军事理论论文
摘 要： 车辆事故是军队平战时非战斗减员主要因素之一，驾驶疲劳是诱发车辆事故的重要原因，抗驾驶疲劳训练是陆军车辆事故防范所采取的一种重要措施。笔者梳理国内外驾驶疲劳相关文献，阐述驾驶疲劳的生理心理特征及影响因素，分析驾驶疲劳的检测识别方法，旨在为军队抗驾驶疲劳的管理与研究提供借鉴，从而提高部队运输投送安全水平。
关键词： 驾驶疲劳; 影响因素; 检测方法;
Abstract： Vehicle accident is one of the main causes resulting in the reduction of non-combat personnel in peacetime and wartime. Driving fatigue is an important cause of vehicle accident,and anti-driving fatigue training is an important measure for the army to prevent vehicle accident. This paper summarizes domestic and foreign literatures related to driving fatigue,clarifies the physiological and psychological characteristics and influencing factors of driving fatigue,and analyzes the detection and identification methods of driving fatigue. To provide the significant reference for the management and research of anti-driving fatigue in army so as to improve the safety level of military transport delivery.
Keyword： Driving Fatigue; Influencing Factors; Detection Method;
车辆是军队武器装备和人员的重要机动平台，车辆事故是导致军队平战时非战斗减员的主要原因之一。国内外数据表明，驾驶疲劳是酿成车辆事故的重要原因之一[1,2]，因为疲劳会影响驾驶员的驾驶行为[3]，使驾驶员丧失意识，降低信息处理正确率[4]。美国交通事故数据研究表明，驾驶疲劳导致的事故风险较正常驾驶增加了5倍[5]。军用车辆在军事作业过程中，驾驶员长期暴露在恶劣道路交通环境中，更容易发生疲劳。最近印发的《陆军车辆事故防范措施》文件在注重能力训练中提到强化在职训练，已将抗驾驶疲劳作为重要训练内容。驾驶疲劳识别是有效防治驾驶疲劳的前提条件，然而驾驶疲劳是一种特殊的病理生理状态，具有复杂的生理心理过程。鉴于此，笔者梳理近期国内外驾驶疲劳相关文献，阐述驾驶疲劳特征、影响因素和检测方法等，旨在为军队驾驶疲劳防治管理与研究提供借鉴和参考。
1、 驾驶疲劳的特征
疲劳与多种症状和主观的嗜睡感相关联。欧洲运输安全委员会认为疲劳的产生是由于某项活动已持续过长时间，因而导致个人不愿或无法继续该项活动[6]。疲劳是一种身体或精神虚弱和疲惫的状态，会导致精神或身体性能下降[7]，同时，疲劳也是一个逐渐累积的过程，通常表现为一种渐进性工作效能减弱的状态，如长时间驾驶会感到疲乏和困倦。Feldhütter等将疲劳分为主动任务相关疲劳和被动任务相关疲劳，前者是长时间处于高工作负荷下而导致（如高密度的手动驾驶），后者则是长时间处于低工作负荷而导致（如自动化系统的监控）[8]。资源理论认为，主动疲劳是完成高认知需求任务所必需的认知资源消耗而产生的[9]，而低负荷理论则认为被动疲劳所导致的任务脱离或思想游离会导致注意力资源转移，导致注意力缺失[10]。Eysenck的觉醒理论从人格特征入手，发现外向型人格在进行单调、枯燥的认知运动任务时更易产生疲劳，使警惕性减弱[11]。Bier等指出疲劳是由与任务相关的连续紧张情绪所致，与紧张情绪高低无关[12]。这些印证了疲劳是源于心理压力积累，引发过度疲劳以致降低正常驾驶能力[13]。
驾驶疲劳是一种精神或身体警觉性降低的状态，该状态会影响个人认知和精神运动任务的执行力和意愿，进而影响驾驶行为。驾驶疲劳所导致的疲倦、困乏、四肢僵硬、注意力分散、判断力下降、视野变窄、信息漏看、反应迟钝，甚至精神恍惚会造成驾驶操作失误或完全丧失驾驶能力，进而极易引发交通事故[14]。驾驶疲劳可分为心理疲劳和生理疲劳两类，前者影响人类在完成需要恒定意识水平任务时的表现（例如驾驶车辆），因为心理疲劳会引起嗜睡或降低驾驶员注意力进而影响驾驶安全；生理疲劳，即外周肌肉疲劳，则是由反复的肌肉运动、剧烈运动或等距静态姿势所引起，导致肌肉力量降低[15]。具体而言，心理疲劳主要指个体中枢疲劳，是长时间处于高强度脑力劳动或紧张情绪而导致的执行力或执行意愿减弱，心理疲劳常伴有主观体验性质，有时较难用客观生理指标表示。生理疲劳主要指个体的机体疲劳，是由于长时间工作所累积的人体负荷所导致，且受睡眠时长和睡眠质量的影响[16]。心理疲劳是一个循序渐进的累积过程，且与个体的疲惫感、压抑感、精神受损、效率和警觉性减弱相关。Al-libawy等认为心理疲劳通常会导致驾驶员反应时间减缓、判断力受损，甚至瞌睡[17]。该结果解释了为何心理疲劳在西班牙是仅次于乙醇中毒、气象条件和驾驶不熟练以引发车祸的第四大原因[18]。总之，生理疲劳和心理疲劳并不一定同时产生，但往往两者又相互交叉和重复，界限难以区分，因此驾驶疲劳往往是在心理疲劳和生理疲劳的交互作用下造成驾驶员知觉、判断力、注意力等的减退，进而严重影响驾驶安全[19]。
2、 驾驶疲劳的影响因素
2.1、 外部因素
军用车辆作业环境特殊，驾驶员长期面临复杂环境的刺激，更容易发生疲劳。研究表明，引起驾驶疲劳的外部因素包括以下几方面：（1）驾驶时间长。长时间驾驶后会导致脑氧合降低，从而导致中枢性疲劳[20]。（2）工作任务情况。如前文所述，任务繁重的主动任务和任务单调的被动任务均会使驾驶员产生疲劳[21]。（3）天气状况。驾驶员的口渴感、疲倦感和决策困难等驾驶疲劳症状受当时环境温度影响，且口渴感、眼干、眼疲劳等还受当时风速影响[22]。（4）道路和地区因素。相较于一般道路和地区，高海拔地区、冰雪道路更容易让驾驶员产生疲劳[23,24]。（5）车辆振动情况。驾驶疲劳等级与振动频率相关，不同振动频率对自主神经活动有不同的影响[25]。（6）饮食及药物因素。红牛等功能性饮料可有效缓解驾驶员在长时间高速驾驶期间的困倦，可有效提升驾驶性能[26]。服用某些药物后会有疲劳和嗜睡等不良反应，例如感冒药中的组胺受体拮抗剂，氯苯那敏和苯海拉明等都会导致嗜睡[27]。（7）车内设计。考虑腕关节的舒适运动范围而设计出的一款新的扭转方向盘，在驾驶员转向运动中加入额外的自由度可帮助驾驶员有效减少手臂疲劳和不适[18]。
2.2、 内部因素
(1）昼夜节律。昼夜节律是人体的一种生物钟，周期大约是24小时，昼夜节律打破后会导致生理因素紊乱，例如活动能力、体温、睡眠/觉醒机制、血压和工作效能[28]，从而导致驾驶疲劳以造成夜间事故频发。（2）睡眠因素。睡眠质量的高低会严重影响驾驶员的反应、判断和操作[29]。较差睡眠质量和较短睡眠时间极易引发驾驶疲劳，从而影响驾驶安全[30]。（3）心理因素。驾驶疲劳也与驾驶员焦虑、抑郁、低自信、低社交能力、低适应力和低活力等心理因素有关[31]。（4）年龄因素。驾驶时长在1.5 h内，老年驾驶员相较于青年和中年驾驶员疲劳累积速度最快，而驾驶时长在1.5～3 h时，青年驾驶员疲劳累积速度最快，而中年驾驶员疲劳累积速度最慢[32]。（5）性别因素。男性驾驶疲劳和女性驾驶疲劳对其自身的自主神经系统的影响具有显着差异[33]。
Jiang等发现，计划行为理论中的主观范式和感知行为均对驾驶疲劳具有显着影响[34]，计划行为理论中的行为态度、主观范式、知觉行为控制可共同影响个人的意图和行为，从而有效解释超速等行为。史晨军等在计划行为理论的态度、主观范式和感知行为的基础上，加入法律规范和经验因素，发现态度、主观范式、感知行为和经验等4个变量均对驾驶疲劳产生显着影响[35]。
3 、驾驶疲劳的检测方法
3.1 、主观检测法
驾驶疲劳主观检测法包括自我评定与他人评定，主要通过主观问卷调查表、驾驶员自我记录表、睡眠习惯调查表、斯坦福睡眠尺度表和皮尔逊疲劳量表等评定，但缺点在于对每个人的疲劳程度缺乏明确的衡量标准，且个人在不同时段疲劳程度也具有差异性[36]。因此，个体特征差异不能作为测评驾驶疲劳的标准尺度。
3.2 、客观检测法
客观检测主要指生理与心理相关数据测量。生理测量参数多依据生理组织水平、行为反应和汽车动态变化（超过中线的次数、车速、方向盘的操作），而心理测量则主要参考注意稳定、注意分配、动作敏捷性、判断准确性等认知参数。
驾驶疲劳客观检测法包括两种，一种是驾驶员生理信号和生化指标检测，另一种是驾驶员操作行为和车辆状态检测，以及驾驶员面部表情的检测。前者主要检测驾驶员生理信号指脑电[37]、心电[38]、肌电[39]、眼电[40]等电生理信号。Kong等提出了一种利用区域间相位同步和功能单元的方法以研究脑电同步是否从告警状态变为疲劳状态，从而有效评估驾驶员疲劳程度，并有助于实现可穿戴脑电图描记器（EEG）设备上的实际应用[41]。Park等认为驾驶员处于振动状态，肌肉会感到疲劳，特别是肩部附近肌肉疲劳最严重。因此，他们通过测量驾驶员在振动暴露前后的肌电图信号进行肌肉疲劳分析[42]。其中应用最为广泛的指标是心率变异性（HBV)[43]以及脑电的频域分析，生理指标能较为准确的反应驾驶员的疲劳状态，但存在侵入感比较强，且实际驾驶时信号易受影响的缺点；检测生化指标变化，指利用荧光定量的方法检测唾液中的类固醇含量[44]以及-淀粉酶，但这种方法无法做到实时反馈驾驶员疲劳的疲劳状态。
在驾驶员操作行为和车辆状态检测方面，主要有对方向盘的抓握力、角速度，车辆横向偏移量[45]，和融合踏板输入、车辆速度和加速度等系列信息，以及利用动态贝叶斯网络等算法进行疲劳状态检测[46]。Wang等认为生理信号的检测较困难，且眼球跟踪需要复杂的实验设备，因此利用随机森林算法，并采集不同时间窗的横向加速度、纵向加速度、转向角度等驾驶信息对驾驶疲劳进行检测，检测准确率高达84.8%[2]。Al-libawy则通过车辆加速度、车辆旋转模式、驾驶员头部位置和头部旋转4个疲劳检测指标，提出了基于通过粒子群优化的系统性能优化的驾驶员疲劳系统早期检测模块设计[17]。此外，通过图像处理技术的驾驶员面部表情检测也是获取驾驶员疲劳特征数据的常用方法[47]，其优点在于非侵入式的检测方式不会影响驾驶员的驾驶感受。Senaratne等认为闭眼率（PERCLOS）等是典型的驾驶疲劳检测指标，因此以眼睛为线索，采用分类法和光流法对眼睛进行跟踪和估计进而开发出了一个自动检测驾驶疲劳的视频系统[1]。Ibrahim等则采用FDS驾驶员疲劳检测系统以检测驾驶员的警觉性，该系统通过增加训练集的Haar特征分类器对驾驶员面部进行检测。Kajiwara研究表明，通过检测面部温度和皮肤电活动对驾驶时速增加时的心理负荷检测是有效的[13]。
军事交通作业环境特殊，易出现驾驶疲劳。驾驶疲劳隐匿性强，对军队运输投送安全危害大。驾驶疲劳可通过多种途径、多种手段进行防范，如驾驶疲劳的技术理论创新，包括计划行为理论、觉醒理论、资源理论和低负荷理论拓展等；研制小型化、穿戴化和智能化的驾驶疲劳检测设备；军民融合发展，营造和谐的军事道路交通环境。
参考文献
[1] SENARATNE R,JAP B,LAL S,et al. Comparing two videobased techniques for driver fatigue detection:classification versus optical flow approach[J]. Machine Vision and Applications,2011,22:597-618.
[2] WANG MS,JEONG NT,KIM KS,et al. Drowsy behavior detection based on driving information[J]. International Journal of Automotive Technology,2016,17(1):165-173.
[3] MESEGUER JE,CALAFATE CT,CANO JC. On the correlation between heart rate and driving style in real driving scenarios[J]. Mobile Networks&Applications,2018,23:128-135.
[4] NOUGHABI MG,SADEGHI A,MOGHADDAM AM,et al. Fatigue risk management:assessing and ranking the factors affecting the degree of fatigue and sSleepiness of heavy-vehicle drivers using TOPSIS and statistical analyses[J]. Iranian Journal of Science and Technology,Transactions of Civil Engineering,2020,44:1345-1357.
[5] NHTSA. A compilation of motor vehicle crash data from the fatality analysis reporting system and the general estimates system[R]. National Highway Traffic Safety Administration.Traffic Safety Facts. NHTSA Final Report:DOT HS 810 818,US,Washington,DC.,2012.
[6] CRAYE C,RASHWAN A,KAMEL MS,et al. A multi-modal driver fatigue and distraction assessment system[J]. International Journal of Intelligent Transportation Systems Research,2016,14:173-194.
[7] FRONE MR,TIDWELL MCO. The meaning and measurement of work fatigue:development and evaluation of the three-dimensional work fatigue inventory[J]. Journal of Occupational Health Psychology,2015,20(3):273-288.
[8] FELDHüTTER A,HECHT T,KALB L,et al. Effect of prolonged periods of conditionally automated driving on the development of fatigue:with and without non-driving-related activities[J].Cognition,Technology&Work,2019,21:33-40.
[9] HELTON WS,RUSSELL PN. Brief mental breaks and contentfree cues may not keep you focused[J]. Experimental Brain Research,2012,219(1):37-46.
[10] YANKO MR,SPALEK TM. Driving with the wandering mind:the effect that mind-wandering has on driving performance[J].Human Factors,2014,56(2):260-269.
[11] EYSENCK HJ. The biological basis of personality[M]. Springfield,IL:Charles C. Thomas,1967.
[12] BIER L,EMELE M,GUT K,et al. Preventing the risks of monotony related fatigue while driving through gamification[J/OL].European Transport Research Review,2019,11(44).https：//doi.org/10.1186/s12544-019-0382-4
[13] KAJIWARA S. Evaluation of driver’s mental workload by facial temperature and electrodermal activity under simulated driving conditions[J]. Jnternational Journal of Automotive Technology,2014,15(1):65-70.
[14]李都厚，刘群，袁伟，等.疲劳驾驶与交通事故关系[J].交通运输工程学报，2010,10(2):104-109.
[15] PARK J,PARK S. Reduction of arm fatigue and discomfort using a novel steering wheel design[J]. International Journal of Precision Engineering and Manufacturing,2014,15(5):803-810.
[16]刘秀，王长君，何庆.疲劳驾驶交通事故的特点分析与预防[J].中国安全生产科学技术，2008,4(1):128-131.
[17] AL-LIBAWY H,AL-ATABY A,AL-NUAIMY W,et al. Modular design of fatigue detection in naturalistic driving environments[J]. Accident Analysis&Prevention,2018,120:188-194.
[18] STASI LLD,RENNER R,CATENA A,et al. Towards a driver fatigue test based on the saccadic main sequence:a partial validation by subjective report data[J]. Transportation Research Part C,2012,21:122-133.
[19] BOKSEM MA,MEIJMAN TF,LORIST MM. Effects of mental fatigue on attention:an ERP-tudy[J]. Cognitive Brain Research,2005,25(1):107-116.
[20] LI ZY,ZHANG M,ZHANG XY,et al. Assessment of cerebral oxygenation during prolonged simulated driving using near infrared spectroscopy:its implications for datigue development[J].European Journal of Applied Physiology,2009,107:281-287.
[21] GIMENO PT,CEREZUELA GP,MONTANES MC. On the concept and measurement of driver drowsiness,fatigue and inattention:implications for countermeasures[J]. International Journal of Vehicle Design,2006,42(1-2):67-86.
[22] MAKOWIEC-DABROWSKA T,GADZICKA E,SIEDLECKA J,et al. Climate conditions and work-related fatigue among professional drivers[J]. International Journal of Biometeorology,2019,63:121-128.
[23]田林，许金良，贾兴利，等.基于驾驶疲劳的高海拔地区公路平曲线线形指标试验研究[J].南京理工大学学报，2018,42(3):370-373,379.
[24]李航天，朱守林，戚春华，等.基于HRV的北方林区冰雪道路驾驶疲劳分析[J].中国安全科学学报，2016,26(9):25-29.
[25] JIAO K,LI ZY,CHEN M,et al. Effect of different vibration frequencies on heart rate variability and driving fatigue in healthy drivers[J]. International Archives of Occupational&Environmental Health,2004,77:205-212.
[26] METS MAJ,KETZER S,BLOM C,et al. Positive effects of red bull energy drink on driving performance during prolonged driving[J]. Psychopharmacology,2011,214:737-745.
[27]刘保国，李志英，李宗珊，等.抗组胺药临床应用[J].临床合理用药杂志，2015,8(8):85-86.
[28] ROSEKIND MR,GANDER PH,MILLER DL,et al. Fatigue in operational settings:examples from the aviation environment[J].Human Factors:The Journal of the Human Factors and Ergonomics Society,1994,36(2):327-338.
[29]张翠.驾驶员自身因素引起的驾驶疲劳对交通安全的影响[J].道路交通与安全，2010(3):30-33.
[30] MALISH S,ARASTU F,O’BRIEN LM. A preliminary study of new parents,sleep disruption and driving:a population at risk[J]. Maternal and Child Health Journal,2016,20:209-297.
[31] CRAIG A,TRAN Y,WIJESURIYA N. A controlled investigation into the psychological determinants of fatigue[J]. Biological Psychology,2006,72:78-87.
[32]裴玉龙，金英群，陈贺飞.基于脑电信号分析的不同年龄驾驶人疲劳特性[J].中国公路学报，2018,31(4):59-65,77.
[33]曾超，王文军，李燕，等.考虑性别因素的驾驶人疲劳状态HRV非线性特征[J].东南大学学报（自然科学版），2019,49(3):595-602.
[34] JIANG K,LING FY,FENG ZX,et al. Why do drivers continue driving while fatigued? An application of the theroy of planned behaviour[J]. Transportation Research Part A,2017,98:141-149.
[35]史晨军，邓院昌，林庆丰，等.基于扩展计划行为理论的驾驶员疲劳驾驶行为心理影响因素分析[J].安全与环境工程，2018,25(6):94-99.
[36]孟濬，黄旭.基于疲劳生理定义的驾驶疲劳复杂度判断[J].工业控制计算机，2019,32(4):62-64.
[37] BABAEIAN M,MOZUMADR M. Driver drowsiness detection algorithms using electrocardiogram data analysis[C]. In Proceedings of the 2019 IEEE 9th Annual Computing and Communication Workshop and Conference,IEEE,2019:0001-0006.
[38] GROMER M,SALB D,WALZER T,et al. ECG sensor for detection of driver’s drowsiness[J]. Procedia Computer Science,2019,159:1938-1946.
[39] MAHMOODI M,NAHVI A. Driver drowsiness detection based on classification of surface electromyography features in a driving simulator[J]. Proceedings of the Institution of Mechanical Engineers. Part H,Journal of Engineering in Medicine,2019,233(4):395-406.
[40] ZHENG WL,GAO KP,LI G,et al. Vigilance estimation using a wearable EOG device in real driving environment[C]. IEEE Transactions on Intelligent Transportation Systems,IEEE,2020:170-184.
[41] KONG WZ,ZHOU ZP,JIANG B,et al. Assessment of driving fatigue based on intra/inter-region phase synchronization[J].Neurocomuting,2017,219:474-482.
[42] PARK DJ,LEE JW,PARK JH,et al. Neck/Shoulder muscle fatigue of military vehicle drivers exposed to whole-body vibration on field terrain road[J]. International Journal of Automotive Technology,2020,21(1):115-121.
[43] MUNLA N,KHALIL M,SHAHIN A,et al. Driver stress level detection using HRV analysis[C]. International Congerence on Adavances in Biomedical Engineering,IEEE,2015.
[44] SHIN J,KIM S,YOON T,et al. Smart fatigue phone:real-time estimation of driver fatigue using smartphone-based cortisol detection[J]. Biosensors and Bioelectronics,2019,136(1):106-111.
[45] INGRE M,AKERSTEDT T,PETERS B,et al. Subjective sleepiness,simulated driving performance and blink duration:examining inpidual differences[J]. Journal of Sleep Research,2010,15(1):47-53.
[46] MCDONALD AD,LEE JD,SCHWARZ C,et al. A Contextual and temporal algorithm for driver drowsiness detection[J].Accident Analysis&Prevention,2018,113:25-37.
[47] WANG J,YU XP,LIU Q,et al. Research on key technologies of intelligent transportation based on image recognition and anti-fatigue driving[J/OL]. EURASIP Journal on Image and Video Processing,2019:33.https：//doi.org/10.1186/s13640-018-0403-6.