城市軌道交通列車司機(jī)駕駛狀態(tài)監(jiān)測(cè)研究

王亮軍 陳燕飛 靳育權(quán)

（南京交通職業(yè)技術(shù)學(xué)院，江蘇 南京 211188）

截至2019年10月，中國(guó)內(nèi)地共39 個(gè)城市開通地鐵，運(yùn)營(yíng)總里程達(dá)5 800 km 以上，2018年客運(yùn)量213 億人次，在開通城市數(shù)量、軌道交通運(yùn)營(yíng)里程、運(yùn)營(yíng)客運(yùn)量等方面均居世界第一。城市軌道交通的快速發(fā)展，極大地方便了人民日常生活，促進(jìn)了經(jīng)濟(jì)發(fā)展，同時(shí)也對(duì)列車的運(yùn)營(yíng)安全提出了更高的要求。目前，提高列車安全性的主要措施包括使用高度自動(dòng)化的列車運(yùn)行控制系統(tǒng)控制列車運(yùn)行、研發(fā)智能化的監(jiān)測(cè)裝備監(jiān)督列車運(yùn)行狀態(tài)，但對(duì)列車司機(jī)的駕駛風(fēng)險(xiǎn)幾乎沒有監(jiān)督防護(hù)措施。城市軌道交通列車一般采用單司機(jī)駕駛，如果在駕駛列車過程中發(fā)生司機(jī)注意力下降、打瞌睡等狀況時(shí)，容易造成安全事故。因此，對(duì)列車司機(jī)駕駛狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和管理，已成為保障列車運(yùn)行安全的必要手段。

1 司機(jī)駕駛狀態(tài)監(jiān)測(cè)技術(shù)

1.1 基于運(yùn)行狀態(tài)的監(jiān)測(cè)技術(shù)

該技術(shù)是根據(jù)車體運(yùn)行狀態(tài)，間接監(jiān)測(cè)司機(jī)駕駛狀態(tài)的方法，通過安裝在車上的各種傳感器監(jiān)測(cè)車體運(yùn)行時(shí)的相關(guān)狀態(tài)指標(biāo)，例如從加速度、檔位、運(yùn)行車道、方向盤轉(zhuǎn)向角等狀態(tài)的更新來推斷司機(jī)的狀態(tài)。由于列車運(yùn)行在特定的軌道上，所以該方式不適合對(duì)城市軌道交通列車司機(jī)的駕駛狀態(tài)進(jìn)行監(jiān)測(cè)[1]。

1.2 基于列車司機(jī)行為變化的監(jiān)測(cè)技術(shù)

該技術(shù)通過分析機(jī)車司機(jī)關(guān)鍵行為的變化，例如眼睛狀態(tài)，面部位置移動(dòng)等，來推斷司機(jī)的狀態(tài)。該方法的實(shí)現(xiàn)主要依賴圖像識(shí)別技術(shù)[2]。隨著機(jī)器視覺技術(shù)和計(jì)算機(jī)技術(shù)的日趨成熟，使追蹤、捕獲和分析眼瞼運(yùn)動(dòng)、臉部表情和頭部姿勢(shì)成為可能。

1.3 面向列車司機(jī)生理信號(hào)的監(jiān)測(cè)技術(shù)

該技術(shù)主要依據(jù)生理指標(biāo)來分析司機(jī)的狀態(tài)，包括獲取司機(jī)的腦電信號(hào)、心電信號(hào)等[3]。該方法可靠性更高，但一般通過接觸式傳感器采集生理信號(hào)，適應(yīng)性受限。

目前，對(duì)司機(jī)駕駛狀態(tài)監(jiān)測(cè)的研究及應(yīng)用，主要集中在汽車和高鐵行業(yè)，對(duì)城市軌道交通行業(yè)的研究較少。已有的監(jiān)測(cè)方法由于手段單一，準(zhǔn)確率不高，不適用于城市軌道交通列車司機(jī)駕駛狀態(tài)的監(jiān)測(cè)。

2 城市軌道交通列車司機(jī)駕駛狀態(tài)監(jiān)測(cè)指標(biāo)選擇

影響城市軌道交通列車運(yùn)營(yíng)安全的因素有3 個(gè)，即人、機(jī)和環(huán)境。“機(jī)”因素主要指設(shè)備，當(dāng)前運(yùn)營(yíng)線路的列車都采用高安全性的自動(dòng)駕駛系統(tǒng)。“環(huán)境”因素指列車運(yùn)行的軌道狀態(tài)、限界等，部分環(huán)境因素，例如列車運(yùn)行前方線路是否有異物侵入限界等，須由司機(jī)確保安全性，因此需要監(jiān)測(cè)司機(jī)的注意力程度。“人”的因素主要包括司機(jī)的違規(guī)操作和操縱失誤，其主要誘因是司機(jī)身體不適、疲勞駕駛和工作壓力。

城市軌道交通系統(tǒng)站間距離小，需要頻繁停車，司機(jī)帶來的安全風(fēng)險(xiǎn)主要存在于列車運(yùn)行過程中，因此要對(duì)列車運(yùn)行過程中司機(jī)的規(guī)范操作手勢(shì)、注意力集中程度和身體狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，當(dāng)有異常情況時(shí)方便行車調(diào)度員及時(shí)進(jìn)行處理[4]。

2.1 城市軌道交通列車司機(jī)駕駛狀態(tài)監(jiān)測(cè)技術(shù)

2.1.1 基于視覺分析的司機(jī)注意力集中度監(jiān)測(cè)

該方法屬于非接觸式監(jiān)測(cè)方法，安裝方便，適應(yīng)性強(qiáng)。通過追蹤分析眼睛狀態(tài)判斷司機(jī)的注意力集中程度。城市軌道交通系統(tǒng)的列車運(yùn)行線路有高架、地面和隧道，在不同線路條件下列車司機(jī)的面部光線會(huì)有明顯差異。因此，選用近紅外攝像頭來采集司機(jī)的面部圖像，以確保在不同光照條件下都能得到高質(zhì)量的臉部圖像。圖1 是基于視覺分析的列車司機(jī)狀態(tài)監(jiān)測(cè)軟件算法流程圖。

主要算法由3 個(gè)部分組成，即臉部定位與追蹤模塊、臉部特征定位模塊以及注意力集中度識(shí)別模塊。首先，使用Adaboost 算法確定司機(jī)的臉部，在臉部范圍內(nèi)進(jìn)一步確定眼睛的位置。使用二值化方法確定眼睛的位置，在該過程中使用極大極小值進(jìn)行濾波，再進(jìn)行閉運(yùn)算并濾掉面積過小的區(qū)域，在圖像上方2／3 區(qū)域內(nèi)搜索連續(xù)模塊作為眼睛的可能位置，再將其送到SVM 分類器模塊中進(jìn)行確認(rèn)，即可確定眼睛的位置。然后使用基于粒子濾波器的算法追蹤眼睛的移動(dòng)，并基于Camshift 算法再次確認(rèn)眼睛的跟蹤位置。使用灰度直方圖和局部標(biāo)準(zhǔn)差直方圖作為司機(jī)眼睛跟蹤的2 個(gè)特征，建立觀測(cè)概率模型，追蹤司機(jī)的眼睛，接著使用Camshift 算法二次確認(rèn)司機(jī)眼睛的位置，提高魯棒性。最后，識(shí)別司機(jī)眼睛的睜閉狀態(tài)，并結(jié)合連續(xù)幀中的司機(jī)眼睛狀態(tài)來判斷司機(jī)的注意力集中程度[5]。定義R為相關(guān)值，使用R值可判別司機(jī)眼睛的睜閉情況。

式中：（x，y）為圖像坐標(biāo)中任意一點(diǎn)，T（x，y）是睜眼模板；是模板灰度的平均值；I（x，y）是采集到的眼睛圖像，是眼睛圖像灰度平均值。

圖1 基于視覺分析的列車司機(jī)狀態(tài)監(jiān)測(cè)算法流程圖

2.1.2 基于三軸加速度傳感器的司機(jī)規(guī)范手勢(shì)監(jiān)測(cè)

司機(jī)在作業(yè)過程中，例如通過道岔、確認(rèn)信號(hào)狀態(tài)時(shí)，為保證安全需要進(jìn)行規(guī)范化的手勢(shì)操作，為檢測(cè)司機(jī)的規(guī)范操作行為，使用基于加速度傳感器的操作手勢(shì)識(shí)別方式，加速度傳感器嵌入可穿戴的智能手環(huán)中，通過手環(huán)的采集數(shù)據(jù)分析司機(jī)的規(guī)范化操作手勢(shì)。該方案可選用MMA7260 模塊采集司機(jī)手腕的加速度信號(hào)，然后對(duì)采集信號(hào)進(jìn)行預(yù)處理，根據(jù)手勢(shì)軌跡數(shù)據(jù)完成自動(dòng)檢測(cè)、選擇低通數(shù)字濾波器濾除噪聲、通過二次采樣解決不同動(dòng)作速度采集數(shù)據(jù)量不一樣的問題，經(jīng)過3 個(gè)步驟后提取手勢(shì)動(dòng)作的特征參數(shù)，最后使用離散隱馬爾可夫模型進(jìn)行手勢(shì)動(dòng)作識(shí)別[6]。

2.1.3 基于智能手環(huán)的司機(jī)體征監(jiān)測(cè)

智能手環(huán)作為一種新興的可穿戴智能設(shè)備，已廣泛用于運(yùn)動(dòng)、睡眠、身體指標(biāo)等數(shù)據(jù)的采集與記錄中，醫(yī)用健康手環(huán)可以測(cè)量脈搏、心率、皮膚溫度、血壓等重要體征參數(shù)。所以可以使用醫(yī)用健康手環(huán)采集司機(jī)的心率和血壓信息，進(jìn)而實(shí)時(shí)監(jiān)測(cè)司機(jī)身體的關(guān)鍵指標(biāo)。具體包括3 個(gè)步驟。1） 使用手環(huán)監(jiān)測(cè)每位司機(jī)的心率和血壓信息。2） 根據(jù)每位司機(jī)的歷史體征數(shù)據(jù)確定司機(jī)的關(guān)鍵指標(biāo)的上下門限值。3） 判斷司機(jī)狀態(tài)的關(guān)鍵指標(biāo)是否超出閾值范圍以及持續(xù)時(shí)間，判斷司機(jī)的身體狀態(tài)。

3 數(shù)據(jù)融合

城市軌道交通列車司機(jī)的駕駛狀態(tài)通過多種方式進(jìn)行監(jiān)測(cè)，每種監(jiān)測(cè)方式從不同的角度識(shí)別司機(jī)的駕駛狀態(tài)，對(duì)于多種不同的監(jiān)測(cè)信息要通過加權(quán)的方式進(jìn)行綜合分析處理，最后得到司機(jī)的綜合狀態(tài)。司機(jī)的綜合狀態(tài)判定值G可以通過以下矩陣融合公式得出：

式中：X1為基于視覺分析的司機(jī)注意力集中度等級(jí)，X2為基于三軸加速度傳感器的司機(jī)規(guī)范操作監(jiān)測(cè)等級(jí)，X3為基于智能手環(huán)的司機(jī)體征監(jiān)測(cè)等級(jí)，y1為X1對(duì)應(yīng)指標(biāo)的權(quán)重值，y2為X2對(duì)應(yīng)指標(biāo)的權(quán)重值，y3為X3對(duì)應(yīng)指標(biāo)的權(quán)重值，其根據(jù)每項(xiàng)監(jiān)測(cè)指標(biāo)對(duì)列車安全性影響的大小取值，T為矩陣運(yùn)算符號(hào)，表示轉(zhuǎn)置矩陣。

參照鐵路安全防護(hù)設(shè)計(jì)規(guī)范中的相關(guān)標(biāo)準(zhǔn)，當(dāng)時(shí)間T不等于站停時(shí)間T站停時(shí)，根據(jù)司機(jī)在列車運(yùn)行過程中的閉眼時(shí)間T，將司機(jī)的注意力集中程度劃分為3 個(gè)等級(jí)，可以表示為：

結(jié)合列車運(yùn)行線路，從列車的定位系統(tǒng)中獲取實(shí)時(shí)位置信息，查找需要確認(rèn)的手勢(shì)，監(jiān)測(cè)司機(jī)在每個(gè)位置點(diǎn)的手勢(shì)動(dòng)作，判斷司機(jī)的操作是否規(guī)范，對(duì)司機(jī)未規(guī)范操作的次數(shù)進(jìn)行累計(jì)計(jì)算。根據(jù)司機(jī)未規(guī)范操作的次數(shù)S，將其分為3個(gè)等級(jí)，可表示為：

當(dāng)智能手環(huán)監(jiān)測(cè)到的心率或血壓超過閾值時(shí)，記錄超過閾值的持續(xù)時(shí)間。根據(jù)超過閾值的持續(xù)時(shí)間T將司機(jī)狀態(tài)劃分為3 個(gè)等級(jí)，表示為：

4 城市軌道交通司機(jī)駕駛狀態(tài)監(jiān)測(cè)算法檢驗(yàn)分析

選用硬件配置為i5 處理器、內(nèi)存4G 以上的計(jì)算機(jī)，使用C 語言在Visual Studio 2010 環(huán)境下完成軟件編寫。為檢驗(yàn)基于數(shù)據(jù)融合的司機(jī)駕駛狀態(tài)監(jiān)測(cè)方法的準(zhǔn)確性和性能，選擇具有高架、地面和隧道場(chǎng)景的線路，使用列車模擬駕駛環(huán)境，駕駛列車4 h，設(shè)置駕駛狀態(tài)異常場(chǎng)景類型，見表1，各種故障場(chǎng)景按照地面線路、高架線路和隧道線路均衡分布，并隨機(jī)插入模擬駕駛的過程中，確保在各種線路環(huán)境中均有以下各類異常情況出現(xiàn)。

從仿真監(jiān)測(cè)結(jié)果表2 中可以看出，仿真過程總注入24個(gè)異常點(diǎn)，在模擬列車駕駛的過程中，系統(tǒng)共計(jì)監(jiān)測(cè)到22個(gè)司機(jī)駕駛狀態(tài)異常的報(bào)警信息，監(jiān)測(cè)準(zhǔn)確率達(dá)91.6%以上，漏報(bào)率較低，系統(tǒng)能在不同的環(huán)境下對(duì)列車司機(jī)的駕駛狀態(tài)監(jiān)督。

表1 模擬駕駛過程中駕駛狀態(tài)異常類型及等級(jí)

表2 仿真監(jiān)測(cè)結(jié)果

5 結(jié)語

該文設(shè)計(jì)的列車司機(jī)駕駛狀態(tài)監(jiān)測(cè)技術(shù)能夠?qū)崿F(xiàn)司機(jī)注意力集中程度、規(guī)范操作行為和關(guān)鍵體征指標(biāo)的實(shí)時(shí)監(jiān)測(cè)，并可通過車地通信系統(tǒng)實(shí)時(shí)傳遞到集中控制中心進(jìn)行管理、分析、存儲(chǔ)和報(bào)警，滿足集中控制的需要，可以降低人為因素給列車帶來的安全風(fēng)險(xiǎn)。該方法引入視覺識(shí)別技術(shù)和智能手環(huán)，其靈活性和適用性更強(qiáng)，能夠在不改變現(xiàn)有列車司機(jī)工作方式的基礎(chǔ)上完成監(jiān)測(cè)。