基于脑电信号的驾驶员状态监测分析

（吉林大学，130022）

基于脑电信号的驾驶员状态监测分析

黄梦圆,王佑星,邵文良,朱子尧,杨改改

（吉林大学，130022）

本文设计了疲劳监测试验的数据采集过程，通过便携式脑电采集仪器对志愿者的EEG进行采集，对单电极脑电信号在疲劳监测中的应用展开了研究。

交通安全；疲劳驾驶；脑电监测

1 脑电信号疲劳检测试验设计

1.1 实验对象选择

根据现有研究经验，为了减少个体差异性对实验数据的影响，实验中选择具有两年以上驾龄的35岁男性作为实验对象。另外，与睡眠相关的疲劳驾驶主要集中在清晨和午后，因此，讲实验的时间选择为13:00pm~14:00pm。

1.2 实验场景

实验场景为双向两车道直线道路，总长度为40km，坡度在3%以下，车道宽度为3.5m，路肩宽度为1.5m。为了更好地体现单调性，道路场景中没有任何指示标志，在道路两侧成对出现树，一边一排，以10/对的速率通过驾驶员的视野。要求驾驶员以右侧车道中心线为准紧跟前车行驶，不能超车，前车40km/h的速度稳定行驶。实验室温度20~23℃，柔和灯光5lx。

1.3 实验过程

每次实验在每天相同时间段进行，同时保证所有实验条件相同，实验时间为1小时。在进行首次实验之前，驾驶员首先需要利用5min时间熟悉模拟驾驶操作的环境。实验人员为驾驶员安装脑电信号采集仪器以及严冬设备之后，驾驶员进行40min的模拟驾驶。在模拟驾驶的过程中，加载从道路左侧向右侧的微风，从而使车辆在道路横坡的影响下发生一定的右移趋势，相同风力的侧向风以10s的间隔作用于车辆。为了避免相同风力使驾驶员形成习惯，因此，需要在10s的间隔内随机产生不同的风力作用于车辆，这种方式对驾驶员的注意力下降非常敏感。

1.4 数据统计

利用Neurosky公司的脑电波传感器Mindwave Mobile，脑波传感器 Mindwave Mobile；采用国际脑电图学会标定的10~20电极导联定位标准。当NuAmps型放大器壳体表面的电阻标示下降到10kΩ以下时，开始进行试验，同时对垂直眼动信号进行采集。

具体实验参数按照以下数据进行设置：采样率设置为512Hz/S，DC采集，低通50Hz，高通0.5Hz。利用Neuroscan软件在离线状态下进行伪迹的分析与剔除。由于采用DC采样方式，首先需要进行DC偏移校正，然后剔除存在较大异常的错误及路段，同时剔除眼电、肌肉以及出汗等伪迹。数据在经过预处理之后，按照具体教师时间每隔4min中截取一段记录，由于1s内的脑电信号基本处于平稳状态，因此在1s内进行FFT，将其分为4个频段波，分别为δ（0.5~4Hz）、θ（4~8Hz）、α（8~14Hz）、β（14~30Hz），对各频段波的平均功率进行计算，进而对各频段波功率在总频段波中所占的比例进行计算，然后在4min内进行叠加平均。眼动设备主要对驾驶员以眼睑遮住瞳孔的面积至少超过80%的情况下在某一特定时间的百分比进行采集。

2 实验结果数据分析

2.1 EEG随驾驶时间的变化规律

利用SPSS统计分析软件对所有采集的数据进行统计分析。将各个样本的脑电信号按照每4min为1段进行平均值计算，具体结果如图1所示。从数据结果来看，随着时间的推移，δ呈现出明显的上升趋势，β呈现出明显的下降趋势，而θ和α也出现了一定的下降趋势。同时对脑电的组合指标进行分析发现，（α+θ）/β以及α/β指标均随着时间的增加呈现出上升趋势。

2.2 EEG指标合理性分析

通过与时间t进行配对检验，可以发现β随着驾驶时间的增加出现了明显的下降趋势，而δ、（α+θ）/β以及α/β均随着实验时间变化出现了明显的上升趋势。这些结论与之前相关研究所获取的结论基本保持一致，也说明了所选EEG指标用于驾驶员疲劳状态的检测具有合理性。

2.3 EEG与眼动检测的相关性分析

目前，国内外的研究发现，采用驾驶员以眼睑遮住瞳孔的面积至少超过80%的情况下在某一特定时间的百分比作为指标与疲劳发展程度具有较好的相关性，能够较为准确的反映出人体的疲劳程度，可以较为准确的对人体疲劳程度进行估测。但是在实际试验的过程中，发现该指标存在较大的局限性，如果驾驶员戴眼镜或者头部经常摆动的情况下，眼动设备无法对驾驶员眼睛的状态进行及时准确地捕捉；另外，当驾驶员长时间闭眼时，眼动设备检测到的指标值较低设置为0，与实际情况刚好相反。对此，可以采用Pearson简单相关系数计算了各个EEG指标与眼动检测指标的相关系统，从计算结果来看，两者之间具有显著的相关性，因此，可以通过脑电指标代替眼动检测指标，从而避免因为个体差异而导致的疲劳检测结果误差。

2.4 单调环境下的最优驾驶时间分析

通过对实验中各个时间段的δ及（α+θ）/β两个指标与时间t进行配对检验，分析各指标在单调驾驶环境下各时间段的变化情况。根据检测结果来看，在第36min中时，两个指标的变化最为明显，因此，可以确定单调环境下的驾驶时间应该尽量限制在36min以内。

3 结论

本文对基于脑电信号的驾驶员疲劳状态监测进行了研究，首先设计了试验方法并监测了各项评价指标的合理性，同时分析了脑电指标与眼动检测指标的相关性，提出了利用脑电指标代理眼动检测指标来避免个体差异对疲劳监测结果的影响；另外，根据本文的分析可以发现，驾驶员对单调驾驶环境的敏感时间在36min左右，因此，在进行道路设计时，应尽量将单调场景限制在28min车程内。同时，应该加强交通安全教育，避免疲劳驾驶，全面促进交通安全水平的提高。

图1 EEG各项指标变化规律

[1] 彭军强.疲劳驾驶的脑电特性探索[J].北京理工大学学报，2007（07）：585-589.

[2] 谢宏.疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究[J].中国生物医学工程学报，2014（04）：482-486.

[3] 李明爱.一种基于脑电信号的疲劳驾驶状态判断方法[J].北京生物医学工程，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