不同響度音樂對單調聲音環境下駕駛疲勞緩解實驗研究

胡志剛，胡佳斌，喬現玲

(陜西科技大學 工業設計研究所，陜西 西安 710021)

不同響度音樂對單調聲音環境下駕駛疲勞緩解實驗研究

胡志剛，胡佳斌，喬現玲

(陜西科技大學 工業設計研究所，陜西 西安 710021)

為有效減輕駕駛員在單調聲音環境下的駕駛疲勞、減少交通事故，在不同類型廣播聲音環境下開展了模擬駕駛實驗；基于瞳孔直徑變異系數等建立了駕駛疲勞綜合評價指標，研究了駕駛疲勞音樂響度對策的有效性。結果表明：音樂能緩解單調聲音環境下的駕駛疲勞，在不同聲音環境下，音樂對駕駛疲勞緩解的效果略有差異；75和85dB音樂在顯著性及穩定性方面要優于65dB；75和85dB音樂兩者之間差異不大。

交通工程；人類工效；駕駛疲勞；對策；單調環境；響度

0 引 言

駕駛疲勞是由于心理機能和生理機能下降，而導致駕駛員無法及時獲取或處理安全行駛必要信息的危險行為，是造成交通事故的重要原因之一[1-3]。

如今，駕駛疲勞的檢測手段已較為成熟[4]。C．AHLSTROM等[5]基于KSS(karolinska sleepiness scale)量表[6]，運用主觀評分法對疲勞進行了等級劃分。S．DAVID等[7]認為PERCLOS(percentage of eyelid closure over the pupil over time，閉眼時間百分率)是判斷疲勞的有效方法[8]。秦偉等[9]認為心率變異系數可以用來判別疲勞。潘曉東等[10-11]認為通過監測駕駛人眼部行為來判斷疲勞的方法實用性強，同時證明了眨眼時間均值可以作為衡量疲勞的指標并給出了相應的閾值。王雪松等[12]把疲勞分為5個等級，認為瞳孔直徑變異系數、眨眼時間均值、閉眼百分率等可以作為衡量駕駛疲勞等級的指標。

在駕駛疲勞對策方面，N．MERAT等[13]的研究表明：汽車轟鳴聲能加強駕駛員對車輛的操控，有利于緩解長途單調環境下的駕駛疲勞。Y．HIRATA等[14]指出：駕駛疲勞出現后，音樂可以提高駕駛員的警覺性，有效降低事故發生率。P．GERSHON等[15]認為：對職業司機和非職業司機，收聽廣播是駕駛疲勞最為有效的對策。LIU Shixu等[16]認為：音樂刺激作為駕駛疲勞對策具有適用范圍廣、效果顯著等特點，并將音樂和咖啡因對疲勞緩解效果進行了比較。LIU Ninghan等[17]根據音樂的不同分類，基于EEG信號系統建立起了駕駛疲勞的評判系統。M．YOKOYAMA等[18]認為：不同響度的音樂對駕駛疲勞有影響，并通過實驗證明高響度音樂能夠抑制疲勞的加深。趙曉華等[19]認為：聲音刺激可以作為一種環境對策，是目前減輕駕駛疲勞的主要對策之一，并通過實驗對在安靜駕駛環境下產生的駕駛疲勞聲音對策的有效性進行了研究，給出了聲強、頻率等屬性的最佳水平。然而，現實中駕駛員所處的駕駛環境較為復雜，J．STUTTS等[20]通過長期大量調查發現，有92%的駕駛員在獨立駕駛時有打開音樂設備的習慣。而駕駛員長期處在某種單調聲音環境下，更容易產生駕駛疲勞產生，此時對策的有效性鮮有研究。

1 實驗設計

1.1 實驗設備

模擬駕駛平臺用于實驗室環境下機動車駕駛的仿真模擬。Tobbi眼動儀用于采集駕駛員眼部行為數據，包括眨眼、注視、瞳孔大小等；ErgoLab軟件用于駕駛人眼部數據的分析；CaptureL9000行為記錄及分析系統用于記錄分析駕駛人駕駛過程中的打哈欠、搖頭及身體擺動等動作；分貝計用于檢測環境噪音及刺激聲音響度。

將某時間段內分貝計檢測到所有聲強數值(Ii)的均值作為該時間段內聲強(Iu)。其中：Iu-5 dB

1.2 實驗人員

選取10名年齡在20～30歲之間駕駛員參與模擬駕駛實驗，男女比例1∶1。另外駕駛人還具備以下條件：

1)持有中華人民共和國機動車駕駛證；

2)身體健康，無疾病，能夠保證較長時間連續實驗；

3)不帶眼鏡且裸視視力達到1.0以上，色覺正常；

4)經訓練后，能熟練操作本實驗室模擬駕駛平臺；

5)實驗開始前，情緒狀態良好。

1.3 駕駛背景聲音模擬及刺激音樂選擇

將汽車在行駛過程中自身所產生的噪音與駕駛人自主播放聲音的混合作為實驗中模擬的背景聲音。汽車自身產生的噪音與車型、車速、路況等有密切關系。結合實際情況，實驗中該類噪音由模擬駕駛平臺發出，將其響度控制在65 dB以內。通過調查問卷形式，詢問駕駛員在駕駛過程中習慣性播放聲音的類型，共收集108份有效調查問卷。結果顯示：收聽車載電臺是駕駛員駕駛過程中普遍的習慣，70.37%的駕駛員選擇為“習慣、經常收聽車載電臺”，如圖1(a)；其中：42.11%的駕駛員駕駛過程中習慣收聽新聞類電臺，32.89%的駕駛員駕駛過程中習慣收聽音樂類電臺，如圖1(b)。考慮到實時新聞廣播不受實驗人員控制，且陳舊新聞更容易引發疲勞，因此選取并錄制新聞廣播電臺去除較長時間歌曲等無關內容作為新聞聲音背景，并將其響度控制在70 dB以內。

實驗中對疲勞的刺激方式為音樂刺激，為避免背景音樂與刺激音樂的耦合對實驗結果產生的影響，從音樂分類的角度選取背景與刺激音樂。音樂分類眾多，G．TZANETAKIS等[22]通過提取旋律、音高等對音樂進行了分類。隨機選取并錄制音樂電臺作為音樂聲音背景，響度均值控制在70 dB以內。考慮到駕駛人參加實驗次數較多，選20 min時長且不同于背景音樂，旋律舒緩、中等音高音樂作為刺激音樂，其響度分別為65、75、85 dB。

圖1 電臺收聽情況調查Fig.1 Survey chart of radio listening proportion

1.4 實驗過程

午后為疲勞的高發時期，因此筆者將實驗選在13:00—16:00之間進行。模擬駕駛場景為高速公路路段，要求駕駛人行車速度不大于80 km/h。實驗內容共分兩類，每位駕駛人在每類實驗中需要進行4項實驗，每項實驗耗時約80 min。實驗開始前駕駛人有5 min駕駛適應時間，并填寫KSS問卷自我評價此時的疲勞狀況，實驗員保證眼動儀及行為記錄系統數據采集正常。

1.4.1 第1類實驗

第1類實驗為新聞廣播聲音背景下的不同響度音樂刺激。駕駛人在機動車行駛噪音(65 dB及以下)和新聞廣播聲音(70 dB)背景下，進行模擬駕駛。研究表明：即使在實驗前沒有睡眠剝奪或疲勞現象，模擬駕駛艙中駕駛人的疲勞癥狀將在30 min內出現[23-24]。實驗中避免外界非實驗因素對駕駛人干擾，當駕駛人連續駕駛車輛40 min時，認為駕駛人已經出現淺度疲勞或出現疲勞征兆，此時停止新聞播放，立即給予某種音樂刺激60 s，刺激結束后繼續播放原廣播聲音，60 min時本次實驗結束。

音樂刺激可分為4種。第1種是無聲音刺激，作為對照組；第2～4種分別為65、75、85 dB音樂刺激，作為實驗組。實驗結束后，駕駛人再次填寫KSS問卷，進行音樂刺激前、后和實驗結束時的疲勞狀況評價。

1.4.2 第2類實驗

第2類實驗是音樂廣播聲音背景下的不同響度音樂刺激實驗。將背景聲音中的70 dB新聞廣播聲音更改為70 dB音樂廣播聲音，重復第1類實驗。

每位駕駛人需要參與8項實驗，內容如表1；每項實驗流程如圖2。駕駛人每天最多進行1項實驗，實驗項目由實驗員從8項中按“隨機不放回抽樣”抽取，并要求駕駛人在連續的12 d內完成所有項目實驗。同一駕駛人在各項實驗中所處的背景聲音環境及刺激音樂不同，不同駕駛人在各項實驗中所處的背景聲音環境及刺激音樂相同。

表1 實驗項目

圖2 實驗流程Fig.2 The flowchart of experiment

2 數據分析

2.1 瞳孔直徑變異系數

瞳孔直徑變異系數(pupil diameter variation coefficient，PDVC)為時間窗內的瞳孔直徑標準差與瞳孔直徑平均值的比值，其計算如式(1)：

(1)

為減小數據波動對結果影響，保證所有指標可在同一時間維度進行分析，本實驗中所有指標均選2 min長度作為固定分析區間，由區間中指標所有時間窗內的均值來代表該指標在此區間的水平。最優時間窗由指標性質決定的，在計算瞳孔直徑變異系數時，最優時間窗定為10 s。瞳孔直徑變異系數計算，從34 min開始，計算每個最優時間窗內的瞳孔直徑變異系數，56 min時止。對每個分析區間內所有時間窗數據進行平均，得出從34～56 min時段各分析區間變異系數均值；計算來自同實驗項目、同區間、不同個體的瞳孔直徑變異系數均值，分別繪制1、2類實驗瞳孔直徑變異系數變化，如圖3。

從該指標可以看出，在第1類實驗、第2類實驗中，對照組始終維持在較高水平，實驗組音樂刺激后，該指標均呈下降趨勢。兩類實驗均顯示65 dB音樂刺激對策的顯著性及穩定性要弱于75、85 dB音樂刺激，75、85 dB音樂刺激在整體下降趨勢及穩定性具有很高的相似性。第2類實驗中，實驗組較對照組整體下降幅度弱于第1類實驗。

圖3 瞳孔直徑變異系數變化Fig.3 Variation of PDVC

2.2 眨眼時間均值

眨眼時間均值(mean blink duration，MBD)是時間窗內總眨眼時間(眨眼，眼睛開始閉合時起到眼睛完全張開時止)與眨眼次數的比值，如式(2)：

(2)

式中：Tb為眨眼時間均值；Ta為總眨眼時間；n為眨眼次數。

本實驗在計算眨眼時間均值時，所選時間窗為30 s。繪制眨眼時間均值變化，如圖4。

圖4 眨眼時間均值變化Fig.4 Variation of MBD

該指標中各實驗組的變化明顯于瞳孔直徑變異系數指標，兩類實驗均顯示40 min后，實驗組65 dB要高于實驗組75、85 dB。第1類實驗中，音樂刺激后實驗組75、85 dB下降趨勢相對延緩，實驗組85 dB整體呈持續下降趨勢。第2類實驗中，在音樂刺激后實驗組75、85 dB的穩定性較好，且兩者之間差異不夠顯著。

2.3 閉眼百分率

閉眼百分率(Perclos)是眼睛累計閉合持續時間占某特定時間的百分率，如式(3)為：

(3)

式中：ηb為閉眼百分率；Ta為總閉眼時間；t0為時間窗。

本實驗在計算閉眼時間均值時，所選時間窗為30 s，繪制眨眼百分率變化，如圖5。

圖5 閉眼百分率變化Fig.5 Variation of PERCLOS

該指標顯示，刺激后實驗組較對照組在第1類中的降幅明顯大于第2類。第1類實驗中，實驗組3種音樂響度刺激差異不夠明顯。第2類實驗中，實驗組65、75、85dB音樂刺激后下降幅度依次增大，且較為穩定性，這與上述兩個指標的表現出現了一定的差異性，實驗組65 dB下降幅度弱于實驗組75、85 dB。

2.4 專家評測

通過行為分析系統對駕駛人駕駛過程中打哈欠、搖頭、身體擺動3個動作進行打標。對行為視頻進行分割，自第34 min開始，58 min結束，分割單位區間為2 min。由3名從事疲勞駕駛課題研究的專家基于打標量化結果及視頻內容，對駕駛人疲勞狀況進行0～100分值的打分，數值越大表示疲勞程度越深。繪制專家得分變化，如圖6。

圖6 專家得分變化Fig.6 Variation of experts grading

該指標顯示，第1類實驗組中，65、75、85 dB刺激差異明顯，第2類差異不夠明顯。第1類實驗組中，65 dB在第43 min開始加速上升，在47 min時已維持較高水平。第2類實驗中，實驗組經刺激急速下降后又呈現上升趨勢，其穩定性要弱于第1類實驗。

2.5 綜合指標

上述不同指標反應的側重點有所不同，且受實驗環境、采集設備等因素的影響，不同指標之間也出現了不一致性。為有效避免上述影響，參照盧章平等人的研究[25]，運用主成分分析法，基于上述4個指標來建立一個綜合評價標準，以此來衡量疲勞程度。

利用SPSS軟件對上述指標進行綜合分析，瞳孔直徑變異系數(CV)、眨眼時間均值(Tb)、眨眼百分率(ηb)、專家得分(E)數據均服從于正態分布。根據Person相關系數計算兩兩指標之間的雙變量相關性，顯示相關性均為非常顯著(p<0.05)結果如表2。

表2 Person相關系數分析

對CV、Tb、ηb，E數據做標準化處理后進行主成分分析，結果顯示第1主成分特征值為3.428且累計貢獻已達到85.698%，因此將第1主成分作為特征提取的目標指標，并得到各成分得分系數矩陣，系數分別為aC、aT、aη、aE。由此可建立綜合評價指標，如式(4)：

F=0.253×CV+0.278×Tb+0.272×ηb+0.277×E+c

(4)

式中：變量為標準化后的變量，c為常數項。

根據SPSS分析得出的各樣本綜合指標得分，分別繪制兩類實驗綜合指標變化，如圖7。

為檢測綜合指標的有效性，分析駕駛人在實驗前及實驗后所填寫4個階段的KSS問卷如圖8。駕駛人自我評測疲勞評測結果與綜合指標存在很高的相似性。

用綜合指標來代表疲勞，數值越高疲勞程度越深。在兩類實驗中對照組和實驗組均顯示駕駛人駕駛車輛在36～40 min時，綜合指標處于較高位置，第40 min給予音樂刺激后，實驗組指標短時間內急速下降，對照組則無明顯變化，仍然維持較高位置。在兩個類實驗中音樂刺激后，實驗組85 dB音樂下降幅度最大，整體來看，刺激之后實驗組75 dB與實驗組85 dB都能在低位維持較長時間；實驗組65 dB下降后在短時間內開始回升。

第1類實驗中，在音樂刺激急劇下降后，實驗組65 dB又緩慢回升，并有一直上升下去的趨勢；實驗組75、85 dB則較為平穩。第2類實驗中，音樂刺激后，實驗組65 dB相對于其他實驗組下降趨勢較為緩慢、幅度較小，且在46 min時開始逐漸回升，52 min時開始又出現下降趨勢，表現出了極不穩定性；在52 min之前75 dB高于85 dB，之后，兩者差異微弱，整個過程中75、85 dB有上升的趨勢。對比第1類與第2類實驗組，實驗組在第2類刺激后顯著性要小于第1類。

圖7 綜合指標變化Fig.7 Variation of overall index

圖8 主觀疲勞程度Fig.8 Subjective fatigue degree

3 結 論

實驗結果表明：在駕駛人常處的兩種單調聲音環境下駕駛疲勞產生后，通過引入旋律舒緩、中等音高音樂刺激能夠緩解疲勞，不引入外界刺激無法緩解疲勞。在兩種單調聲音環境下，75、85 dB旋律舒緩、中等音高音樂刺激對策的顯著性及穩定性均要優于65 dB音樂刺激。在音樂聲音環境下，各音樂刺激對策的顯著性及穩定性都要微弱于新聞廣播聲音環境。綜合指標顯示：75、85 dB快節奏音樂刺激對駕駛疲勞的緩解效果在兩種不同單調環境下差異不大。駕駛過程中高響度音樂不利于駕駛安全，在實驗中所涉及到的兩種單調環境下的駕駛疲勞，可采用75 dB音樂刺激予以緩解。

在模擬駕駛實驗中用非接觸式設備采集了眼動、行為等信息，與其他接觸式采集設備相比其具有更強的實際應用性。運用了主成分分析法，基于瞳孔直徑變異系數等建立了駕駛疲勞綜合評價指標。在3個響度音樂等級中，得出了不同聲音環境下，駕駛疲勞音樂響度對策的最優等級。在今后實驗中，仍需擴大樣本量，從年齡、駕齡等角度對駕駛人進行分類，對音樂的旋律、音高、刺激時間以方式等方面進行分類，同時考慮到模擬駕駛與實際駕駛存在的區別，將適時在確保安全的情況下在真實道路上開展相關實驗，深入音樂對單調聲音環境下駕駛疲勞的緩解研究。

[1] 牛清寧．基于信息融合的疲勞駕駛檢測方法研究[D]．長春：吉林大學，2014． NIU Qingning.ResearchonDriverFatigueDetectionBasedonHybridMeasures[D]. Changchun: Jilin University, 2014.

[2] OTEGUI J L. Fatigue damage leads to a serious traffic accident [J].EngineeringFailureAnalysis, 2002, 9(1):109-122.

[3] LAL S K L, CRAIG A. Electroencephalography activity associated with driver fatigue: implications for a fatigue countermeasure device [J].JournalofPsychophysiology, 2001, 15(3):183-189.

[4] 孫偉，張為公，張小瑞，等．駕駛疲勞檢測方法的研究進展[J]．汽車技術，2009(2)：1-5． SUN Wei, ZHANG Weigong, ZHANG Xiaorui, et al. Development of fatigue driving detection method research[J].AutomobileTechnology, 2009(2): 1-5.

[5] AHLSTROM C, NYSTR?M M, HOLMQVIST K, et al. Fit-for-duty test for estimation of driver’s sleepiness level: eye movements improve the sleep/wake predictor [J].TransportationResearchPartC:EmergingTechnologies, 2013, 26: 20-32.

[6] AKERSTEDT T, GILLBERG M. Subjective and objective sleepiness in the active individual [J].InternationalJournalofNeuroscience, 1990, 52(1/2):29-37.

[7] DAVID S, MARTIN G, TRUTSCHEL U, et al. Assessing driver’s hypovigilance from biosignals [C]// 4thEuropeanConferencetheInternationalFederationforMedicalandBiologicalEngineering. Antwerp, Belgium, 2009:152-159.

[8] WIERWILLE W, ELLSWORTH L, WREGGIT S, et al.ResearchonVehicle-BasedDriverStatus/PerformanceMonitoring;Development,Validation,andRefinementofAlgorithmsforDetectionofDriverDrowsiness[R].Springfield, Virginia: Report No. DOT HS 808247, NTIS, 1994.

[9] 秦偉，朱守林，裴志永，等．草原公路駕駛員時域分析指標與駕駛疲勞灰關聯分析[J]．重慶交通大學學報(自然科學版)，2014， 33(6)：142-145. QIN Wei, ZHU Shoulin, PEI Zhiyong, et al. Gray relation analysis of time domain index and driving fatigue of prairie highway drivers [J].JournalofChongqingJiaotongUniversity(NaturalScience), 2014, 33(6): 142- 145.

[10] 潘曉東，李君羨．基于眼部行為的駕駛疲勞監測方法[J]．同濟大學學報(自然科學版)，2011，39(2)：231-235． PAN Xiaodong, LI Junxian. Eye state-based fatigue drive monitoring approach[J].JournalofTongjiUniversity(NaturalScience),2011, 39(2): 231-235.

[11] 潘曉東，李君羨，徐小冬．基于眼部行為的駕駛疲勞評價指標的閾值[J]．同濟大學學報(自然科學版)，2011，39(12)：1811-1815． PAN Xiaodong, LI Junxian, XU Xiaodong. Threshold value of indices of eye states to monitor driver fatigue[J].JournalofTongjiUniversity(NaturalScience), 2011, 39(12):1811-1815.

[12] 王雪松，李飛虎．基于駕駛模擬實驗的眼部指標與疲勞分級[J]．同濟大學學報(自然科學版)，2015，43(2)：226-231． WANG Xuesong, LI Feihu. Eye indicators and drowsy level analysis based on driving simulator[J].JournalofTongjiUniversity(NaturalScience), 2015, 43(2): 226-231.

[13] MERAT N, JAMSON A H. The effect of three low-cost engineering treatments on driver fatigue: a driving simulator study[J].AccidentAnalysisandPrevention, 2013,50(1): 8-15.

[14] HIRATA Y. A study of the effective way to release scent to maintain alertness [J].JsaeReview, 2001, 22(3):331-336.

[15] GERSHON P, SHINAR D, ORON-GILAD T, et al. Usage and perceived effectiveness of fatigue countermeasures for professional and nonprofessional drivers[J].AccidentAnalysisandPrevention, 2011, 43(3): 797-803.

[16] LIU Shixu, YAO Shengji, SPENCE A. Comparison of caffeine and music as fatigue countermeasures in simulated driving tasks [J].ProceedingsoftheHumanFactorsandErgonomicsSocietyAnnualMeeting, 2014, 58(1): 2373-2377.

[17] LIU Ninghan, CHIANG Chengyu, HSU Hsiangming. Improving driver alertness through music selection using a mobile EEG to detect brainwaves [J].Sensors, 2013, 13(7): 8199-8221.

[18] YOKOYAMA M, OGURI K, MIYAJI M. Effect of sound pressure levels of music on driver’s drowsiness [C]//Proceedingsofthe15thWorldCongressonIntelligentTransportSystemsandITSAmerica's2008AnnualMeeting. California, USA, 2008:16-20.

[19] 趙曉華，房瑞雪，毛科俊，等．基于生理信號的駕駛疲勞聲音對策有效性實驗[J]．西南交通大學學報，2010，45(3)：457-463． ZHAO Xiaohua, FANG Ruixue, MAO Kejun, et al. Test on effectiveness of sound as countermeasure against driving fatigue based on physiological signals [J].JournalofSouthwestJiaotongUniversity, 2010, 45(3): 457-463.

[20] STUTTS J,FEAGANES J,REINFURT D,et al.Driver’s exposure to distractions in their natural driving environment[J].AccidentAnalysisandPrevention, 2005, 37(6):1093-1101.

[21] 《城市環境噪聲》標準編制組．聲學環境噪聲測量方法：GB/T 3222—94[S]．北京：中國標準出版社， 1995． Urban Environmental Noise Standard Group.Acoustics-MeasurementMethodofEnvironmentalNoise:GB/T3222—94[S].Beijing:China Standard Press, 1995.

[22] TZANETAKIS G, COOK P. Music genre classification of audio signals[J].IEEETransactionsonSpeechandAudioProcessing, 2010, 10(5): 293-302.

[23] 毛科俊，趙曉華，房瑞雪，等．駕駛疲勞聲音對策有效性的駕駛模擬[J]．吉林大學學報(工學版)，2010，40(6)：1533-1537． MAO Kejun, ZHAO Xiaohua, FANG Ruixue, et al. Sound as countermeasure against driving fatigue: simulator study[J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2010, 40(6): 1533-1537.

[24] GILLBERG M, KECKLUND G, AKERSTEDT T. Sleepiness and performance of professional drivers in a truck simulator—comparisons between day and night driving[J].JournalofSleepResearch,1996, 5(1):12-15.

[25] 盧章平，尹傳斌，李瑞，等．基于生理信號的駕駛疲勞分級檢測研究[J]．重慶交通大學學報(自然科學版)，2017， 36(1)：77-81. LU Zhangping, YIN Chuanbin, LI Rui, et al. Study of driver’s fatigue level grading experiment based on his physiological signal[J].JournalofChongqingJiaotongUniversity(NaturalScience), 2017, 36(1): 77-81.

(責任編輯：劉韜)

ExperimentofMusicwithDifferentLoudnessAgainstDrivingFatigueinMonotonousSoundEnvironment

HU Zhigang, HU Jiabin, QIAO Xianling

(Institute of Industrial Design, Shaanxi University of Science and Technology, Xi’an 710021, Shaanxi, P.R.China)

In order to effectively mitigate driving fatigue in monotonous sound environment and reduce traffic accidents, driving simulation experiment was made in different kinds of radio broadcasts environment. Based on the pupil diameter variation coefficients and other indexes, overall evaluation index of driving fatigue was established. The effectiveness of different volume of music as countermeasures against driving fatigue was studied. The result shows that music can be a countermeasure against driving fatigue in monotonous sound environment. In different sound environment, the effectiveness of music against driving fatigue is different. The significance and stability of 75dB and 85dB music are better than those of 65dB, and there are few differences between 75dB and 85dB music.

traffic engineering; ergonomics; driving fatigue; countermeasure; monotonous environment; loudness

U492.8

：A

：1674-0696(2017)09-073-07

10.3969/j.issn.1674-0696.2017.09.14

2016-06-03；

：2016-09-09

陜西省科學技術研究發展計劃項目(2016GY253，2015GY179)

胡志剛(1977—)，男，浙江麗水人，副教授，博士研究生，主要從事人類工效學等方面的研究。E-mail：919747135@qq.com。