郭孜政，吳志敏，肖　瓊，潘雨帆，潘毅潤(rùn)，張　駿

(1. 西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都　610031；2. 西南交通大學(xué) 綜合交通運(yùn)輸智能化國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室，四川 成都　610031)

動(dòng)車組司機(jī)的持續(xù)性注意水平成為影響司機(jī)作業(yè)可靠性的關(guān)鍵因素。目前國(guó)內(nèi)外對(duì)機(jī)車司機(jī)作業(yè)的研究主要針對(duì)疲勞，而對(duì)持續(xù)性注意水平的研究則較為鮮見(jiàn)。高法燈采用人眼持續(xù)閉合時(shí)間比率和人眼平均閉合速度作為測(cè)評(píng)指標(biāo)對(duì)機(jī)車司機(jī)的疲勞程度進(jìn)行研究，結(jié)果表明人眼持續(xù)閉合時(shí)間比率越大、人眼平均閉合速度越低，則機(jī)車司機(jī)的疲勞程度越大，并在此基礎(chǔ)上開(kāi)發(fā)了機(jī)車司機(jī)疲勞檢測(cè)系統(tǒng)[1]。何偉峰基于類似的3項(xiàng)眼動(dòng)指標(biāo)，提出1種基于貝葉斯網(wǎng)絡(luò)信息融合的機(jī)車司機(jī)駕駛疲勞監(jiān)測(cè)系統(tǒng)[2]。王瑩則用機(jī)車司機(jī)駕駛狀態(tài)監(jiān)測(cè)視頻文件，通過(guò)機(jī)車司機(jī)規(guī)定手勢(shì)的完成狀態(tài)判定司機(jī)的疲勞程度[3]。Cabon等利用腦電和心電2項(xiàng)指標(biāo)對(duì)機(jī)車司機(jī)睡眠被剝奪與持續(xù)性注意水平間的關(guān)系進(jìn)行了研究，結(jié)果表明睡眠時(shí)間不斷減少將造成機(jī)車司機(jī)的持續(xù)性注意水平大幅下降[4]。

上述利用人的眼動(dòng)、腦電與心電等生理特征進(jìn)行的持續(xù)性注意水平研究未對(duì)持續(xù)性注意水平敏感性指標(biāo)進(jìn)行研究。研究表明，腦電信號(hào)作為敏感于大腦活動(dòng)的神經(jīng)生理信號(hào)，與機(jī)車司機(jī)的當(dāng)前精神狀態(tài)具有高度相關(guān)性[5-6]。對(duì)腦電信號(hào)經(jīng)過(guò)熵處理之后發(fā)現(xiàn)，當(dāng)大腦處于較高喚醒水平時(shí)，腦電熵值較大，反之腦電熵值較小[7]。因此本文基于動(dòng)車模擬駕駛試驗(yàn)，采用Kruskal-Wallis檢驗(yàn)方法與Relief算法，進(jìn)行動(dòng)車組司機(jī)持續(xù)性注意水平敏感性腦電熵指標(biāo)的研究，為動(dòng)車組司機(jī)持續(xù)性注意水平的量化測(cè)評(píng)及后期持續(xù)性注意水平識(shí)別模型的構(gòu)建提供依據(jù)。

1　試驗(yàn)方法

1.1　被試人員

為滿足人因工程常規(guī)試驗(yàn)類研究(如駕駛員、飛行員)需要被試在20人以上的要求，從中國(guó)鐵路總公司93和94期動(dòng)車組司機(jī)班學(xué)員中均勻抽取22人作為被試。他們分別來(lái)自北京、成都、上海、南寧、武漢和哈爾濱等鐵路局，先前均為旅客列車司機(jī)(機(jī)車為韶山型電力機(jī)車)，年齡在34～38歲之間。

所選被試視力或矯正視力正常，無(wú)任何心理或精神疾病史，且在試驗(yàn)前24 h內(nèi)禁止飲用含有酒精或咖啡因成分的功能性飲料，并自愿簽訂《知情同意書(shū)》。

1.2　試驗(yàn)設(shè)計(jì)

試驗(yàn)采用CRH1E型動(dòng)車組操縱模擬器，該模擬器采用單通道大屏前向視景系統(tǒng)，其屏幕分辨率為(2 048×768) pix，7.1的數(shù)字音頻發(fā)聲系統(tǒng)可高仿真模擬動(dòng)車運(yùn)行時(shí)的背景聲音環(huán)境。機(jī)車操作臺(tái)由列車自動(dòng)防護(hù)系統(tǒng)、列車自動(dòng)運(yùn)行系統(tǒng)、列車自動(dòng)監(jiān)控系統(tǒng)和乘客信息系統(tǒng)、列車運(yùn)行監(jiān)控記錄裝置、機(jī)車綜合無(wú)線電通訊以及操作按鈕、指示燈、速度設(shè)定控制器等組成，其布局如圖1所示。

試驗(yàn)線路選取北京南站至上海虹橋站的京滬高鐵線路，線路全長(zhǎng)為1 463 km，最高限速為220 km·h-1，要求被試以低于限速5 km·h-1的速度(標(biāo)準(zhǔn)速度)駕駛列車運(yùn)行。

為實(shí)時(shí)測(cè)試被試在連續(xù)駕駛過(guò)程中的持續(xù)性注意水平，試驗(yàn)時(shí)采用在列車運(yùn)行前方隨機(jī)顯示紅圓點(diǎn)的方式模擬列車運(yùn)行中隨機(jī)出現(xiàn)信號(hào)等隨機(jī)事件。紅圓點(diǎn)在5個(gè)可能位置按照不同的時(shí)間間隔(240±10)s隨機(jī)出現(xiàn)(見(jiàn)圖1)。要求被試在紅圓點(diǎn)出現(xiàn)后立即點(diǎn)擊反應(yīng)鍵，系統(tǒng)將自動(dòng)記錄被試的反應(yīng)時(shí)間。試驗(yàn)持續(xù)4 h，全程無(wú)休息。

圖1　試驗(yàn)任務(wù)場(chǎng)景

1.3　試驗(yàn)流程

為保證試驗(yàn)開(kāi)始前被試具有較高的持續(xù)性注意水平，試驗(yàn)從早上8:00開(kāi)始。首先，8:00—8:15為試驗(yàn)準(zhǔn)備階段，主要做好設(shè)備調(diào)試、告知被試試驗(yàn)任務(wù)(主任務(wù)為動(dòng)車組的模擬操縱，次任務(wù)為測(cè)試對(duì)隨機(jī)紅點(diǎn)的反應(yīng))等相關(guān)事宜。8:15—8:30預(yù)先進(jìn)行15 min的模擬駕駛練習(xí)，以消除練習(xí)效應(yīng)的影響，然后從8:30開(kāi)始進(jìn)行約4 h的正式試驗(yàn)。在正式試驗(yàn)進(jìn)行至46 min時(shí)及試驗(yàn)結(jié)束后，采用主試口頭詢問(wèn)的方式，要求被試填寫(xiě)卡羅林斯卡嗜睡量表[8-9](Karolinska Sleepiness Scale，KSS)，測(cè)試其疲勞程度。

1.4　數(shù)據(jù)采集

1)主觀疲勞及駕駛行為績(jī)效測(cè)評(píng)數(shù)據(jù)的采集

試驗(yàn)中采用的KSS量表為9分量表，用于評(píng)估司機(jī)的疲勞狀態(tài)：1分為極度清醒；2分為非常清醒；3分為清醒；4分為有些清醒；5分為既不清醒，也不困倦；6分為開(kāi)始出現(xiàn)困倦的征兆；7分為困倦，容易控制；8分為困倦，困難但可以控制；9分為昏昏欲睡，無(wú)法控制。

對(duì)于駕駛行為績(jī)效測(cè)評(píng)數(shù)據(jù)，試驗(yàn)主要記錄列車當(dāng)前限速、列車當(dāng)前運(yùn)行速度以及對(duì)紅點(diǎn)的反應(yīng)時(shí)間和有效檢測(cè)率，其采樣頻率設(shè)置為10 Hz。

2)腦電數(shù)據(jù)采集

采用32導(dǎo)腦電儀采集腦電(EEG)數(shù)據(jù)，其中用10～20導(dǎo)聯(lián)頭皮電極系統(tǒng)記錄水平和垂直眼電。腦電采樣頻率、頻率帶寬分別設(shè)置為1 000 Hz，0.5～100 Hz，且保持電極阻抗不得超過(guò)5 kΩ。試驗(yàn)中選取FCz電極作為參考電極，其分布如圖2所示。

圖2　腦電電極的分布

1.5　持續(xù)性注意水平的時(shí)段劃分

選取試驗(yàn)中前后的2個(gè)時(shí)段分別作為高、低持續(xù)性注意水平的時(shí)段，是人因工程學(xué)中的常用方法[10-11]。為了去除被試在剛開(kāi)始駕駛操作時(shí)練習(xí)效應(yīng)對(duì)試驗(yàn)結(jié)果的影響，同時(shí)保證被試具有較高的持續(xù)性注意水平，故選取試驗(yàn)開(kāi)始后的16～46 min時(shí)段作為被試的高持續(xù)性注意水平時(shí)段；隨著駕駛時(shí)間逐漸增長(zhǎng)，被試的疲勞程度逐漸增加并達(dá)到最高，故選取試驗(yàn)開(kāi)始后的210～240 min時(shí)段作為被試的低持續(xù)性注意水平時(shí)段。

主觀疲勞評(píng)估和速度偏差以及對(duì)隨機(jī)信號(hào)探測(cè)所產(chǎn)生的客觀指標(biāo)是衡量動(dòng)車組司機(jī)持續(xù)性注意水平的有效指標(biāo)[12-13]，通過(guò)對(duì)上述2個(gè)時(shí)段內(nèi)被試的KSS量表得分、速度偏差以及對(duì)隨機(jī)信號(hào)探測(cè)所產(chǎn)生的客觀指標(biāo)(反應(yīng)時(shí)間、有效檢測(cè)率)的差異性進(jìn)行對(duì)比分析，以驗(yàn)證試驗(yàn)中持續(xù)性注意水平時(shí)段劃分的合理性。

2　持續(xù)性注意水平敏感性腦電熵指標(biāo)的選取方法

2.1　基于腦電熵值的參數(shù)計(jì)算

選取腦電θ(4～8 Hz),α(8～13 Hz),β(13～30 Hz)3個(gè)頻段的平均幅值作為腦電熵值計(jì)算參數(shù)。其計(jì)算處理步驟如下。

(1)以1 min的腦電信號(hào)為分析單元，對(duì)該信號(hào)以0～35 Hz的帶寬進(jìn)行整體濾波處理。濾波過(guò)后對(duì)腦電信號(hào)設(shè)定重疊率為50%、步長(zhǎng)為s(s取2 000 ms)的時(shí)間窗，從左至右滑動(dòng)將該段信號(hào)予以分割。

(2)對(duì)于1個(gè)窗口的腦電信號(hào)，為了消除旁瓣效應(yīng)對(duì)快速傅里葉變換的影響，將其與等長(zhǎng)度的漢明窗做內(nèi)積，得到處理的信號(hào)f(n)。對(duì)f(n)進(jìn)行快速傅里葉變換，得到腦電信號(hào)f(n)在頻域上的幅值分布f(k)為

(1)

其中，

式中：WN為周期函數(shù)；k為任意整數(shù)；n為樣本量；j為虛數(shù)；N為信號(hào)采樣點(diǎn)數(shù)。

(3)從f(k)中分別提取θ(4～8 Hz),α(8～13 Hz),β(13～30 Hz)頻段幅值序列，對(duì)各頻段幅值系列去除其正負(fù)3倍標(biāo)準(zhǔn)差外的異常數(shù)據(jù)后求取均值，對(duì)其他時(shí)間窗也采用同樣方法，得到3個(gè)頻段在1 min腦電信號(hào)內(nèi)的平均幅值序列。

(4)將θ，α和β頻段的平均幅值序列分別記為μθ(o)，μα(o)，μβ(o)， 1≤o≤L，L為序列長(zhǎng)度。

①以θ頻段為例，計(jì)算樣本熵和近似熵的步驟如下。

步驟1將平均幅值序列μθ(o)由1維構(gòu)造成m維向量，即

Ym(o)=(μθ(o)μθ(o+1)…μθ(o+m-1))o=L-m+1

(2)

步驟2定義任意2個(gè)向量Ym(o)與Ym(u)之間的距離d(Ym(o),Ym(u))為

d(Ym(o),Ym(u))=

o=1,2,…,L-m+1

u=1,2,…，L-m+1

o≠u

(3)

步驟5將θ頻段的幅值序列按順序組成m+1維向量，按照步驟1—步驟4得出Bm+1(g)。

步驟6將Bm(g)與Bm+1(g)代入式(4)和式(5)中，分別求出θ頻段的樣本熵(SampEn)與近似熵(ApEn)，為

(4)

ApEn(m,g)=Bm(g)-Bm+1(g)

(5)

②對(duì)原有θ頻段的平均幅值序列μθ(o)按升序排列，將序列中的平均幅值視為1個(gè)元素，元素大小相同的為同類元素、不同的為異類元素。其中各個(gè)元素所出現(xiàn)的概率分布為{y1,y2,…，ys}，s為元素類型的個(gè)數(shù)。將其代入式(6)中，得到θ頻段平均幅值序列μθ(o)的香農(nóng)熵(H(p))為

(6)

同理，分別求取α和β頻段平均幅值序列μα(o)和μβ(o)的樣本熵、近似熵和香農(nóng)熵3種腦電熵，作為1 min腦電信號(hào)的持續(xù)性注意水平腦電熵值參數(shù)。對(duì)q個(gè)電極的腦電信號(hào)，均采用步驟(1)—步驟(4)，得到9q項(xiàng)腦電熵值參數(shù)，記為xi(i=1,2,…,9q)。

2.2　熵指標(biāo)敏感性分析及選取

對(duì)于所獲取的腦電熵值參數(shù)樣本集合E={E1,E2,…,Ei,…,El}，每個(gè)樣本為1 min內(nèi)腦電信號(hào)經(jīng)熵處理后所得到的9q項(xiàng)腦電熵值參數(shù)，即Ei={x1,x2,…,x9q}，l為采集信號(hào)的時(shí)長(zhǎng)。Ei的類型為fi∈F，F(xiàn)={f1,f2}，即f1為高持續(xù)性注意水平，f2為低持續(xù)性注意水平。本文分別采用Kruskal-Wallis檢驗(yàn)與Relief算法，選取敏感于不同持續(xù)性注意水平的指標(biāo)集合。

1) 基于Kruskal-Wallis檢驗(yàn)的敏感性指標(biāo)選取

將任意一項(xiàng)腦電熵值參數(shù)xi在高持續(xù)性注意水平與低持續(xù)性注意水平下得到的熵值序列中進(jìn)行Kruskal-Wallis檢驗(yàn)，構(gòu)造統(tǒng)計(jì)量H為

(7)

式中：Q為2類參數(shù)樣本的總量；Ri為在第i類持續(xù)性注意水平下，參數(shù)樣本中所有元素的平均秩。

由于統(tǒng)計(jì)量H服從自由度為1的χ2分布，查表可得相應(yīng)的p值(為衡量?jī)蓸颖静町愶@著性的判別指標(biāo))。在給定的顯著性水平α下，若p>α，則表明該項(xiàng)參數(shù)在兩類持續(xù)性注意水平下無(wú)差異顯著；若p<α，則表明該項(xiàng)參數(shù)在兩類持續(xù)性注意水平下差異顯著，p值越小差異越顯著。

經(jīng)過(guò)上述計(jì)算，選取差異性最為顯著的h項(xiàng)腦電熵值參數(shù)作為持續(xù)性注意水平敏感性指標(biāo)，即Z={z1,z2,…,zh}。

2) 基于Relief算法的敏感性指標(biāo)選取

樣本Ei與任意樣本Ev在腦電熵值參數(shù)xr(1≤r≤9q)上的差定義為

(8)

式中：Emax與Emin為腦電熵值參數(shù)xr在樣本集E中的最大值與最小值；Ei(xr)與Ev(xr)為樣本Ei與Ev中腦電熵值參數(shù)xr的數(shù)值。

(9)

式中：p(·)為與Ei同類的樣本在總樣本中所占的比率；T為迭代次數(shù)。

最終選取基于上述2種方法的敏感性指標(biāo)的交集G作為持續(xù)性注意水平的特征指標(biāo)。

G={(Z∩Z*)}={(z1,z2,…,ze)}

(10)

3　試驗(yàn)結(jié)果及分析

3.1　持續(xù)性注意水平時(shí)段劃分的合理性驗(yàn)證

為驗(yàn)證1.5節(jié)中選取試驗(yàn)開(kāi)始后16～46和210～240 min 2個(gè)時(shí)段對(duì)應(yīng)被試不同持續(xù)性注意水平時(shí)段的假設(shè)是否合理，采用配對(duì)樣本t檢驗(yàn)對(duì)上述2個(gè)時(shí)段所得到的KSS量表得分和駕駛行為績(jī)效測(cè)評(píng)數(shù)據(jù)進(jìn)行差異性檢驗(yàn)，其結(jié)果見(jiàn)表1。

表1　主觀疲勞、駕駛行為績(jī)效測(cè)評(píng)數(shù)據(jù)及檢驗(yàn)結(jié)果

注：括號(hào)外數(shù)值表示均值，括號(hào)內(nèi)數(shù)值表示方差。

由表1可見(jiàn)：與第1時(shí)段相比，被試在第2時(shí)段的疲勞程度顯著增加(KSS量表得分上升)，反映在主任務(wù)中對(duì)列車運(yùn)行速度的控制能力也顯著下降(速度偏差增大)，在次任務(wù)中對(duì)隨機(jī)紅點(diǎn)的反應(yīng)能力顯著下降(反應(yīng)時(shí)間增加，有效檢測(cè)率下降)，這表明試驗(yàn)中以第1時(shí)段作為高持續(xù)性注意水平時(shí)段、第2時(shí)段作為低持續(xù)性注意水平時(shí)段的劃分是合理的。

3.2　持續(xù)性注意水平熵指標(biāo)的敏感性分析及確定

對(duì)于試驗(yàn)所采集的腦電數(shù)據(jù)，基于2.1節(jié)處理方法對(duì)其進(jìn)行快速傅里葉變換，然后對(duì)θ(4～8 Hz),α(8～13 Hz),β(13～30 Hz)3個(gè)頻段的平均幅值序列計(jì)算樣本熵、近似熵和香農(nóng)熵3種腦電熵值，共得到288組特征指標(biāo)。采用2.2節(jié)中Kruskal-Wallis檢驗(yàn)，得出在32個(gè)電極上兩階段腦電數(shù)據(jù)間的p值，如圖3所示。

圖3　p值分布腦地形圖

由此選出對(duì)持續(xù)性注意水平最敏感的10個(gè)指標(biāo)，其結(jié)果見(jiàn)表2。

表2　基于Kruskal-Wallis檢驗(yàn)的敏感性指標(biāo)

基于2.2節(jié)中Relief算法，得到各個(gè)腦電熵指標(biāo)的權(quán)重均值，從中選取權(quán)重值最大的10個(gè)熵指標(biāo)作為持續(xù)性注意水平的敏感性指標(biāo)，其結(jié)果見(jiàn)表3。

表3　基于Relief算法的敏感性指標(biāo)

以Kruskal-Wallis檢驗(yàn)和Relief算法篩選所得到的敏感性指標(biāo)交集作為持續(xù)性注意水平的特征指標(biāo)，即位于FP1，F(xiàn)7電極處β頻段的香農(nóng)熵以及位于FZ電極處α頻段的樣本熵。

4　結(jié)　論

(1)相比第1時(shí)段，動(dòng)車組司機(jī)在第2時(shí)段的疲勞程度顯著增加(KSS量表得分上升)，在次任務(wù)中對(duì)隨機(jī)紅點(diǎn)的反應(yīng)能力顯著下降驗(yàn)證了長(zhǎng)時(shí)間連續(xù)駕駛會(huì)引發(fā)動(dòng)車組司機(jī)精神疲勞及持續(xù)性注意水平下降。

(2)提出將基于Kruskal-Wallis檢驗(yàn)和Relief算法得到的敏感性指標(biāo)的交集，作為對(duì)動(dòng)車組司機(jī)持續(xù)性注意水平敏感的腦電熵指標(biāo)。

(3)試驗(yàn)表明，位于FP1，F(xiàn)7電極處β頻段的香農(nóng)熵以及FZ電極處α頻段的樣本熵對(duì)持續(xù)性注意水平十分敏感。

(4)選出的敏感于動(dòng)車組司機(jī)持續(xù)性注意水平腦電特征指標(biāo)，為今后對(duì)動(dòng)車組司機(jī)持續(xù)性注意水平的識(shí)別與測(cè)評(píng)提供了依據(jù)。

[1]高法燈.基于圖像的機(jī)車司機(jī)疲勞檢測(cè)系統(tǒng)研究[D].杭州：浙江大學(xué)，2010.

(GAO Fadeng. Study on the Detection System of Locomotive Driver Fatigue Based on Image [D].Hangzhou： Zhejiang University，2010.in Chinese)

[2]何偉峰.機(jī)車司機(jī)行車安全監(jiān)控中疲勞監(jiān)測(cè)和無(wú)線傳輸研究[D].長(zhǎng)沙：中南大學(xué)，2009.

(HE Weifeng. Fatigue Detection and Wireless Transmission of Monitored Control System for Safe Driving of Locomotive Engineer [D].Changsha：Central South University，2009.in Chinese)

[3]王瑩.基于表情及姿態(tài)的機(jī)車司機(jī)疲勞駕駛監(jiān)測(cè)技術(shù)[D].北京：北京交通大學(xué)，2012.

(WANG Ying.Locomotive Driver’s Fatigue Detecting Based on Expression and Gestures [D].Beijing：Beijing Jiaotong University，2012.in Chinese)

[4]CABON P H，COBLENTZ A， MOLLARD R，et al.Human Vigilance in Railway and Long-Haul Flight Operation [J].Ergonomics，1993，36(9)：1019-1033.

[5]SZALMA J L，WARM J S，MATTHEWS G，et al.Effects of Sensory Modality and Task Duration on Perfor-mance，Workload，and Stress in Sustained Attention [J].The Journal of the Human Factors and Ergonomics Society，2004，46(2)：219-233.

[6]GRIER R A，WARM J S，DEMBER W N，et al.The Vigilance Decrement Reflects Limitations in Effortful Attention，Not Mindlessness [J].The Journal of the Human Factors and Ergonomics Society， 2003，45(3)：349-359.

[7]VENABLES L，F(xiàn)AIRCLOUGH S H.The Influence of Performance Feedback on Goal-Setting and Mental Effort Regulation [J].Motivation and Emotion，2009，33(1)：63-74.

[8]WATSON N F，JACOBSEN C，GOLDBERG J，et al.Subjective and Objective Sleepiness in Monozygotic Twins Discordant for Chronic Fatigue Syndrome [J].Sleep，2004，27(5)：973-977.

[9]SCHMIDT E A，SCHRAUF M，SIMON M，et al.Drivers’ Misjudgement of Vigilance State during Prolonged Monotonous Daytime Driving [J].Accident Analysis & Prevention，2009，41(5)：1087-1093.

[10]TING P H，HWANG J R，DOONG J L，et al.Driver Fatigue and Highway Driving：a Simulator Study[J].Physiology & Behavior，2008，94(3)：448-453.

[11]郭孜政，潘毅潤(rùn)，吳志敏，等.疲勞對(duì)高鐵司機(jī)持續(xù)性注意影響機(jī)制的ERP試驗(yàn)研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2015，25(8)：81-86.

(GUO Zizheng, PAN Yirun,WU Zhimin,et al.EPR-Based Study on Influencing Mechanism of Fatigue on High-Speed Drivers’ Sustained Attention[J]. Chinese Safety Science Journal,2015，25(8)：81-86.in Chinese)

[12]QIAN S，LI M，LI G，et al.Environmental Heat Stress Enhances Mental Fatigue during Sustained Attention Task Performing: Evidence from an ASL Perfusion Study [J].Behavioural Brain Research，2015，280：6-15.

[13]BROOKHUIS K A，DE WAARD D.Monitoring Drivers’ Mental Workload in Driving Simulators Using Physiological Measures [J].Accident Analysis & Prevention，2010，42(3)：898-903.