吳譚 張俊華 練云翔 袁會強(qiáng)
摘 要:為減少因疲勞駕駛引發(fā)的交通事故,降低交通參與者生命財產(chǎn)受損風(fēng)險,本文設(shè)計了一種基于物聯(lián)網(wǎng)的道路客運(yùn)車輛駕駛員疲勞駕駛監(jiān)測系統(tǒng)。該系統(tǒng)具有三個部分,分別是可穿戴設(shè)備采集終端、智能手機(jī)軟件和監(jiān)控中心監(jiān)測終端,其中監(jiān)測系統(tǒng)有效連接駕駛員和監(jiān)控中心,當(dāng)終端節(jié)點采集的數(shù)據(jù)超過閾值,監(jiān)控人員將及時干預(yù)駕駛員,有效實現(xiàn)風(fēng)險預(yù)警。實際測試結(jié)果表明,該系統(tǒng)疲勞判定的準(zhǔn)確率達(dá)94%以上,可用性高穩(wěn)定性強(qiáng),具有較好的應(yīng)用前景。
關(guān)鍵詞:交通安全 疲勞駕駛 疲勞監(jiān)測 物聯(lián)網(wǎng)
1 引言
21世紀(jì)以來,我國機(jī)動車數(shù)量的快速增加,截止2021年機(jī)動車保有量達(dá)4億輛,道路交通安全事故屢屢發(fā)生,給人民群眾造成不可挽回的生命財產(chǎn)損失。其中疲勞駕駛、酒后駕駛、意外疾病等因素作為引發(fā)重特大交通安全事故的主要原因,是智能交通系統(tǒng)開發(fā)的重點方向之一。據(jù)《中國統(tǒng)計年鑒》數(shù)據(jù),2021年中國交通事故受傷人數(shù)250723人,交通事故死亡人數(shù)為61703人。通過近十年數(shù)據(jù)分析可知,40%的重特大交通事故及83%的交通死亡人數(shù)均是由于疲勞駕駛導(dǎo)致的[1-2]。道路客運(yùn)車輛對比于其他機(jī)動車輛,具有載員人數(shù)多、覆蓋面廣、流動性大、情況復(fù)雜的顯著特點,駕駛員的駕駛不僅是體力勞動,也是腦力勞動,再加上長時間持續(xù)工作更容易產(chǎn)生疲勞,隨之發(fā)生的交通事故也更嚴(yán)重。
為減少因疲勞駕駛引發(fā)的交通事故,降低交通參與者生命財產(chǎn)受損風(fēng)險,目前有較多學(xué)者開展了疲勞監(jiān)測系統(tǒng)的研究[3-5],但這些研究大多偏向機(jī)理研究或參考指標(biāo)單一,難以滿足企業(yè)的實際應(yīng)用需求。因此本文設(shè)計了一種經(jīng)濟(jì)可行的駕駛員疲勞駕駛監(jiān)測系統(tǒng),考察了監(jiān)測系統(tǒng)的準(zhǔn)確性和吻合度,有助于提高運(yùn)輸企業(yè)對駕駛員疲勞程度的實時監(jiān)管水平。
2 疲勞駕駛監(jiān)測技術(shù)現(xiàn)狀
目前對疲勞駕駛的檢測方法主要有三種,分別是檢測駕駛員行為特征、駕駛員生理特征和車輛行為特征[6]。駕駛員行為特征主要指標(biāo)有眼瞼閉合度、面部表情、頭部及嘴部狀態(tài)等。Wang R B等人[7]根據(jù)嘴巴狀態(tài)來判定疲勞情況,先通過模型和分類器來確定嘴巴的位置,再利用濾波器實時跟蹤嘴巴并提取關(guān)鍵點,然后由神經(jīng)網(wǎng)絡(luò)依據(jù)嘴巴的關(guān)鍵點判定是否疲勞。駕駛員生理特征主要指標(biāo)有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(xué)物質(zhì)(如唾液淀粉酶的含量)、溫度等[8-9]。Fei Wang等人[10]先將被測者自己填寫的及觀察者評估的疲勞情況進(jìn)行對比分析,再從中選擇匹配度較高的某個時間區(qū)域的腦電信號來建立模型,通過模型分析得到的疲勞判定結(jié)果和主觀疲勞感知情況進(jìn)行綜合考慮,可以有效提高疲勞判定的準(zhǔn)確率。車輛行為特征主要指標(biāo)有車輛轉(zhuǎn)向、車速變化、車道偏離等,通過監(jiān)控車輛硬件系統(tǒng)及行駛期間數(shù)據(jù)的變化狀況評測駕駛員的疲勞程度。Ellison Research Labs實驗室研制的DAS2000型路面警告系統(tǒng)通過判斷車輛運(yùn)行軌跡偏離道路中線或者路肩白線向駕駛員發(fā)出警告[11]。
我國相關(guān)部門規(guī)定駕駛員連續(xù)駕駛機(jī)動車超過4小時未停車休息可認(rèn)為是疲勞駕駛[12],其判定方法單一,具有片面性,未綜合考慮駕駛員駕駛前身體健康情況及個體差異性。引起駕駛員疲勞的因素不僅有駕駛時間,還包括工作環(huán)境、生活作息規(guī)律、身心狀態(tài)等其它因素。因此,探究駕駛員特別是道路客運(yùn)車輛駕駛員的疲勞生成機(jī)理、找出駕駛員疲勞與生理特征相對應(yīng)的參數(shù),從而判斷駕駛員的疲勞程度是目前理論研究的發(fā)展趨勢。
3 疲勞駕駛監(jiān)測系統(tǒng)簡介
3.1 系統(tǒng)原理
基于物聯(lián)網(wǎng)的道路客運(yùn)車輛駕駛員疲勞駕駛監(jiān)測系統(tǒng)以可穿戴設(shè)備采集終端為基礎(chǔ),以智能手機(jī)軟件為載體,基于物聯(lián)網(wǎng)技術(shù),向道路客運(yùn)企業(yè)監(jiān)控中心提供參考信息。本文所開發(fā)的疲勞駕駛監(jiān)測系統(tǒng)能夠連接駕駛員和監(jiān)控中心,企業(yè)監(jiān)控人員可以根據(jù)接收到的體征參數(shù)科學(xué)判定駕駛員是否疲勞,從而及時干預(yù)與示警,對道路客運(yùn)車輛安全駕駛起到了積極的指導(dǎo)作用。
3.2 系統(tǒng)組成
如圖1所示,本系統(tǒng)具有三個部分,分別為可穿戴設(shè)備采集終端、智能手機(jī)軟件和監(jiān)控中心監(jiān)測終端,可以采集、分析和監(jiān)控被測者的血壓、血氧、心電體征等參數(shù),通過聯(lián)網(wǎng)的手機(jī)將收集的數(shù)據(jù)傳送到服務(wù)器,再由服務(wù)器傳送到企業(yè)監(jiān)控中心監(jiān)測終端。監(jiān)控人員根據(jù)相關(guān)參數(shù)預(yù)設(shè)值判斷駕駛員疲勞狀況,當(dāng)出現(xiàn)疲勞狀態(tài)不宜繼續(xù)駕駛時及時反饋駕駛員,終止駕駛,避免因駕駛疲勞引發(fā)的意外事故的發(fā)生。
硬件資源主要有無線傳感器節(jié)點、無線傳感器網(wǎng)絡(luò)架構(gòu)及應(yīng)用、疲勞駕駛監(jiān)測系統(tǒng)硬件的整體框架等。硬件系統(tǒng)主要由三部分組成,分別是可穿戴設(shè)備采集終端、智能手機(jī)終端和網(wǎng)關(guān)。駕駛員的體征參數(shù)通過可穿戴設(shè)備采集終端實時收集,把收集的數(shù)據(jù)上傳并存儲到智能手機(jī)終端,再發(fā)送到監(jiān)控中心服務(wù)器,監(jiān)測系統(tǒng)根據(jù)駕駛員的體征參數(shù)自動判定駕駛員是否疲勞,企業(yè)監(jiān)控人員依據(jù)判定結(jié)果給駕駛員下達(dá)相應(yīng)指令。網(wǎng)關(guān)負(fù)責(zé)不同通訊實體間的數(shù)據(jù)傳輸。
3.3 系統(tǒng)工作流程
道路客運(yùn)車輛駕駛員疲勞駕駛監(jiān)測系統(tǒng)工作流程見圖2,駕駛員佩戴多個可穿戴設(shè)備終端采集節(jié)點,這些無線傳感器節(jié)點自組成網(wǎng)絡(luò)。由圖2可知:每個駕駛員佩戴3個終端節(jié)點A、B、C,節(jié)點間自組成局域網(wǎng),可穿戴設(shè)備采集終端實時采集駕駛員的體征參數(shù),并通過無線傳感器網(wǎng)絡(luò)傳輸至基站 AP,基站AP負(fù)責(zé)接收和整理體征參數(shù),將處理后的體征參數(shù)通過Internet上傳到服務(wù)器,則監(jiān)控中心的工作人員能實時監(jiān)控駕駛員的體征參數(shù),當(dāng)系統(tǒng)判定駕駛員的生理指標(biāo)超過閾值時,監(jiān)控人員則立即干預(yù)駕駛員,避免交通事故的發(fā)生。
4 實際應(yīng)用結(jié)果與分析
系統(tǒng)在江西新世紀(jì)汽運(yùn)集團(tuán)有限公司的道路客運(yùn)車輛駕駛員上進(jìn)行試用。以被測者的個人信息為基礎(chǔ),綜合考慮個體的差異性,調(diào)研了被測者的年齡、性別、健康狀況、駕齡、作息規(guī)律、心理狀態(tài)等相關(guān)因素。
實驗結(jié)果主要來自兩部分:一是系統(tǒng)判定。準(zhǔn)備階段先調(diào)試好系統(tǒng)的各個設(shè)備,確保設(shè)備能正常運(yùn)行再試用,系統(tǒng)會對正在工作的駕駛員進(jìn)行監(jiān)測并自動記錄各項數(shù)據(jù),以及各個模塊的判定結(jié)果。對于系統(tǒng)的判定,許多研究人員將監(jiān)測疲勞情況劃分為三個等級:清醒、輕微疲勞、疲勞。但是,本系統(tǒng)將監(jiān)測結(jié)果分為兩個等級:一是清醒狀態(tài),二是疲勞狀態(tài)。這是由于無論輕微疲勞或疲勞均會對道路客運(yùn)車輛的運(yùn)行產(chǎn)生不安全因素,因此本系統(tǒng)將輕微疲勞和疲勞劃分在同一等級,以便起到對道路客運(yùn)車輛駕駛員疲勞駕駛的同等警示效果。二是實際測評。由于被測者處于工作時間的正常駕駛狀態(tài),測試工作人員坐在副駕駛位協(xié)助駕駛?cè)藛T對自身疲勞程度的記錄以及與系統(tǒng)監(jiān)測人員的實時對接,并將駕駛?cè)藛T對自身疲勞程度的記錄作為實際疲勞程度基準(zhǔn)值。由于實際測評屬于個人自主評價,按照日常習(xí)慣劃分為清醒、輕微疲勞、疲勞三個狀態(tài)。實際測評和系統(tǒng)判定數(shù)據(jù)經(jīng)一一對應(yīng),共得到樣本數(shù)據(jù)2869個。
表1為實際評測與系統(tǒng)判定結(jié)果對應(yīng)表。由表1可知:實際測評的判定結(jié)果為清醒的樣本數(shù)有2143個,與此對應(yīng)的系統(tǒng)判定結(jié)果中清醒的樣本數(shù)有1826個,疲勞的樣本數(shù)有317個,判定準(zhǔn)確率達(dá)到85.20%。實際測評的判定結(jié)果為輕微疲勞的樣本數(shù)有588個,與此對應(yīng)的系統(tǒng)判定結(jié)果中清醒的樣本數(shù)有35個,疲勞的樣本數(shù)有553個,判定準(zhǔn)確率達(dá)到94.05%。實際測評的判定結(jié)果為疲勞的樣本數(shù)有138個,與此對應(yīng)的系統(tǒng)判定結(jié)果中清醒的樣本數(shù)有0個,疲勞的樣本數(shù)有138個,判定準(zhǔn)確率達(dá)到100%。
表2為系統(tǒng)判定與實際測評的吻合度。由表2可知:系統(tǒng)判定的結(jié)果為清醒的樣本數(shù)有1861個,與此對應(yīng)的實際測評結(jié)果中清醒的樣本數(shù)有1826個,輕微疲勞的樣本數(shù)有35個,疲勞的樣本數(shù)有0個。將輕微疲勞誤判為清醒的樣本數(shù)有35個,降低了清醒判定的準(zhǔn)確率。系統(tǒng)判定的結(jié)果為疲勞的樣本數(shù)有1008個,與此對應(yīng)的實際測評結(jié)果中清醒的樣本數(shù)有317個,輕微疲勞的樣本數(shù)有553個,疲勞的樣本數(shù)有138個。將清醒誤判為疲勞的樣本數(shù)有317個,說明系統(tǒng)的閾值設(shè)置較低,對疲勞的判定結(jié)果雖有誤判,但肯定不會有遺漏,從而提高疲勞判定的準(zhǔn)確率。
5 結(jié)語
本文提出了一種以物聯(lián)網(wǎng)技術(shù)為基礎(chǔ),實時掌握道路客運(yùn)車輛駕駛員疲勞駕駛狀態(tài)的監(jiān)測系統(tǒng)。當(dāng)可穿戴設(shè)備終端采集節(jié)點的數(shù)據(jù)超過閾值,監(jiān)測系統(tǒng)會將數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)奖O(jiān)控中心,監(jiān)控人員將及時干預(yù)駕駛員,有效避免因疲勞駕駛造成的不良后果,最大限度地保障交通參與者的生命財產(chǎn)安全。
本文不僅介紹了系統(tǒng)的組成及工作原理,而且簡要敘述了該系統(tǒng)的工作流程。
實際測試結(jié)果表明,系統(tǒng)判定將監(jiān)測結(jié)果劃分為兩個等級:清醒和疲勞,將實際測評和系統(tǒng)判定的數(shù)據(jù)經(jīng)過一一比對可知,清醒判定的準(zhǔn)確率略有下降,疲勞判定的準(zhǔn)確率達(dá)到94%以上,可用性高穩(wěn)定性強(qiáng),具有較好的應(yīng)用前景。
基金項目:2020 年江西省教育廳科學(xué)技術(shù)研究項目,項目名稱:基于物聯(lián)網(wǎng)的道路客運(yùn)車輛駕駛員疲勞駕駛監(jiān)測系統(tǒng)研究,項目編號:GJJ208404。
參考文獻(xiàn):
[1]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.
[2]張弛.高危車輛駕駛員疲勞駕駛監(jiān)測及預(yù)警系統(tǒng)研究[D]. 沈陽:遼寧工業(yè)大學(xué),2018.
[3]Jung S J, Shin H S, Chung W Y. Driver fatigue and drowsiness monitoring system with embedded electrocardiogram sensor on steering wheel[J]. Intelligent Transport Systems, 2014, 8(1): 43-50.
[4]Wang R B,? Guo L,? Tong? B? L,et? al.? Monitoring Mouth? Movement for Driver? Fatigue or Distraction with One Camera [C]. The 7th International IEEE Conference on Intelligent Transportation Systems. Oat. 2004, 2004:314-319.
[5]張華.駕駛員疲勞監(jiān)測技術(shù)研究[D].天津:河北工業(yè)大學(xué),2014.
[6]宋戰(zhàn)兵. 淺談駕駛疲勞檢測方法研究現(xiàn)狀[J].? 科技風(fēng), 2017(9): 282-282.
[7]Wang R B, Guo L, Tong B L,et al. Monitoring Mouth Movement for Driver Fatigue? or Distraction with One Camera [C]. The 7th International IEEE Conference on Intelligent Transportation Systems. Oat. 2004, 2004:314-319.
[8]陳倩. 基于生理信息采集的駕駛疲勞研究[D]. 重慶:重慶大學(xué), 2016.
[9]Stork M, Skala J, Weissar P,Holota R. Various approaches to driver fatigue detection:? a? review. International Conference on Applied Electronics, Pilsen, Czech Republic, 2015: 239-244.
[10]Wang F, Wang S, Wang X, et al. Design of driving fatigue detection system based on hybrid measures using wavelet-packets transform[C]. IEEE International Conference on Robotics & Automation, 2014: 4037-4042.
[11]This tragedy was preventable!: The DAS 2000 Road Alert System High Tech Solution to Driver Fatigue!,http://www.dmv.ca.gov.
[12]中華人民共和國道路交通安全法實施條例[Z] . 2004.