基于脑电图的高速列车车厢压力舒适度评估：从神经机制到可解释的评估模型

《BUILDING AND ENVIRONMENT》：Electroencephalography-based assessment of pressure comfort in high-speed train cabins: From neural mechanisms to explainable evaluation model

本研究通过模拟压力舒适实验，结合EEG信号采集与源定位分析，揭示了压力变化幅度和速率与主观不适感的相关性，并构建了基于EEG的特征评估模型（准确率81.51%）。SHAP分析显示顶叶、颞叶及枕叶的模糊熵与微分熵特征对模型判别起关键作用，与源定位结果一致。这些发现为高铁压力舒适性的量化评估与优化提供了理论依据。

　　

永鹏|梁梦轩|范超杰|韩德明|夏中静|周亚丹|梁希峰

教育部轨道交通安全重点实验室，中南大学交通与运输工程学院，中国长沙410075

摘要

随着铁路网络的扩展，列车越来越频繁地在长隧道和密集的隧道群中运行，同时运行速度也在不断提高。这些因素加剧了车厢内的压力波动，降低了乘客的舒适度。现有的标准并不一致，评估准确性也有限，这使得在快速发展的高速铁路系统中难以满足乘客对压力舒适度的需求。了解压力舒适度的神经机制并实现客观评估对于改进标准和制定针对性的舒适度调节策略非常重要。在这项研究中，进行了一项模拟的压力舒适度实验。记录了脑电图（EEG）信号，提取了特征，并使用源定位技术分析了神经反应。随后开发并解释了一个基于EEG的压力舒适度评估模型。结果表明，较大的压力变化幅度和更快的压力变化速率与更高的主观不适感相关。在加压和减压过程中，乘客的舒适度感知也存在差异。随着不适感的增加，负面情绪调节能力减弱，注意力资源从环境感知转向了对不适感和潜在威胁的监测。该评估模型的准确率为81.51%。Shapley加性解释分析进一步表明，顶叶、枕叶和后额叶区域的模糊熵和差分熵特征在模型区分中起着重要作用，这与源定位结果一致。这些结果为评估和改善列车乘客的压力舒适度提供了支持。

部分摘录

缩写列表

时间序列投票算法默认模式网络

缩写	全称
EEG	脑电图
SVM	支持向量机
RF	随机森林
SHAP	Shapley加性解释
LHS	拉丁超立方抽样
FE	模糊熵
DE	差分熵
BA	布罗德曼区
SMOTE	合成少数样本过采样技术
XGBoost	极端梯度提升
LightGBM	轻量级梯度提升机
BO	贝叶斯优化
TSVA
DMN

材料与方法

本研究的方法包括四个主要部分：数据收集、数据处理、源定位分析和模型开发。整体研究框架如图1所示。首先，设计了实验条件并进行了有人参与的实验，在实验过程中同时收集了参与者的EEG信号和主观舒适度评分。其次，对原始EEG信号进行了预处理，并提取了特征以构建模型。

关键频段

图4显示了各频段中显著特征的相关系数总和和显著特征数量的条形图。在所有频段中，伽马频段的这两个指标值均最高。因此，本研究选择伽马频段作为压力舒适度的关键频段。

无不适状态与极度不适状态

图5显示了无不适状态和极度不适状态之间有显著差异的脑区，包括中央后回（BA1）、中央前回等。

关键频段

对多个频段的EEG特征进行统计分析后发现，伽马频段的绝对相关系数总和和显著相关特征数量均最高（见图4）。这一结果表明，在当前的实验范式下，伽马频段的EEG特征与主观压力舒适度评分之间的关联更强且更一致，表明伽马频段可能是与压力舒适度相关的关键频段。

结论

本研究提出了一个系统性的研究框架，用于高速列车的压力舒适度研究，涵盖了从神经机制分析到客观定量评估的整个过程，以满足高速列车对压力舒适度保障的需求。在不同条件下的主观舒适度分析显示，较大的压力变化幅度和更快的压力变化速率会导致更高的主观不适感。在其他条件相同的情况下，加压过程更可能导致不适感增加。

作者贡献声明

永鹏：概念构思、监督、撰写——审稿与编辑。梁梦轩：数据整理、方法论、撰写——初稿。范超杰：资金获取、方法论、撰写——审稿与编辑。韩德明：数据整理、形式分析、方法论。夏中静：数据整理、可视化。周亚丹：概念构思、监督。梁希峰：概念构思、资金获取。

作者贡献声明

永鹏：撰写——审稿与编辑、监督、概念构思。梁梦轩：撰写——初稿、方法论、数据整理。范超杰：撰写——审稿与编辑、方法论、资金获取。韩德明：方法论、形式分析、数据整理。夏中静：可视化、数据整理。周亚丹：监督、概念构思。梁希峰：资金获取、概念构思。