基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。     

驾驶人疲劳监测预警技术研究与应用综述

基于各种物理传感器的疲劳驾驶监测预警技术(DFMP),是交通安全领域的研究重点。这类技术主要包括基于驾驶人生理特征、车辆运行状态以及驾驶人行为特征的疲劳监测。分析论述各种疲劳监测技术的研究现状与进展、优缺点以及应用状况,介绍目前世界上常用的疲劳监测系统。通过分析比较得出:车道偏离监测、车辆运动参数监测、基于人眼、头部运动以及面部状态的疲劳监测等是目前的热点研究方向;系统软硬件的提升、基于机器视觉的多传感器多参数信息融合等是疲劳监测技术重要的发展趋势;更强的实时性、准确性和鲁棒性是疲劳监测技术的发展目标。     

基于仿真的交通事故机动车驾驶人识别方法

为正确识别交通事故中的机动车驾驶人,借助仿真软件,提出一种基于仿真的机动车驾驶人识别方法。先根据事故现场痕迹,借助Pc-Crash软件仿真车辆的运动轨迹;再根据Pc-Crash仿真所得速度、位置等信息,借助Madymo软件仿真乘员的运动;然后通过分析车辆运动轨迹、人体损伤和人体最终停止位置等仿真结果确定驾驶人。最后用该方法识别了一例2车侧面碰撞事故中的驾驶人,所得结果与警方调查结果一致。借助仿真方法并充分利用事故现场痕迹,能够识别机动车驾驶人。     

细数那些本可避免的开车盲区

<正>城市内交通拥堵,车速大多不快,出现交通事故也大都是微事故:两车相刮擦、撞倒行人、蹭了马路牙子、前后车追尾等等。这些事故发生的共同特点就是司机没有正确判断车辆所处位置,造成这种情况的原因首先是司机太粗心大意,再者就是各种盲区导致司机辩识不清。一、盲区危害大,是否可避免?所谓驾驶盲区,就是驾驶人的视线死角或不容易注意到的地方,一般来说,它分为车内盲区和车外盲区。车内盲区大多是因为车辆结构造成的,不同车型的车内盲     

基于面部特征识别的管制员疲劳监测方法研究

为进一步控制疲劳诱发的空管人为差错,提出一套基于面部特征识别的空中交通管制员疲劳实时监测方法。应用眼动仪和视频记录系统开展36 h睡眠剥夺试验,确定PERCLOS值、平均闭眼时长、哈欠频率3个疲劳判定指标的判定阈值,并给出综合疲劳程度的融合算法。应用机器视觉的理论和方法,开发功能完整的管制员疲劳状态实时监测告警原型系统。结果表明,通过对面部特征的识别和状态融合能够实现对管制员疲劳状态的实时监测。建议在此基础上进一步开发可实用的疲劳监测系统。     

基于多信息检测的车辆智能防撞预警技术研究

运用多源信息检测技术对驾驶状态进行综合检测,利用架设在车辆外部的摄像机获取本车与前方车辆之间的相对距离、相对速度信息,利用架设在车辆内部的摄像机获取驾驶人状态信息,通过综合判断降低车辆防撞检测的漏警率、误警率以及冗余报警率;构建车辆行驶安全判定规则,对行车实时危险和潜在危险进行检测、分析与判断,获取可靠的防撞警示提醒;使反应时间、相对距离、相对速度3个方面都能得到优化控制,从而避免车辆碰撞事故;同时也为提高车速、增加道路通行能力、实现自动驾驶等奠定良好的基础。     

人机共驾环境下驾驶疲劳研究综述

为减少自动驾驶过程中驾驶疲劳对驾驶人状态的影响，综合分析人机共驾环境下驾驶人的疲劳研究发展现状，系统梳理人机共驾模式下驾驶疲劳的研究成果，探索未来发展方向。首先，通过文献检索与关联性分析，明确人机共驾过程中疲劳累积研究现状；然后，从手动驾驶和人机共驾下的驾驶疲劳致因分析、驾驶时长和非驾驶相关任务对疲劳的影响、人机共驾环境下驾驶疲劳对驾驶行为的影响3个维度，讨论分析研究成果；最后，提出人机共驾环境下驾驶人疲劳研究的不足与发展方向。研究结果表明：人机共驾模式导致驾驶人被动疲劳增加，接管绩效受损，弹性设置非驾驶相关任务与自动驾驶时间可有效缓解被动疲劳；人机共驾过程中驾驶疲劳的演化规律与检测模型尚不明确，结合人机共驾场景特征探索驾驶人疲劳调控策略是未来研究重点。     

交通事故动态分析法在肇事逃逸案件侦查中的研究与实践

针对传统交通事故动态分析法在交通肇事逃逸案件侦查中投入高、效率低、精度差的缺点,笔者在信息主导警务理念的指导下,综合运用逻辑学、系统科学、社会学、心理学、情报科学相关原理,动态分析交通事故现场的痕迹、车辆行驶轨迹、道路交通环境、警情综合信息、驾驶人行为与逃逸心理,以及受害者损伤特征,准确掌握车辆或驾驶人局部特征,从而为侦破交通肇事逃逸案件提供精确的查缉信息,使警务行动实现精确用警、快速反应和精确打击的目标。笔者给出了利用动态分析法侦破交通肇事逃逸案件的流程和步骤;指出提高办案水平,迫切需要加强警务信息和社会信息的有效融合,研发专门系统,强化信息研判。     

载重车辆超载检测与阻止装置研究

针对载重车辆严重的超载问题,对车辆超载的起因、危害、检测方法等进行了深入的分析,提出了一种基于光电式位移传感器的车辆超载检测与阻止装置,并对其进行了结构设计与原理分析。利用车辆载荷与车身高度之间的对应关系,在车辆静止的状态下,通过检测车架与车桥的距离,判断车辆的载荷情况。根据超载情况提供不同的超载报警提醒,甚至切断起动机电源线、喷油器供电线及点火信号线,使发动机无法起动或正常工作,从而从源头上阻止车辆超载现象的发生。     

射频识别车辆信息管理系统

利用射频识别技术(RFID),试验开发了“射频识别车辆信息管理系统”。射频识别系统由射频卡、读取采集和系统分析与管理部分组成。系统读卡器,根据装有射频卡车辆通过感应线圈的先后顺序,判断车辆出、入场状态。通过数据采集服务程序处理存储到数据库中,供管理人员查阅分析车辆当前状态,方便了车辆调度的管理,提高了车辆的安全运行效率。该系统实用性强,管理方法科学,稳定性好。     

基于多通道信息融合的疲劳驾驶行为分析研究

为了克服单一通道信息在驾驶疲劳行为判定中的局限性,提出了综合运用多通道信息融合共同判定驾驶疲劳行为的方法。该方法在充分考虑各信息源相关性和互补性的基础上,优化采用驾驶人疲劳特征ECD、车道偏离程度SAAE、方向盘转动程度SWA等疲劳判别指标,运用MVAR进行多维特征向量提取,以有向无环支持向量机为融合算法,建立了基于多分类支持向量机的驾驶疲劳行为判定模型。结果表明,运用DAG-SVM进行多通道信息决策提高了疲劳驾驶行为检测的准确性和可靠性。     

夜间行车安全隐患浅析

夜间行车安全受到视觉、感觉、情绪、生理节律等诸多人体机能及外部隐患环境影响，现将夜间这一特殊时段行车易发交通事故的安全隐患试予分析，以供参考。 一、夜间行车视觉机能下降驾驶人正常驾车依靠的信息，80％来自于视觉，约20％来自于耳鼻感官；白昼行车，在睛朗天气下，驾驶人能够看清数公里外车辆运行方向，阴雨天气条件下能清楚判断l公里内车辆运动，而夜间行车，即使在远光灯正常照射下，驾驶人有效视距一般在500米至600米之间，约相当于睛朗白昼视距五分之一。     

基于EEG频谱特征的驾驶员疲劳监测研究

研究表明疲劳驾驶是引发交通伤亡事故的重要原因之一,因此有必要采取相应的预防措施。脑电是公认的睡眠(疲劳)金指标,因此论文提出了基于脑电频谱特征的驾驶员疲劳预测方法。采用了驾驶模拟实验中记录的三路驾驶员脑电信号,并利用驾驶员自评与专家评定两种方式相结合的方法将驾驶数据分为疲劳和清醒。针对脑电中眼电噪声很强的特点,对记录的脑电进行了自适应滤波消噪处理,结果显示可有效滤除眼电伪迹;然后根据脑电的频域特征比较突出且与疲劳相关的特点,从去噪后的脑电中提取出了的75个频谱特征;最后利用这些频谱特征,采用朴素贝叶斯分类的方法建立了驾驶员疲劳监测模型。实验结果表明,该方法能监测出驾驶员84%的疲劳状态。     

车载驾驶员疲劳驾驶预警与控制系统研究

为了识别与安全控制疲劳危险驾驶行为,有效预防与减少因疲劳危险驾驶导致的交通事故,基于疲劳检测分级、预警与自动智能控制技术,开发出车载驾驶员疲劳驾驶实时监测预警与控制系统。首先基于PERCLO方法,构建驾驶员疲劳检测与分级模型;然后根据所输出的驾驶员疲劳等级信息,提出疲劳驾驶三级预警原理,及其预警实现方式;最后以疲劳预警信息为基础,形成基于驾驶员不同疲劳等级预警的安全控制技术,并对处于深度疲劳的危险驾驶行为,构建自动智能紧急控制停车系统,重点阐述系统的地形匹配、智能控制,以及自动驾驶与停车三大核心技术,并提出相应的系统硬件构成,为系统工程应用提供理论与技术支持。     

基于个性化行为模型的驾驶疲劳识别方法

为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基(RBF)神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机(SVM)的疲劳驾驶状态辨识模型。结果表明:所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。     

冰雪道路环境对驾驶人视觉感知特性的影响

为预防冰雪道路环境中驾驶人因视觉感知错误引发交通事故,研究了冰雪道路环境对驾驶人视觉感知特性的影响,选择8名熟练驾驶人作为试验样本,且每2人一组,采用跟车调查的方法采集驾驶人对于自身感知车速和前导车车距的视觉感知信息,并利用非接触车速仪检测2辆跟驰行驶试验车的实际车速与车距,对冰雪条件与非冰雪条件下驾驶人的视觉感知信息进行分析对比。研究结果表明,在冰雪环境中驾驶人视觉感知车速比非冰雪环境中低5%～14%;但当2辆跟驰车辆前后车间距在50 m内时,驾驶人在冰雪环境与在非冰雪环境中行驶时,其视觉感知的车距无显著性差异。     

如何应对疲劳驾驶？

当驾驶员感到疲倦而不能将注意力集中时,他就已经在疲劳驾驶了。调查人员通常以两个标准来断定交通事故的起因是疲劳驾驶：第一项,在未曾与其他物体发生接触的情况下,车辆驶离正常路线；第二项，没有发现驾驶员试图避免事故的证据。     

驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。     

基于支持向量机的管制疲劳检测模型研究

管制疲劳是影响民航安全的重大隐患,准确检测疲劳状态是进行疲劳预警、降低疲劳风险的关键。提出应用支持向量机模型融合多生理参数和眼动指标进行管制疲劳检测,通过MP150多导生理记录仪与眼动仪,采集模拟管制试验中正常与剥夺睡眠状态下被试的试验数据,同时记录其Karolinska疲劳等级和操作绩效。结果表明,RR间期、LF/HF、快慢波比值、PERCLOS和扫视速度均与管制疲劳呈较强相关,利用支持向量机融合五项指标构建管制疲劳检测模型,对于五级疲劳度的识别准确率为78. 1%,判断正常组与剥夺睡眠组的准确率为94. 2%。     

夜间驾车三小时危如酒驾

研究表明，疲劳驾驶能产生与醉酒一样的后果。据估计，1／5的交通事故都是疲劳驾驶造成的。加的夫大学去年的一项研究呼吁政府，禁止刚刚拿到驾照的司机夜间驾驶，此举可使英国每年的交通事故死亡人数减少200人，重伤人数减少1700人。