基于腦電識別與車輛操縱特征的駕駛疲勞檢測分析

付 強

（遼寧省交通高等專科學校，遼寧沈陽，110122）

基于腦電識別與車輛操縱特征的駕駛疲勞檢測分析

付 強

（遼寧省交通高等專科學校，遼寧沈陽，110122）

本文以腦電識別與車輛操縱特征為切入點，通過模擬疲勞駕駛實驗，將腦電識別與車輛操縱特性相結合來檢測駕駛員的疲勞狀態。通過對腦電信號的S變換分析，發現不同駕駛時刻其變換時頻譜圖存在顯著差異，可用來區分駕駛過程中駕駛員的精神狀態，結合車輛操縱特征參數，得到操縱特征與疲勞狀態的關系，為腦電識別與操縱特征的駕駛疲勞檢測的有效性提供一定的理論和實驗基礎。

腦電識別；操縱特征；駕駛疲勞；檢測分析

隨著經濟的發展和社會的進步，汽車保有量不斷攀升，道路交通事故已成為嚴重的安全問題，尤其是駕駛員在疲勞駕駛時，給道路安全、行人安全、車輛安全等造成巨大的威脅。駕駛疲勞檢測是通過采取多種方式、儀器、途徑對駕駛員的疲勞狀況進行檢測，以此來確定駕駛員的精神狀態，進而得出是否適合繼續駕駛的結論。因此，本文通過對腦電信號分析，結合車輛操縱特征來判斷駕駛員是否疲勞進行分析研究。

1　實驗方案設計

選取8名在校研究生，年齡在20～26周歲之間，身體健康無睡眠相關疾病，實驗時間為13：30～16：30。實驗在駕駛模擬器上進行，選用單調山區公路作為實驗環境，采集180min內的腦電數據，采樣頻率為100Hz。

2　腦電信號S變換處理

在進行S變換分析時，發現不同的駕駛員在相同時刻同一導聯腦電信號的S變換時頻譜基本相同，因此筆者選取了一名駕駛員的一個導聯腦電進行分析，首先將模擬駕駛180min的腦電數據分為4段，再將每段又分為3小段，在每15min中任取10s數據。最后對每段中的3小段數據取平均，將該均值作為該時間段內所選取的腦電數據。圖1所示為不同駕駛時刻歸一化的腦電波形，圖2所示為不同駕駛時刻的S變換時頻譜。

通過分析頻譜圖可知，駕駛員在0-45min和45-90min 時S變換頻譜圖相類似，功率譜能量比較分散，主要分布在10—35Hz之間（即α和β波段），大腦活動比較活躍，表明駕駛員大腦清醒，無駕駛疲勞現象；當模擬駕駛90—135min時，功率譜能量分布集中，主要分布在3—15Hz之間（即θ和β波段），θ波段主要表征中樞神經受抑制和疲勞狀態，這說明駕駛員的大腦活躍性降低，精神狀態變差，出現了駕駛疲勞現象；當模擬駕駛135—180min時，功率譜能量分布在15Hz以上的β波段，這說明此時駕駛員大腦活動增強，疲勞駕駛現象得到一定的緩解。筆者認為，這是駕駛員在突破體力極限后的表現，當疲勞過后，駕駛員的精神狀態比疲勞前更好。

圖1　不同駕駛時刻歸一化的腦電波形

3　車輛操縱參數與疲勞狀態間關系

實驗所采用的駕駛模擬器可同時采集駕駛員駕駛時方向盤旋轉角度、油門變化頻率以及執行任務時間等數據，根據相關學者的研究表明，駕駛過程中駕駛員對方向盤的控制能力——角度標準差和零速百分比可以作為檢測疲勞駕駛行為的主要指標，角度標準差表征所選時間內方向盤轉角的變動水準，假設有一組角度數值X1，X2，X3，…XN，角度標準差的公式為：

圖2　不同駕駛時刻的S變換時頻譜

零速百分比表征所選時間內方向盤不動的程度，一般用PNS表示，即PNS=n/N， n為總采樣點中角速度在±1°/s之間的點數，N為所選時間內角度的總采樣數，根據模擬駕駛實驗中采集得到車輛操縱特征參數，通過分析可得到車輛操縱特征參數與疲勞狀態的關系，如圖3所示。

4　結論

駕駛疲勞是道路安全的威脅之一，研究相關的檢測駕駛疲勞的方法，有助于為道路交通管理部門預防駕駛員駕駛疲勞提供技術支持。本文通過S變換方法分析了駕駛過程中的腦電信號，突破了采用以往傳統分析方法需要假設腦電信號為平穩信號的缺陷，研究發現當駕駛員疲勞時，其S變換時頻譜發生了明顯地改變，結合車輛操縱特征參數，得到操縱特征與疲勞狀態的關系。基于腦電識別結合車輛操縱特性，能夠作為檢測駕駛疲勞的指標，為駕駛疲勞檢測方法研究的提供一定的理論和實驗基礎。

［1］ 王斐.基于腦電圖識別結合操縱特征的駕駛疲勞檢測［J］.儀器儀表學報，2014年2月第2期

［2］ 南姣芬.基于腦電信號的駕駛疲勞檢測方法研究［D］. 陜西師范大學碩士學位論文，2011年5月

［3］ 鄭常寶，段曉波，李曉明.用Matlab小波包求功率頻帶分解規律［J］.電測與儀表，2010年第6期

［4］岳春芳. 機動車駕駛員駕駛狀態監控系統研究與設計［D］. 太原理工大學碩士學位論文，2008年5月

Analysis of Driving Fatigue Detection Based on EEG Identification Combined with Vehicle Manipulation Features

Fu Qiang
（LiaoNing Provincial College of Communications，Shenyang，110122）

In this paper，the EEG recognition and vehicle control characteristics as the breakthrough point，through the simulation of fatigue driving experiments，the EEG recognition and vehicle control characteristics combined to detect the driver's fatigue state.The S transform of the EEG signal analysis，found that different driving moment transform spectrum there are significant differences can be used to distinguish between the mental state of the driver in the driving process， combined with vehicle handling characteristic parameters，control characteristics and fatigue，for EEG recognition effectiveness of the driver fatigue detection and handling characteristics provide theoretical and experimental basis.

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

圖3　車輛操縱特征參數與疲勞狀態關系

R318

A

付強（1983- ），男，遼寧鐵嶺人，碩士研究生，講師，研究方向：生物電信號分析與處理。