【技术文章】利用脑电研究温度与道路类型对驾驶员认知负荷的影响

原文：《基于EEG的热环境对驾驶员脑力负荷影响》

作者：陈成明1，鲁彪1，刘欣悦1，张鹏飞1，

(1.上海海洋大学上海中国)

简介：这篇推文将为您解读温度与道路如何联手影响驾驶安全。研究通过驾驶模拟实验发现，温度升高会显著拉高驾驶员的认知负荷，而中性热环境则是保持精神稳定的“黄金区”。相比城市道路，高速驾驶展现出更高的神经激活水平与认知压力。文章重点解析了比传统指标更灵敏的脑电特征，揭示其在实时监测驾驶疲劳与压力中的核心价值。

关键词：脑电、认知负荷、温度、驾驶道路、驾驶任务

编译：复旦大学林燕丹课题组 孙宇轩

指导：林燕丹

随着汽车工业从“单一功能性”向“全感官智能座舱”转型，驾驶环境的舒适度与心理健康已成为衡量整车品质的关键维度。本研究聚焦于座舱内复杂热环境与道路工况对驾驶安全的隐性影响，旨在解决以下核心场景痛点：

极端气象与空调调节场景：在夏季高温或冬季制热等极端热应激环境下，舱内温度偏离中性区间(PMV=0)会直接导致驾驶员大脑β波活跃度异常升高，诱发认知负荷激增。本研究为自动空调系统基于生理反馈的智能温控算法提供了核心阈值参考。

高速/复杂路网驾驶安全场景：在高速道路等高警觉性需求场景下，驾驶员面临快速决策与持续精神负荷的双重挑战。研究解析了高速工况下认知资源分配的神经机制，为驾驶辅助系统(ADAS)在不同路段动态调整干预强度提供了科学依据。

驾驶员状态监控（DMS）精准识别场景：传统基于行为特征（如眨眼、哈欠）的监测具有滞后性。通过引入灵敏度更高的β/(θ+α)脑电特征指标，可以实现在操作失误发生前，对认知过载及精神疲劳进行前瞻性预警，提升主动安全防护水平。

长途运输与职业驾驶员健康管理场景：长时间处于非舒适热环境与单调/复杂路况交替中，是个体神经敏感度受损的重要诱因。本研究建立的主客观多维评估体系，可用于优化职业驾驶员的工作环境标准，通过维持“中性热环境”来降低人为失误风险。

尽管驾驶员状态监测与座舱环境优化已成为智能驾驶领域的研究热点，但现有的评价体系在处理“人-车-环境”多因素耦合时仍存在显著局限，主要体现在：

评价指标灵敏度不足：传统研究多依赖于驾驶行为（如车道偏移）或主观问卷来评估认知负荷，但这些指标往往具有滞后性，难以实时捕捉驾驶员生理状态的微观波动。尤其在复杂交通环境下，行为表现与内在心理压力之间存在非线性关联，导致预警系统准确率受限。

环境因素耦合机理解析不深：以往研究多将道路类型或热环境作为单一变量进行孤立分析，缺乏在“高温+高速”等极端动态工况下，环境应激源对大脑神经活动协同影响的量化实证。特别是针对脑电信号中不同节律波（如何响应温度变化的深度机理，研究相对匮乏。

因此，本研究旨在通过实验室模拟方法，引入等高灵敏度脑电特征比值作为核心量化标尺，系统揭示不同温度（20、23、26℃）与道路类型（城市道路、高速道路）对驾驶员认知负荷的交互影响规律。最终目标是确立一套基于生理反馈的驾驶员状态多维评估体系，为智能座舱的动态热管理策略及前瞻性疲劳预警算法提供具有指导意义的理论支撑与参数组合。

本研究采用实验室模拟方法，对司机在不同热环境与驾驶道路中的认知负荷进行调查研究。样本量为17人，男性参与者为13人，女性参与者为4人，年龄在21至23岁之间，均为在校研究生，且均有二年及以上驾龄。为了确保实验结果的可靠性和真实性，尽量减少其他因素对实验结果的影响，参与者要求在实验前24小时内禁止摄入含咖啡因和含酒精的物质，并保证良好的睡眠。最终的实验数据选取13组，1组数据因脑电设备接触不良造成缺失，1组数据因受试者身体不适造成缺失，2组数据因脑电膏涂抹问题导致数据异常。

本实验研究的是在不同驾驶道路下，热环境中温度变化对驾驶员在不同驾驶道路类型下认知负荷的影响，本实验是在春季于上海进行，在搭建的驾驶模拟实验室内模拟以下两种实验环境：三个温度等级和两种驾驶道路。实验环境参数设计如下所示。热环境中温度对人体情绪与负荷的影响占比最大，湿度和风速的影响占比较小。依据先前对湿度和风速的研究，湿度设定为60%，风速设定为0.5m/s，根据PMV模型控制在一个较为舒适范围内，当PMV为±1时，有74%的人对其周围环境感到满意，因此本研究针对该较为舒适范围内温度对人体的影响差异。因此，依据ISO7730标准，本实验所选温度范围从偏冷（PMV=-1,20℃）至中性（PMV=0，23℃）再至偏热（PMV=1，26℃）。道路选择高速道路和城市道路，不同类型的道路都有其自身独特的特征，高速道路相比于城市道路驾驶环境有显著差异。城市道路的道路状况相比于高速道路更为复杂,但车速相较于高速道路较低，因此经常以城市道路与高速道路来对比研究，在城市道路和高速公路的驾驶实验中，驾驶员的生理信号有显著差异。

表1 实验参数设计

实验的正式流程共进行时间约为205分钟，每次实验由一名被试人员参与。在开始时刻，为受试者戴上脑电帽，在30分钟内并告知实验相关信息为正式实验做准备，房间内的条件为20℃、60%的相对湿度和0.5m/s的风速。条件稳定后，受试者对驾驶模拟器进行3分钟的适应和静坐2分钟适应环境，共有5分钟的时间，随后开始进行15分钟的正式实验，同时进行15分钟的脑电记录。最后，要求受试者在5分钟内完成主观问卷。之后受试者离开实验室，环境随之改变，保证新环境在5分钟内稳定，受试者再次适应5分钟，随后记录脑电数据和完成主观问卷。最终，每位受试者需要完成6组实验，实验流程，每次适应时间、脑电记录时间，问卷填写时间、流程均相同。

在每次脑电记录结束后，会提供NASA问卷、Piper问卷和热舒适度问卷以收集主观反馈，从而评估受试者的认知负荷水平和房间的热环境状态。考虑到受试者对热环境的不同偏好热舒适度和湿热感觉通过一个连续的5点量表评估。受试者在参与中需要完成驾驶超车任务，通过驾驶模拟器记录出错次数与超车次数来计算受试者在实验中的出错率作为任务表现评估指标。

图1 问卷量表示意图

通过将依据10-20系统布局19通道的脑电头套置于头皮上记录脑电活动。实验选取的通道包括额极（Fp1、Fp2）、额叶（F3、F4）和顶叶（P3、P4）进行研究。电极分布情况（图4）。使用BIOPACMP150系统专有软件AcqKnowledge记录与处理脑电信号。本研究中脑电（EEG）的频率范围为0.5至50赫兹，脑电（EEG）活动的采样频率为1000Hz，采用带通滤波器去除1赫兹以下和50赫兹以上的的干扰，采用主成分分析（PCA）来去除伪迹。

图2 脑电示意图

脑电波是一种电磁波，依据脑电波的不同频率可以分为四种类型的节律波，并对应其生理节律，如下图所示。具体研究的节律波类型因研究内容而异，在描述认知负荷和疲劳时，脑电信号主要关注θ波、α波和β波。现有研究表明，β/α比值可有效表征工作负荷与精神觉醒水平，而β/(θ+α)比值则被广泛应用于疲劳状态评估。因此选取β/α和而β/(θ+α)来作为反映认知负荷水平的特征指标。在6种不同的实验条件下记录额极（Fp1、Fp2）、额叶（F3、F4）和顶叶（P3、P4）的脑电信号，去除实验开始后的1分钟记录和实验结束前1分钟的记录，并进行预处理，无伪迹的脑电信号被分割为2秒的片段，采用快速傅里叶变换（FFT）计算出θ波、α波和β波的功率谱密度（PSD），并根据计算出的功率谱密度计算对应频率的总功率。

表2 脑电波种类及对应频率

作者采用LSD法对不同温度条件下的脑电波功率谱密度及其比值进行了两两比较，最终得到β/(θ+α)比值在各PMV状态之间均呈现显著性差异，表现出最稳定和一致的反应趋势，说明较冷环境可能显著降低高频与低频总能量之间的比例关系。

表3 LSD分析结果

之后作者通过皮尔逊相关分析探索了环境温度、脑电频段总功率及其比值与驾驶任务出错率之间的关系。最终也能得到θ、α、β频段总功率之间高度正相关（p<0.01），表明出脑电活动在不同频段之间具有协同变化的特点。β/(θ+α)比值与出错率几乎无相关（r=0.02），表明该比值更适合作为神经激活的生理指标，而非直接预测行为表现的变量。研究结果表明，环境温度显著影响驾驶员的脑电活动与认知负荷水平。在高温条件下，β频段总功率显著增加，且认知负荷比值指标（β/α、β/(θ+α)）同步上升，表明大脑处于更高的紧张与高认知负荷状态。这些生理指标虽与出错率呈一定趋势性一致，但其预测作用更早、更敏感，具有较强的前瞻性。

图3 皮尔逊相关系数分析结果

作者基于脑电信号评估了热环境温度与驾驶道路类型对驾驶员认知负荷影响。结果表明，温度升高显著增强驾驶员β波功率，β/α与β/(θ+α)认知负荷特征比值同步上升，认知负荷水平随之加重；中性热环境(PMV=0)下θ波与α波功率最高，认知负荷最为轻松。驾驶道路类型脑电特征的影响显著，高速道路条件下θ、α及β波功率波动幅度增大，β波上升，认知负荷水平高于城市道路。认知负荷指标以β/(θ+α)比值变化最为灵敏，优于β/α比值可作为热环境与驾驶任务负荷动态监测的重要神经生理指标。主观负荷感知与客观脑电及行为指标高度一致。为维持较低认知负荷水平，保证驾驶员良好的驾驶状态，建议优化车内热环境使PMV接近中性，提升驾驶舒适性。未来研究可引入噪声、光照等多环境负荷变量，结合脑功能连接性与复杂度分析；同时加强个体差异对认知负荷调节作用的探讨，结合脑电与机器学习方法，实现驾驶认知状态的实时监测与预警。

针对智能座舱驾驶员认知状态监测系统的算法优化，研究提出应将热环境参数与道路工况指标作为双因素输入变量，实现对认知负荷的动态评估与分级预警。在系统工程应用中，工程师应将β/(θ+α)比值作为核心生理反馈阈值，因为该指标相较于传统的β/α比值对热环境与道路引起的认知负荷变化具有更高的灵敏度与稳定性。在环境自适应调节方面，车载系统应实时监测舱内PMV指标，并优先将热环境调节至中性区间（PMV=0,23℃），以确保驾驶员的认知负荷处于轻松且精神压力最稳定的状态。算法权重设定需充分考虑道路类型的差异化影响：在高速道路工况下，由于驾驶员需投入更多认知资源维持任务执行，系统需针对θ、α及β波功率波动幅度增大的特性，自动调高监测灵敏度并预设更严苛的疲劳预警等级。此外，利用本研究确定的脑电特征与任务出错率之间的关联模型，结合个体在热敏感性与认知调节策略上的差异，工程师可以反推计算出不同用户在特定工况下的心理过载临界点，从而构建出覆盖城市与高速等真实场景的个性化驾驶认知状态监测矩阵，为提升整车主动安全性能提供更具科学性的神经生理量化标准。

-END-