牛 晶
(天水師范學院,甘肅 天水 741001)
隨著全球范圍內車輛保有量的增加,交通事故數(shù)量的急速增長已經成為一個嚴峻的社會問題。據(jù)相關數(shù)據(jù)統(tǒng)計,每年交通事故中有約三分之一的人員傷亡是由疲勞駕駛造成的[1]。疲勞駕駛一般是指駕駛人在一定長時間的行車后,產生疲倦,四肢僵硬、麻木、判斷力下降,出現(xiàn)動作遲緩或過早轉動方向盤的現(xiàn)象[2]。因此,尋找車輛疲勞駕駛的產生機理,研究并實施可行的疲勞駕駛檢測方法和檢測設備,能在第一時間為駕駛員發(fā)送疲勞駕駛預警信號,將會很大程度上減少交通事故的發(fā)生。
對大多數(shù)駕駛員而言,往往進入疲勞駕駛狀態(tài)是不自覺的,如在開車過程中,駕駛員會經常瞇眼睛,無故頻繁地變更車道,甚至走神,這些其實都是疲勞駕駛的征兆。
疲勞駕駛的表現(xiàn)特征從表現(xiàn)方式上可以分為生理特征和心理特征兩類。根據(jù)駕駛時間的長短,長時間疲勞駕駛和短時間疲勞駕駛所表現(xiàn)出的特征有一定區(qū)別。
短時間疲勞駕駛的生理特征:(1)頻繁眨眼;(2)換擋不及時,不準確;(3)汽車不隨路況及時改變車速等。長時間疲勞駕駛的生理特征:(1)哈欠連天,頻繁點頭;(2)眼睛發(fā)干,發(fā)痛,視線模糊;(3)精神不振,反應遲鈍,判斷遲緩;(4)下意識操縱轉向盤,分不清方位等。
疲勞駕駛的心理特征主要體現(xiàn)在以下幾個方面:(1)長期受職業(yè)病困擾,對駕駛職業(yè)喪失信心;(2)對交通事故的耳濡目染,甚至親生經歷導致的心有余悸;(3)從業(yè)壓力的增大。
國內外普遍認為駕駛員行業(yè)是個高強度高危行業(yè),主要是由于在行車過程中,駕駛員需要時刻接受來自路面,其他車輛,環(huán)境的各種信息,并`及時做出有效地判斷,決策和動作。在此過程中駕駛員的中樞神經系統(tǒng)始終處于高度緊張狀態(tài),容易導致他們產生疲勞。同時,駕駛員的肢體因為不斷地動作,也會引起肩,臂,腿,腰等部位的疲勞??傮w來說,產生疲勞駕駛的因素主要體現(xiàn)在以下幾個方面:
(1)駕駛員睡眠不足。每個人都有著一定的生理周期,內臟器官需要有序地平衡調節(jié),人們的作息習慣也應該順應機體有序張馳,才能保證充沛的精力。
(2)駕駛員連續(xù)行車。交通安全法要求駕駛員一天累計工作時間不得超過8小時,沒有額外的加班時間,其中連續(xù)行車不得超過4小時,每2小時要休息至少20分鐘以上,,每4小時要休息1小時以上。連續(xù)行車,駕駛員視覺系統(tǒng)容易疲憊,特別是行車環(huán)境單一,駕駛員對速度和距離感知能力下降。
(3)夜間行車。夜間行車的事故率占所有事故的30%~50%,它的最大危險源于視線不良,駕駛員的視野范圍變小變短,視距中心主要集中在車前方50米左右的范圍內。夜間遠、近光燈應科學合理使用,使用不當會給會車方向的駕駛員造成眩目。由于視線不良,內外后視鏡基本不能發(fā)揮應有的作用。駕駛員必須保持高度的注意力、眨眼的頻率自然降低,持續(xù)時間長后會導致眼睛干澀疲勞,最終導致駕駛疲勞。
早期車輛疲勞駕駛的檢測方法主要是從醫(yī)學角度,借助醫(yī)療設備進行的。具有代表性的方法檢測手段有腦電圖、心電圖、眼電圖、肌電圖、呼吸氣流、動脈血氧飽和度等,這些檢測結果一般都能比較準確表征駕駛員的疲勞狀態(tài),但在駕駛室安裝這樣的儀器設備一般不現(xiàn)實[3]。
上世紀 90年代,車輛疲勞駕駛的檢測方法有了巨大突破,很多國家開始著手研究車載電子檢測裝置的應用。具有代表性的是美國的打瞌睡駕駛員偵探系統(tǒng)(DDDS),采用多普勒雷達和復雜的信號處理方法,通過獲取駕駛員的情緒特征、眨眼頻率和持續(xù)時間,用以判斷駕駛員是否疲倦。
我國開展疲勞駕駛研究的時間較晚,始于上世紀 60年代,最初的研究對象是飛行員。1991年哈爾濱工業(yè)大學的郭德文教授指出疲勞是一種自然保護反應,它不但與勞動強度有關,而且還與心情、健康程度、環(huán)境、興趣和工作績效有關。在肌肉表面固定好表面電極,肌電信號經表面電極傳至肌電圖記錄儀,可以看出:肌電圖的頻率隨著疲勞的產生和疲勞程度的加深呈下降趨勢,而肌電圖的幅值增大則表明疲勞程度增大。2000年,石堅等人(上海交通大學)通過傳感器測量駕駛員操縱方向盤、踏板等的運動參數(shù)來判別駕駛員的安全因素,發(fā)現(xiàn)方向盤的操縱情況與駕駛員的疲勞程度具有一定聯(lián)系,方向盤長時間不動說明駕駛員在打瞌睡。總體來看我國對車輛疲勞駕駛的研究檢測方法的研究相比歐美發(fā)達國家還有一定差距。
總體來說,目前對車輛疲勞駕駛的檢測方法有很多,主要可以分為:(1)基于駕駛員本身生理特征的檢測方法;(2)基于駕駛員操作特征的檢測方法;(3)基于汽車行駛狀態(tài)的檢測方法;(4)多特征信息融合方法;(5)駕駛員日常駕駛習慣記錄法。
據(jù)相關研究表明,人體在疲勞狀態(tài)下,生理反應會變得遲鈍,即人體生理信號的響應會出現(xiàn)延遲,指標也會偏離正常的狀態(tài)。因此可以利用一些生理指標傳感器來判斷駕駛員是否進入疲勞狀態(tài)。目前常見的檢測方法有檢測駕駛員的腦電信號、心電信號、皮電信號、呼吸頻率、面部特征等。
一些研究者發(fā)現(xiàn),腦電波(EFG)與疲勞之間有一定關系,疲勞狀態(tài)變化過程中,delta波和theta波增加,alpha波和beta波降低?;谀X電波與疲勞程度的這一關系,分別選取alpha波和theta波在某一頻帶的平均功率譜密度比值作為疲勞駕駛的評價指標。
浙江大學的董占勛等人通過心率變異性檢測(HRV)與眼動跟蹤同步試驗研究,在 HRV信號的線性指標中,表征交感2副交感神經張力平衡狀態(tài)的頻譜低頻與高頻部分比值與 PERCLOSp80值的相關程度最大,皮爾遜相關系數(shù)達到0.728。所以研究心率(HR)指標和HRV指標對于描述駕駛疲勞具有潛在的意義[4]。
目前被認為最有實際應用前景的疲勞檢測方法是檢測一定時間內眼睛閉合時所占的時間比例??梢跃C合檢測平均睜眼程度、最長眼睛閉合時間的特征作為疲勞指標,通過眼睛特征檢測駕駛員的疲勞程度,不會對駕駛員行為帶來任何干擾,因此它成為這一領域的研究熱點。
基于駕駛員生理信號的檢測方法一般準確度都較高,但是檢測設備需要接觸駕駛員身體,會干擾駕駛員的正常操作,影響行車安全。所以,這些方法的實際應用有一定局限性。
駕駛員在行車過程中,如果進入疲勞狀態(tài),對方向盤的操作會發(fā)生一些不由自主的變化。比如,對方向盤的握緊力會減小,方向盤轉角左右擺動的幅度會比較大等。駕駛員對方向盤的操作特征能間接、實時地反應駕駛員的疲勞程度,具有可靠性高、無接觸的有點,但由于傳感器技術的限制,其準確度有待提高。
這種檢測方法主要利用 CCD攝像頭和車載傳感器檢測車輛本身的速度、側向加速度、橫向位移量、車道偏離和車輛行駛軌跡的變化等特征來推測駕駛人的疲勞狀態(tài)。文獻[2,3]通過模擬駕駛獲得車輛行駛相關的參數(shù)如車速、方向盤角度、加速狀態(tài)等,去噪后用小波分析提出高頻信號特征,然后構造正常情況以及非正常情況的分類器[5]。目前,準確度較高的是以駕駛員面部表情和生理信號參數(shù)作為判斷駕駛員疲勞程度的基準,然后建立疲勞與車輛行駛軌跡的關系模型。
這種檢測方法的檢測設備無需接觸駕駛員,只需增加少量的硬件設施,有很高的實用價值。缺點是受到車輛的具體型號、道路的具體狀況和駕駛員個人駕駛習慣、駕駛經驗和駕駛條件的限制,準確性有待進一步提高。
從汽車主動安全出發(fā),利用數(shù)字圖像信號處理和傳感器技術,綜合駕駛員的各種疲勞特征信息對駕駛員的疲勞狀態(tài)進行判別與預警,大大降低了采用單一特征造成的誤警或漏警現(xiàn)象。華南理工大學提出了一種基于多元信息融合技術的駕駛員疲勞檢測方法[6],即利用攝像頭和傳感器等裝置檢測眼睛特征、視線方向和駕駛行為,結合信息融合理論建立疲勞特征的判決構架,準確判斷駕駛員的疲勞狀態(tài)。
目前,國內外對駕駛員疲勞狀態(tài)的檢測手段和方法有很多,但大多還停留在實驗室階段,量產化的實際應用受到一些瓶頸制約。對現(xiàn)有檢測方法的不足總結如下:
(1)現(xiàn)有的疲勞檢測設備有的檢測精度不高,有的成本太高。尋求高性價比的疲勞駕駛檢測設備是目前的研究熱點。
(2)現(xiàn)有的檢測手段正朝著非接觸式方向發(fā)展,但是這種方法受人體差異和環(huán)境因素多變,測量難度增加。
(3)疲勞檢測系統(tǒng)應該智能化,能夠自學習,能夠完成適應于個體差異的疲勞特征提取。
參考文獻
[1] 毛喆,初新民,嚴新平等.汽車駕駛員駕駛監(jiān)測技術研究進展[J].中國安全科學學報,2005,15(3):108-112.
[2] 鄭培,宋正河,周一鳴.機動車駕駛員駕駛疲勞測評方法的研究狀況及發(fā)展趨勢[J].中國農業(yè)大學學報,2001,6(6):101-105.
[3] 彭軍強,吳平東,殷罡.疲勞駕駛的腦電特性探索[J].北京理工大學學報,2007,27(7):585-588.
[4] 董占勛,孫守遷,吳群等.心率變異性與駕駛疲勞相關性研究[J].浙江大學學報(工學版),2010,44(1):46-50.
[5] 高利.駕駛人疲勞與車輛行駛軌跡的關系模型,發(fā)明專利申請公布說明書[Z]20091007924.8.
[6] 湯一平,樓勇攀,周宗思.基于全方位視覺傳感器的駕駛疲勞視頻監(jiān)測裝置的設計[J].計算機測量與控制,2008,16(9):1233-1236.