部分自動(dòng)駕駛對(duì)駕駛員嗜睡發(fā)展的影響

1.研究背景

疲勞駕駛員表現(xiàn)為視覺處理速度較慢，選擇性注意喪失，干擾抑制差，外周處理能力下降以及清醒狀態(tài)不穩(wěn)定。這將導(dǎo)致決策能力下降、反應(yīng)時(shí)間變慢、對(duì)前方道路注意力降低以及駕駛性能下降。撞車，中值通常在15-25%之間，與無(wú)疲勞駕駛相比，撞車風(fēng)險(xiǎn)增加了1.29-1.34倍。與疲勞相關(guān)的碰撞通常發(fā)生在夜間或清晨，在太多時(shí)間不受干擾地開車后，或在長(zhǎng)時(shí)間的高或低工作后。這些碰撞類型通常與駕駛員疲勞和注意力不集中有關(guān)。這些積極的影響是否能延續(xù)到更先進(jìn)的系統(tǒng)中，例如結(jié)合橫向和縱向支持的部分自動(dòng)化功能，目前還不清楚。

本研究的目的是比較手動(dòng)駕駛和二級(jí)部分自動(dòng)駕駛對(duì)睡意主客觀指標(biāo)的影響。這項(xiàng)研究是通過比較白天(充分睡眠)和夜間(睡眠不足)在高速公路上駕駛時(shí)駕駛員與真實(shí)交通狀況下的睡意發(fā)展情況來(lái)完成的。該假設(shè)是，部分自動(dòng)駕駛將導(dǎo)致更高水平的疲勞，因?yàn)樨?fù)載不足。第二個(gè)目標(biāo)是為開發(fā)駕駛員疲勞監(jiān)測(cè)系統(tǒng)收集視頻數(shù)據(jù)。 

2.研究方法

2.1 被試

89名司機(jī)(36名女性和53名男性)，平均年齡38歲(SD = 11歲，范圍：20-59歲)。

選擇標(biāo)準(zhǔn)是有先進(jìn)駕駛輔助系統(tǒng)如自適應(yīng)巡航控制系統(tǒng)、車道保持輔助經(jīng)驗(yàn)的駕駛?cè)藛T，身體質(zhì)量指數(shù)低于30(減少困倦的風(fēng)險(xiǎn)由于診斷阻塞性睡眠障礙),沒有睡眠障礙,沒有障礙,阻止參與者駕駛一輛普通的車,也不會(huì)暈車。

由于內(nèi)外部原因，最終實(shí)際研究人群包括54名有自適應(yīng)巡航控制經(jīng)驗(yàn)的駕駛員，44名有車道保持輔助經(jīng)驗(yàn)的駕駛員，48名有停車輔助經(jīng)驗(yàn)的駕駛員和19名有二級(jí)輔助經(jīng)驗(yàn)的駕駛員。

2.2 實(shí)驗(yàn)材料

兩輛裝有儀器的車。

2.3 實(shí)驗(yàn)過程

①實(shí)驗(yàn)中使用了兩輛裝有儀器的車輛，每天允許4名司機(jī)參與試驗(yàn)。每個(gè)參與者首先在下午(白天，警戒狀態(tài))駕駛，然后在夜間(睡眠不足狀態(tài))駕駛。下午的開車時(shí)間是15點(diǎn)(司機(jī)A和C)或17點(diǎn)(司機(jī)B和D)，晚上的開車時(shí)間是01點(diǎn)(司機(jī)A和C)或03點(diǎn)(司機(jī)B和D)。測(cè)試路線是一條90公里長(zhǎng)的雙車道高速公路(瑞典E4公路)，參與者從111號(hào)出口(Link oping)開到104號(hào)出口(Granna)再開回來(lái)，總共行駛180公里。整個(gè)路段的限速為120公里/小時(shí)，根據(jù)瑞典交通管理局的數(shù)據(jù)，該路段的年平均日交通量約為       8000-15000輛。參與者總是有一名測(cè)試負(fù)責(zé)人陪同，如果司機(jī)太困而無(wú)法繼續(xù)或出現(xiàn)不恰當(dāng)或危險(xiǎn)駕駛的跡象，他們就會(huì)使用雙重指令進(jìn)行干預(yù)。在數(shù)據(jù)采集過程中，測(cè)試負(fù)責(zé)人沒有與駕駛員交談。

②手動(dòng)駕駛和自動(dòng)駕駛在不同的時(shí)間進(jìn)行，因此需要兩次進(jìn)入實(shí)驗(yàn)室。自動(dòng)化模式得到了平衡，但由于政府批準(zhǔn)在真正的道路上使用昏昏欲睡的司機(jī)被限制在夜間時(shí)間，白天(警報(bào))狀態(tài)總是先于夜間(睡眠不足)狀態(tài)。每次駕駛后，都要填寫一份駕駛后問卷。參與者不允許自帶食物或飲料，但在晚上會(huì)提供晚餐、水果、米糕、水、紅茶或無(wú)咖啡因咖啡。參與者知道提供的咖啡和茶不含咖啡因?？防飻z入量沒有記錄。晚餐在18點(diǎn)(司機(jī)A和C)或19點(diǎn)30分(司機(jī)B和D)提供。

③兩輛車都配備了遠(yuǎn)程攝像頭眼動(dòng)跟蹤系統(tǒng)，一個(gè)內(nèi)部攝像頭和一個(gè)前視攝像頭。電生理數(shù)據(jù)用eego sports系統(tǒng)（德國(guó) ANT Neuro），記錄腦電（64導(dǎo)聯(lián)）、心電、眼電（垂直眼電）、呼吸信號(hào)。采樣頻率為512Hz，數(shù)據(jù)處理時(shí)頻率降到256Hz，心電帶通濾波為0.3-30Hz。呼吸信號(hào)以1Hz進(jìn)行高通濾波，EOG的帶通濾波在0.3Hz-11.5Hz。數(shù)據(jù)僅用心電和Fz-T7（前額），Cz-T8（中央）和Pz-Oz（頂葉）。

④主觀睡眠評(píng)價(jià)（1-9分評(píng)制）（The Karolinska Sleepiness Scale, KSS）

在開車的時(shí)候每隔五分鐘就會(huì)自我報(bào)告一次睡意。KSS有9個(gè)級(jí)別：1-非常警惕,2-很警覺,3-警報(bào),4-警惕,5-既不報(bào)警也不困,6-一些困倦的跡象,7-昏昏欲睡,沒有努力保持清醒,8-昏昏欲睡,努力保持清醒,和9-很困,努力保持清醒,戰(zhàn)斗的睡眠。報(bào)告的值對(duì)應(yīng)于最后5分鐘的平均感覺。通過回顧性地及時(shí)復(fù)制每個(gè)KSS評(píng)分，將KSS評(píng)分上采樣到1Hz。然后，主觀睡眠率被計(jì)算為每個(gè)環(huán)節(jié)的KSS評(píng)分模式。

⑤利用Welch的功率譜密度估計(jì)(時(shí)間窗為4s，重疊率為75%)，計(jì)算了5-9Hz的theta頻率范圍和8-14Hz的alpha頻率范圍內(nèi)的總功率。平均眨眼時(shí)間、隨時(shí)間閉眼的百分比(PERCLOS)和瞳孔直徑。在本實(shí)驗(yàn)中，眼瞼跟蹤的有效性為99.91±0.37%，瞳孔跟蹤的有效性為91.84±8.12%(質(zhì)量閾值為0.2)。

2.4 數(shù)據(jù)采集和處理

①測(cè)試是在兩款不同的測(cè)試車輛上進(jìn)行的，分別是2015 Volvo XC90和2020 Volvo V60。每個(gè)參與者在兩次實(shí)驗(yàn)中都駕駛同一輛車。兩輛車都安裝了ODB-II記錄器，以記錄GPS和車輛運(yùn)動(dòng)學(xué)、眼動(dòng)跟蹤系統(tǒng)，并對(duì)前方道路、駕駛員面部和駕駛員上半身進(jìn)行視頻記錄。

②兩輛車中都記錄了呼吸和心電信號(hào)，Volvo XC90車上放置了64導(dǎo)聯(lián)的EEG記錄設(shè)備。兩輛車不包括EOG和EEG的原因是，面部和頭部的阻塞電極可能會(huì)限制數(shù)據(jù)集的通用性。例如，電極可能會(huì)在開發(fā)用于駕駛員疲勞監(jiān)測(cè)的計(jì)算機(jī)視覺算法時(shí)產(chǎn)生干擾，這是目前數(shù)據(jù)集的未來(lái)目標(biāo)。在356場(chǎng)計(jì)劃中的試驗(yàn)中，有2場(chǎng)由于惡劣天氣而取消，1場(chǎng)由于測(cè)井設(shè)備的技術(shù)問題而取消，4場(chǎng)由于危險(xiǎn)駕駛員而取消，18場(chǎng)由于日程和可用性問題而取消，最后有效試驗(yàn)有333場(chǎng)可用于分析。

③使用濾波方法從心電中提取心跳(R峰)，并導(dǎo)出一個(gè)RR時(shí)間序列作為心跳之間的時(shí)間差。通過遞歸程序得到相應(yīng)的正態(tài)到正態(tài)(NN)時(shí)間序列，如果RR區(qū)間與周圍RR區(qū)間的均值相差超過30%，則將RR區(qū)間去除。較低的心率為連續(xù)心跳之間的可變性提供了更大的空間，允許較高的心率可變性。這通常發(fā)生在身體放松準(zhǔn)備睡覺的困倦期間。與大多數(shù)困倦指標(biāo)一樣，心率和心率變異性通常在群體水平上給出明確的結(jié)果，但結(jié)果在個(gè)體之間和個(gè)體內(nèi)部隨時(shí)間而變化，這取決于內(nèi)部和外部因素。心率在這里表示為每個(gè)節(jié)段的平均NN-interval，心率變異性量化為正常心跳之間連續(xù)差值的均方根(RMSSD)。

④駕駛表現(xiàn)：駕駛性能指標(biāo)如速度、橫向位置的可變性和越線，這些通常用于研究司機(jī)的困倦。然而，由于縱向和橫向行為都受到本實(shí)驗(yàn)中所研究的自動(dòng)化功能的影響，因此本文決定不包含任何駕駛性能指標(biāo)。

⑤精神運(yùn)動(dòng)警覺性任務(wù)（Psychomotor vigilance task, PVT）：隨機(jī)刺激開始，刺激之間的間隔為2-10 s，最大刺激持續(xù)時(shí)間為2 s，總測(cè)試持續(xù)時(shí)間為10 min。PVT是一種普遍使用的警惕性注意測(cè)試，具有高信度和預(yù)測(cè)效度。

⑥本研究采用受試者2×2設(shè)計(jì)，考慮了條件(白天與夜間駕駛)和自動(dòng)化模式(手動(dòng)與部分自動(dòng)化的2級(jí)駕駛)的因素。從180公里的駕駛中提取出16段10公里的路段，以分析任務(wù)時(shí)間的變化。努力使男女人數(shù)大致相等，以說(shuō)明性別差異。五因素混合模型分析：條件（白天，夜晚）* 自動(dòng)條件（手動(dòng)，部分手動(dòng)）* 時(shí)間（駕駛?cè)蝿?wù)前后）為被試內(nèi)因素，車輛（Volvo V60，Volvo XC90）* 性別（男性，女性）為被試間因素。

3. 實(shí)驗(yàn)結(jié)果

圖1 不同駕駛條件下，每10公里計(jì)算一次的瞌睡指標(biāo)

（圖解：誤差棒表示平均的標(biāo)準(zhǔn)誤差）

表1 線性回歸模型的決定系數(shù)(R2)，模型擬合(-2LL)和方差分析結(jié)果(f值)

（圖解：自由度在所有情況下為df1 = 1，根據(jù)表格df2。0.01水平(Bonferroni校正后的0.0005)的明顯差異用綠色(**)表示，0.05水平(校正后的0.0025)的明顯差異用綠色/黃色(*)表示，更高水平的明顯差異用黃色/橙色到紅色的陰影表示。EEG分析中排除了Vehicle因素，因?yàn)镋EG數(shù)據(jù)僅在一輛車中可用）

結(jié)果顯示：夜間開車后面導(dǎo)致嗜睡水平KSS,眨眼時(shí)間,PERCLOS,瞳孔直徑和interbeat間隔(圖1和表1)。大量的時(shí)間任務(wù)影響被發(fā)現(xiàn)在KSS、瞳孔直徑和interbeat間隔,以及夜間和時(shí)間之間的交互作用在KSS的任務(wù),眨眼時(shí)間,PERCLOS，瞳孔直徑，腦電頂葉alpha和theta功率。

總的來(lái)說(shuō)，在夜間，隨著工作時(shí)間的增加，困倦的發(fā)展表現(xiàn)得更快。白天和夜間瞳孔直徑的主要變化可能是由于光線條件的變化而不是睡意。相比于比手動(dòng)駕駛，部分自動(dòng)駕駛導(dǎo)致明顯但小增加的嗜睡水平KSS、眨眼時(shí)間,瞳孔直徑、interbeat間隔,腦電中央α,腦電額θ和腦電中央θ(圖1和表1)。在部分自動(dòng)駕駛報(bào)告KSS值高出0.07個(gè)單位,眨眼時(shí)間長(zhǎng)4.5 ms，瞳孔直徑窄0.1 mm，間隔時(shí)間長(zhǎng)9.22 ms。與手動(dòng)駕駛相比，駕駛員報(bào)告的部分自動(dòng)駕駛的KSS水平在白天較低，而在夜間較高。與白天相比，夜間的眨眼時(shí)間隨著工作時(shí)間的增加而急劇增加，特別是在部分自動(dòng)駕駛(圖1)。即使有一個(gè)夜間和時(shí)間在任務(wù)之間的相互影響腦電α和θ盡管從圖1的總體趨勢(shì)可以看出，夜間駕駛和任務(wù)時(shí)間對(duì)EEG指標(biāo)的主效應(yīng)均不明顯，但隨著任務(wù)時(shí)間的增加，夜間駕駛和任務(wù)時(shí)間對(duì)EEG指標(biāo)的主效應(yīng)均不明顯。因此，部分自動(dòng)駕駛對(duì)腦電嗜睡指標(biāo)的影響難以解釋。男性參與者表現(xiàn)出更高水平的主觀睡意和額葉θ波能量，但除了這些發(fā)現(xiàn)外，在性別方面沒有明顯差異。車輛類型無(wú)明顯差異。

4.實(shí)驗(yàn)結(jié)論

①部分自動(dòng)化駕駛會(huì)導(dǎo)致更高程度的困倦，尤其是在夜間駕駛時(shí)，睡眠壓力很大。

②在白天，當(dāng)研究中的駕駛員處于警覺狀態(tài)時(shí)，部分自動(dòng)駕駛對(duì)駕駛員疲勞幾乎沒有不利影響。這可能會(huì)對(duì)UNECE GSR 2022和Euro NCAP 2024等駕駛員監(jiān)測(cè)法規(guī)/評(píng)估的評(píng)估和執(zhí)行產(chǎn)生影響。

5.文獻(xiàn)名稱及DOI號(hào)

Caa, B. , Rz, C. , Hj, C. ,  Cf, D. , Jk, D. , & Aaae, F. . Effects of partially automated driving on the development of driver sleepiness. Accident Analysis & Prevention, 153.

DOI：10.1016/j.aap.2021.106058