驾驶员酒后状态脑电认知机理及计算模型研究

酒后驾车作为引发交通事故的重要原因之一，是近年来广受关注的热点，脑电认知研究可为其检测和干预提供可行思路并建立理论基础。现有研究在脑电信号处理和酒后状态识别方面成果众多，但缺乏将线性和非线性分析集成综合应用的技术，且尚无普遍适用于不同驾驶员的酒后状态数值定量化特征参数。本申请拟构建脑电综合实验平台采集驾驶员不同程度饮酒后的脑电，除扰并设计信号分解算法提取脑电中的共变及共不变成分，明确酒精对驾驶员脑电的共性影响范围，设计归一化算法加以处理使其具有规范化模式，研究一种融合EMD-HHT和自适应模糊熵的集成式脑电特征参数构造方法，以提取酒后脑电的数值特征，揭示驾驶员不同程度饮酒后的脑电变化规律，阐明酒后状态的脑电认知机理，并构建驾驶能力下降率和醉酒程度脑电模型。研究成果将为建立和完善具有我国自主知识产权的车辆安全技术提供理论指导和技术支撑，同时也可为交通安全法规的立法和执法参考依据提供科学补充。

酒后驾车是道路交通安全领域广受关注的顽固问题，新型测量参数和识别技术的探索可促进预警防治技术的发明。本项目招募了18位驾驶员开展酒后模拟驾驶和UK心理测试实验，测量了大脑各区域的脑电信号，完成了酒后驾的车脑电认知机理研究和交通事故倾向NAP预估建模。研究发现酒后状态常伴生着疲劳和情绪化，伴生状态诱发脑电的叠加耦合干扰会导致酒后诱发脑电测量数据失真。研究指明根据驾驶员左前额叶脑电25-40Hz、5-15Hz分量的模糊熵比值和左右前额叶脑电β波(14-30Hz)的功率关系可以判断疲劳和情绪化是否伴生。研究发现增加饮酒量并非必然导致驾驶员安全驾驶能力降低，存在一些驾驶员在适量饮酒后安全驾驶能力反而有所提高的现象，这与现实案例相符。研究指出血液酒精浓度BAC这种当前广泛用于酒后驾车问题范畴的参数在某些场合可能缺乏严谨，有必要探索新型参数。对比确定：左前额叶脑电是普遍存在于右手习惯驾驶员之间的易受酒精影响而呈现相似变化规律的共变脑电信号成分。这种共性规律表现为：随着饮酒量的增加，脑电呈现出越来越强的类周期变化规律，主要是0.5-4Hz的δ波主导；且脑电中低频和高频成分增加，波形复杂性增大。提出了一种酒精对大脑作用机理的解释：酒精一方面使大脑皮层神经细胞活动的随机性减小、放电有序性增加，导致大脑对外界信息的灵活应激能力减弱；另一方面使大脑的信息加工能力呈现出越来越明显的随机性和杂乱性，导致大脑的准确判断和决策能力降低。从类周期角度，定义了规范化δ波功率增益NPG作为驾驶员酒后脑电的线性特征参数。研究表明NPG在各驾驶员整个0-SMAD饮酒区间与NAP都具有一致增减特性，这是BAC不具备的特性，因此认为NPG相比于BAC是一种更为严谨的参数。从脑电复杂性角度，定义了模糊熵作为驾驶员酒后脑电的非线性特征参数，除满足与NAP的一致增减特性外，其与NAP的平均相关系数达0.76。最后设计了一种混合型Sigma-Pi模糊神经网络实现这两种参数与NAP间的映射预估模型，并验证了其有效性和准确性。此外，发展了UK测试应用于驾驶员酒后NAP预估的相关理论。研究表明：随着饮酒量增加，驾驶员UK作业量曲线逐渐从未饮酒时的定型特征转向非定型特征，平均作业错误率增大。据此定义UK作业偏离指标并给出一种算法体系，验明作业偏离指标与NAP的平均相关系数为0.71。最后编制了相关测试分析软件供应用推广。