嚴新平 張 暉 吳超仲 毛 喆 雷 虎

（1．武漢理工大學(xué)智能交通系統(tǒng)研究中心 武漢430063；

2．水路公路交通安全控制與裝備教育部工程研究中心 武漢430063）

0 引 言

2009年，全國共發(fā)生道路交通事故238 351起，造成67 759人死亡、275 125人受傷，發(fā)生1次死亡3人以上道路交通事故1 276起，同比減少14起；發(fā)生1次死亡5人以上道路交通事故261起，同比增加11起；發(fā)生1次死亡10人以上特大道路交通事故24起，同比減少5起［1］。對我國2001～2009年1次死亡3人以上特大交通事故分析表明，因駕駛?cè)嗽驅(qū)е碌慕煌ㄊ鹿收嫉?0%以上；國外研究表明，由駕駛?cè)艘蛩刂苯訉?dǎo)致的交通事故約占65%，而與駕駛?cè)艘蛩叵嚓P(guān)的事故約占95%。駕駛?cè)瞬粌H是道路交通系統(tǒng)的信息處理者、決策者，也是調(diào)節(jié)者和控制者，其駕駛行為直接影響道路交通安全水平，與否對于整個系統(tǒng)的狀態(tài)有密切關(guān)系。

國內(nèi)外針對駕駛行為與交通事故的關(guān)聯(lián)性展開了大量研究，如英國皇家事故預(yù)防協(xié)會（The Royal Society for the Prevention of Accidents：RoSPA）的研究表明：由于疲勞駕駛行為導(dǎo)致的重大交通事故數(shù)占到了20%［2］；美國公路運輸安全管理局（National Highway Traffic Safety Administration：NHTSA）對2009年全國發(fā)生的統(tǒng)計數(shù)據(jù)進行研究，發(fā)現(xiàn)由于酒后駕駛行為導(dǎo)致的死亡人數(shù)為10 839占到了交通事故總死亡人數(shù)的32%［3］；澳大利亞MONASH大學(xué)事故研究中心的研究報告指出，有25%的道路交通事故由駕駛分神原因?qū)е拢?］。武漢理工大學(xué)針對大客車的事故行為特點，有針對性的開展了長途客車不良駕駛行為識別的研究［5］。我國2010年1月26日在中央文明辦、公安部聯(lián)合電視電話會議上，提出在全國范圍內(nèi)實施部署為期3年（2010～2012年）的文明交通行動計劃，其中重點提出需要防范6大類危險駕駛行為：酒后駕駛、超速行駛、疲勞駕駛、闖紅燈、強行超車以及超員／超載，旨在減少交通事故。

因此，對駕駛?cè)诵袨榈难芯浚殉蔀楦鲊缆方煌ò踩芯康暮诵膬?nèi)容［6］，本文首先對駕駛行為涵義及過程進行描述，確定能夠表征駕駛行為的具體指標，進而分析不同條件下駕駛行為指標的變化特征及規(guī)律，最終結(jié)合目前的研究進展和成果，提出駕駛行為研究的主要方向和趨勢。

1 駕駛行為涵義和表征

1．1 駕駛行為涵義

駕駛行為研究按照研究角度和內(nèi)容的不同可分為宏觀和微觀2大類。

宏觀駕駛行為是從影響安全的行為產(chǎn)生原因、誘發(fā)結(jié)果等方面開展的研究，如疲勞、酒后、分神以及超速等行為，主要研究內(nèi)容包括影響駕駛?cè)税踩男袨樘卣鳎瑥暮暧^角度分析各種駕駛行為的產(chǎn)生原因、表征宏觀駕駛行為的指標、對具體操作的影響機理等方面；研究成果可為制定事故預(yù)防對策和提升駕駛安全提供依據(jù)。

微觀駕駛行為是指駕駛?cè)嗽诟鞣N生理狀態(tài)下的具體操作表現(xiàn)，如：換道、超車、跟馳行為等，主要研究內(nèi)容包括各種條件下的換道、超車等微觀行為特征及其對交通系統(tǒng)效率的影響；研究成果可用于改善道路交通系統(tǒng)路網(wǎng)結(jié)構(gòu)、優(yōu)化管控系統(tǒng)設(shè)置參數(shù)及提升道路通行效率。

本文的研究主要從安全角度綜述現(xiàn)有駕駛行為研究的進展及已經(jīng)取得的成果，結(jié)合目前科技發(fā)展方向，提出駕駛行為研究的趨勢。

1．2 駕駛行為表征方法

駕駛?cè)说男熊囘^程可以按照信息處理及加工分為3個主要階段，見圖1。

圖1 駕駛過程信息處理、加工及反饋階段Fig．1 The procedure of driving information processing

階段一：信息感知、處理。

階段二：信息決策和駕駛操作。

階段三：車輛運行及信息反饋。

為了研究駕駛操作的3個主要階段的行為變化特征，交通領(lǐng)域的學(xué)者根據(jù)各階段的特點，提出了駕駛行為表征指標，在第1個階段：主要確定了用于表征駕駛?cè)双@取道路和其他車輛運行信息的特點，主要從視覺方面建立了表征指標；在第2個階段：主要建立了描述駕駛?cè)藢Ω鞣N信息的認知態(tài)度和反應(yīng)能力的指標；第3個階段是具體標線出來的操作動作和車輛運動特征，是駕駛行為的具體表現(xiàn)，也是駕駛行為定量研究的重要方向。

2 駕駛行為研究進展

面向交通安全的駕駛行為研究主要集中在幾種典型行為的安全性影響，具體包括疲勞駕駛、分神駕駛、酒后駕駛以及憤怒及攻擊性駕駛等內(nèi)容。本節(jié)將分別就2種駕駛行為的涵義、產(chǎn)生原因以及對駕駛安全性的影響等對目前駕駛行為研究進展進行闡述。

2．1 主要研究內(nèi)容

2．1．1 疲勞駕駛行為

產(chǎn)生原因。疲勞駕駛行為主要是指由于長時間行駛、大量工作、認知負荷或其他原因，導(dǎo)致駕駛?cè)嗽诜磻?yīng)、認知能力出現(xiàn)下降條件下的駕駛行為。疲勞駕駛行為產(chǎn)生的原因很多，主要集中在以下3個方面，見表1。

表1 疲勞駕駛行為產(chǎn)生原因及描述Tab．1 Description of fatigue driving reason

當駕駛?cè)擞捎谏鲜鲈虍a(chǎn)生駕駛疲勞時，其認知感知過程和決策行為上都出現(xiàn)了一定的變化，具體體現(xiàn)在駕駛?cè)松硖卣骱蛙囕v操作和運動特征方面，本文主要介紹了疲勞駕駛行為腦電和轉(zhuǎn)向盤控制能力方面的變化特征。

腦電信號（electroencephalogram：EEG）在心理學(xué)和臨床醫(yī)學(xué)中的應(yīng)用十分廣泛，主要關(guān)注對象是頻率在0．3～70Hz之間，電壓約為100 μV的腦電信號。不同頻率的腦電信號與人們認知心理和狀態(tài)之間的對應(yīng)關(guān)系，見表2。

表2 不同頻率腦電信號所對應(yīng)的生理特征表Tab．2 The relationship between EEG signal and physiological feature

科學(xué)家不斷嘗試研究，不同波長的腦電頻率與駕駛?cè)似诔潭戎g耦合關(guān)系，通過大量實驗，1977年O’Hanlon和 Beatty［7］提出了隨著駕駛?cè)司X性的不斷下降，駕駛疲勞程度的不斷增加，駕駛?cè)四X電信號中的α波在整個腦電波中的出現(xiàn)概率明顯增加，β波則出現(xiàn)了明顯下降；Torsvall and Akerstedt［8］通過對11位駕駛?cè)诉B續(xù)駕駛4．5h的腦電進行觀察，根據(jù)駕駛?cè)说闹饔^疲勞程度評價結(jié)果，將被試分成了疲勞和清醒2組，結(jié)果表明疲勞組駕駛?cè)嗽讦敛ǎ?～12Hz）和θ（4～8 Hz）出現(xiàn)了顯著增加；同時de Waard和Brookhuis［9］等人提出了（θ＋α）／β比值與駕駛?cè)似诔潭戎g的相關(guān)性。

腦電行為與疲勞程度之間的相關(guān)性程度較高，已經(jīng)成為了用于標定駕駛?cè)似诔潭鹊闹匾笜?，駕駛?cè)似诔潭冗M行定量標定的結(jié)果，可以作為研究其他疲勞行為的重要依據(jù)。

車輛運動方向控制能力是指駕駛?cè)烁鶕?jù)道路線形信息，控制車輛在車輛中間平穩(wěn)駕駛的能力。當駕駛?cè)穗S著工作時長的增加，對于車輛的控制能力會出現(xiàn)一定程度的下降，由于車輛運動方向控制能力與車輛運動方位和姿態(tài)直接相關(guān)，其結(jié)果直接與交通風(fēng)險存在很強的關(guān)聯(lián)性，因此成為研究駕駛疲勞的1個熱點。

關(guān)于轉(zhuǎn)向能力變化特征的1個作為重要的指標是Macdonald和Hoffmann［10］提出的轉(zhuǎn)向盤逆轉(zhuǎn)率（steering wheel reversal rate，SRR）。轉(zhuǎn)向盤逆轉(zhuǎn)率是指在單位時間內(nèi)，駕駛?cè)宿D(zhuǎn)向盤在一定角度范圍內(nèi)，出現(xiàn)方向逆轉(zhuǎn)的次數(shù)，一般將轉(zhuǎn)向盤的角度范圍定義為0．5°～10°。大量的疲勞駕駛實驗的數(shù)據(jù)分析結(jié)果表明，當駕駛?cè)颂幱谇逍褷顟B(tài)時，駕駛?cè)说能囕v轉(zhuǎn)向控制能力能夠保證其變化較為靈敏和緩和，而當駕駛?cè)似跁r，駕駛?cè)说牟僮鲿霈F(xiàn)僵硬和突變，轉(zhuǎn)向盤轉(zhuǎn)角變化也會變得急劇。圖2是對清醒和疲勞狀態(tài)下前輪轉(zhuǎn)角變化特征的示意圖。

圖2 清醒與疲勞狀態(tài)下車輛轉(zhuǎn)向盤轉(zhuǎn)角變化特征示意圖Fig．2 The steering signal of alert and drowsy driver state

車輛運動方向控制能力的研究中，除了直接研究駕駛?cè)饲拜嗈D(zhuǎn)向角度之外，還有另一類是研究駕駛?cè)塑嚨榔x的頻率。Bishel在1998年利用圖形算法開始研究車輛偏離橫向位置以及超出車 道 邊 緣 標 線 的 次 數(shù) （time－to－line－crossing，TLC），用于分析駕駛行為特征，相關(guān)學(xué)者利用該方法研究駕駛?cè)似诔潭鹊燃壟c駕駛?cè)藱M向控制能力和偏移之間的關(guān)聯(lián)性，示例見圖3［11］。

圖3 駕駛疲勞程度等級與橫向偏移關(guān)系示意圖Fig．3 The lateral deviation of lane position under different fatigue level

駕駛?cè)饲逍殉潭龋?－駕駛?cè)耸制v；5－駕駛?cè)耸智逍眩?～5表明駕駛?cè)饲逍殉潭戎饾u增強。

2．1．2 憤怒及攻擊性駕駛行為

針對憤怒和攻擊性駕駛行為的研究主要集中在：該駕駛行為的誘發(fā)因素及車輛操作特征和運動表現(xiàn)，常用的分析方法是利用問卷調(diào)查的方法進行研究。

攻擊性駕駛系列量表主要用于測試兩方面的內(nèi)容。

第一部分是針對駕駛?cè)耸欠窬哂旭{駛報復(fù)心理和暴力駕駛傾向：包括駕駛報復(fù)問卷，自測駕駛行為量表，暴力性駕駛問卷，用于直接評價攻擊性駕駛行為；

第二部分包含駕駛憤怒量表、駕駛緊張量表，用于評價攻擊性駕駛員的心理特征。這一系列問卷建立在情緒攻擊模型的基礎(chǔ)上，體現(xiàn)了攻擊性駕駛是有意識地對駕駛環(huán)境中他人進行身體、心理或情感傷害的駕駛行為，強調(diào) 了情緒喚起在攻擊性行為發(fā)生中的作用。

2．2 主要研究方法和實驗手段

2．2．1 研究方法

駕駛行為研究和其他科學(xué)實驗的過程一致，應(yīng)當首先明確實驗?zāi)康模_定實驗過程中的具體分析對象和要求，確定實驗方案，采集并分析各種指標，最終得到所需要的結(jié)論，但駕駛行為研究由于需要考慮的對象較為復(fù)雜，同時又有駕駛?cè)艘蛩氐挠绊?，因此，已?jīng)逐漸形成了一種具有鮮明特征的研究方法，具體表現(xiàn)為變量確定和實驗類型設(shè)計。

步驟一。確定實驗研究變量。無論是哪種駕駛行為實驗，至少在研究過程中需要確定2種指標：①因變量（如事故嚴重程度、行為特征等）；②自變量（能夠影響駕駛行為或事故嚴重程度等內(nèi)容的指標）。但具體到不同類型的駕駛行為，有可能會引入更多的參數(shù)和變量，這些參數(shù)和變量的作用見圖4，以疲勞駕駛為例對每種變量的涵義進行了解釋。

圖4 駕駛行為研究各變量關(guān)系圖Fig．4 Variable design for driving behavior research

1）自變量和因變量。大部分駕駛行為的研究都是某個或某些變量的變化對其他變量的影響。一般將對其他變量帶來影響的變量稱為自變量；因此這些變量需要能夠根據(jù)實驗的要求由實驗人員進行控制。由于自變量的變化造成影響的變量稱之為因變量。以疲勞駕駛為例，研究主要集中在駕駛疲勞程度與交通事故之間的關(guān)系方面，駕駛疲勞程度則是自變量，交通事故會隨著疲勞程度的增加會發(fā)生變化，則被認為是因變量。

2）控制變量。駕駛行為研究過程中為了減少實驗結(jié)果受到其他因素帶來的影響，需要對這些因素進行控制，盡量保持在自變量變化前后，這些變量保持一致，這些變量則被稱之為控制變量，如疲勞駕駛行為研究中實驗道路路段應(yīng)當保持一致，所采用的實驗車輛應(yīng)當一致，駕駛?cè)吮辉嚹挲g、駕齡和性別等應(yīng)當相同或接近，這些變量的改變有可能影響疲勞程度和交通事故之間的關(guān)聯(lián)性，因此需要進行控制。

3）中間變量。當自變量與因變量之間的關(guān)系不是很明確，很難通過實驗研究，直接建立兩者之間的關(guān)聯(lián)性時，需要引進一種變量作為中間橋梁，該變量被稱之為中間變量。如疲勞狀態(tài)與交通事故之間不存在直接的聯(lián)系，當駕駛?cè)似诨蝾瘯r，其駕駛操作行為和感知能力出現(xiàn)了下降，這些能力的下降導(dǎo)致車輛之間發(fā)生了碰撞，造成交通事故，則駕駛操作行為和感知能力這些變量被認為是疲勞程度與交通事故關(guān)系研究中的中間變量。

4）干擾變量。當對自變量的變化進行控制時，會造成某些變量會隨著自變量的變化而變化，無法控制其所產(chǎn)生的干擾，這些變量在某種意義上被稱為干擾變量。如進行疲勞研究時，需要綜合考慮多種道路線形，但道路線形會對車輛運動的分析結(jié)果會造成一定的影響，因此道路線形會成為一種干擾變量，需要通過數(shù)學(xué)方法，消除這種干擾。

步驟二。實驗類型設(shè)計。

1）實驗研究和觀察研究。實驗研究是根據(jù)研究的目的，有針對性的通過設(shè)計實驗，確定各種變量，進而獲取實驗數(shù)據(jù)進行分析的一種研究方法；觀察研究是針對研究目標，對實際道路上的交通信息進行采集，通過獲取這些信息后再進行分析的1種研究方法。實驗研究能夠減少干擾變量的影響，使分析過程和數(shù)據(jù)采集過程更有針對性，但于觀察研究相比，所需要研究的實驗數(shù)據(jù)有可能在實驗控制條件下，與真實情況的對比有一定的差異。

2）被試間和被試內(nèi)對比實驗研究。被試間對比研究是指不同的被試分別在自變量取不同等級參數(shù)時進行的實驗研究；被試內(nèi)對比研究是指同1個被試在自變量取不同等級參數(shù)時分別進行的實驗研究；兩者的區(qū)別在于：前1種實驗研究是將自變量的不同安排在了不同的被試個體上，可以同時開展實驗，避免了實驗順序的影響，消除了被試在了解實驗?zāi)康闹?，后幾次實驗出現(xiàn)干擾的可能性；但和第2種實驗研究相比，存在的最大問題是個體之間的差異不能有效消除。

2．2．2 實驗手段

手段一。駕駛模擬實驗。是指通過計算機仿真和虛擬現(xiàn)實技術(shù)，將交通場景投影在車輛前方，通過采集車輛運動踏板的信息，驅(qū)動虛擬車輛在虛擬場景中運動的實驗方法，最大的優(yōu)點是能夠保證實驗的安全性；通過三維建模技術(shù)快速改變實驗場景要素的特征，滿足不同實驗的需求。環(huán)境感知實驗（peripheral detection task，PDT）、換道實驗（lane－change test，LCT）是2種常見的駕駛模擬實驗手段。

環(huán)境感知實驗（peripheral detection task，PDT）是1種在行車過程中，考察駕駛?cè)藢χ苓叚h(huán)境信息感知和觀察能力的實驗手段。周邊環(huán)境信息主要包括周邊靜態(tài)交通標志信息和場景中不斷觸發(fā)的動態(tài)交通信息：如行人橫穿馬路等行為。PDT實驗的目的是研究駕駛?cè)艘曈X分布特征和觀測能力的變化規(guī)律，主要用于研究駕駛分神等研究。

換道實驗（lane－change test，LCT）是1種讓駕駛?cè)烁鶕?jù)要求進行車輛變更車道的實驗手段。主要通過屏幕上出現(xiàn)文字或標志信息或發(fā)布指令，提示駕駛?cè)俗兏旭偟能嚨?，模擬在多車輛環(huán)境中的駕駛過程。LCT的實驗?zāi)康氖茄芯狂{駛?cè)藢τ谲囕v橫向控制和車道保持和變更能力，主要用于研究疲勞和酒后駕駛對車輛操作和運動行為的影響。

手段二。問卷調(diào)查及量表。問卷調(diào)查和量表都是通過駕駛?cè)酥饔^描述或評價其生理狀態(tài)，或?qū)δ承袨檎J知進行的研究重要手段。從駕駛?cè)说慕嵌葘δ承┎灰子谕ㄟ^客觀指標進行采集和獲取的變量，進行信息獲取的方法。但問卷調(diào)查主要采用多條目的形式，給駕駛?cè)四硞€題干，讓駕駛?cè)诉M行選擇或用文字進行反饋，而量表是給出某個條目，讓駕駛?cè)嗽诙嗉夁x項中進行選擇。駕駛行為問卷調(diào)查表，疲勞程度主觀評價量表以及駕駛負荷量表是幾種典型的駕駛行為主觀研究方法。

Reason等人提出了1種駕駛行為調(diào)查表［12］，該問卷包含了50個錯誤或違法駕駛行為的描述，要求駕駛?cè)吮救朔答佭^去1年上述每種駕駛行為發(fā)生的概率（5級選項，從基本沒有出現(xiàn)過到經(jīng)常出現(xiàn)），調(diào)查結(jié)果可以用于分析駕駛?cè)税l(fā)生錯誤和違法行為的特征，該問卷的前期分析表明：錯誤和違法行為之間存在顯著的差異，兩者是由不同的生理機制進行控制，其中錯誤能夠反映駕駛?cè)嗽诟兄?、注意力以及信息處理能力方面存在的特征。違法行為調(diào)查結(jié)果能夠反映駕駛習(xí)慣和駕駛風(fēng)格方面的特征。

疲勞駕駛量表：目前常見的幾種主觀疲勞程度量表包括：Hoddes等人提出的stanford sleepiness scale，（SSS［13］），Johns等人提出的epworth sleepiness scale，（ESS［14］）以及 Gillberg等人提出的 KSS［15］（karolinska sleepiness scale），這些問卷都是用于獲取駕駛?cè)似诔潭戎饔^評價信息。

Horne和 Reyner［16］對 KSS量表進行了修訂，采用9級形式采集疲勞程度信息，見表3。

工作負荷量表：NASA－TLX （task load in－dex）［17］，是由美國宇航局提出的用于評價宇航員工作負荷的重要手段，是迄今使用最為廣泛的主觀心理負荷評估工具之一，不僅使用者接受程度最高，且被試間變異最小。NASA－TLX量表試圖從認知負荷、體力負荷、時間要求、績效水平、努力程度和挫折程度等6個維度對總體的心理負荷程度進行評定，是1個多維評估量表，被廣泛用于諸多人類績效研究。該量表主要用于評價不同車載產(chǎn)品對駕駛負荷帶來的影響以及駕駛過程中信息處理負荷的分布特征研究。

表3 KSS疲勞問卷修訂版調(diào)查選項Tab．3 The level description for KSS scale

3 結(jié)論與展望

由于駕駛?cè)诵袨槟芰ο陆祵?dǎo)致的交通事故成為道路安全最為緊迫的問題，給社會和人們的生活帶來了巨大的負擔和影響。因此，需要通過不同類型實驗研究不同駕駛行為的變化特征，探索駕駛?cè)诵畔⑻幚砗蜎Q策過程，發(fā)現(xiàn)駕駛行為受不同因素影響的演化機理，找出提升駕駛行為安全性的方法和手段。

通過對疲勞、酒后等危險駕駛行為的研究，可為有針對性的管控措施和相關(guān)監(jiān)測產(chǎn)品的開發(fā)提供理論和技術(shù)支持，表4列出了基于不同原理的疲勞檢測產(chǎn)品［18］。

隨著虛擬現(xiàn)實、物聯(lián)網(wǎng)、車輛主動安全以及腦機接口等技術(shù)的不斷發(fā)展和完善，使得駕駛行為研究有了更新的手段，也面臨了新的機遇和挑戰(zhàn)。

風(fēng)險感知能力被認為是影響交通安全的重要因素之一，主要指駕駛?cè)藢τ跐撛陲L(fēng)險的預(yù)判能力。英國、加拿大、澳大利亞以及日本等國在最近年都相繼提出了在駕駛理論考試過程中需要增加危險判斷的試題，用于提升駕駛?cè)税踩L(fēng)險感知能力，甚至引入了先進的模擬駕駛技術(shù)，將危險情景通過虛擬現(xiàn)實技術(shù)展現(xiàn)出來，讓駕駛?cè)诉M行交互操作，體驗危險情景的特征，提升安全意識。我國的道路安全科技行動計劃也提出了利用模擬器開展駕駛?cè)丝荚嚭团嘤?xùn)的要求，提升我國駕駛?cè)嗽谟龅轿ｋU情景和復(fù)雜交通環(huán)境時的應(yīng)急處置能力。

表4 駕駛疲勞產(chǎn)品原理及簡介Tab．4 The principle and introduction for fatigue driving detection products

物聯(lián)網(wǎng)技術(shù)和車輛主動安全技術(shù)的發(fā)展，使得車輛之間更多的信息交互以及車外信息的獲取變的可能，但駕駛?cè)藢τ谶@些信息的認知和處理過程，以及其對駕駛行為本身帶來的影響，成為現(xiàn)在的1個熱點，目前主要集中在自適應(yīng)巡航控制系統(tǒng)對駕駛?cè)苏J知和操作行為帶來的影響，隨著新產(chǎn)品的不斷應(yīng)用，將會呈現(xiàn)更多的駕駛行為研究熱點。

隨著腦科學(xué)和交通、車輛之間的相互融合，使得腦機接口成為了1個駕駛行為研究的新課題，尤其是在柏林出現(xiàn)的人腦控制車輛進行行駛的實驗，使得人腦在車輛運動控制和駕駛行為方面的應(yīng)用成為了可能。

［1］ 公安部交通管理局．中華人民共和國道路交通事故統(tǒng)計年報［R］．北京：公安部交通管理局，2010．

［2］ Royal society for the prevention of accidents（ROSPA）．Driver fatigue and road accidents：a literature review and position paper［R］．Washington，DC A－merica：Royal society for the prevention of accidents，2001．

［3］ Department of transportation，national highway traffic safety administration （NHTSA）［R］．Alcoholimpaired driving traffic safety fact sheet 2009，Washington，D C，America：NHTSA，2010．

［4］ Young K，Renan M，Hammer M．Driver distraction：A review of the literature：Report 206［R］．Monash University Accident Research Centre，Victoria，Australia，2003．

［5］ 賀 宜，吳超仲，陳志軍，等．長途客車事故現(xiàn)狀及致因分析［J］．交通信息與安全，2011（5）：78－82．

［6］ 裴玉龍，張需鵬．不良汽車駕駛行為特征分析［J］．交通信息與安全，2009（3）：81－84．

［7］ O’Hanlon J F，Beatty J．Concurrence of electroencephalographic and Performance Changes During A Simulated Radar Watch And Some Implications for the Arousal Theory Of Vigilance［M］．Mackie R R，ed，Vigilance：theory，operational performance，and physiological Correlates，13 （189－201）．Plenum Press，1977．

［8］ Torsvall L，Akerstedt T．Sleepiness on the Job：Continuosly measured EEG changes in Train drivers［J］．Electroencephalography and Clinical Neurophysiology，1987，66（10）：502－511．

［9］ De Waard D，Brookhuis K A．Assessing driver status：A demonstration experiment on the road［J］．Accident Analysis ＆ Prevention，1991，23（4）：297－307．

［10］ Macdonald W A，Hoffmann E R．Review of relationships between steering wheel reversal rate and driving task demand［J］．Human Factors，1980，22（7）：733－739．

［11］ Chikamori S，Shimizu Y，Othani T．Estimation of Arousal－level from Steering Operations［J］．JSAE Review，2001，22（7）：175－181．

［12］ Reason J，Manstead A，Stradling S，et al．Errors and Violations on The Roads：A Real Distinction［J］．Ergonomics，1990（33）：1315－1332．

［13］ Hoddes E，Dement W C，Zarcone V．The History and Use of the Stanford Sleepiness Scale［J］．Psychophysiology，1972，9（2）：150．

［14］ Johns M W．Reliability and Factor Analysis of the Epworth Sleepiness Scale［J］．Sleep，1992，15（4）：376－381．

［15］ Gillberg M，Kecklund G，Akerstedt T．Relations between Performance and Subjective Ratings of Sleepiness during a Night Awake［J］．Sleep，1994，17（3）：236－241．

［16］ Home L A，Reyner L A．Sleep Related Vehicle Accidents［J］．British Medical Journal．1995，310（6979）：565－567．

［17］ Hart S G，Staveland L E．Development of NASATLX（Task Load Index）：results of empirical and theoretical research［M］．Hancock P A，Meshkati N．Human Mental Workload．New York：Elsevier，1988：139－183．

［18］ Edwards D，Aguirre A，Davis B，et al．Operator fatigue detection technology review［R］．America：Caterpillar Inc，Adams，peoria II，2008