驾驶疲劳的多模态表型数据集

为什么开车保持清醒很重要

长途驾驶会悄悄消耗我们的警觉性，把一次日常出行变成危险情境。疲劳驾驶与每年数千起事故、伤害和死亡相关，但我们仍缺乏可靠的方法来准确判断驾驶员何时从专注滑向疲惫。该研究引入了一个丰富的公开新数据集，旨在帮助科学家构建更智能的系统，能够读取人体的预警信号并在疲劳驾驶员做出致命错误前及时发出警报。

深入了解疲惫驾驶者的内部变化

研究人员创建了他们称之为“驾驶疲劳多模态表型数据集”（MPD-DF），该数据集收集了50名成年志愿者在完成两小时模拟高速公路驾驶过程中记录的详细测量数据。研究不是仅依赖自我报告的困倦感或车辆运动数据，而是同时记录了多种身体信号：大脑的电活动（EEG）、心脏（ECG）、眼动（EOG）以及来自胸带的呼吸用力。参与者还填写了关于健康、睡眠习惯以及自然的“早起/夜猫子”倾向的问卷。这些信息共同构成了疲劳在方向盘后如何积累的全身快照。

实验是如何进行的

所有志愿者在测试前都经过筛查，确保总体健康、休息良好且未摄入咖啡因。在受控实验室中，每位受试者坐在一个简单的驾驶模拟器前，显示一条车流稀少且多为直路的高速公路——这类场景已知易于诱发单调乏味感。受试者以较低且稳定的速度驾驶约两小时，同时持续记录其大脑、心脏、眼睛和呼吸信号，并同步录像。房间的光照、温度和噪音被严格保持在舒适范围内，以便信号变化主要反映逐渐增加的疲劳，而非不适或分心。

将脑电波转化为疲劳等级

使该数据集脱颖而出的关键特征是疲劳的标注方式。一位有经验的睡眠医学医生逐秒审阅每位驾驶员的EEG信号，并为每秒分配五种状态之一：清醒、三个递增的疲劳阶段，以及最终的浅睡眠。这些阶段基于脑电波中的已知模式，例如某些频段的增减和睡眠相关特征的出现。专家还标记了信号嘈杂或不可靠的时期。对50份记录的检查显示，几乎所有人均出现了可测量的疲劳，有些人甚至进入了睡眠，证实该驾驶设置确实诱发了困倦。

检验信号质量与初步算法测试

为确保数据对未来研究真正有用，作者对信号进行了严格检查。他们表明脑电、心电、眼动和呼吸曲线均呈现预期形态并随时间自然变化。通过在头皮上绘制脑活动，他们观察到随着驾驶员疲劳增加，不同频段出现一致性的位移，进一步支持EEG对疲劳尤为敏感。团队随后将每种信号类型单独输入现有的深度学习模型，以区分“警觉”与“疲劳”时期。即便在这种简单设置下，模型在每种信号上都能超过80%的正确分类率，且EEG表现最佳，表明这些标注和记录包含关于驾驶员状态的强有力信息。

为何该数据集可能改变道路安全

对读者来说，结论是MPD-DF为科学家和工程师提供了一个强大且公开可用的基础，便于构建更好的疲劳检测系统。由于它结合了多种身体信号、详细问卷和逐秒的专家判断，研究人员可以用它来探查不同人群何时以及如何变得危险地困倦——并检验其算法在多位个体间的通用性。从长远看，从该数据集中获得的见解可支持更智能的车载监测、更逼真的驾驶模拟器以及个性化的警示，促使疲劳驾驶者在悲剧发生前休息。

引用: Li, J., Fu, C., Tang, J. et al. Multimodal Phenotyping Dataset of Driving Fatigue. Sci Data 13, 289 (2026). https://doi.org/10.1038/s41597-026-06634-4

关键词: 驾驶疲劳, 脑电监测, 疲劳驾驶, 生理信号, 驾驶员安全