摘 要

注意力是交通事故发生的主要因素之一。驾驶员注意力分散所导致的后果十分严重。近年来驾驶员注意力已成为研究热点。其中基于脑电的注意力研究方法和技术得到了广泛关注。本文以脑电信息为基础，开展了注意力的心理学实验，与调查问卷相结合，进行相关因素的分析，分析与驾驶员注意力相关的脑电时空活动特征。

本文的主要研究内容包括：

(1)调查问卷设计。通过查阅文献，以注意力多动缺陷量表为基础，设计了关于注意力的自评问卷。统计分析表明，该问卷的信度与结构效度均符合要求。

(2)利用心理学实验编程软件E-prime 3.0设计认知实验范式，包含警觉实验、定向实验与执行控制实验。记录被试反应时、错误率等信息，并采用脑电放大器，脑电帽等设备同步采集脑电数据。

(3)脑电数据的分析。应用脑电分析处理软件BrainVision Analyzer 对20名被试的脑电数据进处理分析，通过去除眼电，伪迹、滤波等将原始脑电信号转化为事件相关电位，得出与注意的三个认知过程相关的量化指标。

(4)与模拟驾驶实验相结合，进行行为学数据与脑电数据的分析。将被试进行分组，提取与注意力相关的脑波波形。评估被试在驾驶行为时的注意力程度。

结果表明：三个实验范式均诱发了N1、P2、P3成分。从脑电地形图可知，均激活了同样的脑区。在前期认知阶段，注意力资源分配上小概率刺激任务要大于大概率刺激，但是在中后期加工处理阶段，注意力资源分配大概率刺激任务要大于小概率刺激任务。并且随着实验难度的上升，这一趋势愈加明显。模拟驾驶实验的错误次数可以作为评估驾驶员注意力水平的一个指标。

关键词：驾驶员注意力，心理学实验范式，脑电信号，事件相关电位

Abstract

Attention has always been a major factor in traffic accidents. The consequences of driver distraction are very serious. In recent years, the research on driver#39;s attention has become a key topic. Among these researches, the methods and technologies based on electroencephalogram (EEG). In this paper, based on the EEG information, the attention psychology experimental paradigm was developed. The related indicators were analyzed combined with the questionnaire investigation. The spatial and temporal EEG characteristics related with attention of the drivers were analysed. Following are the main contents of this paper.

(1) Questionnaire design. Based on the Attention Hyperactivity Deficit Scale (ADHD) and literature review, a self-assessment questionnaire on attention was designed. Statistical analysis indicated that the reliability and structural validity of the questionnaire meet the requirements.

(2) The cognitive experiment paradigm was designed by using the psychological experimental programming software E-prime 3.0, which included alertness experiment, directional experiment and executive control experiment. The response time and error rate of the subjects were recorded, and EEG data were collected synchronously by EEG amplifier and EEG cap.

(3) Analysis of EEG data. Brain Vision Analyzer was used to process and analyze the EEG data of 20 subjects. The original EEG signals were transformed into event-related potentials by removing the electro-ophthalmogram, artifacts and filtering, and the quantitative indicators related with the three cognitive processes of attention were obtained.

(4) Combined with the simulation driving experiment, the behavioral data and EEG data were analyzed. The subjects were grouped and the attention-related brain EEG waves were extracted. The attention level of the subjects in driving behavior was evaluated.

The results indicated that N1, P2 and P3 components were induced in all three experimental paradigms. The same brain regions were activated by topographic maps. In the early cognitive stage, the small probability stimulus task required more attention resources than the large probability stimulus task. In the middle and late processing stage, the large probability stimulus task required more attention resources than the small probability stimulus task. And with the increasing difficulty of the experiment, this trend became more obvious. The number of errors in the simulation driving experiment can be used as an index to evaluate the driver#39;s attention level.

Key Words：Driver#39;s attention，Psychological experimental paradigm，Event-related potential，Electroencephalogram

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 基于生理指标的注意力检测系统 2

1.2.2基于外部因素的注意力预警系统 3

1.3 研究内容与技术路线 4

1.3.1研究内容 4

1.3.2 技术路线 5

第2章 调查问卷的设计 6

2.1 问卷设计依据 6

2.2 问卷内容及评分标准 6

2.3 被试说明及问卷结果 7

2.3.1 被试情况 7

2.3.2 问卷结果 9

2.4 本章小结 9

第3章 脑电实验设计与数据获取 10

3.1 实验装置说明 10

3.1.1实验装置与材料 10

3.1.2 实验环境 12

3.2实验内容简介 12

3.2.1 警觉实验范式 13

3.2.2 定向实验范式 14

3.2.3 执行控制实验范式 16

3.3 实验结果 18

3.3.1 行为数据结果 18

3.3.2 脑电数据结果 19

3.4 本章小结 19

第4章 数据处理与分析 20

4.1 数据处理与脑电知识概念 20

4.1.1 行为数据处理 20

4.1.2 脑电数据处理 22

4.1.3 脑电相关概念 25

4.2 行为数据的分析 27

4.2.1 大小刺激对正确率及反应时间的影响 27

4.2.2 不同ISI(SOA)对正确率及反应时间的影响 28

4.3 脑电数据分析 29

4.4 驾驶数据的结合分析 31

4.4.1 模拟驾驶实验相关说明 32

4.4.2 错误统计及分组 32

4.4.3 驾驶数据与行为数据相关性分析 34

4.4.4 不同分组下的ERP分析 35

4.5 本章小结 40

第5章 结论及展望 41

5.1 结论 41

5.2 展望 42

参考文献 43

致谢 45

第1章 绪论

1.1研究背景及意义

随着汽车制造技术的创新和我国经济水平的不断提升，我国已经成为全球第一的汽车产销大国。汽车行业经历了高速增长-爆发-新常态平稳增长过程^[1]。截止到2018年12月，我国汽车保有量达3.25亿，与2017年底相比增加1556万辆；其中8个城市达300万辆以上。全国机动车驾驶人达4.07亿人，与2017年底相比增加2236万人，男性驾驶人占70.7%，女性驾驶人占29.3%。机动车数量如此庞大，行车安全便成为重要关注内容。

近年来，我国每年平均有十万人因交通事故失去生命，即平均每天就有三百多人因车祸而丧生。交通事故死亡率约占全球的15%，是交通事故多发国家之一，因汽车增长导致的事故越来越受重视。据交通部门数据统计显示，30%以上的事故是由于驾驶员注意力不集中引起的，在严重交通事故中驾驶员注意力不集中的因素更是达到70%以上^[2]。驾驶员的各种注意力不集中的状态，如开车打电话、看手机、左顾右盼、分心、抽烟、瞌睡等都有可能导致交通事故的发生^[3]。驾驶员在行车过程中需保持高度警觉和注意，如何通过技术手段有效预防注意力不集中事件的发生成了一个亟待解决的关键问题。

目前对驾驶注意力的研究成果可归纳为3类：

1. 注意力测量技术的研究。如Go-pher等基于双耳分听的技术提出的听觉注意力检测方法，布洛克和李百川等对驾驶视觉注意力检测编制的注意力测量表，眼动追踪技术^[4]等。
2. 驾驶员注意力品质及影响因素的研究^[5]。很多因素，诸如驾驶员年龄、性别、驾龄、驾驶习惯等都与注意力品质有关。
3. 注意力品质与驾驶安全相关性分析。注意力品质和驾驶安全相关性分析表明，在交通事故发生时驾驶员的注意状态因素(注意力广度与注意力选择性、稳定性)与正常驾驶状态下的注意力相关因素存在显著差异^[6]。

注意是心理活动对一定对象的指向和集中，是伴随着感觉、知觉、思维、想象、记忆等心理过程的一种共同的心理特征^[7]。注意的两个基本特征，一个是指向性，是指心理活动有选择的反映一些现象而离开其余对象。二是集中性，是指心理活动停留在被选择对象上的强度或紧张。指向性表现为对出现在同一时间的许多刺激的选择；集中性表现为对干扰刺激的抑制。它的产生及其范围和持续时间取决于外部刺激的特点和人的主观因素。心理学上将注意力分为两类：有意注意与无意注意。无意注意(又称不随意注意)，是指没有预定目地，不需要意志努力地，不由自主地对一定事物所产生的注意。比如在图书馆正在看书时听到某人突然讲话，抬头起来看了一眼即为无意注意，一般强度较大的、对比性鲜明的刺激容易引发无意注意现象。有意注意在无意注意的基础上上产生，为人所特有的一种现象。基本表现为人主观，积极地去注意某些事物或者完成某项任务，比如工作或者学习。注意力水平较差的人对有意注意的深度广度与时长都要比较弱，驾驶员的驾驶行为即为一种有意注意行为。对于驾驶这一时刻需要保持高度警觉和注意的行为来说，驾驶员在驾驶时需要对前方车辆、道路坡度、路面平整度、汽车仪表盘显示数据、光线强弱、前方标志等路况信息^[8]进行注意，从而完成一次正常的驾驶过程。为了保证行车安全，对于左顾右盼、瞌睡、打手机等导致的分心行为需要极力避免的。

注意力作为驾驶安全的影响因素主要为视觉分心及认知分心^[9]。视觉分心的检测指标相对单一，但基于视觉检测的注意力预警系统为目前应用最为广泛的。与视觉分心不同，认知分心在监测上更具挑战，因为认知分心主要发生在大脑中，没有明显的外部特征如头部、视线偏离等，但它能显著降低驾驶员对于突发事件的响应速度。驶员注意力监测主要应用5 类指标,即主观评价、眼动信息、驾驶绩效、生理信号和将前述4 种中的若干指标相结合的混合指标^[10]。主观评价可以较为直接的反应驾驶员注意力程度，但是难以量化，需要加以处理再进行分析。生理指标如脑电波(Electroencephalogram ,EEG)、心率等，因为测量仪器庞大，难以实际应用，目前也仅处于实验室阶段。许多研究将生理指标作为分心监测的验证手段。

1.2 国内外研究现状

针对驾驶员注意力问题国内外学者做过许多研究，目前实际应用的也不在少数，主要分为两类，下面就相关研究做一个具体说明。

1.2.1 基于生理指标的注意力检测系统

近几年，随着科学技术的进步和汽车工业的发展，应用于汽车上的行驶安全辅助系统也多种多样，其中关于注意力辅助检测系统也多种多样，其中主要作为评价注意力的检测指标为生理指标。

1. 生理指标的作为评价标准主要是通过驾驶员穿戴医疗检测设备进行驾驶实验所得，其作为实车驾驶时的评价应用基本不多。基本处于实验阶段。主要为穿戴EEG，眼电图(Electro-oculogram,EOG)和心电图(Electrocardiogram，ECG)监测设备进行测量获取驾驶员的脑电数据，眼动数据，心率等指标进行评价。实验表明当驾驶员进行转向，制动，加速超车等驾驶行为时，这些指标都将发生显著变化，此外当驾驶员处于疲劳状态时，其心率显著降低^[11]。Nayak等^[12]发现，当驾驶员疲劳状态时，ECG高频成分急剧下降时，外部表现为注意力迅速下降。
2. Wongphannga等^[13]提出了一种基于Kinect深度图像的驾驶员疲劳预警系统模型，该系统可以监控驾驶员的注意力，并在驾驶员点头时发出警告。通过系列算法将运动深度图像转换成梯度图像来检测驾驶员面部，并应用识别性随机回归森林来获取头部旋转角度。灵敏度结果为93.75%。
3. 澳大利亚Seeingensp;Machines的公司开发的眼球追踪系统通过检查眨眼频率、眨眼时间、眨眼速度、眼睑行为的进行检测驾驶员注意力情况进行报警^[14]。
4. 国内唯一商业化的疲劳预警系统gogo850^[15]。其原理和丰田十三代皇冠标配的瞌睡报警系统类似，主要检测指标为驾驶员眼部开合情况，当驾驶员疲劳时，疲劳驾驶预警系统采集信号并传送到报警装置，警报装置进行报警，提醒驾驶员需要提高注意力，并且提醒无效时，将信号传输到车载电脑，判断汽车行驶状况与路面状况发出指令，控制自动控制刹车系统，使汽车根据路况实现紧急制动或缓慢制动。

1.2.2基于外部因素的注意力预警系统

此类注意力检测或者预警一般不是通过直接测量驾驶员在驾驶过程中的生理指标进行注意力检测，而是通过汽车行驶中的运动状态参数的变化或道路情况进行评估；不是直接针对注意力指标进行判定，而是通过驾驶员注意力不集中所造成的危险驾驶行为进行报警。其评价指标相对间接，不具有检测作用，只具有预警作用。

1. 泊车辅助系统(又称倒车影像)为目前应用最广的行驶安全辅助系统之一，它可以帮助驾驶员从后视角基本全方位的车距，并且对危险车距发出警报，可有效减少因驾驶员驾驶水平欠缺或注意不集中导致的主观认知不足引发的行车事故。
2. 日本的ASV(Advanced Safety Vehicle)计划主要研究开发了车辆危险状态监测系统、车辆夜间行驶探测系统、车辆危险警告系统等^[16]。欧洲PreVent项目^[17]利用全球定位系统(Global Positioning System, GPS)定位技术确定当前行驶车辆的基本信息，如坐标位置、瞬时速度、方向等，并且通过地理信息系统(Geographic Information System，GIS)获取前方道路信息，及时提示驾驶员减速，从而保证车辆行驶过程中的安全。
3. 方向盘监视装置 ( Steering Attention Monitor， SAM)用于检测方向盘非正常运动的传感器，当方向盘超过4s未运动即可发出报警，判定驾驶员分心或疲劳驾驶^[18]。
4. 道路安全标志和振荡标线。通过在行驶道路上安置道路安全标识，从视觉上提示驾驶员按交通规则行驶，可以有效提高驾驶员注意力。振荡标线(又称噪音标线)，其广泛应用于高速道路标线与人行横道。因其外形呈凹凸型，车辆经过标线时会有“轰隆”声，可以提醒驾驶员注意当前路况。

总体而言，关于驾驶员注意力生理指标的评价在实际行车中还不成熟，多数处于试验阶段。由于主观指标的个体差异和研究的不完备，而且由于测量仪器的尺寸及结构问题目前也不便实车应用。实际应用的注意力预警系统多为疲劳预警，只是驾驶员注意力不集中的一个方面，对于打电话、玩手机、左顾右盼、抽烟等导致注意力不集中的行为而设计的检测系统也比较少。应用的多为间接提醒驾驶员注意力集中的标志或标识。

1.3 研究内容与技术路线

1.3.1研究内容

本文主要将在国内外研究学者工程师和调查问卷等方面进行具体分析，以驾驶员注意力评估为目的，进行问卷调查，设计脑电实验，分析问卷数据和脑电数据，提取与驾驶员注意力相关的指标，分析其可靠性及准确性；对影响驾驶员注意力相关指标做具体研究，探究各指标的具体影响程度，为驾驶员注意力评估及预警提供参考和依据。主要工作内容如下：

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：