- · 《临床心电学杂志》期刊[01/26]
- · 《临床心电学杂志》投稿[01/26]
- · 临床心电学杂志版面费是[01/26]
基于眼动特征及ECG的轨道交通驾驶员疲劳分析与
作者:网站采编关键词:
摘要:1 引言 驾驶员作为城市轨道交通的核心操作人员,对现场情况感知判断和随机应变是目前的电脑系统无法比拟的,因此对列车驾驶员的疲劳状态进行监测与预测对于事故的预防有着重要的
1 引言
驾驶员作为城市轨道交通的核心操作人员,对现场情况感知判断和随机应变是目前的电脑系统无法比拟的,因此对列车驾驶员的疲劳状态进行监测与预测对于事故的预防有着重要的意义。眼动特征参数能够反映驾驶人心理负荷状态,其中瞳孔面积主要表征驾驶员的紧张程度,也是反映视觉信息注意状态的重要指标[1-2]。当被试处于精神集中状态时,瞳孔的尺寸会表现得相对稳定,处于疲劳状态的被试的瞳孔面积会收缩并发生波动。这种波动被认为是由中枢交感神经抑制的不稳定而引起的,与疲劳和困倦密切相关。因此,瞳孔的面积变化与监测城市轨道交通列车司机的疲劳状态有相关性,我们可以利用瞳孔的面积变化来分析被试的警觉度。心电信号除了可被应用于心脏疾病诊断以外,还可用于情绪辨别,例如心理压力的检测[3]。唐优华、牛琳博等人对疲劳识别模型的指标选取深入研究,寻找到明显反应疲劳状态波动的HRV心率变异性指标并验证了其实用性[4-5]。
本文把数据采集精准的眼动仪和数据采集方便的心电设备结合对轨道交通驾驶员的疲劳进行研究。分析瞳孔变化和疲劳之间的关系,通过采用聚类分析法分析瞳孔面积对疲劳等级进行划分;通过心电信号采用适用于小样本的支持向量机模型(SVM)对疲劳进行识别。
2 方法
2.1 被试选择
本实验的被试通过校内志愿者无偿招募了6名男性作为轨道交通列车驾驶员进行实验,标记为被试1~6。本实验的6名被试均在校学习过轨道交通列车模拟驾驶课程,能通过轨道交通列车模拟驾驶课程考试,掌握了基本的轨道交通列车操作方法。被试身心健康情况良好,均无遗传病史。被试在实验之前睡眠良好,禁止服用含咖啡因、酒精等刺激性饮料及食物。
2.2 实验设备与环境
实验采用上海轨道交通4号线列车驾驶模拟器,该装置高度还原轨道交通列车司机的工作环境,包括照明、背景声音等。计算机生成的影像通过布置在驾驶室顶部的投影仪投影在驾驶员前方的屏幕上,模拟出实际驾驶过程中驾驶员前方的真实情况,司机操作列车所使用的各种仪器及仪表在操纵台上均得到了还原,能保证模拟驾驶环境贴近实际驾驶的情况,其环境如图1所示。
图1 驾驶环境
城市轨道交通列车驾驶员的驾驶环境具有特殊性,区别于其他交通环境。例如汽车驾驶实验,可用跟车法或沿道路指定中线匀速行驶等方式进行实验设计,根据距离前车距离、偏离中线距离、速度等,作行为绩效进行分析,而城市轨道交通的驾驶环境单一,在特定轨道上驾驶且驾驶路线确定。
为了实时监测6名被试在驾驶过程中的持续性注意水平,本实验采用了EROGONEERS公司生产的Dikablis眼镜式眼动仪及equvtal公司生产的EQ02+型ECG数据采集套件对被试的眼动特征数据及心电数据进行采集。眼动仪设备拥有高达60 Hz (per eye)的采样率,且瞳孔追踪精度为 0.05° ,视线追踪精度达到 0.1° - 0.3°,眼动数据采集设备如图2所示;ECG数据采集套件包括一个EQ02+ECG数据采集装置,一件ECG采集用的传感器背心,该背心能将数据采集装置的光学透镜固定在被试的胸部左侧,该设备能够对包括心电图、呼吸、三轴加速度计和温度在内的多参数进行监测,ECG数据采集设备如图3所示。
图2 Dikablis眼动仪
图3 ECG数据采集套件
2.3 实验过程
为了保证被试在实验开始时不处于疲劳状态影响实验结论,将实验时间均设置在早上9:00至11:00的时间段。被试到达实验室之后,先休息约15 min,再进行30 min的练习,练习结束后,实验人员帮助被试佩戴背心及眼动仪,开始记录被试数据。10:00正式开始为期1 h的轨道交通列车司机模拟驾驶实验,并对实验数据进行保存,实验时间流程如下图4所示:
图4 实验时间流程
本次轨道交通列车模拟驾驶实验要求被试使用列车手动模式进行驾驶,经过牵引,惰行,制动三个阶段,在途径的每个车站停车并对应岛式及侧式站台开启对应方向的车门。实验过程中要求被试在每站的停站过程中尽量保持较小的停车误差以接近实际驾驶的情况,整个轨道交通列车模拟驾驶任务持续60 min,期间全程没有休息。
3 实验结果
将1 h内眼动仪采集的数据按5min/段划分为12段,编号1~12,把采集到被试1~6的瞳孔面积做归一化处理,分别绘制瞳孔面积均值和方差变化折线图,如下图5所示:
文章来源:《临床心电学杂志》 网址: http://www.lcxdxzz.cn/qikandaodu/2021/0212/357.html
上一篇:心电形态学特征与心率变异性指标预测室颤能力
下一篇:基于心率变异性的情绪识别研究*