盘转角)、反应时间、心电信号、主观疲劳状况等都同步记录并保存。实验结果表明长时间驾驶对操控能力、反应时间、心率、主观疲劳都有显著性影响(p<0.050),单调环境(高速公路)和非单调环境(一般公路)相比,车速方差区别显著,而尽管被试在高速公路的单调环境下驾驶后主观感觉更疲劳一些,但反应时间、心率等因素并没有显著性差异。     

城市道路下分心行为对驾驶员驾驶绩效的影响

为探究城市道路条件下常见驾驶分心行为对驾驶绩效的影响,以16名青年志愿者为被试,开展实车驾驶试验,测量车辆纵向和横向行驶参数,对比分析正常驾驶和分心驾驶状态下的驾驶绩效,并探讨驾驶经验的影响。结果表明：3种分心行为均使横向加速度标准差和纵向加速度标准差增加,而使速度均值降低,说明驾驶员通过速度和转向控制补偿分心状态下的驾驶绩效;交谈对速度均值和纵向加速度均值、阅读广告对速度标准差和横向加速度均值具有显著性影响(p<0.05);接听电话时,经验驾驶员速度标准差明显高于新手(p=0.021);接听电话和阅读广告次任务下,经验驾驶员的横向加速度均值均明显较高(p=0.003,p=0.004),说明经验丰富的驾驶员受分心行为的影响程度更低。     

驾驶员脑电模糊熵与酒后驾车交通事故倾向相关性研究

少数驾驶员适度饮酒后安全驾驶能力不降反升和不同人对酒精作用存在个体差异的事实表明:利用血液酒精浓度(BAC)判定酒后驾车行为的技术方案存在不足。为探索新型量化参数,结合酒后状态诱发试验和模拟驾驶测试,测取12位驾驶员不同程度饮酒后的脑电(EEG)和规范化交通事故倾向指标。结果发现:随着饮酒量的增加,驾驶员左额叶区EEG的瞬时复杂度和长时周期度都增加。结合模糊熵算法构造并计算EEG特征参数。相关性分析表明:在驾驶员从未饮酒到重度饮酒的过程中,其左额叶区EEG模糊熵和规范化事故倾向指标间的平均相关系数为0.76,二者正相关。因此,根据该模糊熵变化能判断其酒后安全驾驶能力的变化。     

基于FSDT的驾驶员危险感知能力研究

驾驶员的危险感知与交通事故之间关系紧密。为了科学评价驾驶员的危险感知能力,采用情景试验的方法,利用UC-win/Road软件仿真驾驶场景,运用模糊信号检测理论(FSDT),结合模糊逻辑和传统信号检测理论(SDT)来衡量驾驶员的危险感知水平,对敏感性指标d和倾向性指标β进行了定量评价。最后,选取5名驾驶员对该方法进行验证,并对5名驾驶员危险感知水平进行对比,从中找出危险感知能力较低者,给予其针对性的培训。