動態照明對疲勞調度員神經行為反應的影響

李彥潔,方衛寧,王健新,鮑海峰

(1．先進軌道交通自主運行全國重點實驗室(北京交通大學),北京 100044; 2．北京交通大學 機械與電子控制工程學院,北京 100044)

地鐵調度員負責地鐵行車調度系統中各條線路的正常運營與突發事件處理,其調度控制能力直接決定了整條線路的運營安全和運輸效率[1]。由于超負荷工作、集中封閉環境和晝夜輪班制度等因素的綜合影響,調度員面臨嚴重的疲勞問題,其疲勞水平隨工作時間的延長而增加[2-3],嚴重威脅行車安全和調度質量。因此,有必要探討行之有效的疲勞應對方法來緩解地鐵調度員疲勞,保障地鐵行車調度安全。

交通運輸領域的疲勞干預方法大多集中在物理干預,較少關注工作環境對疲勞的潛在影響。聊天、洗臉、教育等方法在傳統疲勞應對措施中較為常見[4],但這些方法需要調度員不時地從任務中抽離出來,易造成任務中斷,影響行車安全。感官環境可能影響人體腦力疲勞程度,人工照明作為全封閉式調度中心視覺感官環境的重要組成部分,已被證明會對人體產生非視覺生物效應[5-6]。美國照明工程學會(IES)[7]將這種光效應分類為晝夜節律、神經內分泌和神經行為反應,其中,神經行為反應表示光線-神經系統-人類行為之間的關系,通常包括警覺性、認知和情緒等與疲勞密切相關的生理心理過程。

固態照明在光照強度和光譜特性的快速變化能力使動態照明受到越來越多的關注。相較于單調恒定照明,高度動態化的光線更易被用戶感知,進而更能刺激機體覺醒[8-10]。本文先前通過文獻[11]調研探討了動態照明作為地鐵調度員疲勞干預方法的可行性。盡管部分證據顯示動態照明的疲勞干預優勢,但對這一結果尚未形成清晰一致的結論,不同研究者對靜/動態照明的生物驅動效應存在不同的理解甚至爭議[12]。綜上所述,本文通過采集人體心理、行為和生理多模態神經行為響應數據來探討相關色溫(correlated color temperature,CCT)在時間尺度變化的動態照明對疲勞調度員的影響效應及神經機制,為城市軌道交通行業室內照明設計和疲勞干預提供新的思路。

1 實驗設計

地鐵行車調度實行四班三運轉晝夜輪班制,每個班次連續工作12 h[1]。為驗證日間動態照明對調度員的疲勞干預作用,選取白班調度員較易出現疲勞的時段(13:30～17:00)[2]進行測試?；趯嶒炇噎h境搭建可見光譜人工照明實驗平臺,設計表征地鐵調度工作技能的認知測試范式開展工效學實驗,以獲取動態照明條件下的疲勞表征數據并進行分析。

1.1 被試

本文共篩選16名被試(包括8名女性),年齡為23.63±1.09歲,本科以上學歷,右利手,具有較強的學習、理解和分析判斷能力,雙眼裸眼視力不低于0.6(4.8)或矯正視力不低于1.0(5.0),無吸煙/酗酒等不良嗜好。為減小基線技能水平對結果的影響,所有被試均為新手(保證基線一致),練習合格后方可參加實驗。為控制時差對人體光響應的干擾,所有被試均為中間型睡眠時型,試驗前近3個月內沒有跨時域飛行或晝夜輪班經歷,試驗前1周保證規律作息和良好睡眠,試驗前1 h不得攝入任何興奮/鎮靜類食物或藥物。

1.2 實驗任務

本試驗疲勞誘發時間設定在一天中的午后,借助餐后低谷期和疲勞誘發范式實施疲勞誘發。AX-CPT范式由線索字母(A)/非線索字母(B)和目標刺激(X)/非目標刺激(Y)兩兩配對組成4項刺激序列:AX、AY、BX、BY,其疲勞誘發原理來源于認知資源耗損。被試需初判線索字母,并基于判斷結果對刺激字母做出響應,這種長時間對線索和刺激的持續辨別和響應增加了認知負荷,最終導致認知資源耗竭誘發疲勞,并且能實現較好的疲勞誘發效果[13]。此外,VAS(visual analog scales)量表中的“警覺”和“困倦”條目和BRUMS(The brunel mood scale)問卷中的“疲憊-惰性”和“抑郁-沮喪”子量表被用來評估疲勞誘發前后的精神和情緒狀態來驗證疲勞誘發有效性[13],分數越高表示狀態感受越強烈。

當值期間,地鐵調度員需長時間集中注意力以保證在高度感知列車運行狀況的基礎上對任何異常行車事件做出快速精確地響應,因此本文設計PVT(psychomotor vigilance test)任務以測試調度員的持續注意力。PVT任務通過衡量機體對感官刺激感知、理解和判斷所需時間有效地評估個體對外界刺激的感知敏感程度,是客觀量化人體警覺注意應用最廣泛的認知范式[14]。被試需長時間注視電腦屏幕,并對屏幕上隨機出現的刺激物盡可能快地響應,反應時間越長表示響應速度越慢,注意力集中程度和警覺性水平越低。

地鐵調度工作不僅要求監控和決策能力,還需調度員為復雜任務制定調度計劃和策略,同時對列車運行中的不可預見變化做出實時、適時反應,這些對工作記憶和執行控制提出較高要求,但研究表明,這些高級認知能力在疲勞狀態下卻表現地十分脆弱[15-16],因此,本文分別設計N-back和MATB-Ⅱ(The multi-attribute task battery II)任務測試疲勞群體在不同環境光照下的執行控制和工作記憶能力。為排除聲環境對疲勞的干擾,本文只納入MATB-Ⅱ中的監控、跟蹤和油路管理3個子任務來評估被試在不同實驗條件下的多任務處理表現,并設置3種任務難度等級。同樣地,通過設置N-back字母匹配任務中“N”參數生成3種難度等級,N的數值越大,任務難度越大[17]。

1.3 照明設置

利用THOUSLITE LEDCube-I14 LED照明模擬器搭建全封閉環境人工照明實驗平臺,該平臺可復現380～730 nm可見光譜范圍內任意光譜分布(spectral power distribution,SPD)以實現任意人工照明實驗場景的構建,其余環境要素(如聲、熱、振動、空氣等)均按照ISO 11064-6:2005《控制中心的人類工效學設計(第6部分):控制中心的環境要求》[18]規定, 進行設置以真實模擬地鐵調度中心物理環境。依據GB50034—2013《建筑照明設計標準》[19]規定,有關“辦公室照明標準值”和“長期工作場所選用LED光源色溫建議值”設定常規照明參數為500 lx,4 000 K。在此基礎上,保持照度值500 lx恒定,動態照明的變化模式為從4 000 K以矩形振蕩模式上升至12 000 K,然后從12 000 K下降至4 000 K視為一個周期,持續時間為50 min。從4 000～12 000 K有16個CCT階度,每兩階CCT之間間隔500 K,每94 s變化一階。經檢驗,該動態光晝夜節律刺激值至少為0.34,滿足光警覺效應的最低要求(CS≥0.3)[20]。利用CL-500A手持式分光輻射照度計對所有光源進行測量和校準,保證工作面照度均勻度在80%以上,顯色指數Ra不小于95%。典型實驗照明光譜分布及場景如圖1所示。

圖1 典型的動態照明場景Fig.1 Typical lighting scenes in experimental light

1.4 實驗設計及流程

采用2(環境光照:動態照明、常規照明)×3(任務難度:低、中、高)被試內交叉設計,被試在單次實驗中分別在兩種環境光照下執行3類認知范式,其中MATB-Ⅱ和N-back任務被設置為3種難度等級。環境光照的順序在被試間平衡。為避免練習效應,MATB-Ⅱ的難度等級以拉丁方順序呈現且在兩種環境光照中保持不變。所有被試按照要求在13:20簽到,正式實驗在13:30～17:00進行。

首先進行基線測量,填寫KSS、VAS和BRUMS量表報告當前精神狀態。之后進行90 min的AX-CPT疲勞誘發任務,結束后填寫VAS和BRUMS量表。關閉燈光,被試在暗光(<10 lx)下靜坐10 min。接著打開燈光,第Ⅰ階段實驗光暴露開始,被試先靜坐5 min以適應當前實驗光照,期間保持正常眨眼和呼吸,采集5 min的靜息態EEG數據。之后依次完成PVT、MATB-Ⅱ和N-back任務,填寫KSS和PANAS量表,再次采集5 min的靜息態EEG數據,第Ⅰ階段實驗結束。之后,被試需要在暗光(<10 lx)下休息30 min,一方面有利于被試從認知任務中恢復過來,另一方面洗脫上一階段實驗光暴露帶來的遺留效應。打開燈光,被試進行30 min的AX-CPT疲勞誘發任務并填寫VAS和BRUMS量表。關閉燈光,被試在黑暗環境(<10 lx)下靜坐10 min。接著再次打開燈光,第Ⅱ階段實驗光暴露開始,流程與第Ⅰ階段完全相同,兩種實驗光暴露順序經過平衡。基線測量和疲勞誘發階段均在常規照明下進行。整體實驗流程如圖2所示。

圖2 實驗流程Fig.2 Overview experimental procedure

2 神經行為響應數據采集及處理

2.1 主觀數據采集與處理

采用KSS量表(Karolinska sleepiness scale)[21]評估實驗光暴露前、后被試主觀疲勞水平。該量表將個體主觀嗜睡度分成9個等級,分數越高表示困倦程度越高,警覺性越低。采用單因素重復測量方差分析對比不同環境光照下的主觀疲勞水平差異。

PANAS量表(positive affect and negative affect scale)中文版[22]評估實驗光暴露前、后被試主觀情緒變化。該量表包括10項積極情緒形容詞和10項消極情緒形容詞,分數越高表示主觀體驗越強烈。采用單因素重復測量方差分析對比不同環境光照下的主觀情緒差異。

2.2 行為數據采集與處理

PVT和N-back績效數據通過E-prime 3.0軟件自動采集記錄,具體指標包括：①PVT反應時(RT);②N-back反應時;③N-back準確率。對于PVT反應時,采用單因素重復測量分析對比常規和動態照明暴露后的響應速度差異。對于N-back績效,采用2×3雙因素重復測量分析方法對反應時和準確率分別進行處理,以探究不同類型環境光照和難度等級下工作記憶能力的差異性。

MATB-Ⅱ數據通過系統自動采集記錄,具體指標包括:①監控任務反應時和準確率;②跟蹤任務平均偏差距離;③油路管理任務目標油泵油量及平均偏差。由于MATB-Ⅱ并不能提供整體任務績效,本文采用歸一化(Z-score)計算綜合績效得分:

(1)

式中:xij為第i個樣本進行第j個任務時的數據,min{xij}為第j個子任務的所有樣本中的最小值,max{xij}為第j個子任務的所有樣本中的最大值。

2.3 EEG數據采集與處理

利用美國NeuroScan公司的64導Ag/AgCl電極帽實時采集EEG信號,采樣頻率為1 000 Hz。采用10-20國際標準擴展電極系統,以REF參考電極,左眼眼眶上、下1 cm處和左、右外眼角1 cm處放置電極記錄垂直和水平眼電以便后續進行眨眼矯正,所有電極的阻抗均降到5 kΩ以下。分析時以雙側乳突電極為參考,進行0.1～ 45.0 Hz的帶通數字濾波,并對眨眼偽跡進行自動校正。使用Matlab R2020(MathWorks Inc,Natick,MA,USA)的EEGLAB工具包降采樣至250 Hz,將5 min EEG信號分成150個2 s的片段,選取前120段(即前4 min)的數據進行分析,去除含有偽跡的信號(絕對信號幅值>75 μV)。研究發現,較低頻率的腦電圖節律比較高頻率的腦電圖節律對警覺性的變化更敏感[23]。因此,采用Welch法計算θ(4～7 Hz),α(8～12 Hz)和α-θ(5～9 Hz)頻帶功率譜密度。本文分析了中線電極(Fz、Cz、Pz)內各頻域平均功率譜密度,采用2(環境光照)×3(光暴露時期:前、后)×3(電極位置)三因素重復測量方差分析方法來探究不同環境光照和任務難度影響下的大腦中樞神經活動差異。

3 結果分析與討論

3.1 疲勞誘發有效性驗證

對疲勞誘發前后精神狀態評分的重復測量方差分析發現:疲勞誘發后,主觀困倦評分顯著上升(F(2,30)=22.13,p=0.001),主觀警覺評分顯著下降(F(2,30)=57.75,p<0.001)。成對比較結果表明,兩次疲勞誘發后的主觀評分之間無顯著性差異,但與基線階段存在的差異具有統計學意義。對疲勞誘發前后情緒狀態評分的重復測量方差分析發現:“疲憊-惰性”和“抑郁-沮喪”評分在疲勞誘發后顯著上升(F(2,30)=45.31,p<0.001;F(2,30)=16.51,p< 0.001)。成對比較結果表明, 兩次疲勞誘發后的主觀評分之間無顯著性差異,但均與基線階段的主觀評分存在顯著性差異。上述結果說明AX-CPT任務成功實現了對疲勞的控制。

3.2 主觀評估的光響應差異

KSS評分的分析結果發現,KSS評分在基線階段最低(M±SD:4.25±1.65),常規照明最高(M±SD:6.13±1.86),動態照明次之(M±SD:4.88±1.54),并且基線階段、常規照明和常規照明、動態照明兩個組別的KSS評分均存在顯著性差異(F(2,30)=6.01,p<0.010)。該結果表明,被試在基線階段主觀警覺度最高,在經歷疲勞誘發和長時認知任務后,其主觀警覺性在不同實驗光暴露條件下均表現出不同程度的變化。值得注意的是,疲勞評分僅在常規照明中顯著上升,這說明動態照明在一定程度上抑制了復雜認知范式中的認知資源耗損,有效緩解了高認知負荷需求帶來的警覺性受損,保證被試在實驗結束后仍能保持與基線水平相當的高度警覺狀態。

對PANAS量表的分析結果發現,基線階段、常規照明和動態照明下的主觀情緒評分存在顯著性差異(正向情緒中F(2,30)=13.76,p<0.001;負向情緒中F(2,30)=10.36,p<0.010)。多重比較結果顯示,常規照明下的正向情緒較基線階段出現顯著下降(p<0.010),并且顯著低于動態照明(p<0.001);而動態照明下的正向情緒與基線階段無顯著性差異(p=0.290)。此外,常規照明下的負向情緒較基線階段顯著提升(p<0.010),并且顯著高于動態照明(p<0.010);而動態照明下的負向情緒與基線階段無顯著性差異(p=0.190)。上述結果說明動態照明改善了腦力疲勞伴隨的情緒波動問題,有效抑制了負向情緒累積。

3.3 行為績效的光響應差異

被試在實驗光暴露階段依次完成PVT、MATB-Ⅱ和N-back任務以評估疲勞個體在不同環境光照下的認知行為響應。前期安排16位被試參與實驗,但由于設備故障問題導致最終15位樣本形成的105份有效行為數據片段被納入統計分析,各項績效數據的描述性統計如圖3所示。

圖3 不同環境光照下的認知績效Fig.3 Cognitive performance under different lighting environments

PVT任務響應時間結果顯示動態照明下的PVT反應時顯著小于常規照明(F(1,14)=4.86,p<0.050)。該任務被設置在實驗光暴露初期(即光適應后),上述結果表明個體警覺性和持續注意力在動態光暴露期間發生了即時響應,這與目前關于急性警覺光效應的研究結果[24]基本保持一致。

MATB-Ⅱ任務綜合績效結果顯示環境光照和任務難度顯著的主效應(F(1,14)=5.26,p<0.050;F(2,28)=4.53,p<0.050)。成對比較結果發現動態照明下的任務表現顯著優于常規照明(p<0.050)。該結果證明動態照明在一定程度上提升了疲勞群體的執行控制能力。

N-back任務反應時和準確率結果顯示“任務難度×環境光照”的交互作用顯著(F(2,28)=6.99,p<0.050),單獨效應分析結果顯示在0-back、1-back和2-back任務中,動態照明下的反應時間均顯著低于常規照明(p<0.050),常規照明下不同任務難度對應的反應時表現出顯著差異(p<0.050),但動態照明下只有0-back、2-back和1-back、2-back組別內的差異具有統計學意義,而0-back、1-back之間沒有顯著性差異(p=0.070)。在準確率上既沒有發現“任務難度×環境光照”的顯著交互作用,也沒有發現環境光照的顯著主效應,任務難度對準確率具有顯著主效應。上述結果表明動態照明對疲勞人群的工作記憶能力有顯著的提升作用,并且受到任務難度的調節。

3.4 EEG指標的光響應差異

實驗過程中采集了EEG數據以評估疲勞個體在不同環境光暴露前后下的大腦活動。前期安排16位被試參與實驗,其中2位被試的EEG數據由于受到其他信號的干擾導致后期偽跡難以消除,故在疊加平均時被剔除,最終14位樣本形成的168份有效EEG片段被納入分析,描述性統計見表1。

表1 不同環境光照下的α、θ和α-θ頻段能量均值±標準差數據Tab.1 α, θ and α-θ band activity under different lighting environments (μv2·Hz-1)

1)α頻段分析?！碍h境光照×光暴露時期”交互作用顯著(F(1,13)=9.14,p=0.010),單獨效應分析發現光暴露前,各中線電極的α頻段能量在環境光照上不存在顯著性差異(p>0.050),說明被試α頻段活動基線一致。但光暴露后,無論何種電極位置的α頻段均在常規照明上升,動態光照明下降,且兩者存在的差異具有顯著性(p<0.050)。先前研究表明,EEG中α頻段活動與覺醒水平呈負相關[25]。本文進一步驗證了動態照明在下午時段顯著降低了α頻段活動,該結果與Ye等[26]的發現相一致,即動態照明對α頻段有顯著抑制作用。

2)α-θ頻段分析。在電極Fz點發現了“環境光照×光暴露時期”的顯著交互作用(F(1,13)=4.89,p<0.050)。單獨效應分析發現光暴露前,被試的α-θ頻段活動并無顯著性差異(p>0.050),說明被試α-θ頻段活動基線一致。光暴露后,α-θ頻段活動在常規照明后上升,動態照明后下降,且兩者存在的差異具有顯著性(p<0.010)。Askaripoor等[27]在報告日間光照對警覺性影響研究中稱α-θ頻段活動的下降(而非升高)可以解釋為警覺性增加。因此,本文中α-θ頻段活動結果證明了動態照明的急性警覺效應。

3)θ頻段分析。在電極Fz點發現了“環境光照×光暴露時期”的顯著交互作用(F(1,13)=5.63,p<0.050)。單獨效應分析發現光暴露前,被試的θ頻段活動并無顯著性差異(p>0.050),說明被試θ頻段活動基線一致。光暴露后,θ頻段活動在常規照明后上升,在動態照明后下降,且兩者存在的差異具有顯著性(p<0.010)。據報道,θ頻段活動的增加被標記為低水平的覺醒或警覺[28]。因此,動態照明顯著提升疲勞群體覺醒水平。

4 結 論

1)常規照明下的腦力疲勞會導致主觀警覺下降、主觀情緒紊亂以及認知功能受損,嚴重影響個體警覺注意、工作記憶和執行控制能力。

2)相反,動態照明下的疲勞癥狀卻得到顯著改善,這表明動態照明能夠在一定程度緩解認知耗損任務帶來的疲勞加劇,使個體長時間保持穩定的心理狀態和操作技能。

3)腦電數據顯示動態照明的疲勞干預機制主要體現在額葉區的覺醒激活,尤其是低頻頻段活動抑制誘發的、與警覺性相關的皮層下結構。

4)盡管當前證據初步驗證了動態照明的疲勞干預效果,但由于研究有限,關于這種疲勞干預效果背后的作用機制仍需要進一步研究論證。后續研究須在此基礎上深入探討CCT水平、光的動態性以及人體精神狀態對光生物效應的潛在調節作用。此外,未來研究也將考慮結合傳統照明燈具和智能控制算法以搭建自適應照明系統,根據調度員腦力負荷狀態動態調節環境光照,提高人機環適配性。