基于多指标测试的驾驶疲劳高发时段

李君羡，潘晓东

（1.上海济安交通工程咨询有限公司，上海 200092；2.同济大学道路与交通工程教育部重点实验室，上海 201804）

疲劳驾驶是造成交通死亡的重要原因之一［1］.根据英国汽车协会的数据［2］，英国车祸致死的人中，10%死于疲劳驾驶所引发的事故；纽约高速公路上，30%的致命性车祸是由于驾驶人感到疲劳萌生睡意继而引发的；法国国家警察总署发布的事故报告称疲劳瞌睡引发车祸占人身伤害事故的14.9%，死亡事故的20.6%；中华医学会针对516个样本驾驶人群体的警觉度测试和问卷调查显示，仅在测试当天就有24%的驾驶人感受过驾驶疲劳，10%的驾驶人甚至打过瞌睡，而50%的受调者表示曾在以往的驾车过程中打过瞌睡.

可见，驾驶疲劳作为特大交通事故的罪魁祸首，严重地危及到了人们的生命财产安全.减少疲劳驾驶对降低重大交通事故发生率的意义重大探求驾驶疲劳出现的时间规律，展开针对实时监控驾驶人疲劳状态的研究刻不容缓.

1 常用指标

1.1 脑电指标

脑电始终被视为研究疲劳的最具说服力的指标，关于脑电指标的研究相对成熟，脑电指标与人精神状态的关系也相对明确［3］.

1.2 心率指标

驾驶疲劳属中枢性质的肌体反馈，在由清醒转为疲劳的过程中，交感神经和副交感神经也都会发生显著的改变.许多研究指出［4－5］，心电信号中值和变异率是测定自主神经与心血管活动之间联系的最好方法.

在心电信号的各个指标中，心率（Heart Rate，简称为HR）直接由自主神经系统调节，同时受到交感神经和副交感神经的支配，二者的拮抗作用导致了心率的变化，有部分研究认为HR在疲劳当中有显著的反应.

1.3 心率变异性

心率变异性（Heart Rate Variability，简称为HRV）表示连续两次心跳间R－R间期的微小涨落，Dhong［6］等人研究指出，这一指标可以反映体力和脑力的疲劳状态.

HRV可从时域、频域两个方面加以区分.人们常认为时域指标（均值和标准差等）不含有时间推进的意义，丢失了时间顺序，它们在反映心率变化的涨落机制方面发挥作用十分有限，故在此不做讨论.频域指标是基于频域分析法的指标.频域分析法是一种用于分析某曲线变化规律的数学工具.其基本原理是认为复杂曲线均可以表达成若干个正弦曲线叠加的结果，通过分析各种正弦曲线的基本性质，就可以分析复杂曲线.而复杂频谱曲线的形状与心率变化表示曲线的形状存在着对应关系，通过分析频谱曲线的高、低频成分就可以得出心率变化曲线的各种特征.频域分析包含的主要指标见表1［7－8］.

表1 心率变异性频域分析指标Table 1 Frequency domain index of HRV

在较短时间内不同状态下，LF和HF是不相同的.若直接用其绝对值进行比较，便会得出错误结论.而对LF和HF标化后再进行比较，则能直接反应交感、副交感神经调节的变化.

1.4 眼动指标

根据前期研究，以时段内眨眼次数、闭眼总持续时间和眨眼时间平均值作为眼部行为的代表指标，验证疲劳程度.该测试方法克服了接触式测试对被试干扰较大以及传统测试方法仪器复杂的缺点.经过稳定性对比与显著性分析，平均一次眨眼时间均值被认为是三者中评价驾驶疲劳程度的最佳指标，其对应不同年龄段人群不同精神状态的阈值已确定［9］.

1.5 注意力指标

驾驶疲劳所引发的交通事故多由驾驶人注意力无法集中导致，故针对注意力的研究是驾驶疲劳研究中重要的一部分.常见的与注意力相关的心理现象有非注意盲现象、变化盲现象以及注意顺脱现象等［10］.针对注意力实验的技术有反应时技术、多导生理指标测量技术、眼动技术和脑电技术等.

直观而言，驾驶疲劳中的注意力分散多指驾驶人长时间面临变化较少的道路状况，导致后期驾驶活动中，尽管大脑接收到视觉信号，却并没有对周围的环境产生认知，无法对外界信息迅速而有效地反馈并做出相应的反应.本研究意在模仿真实驾驶活动中驾驶人对信息的反馈过程，要求被试者完成对信息的搜索、理解认知与判断.

2 实验设计

2.1 实验设备及材料

2.1.1 脑电

延续以往研究［3，9，11］，采用相同仪器，对被试者的脑电进行测试.

2.1.2 心率表

心率测试使用Polar RS800CXSD型心率表.它的测试对象仅为心率本身，不涉及电信号范畴.应用该仪器能够记录被试者的实时心率，并可以借助配套的心率软件自动分析最高、最低和平均心率，自动计算心电相关指标VLF，LF，HF以及LF／HF的数值.仪器本身由一个传感器和测试微型电脑构成.其精度可以达到±0.1%或1bpm，所能测试的心率范围在15～240bpm.

心率表同时具备秒表功能，实验记录可以精确到秒，并且每3min有蜂鸣提示，它可作为记录各仪器开启、关闭和对时等时间点的工具使用.

2.1.3 摄像机

选用的摄像机型号分别为SONY HDRPJ50E 和 SONY HDR－XR350E.SONY HDRPJ50E用于室外实验的路况拍摄，SONY HDRXR350E用于在室内、室外实验中拍摄被试者的眼部行为.

为与前期研究良好衔接，室内实验使用原有的路况录像.录像资料由两个部分组成，一部分为真实的行车录像，于浙江省省道S210的K19＋400到K30＋000（桐庐段）行车时拍摄，内容为行车时驾驶人视野内所看到的前方路况.另一部分为按照规范标准用CAD制作并填充的交通指路标志，共计32个.录像和标志牌的制作原则同前期研究［11］.含有标志的录像片段如图1所示.

本研究以被试者对标志信息内容识别的正确率作为评价标准，测试被试者的疲劳状态以及精神集中程度，须明确各标志在视频中出现的时间，3.5h内32个标志在录像中出现的时间见表2.

表2 32个标志在录像中出现的时间Table 2 Time of 32signals appeared in the video

2.1.4 问卷制作

问卷共有32题，与视频中的标志对应.其内容为给定目的地，请被试者根据标志牌指路信息对下阶段的行进方向进行判断.要求给出的答案为路名或方向（左／右，东／南／西／北）或对给出的方向做出判断（是／否），从而分别模拟真实驾驶活动中在对目标位置有所认知的状态下，根据标志择路或对预先的判断进一步确认的情况，答案均控制在3个字以内.

另外，为尽量使被试者作答时的心理状态符合真实情况，要求驾驶人在看见某个标志之前预先阅读与其相关的问题，获悉所要寻找的信息内容，并在标志出现时及时定位所需要的信息，并对问题做出回答.因为在实际的驾驶活动中，驾驶人也是对标志上的信息内容有所估计才获取信息的.这一设计保证了实验中被试者心理状态上与驾驶人的一致性.

2.2 其他

为延续前期研究［11］，室内实验选择同样的12名被试者参与，实验室环境保持不变.

室外实验在室内实验开展次年4～7月之间完成，时间跨度较大，温度变化明显，要求被试者根据自身感觉适当调节驾驶室的温度.室外实验均选择天气良好、日照充足的时间完成，实验路段为上海A20公路.该路段路况良好，无视线遮挡.

参与室外实验的人员共计6人，均为男性，年龄范围为26～46岁，年龄均值为36岁 （s＝11.75），均持有驾照；除1人外，所持有驾照的时间均超过5年.

为排除被试者因其他原因（如：进食和休息不充分）等引起的疲劳对实验结果有干扰，所有室内实验均选择在14∶00进行，之前要求被试者于中午时间正常进食并充分休息；室外实验则在9∶00或14∶00开始.实验车型号为马自达PREMACY普力马汽车.

2.3 实验设计

2.3.1 室内实验

该此次实验涉及仪器众多，须对应各仪器数据记录时间，故设计实验程序为：实验者开启心率表，测试到被试者心率后，记录被试者心率，实验正式开始.以心率表上所显示的时间为基准时间，依次开启摄像机（在心率表正式开始记录1min后启动）、脑电仪（在心率表正式开始记录3min后启动），经过一段时间仪器试用，确保被试者适应测试之后，开始播放行车录像（在心率表正式开始记录5min后）.由此，可以形成时间轴、室内实验仪器启动顺序和时间如图2所示.

图2 室内实验仪器启动顺序和时间Fig.2 The implementation sequences and time of instruments of indoor experiments

2.3.2 室外实验

室外实验路况变化多、外界干扰大、实施风险大.考虑到被试者的安全，室外实验的时间设置为2.5h.考虑到仪器供电问题，采取阶段性测试方案，对测量的时间段作合理的安排.为满足数据对比和提高后期测试密度需求，制定了脑电仪测试时间安排（见表3）.

与室内实验相类似，实验开始前，实验者需向被试者解释实验的方式，并要求被试者填写个人情况调查问卷.实验者为被试者佩戴仪器，调试仪器正常工作，并确定仪器及仪器连线的摆放不会影响被试者的视线或干扰被试者的驾驶操作.

实验者先开启心率表，测试到被试者心率之后，开始记录被试者心率，实验正式开始.以心率表上所显示的时间为基准时间，依次开启摄像机（在心率表正式开始记录1min后启动）、脑电仪（在心率表正式开始记录3min后启动），在心率表正式开始记录8min后（即所有仪器使用时间均超过5min，测试到被试者5min的生理数据之后），被试者启动车辆.室外实验照片如图3所示室外实验仪器启动顺序和时间如图4所示.

表3 脑电仪测试时间安排Table 3 Testing sequence for electro－encephalograph of outdoor experiments

图3 室外实验照片Fig.3 The photo of outdoor experiments

图4 室外实验仪器启动顺序和时间Fig.4 The implementation sequences of instruments of outdoor experiments

室内实验仅需要一台摄像机对被试者的眼部行为进行取像记录即可；室外实验则存在路况记录和被试者眼动记录两方面需求，需要两台摄像机.室外实验车中摄像机位置如图5所示.

图5 室外实验车中摄像机位置照片Fig.5 The photo of the positions of cameras in outdoor experiments

3 指标分析

3.1 脑电分析

室内脑电指标的有效性已被证明，本研究中脑电用于参照以评价其他指标的准确性，数据分析发现本次脑电测试指标结论与前期实验相符，被试者在实验开始后100～120min最为疲劳.

由于实验人员最初经验不足，室外实验中第1组实验样本脑电数据没有完整保存，故脑电数据有效组数为5组.需要注意的是，室外实验中各被试者驾驶的路线类似，因此实验持续的时间与被试者的驾驶习惯（如：驾驶速度）有很大关系，也受到当日交通流特性影响.在参与室外实验的被试者中，用时最短的一位仅仅驾驶了近2h，用时最长的一位则驾驶了近3h.

室外实验为间断测试，故需根据被试者各自在这些时间条带上的脑电波数据对照分析出驾驶疲劳出现的时间，另外，实验前准备的5min也可以作为正常状态的数据用以对比.脑电指标Eθ＋慢α／E中α＋快α和E慢α／Eβ显示室外实验中被试者疲劳的时间段见表4.

3.2 心率指标分析

室内实验中每10min计算一次心率均值，分析发现：心率均值作为评价驾驶疲劳的指标显著性较差，全程显示为平稳曲线，变化较小.一旦被试者适应了仪器，了解了实验流程，心率会从较高初值迅速下降，在实验开始30min之后趋于平稳，难以得到被试者的疲劳状况.

表4 室外实验脑电指标指示被试者的疲劳时间Table 4 Fatigue time of the samples in outdoor experiments based on EEG min

同样，以10min为单位，将室内实验分成若干段，每一段计算出一个对应的LF／HF指标，得出LF／HF这一指标所指示的各时间条带中处于疲劳状态的被试者人数（如图6所示）.

图6 LF／HF指标显示各时间条带疲劳样本数量Fig.6 Number of fatigued samples in indoor experiments based on LF／HF

从图6中可以看到，所体现的疲劳时间条带较为明显，有几个条带甚至无一样本体现疲劳LF／HF指标所指示的疲劳时间条带为：100～120 min，170～180min.其中，110～120min这一时间条带上有10名被试者为疲劳状态，最为突出.

室外实验中LF与HF的比值也同样相对于单独的指标更能正确地指示出被试者的疲劳状态.并且通过与心率变异性的时域指标对比发现频域指标的极值点是相对更为敏感的指标LF／HF显示被试者的疲劳时间见表5.

3.3 眼动分析

眼动录像分析沿袭了以往人工判读的方法这种方法将录像分解为连续多张图片（75帧／s）可以通过分析每张图片清楚地观察眼睛闭合的状态.但是工作量极大，分析10s的数据就需要观察750帧图像.全程分析眼动数据不现实，故本实验中眼动行为指标仅仅作为验证之用.通过前期被试者的疲劳时间，在这些典型的时间条带中分别提取10s的视频录像，统计平均一次眨眼时间，并与已知的均眨眼时间指标阈值对比，验证被试者的状态.眼动指标显示被试者的疲劳时间见表6.

表5 室外实验中LF／HF显示被试者的疲劳时间Table 5 Fatigue time of the samples in outdoor experiments based on LF／HF min

表6 室内实验中眼动行为显示被试者的疲劳时间Table 6 Fatigue time for every sample in indoor experiments based on eye motion min

已知的均眨眼时间数据是通过室内实验得到的.在该实验中，容许被试者自由进入睡眠状态，而所给出的结果中“疲倦”状态所代表的含义多为被试者接近或已经进入睡眠状态，这在实际驾驶过程中是很难达到的.因此，室外眼动结果分析时，是以研究临界状态为主要目标.表7中所讨论的“疲劳状态”是以各年龄段的临界状态对应指标值进行评价的.

表7 室外实验中眼动行为显示被试者的疲劳时间Table 7 Fatigue time for every sample in outdoor experiments based on eye motion min

3.4 问卷结果

与标志相关题目的正确率直接地反映了被试者对变化环境的认知能力以及反应能力.在室内实验过程中，如果被试者入睡、错过标志均认为被试者答错题目.12名被试者各个题目的正确率统计如图7所示.

图7 测试题正确率示意Fig.7 Correct ratio of every question

从图7中可以看到，多数情况下，大部分被试者都能够回答测试卷上的题目.正确率趋势图上有3处明显的极小值，分别在实验初期，第16题到第21题之间以及第28到第31题之间.

在实验开始时，尽管经过了详细的说明，很多被试者仍然不能理解实验的过程或者不能适应实验的方式，不得不中途要求实验者再次解释.从他们的脑电波看来，大多数的被试者（有2个被试者除外）在实验初期都处于较为兴奋的状态，可见这一阶段的高错误率与他们的疲劳状态无关.

根据题目时间轴，第16题到第21题对应90～130min的时间，即这段时间内，被试者的判断力显著下降，精神很难集中.对照脑电分析，这一阶段也是被试者较为困倦的一段时间.根据实验人员的现场记录可以发现，大多数被试者瞌睡甚至入睡的记录也在这一时段，可见这一时段的正确率下降与被试者的疲劳有关.最后的一个低谷为第28到第31题之间，同样也是各生理指标指示被试者较为疲劳的一段时间.

可以认为，对应第16到第21题之间、第28到第31题之间是疲劳影响到被试者注意力和判断力的时间段.具体到时间为：120～140min，180～210min.

4 室内、外实验对比

脑电方面，室内、外实验的数据均显示在实验开始初期（30min以内）以及120～130min时间段被试者有疲劳的迹象.但在室外实验中，由于要切实从事驾驶活动，数据受被试者自身条件的影响较大，被试者的驾驶经验和行动能力等都将引起测试结果的变化，脑电数据分析起来较为困难.而且室外实验为不连续测试，其数据完整性不及室内实验的.

心率方面，室、内外实验均证明心率均值作为评价驾驶疲劳的指标其敏感性和显著性不佳；也都显示LF／HF比心率变异性时域指标更加敏感.室外实验中LF／HF的数值水平普遍比室内实验中的偏小.例：室内实验中，有多位被试者的LF／HF达到500%甚至高于700%，而在室外，却没有被试者在任何时间段的LF／HF高于400%，大多数被试者的LF／HF为100%～300%.

眼动方面，室外光线不稳定，驾驶人频繁转动头部，给观测和分析工作增加了难度，其准确程度不及室内实验，而且室外的眼动指标相对室内而言有更大的不稳定性.室外眼动情况与天气情况有极大的关系，即使是相同的被试者，在不同天气下在同样路段驾驶体现的眼动情况也不一致.即是说，如果要开发出针对室外实际驾驶活动实时观测的眼动指标系统尚要考虑多变的环境影响.

5 结论与展望

室内实验所测试的脑电指标显示与前期实验结果一致，其他生理指标所指示的疲劳曲线与脑电所示疲劳趋势类似，大多数被试者在实验开始后100～120min以及170～180min显示出疲劳而关于标志内容的测试问卷所显示的被试者注意力不集中时间相对滞后，为120～140min以及180～210min.可见，以问卷测试被试者的注意力集中与否可行，这一指标与疲劳也有一定关系，但相关度还需进一步研究.

室外实验环境较为复杂，由于是在从事真实的驾驶活动，测试结果与被试者的驾驶经验有较大关联.但仍可以得出，大多数的被试者在实验开始20～30min显示出一定程度的疲劳，实验开始后60～80min以及120min之后的一段时间被试者较为疲劳.

室内、外实验结果的对比可以作为后续模拟实验方案制定的参考.

（References）：

［1］Yihong T，Biaoqin H.Drivers drowsiness detection in the embedded system［J］.IEEE International Conference on Vehicular Electronics and Safety，2007（12）1—5.

［2］王荣本，郭克友，储江伟，等.驾驶员驾驶行为监测中的面部定位方法的研究［J］.公路交通科技，200320（2）：96—99.（WANG Rong－ben，GUO Ke－you CHU Jiang－wei，et al.Study on the face location method in driver behavior surveillance［J］.Journal of Highway and Transportation Research and Development，2003，20（2）：96—99.（in Chinese））

［3］李君羡.基于生理指标的驾驶疲劳时间曲线实验研究［D］.上海：同济大学，2012.（LI Jun－xian.A research on the fatigue driving－time curve based on physiological index［D］.Shanghai：Tongji University 2012.（in Chinese））

［4］Jap B T，Lal S K L，Fischer P，et al.Using EEG spectral components to assess algorithms for detecting fatigue［J］.Expert Systems with Applications 2009，36（2）：2352—2359.

［5］Force T.Heart rate variability standards of measurement，physiological interpretation，and clinical use［J］.Circulation，1996，93（5）：1043—1064.

［6］Lee D H，Park K S.Multivariate analysis of mental and physical load components in sinus arrhythmia scores［J］.Ergonomics，1990，33（1）：35—47.

［7］吴群.基于心电信号的驾驶疲劳检测方法研究［D］.杭州：浙江大学，2007.（WU Qun.Measuring method to monitor driving fatigue based on electrocardiogram［D］.Hangzhou：Zhejiang University，2007.（in Chinese））

［8］Patel M，Lal S K L，Kavanagh D，et al.Applying neural network analysis on heart rate variability data to assess driver fatigue［J］.Expert Systems with Applications，2011，38：7235—7242.

［9］潘晓东，李君羡.基于眼部行为的驾驶疲劳监测方法［J］.同济大学学报：自然科学版，2011，39（2）：231—235.（PAN Xiao－dong，LI Jun－xian.An approach of fatigue drive monitoring based on eye state［J］.Journal of Tongji University：Natural Science Edition 2011，39（2）：231—235.（in Chinese））

［10］郭秀艳.实验心理学［M］.北京：人民教育出版社2009.（GUO Xiu－yan.Experimental psychology［M］.Beijing：People’s Education Press，2009.（in Chinese））

［11］李君羡，潘晓东.基于脑电分析的连续驾驶疲劳高发时间判断［J］.交通科学与工程，2012，28（4）72—79.（LI Jun－xian，PAN Xiao－dong.Study on high－risk period for drivers committing long－time driving based on EEG［J］.Journal of Transport Science and Engineering，2012，28（4）：72—79.（in Chinese））