自动驾驶与心理疲劳

关注“心仪脑”查看更多脑科学知识

关键词：脑科学、交通驾驶

背景

心理疲劳是导致交通事故的危险因素之一，约占交通事故的20%。心理疲劳可分为主动疲劳和被动疲劳。任务要求持续的知觉活动协调参与从而造成的疲劳称为主动疲劳，而任务要求很少的知觉活动、长时间的单调反应所造成的疲劳称为被动疲劳。研究者提出，区分两种疲劳的关键取决于心理负荷。由负荷不足所诱发的疲劳为被动疲劳，而负荷过载所导致的疲劳为主动疲劳。研究通过创建不同复杂程度的驾驶情景来对这些问题进行分类，复杂的驾驶情景对心理负荷有累积性影响。

随着汽车自动化程度的逐步提高，脱离驾驶任务的驾驶员更容易处于较低的心理负荷状态。De Winter等人总结了32个驾驶员心理负荷的实证研究。他们发现，与手动驾驶相比，自动驾驶条件下驾驶员的心理负荷减少了20.8%。因此，我们通过创建不同复杂程度的驾驶情景和驾驶模式，量化了心理负荷与被动疲劳之间的共变关系。驾驶员的心理负荷不足可能导致被动疲劳状态。Körber等人基于眼动指数(eye movement index)发现，从低负荷状态发展为疲劳需要一定时间好一点。

有很多方法可以测量驾驶疲劳。手动驾驶时，研究者使用主观报告和车速可变性等方法。自动驾驶时，被动疲劳驾驶员对接管请求的响应速度变慢。这些指标能够敏感地反映实际工作中的疲劳情况。即使对驾驶员的状态进行准确实时的监测，也不足以测量疲劳程度。

脑电指标因其精确性与实时性得到研究者的青睐。Lal等人使用清醒状态被试的平均脑电图活动作为疲劳基准，他们分析了被试在不同疲劳阶段脑电图的变化结果，得出驾驶员处于疲劳状态时，δ波和θ波的活跃程度增加。在模拟驾驶场景中，Jagannath和Balasubramanian发现，随着被试疲劳程度的增加，α波的功率值显著增加，而θ波的功率值显著下降。要准确定义驾驶员的被动疲劳状态，还需要更明确的界定标准。因此，我们的研究目的是分析不同状态下脑电信号的时域特征，并选取α波的功率值作为被动指标。采用受试者工作特征曲线((receiver operating characteristic curve, ROC)分析方法确定驾驶员被动疲劳判别阈值。由此，我们提出以下假设：

图1 全文研究假设

02

研究方法

2.1

实验设计

采用2(驾驶模式：自动驾驶、手动驾驶)×2(驾驶情景：简单情景、复杂情景)×6(反应时段：1-6)的三因素混合设计。被试间变量为驾驶模式和驾驶情景，被试内变量为驾驶的六个阶段。

表1 驾驶的六个阶段

第1阶段	最初的0-10分钟获得的数据
第2阶段	10-20分钟获得的数据
第3阶段	20-30分钟获得的数据
第4阶段	30-40分钟获得的数据
第5阶段	40-50分钟获得的数据