高速公路驾驶员主动疲劳的脑电检测分析

doi:10.16265/j.cnki.issn1003-3033.2018.10.003

中国安全科学学报 ›› 2018, Vol. 28 ›› Issue (10): 13-18.doi: 10.16265/j.cnki.issn1003-3033.2018.10.003

高速公路驾驶员主动疲劳的脑电检测分析

刘天娇, 马锦飞^** 讲师

辽宁师范大学心理学院,辽宁大连 116029

收稿日期:2018-07-12 修回日期:2018-09-11 出版日期:2018-10-28 发布日期:2020-11-20
通讯作者: **马锦飞(1985—),男,辽宁丹东人,博士,讲师,主要从事驾驶员危险知觉检测、驾驶员警觉检测等方面的研究。E-mail:majinfei666@126.com。
作者简介:马锦飞 (1985—),男,辽宁丹东人,博士,讲师,主要从事驾驶员危险知觉检测、驾驶员警觉检测等方面的研究。E-mail:majinfei666@126.com。
基金资助:
2017年地方高校国家级大学生创新创业训练计划项目基金资助(201710165189);2016年度辽宁省博士科研启动基金资助(201601242);辽宁省教育厅人文社科项目(W201683617)。

Analysis of EEG detection of driver active fatigue on expressway

LIU Tianjiao, MA Jinfei

School of Psychology, Liaoning Normal University, Dalian Liaoning 116029, China

Received:2018-07-12 Revised:2018-09-11 Online:2018-10-28 Published:2020-11-20

摘要/Abstract

摘要： 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。

关键词: 模拟驾驶, 高速公路, 主动疲劳, 脑电(EEG)信号, 瑞典行业疲劳问卷(SOFI)

Abstract: To develop a system for warning the expressway driving fatigue and ensure road traffic safety, this study was aimed at exploring the relationship between EEG indicator (θ+α)/β and driver's active fatigue based on EEG data power spectrum analysis. EEG indicator (θ+α)/β was calculated by assessing three frequency bands: alpha (8-13 Hz), beta (13-30 Hz) and theta (4-8 Hz), during a simulated driving session in 21 subjects. SOFI scale was adopted to analyse fitigue state before and after driving, and regression method was used to examine the fitting validity of psychological measures and EEG algorithm (θ+α)/β.The results show that there is a negative correlation between the (θ+α)/β activity and time, that there is a positive correlation between EEG indicator (θ+α)/β and the driver's active fatigue, and the fitting interpretation rate is 50%, and that the EEG indicator (θ+α)/β is able to predict active fatigue in real time.

Key words: simulated driving, expressway, active fatigue, electroencephalogram(EEG), swedish occupational fatigue inventory questionnaire (SOFI)

中图分类号:

X912

刘天娇, 马锦飞. 高速公路驾驶员主动疲劳的脑电检测分析[J]. 中国安全科学学报, 2018, 28(10): 13-18.

LIU Tianjiao, MA Jinfei. Analysis of EEG detection of driver active fatigue on expressway[J]. China Safety Science Journal, 2018, 28(10): 13-18.

参考文献

[1] 交通运输部公路科学研究院.2015年中国道路交通安全蓝皮书[M].北京:人民交通出版社股份有限公司,2016: 24-26.
[2] 程文冬,付锐,袁伟,等.驾驶人疲劳监测预警技术研究与应用综述[J].中国安全科学学报,2013,23(1): 155-160.
CHENG Wendong, FU Rui, YUAN Wei, et al.Overview of researches on driver fatigue monitoring and prewarning technologies and their applications[J]. China Safety Science Journal,2013, 23(1): 155-160.
[3] 马锦飞,常若松,高远.瞳孔直径大小检测驾驶员疲劳的实证效度分析[J]. 辽宁师范大学学报:社会科学版,2014,37(1): 67-70.
MA Jinfei, CHANG Ruosong, GAO Yuan. Empirical validity analysis of driver fatigue by pupil diameter measurement [J].Journal of Liaoning Normal University: Social Science Edition, 2014,37 (1): 67-70.
[4] 赵婷,戚春华,朱守林,等.公路线形复杂程度对驾驶员HRV的影响研究[J]. 中国安全科学学报,2016,26(2): 6-12.
ZHAO Ting, QI Chunhua, ZHU Shoulin, et al.Study on influence of complexity of highway alignment on driver's HRV[J]. China Safety Science Journal,2016,26(2): 6-12.
[5] 毛喆,初秀民,严新平,等. 汽车驾驶员驾驶疲劳监测技术研究进展[J]. 中国安全科学学报,2005,15(3): 108-114.
MAO Zhe,CHU Xiumin, YAN Xinping, et al. Advances of fatigue detecting technology for driver[J]. China Safety Science Journal, 2005,15(3): 108-114.
[6] 胡剑锋,王涛涛.基于脑电信号模糊熵的驾驶疲劳检测分析[J]. 中国安全科学学报, 2018,28(4): 13-18.
HU Jianfeng, WANG Taotao. Analysis of driving fatigue detection based on fuzzy entropy of EEG signals[J]. China Safety Science Journal,2018(4): 13-18.
[7] 关伟, 杨柳, 江世雄,等. 脑电在交通驾驶行为中的应用研究综述[J]. 交通运输系统工程与信息, 2016, 16(3): 35-44.
GUAN Wei, YANG Liu, JIANG Shixiong, et al. Review on the application of EEG in traffic driving behavior study[J]. Journal of Transportation Systems Engineering and Information Technology, 2016,16(3): 35-44.
[8] BUDI Thomas J, SARA L, PETER F, et al. Using EEG spcctral components to assess algorithms for detecting fatigue [J]. Expert Systems with Applications,2009,36(2): 2 352-2 359.
[9] 王利,艾玲梅,王四万,等.驾驶疲劳脑电信号节律的特征分析[J]. 生物医学工程学杂志,2012,29(4): 629-633.
WANG Li, AI Lingmei, WANG Siwan, et al. Analysis of EEG rhythm of driving fatigue[J]. Journal of Biomedical Engineering, 2012,29(4): 629-633.
[10] 陈炎,胡江碧,荣建,等. 脑电技术在驾驶行为分析中的应用[J].道路交通与安全,2006,6(9): 15-17.
CHEN Yan, HU Jiangbi, RONG Jian, et al. Application of EEG in driving behavior research[J]. Road Traffic and Safety,2006,6(9): 15-17.
[11] 王连震,王宇萍,裴玉龙,等. 基于模糊综合评价的驾驶疲劳状态量化研究[J]. 武汉理工大学学报:交通科学与工程版, 2015,39(4): 707-710.
WANG Lianzhen, WANG Yuping, PEI Yulong, et al. Quantitative research on driving fatigue state based on fuzzy comprehensive evalution[J]. Journal of Wuhan University of Technology:Transportation Science and Engineering, 2015,39(4): 707-710.
[12] 吴绍斌, 高利, 王刘安. 基于脑电信号的驾驶疲劳检测研究[J]. 北京理工大学学报, 2009, 29(12): 1 072-1 075.
WU Shaobin, GAO Li, WANG Liuan. Detecting driving fatigue based on electroencephalogram[J]. Transactions of Beijing Institute of Technology, 2009, 29(12): 1 072-1 075.
[13] PETER H, PAULA D. Active and passive fatigue states[M].New Jersey: Lawrence Erlbaum Associates,2001: 455-465.
[14] ELIZABETH A, FRANCESCO G, ANDERS K. Perceived quality of fatigue during different occupational tasks development of a questionnaire[J]. International Journal of Industrial Ergonomics, 1997, 20(2): 121-135.
[15] 赵晓华,房瑞雪,荣建,等. 基于生理信号的驾驶疲劳综合评价方法试验研究[J]. 北京工业大学学报,2011,37(10): 1 511-1 523.
ZHAO Xiaohua, FANG Ruixue, RONG Jian, et al. Experimental study on comprehensive evaluation method of driving fatigue based on physiological signals[J]. Journal of Beijing University of Technology, 2011,37(10): 1 511-1 523.
[16] MORRIS R.D O Hebb: the organization of behavior, Wiley: New York;1949[J]. Brain Research Bulletin,1999,50(5/6):437.

高速公路驾驶员主动疲劳的脑电检测分析

Analysis of EEG detection of driver active fatigue on expressway

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	熊晓夏, 刘擎超, 沈钰杰, 蔡英凤, 陈龙. 基于LSTM-BF的高速公路交通事故风险模型[J]. 中国安全科学学报, 2022, 32(5): 170-176.
[2]	丘积, 王红, 蒋若曦, 肖文彬, 常红光, 朱顺应. 高速公路转换区严重冲突识别与分析^*[J]. 中国安全科学学报, 2022, 32(2): 184-191.
[3]	王莉莉, 朱敏. 基于脑电数据的管制架次对管制员疲劳影响研究[J]. 中国安全科学学报, 2021, 31(2): 173-178.
[4]	李振明, 牛毅, 樊运晓, 王睿. 不同区域高速公路货车事故特征研究[J]. 中国安全科学学报, 2020, 30(6): 121-127.
[5]	巫诚诚, 陈大伟. 基于视域分析的高速施工交通组织安全性评估[J]. 中国安全科学学报, 2020, 30(5): 122-128.
[6]	许锋. 视频侦查员作业疲劳评估[J]. 中国安全科学学报, 2020, 30(10): 179-185.
[7]	蒋若曦, 朱顺应, 王磊, 汪攀, 王红, 匡诗平. 基于交通冲突的高速公路施工区安全评价[J]. 中国安全科学学报, 2019, 29(6): 116-121.
[8]	胡立伟, 何越人, 佘天毅, 孟玲, 杨锦青. 高速公路应急救援中心选址优化模型[J]. 中国安全科学学报, 2019, 29(5): 145-150.
[9]	吴付威, 王鑫, 王畅. 城市道路驾驶人横向避险特性研究[J]. 中国安全科学学报, 2018, 28(8): 7-12.
[10]	李建强, 陈瑞雅. 注意瞬脱效应对驾驶安全性影响的ERP试验研究[J]. 中国安全科学学报, 2018, 28(8): 13-18.
[11]	杨理波, 杜志刚, 马兆有, 谢俊, 徐弯弯. 高速公路隧道小半径圆曲线路段反光环有效性研究[J]. 中国安全科学学报, 2018, 28(8): 149-154.
[12]	王莉莉, 陈凤兰. 基于脑电的管制员认知行为与疲劳的关系研究[J]. 中国安全科学学报, 2018, 28(7): 1-6.
[13]	吕爱红, 马勇, 李腾飞, 张雅丽. 认知分心时驾驶人应激反应特征分析[J]. 中国安全科学学报, 2018, 28(7): 7-12.
[14]	薛锋, 赵蕾. 高速公路安全设施的改进模糊Borda组合评价方法[J]. 中国安全科学学报, 2018, 28(7): 165-171.
[15]	姜兴宇, 徐海峰, 吴善春, 赵地. 地铁驾驶员驾驶疲劳状态监测[J]. 中国安全科学学报, 2018, 28(6): 19-24.