草原公路人机系统主要是由人、车、路以及环境4个要素组成的一个动态综合体系，其间相互协调、相互配合是保障行车安全的基础。其中交通工程设施与驾驶员主体之间的信息交互研究对系统协作有重要意义，是道路安全的决定性因素。且草原地区具有公路线形单一、路域景观单调等特点，长期单调乏味的行车环境引起驾驶员心生理疲劳造成信息认知失调、判断决策失误进而造成道路交通安全隐患。因此时间累积效应下交通标志与驾驶员间的信息交互量的变化分析尤为重要，既可以在现有交通标志设计统一规范的基础上针对草原公路特点制订更加详细、科学的标准，在长途驾驶过程中对驾驶员起到及时警醒、有效认知作用，保障行车安全，又对草原公路“信息-人脑”研究搭建技术桥梁，乃至智能交通纵深拓展研究有深远意义。

伴随着脑电处理技术的飞速进步，学科交叉逐渐深化，交通系统与人工智能进一步结合。脑电分析技术主要应用于长时间行车造成的驾驶疲劳及其恢复和驾驶环境或驾驶员驾驶行为对脑电信号的影响研究。脑电与其他心生理指标多特征融合应用于驾驶状态检测模型提高稳定性和正确率：徐军莉^[1]将脑电特征和眼睛的扫视长度进行融合, 利用KNN算法建立基于融合特征的疲劳检测模型；Zhou^[2]通过利用驾驶员生理特征建立疲劳预测模型，进一步推算了高度自动化驾驶条件下生理疲劳的变化过程；赵剑^[3]采用小波包分解与重构算法解构了4种典型脑电节律波, 研究了脑电节律波频带能量比和车辆状态的样本熵值之间的关联性，拟定了结合EEG与车辆运动信息的驾驶疲劳检测方法。脑电采集分析与数理算法的深度结合成为信息处理、量化的进步手段，如许立伟^[4]基于近红外光谱、小波相干性及相位相干性等理论基础建立了功能、效应连接与有向图论的脑网络模型；闵建亮^[5]提出基于脑电(EEG)信号的各个尺度小波对数能量熵的身心理疲劳检测方法，得到以MWLE为基础的前额EEG疲劳识别理论平均正确率达91.8%。此外，基于驾驶员认知特性的交通工程设施信息量也已有部分研究。吕能超^[6]通过静态环境试验，分析不同信息负荷等级的交通标志对司机认知和反应时间的影响规律, 结合主观负荷评价验证交通标志信息量对负荷加载的有效性。赵谦^[7]结合草原公路交通标志现状，利用雷诺六自由度实车模拟驾驶系统发现交通标志信息量对驾驶员脑电信号有显著影响，且经验组相较于非经验组获取更多的是有效信息。Becerra^[8]提出了一种新的基于机器学习技术模式识别特征选择模型GALoRIS，结合遗传算法和Logistic回归建立了一个新的适应度函数，用来识别和选择有助于识别高认知负荷和低认知负荷的关键脑电信号特征，并构造了一个能够优化模型预测过程的新数据集。LV^[9]通过模拟静态试验分析驾驶员在复杂环境区域认知工作负载下的行为和表现来评估交通安全，结果表明，工作量与交通标志信息量高度相关，反应时间随信息等级增加而增加，驾驶经验和性别效应不显著。卢国英^[10]结合事件相关电位(ERPs)处理技术和EEG时频分析方法，验证交通标志语义一致性和情绪唤醒的客观评价指标，把驾驶员行为与神经科学建立了联系。

国内外学者在应用脑电分析技术完善道路条件，优化信息量设置方面已有可观成果，为进一步探究信息量与时间耦合关系提供了理论依据。但上述研究大部分基于模拟驾驶进行试验，而实驾与模拟试验之间，生理信号变化、驾驶疲劳度以及心生理压力等指标存在差异^[11]。且结合时间累积效应开展的信息量变化导致脑电信号波动的研究尚处于研究初期，驾驶负荷关键影响要素的判定及行车时间与信息认知的耦合关系缺乏有力论证，草原公路人-机-环境系统还需进一步完善。鉴于此，进行草原公路实地驾驶试验并实时采集驾驶员的脑电信号，对不同信息量水平以及时间累积效应耦合影响下的EEG数据进行分析研究，以期针对草原地区实际需求为交通标志的合理设计和设置提供理论支撑，为智能交通多模态系统的发展奠定研究基础。

为了保证数据能够真实反映行车过程中驾驶员的脑电指标变化，采用实驾试验。据调查，长途驾驶员多为30~50岁男性司机^[12]，为使试验更具广泛代表性，试验最终选取10名年龄为29~51(平均年龄38.7岁)的驾驶员。为保障安全，被试矫正视力均为5.0以上，驾龄均在2年以上，对路况较为熟悉，均为普通私家车驾驶员，身体健康，有法定的驾驶执照，满足试验需求。试验前一晚睡眠充足，试验前一小时不抽烟，不进行对待测量指标影响较大的活动。

试验路段选取具有典型草原道路特征的，位于内蒙古锡林浩特市境内的省道S101赛罕塔拉—满都拉图段，如表 1所示，该路段道路线形单一，半荒漠化较严重，色彩单一，视野开阔，路侧景观乏味，道路设备相对完善，且长度、宽度、车流量以及辅助设施均满足试验要求。

试验设备为MP150生理信号采集仪，配合Acqknowledge软件实时监测，保证试验数据有效性。为尽可能控制变量，选择天气相同的同一时间段以确保照度相似，驾驶同一车辆进行试验。试验开始前，驾驶员先行熟悉车辆环境，静坐至测量指标稳定后，启动车辆。为尽可能探究真实状况下交通工程设施对驾驶员的影响，在不超速、不违反交通规则的情况下对驾驶员不做过多限制，在自由状态下每次驾车行驶150 km，连续进行两次相同道路条件的行车，以便进行不同驾驶时长下处理相同信息量的脑电数据对比。试验过程中MP150持续实时采集驾驶员的脑电信息，并在经过研究路段一些特殊位置(起、终点、里程桩点) 以及特殊交通状况(超车、会车) 的时刻进行手动标记。同时，摄像机进行实况录像，记录草原公路沿线交通工程设施、路况条件以及行车情况，以便后续数据与任务时刻的精准对应和对特殊时段异常数据的筛除。行车过程中关闭其他无线设备并尽量避免交谈，保持安静。

胡立伟^[13]依据香农信息理论建立交通标志定量分析公式:

(1)

式中，H(X)为交通标志的信息量；X_i为事件X呈现的i状态；m为事件X出现的不同状态可能数；P(X_i)为X出现第i种状态的概率。

李航天^[14]采用几何平均法和层次分析法赋予了常见的草原公路交通工程设施9种元素以权重，如表 2所示。

综上，草原公路交通标志的有效信息量H(S)的计算公式为:

(2)

式中，ε_i为每种元素的权重；n_i为交通标志中含有该元素的数量。

对试验路段的交通工程设施信息量进行计算，选取5个分别属于不同信息量等级的典型标志，如表 3所示。

表 3 不同信息量等级交通标志 Tab. 3 Traffic signs with different information volume levels

交通标志
信息量/bits	0~10	10~20	20~30	30~40	40~50
信息等级	Z1	Z2	Z3	Z4	Z5

表选项

在驾驶经过5个交通标志点时利用Acqknowledge软件打上标记，以便后续对脑电数据准确截取分析。

Δ，θ，α和β波是根据频率进行区分的4种常见脑电信号，δ波和θ波一般是人脑活动不积极，沉睡或思考状态时出现的慢波；α波通常出现在人处于清醒或放松时；β波则在精神比较紧张或亢奋时出现，是一种快波^[15]，这4种波形及其各种组合常用于脑电信号的分析。赵婷^[16]用因子分析结合SPSS统计分析软件进行相关性分析，发现其中(α+θ)/β组合最能反映指标群整体与时间累积的关系; 而β频段功率与认知负荷、注意力集中度密切相关^[17]。因此，针对草原公路景观单调、城镇分散，需长时间驾驶的特点，结合试验中出现的具体问题，对驾驶员的脑电信号进行整体以及分组分析，选择β波、(θ+α)/β指标，来探究时间累积效应下交通工程设施不同信息量与EEG的关系。

草原地区城镇分布稀疏，长距离长时间行车成为常态。因而对时间累积效应下驾驶员脑电信号整体变化趋势中，在交通工程设施设置点，不同信息量致使脑电信号产生不同程度的波动进行分析研究成为进一步优化交通标志设计的必要基础。首先将脑电数据降噪，将实驾过程中驾驶员的脑电信号在遭遇会车、畜牧群，车内噪音等特殊情况时产生的异常波动过滤，以增强数据有效性。一般情况下脑电信号频率主要分布在0.25~40 Hz，采用MP150生理记录仪配套软件AcqKnowledge进行巴特沃斯低通滤波设置，过滤掉频率不符合的伪迹数据^[18]。为便于求取平均值、减少偶然性带来的数据误差，分别截取10名驾驶员有效驾驶时段单程75 min，两程共计150 min的脑电数据，在频域范围内处理分析，每5 min计算平均功率得到30个数据点，并在图中用圆形和三角形标注先后两程中Z1~Z5信息量水平交通标志的出现时段，显示驾驶员脑电整体变化趋势如下。

由图 1可知，在整个行车过程中，β波随时间累积整体呈现下降趋势，表明沿路缺乏有效的正刺激吸引驾驶员注意力，导致操作频率下降、警觉性降低。但有交通工程设施出现的时段β均会出现不同程度的上升，这是因为视觉刺激影响驾驶员的神经系统，大脑对认读内容作出反应，进行自我调节以处理、认知、判断信息。相对于信息量分散的其他路段而言，40~60 min和115~130 min时间范围内交通标志设置密集，驾驶员注意力集中，操作转换频率维持在较高水平，β平均功率稳定上升；但70 min及130 min时由于路段信息量减少，驾驶员放松警惕、精神涣散，导致β大幅下降。

图 1 β随时间变化规律 Fig. 1 β varying with time

图选项

图 2中(α+θ)/β在25 min开始上升，是驾驶员熟悉车辆道路环境后放松警惕，兴奋感和紧张度逐渐减弱进入倦怠期；在40~60 min信息量较高的路段精神状态有所缓解，指标在较低水平波动。但70~90 min由于道路信息量少、景观单调等因素组合波值持续升高，驾驶员进入疲劳状态，随后意识到精神委顿进行了主观、刻意的调整；连续途经几个标识标牌后在130 min再次出现持续上升的趋势，除去单调行车环境影响之外，大脑处理信息带来的疲劳感致使(α+θ)/β组合值在140 min达到峰值，尽管在一定程度内出现调整恢复现象，但调整能力下降，驾驶员耗费精力较大，大脑活动受到抑制，精神萎靡，不可逆的疲劳严重威胁行车安全。

图 2 (α+θ)/β随时间变化规律 Fig. 2 (α+θ)/β varying with time

图选项

截取各信息量水平交通标志前后15 s脑电信号，每隔1 s提取一个脑电数据，并取平均功率。利用SPSS26.0软件根据拉依达准则剔除环境影响造成的异常值，并求10名驾驶员2个指标的平均值，使用origin软件绘制多因子箱线图。将第1次途经交通标志时的脑电信号用黑色斜纹表示，第2次驾驶相同路段时则用红色无纹，以便对比不同行车时长下同一信息量标志对驾驶员脑电产生的不同影响。

如图 3所示，第1程中β波平均功率在2.09×10^―7~17.93×10^―7范围内变化，在Z1~Z3上升，Z4降低后在Z5水平又稍稍提高。Z3负荷等级β达到最大值，即在此信息量范围内驾驶员的注意力最为集中，可以专注于驾驶任务，处理信息效率最高；且由Z3水平β变化幅度最大可以判断，该交通标志对驾驶员提供了有效的正刺激，大脑迅速进入高警觉状态。相较之下，信息量较少或过载都会导致β值降低。

图 3 β平均功率 Fig. 3 Average β power

图选项

第2程变化趋势与第1程基本相同，变化范围为2.06×10^―7~11.87×10^―7，最大值远小于且整体低于第1程，说明相同信息量对驾驶员的刺激随时间增长而降低。β波平均功率在第2程的Z5负荷等级跌落至最低点且15 s内变化幅度微小，长时间长距离行车后驾驶员进入较为疲劳的状态，警觉性减弱，注意力较难集中，反应迟钝，此时遇到过载信息量，难以正确及时地对信息感知、判断进而决策操作。

图 4 (α+θ)/β组合平均值 Fig. 4 Average (α+θ)/β values

图选项

(α+θ)/β组合平均值第1程与第2程均随信息负荷水平增至Z3时下降到最低，而后在Z4~Z5出现上升趋势，在Z5到达峰值点。这说明驾驶员在Z3负荷水平下精神状态最好，警觉性较高，认读信息速度较快。

Z5水平下(α+θ)/β达到最高点，且相较于其他4个信息量水平第2程与第1程的差值最大，说明θ和α波带来的疲劳感盖过了β波对驾驶员的正面影响。另外，随驾车时间的累积，θ波和α波对驾驶员的影响明显增强，交通标志自信息量的传递强度难以抵御时间累积效应导致的精神涣散，驾驶员处理信息的能力下降。

另外，研究过程中发现Z1与Z2信息量水平下驾驶员脑电信号差别不大，且与预期规律较为不符，推测原因为收费站标志牌与其建筑物距离较近，对驾驶员造成一定程度的影响。后续将对交通标志牌附近景观、设施以及建筑物造成的影响进行进一步的研究。

为进一步验证信息量等级与时间耦合对驾驶员精神状态产生的影响，对两程行车过程中5个信息负荷水平的驾驶员2个脑电指标进行双因素方差分析。

由表 4可知，以β为因变量的双因素分析中，信息量主效应极为显著，不同信息负荷水平下β波有明显差异；虽然单独自变量时间对β平均功率的影响不显著，但时间与信息量交互作用的p值0.001影响极显著，即信息量水平的变化与时间耦合时，β值有显著性差异。对(α+θ)/β来说，不论是两个因变量信息量以及时间对脑电信号影响的主效应还是两者之间的交互效应，p值均小于0.05，对该组合波值有显著性影响。时间与信息量的交互作用在两个检验指标中都具有显著性，说明同一客观信息量受时间耦合效应影响，交通工程设施自信息量的传递与驾驶员认知到互信息量的接收强度有显著差异。

交互作用主要通过估算边际平均值图中的线图交叉反映，由图 5可知两线之间及其延长线有交点，即信息量与时间存在交互作用。且信息量处于Z2~Z4范围内时第1程与第2程估算边际平均值差值不大，说明受行车时间影响较小；到达Z5负荷水平时，估算边际平均值大幅上升且两程差异比较显著，驾驶时长对脑电指标在该信息量水平影响最为严重，即时间累积效应下驾驶员已经处于较为疲劳、精神涣散的状态，难以处理过载信息量，且在此信息水平下，驾驶员会在更短时间内达到负荷阈值，更易影响行车安全。

图 5 估算边际平均值 Fig. 5 Estimated marginal means

图选项

通过对草原公路实驾试验中10名被试的脑电数据进行分析，得到如下结论。

(1) 随驾驶时间增加β波平均功率整体呈下降，(α+θ)/β组合波值呈上升趋势。其中疲劳感通常在行车70 min和130 min时大幅上升, 与已有研究^[19-20]相符合。故建议在长行程草原公路每120 km处设立休息提示牌，或提高信息密度，以期为驾驶员提供正刺激，使其集中注意力。

(2) 通过对先后两段驾驶过程中不同信息量交通标志前后两个评价指标的箱型图分析，发现Z3(20~30 bits)信息负荷水平下驾驶员处理信息效率较高，能力较强且受时间累积效应影响较小。该合理阈值略低于以往研究^{[14, 21-22]}，这是由于在与时间耦合因素下，驾驶员的疲劳感上升，信息接受度随之出现一定程度的下降。信息量在Z5(40~50 bits)范围时，θ波和α波的作用远大于β波，且同一标志在不同时间对脑电变化影响显著大于其他信息水平。建议至少在每25 min驾驶时长即约50 km的草原公路段设置2处单个标志牌信息量在Z3(20~30 bits)范围且不超过Z5(40~50 bits)的交通工程设施。

(3) 双因素方差分析表明信息量、信息量和时间的交互作用对β平均功率及(α+θ)/β组合波值的影响具有显著性；时间对(α+θ)/β有显著影响，对β波不显著。这说明信息量认知程度受驾驶时间影响较大，建议针对草原公路特殊的长距离行车环境，交通工程设施设计考虑信息量随设施设置位置及驾驶员行车时间增长进行更加细致的优化，与常见规范区分开来。具体方案有待进一步研究。