基于脑电识别与车辆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，辽宁沈阳，110122）

基于脑电识别与车辆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，辽宁沈阳，110122）

本文以脑电识别与车辆操纵特征为切入点，通过模拟疲劳驾驶实验，将脑电识别与车辆操纵特性相结合来检测驾驶员的疲劳状态。通过对脑电信号的S变换分析，发现不同驾驶时刻其变换时频谱图存在显著差异，可用来区分驾驶过程中驾驶员的精神状态，结合车辆操纵特征参数，得到操纵特征与疲劳状态的关系，为脑电识别与操纵特征的驾驶疲劳检测的有效性提供一定的理论和实验基础。

脑电识别；操纵特征；驾驶疲劳；检测分析

随着经济的发展和社会的进步，汽车保有量不断攀升，道路交通事故已成为严重的安全问题，尤其是驾驶员在疲劳驾驶时，给道路安全、行人安全、车辆安全等造成巨大的威胁。驾驶疲劳检测是通过采取多种方式、仪器、途径对驾驶员的疲劳状况进行检测，以此来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。因此，本文通过对脑电信号分析，结合车辆操纵特征来判断驾驶员是否疲劳进行分析研究。

1　实验方案设计

选取8名在校研究生，年龄在20～26周岁之间，身体健康无睡眠相关疾病，实验时间为13：30～16：30。实验在驾驶模拟器上进行，选用单调山区公路作为实验环境，采集180min内的脑电数据，采样频率为100Hz。

2　脑电信号S变换处理

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，首先将模拟驾驶180min的脑电数据分为4段，再将每段又分为3小段，在每15min中任取10s数据。最后对每段中的3小段数据取平均，将该均值作为该时间段内所选取的脑电数据。图1所示为不同驾驶时刻归一化的脑电波形，图2所示为不同驾驶时刻的S变换时频谱。

通过分析频谱图可知，驾驶员在0-45min和45-90min 时S变换频谱图相类似，功率谱能量比较分散，主要分布在10—35Hz之间（即α和β波段），大脑活动比较活跃，表明驾驶员大脑清醒，无驾驶疲劳现象；当模拟驾驶90—135min时，功率谱能量分布集中，主要分布在3—15Hz之间（即θ和β波段），θ波段主要表征中枢神经受抑制和疲劳状态，这说明驾驶员的大脑活跃性降低，精神状态变差，出现了驾驶疲劳现象；当模拟驾驶135—180min时，功率谱能量分布在15Hz以上的β波段，这说明此时驾驶员大脑活动增强，疲劳驾驶现象得到一定的缓解。笔者认为，这是驾驶员在突破体力极限后的表现，当疲劳过后，驾驶员的精神状态比疲劳前更好。

图1　不同驾驶时刻归一化的脑电波形

3　车辆操纵参数与疲劳状态间关系

实验所采用的驾驶模拟器可同时采集驾驶员驾驶时方向盘旋转角度、油门变化频率以及执行任务时间等数据，根据相关学者的研究表明，驾驶过程中驾驶员对方向盘的控制能力——角度标准差和零速百分比可以作为检测疲劳驾驶行为的主要指标，角度标准差表征所选时间内方向盘转角的变动水准，假设有一组角度数值X1，X2，X3，…XN，角度标准差的公式为：

图2　不同驾驶时刻的S变换时频谱

零速百分比表征所选时间内方向盘不动的程度，一般用PNS表示，即PNS=n/N， n为总采样点中角速度在±1°/s之间的点数，N为所选时间内角度的总采样数，根据模拟驾驶实验中采集得到车辆操纵特征参数，通过分析可得到车辆操纵特征参数与疲劳状态的关系，如图3所示。

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，结合车辆操纵特征参数，得到操纵特征与疲劳状态的关系。基于脑电识别结合车辆操纵特性，能够作为检测驾驶疲劳的指标，为驾驶疲劳检测方法研究的提供一定的理论和实验基础。

［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

［4］岳春芳. 机动车驾驶员驾驶状态监控系统研究与设计［D］. 太原理工大学硕士学位论文，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

图3　车辆操纵特征参数与疲劳状态关系

R318

A

付强（1983- ），男，辽宁铁岭人，硕士研究生，讲师，研究方向：生物电信号分析与处理。