胡志刚，胡佳斌，乔现玲

(陕西科技大学 工业设计研究所，陕西 西安 710021)

不同响度音乐对单调声音环境下驾驶疲劳缓解实验研究

胡志刚，胡佳斌，乔现玲

(陕西科技大学 工业设计研究所，陕西 西安 710021)

为有效减轻驾驶员在单调声音环境下的驾驶疲劳、减少交通事故，在不同类型广播声音环境下开展了模拟驾驶实验；基于瞳孔直径变异系数等建立了驾驶疲劳综合评价指标，研究了驾驶疲劳音乐响度对策的有效性。结果表明：音乐能缓解单调声音环境下的驾驶疲劳，在不同声音环境下，音乐对驾驶疲劳缓解的效果略有差异；75和85dB音乐在显著性及稳定性方面要优于65dB；75和85dB音乐两者之间差异不大。

交通工程；人类工效；驾驶疲劳；对策；单调环境；响度

0 引 言

驾驶疲劳是由于心理机能和生理机能下降，而导致驾驶员无法及时获取或处理安全行驶必要信息的危险行为，是造成交通事故的重要原因之一[1-3]。

如今，驾驶疲劳的检测手段已较为成熟[4]。C．AHLSTROM等[5]基于KSS(karolinska sleepiness scale)量表[6]，运用主观评分法对疲劳进行了等级划分。S．DAVID等[7]认为PERCLOS(percentage of eyelid closure over the pupil over time，闭眼时间百分率)是判断疲劳的有效方法[8]。秦伟等[9]认为心率变异系数可以用来判别疲劳。潘晓东等[10-11]认为通过监测驾驶人眼部行为来判断疲劳的方法实用性强，同时证明了眨眼时间均值可以作为衡量疲劳的指标并给出了相应的阈值。王雪松等[12]把疲劳分为5个等级，认为瞳孔直径变异系数、眨眼时间均值、闭眼百分率等可以作为衡量驾驶疲劳等级的指标。

在驾驶疲劳对策方面，N．MERAT等[13]的研究表明：汽车轰鸣声能加强驾驶员对车辆的操控，有利于缓解长途单调环境下的驾驶疲劳。Y．HIRATA等[14]指出：驾驶疲劳出现后，音乐可以提高驾驶员的警觉性，有效降低事故发生率。P．GERSHON等[15]认为：对职业司机和非职业司机，收听广播是驾驶疲劳最为有效的对策。LIU Shixu等[16]认为：音乐刺激作为驾驶疲劳对策具有适用范围广、效果显著等特点，并将音乐和咖啡因对疲劳缓解效果进行了比较。LIU Ninghan等[17]根据音乐的不同分类，基于EEG信号系统建立起了驾驶疲劳的评判系统。M．YOKOYAMA等[18]认为：不同响度的音乐对驾驶疲劳有影响，并通过实验证明高响度音乐能够抑制疲劳的加深。赵晓华等[19]认为：声音刺激可以作为一种环境对策，是目前减轻驾驶疲劳的主要对策之一，并通过实验对在安静驾驶环境下产生的驾驶疲劳声音对策的有效性进行了研究，给出了声强、频率等属性的最佳水平。然而，现实中驾驶员所处的驾驶环境较为复杂，J．STUTTS等[20]通过长期大量调查发现，有92%的驾驶员在独立驾驶时有打开音乐设备的习惯。而驾驶员长期处在某种单调声音环境下，更容易产生驾驶疲劳产生，此时对策的有效性鲜有研究。

1 实验设计

1.1 实验设备

模拟驾驶平台用于实验室环境下机动车驾驶的仿真模拟。Tobbi眼动仪用于采集驾驶员眼部行为数据，包括眨眼、注视、瞳孔大小等；ErgoLab软件用于驾驶人眼部数据的分析；CaptureL9000行为记录及分析系统用于记录分析驾驶人驾驶过程中的打哈欠、摇头及身体摆动等动作；分贝计用于检测环境噪音及刺激声音响度。

将某时间段内分贝计检测到所有声强数值(Ii)的均值作为该时间段内声强(Iu)。其中：Iu-5 dB

1.2 实验人员

选取10名年龄在20～30岁之间驾驶员参与模拟驾驶实验，男女比例1∶1。另外驾驶人还具备以下条件：

1)持有中华人民共和国机动车驾驶证；

2)身体健康，无疾病，能够保证较长时间连续实验；

3)不带眼镜且裸视视力达到1.0以上，色觉正常；

4)经训练后，能熟练操作本实验室模拟驾驶平台；

5)实验开始前，情绪状态良好。

1.3 驾驶背景声音模拟及刺激音乐选择

将汽车在行驶过程中自身所产生的噪音与驾驶人自主播放声音的混合作为实验中模拟的背景声音。汽车自身产生的噪音与车型、车速、路况等有密切关系。结合实际情况，实验中该类噪音由模拟驾驶平台发出，将其响度控制在65 dB以内。通过调查问卷形式，询问驾驶员在驾驶过程中习惯性播放声音的类型，共收集108份有效调查问卷。结果显示：收听车载电台是驾驶员驾驶过程中普遍的习惯，70.37%的驾驶员选择为“习惯、经常收听车载电台”，如图1(a)；其中：42.11%的驾驶员驾驶过程中习惯收听新闻类电台，32.89%的驾驶员驾驶过程中习惯收听音乐类电台，如图1(b)。考虑到实时新闻广播不受实验人员控制，且陈旧新闻更容易引发疲劳，因此选取并录制新闻广播电台去除较长时间歌曲等无关内容作为新闻声音背景，并将其响度控制在70 dB以内。

实验中对疲劳的刺激方式为音乐刺激，为避免背景音乐与刺激音乐的耦合对实验结果产生的影响，从音乐分类的角度选取背景与刺激音乐。音乐分类众多，G．TZANETAKIS等[22]通过提取旋律、音高等对音乐进行了分类。随机选取并录制音乐电台作为音乐声音背景，响度均值控制在70 dB以内。考虑到驾驶人参加实验次数较多，选20 min时长且不同于背景音乐，旋律舒缓、中等音高音乐作为刺激音乐，其响度分别为65、75、85 dB。

图1 电台收听情况调查Fig.1 Survey chart of radio listening proportion

1.4 实验过程

午后为疲劳的高发时期，因此笔者将实验选在13:00—16:00之间进行。模拟驾驶场景为高速公路路段，要求驾驶人行车速度不大于80 km/h。实验内容共分两类，每位驾驶人在每类实验中需要进行4项实验，每项实验耗时约80 min。实验开始前驾驶人有5 min驾驶适应时间，并填写KSS问卷自我评价此时的疲劳状况，实验员保证眼动仪及行为记录系统数据采集正常。

1.4.1 第1类实验

第1类实验为新闻广播声音背景下的不同响度音乐刺激。驾驶人在机动车行驶噪音(65 dB及以下)和新闻广播声音(70 dB)背景下，进行模拟驾驶。研究表明：即使在实验前没有睡眠剥夺或疲劳现象，模拟驾驶舱中驾驶人的疲劳症状将在30 min内出现[23-24]。实验中避免外界非实验因素对驾驶人干扰，当驾驶人连续驾驶车辆40 min时，认为驾驶人已经出现浅度疲劳或出现疲劳征兆，此时停止新闻播放，立即给予某种音乐刺激60 s，刺激结束后继续播放原广播声音，60 min时本次实验结束。

音乐刺激可分为4种。第1种是无声音刺激，作为对照组；第2～4种分别为65、75、85 dB音乐刺激，作为实验组。实验结束后，驾驶人再次填写KSS问卷，进行音乐刺激前、后和实验结束时的疲劳状况评价。

1.4.2 第2类实验

第2类实验是音乐广播声音背景下的不同响度音乐刺激实验。将背景声音中的70 dB新闻广播声音更改为70 dB音乐广播声音，重复第1类实验。

每位驾驶人需要参与8项实验，内容如表1；每项实验流程如图2。驾驶人每天最多进行1项实验，实验项目由实验员从8项中按“随机不放回抽样”抽取，并要求驾驶人在连续的12 d内完成所有项目实验。同一驾驶人在各项实验中所处的背景声音环境及刺激音乐不同，不同驾驶人在各项实验中所处的背景声音环境及刺激音乐相同。

表1 实验项目

图2 实验流程Fig.2 The flowchart of experiment

2 数据分析

2.1 瞳孔直径变异系数

瞳孔直径变异系数(pupil diameter variation coefficient，PDVC)为时间窗内的瞳孔直径标准差与瞳孔直径平均值的比值，其计算如式(1)：

(1)

为减小数据波动对结果影响，保证所有指标可在同一时间维度进行分析，本实验中所有指标均选2 min长度作为固定分析区间，由区间中指标所有时间窗内的均值来代表该指标在此区间的水平。最优时间窗由指标性质决定的，在计算瞳孔直径变异系数时，最优时间窗定为10 s。瞳孔直径变异系数计算，从34 min开始，计算每个最优时间窗内的瞳孔直径变异系数，56 min时止。对每个分析区间内所有时间窗数据进行平均，得出从34～56 min时段各分析区间变异系数均值；计算来自同实验项目、同区间、不同个体的瞳孔直径变异系数均值，分别绘制1、2类实验瞳孔直径变异系数变化，如图3。

从该指标可以看出，在第1类实验、第2类实验中，对照组始终维持在较高水平，实验组音乐刺激后，该指标均呈下降趋势。两类实验均显示65 dB音乐刺激对策的显著性及稳定性要弱于75、85 dB音乐刺激，75、85 dB音乐刺激在整体下降趋势及稳定性具有很高的相似性。第2类实验中，实验组较对照组整体下降幅度弱于第1类实验。

图3 瞳孔直径变异系数变化Fig.3 Variation of PDVC

2.2 眨眼时间均值

眨眼时间均值(mean blink duration，MBD)是时间窗内总眨眼时间(眨眼，眼睛开始闭合时起到眼睛完全张开时止)与眨眼次数的比值，如式(2)：

(2)

式中：Tb为眨眼时间均值；Ta为总眨眼时间；n为眨眼次数。

本实验在计算眨眼时间均值时，所选时间窗为30 s。绘制眨眼时间均值变化，如图4。

图4 眨眼时间均值变化Fig.4 Variation of MBD

该指标中各实验组的变化明显于瞳孔直径变异系数指标，两类实验均显示40 min后，实验组65 dB要高于实验组75、85 dB。第1类实验中，音乐刺激后实验组75、85 dB下降趋势相对延缓，实验组85 dB整体呈持续下降趋势。第2类实验中，在音乐刺激后实验组75、85 dB的稳定性较好，且两者之间差异不够显著。

2.3 闭眼百分率

闭眼百分率(Perclos)是眼睛累计闭合持续时间占某特定时间的百分率，如式(3)为：

(3)

式中：ηb为闭眼百分率；Ta为总闭眼时间；t0为时间窗。

本实验在计算闭眼时间均值时，所选时间窗为30 s，绘制眨眼百分率变化，如图5。

图5 闭眼百分率变化Fig.5 Variation of PERCLOS

该指标显示，刺激后实验组较对照组在第1类中的降幅明显大于第2类。第1类实验中，实验组3种音乐响度刺激差异不够明显。第2类实验中，实验组65、75、85dB音乐刺激后下降幅度依次增大，且较为稳定性，这与上述两个指标的表现出现了一定的差异性，实验组65 dB下降幅度弱于实验组75、85 dB。

2.4 专家评测

通过行为分析系统对驾驶人驾驶过程中打哈欠、摇头、身体摆动3个动作进行打标。对行为视频进行分割，自第34 min开始，58 min结束，分割单位区间为2 min。由3名从事疲劳驾驶课题研究的专家基于打标量化结果及视频内容，对驾驶人疲劳状况进行0～100分值的打分，数值越大表示疲劳程度越深。绘制专家得分变化，如图6。

图6 专家得分变化Fig.6 Variation of experts grading

该指标显示，第1类实验组中，65、75、85 dB刺激差异明显，第2类差异不够明显。第1类实验组中，65 dB在第43 min开始加速上升，在47 min时已维持较高水平。第2类实验中，实验组经刺激急速下降后又呈现上升趋势，其稳定性要弱于第1类实验。

2.5 综合指标

上述不同指标反应的侧重点有所不同，且受实验环境、采集设备等因素的影响，不同指标之间也出现了不一致性。为有效避免上述影响，参照卢章平等人的研究[25]，运用主成分分析法，基于上述4个指标来建立一个综合评价标准，以此来衡量疲劳程度。

利用SPSS软件对上述指标进行综合分析，瞳孔直径变异系数(CV)、眨眼时间均值(Tb)、眨眼百分率(ηb)、专家得分(E)数据均服从于正态分布。根据Person相关系数计算两两指标之间的双变量相关性，显示相关性均为非常显著(p<0.05)结果如表2。

表2 Person相关系数分析

对CV、Tb、ηb，E数据做标准化处理后进行主成分分析，结果显示第1主成分特征值为3.428且累计贡献已达到85.698%，因此将第1主成分作为特征提取的目标指标，并得到各成分得分系数矩阵，系数分别为aC、aT、aη、aE。由此可建立综合评价指标，如式(4)：

F=0.253×CV+0.278×Tb+0.272×ηb+0.277×E+c

(4)

式中：变量为标准化后的变量，c为常数项。

根据SPSS分析得出的各样本综合指标得分，分别绘制两类实验综合指标变化，如图7。

为检测综合指标的有效性，分析驾驶人在实验前及实验后所填写4个阶段的KSS问卷如图8。驾驶人自我评测疲劳评测结果与综合指标存在很高的相似性。

用综合指标来代表疲劳，数值越高疲劳程度越深。在两类实验中对照组和实验组均显示驾驶人驾驶车辆在36～40 min时，综合指标处于较高位置，第40 min给予音乐刺激后，实验组指标短时间内急速下降，对照组则无明显变化，仍然维持较高位置。在两个类实验中音乐刺激后，实验组85 dB音乐下降幅度最大，整体来看，刺激之后实验组75 dB与实验组85 dB都能在低位维持较长时间；实验组65 dB下降后在短时间内开始回升。

第1类实验中，在音乐刺激急剧下降后，实验组65 dB又缓慢回升，并有一直上升下去的趋势；实验组75、85 dB则较为平稳。第2类实验中，音乐刺激后，实验组65 dB相对于其他实验组下降趋势较为缓慢、幅度较小，且在46 min时开始逐渐回升，52 min时开始又出现下降趋势，表现出了极不稳定性；在52 min之前75 dB高于85 dB，之后，两者差异微弱，整个过程中75、85 dB有上升的趋势。对比第1类与第2类实验组，实验组在第2类刺激后显著性要小于第1类。

图7 综合指标变化Fig.7 Variation of overall index

图8 主观疲劳程度Fig.8 Subjective fatigue degree

3 结 论

实验结果表明：在驾驶人常处的两种单调声音环境下驾驶疲劳产生后，通过引入旋律舒缓、中等音高音乐刺激能够缓解疲劳，不引入外界刺激无法缓解疲劳。在两种单调声音环境下，75、85 dB旋律舒缓、中等音高音乐刺激对策的显著性及稳定性均要优于65 dB音乐刺激。在音乐声音环境下，各音乐刺激对策的显著性及稳定性都要微弱于新闻广播声音环境。综合指标显示：75、85 dB快节奏音乐刺激对驾驶疲劳的缓解效果在两种不同单调环境下差异不大。驾驶过程中高响度音乐不利于驾驶安全，在实验中所涉及到的两种单调环境下的驾驶疲劳，可采用75 dB音乐刺激予以缓解。

在模拟驾驶实验中用非接触式设备采集了眼动、行为等信息，与其他接触式采集设备相比其具有更强的实际应用性。运用了主成分分析法，基于瞳孔直径变异系数等建立了驾驶疲劳综合评价指标。在3个响度音乐等级中，得出了不同声音环境下，驾驶疲劳音乐响度对策的最优等级。在今后实验中，仍需扩大样本量，从年龄、驾龄等角度对驾驶人进行分类，对音乐的旋律、音高、刺激时间以方式等方面进行分类，同时考虑到模拟驾驶与实际驾驶存在的区别，将适时在确保安全的情况下在真实道路上开展相关实验，深入音乐对单调声音环境下驾驶疲劳的缓解研究。

[1] 牛清宁．基于信息融合的疲劳驾驶检测方法研究[D]．长春：吉林大学，2014． NIU Qingning.ResearchonDriverFatigueDetectionBasedonHybridMeasures[D]. Changchun: Jilin University, 2014.

[2] OTEGUI J L. Fatigue damage leads to a serious traffic accident [J].EngineeringFailureAnalysis, 2002, 9(1):109-122.

[3] LAL S K L, CRAIG A. Electroencephalography activity associated with driver fatigue: implications for a fatigue countermeasure device [J].JournalofPsychophysiology, 2001, 15(3):183-189.

[4] 孙伟，张为公，张小瑞，等．驾驶疲劳检测方法的研究进展[J]．汽车技术，2009(2)：1-5． SUN Wei, ZHANG Weigong, ZHANG Xiaorui, et al. Development of fatigue driving detection method research[J].AutomobileTechnology, 2009(2): 1-5.

[5] AHLSTROM C, NYSTRÖM M, HOLMQVIST K, et al. Fit-for-duty test for estimation of driver’s sleepiness level: eye movements improve the sleep/wake predictor [J].TransportationResearchPartC:EmergingTechnologies, 2013, 26: 20-32.

[6] AKERSTEDT T, GILLBERG M. Subjective and objective sleepiness in the active individual [J].InternationalJournalofNeuroscience, 1990, 52(1/2):29-37.

[7] DAVID S, MARTIN G, TRUTSCHEL U, et al. Assessing driver’s hypovigilance from biosignals [C]// 4thEuropeanConferencetheInternationalFederationforMedicalandBiologicalEngineering. Antwerp, Belgium, 2009:152-159.

[8] WIERWILLE W, ELLSWORTH L, WREGGIT S, et al.ResearchonVehicle-BasedDriverStatus/PerformanceMonitoring;Development,Validation,andRefinementofAlgorithmsforDetectionofDriverDrowsiness[R].Springfield, Virginia: Report No. DOT HS 808247, NTIS, 1994.

[9] 秦伟，朱守林，裴志永，等．草原公路驾驶员时域分析指标与驾驶疲劳灰关联分析[J]．重庆交通大学学报(自然科学版)，2014， 33(6)：142-145. QIN Wei, ZHU Shoulin, PEI Zhiyong, et al. Gray relation analysis of time domain index and driving fatigue of prairie highway drivers [J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014, 33(6): 142- 145.

[10] 潘晓东，李君羡．基于眼部行为的驾驶疲劳监测方法[J]．同济大学学报(自然科学版)，2011，39(2)：231-235． PAN Xiaodong, LI Junxian. Eye state-based fatigue drive monitoring approach[J].JournalofTongjiUniversity(NaturalScience),2011, 39(2): 231-235.

[11] 潘晓东，李君羡，徐小冬．基于眼部行为的驾驶疲劳评价指标的阈值[J]．同济大学学报(自然科学版)，2011，39(12)：1811-1815． PAN Xiaodong, LI Junxian, XU Xiaodong. Threshold value of indices of eye states to monitor driver fatigue[J].JournalofTongjiUniversity(NaturalScience), 2011, 39(12):1811-1815.

[12] 王雪松，李飞虎．基于驾驶模拟实验的眼部指标与疲劳分级[J]．同济大学学报(自然科学版)，2015，43(2)：226-231． WANG Xuesong, LI Feihu. Eye indicators and drowsy level analysis based on driving simulator[J].JournalofTongjiUniversity(NaturalScience), 2015, 43(2): 226-231.

[13] MERAT N, JAMSON A H. The effect of three low-cost engineering treatments on driver fatigue: a driving simulator study[J].AccidentAnalysisandPrevention, 2013,50(1): 8-15.

[14] HIRATA Y. A study of the effective way to release scent to maintain alertness [J].JsaeReview, 2001, 22(3):331-336.

[15] GERSHON P, SHINAR D, ORON-GILAD T, et al. Usage and perceived effectiveness of fatigue countermeasures for professional and nonprofessional drivers[J].AccidentAnalysisandPrevention, 2011, 43(3): 797-803.

[16] LIU Shixu, YAO Shengji, SPENCE A. Comparison of caffeine and music as fatigue countermeasures in simulated driving tasks [J].ProceedingsoftheHumanFactorsandErgonomicsSocietyAnnualMeeting, 2014, 58(1): 2373-2377.

[17] LIU Ninghan, CHIANG Chengyu, HSU Hsiangming. Improving driver alertness through music selection using a mobile EEG to detect brainwaves [J].Sensors, 2013, 13(7): 8199-8221.

[18] YOKOYAMA M, OGURI K, MIYAJI M. Effect of sound pressure levels of music on driver’s drowsiness [C]//Proceedingsofthe15thWorldCongressonIntelligentTransportSystemsandITSAmerica's2008AnnualMeeting. California, USA, 2008:16-20.

[19] 赵晓华，房瑞雪，毛科俊，等．基于生理信号的驾驶疲劳声音对策有效性实验[J]．西南交通大学学报，2010，45(3)：457-463． ZHAO Xiaohua, FANG Ruixue, MAO Kejun, et al. Test on effectiveness of sound as countermeasure against driving fatigue based on physiological signals [J].JournalofSouthwestJiaotongUniversity, 2010, 45(3): 457-463.

[20] STUTTS J,FEAGANES J,REINFURT D,et al.Driver’s exposure to distractions in their natural driving environment[J].AccidentAnalysisandPrevention, 2005, 37(6):1093-1101.

[21] 《城市环境噪声》标准编制组．声学环境噪声测量方法：GB/T 3222—94[S]．北京：中国标准出版社， 1995． Urban Environmental Noise Standard Group.Acoustics-MeasurementMethodofEnvironmentalNoise:GB/T3222—94[S].Beijing:China Standard Press, 1995.

[22] TZANETAKIS G, COOK P. Music genre classification of audio signals[J].IEEETransactionsonSpeechandAudioProcessing, 2010, 10(5): 293-302.

[23] 毛科俊，赵晓华，房瑞雪，等．驾驶疲劳声音对策有效性的驾驶模拟[J]．吉林大学学报(工学版)，2010，40(6)：1533-1537． MAO Kejun, ZHAO Xiaohua, FANG Ruixue, et al. Sound as countermeasure against driving fatigue: simulator study[J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2010, 40(6): 1533-1537.

[24] GILLBERG M, KECKLUND G, AKERSTEDT T. Sleepiness and performance of professional drivers in a truck simulator—comparisons between day and night driving[J].JournalofSleepResearch,1996, 5(1):12-15.

[25] 卢章平，尹传斌，李瑞，等．基于生理信号的驾驶疲劳分级检测研究[J]．重庆交通大学学报(自然科学版)，2017， 36(1)：77-81. LU Zhangping, YIN Chuanbin, LI Rui, et al. Study of driver’s fatigue level grading experiment based on his physiological signal[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2017, 36(1): 77-81.

(责任编辑：刘韬)

ExperimentofMusicwithDifferentLoudnessAgainstDrivingFatigueinMonotonousSoundEnvironment

HU Zhigang, HU Jiabin, QIAO Xianling

(Institute of Industrial Design, Shaanxi University of Science and Technology, Xi’an 710021, Shaanxi, P.R.China)

In order to effectively mitigate driving fatigue in monotonous sound environment and reduce traffic accidents, driving simulation experiment was made in different kinds of radio broadcasts environment. Based on the pupil diameter variation coefficients and other indexes, overall evaluation index of driving fatigue was established. The effectiveness of different volume of music as countermeasures against driving fatigue was studied. The result shows that music can be a countermeasure against driving fatigue in monotonous sound environment. In different sound environment, the effectiveness of music against driving fatigue is different. The significance and stability of 75dB and 85dB music are better than those of 65dB, and there are few differences between 75dB and 85dB music.

traffic engineering; ergonomics; driving fatigue; countermeasure; monotonous environment; loudness

U492.8

：A

：1674-0696(2017)09-073-07

10.3969/j.issn.1674-0696.2017.09.14

2016-06-03；

：2016-09-09

陕西省科学技术研究发展计划项目(2016GY253，2015GY179)

胡志刚(1977—)，男，浙江丽水人，副教授，博士研究生，主要从事人类工效学等方面的研究。E-mail：919747135@qq.com。