驾驶疲劳恢复时间的心电信号分析

适当的休息能有效缓解驾驶疲劳,提高行车安全。为探究科学的驾驶休息时间,开展试验,用MP150多通道生理信号采集仪,采集20名驾驶人4 h模拟驾驶作业后休息时的心电(ECG)信号,分析ECG信号的变化规律。结果表明:在驾驶疲劳恢复期,ECG指标心率(HR)、间期标准差(SDNN)、低高频比值(LF/HF)、样本熵(SampEn)与恢复时间高度线性相关,且性别差异对疲劳恢复期ECG指标有显著影响;驾驶人的心理疲劳恢复时间早于生理疲劳恢复时间;驾驶人主观恢复时间相对于客观疲劳恢复时间有提前现象;建议连续驾驶4 h后男性驾驶人休息时间不少于24 min,女性驾驶人休息时间不少于27 min。     

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。     

受限空间钻孔工人的肌肉疲劳特性研究

为了研究受限空间下钻孔工人在作业过程中的肌肉疲劳特征,通过模拟试验,测量立姿、半蹲姿、全蹲姿姿势下,颈夹肌、胸腰筋膜等10块肌肉的表面肌电值(sEMG);用中值频率(MF)作为指标,根据MF下降率评定各肌肉的疲劳程度,并通过设置不同的时间梯度,对比疲劳程度的变化,从而提出减轻肌肉疲劳的方案。试验结果表明:肌肉疲劳程度越深,MF下降越快;腰部3种姿势下均表现出较高的下降率(0. 374±0. 129),立姿中颈部下降率(0. 60)、蹲姿中小腿胫骨肌下降率(0. 55)也较高;而调整作业周期可以使MF值下降1. 33～9. 85倍,有效减轻疲劳程度。     

井下支护作业人员颈部肌肉疲劳特性研究*

为探究井下支护作业人员颈部肌肉疲劳受伸张和屈曲角度变化的影响,采用表面肌电法（sEMG）实验模拟测量7种点位角度下,颈部夹肌、斜方肌以及胸锁乳突肌在不同作业频率时的疲劳情况,以积分肌电值(iEMG)及中值频率（MF）评价各肌肉疲劳程度。研究结果表明:低频实验中随点位角度的增大,颈部屈曲活动时,胸锁乳突肌疲劳变化明显,iEMG疲劳前后差值最大为1.55,MF下降率最大为0.60;颈部伸展活动时,夹肌疲劳变化明显,iEMG疲劳前后差值最大为1.59,MF下降率最大为0.59;斜方肌未表现出明显疲劳变化规律。高频实验相较低频实验疲劳发生速度加快,疲劳积累程度显著提升,颈部活动主要肌肉疲劳发生时间由16~19 min提前至13~17 min,各肌肉MF下降速度为低频实验的1~1.55倍。     

注视熵和马尔科夫链的弯道诱导设施信息量研究

为探究驾驶人在不同诱导设施信息量的草原公路弯道行车时的注意力分配情况,建立5种不同层级诱导设施信息量(Q0、Q1、Q2、Q3、Q4)的草原公路弯道虚拟场景,并对其进行模拟驾驶试验;对驾驶人视野分区,分析驾驶人在不同信息量条件下注视熵率值变化特征;应用马尔科夫链计算驾驶人在不同信息量条件下注视点在各个区域间的一步转移概率和平稳分布概率。结果表明:草原公路弯道诱导设施信息量的变化对驾驶人注视熵率值影响显著,驾驶人在Q2(10～20 bits/km)信息量条件下注视熵率值最大;驾驶人需要对信息目标多次重复注视才能获取足够有效行车信息,90%以上的概率集中于道路左侧和远方区域,其中道路远方区域是驾驶人保证正常驾驶的重要观察区域。     

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%。     

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基(RBF)神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机(SVM)的疲劳驾驶状态辨识模型。结果表明:所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。     

空气呼吸器对志愿消防员肌肉疲劳的影响研究

为了解背负空气呼吸器对志愿消防员肌肉疲劳的影响,对志愿消防员进行徒手及背负空气呼吸器的奔跑试验,累计测量60人次被试人员的表面肌电信号(sEMG)与压强数据,结合被试主观疲劳感受进行分析。结果表明：被试者左右股二头肌、左右腓肠肌与左右胫骨前肌的疲劳情况受空气呼吸器影响最大;空气呼吸器的背负会使肩、腰部出现疼痛感,需要更长时间恢复;左竖脊肌、左右腓肠肌与右胫骨前肌的疲劳与志愿消防员主观疲劳感受相关性最强。     

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。     

有限空间环境下颈部侧屈肌肉受力与疲劳特征

近年来肌肉骨骼损伤已成为我国防控职业病的重点问题之一,为降低职业性肌肉疾病发病率,首先,通过AnyBody平台建立颈部骨肌模型,并进行逆向动力学仿真分析,得到颈部侧屈姿势下肌肉的受力情况;然后,选取8名健康被试,运用表面肌电(s EMG)技术采集胸锁乳突肌和斜方肌的肌电信号,使用中值频率(MF)作为指标,根据MF下降速率评定肌肉的疲劳程度;最后,通过设置不同的温湿度环境,探究有限空间高温高湿环境对于颈部肌肉疲劳的影响。结果表明:随着侧屈角度的增加,颈部肌肉承担的负荷在逐渐增大,疲劳发生速度变快;同时,高温高湿作业环境也会加快侧屈姿势下颈部肌肉的疲劳速度。     

重复性同侧搬举负荷对竖脊肌疲劳的影响

为预防重复性同侧搬举对竖脊肌的伤害,利用表面肌电(s EMG)技术,开展搬举试验,研究竖脊肌疲劳的影响因素。试验要求设置不同工件重量、搬举频率和搬举角度等3个负荷,并设置8个任务组;要求12名被试完成8个任务组中的右侧重复性搬举,记录相关s EMG信号,并用多元逐步回归分析竖脊肌疲劳的负荷因素。结果表明:搬举过程中随着工件重量、搬举频率和搬举角度负荷增加,s EMG频域指标平均功率频率(MPF)下降,时域指标平均肌电值(AEMG)增大,最大随意收缩肌电百分比(MVE%)增大,最大负荷左右竖脊肌最大值分别为(64.85%±11.89%)MVE和(41.24%±9.77%)MVE;各任务组搬举中,左右竖脊肌均明显疲劳,而疲劳程度不一致;重复性同侧搬举负荷对竖脊肌疲劳的影响因素从大到小依次为重量、角度和频率。     

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。     

矿工肌肉疲劳状况及事故预防研究

为解决矿工工作强度大难度大,容易产生身体疲劳,引发不安全行为的问题,首先,向矿工发放肌肉疲劳调查问卷,了解矿工的实际工作状态;其次,利用表面肌电(EHG)试验模拟矿工作业环境和工作内容,检测其肌肉疲劳程度及变化特征;最后,结合矿工工作现状,提出肌肉疲劳事故的防控措施.结果 表明:矿工的颈部、肩部、背部、肘部、腰部等部位...     

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。     

注意偏侧化对驾驶视觉搜索的眼动表现证据

为探究驾驶过程中伪忽视注意在不同道路等级条件下视觉搜索偏好的差异,通过实车驾驶的试验方法,记录15名驾驶人分别在3种真实道路环境(高速公路、快速公路、二级公路)驾驶过程的眼动数据(兴趣区、注视时长、注视点、瞳孔大小),以便发现驾驶人空间注意的视觉眼动搜索模式。结果表明：驾驶人首先表现出轻微偏左的不对称空间注意的特点,随着道路条件的复杂程度提高(从高速公路、快速公路到二级公路),驾驶人认知负荷提高,驾驶空间注意的眼动搜索呈现出趋中到趋右的安全搜索模式倾向。     

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。     

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。     

基于智能手环的愤怒驾驶行为动态检测方法

为解决驾驶人因愤怒驾驶而导致交通事故的问题,首先,聘请18名职业驾驶人佩戴智能手环开展实车试验,采集驾驶人的心电指标;然后,经统计检验发现不同愤怒情绪强度下心电指标心率(HR)、RR间期的平均值(RRmean)、RR间期的标准差(SDNN)、连续差的均方根(RMSSD)、RR间期大于50 ms的个数(PNN50)、高频(HF)、非线性指标(SD1、SD2、SD2/SD1)具有显著差异;最后,分别以三级愤怒驾驶行为(正常、轻微愤怒、强烈愤怒)和二级愤怒驾驶行为(正常和愤怒)为因变量,以显著差异心电指标为自变量,基于支持向量机(SVM)、K近邻(KNN)和线性分析(LD)建立驾驶人愤怒驾驶行为动态检测模型。结果表明：二级愤怒驾驶行为识别模型识别效果明显优于三级愤怒驾驶行为识别模型;二级愤怒驾驶行为识别模型中SVM效果最好,三级愤怒驾驶行为识别模型LD模型识别性能最佳。     

闪光融合频率测试法在北京公交驾驶员中的应用

通过对北京公交驾驶员的心理疲劳研究,探索三种车型司机在驾驶不同圈数时的大脑觉醒程度变化规律,防止驾驶员因疲劳驾驶而造成的交通事故。利用闪光融合频率值测试法,对三条典型线路的驾驶员进行测试,并利用Wilcoxon非参数检验方法,使用SPSS软件检验数据变化的显著性。驾驶铰链式加长客车的驾驶员和驾驶单机客车的驾驶员闪光融合频率值在工作两圈时发生显著降低P<0.05,驾驶双层客车的驾驶员闪光融合频率值变化不显著P>0.05。     

高速公路驾驶员主动疲劳的脑电检测分析

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(8～13 Hz),β(13～30 Hz),θ(0. 5～4 Hz)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。