基于手機分心駕駛行為的綜述

郄光春

摘 要：駕駛員分心駕駛是造成交通事故的主要原因，隨著我們對手機的日益依賴，因為手機而造成的分心占比有所增加。本文通過對國內外關于針對手機分心駕駛行為的文獻研究，整理了常用的調查研究方法，歸納了國內外手機分心駕駛對駕駛安全影響的結論，最后也總結了關于分心駕駛監測和預警的成果。

關鍵詞：駕駛時使用手機;分心駕駛;車輛行駛特征

1引言

駕駛使用手機十分危險，并且正日漸成為引發道路交通事故的重要原因，分心駕駛的同時，危害的不僅是分心的駕駛員自身，還有任何其他道路使用者。NHTSA國民統計和分析中心從2005年7月3日至2007年12月31日進行了國家監測和評估中心的工作。在碰撞現場對碰撞進行了調查，以收集與碰撞事件相關的駕駛員、車輛和環境信息，重點是駕駛員的角色。根據美國國家公路交通安全管理局（NHTSA，2016）的數據，美國每年大約有3.5萬起致命的駕駛事故，造成的經濟損失為2420億美元，社會損失為8360億美元。與此類駕駛死亡相關的一個危險因素是駕駛員注意力分散（NHTSA，2014）。

2 手機分心駕駛研究理論概述

2.1 國外關于手機分心駕駛行為規律的研究

2.1.1 國外研究手機分心駕駛的方法概述

關于分心駕駛的相關研究，一般都以訪談、調查問卷和模擬演練的形式進行。Despina Stavrinos等在2013年利用駕駛模擬器對75名參與者（青少年和年輕人）的行為（即手機，短信，和不分心）和駕駛條件（即自由流、穩定流、過飽和）進行了研究調查。結果表明，分心駕駛，特別是短信，可能導致安全性和交通流量下降，從而對交通運行產生負面影響。而且各年齡組之間未發現顯著差異，這表明所有駕駛員，無論年齡大小，都可能在分心時以一種影響安全和交通流量的方式駕駛。David G.Kidd等通過路邊觀察調查的形式對比2014年和2018年北弗吉尼亞州駕駛員分心駕駛來源的變化。結果表明，2014年至2018年，手機總使用量沒有顯著差異。與2014年相比，2018年持有手機的可能性顯著降低，而操縱手機的可能性顯著增加。在2014年和2018年，約有14%的司機有非手機第二行為。Sahar Hassani等在2016年對444名大學生進行分心駕駛的研討會，然后對他們在研討會前和研討會后的調查問卷進行對比。結果表明，該研討會成功地改善了分心駕駛相關的態度、知識和行為，但仍需努力維持（和評估）長期效果。這種方法操作簡單，成本相對較低，在分心駕駛行為調查領域得到廣泛應用。

2.1.2 國外研究手機分心駕駛對駕駛安全影響概述

根據NHTSA 數據顯示，關鍵原因是事故因果鏈中的最后一個事件，94%的事故（2.2%）歸咎于駕駛員。在被指定關鍵原因的大約2，046，000名駕駛員中，識別錯誤，包括駕駛員注意力不集中、內部和外部干擾以及監控不充分，是最常見的關鍵原因（41% 2.2%）;大約33%（3.7%）的撞車事故是由于決策失誤造成的，如駕駛速度過快、轉彎速度過快、錯誤假設他人的行為、非法操縱以及對空檔或他人速度的誤判;在大約11%（2.7%）的碰撞中，關鍵原因是性能錯誤，如補償過度、方向控制不佳等。Despina Stavrinos等研究發現在使用手機通話時，參與者會表現出高速公路低效率的行為特征，包括變道頻率降低、變道時車輛之間的距離增大（滯后距離）、跟隨距離增大、行駛速度降低以及完成駕駛的時間增加。其中，在所有測量變量中，短信對安全和交通流（不考慮服務水平）的負面影響最大。與使用手機相比，在不分心的情況下，車道偏離增加，這可能是無聊造成的，也可能與冒險駕駛有關。

2.2 國內關于手機分心駕駛行為規律研究

2.2.1 國內研究手機分心駕駛的方法概述

國內對分心駕駛行為的研究方法和國外的大同小異，但隨著技術的發展，模擬實驗也成為了研究的一個重要途徑。張輝等在2018年分析了常態下不同交通環境中分心駕駛對駕駛行為及視覺行為的影響。設計分心駕駛模擬實驗，采集了駕駛人在自由流和擁擠流場景中正常駕駛過程執行免提手機通話和微信語音短信時車輛運動狀態和駕駛人視覺行為數據并進行分析。并在此基礎上提出了基于AdaBoost-GA-BP組合算法的駕駛人分心狀態判別模型。馮建國等在2017年進行將水杯放置在危貨車駕駛艙內3種常見的杯架位置處的實驗，采集飲水分心駕駛和正常駕駛時的車輛運行狀態數據。對車輛運行狀態數據用遺傳算法和粒子群算法，并得出遺傳算法是對模型判別的優化算法。邢祎倫等在2018年利用微信登錄調查問卷的形式獲得了1352 份問卷，從日常使用手機習慣、選擇使用手機的正向與負向因素以及車輛營運性質幾個方面分析了駕駛人駕駛時使用手機的動機。研究發現調查參與者的日常手機使用行為明顯投射到了駕駛時，包括對手機的依賴性、對手機功能的偏好、對通話方式的選擇方方面面。

2.2.2 國內研究手機分心駕駛對駕駛安全影響概述

國外的研究者早期試圖通過駕駛員分心行駛時的特征，建立駕駛員分心駕駛檢測系統。呂愛紅等在駕駛模擬器平臺上模擬城市、鄉鎮、山區和高速公路等應激場景，采集數據。結果表明，分心駕駛導致駕駛人視覺搜索范圍變窄，對加速踏板的控制能力減弱，應激反應時間增加。

3手機分心駕駛行為的檢測預警概述

3.1 國外關于手機分心駕駛的檢測預警概述

以色列汽車傳感器開發商 Guardian 光學技術公司使用了一種能檢測駕駛員頭部的先進傳感器，獨立自動傳感器系統可與汽車硬件和軟件配合使用，包括安全帶、安全氣囊等所有內置安全系統。駕駛員可不斷了解車內情況以及人員情況，從而避開因人為錯誤造成風險。

3.2 國內關于手機分心駕駛的檢測預警概述

夏瀚笙等文中提出一種使用駕駛員的人體關鍵點位置信息來幫助卷積神經網絡識別駕駛員是否分心駕駛的方法。通過加入人體關鍵點的位置信息，可以有效地使得卷積神經網絡關注于駕駛員的姿態，減少背景信息的干擾。使用Alpha Pose系統獲取駕駛員上半身9個關鍵點的坐標，利用高斯公式分別以每個關鍵點為中心生成熱力圖。熱力圖包含關鍵點位置的響應，離關鍵點越近的位置，響應值越大。在VGG16和Res Net50的基礎上，探討8種結構，分別將9張熱力圖和不同的特征圖融合，作為下一個卷積的輸入。實驗結果表明，該方法在 State Farm 數據集上達到了94.934%的準確率，優于其他方法。

4研究的總結和展望

綜合本次對國內外關于分心駕駛行為的文獻研究，得出結論：國外對于分心駕駛行為的研究相對更早，前期主要通過訪談和問卷形式對不同的駕駛員進行調查，得到了大量的分心駕駛行為下駕駛員的特征，這些特征為我們研究分心駕駛行為的內在規律提供了依據。隨著技術的發展，國外也采取了攝像機、GPS、雷達和傳感器等先進工具研究分心駕駛，進而得到了更為詳細的分心駕駛行為下駕駛員的特征和車輛的行駛特征。基于這些數據，國外正嘗試在車內安裝檢測系統，利用 AI 傳感器對駕駛員的信息進行實時反饋，進而實現對分心駕駛、疲勞駕駛有效的檢測和預警，提高道路行車安全。

參考文獻

[1] 張輝.分心駕駛行為對交通安全影響機理與建模研究[D].北京交通大學，2018.

[2] 馮建國，錢大琳，羅藝，李晨.基于SVM的危貨車駕駛員飲水分心判別模型[J].公路交通科技，2017，34（S2）：16-22.