基于驾驶员操作行为和生物电信号的疲劳驾驶早期预警方法研究

疲劳驾驶是导致道路交通事故的主要原因之一，如何对驾驶员疲劳进行预警已成为世界各国科学家的研究热点。本申请拟以生物电信号为疲劳评价黄金准则，疲劳驾驶模型和模拟驾驶实验相结合，研究基于驾驶员操作行为的疲劳驾驶早期预警方法：采集驾驶员电生理信号，借鉴瞬时频率分析方法构造精神状态高维特征，并采用非线性流形学习理论在低维空间中建立驾驶员精神状态全周期评估方法；研究驾驶员精神状态对人车路闭环系统的影响机理，建立以精神状态为输入、复杂路况条件下的疲劳驾驶数学模型，揭示疲劳状态与驾驶员操作行为的映射法则；研究驾驶员模型的多参数优化问题，设计模拟驾驶实验，同步获取驾驶员操作行为和电生理信号，对模型参数进行反演和优化，建立驾驶员"零干扰"条件下的疲劳驾驶预警指标。项目研究为驾驶员疲劳程度的精确划分和非接触式在线监测提供了理论方法和使能技术支撑，推动了疲劳驾驶预警技术的实用化进程，同时带来更大的经济和社会效益。

项目完成了基于驾驶员操作行为和生物电信号的疲劳驾驶检测研究。首先，针对多导联脑电信号信噪比低的问题，提出了基于盲源分离和支持向量机的脑电信号自动消噪方法，实现了真实脑电信号、眼电成分及噪声伪差的分离；对受试者做疲劳测试实验，研究人体进行认知任务后精神状态变化在脑电信号中的表现，构造脑电信号时域、频域、时频域、空间域高维特征集，建立了基于流形学习理论的脑电信号高维特征集约简方法，发现频域特征能够较好的反应人体精神状态的变化；进而利用小波包分解提取对疲劳状态变化敏感的alpha节律，并用多尺度小波熵对该频带进行分析，建立了基于小波熵理论的疲劳检测方法；针对精神变化的变化主要反映在大脑枕区的特点，进一步提出了基于脑电源定位方法的精神状态评估方法，用枕区alpha频带偶极子数目作为评估指标，发现随着疲劳程度的加深，枕区偶极子数目显著增加，实现了轻度疲劳的捕捉与识别；其次，建立了驾驶员疲劳孕育过程数学模型，并结合预瞄优化神经网络模型，提出了以驾驶员精神状态为输入的人车路闭环模型，通过仿真和实验对比，确定测量模型参数，进一步通过仿真实验研究了直角弯道、双移线等典型道路条件下驾驶员疲劳孕育过程，和模拟驾驶实验进行对比，证明该模型可以较好的反映驾驶员疲劳演变全过程；最后，开发了模拟驾驶实验平台，在模拟驾驶实验同时采集驾驶员脑电信号，以脑电alpha和beta节律能量为基础，构造频带功率谱密度指标，定量评估人体精神状态；介于人脑的强非线性特征，提出了基于G-P关联维数的大脑复杂度指标，发现在人体疲劳度增加时，该指标显著降低；以脑电分析结果为标准，对模拟驾驶时纵向加速度、方向盘转角、方向盘角速度等驾驶员操作行为进行处理，发现清醒和疲劳状态下的驾驶员操作行为有显著差异，构建了相应的特征指标，提出了基于驾驶员操作行为的疲劳驾驶预警方法，验证了项目提出方法的可行性。本项目三年中先后在国内外期刊及会议上发表论文7篇，待投稿1篇，其中SCI源刊4篇，项目的研究人员参加国内外学术会议5人次。本项目提出的基于脑电源定位方法的人体精神状态检测方法申报国家发明专利1项（已受理）。项目开展期间共培养研究生6名，已毕业3名，本科生毕业2名。