駕駛狀態(tài)監(jiān)測法規(guī)的實施與探究

夏小均，賴詩洋，陳德兵，何大軍

?

駕駛狀態(tài)監(jiān)測法規(guī)的實施與探究

夏小均1，賴詩洋2，陳德兵1，何大軍1

（1.重慶車輛檢測研究院有限公司，重慶 401122；2.重慶工程職業(yè)技術(shù)學院機械工程學院，重慶 402260）

從測試要求、步驟、試驗結(jié)果判定標準、可靠性驗證方法等方面，研究了標準T/JSATL13—2017中駕駛員狀態(tài)監(jiān)測設(shè)備的檢測方法，分析了當前該標準在駕駛員狀態(tài)監(jiān)測這一功能實施過程中存在的難題，提出了建議和應對措施。

主動安全；駕駛員；駕駛狀態(tài)；監(jiān)測

前言

隨著汽車保有量的逐年提升，行車的安全性，尤其是主動安全愈來愈受到重視。由于技術(shù)及市場的局限，當前距離實現(xiàn)完全智能駕駛還有一定的難度。目前超過90%的道路交通事故由駕駛員引起，原因主要有兩類，一類是如酒駕、毒駕等故意違法行為，另一類則是由駕駛員狀態(tài)不宜駕駛造成，如疲勞、分神駕駛等情況。

近年來，高級駕駛輔助功能如主動緊急制動（AEB），車道偏離預警（LDW），盲區(qū)監(jiān)測（BSD）等技術(shù)在汽車上實現(xiàn)了廣泛運用，可以為駕駛員提供相應的危險狀況預警，進而降低危險發(fā)生時的受損程度。然而，作為車輛運行的控制者，駕駛員本身的駕駛狀態(tài)才更是影響交通安全的關(guān)鍵與核心。在歐洲新車安全評鑒協(xié)會(E-NCAP)于2017年9月發(fā)布的Road Map 2025[1]中，駕駛員監(jiān)測功能與AEB等數(shù)項技術(shù)首次被列為首要安全級（Primary Safety）。雖然目前E-NCAP中還沒有明確的測試標準與方法，但在2018年6月的評級報告中，提出了駕駛員狀態(tài)監(jiān)測功能需在2022-2024年實現(xiàn)的要求。

對于駕駛員狀態(tài)監(jiān)測的相關(guān)要求，一直停留在學術(shù)研究領(lǐng)域，主要集中于圖像采集與識別[2]，特征提取[3]，大數(shù)據(jù)與深度學習[4]等方面，尚無可執(zhí)行的駕駛狀態(tài)監(jiān)測功能標準要求與規(guī)范。2017年12月11日發(fā)布的江蘇省團體標準《道路運輸車輛主動安全智能防控系統(tǒng)終端技術(shù)規(guī)范》（T/JSATL13—2017）中，首次較為詳細地將駕駛員狀態(tài)監(jiān)測功能的內(nèi)容與方法進行了規(guī)定[5]。本文結(jié)合該標準的測試實施過程，研究了其對駕駛員狀態(tài)監(jiān)測設(shè)備的要求與指標，也分析了當前檢測與法規(guī)進程中存在的難點，提出應對措施，為后續(xù)相關(guān)法規(guī)與標準的制定和完善提供了參考。

1 駕駛員狀態(tài)監(jiān)測功能檢測方法

標準T/JSATL13—2017中要求的駕駛員狀態(tài)監(jiān)測功能，是由相應的駕駛員狀態(tài)監(jiān)測系統(tǒng)、行車記錄儀、車載視頻終端等設(shè)備組成的主動安全車載終端共同實現(xiàn)，為確保監(jiān)測功能的可靠性，需對這些設(shè)備進行檢測。實際情況中，采用已經(jīng)由法規(guī)認證的行車記錄儀和車載視頻終端，因此僅需對駕駛員狀態(tài)監(jiān)測系統(tǒng)進行測試。測試中采用模擬場景測試和實車功能試驗兩種方法相結(jié)合的方式，前者為檢測系統(tǒng)的功能參數(shù)的達標情況，后者則為驗證實際報警觸發(fā)情況。

1.1 駕駛員狀態(tài)監(jiān)測功能的模擬場景測試

首先通過模擬實際場景進行測試，在終端正前方指定位置播放視頻場景，根據(jù)終端及監(jiān)測模塊作出的反應判斷其環(huán)境適應性。

1.1.1視頻場景要求

為充分模擬實際場景，要求播放的視頻場景分為正常駕駛、疲勞駕駛、接打電話、吸煙、左顧右盼、離開監(jiān)控畫面等的節(jié)選視頻，每段視頻片段約一分鐘左右。視頻場景應包含不同性別司機、戴墨鏡、帶帽子、白天、夜晚等環(huán)境。每段視頻場景應匹配有對應的場景參數(shù)說明文件，視頻場景播放時橫向像素不小于2000px。

1.1.2試驗步驟

模擬場景測試中，首先隨機選擇測試場景視頻，場景需包含各類異常狀態(tài)以及正常駕駛狀態(tài)，且每種狀態(tài)次數(shù)需相對平均。然后將顯示設(shè)備放置于終端檢測攝像頭正前方指定區(qū)域，完成標定。隨即開始測試，測試設(shè)備記錄場景信息和終端報警信息。在終端運算結(jié)束后，輸出其判斷結(jié)果。根據(jù)終端輸出結(jié)果與標準結(jié)果的對比，得出設(shè)備誤報率與漏檢率并判斷其是否合格，結(jié)束本次試驗。

1.1.3試驗結(jié)果判定標準

對終端輸出結(jié)果與標準結(jié)果進行對比判別時，當對應的報警類型正確且報警時間在有效報警區(qū)間內(nèi)時，為一次有效報警。當對應報警類型錯誤、報警時間不在有效報警區(qū)間內(nèi)或?qū)Ξ惓顟B(tài)未產(chǎn)生報警時，記為一次漏檢，同時記錄此次漏檢報警類型。當對正常狀態(tài)測試視頻發(fā)出報警時，記錄為一次誤報，同時記錄此次誤報類型。

根據(jù)記錄結(jié)果計算各種類型報警的誤報率與漏檢率。誤報率是指測試事件中未出現(xiàn)異常情況，而設(shè)備判定為異常情況的比例，漏檢率為出現(xiàn)異常情況而設(shè)備未判定的比例。若所有類型報警的誤報率均不高于10%且漏檢率均不高于10%，則可認定本次試驗成功。

1.1.4駕駛員狀態(tài)監(jiān)測系統(tǒng)功能可靠性

對駕駛員狀態(tài)監(jiān)測系統(tǒng)功能的視頻測試應當重復進行十次，終端應通過十次試驗中的八次試驗，且不得連續(xù)失敗兩次，以此保證駕駛員狀態(tài)監(jiān)測系統(tǒng)功能的可靠性。

1.2 駕駛員狀態(tài)監(jiān)測實車功能測試

模擬場景測試結(jié)束后，還應在標準試驗場地進行實車測試，此時需將終端按照要求安裝在被測車輛，測驗人員駕駛車輛觸發(fā)各類報警情形，檢測終端在實際運行過程中的可靠性。

1.2.1試驗方法

試驗方法針對通過視頻方法監(jiān)測駕駛員狀態(tài)的相關(guān)設(shè)備，首先應在試驗人員數(shù)據(jù)庫中隨機抽取三名人員，然后讓試驗人員模擬疲勞駕駛、分神駕駛、抽煙、接打電話等異常駕駛行為，另一名工作人員在旁邊記錄相關(guān)狀態(tài)次數(shù)。設(shè)備判斷該試驗人員各異常狀態(tài)次數(shù)，將設(shè)備判斷結(jié)果與實際人工記錄的異常狀態(tài)發(fā)生次數(shù)進行對比，得出設(shè)備誤報率和漏檢率。

1.2.2試驗條件

試驗應當在實際車輛的駕駛室中進行，試驗時車輛應當處于室外試驗場地中，不得停放于室內(nèi)。試驗人員可佩帶帽子、眼鏡、墨鏡等設(shè)備。記錄人員應當位于試驗人員側(cè)前方，便于記錄試驗人員的相關(guān)狀態(tài)。記錄人員不得出現(xiàn)在被測設(shè)備視頻監(jiān)測區(qū)域內(nèi)，不得遮擋試驗人員面部特征。

1.2.3試驗步驟

試驗時，首先需從數(shù)據(jù)庫抽取用于試驗的駕駛員，并與駕駛員確認測試安排。隨后試驗人員進入駕駛位置，根據(jù)記錄人員的口令隨機做出正常駕駛、疲勞狀態(tài)、分神狀態(tài)、吸煙、接打電話以及離開駕駛位置等不同動作。在做出動作的同時，記錄人員在旁觀察并記錄動作的有效性，分神動作持續(xù)時間不得超過15s左右，疲勞動作不得超過10s，其他動作持續(xù)時間不得超過60s。試驗人員針對特定功能測試規(guī)定操作次數(shù)達到 10 次以上后試驗結(jié)束。將所記錄的報警信息與傳輸至平臺的進行對照，比較報警信息傳輸?shù)膶崟r性。將記錄人員所記錄的各個狀態(tài)的實際數(shù)量與設(shè)備所檢測到的數(shù)量進行對比，計算得出設(shè)備的誤報率或漏檢率。

1.2.4試驗結(jié)果判定標準

試驗結(jié)束后，對所記錄的報警時間及對應車頭時距進行對比，若在動作過程中設(shè)備產(chǎn)生報警，則結(jié)束相關(guān)動作，由記錄人員記錄設(shè)備的報警類型。若動作結(jié)束后設(shè)備仍未報警，則記錄人員記錄一次漏檢，并記錄漏檢類型。若駕駛員做出正常駕駛動作時發(fā)出報警，則記錄人員記錄異常誤報，并記錄誤報類型。將最終記錄與平臺記錄對比，若平臺報警記錄缺失或延遲，則終端網(wǎng)絡傳輸功能異常，試驗失敗。若平臺報警記錄符合實際情況，則終端傳輸功能正常，進入下一步檢驗。計算各種類型報警的誤報率與漏檢率及設(shè)備的總誤報率與總漏檢率。若所有類型報警的誤報率均不高于10%且漏檢率均不高于10%，則本次試驗成功。

1.2.5駕駛員狀態(tài)監(jiān)測可靠性

對駕駛員狀態(tài)監(jiān)測的實地試驗應當重復進行7次，不少于3位測試人員參與，且其中應當至少包含2次夜間測試，終端應通過7次試驗中的5次試驗，不能連續(xù)失敗兩次，以驗證終端的可靠性。

2 終端系統(tǒng)監(jiān)測中存在的難題

由于駕駛員個體差異大，駕駛習慣各異，疲勞、分神的表現(xiàn)狀態(tài)不一，因而駕駛員狀態(tài)本身具有很大的不確定性。同時，以往駕駛員狀態(tài)監(jiān)測主要停留在學術(shù)層面，目前尚在初步執(zhí)行階段，對車載終端的檢測方案有待完善。對標準T/JSATL13—2017實施過程進行研究分析，發(fā)現(xiàn)目前存在的問題主要體現(xiàn)在監(jiān)測系統(tǒng)軟件、硬件的識別及對駕駛員疲勞、分神狀態(tài)的判定。

2.1 軟件硬件識別

終端中包括微處理器、行車記錄儀、駕駛員狀態(tài)監(jiān)測系統(tǒng)、數(shù)據(jù)存儲器等各種軟件、硬件，涉及到的軟、硬件的識別能力由于技術(shù)、經(jīng)驗的局限，尚存在一定不足。使用的硬件設(shè)備如傳感器，工作精度受環(huán)境、光線等的影響較大，而配套軟件的處理與分析能力仍有待加強。此外，目前還未形成廣泛、精確、可靠的圖像提取與分析的理論與方法，無法完全準確地確定駕駛員狀態(tài)。且駕駛員狀態(tài)監(jiān)測仍處于初步實行階段，駕駛員狀態(tài)的數(shù)據(jù)庫也不夠豐富全面，對于實際運行中的一些特殊狀態(tài)可能不能形成有效的反映。

2.2 駕駛員狀態(tài)的判定標準

駕駛員狀態(tài)監(jiān)測包括疲勞、分神、抽煙、接打電話等等功能。然而人的疲勞與分神狀態(tài)具有多樣化的特點，一些很明顯的疲勞狀態(tài)，如哈欠、閉眼、點頭等動作可以進行明確的判定，但其它一些不明顯的疲勞表征，在識別與判定過程中，還存在諸多難題。此外，各終端對于駕駛員狀態(tài)識別與判定的算法各不相同，難以與人工判定結(jié)果吻合十分精確。

而不同記錄人員的判定尺度也存在一定差異，很可能得出不同的結(jié)果。對于各終端設(shè)備的誤報或漏報率，在當前沒有可靠檢測手段的情況下，主要依靠人工觀看和計數(shù)，其結(jié)果將受測試人員和記錄人員的生理、心理狀態(tài)影響。特別是在進行長時間視頻監(jiān)控以及試驗車量過多的情況下，影響程度會明顯增加。

3 應對措施

針對終端系統(tǒng)在法規(guī)實施過程中進行監(jiān)測時存在的難題，包括終端系統(tǒng)中軟件、硬件的識別水平，以及對駕駛員狀態(tài)的判定標準有待提高等問題，文章提出應對措施及建議，對后續(xù)技術(shù)和法規(guī)的完善提供參考，以便從技術(shù)上有效糾正駕駛員疲勞、分神、手持電話駕駛等行為，有效遏制、減少交通事故。

對于圖像識別容易受天氣、光線等因素影響的情況，可采用多路攝像頭的融合方案，增加判定依據(jù)，確保判斷的準確性，避免出現(xiàn)誤判或漏判。同時，有必要研究開發(fā)更加先進可靠的識別與學習算法，累積大量、廣泛的實景數(shù)據(jù)對算法進行訓練與優(yōu)化。此外，也可采取分階段識別的方法，即在標準開始執(zhí)行的階段以明顯無爭議的駕駛員狀態(tài)或動作進行檢驗，后期數(shù)據(jù)庫豐富、算法優(yōu)化后，再監(jiān)測識別存在一定難度的駕駛員狀態(tài)和行為。還應當引入行業(yè)認定的駕駛狀態(tài)識別與判定方案，形成公認的基礎(chǔ)判定準則。并且應建立有效的場景報警監(jiān)測手段，搭建權(quán)威的數(shù)據(jù)監(jiān)測系統(tǒng)，這也是對相關(guān)檢測機構(gòu)的一大要求。

4 總結(jié)

通過對駕駛員狀態(tài)進行監(jiān)測，自動識別駕駛員的不安全駕駛行為并實時報警，可幫助強化企業(yè)對駕駛員的安全管理，消除疲勞、分神駕駛的安全隱患，監(jiān)督駕駛員規(guī)范駕駛行為，促進道路運輸安全保障水平的提升。

本文首先研究了T/JSATL13—2017中對駕駛員狀態(tài)監(jiān)測系統(tǒng)的要求和標準，分析了設(shè)備的測試方法。對駕駛員狀態(tài)監(jiān)測設(shè)備的測試包括模擬場景測試和實車功能測試，模擬場景測試可檢查設(shè)備功能在監(jiān)測中的達標情況，實車功能測試可驗證實際行車中的報警情況，兩種測試后均需計算誤報率和漏報率，以判定系統(tǒng)的可靠性。此外，文中分析了該項法規(guī)在實際運行中存在的難題，主要包括軟件、硬件的識別和駕駛員疲勞、分神狀態(tài)的判定標準等，并提出了應對措施，為該項法規(guī)的完善提供了建議和參考。

[1] EuroNCAP. Roadmap 2025[OL]. (2017-09-12). https://www. euron -cap.com/zh.

[2] 胡斌,王生進,丁曉青.基于云模型的駕駛員駕駛狀態(tài)評估方法[J].清華大學學報(自然科學版), 2009, 49(10): 1614-1618.

[3] 張明恒,鄭雨,趙一兵等.基于SVM的駕駛員面部朝向檢測[J].大連理工大學學報,2013, 53(6): 879-884.

[4] 耿磊,梁曉昱,肖志濤等.基于多形態(tài)紅外特征與深度學習的實時駕駛員疲勞檢測[J].紅外與激光工程,2018,47(2): 1-9.

[5] 江蘇省交通運輸廳運輸管理局,江蘇省交通物流協(xié)會.道路運輸車輛主動安全智能防控系統(tǒng)終端技術(shù)規(guī)范: (T/JSATL13—2017).江蘇, 2017: 20-27.

The implementation and exploration of the laws and regulations about monitoring of driver state

Xia Xiaojun1, Lai Shiyang2, Chen Debing1, He Dajun1

( 1.Chongqing Vehicle Test & Research Institute Co. Ltd, Chongqing 401122; 2.College of Mechanical Engineering, Chongqing Vocational Institute of Engineering, Chongqing 402260 )

The test method of equipment to monitor the state of driver in the standard T/JSATL13—2017 is represented, based on test requirement, steps, criterion for test results and verification of reliability. The problems of this standard existed in the implementation process is analyzed. Corresponding advices and solutions are proposed.

Active safety; driver; driving state; monitoring

1671-7988(2018)20-261-03

U461.91

B

1671-7988(2018)20-261-03

U461.91

B

夏小均（1988-），男，博士，現(xiàn)就職于重慶車輛檢測研究院有限公司。

重慶車輛檢測研究院科技發(fā)展基金項目 (17AKC21)。

10.16638/j.cnki.1671-7988.2018.20.096