劉 清 萬(wàn)志遠(yuǎn) 楊 柳* 何 萌 陳俊華 楊 錟

(武漢理工大學(xué)交通與物流工程學(xué)院1) 武漢 430063) (國(guó)家水運(yùn)安全工程技術(shù)研究中心2) 武漢 430063)

0 引 言

人為因素占水上交通事故的75%～96%[1-4]，且任何海事事故中都包含人為因素[5].研究表明腦電信號(hào)與包括航空[6]、公路[7]在內(nèi)的駕駛行為存在相關(guān)性，有研究者將人為因素分為工作負(fù)荷、情緒、注意力、壓力和疲勞五類[8].其中工作負(fù)荷(mental workload)與鐵路機(jī)車駕駛員的疲勞程度存在正相關(guān)關(guān)系，與汽車駕駛員在駕駛中的視覺(jué)行為也存在強(qiáng)相關(guān)性[9].在心理層面，工作負(fù)荷會(huì)對(duì)飛行員的決策產(chǎn)生影響.工作負(fù)荷的研究方法可以分為主觀研究和客觀研究.主觀研究方法包括主觀打分評(píng)價(jià)法、心理量表問(wèn)卷等；客觀研究方法包括績(jī)效評(píng)價(jià)、生理信號(hào)研究等.其中生理信號(hào)研究包括了腦電波(electroencephalogram, EEG)、眼動(dòng)、心率變化、皮電、肌電、血壓、體溫等多種指標(biāo).

近年來(lái)，腦電分析方法也從早期的時(shí)域分析發(fā)展到了頻域分析、時(shí)頻域分析、空間域分析方法.頻域分析方法多應(yīng)用于交通安全中的人為因素研究，使用腦電信號(hào)研究交通參與者的工作負(fù)荷、情緒、注意力、壓力和疲勞等.工作負(fù)荷可以視作中樞神經(jīng)系統(tǒng)處理外界任務(wù)的腦力負(fù)荷，影響與中樞神經(jīng)相關(guān)的功能結(jié)構(gòu)以及其他生理過(guò)程，而這些生理過(guò)程可以較為方便地去感知與研究.同時(shí)，腦電各個(gè)頻段對(duì)于工作負(fù)荷的變化敏感，采用模式識(shí)別可以正確識(shí)別各頻段的工作負(fù)荷水平，并有較高的識(shí)別準(zhǔn)確率.

支持向量機(jī)(support vector machines, SVM)是模式識(shí)別研究中一種常用的模型，它是定義在特征空間上的間隔最大的線性分類器.通過(guò)SVM的核函數(shù)，在特征空間中投影數(shù)據(jù)，以此來(lái)獲取最優(yōu)超平面，從而建立分類器.這種算法在解決小樣本、非線性及高維模式識(shí)別問(wèn)題中具有一定的優(yōu)勢(shì)，有良好的通用性和魯棒性.

盡管基于腦電的工作負(fù)荷研究具有生理活動(dòng)較易檢測(cè)、針對(duì)頻段模式識(shí)別準(zhǔn)確率較高的優(yōu)點(diǎn)，但目前腦電研究還存在一些局限性，如腦電采集設(shè)備體積龐大、被試人員不能移動(dòng)、腦電信號(hào)中干擾信號(hào)難以去除等問(wèn)題.同時(shí)，水上交通具有需要多人協(xié)同駕駛、駕駛員頻繁移動(dòng)等特點(diǎn)，制約了大型腦電設(shè)備在水上交通領(lǐng)域研究的應(yīng)用.文中使用移動(dòng)式無(wú)線腦電采集設(shè)備，在船舶駕駛員的工作環(huán)境中正常采集腦電信號(hào)，借助腦電數(shù)據(jù)識(shí)別船舶駕駛?cè)藛T的工作負(fù)荷.

1 船舶駕駛員腦電數(shù)據(jù)采集實(shí)驗(yàn)與實(shí)施

1.1 實(shí)驗(yàn)方案設(shè)計(jì)

船舶模擬系統(tǒng)基于全任務(wù)大型船舶操縱模擬器構(gòu)建，使用Navi-Trainer Professional 5000型設(shè)備.模擬系統(tǒng)具備與真實(shí)船舶相同或高度近似的綜合船橋駕駛臺(tái)、船舶控制系統(tǒng)、雷達(dá)系統(tǒng)、導(dǎo)航系統(tǒng)、通信系統(tǒng)等.腦電采集儀為Neurosky公司的Mindwave Mobile 2，采集頻率512 Hz，F(xiàn)P1單通道，使用耳垂電極作為參考.

被試人員46名，均為男性.其中有8人正在接受船長(zhǎng)崗位培訓(xùn)，38人正在接受大副崗位培訓(xùn).被試人員的年齡為(36.5±6)歲，有(11.4±6.4)年駕齡，具有長(zhǎng)期的駕駛經(jīng)驗(yàn)，在實(shí)驗(yàn)過(guò)程中能夠表現(xiàn)出更為職業(yè)化的反應(yīng).

1.2 實(shí)驗(yàn)實(shí)施

被試人員隨機(jī)分為若干個(gè)四人小組，每個(gè)小組內(nèi)四人輪流扮演船長(zhǎng)、駕駛員、通信員和舵工四類船員角色.

實(shí)驗(yàn)場(chǎng)景由固定事件和隨機(jī)突發(fā)事件組成，實(shí)驗(yàn)時(shí)長(zhǎng)平均45 min.場(chǎng)景流程為：離泊、正常航行、能見(jiàn)度降低及恢復(fù)、隨機(jī)突發(fā)事件(包括火災(zāi)、溢油、船舶碰撞、人員落水、故障、擱淺、風(fēng)浪、船舶追越、會(huì)遇)，根據(jù)突發(fā)事件處理結(jié)果進(jìn)行靠泊或終止實(shí)驗(yàn).

完成實(shí)驗(yàn)后，實(shí)驗(yàn)人員獲取了被試人員的全程腦電數(shù)據(jù)、場(chǎng)景錄像和每場(chǎng)實(shí)驗(yàn)的事件時(shí)間軸作為實(shí)驗(yàn)數(shù)據(jù).其中腦電數(shù)據(jù)記錄了52人·次，每人·次的數(shù)據(jù)記錄時(shí)長(zhǎng)為45～60 min不等，每秒記錄512條腦電信號(hào)，以45 min計(jì)算約為130萬(wàn)條未經(jīng)篩選的腦電信號(hào)原始數(shù)據(jù)，原始數(shù)據(jù)為腦電采集設(shè)備的配套軟件直接記錄的電位差，保存為單通道時(shí)間序列結(jié)構(gòu).

綜合考慮船員在正常航行和突發(fā)事件處理場(chǎng)景下不同的船舶駕駛?cè)蝿?wù)、通信時(shí)長(zhǎng)、艙內(nèi)溝通頻率頻次等，將正常航行場(chǎng)景標(biāo)定為低工作負(fù)荷狀態(tài)，將突發(fā)事件處理場(chǎng)景標(biāo)定為高工作負(fù)荷.

2 船舶駕駛員腦電數(shù)據(jù)特征分析

2.1 腦電數(shù)據(jù)預(yù)處理

1) 由于設(shè)備采用干式單電極，穩(wěn)定性和精度容易受到影響，而且腦電波的信號(hào)強(qiáng)度極低，通常以μV為單位波動(dòng)，需要人工檢查腦電信號(hào)數(shù)據(jù)，通過(guò)對(duì)波形的觀察，初步篩選，剔除噪聲信號(hào)過(guò)大的無(wú)效數(shù)據(jù).

2) 考慮到采集的腦電信號(hào)中存在身體活動(dòng)(移動(dòng)、眨眼、講話等)和設(shè)備本身電信號(hào)的干擾，使用帶通濾波和陷波濾波的方式排除部分干擾信號(hào).具體到腦電信號(hào)的頻段，本文的研究對(duì)象為0.5～80 Hz頻段的腦電信號(hào)，為了保證數(shù)據(jù)的完整性，有限長(zhǎng)單位沖激響應(yīng)濾波器(finite impulse response, FIR)低通濾波的截止頻率為0.5 Hz,高通濾波的截止頻率為100 Hz.考慮到腦電采集系統(tǒng)的設(shè)備供電，將陷波濾波器的中心頻率設(shè)置為50 Hz.

圖1為預(yù)處理前后數(shù)據(jù)對(duì)比.由圖1可知：預(yù)處理操作經(jīng)過(guò)濾波后，剔除了部分噪聲信號(hào)(即圖中的部分波峰信號(hào))，平滑了原始信號(hào)，保留了有效數(shù)據(jù).整體波動(dòng)趨勢(shì)和原始信號(hào)保持一致.

圖1 預(yù)處理前后數(shù)據(jù)對(duì)比

2.2 腦電特征量提取

腦電信號(hào)可以根據(jù)頻段分為δ波、θ波、α波和β波，不同頻段的腦電波是大腦功能區(qū)域在生理活動(dòng)中產(chǎn)生的，例如頻率為8～13 Hz的α波通常在安靜或清醒狀態(tài)下最為顯著，頻率為14～30 Hz的β波通常在緊張或?qū)Ｗ顟B(tài)下較為顯著.具體頻率劃分和對(duì)應(yīng)的功能活動(dòng)見(jiàn)表1.

表1 腦電波頻率及功能劃分 單位：Hz

功率譜密度(power spectral density, PSD)是腦電信號(hào)在單位頻帶內(nèi)的功率，表征了腦電信號(hào)在不同頻率上的功率強(qiáng)度分布.使用周期圖法計(jì)算PSD，其計(jì)算公式為

(1)

腦電信號(hào)是一個(gè)有限長(zhǎng)度的時(shí)間序列，因此將式(1)改寫為

(2)

在Matlab中使用式(2)，計(jì)算出的功率譜密度見(jiàn)圖2.其中50 Hz頻率上功率的減少是由于陷波濾波器的中心頻率設(shè)置為了50 Hz，同樣地，由于帶通濾波器的高通截止頻率為100 Hz，功率譜密度的圖像并未顯示100 Hz以上頻率的功率譜密度.在此基礎(chǔ)上，分別對(duì)0.5～3，4～7，8～13和14～30Hz頻段進(jìn)行積分運(yùn)算，提取了δ波、θ波、α波、β波的功率，將四種腦電波的功率記做Pα、Pβ、Pθ、Pδ.

圖2 數(shù)據(jù)經(jīng)過(guò)處理后獲得的功率譜密度圖

2.3 不同工作負(fù)荷下船員腦電數(shù)據(jù)特征方差分析

由于α波和β波分別對(duì)應(yīng)大腦放松和注意力集中的狀態(tài)，因此考慮分析Pα和Pβ的比值與工作負(fù)荷的相關(guān)性.在不同工作負(fù)荷水平下進(jìn)行多次采樣，獲取樣本，根據(jù)工作負(fù)荷水平分為兩組(低工作負(fù)荷水平、高工作負(fù)荷水平)后進(jìn)行方差分析.其中P1為正常航行場(chǎng)景，即低工作負(fù)荷水平下的數(shù)據(jù)組，P2為突發(fā)事件處理場(chǎng)景，即高工作負(fù)荷水平下的數(shù)據(jù)組.

具體計(jì)算中將腦電數(shù)據(jù)以10 s長(zhǎng)度分段，分別計(jì)算各數(shù)據(jù)段腦電特征值.低工作負(fù)荷水平下各個(gè)分段數(shù)據(jù)計(jì)算得出的α波特征值依次記做

式中：y為在低工作負(fù)荷水平下的數(shù)據(jù)分段數(shù)量.

高工作負(fù)荷水平下各個(gè)分段數(shù)據(jù)計(jì)算得出的α波特征值依次記做

式中：z為在高工作負(fù)荷水平下的數(shù)據(jù)分段數(shù)量.

計(jì)算后得出，兩組數(shù)據(jù)的在方差齊性檢驗(yàn)上的顯著性均遠(yuǎn)大于0.05，證明兩組數(shù)據(jù)具有方差一致性，可以進(jìn)行單因素方差分析，結(jié)果見(jiàn)表2.

表2 單因素方差分析

由表2可知：?jiǎn)我蛩胤讲罘治龅娘@著性水平遠(yuǎn)低于0.05，證明P1和P2兩組數(shù)據(jù)存在顯著性差異.因此，Pα/Pβ指標(biāo)在不同工作負(fù)荷水平下的水平存在差異，即Pα/Pβ指標(biāo)可以滿足識(shí)別模型對(duì)輸入?yún)?shù)的要求，以識(shí)別低工作負(fù)荷水平和高工作負(fù)荷水平.

3 基于EEG的船舶駕駛員工作負(fù)荷識(shí)別模型

3.1 模型構(gòu)建與訓(xùn)練

核函數(shù)及其參數(shù)是SVM的一個(gè)重要部分，影響SVM的學(xué)習(xí)能力和泛化能力.徑向基函數(shù) (radial basis function, RBF)具有映射維度廣、決策邊界多樣和表現(xiàn)穩(wěn)定等優(yōu)點(diǎn)，被廣泛應(yīng)用于基于SVM的分類研究[10].因此，選用RBF核函數(shù)開(kāi)展工作負(fù)荷模型研究.

選取適當(dāng)?shù)暮撕瘮?shù)K(x,z)罰參數(shù)C>0，構(gòu)造并求解凸二次規(guī)劃問(wèn)題.

(3)

(4)

0≤αi≤C,i=1,2,…,N

(5)

在選擇RBF作為核函數(shù)的情況下，分類決策函數(shù)為

(6)

選擇網(wǎng)格搜索進(jìn)行交叉驗(yàn)證，作為懲罰系數(shù)C和核函數(shù)參數(shù)gamma的優(yōu)化算法，網(wǎng)格搜索法優(yōu)點(diǎn)是可以得到全局最優(yōu)解，交叉驗(yàn)證可以提高訓(xùn)練集分類的準(zhǔn)確率.

從實(shí)驗(yàn)數(shù)據(jù)中選擇了50組低工作負(fù)荷狀態(tài)的腦電信號(hào)數(shù)據(jù)和50組高工作負(fù)荷狀態(tài)的腦電數(shù)據(jù)，共計(jì)100組數(shù)據(jù)，每組數(shù)據(jù)均為長(zhǎng)度為10 s的原始數(shù)據(jù)，使用Pα/Pβ作為特征指標(biāo)，輸入本章所述的SVM模型，使用四折交叉驗(yàn)證方法進(jìn)行訓(xùn)練.完成網(wǎng)格搜索算法后，獲得最優(yōu)懲罰系數(shù)C=1.319 5，最優(yōu)核函數(shù)參數(shù)gamma=9.181 6.C和gamma是SVM模型的關(guān)鍵參數(shù)，可以代表SVM模型的訓(xùn)練結(jié)果.

使用隨機(jī)選取的25組訓(xùn)練集數(shù)據(jù)輸入訓(xùn)練后的SVM模型，得到了每組數(shù)據(jù)的工作負(fù)荷水平識(shí)別結(jié)果，見(jiàn)圖3.該模型正確識(shí)別了其中24組數(shù)據(jù)的工作負(fù)荷水平，訓(xùn)練集識(shí)別準(zhǔn)確率達(dá)到了96%.因此在最優(yōu)懲罰系數(shù)C=1.319 5，最優(yōu)核函數(shù)參數(shù)gamma=9.181 6時(shí)，SVM模型的參數(shù)達(dá)到了最優(yōu).

圖3 SVM訓(xùn)練集預(yù)測(cè)準(zhǔn)確率

3.2 模型評(píng)價(jià)

從訓(xùn)練集之外的數(shù)據(jù)集中，隨機(jī)選取了25組不同工作負(fù)荷水平的數(shù)據(jù)作為測(cè)試集，輸入訓(xùn)練好的SVM模型后得到了25組數(shù)據(jù)的工作負(fù)荷水平識(shí)別結(jié)果，見(jiàn)圖4.與測(cè)試集的真實(shí)工作負(fù)荷對(duì)比，模型識(shí)別出的結(jié)果僅有2組數(shù)據(jù)錯(cuò)誤，測(cè)試集的識(shí)別準(zhǔn)確率達(dá)到了92%.

圖4 SVM測(cè)試集預(yù)測(cè)準(zhǔn)確率

Macro-ROC曲線是以SVM模型分類結(jié)果的真陽(yáng)性率(true positive rate, TPR)為Y軸，以假陽(yáng)性率(false positive rate, FPR)為X軸繪制的曲線圖，能夠?qū)Χ喾N分類器的性能進(jìn)行評(píng)價(jià).在曲線圖中，曲線越趨向圖像左上角(0,1)點(diǎn)，表示SVM模型的分類性能越優(yōu)秀.相反的，曲線越趨向于圖像的右下角(1,0)點(diǎn)則表征SVM模型分類器的分類性能越差.通過(guò)Macro-ROC曲線圖，可以直觀地定性評(píng)價(jià)SVM模型的分類性能.

Macro-AUC值與Macro-ROC曲線相關(guān)，通過(guò)計(jì)算曲線下的面積求得，用于評(píng)價(jià)多種分類器的性能，在本文中用于評(píng)價(jià)SVM模型的分類性能.一般條件下，Macro-AUC取值為[0,1]，AUC的值越趨近于1，表示模型的分類性能越好，相反的，越趨近于0，則表示模型的分類性能越差.Macro-AUC的值可以定量地評(píng)價(jià)SVM模型的分類性能，評(píng)價(jià)結(jié)果見(jiàn)圖5.

圖5 Macro-ROC曲線圖

由圖5可知：Macro-ROC曲線趨向于左上角(0,1)點(diǎn)，表示訓(xùn)練好的SVM模型分類性能較為優(yōu)秀，同時(shí)Macro-ROC曲線下的面積，即Macro-AUC值為0.993 75，接近1，表示訓(xùn)練好的SVM模型分類性能較為優(yōu)秀.上述評(píng)價(jià)指標(biāo)的評(píng)價(jià)結(jié)果基本相同.

綜合上述指標(biāo)，訓(xùn)練完成后的工作負(fù)荷識(shí)別模型使用隨機(jī)選取的包含不同工作負(fù)荷水平的新數(shù)據(jù)作為測(cè)試集，可以達(dá)到92%的識(shí)別準(zhǔn)確率，且Macro-AUC值可以達(dá)到0.993 75，Macro-ROC曲線貼近左上角.因此基于EEG的船員工作負(fù)荷識(shí)別模型能夠較好地識(shí)別船員在不同實(shí)驗(yàn)場(chǎng)景下的實(shí)時(shí)工作負(fù)荷水平，取得了較好的分類效果.同時(shí)，也證實(shí)了船員不同的工作負(fù)荷會(huì)對(duì)船員的腦電活動(dòng)產(chǎn)生一定影響.

4 結(jié) 論

1) 船舶駕駛員在不同工作負(fù)荷水平下的腦電波存在顯著差異.α波與β波的功率之比可以作為船舶駕駛員的工作負(fù)荷識(shí)別的腦電特征.

2) 針對(duì)船舶駕駛員的工作負(fù)荷識(shí)別問(wèn)題，基于SVM構(gòu)建了一種識(shí)別模型，該模型分類識(shí)別工作負(fù)荷的準(zhǔn)確率達(dá)到了92%，遠(yuǎn)超過(guò)隨機(jī)分類的50%準(zhǔn)確率，Macro-AUC值達(dá)到了0.993 75，驗(yàn)證了有效性.因此，可以認(rèn)為該模型具備較好的分類性能.

本研究的不足之處在于，所有實(shí)驗(yàn)數(shù)據(jù)均由仿真實(shí)驗(yàn)環(huán)境中獲得，模型在真實(shí)駕駛條件下的有效性待驗(yàn)證；此外，模型的數(shù)據(jù)來(lái)源和識(shí)別對(duì)象為船舶駕駛員，對(duì)輪機(jī)人員、水手等船員的有效性還需進(jìn)一步研究.