疲劳是一种主观的不适应感,容易导致失去其完成原来所从事正常活动或工作的能力。对于长时间连续驾驶的人而言,疲劳程度不断积累,生理和心理机能都会产生某种程度的失调,进而引起交通事故。为降低疲劳驾驶的危险指数,人们有诸多的预防方法,其中声音刺激,如听广播(RADIO),是目前车内相关研究中最有效的防治措施。然而,其警觉性效应(Alerting Effect)的大脑内部神经机制仍然是未知的。脑电(Electroencephalograph,EEG)是对大脑活动时电波变化的真实记录,能够直接反应人类大脑的活动,利用EEG可探究驾驶过程中生理和心理活动。因此,基于EEG进行缓解疲劳的神经机制研究有助于疲劳检测效果的提升以及疲劳反制措施的有效实施。本论文设计RADIO和正常模拟驾驶对照实验,探究警觉性维持的大脑内部神经机制,建立自组织临界性模型完成疲劳临界点自动的标定,其主要从以下几个方面进行研究:(1)构建传统功能脑网络模型,利用相关函数、格兰杰因果、相位锁定值或相位滞后指数等计算预处理后EEG信号各节点间的相关程度,进而完成构建。传统功能脑网络模型充分展示警觉性维持和疲劳驾驶的大脑内部功能连接分布情况的差异。为了进一步对脑网络进行统计分析,提取网络特征量,如:度、集聚系数、特征路径长度和全局效率。结果表明警觉性维持条件下,网络连接程度更密集,网络弹性更好,信息传输效率更高。(2)将脑网络动态特性引入动力学,构建自组织临界性模型。计算动态功能脑网络综合疲劳指标,并根据度分布及网络特性完成粒子添加与粒子倒塌过程,找到疲劳的临界点,最后,对雪崩行为进行统计分析判断其概率分布是否具有自组织临界性。经计算疲劳综合指标呈现阶段性上升趋势,且各阶段雪崩规模大小及概率分布情况满足幂律分布,体现自组织临界性。因此,可通过分析倒塌机制和幂律分布对警觉性维持的大脑内部神经网络机制进行有效分析。(3)引入行为数据,根据EEG信号的相关处理结果,提取行为数据特征,分析在长时间RADIO和正常行车过程中驾驶行为的变化趋势,并观察在疲劳临界点附近行为数据异常变化情况。研究发现警觉性维持条件下,行为数据的离散和混乱程度更低,具有更高的驾驶安全指数。同时,在疲劳的临界点附近,行为数据有异常的波动情况,进一步验证警觉性维持大脑内部神经生理学的相关研究。总之,本论文基于自组织临界性的疲劳缓解功能脑网络分析,利用传统功能脑网络模型和自组织临界性模型研究警觉性维持的大脑内部神经生理学机制,并结合行为数据进行统计分析,对警觉性维持做进一步研究。研究表明警觉性维持条件下,功能脑网络连接更密集,具有更高的处理事件能力,提高了驾驶安全。同时,验证功能脑网络具有自组织临界性,为基于警觉性维持的大脑内部神经生理学机制研究提供了可能。