摘要：疲劳驾驶车辆是导致交通安全事故的重要原因之一。准确监测汽车驾驶人的疲劳状况，并且实时预警是预防交通安全事故的重要方法。本文介绍了疲劳驾驶监测方法，分析了各自特点及不足，展望了未来发展趋势。
关键词：疲劳驾驶；监测方法；发展趋势
随着我国汽车工业的发展和人民生活水平的提高，我国汽车保有量迅猛增长。汽车在给人们生产生活带来便捷的同时，也带来了安全隐患，其中疲劳驾驶是引起交通事故的重要原因之一。准确监测汽车驾驶人疲劳状况，并且实时预警是预防交通安全事故的重要方法之一。
1.疲劳驾驶及其危害
疲劳是由于体力或脑力劳动使人产生的生理功能和心理功能失调的现象。当疲劳驾驶时，驾驶人的生理和心理都将经历一些变化，如视力下降、视野变窄，四肢僵硬、乏力，注意力不集中，反应能力和判断思考能力变差等。当驾驶人出现以上疲劳症状时，对车辆的控制能力变弱，极易引发交通事故。
2.疲劳驾驶监测方法
为了预防驾驶疲劳，我国《机动车驾驶证申领和使用规定》中要求机动车驾驶人不得“连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟”。由于驾驶人在年龄、体质和生活作息上存在差异，以驾驶时间为指标的疲劳界定方式并不准确。目前，国内外疲劳驾驶监测方法主要有以下几种。
2.1基于生理信号的监测方法
研究表明，驾驶人在疲劳时，生理状况信号参数会和正常状态有偏差，所以可以采用监测驾驶人生理状态信号参数的变化来评判驾驶人的疲劳状况。目前常用的监测参数主要有脑电信号（EEG）、心电信号（ECG）、肌电信号等。
脑电信号。脑电信号是通过电极记录下来的脑细胞群的自发性、节律性电活动，被誉为疲劳监测的“金标准”，它是研究睡眠的最主要方法，同时被广泛应用于监测手术中麻醉深浅度。各种形式的疲劳都会引起脑电信号上可察觉的变化，不同程度的疲劳在脑电信号上有其特征性表现，脑电波的主导节律能够说明被试者的疲劳状况，最常用的为α、β、θ、δ这4种脑电波。研究发现，脑电信号中的这4种脑电波的功率会在驾驶人驾驶过程中发生明显变化。疲劳驾驶会使脑电波中的α波、θ波功率明显增强，而使得β波功率明显减弱。α波、θ波功率的增强会明显降低驾驶人驾驶过程中的警觉水平、注意力以及操作能力。在夜间行车过程中，以上的影响效果会更加明显。总体看来，驾驶人驾驶过程中4种脑电波功率的变化能够很好地反映驾驶人疲劳驾驶的状态。综合考虑各个指标的交互作用，相对的监测参数（α+θ）/β可作为驾驶人疲劳驾驶的最优脑电波监测指标。
心电信号。心电信号是心脏活动时心肌激动产生的生物电信号，由于心脏同时受交感神经和副交感神经的双重支配，共同组成了人体的自主神经系统用来调节人体机能的唤醒功能，因此，心电信号可以在一定程度上反映驾驶人的疲劳驾驶状态，也是判断驾驶疲劳的一项重要的生理指标。通过心电信号来判定是否疲劳驾驶，最常见的指标是心率参数（HR）以及心率变异性参数（HRV）。相对而言，反映心脏自主神经系统对心血管系统的调控水平以及心脏自主神经系统对各种影响因素的应答水平的心率变异性参数（HRV）能更精确地反映驾驶人的状态。研究发现，精神上的疲劳会让HRV信号参数降低，但是HR信号参数基本不变；随着体力疲劳程度的增加HRV信号参数会降低，但是HR信号会有显著的升高。
期刊文章分类查询,尽在期刊图书馆
基于生理信号的疲劳驾驶监测方法，无论是采集脑电信号还是心电信号，都需要在人体上粘贴许多电极，对人体有一定的入侵性，会造成驾驶人在行车过程中的不适，影响操作，因此，目前大部分研究工作都还停留在实验室阶段。另外，脑电信号容易受外界因素的干扰且个体间的生理反映差距较大，而心电信号敏感性和诊断性较差。
2.2基于生理反应的监测方法
基于生理反应的监测方法是采用摄像头或者传感器捕捉驾驶人的主要面部器官特征，以其变化规律来评判驾驶人的疲劳状况。由于在行车过程中80%以上的信息是由驾驶人通过眼睛以视觉获取的，因此，驾驶人眼部特征变化规律是疲劳状态的主要参考指标。目前，基于眼睑眨动的疲劳监测已经有较多的研究，大多使用PERCLOS（眼睛闭合时间占特定时间的百分率）作为疲劳指标。研究发现，一般情况下人们眼睛闭合的时间在0.2-0.3s之间。人在疲劳瞌睡时，眼睑的眨动一般较频繁，眼睛闭合时间也较长。驾驶过程中，驾驶人若眼睛闭合时间达到0.5s，车辆很有可能发生追尾或者冲出路面，很容易发生交通事故。基于生理反应的疲劳驾驶监测方法需要在驾驶室内安装摄像头，监测结果容易受到光照等环境因素的影响，眼睑眨动的疲劳驾驶监测方法在驾驶人戴眼镜的情况下监测准确性不高。
2.3基于车辆信号的监测方法
基于车辆信号的监测方法利用摄像头和车载传感器监测车辆行驶时驾驶人的驾驶行为特征和车辆行驶特征的变化规律从而评判驾驶人的疲劳状态。驾驶人的驾驶行为特征参数包括方向盘的转动情况，制动踏板、加速踏板被踩下的频次和位移大小等。正常驾驶状态下的驾驶行为与疲劳状态下的驾驶行为有明显差异，通过监测特征参数能够在一定程度上分析出驾驶员的疲劳状态。当驾驶人疲劳困倦时，相比于正常驾驶方向盘微调次数减少，急剧的动作增多。该方法的优点是不易受外界环境干扰，对驾驶员的身材也没有入侵性，但因驾驶人个体差异较大，不同驾驶人都有各自不同驾驶行为，因此准确率不高。
车辆行驶特征参数包括车辆的行驶速度、横向位移量、侧向加速度以及与行车线的偏离角度等，对车辆的这些特征参数进行监测可以间接推测出驾驶人的疲劳状态。当驾驶人进入疲劳状态时，注意力不够集中，驾驶能力会大幅下降，会出现车辆偏移行车线等异常情况。由于车辆行驶状态的异常变化不全是由于驾驶人疲劳困倦引起，也可能是由如饮酒或服用某些特殊药物（特别是镇静剂）等行为而导致的，或者是车辆本身的技术原因而引起的，因此该方法准确率比较低。另外，要求道路有明显的行车线，而且对于夜间行车监测效果不好。
3.未来发展趋势
对疲劳驾驶的监测可以从多个角度展开研究，各个研究角度都有各自的优缺点，只依据一种生理状况或者驾驶行为判断疲劳驾驶，其精确度和可靠性都很低。目前，由于信息技术的快速发展，对于疲劳驾驶监测的研究逐渐倾向于基于信息融合的方法，结合多传感器融合技术，对两个或多个信息源的信息进行同步采集和综合处理。随着传感器技术的快速发展、硬件集成度的大幅度提升以及可穿戴设备概念的普及，各种采集生理信号的传感器体积越来越小，人们对可穿戴传感器的接受程度也越来越高，基于生理信号的疲劳驾驶监测方法将被广泛采用。
4.结语
有效的疲劳驾驶监测技术能在驾驶人出现疲劳状态初期给以视觉或听觉警示，有利于减少由于疲劳驾驶而引起的交通事故。伴随着现代科学技术的突飞猛进，越来越多的先进技术会应用到此领域，为人们驾驶汽车提供主动安全保障。
参考文献
[1]申鹏.基于人体生理信号的疲劳驾驶监测方法研究[D].湖南大学，2017.
[2]杨云皓.汽车疲劳驾驶客观监测方法分析[J].科学咨询.2018（46）．
[3]王大安.国内驾驶员疲劳驾驶检测方法探究[J]．智库时代，2018（41）.
[5]方毅．基于信息融合的驾驶员疲劳状态监测[D]．哈尔滨工业大学，2018.
作者简介：曹心怡（1997.08-），女，安徽安庆市人，重庆交通大学交通运输学院交通工程专业本科在读，主要研究方向：公路交通运输环境与交通安全。
论文作者:曹心怡
论文发表刊物:《知识-力量》2019年9月32期
论文发表时间:2019/7/19
标签：驾驶人论文; 疲劳论文; 方法论文; 信号论文; 电信号论文; 参数论文; 状态论文; 《知识-力量》2019年9月32期论文;