基于腦電信號的駕駛員狀態監測分析

（吉林大學，130022）

基于腦電信號的駕駛員狀態監測分析

黃夢圓,王佑星,邵文良,朱子堯,楊改改

（吉林大學，130022）

本文設計了疲勞監測試驗的數據采集過程，通過便攜式腦電采集儀器對志愿者的EEG進行采集，對單電極腦電信號在疲勞監測中的應用展開了研究。

交通安全；疲勞駕駛；腦電監測

1 腦電信號疲勞檢測試驗設計

1.1 實驗對象選擇

根據現有研究經驗，為了減少個體差異性對實驗數據的影響，實驗中選擇具有兩年以上駕齡的35歲男性作為實驗對象。另外，與睡眠相關的疲勞駕駛主要集中在清晨和午后，因此，講實驗的時間選擇為13:00pm~14:00pm。

1.2 實驗場景

實驗場景為雙向兩車道直線道路，總長度為40km，坡度在3%以下，車道寬度為3.5m，路肩寬度為1.5m。為了更好地體現單調性，道路場景中沒有任何指示標志，在道路兩側成對出現樹，一邊一排，以10/對的速率通過駕駛員的視野。要求駕駛員以右側車道中心線為準緊跟前車行駛，不能超車，前車40km/h的速度穩定行駛。實驗室溫度20~23℃，柔和燈光5lx。

1.3 實驗過程

每次實驗在每天相同時間段進行，同時保證所有實驗條件相同，實驗時間為1小時。在進行首次實驗之前，駕駛員首先需要利用5min時間熟悉模擬駕駛操作的環境。實驗人員為駕駛員安裝腦電信號采集儀器以及嚴冬設備之后，駕駛員進行40min的模擬駕駛。在模擬駕駛的過程中，加載從道路左側向右側的微風，從而使車輛在道路橫坡的影響下發生一定的右移趨勢，相同風力的側向風以10s的間隔作用于車輛。為了避免相同風力使駕駛員形成習慣，因此，需要在10s的間隔內隨機產生不同的風力作用于車輛，這種方式對駕駛員的注意力下降非常敏感。

1.4 數據統計

利用Neurosky公司的腦電波傳感器Mindwave Mobile，腦波傳感器 Mindwave Mobile；采用國際腦電圖學會標定的10~20電極導聯定位標準。當NuAmps型放大器殼體表面的電阻標示下降到10kΩ以下時，開始進行試驗，同時對垂直眼動信號進行采集。

具體實驗參數按照以下數據進行設置：采樣率設置為512Hz/S，DC采集，低通50Hz，高通0.5Hz。利用Neuroscan軟件在離線狀態下進行偽跡的分析與剔除。由于采用DC采樣方式，首先需要進行DC偏移校正，然后剔除存在較大異常的錯誤及路段，同時剔除眼電、肌肉以及出汗等偽跡。數據在經過預處理之后，按照具體教師時間每隔4min中截取一段記錄，由于1s內的腦電信號基本處于平穩狀態，因此在1s內進行FFT，將其分為4個頻段波，分別為δ（0.5~4Hz）、θ（4~8Hz）、α（8~14Hz）、β（14~30Hz），對各頻段波的平均功率進行計算，進而對各頻段波功率在總頻段波中所占的比例進行計算，然后在4min內進行疊加平均。眼動設備主要對駕駛員以眼瞼遮住瞳孔的面積至少超過80%的情況下在某一特定時間的百分比進行采集。

2 實驗結果數據分析

2.1 EEG隨駕駛時間的變化規律

利用SPSS統計分析軟件對所有采集的數據進行統計分析。將各個樣本的腦電信號按照每4min為1段進行平均值計算，具體結果如圖1所示。從數據結果來看，隨著時間的推移，δ呈現出明顯的上升趨勢，β呈現出明顯的下降趨勢，而θ和α也出現了一定的下降趨勢。同時對腦電的組合指標進行分析發現，（α+θ）/β以及α/β指標均隨著時間的增加呈現出上升趨勢。

2.2 EEG指標合理性分析

通過與時間t進行配對檢驗，可以發現β隨著駕駛時間的增加出現了明顯的下降趨勢，而δ、（α+θ）/β以及α/β均隨著實驗時間變化出現了明顯的上升趨勢。這些結論與之前相關研究所獲取的結論基本保持一致，也說明了所選EEG指標用于駕駛員疲勞狀態的檢測具有合理性。

2.3 EEG與眼動檢測的相關性分析

目前，國內外的研究發現，采用駕駛員以眼瞼遮住瞳孔的面積至少超過80%的情況下在某一特定時間的百分比作為指標與疲勞發展程度具有較好的相關性，能夠較為準確的反映出人體的疲勞程度，可以較為準確的對人體疲勞程度進行估測。但是在實際試驗的過程中，發現該指標存在較大的局限性，如果駕駛員戴眼鏡或者頭部經常擺動的情況下，眼動設備無法對駕駛員眼睛的狀態進行及時準確地捕捉；另外，當駕駛員長時間閉眼時，眼動設備檢測到的指標值較低設置為0，與實際情況剛好相反。對此，可以采用Pearson簡單相關系數計算了各個EEG指標與眼動檢測指標的相關系統，從計算結果來看，兩者之間具有顯著的相關性，因此，可以通過腦電指標代替眼動檢測指標，從而避免因為個體差異而導致的疲勞檢測結果誤差。

2.4 單調環境下的最優駕駛時間分析

通過對實驗中各個時間段的δ及（α+θ）/β兩個指標與時間t進行配對檢驗，分析各指標在單調駕駛環境下各時間段的變化情況。根據檢測結果來看，在第36min中時，兩個指標的變化最為明顯，因此，可以確定單調環境下的駕駛時間應該盡量限制在36min以內。

3 結論

本文對基于腦電信號的駕駛員疲勞狀態監測進行了研究，首先設計了試驗方法并監測了各項評價指標的合理性，同時分析了腦電指標與眼動檢測指標的相關性，提出了利用腦電指標代理眼動檢測指標來避免個體差異對疲勞監測結果的影響；另外，根據本文的分析可以發現，駕駛員對單調駕駛環境的敏感時間在36min左右，因此，在進行道路設計時，應盡量將單調場景限制在28min車程內。同時，應該加強交通安全教育，避免疲勞駕駛，全面促進交通安全水平的提高。

圖1 EEG各項指標變化規律

[1] 彭軍強.疲勞駕駛的腦電特性探索[J].北京理工大學學報，2007（07）：585-589.

[2] 謝宏.疲勞駕駛識別中的腦電信號特征選擇算法和支持向量機模型研究[J].中國生物醫學工程學報，2014（04）：482-486.

[3] 李明愛.一種基于腦電信號的疲勞駕駛狀態判斷方法[J].北京生物醫學工程，2011（01）：57-61.

Analysis of driver state monitoring based on EEG signal

Huang Mengyuan,Wang Youxing,Shao Wenliang,Zhu Ziyao,Yang Gaigai
（Jilin University，130022）

In this paper,the data acquisition process of fatigue monitoring test was designed.The EEG of the volunteers was collected by the portable EEG acquisition instrument.

traffic safety;fatigue driving;EEG monitoring