一種基于大數據的疲勞駕駛安全保障系統的設計

磨春妗，黎飛，程登，張森

（上汽通用五菱汽車股份有限公司 廣西汽車新四化重點實驗室，廣西柳州，545007）

0 前言

隨著汽車保有量的增加，每年因為交通事故傷亡人數呈上升趨勢。現代人生活節湊的加快、睡覺不規律，熬夜現象嚴重、長時間駕駛等因素使得駕駛員精神狀態不佳，注意力不集中，容易疲勞駕駛，進而導致交通事故的發生[3]。疲勞駕駛作為交通事故的重要因素之一，如何準確高效檢測疲勞駕駛是多年來各大車企制造業與科研機構的研究重點，通過研究一種實時精準的疲勞駕駛預警系統，以便能夠警示駕駛人員改善駕駛行為，避免事故的發生，對社會安全具有重要的意義。

從現有的研究來看,多數側重于疲勞檢測，主要有三種檢測方式：生理特征、視覺特征、車輛行駛信息[4]。關于生理特征檢測方式，有研究[1,2]提出基于腦電信號(EElectroEncephaloGram,EEG) 的睡眠檢測模型,結果表明,EEG 能夠正確地區分清醒狀態和睡眠狀態。關于視覺特征檢測方法的研究，戴詩琪等人[3]提出基于HOG 特征提取和ERT 算法實現人臉檢測和特征點定位，而后利用卷積神經網絡對眼、嘴部狀態進行識別。張長隆[5]使用多傳感器采集眼部、嘴部以及方向盤特征，使用Fisher 線性判別分類來檢測疲勞。史瑞鵬[6]等人提出了一種基于加速后的多任務級聯卷積神經網絡MTCNN-F 實現人臉特征點快速定位，采用ERFP 方法精確提取眼、嘴部目標區域，并利用卷積神經網絡EM-Net 對目標區域圖像狀態進行快速準確分類，而后通過相應判定算法實現疲勞駕駛檢測的方法。關于車輛行駛信息檢測方法，尤超[7]利用駕駛操作行為變異性特征,通過個體差異性的自學習方法建立疲勞狀態檢測模型，結合車輛動態、操作與控制選擇等數據作為輔助數據進行疲勞狀態檢測。以上檢測方法，均可以實現駕駛員的疲勞檢測，有各自的優缺點。基于生理特征檢測方法具有較高的精度，但是信號采集主要通過接觸式設備實現，成本比較高，更適用于實驗室環境,不適于實際應用。基于視覺特征檢測方法具有非接觸、無干擾、檢測精度高的優點，但是容易受駕駛員的面部習慣、車內光線和眼鏡反光/遮擋等因素影響，且車內需要安裝攝像頭，成本比較高，推廣性適中。而基于車輛行駛信息的采集在汽車現有裝置的基礎上就可以實現，對額外的設備需求較低,實用性很強,成本低，易于推廣，但是駕駛員個人習慣、路面條件等因素會影響檢測結果的準確度。

少部分研究比較完整地囊括了疲勞檢測和疲勞預警兩個部分，詳細闡述了疲勞檢測研究方法及論證過程，但關于疲勞預警這個部分研究的不是很細致，一般只說明預警方法，比如語音提醒、限速、燈光報警或者震動裝置，沒有一個詳細的預警實施過程,如尤超[7],張長隆[8]。

綜上所述，設計一種有效的疲勞駕駛預警系統，減少疲勞駕駛事故的發生是本文的出發點。本文基于成本和方便的角度選擇車輛行駛信息檢測疲勞駕駛的方式，該檢測方式除了基于行駛信息還結合行駛路況進行疲勞駕駛檢測，進而針對不同的路況有不同的主動限速手段。當然，若條件允許，則也可以選擇生理特征或視覺特征檢測方式，畢竟方式不同，檢測準確度也有差異，本文的重點并非側重于檢測方式，而是側重于闡述一個比較完整的疲勞駕駛檢測預警系統。

1 疲勞駕駛安全保障系統的介紹

本文的疲勞駕駛安全保障系統包含兩個模塊，詳細工作示意圖見圖1，一個是結合駕駛路況基于車輛歷史和實時的行駛信息數據的疲勞駕駛檢測模塊：車輛行駛信息會通過車載數據采集裝置上傳至云端服務器，在車輛上電之前依據歷史數據構建一個疲勞檢測模型，車輛上電后由云端依據模型結合實時數據判斷駕駛員是否疲勞駕駛及疲勞等級；另一個是基于語音提醒、限速和告知緊急聯系人讓其反向提醒的分層次分時段的詳細疲勞駕駛預警模塊：依據疲勞等級，定時或不定時由云端給車端發出信號，觸發車輛提醒駕駛員，并依據行駛路況作出不同的預防事故發生的限速方式，并告知駕駛員的緊急聯系人讓其反向提醒駕駛員。

圖1 疲勞駕駛安全保障系統工作示意圖

（1）疲勞駕駛檢測模塊

結合駕駛路況基于車輛歷史行駛信息數據和實時行駛信息數據的疲勞檢測模塊。車輛上電后，車輛行駛信息會通過車載數據采集裝置上傳云端服務器，其中車輛行駛信息主要包含：方向盤轉角、方向盤角度、方向盤角速度、橫向加速度、車速、行駛時長、行駛時間（用于判斷白天還是晚上）等指標。在上電10min 內，本文認為駕駛員是清醒的，通過采集近期正常行駛時長達20min 以上的上電10min 時的數據（剔除怠速數據，倒車數據），作為清醒時建模參考數據，基于參考數據通過綜合評價方法提取出有劃分等級的具有個體特性疲勞駕駛的評定條件，將行駛10min 后的數據作為分析的實時數據，對比實時數據和疲勞駕駛的評定條件，判斷駕駛員是否疲勞（達到1 級疲勞駕駛條件）及對應的疲勞等級，其中疲勞等級分為1、2、3 等級，分別為輕度疲勞、中度疲勞、高度疲勞。

（2）疲勞駕駛預警模塊

基于語音提醒、限速和告知緊急聯系人讓其反向提醒的分層次分時段的詳細疲勞預警流程。上電10min 后，若檢測到駕駛員1 級或者2 級疲勞駕駛，則此時觸發車輛發出語音提醒駕駛員，要求降速行駛或者尋找附近安全停車點休息。上電30min 后，若此時檢測到駕駛員1 級疲勞駕駛,則進行語音提示；若2 級疲勞駕駛不僅進行語音提醒，還通過GPS 定位數據判斷駕駛員行駛的道路，是在高速路還是普通的道路上。若是高速路上，本文將80km/h 定義為高速路的a 級疲勞駕駛速度，若是普通道路，本文將50km/h 定義為普通道路的a 級疲勞駕駛速度。然后云端觸發車輛發出語音提醒駕駛員（疲勞等級不同，語音提醒內容不同），并告知駕駛員將于5s 后對車輛限速（范圍在a 級疲勞駕駛速度及以下），并把駕駛員疲勞駕駛的消息通過手機客戶端告知駕駛員的緊急聯系人。云端發送給緊急聯系人的駕駛員疲勞駕駛消息中，主要包含疲勞駕駛時間、位置疲勞駕駛等級和錄制10s 語音功能的接口鏈接及催促提醒駕駛員的內容，當駕駛員的緊急聯系人手機收到駕駛員疲勞駕駛提醒時，立即彈出屏幕展示給用戶，并配以自動語音播報，使得緊急聯系人不會錯過即時提醒駕駛員的時機。聯系人可點擊消息中的鏈接進入到錄制語音的界面，在界面中可直接看到駕駛員駕駛位置地圖及錄音功能，錄制完的語音將通過云端發送給車輛，并自動播放給駕駛員，無需駕駛員手動播放，避免分散駕駛員注意力，以防意外發生。上電1h 后，若此時駕駛員1 級或者2 級或3 級疲勞駕駛，則判斷駕駛員行駛的道路。若是高速路上，本文將70km/h 定義為高速路的b 級疲勞駕駛速度，若是普通道路，本文將30km/h 定義為普通道路的b 級疲勞駕駛速度。然后云端觸發車輛發出語音提醒駕駛員,告知駕駛員正在對車輛限速（范圍在b級疲勞駕駛速度及以下），并把駕駛員疲勞駕駛的消息通過手機客戶端告知駕駛員的緊急聯系人，最終駕駛員將以限速范圍內的速度行駛至下電。如果上電10min 后或者30min后檢測到駕駛員3 級疲勞駕駛，則判定行駛的道路，觸發車輛進行語音提醒及限速車輛到b 級疲勞駕駛速度，并把駕駛員疲勞駕駛的消息通過手機客戶端告知駕駛員的緊急聯系人。

以上分別為上電10min、30min、1h 的定時預警系統（詳情見圖2），由于是實時檢測疲勞駕駛，倘若在后兩個時間點預測之前，也就是10min～30min 和30min～1h 期間，發生嚴重疲勞駕駛，則也應進行預警，因而本文提出不定時預警的方案，主要是針對3 級疲勞駕駛。若在上述兩個時間段內檢測到3 級疲勞駕駛，則判定行駛的道路，觸發車輛進行語音提醒及限速車輛到b 級疲勞駕駛速度（詳情見圖3）。

圖2 疲勞駕駛定時預警流程圖

圖3 疲勞駕駛不定時預警流程圖

2 總結

本文設計的疲勞駕駛預警系統基于車輛大數據判斷疲勞駕駛及等級，依據駕駛時長設定疲勞駕駛提醒條件和時間，采用分層次限速方式控制疲勞駕駛的車輛行駛速度，以及通過告知駕駛員緊急聯系人，讓緊急聯系人通過錄音提醒系統反向提醒駕駛員，從而使得駕駛員重視安全駕駛，降速行駛或尋找安全停車點休息。總體上可以幾個方面說明系統的設計亮點：一、安全方面：依據疲勞等級對車輛進行定時或不定時的語音提醒和不同速度限制，對駕駛員的安全駕駛起到時間上多層次的安全保障作用；另外通知緊急聯系人，對于哪些無視自身安全盲目駕駛的人，可起到勸說作用，減少交通事故的發生。二、體驗方面:本文定義的車速較為合理，沒有嚴重影響駕駛員的駕駛需求；依據疲勞等級和駕駛時間進行提醒，減少頻繁提醒而引起駕駛員反感的情況。三、成本方面：采用低成本的車輛數據疲勞駕駛檢測方式，采用低成本操作的語音提醒、車輛限速的預警方式。四、效率方面：實時監控駕駛員精神狀態，定時或不定時地根據疲勞駕駛等級進行預警，能使駕駛員即時調整精神狀態，減速或者停車休息。五、提醒方式：本文在常用提醒方式上增加了告知緊急聯系人方式，盡管該方式被作為發生事故時常規使用的技術手段，但是一般只起到告知的作用，而不是預防。該方式在本文的疲勞駕駛預警中使用，一來是實現告知緊急聯系人的基本作用；二來是在不增加駕駛員駕駛風險的情況下由本文提出的錄音提醒系統自動提醒駕駛員；三來該提醒是在未發生事故之前，而非常規的事故發生后告知緊急聯系人；最后對于一個經常開車的人來說，面對常規的提醒通常會有麻木的心理，預警往往達不到很好的效果，而通過關系親密的緊急聯系人的語音提醒，則能夠有效使得駕駛員更重視安全駕駛，進而調整自己的精神狀態或停車休息。綜上所述，本文提供了一種從疲勞檢測到預警的疲勞駕駛安全保障系統的設計思路，在安全、體驗、成本、效率、提醒方面都有一定的效果。