扩展功能
文章信息
- 任董普, 刘怡美, 索传政, 蓝清, 史磊.
- REN Dong-pu, LIU Yi-mei, SUO Chuan-zheng, LAN Qing, SHI Lei
- 基于驾驶员脑电信号的平原区四车道公路禁令和警告标志优化设置
- Optimization on Prohibition and Warning Signs on Four-lane Highway in Plain Terrain Based on Driver's EEG Signal
- 公路交通科技, 2024, 41(2): 182-190
- Journal of Highway and Transportation Research and Denelopment, 2024, 41(2): 182-190
- 10.3969/j.issn.1002-0268.2024.02.019
-
文章历史
- 收稿日期: 2022-06-13
2. 河北省高校交通基础设施数智化应用技术研发中心, 河北 沧州 061001;
3. 河北省高速公路京雄筹建处, 河北保定 071700;
4. 北京中交睿达科技有限公司, 北京 100070;
5. 河北高速公路集团有限公司, 河北 石家庄 050035
2. Hebei Provincial College Transportation Infrastructure Research and Development Center for Digital and Intelligent Technology Application, Cangzhou, Hebei 061001, China;
3. Preparatory Office for Beijing-Xiong'an Section of Hebei Provincial Expressway, Baoding, Hebei 071700, China;
4. Beijing Zhongjiao Ruida Technology C., Ltd., Beijing 100070, China;
5. Hebei Expressway Group Limited, Shijiazhuang, Hebei 050035, China
交通禁令标志和警告标志作为驾驶环境的重要组成部分,可以提供禁止、限制、警示等驾驶信息,直接影响驾驶员的驾驶认知和驾驶行为,对规范驾驶行为、减少机动车交通事故起到了巨大作用[1]。设置不合理的交通禁令标志和警告标志不能引起驾驶员的足够注意,或者需要耗费驾驶员更多的认知时间来进行相关信息的加工处理,从而极可能对驾驶员的驾驶行为产生不良影响,进而引发交通事故。因此,对各种交通禁令标志和警告标志的设置效果进行客观评价,具有重要的现实意义[2]。
为充分发挥道路交通标志的功能作用,国内外学者进行了相关研究,并获得了宝贵的研究成果。在以往对交通标志设置效果的研究中,学者们多用问卷、洽谈等手段收集资料,近年来,部分学者探究利用试验对交通标志进行研究。在这些研究中,常用的试验手段包括脑电监控、眼动记录、口头报告、驾驶反应、交通标志回忆等[3]。朱守林等[4]利用脑电信号对草原交通标志信息量进行定量分析,通过对比驾驶员在不同信息量情况下的脑电波、组合波的变化情况,探究了草原公路交通标志信息量的最优区间。卢国英等[5]利用脑电信号和事件相关电位技术分析了驾驶员对交通标志的语义认知和情绪加工过程。张程程等[6]应用脑电信号时频分析方法,研究了曲线段交通标志对驾驶员心生理状态的影响。Wascher等[7]利用虚拟驾驶技术分析了驾驶环境可控性对脑电信号的影响。Yang等[8]通过眼动指标和脑电波分析了交通标志中地名数量对驾驶安全性的影响。Johansson等[9]通过驾驶人对驶过路段的交通标志回顾的方式评价了交通标志信息传递效果。在对交通标志设置效果的研究中,学者们常用的研究手段包括脑电分析(脑电功率、事件相关电位、脑电样本熵等指标)、眼动分析(视觉、视野、视力等生理特征)、行为分析(运动加速度、心率、心率变异性、皮肤电等指标),以及问卷、洽谈等手段。在对数据进行处理时,常用的方法有折线图、箱线图、相关分析、线性及非线性回归分析、单因素及多因素方差分析、因子分析等。
在车辆行驶过程中,驾驶员需要不断感知和判断交通状况,并以此为依据合理操作车辆。因此,大脑需要对大量相关信息进行加工处理,脑电信号监控可以客观、真实地反映出驾驶员在驾驶过程中专注程度、警觉程度的变化,且其具有时间分辨率高的特点[10],在相关研究中具有一定的优势。驾驶过程中,驾驶员接收到的各种信息,包括视觉信息、听觉信息等都会反映在驾驶员脑电波的变化中,且驾驶员的各项生理指标变化也与脑电波动息息相关。在众多监测驾驶员驾驶状态的生理指标中,脑电信号可以实时、客观地反映驾驶员当前专注和警觉程度,具有较高的时间灵敏度且不易受到驾驶员主观意图的影响,在评定驾驶员驾驶疲劳方面已经有了较多应用。本研究选择脑电信号作为监测驾驶员状态的主要指标,利用箱线图、非参数检验等方法来客观展示驾驶员观察不同交通标志时的脑电信号变化。
随着可穿戴生物测量设备在交通人因工程领域的广泛应用,基于驾驶员生物信息的交通标志研究已经取得了多方面成果,但是大多数学者采用模拟驾驶的方式来获取驾驶员的生理指标信息进行分析,无法充分反映真实驾驶条件下的客观实际情况。鉴于此,本研究在某平原区4车道公路上进行了现场试验,采集车辆行驶过程中驾驶员的生理指标数据进行统计分析,得出更加切合实际的结论。
本研究在分析国内外研究方法的基础上,通过现场驾驶试验,测量驾驶员观察不同交通禁令标志和警告标志时,在相关电极位置处诱发的脑电信号变化,分析不同交通禁令标志和警告标志的实际信息传达效果,以期对交通禁令标志和警告标志的设置做出量化评价。
1 方法 1.1 试验准备试验采用西班牙某公司产32通道Enobio无线脑电仪采集脑电数据,采样率500 Hz,配合NIC2软件记录试验过程中的脑电信号变化数据。采用德国某公司产Dikablis Glass 3眼镜式眼动仪及配套D-Lab软件记录和分析眼动数据,以判断驾驶员对交通标志的注视情况,同时为脑电数据分析提供准确的时间区间。
试验招募15名驾驶员,独立驾驶时间均不少于2 a。由于试验中的头动、出汗、情绪等产生的影响,剔除了3名受试驾驶员的数据。研究的12名受试驾驶员年龄在25~40岁之间,身心状态良好,视力或矫正后视力正常,具有2~15 a驾驶经验,试验过程中及试验前48 h内无饮酒、吸烟、喝茶、服用药物等情况。在不告知试验目的的前提下,每位受试驾驶员进行现场测试。
试验选择某平原区4车道公路,地点在河北省河间市,所选路段为国道G337河间市绕城段,该路段为双向4车道,设计行车速度为80 km/h。自2019年底通车以来,该路段打通了瀛南路至保沧公路间的断头路,也有效缓解了过境车辆穿越市区带来的交通拥堵和环境污染,为提升河间市环城路网布局起到了较大作用。所有受试驾驶员均没有在该公路上的驾驶经历,经与当地交通主管部门沟通,同意进行本次试验。所选试验路段长度单程7.2 km,往返驾驶,共14.4 km。试验车辆为某合资品牌SUV,是当地常见车型之一。试验全程涉及45个交通标志,交通标志类型及数量如表 1所示。本研究对交通禁令和警告标志进行研究,不包括指路标志,其中禁令标志包括限制质量、限速、解除限速3类,警告标志包括十字交叉、环形交叉、T形交叉3类。
| 类型 | 指路 | 十字交叉 | 限制质量 | 环形交叉 | T形交叉 | 限速 | 解除限速 |
| 数量 | 20 | 13 | 2 | 2 | 4 | 2 | 2 |
| 形制示例 | ![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
1.2 试验过程
试验开始前,受试驾驶员正确佩戴脑电仪和眼动仪,并进行设备调试校准。测试开始阶段,受试驾驶员安静坐在主驾驶位置,调整并保持放松状态,记录其3 min睁眼静息态脑电数据。在为受试驾驶员指明所测试路段后,受试驾驶员正常在该路段进行行驶,行驶过程中记录受试驾驶员的脑电和眼动数据。每位受试驾驶员完成一次完整测试大约需要25 min。
试验过程中,受试驾驶员同时佩戴脑电仪和眼动仪,试验工作人员使用NIC2软件对脑电仪进行操作,使用D-Lab软件对眼动仪进行操作,通过在计算机中打入标记对齐两个软件的时间轴。试验结束后用D-Lab软件对眼动仪数据进行处理,统计驾驶员瞳孔焦点对准每个交通禁令标志和警告标志的具体时刻,进而分析对应时刻的脑电信号特征。脑电数据使用Eeglab(2014版)进行处理,将之前由眼动仪记录的时间导入脑电数据中,对试验过程中受试驾驶员观察交通禁令标志和警告标志时的脑电信号进行统计分析。
1.3 脑电数据预处理在试验过程中,受试驾驶员脑电不可避免地会受到车辆振动、噪声、电磁信号等干扰,受试驾驶员自身的头部晃动带来的肌电、眨眼引起的信号漂移等也会对脑电数据结果产生影响[11]。为消除各种噪声在脑电信号中造成的伪迹,利用Eeglab脑电处理软件对试验数据进行了预处理。正常脑电频率主要分布在45 Hz以下[12],预处理中设置滤波频率为0.5 Hz(高通滤波器)至45 Hz(低通滤波器)。此外,通过重参考、插值坏导、ICA成分分析等方法,去除了脑电数据中的伪迹成分[13]。
2 试验结果 2.1 脑电位变化对比结果脑电数据预处理之后,将12位受试驾驶员静息态数据和任务态数据分段,然后分别进行叠加平均,静息态为试验开始阶段受试驾驶员未开车的平稳状态,任务态即驾驶员驾驶车辆过程中观察交通标志时的状态。人脑额叶区与人的注意、问题解决、记忆等认知功能有密切关系[14],本研究选取脑电仪中位于该脑区的F3,Fz,F4这3个电极来探索额叶区的电位变化,绘制平均脑电位图,结果如图 1所示。从图 1可以看出,任务态条件下驾驶员额叶区电位震荡较静息态时更加明显。
|
| 图 1 驾驶员静息态和任务态额叶区电位对比 Fig. 1 Resting v.s. task state of drivers' frontal lobe potentials |
| |
2.2 脑电时频对比结果
时域分析和频域分析是脑电信号分析的两种常见分析方法[15]。通过绘制12位受试驾驶员脑电信号相关谱扰动(Event-Related Spectral Perturbation,ERSP)图,可以分析事件在对应时间和频率上对脑电信号的影响。本次试验中驾驶员在静息态和任务态的ERSP结果如图 2所示,脑电频率范围为0.5~45 Hz,选择F3,Fz,F4这3个电极进行展示。图 2中的颜色深浅可以判断对应时间和频率的脑电功率大小。结果提示,任务态较静息态额叶区脑电功率变化更显著。
|
| 图 2 驾驶员静息态和任务态额叶区ERSP Fig. 2 Drivers' frontal lobe ERSP in resting and task states |
| |
2.3 脑地形图结果
在神经生理学领域,脑电β波(14~30 Hz)可用来反应脑区注意力的变化,β波中22 Hz是最为典型的频率,也是Eeglab中默认的绘制脑地形图频率之一,经常被学者用来进行β波相关的频域地形图研究[16]。本次研究将β波作为主要分析研究对象,以22 Hz为例绘制受试驾驶员观察各类交通禁令标志和警告标志时的频域地形图并进行分析。12名受试驾驶员在观察不同类型交通标志时的脑区活动有一定的一致性,其中一位受试驾驶员的脑地形图如图 3所示,图中不同区域颜色深浅反映对应脑区的脑电功率高低。
|
| 图 3 受试驾驶员脑地形图 Fig. 3 Brain topographic maps of test drivers |
| |
2.4 脑电功率对比结果
脑电波按照频率的不同,分为不同的波段:δ波、θ波、α波、β波和γ波,不同波段脑电信号的功率变化能够反映人神经生理状态的变化情况[17]。在利用脑电信号对道路相关设施进行研究时,有学者选择δ波、θ波、α波、β波和α+β,α/β,θ/β,(θ+α)/β等不同脑电波指标或指标组合进行了分析[18-21]。根据本次研究目的,选择β波和θ/β功率指标评价不同类型的交通禁令标志和警告标志对驾驶员脑电信号的影响。β波功率越大,表明受试驾驶员注意力越集中;θ/β值越小,表明受试驾驶员警觉程度越高,交通标志对驾驶员脑部产生的影响越大[22]。
在对脑电功率进行计算的各种方法中,Welch法[23]是最常使用的方法之一。本研究在数据处理时通过调用Matlab(2019版)中pwelch函数计算每个受试驾驶员在不同类型交通禁令标志和警告标志下的脑电β波功率和θ/β功率指标。为便于将不同受试驾驶员脑电功率数据进行统计分析,在数据处理时所计算β波功率为相对功率,即β波绝对功率占脑电全波段总功率的百分比。本次试验数据通过Origin(2018版)绘制出箱线图,12名受试驾驶员在观察不同类型交通禁令标志和警告标志时的脑电β波相对功率如图 4(a)所示,θ/β功率指标如图 4(b)所示。
|
| 图 4 受试驾驶员脑电功率 Fig. 4 EEG Power of test drivers |
| |
2.5 脑电功率非参数检验
基于对图 4的趋势分析,可以看出不同类型交通禁令标志和警告标志对受试驾驶员的脑电功率影响有所区别,这种差别是否达到统计上的显著性需要进一步检验。利用SPSS26.0对12名受试驾驶员在观察不同类型交通禁令标志和警告标志时的脑电β波相对功率和θ/β功率指标进行Shapiro-Wilk检验,以验证其正态性,结果如表 2所示。
| 脑电指标 | 标志类型 | Shapiro-Wilk统计量 | 自由度 | 显著性 |
| β波相对功率 | 十字交叉 | 0.905 | 156 | 0.000** |
| 限制质量 | 0.839 | 24 | 0.001** | |
| 环形交叉 | 0.953 | 24 | 0.319 | |
| T形交叉 | 0.857 | 48 | 0.000** | |
| 限速 | 0.973 | 24 | 0.735 | |
| 解除限速 | 0.951 | 24 | 0.288 | |
| θ/β功率指标 | 十字交叉 | 0.946 | 156 | 0.000** |
| 限制质量 | 0.970 | 24 | 0.658 | |
| 环形交叉 | 0.957 | 24 | 0.383 | |
| T形交叉 | 0.945 | 48 | 0.025* | |
| 限速 | 0.936 | 24 | 0.132 | |
| 解除限速 | 0.976 | 24 | 0.819 | |
| 注:*为显著性水平P < 0.05;* *为显著性水平P < 0.01, 下同。 | ||||
正态性检验结果中,β波相对功率中的十字交叉、限制质量、T形交叉以及θ/β功率指标中的十字交叉、T形交叉对应的脑电功率数据不符合正态分布(P < 0.05),故本研究试验数据不满足方差分析的前提条件。为验证受试驾驶员观察不同类型交通禁令标志和警告标志时的脑电功率差异,本研究试验数据采用非参数检验进行分析,利用SPSS26.0进行Kruskal-Wallis H检验,结果如表 3所示。
| 脑电指标 | 样本量 | Kruskal-Wallis H检验统计量(调整后) | 自由度 | 显著性 |
| β波相对功率 | 300 | 64.063 | 5 | 0.000** |
| θ/β功率指标 | 300 | 90.646 | 5 | 0.000** |
通过非参数检验结果可知,β波相对功率和θ/β功率指标的显著性均小于0.01,表明不同类型的交通禁令标志和警告标志对驾驶员脑电产生的影响不同。为进一步分析不同类型标志之间的差异,将不同类型交通标志下的脑电数据进行两两比较,β波相对功率的显著性(Bonferroni校正后)结果如表 4所示,θ/β功率指标的显著性(Bonferroni校正后)结果如表 5所示。
| 标志类型 | 十字交叉 | 限制质量 | 环形交叉 | T形交叉 | 限速 | 解除限速 |
| 十字交叉 | 1.000 | 1.000 | 0.357 | 1.000 | 0.000** | 0.000** |
| 限制质量 | 1.000 | 1.000 | 0.136 | 1.000 | 0.000** | 0.000** |
| 环形交叉 | 0.357 | 0.136 | 1.000 | 0.956 | 0.138 | 0.264 |
| T形交叉 | 1.000 | 1.000 | 0.956 | 1.000 | 0.000** | 0.000** |
| 限速 | 0.000** | 0.000** | 0.138 | 0.000** | 1.000 | 1.000 |
| 解除限速 | 0.000** | 0.000** | 0.264 | 0.000** | 1.000 | 1.000 |
| 标志类型 | 十字交叉 | 限制质量 | 环形交叉 | T形交叉 | 限速 | 解除限速 |
| 十字交叉 | 1.000 | 0.001** | 0.017* | 0.014* | 0.000** | 0.000** |
| 限制质量 | 0.001** | 1.000 | 0.000** | 0.000** | 0.000** | 0.000** |
| 环形交叉 | 0.017* | 0.000** | 1.000 | 1.000 | 0.691 | 1.000 |
| T形交叉 | 0.014* | 0.000** | 1.000 | 1.000 | 0.045* | 0.521 |
| 限速 | 0.000** | 0.000** | 0.691 | 0.045* | 1.000 | 1.000 |
| 解除限速 | 0.000** | 0.000** | 1.000 | 0.521 | 1.000 | 1.000 |
由表 4结果可知, 受试驾驶员在观察十字交叉和限速、十字交叉和解除限速、限制质量和限速、限制质量和解除限速、T形交叉和限速、T形交叉和解除限速交通标志时,脑电β波功率有极大的显著性差异(P < 0.01)。
由表 5结果可知,受试驾驶员在观察十字交叉和限制质量、十字交叉和限速、十字交叉和解除限速、限制质量和环形交叉、限制质量和T形交叉、限制质量和限速、限制质量和解除限速交通标志时,脑电θ/β功率指标有极大的显著性差异(P < 0.01);在观察十字交叉和环形交叉、十字交叉和T形交叉、T形交叉和限速交通标志时,脑电θ/β功率指标也有显著性差异(P < 0.05)。
3 讨论 3.1 驾驶员静息态与任务态脑电结果分析额叶区是脑部主要的注意、认知等功能区域,图 1中可以发现,在额叶区F3,Fz,F4这3个电极处,任务态较静息态的电位变化更加显著,受试驾驶员的脑部额叶区在观察交通禁令标志和警告标志时比静息状态更加活跃。在图 2中,颜色越深代表在对应的时间和频率下的脑电功率越大,在F3,Fz,F4这3个电极处,任务态的脑电功率均显著高于静息态的功率,对β波段脑电波的分析也得出同样结论,驾驶员在驾驶过程中观察交通禁令标志和警告标志时的觉醒或专注程度高于静息态。综合分析受试驾驶员在静息态和任务态的额叶区电位图和ERSP图,驾驶员在观察交通禁令标志和警告标志后产生了一定的认知和注意反应,反映了交通禁令标志和警告标志的设置能够引起驾驶员的警觉。
3.2 6类交通禁令标志和警告标志脑电结果分析图 3结果显示,该受试驾驶员在试验中观察限速类交通标志时,脑地形图中前部颜色较深,额叶区激活较为显著。提示该类交通标志对驾驶员起到了较好的提醒作用。在观察解除限速和环形交叉类标志时,额叶区也有一定程度的激活,但在观察限制质量、T形交叉和十字交叉类标志时,额叶区激活程度较低,提示此类标志在设置上存在不足,具有优化空间。此外,脑地形图结果提示该驾驶员观察限制质量、T形交叉、限速和解除限速类标志时脑地形图右上方边缘有明显深色,观察十字交叉类标志时该区域颜色也有加深的迹象,推测该驾驶员脑电信号受到了较大的右侧眼电干扰。分析认为普通干线公路中交通标志多数设置于路右侧标志杆上,驾驶员遇到交通标志时需要看向右前上方,故该右侧眼电干扰属于驾驶过程中的常见现象。本次试验过程中环形交叉标志均设置在路中环形岛内,对应脑地形图未发现右上方眼电干扰,也印证了上述结果。
通过脑电功率指标的对比可以更加准确、量化地分析不同类型交通标志对脑电信号产生的影响。图 4(a)代表β波相对功率在6类交通禁令标志和警告标志刺激下的变化情况,图 4(b)代表θ/β功率指标在6类交通禁令标志和警告标志刺激下的变化情况。综合分析图 4后,可以看出两个指标所得结论一致性较高,两指标均提示在试验路段,限制质量类交通标志的信息警示效果最不显著,其次为十字交叉类交通标志,而限速和解除限速类交通标志的信息警示效果最佳。基于β波和θ/β脑电功率指标的分析结论与脑地形图结论基本一致。基于表 3结果可知,6类交通禁令标志和警告标志在β波相对功率和θ/β功率指标中均显示有明显差异,由表 4~5中的各类标志两两对比结果可知,十字交叉和限速、十字交叉和解除限速、限制质量和限速、限制质量和解除限速、T形交叉和限速,共5对标志的脑电β波相对功率和θ/β功率指标有显著差异。结合图 4中6类交通禁令标志和警告标志的分布可知,限速和解除限速类标志设置效果好,十字交叉、限制质量类标志设置效果差,T形交叉类标志设置效果较差。
通过查看D-LAB软件中基于驾驶员视角的行车视频并对受试驾驶员进行调查,综合分析驾驶员观察限制质量类标志时的情况,分析发现该标志不能引起受试驾驶员足够注意的原因包括:(1)该标志设置于路肩上,距离地面高度偏低,不易被驾驶员观测到。(2)驾驶员在车道内侧行驶且前方外侧有车辆时,或者驾驶员在跟车情况下,该标志易被其他车辆遮挡。(3)受试驾驶员平时驾驶私家车居多,对限制质量类交通标志缺乏敏感性。十字交叉和T形交叉类交通标志设置效果不佳主要因为两种类型标志较为相似,且与试验路段相交的低等级公路较多,导致这两类交通标志设置数量偏多,驾驶员对该类标志较为疲乏,加之部分路段有工人施工分散了驾驶员注意力。通过对受试驾驶员调查发现,受试驾驶员普遍对交通违章罚款扣分较为关注,这与本次试验中限速和解除限速类交通标志能够引起足够注意有较大关系。
4 结论本研究针对平原区4车道公路中交通禁令标志和警告标志刺激下的驾驶员脑电信号特征进行研究,在试验路段,驾驶员观察交通标志时较静息状态的脑部额叶区激活程度更高,该路段交通禁令标志和警告标志的设置能够引起驾驶员的警觉。
在试验路段十字交叉、限制质量、环形交叉、T形交叉、限速、解除限速6类交通禁令标志和警告标志中,限制质量、十字交叉、T形交叉类交通标志设置效果较差,不能引起驾驶员足够的注意,限速和解除限速类交通标志设置效果较好,能够起到很好的提示作用。建议在对该路段交通禁令标志和警告标志进行优化时,重点考虑限制质量、十字交叉、T形交叉几类标志。
通过上一节的讨论可知,受试驾驶员由于驾驶习惯等原因对限制质量类交通标志普遍缺乏敏感性,且通过D-LAB软件查看行车视频时发现,该类标志由于设置于路肩且高度较低经常发生被外侧车辆遮挡的情况。建议该类标志优先设置于门架上,当设置于路肩上时,应充分考虑驾驶员观察时的角度影响,且在满足规范要求前提下适当增加高度,以避免被外侧车辆遮挡等情况。确有必要时,可考虑采用大角度反光性能较好的材料制作该类交通标志,或通过增设地面警告语与交通标志进行配合,以起到更好的提示效果。对于限制质量类交通标志对驾驶员脑电的具体影响还需要筛选有驾驶大货车习惯的受试驾驶员进行进一步试验分析。在试验路段十字交叉、T形交叉类交通标志设置数量偏多,应优化与试验路段相交的低等级公路布局,减少非必要路口,以降低风险。
本次试验路段通车不足两年,交通标志相较于其他多数路段较新,所选试验车型为小型车,与大型车在视野等方面存在区别,所选受试驾驶员平时驾驶小型车居多等限制了本研究结论的通用性,将来可针对不同路况、不同车型、不同类型驾驶员等情况进行进一步研究。
| [1] |
BAZIRE M, TIJUS C. Understanding Road Signs[J].
Safety Science, 2009, 47(9): 1232-1240.
DOI:10.1016/j.ssci.2009.03.013 |
| [2] |
王仁杰, 周晓宏. 高速公路交通标志的认知及评价综述[J]. 交通信息与安全, 2021, 39(2): 9-18. WANG Ren-jie, ZHOU Xiao-hong. A Review on Cognition and Evaluation of Traffic Signs on Expressways[J]. Journal of Transport Information and Safety, 2021, 39(2): 9-18. DOI:10.3963/j.jssn.1674-4861.2021.02.002 |
| [3] |
MARTENS M H. Assessing Road Sign Perception: A Methodological Review[J].
Transportation Human Factors, 2000, 2(4): 347-357.
DOI:10.1207/STHF2-4_4 |
| [4] |
朱守林, 赵谦, 戚春华, 等. 草原公路交通标志信息量对驾驶员脑电信号的影响分析[J]. 科学技术与工程, 2020, 20(20): 8407-8412. ZHU Shou-lin, ZHAO Qian, QI Chun-hua, et al. The Influence of Roadside Traffic Sign Amount in Prairie Region on Driver's EEG Signal[J]. Science Technology and Engineering, 2020, 20(20): 8407-8412. |
| [5] |
卢国英, 张婷. 交通标志语义认知与情绪加工的脑电研究[J]. 中国安全科学学报, 2021, 31(3): 184-190. LU Guo-ying, ZHANG Ting. An EEG Study on Semantic Cognition and Emotional Evaluation for Traffic Signs[J]. China Safety Science Journal, 2021, 31(3): 184-190. |
| [6] |
张程程, 朱守林. 草原公路曲线段指示标志对驾驶员脑电信号的影响研究[J]. 科学技术与工程, 2017, 17(19): 262-267. ZHANG Cheng-cheng, ZHU Shou-lin. Study on the Influence of Grassland Highway Curve Line Marking Signs on Driver's EEG Signal[J]. Science Technology and Engineering, 2017, 17(19): 262-267. DOI:10.3969/j.issn.1671-1815.2017.19.048 |
| [7] |
WASCHER E, ARNAU S, GUTBERLET I, et al. Evaluating Pro-and Re-active Driving Behavior by Means of the EEG[J].
Frontiers in Human Neuroence, 2018, 12: 205.
DOI:10.3389/fnhum.2018.00205 |
| [8] |
YANG Y Q, CHEN Y B, WU C X, et al. Effect of Highway Directional Signs on Driver Mental Workload and Behavior Using Eye Movement and Brain Wave[J].
Accident Analysis & Prevention, 2020, 146: 105705.
|
| [9] |
JOHANSSON G, BACKLUND F. Drivers and Road Signs[J].
Ergonomics, 1970, 13(6): 749-759.
DOI:10.1080/00140137008931202 |
| [10] |
戚春华, 刘昱忻, 李航天, 等. 基于驾驶员警觉度的交通标志适宜信息量研究[J]. 科学技术与工程, 2021, 21(34): 14829-14835. QI Chun-hua, LIU Yu-xin, LI Hang-tian, et al. Appropriate Information Volume of Traffic Sign Based on Driver Alertness[J]. Science Technology and Engineering, 2021, 21(34): 14829-14835. DOI:10.3969/j.issn.1671-1815.2021.34.050 |
| [11] |
王夏爽, 龚光红, 李妮. 视觉诱发脑电信号的处理研究[J]. 系统仿真学报, 2017, 29(增1): 146-154. WANG Xia-shuang, GONG Guang-hong, LI Ni. Study and Processing of Visual Evoked EEG[J]. Journal of System Simulation, 2017, 29(S1): 146-154. |
| [12] |
TSUKAHARA A, YAMADA M, TANAKA K, et al. Analysis of EEG Frequency Components and an Examination of Electrodes Localization during Speech Imagery[C]//Proceedings of 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Berlin: IEEE, 2019: 4698-4702.
|
| [13] |
GOH S K, ABBASS H, TAN K C, et al. Automatic EEG Artifact Removal Techniques by Detecting Influential Independent Components[J].
IEEE Transactions on Emerging Topics in Computational Intelligence, 2017, 1(4): 270-279.
DOI:10.1109/TETCI.2017.2690913 |
| [14] |
JOHN D, ADRIAN M O. Common Regions of the Human Frontal Lobe Recruited by Diverse Cognitive Demands[J].
Trends in Neurosciences, 2000, 23(10): 475-483.
DOI:10.1016/S0166-2236(00)01633-7 |
| [15] |
武侠, 钟楚鹏, 丁玉珑, 等. 利用时频分析研究非相位锁定脑电活动[J]. 心理科学进展, 2018, 26(8): 1349-1364. WU Xia, ZHONG Chu-peng, DING Yu-long, et al. Application of Time-frequency Analysis in Investigating Non-phase Locked Components of EEG[J]. Advances in Psychological Science, 2018, 26(8): 1349-1364. |
| [16] |
WOODRUFF C C, BARBERA D, OEPEN R V. Task-related Dissociation of EEG β Enhancement and Suppression[J].
International Journal of Psychophysiology, 2016, 99: 18-23.
DOI:10.1016/j.ijpsycho.2015.11.005 |
| [17] |
朱佳俊, 林挺宇, 张恒运, 等. 脑电波分析及处理综述[J]. 智能计算机与应用, 2021, 11(2): 123-128. ZHU Jia-jun, LIN Ting-yu, ZHANG Heng-yun, et al. Review of EEG Analysis and Processing[J]. Intelligent Computer and Applications, 2021, 11(2): 123-128. |
| [18] |
柴家发, 戚春华, 朱守林, 等. 草原公路长时程行车时驾驶人的脑电特征分析[J]. 科学技术与工程, 2018, 18(14): 263-268. CHAI Jia-fa, QI Chun-hua, ZHU Shou-lin, et al. Analysis of Electroencephalogram Characteristics of Motorists during Long Time Driving on Grassland Highway[J]. Science Technology and Engineering, 2018, 18(14): 263-268. |
| [19] |
王琳虹. 高速公路景观色彩对驾驶人脑电α/β值的影响[J]. 华南理工大学学报(自然科学版), 2016, 44(12): 61-66, 73. WANG Lin-hong. Impacts of Roadside Landscape Color of Freeways on α/β Value of Driver's EEG Signal[J]. Journal of South China University of Technology (Natural Science Edition), 2016, 44(12): 61-66, 73. |
| [20] |
王琳虹, 李世武, 高振海. 公路景观色彩对驾驶员脑电δ波成分的影响[J]. 哈尔滨工业大学学报, 2016, 48(9): 35-40. WANG Lin-hong, LI Shi-wu, GAO Zhen-hai. The Impacts of Roadside Landscape Color on the δ Wave of Driver's EEG Signal[J]. Journal of Harbin Institute of Technology, 2016, 48(9): 35-40. |
| [21] |
王玉化, 朱守林, 戚春华, 等. 基于脑电信号的草原公路驾驶疲劳研究[J]. 科学技术与工程, 2014, 14(27): 286-290. WANG Yu-hua, ZHU Shou-lin, QI Chun-hua, et al. Research on the EEG of Driving Fatigue on Prairie Highway[J]. Science Technology and Engineering, 2014, 14(27): 286-290. |
| [22] |
SON D V, BLASIO F M, FOGARTY J S, et al. Frontal EEG Theta/Beta Ratio during Mind Wandering Episodes[J].
Biological Psychology, 2019, 140: 19-27.
DOI:10.1016/j.biopsycho.2018.11.003 |
| [23] |
胡理, 张治国. 脑电信号处理与特征提取[M]. 北京: 科学出版社, 2020. HU Li, ZHANG Zhi-guo. EEG Signal Processing and Feature Extraction[M]. Beijing: Science Publishing, 2020. |
2024, Vol. 41


, 





