基于多特征融合的疲劳驾驶检测

针对疲劳驾驶检测的特征源单一、辨识率低和实时性差等问题，提出基于多特征融合的疲劳驾驶检测方法。通过SSD目标检测算法进行人脸检测，利用轻量级模型PFLD实现人脸关键点定位。以眼部纵横比、嘴部纵横比和头部姿态为疲劳特征源，提取相关特征，对不同驾驶员疲劳阈值进行标定，基于改进的PERCLOS算法实现疲劳驾驶判定。仿真结果表明：多特征融合疲劳检测系统对自建数据集和YAW数据集的疲劳特征辨识率分别达到了90.5%和94.12%，在实时视频流上的执行效率达到31.59 ms，实现疲劳预警。     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

融合机器视觉与高精度定位的高速公路疲劳驾驶行为检测方法

为提高高速公路场景下疲劳驾驶检测的准确率,降低在驾驶员面部易受遮挡、光线复杂的驾驶舱内的疲劳驾驶检测的误判率,提出一种兼顾检测精度与实时性、结合高精度定位与机器视觉的高速公路疲劳驾驶行为检测方法。首先,使用多任务卷积神经网络与FaceNet算法实现驾驶员身份识别,运用改进的实用面部特征点检测器（Practical Facial Landmark Detector, PFLD）算法检测人脸关键点。然后,考虑视频设备工作状态不稳定对疲劳驾驶行为识别产生干扰的场景,基于行驶车辆的轨迹数据,提出纵向位移波动斜率（Slope of Longitudinal Displacement Fluctuation, SLDF）,以弥补单一视频设备检测易受光线、遮挡等干扰因素影响的缺陷。随后,使用SLDF指标和3个面部疲劳特征识别疲劳驾驶,并在传统支持向量机（Support Vector Machines, SVM）中加入量子粒子群优化算法,提升SVM分类准确度和缩短运算时间。最后,为验证模型性能进行实车试验,结果表明,复杂场景下疲劳驾驶识别准确率达86.8%,计算时间为3.017 s,与现有其他数据融合...     

基于云模型的驾驶疲劳检测方法

疲劳驾驶是导致交通事故的重要原因。因此实时监测驾驶员的疲劳状态具有重要的现实意义。文中针对人的眼动行为存在随机性及模糊性的特点,采用不确定性的云概念,建立基于Perclos和眨眼时间均值的双条件单规则发生器,然后在此基础上构造基于双条件单规则发生器的疲劳检测模型。最后通过在模拟实验平台上采集驾驶员的眼动数据,将眼动特征数据输入基于双条件单规则发生器的疲劳检测模型进行疲劳识别判断。实验结果表明:该模型的平均识别率达到80.2%。在同组实验数据下,使用云模型方法比采用K最近邻(KNN)及支持向量机分类算法的检测率都要高。     

基于DCNN与HMM融合的疲劳驾驶检测方法研究

首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重...     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

手机打车软件操作驾驶分心检测模型研究

为探寻操作手机打车软件时的驾驶分心识别方法,本文开展模拟驾驶实验,采集了驾驶员在不同驾驶状态下的驾驶行为参数,通过对参数的统计分析,确立分心检测参数集。采用支持向量机分类算法理论构建基于驾驶绩效的分心检测模型,并利用实验数据验证模型的有效性。结果表明:该模型对驾驶员视觉分心驾驶行为检测率最高,正常驾驶行为次之,对认知分心驾驶行为的检测能力最弱,模型的平均检测正确率为86.67%,检测效果较好,可用于驾驶分心检测。     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征，一旦养成很难矫正，且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足，本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据，从风格聚类、风格识别和风格评估这3个方面，提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先，基于轨迹数据蕴含驾驶人驾驶行为模式的特点，构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集；其次，利用因子分析进行特征约简，并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格；然后，构建基于支持向量机的驾驶风格识别模型，并与梯度提升决策树的识 别结果进行对比；最后，基于疲劳驾驶特征和超速驾驶特征的累积分布，建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简，提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息；根据疲劳因子和超速因子可将驾驶风格划分为4种类别，即稳健型、超速型、疲劳型和危险型，相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%；基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%，整体表现优于梯度提升决策树；基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格， 其中稳健型驾驶人表现最好，75%以上的驾驶人风格评估总分高于60分；危险型驾驶人表现最差，75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

公交驾驶员心理状况影响因素分析与疾病判别模型

为对公交驾驶员心理疾病实现精准干预，维护乘客生命及公共交通安全，本文通过分析公 交驾驶员心理状况影响因素构建心理疾病类型判别模型。选用由基本信息、身体状况、生活状 态、驾驶行为、组织认同感、人格特征以及职业压力与工作倦怠问卷组成的公交驾驶员心理健康 状况调查问卷，对400名城市公交驾驶员展开问卷调查研究，通过皮尔逊相关性检验分析心理状 况影响因素，利用K-means聚类算法和多元Logistic回归模型判别和分析心理疾病，提出相应干 预措施。结果表明：人格冷怒和驾驶行为、身体状况、生活状态、组织认同感显著正相关，职业压 力与工作倦怠和这4个影响因素显著负相关，相关性均较强，因此，构建心理疾病判别模型时排除 与多个影响因素均呈较强相关性的人格冷怒、职业压力与工作倦怠这两个影响因素；被调查的公 交驾驶员中，心理状态良好型、轻度心理疾病型、严重心理疾病型占比分别为52%、34%、14%；公 交驾驶员心理疾病类型与身体状况、驾驶行为以及生活状态显著正相关，与驾驶行为的相关性最 强，身体状况次之，生活状态最弱。     

基于脑电信号的高速公路驾驶疲劳检测研究

高速公路驾驶环境单调枯燥,容易使驾驶员产生驾驶疲劳,影响行车安全。通过检测高速公路模拟环境下驾驶员脑电信号特征,验证了采用脑电信号作为驾驶疲劳检测指标的合理性。结果表明,β和(α+θ)β两项指标对驾驶疲劳反应最敏感,可作为表征高速公路驾驶疲劳的脑电指标;在80~100min时间段内,驾驶员驾驶疲劳状态趋势尤为明显,应采取适当措施来减缓疲劳,从而降低由于疲劳驾驶引起的道路交通事故。实验结果可为高速公路驾驶疲劳预警和道路安全设计提供理论支撑。     

自动驾驶接管影响因素分析与研究进展

部分或有条件自动驾驶车辆允许驾驶员将驾驶任务移交给自动驾驶系统，但驾驶员仍需对驾驶环境进行监测，若发生紧急事件或驾驶环境超出系统运行设计域等情况，驾驶员需要及时接管车辆。影响驾驶接管过程的因素主要包括：人因、交通环境以及人-机交互系统。本文分析了驾驶员认知负荷特性等人因对接管过程和接管时间预算的影响。分析发现，驾驶员长时间脱离驾驶任务会导致其陷入被动疲劳或驾驶分心状态，从而降低接管绩效。适当的非驾驶任务可以使驾驶员保持一定的认知负荷，降低驾驶员的被动疲劳水平。结合网联技术的应用可以多次发出预警信号，提高接管绩效。本文讨论了交通密度、道路条件等交通环境对接管时驾驶员感知、认知及决策的影响，探讨混合交通下过渡区智能网联车辆控制权切换 (Transitions of Control, ToC) 的管理问题。在复杂道路交通下，驾驶员需要更多时间恢复对环境的感知，且驾驶员在弯道接管车辆时更容易出现较大横向偏差。在混合交通环境中，为防止过渡区出现集中的ToC，可以制定相应交通管理措施，以降低过渡区域中车辆之间的相互干扰。本文还分析了视觉、听觉、触 觉、嗅觉及其组合类型交互方式的优、缺点，讨论网联环境下人-机交互系统设计以及ToC形式。 单个的交互方式有其自身的优、缺点，多种类型相结合的交互形式能形成优势互补，及时地将接 管信息传递给驾驶员，并将其注意力集中于对环境的感知。网联技术发展使得可利用的行车信息的数量和种类都有所提高，网联信息需要更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。同时，利用驾驶员状态识别技术实时监测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。未来研究应该重点关注非驾驶任务对驾驶员认知特性的影响，结合接管时的驾驶环境，遵循预测算法辅助驾驶员实现控制权的平稳过渡。随着网联技术的不断应用，逐步改进现有人-机交互系统的设计和性能，对过渡区域ToC的管理问题展开深入研究。     

考虑驾驶人不同分心类型的分心识别研究

驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁，本文针对驾驶人不同分心类型的识别展开研究，设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验，利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分 心，采集并提取驾驶绩效、眼动及头动特征，采用序列后向选择算法进行特征优选，运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明，基于随机森林所构建模型在测试集上取 得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值，分类表现优于两种比较方法，说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以 及采用不同类型特征作为输入训练模型的分类结果发现，驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。     

基于激光与视觉融合的车辆自主定位与建图算法

定位与建图是车辆未知环境自主驾驶的基础,激光雷达依赖于场景几何特征而视觉图像 易受光线干扰,依靠单一激光点云或视觉图像的定位与建图算法存在一定局限性。本文提出一 种激光与视觉融合SLAM(Simultaneous Localization And Mapping)的车辆自主定位算法,通过融 合互补的激光与视觉各自优势提升定位算法的整体性能。为发挥多源融合优势,本文在算法前 端利用激光点云获取视觉特征的深度信息,将激光-视觉特征以松耦合的方式输入位姿估计模块 提升算法的鲁棒性。针对算法后端位姿和特征点大范围优化过程中计算量过大的问题,提出基 于关键帧和滑动窗口的平衡选取策略,以及基于特征点和位姿的分类优化策略减少计算量。实 验结果表明：本文算法的平均定位相对误差为 0.11 m 和 0.002 rad,平均资源占用率为 22.18% (CPU)和 21.50%(内存),与经典的 A-LOAM(Advanced implementation of LOAM)和 ORB-SLAM2 (Oriented FAST and Rotated BRIEF SLAM2)算法相比在精确性和鲁棒性上均有良好表现。     

驾驶人“感知-决策-操控”行为模型

为准确模拟驾驶人跟车行为，提出基于隐马尔可夫模型(Hidden Markov Model，HMM)的驾驶人“感知-决策-操控”行为模型。建立描述驾驶意愿的HMM模型，模拟驾驶人感知过程，获得期望的车间距；预测模块模拟驾驶人根据交通环境和自身生理、心理状态预测车辆未来轨迹，即决策过程；优化模块描述驾驶人为使预测的车辆轨迹跟踪上期望的车辆间距而采取的操控汽车的执行动作，即操控过程。上述3个模块的滚动过程实现了对驾驶人跟车行为的模拟。利用自然驾驶数据进行算例分析，结果表明，本文模型预测车间距平均误差仅为1.47%，证明了所建模型的有效性及准确性。本文为驾驶行为建模方法的理论研究和应用拓宽了思路。     

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

毗邻互通立交特长隧道驾驶负荷研究

为研究毗邻互通立交特长隧道的运行特性和驾驶行为变化规律,选取10名驾驶员在雅康高速公路二郎山隧道进行实车实验,利用Tobii眼动仪、前向碰撞预警系统Mobileye及Cirelet单导脑电系统等仪器,采集真实交通状态下车辆位置、时间、行驶速度、驾驶员瞳孔直径及专注度等数据,划分毗邻互通立交特长隧道特征区,给出二郎山隧道入口前和毗邻互通立交分流点段的行驶速度和瞳孔直径分布特性和变化曲线,建立二郎山隧道进出口区瞳孔直径线性模型,并评价洞内景观带专注度等级,分析定向变道影响点至互通立交分流点驾驶行为规律。实验结果表明,设置洞内景观带可以缓解驾驶员视觉疲劳,且景观带国旗区效果优于星空区。驾驶员看到定向变 道标线白色虚线后,瞳孔直径逐渐减小至3.65 mm,行驶速度维持在71~73 km·h-1 ,在变道操作期的视觉负荷和心理紧张度最大,在条件观察期专注度最高,驾驶员需要根据等待可插车间隙迅速反馈和进行是否变道等操作。     

基于 UKF 非线性人眼跟踪的驾驶员疲劳检测

为解决驾驶员疲劳检测算法中头部快速移动、人眼非线性跟踪以及实际疲劳表情的识别问题,提出了一种新的基于UKF眼跟踪算法的驾驶员疲劳检测方法.根据近似非线性函数的概率分布比近似其函数更容易的原则,利用UT无迹变换,选择一组确定的Sigma点集逼近驾驶员人眼运动状态的后验概率密度函数,进行人眼非线性跟踪.在驾驶员人眼非线性跟踪基础上,通过计算PERCLOS值,进行现实驾驶条件下驾驶员疲劳的跟踪检测.实验结果表明,该方法不仅可以增强对驾驶员头部旋转、快速移动以及光照变换的鲁棒性,而且可以比传统的Kalm an滤波算法提供更精确的计算估计.     

主观拥堵感知下驾驶人路径调整行为决策研究

为深入调查研究交通拥挤的形成机制和扩散规律，本文针对交通拥堵形成和消散的内因， 即驾驶人在拥挤状态下路径的研判调整行为进行研究。设计基于全方位视角场景的驾驶人主观 拥堵感知实验，通过采集驾驶人个体特征、出行特征和交通流参数，结合驾驶人的主观拥堵评分 和路径调整决策，采用方差分析方法，探究驾驶人个体特征和出行特征对路径调整决策的差异 性。基于二项Logistic建立主观拥堵状态下路径调整行为模型，进一步量化所选驾驶人个体特征 和出行特征对路径调整决策产生的具体影响。研究表明：驾驶人个体和出行特征因素不同导致 路径调整决策产生显著性差异，其中，男性、老年人、低驾龄、出行次数少，以及弹性出行的人群更 青睐于保持原路径行驶；调整路径后增加的行驶距离占剩余行驶距离比例越大，保持原路径行驶 的可能性越大；熟悉周边路网的人群保持原路径的可能性是陌生人群的11.3%；区间车速每增加 1 km·h-1，驾驶人保持原路径行驶的可能性为之前的1.223倍。