基于EEG的船舶驾驶员疲劳程度识别.pdfVIP

基于EEG的船舶驾驶员疲劳程度识别

摘要：大约80%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，MAV）、标准差（StandardDeviation，SD）、均方根（RootMeanSquare，RMS）和香

农熵（ShannonEntropy，SE）。基于卡罗林斯卡嗜睡量（KarolinskaSleepinessScale,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-LongShortTerm

Memory，Bi-LSTM)分类器效果最佳，分类准确率达到88.63%。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

EEG-basedidentificationofdeckofficerfatigue

Abstract:About80%ofwatertrafficaccidentsinvolvehumanfactors,anddeckofficerfatigueisoneofthecriticalcauses

ofshiptrafficaccidents.Onroad,thedevelopmentofdriverfatiguedetectiontechnologybasedonEEG

(Electroencephalogram)hasbeenhelpfulinquickandaccuratelyidentifyingthedegreeofdriverfatigue.However,the

accuracyofEEC-baseddriverfatiguedetectionisaffectedbythesensitivityofEEGsignalandindividualdifferences.For

research,EEGsignalsofseveralexamineesiscollectedduringashipsimulationtraining.TheEEGsignalsinthree

channelsoftheprefrontalloberelatedtofatigueareprocessed.VariousEEGsignalfeaturessuchasMAV(MeanAbsolute

Value),SD(StandardDeviation),RMS(RootMeanSquare),andSE(ShannonEntropy)areextracted.Basedonthe

KSS(KarolinskaSleepinessScale),deckofficerfatigueisclassifiedintothreelevels:“alert,“middle,and“fatigue.

Thefatiguelevelsoftheexamineesarediscriminatedwithdifferentclassificationalgorithmsandtheresultsarecompared.

ThecomparisonshowsthatBi-LSTM

accuracyof88.63%.Thecurrentstudydemonstratesthepowerofthismethodinstudyingtheindividual-ins