付榮榮，米瑞甫,王 涵，于 寶，王 琳

(1.燕山大學(xué)電氣工程學(xué)院，河北秦皇島066004； 2.沈陽(yáng)工程學(xué)院機(jī)械學(xué)院, 遼寧沈陽(yáng)110136)

1 引 言

腦疲勞是由于人持續(xù)進(jìn)行高需求認(rèn)知活動(dòng)而導(dǎo)致的一種腦機(jī)能下降的心理生理狀態(tài)[1,2]。駕駛疲勞是指駕駛員經(jīng)過長(zhǎng)時(shí)間駕駛，產(chǎn)生生理機(jī)能和心理機(jī)能失調(diào)的現(xiàn)象[3]。當(dāng)駕駛員產(chǎn)生疲勞時(shí)，具體表現(xiàn)在駕駛員打瞌睡、反應(yīng)遲鈍、駕駛操作失誤或完全喪失駕駛能力，容易導(dǎo)致交通事故的發(fā)生[4]。通過分析道路交通事故的原因發(fā)現(xiàn)90%以上的交通事故都是由于駕駛員自身原因造成的[5]，其中疲勞駕駛是駕駛員發(fā)生事故的主要原因之一。許多生理信號(hào)都可以作為評(píng)價(jià)疲勞的指標(biāo)，比如腦電、肌電、心電和呼吸等[6]。腦電信號(hào)一直被譽(yù)為評(píng)估駕駛員疲勞的“金標(biāo)準(zhǔn)”，是最具預(yù)測(cè)性和最可靠的指標(biāo)之一，因?yàn)樗苯訙y(cè)量大腦活動(dòng)，提供了豐富的有關(guān)人認(rèn)知的信息[7,8]。澳大利亞的Saroj K L和Ashley C對(duì)35名非專業(yè)駕駛員進(jìn)行實(shí)驗(yàn)，以他們?cè)谇逍褷顟B(tài)下的腦電圖(electroencephalogram, EEG)活動(dòng)為基準(zhǔn)，分析得出他們?cè)谄诔潭炔粩嗉觿〉那闆r下腦電圖的變化特點(diǎn)[9]。文獻(xiàn)[10]將駕駛員在行駛和靜止時(shí)分別得到的清醒狀態(tài)和疲勞狀態(tài)的腦電波進(jìn)行對(duì)比，得到了判斷駕駛員是否處于疲勞狀態(tài)的依據(jù)。但這些研究對(duì)各個(gè)腦區(qū)協(xié)同工作的連接性的研究較少。大腦是一個(gè)復(fù)雜、協(xié)同工作的系統(tǒng)，大腦功能執(zhí)行總是依賴于多個(gè)腦區(qū)之間廣泛的交互作用，而復(fù)雜網(wǎng)絡(luò)可以很好的解釋大腦的各個(gè)腦區(qū)工作時(shí)的連接性變化[11]。目前已有研究人員將腦功能網(wǎng)絡(luò)特征參數(shù)作為分類特征，應(yīng)用到諸如抑郁癥、阿爾茨海默病等腦疾病的臨床輔助診斷研究中[12]。文獻(xiàn)[13]對(duì)早期輕度認(rèn)知障礙患者、晚期輕度認(rèn)知障礙患者和正常被試者分別構(gòu)建腦功能網(wǎng)絡(luò)，計(jì)算得到節(jié)點(diǎn)度、中間中心度和節(jié)點(diǎn)效率，采用SVM 算法得到了較好的分類結(jié)果。文獻(xiàn)[14]模擬駕駛員在駕駛環(huán)境中的駕駛過程，采集腦電信息，提取了心率變異性功率譜參數(shù)，表明一些生理信號(hào)可以作為駕駛員疲勞駕駛認(rèn)知負(fù)荷的評(píng)價(jià)參數(shù)。本文利用實(shí)驗(yàn)過程中采集的多導(dǎo)腦電數(shù)據(jù)，分別繪制腦網(wǎng)絡(luò)并計(jì)算各個(gè)節(jié)點(diǎn)的度，根據(jù)腦網(wǎng)絡(luò)的變化和駕駛員的自我反饋，得到評(píng)價(jià)腦疲勞的客觀指標(biāo)。

2 疲勞駕駛實(shí)驗(yàn)

2.1 被試者及駕駛實(shí)驗(yàn)任務(wù)

選擇6名身體健康且沒有睡眠相關(guān)疾病的男性長(zhǎng)途客運(yùn)司機(jī)作為被試者，年齡在41歲左右，駕齡均超過10年。要求被試者在實(shí)驗(yàn)前的連續(xù)睡眠時(shí)間不小于7 h，所有被試者必須熟悉實(shí)驗(yàn)流程且自愿參與實(shí)驗(yàn)。

在實(shí)驗(yàn)階段，駕駛員下午1:00從遼寧省沈陽(yáng)市出發(fā)，經(jīng)丹阜高速到達(dá)目的地遼寧省丹東市，客車行駛時(shí)間約為3.5 h。

2.2 多導(dǎo)腦電信號(hào)采集

駕駛員多導(dǎo)腦電信號(hào)的采集是通過Emotiv Epoc實(shí)現(xiàn)的。Emotiv Epoc是一個(gè)14通道無(wú)線腦電圖采集設(shè)備，能夠?qū)⒂涗浀降脑寄X電圖數(shù)據(jù)通過無(wú)線藍(lán)牙技術(shù)發(fā)送到計(jì)算機(jī)上。Emotiv Epoc及其電極分布如圖1所示。在實(shí)驗(yàn)前、實(shí)驗(yàn)中和實(shí)驗(yàn)后對(duì)駕駛員分別采集3 min左右的多導(dǎo)腦電信號(hào)。

圖1 EMOTIV Epoc及其電極分布圖Fig.1 EMOTIV Epoc and its electrode distribution

根據(jù)國(guó)際上通用的10-20導(dǎo)聯(lián)系統(tǒng)標(biāo)準(zhǔn)，Emotiv除了參考與接地以外的其他14導(dǎo)聯(lián)分別為AF3，F(xiàn)7，F(xiàn)3，F(xiàn)C5，T7，P7，O1，O2，P8，T8，F(xiàn)C6，F(xiàn)4，F(xiàn)8，AF4，覆蓋了額區(qū)、頂區(qū)以及腦后部等區(qū)域， 能夠反映腦活動(dòng)特征。

在駕駛實(shí)驗(yàn)過程中，每隔一段時(shí)間駕駛員都會(huì)被問到當(dāng)下的狀態(tài)，使用Karolinska Sleepiness Scale(KSS)睡眠量表作為駕駛員主觀判斷的依據(jù)。KSS 是一個(gè)9 分制評(píng)分表，1代表極度清醒，3代表清醒，5代表既不清醒也不疲倦，7代表疲倦但容易保持清醒，9 代表極度疲倦。在駕駛員結(jié)束駕駛實(shí)驗(yàn)時(shí)，調(diào)查顯示其疲勞程度達(dá)到了KSS=7 的狀態(tài)，這樣實(shí)現(xiàn)了在保證安全駕駛的情況下完成實(shí)驗(yàn)。

3 腦功能網(wǎng)絡(luò)的構(gòu)建

選取計(jì)算相位滯后指數(shù)(phase lag index，PLI)的方法來(lái)構(gòu)建腦網(wǎng)絡(luò)，引入PLI的主要目的是獲得可靠的相位同步估計(jì)值[15]。將各個(gè)導(dǎo)聯(lián)視為節(jié)點(diǎn)，腦功能網(wǎng)絡(luò)的構(gòu)建主要有以下6個(gè)步驟：

(1) 腦電數(shù)據(jù)預(yù)處理：選取陷波濾波器以去除50 Hz的工頻干擾信號(hào)，選取8～13 Hz的帶通濾波器用于提取具有α節(jié)律的腦電信號(hào)。

(2) 計(jì)算腦電信號(hào)的瞬時(shí)相位：通過希爾伯特變換來(lái)計(jì)算每個(gè)導(dǎo)聯(lián)腦電信號(hào)的瞬時(shí)相位，設(shè)為φ(t)。

(1)

式中：f(t)為希爾伯特變換后的信號(hào)；P為積分的柯西主值；y(t)為原始腦電信號(hào)；A(t)為瞬時(shí)幅值。

(3) 計(jì)算瞬時(shí)相位差：導(dǎo)聯(lián)i和導(dǎo)聯(lián)j之間的相位差記為φi,j(t)。

φi,j(t)=φi(t)-φj(t)

(2)

(4) 計(jì)算PLI值：導(dǎo)聯(lián)i與導(dǎo)聯(lián)j之間的PLI值記為PLIi,j，

PLIi,j=|〈sign(φi,j(t))〉|

(3)

式中：〈·〉表示計(jì)算每個(gè)導(dǎo)聯(lián)數(shù)據(jù)的平均值；sign(·)為符號(hào)函數(shù)，如果輸入位于(0， π )范圍內(nèi)，則sign(·)= 1，如果位于(- π ，0)范圍內(nèi)，則sign(·)=-1。PLI的計(jì)算過程可用圖2表示。

圖2 PLI值的計(jì)算過程Fig.2 Calculation process of PLI value

(5) 構(gòu)建PLI矩陣與二值矩陣：通過PLI計(jì)算所有導(dǎo)聯(lián)的同步相位之后，利用這些PLI值構(gòu)造相鄰矩陣，并選取合適的閾值，構(gòu)造二值矩陣。閾值選取的過小，則構(gòu)建的腦網(wǎng)絡(luò)基本處于全連接的狀態(tài)；閾值選取的過大，使得腦網(wǎng)絡(luò)中的孤立點(diǎn)偏多。當(dāng)節(jié)點(diǎn)的PLI值大于所設(shè)閾值時(shí)，二值矩陣中對(duì)應(yīng)元素的值為1；當(dāng)節(jié)點(diǎn)的PLI值小于所設(shè)閾值時(shí)，二值矩陣中對(duì)應(yīng)元素的值為0。通常二值矩陣對(duì)角線元素為0，這樣構(gòu)建的網(wǎng)絡(luò)為0-1二值網(wǎng)絡(luò)。構(gòu)建的PLI矩陣灰度圖與對(duì)應(yīng)的二值矩陣如圖3所示，圖3(a)、圖3(b)、圖3(c)分別表示實(shí)驗(yàn)前、實(shí)驗(yàn)中和實(shí)驗(yàn)后的腦網(wǎng)絡(luò)PLI矩陣與二值矩陣。PLI矩陣灰度圖中顏色越淺，表明該節(jié)點(diǎn)PLI值越大，節(jié)點(diǎn)度越高。二值矩陣圖中，深色認(rèn)為該節(jié)點(diǎn)度為0，淺色認(rèn)為該節(jié)點(diǎn)度為1。

圖3 實(shí)驗(yàn)前、中、后的腦網(wǎng)絡(luò)PLI矩陣與二值矩陣Fig.3 PLI matrix and binary matrix of brain network before, during and after the experiment

(6) 構(gòu)建腦功能網(wǎng)絡(luò)：將所求的PLI矩陣作為構(gòu)建網(wǎng)絡(luò)的鄰接矩陣，根據(jù)鄰接矩陣完成腦網(wǎng)絡(luò)構(gòu)建，如圖4所示。圖4通過腦網(wǎng)絡(luò)地形圖的形式展現(xiàn)了腦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，不同顏色深淺代表了不同的活躍度，顏色越淺說明腦區(qū)域活躍度越高，節(jié)點(diǎn)度越高。圖4(a)為實(shí)驗(yàn)前的狀態(tài)，網(wǎng)絡(luò)中所有節(jié)點(diǎn)幾乎都處于活躍狀態(tài)；圖4(b)為實(shí)驗(yàn)過程中，根據(jù)受試者腦電信息構(gòu)建的腦功能網(wǎng)絡(luò)圖，可以看出相對(duì)于圖4(a)，活躍區(qū)域減??；圖4(c)為實(shí)驗(yàn)結(jié)束后的腦功能網(wǎng)絡(luò)圖，從圖4(c)可以看出，所有區(qū)域?yàn)樯钌?，表明所有?jié)點(diǎn)區(qū)域都處于不活躍狀態(tài)。

圖4 實(shí)驗(yàn)前、實(shí)驗(yàn)中和實(shí)驗(yàn)后的腦功能網(wǎng)絡(luò)地形圖Fig.4 Topographic map of brain function network before, during and after the experiment

4 基于腦網(wǎng)絡(luò)特征參數(shù)的疲勞識(shí)別

表征腦網(wǎng)絡(luò)的特征參數(shù)主要有節(jié)點(diǎn)度、最短路徑長(zhǎng)度、直徑和聚類系數(shù)等。其中度是對(duì)節(jié)點(diǎn)相互連接統(tǒng)計(jì)特性最重要的描述，也反映重要的網(wǎng)絡(luò)演化特性。度定義為與節(jié)點(diǎn)直接相連的邊數(shù)，也就是構(gòu)建的腦網(wǎng)絡(luò)中任一節(jié)點(diǎn)與其他節(jié)點(diǎn)的連接數(shù)。節(jié)點(diǎn)的度越大則該節(jié)點(diǎn)的連接就越多，節(jié)點(diǎn)在網(wǎng)絡(luò)中的地位就越重要。任一節(jié)點(diǎn)度的計(jì)算公式為：

(4)

式中：Ki為節(jié)點(diǎn)度；i表示當(dāng)前要計(jì)算的節(jié)點(diǎn)；j表示其他的節(jié)點(diǎn)；hij表征節(jié)點(diǎn)i與節(jié)點(diǎn)j的連接狀態(tài)，當(dāng)節(jié)點(diǎn)i與節(jié)點(diǎn)j有連接時(shí)，hij=1，當(dāng)節(jié)點(diǎn)i與節(jié)點(diǎn)j無(wú)連接時(shí)hij=0；N表示總節(jié)點(diǎn)數(shù)。實(shí)驗(yàn)前、實(shí)驗(yàn)中、實(shí)驗(yàn)后分別在起點(diǎn)、服務(wù)區(qū)、終點(diǎn)處采集腦電信號(hào)。各個(gè)狀態(tài)每個(gè)節(jié)點(diǎn)的PLI值計(jì)算結(jié)果對(duì)比如圖5所示。圖6以直方圖的形式直觀地給出了實(shí)驗(yàn)前、實(shí)驗(yàn)中和實(shí)驗(yàn)后的各節(jié)點(diǎn)的節(jié)點(diǎn)度的對(duì)比以及變化情況。

圖5 實(shí)驗(yàn)前、實(shí)驗(yàn)中和實(shí)驗(yàn)后的PLI值對(duì)比圖Fig.5 Comparison of PLI values before, during and after the experiment

圖6 各個(gè)節(jié)點(diǎn)度的整體對(duì)比變化直方圖Fig.6 Node degrees before, during and after the experiment

從圖3和圖4中可以直觀地看出，隨著駕駛實(shí)驗(yàn)的繼續(xù)，腦網(wǎng)絡(luò)圖中深色區(qū)域越來(lái)越多，對(duì)應(yīng)的各個(gè)節(jié)點(diǎn)的度也呈現(xiàn)整體下降的趨勢(shì)。從圖5圖6可以看出隨著實(shí)驗(yàn)的進(jìn)行，各個(gè)節(jié)點(diǎn)的PLI值與節(jié)點(diǎn)度整體呈現(xiàn)下降趨勢(shì)。結(jié)合駕駛員的主觀判斷，表明腦功能網(wǎng)絡(luò)的特征參數(shù)——度，能夠作為評(píng)價(jià)駕駛員疲勞的客觀指標(biāo)。

5 討 論

疲勞駕駛的檢測(cè)方法主要分為基于車輛行為特征的檢測(cè)方法、基于駕駛?cè)藛T行為及面部特征的檢測(cè)方法與基于駕駛?cè)藛T生理特征參數(shù)的檢測(cè)方法3大類[16]。

基于車輛行為特征的檢測(cè)方法大多通過檢測(cè)車速、方向盤操作、車輛行駛軌跡等物理參數(shù)來(lái)確定駕駛員是否處于疲勞駕駛狀態(tài)。這種檢測(cè)方法借助車載傳感器、CCD攝像機(jī)等來(lái)實(shí)現(xiàn)物理參數(shù)的檢測(cè)，其優(yōu)勢(shì)在于實(shí)現(xiàn)了設(shè)備不與駕駛員接觸便可進(jìn)行檢測(cè)，較為方便，并且避免了設(shè)備對(duì)駕駛員的影響，但容易受到路況信息、外部光線等因素影響，導(dǎo)致采集結(jié)果有很大偏差。

基于駕駛?cè)藛T行為及面部特征的檢測(cè)方法則通過攝像頭獲取駕駛?cè)藛T眼睛、嘴唇等部位的動(dòng)作信息，再經(jīng)圖像識(shí)別判斷駕駛?cè)藛T是否處于疲勞狀態(tài)，這種檢測(cè)方法也能夠保證設(shè)備與駕駛?cè)藛T無(wú)接觸完成信息采集，但也會(huì)受到外部光線、天氣及駕駛?cè)藛T自身習(xí)慣性姿態(tài)等因素的影響，使得采集結(jié)果存在偏差。

上述兩種方法的固有缺陷在信號(hào)采集過程中都難以避免，因此駕駛?cè)藛T疲勞前后特征差異的不確定性較高，精度較低，可靠性不強(qiáng)。本文采用基于腦電信號(hào)的疲勞駕駛檢測(cè)方法，通過采用設(shè)備與駕駛員人體接觸的方式來(lái)采集駕駛員的腦電信號(hào)，信號(hào)采集過程中不會(huì)因?yàn)楣饩€、駕駛員姿態(tài)等外部因素影響腦電信號(hào)的質(zhì)量，實(shí)驗(yàn)前14個(gè)導(dǎo)聯(lián)的平均節(jié)點(diǎn)度為7.14，實(shí)驗(yàn)后14個(gè)導(dǎo)聯(lián)的平均節(jié)點(diǎn)度為2.71，節(jié)點(diǎn)度明顯下降。與上述兩種方法相比，本文在不同情況下檢測(cè)結(jié)果的指標(biāo)差異顯著，準(zhǔn)確性與精度相對(duì)較高，可靠性更強(qiáng)。

6 結(jié) 論

本文基于真實(shí)高速公路駕駛實(shí)驗(yàn)，采集了多導(dǎo)腦電數(shù)據(jù)，詳細(xì)介紹了鄰接矩陣、二值矩陣、腦功能網(wǎng)絡(luò)的構(gòu)建以及節(jié)點(diǎn)度的計(jì)算?；赑LI判別方法建立了二值化的功能腦網(wǎng)絡(luò)，繪制了腦功能網(wǎng)絡(luò)地形圖，對(duì)疲勞過程中網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進(jìn)行了研究，采用二值圖和腦網(wǎng)絡(luò)地形圖兩種功能腦網(wǎng)絡(luò)從不同角度對(duì)駕駛疲勞進(jìn)行建模分析。結(jié)果表明：隨著駕駛員疲勞程度的加深，二值化功能腦網(wǎng)絡(luò)的功能連接隨著疲勞的積累逐漸減少，網(wǎng)絡(luò)的集聚系數(shù)減小，全局效率降低。說明隨著疲勞的積累，駕駛員大腦的處理能力下降，腦網(wǎng)絡(luò)的彈性降低，信息的傳遞速度變慢，處理效率降低，腦功能網(wǎng)絡(luò)的特征參數(shù)——度呈現(xiàn)整體下降的趨勢(shì)，節(jié)點(diǎn)度能夠作為客觀評(píng)價(jià)腦疲勞的檢測(cè)指標(biāo)。