基于生理检测指标的地铁司机驾驶状态监测方法综述

基于生理检测指标的地铁司机驾驶状态监测方法综述

封方威，王奋，王思绮，须之彦

（上海工程技术大学 城市轨道交通学院，上海市  201620）

摘要：随着中国经济和城市化进程的发展，地铁已经成为了人们日常出行的重要交通方式之一。地铁运营安全对交通出行的影响占比越来越大，关系到整个城市的出行效率和安全。司机处于地铁行车的一线，承担着地铁运营安全的重任。为有效分析研究地铁司机驾驶状态，国内外众多学者从地铁司机的工作负荷、疲劳程度等方面展开研究；通过脑电、心电、肌电、呼吸等生理指标对驾驶员生理状况进行跟踪。本文主要对基于心电信号的工作负荷、疲劳程度等的相关国内外研究进行综述，并对心电信号的指标参数选取方法简要概述。

关键词：生理检测指标；地铁司机；疲劳监测；综述

1国内外研究现状

目前对于驾驶状态的研究除了以任务绩效这种结果导向的分析外，无论是实际应用还是科学研究，多通过采集驾驶人生理指标开展负荷和疲劳两方面的指标追踪，探究影响驾驶状态的主要因素。

1.1 工作负荷相关研究

1.1.1 工作负荷的概念

Weiner认为工作负荷是影响工作绩效和作业反应的各种不同压力的衡量；Wickens定义工作负荷为一种工作需求负荷与能力间的关系[1]。综合而言，工作负荷是一个包含工作要求、任务难度、时间压力、操作者的能力水平、努力程度和具体到个人感受的多维概念[2]。

地铁司机的工作负荷是指列车驾驶员为满足旅客安全、准点出行的需要而在完成任务过程中所承受的脑力与体力上的压力。目前用于测定驾驶负荷的方法可分为四种：主要任务评估方法，辅助任务测量方法，生理测量方法和主观评估方法。

1.1.2 基于生理指标的工作负荷测量方法

Kalsbeek及 Wartna等研究发现当驾驶疲劳加深时，心率变异性会明显降低。Wilson等对心率变异性展开研究，验证了心率信号能够反映不同任务要求下人体心理及生理负荷水平。郭玮珍等对心率和心率变异性指标进行分析，表明了各指标在不同状态下的变化。靳辉[3]引入主成分分析法，深入分析驾驶员心电统计特征，并利用多元回归理论构建驾驶员心率增长率的模型，揭示心率增长率与驾驶负荷的对应关系。

一些学者将心电、脑电等生理信号进行综合。Ryu和Myung从脑电、心电和眼电三种生理信号中筛选出了α波、眨眼间隔、心率变异性等指标，构建了用以表征驾驶人心理工作负荷的综合指标。Brookhuis和Waard以驾驶人的心率和脑电相关参数为基础，分析了模拟驾驶过程中的心理负荷。

1.2 疲劳相关研究

1.2.1疲劳的基本概念

疲劳是指人体的工作能力和性能下降而增加风险和错误概率的现象[4]，属于正常范畴内的生理现象。在长时间或高强度的紧张工作等情况下，驾驶员的生理与心理变化会直接影响驾驶状态。目前没有为疲劳分类的统一方式，但多数情况下，可将其分为脑力疲劳和身体疲劳。测定疲劳的方法有主观问卷测评法、生理测试法、生理参数测试法、生物化学方法等等。

1.2.2 基于生理指标的疲劳测定方法

早期关于疲劳的研究主要采用心电的相关指标进行研究，后引入HRV指标、行为指标、脑电的相关指标等，并通过模拟舱、驾驶座椅传感器和驾驶模拟器等工具采集数据进行实验。

上海交通大学的杨渝书利用模拟舱实验表明了四项心电时域、频域指标与疲劳程度显著相关。Partin DL利用安装在驾驶座椅上的传感器成功采集到受试者的心电信号判断受试者是否处于疲劳。刘灵[5]分析了用HRV指标判定疲劳驾驶的适用性。李杏元等[6]研究人员根据实驾试验，采用收集驾驶人员在山区公路上行进时的疲劳心生理指标、交通驾驶的行为指标，提出了相应的改善措施。徐士丽[7]通过驾驶模拟实验提出了利用脑电样本熵和心电LF聚类值判别驾驶疲劳的方法，证明了脑电样本熵阈值和心电LF聚类阈值具有较高的准确性。郭孜政等[8]基于BP神经网络，以HRV的6项指标表征脑力疲劳，并建立脑力疲劳分类器，从而有效地判定驾驶员的疲劳程度。曾超等[9]通过采集驾驶员在模拟驾驶过程中的脑电信号和心率变异性，研究结果表明，疲劳状态时，脑电信号和心率变异性标度指数明显有所增加，所得DFA标度指数对驾驶疲劳监测系统的前景具有实质性的应用。

2心电信号和参数提取方法概述

在心电、脑电、皮电等基于生理电信号的采集方法中，心电信号采集设备佩戴方便，对驾驶员作业不造成干扰。且相较其它几种生理电信号而言，心电信号较强，受驾驶员动作干扰较小。因此，本文对心电信号及参数提取方法进行概述。

2.1基本心电信号

心电信号是具有一定规律性的生理信号，一个周期中包含 P、Q、R、S、T 五类波形，周期正常值约为0.75秒，因此可以依据心电的时域波形和频域波形特征来辨别心脏所处的运作状态。

由于所采集的心电信号含有肌电干扰、50 Hz/60 Hz的工频干扰、基线漂移、放大电路的内部噪声和运动伪迹等干扰噪声，会影响到心电信号特征提取的准确性与识别率，因此需要对采集到的心电信号进行滤波去噪处理，即预处理，防止干扰噪声对心电信号的识别分类的影响。心电信号的滤波方法可分为传统滤波方法和现代滤波方法。

2.2心电信号特征参数的提取

心电信号的特征参数的准确提取是心电信号识别分类的关键。目前，提取心电信号的特征参数的主要方法有神经网络法、小波变换法、经典模态（EMD）分解法、K-means聚类算法、差分阈值法、模板匹配法结合法、模极大值检测（MMPD）和峰值位置修改（PPM）等。

常用频域指标有LF、HF、LFnorm、HFnorm、LF/HF等，对其进行分析可以定量分析自主神经系统的平衡性与紧张性。常用的时域指标有Mean HRT、SDNN、RMSSD、PSI等。相关研究表明，心电信号的部分时、频域指标能够显著反映驾驶员的疲劳程度。杨渝书等人利用心电图来监测模拟驾驶环境中驾驶人的心率变化，结果表明，频域指标中的LF和LF/HF显著增加、HF显著降低，频域指标能够显著表现驾驶员的疲劳程度，而时域指标中的SDNN显著增加。

3结束语

本文简要总结归纳了国内外学者在心电信号方面研究的重要成果和常见方法，对基本心电信号和常用特征参数进行了简要概述。国内外研究现状表明，当前研究主要集中在工作负荷和疲劳程度两个方面。在工作负荷研究方面，研究者采用了心电、脑电等生理设备来综合评估驾驶员的心理和生理负荷水平。心率变异性等指标被广泛应用于评估驾驶员的心理负荷水平。在疲劳程度研究方面，研究者采集了心率变异性、脑电和行为等指标来评估驾驶员的疲劳程度，这些指标对于疲劳驾驶的检测和预防具有重要意义。

参考文献：

[1]C.D.威肯斯,J.李.人因工程学导论[M].上海:华东师范大学出版社,2007.

[2]Moray N ed. Mental workload: Its Theory and Measurement[M]. New York, Plenum Press,1979:5-6.

[3]郭玮珍,郭兴明,万小萍.以心率和心率变异性为指标的疲劳分析系统[J].医疗卫生装备,2005,(08):1-2.

[4]郭思强,滕靖,郭旭健等.基于车辆行驶数据的营运车驾驶员疲劳驾驶监控研究[C].第九届中国智能交通年会优秀论文集,广州:2014:85-96.

[5]靳辉.纵坡弯道线形路段的车速变化规律及驾驶员心电特性研究[D].华南理工大学,2018.

[6]刘灵.心率变异性在汽车司机驾驶疲劳监测中应用的研究[D].重庆:重庆大学,2007.

[7]李杏元,李江,冯浩等.山区双车道公路驾驶员疲劳特性研究[J].交通标准化,2007(05):41-44.

[8]许士丽.基于生理信号的驾驶疲劳判别方法研究[D].北京:北京工业大学,2012.

[9]郭孜政,谭永刚,马国忠等.基于BP神经网络的驾驶精神疲劳识别方法[J].哈尔滨工业大学学报,2014,46(08):118-121.