一种基于多源生理信号的列车座椅舒适性评价方法及系统与流程

本发明属于列车座椅调整技术领域，尤其涉及一种基于多源生理信号的列车座椅舒适性评价方法及系统。

背景技术：

目前，最接近的现有技术：

提升列车座椅舒适性,首先需要对列车座椅舒适性进行评价。现有技术中，评价列车座椅舒适性的方法主要分为主观评价法和客观评价法。主观评价法，也称心理评价法，是让被试者根据自己的舒适程度感受，采用量表或问卷的形式打分或描述，最后通过数学统计分析得出舒适度评价。但该方法操作过程中也存在一些问题。量表及问卷如果考虑不周或者不完整，对评测结果影响较大，虽然可采用自由叙述的方式，但数据处理需要时间，且难定量分析。另外被试群体的体征及理解尺度有所不同，在评价过程中需考个体差异的问题。客观评价法也称生理评价法、物理评价法。该方法是借助外部设备测量被试者相应身体部位的生理指标及物理指标，通过分析可间接的、客观的反应出舒适度情况。缺点在于无法准确将数据对应到相应的舒适程度。

综上所述，现有技术存在的问题是：

(1)目前座椅舒适性在汽车领域和航空领域已有一定研究成果，而列车座椅舒适性研究较少，相较汽车和航空，列车座椅有着其独有特点，现有技术没有一套科学可行的方法和装置对列车座椅舒适性进行评估。

(2)现有座椅评估技术通过分析座椅振动响应，表面压力分布等座椅外在可测数据，对座椅舒适性进行评价。而座椅的不适感本质上就是乘坐座椅对乘坐者生理心理产生的影响，现有技术无法辨识这些生理心理表征。

(3)现有技术对于座椅舒适度评级主要是依据已有标准或者通过逻辑回归、线性回归模型等统计学模型对主观评价和客观所测数据进行模型拟合。而人体实际生理心理表征复杂，脑电、心电、肌电可提取特征众多，现有技术中统计学模型无法准确体现人体响应和主观舒适度评分间映射关系。

解决上述技术问题的难度：

通过模拟测试平台，精准复现列车运行复杂环境；

通过可穿戴非侵入式设备，获取被试在待测座椅上人体表征数据。通过问卷调查，获取被试主观舒适性评价；

通过特征工程，数据处理手段进行数据预处理后，采用人工智能非线性建模方法建立稳定、准确的列车座椅舒适性评价模型。

解决上述技术问题的意义：

提出一套运用人体生理心理表征作为评判依据的列车座椅舒适性评价方法。准确辨识列车座椅不适对乘员产生的影响，对列车座椅优化提供参考评价指标。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于多源生理信号的列车座椅舒适性评价方法及系统。

本发明是这样实现的，一种基于多源生理信号的列车座椅舒适性评价方法，包括以下步骤：

步骤一，结合被试用户的生理信号数据以及主观评价量表，建立适用于群体的列车座椅舒适性数据库。数据库由参加实验的全部被试的多源生理信号数据和相应主观舒适性评价得分组成。

步骤二，并通过选用lightgbm梯度提升树机器学习建模方法，建立列车座椅舒适性评价模型。具体模型是一套列车座椅舒适性评估模型，输入是脑电、心电、肌电多源生理信号，得到列车座椅舒适性评价。

步骤三，将被试用户的生理信号数据导入已建立的列车座椅舒适性评价模型，得到舒适性信息分析结果。其中，通过测得的生理信号数据，得到舒适性评价结果(分值)。

进一步，步骤一建立适用于群体的列车座椅舒适性数据库前，需进行：

第一步，列车座椅安装调整，在测试平台上安装待评价列车座椅座椅，依据入座待评价列车座椅的被试的体征，调整待评价列车座椅的方位、姿态。

第二步，多导仪安装，在被试用户身上安置脑电、心电、肌电电极，安装生物多导记录仪。

第三步，数据采集，调整被试姿态，并获取被试在乘坐过程中的生理信号数据，并进行后处理提取特征。

第四步，主观评价及标签标注，利用被试用户的列车座椅舒适性评价量表，得到主观评价分数。对经过预处理、特征提取后的生理信号数据集标注标签。

进一步，第一步中，将待评价列车座椅安装至测试平台，按照实际车厢内布置进行放置，并根据待测用户体征调节列车座椅方位、姿态。根据实际列车车厢内空间布置进行不同列车座椅的安置，测试平台配置六自由度液压振动装置，导入实测列车振动载荷频谱，进行模拟实际列车运行中振动。调整的列车座椅姿态为待评价座椅角度，座椅方位根据实际情况调整。列车驾驶员座椅还调整待评价座椅前后位置、左右位置及上下位置。

进一步，第二步中，在模拟平台旁上安装生物多导仪，并安置脑电、心电、肌电电极。

进一步，第三步中，通过安装的电极及生物多导记录仪，测得相应体征被试脑电、心电、肌电生理信号数据。生理信号数据直接通过生物多导记录仪导入计算机，脑电信号通过小波包分解，得到节律波，分别对节律波进行能量及复杂度提取。对心电信号提取心率及心电变异率特征。对肌电信号提取平均振幅、肌电积分值和均方根值并通过相关分析软件及信号处理程序进行后处理。并滤除获取的生理信号数据中的异常生理信号数据。

进一步，脑电数据包括：脑电各节律波功率谱能量、香农熵、样本熵、近似熵。

脑电节律波数据包括：0.5–4hzdelta波、4–7hztheta波、8–13hzalpha波、14–30hzbeta波以及30hz～100hzgamma波。

心电数据包括：心率和心率变异性数据。

肌电数据包括：颈部和腰部肌肉的平均振幅、肌电积分值和均方根值。

进一步，步骤二具体包括：基于适合人群的列车座椅舒适性数据库，运用lightgbm梯度提升树算法，从数据库选取大量数据作为训练集进行列车座椅舒适性评价模型的训练，并利用剩余数据进行模型的验证。列车座椅舒适性评价模型中，体征和生理信号为模型的输入，输出为列车座椅舒适性评价结果。

本发明的另一目的在于提供一种实施所述基于多源生理信号的列车座椅舒适性评价方法的基于多源生理信号的列车座椅舒适性评价系统。

本发明的另一目的在于提供一种实现所述基于多源生理信号的列车座椅舒适性评价方法的信息数据处理终端。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于多源生理信号的列车座椅舒适性评价方法。

综上所述，本发明的优点及积极效果为：

本发明对座椅舒适性评估方法，客观指标的选取上，国内外学者大多均集中于体压分布研究，该方法通过分析坐垫对人体支撑面的接触应力的分布，对座椅舒适性进行评价。对座椅的设计具有一定的指导意义，但是，体压分布本质上仍然将研究重点放在座椅本身上，而舒适性作为人因工程领域的重要研究方向，应以“以人为本”作为指导方针。随着生物医学工程学科的不断发展，轻便、准确、无损的生物多导记录仪已经在各个领域得到广泛应用，我们选取与主观情绪相关的脑电、人体供血相关的心电以及反映肌肉疲劳的肌电信号，作为客观评价指标，结合主观评价分值，提出一种新的列车座椅舒适性评估方法。

本发明结合被试本人的生理信号数据以及主观评价量表，将主流的主观评价法与基于生理信号的客观评价法结合起来，建立适用于群体的列车座椅舒适性数据库，并通过选用lightgbm梯度提升树这一具有快速的，分布式的，高性能的多种特性的机器学习建模方法，建立列车座椅舒适性评价模型。在对新列车座椅进行舒适性评价时，可以通过将测试人员生理信号数据导入已建立的列车座椅舒适性评价模型，得到舒适性评价结果。利用本方法可以有效减少评价人员主观性带来的评价偏差，同时避免了直接客观分析法导致的不合理性，大大提升了列车座椅的舒适性评价准确性与可行性。

附图说明

图1是本发明实施例提供的基于多源生理信号的列车座椅舒适性评价方法流程图。

图2是本发明实施例提供的电极片安装位置的示意图。

图中：21、脑电传感器；22、肌电传感器；23、心电传感器。

图3是本发明实施例提供的mp150多导生物记录仪(biopacsystemsinc)示意图。

图4是本发明实施例提供的本发明自制振动模拟系统图。

图5是本发明实施例提供的脑电实验数据示意图。

图6是本发明实施例提供的心电实验数据示意图。

图7是本发明实施例提供的肌电实验数据示意图。

图8是本发明实施例提供的实验过程示意图。

图9是本发明实施例提供的安装电极传感器至被试人员示意图。

图10是本发明实施例提供的被试人员完成主观舒适度评价量表示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

现有技术对汽车领域和航空领域的座椅舒适性没有一套科学可行的方法和装置对列车座椅舒适性进行分析。没有将反映列车座椅的舒适性这一主观因素进行准确数据化呈现，而且现有技术的数学统计分析数据处理需要很长时间，且定量分析准确度低。

针对现有技术存在的问题，本发明提供了一种基于多源生理信号的列车座椅舒适性评价方法及系统，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于多源生理信号的列车座椅舒适性评价方法包括：

s101，列车座椅安装调整，在测试平台上安装待评价列车座椅座椅，依据入座待评价列车座椅的被试的体征，调整待评价列车座椅的方位、姿态。

s102，多导仪安装，在被试用户身上安置脑电、心电、肌电电极，安装生物多导记录仪。

s103，数据采集，调整被试姿态，并获取被试在乘坐过程中的生理信号数据，并进行后处理提取特征。

s104，主观评价及标签标注，指导被试用户完成列车座椅舒适性评价量表，得到主观评价分数。对经过预处理、特征提取后的生理信号数据集标注标签。

s105，构建列车座椅舒适性数据库，测得不同被试、不同类型座椅的列车座椅舒适性评价结果，依据待评价列车座椅的被试用户生理信号数据以及相应的舒适性主观评价分值，构建适合人群的列车座椅舒适性数据库。

s106，评价模型搭建，基于构建的列车座椅舒适性数据库，运用lightgbm决策树梯度提升算法，建立包含体征以及生理信号数据映射的舒适性主观评价结果的列车座椅舒适性评价模型。

s107，模型运用，获取待测列车座椅的生理信号数据和体征，输入所述运用lightgbm梯度提升树算法建立的基于生理信号的列车座椅舒适性评价模型，自动获取所述预设列车座椅的舒适性评价结果。

步骤s101中，将待评价列车座椅安装至测试平台，按照实际车厢内布置进行放置，并根据待测人员体征(身高、体重、体型等)适当调节列车座椅方位、姿态，使得被试感觉舒适。可以根据实际列车车厢内空间布置进行不同列车座椅的安置，测试平台配置六自由度液压振动装置，导入实测列车振动载荷频谱，模拟实际列车运行中振动情况。对于列车乘客座椅，可调整的列车座椅姿态为待评价座椅角度，座椅方位根据实际情况予以调整。对于列车驾驶员座椅，除调整座椅姿态外，可调整待评价座椅前后位置、左右位置及上下位置。

步骤s102中，在模拟平台旁上安装生物多导仪，并在被试身上安置脑电、心电、肌电电极，保证多导仪与电极、放大器之间网络连接通畅，测试信号稳定。

如图2所示，脑电传感器21根据10-20法安装至额部fp1，fp2相应位置处，肌电传感器22电极安装至颈部，背部竖脊肌相应表面肌肉处，心电传感器23安装至前胸相应位置,。需用压敏胶布固定电极片及导线，防止电极扰动，并在电极片贴片位置涂抹酒精及导电膏，保证电极片感应效果。

步骤s103中，根据舒适性需要，实验过程中被试可自由调整姿态，模拟乘坐列车或驾驶列车状态。通过安装在被试身上的电极及生物多导记录仪，测得相应体征被试脑电、心电、肌电生理信号数据。生理信号数据可直接通过生物多导记录仪导入计算机，脑电信号通过小波包分解，得到五种节律波，分别对节律波进行能量及复杂度提取。对心电信号提取心率及心电变异率特征。对肌电信号提取平均振幅、肌电积分值和均方根值并通过相关分析软件及信号处理程序进行后处理。并滤除获取的生理信号数据中的异常生理信号数据。

脑电数据：脑电各节律波功率谱能量、香农熵、样本熵、近似熵。

脑电节律波为：delta波(0.5–4hz)，theta波(4–7hz)，alpha波(8–13hz)，beta波(14–30hz)以及gamma波(30hz～100hz)

心电数据：心率(heartrate，hr)和心率变异性(heartratevariability，hrv)肌电数据：颈部和腰部肌肉的平均振幅(ma)、肌电积分值(iemg)和均方根值(rms)。

步骤s104中，列车座椅舒适性实验完成后，指导被试根据如表1所示的主观列车座椅舒适性评价量表对本次实验的列车座椅舒适性予以主观性评价。应确认被试对表中所示各身体位置具有准确认识，增加主观性评价准确性。并将心理因素和疲劳因素考虑进主观座椅舒适性评价量表。被试完成量表后，统计其主观评价分值。

以一名被试为例，记录其体征：身高、体重。生理信号数据：脑电数据：脑电各节律波(δ,θ,α,β,γ)功率谱能量、香农熵、样本熵、近似熵。心电数据：心率(heartrate，hr)和心率变异性(heartratevariability，hrv)、肌电数据：颈部和腰部肌肉的平均振幅(ma)、肌电积分值(iemg)和均方根值(rms)。以及主观舒适性评价结果。以主观舒适性评价分值作为标签，对生理信号数据集进行标注。

表1列车座椅舒适性评价量表

步骤s105中，对之前所测的体征、生理信号数据及其对应的主观舒适性评价结果，进行不合理筛出，并根据列车座椅类型进行分类储存，所有数据储存列车座椅舒适性数据库，从而建立适合人群的列车座椅舒适性数据库。

例如，假设有200个被试参与了crh动车组二等车座的舒适性评价，获取所有被试体征、生理信号数据及其对应的主观舒适性评价结果，在数据库中记录以上200个被试的全部数据，将其放置在“crh动车组二等车座”这一子数据库。同理，假设有100个被试，参与了hx型电力机车司机座椅的舒适性评价，获取所有被试体征、生理信号数据及其对应的主观舒适性评价结果，在数据库中记录以上100个被试的全部数据，将其放置在“hx型电力机车司机座椅”这一子数据库。所有列车座椅类型的子数据库构成了适合人群的列车座椅舒适性数据库。

步骤s106中，基于适合人群的列车座椅舒适性数据库，运用lightgbm梯度提升树算法，从数据库选取大量数据作为训练集进行列车座椅舒适性评价模型的训练，并利用剩余数据进行模型的验证。模型中，体征和生理信号为模型的输入，输出为列车座椅舒适性评价结果。最终建立包含体征和生理信号数据映射的舒适性主观评价结果的列车座椅舒适性评价模型，找寻人群体征和生理信号数据与列车座椅舒适性的相关性。

例如，运用lightgbm梯度提升树算法作为模型的建模方法，以crh动车组二等座椅为例，假设“crh动车组二等车座”子数据库中有200个被试的数据组，选取140组数据作为训练集进行lightgbm模型训练，剩余20组数据作为预测的测试集。首先要对所有数据进行归一化处理，由于输入数据的种类有多种，如身高、体重、心率、脑电功率谱能量等等，他们的度量方式不同，把这些不同种类的参数标准化，增加数据的可比性，最后作为整体输入。训练样本数据中，被试的体征数据和生理信号数据作为模型的输入，主观舒适性评价结果为模型的输出真实值。训练完成后通过将剩余60组数据中被试的体征和生理信号数据输入进训练后模型，对比模型给出的预测值和实际数据的真实值，分析模型准确率，如模型准确率较低，可更改模型学习率、树深度、叶子节点数等超参数，直到训练出准确率较高的列车座椅舒适性评价模型。

步骤s107中，通过步骤s101-s104，可以获得待测座椅上被试的体征、生理信号数据，将数据导入列车座椅舒适性评价模型，可直接得出座椅舒适性评价结果。无需被试者进行主观座椅舒适性评价，再进行计算打分。这一方法避免了大量重复性实验，有效提升了列车座椅舒适性评价效率。

下面结具体实验设备及实验过程对本发明作进一步描述。

实验设备：如图3mp150多导生物记录仪(biopacsystemsinc)所示。

如图4本发明自制振动模拟系统效果图。

如图5本发明脑电实验数据示意图。

如图6本发明提供的心电实验数据示意图。

如图7本发明提供的肌电实验数据示意图。

图8本发明提供的实验过程示意图。

图9本发明提供的安装电极传感器至被试人员示意图。

图10本发明提供的被试人员完成主观舒适度评价量表示意图。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。