張 馳,馬廣露,朱國華
(1.遼寧工業(yè)大學 汽車與交通工程學院,遼寧 錦州 121001; 2.重慶交通大學 交通運輸學院,重慶 400074;3.澤一交通工程咨詢(上海)有限公司,上海 201210)
駕駛疲勞已成為引發(fā)交通事故的重要因素之一,一直以來導致交通事故居高不下.美國每年有超過7 500起致命交通事故是由駕駛疲勞造成的,大約占總事故的25%[1],據(jù)我國交通部門的統(tǒng)計,因駕駛疲勞造成的交通事故約占總交通事故的20%、特大交通事故的40%以及交通死亡人數(shù)的83%[2].隨著智能交通的發(fā)展,駕駛疲勞檢測技術(shù)作為智能交通系統(tǒng)中的安全輔助駕駛技術(shù)受到越來越多的重視.
目前,常用的駕駛疲勞檢測方法有基于駕駛?cè)松韺W特征的檢測、基于駕駛?cè)诵袨樘卣鞯臋z測、基于車輛行為特征的檢測[3]以及基于多源信息融合的檢測方法.本文在給出駕駛?cè)似跈z測技術(shù)應用現(xiàn)狀的基礎(chǔ)上,從駕駛?cè)似谂袆e的研究、可穿戴設備在駕駛疲勞檢測中的應用、多信息融合及多功能智能車載設備的研發(fā)、大數(shù)據(jù)及云計算技術(shù)在駕駛?cè)似跈z測的應用4個方面指出了駕駛疲勞檢測的發(fā)展趨勢.
對駕駛疲勞的檢測,主要是通過檢測駕駛?cè)松韺W特征、駕駛?cè)诵袨樘卣饕约败囕v行為特征變化來進行.
駕駛?cè)似诤?,其生理學特征會發(fā)生一定的變化,如EEG(腦電信號)、ECG(心電信號)、EOG(眼電信號)、EMG(肌電信號)等人體生物電信號以及血壓、血液中化學物質(zhì)(如唾液淀粉酶的含量)、溫度等,表1列舉了一些生物學信號的性質(zhì),可以通過測量駕駛?cè)说倪@些生理學特征變化,通過設定閾值來對駕駛疲勞進行檢測.
表1 生物學信號的性質(zhì)[4]
駕駛?cè)松韺W特征發(fā)生變化后,往往導致行為特征發(fā)生變化,如人眼的狀態(tài)(眨眼幅度、頻率以及平均閉合時間等)、頭部活動(頻繁點頭、頭部長期不動)、面部特征等.其中較為常用的是通過人眼的狀態(tài)進行駕駛?cè)似跔顟B(tài)的檢測,廣泛采用的算法是PERCLOS(percentage of eyelid closure over the pupil over time)算法,將眼瞼閉合度作為駕駛疲勞的度量指標,PERCLOS值越大,駕駛疲勞程度越深.
基于車輛行為特征的疲勞檢測是指通過檢測駕駛?cè)瞬僮鬈囕v的方向盤、加速踏板、制動踏板等操作行為以及車輛的行駛速度、加速度、車身橫擺角度和車道偏移量等車輛行駛相關(guān)信息來間接確定駕駛?cè)说钠诔潭?
基于生理學特征的檢測技術(shù)往往與駕駛?cè)酥苯咏佑|,具有檢測準確性高的特點,不少科研機構(gòu)和設備廠商開發(fā)了一些檢測設備.
美國生物傳感器領(lǐng)導者NeuroSky公司,開發(fā)了通過檢測EEG(α和β波段)來判斷用戶注意力及放松度的頭戴設備;諾丁漢倫特大學研究團隊研發(fā)的車載嵌入式非侵入性心臟和呼吸傳感器可以測量駕駛?cè)说男穆屎秃粑鼱顟B(tài);日本便民計算機公司通過安裝在方向盤上的傳感器來檢測駕駛?cè)说拿}搏跳動;日本東京大學研發(fā)了能夠戴在駕駛?cè)耸滞笊贤ㄟ^檢測駕駛?cè)撕挂褐械木凭?、乳酸和氨的含量,并將?shù)據(jù)實時上傳至研究中心進行分析來判斷駕駛?cè)说钠诔潭?
圖1 基于生理學特征檢測裝置
圖2 駕駛疲勞檢測攝像頭安裝位置
由于疲勞產(chǎn)生的駕駛?cè)松韺W特征的變化往往導致駕駛?cè)送獠啃袨樘卣鞯淖兓?,基于駕駛?cè)送獠啃袨榈臋z測技術(shù)一般與駕駛?cè)藷o接觸,駕駛?cè)巳菀捉邮?,常常采用計算機視覺的方式進行檢測、運用PERCLOS作為疲勞檢測預警指標.為了提高檢測的精確性,有的檢測技術(shù)還結(jié)合駕駛?cè)说拿娌勘砬椤㈩^部及嘴部狀態(tài)進行檢測.
在20世紀90年代,美國研制的打瞌睡駕駛?cè)藗商较到y(tǒng)(DDDS,The Drowsy Driver Detection System)是典型的代表,此外還有美國Guardvant Inc的OpGuard系統(tǒng)、瑞典SmartEye公司的AntiSleep系統(tǒng)、LSM Technologies公司的DFM(Driver Fatigue Monitor)系統(tǒng)以及國內(nèi)廣東安行智能科技有限公司、南京遠驅(qū)科技有限公司、上海徑衛(wèi)視覺科技有限公司、蘇州清研微視電子科技有限公司的駕駛?cè)似跈z測系統(tǒng).
基于車輛行為特征的駕駛疲勞檢測技術(shù)一般是通過檢測車輛異常狀態(tài)間接確定駕駛?cè)说钠诔潭?該疲勞檢測技術(shù)較為簡單,但實時性較差.
美國Electronic Safety Products公司開發(fā)的轉(zhuǎn)向操作注意監(jiān)視器S.A.M(steering attention monitor)以及西班牙防疲勞系統(tǒng)Spanish ADS(Anti-Drowsiness System),是通過檢測方向盤的異常來判斷駕駛疲勞狀況.Ellison Research Labs實驗室研制的DAS2000型路面警告系統(tǒng)、ITERIS公司出品的路面信息報警裝置、Assist Ware Technology公司的Safe TRAC以及l(fā)eris公司研制的Auto Vue系統(tǒng)是通過判斷車輛運行軌跡偏離道路中線或者路肩白線向駕駛?cè)税l(fā)出警告.美國公路交通安全管理局在2016年3月發(fā)布的防止駕駛疲勞的10項工程措施中包括建設路側(cè)震動帶,并指出該項措施可以減少50%的駕駛疲勞事故[5].
單一的檢測技術(shù)對駕駛疲勞的檢測準確性不高,為了提高駕駛疲勞檢測的準確性,常常運用多種檢測方式進行檢測,并對檢測結(jié)果進行綜合分析來判斷駕駛?cè)说钠跔顟B(tài).
歐盟研發(fā)“AWAKE”系統(tǒng),通過檢測駕駛?cè)搜鄄€、注視方向、方向盤轉(zhuǎn)角、握力信息以及車道線跟蹤等信息,對這些信息進行綜合分析來對駕駛疲勞進行判斷分析,根據(jù)駕駛?cè)说钠诔潭炔扇〔煌念A警策略.梅賽德斯-奔馳的注意力輔助系統(tǒng)(Attention Assist System,ASS),通過紅外攝像頭連續(xù)記錄駕駛?cè)说恼Q垲l率和每次眨眼時長,同時考慮駕駛?cè)说哪X電信號、車輛的運行狀態(tài)等多種因素,來對駕駛?cè)说钠跔顩r進行檢測.卡特彼勒的疲勞駕駛風險管理系統(tǒng),通過智能手環(huán)監(jiān)視駕駛?cè)说纳眢w狀況,并采用駕駛室內(nèi)攝像頭使用具有專利的眼部和頭部定位算法來對駕駛?cè)似跔顟B(tài)進行綜合檢測,一旦發(fā)現(xiàn)駕駛?cè)俗呱瘢{駛室就會報警.
常常采用實時性、準確性、費用以及侵入性作為判斷駕駛疲勞檢測技術(shù)的指標.實時性是指檢測器對駕駛?cè)似跈z測響應是否及時;侵入性是指檢測器是否與駕駛?cè)酥苯咏佑|,侵入表示與駕駛?cè)酥苯咏佑|,非侵入表示與駕駛?cè)瞬恢苯咏佑|.侵入檢測器對駕駛?cè)擞绊戄^大,駕駛?cè)送鶗a(chǎn)生排斥,不利于推廣應用.表2從實時性、準確性、費用以及侵入性對上面4種檢測技術(shù)做了對比分析.
表2 各種類型檢測技術(shù)的對比分析
我國規(guī)定駕駛?cè)诉B續(xù)駕車超過4 h[6]可認為是疲勞駕駛,防范相對比較簡單,沒有考慮駕駛?cè)嗽陂_始駕車時的疲勞狀況以及駕駛?cè)说膫€體差異,缺乏對駕駛?cè)似诔潭冗M行有效的判別方法及標準.
駕駛疲勞除了受駕駛時間的影響外,還受到道路交通環(huán)境以及駕駛?cè)吮旧淼纫驍?shù)的影響,常見的駕駛?cè)似谏蓹C理有力源消耗論、疲勞物質(zhì)積累論及中樞系統(tǒng)變化論[7]等.然而,目前對駕駛?cè)似谏蓹C理的研究停留在假說階段,研究也不夠深入且過于理論化,導致駕駛疲勞的判別精細化程度較低、漏檢率比較高.因此,研究駕駛?cè)说钠谏蓹C理、確定駕駛?cè)似谥笜?、建立駕駛疲勞模型,進而對駕駛?cè)似诔潭冗M行判斷很有必要.
智能手表、手環(huán)、眼鏡、以及耳機等可穿戴設備逐漸流行,可用于駕駛?cè)诵畔⒌牟杉瑢@取的信息連接到車載電腦、智能手機[8]或者信息中心進行數(shù)據(jù)實時分析、可視化顯示,進而對駕駛?cè)说钠诔潭冗M行檢測.可穿戴設備對駕駛?cè)诉M行疲勞檢測與駕駛?cè)酥苯咏佑|,檢測的準確性較高.
基于iWatch的駕駛疲勞軟件的開發(fā)、Optaler的智能眼鏡、富士通的“FEELythm”耳麥、奧迪健康司機(Audi Fit Driver)系統(tǒng)中的智能手環(huán)等已在駕駛疲勞檢測方面進行了應用.作為可穿戴設備的手環(huán)對駕駛?cè)擞绊戄^小,相比于其他產(chǎn)品應用更為廣泛,研發(fā)的產(chǎn)品也較多,手環(huán)通過檢測駕駛?cè)说男穆首儺愋?Heart Rate Variability,HRV)來判斷駕駛?cè)说钠诔潭?HRV是指逐次心跳周期差異的變化,研究表明HRV能夠反應人的健康、疲勞程度.奧迪研發(fā)的健康手環(huán)可以判斷駕駛?cè)说臓顟B(tài),包括駕駛?cè)耸欠衿隈{駛、壓力大小以及健康狀況.英國Advicy technology 公司研發(fā)的AdvicyDrive、日本Nissan公司研發(fā)的smartwatch也都是通過HRV來檢測駕駛疲勞的.
多信息融合結(jié)合生理學特征、駕駛?cè)诵袨樘卣?、車輛行為特征等檢測技術(shù)的優(yōu)勢,通過智能設備綜合分析,可大大提高對駕駛?cè)似谒綑z測的準確性.隨著檢測器成本的降低、各種檢測器的普及以及多信息融合處理方法的發(fā)展,未來基于多種檢測器的信息融合將會更加普及.另外,隨著各種車載檢測設備的增多,給檢測設備的布設、安裝、維護增加了難度,各種檢測器干擾嚴重,穩(wěn)定性、準確性也降低,因此融合多種檢測技術(shù)的綜合智能車載駕駛疲勞檢測設備的研發(fā)也是駕駛疲勞檢測技術(shù)的發(fā)展趨勢.
融合了多種檢測技術(shù)的疲勞檢測系統(tǒng)(上文提到的歐洲的“AWAKE”、奔馳的“ASS”、 卡特彼勒的疲勞駕駛風險管理系統(tǒng)等)已經(jīng)在駕駛疲勞檢測方面得到了應用.另外,豐田的駕駛疲勞系統(tǒng)由紅外攝像頭與一體化的電子控制單元(Electronic Control Unit,ECU)組成,通過攝像頭對駕駛?cè)嗣娌繝顟B(tài)以及眼睛的開合頻率進行數(shù)據(jù)采集,進而判斷駕駛?cè)似跔顟B(tài);福特將車輛行駛軌跡、駕駛?cè)诵袨?、周圍環(huán)境以及生物監(jiān)測信息4個維度進行檢測,數(shù)據(jù)的運算能力通過單獨的模塊進行整合.
單一車輛的駕駛疲勞檢測技術(shù)很難滿足對數(shù)據(jù)資源共享能力、數(shù)據(jù)統(tǒng)計分析能力的要求,而大數(shù)據(jù)、云計算技術(shù)的發(fā)展為解決這一問題提供了技術(shù)保障.通過建設統(tǒng)一的云架構(gòu)管理平臺,將所有駕駛?cè)思败囕v運行所產(chǎn)生的相關(guān)數(shù)據(jù)匯聚到統(tǒng)一的平臺上,運用大數(shù)據(jù)分析技術(shù)充分挖掘駕駛疲勞與駕駛?cè)说南嚓P(guān)關(guān)系,并針對駕駛?cè)藗€體之間的差異,實行差異化管理,能有效提高駕駛疲勞檢測的準確性、實時性;同時,也可對駕駛?cè)说钠谶M行事先預防,避免駕駛疲勞檢測的被動性.
日本三菱通過采集駕駛?cè)藢崟r駕駛數(shù)據(jù),建立相對正常和安全的駕駛習慣標準,并對不正常的駕駛?cè)笋{駛狀態(tài)進行預警,使得預測準確率提高了66%.日本堀場制作所和日本Unisys公司合作,利用安裝在卡車上用來記錄速度、發(fā)動機轉(zhuǎn)速、位置信息等行駛信息的數(shù)字行車記錄儀和在行駛時錄下車內(nèi)外圖像的汽車黑匣子收集數(shù)據(jù),以無線方式將各種行駛數(shù)據(jù)及時發(fā)送給Unisys運營的數(shù)據(jù)中心,將這些數(shù)據(jù)存儲在云上,運輸公司可通過互聯(lián)網(wǎng)確認車輛運行情況,并對疲勞駕駛的征兆建模,對駕駛?cè)似跔顟B(tài)進行檢測.國內(nèi)的極限元(北京)智能科技股份有限公司推出的車載疲勞駕駛檢測儀,通過采集超過50萬名駕駛?cè)说拇髷?shù)據(jù),采用深度神經(jīng)網(wǎng)絡的檢測模型來檢測疲勞駕駛狀態(tài).
本文在對駕駛疲勞檢測原理進行分析的基礎(chǔ)上,介紹了目前基于駕駛?cè)松韺W特征、駕駛?cè)诵袨樘卣鳌④囕v行為特征以及多源信息融合4種用于駕駛疲勞檢測的技術(shù),對其進行對比分析;并從駕駛?cè)似谂袆e的研究、可穿戴設備在駕駛疲勞檢測中的應用、多信息融合以及多功能智能車載設備的研發(fā)、大數(shù)據(jù)及云計算技術(shù)在駕駛?cè)似跈z測的應用4個方面給出了駕駛疲勞檢測的發(fā)展趨勢.目前汽車工業(yè)發(fā)達的美、日、歐、澳已將不少駕駛疲勞檢測技術(shù)用于駕駛?cè)说钠跈z測.駕駛疲勞作為引發(fā)交通事故的重要原因之一,今后駕駛疲勞檢測技術(shù)將會受到越來越多的關(guān)注.
[1] Wheaton A G,Shults R A,Chapman D P,et al.Drowsy driving and risk behaviors-10 States and Puerto Rico,2011—2012.[J].Mmwr Morbidity & Mortality Weekly Report,2014,63(26): 557-562.
[2] 咼騰,馮桑,黃超.基于生物電信號的駕駛疲勞檢測方法[J].汽車電器,2014(8): 65-68.
[3] 張恒.基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D].西安: 長安大學,2015.
[4] Stork M,Skala J,Weissar P,et al.Various approaches to driver fatigue detection: A review[J].2015: 239-244.
[5] NHTSA[EB/OL].http://www.nhtsa.gov/Driving-Safety/Drowsy-Driving/scope%E2%80%93of%E2%80%93the%E2%80%93problem.
[6] 中華人民共和國道路交通安全法實施條例[Z].2004.
[7] 謝曉莉.駕駛疲勞生成機理研究[D].北京: 北京工業(yè)大學,2010.
[8] Abulkhair M,Alsahli A H,Taleb K M,et al.Mobile platform detect and alerts system for driver fatigue [J].Procedia Computer Science,2015,62: 555-564.