草原公路驾驶员时域分析指标与驾驶疲劳灰关联分析

秦 伟，朱守林，裴志永，秦 艳

(1.内蒙古建筑职业技术学院 市政与路桥工程学院，内蒙古 呼和浩特 010070；2.内蒙古农业大学 能源与交通工程学院，内蒙古 呼和浩特010018；3.中国农业科学院 草原研究所，内蒙古 呼和浩特 010010)

目前，国内外相关学者对大量的交通事故进行研究分析，得到了因驾驶员人为因素导致的交通事故占全部交通事故的40%～90%[1]，由驾驶员负直接责任的事故占81%左右[2]。其中直接责任由于疲劳驾驶造成的特重大交通事故是主要原因之一。

草原公路由于其特定的地域决定它具有直线长，景观单一，坡度小等特点[3]，驾驶员在这样的路段上行驶，易开快车，放松警惕，出现疲劳驾驶状况，致使大量交通事故的发生。笔者以内蒙古草原公路上驾驶员连续驾驶时的生理信号为研究对象，对驾驶员在草原公路行驶出现疲劳状态的时间进行分析，判断出驾驶员驾驶疲劳出现点，运用灰关联分析方法分析驾驶员时域分析指标与驾驶疲劳的关联程度。

1 试验方法

1.1 试验人员

笔者根据分层随机法选取5名试验人员进行实驾试验，见表1。

表1 试验人员信息Table 1 Information of laboratory assistants

1.2 试验路段选择

试验路段为内蒙古锡林郭勒盟锡林浩特市境内的S101赛罕塔拉—满都拉图段，该路段的设计等级为二级，设计车速为80 km/h，全长152.494 km。该路段平面线形以直线为主，平曲线较少，而且圆曲线半径较大，具有典型的草原道路的特征。

1.3 试验要求以及试验仪器

试验要求选择在天气晴朗的白天进行，试验前要求试验人员充分休息，避免服用刺激性饮品和药物。

本试验所测取的驾驶员生理信号利用RM6240多通道生理信号采集处理系统采取，采集过程中应保证多通道采集仪数据线的长度适中，达到不干扰驾驶为准。试验过程中对车速不限制，驾驶员驾驶桑塔纳2000，以自由状态下往返驾车行驶300 km。

1.4 试验指标测取

笔者主要依据该仪器进行心电信号的采取。首先将多通道生理信号采集仪接地置0，然后对驾驶员的胃部和左右锁骨进行酒精擦拭并进行电极片的粘贴。其中，胃部的电极片应与正极导线相连接，右侧锁骨电极片应与参考极导线相连接，左侧锁骨电极片应与负极导线相连接，试验过程中采集的参数指标见表2。

表2 采集仪参数值Table 2 Parameters of instruments

2 测评指标的选取

2.1 心电信号指标选取

心率变异性 (HRV)是指心率节奏快慢随时间所发生的变化。心率变异性以连续心搏之间R-R间期的微小涨落为研究目标，即体现在窦性心搏间期快慢的差异性[4]。

目前，研究心率变异的分析方法有频域分析法和时域分析法，笔者主要研究心率变异指标时域分析指标与驾驶疲劳的灰关联分析。

时域分析方法是对R-R间期中时间序列的指标以及几何分布特征进行分析来表征，是一种相对简单方便并且容易理解的方法。时域分析方法包括以下统计学参数指标[5]。

SDANN(ms)：正常窦性R-R间期标准差；

RMSSD(ms)：相邻正常窦性R-R间期差值的均方根值或标准差；

MeanRRR-R(ms)：间期序列的均值，反映了心率变异的平均水平；

PNN50：相邻R-R间期差值大于50 ms的R-R间期数与全部R-R间期数之比；

RRCV：心电图变异系数；

SDSD(ms)：相邻R-R间期差值的标准差；

NN50(个)：相邻R-R 间期差值>50 ms的心跳数。

SDNN表示在一定时间段内，R-R间期序列的总体标准差，对于研究时间段相对短的数据分析时有较好的效果。因笔者研究的是出现驾驶疲劳时的时域分析指标与驾驶疲劳的灰关联分析，相对于300 km的驾驶时间来说是较小的时间段，因此笔者选取了该指标。SDANN与SDANNi都是反应心率变异性中缓慢变化的成分，SDANN应用于全程，因此选取一项即可，笔者选SDANN。NN50反映相邻R-R间期数值大于50 ms的个数，从驾驶疲劳的灰关联分析上考虑该指标的研究意义不大，因此排除。心率变异系数RRCV研究表明可以用来计算驾驶疲劳程度[6]，因此笔者研究时域分析指标与驾驶疲劳的灰关联分析时，采SDNN、MeanRR、SDANN、r-MSSD、PNN50及RRCV等指标进行研究。

2.2 驾驶疲劳度计算

驾驶疲劳度是反应驾驶疲劳的程度，可以通过驾驶员的心电信号计算得出具体的数值来反映驾驶员的驾驶状态。具体计算公式如式(1)[4]：

(1)

2.3 生理指标随驾驶时间变化

利用试验测得的数据经过滤波和Excel处理后，以时间间隔为5 min提取的时域分析指标值MeanRR、RMSSD、PNN50、SDANN、SDNN，计算出5名试验员各时域分析指标的算数平均值，然后绘制出各时域分析指标与驾驶员连续驾驶时间的关系，如图1，为了直观的体现各指标随时间的变化，将MeanRR的具体测得数值进行了缩小10倍的处理，以便在一张关系图中进行各指标随驾驶时间的比较。

图1 生理指标随驾驶时间变化Fig.1 Change of physiological index along with driving time

由图1可以看出，在连续驾驶时间为120 min左右时，驾驶员各时域分析生理指标的变化出现拐点，我们可以判断驾驶员在此时范围内出现了驾驶疲劳状态，即驾驶疲劳时间点。笔者因此选取驾驶员在草原公路上连续驾驶115～125 min时的各项生理指标，其中所用的采样间隔为1 min进行驾驶员时域分析生理指标驾驶疲劳的灰关联分析。

3 灰色评估方法

3.1 灰关联分析的整体思路

灰关联分析是一种定量分析比较的方法，是利用统计数据序列所构成的曲线几何形状进行定性分析。通过对构成的曲线几何形状的分析得出，曲线几何形状越接近，表示关联度越大。其中，关联度所指的是数据列之间关联程度大小的量度[7]。

灰关联分析的整体思路：首先建立子序列，并依据选优原则构成一个母序列，即参考序列，母序列中的各个元素为各子序列中的最佳值；然后计算出关联系数，即各子序列中各个元素对应母序列的关系数，依据该原理求出各子数据列对母序列的整体关联度；最后根据算出的关联度大小进行排序，并最终获得关联序，排序在最前面的子序列相对母序列的关联度最大，称为最优子序列[8]。

3.2 灰关联分析模型的建立方法

一般设有：

子序列：Xi={Xi(1)，Xi(2)，…，Xi(n)}={Xi(K)}

母序列：Xo={Xo(1)，Xo(2)，…，Xo(n)}={Xo(K)}

其中：i=1，2，…，m；m为子序列个数；K=1，2，…，n；n为每个序列的元素个数。

(2)

式(2)为母序列Xo与子序列Xi在采样点K的关联系数。

对于每个采样点，都可按式(1)计算与之相对应的关联系数。最后综合分析各点的goi(K)，得到每个子序列Xi与母序列Xo的关联度：

(3)

3.3 驾驶疲劳的灰关联分析

根据灰分析理论我们确定母序列为驾驶疲劳度序列，子序列为驾驶员处于驾驶疲劳状态时对应的生理指标序列。由连续驾驶时间为115～125 min的各项生理指标值，通过式(1)驾驶疲劳度的计算得出各时间的驾驶疲劳度母序列为：

Xo={0.78, 0.89, 0.72, 0.99, 0.65, 0.91, 1.11, 1.03, 0.68,1.14}

子序列 (其中1为RMSSD；2为PNN50；3为SDANN；4为MeanRR；5为SDNN) 为：

X1={28.93,22.57,44.93,26.9925.92,26.44,33.28,35.13, 25.54, 22.87, 25.23}

X2={92.68, 90.16, 96.10, 92.97, 98.46, 97.90, 98.13,96.02,94.38, 92.51 , 99.08}

X3={37.05,44.53,45.98,48.69,36.68,47.65,53.64,51.55,38.16,56.81}

X4={892.00,916.43,928.00,912.00,923.00,932.11,960.14,960.78,965.73,947.47,954.18}

X5={34.54, 40.89, 32.90, 45.80, 47.00, 40.91, 46.50, 49.60, 50.70, 52.20}

笔者研究采用以下方法对于母序列和子序列的初值化的指标需作无量纲处理。

(4)

(5)

式中：n=5；K=1，2，…，5。

计算得出初始化序列为：

Xo={0.88,1.00,0.81,1.11,0.73,1.02,1.25,1.16,0.76,1.28}

X1={0.99,0.77,1.54,0.92,0.89,0.90,1.14,1.20,0.87,0.78}

X2={0.98,0.95,1.01,0.98,1.04,1.03,1.03, 1.01,0.99,0.97}

X3={0.80,0.97,1.00,1.06,0.80,1.03,1.16,1.12,0.83,1.23}

X4={0.96,0.98,0.99,0.98,0.99,1.00,1.03,1.03,1.03,1.01}

X5={0.79,0.94,0.75,1.05,1.08,0.94,1.06,1.13,1.16，1.10}

3.3.1 计算绝对差值

表3 绝对差值计算Table 3 Calculation of absolute difference value

3.3.2 求Δ(min)和Δ(max)

根据：Δoi(max)=max{Δoi(K)}；Δoi(min) =min {Δoi(K)}；Δ(max)=max{Δo1(max),Δo2(max)，…,Δok(max)}；Δ(min)=min{Δo1(min),Δo2(min)，…,Δok(min)}。得：Δ(max)=0.73；Δ(min)=0.01。

3.3.3 求关联系数和关联度

由式(2)计算关联系数如表4。

表4 关联系数计算结果Table 4 Calculation results of correlation coefficient

由式(3)计算关联度：ro1=0.69，ro2=0.73，ro3=0.88，ro4=0.74，ro5=0.77。

所以关联顺序为ro3>ro5>ro4>ro2>ro1。即驾驶员时域分析指标与驾驶疲劳的关联顺序为：SDANN，SDNN，PNN50，MeanRR，RMSSD。

4 结 论

1)通过驾驶员生理指标随连续驾驶时间变化图分析，在连续驾驶时间为120 min时，MeanRR和SDNN呈下降趋势，PNN50、SDANN、RMSSD呈上升趋势。这表明驾驶员在草原公路上连续行驶120 min左右时出现驾驶疲劳。

2)通过驾驶员时域分析指标与驾驶疲劳的灰关联分析，得出时域分析指标与驾驶疲劳关联程度由强到弱为SDANN，SDNN，PNN50，MeanRR，RMSSD。

3)笔者对草原公路驾驶员的驾驶疲劳指标的选取进行了初步探讨和分析，为详细研究草原公路行车疲劳做了前期基础研究。

[1] B.Φ.巴甫可夫.道路条件与交通安全[M].景天然,译.上海:同济大学出版,1990.

Pavlov B Φ.Road Conditions and Traffic Safety [M].Jing Tianran translate.Shanghai:Tongji University Press,1990.

[2] Saroj K L L,Ashley C.Physiological indicators of driver fatigue[C]// 2000 Road Safety Research,Policing & Education Conference.Brisbane,Queensland:[s.n.],2000.

[3] 霍月英.基于驾驶员心生理反应的草原公路最大直线长度研究[D].呼和浩特:内蒙古农业大学,2010.

Huo Yueying.Research on the Longest Straight Line Length of Prairie Highway Based on Drivers Psychological and Physiological Reaction[D].Hohhot:Inner Mongolia Agricultural University,2010.

[4] 秦伟.驾驶员生理指标对行车疲劳响应的敏感性研究[D].呼和浩特:内蒙古农业大学,2011.

Qin Wei.The Study on Sensitivity of Driver’s physiological Indices on Travel Fatigue[D].Hohhot:Inner Mongolia Agricultural University,2011.

[5] 兰丽.室内环境对人员工作效率影响机理与评价研究[D].上海:上海交通大学,2010.

Lan Li.Mechanism and Evaluation of the Effects of Indoor Environmental Quality on Human Productivity[D].Shanghai:Shanghai Jiaotong University,2010.

[6] 姚娜.基于驾驶员心理与生理反应的草原二级公路交通事故分析[D].呼和浩特:内蒙古农业大学,2010.

Yao Na.Accidental Analysis of Prairie Secondary Highway Based on the Psychological and Physiological Reaction of Driver[D].Hohhot:Inner Mongolia Agricultural University,2010.

[7] 邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1986.

Deng Julong.Grey Prediction and Decision[M].Wuhan:Huazhong Institute of Technology Press,1986.

[8] 王浩.灰关联分析在评估投标公司综合实力中的应用[J].重庆交通大学学报:自然科学版,2008,27(2):234-326.

Wang Hao.Application of grey relational analysis to comprehensive strength appraisement of each bidder in bid evaluation[J].Journal of Chongqing Jiaotong University:Natural Science,2008,27(2):234-326.