宋子璇，白 雷，周小焕，滕 达

驾驶员在山区高速公路上行车时，以较高的速度经过急弯陡坡、视距不良、线形组合不当及长大下坡等路段，心理会出现不同程度的紧张，不仅会引起身体各种生理变化，也会增加驾驶过程中思维和情绪等需求造成的脑力负荷，驾驶员主观认知道路安全性降低；相反，路况条件良好时，驾驶员较为放松，负荷减小，驾驶员主观认知道路安全性升高。根据车辆特性，货车驾驶员对道路危险的感知性比小客车驾驶员的感知性高。因此可以用货车驾驶员负荷来评价山区道路主观安全性。驾驶员负荷包括生理负荷和脑力负荷。

在研究人的心理、生理变化时，采用6种主要的生理反应（心率、血压、血容量、皮肤电位、肌电及脑电波）和5种次要的生理变化（呼吸、体温、唾液、瞳孔及胃动）［1］。生理测量是一种客观的实时性的负荷衡量方法，主观评定方法采用内省的方式评定脑力负荷，将操作者脑力负荷同思维和情绪等建立联系，并准确地表达出来。典型的3种脑力负荷量表为主观负荷评价技术（SWAT）量表、NASA－TLX 量表和库柏 － 哈柏修正法（MCH）量表。姚永杰［2］以 NASA－TLX 量表代表飞行员脑力负荷的主观评定方法对飞行作业项目进行了过程排序、质的分类和量的评估。

结合生理学知识和国内、外研究发现，心率、脉搏和血压是密切相关的3个生理参数，脑电波是一种微弱的电波，在实验过程中易受到其他一些干扰因素的影响而失真。呼吸、皮电及肌电因受外界影响较大，通常作为附属指标选取。眼动行为也能很好地反映人的紧张程度。脑力负荷3种方法中，NASA－TLX 负荷量表在航空和工程等领域中应用广泛，能更细致地表达驾驶员的主观负荷，且更便于驾驶员完成。因此选择心率和眼动行为以及TLX能客观、直接、方便地测量山区高速公路货车驾驶员在山区高速公路驾驶过程的生理负荷和脑力负荷指标。

1 实验设计

实验路段为云南某山区高速公路，长度10km，双向六车道，沥青混凝土路面，铺装质量良好，标线清晰，大车限速60km／h。实验车辆为当地常见事故多发车辆—重型厢式货车，正常载重。实验人员为身体健康、视力正常、休息良好且经验丰富的男性货车驾驶员。

实验过程中，通过心率表、眼动仪和GPS，全程监测6位驾驶员生理变化信息和驾驶信息，并完成9个路段负荷量表实验。

郭忠印［3］等人综合平纵横各线形指标，将公路线形综合指标表达式描述为道路线形综合值f。f越大，路段相对越危险。本研究采用道路线形综合值（见表1）为依据，分析各指标的敏感性。

式中：R 为平曲线半径；1／R 为曲率；（1／R）′ 为曲率变化率；I为曲线转角；i为纵断面坡度；n为车道数；B为车道宽度；ξ为参数。

表1 道路线形参数Table 1 Road alignment factors

2 心率指标

2.1 心率生理特性

心率是指单位时间内心脏把血液送往全身时的搏动次数。心率是反映作业强度和生理负荷的重要指标。

心跳每搏之间的时间（R－R间期）不一致，逐次心搏间期之间的微小差异称作心率变异性（Heart Rate Variability，简称为 HRV）。它是正常心血管系统稳态调节的重要机制，反映了心脏交感、副交感神经活动的紧张性和均衡性。心率变异性常用的分析方法为时域分析法和频域分析法。

时域分析法通过统计学离散趋势分析法计算R－R间 期 的 变 化，可 用 均 值 （MR－R）、标 准 差（SDNN）、均方根（RMSSD）及变异系数（RRCV）等指标来表达。

频域分析法也是一种数学工具，常用的频域指标为VLF（极低频0.003～0.04Hz）、LF（低频0.04～0.15Hz）、HF （高频0.15～0.4Hz）。

2.2 心率变异性指标敏感性分析

1）均值MR－R

如图1所示驾驶员MR－R变化与道路线形综合值的变化无显著关联。

2）标准差SDNN

图1 驾驶员MR－R与道路线形综合值间关系Fig.1 The relationship between the drivers’MR－R and the road alignment composite value

图2 驾驶员SDNN与道路线形综合值间关系Fig.2 The relationship between the drivers’SDNNand the road alignment composite value

驾驶员处于驾驶状态时比处于非驾驶状态时的SDNN有明显降低［4］。如图2所示，驾驶员SDNN在曲线路段随着道路综合线形值的增大而降低。这说明线形综合值越大，驾驶员交感神经活性越强，负荷越大。

3）均方根RMSSD

吉林大学李平凡［5］的研究表明：RMSSD 适合作为城市道路环境中驾驶员工作负荷的评价指标。而在本次实验中（如图3所示），驾驶员RMSSD与道路线形综合值无显著关联，因此RMSSD并不能很好地反映山区高速公路货车驾驶员的负荷。

图3 驾驶员RMSSD与道路线形综合值间关系Fig.3 The relationship between the drivers’RMSSD and the road alignment composite value

4）心率变异系数RRCV

心率变异系数RRCV由标准差SDNN（亦有用均方根RMSSD）除以平均值MR－R得到。

如图4所示，驾驶员的RRCV随着道路线形综合值的增大而减小，即驾驶员负荷越大，其RRCV越小。张殿业［6］等人研究发现，驾驶员在夜间行驶时比在白天行驶时的其负荷较高，RRCV较低。

图4 驾驶员RRCV与道路线形综合值间关系Fig.4 The relationship between the drivers’RRCV and the road alignment composite value

5）LF，HF 和LF／HF

低频LF可用于表征交感神经的兴奋程度，高频HF则用于表征副交感神经／迷走神经的兴奋程度，LF／HF反映交感神经与迷走神经张力平衡程度［7－8］。

如图5所示，随着线形综合值的增加，驾驶员的LF和HF同时下降，即交感神经和副交感神经活性同时降低，与生理规律相近。图5中LF／HF呈水平直线。

图5 驾驶员LF，HF和LF／HF与道路线形综合值间关系Fig.5 The relationship between the drivers’LF，HF，LF／HFand the road alignment composite value

事实上，在医学领域，在LF，HF和LF／HF应用于解释人类神经活动的尝试中亦有类似的矛盾现象，至今缺乏科学有力的论证，因此现阶段提出关于LF，HF和LF／HF的指标，仍面临很多亟待解决的问题。

2.3 心率变异性指标比较与选取

通过对心 率变异性 时域 指 标 （MR－R，SDNN，RMSSD和RRCV）的分析，可知时域指标（如：MR－R，SDNN 和RMSSD）丢失了数据中蕴涵的时间顺序，它们所反映出的心率变化的涨落机制十分有限。MR－R与道路线形综合值相关性不显著，SDNN和RMSSD未考虑驾驶员的MR－R，表达的意义不够充分。同时，频域分析指标的生理意义还有待进一步研究。因此心率变异系数RRCV能比较科学全面地表征驾驶员生理负荷。

3 眼动行为指标

3.1 眼动行为特性

人在“看”的过程中，眼睛并非有秩序地移动，而是在画面的某个位置短暂停留，并摄取必要的知觉信息，然后快速地移动到下个停留位置。眼动行为主要分为注视行为、扫视行为和眨眼行为。扫视行为是对信息的复杂度和深度的反应，而驾驶员负荷主要来自于注视行为。

注视持续时间［9］（简称为注视时间）是指在注视时，视轴中心位置保持不变的持续时间。注视时间代表着处理与危险相关的信息所花费的时间，反映的是提取信息的难易程度，也就是从所注视的目标上提取信息所用的时间，同时也是注视区域信息内容和主观信息处理策略的度量标准。较长的注视时间有两种可能：①信息难以提取，需要较大的认知努力；②信息源信息丰富，需要较多的时间去读取。注视时间的延长导致负荷的增加，注视时间的长短可以判别负荷的变化。对注视时间的定义，学者多采用0.1，0.165［10］和0.2s为最小界值，出于眼动测试系统实际试验数据采用的考虑，作者认为注视时间最小界值为0.1s。

3.2 注视时间指标敏感性分析

实验路段的注视时间指标（累积注视时间、注视次数以及平均注视时间）统计结果见表2。以此建立注视时间指标与道路线形综合值之间的统计关系，如图6所示。可见，累积注视时间线与注视次数线趋势相似，但不易归纳出与道路线形综合值的相关关系，而平均注视时间线总体呈现与道路线形综合值的正相关关系。这是因为累积注视时间与注视次数较易受路段长度和路段行驶时间的影响。因此规则变化的平均注视时间（简称为MFT）指标更能客观地反映路段的危险程度。

表2 驾驶员注视时间统计表Table 2 Statistics of the drivers’fixtime

图6 驾驶员注视时间与道路线形综合值关系Fig.6 The relationship between the drivers’fixtime and the road alignment composite value

3.3 眼动行为指标比较与选取

但MFT是整个路段的平均注视时间，有可能受部分路段产生的极值影响而不能真实地反映该路段的危险程度。故本研究提出85%位注视时间（简称85FT）的概念，即驾驶员在某一路段内所有注视行为中，85%的注视时间不会超过的时间。如图7所示，随着线形综合值升高，85FT 相比MFT更显著增加，更贴切地反映驾驶员信息负荷增大。故85FT能科学地表征驾驶员负荷。

图7 驾驶员MFT和85FT与道路线形综合值关系Fig.7 The relationship between the drivers’MFT，85FTand the road alignment composite value

4 脑力负荷

4.1 NASA－TLX 量表

NASA－TLX （Task Load Index）量表评价法是美国宇航局提出的一项主观负荷评估技术，是一种多维脑力负荷评价量表，涉及到6个负荷因素（维度），即心理需求、体力需求、时间需求、操作业绩、努力程度和挫折程度。脑力负荷为6个维度的加权平均值。分值越大，表示脑力负荷越大。

考虑到NASA－TLX 量表从未在道路中应用，为使其更加通俗易懂，贴近实际驾驶情况，便于驾驶员回答，对其进行了改编，见表3。

表3 驾驶员TLX量表负荷因素描述Table 3 The description of drivers’TLX

4.2 TLX计算

驾驶员每完成一个曲线段任务，停车填写TLX负荷量表，量表分两部分，负荷来源对比卡和负荷等级卡，分别可以计算负荷因素的权重（见表4）和负荷评估值（见表5），从而可以得出驾驶员的脑力负荷。

1）负荷因素权重

2）负荷评估值

负荷评估值为驾驶员对自身各负荷因素的评估主观分值γi（i＝1，2，…，6）。

3）脑力负荷

对各因素评估值进行加权求和，即可得出该项驾驶任务的脑力负荷。

同理，驾驶员其他曲线路段脑力负荷TLX的计算结果见表6。

表4 负荷因素权重计算Table 4 The calculation of weight coefficient of workloads

表5 负荷评估值Table 5 Workload evaluated values

表6 TLX计算值Table 6 TLXcalculated values

从图8中可以看出，脑力负荷TLX随着线形值的增大而增大。较好地反映了驾驶员的脑力负荷。

图8 驾驶员MFT和85FT与道路线形综合值关系Fig.8 The relationship between the drivers’MFT，85FTand the road alignment composite value

5 结语

通过对驾驶员心率、眼动行为生理负荷和脑力负荷TLX 特性分析，确定了心率变异系数RRCV作为心率分析指标以及85FT作为代表眼动行为指标来评估驾驶员生理负荷，TLX可评估驾驶员脑力负荷。这几个指标由道路客观环境产生的影响出发，同时相较于传统基于道路本身客观环境的指标，更强调了驾驶人自身的状态与特性。相信在进一步的研究分析中，将这两者有机的结合，能够更好地反映实际行驶过程中的安全状态及特性。

（

）：

［1］ 张开冉.低驾龄驾驶人典型驾驶心理—行为特性研究［D］.成 都：西 南 交 通 大 学，2008.（ZHANG Kai－ran.The typical driving psychology and the behavior of novice drivers［D］.Chengdu：Southwest Jiaotong University，2008.（in Chinese））

［2］ 姚永杰.军用飞行员空中精神负荷的生理心理评定［D］.西 安：第 四 军 医 大 学，2007.（YAO Yong－jie.Mental workload assessment in military pilots using psychological measures in the flight［D］.Xi’an：School of Aerospace Medical，2007.（in Chinese））

［3］ 郭忠印，杨漾，曹继伟.基于高速公路线形综合指标的安全评价模型［J］.同济大学学报：自然科学版，2009，37（11）：1472－1476.（GUO Zhong－yin，YANG Yang，CAO Ji－wei.Safety evaluation model based on alignment synthetical index of expressway［J］.Jounal of Tongji University：Natural Science，2009，37（11）：1472－1476.（in Chinese））

［4］ 宋长振.基于心率变异的驾驶员生理负荷研究［D］.呼和浩特：内蒙古农业大学，2007.（SONG Chang－zhen.Studies of drivers’psychological loads based on HRV［D］.Hohhot：Inner Monggolia Agricultural University，2007.（in Chinese））

［5］ 李平凡.驾驶行为表征指标及分析方法研究［D］.长春：吉林大学，2010.（LI Ping－fan.Research on the index and the analysis of driving behaviors［D］.Changchun：Jinli University，2010.（in Chinese））

［6］ 张殿业，张开冉，金键，等.道路标线对驾驶行为模式的影响［J］.中国公路学报，2001，14（4）：89－90.（ZHANG Dian－ye，ZHANG Kai－ran，JIN Jian，et al.Road line and driving behavior model［J］.China Journal of Highway and Transport，2001，14（4）：89－90.（in Chinese））

［7］ 李增勇，焦勇，陈铭，等.汽车驾驶员驾驶过程中的心率变异性功率谱分析［J］.中国生物医学工程学报，2003，22（6）：574－576.（LI Zeng－yong，JIAO Yong，CHEN Ming，et al.Power spectrum analysis of heart rate variability of drivers during simulated driving［J］.Chinese Journal of Biomedical Engineering，2003，22（6）：574－576.（in Chinese））

［8］ 郭继鸿，张萍.动态心电图学［M］.北京：人民卫生出版社，2003.（GUO Ji－hong，ZHANG Ping.Ambulatory electrocardiograghy［M］.Beijing：People’s Medical Press，2003.（in Chinese））

［9］ 孟妮.不同道路交通环境中驾驶员注视行为分析［D］.西安：长安大学，2009.（MENG Ni.The analysis on the driver’s fixation process in different traffic environments［D］.Xi’an：Chang’an University，2009.（in Chinese））

［10］ Furuichi T，Iwasaki M，Kadoma T.Drivers’behaviors in S curve negotiations on the urban motorway source［A］.Proceedings of the Conference on Traffic and Transportation Studies［C］.Reston，U S：American Society of Civil Engineer，2009：849－856.