汽车工程期刊论文投稿

驾驶员疲劳特别是严重的疲劳驾驶往往是导致交通事故的重要原因。事故资料统计显示,35%—45%的交通死亡事故可归因于驾驶疲劳。从医学的角度看,某些生理特征,如眨眼、心跳、血压、脑电波等生理信号的变化可以反映驾驶员疲劳的程度。本文在对国内外有关驾驶疲劳的形成机理、预防措施、监测方法及仪器等研究成果和资料进行研究总结的基础上,在室内模拟驾驶环境中,利用仪器MindSensorⅡfor Windows Version 4.0测量脑电波同时用SONY摄像机对被测者脸部进行全程实时录像,获取被测者在不同疲劳状态下的脑电波数据及眨眼数据。应用Fastica软件对脑电波数据进行消噪处理,再进行快速傅立叶转换将其以时域为主脑电波数据转化为频域数据。依次提取样本不同疲劳状态下脑电波数据片断,并对相应的录像资料进行整理,提取眨眼特征值(主要为眨眼次数和闭眼时间)。分析不同疲劳状态下不同波段的变化特征,主要从以下四方面进行分析:频段功率值、频段功率百分比、频段功率比值、频段功率加和比值。对不同疲劳状态下每个指标值进行ANOVA变异性分析,提取差异性达到显著性水平的指标,并分析这些指标与眨眼的相关性。脑电波分析结果表明:慢α波对瞌睡初期阶段变化显著,而θ波则是瞌睡晚期或入睡阶段的主要变化波形。脑电波指标的F检验结果及与眨眼的相关性分析结果表明:功率百分比指标慢α%和功率比值指标慢α/β与θ/慢α这三个指标的差异显著性水平高,瞌睡状态下与眨眼的相关系数绝对值最大;同时功率加和比值指标(θ+慢α)/β和功率币值指标慢α/β这两个指标在入睡状态下与眨眼的相关性最为明显。本研究发现慢α波(7-8Hz)对瞌睡初期,即睁眼较为困难的疲劳状态较为敏感。事实上这种疲劳状态是驾驶员疲劳驾驶时的常见表现特征,也是潜在的危险;而θ波对入睡状态敏感,进入这种阶段是极度疲劳的表现,即易导致严重的交通事故。