針對駕駛員疲勞狀態的防撞報警算法的研究*

李家文，成 波

(1.浙江工業大學機械工程學院，杭州 310014; 2.清華大學，汽車安全與節能國家重點實驗室，北京 100084)

前言

在實際駕駛過程中駕駛員經常會處于疲勞狀態［1］，它影響駕駛員的反應和信息處理等能力［2］。目前常用的防撞算法，如安全距離算法(safety distance algorithm，SDA)、碰撞時間(time to collision，TTC)等，都是根據駕駛員在正常的危險感知狀態下進行設計的，未考慮疲勞狀態對防撞報警算法的影響，能否對疲勞狀態下的駕駛員進行有效的防撞報警還有待進一步的研究和分析。

本文中利用駕駛模擬器，研究了駕駛員處于不同疲勞狀態時常用防撞報警時機的報警效果和對交通危險的感知變化特性，指出了目前防撞算法所存在的問題，并提出一種面向駕駛員不同疲勞狀態的防撞報警算法，實驗驗證的結果表明，該算法能為不同疲勞狀態的駕駛員提供適應式的報警時機，提高了防撞報警的效果。

1 研究方法

1.1 疲勞狀態評價

面向駕駛員疲勞狀態的防撞報警須實時獲取駕駛員的疲勞狀態，本文中采用對駕駛員面部表情評分的方法來實時獲取駕駛員的實際疲勞狀態。研究過程中，利用安裝于駕駛員前方的攝像頭實時采集駕駛員的面部視頻圖像。由兩名經過專門訓練的研究人員按照表1所示的評分標準獨立給出各自的評分，評價時將駕駛員的狀態分為清醒、疲勞和非常疲勞3級，取兩人評分結果的平均值作為最終結果。

表1 疲勞狀態評價指標

1.2 防撞算法

為分析駕駛員在不同疲勞狀態下對防撞報警的需求，首先測試了目前常用的一些報警算法在駕駛員處于不同疲勞狀態時的效果。主要包括Mazda算法［3］、Honda算法［4］和 TTC 算法。由于 Mazda算法中有駕駛員反應時間的計算項，本文中根據駕駛員在不同疲勞狀態下對聽覺報警方式反應時間的差異［5］，將其反應時間項做相應修改后作為新的兩種報警時機，目的是為了分析防撞算法是否可通過調整其反應時間來適應駕駛員疲勞狀態的變化。

本文中采用6種防撞算法:Mw代表Mazda算法，Hw代表 Honda算法，TTC4和 TTC5算法，Mw(T1)和Mw(T2)則代表改變反應時間項后的Mazda算法，其中T1表示反應時間按照疲勞狀態和清醒狀態的差異進行修改，T2表示反應時間按照非常疲勞狀態和清醒狀態的差異進行修改。

1.3 評價方法

在系統報警時，過晚的報警會使駕駛員緊張，過早的報警則可能使駕駛員覺得煩擾。因此駕駛員對報警時機的態度是評價防撞算法是否有效的重要指標［6］。另外從人的信息加工過程來看，駕駛員對報警時機是否合適的評價主要源于其對當前危險程度的感知結果［7］。為了進一步設計能適應不同疲勞狀態的防撞報警算法，還研究了不同疲勞狀態的駕駛員在面對不同交通狀況時的危險感。

具體的評價步驟如下:首先由駕駛員在不同疲勞狀態下，采用7分量表的形式(表2)，對6種防撞算法報警時機是否合適進行主觀評價;接著，為消除駕駛員之間經驗差異的影響，利用ME(magnitude estimation)法［8］來比較駕駛員危險感知的結果，即基于一個制定好的前向危險標準，讓不同疲勞狀態的駕駛員在各種算法報警時，對前向交通危險的情況和該標準進行對比評價;最后利用數值擬合等方法量化駕駛員的主觀評價和客觀危險之間的關系。

表2 報警時機主觀評分量表

1.4 研究條件

實驗中被試者在駕駛模擬器上分別以60、90和110km/h的車速在一條全長50km的高速公路上行駛。由于實際駕駛過程中影響駕駛員前向危險感知的工況很多，本文中主要針對較為常見的接近工況進行研究，自車以不同的車速接近前車(前車以40km/h的車速行駛)，當各算法的閾值被觸發時，駕駛模擬器的音響系統發出報警的嘟嘟聲。

實驗開始后，被試者先以60km/h的車速保持在中間車道行駛并接近前車，當觸發報警后進行制動。在此過程中，被試者按照表2對該報警時機進行評價，同時基于ME法評價當時的交通危險狀況和標準狀況之間的比較結果;重復上述步驟，直到完成對所有危險報警算法的測試。在該過程中，兩名有經驗的實驗研究人員實時監視被試者的面部視頻，評價其疲勞狀態，并確保被試者在所有狀態下都對6種防撞算法進行評價。在上述過程完成之后，停止實驗，被試者休息10～20min恢復狀態，然后再分別以90和110km/h的車速重復上述實驗。

2 研究結果

2.1 不同疲勞狀態駕駛員的報警時機需求結果

圖1是被試者以60km/h的車速行駛時，在不同疲勞狀態下對6種防撞算法的主觀評價結果。其中橫坐標表示6種報警時機所屬的防撞算法及其觸發報警時相應的TTC值，縱坐標表示報警時機的評價結果。由圖可見，隨著疲勞程度的加深，被試者對報警時機的評價逐漸下降，即駕駛員越疲勞就越感到報警時機來得較晚。駕駛員在90和110km/h的車速下得到的結果和上述類似。由此可見，不同疲勞狀態的駕駛員所需要的報警時機不同。隨著疲勞程度的加深，防撞算法須適當地提前報警，以保證報警時機的有效性。

而從更改了反應時間項的Mazda算法的評價結果來看，反應時間的調整雖然達到了提早報警時機的目的，但無法有效適應駕駛員在不同疲勞狀態下對報警時機的實際需求。例如清醒狀態時Mw算法的報警時機為稍早，趨向于合適。但在根據狀態的變化增加反應時間項的值后，其最終的評價趨于偏早，偏離了合適的報警時機。

2.2 危險感知結果的比較

圖2是被試者以60km/h的車速行駛時，在不同疲勞狀態下對不同報警時機的交通危險感覺和設定好的標準工況進行比較后得到的結果。其中橫坐標表示各種報警時機及其報警時的TTC值;縱坐標表示危險感的ME值(危險比較倍數，其中1代表設定的標準工況的ME值)。由圖2可見，不同疲勞狀態的駕駛員在面對各種交通危險狀況時，其危險感體現出以下兩種變化趨勢:

(1)無論在何種疲勞狀態下，隨著報警時機逐漸提早(TTC值越來越大)，危險感也逐漸降低;

(2)隨著疲勞狀態的加深，駕駛員對相同報警時機的危險感都加重，體現出一個上升的趨勢。

駕駛員在90和110km/h車速下得到的結果也和上述類似。

上述結果表明駕駛員在不同疲勞狀態下對危險狀況的態度變化是造成其對防撞算法報警時機評價差異的根本原因。因此在研究適應不同疲勞狀態的防撞算法時，應從駕駛員對危險感知的結果入手，重點解決以下兩個方面的問題:(1)駕駛員的危險感和不同報警時機之間的關系;(2)駕駛員的危險感在不同疲勞狀態下的變化特征。通過對這兩種關系的分析和把握，以駕駛員的危險感為橋梁建立其不同疲勞狀態和報警時機之間的聯系，從而設計適應于駕駛員不同疲勞狀態的防撞報警算法。

3 疲勞狀態適應式防撞報警算法設計

3.1 危險感和報警時機之間的關系

根據上述ME法的評價結果，利用Stevens冪定律方法［9］來量化駕駛員在清醒狀態時的危險感主觀評價和客觀的報警時機之間的關系:

式中:P代表危險感，k和m分別為冪函數的系數和指數。量化得到駕駛員的危險感和報警時機之間的關系為

3.2 危險感和不同疲勞狀態之間的關系

考慮到駕駛員自身經驗和偏好等影響，以及事物中存在的聚類規律，本文中采用模糊C-均值聚類分析的方法，對不同疲勞狀態下駕駛員的危險感知結果進行研究，分析了在相同危險條件下，由于駕駛員疲勞狀態的變化對其危險感知結果的影響規律。

圖3(a)為將不同車速下的各種報警時機以及各報警時機下得到的危險感比較結果作為聚類樣本，以聚類數為3進行聚類后的實際結果。圖中不同的方塊點是得到的聚類中心，外側的橢圓則代表了該類所包含的聚類樣本范圍。可用相對清晰的圖3(b)來表達駕駛員在各個類別下，危險感隨疲勞程度的加深而發生的變化。將該變化用圖4進行量化表示，其中“非常疲勞/清醒”表示非常疲勞狀態下危險感和清醒狀態危險感的比值，“疲勞/清醒”表示疲勞狀態下危險感和清醒狀態危險感的比值。

由圖4可見，在相近的報警時機下，駕駛員在不同疲勞狀態下的危險感發生了明顯變化，疲勞狀態下的危險感約為清醒狀態下的1.2倍;非常疲勞狀態下的危險感約為清醒狀態下的1.3倍。該結果可表示為

式中:P0為駕駛員清醒狀態時的危險感，P1和P2分別為駕駛員疲勞狀態和非常疲勞狀態時的危險感。

3.3 適應于駕駛員不同疲勞狀態的防撞報警算法

結合3.1和3.2節的結果，得到了以駕駛員的危險感為控制指標，適應于不同疲勞狀態的防撞報警時機的調節算法:

式中N=0、1和2分別代表駕駛員的清醒、疲勞和非常疲勞狀態。如果PN≥1，則系統觸發危險報警。

在駕駛模擬器上基于表2的評價量表對該算法進行了驗證，結果如圖5所示。其中橫軸的3種報警時機是疲勞狀態適應式報警算法根據駕駛員的清醒、疲勞和非常疲勞狀態自動調節的報警時機。由圖5可見，無論是在疲勞還是在非常疲勞狀態時，被試者對按其實際疲勞狀態調整的報警時機的評價結果(圖中圓圈處)都接近“合適”。由此可見，所提出的根據駕駛員疲勞狀態自適應調整報警時機的危險報警算法能夠保證對不同狀態下的駕駛員進行適時的報警，達到了預期的目標。

4 結論

利用駕駛模擬器研究分析了駕駛員處于不同疲勞狀態時常用防撞算法的實際效果和危險感知特性的變化情況。結果表明，隨著駕駛員疲勞程度的加深，防撞報警算法須適當地提早報警時機，同時報警時機須符合駕駛員在不同疲勞狀態下對交通危險的感知結果。在此基礎上，建立了一種以人的危險感為控制指標的疲勞狀態適應式的防撞報警算法，實驗驗證的結果表明，該算法能為不同疲勞狀態的駕駛員提供適應式的報警時機，提高了防撞報警系統在駕駛員處于不同疲勞狀態時的報警效果。

［1］胡興軍.瞌睡:交通安全的大敵［J］.湖南農機，2004(2).

［2］Smith S S，Horswill M S，Chambers B，et al.Hazard Perception in Novice and Experienced Drivers:The Effects of Sleepiness［J］.Accident Analysis ＆ Prevention，2009，41:729-733.

［3］Doi A，Butsuen T，Niibe T，et al.Development of a Rear-End Collision Avoidance System with Automatic Braking Control［J］.JSAE Review，1994，15(4):335-340.

［4］Fujita Y，Akuzawa K，Sato M.Radar Brake System［C］.1995 Annual Meeting of ITS America，Washington，D.C.，March 1995，Vol.1:95-101.

［5］李家文，成波.駕駛員疲勞狀態適應式報警方法的研究［J］.汽車工程，2011，33(8):694-700.

［6］Campbell J L，Richard C M，Brown J L，et al.Crash Warning System Interfaces:Human Factors Insights and Lessons Learned［R］.US DOT Technical Report，HS DOT 810697.2007.

［7］Heikki Summala.Acceident Risk and Driver Behaviour［J］.Safety Science，1996，22(1-2):103-117.

［8］Stevens S S.Psychophysics:Introduction to its Perceptual，Neural，and Social Prospects［M］.New York:John Wiley ＆ Sons，1975.

［9］Stevens S S.On the Psychophysical Law［J］.Psychological Review，1957，64:153-181.