作者简介:杨永正(1995—),青岛理工大学硕士研究生.研究方向:交通控制与交通安全.E-mail: yyongzheng@yean.net潘福全(1976—),青岛理工大学教授.研究方向:公共交通与交通安全.E-mail: fuquanpan@yean.net杨永正、潘福全为共同第一作者.
YANG Yongzheng,PAN Fuquan,WANG Zhaoqiang,et al.Analysis of the influence of longitudinal slope changes of undersea tunnels on drivers'EEG signals[J].Journal of Shenzhen University Science and Engineering,2022,39(3):271-277.[doi:10.3724/SP.J.1249.2022.03271]
1.青岛理工大学机械与汽车工程学院,山东青岛266520;2.青岛市市政工程设计研究院,山东青岛266100
1.School of Mechanical and Automotive Engineering, Qingdao University of Technology, Qingdao 266520, Shandong Province, P. R. China;2.Qingdao Municipal Engineering Design and Research Institute, Qingdao 266100, Shandong Province, P. R. China
highway transportation; undersea tunnel; longitudinal slope; driver; electroencephalography; brain re⁃gion; driving safety
DOI: 10.3724/SP.J.1249.2022.03271
备注
作者简介:杨永正(1995—),青岛理工大学硕士研究生.研究方向:交通控制与交通安全.E-mail: yyongzheng@yean.net潘福全(1976—),青岛理工大学教授.研究方向:公共交通与交通安全.E-mail: fuquanpan@yean.net杨永正、潘福全为共同第一作者.
引言
海底隧道是为了解决海湾与海峡之间的交通问题,建造在海底之下供车辆通行的大型人工交通设施[1].海底隧道是战略性交通通道,在城市交通中起着至关重要的作用,隧道中一旦发生交通事故,将会造成隧道两端区域性交通拥堵[2].海底隧道中的事故率及事故损失都远高于普通公路隧道,交通事故的发生原因与纵坡变化有着重要联系[3].因此,深入研究海底隧道纵坡变化对驾驶人生理与心理影响,探究其内在影响规律,对于海底隧道安全运营及交通事故预防具有重要的现实意义[4].
针对隧道纵坡坡度对驾驶人的影响研究中, PAN等[5]以驾驶人在海底隧道不同坡段的换道行为为研究对象,发现在海底隧道出入口等纵坡坡度大的区域,换道风险较高.冯忠祥等[6]研究城市下穿隧道对驾驶人心电特征的影响,建立纵坡坡度、车速及心率变异率量化模型,认为坡度为3. 5%~4. 0%时,驾驶人的心率变异率最高、车速最高.张志刚等[7]对比国内外水下公路隧道,并结合工程实例发现纵坡坡度对于隧道通行能力、车辆性能及驾驶人驾驶能力具有重大影响,纵坡坡度越大,隧道通行能力越低,道路安全性越差.赵建有等[8]在中国秦岭某隧道展开实车实验,分析隧道纵坡对不同性别驾驶人心率的影响,分别建立隧道纵坡与心率增长率、隧道纵坡与车速的数学模型,发现隧道纵坡对驾驶人心率具有明显影响,隧道上坡和下坡坡度不宜大于2. 7%和3. 0%.莫秋云等[9]以长大隧道为研究对象,建立驾驶人心率增长率与山路线形指标的回归模型,发现当下坡路段坡度为3. 5%时,驾驶人心率增长率最大.
目前,关于海底隧道纵坡的研究较少,研究特征量多为眼动与心电.普通公路隧道的修建仅需水平穿过山体,而海底隧道需要先从陆地引入海底,从海床下通过后再穿出到陆地,导致海底隧道具有普通公路隧道所没有的复杂纵坡变化.本研究以中国青岛胶州湾海底隧道为实验场地开展实车实验,以驾驶人脑电信号为特征量,结合胶州湾海底隧道内的纵坡坡度分布,分析不同纵坡坡度变化对驾驶人脑电信号的影响规律,探究海底隧道纵坡变化对驾驶人的影响机理,以期为海底隧道运营管理以及交通安全维护提供理论依据.
-
1 实验方案设计
1. 1 实验场地青岛胶州湾海底隧道位于黄岛区与青岛主城区之间,双向6车道,隧道全程最高限速80 km/h.线路全长7. 8 km,其中,跨海域段长度为4. 1 km,最深段在海平面以下82. 8 m,纵坡坡度为-4. 00%~4. 00%.
根据纵坡坡度的不同,胶州湾海底隧道被分成10段,各个坡段之间的变坡区长度为20~40 m[10].胶州湾海底隧道各段纵坡的坡度分布及变坡区编号如图1.其中,黄岛至青岛方向的变坡区编号为A1—A9;青岛至黄岛方向的变坡区编号为B1—B9.
图1 胶州湾海地隧道纵坡坡度分布及变坡区编号Fig. 1 The longitudinal slope distribution and the serial number of the longitudinal slope change area of Jiaozhou Bay Undersea Tunnel
由图1可知,胶州湾海底隧道任一单向有9个变坡区.其中,在黄岛区至青岛主城区方向,变坡区A1—A4位于下坡区域,变坡区A6—A9位于上坡区域;在青岛主城区至黄岛区方向,变坡区B1—B4位于上坡区域,变坡区B6—B9位于下坡区域;变坡区A5和B5位于上坡与下坡区域的过渡区,故未列入研究范围.
1. 2 实验设备本研究实验车辆为雪佛兰牌小轿车,车辆状况良好;使用车载电子坡度记录仪进行坡度测量,精度为0. 01°;使用Emotiv脑电仪测量脑电数据,其测量范围为0. 2~45. 0 Hz,采样频率为258次/s,脑电仪采用国际10-20系统电极放置法,共有14+2个通道(含2个参考点位),各通道位置如图2.其中,通道AF3、F3、F7、AF4、F4及F8位于额叶区;通道P3、P7、P4及P8位于顶叶区;通道FC5、T7、FC6及T8位于颞叶区;通道O1和O2位于枕叶区(AF代表前额、F代表额叶、P代表顶叶、FC代表额中央、T代表颞叶及O代表枕叶)[11].
图2 电极名称及位置Fig. 2 Electrodes and their locations
1. 3 实验过程本研究实车实验时间为2020-07-01至2020-08-30.为避免车流对驾驶人产生干扰,实验选择在平峰时段09∶00—11∶00与14∶00—16∶00.实验驾驶人被要求按照70 km/h的速度匀速通过海底隧道全程.参与本次实车实验的驾驶人共26位,其驾龄均>2 a,且身体状况良好.在实车实验前3 d,所有驾驶人均确保合理饮食与良好睡眠,且无饮酒和服药行为.为使驾驶人更好地适应实验车辆,在实验前每位驾驶人均有1~2次在实验场地外道路上的试驾机会.
每次实车实验均需要3位实验辅助人员,其中,副驾驶座位上的辅助人员负责对实验车右侧路况进行录像;后排左侧辅助人员负责对实验车左侧路况进行录像,并负责测量脑电数据;后排右侧辅助人员负责对实验车前方路况及实验车速度表盘进行录像.在进行实验数据分析之前,需根据3位实验辅助人员记录的录像视频及海底隧道内的交通卡口视频,并结合驾驶人的脑电图变化规律,剔除受到车流干扰的脑电数据;还需根据后排右侧辅助人员记录的实验车车速及海底隧道内交通卡口检测的实验车车速,结合驾驶人的脑电图变化规律,剔除车速异常时的脑电数据.
-
2 结果与分析
2. 1 功率谱分析人体脑电波是一种有序的神经电活动,脑电频率一般为1~30次/s,根据频率由低到高可将脑电波分为δ波、θ波、α波及β波.脑电频率在一定程度上能够反映神经元的兴奋程度,脑电频率越高,大脑状态越活跃;脑电频率越低,表明神经元兴奋被抑制.脑电功率谱密度(简称功率谱)是反映大脑兴奋或抑制程度的指标.当大脑处于兴奋状态时,低频率信号逐渐减少,高频率信号逐渐增多;当大脑处于抑制状态时,高频率信号逐渐减少,低频率信号逐渐增多[12].
变坡区B3位于下坡段的中间位置,是典型的纵坡变化区域.本研究以B3变坡区为研究对象,取变坡区前后相同长度的路段为对照组,对比分析驾驶人经过变坡区附近区域时的脑电功率谱变化.图3为实验驾驶人经过变坡区及变坡区前后的脑电功率谱对照图.可见,驾驶人在变坡区的脑电δ波和θ波功率谱明显小于变坡区前后,脑电α波和β波功率谱明显大于变坡区前后,表明驾驶人大脑在变坡区更兴奋,驾驶人在经过变坡区附近区域时,受纵坡坡度变化影响,大脑的活跃水平呈现先增强后降低的过程.
2. 2 功率分析对脑电信号的功率谱做进一步处理,即可求出脑电信号的功率.将脑电信号视为随机信号,脑电信号功率Pi为[1 3]
其中,i为不同的脑电波,i=δ波、θ波、α波及β波;Si (t)为不同脑电波的功率谱;x(k)为4种脑电波离散点的幅值;n为任一数据集中的数据个数.
在研究驾驶人的生理状态时,常通过脑电功率来表征驾驶人的大脑活跃程度,其中,β波对大脑活动变化最为敏感,β波功率越大,驾驶人大脑越兴奋;β波功率越小,驾驶人大脑越抑制.
取变坡区B3及其前后2倍长度的路段为研究区域,以5m为间隔,分别求出全体实验驾驶人在该区域的β波功率均值(图4).可见,驾驶人在经过变坡区B3时,脑电信号β波功率发生了剧烈变化.在B3之前,β波的平均功率为3.30×10-8 V2;在B3内,β波平均功率快速增加至3.68×10-8 V2,之后逐渐回落;在B3之后,β波减小速度持续放缓并逐渐恢复到原始水平.
图3 变坡区与变坡区前后的功率谱对比Fig. 3 Comparison of power spectrum before the variable slope area, in the variable slope area, and after the variable slope area
图4 驾驶人经过变坡区B3及其附近区域时的β波功率变化过程Fig. 4 The β wave power change process when the driver passing through the gradient zone B3
脑地形图是将脑电信号各个波段的功率值用不同颜色表示成人脑形状的平面图,脑地形图能够清晰反映大脑不同区域的活跃程度.将驾驶人脑电信号功率进行处理,得到脑地形图如图5.红色代表高频脑电波活跃,红色越深,代表大脑活跃水平越高,驾驶人越兴奋;蓝色代表低频脑电波活跃,蓝色越深,代表大脑活跃水平越低,驾驶人越平静.由图4可见,驾驶人位于变坡区B3及其后5 m时,脑电活跃水平高,大脑处于兴奋状态.相比较于变坡区前后,在变坡区中,驾驶人各个脑区的脑电活跃水平均有不同程度的提高,其中,以额叶区最为明显.无论在变坡区之中,还是变坡区前后,额叶区的脑电活动水平均处于较活跃状态.在变坡区附近区域行驶时,驾驶人大脑的各个脑区均参与到驾驶活动中,其中,与该驾驶活动关联性最强的脑区为额叶区,此外,对于纵坡坡度变化最敏感的区域也是额叶区.
图5 驾驶人经过变坡区B3及其附近区域时的脑地形图Fig. 5 The topographic map of the driver's brain when passing through the gradient zone B3
由以上结果可见,对驾驶人大脑而言,变坡区是一个明显的外界刺激,驾驶人经过变坡区时,大脑脑电活跃水平明显上升,并在离开纵坡变化区域后逐渐回落至初始水平.结合图4可知,驾驶人进入变坡区B3时,β波功率增加了0.38×10-8 V2.同理可得驾驶人经过其他变坡区时的脑电β波功率变化,如图6.
由图6可见,从驾驶人脑电β波功率变化量的均值来看,对驾驶人心理负荷影响程度由大到小的变坡区依次为:A3、B6、A2、B9、B8、A1、A4、B7(下坡);B3、A6、B2、A9、A8、B1、B4、A(7 上坡).该顺序与纵坡坡度变化量的大小顺序相同,上坡与下坡的趋势相同.驾驶人脑电β波功率变化量与纵坡变化量密切相关,纵坡变化量越大,脑电β波功率变化量越大.按照上下坡的不同,将变坡区分为两组,并对两组变坡区的β波功率变化量做显著性检验,单因素方差分析结果表明,两组数据间的P值为0. 007,故两组数据之间具有显著性差异,即可认为在上坡或下坡过程中相同的纵坡坡度变化,对驾驶人的影响程度不同.
图6 驾驶人经过变坡区时的脑电β波功率变化情况Fig. 6 Power changes of β waves in the brain waves
海底隧道内驾驶人脑电β波功率变化的离散程度可反映驾驶人生理和心理的变化,以及驾驶人对驾驶环境的适应性.不同纵坡变化量对应的β波功率变化离散程度存在明显差异,通过引入离均系数进一步分析不同纵坡变化对驾驶人脑电β波功率的影响规律.离均系数[14]为驾驶人在经过不同坡度变化量时的脑电β波功率及其均值绝对偏差的平均值,计算为
其中,Sm为驾驶人脑电β波功率变化的离均系数(m∈A1—A4、B6—B9;B1—B4、A6—A9);n为坡度变化量为m时,驾驶人脑电β波功率值的个数;Xmi为坡度变化量为m时,第i个脑电β波的功率值;-Xm为坡度变化量为m时,驾驶人脑电β波的功率均值.计算坡度变化量为A1—A4、 B6—B9; B1—B4、A6—A9情况下,驾驶人脑电功率β波的离均系数,结果如图7.
由图7可见,海底隧道纵坡变化量与驾驶人脑电功率β波离均系数的变化趋势相同.当纵坡变化量小于1. 5%时,海底隧道下坡时驾驶人脑电功率β波的离均系数与上坡离均系数近乎重叠,上下坡的离均系数均无明显波动,驾驶人的驾驶感轻松,行车安全性良好.当纵坡变化量小于1. 5%时,驾驶人脑电功率β波的离均系数随纵坡坡度变化量的增加而快速增加,驾驶人的紧张感增强,行车安全性降低;下坡离均系数明显大于上坡离均系数,下坡过程中的行车安全性更差.
图7 纵坡变化量及脑电功率β波离均系数变化Fig. 7 Change of longitudinal slope and EEG power β wave mean coefficients
-
3 脑电信号变化特征分析
取各个变坡区的坡度变化量及所对应的β波功率变化量,将其按照上下坡进行分类并分别进行拟合,得到海底隧道纵坡坡度变化与脑电β波功率变化的散点图及拟合曲线如图8.
在上坡与下坡过程中,海底隧道纵坡坡度变化与驾驶人脑电β波功率的变化关系如式(3)和式(4),可决系数分别为0. 95和0. 96,可决系数较高,所建关系模型的可靠性良好.
其中,y1和y2分为上坡与下坡的β波功率变化量;x为纵坡坡度变化量.
由图8、式(3)和式(4)可知,在上坡与下坡过程中的纵坡坡度变化与β波功率变化的拟合曲线均为2次函数,纵坡坡度变化量是β波功率变化量的平方倍.β波功率变化与纵坡坡度变化正相关,纵坡坡度变化越小,驾驶人脑电β波功率变化就越小,行车安全性就越好.随着纵坡坡度变化的持续增大,β波功率变化量增长的越来越快,对驾驶人的影响也越来越大.
图8 上下坡时纵坡坡度变化与β波功率变化拟合曲线Fig. 8 The curves of vertical slope change and β wave power change
对下坡与上坡过程中的拟合曲线进行对比可知,上下坡过程中的β波功率的变化趋势相同;当纵坡坡度变化小于1%时,上坡与下坡过程的β波功率拟合曲线接近重叠,且β波功率变化均小于0. 1,纵坡坡度变化对驾驶人的影响较小;当纵坡坡度变化大于1. 5%时,相比较于上坡过程,下坡过程中的纵坡坡度变化对驾驶人脑电β波功率的影响程度更大,随着纵坡坡度变化的持续增大,上下坡之间的差距继续增大.
-
结 语
本研究通过实车实验,分析驾驶人通过海底隧道变坡区的脑电信号,并探究不同变坡类型与坡度变化量对驾驶人脑电信号的影响,结果表明:①在变坡区附近区域行驶时,驾驶人大脑的各个脑区均参与到驾驶活动中,与该驾驶活动关联性最紧密的脑区为额叶区;②对于纵坡坡度变化引起的驾驶人脑电β波功率变化,上坡与下坡之间存在着显著性差异,下坡过程中的纵坡变化对驾驶人的影响更大;③海底隧道纵坡变化量与驾驶人脑电β波功率正相关,纵坡坡度变化越大,驾驶人紧张程度越大,行车安全性越差.当变坡区长度约为30 m时,变坡区的纵坡变化量不宜超过1. 5%.
本研究定量分析海底隧道纵坡变化对驾驶人脑电信号以及行车安全性的影响,研究成果可为海底隧道纵坡变坡区的合理布置提供一定理论依据,对保障海底隧道行车安全性具有积极作用.为进一步研究海底隧道纵坡对驾驶人的影响,未来研究尚需关注的问题包括:①海底隧道内驾驶人除受到纵坡因素影响,还会受到平面线形、光环境及交通流等因素影响,因此,有必要对这些因素耦合作用下的驾驶人脑电信号变化规律展开进一步探究;②海底隧道中间区域存在上下坡过渡区域,具有较大的纵坡变化,因此,有必要进一步研究驾驶人在海底上下坡过渡区的脑电变化规律.
- [1]曲立清,李翔,代镇洋. 青岛胶州湾海底跨海通道及前海沿线地下道路工程[J]. 隧道建设,2020,40(6):905-924. QU Liqing, LI Xiang, DAI Zhenyang. Qingdao Jiaozhou Bay undersea cross-sea passage and underground road project along the front sea [J]. Tunnel Construction, 2020, 40(6): 905-924. (in Chinese)
- [2]SONG Chaoye, ZHOU Shuming. The overall design of Qingdao Jiaozhou Bay subsea tunnel [J]. Advanced Mate⁃rials Research, 2012, 368(10): 2971-2976.
- [3]王健. V型海底隧道交通流运行特性及其模型研究[D]. 青岛:青岛理工大学,2018. WANG Jian. Study on traffic flow characteristics and its model of V-shaped subsea tunnel [D]. Qingdao: Qingdao University of Technology, 2018. (in Chinese)
- [4]ZHOU Hong, ZHAO Yinghui, SHEN Qiang, et al. Risk assessment and management via multi-source infor⁃mation fusion for undersea tunnel construction [J]. Auto⁃mation in Construction, 2020, 111(3): 103050.
- [5]PAN Fuquan, ZHANG Lixia, WANG Jian, et al. Lane-changing risk analysis in undersea tunnels based on fuzzy inference [J]. IEEE Access, 2020, 8(1): 19512-19520.
- [6]冯忠祥,杨苗苗,马昌喜,等. 城市下穿隧道纵坡坡度和速度对驾驶人心率增长率的影响[J]. 中国公路学报,2018,31(4):66-77. FENG Zhongxiang, YANG Miaomiao, MA Changxi, et al. Influence of longitudinal slope of urban underpass tunnel on driver's heart rate growth rate [J]. Chinese Journal of Highway and Transport, 2018, 31(4): 66-77. (in Chinese)
- [7]张志刚,胡金平,刘洪洲,等. 水下公路隧道最大纵坡取值研究[J]. 现代隧道技术,2013,50(4):8-14. ZHANG Zhigang, HU Jinping, LIU Hongzhou, et al. Study on maximum longitudinal slope of underwater high⁃way tunnel [J]. Modern Tunnelling Technology, 2013, 50 (4): 8-14. (in Chinese)
- [8]赵建有,何操,郑明明. 高速公路隧道纵坡对驾驶人心率的影响[J]. 长安大学学报自然科学版,2010,30 (2):80-83,100. ZHAO Jianyou, HE Cao, ZHENG Mingming. Influence of longitudinal slope of expressway tunnel on driver's heart rate [J]. Journal of Chang’an University Natural Science Edition, 2010, 30(2): 80-83, 100. (in Chinese)
- [9]莫秋云,李荣敬,李军,等. 基于ECG指标的山区公路线形对驾驶员特性的影响研究[J]. 中国安全科学学报,2013,23(12):16-20. MO Qiuyun, LI Rongjing, LI Jun, et al. Research on the influence of mountain highway alignment on driver charac⁃teristics based on ECG index [J]. Chinese Safety Science Journal, 2013, 23(12): 16-20. (in Chinese)
- [10]周书明. 青岛胶州湾海底隧道总体设计与施工[J]. 隧道建设,2013,33(1):38-44. ZHOU Shuming. Overall design and construction of Qing⁃dao Jiaozhou Bay Subsea Tunnel [J]. Tunnel Construction, 2013, 33(1): 38-44. (in Chinese)
- [11]YANG Liu, GUAN Wei, MA Rui, et al. Comparison among driving state prediction models for car-following condition based on EEG and driving features [J]. Accident Analysis and Prevention, 2019, 133(10): 105296.
- [12]朱守林,赵谦,戚春华,等. 草原公路交通标志信息量对驾驶员脑电信号的影响分析[J]. 科学技术与工程, 2020,20(20):8407-8412. ZHU Shoulin, ZHAO Qian, QI Chunhua, et al. Analysis of the influence of traffic sign information on driver's EEG signal on grassland road [J]. Science Technology and Engineering, 2020, 20(20): 8407-8412. (in Chinese)
- [13]PAN Fuquan, YANG Yongzheng, ZHANG Lixia, et al. Analysis of EEG characteristics of drivers at the entrance and exit of an undersea tunnel and research on driving safety [J]. International Journal of Safety and Security Engineering, 2021, 11(2): 155-165.
- [14]焦方通,杜志刚,王首硕,等. 城市水下特长隧道弯道驾驶人扫视行为研究[J]. 中国安全科学学报, 2019,29(7):104-109. JIAO Fangtong, DU Zhigang, WANG Shoushuo, et al. Research on the scanning behavior of drivers on curved road in urban underwater extra-long tunnel [J]. Chinese Safety Science Journal, 2019, 29(7): 104-109. (in Chinese)