论文部分内容阅读
[摘 要]本文首先指出疲劳驾驶问题的严重性，分析了目前汽车驾驶员疲劳程度检测的现状，并介绍了脑电波及利用脑电波检测疲劳程度的合理性。然后通过模拟实验采集实验者脑电波，通过k中心聚类和决策树的分析方法，得到用可作为汽车驾驶员疲劳程度检测标准的结论。
[关键词]汽车驾驶，疲劳程度，脑电波，mindwave，k中心聚类，决策树
中图分类号：P229 文献标识码：A 文章编号：1009-914X（2015）28-0352-03
1 引言
在中国，疲劳驾驶所导致的交通事故数量在各类交通事故致因中 位列第三，且往往造成非常严重的后果[1]。在中国有40%的特大交通事故由驾驶人疲劳驾驶引起[2]。表1-1为中国交通运输协会（China Association of Transportation and Communication，简称CATC）公布的2006-2010年5年间超速驾驶、酒后驾驶和疲劳驾驶致死致伤情况百分比以及其造成的经济损失情况百分比。由这些数据可以看出疲劳驾驶危害的严重性。驾驶员产生疲劳后，生理机能、辨识和控制能力下降，驾驶动作可靠性大大降低，严重影响到安全驾驶[4]，因此疲劳驾驶问题应该引起社会各界的重视。
疲劳驾驶是指驾驶员在一段时间的驾车之后所产生的反应水平下降，导致不能正常驾车行驶。驾驶员产生疲劳后，其心理状态也会发生各种各样的变化。如视力下降，致使注意力分散、视野逐渐变窄；思维能力下降，致使反应迟钝、判断迟缓、动作僵硬、节律失调；自我控制能力减退，致使易于激动、心情急躁或开快车等[5]。
检测疲劳驾驶状态一般从主观和客观两方面进行研究。主观方面主要根据驾驶员和研究者的主观判断来测定驾驶员本人的疲劳状态。客观方面主要从检测驾驶员的脑电（electroencephalogram，EEG）、肌电（electromyography，EMG）和心电（electrocardiograph，ECG）等生理信号的变换规律；检测方向盘运动信息，偏移值和行车速度等汽车操纵信号；检测驾驶员的面部状态和头部运动等物理行为的变化；检测驾驶员眨眼频率的变化等几个方面进行研究[6]。
2 国内外研究现状
2.1 国外疲劳驾驶研究现状
许多国家已意识到疲劳驾驶的严重程度，较早开始对疲劳驾驶的研究工作。早期的研究主要从医学角度出发，需借助医疗器械对疲劳驾驶状态进行评测。后期的疲劳程度测量方法有了很大进展，开发出许多疲劳驾驶车载电子测量装置，但是它们都由于各自不可克服的弊端不能大范围应用在实际驾驶中。
在这些研究成果中，具有代表性的有：
（1） 头部位置和眼睛所盯位置测量方法由澳大利亚研制，传感器是 Head Position Sensor，优点是测量头部位置精确，能用来评价使用者是有兴趣、困惑还是瞌睡等不同的精神状态，可以用于研究人是否分神，注意力是否集中。缺点是要求在驾驶员的脸上作一些标记，车辆内的光线变化明显时，测量容易失败，由于点头的动作和瞌睡的相关系数仍然没有找到合适的关系，因此准确率不是很高。
（2） Line Tracking System由美国研制，测量车辆离开白线的时间和程度，要求白线清晰，但晚上或者冰封的雪天测量容易失败，对环境要求高。
（3） 日本研制的电子“清醒带”，只能使驾驶员尽量保持清醒状态，只能“提神”，而不能真正实现“预警”。
（4） PERCLOS由美国研制，比较客观地反映在瞌睡时人的眼睑活动情况，因此人瞌睡的程度比较深时，都能测量到瞌睡。但眼电图（EOG）难点主要在于脸部图像灰度阈值的选取，环境不同阈值也不一样，而且少数人瞌睡时眼睛睁开戴眼镜测量难度较大，误报警率很高。
（5） Mayo Pupillometry可测量瞳孔直径随时间的变化，因此，睁闭眼的参数也容易得到，但现在还没有解决测量方法，不能方便实时测量瞳孔直径[7]。
2.2 我国疲劳驾驶研究现状
我国的疲劳驾驶研究起步较晚，成型的疲劳驾驶预警系统通过传感器测量驾驶员驾驶时方向盘、踏板等的运动参数来判别驾驶员的安全因素，发现方向盘的操纵情况与驾驶员的疲劳程度有一定的联系，方向盘较长时间不动，说明驾驶员在打瞌睡。此方法并不能直接反应驾驶员的疲劳状态，不同路况下的反应情况有较大偏差，因此该评测方法并不准确。
2.3 现存疲劳驾驶检测系统弊端
目前开发出的疲劳驾驶检测系统存在两大问题：一是疲劳检测仪器的不便性。由于检测传感器需接触驾驶员，在实际驾驶中会对其造成影响；二是疲劳状态评价指标不够客观准确[7]。因此要想实现对汽车驾驶员疲劳程度的实时监测，需要找到一种适合车载、实时、客观的疲劳指标。由于脑电波检测疲劳程度的方法可满足上述条件，因此基于脑电波的疲劳驾驶系统是未来发展趋势。
3 腦电信号特征
3.1 脑电信号特征
脑电是大脑皮层神经细胞集群电活动而产生的电生理信号，一般在几微伏到几百微伏之间[8]。脑电波由各种节律性的波组成，依频率不同而分为波。
8Hz～14Hz的规则波称为波。脑波处于该频率时人的大脑清醒而放松，注意力呈聚焦状，容易集中精神于某一工作中，不易被外界其他事物干扰，并且大脑不易疲劳，现代科学积极倡导波是为人们学习与思考的最佳脑波状态。其中波又分为3种：慢波：8-9Hz，临睡前头脑茫茫然的状态，意识逐渐走向模糊。中波：9-12Hz，灵感、直觉或点子发挥威力的状态，身心轻松而注意力集中。快波：12-14Hz，稍显紧张，无暇他顾的状态。
14Hz～30Hz的低幅波称为波。处于该脑波频率，人脑处于清醒的意识，人的精神处于紧张状态，对周围事物很敏感，注意力集中于外在环境，呈分散状，并且大脑容易疲劳，绝大多数人白天都处于这种状态。 频率在4Hz～7Hz范围内的波为波。脑波处于该频率时人的精神处于深度松弛状态，注意力高度集中，灵感涌现，创造力空前高涨。但是，未经过训练者一旦脑电波降到这么低的频率，会很快进入睡眠状态。
波的频率为0.8Hz～3.9Hz[9]。人在睡眠过程中出现的大脑慢活动状态，此时人脑波频率一般在1-3Hz之间，该频率只有在深度睡眠时才会出现。
3.2 脑电信号与人精神状态的关系
经研究表明，精神因素对脑电波有很大影响。当注意力集中或精神紧张时，脑电波中的节律受到抑制或消失；而在精神放松时，节律明显增强，但精神放松到一定阶段而出现倦意时，节律逐渐解体，同时节律增强。所以节律就作为情绪稳定、精神放松的指标来反映人的心理表现。而日本的研究者经过研究也发现，节律在11.5～13Hz时，表示人稍微有点紧张，但能集中意识；节律在9.5～11Hz时，说明人很悠闲但能集中意识：节律在7.5～9Hz时，表明人能比较迅速地集中意识[10]。节律表示人处于紧张状态，节律表明人处于深度睡眠状态。由此可见脑电能反映人体精神状态的变化，因此脑电波可以作为检测汽车驾驶员疲劳程度的依据。
4 疲劳驾驶实验
疲劳驾驶实验平台包括硬件和软件部分，硬件部分主要包括脑电采集装置，软件部分包括模拟驾驶程序、数据处理软件等。
4.1 脑电采集装置
本研究使用的脑电波采集装置为NeuroSky（神念科技）生产的mindwave mobile脑立方移动版，如图4-1所示。
Mindwave Mobile是Neurosky的最新产品，它能够和iOS设备、Android设备和桌面电脑匹配。它的生物传感器和可携带芯片可以探测到人的脑电波和其他生物信号，并将其转化成可被识别的数字信号，实现人机交互。它能够监测你前额的脑波，通过复杂的算法消除来自其它电子设备的干扰，从而理解脑波的真正含义。目前，系统能够识别精力集中度、冥思和眨眼，然后用这些线索去控制简单的游戏。
Mindwave的工作流程为：信号采集，采用无源干式传感器从头皮检测到电力信号；信号过滤，把干扰噪音从脑电波信号中过滤掉；信号解读，通过eSense专利算法将脑电波解读为eSense参数，用于表示用户当前的精神状态；人机交互，将eSense参数传递给计算机、手机等智能设备，从而可以通过脑电波进行人机交互。
mindwave设备可输出原始脑电波数据，提供强大的二次开发平台；可采用蓝牙技术实现与计算机的无线通讯；采用自适应算法，可适用于不同的人群和环境；可开发适合于各种行业的应用。
NeuroSky产品使用ThinkGear技术，它是应用于设备与用户脑电波的接口技术。ThinkGear包括一个接触用户前额的传感器，取自耳垂的参考点和处理所有数据并将数据提供给软件和应用的内置芯片。芯片不仅可以计算原始脑电波，还可以根据eSense算法计算出人的集中度与放松度。
4.2 模拟驾驶环境
本实验模拟驾驶环境采用极品飞车游戏软件。为了更好的实现模拟驾驶的效果，给实验者更贴合实际的驾驶体验，同时能有效的使驾驶者在模拟驾驶过程中精神状态有所改变，本研究通过比较极品飞车系列游戏各自特点，选择了《极品飞车11：街头狂飙》游戏。
《极品飞车11：街头狂飙》中有4个游戏模式：圈道赛，漂移赛，直线竞速与高速竞赛。本实验选择圈道赛模式。实验者作为游戏玩家需要跑完制定圈数，争取好的名次。游戏过程中实验者需要高度集中，这样精神状态更容易由清醒达到疲劳状态。
《极品飞车11：街头狂飙》中的赛道基于一些真实的地理位置。游戏公司做了大量数据调查，拍摄了大量照片来使得游戏中的赛道尽可能的真实。这能给实验者更加身临其境的体验，有利于模拟驾驶环境的真实性。
同时，在《极品飞车11：专业街道赛》中，所有的一切都将引起车辆的伤害。实验者在实验过程中必须集中精力，小心不让自己的车辆遭受撞击，因为如果车辆报废，可能意味着在一段时间内将不能使用车辆。此特性有利于实验，可更高效的使实验者集中精力，更快达到疲劳状态。
4.3 数据采集及处理软件
mindwave mobile采集脑电波的程序以C++语言为主。采集装置每秒输出512个原始脑电数据，每个数据为16位有符号整数，其值从-32768到32767。传输数据的有效格式及意义在通信协议中规定。
针对实验过程采集到的脑电波数据，采用MATLAB软件进行数据分析工作。
MATLAB是一个包含大量计算算法的集合。其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。
MATLAB对许多专门的領域都开发了功能强大的模块集和工具箱。诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、DSP与通讯、电力系统仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。
本实验数据处理用到matlab函数集中的快速傅里叶变换和工具箱中的决策树。
4.4 实验过程
实验者为年龄20～25岁间，身体健康，精神状态良好的大学生。实验者在实验开始前均处于清醒状态。首先为实验者佩戴连接好mindwave脑电波检测仪器。脑电波采集程序时间设置为1小时。实验开始后，令实验者玩极品飞车游戏，连续玩游戏1小时。采集实验者的脑电波数据。采集结果保存在文本文档中。采集结果形式如图4-2所示。 4.5 数据处理过程
数据处理过程通过MATLAB编程实现。
数据处理程序分为三部分：第一部分从数据文本中提取有效数据，对有效数据进行重新整理；第二部分调用快速傅里叶变换函数处理整理后的有效数据，并经过伪迹消除，得到各波形的有效值；第三部分采用k中心聚类法及决策树模型，对变换后的波形有效值进行分类，以找到能够快速判断汽车驾驶员疲劳状态的方法。
k中心聚类分为“清醒”与“疲劳”两类，通过k中心法把两类分开，分类完后，根据受测者自我评价，判断出两类数据中哪类为“疲劳”。k中心聚类程序见图4-3。但是受k中心法的局限性影响，分类结果中不含分类边界，同时这种分类过于武断，因此采用基于信息熵的决策树，以k中心的聚类结果为导师信息，寻找到分类的边界，以及在分类中的主导变量。
5 实验结果分析
根据实验过程中得到的数据，经过一系列处理，最终通过决策树分析后，如图5-1所示，可以看出对判断人是否疲劳有重大作用。为了突出这两个指标对于汽车驾驶员疲劳状态的指示作用，同时简化判断标准，本研究将的比值作为判断依据进行进一步分析。
利用数据分析过程中得到的原始数据变换后的的值可以得到其比值，通过将比值结果与实验者自评状态进行对照，可以发现实验者在疲劳状态下比值增加率超过400%。因此可以考虑将汽车驾驶员脑电波的的比值作为疲劳状态的判断依据。
6 总结
通过对实验者模拟汽车驾驶实验进行脑电波检测，并分析其脑电数据，可以找到一个较为准确快速的判断汽车驾驶员疲劳程度的评判标准。该评判标准为疲劳程度检测指出了一个方向，但是该评判标准的具体细化还需要进一步的研究与大量实验数据来支撑。
参考文献
[1] 李君羡，潘晓东.基于脑电分析的连续驾驶疲劳高发时间判断[J].交通科学与工程，2012，28（4）：72-79
[2] 陈勇，黄琦，刘霞等.一种全天候驾驶员疲劳检测方法研究[J].仪器仪表学报，2009，3：636-640
[3] China Association of Transportation and Communication（CATC）. 2008 Year book of China transportation and communications[M]. Beijing： Year book House of China transportation and communications， 2008
[4] 胡鸿，易灿南，廖远志，廖可兵，洪俊.车载驾驶员疲劳驾驶预警与控制系统研究[J].中国安全生产科学技术， 2014，10（11）：101-105
[5] 毛喆，初秀民，严新平等.汽车驾驶员驾驶疲劳检测研究进展[J].中国安全科学学报，2005，15 （3）：108-112
[6] 王福旺，王宏.长途客车驾驶员疲劳状态脑电特征分析[J].仪器仪表学报，2013，34（5）：1146-1151
[7] 孙显彬，唐洪伟，文妍.疲勞驾驶预警系统的研究现状和发展趋势[J].青岛理工大学学报，2007，28（3）：91-94
[8] 吴绍斌，高利，王刘安.基于脑电信号的驾驶疲劳检测研究[J].北京理工大学学报，2009，29（12）：1072-1075
[9] 颜松，魏建勤，吴永红.汽车驾驶员瞌睡状态脑电波特征提取的研究[J].中国生物医学工程学院，2005，24（1）：110-113
[10] 陈炎，胡江碧，荣建，刘小明.脑电技术在驾驶行为分析中的应用[J].道路交通与安全，2006，6（9）：15-18
[关键词]汽车驾驶，疲劳程度，脑电波，mindwave，k中心聚类，决策树
中图分类号：P229 文献标识码：A 文章编号：1009-914X（2015）28-0352-03
1 引言
在中国，疲劳驾驶所导致的交通事故数量在各类交通事故致因中 位列第三，且往往造成非常严重的后果[1]。在中国有40%的特大交通事故由驾驶人疲劳驾驶引起[2]。表1-1为中国交通运输协会（China Association of Transportation and Communication，简称CATC）公布的2006-2010年5年间超速驾驶、酒后驾驶和疲劳驾驶致死致伤情况百分比以及其造成的经济损失情况百分比。由这些数据可以看出疲劳驾驶危害的严重性。驾驶员产生疲劳后，生理机能、辨识和控制能力下降，驾驶动作可靠性大大降低，严重影响到安全驾驶[4]，因此疲劳驾驶问题应该引起社会各界的重视。
疲劳驾驶是指驾驶员在一段时间的驾车之后所产生的反应水平下降，导致不能正常驾车行驶。驾驶员产生疲劳后，其心理状态也会发生各种各样的变化。如视力下降，致使注意力分散、视野逐渐变窄；思维能力下降，致使反应迟钝、判断迟缓、动作僵硬、节律失调；自我控制能力减退，致使易于激动、心情急躁或开快车等[5]。
检测疲劳驾驶状态一般从主观和客观两方面进行研究。主观方面主要根据驾驶员和研究者的主观判断来测定驾驶员本人的疲劳状态。客观方面主要从检测驾驶员的脑电（electroencephalogram，EEG）、肌电（electromyography，EMG）和心电（electrocardiograph，ECG）等生理信号的变换规律；检测方向盘运动信息，偏移值和行车速度等汽车操纵信号；检测驾驶员的面部状态和头部运动等物理行为的变化；检测驾驶员眨眼频率的变化等几个方面进行研究[6]。
2 国内外研究现状
2.1 国外疲劳驾驶研究现状
许多国家已意识到疲劳驾驶的严重程度，较早开始对疲劳驾驶的研究工作。早期的研究主要从医学角度出发，需借助医疗器械对疲劳驾驶状态进行评测。后期的疲劳程度测量方法有了很大进展，开发出许多疲劳驾驶车载电子测量装置，但是它们都由于各自不可克服的弊端不能大范围应用在实际驾驶中。
在这些研究成果中，具有代表性的有：
（1） 头部位置和眼睛所盯位置测量方法由澳大利亚研制，传感器是 Head Position Sensor，优点是测量头部位置精确，能用来评价使用者是有兴趣、困惑还是瞌睡等不同的精神状态，可以用于研究人是否分神，注意力是否集中。缺点是要求在驾驶员的脸上作一些标记，车辆内的光线变化明显时，测量容易失败，由于点头的动作和瞌睡的相关系数仍然没有找到合适的关系，因此准确率不是很高。
（2） Line Tracking System由美国研制，测量车辆离开白线的时间和程度，要求白线清晰，但晚上或者冰封的雪天测量容易失败，对环境要求高。
（3） 日本研制的电子“清醒带”，只能使驾驶员尽量保持清醒状态，只能“提神”，而不能真正实现“预警”。
（4） PERCLOS由美国研制，比较客观地反映在瞌睡时人的眼睑活动情况，因此人瞌睡的程度比较深时，都能测量到瞌睡。但眼电图（EOG）难点主要在于脸部图像灰度阈值的选取，环境不同阈值也不一样，而且少数人瞌睡时眼睛睁开戴眼镜测量难度较大，误报警率很高。
（5） Mayo Pupillometry可测量瞳孔直径随时间的变化，因此，睁闭眼的参数也容易得到，但现在还没有解决测量方法，不能方便实时测量瞳孔直径[7]。
2.2 我国疲劳驾驶研究现状
我国的疲劳驾驶研究起步较晚，成型的疲劳驾驶预警系统通过传感器测量驾驶员驾驶时方向盘、踏板等的运动参数来判别驾驶员的安全因素，发现方向盘的操纵情况与驾驶员的疲劳程度有一定的联系，方向盘较长时间不动，说明驾驶员在打瞌睡。此方法并不能直接反应驾驶员的疲劳状态，不同路况下的反应情况有较大偏差，因此该评测方法并不准确。
2.3 现存疲劳驾驶检测系统弊端
目前开发出的疲劳驾驶检测系统存在两大问题：一是疲劳检测仪器的不便性。由于检测传感器需接触驾驶员，在实际驾驶中会对其造成影响；二是疲劳状态评价指标不够客观准确[7]。因此要想实现对汽车驾驶员疲劳程度的实时监测，需要找到一种适合车载、实时、客观的疲劳指标。由于脑电波检测疲劳程度的方法可满足上述条件，因此基于脑电波的疲劳驾驶系统是未来发展趋势。
3 腦电信号特征
3.1 脑电信号特征
脑电是大脑皮层神经细胞集群电活动而产生的电生理信号，一般在几微伏到几百微伏之间[8]。脑电波由各种节律性的波组成，依频率不同而分为波。
8Hz～14Hz的规则波称为波。脑波处于该频率时人的大脑清醒而放松，注意力呈聚焦状，容易集中精神于某一工作中，不易被外界其他事物干扰，并且大脑不易疲劳，现代科学积极倡导波是为人们学习与思考的最佳脑波状态。其中波又分为3种：慢波：8-9Hz，临睡前头脑茫茫然的状态，意识逐渐走向模糊。中波：9-12Hz，灵感、直觉或点子发挥威力的状态，身心轻松而注意力集中。快波：12-14Hz，稍显紧张，无暇他顾的状态。
14Hz～30Hz的低幅波称为波。处于该脑波频率，人脑处于清醒的意识，人的精神处于紧张状态，对周围事物很敏感，注意力集中于外在环境，呈分散状，并且大脑容易疲劳，绝大多数人白天都处于这种状态。 频率在4Hz～7Hz范围内的波为波。脑波处于该频率时人的精神处于深度松弛状态，注意力高度集中，灵感涌现，创造力空前高涨。但是，未经过训练者一旦脑电波降到这么低的频率，会很快进入睡眠状态。
波的频率为0.8Hz～3.9Hz[9]。人在睡眠过程中出现的大脑慢活动状态，此时人脑波频率一般在1-3Hz之间，该频率只有在深度睡眠时才会出现。
3.2 脑电信号与人精神状态的关系
经研究表明，精神因素对脑电波有很大影响。当注意力集中或精神紧张时，脑电波中的节律受到抑制或消失；而在精神放松时，节律明显增强，但精神放松到一定阶段而出现倦意时，节律逐渐解体，同时节律增强。所以节律就作为情绪稳定、精神放松的指标来反映人的心理表现。而日本的研究者经过研究也发现，节律在11.5～13Hz时，表示人稍微有点紧张，但能集中意识；节律在9.5～11Hz时，说明人很悠闲但能集中意识：节律在7.5～9Hz时，表明人能比较迅速地集中意识[10]。节律表示人处于紧张状态，节律表明人处于深度睡眠状态。由此可见脑电能反映人体精神状态的变化，因此脑电波可以作为检测汽车驾驶员疲劳程度的依据。
4 疲劳驾驶实验
疲劳驾驶实验平台包括硬件和软件部分，硬件部分主要包括脑电采集装置，软件部分包括模拟驾驶程序、数据处理软件等。
4.1 脑电采集装置
本研究使用的脑电波采集装置为NeuroSky（神念科技）生产的mindwave mobile脑立方移动版，如图4-1所示。
Mindwave Mobile是Neurosky的最新产品，它能够和iOS设备、Android设备和桌面电脑匹配。它的生物传感器和可携带芯片可以探测到人的脑电波和其他生物信号，并将其转化成可被识别的数字信号，实现人机交互。它能够监测你前额的脑波，通过复杂的算法消除来自其它电子设备的干扰，从而理解脑波的真正含义。目前，系统能够识别精力集中度、冥思和眨眼，然后用这些线索去控制简单的游戏。
Mindwave的工作流程为：信号采集，采用无源干式传感器从头皮检测到电力信号；信号过滤，把干扰噪音从脑电波信号中过滤掉；信号解读，通过eSense专利算法将脑电波解读为eSense参数，用于表示用户当前的精神状态；人机交互，将eSense参数传递给计算机、手机等智能设备，从而可以通过脑电波进行人机交互。
mindwave设备可输出原始脑电波数据，提供强大的二次开发平台；可采用蓝牙技术实现与计算机的无线通讯；采用自适应算法，可适用于不同的人群和环境；可开发适合于各种行业的应用。
NeuroSky产品使用ThinkGear技术，它是应用于设备与用户脑电波的接口技术。ThinkGear包括一个接触用户前额的传感器，取自耳垂的参考点和处理所有数据并将数据提供给软件和应用的内置芯片。芯片不仅可以计算原始脑电波，还可以根据eSense算法计算出人的集中度与放松度。
4.2 模拟驾驶环境
本实验模拟驾驶环境采用极品飞车游戏软件。为了更好的实现模拟驾驶的效果，给实验者更贴合实际的驾驶体验，同时能有效的使驾驶者在模拟驾驶过程中精神状态有所改变，本研究通过比较极品飞车系列游戏各自特点，选择了《极品飞车11：街头狂飙》游戏。
《极品飞车11：街头狂飙》中有4个游戏模式：圈道赛，漂移赛，直线竞速与高速竞赛。本实验选择圈道赛模式。实验者作为游戏玩家需要跑完制定圈数，争取好的名次。游戏过程中实验者需要高度集中，这样精神状态更容易由清醒达到疲劳状态。
《极品飞车11：街头狂飙》中的赛道基于一些真实的地理位置。游戏公司做了大量数据调查，拍摄了大量照片来使得游戏中的赛道尽可能的真实。这能给实验者更加身临其境的体验，有利于模拟驾驶环境的真实性。
同时，在《极品飞车11：专业街道赛》中，所有的一切都将引起车辆的伤害。实验者在实验过程中必须集中精力，小心不让自己的车辆遭受撞击，因为如果车辆报废，可能意味着在一段时间内将不能使用车辆。此特性有利于实验，可更高效的使实验者集中精力，更快达到疲劳状态。
4.3 数据采集及处理软件
mindwave mobile采集脑电波的程序以C++语言为主。采集装置每秒输出512个原始脑电数据，每个数据为16位有符号整数，其值从-32768到32767。传输数据的有效格式及意义在通信协议中规定。
针对实验过程采集到的脑电波数据，采用MATLAB软件进行数据分析工作。
MATLAB是一个包含大量计算算法的集合。其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。
MATLAB对许多专门的領域都开发了功能强大的模块集和工具箱。诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、DSP与通讯、电力系统仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。
本实验数据处理用到matlab函数集中的快速傅里叶变换和工具箱中的决策树。
4.4 实验过程
实验者为年龄20～25岁间，身体健康，精神状态良好的大学生。实验者在实验开始前均处于清醒状态。首先为实验者佩戴连接好mindwave脑电波检测仪器。脑电波采集程序时间设置为1小时。实验开始后，令实验者玩极品飞车游戏，连续玩游戏1小时。采集实验者的脑电波数据。采集结果保存在文本文档中。采集结果形式如图4-2所示。 4.5 数据处理过程
数据处理过程通过MATLAB编程实现。
数据处理程序分为三部分：第一部分从数据文本中提取有效数据，对有效数据进行重新整理；第二部分调用快速傅里叶变换函数处理整理后的有效数据，并经过伪迹消除，得到各波形的有效值；第三部分采用k中心聚类法及决策树模型，对变换后的波形有效值进行分类，以找到能够快速判断汽车驾驶员疲劳状态的方法。
k中心聚类分为“清醒”与“疲劳”两类，通过k中心法把两类分开，分类完后，根据受测者自我评价，判断出两类数据中哪类为“疲劳”。k中心聚类程序见图4-3。但是受k中心法的局限性影响，分类结果中不含分类边界，同时这种分类过于武断，因此采用基于信息熵的决策树，以k中心的聚类结果为导师信息，寻找到分类的边界，以及在分类中的主导变量。
5 实验结果分析
根据实验过程中得到的数据，经过一系列处理，最终通过决策树分析后，如图5-1所示，可以看出对判断人是否疲劳有重大作用。为了突出这两个指标对于汽车驾驶员疲劳状态的指示作用，同时简化判断标准，本研究将的比值作为判断依据进行进一步分析。
利用数据分析过程中得到的原始数据变换后的的值可以得到其比值，通过将比值结果与实验者自评状态进行对照，可以发现实验者在疲劳状态下比值增加率超过400%。因此可以考虑将汽车驾驶员脑电波的的比值作为疲劳状态的判断依据。
6 总结
通过对实验者模拟汽车驾驶实验进行脑电波检测，并分析其脑电数据，可以找到一个较为准确快速的判断汽车驾驶员疲劳程度的评判标准。该评判标准为疲劳程度检测指出了一个方向，但是该评判标准的具体细化还需要进一步的研究与大量实验数据来支撑。
参考文献
[1] 李君羡，潘晓东.基于脑电分析的连续驾驶疲劳高发时间判断[J].交通科学与工程，2012，28（4）：72-79
[2] 陈勇，黄琦，刘霞等.一种全天候驾驶员疲劳检测方法研究[J].仪器仪表学报，2009，3：636-640
[3] China Association of Transportation and Communication（CATC）. 2008 Year book of China transportation and communications[M]. Beijing： Year book House of China transportation and communications， 2008
[4] 胡鸿，易灿南，廖远志，廖可兵，洪俊.车载驾驶员疲劳驾驶预警与控制系统研究[J].中国安全生产科学技术， 2014，10（11）：101-105
[5] 毛喆，初秀民，严新平等.汽车驾驶员驾驶疲劳检测研究进展[J].中国安全科学学报，2005，15 （3）：108-112
[6] 王福旺，王宏.长途客车驾驶员疲劳状态脑电特征分析[J].仪器仪表学报，2013，34（5）：1146-1151
[7] 孙显彬，唐洪伟，文妍.疲勞驾驶预警系统的研究现状和发展趋势[J].青岛理工大学学报，2007，28（3）：91-94
[8] 吴绍斌，高利，王刘安.基于脑电信号的驾驶疲劳检测研究[J].北京理工大学学报，2009，29（12）：1072-1075
[9] 颜松，魏建勤，吴永红.汽车驾驶员瞌睡状态脑电波特征提取的研究[J].中国生物医学工程学院，2005，24（1）：110-113
[10] 陈炎，胡江碧，荣建，刘小明.脑电技术在驾驶行为分析中的应用[J].道路交通与安全，2006，6（9）：15-18