基于EEG的船舶驾驶员疲劳程度识别.pdf
《基于EEG的船舶驾驶员疲劳程度识别.pdf》由会员分享,可在线阅读,更多相关《基于EEG的船舶驾驶员疲劳程度识别.pdf(7页珍藏版)》请在咨信网上搜索。
1、LI C H,FU Y H.EEG-based identification of deck officer fatigtation of China,2023,46(3):22-28.(in C h in e s e)引用格式:李程浩,付玉慧.基于EEG的船舶驾驶员疲劳程度识别J.中国航海,2 0 2 3,46(3):2 2-2 8.文章编号:10 0 04653(2023)03-0022-07Sep.2023NAVIGATIONOFCHINA2023年9 月Vol.46.No.3第46 卷第3 期中海国航基于EEG的船舶驾驶员疲劳程度识别李程浩,付玉慧(大连海事大学航海学院,辽宁大连116
2、 0 2 6)摘要:大约8 0%的水上交通事故涉及人为因素,驾驶员疲劳是船舶交通事故发生的关键原因之一。近年来,基于脑电图(Electroencephalogram,EEG)的驾驶员疲劳检测技术的发展,有助于快速准确地识别驾驶员的疲劳程度。然而,由于EEG信号的敏感性和个体差异,影响驾驶员疲劳检测的准确性。该试验在船舶模拟器中进行,收集多个受试者的脑电信号。选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理,并提取基于EEG的多种特征,例如平均绝对值(MeanAbsoluteValue,M A V)、标准差(StandardDeviation,SD)、均方根(RootMeanSquare,R
3、M S)和香农熵(Shannon Entropy,SE)。基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale,KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度。将多种分类算法的分类准确率进行比较,双向长短期记忆网络(Bi-LongShortTermMemory,Bi-LST M)分类器效果最佳,分类准确率达到8 8.6 3%。结果表明:该方法在研究船舶驾驶员跨个体的三分类问题中能获得显著的效果。关键词:船舶驾驶员;脑电图;疲劳程度;特征提取;卡罗林斯卡嗜睡量;分类算法中图分类号:U698文献标志码:AD01:10.3969/j.issn.1000 4653.20
4、23.03.004EEG-based identification of deck officer fatigueLI Chenghao,FUYuhui(Navigation College,Dalian Maritime University,Dalian 116026,China)Abstract:About 80%of water traffic accidents involve human factors,and deck officer fatigue is one of the critical causesof ship traffic accidents.On road,th
5、e development of driver fatigue detection technology based on EEG(Electroencephalogram)has been helpful in quick and accurately identifying the degree of driver fatigue.However,theaccuracy of EEC-based driver fatigue detection is affected by the sensitivity of EEG signal and individual differences.F
6、orresearch,EEG signals of several examinees is collected during a ship simulation training.The EEG signals in threechannels of the prefrontal lobe related to fatigue are processed.Various EEG signal features such as MAV(Mean AbsoluteValue),SD(Standard Deviation),RMS(Root Mean Square),and SE(Shannon
7、Entropy)are extracted.Based on theKSS(Karolinska Sleepiness Scale),deck officer fatigue is classified into three levels:“alert,“middle,and“fatigue.The fatigue levels of the examinees are discriminated with different classification algorithms and the results are compared.The comparison shows that Bi-
8、LSTM(Bi-Lo n g Sh o r t T e r m M e mo r y)h a s t h e b e s t p e r f o r ma n c e w i t h t h e c l a s s i f i c a t i o naccuracy of 88.63%.The current study demonstrates the power of this method in studying the individual-insensitive three-class classification problem.Key words:deck officer;EEG
9、;fatigue degree;feature extraction;KSS;classification algorithm据学者统计的9 8 起船舶事故,其中2 3%是由于驾驶员疲劳造成的。船员在复杂的环境中工作,精神处于紧张状态,沉重的心理负荷容易产生大脑疲劳;驾驶员长时间在单调的大洋中驾驶船舶,工作简单重复也可能引起大脑疲劳2。目前,“疲劳引起的人为失误是造成水上交通事故的原因之一”已成为共识。国际海事组织(InternationalMaritimeOrganization,IM O)对船员疲劳的问题进行了大量收稿日期:2 0 2 2-0 3-14作者简介:李程浩(19 9 8 一),
10、男,硕士研究生,研究方向为航运安全。E-mail:12 7 2 50 1352 q q.c o m通信作者:付玉慧(19 6 3一),男,教授,研究方向为海上事故调查与分析。E-mail:f u y h u i a l i y u n.c o m李程浩,等:基于EEG的船舶驾驶员疲劳程度识别23的管理工作。19 9 5年海员培训、发证和值班(Sea-farers Training,Ce r t i f i c a t i o n a n d W a t c h k e e p i n g,STCW规则修正案也明确规定了海员的工作和休息时间。船员疲劳仍然是一个严重的问题。19 8 9 年,“Ex
11、xonValdez”号搁浅,416 4万L的原油流人海洋中,事故发生后,美国海岸警卫队委托进行一项研究发现:疲劳是造成16%的重大船舶伤亡和33%的人员受伤的一个因素。2 0 0 3年,货船“Jambo”号搁浅,当时大副在舰桥上睡着了,错过了一个关键的航路点。2 0 11年,“EagleOtoma”号碰撞的部分原因是驾驶员的疲劳,“他的阻塞性睡眠呼吸暂停未经治疗,再加上他的工作安排不允许充足的睡眠”。2 0 2 1年7月13日,“新谷333”轮触碰桥墩,事故直接经济损失初步统计为9 9 0 万元,经调查认定,这是一起单方责任事故,该轮二副疲劳驾驶船舶,未保持正规瞭望和及时打舵,导致船舶触碰桥梁
12、,是事故发生的直接原因。水上交通事故往往伴随着巨大的人员伤亡和财产损失,因此,从驾驶员操作疲劳的角度研究人为失误具有重要意义。一种在脑电图(Electroencephalogram,EEG)信号中提取船舶驾驶员疲劳特征、并基于机器学习自动判别驾驶员处于何种程度疲劳的方法可提醒船长立即更换疲劳的驾驶员,以避免航行过程中潜在安全风险。该方法相对于传统基于事故报告的疲劳研究具有客观性、准确性和时效性的优点。1相关研究常见的疲劳检测的方式有:基于视频监控的机器视觉;EEG、心电图和眼电图等生理特征;方向盘转动、行驶偏离等船舶行为。利用脑电信号进行疲劳检测,信号处理时间短,准确性高,能在驾驶员即将出现失
13、误前起到警示作用,及时采取应对措施。但这类研究在道路驾驶和航空方向居多。王斐等3将EEG识别与车辆操纵特性相结合来检测驾驶员的疲劳状态,利用小波变换和共空间模式算法对EEG信号进行特征提取,并选择支持向量机(Su p p o r t Ve c t o r M a c h i n e s,SVM)对信号进行分类,分类准确率可达9 4.2 6%。GAO等4提出分别计算清醒状态和疲劳状态下的小波熵,发现小波熵对基于EEG的疲劳驾驶分类精度具有可接受的性能。HU等5研究了脑电信号通道组合对疲劳检测的影响,并采用随机森林、决策树和K-最近邻等3种分类器对驾驶疲劳进行分类。相关研究基于清醒和疲劳两种标签,
14、讨论了多种特征、多种EEG通道组合和不同分类算法的应用,有着较高的分类准确率,随着分类数目的增加准确率也随之下降。船舶驾驶员相对工作种类较多,不同程度的疲劳可进行不同的操作,多分类在船舶驾驶员疲劳程度识别中有着重要意义。海上由于噪声高、EEG信号收集困难等原因研究较少,疲劳试验要求受试者在试验过程中维持一段时间的疲劳状态,试验安全性亦需考虑。MONTEIRO等6 使用EGG能量信息来监测海上作业人员的精神疲劳发展,在船舶模拟器中进行试验,并提出一种算法,将得出的结果分类为5个疲劳等级。FAN等7 研究在海上作业时前额叶皮层的作用和功能。王晓花8 通过建立以睡眠剥夺、噪声暴露和晕船等作为航海疲劳
15、主要应激源的动物模型,观察航海疲劳主要影响因素复合作用下大鼠的EGG特征,但相关研究样本量较少,在跨个体的任务中表现不稳定。综上所述,设计更多参与者的船舶驾驶模拟试验,选取有效特征和算法提高基于EEG信号的疲劳程度识别效率具有重要意义。该研究在跨船舶驾驶员个体的疲劳三分类任务中有着较好的表现,从而向现实场景下的船舶驾驶疲劳检测迈近了一步。2数据2.1EEG信号采集目前的研究在一个真实的船舶模拟器上收集执行驾驶任务的受试者的EEG信号。试验招募了2 1名2 0 2 6 岁男性受试者作为研究对象,均主修航海技术专业且已学习船舶操纵课程。试验前,确保所有受试者在前一天晚上没有熬夜行为且对试验方案明确
16、理解。试验设备采用EMOTIV公司EPOC-Flex脑电信号收集设备,其通过32 个通道高密度覆盖头皮,且可利用移动设备无线连接,船舶模拟器疲劳程度评估系统见图1疲劳识别疲劳疲劳识别性”清积极反馈警告反馈EEG数据EEG数据图1船舶模拟器疲劳程度评估系统Fig.1Ship simulator fatigue assessment system中国第46 卷第3期海航24IMO疲劳因素工作组曾经在波罗的海对6 万名船员进行过疲劳程度的专门调查,2 4h内各个时段船员的疲劳程度见图2 9。船员在夜间和午间的疲劳程度较高,为使受试者在试验时能更快地进入疲劳状态,所有受试者都被要求在上午进行连续4h的
17、学习任务,午饭后(12:0 0 13:30)参加9 0 min的固定航线的持续注意驾驶试验。在测试中0 min、45min和9 0 min分别记录各受试者的卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale,KSs)10)1.51.00.50135711 13 15 17 19 21 23时段/h图2全天各时段船员疲劳程度Fig.2 Fatigue levels of crew members throughoutthe day at different time periods2.2EEG信号处理2.2.1疲劳程度划分在大多数疲劳检测研究中,第一个窗口和最后一个窗口的数
18、据分别代表最警惕和疲劳状态。然而,这些研究中隐含的驾驶疲劳程度随时间呈线性增长的假设忽略了个体间疲劳感知的巨大差异。事实上,受试者在持续指令的刺激下,注意力可能会逐渐恢复,最疲劳的状态并不一定是在最后一刻出现的。与之前的研究不同的是,在遵循疲劳随时间增加的规律的前提下,基于第2.1节记录的3个时刻的KSS,将所有受试者的KSS 划分至清醒、中性和疲劳等3个等级,这也作为后续分类算法的标签。该方法考虑了驾驶员真实的疲劳感受,即采用了一种主观的方法辅助进行标签划分见表1。2.2.2EEG信号预处理原始EEG信号信噪比低、有非稳定性特点,往往包含各种伪迹,这些伪迹会对识别结果的准确率造成很大影响。因
19、此,对EEG信号进行预处理是必要的。据研究发现,使用位于无毛发覆盖(NoHairBearing,NH B)区域的3个脑电通道对可获得最佳的分类性能。额叶前区在人们睡眠以外的时间持续工作,当其疲劳的时候会发出休息的请求7。因此,该区域驾驶疲劳检出率高,对不同被试的疲劳分类具有良好的泛化性。试验选择位于额叶前区的FP1、FP2 和额叶与顶叶之间的FZ通道,见图3。采用带通滤波,将EEG信号频域过滤至1 40Hz,以去除低频直流漂移和50 Hz工频信号噪声。表1KSS表及疲劳程度划分Tab.1The KSS and fatigue level classification文字描述疲劳程度1极度清醒2
20、很清醒清醒3清醒4较清醒5既不清醒也不困中性6稍微有点困7困了,但能保持清醒8困了,尽量保持清醒9很困,很难保持清醒疲劳10已睡着将与眼电图高度相关的成分剔除。对EEG信号进行分割和基线校正,保留开始、中间和结束时段各3min的EEC信号。以上的预处理步骤均在EECLAB工具箱中进行。FZNHB区域FP1FP2图3NHB区域和EEG通道Fig.3NHB region and EEG channels2.2.3EEG信号分割试验采样率为50 0 Hz,各时段采样时间均为3min。为实时监测受试者疲劳程度,采用1.8 s的间隔时间窗口将3个通道的EEG信号分割为不同的样本,即2 1310 0 个(
21、2 1个受试者、3个时间段和100个时间窗口)样本,每个样本表示为39 0 0(3个通道、每个通道包含9 0 0 个采样点)的矩阵。随后,随机抽取18 组数据作为训练集,其余3组作为测试集。其中:训练集包含540 0 个样本;测试集包含9 0 0 个样本。3方法3.1特征提取EEG可视为非平稳时间序列。离散小波变换(D i s c r e t e W a v e l e t T r a n s f o r m,T p w)通过尺度变换对EEG信号进行时间频域局部化和多尺度细化,能较25李程浩,等:基于EEG的船舶驾驶员疲劳程度识别好地表达出序列中的突变和非平稳部分,是处理分析不规则信号的理想算
22、法之一。信号s(t)的Tpw定义为Tow(m,n)=-22mndt,j e Z;m E Z2i(1)式(1)中:山()为一个小波基本函数12;Tpw的核心就是利用了一系列的高通和低通滤波器分析不同频率的信号;n是过滤波的次数;m和j是尺度系数,m决定位置,j决定宽度和高度。图4中g和h分别为高通滤波器和低通滤波器。在该算法中,对于信号的第一级分解,结果D,和A,是s(t)经过hn和gn 后的输出,其中,A,在原始信号的频率上占主导地位。将每一层的逼近系数继续分解,这个过程重复执行4次,得到最终的子信号。EEG信号的5层小波分解算法结构见图4。gDXngnhngnhngnhngnhnhn图4EE
23、G信号的5层小波分解Fig.45-level wavelet decomposition of EEG signalsTpw利用“db5”小波函数将EEG信号分解为fs/4-fs/2、fs/8-fs/4、fs/16-fs/8、fs/32-fs/16 和fs/64f s/32 等6 种子信号,频段的主信号频率内容,第六个子信号As的频率范围为0 fs/64,其中,fs为50 0。每个子信号在不同程度上表征驾驶员当前的状态,例如波(8 13Hz)包含于Ds(7.8 15.6Hz)中。在睡眠研究中,EEG信号波的衰减被认为是进人睡眠最可靠的生理标志13。为研究各子信号变化与驾驶员疲劳之间的关系,提取
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 EEG 船舶 驾驶员 疲劳 程度 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。