基于生理信号的驾驶疲劳声音对策有效性实验
l2级别条件下驾驶员疲劳机理与延缓对策研究
l2级别条件下驾驶员疲劳机理与延缓对策研究随着自动驾驶技术的不断发展，L2级别的自动驾驶已经逐渐进入我们的生活。
在L2级别条件下，车辆能够在一定情况下执行自动化的加速、制动和转向操作，但驾驶员在任何时刻都需要准备接管控制。
然而，即使在自动驾驶的辅助下，驾驶员疲劳依然是一个严重的安全隐患。
研究L2级别条件下驾驶员疲劳机理与延缓对策成为一个紧迫的课题。
1. 驾驶员疲劳的机理在L2级别条件下，驾驶员在长时间的监视车辆行驶过程中，可能会出现疲劳情况。
疲劳的机理主要包括生理和心理两个方面。
生理上，长时间的集中注意力导致大脑和神经系统的疲劳，影响驾驶员的反应速度和判断能力。
心理上，单调乏味的驾驶环境容易让驾驶员产生疲劳和厌倦情绪，进而影响驾驶安全。
2. 延缓驾驶员疲劳的对策为了延缓驾驶员疲劳，在L2级别条件下需要采取一系列对策。
车辆自动驾驶系统需要具备更加智能化的监测功能，及时发现驾驶员疲劳的迹象并提醒驾驶员。
驾驶员也需要具备自我监测和调节的能力，以避免疲劳驾驶。
引入更多的人机交互设计，使驾驶员能够更轻松地与自动驾驶系统协同工作，减轻长时间驾驶的压力。
3. 个人观点从个人观点来看，L2级别条件下的自动驾驶技术在改善驾驶安全的也带来了新的挑战。
驾驶员疲劳对于安全车辆行驶产生了不容忽视的影响，因此延缓驾驶员疲劳成为重要课题。
除了技术上的提升，我认为驾驶员自身的意识和能力也是关键。
只有通过技术和人的共同努力，才能在L2级别条件下实现更加安全、舒适的驾驶体验。
总结回顾L2级别条件下驾驶员疲劳的机理和延缓对策是一个复杂而又重要的课题。
通过对疲劳机理的深入了解和对策研究，可以为自动驾驶技术的发展提供更加全面的支持。
从个人角度出发，我们也应该不断提升自身的安全意识和驾驶技能，以应对L2级别自动驾驶带来的挑战。
通过对L2级别条件下驾驶员疲劳机理与延缓对策的探讨，我们可以更好地理解自动驾驶技术发展的现状和面临的挑战，为今后的研究和实践提供重要参考。
蜂鸣器在驾驶员疲劳监测系统中的应用研究
蜂鸣器在驾驶员疲劳监测系统中的应用研究随着交通安全意识的增强和交通事故的频发，驾驶员的安全驾驶成为了重中之重。
然而，由于驾驶员的疲劳驾驶问题日益严重，疲劳驾驶已成为造成交通事故的一个主要因素。
为了解决这一问题，研究人员开始探索并开发驾驶员疲劳监测系统。
其中，蜂鸣器的应用在这一领域引起了广泛的关注。
本文将研究蜂鸣器在驾驶员疲劳监测系统中的应用以及其相关研究。
驾驶员疲劳监测系统旨在通过检测驾驶员的生理和行为特征来识别疲劳驾驶，并提醒或采取相应的措施来防止交通事故的发生。
蜂鸣器作为其中的一种重要器件，被广泛应用在驾驶员疲劳监测系统中。
其主要作用是当系统检测到驾驶员出现疲劳驾驶的特征时，通过发出声音警示驾驶员及时休息或采取必要的措施。
首先，蜂鸣器的应用可以辅助其他传感器来监测驾驶员的疲劳状态。
例如，通过监测驾驶员的眼睛活动情况、面部表情、头部姿势、眼睑闭合时间等生理特征，系统可以判断驾驶员是否出现疲劳的迹象。
当系统检测到这些特征时，蜂鸣器可以发出声音警示驾驶员。
这种声音警示可以通过将蜂鸣器安装在驾驶员座椅上或方向盘上的方式实现，使得驾驶员可以及时察觉到疲劳驾驶的存在，从而采取相应的行动。
其次，蜂鸣器可以用来检测驾驶员的驾驶行为以及其他环境因素。
例如，当驾驶员开始打哈欠、频繁摇头、振作神情，或者当驾驶较长时间没有进行操作时，蜂鸣器可以发出声音提醒驾驶员。
同时，蜂鸣器还可以检测其他环境因素，如车速、车道偏离等情况。
当车速超过某个阈值，或者车道偏离较大时，蜂鸣器也可以发出声音警示驾驶员。
此外，蜂鸣器在驾驶员疲劳监测系统中的应用还可以进一步创新。
例如，一些研究人员提出了基于蜂鸣器的声音模式识别技术。
他们通过采集不同疲劳状态下驾驶员的声音特征，使用机器学习等技术将这些特征与疲劳状态进行关联，并训练出相应的模型。
当驾驶员出现相应的疲劳状态时，系统可以根据蜂鸣器发出的声音来判断其疲劳状态，并及时报警。
这种技术的优势在于可以通过声音识别来实现驾驶员疲劳监测，无需其他传感器的配合，从而降低了系统的成本和复杂度。
不同响度音乐对单调声音环境下驾驶疲劳缓解实验研究
不同响度音乐对单调声音环境下驾驶疲劳缓解实验研究
胡志刚;胡佳斌;乔现玲
【期刊名称】《重庆交通大学学报（自然科学版）》
【年(卷),期】2017(036)009
【摘要】为有效减轻驾驶员在单调声音环境下的驾驶疲劳、减少交通事故,在不同类型广播声音环境下开展了模拟驾驶实验;基于瞳孔直径变异系数等建立了驾驶疲劳综合评价指标,研究了驾驶疲劳音乐响度对策的有效性.结果表明:音乐能缓解单调声音环境下的驾驶疲劳,在不同声音环境下,音乐对驾驶疲劳缓解的效果略有差异;75和85dB音乐在显著性及稳定性方面要优于65dB;75和85dB音乐两者之间差异不大.
【总页数】7页(P73-79)
【作者】胡志刚;胡佳斌;乔现玲
【作者单位】陕西科技大学工业设计研究所,陕西西安710021;陕西科技大学工业设计研究所,陕西西安710021;陕西科技大学工业设计研究所,陕西西安710021【正文语种】中文
【中图分类】U492.8
【相关文献】
1.单调环境下驾驶人的警觉性时变规律 [J], 路巧珍;孙宇;朱彤
2.连续驾驶条件下公交驾驶员疲劳特征实验研究 [J], 滕靖;宋兴昊;姬利娟;舒启翀;彭昌溆
3.动态驾驶环境所致人体肌肉疲劳的生物信号实验研究 [J], 张鄂;毕朝瑞;王冠华;李岳;张俊峰
4.论音乐对缓解驾驶员疲劳的作用 [J], 秦蕴;汪春秀
5.汽车行驶方向稳定性与疲劳驾驶影响度分析 [J], 李龙骄;孙碉;王雯丽;鲍际平因版权原因，仅展示原文概要，查看原文内容请购买。
基于驾驶员生理特征分析的驾驶疲劳状态识别方法研究
Ｔｈｅ ｆ缸ｉｇｕｅ ｄｒｉＶｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ ｗｅｒｅ ｃａｒｒｉｅｄ ｏｕｔ ｏｎ ｔ１１ｅ ｃａｒ ｓ曲ｕｌａｔｏ ｒ．Ｔｈｅ ｓｕｂｊｅｃｔｓ’ｐｈｙｓｉ０１０９ｉｃａｌ ｄａｔａ ｗａｓ ａｃｑｕｉｒｅｄ ｂｙ ＰｒｏＣｏｍｐ Ｉｎｆｉｎｉｔｉ，ａ ｍｕｌｔｉ·ｍｏｄａｌｉｔｙ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ·ｔｉｍｅ ｃｏｍｐｕｔｅｒｉｚｅｄ ｂｉｏｆｅｅｄｂａｃｋ 蚰ｄ ｄ砒ａ ａｃｑ试ｓｉｔｉｏｎ． Ｔｈｅ
ｔＩｌａｔ ｉｓ ａｂｌｅ ｔｏ ｄｅｔｅｃｔ ｔｈｅ ｔｈｒｅｅ ｐｈａｓｅｓ ｏｆ ｆ撕ｇｕｅ ｂａｓｅｄ ｏｎ ＨＲ，ＥＭＧ ａｎｄ
Ｒｅｓｐｉｒａｔｉｏｎ ｃｈａＩｌｇｅｓ．Ｉｎ ｔｈｉｓ ｓｏｆｈｖａｒｅ，ｔｈｅ ｗｈｏｌｅ ｅｘｐｅｒｉｍｅｎｔ ｐｒｏｃｅｄｕｒｅ ａｎｄ
ｐｈｙｓｉｏｌｏｇｉｃａｌ ｄａｔａ ｃａｎ ｂｅ ｒｅｐｌａｙｅｄ ｉｎ ｍｅ ｉｎｔｅｒｆａｃｅ，ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ，ｔｈｅ
日本的事故统计揭示，因疲劳产生的事故约占ｌ‰１．５％［２】。目前，由于驾驶
疲劳成因复杂、疲劳征兆因人各异，所以至今还无法通过简单方便有效的方 法进行监测，为事故的发生留下了重要的隐患。
近年来，传感器技术、计算机技术、网络技术以及人工智能技术的不断 发展使驾驶疲劳实时监测成为可能。因此，越来越多的国内外专家学者开始 致力于研究运用车载传感器实时获取驾驶员的驾驶行为信息与生理信息，利 用这些信息判断驾驶员的精神状态以及车辆行驶的安全性，并采用相应报警 和防护措施，以减少由于驾驶疲劳而导致的道路交通事故。
ｐｈｙｓｉｏｌｏｇｉｃａｌ ｉｎ士ｂｒｍａｔｉｏｎ ｄａｔａｂａｓｅ ｗａｓ ｄｅｖｅｌｏｐｅｄ． Ｕｓｉｎｇ ｔｈｅｓｅ ｄａｔｅ ｗｅ
基于神经网络的驾驶员疲劳检测与预警系统设计
基于神经网络的驾驶员疲劳检测与预警系统设计随着交通工具的普及和人们对出行速度的需求增长，道路交通事故也日益频发。
驾驶过程中，驾驶员的疲劳是造成交通事故的重要原因之一。
为了保障道路交通安全，研究和设计一种基于神经网络的驾驶员疲劳检测与预警系统变得尤为重要。
一、引言驾驶员在长时间驾驶过程中容易出现疲劳，如长时间的持续驾驶、长时间视线集中和高度紧张等情况都会导致驾驶员精神疲劳。
疲劳驾驶严重危及道路交通安全，因此，设计一种能够及时检测和预警驾驶员疲劳的系统至关重要。
二、驾驶员疲劳检测方法综述目前，研究人员提出了多种方法来检测驾驶员疲劳，包括基于生理信号、视觉信号和驾驶行为等。
1. 基于生理信号的疲劳检测方法能够通过监测驾驶员的生理反应，如脑电图(EEG)、心率(HR)和眼动轨迹等信号，来判断驾驶员的疲劳程度。
这种方法准确度较高，但需要驾驶员佩戴传感器，不够方便。
2. 基于视觉信号的疲劳检测方法通过分析驾驶员的眼睛状态来判断疲劳程度。
例如，通过监测眼睛的闭合情况、眼睛的注视点和眨眼频率等指标来识别疲劳驾驶。
这种方法无需传感器且实时性较好，但受到环境光线和镜头质量的影响。
3. 基于驾驶行为的疲劳检测方法通过分析驾驶员的驾驶行为，如方向盘操作和车辆稳定性等指标，来判断驾驶员的疲劳程度。
这种方法不需要驾驶员配戴任何传感器，但可靠性和准确性相对较低。
三、基于神经网络的驾驶员疲劳检测与预警系统设计神经网络作为一种具有强大学习能力和优秀模式识别能力的算法，已经被广泛应用于各个领域。
基于神经网络的驾驶员疲劳检测与预警系统可以通过训练神经网络，将多种生理信号、视觉信号和驾驶行为指标等输入参数，来判断驾驶员的疲劳程度。
1. 数据采集与预处理首先，需要搜集大量的驾驶员疲劳数据，并进行预处理。
例如，对于基于生理信号的方法，可以使用脑电图(EEG)和心率(HR)等传感器来采集数据；对于基于视觉信号的方法，可以通过摄像头采集驾驶员的眼睛状态数据；对于基于驾驶行为的方法，可以使用车载传感器采集车辆的动态数据。
一种基于驾驶员生理信号的非接触式驾驶疲劳检测技术
一种基于驾驶员生理信号的非接触式驾驶疲劳检测技术王琳;张陈;尹晓伟;付荣荣;王宏【期刊名称】《汽车工程》【年(卷),期】2018(040)003【摘要】本文中基于驾驶员的生理信号提出一种非接触便携式的驾驶疲劳检测技术.首先通过传感器采集到汽车行驶过程中驾驶员的股二头肌的生理信号,经快速独立成分分析分离出肌电信号和心电信号,并采用经验模态分解进行去噪.接着在此基础上,提取出肌电信号复杂度、心电信号复杂度和心电信号样本熵3个特征参数.综合这3个特征参数能明显区分驾驶员的正常和疲劳两种状态.最后采用主成分分析法将特征参数进行降维,获得了2个能有效表征疲劳状态的主成分,以此为自变量建立了判定驾驶疲劳的数学模型.经验证,该模型能较准确地判别驾驶员在驾驶过程中的正常和疲劳状态,准确率达90%以上.【总页数】9页(P333-341)【作者】王琳;张陈;尹晓伟;付荣荣;王宏【作者单位】沈阳工程学院机械学院,沈阳 110136;东北大学机械工程与自动化学院,沈阳 110819;沈阳工程学院机械学院,沈阳 110136;沈阳工程学院机械学院,沈阳110136;燕山大学,测控技术与仪器河北省重点实验室,秦皇岛 066004;东北大学机械工程与自动化学院,沈阳 110819【正文语种】中文【相关文献】1.一种基于人脸序列模式的机车驾驶员疲劳检测方法 [J], 杨海燕;蒋新华;王雷2.驾驶员疲劳驾驶的生理信号研究 [J], 薛春杰;3.驾驶员疲劳状态生理信号的DFA [J], 曾超;王文军;陈朝阳;张超飞;成波;Cavanaugh John M4.基于ASM与信息融合的驾驶员疲劳检测技术的研究 [J], 赵雪娟5.基于ASM与信息融合的驾驶员疲劳检测技术的研究 [J], 赵雪娟因版权原因，仅展示原文概要，查看原文内容请购买。
基于生理信号的驾驶疲劳声音对策有效性实验
基于生理信号的驾驶疲劳声音对策有效性实验
赵晓华;房瑞雪;毛科俊;荣建
【期刊名称】《西南交通大学学报》
【年(卷),期】2010(045)003
【摘要】为了有效减轻驾驶疲劳、减少交通事故,研究了脑电信号(EEG)和心电信号(ECG)随驾驶时间的变化规律,分析EEG和ECG的原始数据与指标之间的相关性,用主成份分析法确定了驾驶疲劳综合评价指标.采用正交实验法,在驾驶模拟舱内验证声音刺激作为驾驶疲劳对策的有效性.研究结果表明:驾驶员在疲劳状态下,对单一声音刺激存在警觉反应;声强和刺激间隔时间影响显著,频率和刺激时间影响较小,且声强70 dB、频率5 800 Hz、刺激时间7 s和刺激间隔时间30 s的声音对策减轻疲劳的效果最好.
【总页数】7页(P457-463)
【作者】赵晓华;房瑞雪;毛科俊;荣建
【作者单位】北京工业大学北京交通工程重点实验室,北京,100124;北京工业大学北京交通工程重点实验室,北京,100124;北京工业大学北京交通工程重点实验室,北京,100124;北京工业大学北京交通工程重点实验室,北京,100124
【正文语种】中文
【中图分类】U491.3
【相关文献】
1.基于生理信号的驾驶疲劳分级检测研究 [J], 卢章平;尹传斌;李瑞;何仁
2.一种基于驾驶员生理信号的非接触式驾驶疲劳检测技术 [J], 王琳;张陈;尹晓伟;付荣荣;王宏
3.基于外周生理信号的疲劳驾驶监测研究 [J], 莫泽坤;徐逸峰;蒋麒憬;张晨曦;陈兰岚
4.基于多源生理信号的驾驶疲劳检测 [J], 李江天;李敏;宋战兵
5.基于生理信号的驾驶疲劳检测研究综述 [J], 祝荣欣
因版权原因，仅展示原文概要，查看原文内容请购买。
基于多源生理信号的驾驶疲劳检测
【摘 要】为检 测驾 驶疲 劳 ，基于 移动 穿戴 设备采 集 了 ４ｈ模拟 驾驶 的生 理信 号 （肌 电 、皮 电 、心率 、血氧 饱 和
度 ），分析各 生理 信号确定疲劳 阈值 ，然后将其 融合建立驾驶 疲劳检测神经 网络模型 ，依据被试者对 刺激信号做 出
反应 的时间 ，并 通过脑 电指标 ８／Ｂ和 ８对模 型进行检 验 。结果 表明 ，在长时 间模 拟驾驶过程 中 ，疲 劳是一种突变
Ｋｅｙｗｏｒｄｓ：ｄｒｉｖｉｎｇ ｆａｔｉｇｕｅ；ｉｎｃｏｒｐ ｏｒａｔｉｏｎ ｏｆｍｕｌｔｉ—ｓｏｕｒｃｅ ｐｈｙｓｉｏｌｏｇｉｃａｌ ｓｉｇｎａｌ；ｔｈｒｅｓｈｏｌｄ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ
１ 前 言
法 解 决 ，更 具 可行 性 。 以往 生理 参 数 检 测 的不 足 之 处 有 ：（１）侵 人 性 问
技 术 与 方 法
ｄｏｉ：ｌ ０．３９６９￣．ｉｓｓｎ．１ ００５—１ ５２Ｘ．２０１ ８．０２．０１ ７
物流技术ห้องสมุดไป่ตู้０１８年第 ３７卷第２期 （总第 ３７７期 ）
基 于 多源 生理信 号 的驾驶疲 劳检测
李江 天 ，李 敏 ，宋 战兵
（武汉 理工大学 汽车工程学 院 ，湖北 武汉 ４３００７０）
ｕｓｉｎｇ ｗｅａｒａｂｌｅ ｄｅｖｉｃｅｓ．Ｔｈｅｎ ｔｈｅ ｆａｔｉｇｕｅ ｔｈｒｅｓｈｏｌｄｓ ｗｅｒｅ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ａｎａｌｙｚｉｎｇ ｐｈｙｓｉｏｌｏｇｉｃａｌ ｓｉｇｎａｌｓ ａｎｄ ｗｅｒｅ ｉｎｃｏｒｐｏｒａｔｅｄ ｔｏ ｅｓｔａｂｌｉｓｈ
ｔｈｅ ｄｒｉｖｉｎｇ ｆａｔｉｇｕ ｅ ｔｅｓｔｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｏｄｅｌ，ｂａｓｅｄ ｏｎ ｗｈｉｃｈ，ｔｈｅ ＥＥＧ ｉｎｄｉｃａｔｏｒ ８／Ｂ ａｎｄ ８－ｐａｉｒ ｍｏｄｅｌ ｏｆ ｔｈｅ ｓｕｂｊｅｃｔｓ ｗｅｒｅ ｔｅｓｔｅｄ
基于音频处理的疲劳驾驶检测技术研究
基于音频处理的疲劳驾驶检测技术研究一、前言随着汽车交通的飞速发展，驾驶已经成为了人们日常生活中不可避免的一部分，然而疲劳驾驶却成为了一种严重的交通安全问题。
据统计，在美国，超过每年4万人死于由疲劳驾驶引起的交通事故，国内也出现了大量疲劳驾驶引起的交通事故。
因此，对于疲劳驾驶检测及防范成为当今一个非常重要的研究方向之一。
二、简介疲劳驾驶是指由于长时间驾车导致的身体疲劳、心理疲劳等因素所导致的一种不安全的驾驶状态。
因此，疲劳驾驶的检测应该包括对物理疲劳和心理状态等方面的评估，只有对这些因素进行全面的检测和分析，才能有效地防范疲劳驾驶引发的交通事故。
三、音频处理技术在疲劳驾驶检测中的应用随着科技的发展，越来越多的技术开始投入到疲劳驾驶检测中，其中音频处理技术逐渐成为了一种非常有潜力的方法。
1、声音分析声音分析是音频处理技术的一种，其基本原理是通过对声音文件中的振幅和频率等参数进行处理来获得更多的信息。
在疲劳驾驶检测中，我们可以通过声音分析来分析驾驶员在驾车过程中的口气、呼吸等声音特征，从而进一步推断他们当前的身体状态，以确保安全驾驶。
2、语音识别语音识别技术是一种通过对声音的识别来实现人与计算机的交互的技术。
在疲劳驾驶检测中，我们可以通过语音识别技术来检测驾驶员的发音、口齿等语音特征，以及调节状态下的语音特征，进一步分析其当前的身体状态。
3、情感识别情感识别是一种通过识别人的语音声音和语言来识别他们的情感和情感状态的技术。
在疲劳驾驶检测中，我们可以通过情感识别技术来检测驾驶员的语音中存在的情感特征，进一步推断其情绪状态和疲劳程度，以确保安全驾驶。
四、基于音频处理的疲劳驾驶检测系统的设计与实现基于以上的技术，我们可以设计一种基于音频处理的疲劳驾驶检测系统，该系统包括硬件和软件两部分，如下：1、硬件设计硬件设计包括一个音频采集模块和一个中央控制器。
音频采集模块将驾驶员的语音或声音特征采集下来，并将其送到中央控制器进行进一步的处理。
动态驾驶环境所致人体肌肉疲劳的生物信号实验研究_张鄂
第17卷第4期2010年8月工程设计学报Journal of Engineering DesignVol .17No .4Aug .2010收稿日期:2009-10-12.基金项目:国家自然科学基金资助项目(50675170).作者简介:张鄂(1948—),男,陕西安康人,副教授,从事现代设计理论与方法研究,E -mail :e .zhang @mail .x jtu .edu .cn .DOI :10.3785/j .issn .1006-754X .2010.04.002动态驾驶环境所致人体肌肉疲劳的生物信号实验研究张鄂1,2,毕朝瑞1,王冠华1,李岳3,张俊峰4(1.西安交通大学机械工程学院,陕西西安710049;2.西安外事学院汽车工程学院,陕西西安710077;3.清华大学生物医学工程系,北京100084;4.西安体育学院实验中心,陕西西安710078)摘 要:为了评价不同的振动驾驶环境对人体舒适性的影响,通过模拟动态驾驶环境实验,采集了人体在不同振动强度下的表面肌电信号(SEM G ).对其进行时域分析求得了积分肌电值(IEM G ),应用频域分析对其进行特征值提取,得到了局部肌电幅度的中值频率(M F )与振动加速度、振动时间的关系,以及人体肱二头肌、竖脊肌、股二头肌的局部肌电与振动参数间的关系.实验中,借助近红外光谱技术(NI RS )观测与分析了肱二头肌、股二头肌和竖脊肌在不同振动环境下的肌氧含量变化特点,同时监测了脑氧含量的变化趋势,并对各振动环境下的人体舒适性及疲劳进行了主观评价实验.实验研究表明,振动驾驶环境直接影响人体的肌肉疲劳过程和人体的肌氧含量、脑氧含量,不同的振动环境会对人体肌肉疲劳及舒适性产生不同的影响.研究结果可为动态环境机械系统的人-车界面设计及操作舒适度的评定提供客观、有效的技术参考.关键词:动态驾驶环境;肌肉疲劳;表面肌电信号;近红外光谱技术;肌氧含量中图分类号:TB 18;R 741.044 文献标志码:A 文章编号:1006-754X (2010)04-0246-07Experimental research on biological signal of muscle fatigueunder dynamic driving environmentZHA NG E 1,2,BI Chao -rui 1,WANG Guan -hua 1,LI Yue 3,ZHANG Jun -feng 4(1.Scho ol of M echanical Eng ineering ,Xi an Jiaoto ng U niver sity ,Xi an 710049,China ;2.Schoo l of A utomo bile Engineering ,Xi an Internatio nal U nive rsity ,Xi an 710077,China ;3.Depar tme nt o f Bio medical Eng ineering ,T sing hua U nive rsity ,Beijing 100084,China ;4.Experimental Center ,Xi an Physical Educa tion U niver sity ,Xi an 710078,China )A bstract :To evaluate human com fo rt under different dy namic driving environm ent ,the IEMG and frequency -dom ain eigenv alues of SEMG signal under different accelerations w ere calculated in thesimulated dynamic driving environment .Based on experimental datum ,the change curves be -tw een the partial M F indexes and the acceleration ,the time w ere plotted ,including the biceps brachii ,erecto r spinae and biceps femo ris .Besides ,the characteristic of muscle oxy gen content and brain o xy gen variatio n w ere reco rded by NIRS .M eanw hile subjective ev aluatio ns of human bo dy com fo rt and fatig ue in different dy namic driving environment w ere given respectively .The e xperimental results show that different dy namic driving environm ent has direct influence on hu -m an muscle oxy gen content and brain ox ygen ,further influence on human body co mfort and fa -tigue .Hence the results provide im perso nal and efficient references for evaluating the operation com fo rt and design of human -vehicle interface under dynam ic driving environment .Key words :dynamic driving environment ;muscle fatig ue ;surface electro myo graphy (S EM G );near infrared spectro sco py (NIRS );muscle oxy gen content 自1886年世界上第1辆汽车问世至今的120多年间,惊人的汽车发展速度写下了人类近代文明的重要篇章.当今,汽车不仅成为人类应用最广的现代化交通工具,而且促进了人们生活空间的延伸.如果汽车人机界面设计得不合理,不仅影响汽车驾驶员的乘驾舒适性和工作效率,而且还会导致驾驶员的身体疾病,严重的甚至会引起交通事故.因此,汽车人车界面设计方法的研究已成为国内外人机工程学研究的一个重要课题[1].关于汽车人车界面的研究国际上已进行了较多的工作[2-6],但从生物力学机理方面的研究还不深入.由于目前我国的轿车车型主要以国外引进为主,现有的人车界面设计只是参照传统人机工程学中的一些经验数据和通用规则,没有从生物力学的理论机理上形成指导汽车人机界面设计的方法,更缺乏动态驾驶环境汽车振动对人体肌肉疲劳影响的考虑以及对个性化人体差异的考虑.而汽车驾驶中的人体生物力学特性又是导致驾驶疲劳、影响乘驾舒适性和人机工效的主要原因,因此研究动态驾驶环境下人体生物力学特性就显得尤为重要.本文针对动态驾驶环境汽车振动所致人体局部肌肉疲劳及其对乘驾舒适性的影响问题,通过模拟动态驾驶环境实验,运用表面肌电测试系统监测不同振动环境下人体保持驾驶姿势时受力集中部位肌肉的表面肌电信号及变化,同时应用近红外光谱技术来监测人体肌氧含量变化以及肌肉疲劳变化的特点,并结合人体的主观评价来研究动态驾驶环境对人体乘驾舒适性的影响,以期为汽车人机界面的优化设计提供科学依据.1 实验条件及方法1.1 实验条件模拟动态驾驶环境的人体振动实验是在美国UD 公司生产的SA30-S802/S T 振动台上(图1(a ))进行.实验中采用的人体生物信号监测仪器主要有:芬兰Mega 公司生产的M E6000-T16表面肌电测试系统(图1(b ))和清华大学研制的TSAH -100近红外组织血氧参数无损监测仪(图1(c ))等.其中,M E6000-T16表面肌电测试系统主要由M E6000-T16表面肌电测试仪、心电监护电极以及M eg aWin2.4软件系统组成,通过该系统可对受试者的肌电信号进行实时的采集、存储和分析.鉴于本文主要研究动态驾驶环境汽车振动对人体肌肉疲劳的影响,因此对人体监测部位特别选择坐姿状态下人体保持驾驶位姿时受力集中的部位,即人体上臂部的肱二头肌、大腿后部的股二头肌和腰部的竖脊肌(图1(d )),它们也是汽车驾驶舱人-机操控界面和人-机接触界面中驾驶员工作时全身十分重要的3块骨骼肌.图1 实验设备和测试部位Fig .1 Ex pe rimental devices and testing po sitio n 由人机工程学可知[7],机械振动对人体的影响主要取决于振动强度,其次是振动频率和振动时间.而振动强度一般是用加速度有效值来计量的,故参照ISO2631[8]将振动实验的加速度取为如下5种,即0.03g ,0.06g ,0.1g ,0.15g 和0.2g .基于汽车振动一般是80H z 以下的低频振动[9],研究表明人体在低频状态容易产生共振,如在4～8H z ,10～12H z 时最容易与人体内脏器官产生共振,这种现象将影响人体的肌肉系统、呼吸系统、血液循环系统、植物神经系统和感官系统等[10],直接导致人体不舒适,为此本实验的激振频率选择为0～30H z .1.2 实验对象受试者为20名西安交通大学本科生及研究生,其中男性16名,女性4名,平均年龄为25.42岁,平均身高为170.3cm ,平均体重为61.8kg .全体受试者为身体健康,无骨骼、肌肉疾病的成年人.1.3 实验过程本实验主要模拟驾驶舱环境人体坐姿体位下的振动条件,整个体位操作任务在模拟振动环境SA30-S802/ST 振动台上进行.实验开始时,首先在·247· 第4期 张鄂,等:动态驾驶环境所致人体肌肉疲劳的生物信号实验研究振动台上搭建座椅并固定,通过M eg aWin软件设定好人体测量部位;接着为受测者的测试部位贴附监护电极,受测者在振动台上模拟坐姿状态时的实际驾驶姿势;然后振动台按预定的振动环境施加振动激励,通过M E6000-T16表面肌电测试仪采集和记录各测试部位的表面肌电信号.实验时,共进行了上述5种强度的振动实验.激振频率选为5～30H z,采用扫频振动.每一加速度下激振20min,每5min完成1次扫频(5～30Hz),同时进行肌电信号采集,即每5min采集1次,包括初始值在内的5个时间点值(0,5,10,15,20min),由于时间点与频率的对应关系,则可了解振动频率由低向高变化过程中的肌电变化情况,整个实验共100min.为配合对振动环境下人体肌肉疲劳过程的肌电分析,实验中还进行了各振动环境下人体主观感受实验,即记录不同振动环境下人体疲劳的直观反应,以便与肌电信号的分析结果进行对比研究.实验中参考ISO2631-1:1997(E)标准,共进行5个等级的主观评价,其评分值见表1.表1 主观评价等级及分值T able1 T he g rade and sco re of subjective evalua tion人的主观感觉评分值主观描述没有不舒适1～2身体、心理舒适,无疲劳感觉有些不舒适3～4懒散,注意力不集中,有轻度劳累感不舒适5～6烦躁,头痛,腰背部僵硬很不舒适7～8困倦,腰背部有轻微酸痛感极不舒适9～10恶心,精神恍惚,腰肌痛实验中,同时进行了5种振动强度下的人体肌氧监测实验和脑氧监测实验.肌氧监测实验主要是用TSAH-100监测仪采集信号,分别对上述3块骨骼肌进行肌氧检测,同时记录受试者的主观感觉并进行主观评价.脑氧监测实验是采用随机振动,受试时间为100min.2 实验结果与数据分析2.1 人体表面肌电信号分析表面肌电信号(S EM G)是从皮肤表面通过电极引导、放大、显示和记录下来的神经肌肉系统活动时的一种生物电信号(其幅度为100～5000μV).表面肌电信号技术是一种实用的定量地测定人体肌肉内负荷、评估肌肉应激状态和预测肌肉劳损的技术手段[11].由于SEMG技术能克服主观心理评定中存在的问题,定量分析工作负荷和肌肉功能状态以及指标与主观疲劳感之间存在着较高关联性[12-13],因此其在运动医学、康复医学、功效学和运动生物力学等领域得到了广泛的应用[14].本实验完成后,通过M egaWin2.4软件对20名受试者各振动过程的SEMG信号进行时域分析和频域分析.时域分析主要计算被采集的肌肉组织肌电信号的积分肌电值(IEMG),该IEM G值是取20名受试者IEMG值的平均值.频域分析时,将记录的表面肌电图原始波形进行快速傅里叶变换(FFT),并进行数据平均化处理,主要采用中值频率(M F)来反映肌肉的疲劳过程变化.2.1.1 SEM G样本的时域分析通过时域分析得到的各加速度下肌电信号的积分肌电值(IEMG)见表2,该IEMG值为20名受试者IEMG值的平均值.表2 各加速度下肌电信号的积分肌电值(IEMG)T able2 I EM G of the sEM G signals at different accelera-tio ns加速度aIEM G/μV s肱二头肌竖脊肌股二头肌00.23±0.010.45±0.010.18±0.010.03g0.31±0.020.61±0.020.43±0.020.06g0.70±0.171.10±0.040.72±0.040.10g1.37±0.181.33±0.252.75±0.340.15g4.66±0.914.27±0.532.42±0.380.20g8.61±1.639.87±1.944.79±0.58由表2可见,随着振动加速度的增大,整体肌肉表面肌电的IEMG亦随之增大,它显示肌肉活动愈加剧烈,使人的疲劳度不断增强.由表2还可看出,在同一振动加速度下,各局部肌肉肌电图的IEM G 变化值也各不相同,它表明各块肌肉对振动加速度的疲劳敏感度各有差异.2.1.2 SEM G样本的频域分析1)不同振动强度下整体肌肉中值频率(M F)变化趋势.在不同振动加速度下实验采集的20名受试者的各块肌肉的表面肌电信号(SEMG),运用频谱分析所得到的M F变化数据进行平均处理后,其变化如图2所示.为了便于比较M F在各振动加速度下的变化规律,对不同加速度下随时间变化的M F值进行了一元线性回归分析(见图2).·248·工 程 设 计 学 报 第17卷图2 不同振动强度下整体肌肉MF 的走势Fig .2 M F chang e cur ves of the who le muscle S EM G sig nals a t diffe rent accele ratio ns 由图2可见,随着振动加速度的增大,各块肌肉MF 变化幅度明显增大.在10,20min 即低频处各肌肉M F 值达到最低,表明低频更容易使各肌肉疲劳.而在5,10min 时的高频处,各肌肉MF 出现峰值,表明在这段时间内,肌肉发生了疲劳恢复,且恢复程度大大高于时间累积引起的疲劳.这与文献[15-16]对肌肉疲劳所得的研究结果相符,即肌肉发生疲劳时,M F 值低,而肌肉疲劳恢复时,M F 值高.2)不同振动强度下局部肌肉中值频率(M F )的变化分析.通过频域分析得到的不同振动加速度下各局部肌肉MF 的变化趋势如图3所示.由图3可见,随着振动加速度的增大,各局部肌肉MF 均降低,即肌肉疲劳程度加剧.图3 不同振动强度下各局部肌肉MF 变化情况Fig .3 M F chang e cur ves of the pa rtial muscle S EM G sig nals a t diffe rent accele ratio ns 3)局部肌肉中值频率(M F )与振动加速度、振动时间的关系.图4为各局部肌肉M F 与振动加速度、振动时间的关系图.由图4可以看出,随着振动加速度的增大,各肌肉中值频率M F 震荡趋势加剧,且振动加速度愈大,M F 值愈低,即表明肌肉的疲劳程度随之加深.其中,肱二头肌在低频段(即10min 和20m in处)加速度为0.10g 和0.15g 时,疲劳现象明显;而竖脊肌在加速度为0.03g 和0.1g 时,疲劳现象已相当明显.与上述2块肌肉不同,股二头肌在加速度为0.03g 时,M F 值始终维持在较高值,且变化缓慢,随着加速度的增大,M F 值下降,开始出现疲劳现象,表明股二头肌的疲劳恢复能力要明显低于前2块肌肉.图4 各局部肌肉MF 与振动强度、振动时间的关系F ig .4 M F three -dimensional figures of the par tial muscle SEMG sig na ls at different time and acceler atio ns·249· 第4期 张鄂,等:动态驾驶环境所致人体肌肉疲劳的生物信号实验研究2.1.3 振动环境下人体主观感受的评价及分析在进行SEM G 监测实验中,针对各振动环境,还进行了受试者的主观感受评价实验.表3为各振动环境下的主观感觉记录表.由于在激振加速度为0.03g 时,振动强度较小,受试者基本无不舒适感,故表3只列出了振动强度从0.06g 到0.20g 时的人体主观感受评价.表3 主观感觉记录表T able 3 Descriptive table of human subjective sensa tion激振加速度振动时间/min51015200.06g 腿部有麻木感麻木感持续,轻微头晕臀部有麻木感腿部麻木感持续0.10g 腿部有麻木感麻木感持续,胸闷,恶心腿部麻木感持续,胳膊酸痛腿部麻木感,头痛,呼吸困难0.15g 全身共振感强烈,腿部麻木胃部不适,有轻度恶心感胳膊酸痛,全身麻木感持续头晕,较强疲倦感,恶心感持续0.20g上躯干振动强烈,恶心胸部疼痛,胃部不适,恶心有耳鸣现象,胸闷,上臂发热身体疲倦感增强,头晕,恶心 由表3可见,振动环境的主要因素即振动强度(加速度)及受振时间均会对人体舒适性及肌肉疲劳产生影响:1)随着振动加速度的增大,人体的不适感增强,当加速度增至0.20g 时,受试者普遍出现较为强烈的全身疲倦、出汗和持续的头晕和恶心感,个别受试者甚至出现短时视线模糊等现象;2)当振动时间在5～10min 加速度为0.15g 和0.20g 时,受试者胃部出现不适,并有恶心的症状,此时振动频率f =8～12H z ,它对应坐姿人体振动系统的第2共振峰[7],导致腹部共振产生,使人体出现不适现象;3)随着受振时间的增加,人体不舒适感逐渐增强,受试者普遍出现腿部肌肉酸痛、胸部振动幅度增大、胸闷恶心等现象.2.2 人体肌氧含量与脑氧含量的监测分析众所周知,氧是维系人生命及运动的重要物质.人体肌肉中有一定的氧含量,通常人体氧摄取与氧消耗基本保持平衡状态,若一旦进入特定水平的运动状态,肌肉中氧的消耗率增加,并释放能量,使肌肉中氧含量的百分比维持在一个较低的水平.因而,监测肌肉组织的缺氧程度对判断肌肉疲劳具有重要价值[17].随着计算机、电子和光学技术的飞速发展,近红外光谱技术(NIRS )已成为人体肌氧含量测定十分有用的手段[18],通过监测、分析肌氧含量变化可以评价肌肉疲劳及人体的舒适性.2.2.1 肌氧含量监测实验结果在5种振动强度下,肱二头肌、股二头肌和竖脊肌的肌氧变化曲线如图5所示.由图5(a )可以看出,当振动强度为0.03g 时,随着振动频率的升高,被测3块肌肉中,大腿部股二头肌的肌氧呈下降趋势,而上臂部肱二头肌和腰部图5 各振动强度下肱二头肌、股二头肌和竖脊肌的肌氧变化曲线Fig .5 M uscle ox ygen content change curves of biceps brachii ,biceps femo ris and erecto r spinae in different vibration conditions·250·工 程 设 计 学 报 第17卷竖脊肌的肌氧随着振动频率的升高略有增加.当振动强度增大到0.06g 时,由图5(b )可见:上臂部肱二头肌的肌氧随着振动频率的升高仍呈上升趋势,但升幅较0.03g 时减缓;而腰部竖脊肌的肌氧随着振动频率的升高呈下降趋势,但变化量也较小;大腿部股二头肌的肌氧变化甚微.由图5(c )可见:当振动强度增大为0.10g 时,上臂部肱二头肌和大腿部股二头肌的肌氧随着振动频率的升高,均出现下降趋势;而腰部竖脊肌的肌氧随着振动频率的升高略微呈上升.由图5(d )可见:当振动强度增大到0.15g 时,随着振动频率的升高,上臂部肱二头肌和大腿部股二头肌的肌氧仍呈下降趋势,且下降量较0.10g 时更为强烈;此时腰部竖脊肌的肌氧停止了上升,呈一稳定状态.由图5(e )可见,当振动强度增大至0.20g 时,随着振动频率的升高,上臂部肱二头肌和大腿部股二头肌的肌氧下降幅度较0.15g 时又有明显增大,尤其是股二头肌变化最为明显.由图5监测结果可以看出:在同一振动强度下,3块骨骼肌的肌氧变化情况是不同的(其中肱二头肌的变化更为显著);同一振动频率下,3块骨骼肌的肌氧变化情况也是各异的,其中肱二头肌和股二头肌的疲劳强度变化非常明显.这表明振动环境(振动强度、振动频率)均会对人体骨骼肌的肌氧产生影响,因而对人体的肌肉疲劳产生一定影响.2.2.2 脑氧含量监测实验结果脑力活动是人体最基本的活动之一,在一定的条件下也会产生疲劳,人脑疲劳将会导致人体活动能力下降.在人体运动状态下,人脑的氧含量与静止条件下也会有所不同,但人脑的氧摄取与氧消耗也不同于一般的骨骼肌,这是由于人脑的活动还要受到中枢神经系统的支配.图6 脑氧含量的变化曲线Fig .6 Chang e curve of brain o xy gen content图6为被测脑氧与人体受振动时间的关系曲线.由图6可见,在100min 的振动实验过程中,脑氧含量存在着明显的变化,且在某些时刻的脑氧值有较强的波动.初步分析认为,其波动原因可能与中枢神经系统活动以及人体的自身调节功能有关.由图6还可看出,随着受振时间的推移,脑氧含量呈现下降趋势,表明人体脑部对氧的消耗逐渐增大,大约在90min 时,脑氧值出现了最低点.图7为实验的受试者主观评分曲线(评分标准见表1).由图7可见,随着受振时间的增长,人体的不舒适感增强,主观评分值逐渐升高.经与脑氧含量监测结果对比发现,随着脑氧含量的下降,受试者会出现头晕、困乏、打哈欠等现象,证明脑氧含量的下降与人体出现的这些不舒适现象有着紧密的关系.图7 脑氧监测实验的主观评分曲线F ig .7 Subjective ev aluatio n chang e curv es ofbrain ox yg en co ntent ex periment3 结论1)综合SEMG 信号的时域与频域分析可知,振动驾驶环境会直接影响人体肌肉疲劳过程,不同的振动强度(即加速度)及激振频率均会对人体肌肉疲劳及乘驾舒适性产生不同影响.2)通过对振动环境下的人体肱二头肌、竖脊肌、股二头肌的SEMG 分析并结合振动环境下的人体主观感受表明,运用SEM G 信号的时域、频域分析来评价振动环境下驾驶员的肌肉疲劳状态及其乘驾舒适性是可行的,其研究结果可为动态环境的人-车界面设计的舒适度评价提供重要技术参考.3)振动环境将直接影响人体骨骼肌的肌氧含量,而肌氧含量与肌肉疲劳有着密切关系.随着振动强度和振动频率的增大,人体肱二头肌、股二头肌以及竖脊肌的肌氧均出现明显降低,但降低程度各有所不同.4)振动环境也会影响人体的脑氧含量,一定的振动环境会使人体的脑氧降低,进而引起脑疲劳.5)振动环境下的人体主观评价实验表明,不同·251· 第4期 张鄂,等:动态驾驶环境所致人体肌肉疲劳的生物信号实验研究的振动环境会对人体舒适性及疲劳产生不同的影响.参考文献:[1]张鄂,洪军,梁建,等.机械系统人机界面生物力学特性测定研究[J].机械设计,2005,22(专辑):188-190.ZH A NG E,H ON G Jun,LIA N G Jian,et al.Biody nam-ic pro per ties mea suring of human machine inter face fo rM echanical sy stem[J].Jo urna l of M achine De sig n,2005,22(Special):188-190.[2]T O BIA S P.A finite eleme nt model for predicting the bi-omechanical behaviour of the human lumbar spine[J].Contro l Engineering P ractice,2002,10:83-90.[3]A CO BO N L D,RICH A RDS L G.M odels of human r e-ac tion to vehicle environments[J].A pplied Ergo no mics,1978,9(2):169-172.[4]M IK E K.A utomo bile seat co mfor t:occupant prefer-ences v s.a nthro po metric accommodatio n[J].A pplied Erg onomics,2003,34(2):177-184.[5]CA ST IL LO V D,RU ISSEA U J Y,CA RRIER R,et al.Vir tuaM an:a high precisio n,fully ar ticulated human model[C]//P roceedings of the13th T riennial Congr ess of the Inter national Ergnomics A ssocion.T empe re,Finland,1997:28-30.[6]M EH A T A C R,T EW A N V K.Seating discomfo rt fo rtracto r opera to rs:a critical review[J].I nter national Jo urnal o f Industrial Erg onomic,2000,25:661-674. [7]丁玉兰.人机工程学(3版)[M].北京:北京理工大学出版社,2005:198-201.DIN G Yu-lan.Er go no mics(3th ed)[M].Beijing:Bei-jing Institute o f T echno log y Press,2005:198-201. [8]Internatio nal Org anization fo r Standardization.ISO2631-1:1997Mechanical vibration and shock-evaluation of human exposure to who le-body vibration—Par t1:General require-ments[S].北京:国家标准化管理委员会,2005:2-14. [9]余志生.汽车理论(2版)[M].北京:机械工业出版社,2000:23-47.Y U Zhi-sheng.Automo tive theo ry(2th ed)[M].Bei-jing:China M achine P ress,2000:23-47.[10]潘立.基于人椅系统三向振动的汽车平顺性建模与仿真[D].杭州:浙江工业大学汽车工程学院,2004:23-36.P A N Li.Dy namic mo deling and simulatio n o f vehicleride comfo rt based o n triaxial vibratio ns of person-chairsystem[D].H ang zhou:Zhejiang U niver sity of T ech-no log y,Scho ol o f A utomo bile Eng ineering,2004:23-36.[11]L UT TM AN N A,JGGER M,LA URIG W.Electromyo-graphy induction of muscular fatigue in occupational fieldstudies[J].Int J Ind Erg on,2000,25(6):645-660. [12]DEDERIN G U,N M ET H G,HA RM S R K.Co rr ela-tio n betw een electromy og raphic spectra l chang es a ndsubjective assessment o f lumbar muscle fatig ue in sub-jects w ithout pain fro m the low er back[J].Clinical Bio-mechanics,1999,14(2):103-111.[13]DEDERIN G U,ODDSSO N L,H A RM S R K,et al.Electr omyo g raphy and rating s o f lumba r muscle fatigueusing a four level staircase pro tocol[J].Clinical Biome-chanics,2002,17(3):171-176.[14]皮喜田,陈峰,彭承琳,等.利用表面肌电信号评价肌肉疲劳的方法[J].生物医学工程杂志,2006,23(1):225-229.PI Xi-tian,C HEN F eng,PEN G Cheng-lin,et al.M ethods applied to muscle fatig ue assessment usingsur face my oelectric signals[J].Journal of Bio medicalEng inee ring,2006,23(1):225-229.[15]M A SU DA K,M AS UDA T,SA DO YA M A T,et al.Cha ng es in surface EM G par ameters during sta tic a nddy namic fatig uing contractions[J].Journal of Elect ro-myog r aphy and Kinesio lo gy,1999,9(1):39-46. [16]M A RKK U K,T AIM ELA S,W EBBER CL,et al.L umbar paraspinal muscle fa tigability in repetitiv eisoine rtial lo ading:EM G spectral indices,Bor g scaleand endurance time[J].Eur J A ppl Phy sio l,1997,76(3):236-242.[17]滕轶超,丁海曙,田丰华,等.用近红外光谱检测人体组织氧含量[J].清华大学学报,2004,44(6):847-851.T ENG Yi-chao,DI NG Hai-shu,T IA N F eng-hua,et al.M ea suring huma n tissue o xy genatio n w ith nearinfrar ed spect roscopy[J].Jo urna l o f T sing hua Univ er-sity,2004,44(6):847-851.[18]李秀荣,王景贵,张立.运动中肌肉氧含量下降与肌肉疲劳的关系[J].武汉体育学院学报,2004,38(2):63-68.L I Xiu-ro ng,W A NG Jing-g ui,Z H AN G Li.T he r ela-tionship of muscle ox yg en decrease and its fatig ue dur-ing ex ercising[J].Jour nal o f Wuhan Institute o f P hy si-cal Educatio n,2004,38(2):63-68.·252·工 程 设 计 学 报 第17卷。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Test on Effectiveness of Sound as Countermeasure Against Driving Fatigue Based on Physiological Signals
zHAO Xiaohua, FANG RuixuE, MAO KEjun, RONG Jian
占死亡事故的 20. 6%[3]. 美国国家运输安全部也 表示运输卡车发生的致命碰撞中,有 31% 是由疲 劳驾驶引起的[4]. 我国公安部交通管理局 2005 年 统计数据表明,驾驶疲劳造成的特大交通事故占事 故总数的 14. 8% . 因此,采取行之有效的对策减轻 驾驶疲劳具有重要的现实意义.
收稿日期:2009-12-10 基金项目:北京市教委科技创新平台项目( JJ004011200803) 作者简介:赵晓华(1972 - ),女,副教授,研究方向为交通信息与安全,E-ma11:zhaox1aohua@ bjut. edu. cn
1 实验设计
(1)实验场景. 实验场景为双向两车道直线道 路,如图 1 所示. 道路长度为 40 km,坡度小于 3% , 横向坡度为 2% ,车道宽度为 3. 5 m,路肩宽度为 1. 5 m. 为了更好地体现单调性,道路场景单一,没 有指示标志. 在道路两侧成对呈现松树,以每秒钟 一对的速率通过驾驶员视野. 要求驾驶员在右侧车 道中心线上驾驶,一直紧跟前车,不能超车,前车以 速度 50 km / h 稳定行驶. 实验室温度是 20 ~ 23℃ , 灯光柔和,照度为 5 Lux.
( Be1j1ng Key Lab of Traff1c Eng1neer1ng,Be1j1ng Un1vers1ty of Techno1ogy,Be1j1ng 100124,Ch1na)
Abstract:In order to m1t1gate dr1v1ng fat1gue and reduce traff1c acc1dents,a study on the var1at1on 1aw of e1ectroencepha1ograph( EEG)and e1ectrocard1ograph( ECG)w1th dr1v1ng t1me was made 1n a dr1v1ng s1mu1ator. The corre1at1on between the or1g1na1 data of EEG and ECG and each 1nd1cator for assess1ng dr1v1ng fat1gue was ana1yzed,and the overa11 1ndex of dr1v1ng fat1gue was determ1ned by pr1nc1pa1 component ana1ys1s. An orthogona1 exper1ment was carr1ed out 1n the dr1v1ng s1mu1ator cab to va11date the effect1veness of sound st1mu1us as a countermeasure aga1nst dr1v1ng fat1gue. The resu1ts show that dr1vers 1n fat1gue have an a1ert1ng react1on to the s1ng1e sound st1mu1us;st1mu1at1on 1nterva1 and sound 1ntens1ty have a s1gn1f1cant 1nf1uence on dr1v1ng fat1gue,but st1mu1at1on t1me and sound frequency have a weak 1nf1uence on dr1v1ng fat1gue. The best effect 1n a11ev1at1ng dr1v1ng fat1gue was ach1eved when the sound 1ntens1ty was 70 dB,the sound frequency 5 800 HZ,the st1mu1at1on t1me 7 s,and the st1mu1at1on 1nterva1 30 s. Key words:dr1v1ng fat1gue;sound countermeasure;dr1v1ng s1mu1at1on;EEG;ECG;overa11 1ndex
(6)实验过程. 第 1 步 在实验之前,被试者充分了解实验过
程和要求,并随机抽取声音刺激顺序. 第 2 步 被试者进人实验室,填写主观问卷,
给被 试 者 配 戴 脑 电 电 极 及 心 电 设 备,大 约 需 要 30 m1n时间.
第 3 步 被试者进人驾驶模拟舱,实验员调整 模拟器各个部分的相对位置.
声音刺激作为一种环境对策,是目前减轻驾驶 疲劳的主要对策之一. 许多国家开展了声音工效学 研究,文献[5]指出在驾驶疲劳出现后用音乐对驾 驶员进行刺激,可以提高驾驶员的警觉性,防止驾 驶员磕睡的发生. 但在声音作为一种疲劳对策的研 究方面,一般只进行因素列举并提出建议,并没有 深人研究声音刺激作为疲劳对策时不同因素水平 在减缓驾驶疲劳方面的作用.
基于生理信号的驾驶疲劳 声音对策有效性实验
赵晓华, 房瑞雪, 毛科俊, 荣 建
( 北京工业大学北京交通工程重点实验室,北京 100124)
Vo1. 45 No. 3 Jun. 2010
摘 要:为了有效减轻驾驶疲劳、减少交通事故,研究了脑电信号( EEG)和心电信号( ECG)随驾驶时间的变化 规律,分析 EEG 和 ECG 的原始数据与指标之间的相关性,用主成份分析法确定了驾驶疲劳综合评价指标. 采用 正交实验法,在驾驶模拟舱内验证声音刺激作为驾驶疲劳对策的有效性. 研究结果表明:驾驶员在疲劳状态下, 对单一声音刺激存在警觉反应;声强和刺激间隔时间影响显著,频率和刺激时间影响较小,且声强 70 dB、频率 5 800 Hz、刺激时间 7 s 和刺激间隔时间 30 s 的声音对策减轻疲劳的效果最好. 关键词:驾驶疲劳;声音对策;驾驶模拟;EEG;ECG;综合指标 中图分类号:U491. 3 文献标识码:A
本文 在 驾 驶 模 拟 环 境 下,研 究 脑 电 信 号 ( e1ectroencepha1ogram, EEG ) 和 心 电 信 号 ( e1ectrocard1ogram,ECG)随驾驶时间的变化规律,
通过综合分析 EEG 和 ECG 的原 始 数 据,建 立 各 ECG 和 EEG 指标之间的关系,确定驾驶疲劳评价 综合指标,排除干扰因素,减小数据波动性,提高疲 劳评价的准确性. 并在此基础上,根据正交实验结 果,选取最有效的声音类型作为减轻驾驶疲劳的环 境刺激对策.
第 卷 第 3 期 2010 年 6 月
西南交通大学学报 JOURNAL OF SOUTHWEST JIAOTONG UNIVERSITY
文章编号:0258-2724(2010)03-0457-07 DOI:10. 3969 / j. 1ssn. 0258-2724. 2010. 03. 024
驾驶疲劳是驾驶员连续行车导致感知、判断及 操作 能 力 下 降 的 现 象,容 易 导 致 错 误 的 驾 驶 行 为[1]. 驾驶疲劳是引起重大交通事故的主要因素 之一. 据统计,与疲倦有关的交通事故占总交通事 故的 20% ~ 30%[2]. 法国国家事故报告表明,疲劳 驾驶导致的交通事故占人身伤亡事故的 14. 9% ,
力正常、在实验之前应该保证充足的睡眠、实验前 24 h内没有服用任何刺激性药品. 实验时间在上午 12:30 至下午14:00,因为该时段是与疲劳有关的 事故高发时段[11].
图 1 虚拟驾驶场景 F1g. 1 V1rtua1 dr1v1ng scene
(3)实验变量. 实验采用心电仪和脑电仪记录 驾驶过程中驾驶员生理参数的变化过程. 对 4 项心 电图 时 域 指 标 进 行 实 验 研 究,记 录 数 据 包 括: 2 m1n的心率( heart rate,HR)均值、2 m1n 的呼吸 率( resp1ratory rate,RP)均值、所有窦性心搏 RR 间 期( 简 称 NN 间 期 )的 标 准 差 SDNN( standard dev1at1on of norma1-to-norma1 1nterva1s)和均值 MRR ( mean of RR). 同时,用 Neuroscan 脑电采集分析系 统 采 集 驾 驶 员 颗 叶 区 域 不 同 频 带( 包 括 fδ = 0. 5 ~ 4 Hz、fθ = 4 ~ 8 Hz、fa = 8 ~ 14 Hz、fB = 14 ~ 30 Hz)的脑电信号,文献[12]的研究表明,颗 叶区域的 EEG 信号对驾驶疲劳最敏感.
(2)实验对象. 文献[6]指出性别对驾驶疲劳 导致的交通事故数量存在显著差异. 文献[7-9]研 究发现,年轻男性驾驶员是驾驶疲劳事故的高危人 群. 文献[10]研究发现不同年龄的驾驶员对疲劳 程度的感觉不同,例如 30 岁前、后的感觉是不同 的. 为了减少个体差异的影响,本研究采用随机分 层抽样方 法,在 理 论 最 小 样 本 量 的 基 础 上 进 行 扩 充,选取的30 名 被试者均为男性,年龄在35 岁 左 右,并且至少有两年以上的驾龄. 要求身体健康、听
458
西南 交 通 大 学 学 报
第 45 卷
目前,国内外对驾驶疲劳的研究主要集中在驾 驶疲劳的形成机理、减轻驾驶疲劳的措施等方面. 大多数国家通过制定法规和政策预防驾驶疲劳,但 由于驾驶员个体差异以及复杂驾驶环境的影响,驾 驶员在驾驶过程中很难完全避免出现驾驶疲劳状 态. 因 此,需 要 研 究 行 之 有 效 的 减 轻 驾 驶 疲 劳 的 对策.
(4)声音因素. 一般汽车行驶时车内噪声约为 60 dB,本次实验模拟实际驾驶状态,同时考虑长时 间在85 dB以上噪音环境下会导致驾驶员听力障 碍,因 此,选 取 声 音 的 声 强 A 分 别 为 60、70 和 80 dB;文献[13]的研究表明,高频声音能提高驾 驶员的 兴 奋 性,所 以,声 频 B 为 1 050、5 800 和 10 750 Hz,同时选择刺激时间 TC = 3 ~ 7 s,刺激间 隔时间TD = 10 ~ 60 s,声音刺激的因素水平见表 1.