CC BY
39
УДК 001.891.573
Б. Н. Епифанцев, А. С. Ковальчук
Скрытая идентификация водителя и его психофизиологического состояния в процессе управления транспортным средством по вариабельности сердечного ритма
Ключевые слова: безопасность транспортных систем, человеческий фактор, скрытая идентификация водителей, скрытая идентификация психофизиологического состояния, вариабельность сердечного ритма, лазерная виброме-трия, вероятности ошибок идентификации.
Keywords: safety of transport systems, the human factor, hidden identification of drivers, hidden identification psychophysiological state, heart rate variability, laser vibrometer, probability of identification errors.
Рассматривается проблема скрытой идентификации водителя и его психофизиологического состояния в процессе управления транспортным средством. В качестве идентификационных признаков использованы параметры кардиограммы, доступные для скрытого дистанционного измерения с помощью лазерной доплеровской виброметрии. По результатам экспериментов оценены вероятности ошибок идентификации личности для группы из 20 студентов и идентификации ПФС из набора состояний «норма», «засыпание», «принятие алкоголя». Данные величины составили 6,3 и 1,92 % соответственно. Сделан вывод о целесообразности использования признаков вариабельности сердечного ритма для решения идентификационных задач, ориентированных на повышение безопасности в транспортном секторе экономики.
Введение
В последнее время вновь привлекает к себе внимание проблема обеспечения надежности человеко-машинных систем. Наблюдается интенсивный прирост числа случаев несанкционированного доступа человека к управлению технической системой, стимулируемого ожидаемой выгодой [1], террористическими мотивами [2] и рядом других причин.
Водитель в состояниях алкогольного опьянения, крайнего утомления (засыпания), сильного возбуждения (феномен «смертника») не редкий случай в практике управления транспортным средством.
При содержании 0,05 промилле алкоголя в крови водителя вероятность дорожно-транспортного
происшествия повышается в 5 раз, 1 промилле — в 25 раз [3]. Эффективность существующих методов борьбы с этим явлением невысока. Задача по исключению самой возможности управления транспортным средством в состоянии алкогольного опьянения поставлена в повестку дня.
Утомление ведет к потере концентрации внимания либо к засыпанию. По данным Института сна, более трети всех дорожно-транспортных происшествий со смертельных исходом связаны с засыпанием водителей за рулем.
Среди других интересующих общество состояний водителя транспортных средств выделяют «нормальное» и состояние крайнего возбуждения. Первое из них определяет точку отсчета вектора регистрируемых признаков, в области которых ограничивающих действий в отношении человека не предпринимается. Второе состояние приобретает высокий статус в эпоху, когда транспортная отрасль становится мишенью террористических атак. Актуальной является задача автоматической блокировки движения транспортного средства, управляемого смертниками, к объекту террористической атаки. Отсюда следует вопрос: какие показатели субъекта можно использовать для скрытой идентификации допущенных к управлению транспортом лиц и оценки (также в скрытом режиме) их психофизиологических состояний (ПФС), отмеченных выше? Решение поставленного вопроса позволит снизить роль человеческого фактора в статистике аварий и происшествий. При отклонении ПФС субъекта от принятого за нормальное управление системой блокируется.
Для решения обозначенной задачи необходимо знать:
Эргономика (человеко-машинные системы)
• формализованное описание ПФС;
• признаки, описывающие выбранные ПФС;
• алгоритмы классификации состояний в пространстве малоинформативных признаков.
Первые научно обоснованные выводы о наличии связи между психическим процессом и физиологией человека были сделаны З. Фрейдом в 18901895 гг. Однако интерфейс этой связи до сих пор остается неопределенным.
Считается, что объективным показателем эмоционального напряжения может служить совокупность электрокардиографических параметров [4]. При спектральном анализе кардиоинтервалов высокочастотные колебания (0,4-0,15 Гц) характеризуют состояние парасимпатического отдела вегетативной нервной системы. Низкочастотные колебания (0,04-0,15 Гц) отражают активность подкоркового сосудистого центра. По отношению мощностей колебаний в этих диапазонах можно судить о ПФС субъекта [5]. Сегодня задача дистанционного измерения указанных параметров считается решенной [6,7]. Но остается без ответа вопрос об эффективности использования кардиограмм для целей идентификации субъектов и их ПФС.
За последние 15 лет в мире защищено несколько сотен патентов на методы определения функционального состояния человека по изменению параметров движения глаз. Отсутствие данных по надежности идентификации субъектов и их ПФС на базе этих параметров дает основание отнести «ве-кодвигательное» направление к категории «подлежащих исследованию».
Известно, что существует зависимость параметров теплового изображения лица от ПФС человека.
По результатам приведенного обзора можно сделать вывод, что система, основанная на комплек-сировании информационных потоков по всем обозначенным направлениям, обеспечит приемлемые
вероятности правильного обнаружения и ложной тревоги. Наименее проработанным вопросом является отсутствие оценок по идентификационному потенциалу показателя «вариабельность сердечного ритма» (ВСР). Продвинуться в решении данного вопроса — цель настоящей статьи.
Признаки
В 1996 г. Европейским обществом кардиологов и Североамериканским электрофизическим обществом предложены стандарты измерений и интерпретации ВСР с рекомендациями по клиническому использованию этого источника информации о человеке [8]. В отечественной науке опыт исследования ВСР систематизирован в методических рекомендациях [8]. Для описания потока кардиоинтервалов используются индекс стресса пропорциональный отношению мощностей низкочастотной НЕ и высокочастотной НЕ областей спектральной плотности этого потока, стресс-индекс Р. М. Баевского Б1, определяемый по моде и отклонению от нее числа значений кардиоинтервалов характерного вида, средне-квадратическое отклонение ЯЯ интервалов БВЫЫ, коэффициент корреляции исходного и сдвинутого на один шаг исследуемого процесса С1, среднее значение ЯЯ-интервалов М и др. [5].
Результаты исследований по созданию систем идентификации пользователей информационно-вычислительных систем по динамике подсознательных движений позволяют сделать вывод, что в пространстве малоинформативных признаков полезно использовать и производные от основных признаков комбинации [9]. С этой целью в плоскости Я; - Яг+1 строится изображение последовательных пар кардиоинтервалов (рис. 1, а), которые разбиваются на 25 областей (рис. 1, б).
а)
Я;+Ъ МС 1000
950 900 850 800 750 700 650 600
* *
б)
Я;+Ъ мс
1000
900
800
700
650 700 750 800 850 900 950 1000
Я;, мс
600
2хО(Ы) 10
700
15
14
О(Щ): 13 О(Ы)
12
11
20
19
18 ■
17
16
25
24
23
22
2хО(Ы)
21
800
900
1000
Я;, мс
5
4
9
3
8
2
7
6
1
Рис. 1
Изображение последовательных пар кардиоинтервалов (а) и пояснение способа формирования дополнительных признаков (б)
Рис. 2 Автомобильный тренажер:
1 — игровой манипулятор, имитатор автомобильного руля; 2 — блок имитации автомобильных педалей; 3 — блок имитации рычага переключения передач; 4 — мониторы; 5 — акустическая система; 6 — клавиатура
Алгоритм формирования дополнительных признаков включал нахождение центра тяжести экспериментального поля точек для каждой личности и ее ПФС (Мкр) с нахождением среднеквадратиче-ских значений по осям координат. Стороны квадратов соответствовали этим значениям. Процент попадания точек в соответствующий квадрат принимался за признак. Такая операция позволила увеличить размерность пространства признаков до 42.
Для формирования эталонных описаний субъектов и их ПФС разработан автомобильный тренажер, включающий системный блок, три монитора для
отображения текущей обстановки на транспортной магистрали и вблизи нее, различные приспособления. Программное обеспечение, установленное на тренажере, позволяет имитировать процесс управления транспортным средством в городе и за его пределами в различное время суток, при различной погоде и плотности транспортных потоков.
Для получения информации о ПФС испытуемого и его особенностях тренажер был оснащен полиграфом «Барьер-14», холтеровским монитором «Кардиотехника-04», тепловизором NEC TH-7102, видеокамерой Canon Legria HF G10, инфракрасной веб-камерой Logitech C270, источниками подсвета испытуемого в невидимом диапазоне длин волн (850, 880, 940 мм). Общий вид тренажера показан на рис. 2.
В эксперименте участвовали 20 испытуемых. Ре-ализовывался сценарий «Загородная трасса» (узкая дорога, медленное движение, редко встречающиеся автомобили). Исследовали три ПФС: нормальное (Н), после принятия 30 г алкоголя (А), после принятия успокаивающей таблетки (С). В процессе вождения регистрировались 42 параметра. По реги-стограммам строили гистограммы распределения. По критерию %2-Пирсона каждую из них проверяли на соответствие стандартному распределению, параметры которого приняты за эталонные. Для выбранных ПФС и ряда признаков, описываемых нормальным законом распределения вероятностей, путем усреднения данных по всем испытуемым получены их эталонные оценки (таблица). Создана база эталонов для всех 20 испытуемых путем усреднения имеющихся для них оценок моментов распределений по всем ПФС.
Таблица Эталонные значения пяти показателей для трех ПФС водителей
Состояние Признак Математическое ожидание Среднеквадратичное отклонение
Вождение S 7,805163 1,366033
SI 16,813886 6,116257
SDNN 42,143572 7,464172
C1 0,786211 0,065225
M 831,504751 6,993780
Сон S 3,434201 1,168614
SI 7,513168 1,534628
SDNN 61,847244 7,382104
C1 0,845196 0,041591
M 879,495482 28,153169
Алкоголь S 2,502754 0,944627
SI 6,088936 0,827208
SDNN 66,412451 4,282719
C1 0,735181 0,063376
M 934,033516 16,711498
Эргономика (человеко-машинные системы)
Алгоритм идентификации
Классический алгоритм идентификации образов базируется на знании плотностей распределения вероятностей Р(х) случайных векторов х в п-мерном пространстве признаков:
Р(х) =
гвхр
8
Н
-"2(х -ц)т8я(х -ц)
где ц = (^1, .„, цп)т — математическое ожидание вектора х; 8Н — несингулярная, симметричная, неотрицательно определенная матрица вторых моментов, называемая ковариационной; индекс «т» означает операцию транспонирования; индекс «-1» указывает, что данная матрица обратна исходной.
Известно, что число образов, предъявляемых системе на этапе обучения Э (построения эталонов) должно быть значительно больше 20п. Реализовать это требование на практике проблематично. Для получения значимых оценок эффективности процедуры идентификации имеет смысл использовать упрощенные алгоритмы. Анализ таких алгоритмов, рассмотренных в работе [10], позволяет отдать предпочтение алгоритму, основанному на модифицированной формуле гипотез Байеса,
Р(Н; / А ) =
Р(' „) Р( А / Н)
¿Р(Гу)Р(А] / Н;)
;=1
где Р(А]/Н;) — апостериорные вероятности гипотез Н; при значении признака А]; Р(Гу) — априорные вероятности ;-х гипотез при поступлении в систему
идентификации ]-го признака. Если они неизвестны, принимается:
Р(Г]) = п-1 при ] = 1;
Р(Г;.-) = 0,5(Р(Г;1) + Р(Щ / А1) при ] = 2;
]-т
Р(Г]) = т"1 X Р(Н; / А).
у=-1
При поступлении первого признака А1 в систему идентификации априорные вероятности гипотез принимаются одинаковыми, т. е. п-1. На следующем шаге эти вероятности формируются с учетом начальных данных (п-1) и вероятностей гипотез на предыдущем шаге. Глубина учета предыстории определяется параметром т, значение которого в конкретной задаче подбирается по дисперсии колебаний кривой вероятности идентификации правильной гипотезы. О характере зависимостей суммы вероятностей ошибок 1-го и 2-го рода в зависимости от количества используемых признаков ] и идентифицируемых гипотез ; дает представление рис. 3. Единственный путь увеличить количество идентифицируемых гипотез в пространстве малоинформативных признаков — увеличение числа описывающих их признаков.
По эталонным плотностям распределения вероятностей выбранных признаков генерировались тестовые реализации. Технология получения реализаций основана на методе Монте-Карло. Гипотеза, получившая на последнем шаге максимальную вероятность, принималась в качестве верной. В противном случае идентификация признавалась ошибочной.
0,8 0,75 0,7 0,65 0,6
0,55 § °'5
I 0,45
а 0.4
м 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
Количество признаков
Рис. 3
Зависимость вероятностей суммы ошибок идентификации гипотез от их количества и размерности признакового пространства
Вычислительный эксперимент. Результаты
Количество сгенерированных реализаций для каждой гипотезы составляло 30 000. При параметре значимости а = 0,01 достоверность результатов по идентификации 0,974. Для 20 гипотез (субъектов) проведено 100 000 опытов. Пример изменения вероятностей гипотез при идентификации 20 субъектов по 42 признакам приведен на рис. 4.
Интегральная оценка вероятности правильной идентификации по всей совокупности опытов составила 98,08 %.
Второй цикл вычислительных экспериментов был ориентирован на идентификацию ПФС (состояния «норма», «засыпание», «принятие алкоголя») каждого субъекта. При подборе испытуемых каких-либо правил не придерживались (группа студентов). Данное обстоятельство ограничивает уровень обобщения полученных результатов. Тем не менее на основе этих результатов можно будет сделать вывод о продуктивности исследуемой технологии идентификации состояния субъекта в процессе профессиональной деятельности.
Обобщенные результаты экспериментов приведены на рис. 5.
0,100 0,095 -■0,090 0,085 -■0,080 я 0,075 4-
СО '
§ 0,070
в 0,065 -■-
£ 0,050
& 0,045 -------
м
0,040 0,035 -0,030 0,025
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
Количество признаков
Рис. 4
Фрагмент изменения вероятностей гипотез при использовании очередного признака без учета предыстории развития процесса (m = 1) для 20 испытуемых
60
55 50 45
к
& 40
и
0 35
о
во 30
25
20
15
10
5
3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
Количество признаков
Рис. 5
Количество ошибок идентификации в зависимости от используемого количества признаков для двадцати испытуемых
0
1
Эргономика (человеко-машинные системы)
Заключение
Полученные результаты позволяют сделать вывод о возможности решения поставленной задачи идентификации операторов человеко-машинных систем и их психофизиологического состояния в процессе профессиональной деятельности с использованием информации о вариабельности сердечного ритма.
Обобщенные результаты экспериментов, поставленных с привлечением группы из 20 студентов:
• вероятность верной идентификации состояний «норма», «засыпание», «принятие алкоголя» — 93,7%;
• вероятность правильной идентификации субъектов независимо от их ПФС оценена 98,08 %.
Приведенные цифры говорят о перспективности избранного направления поставленной задачи.
Появление на рынке телетепловизионных приборов, дистанционно регистрирующих электрокардиограмму и динамику дыхания испытуемого, дает надежду, что приведенные цифры увеличатся благодаря использованию дополнительной информации о характере температурного поля лица человека и показателя «тремора» его органов.
Работа выполнена при поддержке Министерства образования и науки РФ (соглашение № 541/Е14Ф от 09.01.2014 г.) и РФФИ (договор № НК13-07-0246/14 от 13.03.2014 г.)
I Литература I
1. Епифанцев Б. Н., Пятков А. А. Математическая модель противоборства конфликтующих сторон // Безопасность в техносфере. 2012. № 5. С. 55-59.
2. Белоножкин В. И., Остапенко Г. А. Информационные аспекты противодействия терроризму. М.: Горячая линия-Телеком. 2011. 112 с.
3. Влияние алкоголя на водителя [Электронный ресурс]. Режим доступа: http://www.autodealer.ru/autopedia/charges/alcohol
4. Симонов В. П. Эмоциональный мозг. М.: Наука, 1981. 167 с.
5. Heart Rate Variatility of measurement, physiological interpretation and clinical use // Europlan Heart Journal. 1996. K.17. P. 354-381.
6. Zhu Huishi. Zhao Yuejin, Dang Liguan. Non-contact detection of cardiac rate based on visible light imaging device. Conference on Optics fnd Photonics for Information Processing VI. August 15-16, 2012. Vol. 8498, N 849806 DOI: 10.1117/12.929203.
7. Hidden state models for noncontact measurements of the carotid pulse using a laser Doppler vibrometer / A. Kaplan, J. O'Sillivan, E. Sirevaag [et al.] // IEEE Teansactions an Biamedical Engineering. 2012. N 59 (3). P. 744-753.
8. В помощь практическому врачу. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем: метод. рекомендации / Р. М. Баевский, Г. Г. Иванов, Л. В. Чирейкин [и др.] // Вестник аритмологии. 2001. № 24. С. 65-87.
9. Епифанцев Б. Н., Ложников П. С., Сулавко А. Е. Альтернативные сценарии авторизации при идентификации пользователей по динамике подсознательных движений // Вопр. защиты информации. 2013. № 2. С. 28-35.
10. Епифанцев Б. Н., Ложников П. С., Сулавко А. Е. Сравнение алгоритмов комплексирования признаков в задачах распознавания образов // Вопр. защиты информации. 2012. № 1. С. 60-66.
f Л
ПРИГЛАШАЕМ РЕКЛАМОДАТЕЛЕЙ К СОТРУДНИЧЕСТВУ
Рекламные статьи и модули печатаются за плату согласно расценкам (в рублях, включая НДС 18 %)
Черно-белые полосы Цветные полосы Скидки при единовременной оплате
1 полоса А4 (180 х 250 мм) 6 000 2-я стр. обложки и каждая стр. вкладки: А4 (195 х 280) А5 (195 х 140) 12 000 8 000 2-х публикаций 10 %
1/2 полосы (180 х 125 мм) 3 500 3-я стр. обложки А4 (195 х 280) А5 (195 х 140) 10 000 5 000 3-х публикаций 15 %
1/4 полосы (85 х 110 мм) 2 125 4-я стр. обложки: А4 (195 х 280) А5 (195 х 140) 13 000 6 500 4-х и более 20 %
1/8 полосы (85 х 50 мм) 800
