基于脑电图识别结合操纵特征的驾驶疲劳检测分析

付 强（辽宁省交通高等专科学校，110122）



基于脑电图识别结合操纵特征的驾驶疲劳检测分析

付 强
（辽宁省交通高等专科学校，110122）

摘要：交警部门在进行道路安全管理时，对疲劳驾驶的人员进行有效的驾驶疲劳检测，是辨别疲劳驾驶人员前提与基础。本文基于脑电图识别结合操纵特征为切入点，通过选取的样本进行驾驶疲劳实验，将脑电图识别与车辆操纵特性相结合来检测驾驶员的疲劳状态。

关键词：脑电识别；操纵特征；驾驶疲劳；检测分析

1 脑电图与驾驶疲劳概述

1.1脑电图简述。脑电图是通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性电活动。脑电图是记录了某一时刻的脑电波的信息图，脑电波有四个重要的波段，其频率变动范围在每秒1-30次之间，其中δ波在1-3Hz之间，θ波在4-7Hz之间，α波在8-13Hz之间，β波在14-30Hz之间，此外也有其他一些情况，比如专注工作或者睡眠时，各有不同，在清醒并且精神专注时，有一种频率较β波更高的γ波，其频率为30—80Hz，波幅范围不定，而在睡眠时，还可出现另一些波形较为特殊的正常脑电波，如驼峰波、σ波、λ波、κ-复合波、μ波等，在本文研究中，从驾驶员从情形状态向疲劳的精神状态转变时，慢波δ波和θ波增加，快波α波和β波降低。

1.2驾驶疲劳简述。驾驶疲劳是指驾驶员在长时间地连续行车或从事其他体力劳动消耗过大、睡眠不足，产生生理机能和心理机能的失调，导致行车时困倦磕睡、四肢无力，在客观上出现驾驶技能下降，不能及时发现和准确处理路面交通状况的现象。驾驶疲劳检测是道路交通管理人员针对驾驶员的疲劳状况，采取多种方式、仪器、途径进行疲劳检测，以此确定驾驶员的精神状态，进而得出是否适合继续驾驶的结论，以便于驾驶员针对自身状况来消除疲劳，有助于道路交通管理部门通过驾驶疲劳检测的方式减少驾驶疲劳的危害。在驾驶疲劳的检测方法中，基于脑电波（EEG）测量的脑电图识别兼具准确性与实时性，因此受到广泛的认可，该检测方法是通过采集驾驶员的脑电图，并对脑电图的相关特征进行分析，以此来判断驾驶员是否疲劳驾驶。

2 驾驶疲劳的实验设计

开展驾驶疲劳的实验之前，首先进行实验仪器与调查样本选择，笔者以模拟驾驶的方式，选用驾校的模拟驾驶仪器，计算机上运行模拟驾驶软件，显示器上显示道路环境，选择的道路环境为山区公路，实验环境是与驾驶道路环境相似的室内。在调查样本的选择上，笔者选取了高校的5名本科生与3名研究生，5名本科生年龄在19—23岁之间，驾龄在3年以下，3名研究生年龄在24—27之间，驾龄在5年上下，以上驾驶员身心健康，无脑部疾病，都已经经过驾校培训合格拿到机动车驾驶证，为了保证实验的科学性与准确性，笔者对这8名受测人员进行了为期十五天的饮食、睡眠监测与控制，保证规律的作息与饮食，确保实验过程中状态良好。

实验分上午与下午两批，上午在8点30至11点30之间进行，下午在2点30与5点30之间进行，在进行疲劳驾驶实验前，先将脑电电极在受试者脑部的相应位置放好，运行模拟驾驶软件，受测者开始进行连续驾驶，试验中确保受测者不受外界干扰，能够集中注意力驾驶，每名驾驶员采集了180分钟的脑电数据，采样频率为100Hz。笔者采取了8名受测者的相关脑电数据后，利用相关技术来逐段分析不同驾驶时间段的脑电图，分析驾驶员出现疲劳的时间以及疲劳出现时的脑电特征。

3 脑电图的处理

本文在进行脑电图的处理时，选用S变换方法，原因在于S变换在分析多频率信号时表现出独特的优势，不仅具有多种分辨率，还保留了各频率的绝对相位特征，克服了短时傅里叶变换和小波变换的不足，如今S变换已经被广泛应用于地震信号分析等领域，因此笔者选用S变换方法处理较为复杂的脑电图，分析脑电信号。

笔者在进行S变换分析时，发现不同的驾驶员在相同时刻同一导联脑电信号的S变换时频谱都基本相同，因此笔者选取了一名驾驶员的一个导联脑电进行分析，笔者首先将监测的模拟驾驶3小时的脑电数据分为4段，每45分钟一段，再将每段又分为3小段，每15分钟一小段，在每小段中任取10秒数据。最后对每段中的3小段数据取平均，将平均后的数据作为该时间段内所选取的脑电数据。下图图一、图二、图三、图四所示的就是驾驶不同时刻的脑电图：

图一：驾驶0—45分钟的归一化脑电波形

图二：驾驶45—90分钟的归一化脑电波形

图三：驾驶90—135分钟的归一化脑电波形

图四：驾驶135—180分钟的归一化脑电波形

笔者发现，车辆参数与疲劳状态间的关系为，当角度标准差和PNS都较小时，驾驶员无驾驶疲劳的精神状态，都比较清醒，当角度标准差较大、PNS较小时，驾驶员出现了驾驶疲劳的精神状态，当角度标准差和PNS都较大时为非常疲劳状态。

4 结论

驾驶疲劳是道路安全的威胁之一，研究相关的检测驾驶疲劳的方法，有助于为道路交通管理部门预防驾驶员驾驶疲劳提供技术支持，本文通过S变换方法分析了驾驶过程中的脑电信号，突破了采用以往传统分析方法需要假设脑电信号为平稳信号的缺陷，研究发现当驾驶员疲劳时，其S变换时频谱发生了明显地改变，基于脑电图识别结合车辆操纵参数，能够作为检测驾驶疲劳的指标。

参考文献

［1］王斐.基于脑电图识别结合操纵特征的驾驶疲劳检测［J］.仪器仪表学报，2014年2月第2期。

［2］南姣芬.基于脑电信号的驾驶疲劳检测方法研究［D］. 陕西师范大学硕士学位论文，2011年5月。

［3］郑常宝，段晓波，李晓明.用Matlab小波包求功率频带分解规律［J］.电测与仪表，2010年第6期。

作者简介

付强（1983— ），男，辽宁铁岭人，硕士研究生，研究方向：生物电信号处理、印刷设备自动控制。

Analysis of driving fatigue detection based on EEG recognition combined with manipulation features

Fu Qiang
（Liaoning Provincial Communications College，110122）

Abstract：The traffic police department in the road safety management，the fatigue driving personnel to carry out effective driving fatigue detection，is to identify the driver's premise and foundation.In this paper，based on the feature of EEG recognition combined with manipulation as the breakthrough point，through the selection of samples for driving fatigue experiments，the EEG recognition and vehicle control characteristics combined to detect the driver's fatigue state.

Keywords：EEG recognition；operating characteristics；driving fatigue；detection and analysis