基于ERP技术的疲劳对驾驶人行为监控能力影响研究

为探究疲劳对驾驶人行为监控能力的影响性,采用模拟驾驶任务和Go/NoGo任务相结合的双任务试验,利用事件相关电位(ERP)技术,分析30名驾驶人的表征行为监控能力的脑电指标(ERN波幅)和驾驶行为指标(车道偏移标准差、方向盘反转率、速度标准差)的相关性,以验证所选驾驶行为指标表征行为监控能力的有效性;分析试验任务第1阶段(0~15min)和第2阶段(75~90min)的ERN波幅、车道偏移标准差、方向盘反转率、速度标准差的差异性,以探究疲劳对行为监控能力的影响机理。研究结果表明:ERN波幅和车道偏移标准差、方向盘反转率、速度标准差存在显著相关性;与试验任务第1阶段(0~15min)相比,第2阶段(75~90min)的车道偏移标准差、方向盘反转率、速度标准差显著增加,额中央区的ERN波幅显著降低;疲劳可导致驾驶人由前额叶调控的行为监控能力受损;车道偏移标准差、方向盘反转率、速度标准差这3项指标可作为测定行为监控能力的驾驶行为指标。     

基于模糊神经网络的驾驶警觉度识别方法研究

为了有效识别驾驶警觉度,构建了一种基于脑电信号的驾驶警觉度识别方法。首先,以主观疲劳测评、驾驶行为绩效作为量化指标,验证驾驶警觉度等级划分的合理性。在此基础上,对脑电信号数据进行小波变换提取特征参数,作为驾驶警觉度的识别特征指标,结合模糊神经网络构建了驾驶警觉度识别模型。最后,采用该模型对20名驾驶员连续驾驶3h的脑电数据进行试算。结果表明:通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性,说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识别正确率为81.29%～84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别。     

驾驶人对潜在危险性事件的心理预期识别研究

为准确识别驾驶人对潜在危险事件的心理预期，提出一种通过脑电信号对驾驶人心理预期进行识别的方法。参照心理学预期行为研究常用的标准S1-S2范式，改进设计了路侧停靠公交车造成视觉遮挡的人车碰撞事故模拟驾驶试验。模拟任务中以路侧停靠的公交车为线索刺激，公交车头的行人为目标刺激，诱发驾驶人的心理预期。为有效识别驾驶人心理预期，首先采用释放油门的避险行为对每个试次标定是否产生心理预期，然后通过快速傅里叶变换提取相关的脑电特征数据，并通过差异性分析及主成分分析算法对脑电特征指标进行筛选和压缩，最后基于支持向量机建立驾驶人心理预期识别模型。研究获取36名驾驶人数据，共计1 440个样本。结果表明：当驾驶人产生心理预期活动时，枕区和额区的α波能量值显著降低，而β波能量值则显著增加；差异性分析显示共有31项脑电指标对驾驶人心理预期敏感，所有脑电特征指标通过PCA算法进行降维，抽取出5个主成分作为识别模型输入；选择径向基核函数构建SVM识别模型，通过粒子群寻优算法对模型进行优化，模型对驾驶人心理预期水平的平均识别正确率为82.02%，平均AUC面积为0.82，结果表明模型具有良好的识别能力和稳定性，可为驾驶辅助系统的研发提供技术理论支撑。