疲勞駕駛預(yù)警裝置設(shè)計(jì)研究

施紹賢 王巍 劉聰聰 陳佳新

摘 要：文章提出了一種基于信息融合技術(shù)的疲勞駕駛預(yù)警裝置設(shè)計(jì)思路，即通過(guò)多傳感器檢測(cè)駕駛員駕駛過(guò)程中的生理信號(hào)，應(yīng)用無(wú)線傳輸技術(shù)將信號(hào)發(fā)送至終端設(shè)備，并通過(guò)信息融合的手段對(duì)信號(hào)進(jìn)行分析處理，從而完成對(duì)駕駛員駕駛狀態(tài)的監(jiān)測(cè)和疲勞駕駛的預(yù)警。與市場(chǎng)已有的產(chǎn)品相比，該設(shè)計(jì)擁有較高的準(zhǔn)確性和較低的成本，具有一定的推廣意義。

關(guān)鍵詞：疲勞駕駛；肌電信號(hào)；心率信號(hào)；信息融合

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）16-0038-02

Abstract： In this paper， a design idea of fatigue driving warning device based on information fusion technology is put forward， that is， the physiological signal in driver's driving process is detected by multi-sensor， and the signal is sent to terminal equipment by wireless transmission technology， and the signal analysis is conducted through the means of information fusion and processing， so as to complete the driver's driving state monitoring and fatigue driving prewarning. Compared with the existing products in the market， the design has higher accuracy and lower cost， and has a certain promotion significance.

Keywords： fatigue driving； EMG signal； heart rate signal； information fusion

1 概述

伴隨著國(guó)民經(jīng)濟(jì)的飛速發(fā)展，社會(huì)機(jī)動(dòng)車保有量急速上升。截至2017年3月底，全國(guó)機(jī)動(dòng)車保有量首次突破3億輛，其中汽車駕駛?cè)?.2億人[1]。機(jī)動(dòng)車數(shù)量的增加在方便人們出行的同時(shí)，也給我國(guó)的交通事業(yè)帶來(lái)了很多負(fù)面問(wèn)題，交通事故的逐年增加即是其一。依據(jù)世界衛(wèi)生組織發(fā)布的研究，37.91%的交通事故是由疲勞駕駛引起的，而這個(gè)比例還在逐年上升。因此疲勞駕駛監(jiān)測(cè)技術(shù)已越來(lái)越多地受到各個(gè)國(guó)家的重視，國(guó)內(nèi)外相關(guān)領(lǐng)域的學(xué)者和研究團(tuán)隊(duì)對(duì)檢測(cè)方法和裝置設(shè)計(jì)進(jìn)行了深入的研究并取得一定的成果。然而現(xiàn)有檢測(cè)設(shè)備難以推廣應(yīng)用，要么檢測(cè)效果不理想，指標(biāo)單一，出現(xiàn)誤報(bào)；要么成本太高，例如比亞迪汽車推出的疲勞駕駛預(yù)警系統(tǒng)（CRAWS），沃爾沃汽車配備的駕駛員安全警告系統(tǒng)（DAC）等僅在其高配車型中裝配。鑒于以上的情況，我們提供了一種疲勞駕駛預(yù)警裝置設(shè)計(jì)思路，該設(shè)計(jì)通過(guò)檢測(cè)駕駛員駕駛過(guò)程中的肌電信號(hào)和心率信號(hào)，并以無(wú)線傳輸?shù)姆绞絺魅虢K端設(shè)備，在終端設(shè)備上以信息融合的手段建立了疲勞狀態(tài)預(yù)警模型對(duì)收集到的信號(hào)進(jìn)行處理從而完成整個(gè)預(yù)警過(guò)程。

2 肌電信號(hào)檢測(cè)

2.1 肌電信號(hào)檢測(cè)原理

表面肌電信號(hào)（sEMG）是從表面肌電拾取電極記錄下來(lái)的一種非線性非平穩(wěn)信號(hào)，能夠?qū)崟r(shí)、準(zhǔn)確地在非損傷狀態(tài)下反映肌肉和骨骼活動(dòng)相關(guān)信息[2]。表面肌電信號(hào)比較微弱，頻率較低，檢測(cè)過(guò)程中有參考價(jià)值的信號(hào)主要分布在10Hz～500Hz之間，其幅值僅為μV級(jí)，且其信號(hào)強(qiáng)度在皮膚和肌肉組織的影響下有所衰減。表面肌電信號(hào)所記錄的是整塊肌肉綜合電位信號(hào)，其統(tǒng)計(jì)學(xué)特性隨時(shí)間變化而變化，具有隨機(jī)性。此外，表面電極片需通過(guò)皮膚的藕合來(lái)測(cè)量，故檢測(cè)到的表面肌電信號(hào)更易受電極的安置位置、環(huán)境的溫度和濕度等各種隨機(jī)因素的影響[3]。根據(jù)生物力學(xué)的相關(guān)研究，駕駛員長(zhǎng)時(shí)間處于坐姿會(huì)擠壓椎間盤，使其所受壓力分布不均勻從而升高脊柱內(nèi)壓。由于腰椎處于脊柱的最低位，負(fù)荷相當(dāng)大，又是活動(dòng)段與固定段的交界處，因而損傷機(jī)會(huì)更多。同時(shí)駕駛過(guò)程中由于道路不平整而出現(xiàn)的顛簸導(dǎo)致肌肉過(guò)度的代償和負(fù)載都會(huì)使腰背肌出現(xiàn)損傷和疲勞，由此可見(jiàn)監(jiān)測(cè)駕駛員腰部肌肉狀態(tài)能夠反應(yīng)駕駛員疲勞狀態(tài)。對(duì)照分析腰部肌肉的分工職能，最終確定腰部豎脊肌作為被試肌肉。

2.2 肌電信號(hào)采集和處理

在采集肌電信號(hào)時(shí)，將檢測(cè)傳感器固定在腰部豎脊肌，駕駛員在駕駛過(guò)程中腰部肌電信號(hào)經(jīng)由傳感器進(jìn)入處理電路并完成放大和濾波處理，使得微弱的、帶有干擾的肌電信號(hào)轉(zhuǎn)化為清晰的信號(hào)傳入單片機(jī)，并完成A/D轉(zhuǎn)換。通過(guò)單片機(jī)控制藍(lán)牙模塊將處理后的信號(hào)傳輸至外部終端。相關(guān)研究表明，隨著駕駛時(shí)間的增長(zhǎng)，駕駛員疲勞程度加深，體表肌電信號(hào)中值頻率MF不斷下降，EMG幅值不斷上升[4]。因此選用中值頻率MF和作為疲勞特征參數(shù)。

3 心率信號(hào)檢測(cè)

3.1 心率信號(hào)檢測(cè)原理

傳統(tǒng)的心率測(cè)量方法受使用條件、測(cè)量部位、測(cè)量方式等因素的限制，多用于醫(yī)學(xué)方面測(cè)量，而光電容積脈搏波描記法（Photo Plethysmo Graphy，簡(jiǎn)稱PPG）作為一種典型的非侵入式測(cè)量方法，逐漸受到相關(guān)研究人員的青睞。光電容積脈搏波描記法是基于光電手段在活體組織中檢測(cè)血液容積變化的一種無(wú)創(chuàng)檢測(cè)方法，當(dāng)一定波長(zhǎng)的光束照射到皮膚表面時(shí)，其中皮膚肌肉、組織等對(duì)光的吸收在整個(gè)血液循環(huán)中是保持恒定不變的，而外周血管的收縮與舒張受心臟的周期性波動(dòng)呈周期性變化，因此通過(guò)反射方式接收到的PPG信號(hào)也呈周期性變化。光電容積脈搏波描記法有透射式和反射式兩種，透射式的較理想的測(cè)量部位是耳垂，指尖等較薄的身體部位，而反射式的測(cè)量部位理論上可以是任何裸露的皮膚表面，更適合于實(shí)驗(yàn)測(cè)試?？紤]到便攜、對(duì)駕駛員不產(chǎn)生干擾等因素，故選擇手腕作為測(cè)試部位，且采用反射式。

3.2 心率信號(hào)的采集和處理

在采集心率信號(hào)時(shí)，將由兩個(gè)LED和一個(gè)光電傳感器組成的傳感單元放置于手腕處的皮膚上。LED的光通過(guò)皮膚肌肉、血管后，一部分被血液中的氧合血紅蛋白吸收，一部分被反射，反射后的光有一部分會(huì)被光電傳感器接收，從而獲取原始PPG信號(hào)[5]。光電傳感器在接收到原始PPG信號(hào)以后，會(huì)產(chǎn)生電流信號(hào)，將此電流信號(hào)轉(zhuǎn)換為電壓信號(hào)，然后對(duì)轉(zhuǎn)換后的信號(hào)進(jìn)行放大處理和低通濾波處理，之后對(duì)信號(hào)進(jìn)行采樣， 在A/D轉(zhuǎn)換后再把數(shù)字信號(hào)進(jìn)行低通濾波和放大處理，最后傳輸至終端，由終端對(duì)信號(hào)進(jìn)行最終處理，從而可以計(jì)算出心率數(shù)據(jù)，得到心率波動(dòng)值。相關(guān)研究表明，當(dāng)駕駛員處于清醒狀態(tài)時(shí)，波動(dòng)值的變化范圍更大；當(dāng)駕駛員處于疲勞狀態(tài)時(shí)，波動(dòng)值的變化范圍更小，并且趨于平穩(wěn)[6]，因此選用心率波動(dòng)作為疲勞特征參數(shù)。

4 算法設(shè)計(jì)

經(jīng)過(guò)以上的工作我們確定了中值頻率MF，EMG幅值和心率波動(dòng)為疲勞特征參數(shù)。多個(gè)參數(shù)之間可以互相彌補(bǔ)其檢測(cè)過(guò)程中的信息缺失從而提高檢測(cè)精度，然而由不同參數(shù)得出的預(yù)測(cè)結(jié)果也有可能因相互影響而產(chǎn)生矛盾。為進(jìn)一步建立準(zhǔn)確的疲勞預(yù)測(cè)模型，我們選取D-S理論對(duì)其進(jìn)行信息融合。D-S理論是由Dempster與Shafer提出并改善而形成的一種對(duì)不確定信息進(jìn)行識(shí)別、融合的數(shù)據(jù)推理算法。其基于不確定推理，可有效融合多個(gè)傳感器的不同信息，有較強(qiáng)的決策處理能力[7]。其基本思想就是將整個(gè)證據(jù)集合（即識(shí)別框架）劃成若干個(gè)互不相關(guān)的部分，得到多個(gè)信任度不同并能完成獨(dú)立判斷的基本概率分配函數(shù)，然后利用D-S組合規(guī)則對(duì)它們進(jìn)行融合。我們依據(jù)疲勞特征參數(shù)，通過(guò)運(yùn)用、訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)，將相關(guān)專家的經(jīng)驗(yàn)判斷和采集的模糊信息一并融入疲勞決策過(guò)程，利用模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度快、識(shí)別精度高等優(yōu)點(diǎn)，將其輸出的結(jié)果歸一化后設(shè)置為基本概率函數(shù)，最后采用D-S理論與模糊神經(jīng)網(wǎng)絡(luò)相融合，完成疲勞決策模型設(shè)計(jì)，進(jìn)一步判定駕駛員駕駛狀態(tài)。

5 結(jié)束語(yǔ)

本論文所提出的疲勞駕駛預(yù)警裝置設(shè)計(jì)思路是通過(guò)對(duì)駕駛員駕駛過(guò)程中肌電信號(hào)和心率信號(hào)的檢測(cè)，以無(wú)線傳輸?shù)姆绞桨l(fā)送至終端。在終端設(shè)備以信息融合為基礎(chǔ)對(duì)疲勞預(yù)警模型進(jìn)行設(shè)計(jì)，并對(duì)接收到的信號(hào)進(jìn)行處理從而完成整個(gè)預(yù)警過(guò)程。該設(shè)計(jì)具有以下優(yōu)點(diǎn)：（1）駕駛員生理信號(hào)會(huì)通過(guò)無(wú)線傳輸?shù)姆绞綄?shí)時(shí)傳輸至終端設(shè)備，便于實(shí)時(shí)監(jiān)測(cè)駕駛員駕駛狀態(tài)。（2）以信息融合為基礎(chǔ)，將中值頻率MF，EMG幅值和心率波動(dòng)共同作為預(yù)測(cè)指標(biāo)去評(píng)估駕駛員駕駛狀態(tài)，預(yù)測(cè)結(jié)果更準(zhǔn)確。（3）與市場(chǎng)上現(xiàn)有的疲勞駕駛預(yù)警系統(tǒng)相比，傳感器數(shù)量更少，設(shè)備成本更低。

參考文獻(xiàn)：

[1]2017年一季度全國(guó)機(jī)動(dòng)車和駕駛?cè)藬?shù)據(jù)公布[J].道路交通管

理，2017，No.393（5）：10.

[2]席旭剛，武昊，羅志增.基于EMD自相關(guān)的表面肌電信號(hào)消噪方法[J].儀器儀表學(xué)報(bào)，2014，v.35（11）：2494-2500.

[3]左鵬飛，路知遠(yuǎn)，張永強(qiáng)，等.32通道無(wú)線表面肌電和加速度信號(hào)采集系統(tǒng)設(shè)計(jì)[J].傳感技術(shù)學(xué)報(bào)，2013，v.26（6）：790-795.

[4]鄭培.機(jī)動(dòng)車駕駛員駕駛疲勞測(cè)評(píng)方法的研究狀況及發(fā)展趨勢(shì)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2001，6（6）：101-105

[5]石萍，喻洪流.光電容積描記技術(shù)原理及其應(yīng)用[J].生物醫(yī)學(xué)工程學(xué)雜志，2013，v.30（4）：899-904.

[6]毛 .基于駕駛員生理特征分析的駕駛疲勞狀態(tài)識(shí)別方法研究[D].武漢理工大學(xué)，2006.

[7]鄧三鵬，楊雪翠，苗德華，等.基于D-S證據(jù)理論的駕駛員疲勞監(jiān)測(cè)方法研究[J].車輛與動(dòng)力技術(shù)，2010.