牽引車主動防碰撞預(yù)警及駕駛員疲勞檢測系統(tǒng)的設(shè)計與應(yīng)用

唐偉 鐘沛 袁彬彬 袁源

摘要：本文介紹了南航創(chuàng)新開發(fā)的牽引車主動防碰撞管理系統(tǒng)及駕駛?cè)藛T疲勞檢測系統(tǒng)。牽引車主動防碰撞預(yù)警管理系統(tǒng)針對牽引車外形和安全運行需求，融合了全景拼接、遠距超聲波測距、視覺和毫米波雷達傳感器等關(guān)鍵技術(shù)，實現(xiàn)牽引車防碰撞智能預(yù)警及駕駛員駕駛提醒，有效降低事故發(fā)生率，提高安全性。

關(guān)鍵詞：飛機牽引車；主動防碰撞；預(yù)警；疲勞檢測

Keywords：aircraft tow tractor； active anti-collision； early warning； fatigue detection

0引言

隨著我國新一代智慧民航產(chǎn)業(yè)的不斷發(fā)展，機場地面資源的需求也隨之快速增長。飛機牽引車是機坪工作與飛機配合最為緊密的特種工作車輛，機坪內(nèi)飛機在地面的轉(zhuǎn)移、維修和調(diào)試都需要借助飛機牽引車的拖動。按照牽引方式的不同，飛機牽引車可分為有桿式牽引車和抱輪式牽引車，如圖1所示。飛機牽引車為機務(wù)運行管理提供有力的保障，是機場地面保障的主體力量。飛行任務(wù)的不斷增加使得機場環(huán)境內(nèi)的交通復(fù)雜度與移動目標的管理難度不斷提高，飛機牽引車運行管理的安全性和可靠性對民航業(yè)提出了重要挑戰(zhàn)。

中國南方航空股份有限公司是國內(nèi)運輸航班最多、航線網(wǎng)絡(luò)最密集、年客運量亞洲最大的航空公司。截至2020年12月，南航工程技術(shù)分公司現(xiàn)有牽引車116輛，其中有桿牽引車99輛，抱輪牽引車17輛。隨著航班數(shù)量的不斷增加，機務(wù)人員的飛機牽引工作越來越繁復(fù)，工作壓力不斷增加。特別是2020年全球新冠疫情以來，飛機停場/封存明顯增多，牽引飛機成為機務(wù)日常工作，這使得牽引車也成為與飛機刮碰和人員傷亡安全隱患概率最高的特種車輛。因此，如何對特種車輛進行高效的監(jiān)管，是提升航司機務(wù)管理能力的關(guān)鍵問題之一。

針對這一問題，南航創(chuàng)新地開發(fā)了牽引車主動防碰撞管理系統(tǒng)及駕駛?cè)藛T疲勞檢測系統(tǒng)，分別針對牽引車及牽引車駕駛?cè)藛T進行了管理，有效降低了事故發(fā)生率，提高了安全性，相關(guān)成果獲得第二屆南航創(chuàng)新挑戰(zhàn)賽二等獎，為拓展公司機務(wù)信息化管理水平、提高智能化和數(shù)字化管理能力提供助力。本文對牽引車主動防碰撞管理系統(tǒng)及駕駛?cè)藛T疲勞檢測系統(tǒng)的功能和采用的關(guān)鍵技術(shù)進行介紹，并對未來發(fā)展進行展望。

1牽引車主動防碰撞管理系統(tǒng)

在國內(nèi)，車輛防碰撞系統(tǒng)目前主要應(yīng)用于汽車和商用車，主要是歸因于政策驅(qū)動和安全要求的驅(qū)動。在家用汽車領(lǐng)域，主動防碰撞管理系統(tǒng)通過結(jié)合L2級自動駕駛輔助系統(tǒng)已經(jīng)逐步在多種車輛使用場景開展了技術(shù)推廣，在大型工程車輛（如環(huán)衛(wèi)車）、建筑工程用車和礦山車輛等特種車輛也在應(yīng)用并對使用場景作了優(yōu)化。

對于航空特種車輛中使用最多、場景最復(fù)雜的牽引車，目前國內(nèi)還沒有進行防碰撞管理系統(tǒng)的研究和應(yīng)用。但是，飛機牽引車由于其形狀特殊，車輛盲區(qū)大，存在較大的安全隱患。駕駛員即使在清醒的情況下也很難看到人或者機場內(nèi)的設(shè)施，容易發(fā)生安全事故，從而對運行造成嚴重的影響。

針對這一問題，南航創(chuàng)新地開發(fā)了牽引車主動防碰撞管理系統(tǒng)。該系統(tǒng)包括遠距防撞系統(tǒng)和中遠距防撞系統(tǒng)。下面對系統(tǒng)及采用的關(guān)鍵技術(shù)進行介紹。

1.1牽引車近身防撞系統(tǒng)

飛機牽引車外形特殊，車輛尺寸長、重量大，剎車制動距離較長，比民用車輛有更多的視角盲區(qū)。因此，采用360全景與超聲波融合防撞預(yù)警技術(shù)相結(jié)合進行車輛近身防撞系統(tǒng)設(shè)計。

360全景拼接融合技術(shù)是一種利用實景圖像組成全景空間的技術(shù)，它將多幅圖像拼接成一幅大尺度圖像或360度全景圖，實現(xiàn)對牽引車目標周圍環(huán)境的全局觀察。針對飛機牽引車的車型情況，進行了車輛四周360度環(huán)境視頻信息的探測與采集，并且基于全景圖像構(gòu)建了3D無畸變技術(shù)，最終完成了飛機牽引車近處360度無盲區(qū)的全景視頻實時觀察，從而實現(xiàn)了360度無盲區(qū)近距離的安全防撞預(yù)警。需要說明的是，360度全景拼接融合系統(tǒng)的計算是在嵌入式平臺上完成的。這就要求嵌入式平臺要有足夠的計算能力承載3D環(huán)境建模和自由觀測視點的實現(xiàn)、多路高清數(shù)字攝像頭的接入、快速的圖像數(shù)據(jù)解碼和核心處理器、專用圖像處理器間的高速數(shù)據(jù)搬移。

針對牽引車前后、側(cè)向近距離的防護部分，采用多超聲波傳感器融合進行盲區(qū)區(qū)域覆蓋。系統(tǒng)采用了0.3～5米距離范圍和0.8～8米距離范圍的超聲波測距，通過消除各超聲波的發(fā)波和回波干擾，進行雷達信號發(fā)波、收波的控制，進行信號的解算，最終得到準確的障礙物距離。系統(tǒng)采用工業(yè)級處理器以滿足算法的運算需求，并且適應(yīng)牽引車的電磁工作環(huán)境。

1.2 牽引車中遠距防撞系統(tǒng)

飛機牽引車的中遠距防撞系統(tǒng)采用視覺檢測與毫米波雷達融合防撞預(yù)警技術(shù)相結(jié)合進行開發(fā)。在視覺遠距離目標檢測方面選用深度學(xué)習(xí)算法進行機場多目標的檢測與識別。首先基于牽引車的目標樣本進行識別網(wǎng)絡(luò)模型的訓(xùn)練，然后將訓(xùn)練得到的網(wǎng)絡(luò)模型和參數(shù)集用于圖像目標的檢測。為了達成目標的實時檢測與預(yù)警，系統(tǒng)在視頻序列中實現(xiàn)了對特定目標跟蹤，在視頻序列中的每幅圖像中能夠快速、準確、高效地找到感興趣的目標運動位置。

在毫米波雷達目標探測方面，系統(tǒng)接收到雷達數(shù)據(jù)后，對雷達數(shù)據(jù)目標數(shù)據(jù)進行去干擾預(yù)處理。為了保證雷達對多個目標的有效檢測與跟蹤，首先需要對毫米波雷達進行雜波屏蔽與目標初選，然后對雷達進行目標跟蹤處理。由于毫米波雷達與上述視覺檢測是獨立的，因此需要對二者進行融合，以實現(xiàn)傳感器的空間配準和時間同步。

2駕駛?cè)藛T疲勞檢測系統(tǒng)

駕駛?cè)藛T疲勞檢測系統(tǒng)的基本原理是利用人體平衡性。平衡能力是一切靜態(tài)與動態(tài)活動的基礎(chǔ)能力，指身體所處的一種姿態(tài)以及在運動或受到外力作用時能自動調(diào)整并維持姿勢的一種能力，如單腳站立，用前腳掌支撐地面站立、半蹲等，屬于靜態(tài)的平衡能力；而走步、用前腳掌走、曲線或障礙跑、在較窄的平衡板上行走、原地轉(zhuǎn)圈后停下來等，則屬于動態(tài)的平衡活動。

南航駕駛?cè)藛T疲勞檢測系統(tǒng)通過建立平衡能力指標體系，將人體疲勞程度與各項平衡指標進行關(guān)聯(lián)，建立人體快速疲勞評估標準及體系，要求駕駛?cè)藛T在上崗前，在疲勞檢測平臺上做出相應(yīng)的姿勢，在姿勢調(diào)節(jié)的過程中，人們通常會根據(jù)視覺系統(tǒng)、本體覺系統(tǒng)和前庭系統(tǒng)所反饋的信息來維持身體的平衡。若出現(xiàn)疲勞狀態(tài)和體力損耗，人體的平衡狀態(tài)會發(fā)生變化。

因此，通過疲勞快速檢測系統(tǒng)可以對牽引車駕駛員進行作業(yè)前疲勞檢測并分級，從而大幅降低因駕駛員疲勞因素造成的誤操作及后續(xù)造成重大損失的風(fēng)險。此外，駕駛?cè)藛T疲勞檢測系統(tǒng)和牽引車駕駛?cè)藛T工卡一一對應(yīng)，形成人員大數(shù)據(jù)庫，為大數(shù)據(jù)分析提供數(shù)據(jù)支撐，并可支持指紋識別和人臉識別等功能，具有高效便捷的優(yōu)點。

3展望

盡管南航開發(fā)的飛機牽引車主動防碰撞管理系統(tǒng)及駕駛?cè)藛T疲勞檢測系統(tǒng)在改善飛機牽引車的安全管理方面取得了一定效果，但系統(tǒng)仍有改進空間。未來的飛機牽引車安全管理系統(tǒng)將進一步利用信息和智能技術(shù)，將各類雷達（如激光雷達、毫米波雷達、超聲波雷達）和視覺檢測相結(jié)合，進一步提升系統(tǒng)性能。此外，目前的疲勞檢測系統(tǒng)是在駕駛員作業(yè)前進行檢測的，后續(xù)可以考慮在駕駛過程中對駕駛員進行實時疲勞檢測，發(fā)現(xiàn)駕駛員疲勞時便可立即采取措施，以進一步降低事故發(fā)生率，提升特種車管理的信息化和智能化水平。

參考文獻

[1] 曾鑫.飛行區(qū)防碰撞研究[D].中國民用航空飛行學(xué)院，2009.

[2] 潘福全，亓榮杰，張璇，等.無人駕駛汽車研究綜述與發(fā)展展望[J].科技創(chuàng)新與應(yīng)用，2017（2）：27-28.

[3] 孫勇義. Apollo自動駕駛技術(shù)與安全設(shè)計[J].人工智能，2018（6）：48-58.

[4] 李鳳嬌.無人駕駛車輛綜合避障行為研究與評價[D].北京理工大學(xué)，2009.