CN106491127B - 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置 - Google Patents

驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置 Download PDF

Info

Publication number
CN106491127B
CN106491127B CN201610889194.4A CN201610889194A CN106491127B CN 106491127 B CN106491127 B CN 106491127B CN 201610889194 A CN201610889194 A CN 201610889194A CN 106491127 B CN106491127 B CN 106491127B
Authority
CN
China
Prior art keywords
muscular strain
muscular
driver
early warning
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610889194.4A
Other languages
English (en)
Other versions
CN106491127A (zh
Inventor
杨枫
王玉永
华猛
简贵平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Automobile Group Co Ltd
Original Assignee
Guangzhou Automobile Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Priority to CN201610889194.4A priority Critical patent/CN106491127B/zh
Publication of CN106491127A publication Critical patent/CN106491127A/zh
Application granted granted Critical
Publication of CN106491127B publication Critical patent/CN106491127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/389Electromyography [EMG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/45For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519Muscles
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • A61B5/7257Details of waveform analysis characterised by using transforms using Fourier transforms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/742Details of notification to user or communication with user or patient ; user input means using visual displays
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/746Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20Workers
    • A61B2503/22Motor vehicles operators, e.g. drivers, pilots, captains

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

驾驶肌劳损预警值测试方法包括选取多组年龄段依次递增的多个驾驶员,每组年龄段内至少具有两名身高不同的驾驶员;采集各驾驶员的肌电信号,通过计算得到中值频率,将中值频率拟合成曲线Φ(x);取第一次达最小值的中值频率作为肌疲劳参考值Φn(M),取驾驶员感受酸痛对应的中值频率作为肌疲劳评价值Φn(P);计算每组年龄段对应的年龄权重系数Ks及驾驶员对应的身高权重系数ηn,利用Φn(M)与ηn的关系计算得肌劳损指标值Ax,利用Ax与Ks的关系计算得第一肌劳损综合指标值YM;利用Φn(P)与ηn的关系计算得Ay,并利用Ay与Ks的关系计算得第二肌劳损综合指标值YP,并将YM与YP之间的区间作为驾驶肌劳损预警区间。本发明还涉及一种驾驶肌劳损预警值测试装置及驾驶肌劳损预警装置。

Description

驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置
技术领域
本发明涉及交通安全技术领域,特别涉及一种驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置。
背景技术
驾驶机动车的工作体位属于坐姿工作,腿部肌肉需要执行加减速、制动等任务,上肢肌肉需要执行转向换挡等任务,而且腰背部肌肉需要支撑头部和躯干。国内已有学者证实,长时间的乘驾体位工作可造成腰背肌疲劳累积,若得不到及时恢复,可导致腰背肌功能紊乱。虽然腰背疲劳与腰背痛并无必然关系,但肌肉疲劳却更容易引起腰背痛。长时间驾驶导致的肌肉疲劳不仅对驾车者的身体健康产生不利影响,同时还影响到道路交通安全。研究证实,长时间从事客运驾驶工作的司机腰痛发生率特别显著,每周驾车时间大于20h者较每周驾车时间小于10h者腰痛发病率高6倍。
现有的驾驶疲劳研究一部分为主观疲劳感的量表式调查,或针对驾驶员人脸、眼部特征,异常行为等疲劳行为进行检测;另一部分是通过设备采集驾驶员皮肤表面的肌电信号,将处理和转换后的肌电信号传入单片机中,单片机将肌电信号与存储的阈值进行比较判断,当肌电信号大于阈值时控制与单片机连接的报警器报警;对于阈值的确定是通过样本人体在一些模拟驾驶操作的试验平台上进行分析,没有考虑到驾驶员的驾驶时间、年龄、身高、道路环境、车辆性能等影响因素,因此确定的阈值误差较大,不能真实准确的反应驾驶员肌肉劳损的程度,更不能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。
发明内容
本发明的目的在于,提供了一种驾驶肌劳损预警值测试方法,能真实准确的反应驾驶员的肌劳损情况,对预防职业驾驶员由于长时间驾驶导致肌肉劳损具有指导意义,并能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。
本发明解决其技术问题是采用以下的技术方案来实现的。
一种驾驶肌劳损预警值测试方法,包括选取多组年龄段依次递增的多个驾驶员,每组年龄段内至少具有两名身高不同的驾驶员;采集各驾驶员的肌电信号,通过计算得到每个驾驶员在测试时间内的中值频率,并将各驾驶员对应的中值频率拟合成曲线Φ(x);在测试时间内取曲线Φ(x)上第一次达到最小值的中值频率作为肌疲劳参考值Φn(M),在测试时间内取曲线Ф(x)上驾驶员感受到酸痛所对应的中值频率作为肌疲劳评价值Фn(P),其中Фn(M)和Фn(P)的n表示待测驾驶员的编号,Ф(x)的x表示测试的时间;计算每组年龄段对应的年龄权重系数Ks以及每组年龄段内各驾驶员对应的身高权重系数ηn,利用肌疲劳参考值Фn(M)与身高权重系数ηn的关系计算得到每组年龄段内的肌劳损指标值Ax,利用肌劳损指标值Ax与年龄权重系数Ks的关系计算得到第一肌劳损综合指标值YM;利用肌疲劳评价值Фn(P)与身高权重系数ηn的关系计算得到每组年龄段内大小不同的另一肌劳损指标值Ay,并利用该肌劳损指标值Ay与年龄权重系数Ks的关系计算得到第二肌劳损综合指标值YP,并将第一肌劳损综合指标值YM与第二肌劳损综合指标值YP之间的区间作为驾驶肌劳损预警区间,其中,权重系数Ks的n表示年龄段的组数,身高权重系数ηn的n表示待测驾驶员的编号,肌劳损指标值Ax和Ay的x、y表示年龄段的组数。
在本发明的较佳实施例中,通过计算得到每个驾驶员在测试时间内的中值频率之前还包括:采集各驾驶员的肌电信号,并利用公式对肌电信号进行傅里叶变换,将采集的肌电时域信号转换为频域信号,变换公式为:
其中,k为1~N,N和v为正整数,X(k)为频域上的肌电信号函数,x(v)为经过傅里叶逆变换的时域上的肌电信号函数。
在本发明的较佳实施例中,对肌电信号进行傅里叶变换后利用公式计算中值频率,公式为:
其中,Fc为中值频率,f为频率,P(f)为功率谱,a、b为频率的取值。
在本发明的较佳实施例中,通过计算得到每个驾驶员在测试时间内的中值频率,并将各驾驶员对应的中值频率拟合成曲线Φ(x)还包括将测试时间划分为多个连续的时间段,在每个时间段内选取一个子时间段通过数学语言程序进行功率频谱分析,得到子时间段内的中值频率,并拟合成曲线Φ(x)。
在本发明的较佳实施例中,利用肌疲劳参考值Φn(M)、肌疲劳评价值Фn(P)与身高权重系数ηn计算肌劳损指标值Ax和Ay的关系式为:
Ax=η1Φ1(M)+η2Φ2(M)+…+ηnΦn(M);
Ay=η1Φ1(P)+η2Φ2(P)+…+ηnΦn(P)。
在本发明的较佳实施例中,利用肌劳损指标值Ax、Ay与年龄权重系数Ks计算第一肌劳损综合指标值YM和第二肌劳损综合指标值YP的关系式为:
YM=K1A1+K2A2+…+KsAx
YP=K1A1+K2A2+…+KsAy
本发明的目的在于,提供了一种驾驶肌劳损预警值测试装置,能真实准确的反应驾驶员的肌劳损情况,对预防职业驾驶员由于长时间驾驶导致肌肉劳损具有指导意义,并能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。
一种驾驶肌劳损预警值测试装置,驾驶肌劳损预警值测试装置采用上述的驾驶肌劳损预警值测试方法计算出驾驶肌劳损预警区间,驾驶肌劳损预警值测试装置包括多个表面电极、接线盒、肌电采集器和计算机,多个表面电极分别连接于驾驶员的背部和腿部,接线盒通过多根数据线与各表面电极连接,肌电采集器通过数据线连接于接线盒与计算机之间。
在本发明的较佳实施例中,上述肌电采集器内设有截止频率为10Hz的高通滤波器和截止频率为3000Hz的低通滤波器。
在本发明的较佳实施例中,上述多个表面电极分别连接于驾驶员背部的左、右竖脊肌以及驾驶员右腿的比目鱼肌、腓肠肌、股外肌和股内肌。
本发明的另一目的在于,提供了一种驾驶肌劳损预警装置,能真实准确的反应驾驶员的肌劳损情况,对预防职业驾驶员由于长时间驾驶导致肌肉劳损具有指导意义,并能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。
一种驾驶肌劳损预警装置,包括信号采集器、信号处理器和预警器,信号采集器用于采集驾驶员的肌电信号,信号处理器分别与信号采集器和预警器连接,信号处理器用于将肌电信号转换成中值频率,信号处理器存储有利用上述的驾驶肌劳损预警值测试方法测得的驾驶肌劳损预警区间,当信号处理器转换的中值频率处于驾驶肌劳损预警区间内时,预警器进行预警。
本发明的驾驶肌劳损预警值测试方法包括选取多组年龄段依次递增的多个驾驶员,每组年龄段内至少具有两名身高不同的驾驶员;采集各驾驶员的肌电信号,通过计算得到每个驾驶员在测试时间内的中值频率,并将各驾驶员对应的中值频率拟合成曲线Ф(x);在测试时间内取曲线Ф(x)上第一次达到最小值的中值频率作为肌疲劳参考值Φn(M),在测试时间内取曲线Φ(x)上驾驶员感受到酸痛所对应的中值频率作为肌疲劳评价值Φn(P);计算每组年龄段对应的年龄权重系数Ks以及每组年龄段内各驾驶员对应的身高权重系数ηn,利用肌疲劳参考值Φn(M)与身高权重系数ηn的关系计算得到每组年龄段内的肌劳损指标值Ax,利用肌劳损指标值Ax与年龄权重系数Ks的关系计算得到第一肌劳损综合指标值YM;利用肌疲劳评价值Φn(P)与身高权重系数ηn的关系计算得到每组年龄段内的肌劳损指标值Ay,并利用肌劳损指标值Ay与年龄权重系数Ks的关系计算得到第二肌劳损综合指标值YP,并将第一肌劳损综合指标值YM与第二肌劳损综合指标值YP之间的区间作为驾驶肌劳损预警区间。
本发明的驾驶肌劳损预警值测试方法获得的驾驶肌劳损预警区间是通过驾驶员驾驶实车进行测试,综合了交通状况给驾驶员带来的操作反应和注意力方面的精神疲劳,而精神疲劳和体力疲劳又是密不可分的,因此驾驶肌劳损预警值测试方法获得的驾驶肌劳损预警区间更能真实准确的反应驾驶员的肌劳损情况,对预防职业驾驶员由于长时间驾驶导致肌肉劳损具有指导意义。而且,本发明的驾驶肌劳损预警值测试方法基于统计学对驾驶员样本的年龄和身高进行分析,根据年龄和身高的正态分布情况,选择合理的测试样本,根据分布情况得出所选取样本的权重系数,提出了肌劳损评价的肌劳损综合指标值,因为本发明的驾驶肌劳损预警值测试方法综合了驾驶员肌劳损的多种影响因素,使得测得的驾驶肌劳损预警区间具有较好的参考价值,并能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。此外,本发明的驾驶肌劳损预警值测试方法在测试过程中,采用驾驶员的主观感受与驾驶肌劳损程度的评价指标结合起来,得到了基本职业驾驶员的驾驶肌劳损预警区间,对预防职业驾驶员的肌劳损具有指导性意义。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明。
附图说明
图1是本发明的驾驶肌劳损预警值测试装置的示意图。
图2是本发明的驾驶肌劳损预警值测试方法的流程示意图。
图3a是驾驶员样本年龄的频数直方图与拟合的正态分布密度函数坐标示意图。
图3b是驾驶员样本身高的频数直方图与拟合的正态分布密度函数坐标示意图。
图4是测得的值频率与测试时间的坐标示意图。
图5是在测试时间的驾驶员肌肉劳损程度指标示意图。
图6是本发明的驾驶肌劳损预警装置的示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的驾驶肌劳损预警值测试方法和驾驶肌劳损预警测值试装置及驾驶肌劳损预警装置的具体实施方式、结构、特征及其功效,详细如下:
有关本发明的前述及其它技术内容、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本发明加以限制。
图1是本发明的驾驶肌劳损预警值测试装置的示意图。如图1所述,在本实施例中,驾驶肌劳损预警值测试装置10包括多个表面电极12、接线盒13、肌电采集器14和计算机15。
在本实施例中,驾驶肌劳损预警值测试装置10设有八个表面电极12,其中四个表面电极12分别连接于驾驶员10a背部的左、右竖脊肌,其中左竖脊肌连接两个表面电极12,右竖脊肌连接两个表面电极12;另外四个表面电极12分别连接于驾驶员10a右腿的比目鱼肌、腓肠肌、股外肌和股内肌。为了保证采集数据的准确性,选择的驾驶员10a要求身体健康、驾驶员10a腰背部及腿部无疾病、畸形或创伤;而且,在连接表面电极12前,需要去除驾驶员10a连接部位的皮肤死皮、皮肤油脂,减小皮肤电阻,进而增加数据采集的准确性。
接线盒13通过多根数据线与各表面电极12连接。接线盒13上设有八个接线通道,分别对应驾驶员10a身上不同部位的表面电极12的信号通道。
肌电采集器14通过数据线连接于接线盒13与计算机15之间。肌电采集器14内设有截止频率为10Hz的一阶高通滤波器和截止频率为3000Hz的二阶Butter Worth低通滤波器,也就是说,肌电采集器14可限制采集的信号频率范围。
计算机15用于将采集的肌电信号进行处理并计算出驾驶肌劳损预警区间。
图2是本发明的驾驶肌劳损预警值测试方法的流程示意图。如图1和图2所示,在本实施例中,驾驶肌劳损预警值测试方法利用驾驶肌劳损预警值测试装置10进行驾驶肌劳损预警区间的测试步骤包括:
步骤一,选取多组年龄段依次递增的多个驾驶员,每组年龄段内至少具有两名身高不同的驾驶员。
具体地,选取的驾驶者为出租车司机、公交车司机、长途客运司机等职业驾驶员,且选取的驾驶员的年龄和身高服从正态分布。对驾驶员的年龄和身高进行正态分布检验,即假设驾驶员的年龄X~(μ,σ2),其中,X1,X2,…,X100为驾驶员年龄随机抽样,则μ和σ2的无偏估计为:
待检验假设:(样本总体的年龄不服从正态分布),检验统计量为对于显著水平α=0.05,|t|=ta/2,则原假设不成立,所以样本的年龄服从正态分布。同理驾驶员样本的总体身高也服从正态分布。
优选地,选取六组年龄段依次为20-25、25-30、30-35、35-40、40-45、45-50的18个驾驶员,且每组年龄段内具有三名身高分别为165-170、170-175、175-180的驾驶员,如下表所示;
待测驾驶员编号 年龄(岁) 身高(cm)
1 20-25 165-170
2 20-25 170-175
3 20-25 175-180
4 25-30 165-170
5 25-30 170-175
6 25-30 175-180
7 30-35 165-170
8 30-35 170-175
9 30-35 175-180
10 35-40 165-170
11 35-40 170-175
12 35-40 175-180
13 40-45 165-170
14 40-45 170-175
15 40-45 175-180
16 45-50 165-170
17 45-50 170-175
18 45-50 175-180
图3a是驾驶员样本年龄的频数直方图与拟合的正态分布密度函数坐标示意图。图3b是驾驶员样本身高的频数直方图与拟合的正态分布密度函数坐标示意图。如图3a所示,图中的μ=33.889,σ=6.766;如图3b所示,μ=171.697,σ=4.775。
步骤二,采集各驾驶员的肌电信号,通过计算得到每个驾驶员在测试时间的中值频率,并将各驾驶员对应的中值频率拟合成曲线Φ(x)。
具体地,选择需要测试的路况(畅通、正常、缓慢、拥堵、严重拥堵五个等级的路况),利用驾驶员实车测试;将驾驶肌劳损预警值测试装置10的表面电极12按要求连接在待测驾驶员的身上,采集测试时间为90分钟的驾驶员肌电信号,利用公式对肌电信号进行傅里叶变换,将采集的肌电时域信号转换为频域信号;
变换公式为:
其中,k为1~N,N和v为正整数,X(k)为频域上的肌电信号函数,x(v)为经过傅里叶逆变换的时域上的肌电信号函数。
对肌电信号进行傅里叶变换后利用公式计算中值频率,
公式为:其中a、b表示频率的取值,Fc为中值频率,f为频率,P(f)为功率谱,优选地,a=25,b=256(赫兹Hz)。
图4是测得的值频率与测试时间的坐标示意图。如图4所示,将90分钟的测试时间以3分钟为一个时间段划分为30个连续的时间段,每一段处理出一个实验结果,用线段连接各实验结果得到图4中连续的曲线段;在每个时间段内选取20秒的一个子时间段通过Matlab数学语言程序进行功率频谱分析,得到该子时间段内的中值频率,并拟合成曲线Φn(x)。由图4中的曲线Φn(x)可知,肌电功率谱中值频率随着时间的延长呈现显著的下降趋势,并且前半段下降程度较大,后半段趋于平缓,至达到最小中值频率,此时驾驶员肌肉到达疲劳状态。需要说明的是,曲线Φn(x)的n表示待测驾驶员的编号,n的取值范围为(1~18);x表示测试的时间,x的取值范围为(0~90)。由于选取了18个驾驶员进行测试,因此对应有18副如图4所示的坐标图,即每个坐标图内有与相应驾驶员对应的曲线Φn(x)。
步骤三,在测试时间内取曲线Φn(x)上第一次达到最小值的中值频率作为肌疲劳参考值Φn(M),在测试时间内取曲线Φn(x)上驾驶员感受到酸痛所对应的中值频率作为肌疲劳评价值Φn(P)。
具体地,在90分钟的测试时间内取曲线Φn(x)上第一次达到最小值的中值频率作为肌疲劳参考值Φn(M),在90分钟的测试时间内取曲线Φn(x)上驾驶员主观感受到背部和腿部出现酸痛时所对应的中值频率作为肌疲劳评价值Φn(P),其中M(min)表示Фn(x)上第一次达到最小中值频率的时间值,P(min)表示Φn(x)上驾驶员感觉到背部和腿部出现酸痛时的时间值。
步骤四,计算每组年龄段对应的年龄权重系数Ks以及每组年龄段内各驾驶员对应的身高权重系数ηn,利用肌疲劳参考值Φn(M)与身高权重系数ηn的关系计算得到每组年龄段内的肌劳损指标值Ax,利用肌劳损指标值Ax与年龄权重系数Ks的关系计算得到第一肌劳损综合指标值YM,其中,权重系数Ks的s表示年龄段的组数,身高权重系数ηn的n表示待测驾驶员的编号。
具体地,六组年龄段20-25、25-30、30-35、35-40、40-45、45-50的对应的权重系数Ks分别为K1、K2、K3、K4、K5、K6;参照图3a,由驾驶员样本年龄的正态分布概率密度函数可知,20-25、25-30、30-35、35-40、40-45、45-50年龄段的概率为:P{20<X≤25}=a,P{25<X≤30}=b,P{30<X≤35}=c,P{35<X≤40}=d,P{40<X≤45}=e,P{45<X≤50}=f;因此(K1,K2,K3,K4,K5,K6)=(a,b,c,d,e,f),归一化得(a’,b’,c’,d’,e’,f’)。
处于年龄段为20-25岁内的三个驾驶员对应的身高权重系数ηn分别为η1、η2、η3;参照图3b,由驾驶员样本身高的正态分布概率密度函数可知,身高在165-170、170-175、175-180之间的概率为:P{165<X≤170=g,P170<X≤175=h,P175<X≤180=i;因此,η1,η2,η3=g,h,i,归一化得(g’,h’,i’)。计算肌劳损指标值Ax的关系式为:
Ax=η1Φ1(M)+η2Φ2(M)+…+ηnΦn(M);
因此,年龄段为20-25的肌劳损指标值:
A1=g’Φ1(M)+h’Φ2(M)+i’Φ3(M)
由此可依次获得其他五组年龄段的肌劳损指标值:A2、A3、A4、A5、A6
计算第一肌劳损综合指标值YM的关系式为:YM=K1A1+K2A2+…+KsAx
因此,得到的第一肌劳损综合指标值YM=K1A1+K2A2+…+K6A6=a’A1+b’A2+…+f’A6
步骤五,利用肌疲劳评价值Φn(P)与身高权重系数ηn的关系计算得到每组年龄段内大小不同的另一肌劳损指标值Ay,并利用该肌劳损指标值Ay与年龄权重系数Ks的关系计算得到第二肌劳损综合指标值YP,并将第一肌劳损综合指标值YM与第二肌劳损综合指标值YP之间的区间作为驾驶肌劳损预警区间,其中,肌劳损指标值Ax和Ay的x、y表示年龄段的组数;
利用肌疲劳评价值Φn(P)与身高权重系数ηn计算肌劳损指标值Ay的关系式为:
Ay=η1Φ1(P)+η2Φ2(P)+…+ηnΦn(P);
利用肌劳损指标值Ay与年龄权重系数Ks计算第二肌劳损综合指标值YP的关系式为:
YP=K1A1+K2A2+…+KsAy
具体地,按照步骤四的方法,并利用18个驾驶员对应的肌疲劳评价值Φ1(P)、Φ2(P)、Φ3(P)…Φ18(P)可计算得到第二肌劳损综合指标值YP
图5是在测试时间的驾驶员肌肉劳损程度指标示意图。如图5所示,假定根据肌电图的中值频谱得出的肌肉劳损状态的综合指标Yx的极限为100Hz与70Hz,按照上述步骤一至步骤五得到的第一肌劳损综合指标值YM与第二肌劳损综合指标值YP,得出职业驶员肌肉劳损的预警范围为YM与YP之间所对应的时刻。因此,当驾驶员在驾车的过程中,由肌电信号计算得出的中值频率降低至YM与YP之间的驾驶肌劳损预警区间时,发出预警信号,提醒驾驶员此时已经处于疲劳驾驶状态。
值得一提的是,本发明的驾驶肌劳损预警值测试方法得到的第二肌劳损综合指标值YP是通过驾驶员主观感受到背部和腿部出现酸痛时刻计算得到的值,但并不以此为限,第二肌劳损综合指标值YP也可认为设定,即以第一肌劳损综合指标值YM为中点,认为选择一个值作为第二肌劳损综合指标值YP,然后以该重新确定的区间作为驾驶肌劳损预警区间。
利用驾驶肌劳损预警值测试方法测得的YM与YP驾驶肌劳损预警区间应用在驾驶肌劳损预警装置中,但并不以此为限。
图6是本发明的驾驶肌劳损预警装置的示意图。如图6所示,在本实施例中,驾驶肌劳损预警装置20包括信号采集器22、信号处理器23和预警器24。信号采集器22用于采集驾驶员的肌电信号;信号处理器23分别与信号采集器22和预警器24连接,信号处理器23用于将肌电信号转换成表征驾驶员肌劳损指标的中值频率,且信号处理器23存储有利用驾驶肌劳损预警值测试方法测得的驾驶肌劳损预警区间(YM~YP),当信号处理器23转换的中值频率处于驾驶肌劳损预警区间内时,预警器24进行预警。在本实施例中,预警器24进行预警的形式可以为振动或声音提醒,具体的形式可根据实际情况自由选择。
进一步地,驾驶肌劳损预警装置20还包括显示屏25,驾驶员可根据实际的路况、车型等选择与之相适应的驾驶肌劳损预警区间;例如,显示屏25上显示出畅通、正常、缓慢、拥堵、严重拥堵五个路况的功能选择区,驾驶员可根据实际情况选择对应路况的功能选择区,此时信号处理器23将采用该路况的驾驶肌劳损预警区间进行驾驶员肌劳损判断标准。
本发明的驾驶肌劳损预警值测试方法获得的驾驶肌劳损预警区间是通过驾驶员驾驶实车进行测试,综合了交通状况给驾驶员带来的操作反应和注意力方面的精神疲劳,而精神疲劳和体力疲劳又是密不可分的,因此驾驶肌劳损预警值测试方法获得的驾驶肌劳损预警区间更能真实准确的反应驾驶员的肌劳损情况,对预防职业驾驶员由于长时间驾驶导致肌肉劳损具有指导意义。而且,本发明的驾驶肌劳损预警值测试方法基于统计学对驾驶员样本的年龄和身高进行分析,根据年龄和身高的正态分布情况,选择合理的测试样本,根据分布情况得出所选取样本的权重系数,提出了肌劳损评价的肌劳损综合指标值,因为本发明的驾驶肌劳损预警值测试方法综合了驾驶员肌劳损的多种影响因素,使得测得的驾驶肌劳损预警区间具有较好的参考价值,并能从生理学角度反应驾驶员的驾驶疲劳以及肌肉劳损问题。此外,本发明的驾驶肌劳损预警值测试方法在测试过程中,采用驾驶员的主观感受与驾驶肌劳损程度的评价指标结合起来,得到了基本职业驾驶员的驾驶肌劳损预警区间,对预防职业驾驶员的肌劳损具有指导性意义。
本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。

Claims (9)

1.一种驾驶肌劳损预警值测试方法,其特征在于,包括:
选取多组年龄段依次递增的多个驾驶员,每组年龄段内至少具有两名身高不同的驾驶员;
采集各驾驶员的肌电信号,通过计算得到每个驾驶员在测试时间内的中值频率,并将各驾驶员对应的中值频率拟合成曲线Φ(x);
在测试时间内取曲线Φ(x)上第一次达到最小值的中值频率作为肌疲劳参考值Φn(M),在测试时间内取曲线Φ(x)上驾驶员感受到酸痛所对应的中值频率作为肌疲劳评价值Φn(P),其中Φn(M)和Φn(P)的n表示待测驾驶员的编号,Φ(x)的x表示测试的时间;
计算每组年龄段对应的年龄权重系数Ks以及每组年龄段内各驾驶员对应的身高权重系数ηn,利用肌疲劳参考值Φn(M)与身高权重系数ηn的关系计算得到每组年龄段内的肌劳损指标值Ax,利用肌劳损指标值Ax与年龄权重系数Ks的关系计算得到第一肌劳损综合指标值YM;以及
利用肌疲劳评价值Φn(P)与身高权重系数ηn的关系计算得到每组年龄段内大小不同的另一肌劳损指标值Ay,并利用该肌劳损指标值Ay与年龄权重系数Ks的关系计算得到第二肌劳损综合指标值YP,并将第一肌劳损综合指标值YM与第二肌劳损综合指标值YP之间的区间作为驾驶肌劳损预警区间,其中,权重系数Ks的s表示年龄段的组数,身高权重系数ηn的n表示待测驾驶员的编号,肌劳损指标值Ax和Ay的x、y表示年龄段的组数。
2.如权利要求1所述的驾驶肌劳损预警值测试方法,其特征在于,通过计算得到每个驾驶员在测试时间内的中值频率之前还包括:
采集各驾驶员的肌电信号,并利用公式对肌电信号进行傅里叶变换,将采集的肌电时域信号转换为频域信号,变换公式为:
其中,k为1~N,N和v为正整数,X(k)为频域上的肌电信号函数,x(v)为经过傅里叶逆变换的时域上的肌电信号函数。
3.如权利要求2所述的驾驶肌劳损预警值测试方法,其特征在于,通过计算得到每个驾驶员在测试时间内的中值频率,并将各驾驶员对应的中值频率拟合成曲线Φ(x)还包括:
将测试时间划分为多个连续的时间段,在每个时间段内选取一个子时间段通过数学语言程序进行功率频谱分析,得到子时间段内的中值频率,并拟合成曲线Φ(x)。
4.如权利要求1所述的驾驶肌劳损预警值测试方法,其特征在于,利用肌疲劳参考值Φn(M)、肌疲劳评价值Φn(P)与身高权重系数ηn计算肌劳损指标值Ax和Ay的关系式为:
Ax=η1Φ1(M)+η2Φ2(M)+…+ηnΦn(M);
Ay=η1Φ1(P)+η2Φ2(P)+…+ηnΦn(P)。
5.如权利要求1所述的驾驶肌劳损预警值测试方法,其特征在于,利用肌劳损指标值Ax、Ay与年龄权重系数Ks计算第一肌劳损综合指标值YM和第二肌劳损综合指标值YP的关系式为:
YM=K1A1+K2A2+…+KsAx
YP=K1A1+K2A2+…+KsAy
6.一种驾驶肌劳损预警值测试装置,其特征在于,所述驾驶肌劳损预警值测试装置采用权利要求1至5任一项所述的驾驶肌劳损预警值测试方法计算出驾驶肌劳损预警区间,所述驾驶肌劳损预警值测试装置包括多个表面电极(12)、接线盒(13)、肌电采集器(14)和计算机(15),所述多个表面电极(12)分别连接于驾驶员的背部和腿部,所述接线盒(13)通过多根数据线与各所述表面电极(12)连接,所述肌电采集器(14)通过数据线连接于所述接线盒(13)与所述计算机(15)之间。
7.如权利要求6所述的驾驶肌劳损预警值测试装置,其特征在于,所述肌电采集器(14)内设有截止频率为10Hz的高通滤波器和截止频率为3000Hz的低通滤波器。
8.如权利要求6所述的驾驶肌劳损预警值测试装置,其特征在于,所述多个表面电极(12)分别连接于驾驶员背部的左、右竖脊肌以及驾驶员右腿的比目鱼肌、腓肠肌、股外肌和股内肌。
9.一种驾驶肌劳损预警装置,其特征在于,包括信号采集器(22)、信号处理器(23)和预警器(24),所述信号采集器(22)用于采集驾驶员的肌电信号,所述信号处理器(23)分别与信号采集器(22)和预警器(24)连接,所述信号处理器(23)用于将肌电信号转换成中值频率,所述信号处理器(23)存储有利用权利要求1至5任一项所述的驾驶肌劳损预警值测试方法测得的驾驶肌劳损预警区间,当所述信号处理器(23)转换的中值频率处于驾驶肌劳损预警区间内时,所述预警器(24)进行预警。
CN201610889194.4A 2016-10-11 2016-10-11 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置 Active CN106491127B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610889194.4A CN106491127B (zh) 2016-10-11 2016-10-11 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610889194.4A CN106491127B (zh) 2016-10-11 2016-10-11 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置

Publications (2)

Publication Number Publication Date
CN106491127A CN106491127A (zh) 2017-03-15
CN106491127B true CN106491127B (zh) 2019-10-08

Family

ID=58293802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610889194.4A Active CN106491127B (zh) 2016-10-11 2016-10-11 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置

Country Status (1)

Country Link
CN (1) CN106491127B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN208573842U (zh) * 2017-09-19 2019-03-05 国际美活集团有限公司 具有手柄护罩的口腔清洁工具
CN112241645A (zh) * 2019-07-16 2021-01-19 广州汽车集团股份有限公司 一种疲劳驾驶检测方法及其系统、电子设备
CN113397568B (zh) * 2021-06-16 2023-05-05 江苏徐工工程机械研究院有限公司 工程机械操作力范围的设定及司机作业疲劳度的评测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101002686A (zh) * 2007-01-23 2007-07-25 武汉理工大学 基于驾驶模拟器的驾驶员疲劳状态分析实验系统
CN101579232A (zh) * 2008-05-14 2009-11-18 横滨橡胶株式会社 车辆的行驶条件评价方法及其评价装置
JP4832914B2 (ja) * 2006-02-08 2011-12-07 株式会社デルタツーリング 筋疲労評価装置
CN105043444A (zh) * 2015-07-06 2015-11-11 湖南湖大艾盛汽车技术开发有限公司 基于踏板交互的人机工程数据的测量系统及测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4832914B2 (ja) * 2006-02-08 2011-12-07 株式会社デルタツーリング 筋疲労評価装置
CN101002686A (zh) * 2007-01-23 2007-07-25 武汉理工大学 基于驾驶模拟器的驾驶员疲劳状态分析实验系统
CN101579232A (zh) * 2008-05-14 2009-11-18 横滨橡胶株式会社 车辆的行驶条件评价方法及其评价装置
CN105043444A (zh) * 2015-07-06 2015-11-11 湖南湖大艾盛汽车技术开发有限公司 基于踏板交互的人机工程数据的测量系统及测量方法

Also Published As

Publication number Publication date
CN106491127A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
Lin et al. Estimating driving performance based on EEG spectrum analysis
CN104887220B (zh) 一种由腹壁心电信号提取胎儿心电信号的方法及系统
CN106491127B (zh) 驾驶肌劳损预警值测试方法和装置及驾驶肌劳损预警装置
EP2605228A2 (en) Fatigue time determination for an activity
CN106901695B (zh) 一种生命信号提取方法及装置
DE102012002037A1 (de) Vorrichtung zur Durchführung von Fahrerzustandsanalysen
DE202012001096U1 (de) Vorrichtung zur Durchführung von Fahrerzustandsanalysen
JP2003531656A (ja) 医学的信号の解析方法
CN103932701B (zh) 一种基于皮层脑电高频Gamma神经振荡的个体化脑功能映射方法
Babaeian et al. Real time driver drowsiness detection using a logistic-regression-based machine learning algorithm
CN106913333B (zh) 一种持续性注意水平的敏感性特征指标的选取方法
Eilebrecht et al. The relevance of HRV parameters for driver workload detection in real world driving
JP7136264B2 (ja) ストレス判定装置、プログラム及び方法
JP7217576B2 (ja) ドライバーの状態推定方法及び装置
CN104382592B (zh) 一种基于功率谱分析算法的脑电检测装置
CN100348152C (zh) 基于独立成份空间相关性消除功能磁共振数据噪声的方法
Hu et al. Analysis on biosignal characteristics to evaluate road rage of younger drivers: A driving simulator study
CN110301921A (zh) 用于进行困倦检测和干预的系统和方法
Lei et al. Study on driving fatigue evaluation system based on short time period ECG signal
Azizi Measuring fractal dynamics of FECG signals to determine the complexity of fetal heart rate
Mehler et al. How demanding is" just driving?" A cognitive workload-psychophysiological reference evaluation
Cernat et al. Stress influence on drivers identified by monitoring galvanic skin resistance and heart rate variability
Naranjo-Hernández et al. Smart device for the determination of heart rate variability in real time
Li et al. Analysis on the correlation degree between the driver’s reaction ability and physiological parameters
RU2531443C1 (ru) Способ определения стресса

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant