CN101491443A - 驾驶人疲劳与车辆行驶轨迹的关系模型 - Google Patents

Abstract

本发明属交通运输领域，它针对疲劳驾驶预警应用背景，通过在构建的半实物虚拟交通环境中模拟人－车－路(环境)系统的驾驶疲劳样本试验，采用驾驶人的面部表情和脑电波中δ波及θ波的百分比作为判断驾驶员的疲劳程度的基准，采用时域分析和数理统计分析相结合的方法，研究确定了车辆右前轮轨迹距右车道线的周期递减驾驶疲劳初预警规律和车道线偏距的方差驾驶疲劳判定界限，可判断驾驶人出现疲劳特征或处于中度疲劳状态，还研究确定了车辆非正常换道严重疲劳驾驶报警规律。可利用本发明建立基于车辆行驶轨迹的驾驶疲劳识别及预警系统。

Description

驾驶人疲劳与车辆行驶轨迹的关系模型

技术领域

本发明属交通运输领域，它针对疲劳驾驶预警应用背景，通过试验发现车辆行驶轨迹与驾驶疲劳程度的关系，为进而建立基于车辆行驶轨迹的驾驶疲劳识别及预警提供定量依据，为交通安全管理提供系统解决方案。

背景技术

随着车辆保有量的急剧增加，交通事故量居高不下，中低收入国家更为明显，交通安全受到世界各国政府和社会的关注。研究表明，交通安全受多个因素的影响，国内外的专家通过统计和研究得出，80％左右的交通事故是由人的因素造成的，大多数道路交通事故是由于人(主要是驾驶人)、车辆、道路和交通环境等在内的综合系统的协调性失衡造成的，其中疲劳驾驶因素尤为突出。

行车驾驶是一种中等强度的体力劳动，它较别的工种需要的时间长、注意力高度集中、眼睛要紧紧注视运动物体和道路的单调劳动、且要求发现目标反应迅速、心脑手脚配合协调，要消耗大量的能量。因此，驾驶职业容易产生疲劳。而疲劳驾驶又是行车安全的一大隐患。因疲劳驾驶而引发的车辆事故，往往都是较大的事故，会给国家财产、人民生命及个人幸福带来不可挽回的损失。统计数据表明，在交通事故造成的死亡案件中，因为驾驶员困乏、疲劳驾驶而造成的死亡率超过一半。因此，消除疲劳驾驶无论是对驾驶者还是非驾驶者都有着关乎生命的意义。因此，加强研究驾驶疲劳规律和预警对于减少严重交通事故量、保证人们生命财产安全具有积极的意义。

美国俄克拉荷马州收费公路局1965年发表了对1953至1964年2128名机动车驾驶员发生车辆碰撞事故的调查结果表明，22％的驾驶员打盹驾驶，48％的交通事故归结于疲劳驾驶。卡耐基梅隆大学在驾驶模拟器上进行的研究表明，机动车辆重大事故归因于驾驶员疲劳驾驶，而夜晚疲劳驾驶的重大事故率很大。英国交通研究实验室认为，驾驶疲劳导致的道路交通事故占全部交通事故的大多数。研究人员分别对996名载重汽车和4621名轿车男驾驶员进行跟踪调查，发现有的驾驶员在开车时打瞌睡，其中10％的驾驶员由于困倦而导致交通事故。

美国联邦公路管理局FHWA(Federal Highway Administration)和国家公路交通安全管理局NHTSA(National Highway Traffic Safety Administration)对拖挂车驾驶员紧张、疲劳状况进行的研究表明，驾驶疲劳与行驶路线、持续作业时间和生理素质有关，认为大约连续行驶3200km，拖挂车驾驶员将处于疲劳状态。1995年美国国家交通安全委员会NTSB(The NationalTransportation Safety Board)检查了107起由驾驶员造成的卡车交通事故，其中58％与驾驶员打盹驾驶有关。

我国公安部交通管理局发布的全国道路交通安全情况报告也指出在发生的群死群伤特大交通事故中，以驾驶员疲劳驾驶最突出。驾驶疲劳会使驾驶员的反应时间显著增长、操作能力下降、判断失误增多。引起驾驶疲劳的原因是多方面的，而山区双车道公路一般道路技术等级偏低、交通安全设施匮乏、道路养护力度不足、道路地质条件及水文气候条件复杂，驾驶员在这种路段上行驶时操作频繁，精神紧张，心生理压力大，极易产生驾驶疲劳，进而诱发交通事故，并且这种事故一般是车毁人亡的大事故。

美国早期的驾驶疲劳测评主要是从医学角度出发，借助医疗器件进行的。这些研究可以追溯到1935年美国交通部管辖的洲际商业协会ICC(the Interstate Commerce Commission)要求美国公共卫生服务署USPHS(the United States Public Health Service)对城市商业机动车驾驶员服务时间HOS(the hours of service)管理条例的合理性所进行的调查，但是对驾驶疲劳的实质性的研究工作是从20世纪80年代由美国国会批准交通部实施驾驶服务时间(HOS)改革，研究商业机动车驾驶和交通安全的关系，并健全卡车和公共汽车安全管理条例。这样美国把驾驶疲劳的研究提到立法高度，保证了开展驾驶疲劳研究的合法性、有效性和持续性。驾驶疲劳的研究分为主观和客观2种方法。

主观的方法主要依据主观调查表、驾驶员自我记录表、睡眠习惯调查表和斯坦福睡眠尺度表等来测评驾驶员的疲劳程度。最有代表性的主观调查是皮尔逊疲劳量表，分为13级。驾驶员自我记录表对驾驶任务、驾驶习惯和驾驶时间等进行自我测评，这些因素因人而异，因此不能作为测评驾驶疲劳的标准尺度。睡眠习惯调查表用来检查驾驶员是否有失眠的情况，对疲劳程度和情绪进行自我评价。以上这些主观方面的调查表使用方法简单，但很难量化疲劳的等级和程度，又因个人的理解有明显的差异，其结果往往不能令人满意。

客观的方法有脑电图、眼电图、肌电图、呼吸气流(用鼻声传感器测量)、呼吸效果(用胸腔部传感器测量)、动脉血液氧饱和(用手指探针测量)时的体温(用红外线耳朵探针获取)、心电图(开车或睡眠时)等测量方法，尽管这些方法测量结果比较准确，但一般在驾驶前后测量，结果是超前或滞后的；而在驾驶室内安装上述仪器也是不现实的。因此，寻求一种车载、实时、客观的疲劳测量装置成为国内外研究者的研究方向。20世纪90年代，疲劳程度测量方法的研究有了很大的进展，许多国家已开始了驾驶疲劳车载电子测量装置的开发研究工作，尤以美国的研究发展较快。现有的研究成果中具代表性的产品有美国研制的打瞌睡驾驶员侦探系统、方向盘监视装置等。

美国研制的打瞌睡驾驶员侦探系统DDDS(The Drowsy Driver Detection System)。采用多普勒雷达和复杂的信号处理方法，可获取驾驶员烦躁不安的情绪活动、眨眼频率和持续时间等疲劳数据，用以判断驾驶员是否打瞌睡或睡着。该系统可制成体积较小的仪器，安装在驾驶室内驾驶员头顶上方，完全不影响驾驶员正常的驾驶活动。

方向盘监视装置S.A.M.(steering attention monitor)是一种监测方向盘非正常运动的传感器装置，适用于各种车辆。方向盘正常运动时传感器装置不报警，若方向盘4s不运动，S.A.M.就会发出报警声直到方向盘继续正常运动为止。S.A.M.被固定在车内录音机旁，方向盘下面的杆上装有一条磁性带，用以监测方向盘的运动。使用S.A.M.并不意味延长驾驶时间，而是要提醒驾驶员驾车时不要打瞌睡。另外，S.A.M.与录像机配合使用可以为保险公司提供证据。

DA S2000型路面警告系统(The DAS 2000 Road Alert System)是一种设置在高速公路上用计算机控制的红外线监测装置，当行驶车辆摆过道路中线或路肩时，向驾驶员发出警告。

反应时测试仪PVT(The psychomotor vigilance test)是根据驾驶员对仪器屏幕上随机出现的光点的反映(光点出现时敲击键盘)速度测试驾驶员的反应时，用以判断其疲劳程度。

日本成功研制了电子“清醒带”，使用时固定在驾驶员头部，将“清醒带”一端的插头插入车内点烟器的插座，装在带子里的半导体温差电偶使平展在前额部位的铝片变凉，使驾驶员睡意消除，精神振作。据说戴上这种“清醒带”，可以24h无睡意。“清醒带”使用电压12～14V，电流500mA，十分安全。这种装置国内已开始生产和销售。自2000年以来，随着计算机和集成电路制造技术的提高，使机动车驾驶员驾驶疲劳的研究有了进一步的发展。美国华盛顿大学的John Stern博士是世界上研究眼部动态和驾驶疲劳的权威人士之一，他领导的由美国联邦公路管理局和汽车联合会资助的研究所，通过自行开发的专用照相机、脑电图仪和其他仪器来精确测量头部运动、瞳孔直径变化和眨眼频率，用以研究驾驶行为等问题。研究结果表明，一般情况下人们眼睛闭合的时间在0.12～0.13s之间，驾驶时若眼睛闭合时间达到0.15s就很容易发生交通事故。宾夕法尼亚大学智能交通实验室和NHTSA采用PERCLOS(眼睛闭合时间占特定时间的百分率)作为精神生理疲劳程度的测量指标。精神生理疲劳程度的测量还采用脑电图仪electro encephalo graph(EEG)、头动探测器等，但是公认最有效的方法是PERCLOS法。2000年1月明尼苏达大学计算机科学与工程系的Nikolaos P.Papaniko lopoulos教授成功开发了一套驾驶员眼睛的追踪和定位系统，通过安置在车内的一个CCD摄像头监视驾驶员的脸部，实现以下功能：1)用快速简单的算法确定驾驶员眼睛在脸部图像中的确切位置和其他脸部特征；2)通过追踪多幅正面脸部特征图像来监控驾驶员是否驾驶疲劳；3)追踪多幅侧面脸部特征图像来估算驾驶员是否驾驶疲劳。2000年3月，Nikolaos P.Papaniko lopoulos对上述系统进行了改进，改用红外线彩色摄像头并加滤波器滤除图像的噪声和非脸部的图像，使搜索脸部图像的次数减少，加快了系统处理图像的速度。采用灰度模式匹配方法追踪输入图像序列来搜寻并确定眼睛区域，然后用同样的模式匹配方法来确定眼睛是睁开还是闭合。

在基于车辆行驶轨迹的驾驶疲劳识别方面也有许多定性分析，如S形行驶等。但至今尚无公认的定量分析方法，更缺乏基于车辆行驶轨迹的驾驶疲劳预警规律。

本发明通过在构建的半实物虚拟交通环境中模拟人-车-路(环境)系统的驾驶疲劳试验，通过试验找出驾驶疲劳过程的特征，发现车辆行驶轨迹与驾驶疲劳程度的关系，为进而建立基于车辆行驶轨迹的驾驶疲劳识别及预警提供定量依据，为交通安全管理提供系统解决方案。

发明内容

疲劳驾驶是引发交通事故发生的重要因素，由不疲劳到疲劳是一个渐进而且波动的动态过程，但在实际的交通环境中研究驾驶疲劳存在很大的风险性，因此，在半实物虚拟交通环境中研究驾驶疲劳是一个重要的方向。

驾驶人对汽车的控制就是控制汽车运动的方向与速度，实际上，也就是对方向盘、变速器、加速踏板和制动踏板的控制。驾驶人对汽车速度的控制从理论上讲就是驾驶员对汽车纵向力的控制，半实物虚拟交通环境可以实现对车辆转向、加速和制动等操作行为的模拟。驾驶场景在满足真实感的条件下采用优化技术尽可能地提高模型的渲染和显示速度，并且以单调直路作为驾驶人驾驶疲劳虚拟试验交通环境。

通过在构建的半实物虚拟交通环境中模拟人-车-路(环境)系统的驾驶疲劳样本试验，通过分析得到疲劳驾驶轨迹规律。为了最终得到汽车行驶轨迹与驾驶疲劳的关系，在Vega Prime的每帧循环中计算车辆中心离中心车道线的距离，并每隔0.2秒存入.txt文件，最终可以得到整个驾驶过程中汽车的行驶轨迹。同时，采用Procomp Infiniti生物反馈仪测量驾驶人的脑电、肌电等生理指标，并拍摄驾驶人的面部表情。

通过测试中驾驶人的面部表情与生理指标变化的数据对比表明，脑电信号与驾驶疲劳的关系密切。因此测试分析中采用驾驶人的面部表情和脑电波中δ波及θ波的百分比作为判断驾驶员的疲劳程度的基准。不同年龄不同驾驶经验的驾驶人测试表明，在半实物虚拟交通环境中驾驶约20分钟内，驾驶人的脑电波中δ波和θ波的百分比较低(大约为10％以下)，驾驶人的眼睛睁闭频率正常，表明驾驶人处于清醒状态；在驾驶大约20-50分钟时，δ波和θ波的百分比较高(大约为30％-50％)，驾驶人眼睛的睁闭频率较快，表明驾驶人处于中度疲劳状态或有疲劳倾向；在驾驶50-80分钟时，δ波和θ波的百分比较高(大约为40％以上)，驾驶人眼睛出现长时间闭合的现象，表明驾驶人处于疲劳状态逐步加重。

为分析建立车辆行驶轨迹与驾驶疲劳之间的关系模型，分别应用时域分析、频域分析、数理统计分析等方法。通过特征提取及利用判断驾驶员的疲劳程度的基准评判，确定采用时域分析和数理统计分析相结合的方法。

某驾驶人在半实物虚拟交通环境中驾驶16分钟到22分钟的汽车行驶轨迹如图1所示，图中虚线是车道线的位置。用判断驾驶员的疲劳程度的基准评判可知，在驾驶1115秒到1235秒时出现疲劳特征和趋势，从图1所示的汽车行驶轨迹中可以看出，在这个约120秒中出现四次接近车道线情况，而且间隔呈现递减趋势。试验的其他样本也出现类似特征，当驾驶人出现疲劳特征或处于中度疲劳状态时，车辆中心到车道中心线的距离有明显的变化，当车辆右前轮轨迹距右车道线偏距接近零的波动时间间隔逐渐变小时，驾驶人有明显趋向疲劳的迹象，通过行驶轨迹时域分析，研究确定了车辆右前轮轨迹距右车道线的周期递减驾驶疲劳初预警规律。

利用在半实物虚拟交通环境中驾驶的汽车行驶轨迹数据，用0.2s的采样间隔，按120s的时间滑动窗计算车辆中心行驶轨迹到车道中心线的距离即车道线偏距的方差，也得出汽车行驶轨迹与驾驶疲劳的关系。某驾驶人在半实物虚拟交通环境中驾驶2分钟到62分钟的车道线偏距的方差如图2所示。用判断驾驶员的疲劳程度的基准评判可知，在驾驶1115秒到1235秒时出现疲劳特征和趋势，由图2也明显看出该时段方差已超过0.4。

综合上述两个方面，当汽车行驶轨迹约120秒中出现四次接近车道线情况，而且间隔呈现递减趋势，同时用0.2s的采样间隔，按120s的时间滑动窗计算车辆中心行驶轨迹到车道中心线的距离即车道线偏距的方差超过0.4时，则可判断驾驶人出现疲劳特征或处于中度疲劳状态。

当驾驶人处于重度疲劳状态时，车辆中心到车道中心线的距离变化较大，往往冲进其它车道，如图3所示。结合交通工程学车辆跟驰及换车道规律和交通法规换车道要求，研究确定了车辆非正常换道严重疲劳驾驶报警规律，即车辆行驶轨迹跨过车道线而3秒内无回正和3秒内连续跨过两道车道线，则认为驾驶人处于重度疲劳状态。

附图说明

图1是某驾驶人在半实物虚拟交通环境中驾驶16分钟到22分钟的汽车行驶轨迹，图中虚线是车道线的位置。从图1所示的汽车行驶轨迹中可以看出，在这个约120秒中出现四次接近车道线情况，而且间隔呈现递减趋势。

图2是某驾驶人在半实物虚拟交通环境中驾驶2分钟到62分钟的车道线偏距的方差，用0.2s的采样间隔，按120s的时间滑动窗计算车辆中心行驶轨迹到车道中心线的距离即车道线偏距的方差，图2表明方差超过0.4的时段为驾驶人出现疲劳特征或处于中度疲劳状态。

图3表明当驾驶人处于重度疲劳状态时，车辆中心到车道中心线的距离变化较大，驾驶人驾驶车辆冲进其它车道的情况。

具体实施方式

利用车道线识别技术提取出道路中车道标识线或道路边界信息计算车道线偏距及跨越车道线情况，可利用本发明建立基于车辆行驶轨迹的驾驶疲劳识别及预警系统。

Claims (3)

1车辆前轮轨迹距车道线的周期递减驾驶疲劳初预警规律；通过在构建的半实物虚拟交通环境中模拟人-车-路(环境)系统的驾驶疲劳样本试验，采用驾驶人的面部表情和脑电波中δ波及θ波的百分比作为判断驾驶员的疲劳程度的基准，采用时域分析和数理统计分析相结合的方法，研究发现了车辆前轮轨迹距车道线的周期递减驾驶疲劳初预警规律。

2在权利要求1所述的车辆前轮轨迹距车道线的周期递减驾驶疲劳初预警规律，应用车道线偏距的方差驾驶疲劳判定界限，可判断驾驶人出现疲劳特征或处于中度疲劳状态并用于驾驶疲劳预警。

3在权利要求2所述的驾驶人出现疲劳特征或处于中度疲劳状态的驾驶疲劳预警规律基础上，应用车辆非正常换道严重疲劳驾驶报警规律，可完整建立基于车辆行驶轨迹的驾驶疲劳识别及预警系统。

Images