基于生理信號(hào)的駕駛疲勞分級(jí)檢測(cè)研究

盧章平，尹傳斌，李 瑞，何 仁

(1.江蘇大學(xué) 機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江 212013；2.江蘇大學(xué) 汽車與交通工程學(xué)院，江蘇 鎮(zhèn)江 212013)

基于生理信號(hào)的駕駛疲勞分級(jí)檢測(cè)研究

盧章平1，尹傳斌1，李 瑞1，何 仁2

(1.江蘇大學(xué) 機(jī)械工程學(xué)院，江蘇 鎮(zhèn)江 212013；2.江蘇大學(xué) 汽車與交通工程學(xué)院，江蘇 鎮(zhèn)江 212013)

采用實(shí)驗(yàn)生理學(xué)測(cè)試與主觀疲勞調(diào)查的方法，通過實(shí)車駕駛實(shí)驗(yàn)，以腦電信號(hào)和心電信號(hào)為基本指標(biāo)，研究不同駕駛經(jīng)驗(yàn)駕駛員在09：00—12：00，12：00—14：00，21：00—23：00這3個(gè)駕駛過程中疲勞等級(jí)的變化。通過主成分分析法，建立腦電信號(hào)與心電信號(hào)之間的關(guān)系，確定駕駛疲勞綜合評(píng)價(jià)指標(biāo)。結(jié)果顯示：上述疲勞綜合指標(biāo)在在不同疲勞等級(jí)狀態(tài)下存在顯著性差異，通過對(duì)不同指標(biāo)的融合提高了對(duì)駕駛員不同疲勞等級(jí)的識(shí)別準(zhǔn)確率。

交通工程；生理信號(hào)；疲勞駕駛分級(jí)；主成分分析法；駕駛經(jīng)驗(yàn)

疲勞是一種復(fù)雜的狀態(tài)，主要以警覺性下降、人體心理機(jī)能和生理機(jī)能下降的形式顯現(xiàn)，常常伴隨睡意、疲倦等狀態(tài)[1]。2004年我國由人為因素造成的交通事故占總交通事故的94.77%[2]，其中疲勞駕駛已成為導(dǎo)致交通安全事故的重要原因之一。

G.KECKLUND等[3]讓駕駛員連續(xù)行車8 h，發(fā)現(xiàn)駕駛員主觀疲勞度和腦電譜功率(θ波，α波)隨駕駛時(shí)間顯著升高。TING Ping-Huang等[4]通過檢測(cè)行車軌跡和調(diào)查主觀疲勞度，發(fā)現(xiàn)在單調(diào)高速公路上連續(xù)行車至80 min左右時(shí)，駕駛員進(jìn)入疲勞狀態(tài)；其實(shí)驗(yàn)結(jié)果與T.NILSSON等[5]的發(fā)現(xiàn)一致。馬艷麗等[6]采用心理學(xué)測(cè)試與主觀疲勞調(diào)查方法，把駕駛員的疲勞程度分為1～5個(gè)等級(jí)，研究駕駛員在高速公路上連續(xù)駕駛時(shí)間與疲勞等級(jí)的關(guān)系。吳紹斌等[7]把駕駛員疲勞狀態(tài)分為清醒、輕度疲勞、中度疲勞、重度疲勞以及瞌睡5個(gè)等級(jí)，發(fā)現(xiàn)腦電功率譜的比值(α+θ)/β越大，駕駛員疲勞等級(jí)越高。劉志強(qiáng)等[8]通過分析心電信號(hào)來研究駕駛員在疲勞狀態(tài)下的轉(zhuǎn)向特征，發(fā)現(xiàn)疲勞狀態(tài)下轉(zhuǎn)角熵升高了57.1%。秦偉等[9]通過研究HRV指標(biāo)，發(fā)現(xiàn)駕駛員在草原公路上連續(xù)駕駛到120 min左右時(shí)出現(xiàn)疲勞癥狀。

現(xiàn)階段，學(xué)術(shù)界對(duì)駕駛疲勞的研究主要有如下不足：①大多數(shù)研究需借助駕駛模擬器完成，忽略了影響疲勞的諸多因素(如道路、車內(nèi)外環(huán)境等)；②忽略駕駛員個(gè)體差異性，沒有對(duì)駕駛員個(gè)體進(jìn)行分類；③大多數(shù)研究只分析被試的腦電信號(hào)或心電信號(hào)，疲勞特征參數(shù)較少。為此，筆者按駕駛經(jīng)驗(yàn)把駕駛員分為熟練組和非熟練組，通過實(shí)車駕駛提取不同駕駛時(shí)間段內(nèi)表征疲勞程度的腦電信號(hào)和心電信號(hào)，建立準(zhǔn)確的駕駛疲勞綜合評(píng)價(jià)指標(biāo)，確定不同駕駛經(jīng)驗(yàn)駕駛員的疲勞等級(jí)變化。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 被試的選取

G.A.RYAN[10]通過研究發(fā)現(xiàn)：性別差異對(duì)駕駛疲勞引起的交通事故的數(shù)量存在顯著影響，尤其男性駕駛員是發(fā)生疲勞事故的高危人群。I.D.BROWN[11]指出：30歲以前和30歲以后的駕駛員對(duì)疲勞度的感知是有差異的。為此，筆者為了減少這種個(gè)體差異性對(duì)實(shí)驗(yàn)數(shù)據(jù)的影響，選取30歲以下年輕男性駕駛員8名為被試，平均年齡27歲。按駕駛經(jīng)驗(yàn)等級(jí)分為熟練和非熟練駕駛員兩組，每組4名被試，熟練程度以駕駛里程5×104km駕駛經(jīng)驗(yàn)為標(biāo)準(zhǔn)[12]。

實(shí)驗(yàn)要求所有被試者身體健康，無睡眠不良、失眠等疾病；駕駛員在實(shí)驗(yàn)前24 h內(nèi)禁止酒精、咖啡等其他刺激性飲料。實(shí)驗(yàn)時(shí)間分別選取09：00—11：00，12：00—14：00，21：00—23：00。為了保證駕駛員的行車安全，在實(shí)驗(yàn)車輛副駕駛位置上安裝剎車板，并配備一名實(shí)驗(yàn)人員。當(dāng)駕駛員出現(xiàn)較重疲勞癥狀時(shí)，實(shí)驗(yàn)人員需采取緊急措施，如緊急剎車、減速等有效措施。

1.2 實(shí)驗(yàn)設(shè)備

1.2.1 心理分析儀

實(shí)驗(yàn)采用歐洲思必瑞特Spirt-Mind公司生產(chǎn)的Spirt-10 MarkII心里分析儀器，包括硬件Nexus(8通道)和軟件Biotrace+(80通道)，可以采集人體的腦電、眼電、皮電、心電等多種生理信號(hào)，最高采樣頻率可以達(dá)到8 192次/s。通過無線藍(lán)牙和USB傳輸技術(shù)與電腦連接，可以導(dǎo)出MATLAB，Txt等格式的數(shù)據(jù)文件。

1.2.2 疲勞分級(jí)測(cè)量

主觀疲勞調(diào)查是研究駕駛疲勞的重要手段之一。其中應(yīng)用最為廣泛的疲勞測(cè)量表則為斯坦福嗜睡量表(stanford sleepiness scale, SSS)[13]。SSS量表共包含1～7個(gè)不同疲勞等級(jí)(疲勞等級(jí)用S表示)，疲勞程度依次加深。其中：S=1表示充滿生機(jī)與活力；S=7表示睡眠初期、非常疲倦，如表1。被試者需從7個(gè)疲勞等級(jí)中選擇一個(gè)等級(jí)來表示自己目前的疲勞狀態(tài)。其優(yōu)點(diǎn)在于操作簡(jiǎn)單并可反復(fù)進(jìn)行。

表1 斯坦福嗜睡量表

1.3 實(shí)驗(yàn)流程

實(shí)驗(yàn)路段選取為江蘇省鎮(zhèn)江市S338省道，雙向6車道，道路限速為100 km/h。行駛過程中無交叉路口，無信號(hào)燈等待，道路兩側(cè)景觀單調(diào)。在到達(dá)實(shí)驗(yàn)場(chǎng)地后，駕駛員先進(jìn)行20 min預(yù)實(shí)驗(yàn)，熟悉駕駛環(huán)境。休息5 min后，連續(xù)駕駛90 min的正式實(shí)驗(yàn)，在駕駛過程中要求駕駛員不能進(jìn)行次任務(wù)，車速保持在80 km/h以下。

在此過程，采用Spirt-10 MarkII心里分析儀監(jiān)測(cè)實(shí)驗(yàn)者的腦電信號(hào)和心電信號(hào)，采樣頻率為256 Hz。在預(yù)實(shí)驗(yàn)前、實(shí)驗(yàn)開始前和實(shí)驗(yàn)結(jié)束后，駕駛員需填寫SSS主觀疲勞調(diào)查表進(jìn)行疲勞自我評(píng)價(jià)。實(shí)驗(yàn)將駕駛員疲勞狀態(tài)分為清醒(S=1，2)、輕度疲勞(S=3，4)、中度疲勞(S=5)以及重度疲勞(S=6，7)這4個(gè)等級(jí)。

對(duì)采集的生理數(shù)據(jù)先用獨(dú)立分量分析法(independent component analysis，簡(jiǎn)稱ICA)進(jìn)行降噪處理，消除偽跡的影響。其后，利用快速傅立葉變換(FFT)進(jìn)行功率譜分析。大部分工作借助Excel、SPSS 19.0和MATLAB等計(jì)算軟件完成。

2 數(shù)據(jù)分析結(jié)果

2.1 主觀疲勞問卷調(diào)查

圖1為測(cè)試的SSS疲勞數(shù)值?？梢钥闯觯{駛員主觀疲勞等級(jí)呈上升趨勢(shì)，這與TING Ping-Huang等[4]的研究結(jié)果一致。其中非熟練駕駛員的疲勞等級(jí)大于熟練駕駛員的疲勞等級(jí)。

對(duì)主觀疲勞調(diào)查問卷結(jié)果進(jìn)行雙因素方差分析。結(jié)果發(fā)現(xiàn)：駕駛經(jīng)驗(yàn)因素的主效應(yīng)顯著，F(xiàn)(1，18)=13.000，p=0.002<0.05，這說明駕駛經(jīng)驗(yàn)對(duì)駕駛?cè)似诔潭扔酗@著性影響；駕駛時(shí)間因素的主效應(yīng)也呈顯著性，F(xiàn)(2，18)=48.538，p=0.00<0.05，表示駕駛時(shí)間的不同對(duì)疲勞程度的影響存在顯著性差異，在21：00—23：00晚間駕駛時(shí)，被試的疲勞等級(jí)最高。而駕駛經(jīng)驗(yàn)和測(cè)試時(shí)間對(duì)駕駛?cè)酥饔^疲勞程度交互效應(yīng)并不顯著，F(xiàn)(2，18)=1.462，p=0.258>0.05。

圖1 被試的SSS疲勞數(shù)值Fig.1 SSS score of subjects throughout the experiment (S=1～7)

2.2 腦電數(shù)據(jù)分析結(jié)果

當(dāng)駕駛員處于疲勞狀態(tài)時(shí)，大腦的思維活動(dòng)以及信息處理能力會(huì)降低，警覺度下降，從而致使β波及高頻腦電波減少。當(dāng)人體從疲勞轉(zhuǎn)為瞌睡或輕度睡眠狀態(tài)時(shí)，腦電節(jié)律會(huì)逐步降低為θ波和δ波。

2.2.1 EEG信號(hào)檢測(cè)

將實(shí)驗(yàn)過程分為9部分，每部分持續(xù)10 min，取其各個(gè)頻段的幅值平均值作軌跡圖。兩組被試的4種腦電波δ波、θ波、α波、β波和一種比率(α+θ)/β指標(biāo)的變化規(guī)律，如圖2。

圖2 EEG變化規(guī)律Fig.2 Change law of EEG signals

對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行ANOVA方差分析，具體結(jié)果如表2。研究顯示：駕駛經(jīng)驗(yàn)對(duì)δ波、β波的變化無顯著影響，δ波：F(1，214)=0.035，p=0.852>0.05；β波：F(1，214)=0.140，p=0.709>0.05。駕駛經(jīng)驗(yàn)對(duì)θ波、α波以及比率(α+θ)/β的變化有顯著影響，θ波：F(1，214)=9.55，p=0.002<0.05；α波：F(1，214)=29.569，p=0.000<0.05；比率(α+θ)/β：F(1，214)=11.153，p=0.001<0.05。

表2 駕駛經(jīng)驗(yàn)對(duì)腦電指標(biāo)的方差分析

注：顯著性水平為0.05。

2.2.2 驗(yàn)證EEG指標(biāo)的合理性

為驗(yàn)證各項(xiàng)EEG指標(biāo)的合理性，以實(shí)驗(yàn)開始后10 min被試的各項(xiàng)EEG指標(biāo)為參考值，對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行配對(duì)樣本T檢驗(yàn)，具體結(jié)果見表3。

表3 EEG各指標(biāo)的配對(duì)T檢驗(yàn)

從表3中可以看出，4種基本指標(biāo)除了α波沒有顯著性，其他3項(xiàng)指標(biāo)均有顯著性(p<0.05)，其中：δ波、β波隨駕駛時(shí)間顯著降低，而θ波則顯著增加。比率指標(biāo)(α+θ)/β有顯著性增加。這些結(jié)論與以往關(guān)于駕駛疲勞的生理研究基本一致[15]。

因此，該3項(xiàng)基本指標(biāo)δ波、β波、θ波以及比率指標(biāo)(α+θ)/β可用于對(duì)駕駛疲勞程度進(jìn)行量化評(píng)判。但是由于駕駛經(jīng)驗(yàn)只對(duì)θ波和比率指標(biāo)(α+θ)/β有顯著影響，所以筆者只選取θ波、比率(α+θ)/β為檢測(cè)不同熟練程度駕駛員疲勞駕駛的指標(biāo)。

2.3 心電數(shù)據(jù)分析結(jié)果

在進(jìn)行實(shí)證分析之前，先對(duì)六個(gè)指數(shù)收益率序列進(jìn)行描述性統(tǒng)計(jì)分析，這樣有利于后文更好地分析數(shù)據(jù)之間的相依性。

心率(HR, heart rate)的分析較為簡(jiǎn)單、直觀，反應(yīng)了人體在不同任務(wù)要求下所承受的心理及生理負(fù)荷水平。研究表明：心率的變化對(duì)于判別駕駛疲勞具有潛在的研究意義。S.K.L.LAL等[16]發(fā)現(xiàn)經(jīng)過長時(shí)間連續(xù)駕駛，駕駛員的心率急速下降。

由于人的操作具有自適應(yīng)性，心率在駕駛?cè)蝿?wù)開始10 min后趨于平穩(wěn)，因此選取10 min時(shí)的指標(biāo)值作為參考。駕駛員的心率信號(hào)變化趨勢(shì)情況如圖3。

圖3 心率變化規(guī)律Fig.3 Law of heart rate variation

對(duì)兩組被試的心率數(shù)據(jù)進(jìn)行ANOVA方差分析，結(jié)果發(fā)現(xiàn)：F(1，210)=6.362，p=0.012<0.05，表明駕駛經(jīng)驗(yàn)對(duì)心率的主效應(yīng)有顯著性影響。駕駛時(shí)間段對(duì)心率的主效應(yīng)有顯著影響，F(xiàn)(1，210)=13.635，p=0.000<0.05。駕駛經(jīng)驗(yàn)和駕駛時(shí)間段對(duì)心率的交互效應(yīng)無顯著影響，F(xiàn)(2，210)=0.839，p=0.434>0.05。配對(duì)T檢驗(yàn)結(jié)果顯示：t=17.212，p=0.000<0.05，說明心率隨駕駛時(shí)間變化整體呈明顯下降趨勢(shì)。所以筆者選取心率作為檢測(cè)不同熟練程度駕駛員疲勞駕駛的指標(biāo)。

2.4 疲勞綜合評(píng)價(jià)指標(biāo)確定

為全面考察兩種生理指標(biāo)對(duì)駕駛疲勞的判定，筆者利用主成分分析法對(duì)腦電信號(hào)和心電信號(hào)進(jìn)行分析從而確定一種疲勞綜合評(píng)價(jià)指標(biāo)。主成分分析不但可以降低變量的維度，而且還可以在損失很少信息的前提下，把多個(gè)指標(biāo)轉(zhuǎn)化為一個(gè)綜合指標(biāo)，提高駕駛疲勞評(píng)價(jià)的準(zhǔn)確性。

利用SPSS 19.0軟件對(duì)腦電指標(biāo)θ、(α+θ)/β以及心電指標(biāo)HR進(jìn)行主成分分析。由成分得分系數(shù)矩陣可知，3種生理指標(biāo)數(shù)據(jù)的系數(shù)分別為0.854、-0.365、0.853。根據(jù)前面所得數(shù)據(jù)由主成分特征向量得出綜合疲勞指標(biāo)為：

Y=0.854θ-0.365(α+θ)/β+0.853HR

2.5 駕駛員疲勞等級(jí)的確定

疲勞綜合指標(biāo)Y在不同疲勞等級(jí)下有顯著差異，如圖4。疲勞指標(biāo)Y在清醒和輕度疲勞之間的差異性較小，但顯著水平p仍低于0.05，而清醒狀態(tài)與中度或重度疲勞的顯著水平為p=0.000<0.01。上述結(jié)論驗(yàn)證了利用疲勞綜合指標(biāo)Y推測(cè)駕駛員疲勞狀態(tài)的可行性。

圖4 疲勞綜合指標(biāo)Y與疲勞等級(jí)的相關(guān)性Fig.4 Relation of comprehensive fatigue indicator and fatigue level

在09：00—11：00駕駛時(shí)，駕駛經(jīng)驗(yàn)對(duì)疲勞綜合指標(biāo)Y無顯著影響，實(shí)驗(yàn)結(jié)束后駕駛員處于清醒狀態(tài)，個(gè)別非熟練駕駛員處于輕度疲勞狀態(tài)。在12：00—14：00駕駛時(shí)，駕駛經(jīng)驗(yàn)對(duì)疲勞綜合指標(biāo)Y有顯著影響，非熟練駕駛員在連續(xù)駕駛60 min時(shí)進(jìn)入輕度疲勞狀態(tài)，實(shí)驗(yàn)結(jié)束后處于中度疲勞狀態(tài)。熟練駕駛員在連續(xù)駕駛80 min時(shí)進(jìn)入輕度疲勞狀態(tài)，其疲勞狀態(tài)一直持續(xù)到實(shí)驗(yàn)結(jié)束。在21：00—23：00駕駛時(shí)，駕駛員進(jìn)入疲勞狀態(tài)的時(shí)間縮短，且非熟練駕駛員比熟練駕駛員較早進(jìn)入重度疲勞狀態(tài)。

3 總結(jié)與展望

提出一種基于生理信號(hào)的駕駛員疲勞狀態(tài)檢測(cè)方法。首先通過斯坦福嗜睡量表(SSS)對(duì)駕駛員疲勞狀態(tài)進(jìn)行分級(jí)，與此同時(shí)，提取駕駛員的腦電和心電指標(biāo)。最后，采用主成分分析法，綜合考慮腦電和心電各項(xiàng)指標(biāo)，提出一種疲勞綜合生理指標(biāo)。結(jié)果顯示，提出的疲勞綜合指標(biāo)在在不同的疲勞等級(jí)下均存在顯著性差異，通過對(duì)不同指標(biāo)的融合能夠有效檢測(cè)駕駛員的疲勞狀態(tài)。

筆者研究采取的基于駕駛員生理信號(hào)的檢測(cè)方法為接觸式檢測(cè)，可靠性高，但檢測(cè)設(shè)備會(huì)妨礙駕駛員的正常操作，影響行車安全。因此，以后的研究重點(diǎn)應(yīng)更加注重于非接觸式疲勞檢測(cè)方法，例如基于駕駛員面部特征、基于方向盤以及基于車輛行駛軌跡等的檢測(cè)方法。

[1] 張恩亮，肖貴平，聶磊.交通環(huán)境對(duì)駕駛員心理的影響分析及對(duì)策研究[J].公路交通科技(應(yīng)用技術(shù)版)，2006(11)：164-165. ZHANG Enliang, XIAO Guiping, NIE Lei. Research the impact of traffic environmental on the driver psychology[J].JournalofHighwayandTransportationResearchandDevelopment(ApplicationTechnologyEdition), 2006(11)：164-165.

[2] 敖谷昌，楊利.機(jī)動(dòng)車駕駛員人為因素與交通事故危害性關(guān)聯(lián)分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，29(1)：121-124. AO Guchang, YANG Li. Correlation analysis on driver’s human factors and accident hazard in road traffic accidents[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2010，29(1)：121-124.

[3] KECKLUND G，?KERSTEDT T. Sleepiness in long distance truck driving: an ambulatory EEG study of night driving[J].Ergonomics，1993，36(9)：1007-1017.

[4] TING Ping-Huang, HWANG Jiun-Ren, DOONG Ji-Liang, et al. Driver fatigue and highway driving: a simulator study[J].Physiology&Behavior，2008，94(3)：448-453.

[5] NILSSON T, NELSON T M, CARLSON D. Development of fatigue symptoms during simulated driving[J].AccidentAnalysis&Prevention，1997，29(4)：479-488.

[6] 馬艷麗，王要武，裴玉龍.疲勞與駕駛時(shí)間關(guān)系的實(shí)驗(yàn)心理學(xué)研究[J].西南交通大學(xué)學(xué)報(bào)，2009，44(4)：535-540. MA Yanli, WANG Yaowu, PEI Yulong. Experimental psychology study on relationship between fatigue and driving time[J].JournalofSouthwestJiaotongUniversity, 2009，44(4)：535-540.

[7] 吳紹斌，高利，王劉安.基于腦電信號(hào)的駕駛疲勞檢測(cè)研究[J].北京理工大學(xué)學(xué)報(bào)，2009，29(12)：1072-1075. WU Shaobin, GAO Li, WANG Liu’an. Detecting driving fatigue based on electroencephalogram[J].TransactionsofBeijingInstituteofTechnology, 2009，29(12)：1072-1075.

[8] 劉志強(qiáng)，焦立峰.疲勞駕駛的轉(zhuǎn)向特征研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，30(3)：432-435. LIU Zhiqiang, JIAO Lifeng. Research on the steering feature in fatigue driving state[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2011，30(3)：432-435.

[9] 秦偉，朱守林，裴志永，等.草原公路駕駛員時(shí)域分析指標(biāo)與駕駛疲勞灰關(guān)聯(lián)分析[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，33(6)：142-145. QIN Wei, ZHU Shoulin, PEI Zhiyong, et al. Gray relation analysis of time domain index and driving fatigue of prairie highway drivers[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014，33(6)：142-145.

[10] RYAN G A. Road traffic crashes by region in Western Australia[C]∥ConferenceofFatigueandDriving. Fremantle, Western Australia: ARRB Group Limited, 1995.

[11] BROWN I D.MethodologicalIssuesinDriverFatigueResearch[M]. London: Taylor & Francis，1995：155-166.

[12] 郭應(yīng)時(shí).交通環(huán)境及駕駛經(jīng)驗(yàn)對(duì)駕駛員眼動(dòng)和工作負(fù)荷影響的研究[D].長安：長安大學(xué)，2009. GUO Yingshi.StudyonEffectsofTrafficEnvironmentandDrivingExperienceonDriver’sEyeMovementandWorkload[D]. Chang’an: Chang’an University, 2009.

[13] HODDES E, ZARCONE V，SMYTHE H, et al. Quantification of sleepiness: a new approach[J].Psychophysiology，1973，10(4)：431-436.

[14] AKERSTEDT T, KECKLUND G，WKNUTSSON A. Manifest sleepiness and the spectral content of the EEG during shift work[J].Sleep，1991，14(3)：221-225.

[15] 殷艷紅.基于腦電波與眨眼的駕駛員疲勞模擬實(shí)驗(yàn)研究[D].上海：同濟(jì)大學(xué)，2008. YIN Yanhong.ResearchonDriver’sFatigueStateBasedonAnalyzingEEGandEyeBlinkinStimulatedDrivingEnvironment[D]. Shanghai: Tongji University, 2008.

[16] LAL S K L, CRAIG A. Driver fatigue: electroencephalography and psychological assessment[J].Psychophysiology，2002，39(3)：313-321.

(責(zé)任編輯 劉 韜)

Study of Driver’s Fatigue Level Grading Experiment Based on His Physiological Signal

LU Zhangping1，YIN Chuanbin1，LI Rui1，HE Ren2

(1. School of Mechanical Engineering, Jiangsu University, Zhenjiang 212013, Jiangsu, P.R.China；2.School of Automotive and Traffic Engineering, Jiangsu University, Zhenjiang 212013, Jiangsu, P.R.China)

With the help of Electroencephalogram (EEG) and Electrocardiogram (ECG), a real traffic driving experiment which combining physiology test and subjective fatigue survey was conducted to study the law of fatigue level variation of a diver who was driving during 09：00—12：00AM，12：00—14：00PM and 21：00—23：00PM. By the principal component analysis (PCA), this study was able to establish the relationship between EEG and ECG signal, and to set up a comprehensive indicator to determine driver fatigue. The results show that the above-mentioned comprehensive indicator can recognize different levels of driver fatigue and the fusion of different indicators thas can improve the accuracy in detecting driver′s different fatigue levels.

traffic engineering; physiological signal; driver′s fatigue level; principal component analysis(PCA); driving experience

10.3969/j.issn.1674-0696.2017.01.14

2015-09-28；

2015-12-11

高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金聯(lián)合資助課題項(xiàng)目(20113227110007)；“江蘇大學(xué)”博士創(chuàng)新計(jì)劃項(xiàng)目(KYLX 15_1050)

盧章平(1958—)，男，江蘇揚(yáng)州人，教授，博士，主要從事計(jì)算機(jī)輔助設(shè)計(jì)、人機(jī)交互理論及應(yīng)用方面的研究。E-mail: lzping@ujs.edu.cn。

尹傳斌(1990—)，男，山東臨沂人，碩士研究生，主要從事道路交通安全方面的研究。E-mail: yinchuanbin 1990@126.com。

U491

A

1674-0696(2017)01-077-05