驾驶人的驾驶状态是由其生理心理状况及心理活动决定的，随着驾驶人生理心理检测技术的快速发展，新一代的安全辅助驾驶系统逐渐开始关注于通过准确测量驾驶人生理心理指标变化来实现对危险驾驶行为的监测和警示。清华大学的李力等人通过进行大量的调查分析，建立了驾驶人生理心理状态和驾驶行为及车辆行驶行为的关系模型，如图4-5 所示[66]。
图4-5 驾驶员生理状态和驾驶行为及车辆行驶行为的关系
由图4-5 可知，驾驶人生理状态会对其驾驶行为产生直接的影响，进而改变车辆行驶行为，所以通过观测驾驶人生理指标的变化来实现对驾驶行为险态的判定在理论上是可行的。而通过分析文献发现，国内外大多数学者目前都倾向于采用驾驶人的血流量脉冲（BVP）、呼吸率（RESP）、皮肤电导（SC）[67]及脑电波（EEG）[68]等指标对疲劳、分神、驾驶压力、攻击性驾驶等危险驾驶行为状态进行判断分析[69]。考虑到实际操作的可行性及设备采集的敏感性，脑电波数据受外界环境的干扰太大，并且一些细小的驾驶人动作都会引起脑电波的剧烈变化。所以，本研究最终使用第3 章中所介绍的生物反馈仪采集了驾驶人在模拟实验过程中的血流量脉冲（BVP）、呼吸率（RESP）、皮肤电导（SC），期望通过对这三个指标的分析实现对不同等级驾驶行为险态的辨识。
在实验过程中，生理指标作为客观表征驾驶人状态的重要参数，但是实验采集的生理参数数据具有采样率高、数据量大等特点，直接使用采集的原始数据进行分析无法显著表现生理指标与驾驶行为险态之间的相关性规律，所以，需首先对采集的原始实验数据进行降频、去噪、数据还原等操作。为了能够更直观地描述对生理指标的处理过程，本研究选取被试01 的实验数据为例进行分析，其初始生理指标变化曲线如图4-6 所示。
图4-6 被试01 生理指标变化图
由图4-6 可知，该数据集在图中虚线标出的区间内存在奇异值，所以首先需采用三次样条插值法对奇异值进行修复。然后以3 s 为时间间隔，将数据集分割为212 个数据块，并分别对这些数据块的均值进行求解。数据预处理完毕后，将标准化处理后的数据集导入Observer 行为分析软件中，同步导入实验采集的视频。最后将实验中记录的驾驶人自汇报数据采用编码的形式进行加载，编码过程中，驾驶人汇报的等级分别用数字1、2、3 表示（1——可忽略，2——可容忍，3——不可容忍），而没有汇报的数据块则采用数字0进行补充。(www.xing528.com)
图4-7 所示为进行数据预处理后的生理指标变化曲线。由图4-7 可知，经过预处理后的3 个生理指标的数据值都处于正常的区间范围内。而驾驶人自汇报结果中表明：等级1 出现了10 次，即所记录的交通事件中有10 次驾驶人认为是可忽略的；同时包含11 次驾驶人认为其险态等级为可以容忍；此外还出现了5 次驾驶人认为危险等级为不可容忍的交通事件。
图4-7 预处理后的生理指标曲线
对30 名被试的实验数据都采用与被试01 相同的处理方法，数据处理结果表明：相较于可忽略和可容忍这两个险态等级下，驾驶人驾驶行为险态等级处于不可容忍状态时，其BVP 和SC 在3 s 这一时间窗内的均值会出现增大趋势，但RESP 数据变化规律性不强。因此需对不同被试实验中BVP、SC、RESP 数值与驾驶人自汇报等级的相关性进行统计分析，得到的相关系数分布如图4-8 所示。
皮尔逊（Pearson）相关系数法统计结果表明：在参与实验的30 名被试中，90%的被试的BVP 值与驾驶人自汇报驾驶行为险态等级之间存在正相关，即险态等级越高，BVP 值越高；超过90%的被试的SC 值随着险态等级的升高呈现上升趋势，且有30%的实验被试的SC 值与险态等级呈显著正相关（p＜0.05）。RESP 的计算结果与BVP、SC 的计算结果存在一定差异性，其相关系数值有一部分为正数，也存在较多为负数，且系数绝对值基本都小于0.5，未出现与BVP、SC 类似的与驾驶行为险态等级呈正相关的规律。
图4-8 生理参数相关系数分布
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
