部分自動駕駛對駕駛員嗜睡發(fā)展的影響

01 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。這將導致決策能力下降、反應時間變慢、對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，與無疲勞駕駛相比，撞車風險增加了1.29-1.34倍。與疲勞相關的碰撞通常發(fā)生在夜間或清晨，在太多時間不受干擾地開車后，或在長時間的高或低工作后。這些碰撞類型通常與駕駛員疲勞和注意力不集中有關。這些積極的影響是否能延續(xù)到更先進的系統(tǒng)中，例如結合橫向和縱向支持的部分自動化功能，目前還不清楚。

本研究的目的是比較手動駕駛和二級部分自動駕駛對睡意主客觀指標的影響。這項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駕駛員與真實交通狀況下的睡意發(fā)展情況來完成的。該假設是，部分自動駕駛將導致更高水平的疲勞，因為負載不足。第二個目標是為開發(fā)駕駛員疲勞監(jiān)測系統(tǒng)收集視頻數(shù)據(jù)。

02 研究方法

2.1、實驗被試

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

選擇標準是有先進駕駛輔助系統(tǒng)如自適應巡航控制系統(tǒng)、車道保持輔助經(jīng)驗的駕駛人員，身體質量指數(shù)低于30(減少困倦的風險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,也不會暈車。

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

2.2、實驗材料
兩輛裝有儀器的車。

2.3、實驗過程
①實驗中使用了兩輛裝有儀器的車輛，每天允許4名司機參與試驗。每個參與者首先在下午(白天，警戒狀態(tài))駕駛，然后在夜間(睡眠不足狀態(tài))駕駛。下午的開車時間是15點(司機A和C)或17點(司機B和D)，晚上的開車時間是01點(司機A和C)或03點(司機B和D)。測試路線是一條90公里長的雙車道高速公路(瑞典E4公路)，參與者從111號出口(Link oping)開到104號出口(Granna)再開回來，總共行駛180公里。整個路段的限速為120公里/小時，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試負責人陪同，如果司機太困而無法繼續(xù)或出現(xiàn)不恰當或危險駕駛的跡象，他們就會使用雙重指令進行干預。在數(shù)據(jù)采集過程中，測試負責人沒有與駕駛員交談。

②手動駕駛和自動駕駛在不同的時間進行，因此需要兩次進入實驗室。自動化模式得到了平衡，但由于政府批準在真正的道路上使用昏昏欲睡的司機被限制在夜間時間，白天(警報)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，但在晚上會提供晚餐、水果、米糕、水、紅茶或無咖啡因咖啡。參與者知道提供的咖啡和茶不含咖啡因�？�路里攝入量沒有記錄。晚餐在18點(司機A和C)或19點30分(司機B和D)提供。

③兩輛車都配備了遠程攝像頭眼動跟蹤系統(tǒng)，一個內部攝像頭和一個前視攝像頭。電生理數(shù)據(jù)用eego sports系統(tǒng)（德國 ANT Neuro），記錄腦電（64導聯(lián)）、心電、眼電（垂直眼電）、呼吸信號。采樣頻率為512Hz，數(shù)據(jù)處理時頻率降到256Hz，心電帶通濾波為0.3-30Hz。呼吸信號以1Hz進行高通濾波，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主觀睡眠評價（1-9分評制）（The Karolinska Sleepiness Scale, KSS）

在開車的時候每隔五分鐘就會自我報告一次睡意。KSS有9個級別：1-非常警惕,2-很警覺,3-警報,4-警惕,5-既不報警也不困,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。報告的值對應于最后5分鐘的平均感覺。通過回顧性地及時復制每個KSS評分，將KSS評分上采樣到1Hz。然后，主觀睡眠率被計算為每個環(huán)節(jié)的KSS評分模式。

⑤利用Welch的功率譜密度估計(時間窗為4s，重疊率為75%)，計算了5-9Hz的theta頻率范圍和8-14Hz的alpha頻率范圍內的總功率。平均眨眼時間、隨時間閉眼的百分比(PERCLOS)和瞳孔直徑。在本實驗中，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%(質量閾值為0.2)。

2.4、數(shù)據(jù)采集和處理
①測試是在兩款不同的測試車輛上進行的，分別是2015 Volvo XC90和2020 Volvo V60。每個參與者在兩次實驗中都駕駛同一輛車。兩輛車都安裝了ODB-II記錄器，以記錄GPS和車輛運動學、眼動跟蹤系統(tǒng)，并對前方道路、駕駛員面部和駕駛員上半身進行視頻記錄。

②兩輛車中都記錄了呼吸和心電信號，Volvo XC90車上放置了64導聯(lián)的EEG記錄設備。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限制數(shù)據(jù)集的通用性。例如，電極可能會在開發(fā)用于駕駛員疲勞監(jiān)測的計算機視覺算法時產生干擾，這是目前數(shù)據(jù)集的未來目標。在356場計劃中的試驗中，有2場由于惡劣天氣而取消，1場由于測井設備的技術問題而取消，4場由于危險駕駛員而取消，18場由于日程和可用性問題而取消，最后有效試驗有333場可用于分析。

③使用濾波方法從心電中提取心跳(R峰)，并導出一個RR時間序列作為心跳之間的時間差。通過遞歸程序得到相應的正態(tài)到正態(tài)(NN)時間序列，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)生在身體放松準備睡覺的困倦期間。與大多數(shù)困倦指標一樣，心率和心率變異性通常在群體水平上給出明確的結果，但結果在個體之間和個體內部隨時間而變化，這取決于內部和外部因素。心率在這里表示為每個節(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)：駕駛性能指標如速度、橫向位置的可變性和越線，這些通常用于研究司機的困倦。然而，由于縱向和橫向行為都受到本實驗中所研究的自動化功能的影響，因此本文決定不包含任何駕駛性能指標。

⑤精神運動警覺性任務（Psychomotor vigilance task, PVT）：隨機刺激開始，刺激之間的間隔為2-10 s，最大刺激持續(xù)時間為2 s，總測試持續(xù)時間為10 min。PVT是一種廣泛使用的警惕性注意測試，具有高信度和預測效度。

⑥本研究采用受試者2×2設計，考慮了條件(白天與夜間駕駛)和自動化模式(手動與部分自動化的2級駕駛)的因素。從180公里的駕駛中提取出16段10公里的路段，以分析任務時間的變化。努力使男女人數(shù)大致相等，以說明性別差異。五因素混合模型分析：條件（白天，夜晚）* 自動條件（手動，部分手動）* 時間（駕駛任務前后）為被試內因素，車輛（Volvo V60，Volvo XC90）* 性別（男性，女性）為被試間因素。

03 實驗結果

圖1 不同駕駛條件下，每10公里計算一次的瞌睡指標

（圖解：誤差棒表示平均的標準誤差） 

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)的顯著差異用綠色(**)表示，0.05水平(校正后的0.0025)的顯著差異用綠色/黃色(*)表示，更高水平的顯著差異用黃色/橙色到紅色的陰影表示。EEG分析中排除了Vehicle因素，因為EEG數(shù)據(jù)僅在一輛車中可用）

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

總的來說，在夜間，隨著工作時間的增加，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。相比于比手動駕駛，部分自動駕駛導致顯著但小增加的嗜睡水平KSS、眨眼時間,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)。在部分自動駕駛報告KSS值高出0.07個單位,眨眼時間長4.5 ms，瞳孔直徑窄0.1 mm，間隔時間長9.22 ms。與手動駕駛相比，駕駛員報告的部分自動駕駛的KSS水平在白天較低，而在夜間較高。與白天相比，夜間的眨眼時間隨著工作時間的增加而急劇增加，特別是在部分自動駕駛(圖1)。即使有一個夜間和時間在任務之間的相互影響腦電α和θ盡管從圖1的總體趨勢可以看出，夜間駕駛和任務時間對EEG指標的主效應均不顯著，但隨著任務時間的增加，夜間駕駛和任務時間對EEG指標的主效應均不顯著。因此，部分自動駕駛對腦電嗜睡指標的影響難以解釋。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，在性別方面沒有顯著差異。車輛類型無顯著差異。

04 實驗結論
①部分自動化駕駛會導致更高程度的困倦，尤其是在夜間駕駛時，睡眠壓力很大。
②在白天，當研究中的駕駛員處于警覺狀態(tài)時，部分自動駕駛對駕駛員疲勞幾乎沒有不利影響。這可能會對UNECE GSR 2022和Euro NCAP 2024等駕駛員監(jiān)測法規(guī)/評估的評估和執(zhí)行產生影響。

05 文獻名稱及DOI號

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