基于物联网的道路客运车辆驾驶员疲劳驾驶监测系统研究

为减少因疲劳驾驶引发的交通事故,降低交通参与者生命财产受损风险,本文设计了一种基于物联网的道路客运车辆驾驶员疲劳驾驶监测系统。该系统具有三个部分,分别是可穿戴设备采集终端、智能手机软件和监控中心监测终端,其中监测系统有效连接驾驶员和监控中心,当终端节点采集的数据超过阈值,监控人员将及时干预驾驶员,有效实现风险预警。实际测试结果表明,该系统疲劳判定的准确率达94%以上,可用性高稳定性强,具有较好的应用前景。     

基于多源数据的单调道路环境与驾驶疲劳关系模型

为了研究单调道路环境对驾驶疲劳的影响,采用眼动仪、脑电仪等仪器设备在G109格尔木-西藏沿线开展实车驾驶试验,获取19名被试驾驶过程中的生理和驾驶行为等多源数据以及驾驶疲劳主观KSS量表,分析不同时间窗下各特征参数随疲劳程度的变化规律。采用不同海拔对应的植被等级作为单调道路环境的量化指标,将驾驶疲劳程度划分为清醒、轻度疲劳、重度疲劳3个等级,根据皮尔逊相关性和自变量共线性检验结果,选取脑电（α+θ）/β、平均眨眼持续时间、血氧含量和植被等级为自变量,驾驶人疲劳程度为因变量,建立基于有序多分类Logistic的单调道路环境与驾驶疲劳的关系模型,并分析单调环境下驾驶疲劳生成机理。研究结果表明：在高海拔单调道路环境下,短时驾驶疲劳主要与环境单调程度有关,驾驶时间并不是引起短时驾驶疲劳的主要因素;脑电α/β和心率与驾驶疲劳程度无显著相关性,脑电（α+θ）/β、平均眨眼时间与疲劳程度呈正相关,血氧含量与疲劳程度呈负相关。当植被覆盖率从较稀疏变为稀疏时,驾驶人警觉性较高,疲劳程度增加5.9%;随着植被覆盖率下降至非常稀疏状态,驾驶人会出现克服自身疲劳的情况,疲劳程度增加5.8%;当环境单调性进一步加剧,植被覆盖率降低至严重稀疏状态时,驾驶人疲劳程度明显增加,进入重度疲劳状态。研究成果可为单调道路环境下驾驶疲劳的预防奠定理论基础。     

基于驾驶员面部特征的疲劳检测系统研究

疲劳驾驶在我国的交通事故引发率居高不下,如何对驾驶员进行科学有效的疲劳驾驶检测并及时预警已经成为了当下热议的话题。为减少疲劳驾驶造成的交通安全风险,本文对基于驾驶员面部特征的检测方法进行了研究,通过对疲劳特征参数的提取克服了单一参数疲劳驾驶判断方法导致的判定精准度低等缺陷,且计算需求小,普适性能强。     

基于ROC曲线的疲劳驾驶判别方法研究

疲劳驾驶判别是危险驾驶行为研究的主要内容之一,基于驾驶行为的疲劳驾驶判别更加直接.文中选取疲劳状态下的驾驶行为指标作为研究对象,结合不同道路线形分析疲劳对于驾驶行为的影响,获得能在相应的道路条件下显著反映疲劳驾驶的驾驶行为指标.使用ROC曲线方法分别确定不同道路线形下各个驾驶行为指标判别疲劳驾驶的阈值.根据各个驾驶行为指标及阈值,建立疲劳驾驶综合判别模型,并通过对比分析说明基于驾驶行为指标进行疲劳驾驶判别考虑不同道路线形的必要性.研究结果表明,疲劳状态对驾驶行为的影响在不同道路线形上表现不同,基于ROC曲线的疲劳驾驶判别方法可应用于基于驾驶行为的疲劳检测,不同道路线形下平均识别率达75％,平均误判率为16.5％.     

考虑道路平曲线设计的驾驶疲劳对车道保持能力影响研究

不同的道路平面线形几何设计对于驾驶人车道保持能力的需求是有差异的,驾驶人受疲劳程度影响也会呈现车道保持能力下降的趋势,当前的研究未综合考虑以上2个因素:线形和疲劳程度对驾驶横向表现的交互影响.邀请41位被试者分别开展550 km的实车实验,获取车辆位置信息GPS以匹配道路线形类型,基于问卷调查方法获取驾驶过程疲劳等级.分析不同疲劳程度、不同平面线形类型以及弯道半径条件下的车道偏离标准差参数,构建了多元线性回归模型.数据分析结果表明,相同疲劳程度下驾驶人在圆曲线段驾驶的偏离值要超过直线段以及缓和曲线段;当弯道半径超过5 500 m时,曲线段弯道半径越大,车道偏离差值越高.同时,考虑了线形影响的多元线性回归模型对疲劳程度的预测精度要高于未考虑线形因素的模型,进一步说明在针对驾驶疲劳行为表现开展研究时,有必要对道路设计参数加以考虑以提高疲劳辨识精度.      

基于深度学习模型的疲劳驾驶行为识别算法

为降低道路交通事故发生率,提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法,以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征,并通过双流网络构建和训练深度学习模型,实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像,作为实验测试目标。结果表明：用该算法测试1 000张疲劳驾驶行为图像时,识别时间为89 ms,精准度为97.6%,召回率为97.0%;算力需求（每秒所执行的浮点运算次数,FLOPS）≤88;该算法能够提高疲劳驾驶行为的识别精度,有助于降低道路交通事故的发生率。     

谈谈驾驶疲劳的成因及其预防方法

驾驶疲劳是驾驶员在驾驶车辆时,由于种种原因在生理或心理上产生疲劳而使人体机能失调而产生的身体疲乏和劳累。出现驾驶疲劳现象时继续驾驶车辆有可能导致及其严重的交通伤害后果,特别是在高速驾驶的情况下。Hullbert的研究发现,与驾驶疲劳有关的道理交通事故,约占事故总数的10％- -15％,被称之为“道路交通安全的‘祸首’”。驾驶人疲劳时,听觉和视觉敏锐度降低,破坏了眼睛的正常运转状态;操纵动作准确性下降,时常出现反常;驾驶错误和判断错误增多。下面笔者试从驾驶疲劳产生的原因及预防的方法,谈一些粗浅的看法。     

怎样与疲劳驾驶说再见

当酒后驾驶倍受关注、被小心提防之时,大家却往往把同样应该引起足够重视的疲劳驾驶给忽略了。这主要是因为:一方面,疲劳驾驶有相当的隐蔽性;另一方面,国际上目前还没有一个通用的界定疲劳驾驶的标准。其实,疲劳驾驶与酒后驾驶一样,已经成为交通事故的主要隐患。驾驶疲劳的征兆     

基于驾驶员转向操作特性的疲劳驾驶检测

本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法.首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法.测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7％,具有较高的鲁棒性和实用性.     

基于Python的驾驶员打哈欠在线检测方法研究

驾驶疲劳是造成交通事故的主要诱因之一。由世界卫生组织发布的调查研究结果表明,在高速公路中由疲劳驾驶引起的交通事故率占了将近百分之四十,驾驶疲劳检测和预警的技术也越来越受到研究人员的重视。而驾驶员打哈欠是疲劳形成过程中的一个直观指标,文章提出基于Python平台开发一套在线检测驾驶员打哈欠的系统,方法简单、指标稳定可靠,具有实际应用价值。     

汽车驾驶疲劳分析及其监测

为了揭示驾驶员疲劳驾驶导致交通事故的根本理论原因,本文分析了驾驶疲劳的形成过程及其机理。基于人因工程学角度,以疲劳相关理论为基础,构建了承担驾驶负荷的驾驶员身体系统,并把驾驶行为分为三个阶段,把每一阶段所产生的疲劳严格区分为精神疲劳和体力疲劳。根据驾驶疲劳的程度,把驾驶员的疲劳状况分为了四类,建立了驾驶疲劳累积模型。根据对驾驶疲劳形成的系统分析,概括了现阶段疲劳驾驶监测技术的研究方向,并提出了对疲劳驾驶监测技术的发展趋势和应用前景的建议。     

疲劳驾驶检测方法的研究进展

全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%,故针对疲劳驾驶检测方法的研究具有现实意义.阐述了目前国内外各类疲劳驾驶检测方法的研究难点,介绍并对比分析了基于驾驶员生理参数、驾驶员行为特征、车辆行为特征的各类客观检测方法;最后对疲劳驾驶检测方法的发展趋势和应用前景进行了论述.     

基于脑电信号分析的不同年龄驾驶人疲劳特性

为研究不同年龄驾驶人驾驶过程中疲劳情况及疲劳累积速度,对比其疲劳产生与变化的差异性,获取不同年龄驾驶人的最优驾驶时间,设计自然驾驶试验,利用Physio生理多导仪采集脑电数据,并采用主观检测方法对驾驶人进行问询。应用MATLAB对采集到的脑电数据进行降噪处理,通过积分获取各时段α波、β波和θ波的平均功率谱密度,进而求得脑电指标R_（α/β）,R_（θ/β）,R_{（α+θ）/β}。利用SPSS将其与驾驶时间进行单因素方差分析,并通过敏感性判断,选取R_{（α+θ）/β}作为驾驶疲劳表征指标。对各年龄段驾驶人的R_{（α+θ）/β}进行均值化处理,并将其与驾驶时间进行线性拟合,分析驾驶人年龄对驾驶疲劳累积速度的影响。对驾驶过程中各时段的R_{（α+θ）/β}进行配对样本t检验,并结合主观问询结果确定不同年龄驾驶人的最优驾驶时间。研究结果表明：青年和中年驾驶人在0~1.5 h内疲劳累积速度相对缓慢,老年驾驶人较快;在1.5~3 h内,青年驾驶人疲劳累积速度最快,中年驾驶人最慢;老、中、青年驾驶人的最优驾驶时间分别为60~75,120~135,105~120 min;不同年龄驾驶人其驾驶经验、体力和精力及外界环境干扰是影响疲劳累积速度的重要因素;试验结果验证了采用R_{（α+θ）/β}作为驾驶疲劳表征指标的有效性,有助于为不同年龄驾驶人安全驾驶时长的确定提供科学依据。     

隧道驾驶疲劳唤醒段设置长度研究

为解决驾驶员在隧道中间段因驾驶疲劳带来的行车安全问题，对隧道驾驶疲劳唤醒段设置长度进行研究。首先，建立疲劳唤醒段的刺激量与其产生疲劳唤醒后对驾驶员的唤醒程度以及唤醒维持时间的相互关系； 然后，进行蓝、紫、青3种色彩，3种亮度及5种刺激持续时间共45种不同刺激量组合下疲劳唤醒段的静态唤醒试验，研究隧道疲劳唤醒段不同刺激量对被试驾驶员唤醒程度的影响规律，建立刺激量与唤醒程度的相关关系模型，得到疲劳唤醒段刺激量应不低于8.84 cd·s/m2； 最后，分析不同刺激量的疲劳唤醒段对驾驶员唤醒的维持时间，建立不同运行速度条件下疲劳唤醒段刺激量与唤醒维持时间的相关关系模型，根据不同运行速度下隧道疲劳唤醒段侧壁可设置的最高亮度，得到不同运行速度下隧道疲劳唤醒段应设置的长度。当设计速度为60、80、100 km/h时，第x（x∈［1, N-1］）处疲劳唤醒段的设置长度分别为160、200、220 m，第N处疲劳唤醒段的设置长度应保证剩余路段驾驶员的正常驾驶，且不低于65、80、90 m。     

驾驶员自身因素引起的驾驶疲劳对交通安全的影响

为更好地评价驾驶员自身因素引起的驾驶疲劳,主要对6个方面的因素进行了分析。运用层次分析法建立评价驾驶疲劳的数学模型,通过综合评价来确定驾驶员的安全度。以期对相关工作提供参考。     

个体差异对转向指标疲劳辨识能力的影响分析

驾驶人个体差异是影响疲劳驾驶辨识准确性的重要因素。为了探究个体差异与基于转向行为的疲劳辨识效果之间的关系,量化个体差异对转向特征指标疲劳辨识能力的影响程度,通过自然驾驶试验,采集被试在清醒状态和疲劳状态下的真实驾驶行为数据,结合观察员问询打分和被试面部视频得到疲劳水平信息。设置双层滑动时间窗对每位驾驶人的自然驾驶行为数据进行处理,挖掘出9个疲劳驾驶转向特征指标。对每位驾驶人清醒和疲劳状态下的指标样本进行Wilcoxon检验,用Wilcoxon检验的|Z|值表示指标对驾驶疲劳的分类性能。以清醒和疲劳状态下指标有显著差异的被试数目最多为优化目标,得到指标最优的双层时间窗设定值。将|Z|值最大的被试逐个与其他被试两两组合,对清醒和疲劳状态下混合两被试指标样本数据进行Wilcoxon检验,得到被试组合指标的|Z|值。计算两被试的综合个体差异值,基于线性模型拟合两被试组合Wilcoxon检验的|Z|值和个体差异值,以拟合直线的斜率绝对值|k|量化个体差异对指标疲劳辨识能力的影响。研究得到基于自然驾驶行为数据的9个疲劳驾驶转向特征指标的最优时间窗,发现指标对疲劳驾驶的分类性能存在个体差异,并且指标的疲劳辨识能力会随个体差异增加而降低,进而影响基于转向行为指标疲劳辨识的准确性,其中方向盘转角下四分位标准差（X_q1std）的斜率绝对值最大（1.17）,方向盘转角标准差（X_jstd）的斜率绝对值最小（0.44）,疲劳辨识能力受个体差异影响最大和最小的指标分别是X_q1std和X_jstd。研究结果可为利用自然驾驶行为数据的疲劳驾驶特征提取及考虑个体差异的疲劳驾驶建模提供参考。     

驾驶人状态适应式疲劳预警方法的研究

为设计针对驾驶人不同疲劳状态的预警方案,本文建立了包括察觉性、理解性和接受性的评价体系,系统研究了听觉、视觉和触觉3种预警方式对处于不同疲劳状态的驾驶人的预警效果。研究结果表明,各种预警方式对处于不同疲劳状态下的驾驶人具有不同的预警效果。听觉方式较适合于轻微疲劳状态,而触觉方式则更适合于非常疲劳状态。据此最终提出了一种适应于驾驶人不同疲劳状态的复合预警方案。     

疲劳驾驶预警系统的研究进展

疲劳驾驶已成为交通安全的重要隐患,严重威胁着人们的生命和财产安全。本文分析疲劳驾驶预警系统的研究难点,介绍当前有代表性的预警系统,并在此基础上对这些预警系统的优缺点进行了对比分析,最后对疲劳驾驶预警系统的发展趋势进行了展望。     

基于DSP的嵌入式驾驶疲劳监测系统研究

为了进行有效的、实时的、非接触式的驾驶员疲劳检测,采取NHTSA和FHWA推荐的非接触式疲劳检测方法PERCLOS,利用TI公司的专用图像处理DSP芯片TMS320DM642,构建了车载的基于DSP的嵌入式驾驶疲劳监测系统。首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛,分析眼睛的状态和提取眼睛的特征参数,计算PERCLOS值、判断疲劳程度并采取报警或其他措施。试验结果表明,系统的算法简单、快速、鲁棒性强。