疲劳驾驶分析,疲劳驾驶预警系统设计研究

张王雪松

摘要:疲劳驾驶影响驾驶员的驾驶能力，对道路交通安全构成严重威胁。研究表明，疲劳驾驶是交通事故的主要原因之一，驾驶员的驾驶能力会随着疲劳程度的增加而下降。从疲劳驾驶状态判别、疲劳驾驶原因研究、疲劳驾驶安全影响分析和疲劳驾驶干预研究四个方面总结了国际上的最新研究，介绍了疲劳驾驶的研究现状。

关键词:疲劳驾驶；驾驶行为；疲劳辨别；交通事故；驾驶模拟器

疲劳驾驶及其预防的研究进展

张，人

(同济大学道路与交通工程教育部重点实验室，上海201804)

摘要:疲劳驾驶影响驾驶员的驾驶能力，对道路交通安全构成严重威胁。研究表明，疲劳驾驶是交通事故的主要原因之一，驾驶员的驾驶能力会随着疲劳程度的增加而下降。本文从驾驶员瞌睡检测、瞌睡驾驶原因、瞌睡驾驶的安全影响和瞌睡驾驶干预四个方面总结了国际上的最新研究成果，旨在介绍瞌睡驾驶领域的研究现状。

关键词:昏昏欲睡驾驶；驾驶行为；睡意检测；交通事故；驾驶模拟器

驾驶疲劳是交通事故的重要原因之一。数据显示，美国每年约有30万起与疲劳驾驶相关的交通事故，其中10.9万人受伤，6400人死亡[1]。2010年，AAA对美国司机进行了一次电话调查，结果显示，41.0%的司机承认在驾驶过程中“睡着或打瞌睡”[2]。根据中国公安部交通管理局公布的数据，疲劳驾驶是2015年高速公路交通事故的主要原因，疲劳驾驶导致的交通事故占8.41%，死亡占6.21%[3]。

疲劳驾驶的主要原因包括长时间注意力高度集中、睡眠不足、驾驶环境单一。疲劳会增加驾驶员的反应时间，降低驾驶过程中的警觉性[4]。长时间驾驶时，如果驾驶员在驾驶过程中缺乏刺激，可能会导致疲劳和危险的驾驶行为。

国内外对疲劳驾驶的研究主要集中在以下四个方面:(1)疲劳驾驶状态的识别；(2)疲劳驾驶原因的研究；(3)疲劳驾驶安全影响分析；(4)疲劳驾驶干预研究。目前疲劳驾驶的研究方法主要是利用自然驾驶数据或设计实验来收集驾驶员行为数据。通常采用侵入式测量方法(即采集驾驶员生理数据的仪器会影响驾驶行为，如头戴式脑电图仪)或非侵入式测量方法(即采集驾驶员生理数据的仪器不会影响驾驶员的行为和舒适度，如桌面眼球运动)来采集驾驶员的生理特征。对于疲劳驾驶数据的分析方法，目前的研究主要采用统计分析方法(如相关分析、差异分析、统计模型)和数据挖掘算法如机器学习(如随机森林、人工神经网络、动态贝叶斯网络等。)来分析数据。

本文综述了近两年来TRB会议和《事故分析与预防》等交通安全期刊中关于疲劳驾驶的内容，以展示国际上疲劳驾驶研究的最新进展。

1疲劳驾驶状态判别

疲劳驾驶的研究方法主要有驾驶模拟器实验、实车实验和自然驾驶来分析驾驶员在疲劳状态下的驾驶行为，通过眼动仪、生理仪器、视频识别或主观问卷调查来评价驾驶员的疲劳状态。

同济大学王雪松等[5]通过驾驶模拟器实验收集驾驶员驾驶行为和眼动特征数据，对比分析驾驶员主观疲劳量表(KSS)，建立混合效应有序Logit模型判断疲劳状态。该模型既考虑了驾驶员的个体差异，又考虑了疲劳的时间累积效应。为了比较疲劳累积效应在模型中的显著作用，建立了不考虑TCE的混合效应有序Logit模型进行对比分析。结果表明，驾驶时间显著影响驾驶员的疲劳水平，考虑TCE的模型准确率在80%以上，远高于未考虑TCE的模型。

Zandi等人[6]通过驾驶模拟器实验收集了驾驶员疲劳状态下的眼动数据，包括凝视、扫视、眨眼、瞳孔直径和眼睑开合(PERCLOS)等信息。本研究以驾驶员的实时脑电数据作为参考标准，评价眼动参数判断疲劳的准确性。为了探讨不同时段长度的眼动参数对疲劳驾驶检测性能的影响，选取了几个时段长度进行分析，并对结果进行了比较。此外，分类器(随机森林，支持向量机)用于评估驾驶员的疲劳状态。结果表明，短历元长度的数据处理方法(即该方法具有高时间分辨率和低检测延迟)结合无创测量可以有效地检测驾驶员的长时间实时疲劳。眼部特征数据可以有效评估驾驶疲劳，使用随机森林分类器判别驾驶疲劳的准确率高达88.37% ~ 91.18%。

埃塞克斯-马赛大学的Naurois等人[7]使用人工神经网络(ANN)来区分和警告驾驶员的疲劳状态。研究人员通过驾驶模拟器实验记录驾驶员的驾驶行为和生理指标，并在模型中考虑驾驶员之间的个体差异。本文采用两种不同的人工神经网络模型来检测驾驶员每分钟的疲劳程度，并预测驾驶员达到特定的每分钟疲劳程度(中度疲劳)所需的时间。研究人员使用一组驾驶员的数据来训练ANN模型，以改善其性能，并将其应用于新的个体，以测试模型的有效性。结果表明，该模型对特定驾驶员数据的适应性使疲劳预测准确率提高了40%，疲劳判别准确率提高了80%。该研究方法显著提高了模型对具体驾驶员的适应性，为解决不同驾驶员在疲劳状态下的个体差异提供了初步解决方案。

2疲劳驾驶的诱发因素研究

驾驶疲劳是指在困倦或身体疲劳的状态下驾驶，可由多种潜在原因引起，如过度嗜睡、睡眠剥夺、倒班引起的昼夜节律变化、疲劳、服用镇静药物、疲劳时饮酒等。此外，由于长途驾驶时道路环境单一，驾驶员容易疲劳。

Mahajan等人[8]通过问卷调查的方式对印度三个城市的男性货运司机的作息模式和驾驶行为进行了调查。当司机的工作收入与行车日程的繁忙程度相关时，往往会给司机带来工作压力。这种持续的工作压力会促使他们违反交通法规和工作时间。结果表明，受试者的违章行为、错误行为等危险驾驶行为与驾驶员睡眠不足显著相关。此外，该研究强调，当司机因疲劳、困倦或工作压力而无法满足休息要求时，促进长途卡车司机违反交通规则。根据研究模型的结果，过去因违反规则而受到处罚的司机再次违反规则的风险更大。这可能意味着现有的惩罚措施效率低下，无法遏制普遍存在的不安全驾驶行为。

Farahmand 和Boroujerdian[9]利用驾驶模拟器探究了单调环境下不同道路几何线形对驾驶人疲劳状态的影响。实验中使用了三条具有不同数量水平弯道的不同道路进行场景建模，见图1。研究采集并分析了驾驶人在行驶过程中的方向盘运动状态及驾驶人车道保持能力，以及在完成驾驶任务前后的警觉程度。结果表明，道路设计对驾驶人车道保持能力有显着影响。更多的道路线形变化可以提高驾驶人的驾驶性能及警惕性。因此，通过增加道路平曲线设计可以被认为是在单调和欠载道路条件下增加驾驶人心理负荷的有效方法。Farahmand和Boroujerdian[9]利用驾驶模拟器探讨了单调环境下不同道路几何线形对驾驶员疲劳状态的影响。在实验中，使用了三条不同的道路和不同数量的水平曲线进行场景建模，如图1所示。采集并分析了驾驶员在完成驾驶任务前后的方向盘运动状态、车道保持能力和警觉程度。结果表明，道路设计对驾驶员的车道保持能力有显著影响。更多的道路线形变化可以提高驾驶员的驾驶性能和警惕性。因此，增加道路平曲线设计可以被认为是在单调和低负荷路况下增加驾驶员心理负荷的有效方法。

李等[10]通过对出租车司机进行问卷调查收集数据和建模，探讨了影响出租车司机疲劳相关事故风险(FRAR)的因素。采用Logistic岭回归(LRR)、Logistic回归(LR)和支持向量机(SVM)模型对数据进行分析，发现LRR模型对FRAR的预测精度最高。模型表明，高危出租车司机具有工作时间长、休息时间少、驾驶经验少、对自身抗疲劳能力更有信心等特点。出租车司机的驾驶休息习惯、疲劳驾驶体验和疲劳驾驶意图是影响疲劳驾驶的关键因素，很大程度上决定了疲劳驾驶行为的FRAR。调整驾驶员的休息习惯和与这些预测因素相关的自我评估，将有助于降低高危驾驶员的事故风险。

3疲劳驾驶对安全的影响分析

在疲劳驾驶对安全影响的研究中，研究人员将重点探索疲劳驾驶的普遍性以及如何降低疲劳驾驶事故的风险，并提出相应的有效措施，减少疲劳驾驶事故的发生。

弗吉尼亚理工大学的Owens等人[11]使用第二个战略公路研究计划自然驾驶研究来研究疲劳驾驶。利用自然驾驶过程中采集的视频数据，分析驾驶员的PERCLOS，判断疲劳状态，分析疲劳驾驶在日常驾驶和交通事故中的普遍性。在这项研究中，使用了与视频记录和时间序列数据相关的时间戳，可以准确定位安全相关因素和事件发生的时间，以便使用流行病学方法分析特定活动和驾驶情况的风险。该研究为驾驶员在碰撞和正常驾驶过程中的状态提供了一种客观的评估方法，避免了由于驾驶员无法记忆或承认其疲劳驾驶而导致的数据结果偏差，与传统的疲劳驾驶风险评估方法相比显示出明显的优势。

东南大学马永峰等[12]利用实车实验对大型货运车辆驾驶员疲劳驾驶进行研究，采集驾驶员的速度、加速度等参数，利用PERCLOS指数对驾驶员疲劳状态进行识别，探讨交通事故风险。结果表明，速度和加速度可以作为评价重型卡车驾驶员驾驶性能的重要指标。当驾驶员达到较高的疲劳水平时，他的平均速度、最大速度和最小速度都会增加，速度的稳定性会降低。当驾驶员受到疲劳的影响时，他们的反应能力就会下降。如果驾驶员在高度疲劳的状态下继续高速行驶，将更容易发生交通事故。另外，随着疲劳的增加，加速度的平均值和标准差会减小，但加速度的最大值和最小值会增大。说明驾驶员在疲劳状态下更容易做出紧急或暴力的驾驶动作，疲劳会损害驾驶员的反应能力。

南阿拉巴马大学的康和拉赫曼[13]在美国阿拉巴马州的I-65的两个路段上建立了疲劳驾驶咨询系统(DDA)，并分析了这两个路段在DDA系统建立前后的事故。DDA系统由三种标志组成，即:(1)指示进入疲劳驾驶建议区的标志；(2)疲劳驾驶的警示标志(如疲劳驾驶危及生命安全)；(3)疲劳驾驶的警示标志(如感觉疲劳，请及时休息)。结果表明，安装DDA系统后，该路段休息区交通量增加10%，事故减少65%。DDA设置后，事故率明显降低，说明该系统具有提醒驾驶员的作用，明显降低了事故风险。

韩国汉阳大学Jung等人[14]对因疲劳驾驶导致的高速公路事故进行研究。为了防止因疲劳驾驶而引发的撞车事故，韩国高速公路系统增设了辅助休息区，使得道路使用者可以休息。这些辅助休息区是非常小的休息设施，它通常位于较大的常规休息区之间，如图2所示。研究旨在评估辅助休息区对减少因疲劳驾驶所引发碰撞事故的影响。结果显示，设置辅助休息区域可以减少14%的由疲劳驾驶引发的高速公路碰撞事故。韩国汉阳大学的Jung等人[14]对疲劳驾驶导致的高速公路事故进行了研究。为了防止疲劳驾驶造成的撞车事故，韩国高速公路系统增加了辅助休息区，以便道路使用者休息。这些辅助休息区是非常小的休息设施，通常位于较大的常规休息区之间，如图2所示。本研究旨在评估辅助休息区对减少疲劳驾驶导致的碰撞事故的影响。结果表明，设置辅助休息区可以减少14%因疲劳驾驶造成的高速公路碰撞事故。

由于商用车驾驶员通常面临睡眠不足、轮班影响昼夜节律等问题，更容易造成疲劳驾驶。交通大学的吴等人[15]研究了重新安排城际公共汽车司机的时间以降低交通事故的风险。调查结果显示，以下两种排班方式可能导致较高的事故风险:(1)连续两个下午或凌晨班；(2)将早班安排在前一个早班或下午班之后，或者将早班安排在前一个班之后24小时。为了保持不间断的服务，降低交通事故的风险，研究人员开发了一个数学程序来合理安排司机的时间表。结果表明，城际公交公司应避免司机连续两天在下午或凌晨开车，并在相邻两个工作班次之间安排夜班司机休息24小时以上。这种工作班次的组合安排通过避免碰撞事故的高风险，可以将碰撞事故减少高达30%。

4疲劳驾驶干预研究

疲劳驾驶干预措施的研究主要包括预防和预警。预防措施包括对司机进行安全教育，并通过服用咖啡因和其他产品进行干预。疲劳预警是在车内从听觉、视觉、触觉等方面对驾驶员的疲劳进行干预。

澳大利亚的Aidman等人[16]利用驾驶模拟器实验，记录驾驶员在强迫50小时不休息后的驾驶行为。司机被随机分成两组。一组使用含咖啡因的口香糖作为实验组，另一组使用不含咖啡因的口香糖作为对照组。本研究通过反复咀嚼口香糖，同时累积睡眠损失，探讨咖啡因摄入对驾驶员疲劳和驾驶表现的影响。结果表明，每隔2小时通过咀嚼口香糖反复摄入200mg咖啡因，不仅能减轻困倦，还能显著降低疲劳对驾驶失误的影响，从而减轻疲劳对驾驶表现的损害。

奥斯汀健康中心的Alvaro等人[17]通过对年轻司机的教育干预，将34名参与者(年龄18-26岁)随机分为两组。一组接受为期四周的睡眠与驾驶教育，内容包括与疲劳相关的科学内容(什么是疲劳、充足睡眠的定义、睡眠疾病、人体节律和了解自己的生物钟)、疲劳对驾驶的影响、如何避免疲劳驾驶；另一组接受与疲劳驾驶内容无关的控制条件教育。在为期四周的教育项目前后，研究人员就影响司机睡眠和驾驶的因素进行了一系列问卷调查。并且受试者需要在保持清醒17个小时后，在凌晨1点完成2小时的驾驶模拟器任务，以评估其对驾驶行为的影响。结果表明，对年轻司机进行睡眠和驾驶教育可以提高司机的嗜睡意识，降低疲劳驾驶和相关事故的风险。

在疲劳驾驶预警方面，爱荷华大学Gaspar等人[18]通过设计驾驶模拟器实验（如图3所示），根据驾驶人注视位置探究了不同前向碰撞预警（Forward collision warnings，FCW）对中至重度疲劳驾驶人的预警有效性。在前方出现静止车辆并且此时主车即将发生碰撞的情况下，设置了三种警告条件：听觉警告、座椅振动警告及无警告。结果表明，仅当疲劳驾驶人在前向碰撞事件开始时处于闭眼或低头的状态时，FCW能有效提高疲劳驾驶人的反应能力。在疲劳驾驶预警方面，美国爱荷华大学的Gaspar等人[18]设计了一个驾驶模拟器实验(如图3所示)，根据驾驶员的注视位置，探讨不同的前向碰撞预警(FCW)对中重度疲劳驾驶员的有效性。有三种警告条件:声音警告、座椅振动警告和当前方有静止车辆且主车辆即将碰撞时没有警告。结果表明，只有当疲劳驾驶员在向前碰撞开始时处于闭眼或低头状态时，FCW才能有效提高疲劳驾驶员的反应能力。

目前市场上疲劳驾驶预警系统的设备主要是对生理信号(如驾驶员的面部特征)和非生理信号(如驾驶行为数据)进行采集、分析和处理，以判断驾驶员当前的疲劳状态。此外，图像处理技术经常被应用到疲劳驾驶预警系统的设计中。基于图像处理的疲劳驾驶预警系统通常包括四个模块:图像采集模块、图像处理模块、CPU和报警显示模块。驾驶员的面部特征、眼球运动特征等。图像被数字化和去噪，然后被传输到中央处理单元。通过图像处理算法不断优化结果，最终输出结果，通过指示灯、声音或振动等方式进行疲劳驾驶预警。

5摘要

本文总结了近两年来TRB年会和《事故分析与预防》等交通安全期刊对驾驶疲劳的研究进展，梳理了国际上对驾驶疲劳的研究内容、研究方法和研究成果。目前，疲劳驾驶领域的最新文献主要集中在交通安全、驾驶行为、医学等方面，在疲劳检测和判别方面有丰富的研究成果。

然而，当前研究中涉及的判别模型的准确性在一定程度上受到限制。如何提高驾驶员疲劳状态判别模型的准确性是今后研究中需要进一步探索的内容。对于疲劳驾驶的研究手段，自然驾驶数据是反映驾驶员行为最准确的方式。但如何在自然驾驶数据中有效识别驾驶员的疲劳状态，找出疲劳状态下的行为规律，进而做出更有针对性的预警，是今后研究中可以探索的方向。

疲劳等级的划分标准目前还没有成熟的参考，如何更准确地划分疲劳等级也是今后研究中值得进一步探索的内容。此外，在5级自动驾驶尚未完全实现之前，在自动驾驶车辆需要驾驶员接管的情况下，如何有效干预驾驶员的疲劳驾驶，也是值得思考的问题。

参考

[1]tef ft B . c .美国2009年至2013年涉及昏昏欲睡驾驶员的机动车碰撞发生率。DC华盛顿:AAA交通安全基金会；2014.

[2]tef ft B . c .在驾驶时睡着:昏昏欲睡驾驶的流行和影响[J].司机，2010，279(7):80。

[3]公安部交通管理局。中华人民共和国道路交通事故统计年报(2015)。公安部交通管理研究所，无锡，2016。

[4] Young T，Blustein J，Finn L，等.基于人群的就业成人样本中的睡眠呼吸障碍和机动车事故[J].睡眠，1997，20: 608-613。

[5]张X，杨X，王X，等.考虑时间累积效应的混合效应有序Logit模型在驾驶员睡意检测中的应用[C].//运输研究委员会第98届年会会议录。华盛顿:交通研究委员会，2019年。

[6] Zandi A S，Quddus A，Prest L，等.基于眼动数据的疲劳驾驶的非侵入式检测[C].//运输研究委员会第98届年会会议录。华盛顿:交通研究委员会，2019年。

[7] Nauroisa C J，Bourdina C，Bougard C，等.将人工神经网络应用于特定驾驶员可增强对睡意的检测和预测[J].事故分析与预防，2018，121:118-128。

[8] Mahajan K，Velaga N，Kumar A，等.卡车司机因疲劳和困倦而违反交通规则的情况[C].//运输研究委员会第98届年会会议录。华盛顿:交通研究委员会，2019年。

[9] Farahmand B，Boroujerdian A M .道路几何形状对单调环境中驾驶员疲劳的影响:模拟器研究[J].交通研究F部分:交通心理与行为，2018，58: 640-651。

[10]李敏，于军，马磊，等.出租车司机疲劳事故风险建模与缓解[J].事故分析与预防，2019，123:79-87。

[11] Owens J，Dingus T，Guo F，等.利用大规模自然驾驶研究的数据估计疲劳驾驶的发生率和碰撞风险[C].//运输研究委员会第97届年会会议录。华盛顿:交通研究委员会，2018年。

[12]马Y，张C，闫青，等.疲劳驾驶对重型卡车驾驶员驾驶绩效的影响[C].//运输研究委员会第98届年会会议录。华盛顿:交通研究委员会，2019年。

[13]康，拉赫曼.疲劳驾驶咨询系统:阿拉巴马州案例研究[C].//运输研究委员会第98届年会会议录。华盛顿:交通研究委员会，2019年。

[14] Jung S，Joo S，Oh C .评估补充休息区对由疲劳驾驶引起的高速公路交通事故的影响[J].事故分析与预防，2017，99(part_PA):356-363。

[15]王树英，吴克福.通过驾驶员重新调度减少城际公交车辆碰撞事故[J].事故分析与预防，2019，122:25-35。

[16] Aidman E，Johnson K，Paech G.M .，等.咖啡因减少困倦对驾驶错误的影响[J].交通研究F部分:交通心理与行为，2018，54: 236-247。

[17] Alvaro P K，Burnett N M，Kennedy G A，等.驾驶员教育:加强对睡眠、疲劳和危险行为的了解以提高年轻驾驶员的决策能力[J].事故分析与预防，2018，112:77-83。

[18]Gaspar J . G，Schwarz J . C . W，Brown T . L，等.凝视位置调节昏昏欲睡的驾驶员的前方碰撞警告的有效性[J].事故分析与预防，2017: S0001457517304529。