王連震 王宇萍 裴玉龍 鳳 凰

(東北林業(yè)大學交通學院1) 哈爾濱 150040) (哈爾濱市城鄉(xiāng)規(guī)劃編制研究中心2) 哈爾濱 150000)(西南交通大學交通運輸系3) 成都 610000)

基于模糊綜合評價的駕駛疲勞狀態(tài)量化研究*

王連震1)王宇萍2)裴玉龍1)鳳 凰3)

(東北林業(yè)大學交通學院1)哈爾濱 150040) (哈爾濱市城鄉(xiāng)規(guī)劃編制研究中心2)哈爾濱 150000)(西南交通大學交通運輸系3)成都 610000)

為分析疲勞駕駛對駕駛員狀態(tài)的影響程度，對駕駛員的疲勞狀態(tài)進行量化，借助模擬駕駛實驗手段，測試并分析了腦電、心電、眼動、駕駛績效和主觀疲勞評價等駕駛疲勞指標的變化規(guī)律，采用單因素方差分析方法分析了駕駛疲勞度量指標隨駕駛時間變化的顯著性.采用K均值聚類分析法確定了各個單項指標不同疲勞等級的閾值，建立了基于模糊綜合評價的駕駛疲勞指數(shù)計算模型，以主觀疲勞評價值為參照對模型進行了驗證.結果表明，連續(xù)4 h的駕駛任務對駕駛疲勞度量指標的影響是顯著的，采用駕駛疲勞指數(shù)對疲勞狀態(tài)進行量化研究是可行且有效的.

交通工程；駕駛疲勞；量化研究；模糊綜合評價；度量指標；疲勞指數(shù)

0 引 言

隨著機動車保有量的不斷增加，道路交通事故日益嚴重，疲勞駕駛已成為道路交通事故發(fā)生的主要原因之一，并且呈逐年上升趨勢.受檢測手段和度量方法等限制，疲勞駕駛同酒后及超速駕駛不同，具有相當?shù)碾[蔽性，難以被交通執(zhí)法部門準確界定.因此，研究駕駛疲勞的判斷及量化方法有利于準確度量駕駛員的疲勞程度，從而為交通執(zhí)法部門制定疲勞駕駛的管理政策提供理論依據(jù)，遏制疲勞駕駛交通事故的發(fā)生.

目前，常用的駕駛疲勞測定方法可以概括為四類：生理指標測定法[1-2]、面部特征測定法[3-4]、操控性能評定法[5]和主觀評價法等[6].各類測定方法在檢測駕駛疲勞方面均具有一定的優(yōu)勢，例如，生理指標測定方法的準確性和可靠性較高，但是需要與駕駛員產生接觸，對行車干擾較大；面部特征測定方法對駕駛員干擾較小，且準確性和可靠性也較高[7].

本文在分析駕駛疲勞表現(xiàn)特征的基礎上，借助模擬駕駛實驗手段，研究了連續(xù)駕駛一定時間后駕駛疲勞指標的變化規(guī)律和顯著性，采用模糊綜合評價的方法建立了駕駛疲勞指數(shù)計算模型，從而提出了駕駛疲勞狀態(tài)的量化方法.

1 駕駛疲勞及其度量指標

目前對駕駛疲勞的定義尚未統(tǒng)一，但是從眾多的定義中可以得出界定疲勞駕駛的共同點：駕駛疲勞是由長時間的駕駛任務導致的，以生理、心理機能下降或失調為內在表現(xiàn)，以對車輛的操控能力降低為外在表現(xiàn)的現(xiàn)象[8].長時間駕駛是導致駕駛疲勞產生的直接原因，駕駛任務是駕駛疲勞產生的特定環(huán)境.根據(jù)對駕駛員主觀疲勞感受的問卷調查結果，本文將駕駛疲勞狀態(tài)分為三級：清醒、輕度疲勞、重度疲勞.不同疲勞等級下駕駛員的表現(xiàn)特征見表1.

疲勞的各類度量指標在表征駕駛疲勞方面均具有一定的準確性和可靠性.但是，由于受儀器設備、駕駛習慣及周圍環(huán)境等的影響，單一指標在檢測過程中，通常呈現(xiàn)出不穩(wěn)定性.因此，根據(jù)各類指標的特點，本文選擇腦電指標、心電指標、眼動指標、駕駛績效指標和主觀疲勞評價指標對駕駛疲勞進行綜合測定，具體度量指標見圖1.

表1 不同等級下的駕駛疲勞特征

圖1 駕駛疲勞度量指標集

圖中：θ/β為腦電波中θ波與β波出現(xiàn)率的百分比；SDNN為心電信號中的RR間期標準差；PERCLOS[9]為單位時間內眼睛閉合時間百分比；SDS(standard deviation of speed)為車輛行駛速度標準差，為駕駛績效指標；SSS為采用斯坦福嗜睡量表(stanford sleepiness scale)[10-11]進行問卷調查得到的主觀疲勞評價值.

2 駕駛疲勞度量指標測試與分析

2.1 實驗方案設計

2.1.1 實驗對象

本次實驗共有6名實驗對象，均為非職業(yè)駕駛員，其中男性4名，女性2名，平均年齡34.5歲，均具有1年以上駕駛經驗.所有實驗對象均身體健康，無慢性疾病或生理缺陷.實驗開始前1 d睡眠質量均良好，無不良情緒，且實驗前24 h內無飲酒或服用藥物的情況.

2.1.2 實驗設備及指標

本次實驗的設備有AS1300卡車駕駛模擬系統(tǒng)、多通道生物生理記錄儀、攝像機等.此外，本次實驗還采用斯坦福嗜睡量表(SSS)對駕駛員的主觀疲勞狀況進行問卷調查.

2.1.3 實驗過程

模擬駕駛實驗場景采用AS1300卡車駕駛模擬系統(tǒng)中的平原高速公路，試驗線路為近似矩形的環(huán)狀道路，線路全長約200 km，交通條件為自由流，行駛速度由駕駛員自行設定.

在進行正式實驗之前，對實驗對象進行模擬駕駛培訓和實驗設備的操作訓練，要求所有實驗對象在進行正式實驗時能熟練操作各種設備.實驗開始前，對實驗對象進行主觀疲勞問卷調查并記錄，在靜坐狀態(tài)下使用生物生理記錄儀測試每人的腦電和心電指標，并用攝像機記錄每人的眼動情況，測試時間為5 min.實驗過程中，連續(xù)測試并記錄駕駛員的腦電、心電、眼動、行駛速度等數(shù)據(jù)；每隔30 min進行主觀疲勞問卷調查.駕駛任務結束后，立即重復上述測試過程.每個駕駛員進行兩次重復試驗.

2.2 實驗結果分析

為了便于對各類指標的實驗數(shù)據(jù)進行對比分析，將實驗得到的連續(xù)數(shù)據(jù)按15 min一個時段進行統(tǒng)計，取各個時段的平均值作為該時段的分析數(shù)據(jù).各個指標初始時刻(駕駛時間為0時)的實驗數(shù)據(jù)為駕駛任務開始前5 min內測得的數(shù)據(jù).各個指標的變化情況分別見圖2～6.由圖可知，θ/β,SDNN,PERCLOS,SDS等指標隨著駕駛時間的增加呈現(xiàn)明顯的上升趨勢，駕駛員對自身疲勞狀況的主觀評價值不斷增大，說明駕駛員的疲勞程度逐漸加重.

圖2 θ/β隨駕駛時間的變化

圖3 SDNN隨駕駛時間的變化

圖4 PERCLOS隨駕駛時間的變化

圖5 SDS隨駕駛時間的變化

圖6 SSS隨駕駛時間的變化

采用單因素方差分析可以確定駕駛時間的長短對各個指標有無顯著性影響，方差分析的結果見表2.由表2可知，在4 h駕駛任務中，各個指標均發(fā)生了顯著性變化(p<0.001)，說明駕駛時間對這些指標的影響是顯著的.

表2 駕駛疲勞度量指標單因素方差分析

3 駕駛疲勞度量指標的閾值

根據(jù)駕駛疲勞度量指標隨時間的變化情況，結合駕駛疲勞狀態(tài)的分級，采用K均值聚類分析法確定不同疲勞等級下各個單項指標的閾值，結果見表3.

表3 駕駛疲勞單項度量指標閾值

4 基于模糊綜合評價的駕駛疲勞指數(shù)計算模型

根據(jù)模糊數(shù)學理論，將人的疲勞狀態(tài)F假設為(0,1)區(qū)間的數(shù)值，其中，當F=0時表示駕駛員處于完全清醒的狀態(tài)；當F=1時，表示駕駛員處于睡眠的狀態(tài)；0～1之間的某個數(shù)值為駕駛員的某種疲勞狀態(tài).根據(jù)德爾菲法，初步確定三級疲勞狀態(tài)的取值范圍，見表4.

表4 不同等級駕駛疲勞狀態(tài)的取值范圍

采用模糊綜合評價法建立駕駛疲勞指數(shù)計算模型，來量化駕駛員的疲勞程度.駕駛疲勞模糊綜合評價的因素集.

U={u1,u2,u3,u4}

式中:U為駕駛疲勞指數(shù)；u1為θ/β；u2為SDNN；u3為PERCLOS；u4為SDS.

以駕駛疲勞狀態(tài)的分級作為評語集，則駕駛疲勞模糊綜合評價的評語集為：V={v1,v2,v3}.

式中:V為評語集合；v1為清醒；v2為輕度疲勞；v3為重度疲勞.

采用層次分析法確定因素集中各指標的權重.根據(jù)各類評價指標在度量駕駛疲勞中的可靠性和穩(wěn)定性，得到因素集的判斷矩陣及權重見表5.

表5 駕駛疲勞各指標的權重

則因素集的權重向量為

A=(a1,a2,a3,a4)=(0.400,0.376,0.138,0.086)

各個指標的模糊評價隸屬度矩陣為：

式中：rij為第i個評價指標對第j個評語的隸屬度.則駕駛疲勞狀態(tài)的模糊綜合評價結果為：

(b1,b2,b3)

(1)

根據(jù)最大隸屬度原則確定駕駛員的綜合疲勞等級.

根據(jù)不同等級駕駛疲勞狀態(tài)的取值范圍，采用各個等級取值范圍的平均值作為分值向量W，則：

W=(w1,w2,w3)T=(0.2,0.6,0.9)T

(2)

根據(jù)式(1)～(2)可以得到基于模糊綜合評價方法的駕駛疲勞指數(shù)計算模型：

F=W·B=(w1,w2,w3)T·(b1,b2,b3)

(3)

采用本文建立的模型對樣本數(shù)據(jù)進行了驗證，結果見表6.

表6 駕駛疲勞指數(shù)計算模型的驗證

由表6可知，所有樣本駕駛疲勞指數(shù)的計算結果與主觀疲勞評價值基本一致.樣本5的疲勞指數(shù)為0.83，屬于重度疲勞和輕度疲勞的臨界狀態(tài)，主觀疲勞評價值為5，屬于輕度疲勞的等級，二者的判斷結果基本符合.由此可見，采用本文建立的駕駛疲勞指數(shù)計算模型可以有效的量化駕駛員的疲勞狀態(tài).

5 結 論

1) 根據(jù)駕駛疲勞的表現(xiàn)特征，將疲勞狀態(tài)劃分為清醒、輕度疲勞、重度疲勞3個等級.確定了腦電波中θ波與β波出現(xiàn)率的比值θ/β、心電信號RR間期標準差SDNN、單位時間內眼睛閉合時間百分比PERCLOS、速度標準差SDS、主觀疲勞評價值SSS作為駕駛疲勞的度量指標集.

2) 采用模擬駕駛實驗的手段，對駕駛疲勞度量指標進行了測試分析，結果表明，連續(xù)駕駛時間對駕駛疲勞度量指標的影響是顯著的：腦電波中θ波的出現(xiàn)率不斷增加，而β波的出現(xiàn)率不斷下降，心率變異性逐漸增大，單位時間內駕駛員眼睛閉合的時間增多，對車輛行駛速度的控制能力下降，主觀疲勞感覺不斷加重.

3) 采用K均值聚類分析法確定了駕駛疲勞單項度量指標在不同疲勞等級下的閾值，建立了基于模糊綜合評價的駕駛疲勞指數(shù)計算模型，對駕駛疲勞狀態(tài)進行了量化研究.以駕駛疲勞主觀評價值為參照，對模型進行了驗證.結果表明，駕駛疲勞指數(shù)計算模型可以有效量化駕駛疲勞狀態(tài).

[1]NIRUPAMA W，YVONNE T，ASHLEY C.The psychophysiological determinants of fatigue[J]. International Journal of Psychophysiology, 2007, 63(1): 77-86.

[2]PATEL M, LAL S K L, KAVANAGHA D, et al. Applying neural network analysis on heart rate variability data to assess driver fatigue[J]. Expert Systems with Applications, 2011, 38(6): 7235-7242.

[3]ANNEKE H， RAINER G， ACACIA A， et al. Technologies for the monitoring and prevention of driver fatigue[C].Proceedings of the First International Driving Symposium on Human Factor in Driver Assessment, Training and Vehicle Design, America， Colorado， 2001:81-86.

[4]潘曉東,李君羨,徐小冬.基于眼部行為的駕駛疲勞評價指標的閾值[J].同濟大學學報：自然科學版，2011,39(12):1811-1815.

[5]吳超仲,張 暉,毛 喆,等.基于駕駛操作行為的駕駛員疲勞狀態(tài)識別模型研究[J].中國安全科學學報,2007,17(4):162-166.

[6]SAROJ K L L， CRAIGA A. A critical review of the psychophysiology of driver fatigue[J]. Biological Psychology, 2001,55(3):173-194.

[7]袁 翔,孫香梅.疲勞駕駛檢測方法研究進展[J].汽車工程學報,2012,2(3):157-164.

[8]房瑞雪,趙曉華,榮 建,等.基于腦電信號的駕駛疲勞研究[J].公路交通科技,2009,26(S1):124-126.

[9]陳和恒,王 忠,應大力,等.融合EyeMap信息的疲勞檢測方法的研究[J].武漢理工大學學報：交通科學與工程版，2014,38(1),212-216.

[10]HODDES E， ZARCONE V， PHILLIPS S， et al. Quantification of sleepiness: a new approach[J]. Psychophysiology, 1973,10(4)：431-436.

[11]潘曉東，李君羨.基于眼部行為的駕駛疲勞監(jiān)測方法[J].同濟大學學報：自然科學版，2011(2)：55-58.

Quantification of Driving Fatigue State Based on Fuzzy Comprehensive Evaluation

WANG Lianzhen1)WANG Yuping2)PEI Yulong1)FENG Huang3)

(TrafficCollege,NortheastForestryUniversity,Harbin150040，China)1)(HarbinUrbanandRuralPlanningCompilationandResearchCentre,Harbin150000，China)2)(TransportationDepartment,SouthwestJiaotongUniversity,Chengdu610000，China)3)

In order to analyze the influence of fatigue driving on drivers' states and quantify the driving fatigue state, driving fatigue indicators including EEG, ECG, eye movement, driving performance and subjective fatigue feeling were tested through simulation driving experiment, and the changing rules and significances of the indicators with driving time was analyzed using one-way ANOVA. The K-means clustering analysis method was used to determine the threshold values of each indicator at different fatigue level. The calculation model of driving fatigue index was established and validated by the subjective fatigue feeling. The results show that 4h of driving task had a significant effect on driving fatigue indicators, and the proposed method of driving fatigue quantification was feasible and effective.

traffic engineering; driving fatigue; quantification research; fuzzy comprehensive evaluation; measure indicators; fatigue index

2015-04-15

*中央高?；究蒲袠I(yè)務費專項資金項目(批準號：2572015BX03)、國家自然科學基金項目(批準號：51178149)資助

U491.6

10.3963/j.issn.2095-3844.2015.04.007

王連震(1985- )：男，工學博士，講師，主要研究領域為道路交通安全、交通規(guī)劃理論與方法