物流運輸駕駛員健康安全大數據管理平臺研究

姚明山

摘要：道路交通安全問題已成為影響我國公眾安全感的重要因素之一，道路交通事故死亡人數在各類安全生產事故死亡總人數中一直占較大比例。在國內外職業駕駛員健康與交通安全研究的基礎上，提出建立物流運輸駕駛員健康安全大數據管理平臺。分析了平臺需求，構建了平臺系統總體架構。該平臺具備智能終端數據采集以及云計算技術框架下的大數據智能分析處理功能，可實現物流運輸行業駕駛員健康及安全動態實時管理。

關鍵詞：物流運輸；駕駛員健康安全；大數據

DOIDOI：10.11907/rjdk.161419

中圖分類號：TP319

文獻標識碼：A 文章編號：1672-7800（2016）005-0092-02

0 引言

隨著經濟社會發展和道路交通需求的持續增長，我國道路通車里程不斷增加，機動化水平迅速提升，公路運輸量不斷增加，機動車駕駛員隊伍不斷壯大[1]。同時，由于車流、人流、物流的高度疊加，交通事故安全控制難度加大。道路交通安全問題已成為影響公眾安全感的重要因素之一。道路交通事故死亡人數一直在各類安全生產事故死亡總人數中占比較大。根據美國統計的交通事故成因，駕駛員因素造成的交通事故占93%，純系駕駛員導致的交通事故占57%[2]。

1 國內外研究現狀

醫學界不少學者從勞動衛生、職業病防治的角度對駕駛員的健康狀況及其影響因素進行了研究。普遍認為，機動車駕駛員屬于特殊職業，可能對人體造成各類不良影響[3]。鐘軍等對襄陽火車站1 814名火車司機的體檢結果進行研究，發現這一群體存在15種疾病，其中高血脂或血脂偏高，占第一位[4]，咽炎、扁桃體炎、中耳炎或耳膜內陷等五官科疾病，位列第二。

國外相關研究始于20世紀50年代，集中在駕駛員交通安全的影響因素上，主要歸納為3個因素：個人因素、車輛因素和環境因素。其中，個人因素包括年齡、性別、疾病、體重、疲勞度、駕駛經驗、工作壓力、駕駛習慣等[5]，車輛因素包括機動車的使用狀況、安全性等，環境因素包括能見度、噪聲、路況、天氣影響等。其它因素包括地區安全教育、法律法規的制定和貫徹等[7，8]。

職業駕駛員健康狀況和駕駛行為數據采集及智能分析是智能交通的重要組成部分。Jung等[7]設計了一款嵌入在方向盤的心電圖傳感器系統，通過分析駕駛員心電圖實時監控駕駛員的疲勞系數和困倦系數，作出相應的疲勞預警。美國2000年成立了聯邦汽車運輸業安全管理部門[3]，針對美國物流運輸業職業駕駛員建立了健康安全管理信息系統， 并以此為基礎建立了物流運輸業交通安全決策分析平臺。本文從駕駛員健康角度構建駕駛員健康安全大數據管理平臺，實現物流運輸行業駕駛員健康安全動態實時管理。

2 平臺需求分析

駕駛員在長期駕駛過程中，受到振動、噪聲、高溫、汽油、一氧化碳以及強制的不良體位等有害因素的影響。通過定期或不定期醫學健康檢查和健康資料收集，連續監測駕駛員健康狀況，并及時將健康檢查和資料分析結果報告給用人單位和駕駛員本人，以便及時采取干預措施，保障駕駛員健康。

根據調研，本項目監測數據由定期體檢和出車前體檢兩部分構成。駕駛員定期體檢數據、電子病歷或特殊檢查則從醫院或體檢中心獲取數據；既往疾病史、生活行為、睡眠、心理等健康史則以問卷形式在線調查或手工填寫。出車前對駕駛員進行健康檢查及出車風險評估，檢查內容有常規檢查、眨眼頻率檢測、醫生問診、酒精檢測、涉毒檢測以及認知能力測試等，檢查時間5分鐘左右。駕駛員個性化健康檢查數據采集流程如圖1所示。

安全事故數據采集利用政府機構或媒體公開數據，通過數據提取、轉換和加載工具將異構數據源中的數據，如關系數據、平面數據文件等抽取到臨時中間層，并進行清洗、轉換、集成，最后加載到數據倉庫，以便聯機分析處理、數據挖掘，建立物流運輸行業運輸安全事故數據庫，為事故分析與預測打下基礎。

采用統計分析和數據挖掘等方法，從海量健康數據中分析駕駛員健康與交通安全之間的聯系，對交通事故的影響因素進行分級，綜合分析駕駛員健康與交通事故相關性。針對不同情況作出相應決策。同時，綜合整理數據分析結果，形成直觀的報表，并結合圖表和地圖等方式進行呈現，最終構建完整的駕駛員健康安全大數據管理平臺。

3 平臺總體架構

云計算基于高效的虛擬計算資源，能以一種靈活且安全的方式實現快速擴展和縮減，從而交付高品質服務。業務或客戶服務以極為簡化的方式交付，推進創新和高效決策。云計算使得IT管理更加輕松，快捷響應業務需求。云計算為上層應用服務提供資源和能力，適合于大規模、海量需求，負載變化大，資源平均利用率比較低，管理成本高，業務種類具有長尾效應，需要共享來降低成本的需求。

物流運輸駕駛員健康安全數據管理平臺集健康檢測技術、運輸車載技術、移動通信網絡、云計算技術為一體，采用“云+端”架構模式。其中，“端”由健康檢測系統和交通安全事故數據系統等組成；“云”則實現駕駛員健康與交通安全數據集中存儲、處理、分析、挖掘以及風險評估與控制，并針對物流運輸企業、駕駛員、健康服務人員等不同用戶提供不同的服務。

平臺總體框架如圖2所示，由智能終端數據采集、云計算框架下的大數據智能分析處理和大數據管理應用3部分組成。

4 系統功能

4.1 智能終端數據采集

智能終端數據采集模塊實現對駕駛員身體健康狀況以及已發生交通安全事故的數據采集，其中健康狀況數據采集模塊具有智能分析處理功能，在線實現情景分析，并能通過無線網絡，如Internet/GPRS等，與數據管理平臺相連接，從而實現信息處理與預警。

4.2 云計算技術框架下的大數據智能分析處理

大數據智能分析模塊通過智能分析實現分布式智能終端信息融合與存儲，從海量行為數據中提取駕駛員健康狀況和駕駛行為危險因素，分析駕駛員健康與交通安全之間的聯系，建立關聯模型，利用大數據技術為駕駛員、健康服務人員、和企業管理人員提供風險控制與處理依據。

4.3 物流運輸駕駛員健康安全大數據管理應用

（1） 政府機構。政府部門可自行或委托第三方服務機構對物流運輸行業的駕駛員健康狀況以及駕駛行為進行有效監督和評價。

（2） 企業管理。物流運輸企業可利用本管理平臺對駕駛員健康狀況和安全駕駛行為進行評估和改進，以控制和減少事故風險。

（3） 第三方機構服務。物流運輸企業也可將駕駛員日常的健康安全管理、服務外包給第三方公司，節省管理成本。

（4） 駕駛員。提供Android版和iPhone版手機應用軟件，駕駛員通過定制的手機應用軟件訪問自己的健康檔案和異常駕駛行為，及時掌握健康安全風險，改變駕駛員被動關懷為主動關心自己的健康狀況和駕駛行為。

5 結語

本文立足于我國物流運輸行業發展，研究了集健康檢查技術、移動通信網絡、云計算技術為一體，采用“云+端”架構模式，實現物流運輸駕駛員健康安全數據管理平臺。

其中“端”由部署在物流運輸企業健康服務站的健康數據監測設備與數據采集系統構成；“云”實現駕駛員健康與交通安全等數據的集中存儲、處理、分析、挖掘以及風險評估與控制。該平臺針對物流運輸企業、健康服務人員以及駕駛員等不同用戶提供相應服務，為物流運輸行業企業提供了駕駛員安全控制管理和駕駛員健康管理提供了系統工具。

參考文獻：

[1]SHIH CHUNG.Assessing fitness to drive for commercial and private vehicle drivers：medical standards for licensing and clinical management guidelines[D].Sydney：Austroads，2012.

[2]COHEN D A，WANG W，WYATT J K，et al.Uncovering residual effects of chronic sleep loss on human performance[J].Science translational medicine，2010，2（14）：14-19.

[3]DOUGLAS M.WIEGAND.Commercial drivers health：a naturalistic study of body mass index，fatigue，and involvement in safety-critical events[J].National Institute for Occupational Safety and Health，2009，25（16）：59-63.

[4]鐘軍，丁建輝.1814名火車司機健康狀況調查及影響因素分析[J].中國當代醫藥，2012，19（4）：63-68.

[5]WUHONG WANG.A safety-based approaching behavioural model with various driving characteristics[J].Beijing Institute of Technology，2011，56（24）：87-92.

[6]付路，邵佳玉，張一凡，等.機動車駕駛員健康管理的歸屬[J].職業與健康，2006，21（11）：1696-1697.

[7]SANG JOONG JUNG，HEUNGSUB SHIN.Driver fatigue and drowsiness monitoring system with embedded eletrocardiogram sensor on steering wheel[D].Busan City：Pukyong National Univerisity，2012.

[8]張宏，常繼增，王力.建立機動車駕駛員健康管理配套工程的探討[J].中國衛生工程學，2001，10（1）：33-35.

（責任編輯：陳福時）