基于驾驶员心率变异性的光学隧道驾驶负荷分析

罗 杰,程 鹏，陆百川，徐 进,洪 进，杨宗平

(1.重庆交通大学， 重庆 400074； 2.重庆交通职业学院， 重庆 402247)

非光学隧道是距离隧道洞口一个停车视距能看到出口的曲线隧道，具有良好的通视性[1]。非光学隧道与光学隧道视觉环境有着显著差异，其对驾驶员环境感知、信息判断和驾驶行为有着不同的影响，驾驶员通过不同种类的光学隧道产生的驾驶负荷不同。驾驶负荷包括体力负荷和精神负荷，二者有较强的相关性。高体力负荷的驾驶容易导致驾驶疲劳，而精神压力较大会增加驾驶员体力负担。所以，研究不同种类的光学隧道对驾驶负荷的影响，对提高隧道交通安全有重要意义。

国内外学者围绕隧道驾驶行为和驾驶负荷开展了广泛的研究，主要集中在2个方面：

1) 围绕驾驶负荷与视觉特性的研究。如：Bryan Reimer等[2]运用眼动追踪设备记录驾驶人眼动特性研究驾驶负荷和隧道照度的相关性；杜志刚等[3-4]利用眼动仪采集驾驶人注视时间、瞳孔面积、眨眼次数等参数研究了驾驶员在高度公路隧道进出口的视觉负荷特征；胡江碧等[5-6]设计了隧道驾驶动态视觉试验，分析了隧道环境下造成驾驶人视觉差异的原因。

2) 驾驶负荷与心率指标(心率值、心率增长率)方面研究。如：Henrik Wiberg等[7]从实车试验中采集驾驶员心率值，分析隧道内驾驶员精神负荷特征；FENG等[8]根据模拟驾驶实验研究了在城市过江隧道最低点驾驶员的心率变异性及生理负荷；Tahmine等[9]运用模拟驾驶器研究了交通流量与驾驶员心率变异性的相关性。

综上所述，现有研究主要存在以下局限：① 现有研究主要针对隧道进出口驾驶员视觉特性、心率值、心率增长率，难以得到隧道整体驾驶负荷水平；② 许多研究模拟试验采集数据，由于模拟实验和实车试验之间有一定差异，因此研究结果准确性难以保证。为此，本文开展实车试验，采集驾驶员心电信号，分析不同光学隧道整体驾驶员心率变异性与驾驶负荷的相关性，为光学隧道驾驶负荷分析、参数设计等提供依据和参考。

1 研究方法

1.1 试验道路

在重庆市辖区内选取2条城市隧道作为试验对象，龙溪隧道和华福隧道同在华福路段，其技术参数如表1所示，试验隧道照片如图1所示。为减少交通因素对试验的影响，驾驶员可以保持自然驾驶状态，测试时间选择10∶00—16∶00，此时试验路段交通量较低。试验天气选择光照较好的晴天，避开阴天、雨天、大风和雷电等天气，隧道内外路面状态干燥无积水。

表1 试验隧道路段主要技术参数

编号隧道名称长度/m类别限速/(km·h-1)车道 1龙溪隧道 448非光学隧道6022华福隧道3 555光学隧道602

图1 测试隧道

1.2 驾驶人员

选择6名身体健康的驾驶人员，年龄为25～55岁，实际驾龄为2～30年，平均驾龄为11年。试验开始前对每位驾驶员测量静息状态心率，便于驾驶员熟悉心率测试仪。试验过程中要求驾驶员按照交通规则驾驶，但不提出任何额外要求，也不进行干扰，让其根据自己的习惯自由驾驶。试验路线为龙溪隧道至华福隧道，每名驾驶员沿着规定路线往返行驶4次。

1.3 试验车辆及仪器

采用力康Prince180D心率测试仪采集驾驶员试验过程中的心电周期信号。使用LAUNCH X- 431-PRO3车载ECU解码仪采集车辆连续行驶的速度参数。采用1个行车记录仪记录车辆正前方交通情况，便于后期数据处理时排除跟车、变道和急刹车等干扰工况。试验车辆选择了小客车，车型为帝豪-博瑞(2014款2.0 L自动)，见图2(a)。试验现场见图2(b)，试验人员见图2(c)。

1.4 评价指标

心率变异性(heart rate variability，HRV)是逐次心跳周期之间时间上的微小变异特性。现有研究已经证明HRV是描述驾驶员精神疲劳和心理压力的有效指标[10-13]，所以本文使用驾驶员HRV来衡量隧道路段的驾驶负荷水平。在分析驾驶负荷时，需要设定HRV基准值，本文使用驾驶员静息状态下HRV为基准值，并且通过生理测量得到驾驶员连续心电图(electrocardiogram，ECG)周期信号。ECG周期信号由QRS序列波组成，如图3所示。其中QRS波的峰值点为Ri点，Ri点对应时刻为ti，相邻QRS波之间的时间间隔(ti-1-ti)为RRi间期，即RRi间期序列。本文采用HRV时域统计参数SDNN与RMSSD来衡量驾驶精神负荷，其计算公式为：

(1)

(2)

式中：SDNN为全部正常窦性RRi间期标准差；RMSSD为相邻RRi间期之差的均方根。

图2 光学隧道实车驾驶试验

图3 ECG周期信号

2 驾驶员的RR与HR分析

2.1 RR统计分析

对6名驾驶员测得的ECG信号数据进行R波提取，得到驾驶员在不同隧道驾驶期间的RR间期数据。随机选取1名驾驶员绘制RR间期统计分析直方图，如图4所示。其中驾驶员静息状态R波样本600个，非光学隧道R波样本208个，光学隧道R波样本682个。从图4可以看出：驾驶员静息状态时RR间期主要集中在0.6～0.64 s，其中0.62 s发生的概率最高；驾驶员在非光学隧道的RR间期主要集中在0.52～0.53 s，范围在0.48～0.56 s；驾驶员在光学隧道的RR间期主要集中在0.52～0.54 s，其中0.52 s发生的概率最高，超过0.56 s发生概率降低。

采用单因素方差分析对驾驶员RR间期进行差异性检验发现：驾驶员静息状态与光学隧道的RR间期数据之间存在显著差异(F(33,541)=2.826 82，p=0.000)，并且与非光学隧道的RR间期数据之间也存在显著差异(F(26,180)=2.352 55，p=0.000)，光学隧道与非光学隧道的RR间期数据之间差异性显著 (F(29,177)=1.841 49，p=0.008)。

图4 驾驶员RR间期直方图

表2给出了驾驶员RR间期统计值，包括均值、方差、最大值和最小值。根据表2分析可得：驾驶员静息状态时的RR间期均值最大为618 ms，非光学隧道RR间期均值最小为525 ms，以驾驶员静息状态RR间期为基准，非光学隧道RR间期均值下降了15.05%，光学隧道RR间期均值下降了14.07%；驾驶员静息状态时的RR间期方差最大值为0.023 77，非光学隧道的RR间期方差最小值为0.013 52，这表明非光学隧道RR间期比驾驶员静息状态时离散程度更小；非光学隧道RR间期波动范围最小为72.5 ms，光学隧道RR间期波动范围为115 ms，静息状态RR间期最大为150 ms。

表2 驾驶员RR间期统计分析结果

名称均值/s方差最小值/S最大值/S静息状态0.618 430.023 770.550 00.700 0非光学隧道0.525 870.013 520.482 50.555 0光学隧道0.530 720.015 030.492 50.607 5

2.2 HR数据统计分析

随机选取1名驾驶员的HR数据，对驾驶员心率HR数据进行整理，得到图5的统计直方图。从图5可以看出：驾驶员静息状态时HR主要集中在110～115(beats/min)，其中115(beats/min)发生的概率最高；驾驶员在非光学隧道的HR间期主要集中在112～116(beats/min)，其中114(beats/min)发生的概率最高；驾驶员在光学隧道的HR间期主要集中在96～100(beats/min)，其中98(beats/min)发生的概率最高，超过102(beats/min)的发生概率降低。

对驾驶员HR进行显著性差异分析，其结果为：光学隧道的HR与驾驶员静息状态HR之间存在显著差异(F(26,548)= 16.834 24，p=0.000)，非光学隧道的HR与驾驶员静息状态HR也存在显著差异(F(15,191)= 2.378 69，p=0.002 9)，光学隧道与非光学隧道的HR间期数据之间差异性显著 (F(29,177)= 1.841 49，p=0.014 34)。

图5 驾驶员HR直方图

表3给出了1#驾驶员HR统计分析值。驾驶员静息状态时的HR均值最大为97(beats/min)，光学隧道与非光学隧道HR均值无显著差别，以驾驶员静息状态HR为基准，光学隧道与非光学隧道HR均值上升了17.53%。但是光学隧道与非光学隧道HR的方差有一定差异，其中光学隧道HR方差为3.17，非光学隧道HR方差为2.97，这表明光学隧道HR比非光学隧道HR的离散程度更大。非光学隧道RR间期波动范围最小为16(beats/min)，光学隧道RR间期波动范围为23(beats/min)，静息状态RR间期最大为24(beats/min)。

表3 驾驶员HR统计分析结果

(beats·min-1)

名称均值方差最小值最大值静息状态97.123.7885.54109.23非光学隧道114.32.97108.6124.68光学隧道113.53.1798.48121.48

图6为不同隧道6位被测驾驶员HR变化，每位驾驶员的HR值为3～4次试验样本的算术平均值，误差棒是HR均值的标准误差。从图6可以看到：除3#被测试驾驶员之外其余5位驾驶员均表现出一个共同点，即非光学隧道比光学隧道驾驶员HR较高，说明通过非光学隧道时心理负荷更大。其原因如下：非光学隧道长度较短，驾驶员在短时间通过隧道，眼睛需要快速适应隧道照度的明暗变化，容易导致驾驶员心理紧张；由于非光学隧道通视性较好，绝大多数驾驶员会选择较高的行驶速度通过隧道，这必然导致驾驶员精神压力增大。

图6 6位驾驶员HR均值

3 驾驶员的HRV时域分析

3.1 SDNN统计分析

根据隧道行驶过程中驾驶员RR间期变化，分时间段(其中非光学隧道20 s为一段、光学隧道60 s为一段)计算出驾驶员心率变异性SDNN值，绘制驾驶员SDNN随时间变化的散点图，如图7所示。从图7中可以观察到:SDNN在驾驶过程中以正回归线增加，非光学隧道与光学隧道的SDNN线性回归表达式为式(3)和式(4)。由于SDNN可以反映驾驶员精神负荷波动程度，由此可以认为随着驾驶时间的增加，驾驶负荷越大，越容易导致驾驶疲劳。

图7 驾驶员SDNN变化过程

(3)

(4)

图8给出了6名被测驾驶员在静息状态、非光学隧道和光学隧道的SDNN统计结果。从图中可以看出6位驾驶员都表现出一个特点，即静息状态SDNN均高于隧道驾驶状态，表明驾驶员静息时全部RR间期的标准差大于隧道驾驶时的标准差。除了1#驾驶员以外，其余5位驾驶员的试验结果均呈现了非常强的规律性，即非光学隧道驾驶员SDNN小于光学隧道测量值，其中6名被测驾驶员非光学隧道SDNN平均降幅为47.42%，光学隧道SDNN平均降幅为36.08%，说明驾驶员通过非光学隧道更紧张，由此产生的精神压力更大。

3.2 RMSSD统计分析

应用数理统计方法对被测驾驶员RR间期序列进行分析，计算每位驾驶员连续RR间期之差的均方根RMSSD，随机选择1位驾驶员的统计结果，绘制驾驶员的RMSSD随时间变化的趋势,如图9所示。图9(a)、(b)分别为非光学隧道和光学隧道驾驶员RMSSD统计分析，其线性回归表达式分别为式(5)、(6)。从图9中可以发现3个明显的规律：① 随着驾驶时间的增加，驾驶人的RMSSD逐步升高。② 当驾驶时间超过100 s以后，RMSSD波动平缓，表明驾驶人适应隧道环境后心率间期波动减小。③ 非光学隧道驾驶员RMSSD均值为40.71 ms，其变化范围为41.90～42.35 ms，而光学隧道驾驶员RMSSD均值为44.70 ms，其变化范围为44.82～46.74 ms。这说明非光学隧道环境对驾驶员的精神刺激更强。

图8 6位驾驶员SDNN均值

图9 驾驶员RMSSD变化过程

(5)

(6)

图10给出了6名被测驾驶员在静息状态、非光学隧道和光学隧道的RMSSD统计结果。6位驾驶员静息状态RMSSD均高于隧道驾驶状态，并且静息状态2#驾驶员RMSSD均值最高为51.79 ms，1#驾驶员最低为17.02 ms；非光学隧道2#驾驶员RMSSD均值最高为40.71 ms，5#驾驶员最低为5.88 ms；光学隧道2#驾驶员RMSSD均值最高是44.41 ms，1#驾驶员最低为7.66 ms。

图10 6位驾驶员RMSSD均值

以驾驶员静息状态RMSSD为参照基准，不同种类光学隧道驾驶员的RMSSD降幅有较大差异，如表4所示。6名被测驾驶员非光学隧道RMSSD平均降幅为41.57%，光学隧道RMSSD平均降幅为30.76%。其原因如下：① 不同驾驶员之间个体差异，导致RMSSD差异性显著；② 隧道环境让驾驶员产生紧张感，心理压力导致驾驶员心率发生变化，越紧张相邻RR间期差值的均方根越小。

4 结论

1) 在隧道驾驶时驾驶员HR均值显著大于静息状态，RR间期均值显著小于静息状态；非光学隧道与光学隧道驾驶员HR均值无显著差异。

2) 驾驶员在隧道驾驶时SDNN均显著小于静息状态，非光学隧道SDNN均小于光学隧道测量值，并且非光学隧道SDNN平均降幅为47.42%，光学隧道时平均降幅为36.08%，说明非光学隧道环境对驾驶员产生的精神压力更大。

3) 驾驶员在隧道驾驶时RMSSD均显著小于静息状态，非光学隧道与光学隧道驾驶员心率变异性有一定差异，其中非光学隧道RMSSD平均降幅为41.57%，光学隧道RMSSD平均降幅为30.76%，表明非光学隧道驾驶员心率变异性更大。

4) 本文分析了非光学隧道与光学隧道驾驶员HRV时域变化趋势。但是研究尚处于基础研究阶段，缺乏试验数据和参考标准，驾驶员HRV与驾驶负荷的相关性需要进一步深入探讨。此外，除了驾驶员HRV时域分析，驾驶员HRV频域分析和非线性分析也是后续研究的重点。