莊杰

摘要 本項目研究開發(fā)基于人車耦合的安全駕駛行為預警關鍵技術，所涉及的技術領域包括車聯(lián)網、移動互聯(lián)網、智能視頻分析、深度感知、腦電波分析、衛(wèi)星定位、車輛運動狀態(tài)感知、大數(shù)據(jù)挖掘這些前沿科技領域。本次關鍵技術設計提出了通過實時采集駕駛人生理特征指標數(shù)據(jù)及車輛運動狀態(tài)特征指標數(shù)據(jù)兩個方面的路徑進行監(jiān)測預警，提高駕駛安全系數(shù)。

【關鍵詞】安全駕駛 預警技術 駕駛行為 人車耦合

汽車安全駕駛及預警設備系統(tǒng)作為三大市場之一具有非常巨大的潛能。經過多年的培育，市場已逐步成長起來，在某些熱點領域需求十分明顯，例如：緊急救援報警（含防盜報警與特種車輛）市場;車輛調度管理型應用產品市場;自主導航系統(tǒng);與通訊機結合的產品市場需求量將逐步成為各項之首;與智能交通系統(tǒng)的緊密結合，基于車聯(lián)網及大數(shù)據(jù)環(huán)境下的平臺系統(tǒng)是最佳解決方案。

1 安全駕駛行為預警研判技術

監(jiān)測駕駛員個性特征的的預警和車輛狀態(tài)感知的預警相結合的信息融合判斷技術，將為車輛安全駕駛預警提供一個新的思路，因為其融合信息的綜合性和預警層次性，同時廣泛利用了現(xiàn)代信息處理技術的快速、準確等特點，融合了二者獨立判斷預警的優(yōu)勢，必將是交通車輛安全預警的發(fā)展趨勢。

通過車載監(jiān)測預警處理器，對匯集到的駕駛人生理特征指標數(shù)據(jù)和車輛運動狀態(tài)特征指標數(shù)據(jù)進行數(shù)據(jù)融合，實時判別車輛的運動狀態(tài)，一旦發(fā)現(xiàn)危險狀態(tài)就啟動車載預警模塊。另外，車載監(jiān)測預警處理器還實時接收從大數(shù)據(jù)駕駛行為云計算中心傳輸回來的安全駕駛判別準則及預警參數(shù)，對實時預警門限進行及時調整，以提高實時預警響應的準確性。由于車載監(jiān)測預警處理器就位于車內，被集成到GPS/BDS定位子系統(tǒng)中，因此可以在最短的距離和時間內對所發(fā)生的駕駛行為和車輛危險狀態(tài)進行識別和預警，初步分析，基于人車耦合的車載安全駕駛預警時間不超過1秒鐘，達到高速運動狀態(tài)下的實時預警需要。

安全駕駛行為監(jiān)測及預警是實現(xiàn)車輛主動安全運行的根本途徑。根據(jù)前面的研究，假設已經可以對安全駕駛行為進行實時監(jiān)測與跟蹤了，但是，如何將監(jiān)測到的危險等級情況，通過預警的方式，作用于駕駛人員、作用于車外的交通參與者呢？

通常來講，從預警的手段來看，主要有：

（1）簡單實用的聲音預警

（2）簡單實用的光閃預警

（3）切斷車輛動力的預警

從預警的對象來看，主要有：

（1）針對車內駕駛人員的預警

（2）針對車外相鄰交通體的預警

這三種預警方式，都是非?？茖W有效的預警手段。但是，需要認真研究解決的關鍵技術問題包括，如何科學設定預警的等級，如何確保預警不產生次生安全問題，如何確保預警不產生次生事故，如何確保預警的效用，都涉及預警等級設計問題。

預警等級的設計必須考慮駕駛人員對車輛運動危險性的敏感反應度。由于駕駛人員從年齡層次分，駕駛人員可分為老年、中年、青年三大類別;從性別來分，駕駛人員可分男士、女士兩個類別;從駕駛熟練程度分，駕駛人員可分為新手和熟手兩種類型。這些不同類型的駕駛人員對聲音頻率、聲強的反應都存在一定的差異，對駕駛人員的反應、行為、敏感性等研究需要涉及人體工效學、心理學、管理學等諸多交叉學科知識，換言之，科學合理的預警等級設計是本項目面臨的又一個關鍵技術問題。

2 駕駛行為預警模型與方法

2.1 預警安全距離模型

設定車輛緊急制動后不予前方車輛相撞所需要的最小距離為d0（根據(jù)車速的不同，一般為2至5米之間），那么在車輛通過預警方

2.2 車內車外預警方法

2.2.1 車內蜂鳴器預警方法

結合現(xiàn)有研究，宜將安全風險等級劃分為五個等級，分別是安全（0-30）、注意（30-50）、有可能危險（50-70）、危險（70-80）、嚴重危險（90-100），據(jù)此也對蜂鳴器的聲強與聲頻進行分等級設置。

一旦車輛運動狀態(tài)和駕駛員生理特性指標恢復正常狀態(tài)，即解除車內蜂鳴器警報。如果危險等級持續(xù)5秒以上還未減輕或解除風險，則自動啟動車外警示燈閃爍，以提醒周邊車輛和行人。

2.2.2 車外警示燈閃爍

當車內蜂鳴器預警失效，則啟動車外警示燈閃爍以提醒路人和周圍車輛注意安全。同時，如果周圍車輛也配置了與本車相同的ZigBee無線通信模塊和相同的通信信令，則可以主動與周圍車輛建立車聯(lián)網絡，將車輛的預警信息通過ZigBee推送給周圍車輛。當車內預警信號降級或解除時，車外警示燈閃爍預警模式自動解除。

3 人車耦合預警判別技術

駕駛人生理特性、車輛運動狀態(tài)、駕駛人駕駛行為之間必然存在著耦合關系。駕駛人生理特性本身是駕駛行為的直接體現(xiàn)，而駕駛行為又直接影響了車輛的運動狀態(tài)，而車輛運動狀態(tài)反過來又會影響駕駛人的生理特性，因此，這三者之間存在耦合關系，如圖2所示。

車輛狀態(tài)與駕駛行為之間必然存在著強相關關系，這是因為，駕駛行為是通過車輛的運動來體現(xiàn)的，比如車輛加速狀態(tài)，就與駕駛員足踩油門有關，如果駕駛員松開油門，則車輛將失去動力，必然減速。由以上分析可知，車輛狀態(tài)大致包括：直行、左轉、右轉、倒車、上坡、下坡、加速、減速、轉彎、變道、剎車、翻滾等，而駕駛行為則包括加油、踩剎車、急打方向盤、雙手松開方向盤、抽煙、打電話等。如果將車輛狀態(tài)與駕駛行為建立聯(lián)系，從而實現(xiàn)人車耦合安全駕駛，是本項目要研究解決的另一個關鍵技術問題。

如圖3所示，基于車輛狀態(tài)感知的駕駛行為分析實際上是要建立車輛狀態(tài)與駕駛行為之間的函數(shù)關系，很顯然，車輛狀態(tài)是隨著駕駛行為的變化而變化的，故用通用模型表達就是F=f（X），其中，X表示駕駛行為，是自變量，F(xiàn)表示車輛狀態(tài)，是因變量。建立起這樣一個模型，并且進行科學的模型參數(shù)標定，就是研究和解決人.車耦合關系，為實現(xiàn)車輛的主動安全預警提供理論支持。

7 結論

對行駛車輛安全駕駛危險信號的采集和預警，無非從兩個方面著手：一是對駕駛員個人體征的判斷;二是對行駛車輛狀態(tài)的判斷。當前的研究還沒有將二者信息有效地融合起來，綜合判斷車輛安全性的報道。但是，無論是通過判別駕駛員個人體征還是通過行駛車輛狀態(tài)的判斷，其判斷依據(jù)和預警策略都顯得單一，沒有層次性，從而很難準確、迅速地判斷出駕駛員或者車輛的異常狀態(tài)。本次項目的技術研究，把駕駛員行為、生理預警和車輛狀態(tài)感知的預警相結合的信息融合判斷技術，將為車輛安全駕駛預警提供一個新的思路，因為其融合信息的綜合性和預警層次性，同時廣泛利用了現(xiàn)代信息處理技術的快速、準確等特點，融合了二者獨立判斷預警的優(yōu)勢，必將是交通車輛安全預警的發(fā)展趨勢，本項目也就是基于這個融合技術的方向，采用了基于可穿戴設備駕駛人生理特性數(shù)據(jù)采集的駕駛員駕駛行為預警技術和基于物聯(lián)網車輛狀態(tài)感知的駕駛行為辨識技術相結合的技術方案，運用大數(shù)據(jù)、云計算的分析手段，對駕駛人生理特征與車輛狀態(tài)耦合分析，最終實現(xiàn)對駕駛人非正常駕駛行為的實時預警。

參考文獻

[1]A. Broggi，G.Conte，F(xiàn).Gregorett i，C. Sansoe and L.M.Reyneri. TheEvolution of the PAPRICA System.Integrated Computer-AidedEngineering Journal - SpecialIssue on Massively ParallelComputing，4（02）：114-136，1997.

[2]V. Cantoni and M.Ferretti. FyramidalArchitectures for Computer Vision.Plenum Press，London，1993.

[3]G.H. Forman and J.Zahorjan. TheChallenge of Mobile Computing.Computer， 27 （04）： 38-47， Apr. 1994.

[4]鄧學鈞.路基路面工程[M].北京：人民交通出版社，2 000.

[5]鄧學鈞，黃曉明+路面設計原理與方法[M].北京：人民交通出版社，2001.

[6]嚴天一，劉大維，陳煥明等，基于主動懸架系統(tǒng)車輛的道路友好性[M].機械工程學報，2007，43 （02）：163-167

[7]楊紹普，陳立群，李韶華，車輛一道路耦合系統(tǒng)動力學研究[M].北京：科學出版社，2012 （12）.

[8]山崎俊一，王宏雁，陳君毅，南日光，董樂群，交通事故分析基礎與應用，北京：北京大學出版社，2012（03）.