CN101686816A - 困倦判定装置 - Google Patents

Abstract

本发明的课题是提供一种对成为瞌睡状态前的强的困倦进行判定的困倦判定装置。这种困倦判定装置(1)的特征是包括：取得与被试验者的交感神经有关的参数的交感神经参数取得单元(2、11)；取得与被试验者的副交感神经有关的参数的副交感神经参数取得单元(2、11、16)；判定交感神经参数的大小是否大于交感神经用阈值的交感神经增加判定单元(13、14)；在交感神经增加判定单元(13、14)判定为交感神经参数的大小大于交感神经用阈值的情况下，基于交感神经参数和副交感神经参数的增减关系来判定被试验者的困倦的困倦判定单元(19)。

Description

困倦判定装置

技术领域

本发明涉及根据交感神经活动和副交感神经活动来判定困倦的困倦判定装置。

背景技术

为了使车辆的驾驶员进行安全的行驶，开发出对驾驶员的困倦(觉醒度)进行判定的装置。作为困倦判定装置，有的例如根据心率、眨眼等抽取与困倦相应变化的特征量，并将该特征量与阈值进行比较由此来判定非常强的困倦(瞌睡状态或马上就要瞌睡的状态)。在这样判定出非常强的困倦时，是对驾驶操作带来影响(例如神态)的困倦等级，作为判定时刻是滞后了。因而，在专利文献1所记载的装置中，基于与交感神经活动具有相关关系的心率波动的低频分量来判定弱的困倦，并在已判定为弱的困倦的情况下给与刺激。

专利文献1：日本特愿2007-140975号

专利文献2：日本特开2007-6970号公报

专利文献3：日本特开平6-270711号公报

在弱的困倦时，有之后觉醒度上升，不进入瞌睡状态的情况。另外，即便在从弱的困倦转移到瞌睡状态的情况下，不知道从弱的困倦经过多久转移到瞌睡状态，其时间因人而异。从而，就需要对确实要转移到瞌睡状态，转移之前的时间也是短时间的强的困倦(瞌睡状态将要发生的数分钟～数十分钟前)进行判定。但是，在以往的困倦判定装置中无法对该强的困倦进行判定。

发明内容

因此，本发明的课题就是提供一种对成为瞌睡状态前的强的困倦进行判定的困倦判定装置。

本发明所涉及的困倦判定装置，其特征在于包括：取得与被试验者的交感神经有关的参数的交感神经参数取得单元；取得与被试验者的副交感神经有关的参数的副交感神经参数取得单元；判定交感神经参数取得单元所取得的交感神经参数的大小是否大于交感神经用阈值的交感神经增加判定单元；以及在交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，基于交感神经参数取得单元所取得的交感神经参数和副交感神经参数取得单元所取得的副交感神经参数的增减关系来判定被试验者的困倦的困倦判定单元。

在此困倦判定装置中，由交感神经参数取得单元取得被试验者的交感神经参数，并且由副交感神经参数取得单元取得被试验者的副交感神经参数。交感神经参数是表示交感神经的活动的各种参数，若其大小较大则交感神经的活动活跃。副交感神经参数是表示副交感神经的活动的各种参数，若其大小较大则副交感神经的活动活跃。在困倦判定装置中，由交感神经增加判定单元来判定被试验者的交感神经参数的大小是否大于交感神经用阈值。交感神经用阈值是用于判定交感神经活动为活跃状态(正抗拒困倦的弱的困倦状态)的阈值。在成为瞌睡状态时，通常是有弱的困倦状态，之后成为强的困倦状态，然后成为瞌睡状态。因此，在困倦判定装置中，由困倦判定单元在交感神经参数的大小变得大于交感神经用阈值以后基于交感神经参数和副交感神经参数的增减关系来判定被试验者的困倦(特别是瞌睡状态前的强的困倦)。这样，在困倦判定装置中能够根据交感神经活动变得活跃以后的(弱的困倦状态之后)交感神经活动和副交感神经活动的增减关系，高精度地判定成为瞌睡状态前的强的困倦，能够预测瞌睡状态的发生。

在本发明的上述困倦判定装置中最好是：交感神经增加判定单元在交感神经参数取得单元所取得的交感神经参数的大小已大于交感神经用阈值的继续时间长于时间阈值的情况下判定为交感神经参数的大小大于交感神经用阈值。

在此困倦判定装置中，由交感神经增加判定单元判定交感神经参数的大小已大于交感神经用阈值的继续时间是否长于时间阈值，在长于时间阈值的情况下判定为交感神经参数的大小大于交感神经用阈值。时间阈值是用于判定交感神经活动确实变得活跃的情况(弱的困倦正在继续的情况)的阈值。这样，在困倦判定装置中，能够通过还导入时间概念来判定交感神经活动活跃的状态，高精度地判定交感神经活动变得活跃的状态(弱的困倦状态正在继续的情况)，能够更高精度地判定强的困倦。

在本发明的上述困倦判定装置中最好是：副交感神经参数取得单元基于心律波动的高频分量的增减方向来取得副交感神经参数。

心率波动的高频分量与副交感神经具有相关关系，若心率波动的高频分量的大小较大则副交感神经的活动活跃。因此，在此困倦判定装置中，由副交感神经参数取得单元判别心率波动的高频分量的大小是正在增加或者正在减少，并基于其增减方向来取得副交感神经参数。这样，在困倦判定装置中，通过仅简单地将心率波动的高频分量的增减作为副交感神经活动的判定信息，能够吸收个人差异，更高精度地判定强的困倦。

在本发明的上述困倦判定装置中还可以采取如下构成，即包括：判定副交感神经参数取得单元所取得的副交感神经参数的大小是否大于副交感神经用阈值的副交感神经增加判定单元，困倦判定单元在交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，当交感神经增加判定单元判定为交感神经参数的大小变得小于交感神经用阈值以后副交感神经增加判定单元判定为副交感神经参数的大小大于副交感神经用阈值时判定为被试验者处于强的困倦状态。

在此困倦判定装置中，由副交感神经增加判定单元来判定副交感神经参数的大小是否大于副交感神经用阈值。副交感神经用阈值是用于判定是否副交感神经活动变得活跃，并已从弱的困倦状态转移到强的困倦状态的阈值。在困倦判定装置中，由困倦判定单元在交感神经参数的大小大于交感神经用阈值以后，交感神经参数的大小变得小于交感神经用阈值，之后副交感神经参数的大小大于副交感神经用阈值的情况下判定为被试验者处于强的困倦状态。这样，在困倦判定装置中，通过判定在交感神经活动的活跃状态收敛以后副交感神经活动已变得活跃的情况，能够高精度地判定强的困倦。

在本发明的上述困倦判定装置中还可以采取如下构成，即包括：判定副交感神经参数取得单元所取得的副交感神经参数的大小是否大于副交感神经用阈值的副交感神经增加判定单元，困倦判定单元在交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，当交感神经增加判定单元的判定结果继续是交感神经参数的大小大于交感神经用阈值的过程中副交感神经增加判定单元判定为副交感神经参数的大小大于副交感神经用阈值时判定为被试验者处于强的困倦状态。

在此困倦判定装置中，由副交感神经增加判定单元来判定副交感神经参数的大小是否大于副交感神经用阈值。然后，在困倦判定装置中，由困倦判定单元在交感神经参数的大小变得大于交感神经用阈值以后，该已变大的状态持续时副交感神经参数的大小大于副交感神经用阈值的情况下判定为被试验者处于强的困倦状态。这样，在困倦判定装置中，通过判定在交感神经活动活跃的状态继续过程中副交感神经活动变得活跃的情况，能够高精度地判定强的困倦。

本发明通过在交感神经活动变得活跃以后对交感神经活动和副交感神经活动的增减关系进行判定，能够高精度地判定成为瞌睡状态前的强的困倦。

附图说明

图1是表示本实施方式所涉及的瞌睡发生预测装置之整体构成的框图。

图2是表示图1的ECU中的处理顺序的流程图。

图3是表示图2的心率信号前处理之处理顺序的流程图。

图4是表示图2的心率波动值抽取处理之处理顺序的流程图。

图5是表示心率信号之一例的图。

图6是用于说明心率信号的二值化处理的示意图。

图7是表示对心率信号进行二值化处理所取得的二值化信号的图。

图8是用于说明心率周期的计算处理的示意图。

图9是用于说明心率周期的插值处理的示意图。

图10是用于说明心率周期的FFT处理的示意图。

图11是用于说明心率波动的低频分量以及高频分量的频带设定的示意图。

图12是表示振幅频谱功率的时间变化之一例的图。

图13是用于说明交感神经活动活跃检测处理以及交感神经活动活跃检测判定处理的示意图。

图14是用于说明副交感神经活动活跃检测处理的示意图，(a)是心率波动H的时间序列；(b)是心率波动H的微分值dH(t)的时间序列；(c)是微分值dH(t)的符号SH(t)的时间序列；(d)是符号SH(t)的时间积分值IH(t)的时间序列。

图15是用于说明副交感神经活动活跃检测判定处理的示意图。

图16是瞌睡发生预测装置的评价试验之一例，(a)是心率波动L/H的时间序列；(b)是心率波动L/H经过交感神经活动活跃判定阈值D2处理后的分量D_L/H(t)的时间序列；(c)是D_L/H(t)经过继续时间阈值ST处理后的区间D_DurD2(t)的时间序列。

图17是瞌睡发生预测装置的评价试验之一例，(a)是心率波动H的时间序列；(b)是符号积分IH(t)的时间序列；(c)是符号积分IH(t)的时间序列和副交感神经活动活跃判定阈值IHS。

图18是瞌睡发生预测装置的评价试验之一例，(a)是图16中(c)的D_DurD2(t)的时间序列；(b)是图17中(c)的符号积分IH(t)的时间序列和副交感神经活动活跃判定阈值IHS，(c)是基于官能评价的困倦等级的时间序列。

图19是表示基于官能评价的困倦等级的判定基准的表。

附图标记说明

1...瞌睡发生预测装置、2...心率传感器、3...输出单元、4...ECU、10...心率信号前处理部、11...心率波动值抽取部、12...心率波动值保存缓冲器、13...交感神经活动活跃检测处理部、14...交感神经活动活跃检测判定部、15...交感神经活动活跃时刻保存缓冲器、16...副交感神经活动活跃检测处理部、17...副交感神经活动活跃检测判定部、18...副交感神经活动活跃时刻保存缓冲器、19...瞌睡发生预测部、20...预测结果输出部

具体实施方式

以下，参照附图来说明本发明所涉及的困倦判定装置的实施方式。

在本实施方式中，将本发明所涉及的困倦判定装置应用于搭载在车辆中的、对驾驶员的瞌睡状态发生进行预测的瞌睡发生预测装置。本实施方式所涉及的瞌睡发生预测装置基于心率波动来判定成为瞌睡状态前的强的困倦状态(瞌睡状态将发生的数分钟～数十分钟前的状态)，在已判定强的困倦状态的情况下告知该判定结果。

在对本实施方式所涉及的瞌睡发生预测装置具体地进行说明以前，事先对强的瞌睡状态的判定方法进行说明。首先，对本实施方式中使用的用语进行说明。心率波动是心率周期的0.01Hz附近～0.5Hz附近的心率变动。心率波动的低频分量(以下记载为“心率波动L”)是心率周期0.1Hz附近的心率波动变动分量功率。心率波动的高频分量(以下记载为“心率波动H”)是心率周期0.3Hz附近的心率波动变动分量功率。心率波动的低频分量/高频分量(以下记载为心率波动L/H)是心率波动L与心率波动H之比。

本申请的发明者，根据针对许多被试验者的实验等所获得的心率数据(心率波动L、心率波动H、心率波动L/H)和困倦状态的官能评价等进行统计分析的结果，观察成为强的困倦状态时的心率波动的变化特性。此变化特性有2个阶段的条件。首先是心率波动L/H或心率波动L增加这样的条件。其次是在已增加的心率波动L/H或者心率波动L减少了以后，心率波动H增加的条件、或者是在心率波动L/H或心率波动L维持增加状态的过程中，心率波动H增加的条件。

一般而言，已知在心率波动与自律神经(交感神经以及副交感神经)之间有以下关系。心率波动L受到交感神经活动以及副交感神经活动的影响而变化(也就是说具有相关性)，当各神经活动变得活跃时其分量功率将增加而变大。心率波动H受到副交感神经活动的影响而变化，当副交感神经活动变得活跃时其分量功率将增加而变大。心率波动L/H受到交感神经活动的影响而变化，当交感神经活动变得活跃时其分量功率将增加而变大。

从而，成为强的困倦状态时的自律神经(交感神经以及副交感神经)的活动特性如下。这一活动特性也有2个阶段的条件。首先是交感神经活动变得活跃的条件。其次是在交感神经活动活跃的状态收敛以后副交感神经变得活跃的条件、或者是在交感神经活动维持活跃的状态的过程中副交感神经活动变得活跃的条件。也就是说，在交感神经活动已变得活跃时，是抗拒困倦的状态，已发生弱的困倦。之后，当副交感神经活动变得活跃时，可以认为无法完全抗拒困倦，正从弱的困倦向强的困倦转移。若感到强的困倦，则在数分钟～数十分钟后成为瞌睡状态。

这样，在本申请发明中，在检测出交感神经活动活跃的状态以后，通过在该状态已收敛以后检测出副交感神经活动活跃的状态或者在该活跃状态维持过程中检测出副交感神经活动活跃的状态来判定强的困倦(预测瞌睡发生)。进而，在交感神经活动活跃的状态检测中，对于心率波动L或心率波动L/H使用预先设定的交感神经用阈值和继续时间用阈值进行绝对值检测。另外，在副交感神经活动活跃的状态检测中，针对心率波动H的增减方向(符号)的时间积分，使用预先设定的副交感神经用阈值进行绝对值检测。此绝对值检测不是使用对单个人设定的阈值来进行检测(也就是说不是根据单个人的心率波动值的相对的变化来进行检测)，而是对众人用相同的阈值来进行检测。

那么，首先参照图1就本实施方式所涉及的瞌睡发生预测装置1之构成进行说明。图1是表示本实施方式所涉及的瞌睡发生预测装置之整体构成的框图。

在瞌睡发生预测装置1中，从对驾驶员检测出的心率指标中抽取心率波动值(心率波动L、心率波动H、心率波动L/H)。而且，在瞌睡发生预测装置1中，基于心率波动值来探测交感神经活动活跃的状态，并探测该活跃状态收敛以后的副交感神经活动活跃的状态，由此来判定是否已成为强的困倦状态。

为此，瞌睡发生预测装置1具备心率传感器2、输出单元3、ECU[Electronic Control Unit]4，并在ECU4中构成有心率信号前处理部10、心率波动值抽取部11、心率波动值保存缓冲器12、交感神经活动活跃检测处理部13、交感神经活动活跃检测判定部14、交感神经活动活跃时刻保存缓冲器15、副交感神经活动活跃检测处理部16、副交感神经活动活跃检测判定部17、副交感神经活动活跃时刻保存缓冲器18、瞌睡发生预测部19、预测结果输出部20。

此外，在本实施方式中，心率传感器2以及心率波动值抽取部11相当于技术方案中记载的交感神经参数取得单元，心率传感器2、心率波动值抽取部11、副交感神经活动活跃检测处理部16相当于技术方案中记载的副交感神经参数取得单元，交感神经活动活跃检测处理部13以及交感神经活动活跃检测判定部14相当于技术方案中记载的交感神经增加判定单元，副交感神经活动活跃检测处理部16以及副交感神经活动活跃检测判定部17相当于技术方案中记载的副交感神经增加判定单元，瞌睡发生预测部19相当于技术方案中记载的困倦判定单元。

心率传感器2是检测心肌收缩时产生的脉冲状电压(心电位)的电位式心率传感器。通过心率传感器2的例如被安装在车辆转向盘等上的电极来检测心电位。在心率传感器2中，对心电位进行检测，并将检测出的心电位作为心率信号发送给ECU4。此外，作为心率传感器，除电位式心率传感器以外，还可以使用对根据心率周期性地变化的红外线的反射光量进行检测的红外线心率传感器或对血压进行检测的传感器等。

输出单元3是用于对输出对象告知驾驶员处于强的困倦状态或以对驾驶员催促休息的方式进行告知的单元。在输出单元3中，若从ECU4接收到了输出信号，则进行与各单元相应的输出。作为输出单元3例如有利用声音进行告知的单元(蜂鸣器、汽车音响、收音机、汽车喇叭)、利用图像显示进行告知的单元(显示器)、利用光进行告知的单元(仪表照明、室内照明)、利用触觉或冷热感觉进行告知的单元(埋设于座位的振动装置、空调的风或温度变化)、利用气味进行告知的单元(芳香剂的喷射)、针对系统的指令输出。作为输出对象例如有驾驶员、坐在驾驶席以外的乘客、管理卡车或出租车等营业车运行的管理者、车辆控制系统。

ECU4由CPU[Central Processing Unit]、ROM[Read OnlyMemory]、RAM[Random Access Memory]等组成，对瞌睡发生预测装置1进行统一控制。在ECU4中，通过由CPU执行保存在ROM中的各程序来构成各处理部10、11、13、14、16、17、19、20以及各缓冲器12、16、18，并进行各处理部10、11、13、14、16、17、19、20的处理。

心率信号前处理部10每隔一定时间读入来自心率传感器2的心率信号，并根据心率信号取得心率周期(RR间隔)时间序列。具体而言，首先对心率信号进行带通滤波处理，然后截取超过阈值的时间序列数据。其次，将已截取的时间序列数据二值化，然后利用二值化数据来求解区间宽度(周期)。然后，对区间宽度进行插值以求解心率周期的时间序列数据。在心率信号前处理部10中，将此已取得的心率周期时间序列数据输出到心率波动值抽取部11。

心率波动值抽取部11根据在心率信号前处理部10中所取得的心率周期时间序列数据抽取心率波动L、心率波动H、心率波动L/H的时间序列。具体而言，首先对心率周期时间序列数据进行FFT处理并取得作为心率波动频率分量的功率谱。其次，对此功率谱指定低频分量(0.1Hz附近)和高频分量(0.3Hz附近)的各频带，并分别积分各频带的功率谱。进而，将心率波动的低频分量的积分值除以心率波动的高频分量的积分值进行除法运算。通过反复进行这一处理，取得心率波动的低频分量的振幅频谱功率(心率波动L)的时间序列数据、心率波动的高频分量的振幅频谱功率(心率波动H)的时间序列数据以及心率波动的低频分量/高频分量的振幅频谱功率(心率波动L/H)的时间序列数据。心率波动值抽取部11每隔一定时间将已取得的心率波动L、心率波动H、心率波动L/H存储在心率波动值保存缓冲器12中。

心率波动值保存缓冲器12是保存心率波动值抽取部11所抽取出的心率波动L、心率波动H、心率波动L/H的各时间序列数据的缓冲器。所保存的时间序列数据是在距现在为过去的一定期间内抽取出的数据。此一定期间是数分钟～数十分钟左右。

交感神经活动活跃检测处理部13使用心率波动值保存缓冲器12中所保存的心率波动L的时间序列数据或心率波动L/H的时间序列数据来检测交感神经活动活跃的状态(心率波动L或心率波动L/H增加并变大的状态)。参照图13对使用心率波动L/H进行检测的情况具体地进行说明。每隔一定时间，对心率波动L/H是否超过交感神经活动活跃判定阈值D2进行判定。交感神经活动活跃判定阈值D2是用于判定交感神经活动是活跃的状态(正抗拒困倦的弱的困倦状态)的阈值。在心率波动L/H超过了交感神经活动活跃判定阈值D2的情况下，计量从心率波动L/H超过了交感神经活动活跃判定阈值D2时的时刻TD2起的时间，并且每隔一定时间对心率波动L/H是否变得小于等于交感神经活动活跃判定阈值D2进行判定。在心率波动L/H变得小于等于交感神经活动活跃判定阈值D2的情况下，存储心率波动L/H成为交感神经活动活跃判定阈值D2时的时刻TDurD2并且存储进行时间计测所得到的继续时间DurD2(＝TDurD2-TD2)。

在这里，对交感神经活动活跃判定阈值D2的设定方法进行说明。作为一例列举用其他方法将困倦定量化，并取得困倦与心率波动L或心率波动L/H的相关性的方法。作为将困倦定量化的方法，有根据脸部图像来评价困倦等级的方法(参照「人間感覚計測マニユアル、第一編」P146、人間生活工学研究センタ一)。通过利用这样的方法对利用针对许多被试验者的实验等所获得的数据进行统计分析，来预先设定交感神经活动活跃判定阈值D2。在使用心率波动L进行判定的情况下，设定心率波动L用的交感神经活动活跃判定阈值D2；在使用心率波动L/H进行判定的情况下，设定心率波动L/H用的交感神经活动活跃判定阈值D2。

交感神经活动活跃检测判定部14，使用在交感神经活动活跃检测处理部13中推导出的继续时间DurD2，来判定交感神经活动活跃状态是否为预测瞌睡状态所需要的程度(心率波动L或心率波动L/H增加并变大的状态是否充分地维持)。参照图13对使用心率波动L/H进行检测的情况具体地进行说明。判定心率波动L/H超过交感神经活动活跃判定阈值D2的继续时间DurD2是否超过继续时间阈值ST。继续时间阈值ST是用于判定交感神经活动活跃的状态充分地继续(也就是说弱的困倦状态充分地继续的情况)的情况的阈值。通过对利用针对许多被试验者的实验等所获得的数据进行统计分析，来预先设定继续时间阈值ST，例如是数分钟左右。在继续时间DurD2超过继续时间阈值ST的情况下(也就是说心率波动L/H变大的状态充分地维持的情况)，将继续时间DurD2的终端的时刻TDurD2(即、交感神经活动活跃的状态结束的时刻)存储在交感神经活动活跃时刻保存缓冲器15中。附带指出，在弱的困倦状态继续某种程度的情况下，就那样转移到强的困倦而达到瞌睡状态的可能性较高。

交感神经活动活跃时刻保存缓冲器15是用于在交感神经活动活跃检测判定部14判定为继续时间DurD2超过继续时间阈值ST的情况下保存交感神经活动活跃的状态的结束时刻TDurD2的缓冲器。

副交感神经活动活跃检测处理部16使用心率波动值保存缓冲器12中所保存的心率波动H的时间序列数据来检测副交感神经活动活跃的状态(推导出心率波动H的增减方向(符号)的时间积分值)。参照图14具体地进行说明。每隔一定时间，对心率波动H进行时间微分，生成心率波动H的微分值dH(t)的时间序列数据。而且，每隔一定时间，如式(1)所示那样，以0为阈值来判定心率波动H的微分值dH(t)，在dH(t)＞0的情况下设SH(t)＝1、在dH(t)＝0的情况下设SH(t)＝0、在dH(t)＜0的情况下设SH(t)＝-1这样进行编码来生成微分值符号SH(t)的时间序列数据。进而，根据式(2)对微分值符号SH(t)进行时间积分来生成符号积分IH(t)的时间序列数据。

[数学公式1]

$\left.\begin{array}{c}\mathrm{dH}\left(t\right)>0\&RightArrow;\mathrm{SH}\left(t\right)=1\\ \mathrm{dH}\left(t\right)=0\&RightArrow;\mathrm{SH}\left(t\right)=0\\ \mathrm{dH}\left(t\right)<0\&RightArrow;\mathrm{SH}\left(t\right)=-1\end{array}\right\}\&CenterDot;\&CenterDot;\&CenterDot;\left(1\right)$

$\mathrm{IH}\left(t0\right)={\&Integral;}_{t0-T1}^{t0}\mathrm{SH}\left(t\right)\mathrm{dt}\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

在式(1)中，T1是积分区间，例如数分钟左右。此外，通过对心率波动H的增减进行编码并对该编码后的增加区间(1)、恒定区间(0)、减少区间(-1)进行时间积分，而仅简单地观察心率波动H的增减及其增减时间，所以能够吸收因单个人而异的心率波动H(即、副交感神经活动)变化的状况。例如，即便在困倦等级为同一程度的情况下也有心率波动H相对大的人或相对小的人，另外，即便在困倦逐渐变强的情况下也有心率波动H迅速地增加的人或缓慢地增加的人。

副交感神经活动活跃检测判定部17使用副交感神经活动活跃检测处理部16所推导出的符号积分IH(t)的时间序列数据，来判定副交感神经活动活跃的状态是否为预测瞌睡状态所需要的程度(心率波动H增加的状态是否充分地维持)。参照图15具休地进行说明。每隔一定时间，判定符号积分IH(t)是否超过副交感神经活动活跃判定阈值IHS。副交感神经活动活跃判定阈值HIS是用于判定副交感神经活动是活跃的状态充分地继续(也就是说从弱的困倦状态转移到强的困倦状态)的情况的阈值。在符号积分IH(t)超过了副交感神经活动活跃判定阈值HIS的情况下(即，心率波动H增加的状态充分地维持的情况)，将超过了该副交感神经活动活跃判定阈值HIS时的时刻THU(即、副交感神经活动活跃的状态的开始时刻)存储在副交感神经活动活跃时刻保存缓冲器18中。

在这里，对副交感神经活动活跃判定阈值HIS的设定方法进行说明。对于副交感神经活动活跃判定阈值HIS，也利用与交感神经活动活跃判定阈值D2同样的设定方法。对于副交感神经活动活跃判定阈值HIS，也通过对利用针对许多被试验者的实验等所获得的数据进行统计分析来预先设定。

副交感神经活动活跃时刻保存缓冲器18是用于在由副交感神经活动活跃检测判定部17判定为符号积分IH(t)已超过副交感神经活动活跃判定阈值HIS时保存副交感神经活动活跃的状态的开始时刻THU的缓冲器。

瞌睡发生预测部19使用交感神经活动活跃时刻保存缓冲器15中所保存的时刻TDurD2和副交感神经活动活跃时刻保存缓冲器18中所保存的时刻THU来预测瞌睡发生(即，判定成为瞌睡状态前的强的困倦状态)。具体而言，就是判定交感神经活动活跃的状态的结束时刻THU是否为副交感神经活动活跃的状态的开始时刻TDurD2以后的时刻且其时间差(THU-TDurD2)＜转移时间阈值TS1eep。转移时间阈值TS1eep是用于判定在交感神经活动活跃的状态收敛以后到副交感神经活动成为活跃的状态为止的时间间隔的阈值，设定在变为瞌睡状态的过程中从弱的困倦转移到强的困倦所需要的充分的时间。通过对利用针对许多被试验者的实验等所获得的数据进行统计分析来预先设定转移时间阈值TS1eep，例如为十数分钟左右。当时刻THU为时刻TDurD2以后的时刻且(THU-TDurD2)＜转移时间阈值TS1eep的情况下(即，交感神经活动成为活跃的状态，并在该活跃的状态收敛以后副交感神经活动成为活跃的状态，且从交感神经活动活跃的状态到副交感神经成为活跃的状态为止的转移时间较短的情况)，判定为强的困倦状态。

预测结果输出部20，在由瞌睡发生预测部19已判定为是强的困倦状态的情况下，为了告知驾驶员处于强的困倦状态或催促驾驶员休息，向输出单元3发送输出信号。

参照图1对瞌睡发生预测装置1的动作进行说明。特别是，按图2的流程图来说明ECU4中的整体处理，按图3的流程图对其中的心率信号前处理进行说明，按图4的流程图对心率波动值抽取处理进行说明。

在心率传感器2中，每隔一定时间对驾驶员的心电位进行检测，并将心率信号发送给ECU4。在ECU4中，从心率传感器2读入心率信号(S100)，并使用时间序列的心率信号来执行心率信号前处理(S102).

首先，在ECU4中，利用带通滤波器对心率信号的时间序列数据进行处理，并从心率信号的时间序列数据中取出0.1Hz～30Hz的分量(S200)。在图5中表示了针对心电位的带通滤波的处理结果的一例。

其次，在ECU4中，从由带通滤波器处理后的心率信号的时间序列数据中截取大于等于心率时刻检测用阈值TH₀的波形部分(参照图5)。而且，如图6所示那样，在ECU4中，将所截取的波形部分成为最大的时刻设为1，将其他的时刻设为0来进行二值化(S202)。由此，如图7所示那样，求出一系列的心率时刻的时间序列数据。

其次，如图8所示那样，在ECU4中，求出从各心率时刻t1到下一心率时刻t2为止的时间(秒)，并将该区间宽度t(＝t2-t1)赋予各心率时刻t1(S204)。由此，如图8所示那样，取得心率周期的信息的时间序列数据。

其次，如图9所示那样，在ECU4中，对心率周期的信息(区间宽度t)进行插值，以求出心率周期的曲线C(S206)。由此，取得心率周期的时间序列数据。而且，在ECU4中，执行用于从此心率周期的时间序列数据中抽取心率波动L、心率波动H、心率波动L/H的心率波动值抽取处理(S104)。

首先，如图10所示那样，在ECU4中，对在作为任意的时间标记的基准时间T之前的分析单位区间宽度Tterm(秒)中的心率周期的时间序列数据进行高速傅立叶变换(FFT)处理(S300)。由此，获得作为心率波动频率分量的功率谱。

然后，如图11所示那样，在ECU4中对通过FFT处理按每个分析单位区间而获得的功率谱设定心率波动的低频分量(0.1Hz附近)和高频分量(0.3Hz附近)的频带(S302)。而且，在ECU4中按所设定的每个频带对功率谱进行积分(S304)。并且，在ECU4中将低频分量频带的积分值除以高频分量频带的积分值来进行除法运算。由此，获得心率波动L(低频分量的振幅频谱功率)、心率波动H(高频分量的振幅频谱功率)、心率波动L/H(低频分量/高频分量的振幅频谱功率)。

接下来，在ECU4中，每当经过一定时间并成为基准时间T时，反复进行上述处理，取得心率波动值的时间序列数据(S306)。由此，获得心率波动L的时间序列数据、心率波动H的时间序列数据、心率波动L/H的时间序列数据。在图12中表示了低频分量的振幅频谱功率的时间序列数据的一例。

在ECU4中，每当取得心率波动L、心率波动H、心率波动L/H时，将心率波动L、心率波动H、心率波动L/H存储在心率波动值保存缓冲器12中(S106)。由此，依次将心率波动L、心率波动H、心率波动L/H的各时间序列数据保存在心率波动值保存缓冲器12中。

如图13所示那样，在ECU4中，使用心率波动L的时间序列数据或心率波动L/H的时间序列数据，判定是否超过交感神经活动活跃判定阈值D2并检测交感神经活动是否已成为活跃的状态(S108)。在判定为已超过交感神经活动活跃判定阈值D2以后，在ECU4中计量已超过交感神经活动活跃判定阈值D2的继续时间，并且判定是否变得小于等于交感神经活动活跃判定阈值D2来检测交感神经活动活跃的状态是否已收敛(S108)。在判定为小于等于交感神经活动活跃判定阈值D2的情况下，在ECU4中存储已超过了交感神经活动活跃判定阈值D2的继续时间DurD2和继续时间DurD2的终端的时刻TDurD2(S108)。由此，检测出交感神经活动活跃的状态的期间，并获得该活跃的状态的继续时间DurD2和该状态结束时的时刻TDurD2。

然后，在ECU4中判定该继续时间DurD2是否超过继续时间阈值ST(即，交感神经活动活跃的状态是否已充分地继续)(S110)。当在S110判定为继续时间DurD2已超过继续时间阈值ST的情况下，在ECU4中将时刻TDurD2存储在交感神经活动活跃时刻保存缓冲器15中(S112)。由此，判定交感神经活动活跃的状态是否已充分继续了预测瞌睡状态发生所需要的程度，并在活跃的状态充分地继续了的情况下获得活跃的状态结束时的时刻TDurD2。另一方面，当在S110中判定为继续时间DurD2未超过继续时间阈值ST的情况下，在ECU4中反复进行从S100起的处理。

如图14所示那样，在ECU4中，对心率波动H的时间序列数据进行时间微分处理，并利用式(1)对该微分值dH(t)进行编码处理，利用式(2)对微分值符号SH(t)进行时间积分，生成符号积分IH(t)的时间序列数据(S114)。此符号积分IH(t)的值是正值则越大越表示副交感神经活动活跃的状态正在继续，所以能够根据符号积分IH(t)检测出副交感神经活动活跃的状态及其继续状态。

如图15所示那样，在ECU4中判定符号积分IH(t)是否超过副交感神经活动活跃判定阈值IHS(即，副交感神经活动是否为活跃的状态)(S116)。当在S116中判定为已超过副交感神经活动活跃判定阈值HIS的情况下，在ECU4中将该超过时的时刻THU存储在副交感神经活动活跃时刻保存缓冲器18中(S118)。由此，判定为副交感神经活动充分继续了预测瞌睡状态发生所需要的程度，并获得进行该判定时的时刻THU。另一方面，当在S116中判定为未超过副交感神经活动活跃判定阈值HIS的情况下，在ECU4中反复进行从S100起的处理。

在将交感神经活动活跃的状态的结束时刻TDurD2和副交感神经活动活跃的状态的开始时刻THU均缓冲的情况下，在ECU4中判定时刻THU是否为时刻TDurD2后的时刻且(THU-TDurD2)＜转移时间阈值TS1eep，对发生瞌睡状态进行预测判定(S120)。在不满足S120的判定条件的情况下，在ECU4中预测为未发生瞌睡状态，反复进行从S100起的处理。

另一方面，在满足S120的判定条件的情况下，在ECU4中判定为正从弱的困倦转移到强的困倦，预测为要发生瞌睡状态，并将用于告知该判定结果的输出信号发送给输出单元3(S122)。若接收到输出信号，则在输出单元3中进行用于告知驾驶员处于强的困倦状态并马上成为瞌睡状态的情况的输出。根据此输出，则引起驾驶员对成为瞌睡状态的情况的注意或者驾驶员以外的人得知驾驶员成为瞌睡状态的情况并提醒驾驶员。由此，驾驶员的困倦变弱或者驾驶员决定休息。

作为瞌睡发生预测装置1的评价试验，进行了成为瞌睡状态前的强的困倦状态的判定试验。在这里，通过对基于被试验者(驾驶员)的心率波动值的针对强的困倦的判定结果和从被试验者的脸部图像所获得的官能评价的评价结果进行比较来进行评价试验。对该试验方法以及试验结果进行说明。

按如下顺序进行试验。1.在计量被试验者的心率信号的同时取得被试验者的脸部图像时间序列。2.以下面的等级1～等级5为基准对脸部图像时间序列进行评价，将被试验者的困倦分成5个阶段。此外，设官能评价的评价者为多名(例如2名)。3.计算多名评价者的官能评价的平均值Sens(官能评价等级)。4.根据官能评价平均值Sens，按照图19所示的表取得基于官能评价的困倦等级D0～D4。5.同时利用瞌睡发生预测装置1基于根据心率信号的时间序列所求出的心率波动值来进行被试验者的强的困倦状态的判定。此外，事前对评价者一概不提供有关被试验者的心率波动值的信息，以期评价的公正。

对官能评价等级进行说明。等级1是完全没有发困(视线的移动快速频繁、以2秒中2次的稳定周期眨眼、动作活跃并伴随有身体的活动)。等级2是稍微发困(嘴唇张开、视线移动的动作迟缓)。等级3是发困(眨眼缓慢频繁发生、嘴有活动、有时修正坐姿，用手摸脸)。等级4是相当发困(存在有意识的眨眼、有摇头/肩膀上下活动等无用的身体整体的活动、哈欠频繁发生还有深呼吸、不论眨眼还是视线移动都迟缓)。等级5是非常发困(闭眼、头向前方倾斜、头倒向后方)(出处：「人間感覚計測マニユアル，第一編」、P146，人間生活工学研究センタ一)

图16～图18中表示瞌睡发生预测装置1的评价试验的一例。图16中表示在交感神经活动活跃检测处理部13以及交感神经活动活跃检测判定部14中处理的数据，图17中表示在副交感神经活动活跃检测处理部16以及副交感神经活动活跃检测判定部17中处理的数据，图18中表示在瞌睡发生预测部19中处理的数据。

图16的(a)中表示心率波动L/H的时间序列数据，存在心率波动L/H超过交感神经活动活跃判定阈值D2的区间。图16的(b)中表示图16的(a)的心率波动L/H中超过交感神经活动活跃判定阈值D2的部分D_L/H(t)的时间序列数据。在图16的(c)中表示将D_L/H(t)的时间序列数据中大于0的区间且继续时间超过继续时间阈值ST的区间设为1、将未超过的区间设为0的D_DurD2(t)的时间序列数据。在此D_DurD2(t)的时间序列数据中为1的区间是交感神经活动活跃的状态充分地继续的区间，该活跃区间在时刻TDurD2结束。

在图17的(a)中表示心率波动H的时间序列数据。在图17的(b)中表示根据图17的(a)的心率波动H的时间序列数据所获得的符号积分IH(t)的时间序列数据。在图17的(c)中表示符号积分IH(t)和副交感神经活动活跃判定阈值HIS，并表示符号积分IH(t)中超过副交感神经活动活跃判定阈值HIS时的时刻THU。副交感神经活动在此时刻THU成为充分地活跃的状态。

图18的(a)是图16中(a)的D_DurD2(t)的时间序列数据，表示1的区间的终端的时刻TDurD2(即、判定为交感神经活动活跃的状态结束的时刻)。图18的(b)是图17中(c)的IH(t)的时间序列数据，表示超过副交感神经活动活跃判定阈值HIS的时刻THU(即、判定为副交感神经活动活跃的状态的时刻)。图18中(c)表示基于官能评价的困倦等级的时间序列数据。

图18的(a)、图18的(b)、图18的(c)中的时间轴一致，在时刻TDurD2之后成为时刻THU，此时间差(THU-TDurD2)比转移时间阈值TS1eep短。从而，在瞌睡发生预测装置1中，判定为在时刻THU的时间点是瞌睡状态前的强的困倦状态。在此时刻THU时的困倦等级是D3，被试验者是相当发困的状态，之后马上就成为瞌睡状态。这样，在瞌睡发生预测装置1中被试验者的强的困倦状态的探测(预测瞌睡状态发生)成功，瞌睡发生预测装置1的有效性得以确认。

根据此瞌睡发生预测装置1，能够根据基于心率波动值的交感神经活动和副交感神经活动的增减相位关系高精度地预测数分钟～数十分钟后的瞌睡状态发生(能够高精度地判定瞌睡状态发生前的强的困倦)。因此，能够在成为瞌睡状态前的最佳时刻对驾驶员进行注意提醒，并能够在对驾驶操作带来影响前使驾驶员的觉醒度上升或者使驾驶员决定休息。

进而，在瞌睡发生预测装置1中，根据对所有人设定的各阈值对交感神经活动及副交感神经活动活跃的状态进行绝对值判定，所以能够更高精度地预测发生瞌睡状态。此外，在基于单个人的相对值判定的情况下，例如以驾驶开始时(预测为觉醒度较高时)的心率波动值作为基准值并基于自该基准值的相对变化来判定困倦，所以若在驾驶开始时就有困倦则判定精度将会降低。

另外，在瞌睡发生预测装置1中，在判定交感神经活动及副交感神经活动的活跃的状态之时导入时间的概念，所以能够更高精度地判定活跃的状态。另外，在瞌睡发生预测装置1中，在判定副交感神经活动活跃的状态之时仅简单地观察心率波动H的增减方向(符号)及其正在增减的时间，所以能够吸收个人差异，并能够更高精度地判定副交感神经活动活跃的状态。

以上，对本发明所涉及的实施方式进行了说明，但是本发明并不限定于上述实施方式可以以各种各样的方式实施。

例如，虽然在本实施方式中应用于对车辆的驾驶员的瞌睡发生进行预测的瞌睡发生预测装置，但是，也可以利用于对其他交通工具的驾驶员、各种工厂设备的监视者、夜间从业者等各种各样的人的瞌睡发生进行预测，还可以应用于对瞌睡前的强的困倦等困倦等级(D3、D4)进行判定的困倦判定装置等中。

另外，虽然在本实施方式中设成利用心率来检测交感神经活动及副交感神经活动的构成，但也可以利用呼吸等其他指标来检测交感神经活动及副交感神经活动。

另外，虽然在本实施方式中设成在交感神经活动成为活跃的状态，并在该活跃状态收敛以后副交感神经活动成为活跃的状态的情况下判定为强的困倦状态的构成，但是也可以设成在交感神经活动成为活跃的状态，并在该活跃状态维持中副交感神经活动成为活跃的状态的情况下判定为强的困倦状态的构成。

另外，虽然在本实施方式中作为交感神经活动活跃的状态的判定和副交感神经活动活跃的状态的判定的方法表示了一例，但是可以应用各种各样的方法而不限定于此方法。

另外，虽然在本实施方式中设成在已判定强的困倦的情况下告知该判定结果的构成，但是还可以在已判定强的困倦的情况下对驾驶员给与刺激等、进行使觉醒度上升的处置。

工业上的可利用性

根据本发明所涉及的困倦判定装置，通过在交感神经活动变得活跃以后对交感神经活动和副交感神经活动的增减关系进行判定，能够高精度地判定成为瞌睡状态前的强的困倦。

Claims (5)

1.一种困倦判定装置，其特征在于包括：

取得与被试验者的交感神经有关的参数的交感神经参数取得单元；

取得与被试验者的副交感神经有关的参数的副交感神经参数取得单元；

判定上述交感神经参数取得单元所取得的交感神经参数的大小是否大于交感神经用阈值的交感神经增加判定单元；

在上述交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，基于上述交感神经参数取得单元所取得的交感神经参数和上述副交感神经参数取得单元所取得的副交感神经参数的增减关系来判定被试验者的困倦的困倦判定单元。

2.按照权利要求1所记载的困倦判定装置，其特征在于：

上述交感神经增加判定单元在上述交感神经参数取得单元所取得的交感神经参数的大小大于交感神经用阈值的继续时间长于时间阈值的情况下判定为交感神经参数的大小大于交感神经用阈值。

3.按照权利要求1或权利要求2所记载的困倦判定装置，其特征在于：

上述副交感神经参数取得单元基于心率波动的高频分量的增减方向来取得副交感神经参数。

4.按照权利要求1～权利要求3中任意一项所记载的困倦判定装置，其特征在于还包括：

判定上述副交感神经参数取得单元所取得的副交感神经参数的大小是否大于副交感神经用阈值的副交感神经增加判定单元，

上述困倦判定单元在上述交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，当上述交感神经增加判定单元判定为交感神经参数的大小变得小于交感神经用阈值以后上述副交感神经增加判定单元判定为副交感神经参数的大小大于副交感神经用阈值时判定为被试验者处于强的困倦状态。

5.按照权利要求1～权利要求3中任意一项所记载的困倦判定装置，其特征在于还包括：

判定上述副交感神经参数取得单元所取得的副交感神经参数的大小是否大于副交感神经用阈值的副交感神经增加判定单元，

上述困倦判定单元在上述交感神经增加判定单元判定为交感神经参数的大小大于交感神经用阈值的情况下，当上述交感神经增加判定单元的判定结果继续是交感神经参数的大小大于交感神经用阈值的过程中上述副交感神经增加判定单元判定为副交感神经参数的大小大于副交感神经用阈值时判定为被试验者处于强的困倦状态。

Images