一種高經濟性的疲勞駕駛預警系統設計

楊錦 岳意娥 楊麗莎

摘要：因疲勞駕駛造成的交通事故逐漸增多，疲勞駕駛預警系統研究有著重要的意義和應用價值。本文提出了一種高經濟性的疲勞駕駛預警系統沒計，該系統使用汽車CAN網絡上已有信號進行分析處理并及時預警，只需增加一個疲勞預警系統控制模塊，提高了系統經濟性的同時也為疲勞駕駛預警系統研究提供了一種新的思路。

關鍵詞：疲勞駕駛;預警系統;高經濟性;CAN網絡

隨著機動車保有量的快速增加以及道路通車里程的逐年增長，大量發生的交通事故給世界各周造成了巨大的財產損失和人員傷亡^[1]。在引發交通事故的原因中，疲勞駕駛和酒后駕駛占有很大比例，尤其是疲勞駕駛，已成為令駕駛員頭痛的潛在殺手。因此，有效的疲勞駕駛榆測和預警對預防交通事故起著至關重要的作用^[2]。

1 疲勞駕駛預警系統定義

疲勞駕駛預警系統是一種時刻監測駕駛員精神狀態，一旦駕駛員精神狀態下滑或進入淺層睡眠時會給出語音提示、振動提醒等警告指示的主動安全系統。目前，常見的疲勞駕駛預警系統有以下幾類^[3]：

1.基于計算機視覺系統的通過檢測駕駛員瞳孔、眼瞼和面部表情等變化來檢測疲勞駕駛的系統;

2.基于生理特征的疲勞駕駛檢測及預警系統，常見的有腦電圖檢測、心電圖檢測、心率變化檢測等;

3.基于車輛行駛特征的預警系統，常見有車道偏離報警系統和轉向盤監測系統;

4.基于信息融合技術的監測系統，典型的是歐盟進行的名為“AWAKE”的駕駛行為綜合監控系統。

本文在基于車輛行駛特征預警系統的基礎上，提出了一種使用汽車CAN網絡上已有信號進行分析處理并及時預警的疲勞駕駛預警系統。使用該系統，只需增加一個疲勞預警系統控制模塊，大大提高了系統的經濟性。

2 疲勞駕駛預警系統設計

疲勞駕駛預警系統利用汽車CAN網絡已有信號實時分析駕駛員駕駛狀態，當系統感知駕駛員疲勞，即發出報警提示駕駛員應當休息。

2.1系統結構

疲勞預警系統由信號采集單元、算法執行單元和系統顯示單元組成。其中，信號采集單元包括方向盤轉角傳感器、車輛橫擺角速度傳感器、車速傳感器、檔位傳感器、油門踏板傳感器、車身控制器和功能開啟關閉按鈕^[4];算法執行單元為疲勞預警系統控制模塊;系統顯示單元為報警人機界面，具體結構如圖1所示：

其中，信號采集單元用于采集所需信號作為疲勞預警系統控制模塊輸入;算法執行單元用于運行疲勞檢測算法，判斷駕駛員疲勞狀態;系統顯示單元用于顯示駕駛員疲勞狀態，當系統感知駕駛員疲勞時發出報警，提示駕駛員休息。

2.2 信號采集單元

信號采集單元包括方向盤轉角傳感器、車輛橫擺角速度傳感器、車速傳感器、檔位傳感器、油門踏板傳感器、車身控制器和功能開啟關閉按鈕。具體傳感器及對應功能如表1所示：

信號采集單元將采集到的信號通過CAN總線傳送給算法執行單元。

2.3 算法執行單元

算法執行單元即為疲勞預警系統控制模塊，用于運行疲勞榆測算法，判斷駕駛員疲勞狀態。

系統控制模塊在初始化之后，將信號采集單元采集到的參數作為輸入，執行疲勞檢測算法，得到疲勞狀態參數值，作為系統控制模塊輸出傳遞到顯示單元，具體如圖2所示：

2.31 參數輸入

疲勞檢測算法對輸入參數具有數值邊界要求，因此在算法運行之初需要對輸入信號進行調整，具體的輸入參數邊界要求如表2所示：

2.3.2算法運行

本論文疲勞檢測算法采用的是一種串形結構的多層前向模糊神經網絡算法^[5]，該網絡由兩部分組成，前一部分為模糊量化部分，后一部分為神經網絡部分，圖3所示為該模糊神經網絡的結構框圖：

圖3中，第一層為輸入層，輸入層節點數由輸入信號決定。假設輸入信號為m個，每一個節點對應一個輸入變量s_i（i=l，2，……，m），則輸入向量為S=[s₁，s₂，……，s_m]^T。

第二層為量化層，其作用是將輸入變量進行模糊量化，即先對輸入變量定義一些模糊子集，通過相應的模糊子集上的隸屬函數，使輸入變量轉換成相應的模糊子集上的隸屬度，假設對于輸入變量s_i=l，2，……，m）定義了qi個模糊子集，對應于輸入變量可以取得qi個模糊隸屬度值。對于s_i在第i個模糊子集上的隸屬度函數為：

其中x為s_i在第j個模糊子集上的隸屬度，隸屬度函數是

根據對信號的模糊聚類的方法或者依靠經驗取得，每一函數都可能不一樣。量化層的節點數

量化層的輸出向量

第三層為隱含層，其節點數k是在網絡學習中根據實際情況來確定的，對于隱含層的第i個節點，設該節點與量化層各節點的連接權向量

則它的輸出為：

第四層為輸出層，f_i（i=1，2，……，n），對于輸出層的第i個節點，每一個節點對應一個輸出變量，設該節點與隱含層各節點的連接權向量

式中：

Oi為該節點的閾值，g為對數S型（Sigmoid）函數，g

，輸出層神經元函數取對數s型函數的目的也是為了使網絡輸出值落在[O，1]之間，以便進行疲勞診斷。輸出層的輸出向量為F=

。

由上面四層模糊神經網絡，通過神經網絡的學習可以實現疲勞駕駛征兆到駕駛狀態的映射。

2.3.3參數輸出

疲勞檢測算法對輸出參數也具有數值邊界要求，如表3所示。

2.4系統顯示單元

系統顯示單元用于顯示駕駛員疲勞狀態，它從算法執行單元接收疲勞狀態信號，當疲勞狀態信號為1時，表明系統感知駕駛員已疲勞，提示駕駛員應該休息。

系統顯示單元由儀表盤指示和聲音報警組成：

1.儀表盤指示包含咖啡杯圖表和提示語，如圖4所示。當沒有報警時，報警指示區域可被其它圖標占用;當發生報警時，報警指示圖標閃爍，頻率為2Hz。

2.聲音報警為“滴滴”聲提示報警。當發生報警時，聲音報警啟動，頻率為500Hz。

3 疲勞駕駛預警系統測試

上文介紹了疲勞駕駛預警系統的設計，為驗證疲勞駕駛預警系統的有效性，須對該預警系統進行實車測試，記錄駕駛員從清醒駕駛到疲勞駕駛的變化過程，獲得測試數據，進行分析驗證。

3.1 測試方法及原理

疲勞預警系統的測試方法如下所示：

1.規劃測試要求、駕駛路線、駕駛時間以及駕駛場景等內容。

2.使用視頻記錄儀對駕駛員面部及車輛前方狀況進行視頻記錄。

3.跟車工程師對駕駛員狀態進行觀察并記錄成表格。

4.利用CANcase對車輛CAN信息進行采集。

5.最終結合所記錄的視頻、駕駛員狀態表和CAN信息進行分析，驗證疲勞駕駛預警系統有效性。

3.2測試條件

1.測試方法：黑盒測試。

2.測試總里程：1萬公里

3.測試T況：

天氣條件一雨天、陰天測試時間一早晨、正午、深夜、黃昏

4.測試路況：高速公路為主，圉道為輔;

5.測試人員需求：

測試人員由駕駛員和跟車工程師組成;駕駛員每次駕駛持續4小時;跟車工程師負責調整及記錄駕駛員狀態

6.測試設備：

裝有疲勞駕駛預警系統的測試車輛;可以記錄車前及駕駛員狀態的視頻采集系統;可以采集車輛CAN信息的CANase;

7.測試用例：

從清醒到疲勞：駕駛員開始測試時處于清醒狀態，持續4個小時駕駛，觀察駕駛員狀態及采集數據;

從疲勞到更疲勞：駕駛員開始測試時處于疲勞狀態，持續3-4小時駕駛，觀察駕駛員狀態及采集數據。

3.3測試數據

測試數據包括了駕駛員面部及車輛前方狀況記錄視頻、車輛行駛過程中采集CAN信息和駕駛員狀態記錄表格，如表4所示。

3.4測試結果

通過分析駕駛員面部及車輛前方狀況記錄視頻和采集到的CAN信息，結合駕駛員狀態記錄表，可以得出疲勞駕駛預警系統能夠及時監測到駕駛員處于疲勞駕駛狀態并發出報警，滿足設計要求。

4結論

本文在基于車輛行駛特征預警系統的基礎上，提出了一種高經濟性的疲勞駕駛預警系統設計，創造性地提出使用汽車CAN網絡上已有的信號進行分析處理并及時預警，提高了汽車的行駛安全性。使用該方法，只需增加一個疲勞預警系統控制模塊，大大提高了系統的經濟性，也為疲勞駕駛預警系統研究提供了一種新的思路。

參考文獻：

[1]孫顯彬，唐洪偉，文妍.疲勞駕駛預警系統的研究現狀和發展趨勢[J].青島理工大學學報，2007，2S（3）：91-94

[2]孫偉，張為公，張小瑞，陳剛.疲勞駕駛預警系統的研究進展[J].汽車電器，2009，1 4 8

[3]王貞，孫傳輝，曹陽，王立輝.基于MEMS技術的疲勞駕駛預警系統設計[J].機電產品開發與創新，2010，23（1）：125-126

[4]窶文娟基于LIN總線的疲勞駕駛綜合測試系統的研究及設計[D].吉林大學，2006

[5]毛喆.機動車疲勞駕駛行為識別方法研究[D].武漢理工大學，2009