黃志強(qiáng)，張芳芳，顧卓筠，陳 濤，顧 蘇，王靈眼

（1.復(fù)旦大學(xué)附屬華山醫(yī)院博士后流動(dòng)站，上海 200040；2.華東師范大學(xué)心理與認(rèn)知科學(xué)學(xué)院，上海 200062；3.上海惠誠(chéng)科教器械股份有限公司研發(fā)中心，上海 201100；4.中國(guó)鐵路濟(jì)南局集團(tuán)有限公司 濟(jì)南機(jī)務(wù)段，濟(jì)南 250023）

我國(guó)高速鐵路（簡(jiǎn)稱“高鐵”）飛速發(fā)展，里程增加，速度提升，行車安全得到進(jìn)一步重視。疲勞駕駛是行車事故的主要危險(xiǎn)因素之一。高鐵司機(jī)供不應(yīng)求，工作負(fù)荷大，又是單司機(jī)駕駛。解決高鐵司機(jī)的疲勞問題迫在眉睫。

交通安全領(lǐng)域的疲勞檢測(cè)技術(shù)主要有以下幾類：（1）基于駕駛員人體生理信號(hào)的疲勞檢測(cè)方法，如心率等[1]；（2）基于人眼閉合等行為特征[2]；（3）基于車輛運(yùn)行特征的檢測(cè)方法，如側(cè)位移，這只能用于汽車司機(jī)的檢測(cè)；（4）多源信息融合的方法，如歐盟“AWAKE”系統(tǒng)，融合眼瞼、行車特征指標(biāo)等[3]。

具體應(yīng)用于鐵路交通的疲勞檢測(cè)技術(shù)還在不斷探索。近年有人基于不同算法，針對(duì)人臉部分特征監(jiān)測(cè)疲勞狀態(tài)[4]，或針對(duì)人眼閉合度檢測(cè)疲勞[5]，這類方法監(jiān)測(cè)指標(biāo)較單一。文獻(xiàn)[6]研發(fā)多信息融合的鐵路司機(jī)疲勞檢測(cè)方法，采集司機(jī)駕駛圖像、腦電圖及手動(dòng)信息進(jìn)行綜合分析，檢測(cè)手段較全面，但司機(jī)對(duì)腦電采集帽的接受度較低。上述疲勞檢測(cè)方法還有個(gè)共同的缺點(diǎn)，就是檢測(cè)耗時(shí)較長(zhǎng)，無法滿足高鐵司機(jī)派班的實(shí)際工作需要。

從駕駛員行車前的狀態(tài)入手，在檢測(cè)有無飲酒的同時(shí)增加疲勞程度檢測(cè)，也是防止疲勞駕駛的一種實(shí)用方法，而且是一種另辟蹊徑的方法，這尤其適用于高鐵司機(jī)。本研究基于多項(xiàng)生理、心理指標(biāo)收集，全面分析評(píng)估以建立高鐵司機(jī)行車前疲勞檢測(cè)模型，開發(fā)相應(yīng)產(chǎn)品。

1 疲勞檢測(cè)方法

1.1 確定相關(guān)指標(biāo)

長(zhǎng)時(shí)間駕駛以及單調(diào)的工作易致疲勞，弱化駕駛員的感知覺和操作能力等。這種弱化會(huì)體現(xiàn)在駕駛員的各項(xiàng)生理指標(biāo)中[7]，還會(huì)體現(xiàn)在認(rèn)知指標(biāo)和主觀感受上。本文選擇以下生理、心理指標(biāo)：

（1）閃光融合臨界頻率。 斷續(xù)的光刺激呈現(xiàn)于人眼時(shí)，會(huì)引起閃爍的感覺。隨著呈現(xiàn)頻率的增加，人會(huì)覺得光源不再閃爍，此為光的融合感覺。引起融合感覺的最小頻率稱為閃光融合臨界頻率（CFF，critical flicker-fusion frequency）。詹皓[8]研究了國(guó)內(nèi)外數(shù)10篇相關(guān)文獻(xiàn)，認(rèn)為CFF能很好地評(píng)價(jià)車輛駕駛員的綜合疲勞。

（2）心電信號(hào)。本研究選取心率值，LF/HF值，TP值進(jìn)行測(cè)量。其中心率可作為測(cè)量駕駛員疲勞程度的有效證明[9]。低頻功率(LF，low frequency)，高頻功率(HF，high frequency)，屬于心率變異性（HRV，heart rate variability）的頻域指標(biāo)。LF/HF反映了交感神經(jīng)與副交感神經(jīng)的相對(duì)活躍程度，會(huì)隨著疲勞程度增加而上升[10]。TP值為測(cè)量時(shí)間內(nèi)的HRV總功率(total power)，隨著疲勞的加深而顯著增大[11]。

（3）體溫、呼吸等生理指標(biāo)。通過與每位司機(jī)自身積累的數(shù)據(jù)比較，來輔助反應(yīng)個(gè)體的疲勞狀況。研究顯示，當(dāng)個(gè)體由清醒狀態(tài)轉(zhuǎn)疲勞時(shí)，體溫顯著下降[12]。王琳虹[7]等人將呼吸指標(biāo)納入疲勞檢測(cè)系統(tǒng)很好的評(píng)估了駕駛員疲勞狀態(tài)。對(duì)這些指標(biāo)的檢測(cè)還能發(fā)現(xiàn)司機(jī)的發(fā)燒等疾病狀態(tài)。

（4）主觀感受。本研究采用信、效度均較好的疲勞量表-14 （Fatigue Scale-14, FS-14）[13-14]，并結(jié)合高鐵司機(jī)實(shí)測(cè)結(jié)果對(duì)題目進(jìn)行取舍，以節(jié)約測(cè)評(píng)時(shí)間。

（5）睡眠時(shí)間估計(jì)。在與自身數(shù)據(jù)比較的情況下，出乘前一晚睡眠時(shí)間越短，個(gè)體越容易疲勞。

1.2 參與測(cè)試的高鐵司機(jī)情況

某機(jī)務(wù)段291名高鐵司機(jī)，正確完成各檢測(cè)指標(biāo)者180例，均為男性，平均年齡39.19±5.93歲。

1.3 工具

1.3.1 客觀指標(biāo)采集

采用PC-304生理參數(shù)檢測(cè)儀，用于檢測(cè)心率、血壓、體溫和血氧飽和度。采用可調(diào)式腹式呼吸帶采集呼吸類相關(guān)指數(shù)，采集精度±3%，采集范圍0～50次/min，響應(yīng)延遲時(shí)間≤0.01 s；采用閃光頻率融合儀器，采集范圍30～50 Hz，精度0.1 Hz。

1.3.2 自述指標(biāo)采集

通過自我評(píng)估，收集高鐵司機(jī)出乘前一晚睡眠時(shí)間，分成＜5 h、5～6 h、6～7 h、7～8 h、＞8 h，共5個(gè)等級(jí)。

填寫主觀疲勞問卷。該問卷原版為14題，由英國(guó)King' s College Hospital心理醫(yī)學(xué)研究室于1992年編制。高鐵司機(jī)實(shí)測(cè)結(jié)果顯示，其中，4道題的項(xiàng)目鑒別力＜0.19，且進(jìn)行題總相關(guān)時(shí)，點(diǎn)二列相關(guān)結(jié)果均＜0.4，因此予以刪除，以按照用戶需求盡量縮短測(cè)評(píng)時(shí)間。該量表得分越高，疲勞程度越嚴(yán)重。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)總體架構(gòu)

2臺(tái)PC機(jī)分別用于疲勞檢測(cè)、系統(tǒng)管理，部署在同一房間內(nèi)。服務(wù)器（包括數(shù)據(jù)庫(kù)服務(wù)器）部署在用于疲勞檢測(cè)的PC機(jī)上。2臺(tái)PC機(jī)通過路由器實(shí)現(xiàn)網(wǎng)絡(luò)互通、訪問服務(wù)器、數(shù)據(jù)一體化。軟件系統(tǒng)包括操作系統(tǒng)、數(shù)據(jù)庫(kù)系統(tǒng)、.NET Framework運(yùn)行環(huán)境、硬件驅(qū)動(dòng)、應(yīng)用程序可執(zhí)行文件。其中，操作系統(tǒng)為Windows 7，數(shù)據(jù)庫(kù)系統(tǒng)為SQL Server 2008 R2，.NET Framework版本為4.0。

2.2 系統(tǒng)功能設(shè)計(jì)

各指標(biāo)檢測(cè)設(shè)備在5 min內(nèi)完成全部檢測(cè)，將數(shù)據(jù)上傳至主機(jī)，并完成疲勞指數(shù)的計(jì)算和分級(jí)。此外設(shè)有保健知識(shí)推送和按摩放松功能，同時(shí)建立個(gè)人檔案，以便自身對(duì)照，有利于可持續(xù)性調(diào)整駕駛員身心狀況。

高鐵司機(jī)行車前疲勞檢測(cè)系統(tǒng)工作流程,如圖1所示。

圖1 高鐵司機(jī)行車前疲勞檢測(cè)系統(tǒng)工作流程

3 系統(tǒng)實(shí)現(xiàn)

3.1 計(jì)算綜合疲勞指數(shù)

綜合疲勞指數(shù)不是直接測(cè)得的，而是間接推算的，所以無法通過常規(guī)的回歸分析來建模。

因子分析是一種通過具體指標(biāo)評(píng)估抽象因子的統(tǒng)計(jì)方法，可以將抽象因子表示成具體變量的線性組合。本研究用SPSS第23版對(duì)各變量進(jìn)行預(yù)分析，發(fā)現(xiàn)KMO值為0.442，偏低，但是Bartlett球形檢驗(yàn)的顯著性＜0.001，說明變量間相關(guān)性較好，可嘗試因子分析。選取α因子分解方法進(jìn)行因子抽取和旋轉(zhuǎn)，得到若干因子，在其中尋找符合醫(yī)學(xué)及心理學(xué)理論預(yù)期者。因子得分系數(shù)矩陣,如表1所示。

從表1可見，因子4各指標(biāo)的系數(shù)都與疲勞狀態(tài)一致，TP、LF/HF、FS10和血壓等為正值；睡眠時(shí)間、閃光融合等為負(fù)值（睡眠不足易疲勞，疲勞時(shí)閃光融合頻率下降）。因此選取因子4，按照各指標(biāo)得分系數(shù)建立模型：綜合疲勞指數(shù) = 0.283×TP -0.203×昨晚睡眠時(shí)間 - 0.158×心率 - 0.152×閃光融合 + 0.14×體溫 + 0.133×FS10 + 0.108×收縮壓+ 0.097×呼吸 + 0.073×舒張壓 + 0.031×(LF/HF) -0.027×血氧飽和度。

繼續(xù)采用SPSS第23版，運(yùn)用K折交叉驗(yàn)證的方式，將樣本隨機(jī)分割為K個(gè)等樣本量的子樣本，重復(fù)K次擬合計(jì)算：每次使用其中任意K-1個(gè)樣本擬合模型，再用剩余的1個(gè)樣本計(jì)算擬合誤差。將K個(gè)誤差平均即為某個(gè)模型的估計(jì)誤差。最終通過比較不同模型的估計(jì)誤差（預(yù)測(cè)標(biāo)準(zhǔn)誤差），越小證明模型擬合程度越高。本研究采用10折交叉驗(yàn)證，模型采用分類回歸決策樹，對(duì)比前面建立的綜合疲勞指數(shù)模型與單一指標(biāo)模型檢測(cè)疲勞的擬合度。SPSS軟件在“分析”下拉菜單“分類”之“決策樹”中設(shè)置相應(yīng)變量，將生長(zhǎng)法選為分類回歸樹（CRT，Classification Regression Tree），即可輸出采用決策樹的K折交叉驗(yàn)證的擬合度，結(jié)果顯示，綜合疲勞指數(shù)模型擬合度最好，優(yōu)于單個(gè)指標(biāo)反映疲勞狀態(tài)的效果。具體結(jié)果匯總，如表2所示。

表1 因子得分系數(shù)矩陣

表2 疲勞檢測(cè)各模型10折交叉驗(yàn)證結(jié)果

3.2 劃分疲勞等級(jí)

使用K-均值聚類分析法對(duì)所得疲勞指標(biāo)進(jìn)行分類，得到5類。為了在實(shí)際應(yīng)用中便于分級(jí)，將這5類的最低兩類合并，得到4個(gè)疲勞等級(jí)。以疲勞等級(jí)為因變量，以綜合疲勞指數(shù)為自變量，建立決策分類樹。決策樹算法選擇CART算法。SPSS中模型設(shè)置如下：自變量疲勞指標(biāo)被離散為4個(gè)區(qū)間，根據(jù)聚類分析結(jié)果，最小樣本為10，因此根節(jié)點(diǎn)的最大深度取5，父節(jié)點(diǎn)和子節(jié)點(diǎn)各取20和10，交叉檢驗(yàn)樣本群樹為10。最終分級(jí)，如表3所示。

表3 疲勞等級(jí)區(qū)間

3.3 附加干預(yù)功能的實(shí)現(xiàn)

將所建立的高鐵駕駛員疲勞檢測(cè)模型，配備立體控制臺(tái)和智能按摩沙發(fā)座椅，生產(chǎn)出“高鐵動(dòng)車組乘務(wù)員多道身心檢測(cè)系統(tǒng)”，可在5 min內(nèi)完成全部指標(biāo)的檢測(cè)，并提供按摩放松操作和保健知識(shí)推送。同時(shí)建立個(gè)人檔案，以便自身對(duì)照，有利于可持續(xù)性調(diào)整駕駛員身心狀況。

4 系統(tǒng)應(yīng)用

該系統(tǒng)已在中國(guó)鐵路濟(jì)南機(jī)務(wù)段試用，具有指標(biāo)較全面、檢測(cè)速度快、即刻出報(bào)告等特點(diǎn)，還能促使司機(jī)出乘前注意休息，以保證出乘時(shí)的良好狀態(tài)。

5 結(jié)束語(yǔ)

在檢索國(guó)內(nèi)外文獻(xiàn)之后，確定了檢測(cè)指標(biāo)，通過實(shí)驗(yàn)獲得數(shù)據(jù)之后，建立了反映疲勞程度的模型，在此基礎(chǔ)上開發(fā)出高鐵司機(jī)行車前疲勞檢測(cè)系統(tǒng)。經(jīng)過驗(yàn)證，本系統(tǒng)檢測(cè)速度快，是預(yù)防高鐵司機(jī)疲勞駕駛的有效途徑。作為一種探索和嘗試，后續(xù)改進(jìn)可從兩方面展開：（1）完善檢測(cè)指標(biāo)。近年來，研究發(fā)現(xiàn)腦電信號(hào)能較好地預(yù)測(cè)駕駛員疲勞程度[15-17]，可考慮將其納入模型。（2）當(dāng)前該系統(tǒng)應(yīng)用于行車前檢測(cè)，未檢測(cè)駕駛過程中的疲勞狀況。以后可做到行車前、行車中、行車后的全面監(jiān)控，更好地保障高鐵行車安全。