駕駛員疲勞狀態監測系統綜述

于立嬌 吳振昕 王文彬 高洪偉

（中國第一汽車集團有限公司 智能網聯開發院，汽車噪聲振動與安全控制綜合技術國家重點實驗室，吉林長春 130011）

主題詞：駕駛員疲勞狀態監測 駕駛員疲勞狀態預警 駕駛員疲勞狀態主動控制 駕駛員疲勞狀態評價

1 前言

隨著社會發展和人們生活水平不斷提高，機動車保有量和具有駕駛資質的人員數量不斷增加，公路總長不斷擴大，交通安全逐漸成為社會廣泛關注的熱點問題。各國家的政府機構都曾統計過因駕駛疲勞導致的交通事故數量，并得到一致的結論：由駕駛疲勞引起的交通事故數量居高不下，而且駕駛疲勞是誘發重大交通事故的重要因素。美國國家公路交通安全管理局的調查數據顯示每年平均有5.6萬起交通事故與疲勞駕駛相關，造成4萬人受傷，1 500多人死亡，占交通事故死亡總數的3.7%[1]。中國交通管理局2009年的交通事故統計結果表明疲勞駕駛導致的交通事故達到1 900多起、造成2 400多人傷亡。

2003年中華醫學會等機構聯合在高速公路上對516名駕駛員進行與駕駛疲勞相關的調查并對調查結果統計分析，結果表明近25%的駕駛員感覺自己行車時處于疲勞狀態，10%的駕駛員在調研當天的駕駛過程中打過瞌睡，一半的駕駛員承認在過去駕駛過程中曾打過瞌睡[2]。2008年加拿大交通研究基金會對750名駕駛員進行與駕駛疲勞相關統計，結果顯示58.6%的駕駛員有疲勞駕駛的經歷，14.5%的駕駛員在參與調查前的1年內曾經疲勞駕駛過[3]。

由此可見：疲勞駕駛在實際行車中經常發生，如果能有效監測駕駛員是否疲勞，并在疲勞時發出警告甚至主動控制車輛運動，那么駕駛員和乘員的安全將得到顯著提高，還能夠大大降低引發交通事故的可能性。自20世紀80年代起，許多科研機構、整車廠和零部件供應商開始從事駕駛疲勞相關研究，并取得了顯著成果。

2 駕駛員疲勞狀態監測技術發展歷程

駕駛員疲勞狀態監測系統最早應用于飛機等高級輔助駕駛或自動駕駛程度比較高的領域，初期的駕駛員疲勞監測系統是一種基于人體疲勞時生理反應特征信號的監測系統。根據使用信號屬性不同，駕駛員疲勞狀態監測系統可分為直接監測和間接監測兩種。

直接監測使用駕駛員面部運動、眼部運動、心電、腦電等直接表征駕駛員疲勞狀態的信號，與采集心電信號和腦電信號相比，采集駕駛員面部運動和眼部運動信號比較簡單方便并且精度較高，所以目前直接監測系統中基于駕駛員面部運動信號和眼部運動信號的監測系統應用比較廣泛。

間接監測則使用駕駛行為信號并結合車輛狀態信號，采用統計分析、機器學習等方法分析駕駛員的狀態。目前該方法的精度雖然沒有直接監測方法精度高，但不需要在車輛上額外增加任何傳感器及硬件設備，不會造成車輛制造成本的增加。因此各個整車廠、零部件制造商和科研機構紛紛深入研究間接監測方法，并已經實現產品化。現在直接監測方法和間接監測方法兩種類型的駕駛員疲勞狀態監測系統在市場上的在售車型上都有應用。

2.1 國外研究與應用情況

國外關于駕駛員疲勞狀態監測技術的研究起步較早，20世紀80年代開始就有專家和學者從事這方面的研究，現有關于駕駛員疲勞狀態監測綜述性文獻和博碩士論文里已經詳細地介紹了各個時期專家學者的研究情況，此處不再贅述。本文主要介紹國外汽車整車廠和零部件供應商的研究與應用情況。

2.1.1 梅賽德斯-奔馳公司Attention Assist和大眾公司疲勞駕駛檢測系統

Attention Assist是德系車駕駛員疲勞狀態監測系統的代表，屬于間接監測，如圖1所示，它依據駕駛員駕駛行為、基于車輛狀態參數檢測駕駛員狀態，例如車速、發動機轉速、橫擺角速度、側向加速度、轉向盤角速度和角加速度等及各信號的后處理參數，綜合考慮以上因素進行分析計算得到駕駛員狀態監測結果;Attention Assist除覆蓋正常行駛工況外還考慮外部干擾對疲勞監測的影響，例如側風、路面凸起和斜坡等不均勻工況，使其適用范圍更廣、精度更高;Attention Assist有效車速區間80～180 km/h，在監測到駕駛員疲勞時會主動報警并在儀表盤上顯示提示信息，已于2011年應用于梅賽德斯-奔馳B級車上[4]。此外，At?tention Assist順利通過歐盟新車安全評鑒協會(Euro?pean New Car Assessment Program，Euro NCAP)評審，證明該系統也適用于其他車型，例如奔馳C級、E級、M級車型。

圖1 Attention Assist工作原理

大眾疲勞駕駛檢測系統與梅賽德斯-奔馳Atten?tion Assist一樣，同屬于間接監測，根據駕駛員駕駛行為如轉向盤運動、車速、行駛時間等估計駕駛員疲勞程度。如果駕駛員處于疲勞狀態，則發出蜂鳴聲提醒駕駛員并在儀表盤上顯示提示信息，顯示時長為5 s；如果駕駛員未采取任何措施，提醒信息會重復出現。MKE工作車速大于65 km/h，除被動觸發外，還能在連續行駛時間超過4 h的情況下主動觸發，提醒駕駛員駕駛時間過長需要停車休息；如果駕駛員未停車休息而繼續行駛，MKE 15 min后會再次提醒。如果用戶不想激活MKE，可以在設置中選擇關閉?，F已應用于邁騰、高爾夫7、凌渡等車型[5]。2.1.2 福特公司Driver Alert System

與德系基于駕駛員駕駛行為監測駕駛員疲勞狀態不同，福特公司采用直接監測和間接監測相融合的方法，從車輛運動狀態、駕駛行為、周圍環境和駕駛員生理信息4個維度出發，依靠大而全的數據源使監測算法的準確性得到較大提高。但是，大量數據運算時需要占用較大內存，一般很難集成到某一電子控制系統的控制器里，需要額外增加一個控制器，用于Driver Alert system的數據運算。Driver Alert system在后視鏡的后方安裝一個前置攝像頭，以獲取車輛運動軌跡信息。現在福克斯、S-MAX和Galaxy系列車型都配備Driver Alert System，在監測到駕駛員疲勞時提供報警功能,Driver Alert System的工作原理請見圖2[6]。

圖2 Driver Alert System工作原理

2.1.3 豐田公司和日產公司的駕駛員疲勞監測系統

豐田公司在Lexus和商用車上配備的Driver Moni?tor由電裝株式會社提供，屬于直接監測方法，利用攝像頭獲取駕駛員面部狀態信號和眼睛運動信號，結合紅外傳感器獲得的駕駛員頭部位置和運動信息來識別駕駛員狀態;當發現駕駛員處于疲勞狀態時，車輛會發出警報提醒駕駛員,Driver Monitor的工作原理請見圖3[7]。Driver Monitor識別駕駛員疲勞狀態的精度相當高，但是需要車輛額外安裝一個攝像頭和紅外傳感器，硬件成本較高。隨著車輛ADAS（Advanced Driver Assistant System）和生物識別技術的普及，Driver Moni?tor應用范圍會越來越廣。

圖3 Driver Monitor系統工作原理

與豐田公司不同，日產公司使用間接監測方法，原理是當駕駛員處于疲勞狀態時，轉向操縱行為與正常駕駛情況下的轉向操縱行為存在較大差異，例如疲勞時駕駛員轉向操作可能逐漸變緩甚至停下，因此可以根據駕駛員轉向行為信號監測駕駛員狀態。日產公司利用電動助力轉向（Electric Power Steering，EPS）系統的轉向盤轉角與角速度、轉向盤力矩信號，結合車輛狀態信號和車內環境信息例如車速、側向加速度、橫擺角速度、車內溫度、雨刮器、空調控制等信號，判斷駕駛員是否疲勞。當監測到駕駛員處于疲勞狀態時，會如圖4所示在儀表盤上顯示警告信息“Take a Brake？”[8]?，F在已經應用在日產Murano和Maxima轎跑上。

圖4 Driver Monitor疲勞信息提示[8]

2.1.4 沃爾沃公司駕駛員安全警告系統（DAC）

DAC（Driver Alert Control）除了監測駕駛員疲勞狀態外，還能監測駕駛員注意力是否分散。DAC硬件包括攝像頭、各種車輛狀態傳感器、車輛軌跡傳感器和控制器，控制器綜合分析駕駛員頭部位置和角度、眼睛運動、車輛與車道的相對位置、轉向盤操縱數據等判斷當前的駕駛狀態，并與內置于控制器中記錄器里駕駛員正常的駕駛狀態對比，判斷駕駛員是否處于疲勞或注意力分散狀態；如果是，則發出聲音信號提醒駕駛員，并在儀表盤上顯示提示信息。DAC還可以與其他駕駛輔助系統如車道保持、自適應巡航、碰撞預警等集成，除警報提醒外還能主動對車輛運動進行有效干預。當車速高于65 km/h時，DAC激活；當車速低于60 km/h時，DAC休眠。駕駛員安全警告系統工作原理請見圖5[9]。

圖5 駕駛員安全警告系統工作原理

2.1.5 捷豹公司Driver Monitor System(DMS)

捷豹F-Type在轉向盤里內置一種駕駛員狀態監測系統，由澳大利亞Seeing Machines公司提供，采集駕駛員面部運動和眼睛運動信息，監測駕駛員狀態和注意力集中情況，控制器選擇英特爾酷睿i7處理器。DMS與緊急制動系統集成，如果判斷出駕駛員處于疲勞狀態或注意力分散狀態，并有可能發生碰撞事故時，將主動制動以確保行車安全。駕駛員佩戴的眼鏡或墨鏡對識別精度沒有影響[10]。

2.1.6 博世公司Driver Drowsiness Detection System（DDDS）

博世公司研發的DDDS是駕駛員疲勞狀態間接監測的典型代表，德系車的疲勞狀態監測系統原理與其基本一致，此處不再贅述。博世的DDDS集成性好，可以和電子穩定控制系統、CAN網關、FlexRay網關等集成，應用載體不受限于制造商。

2.2 國內研究與應用情況

國內與駕駛員疲勞狀態監測技術相關的研究起步稍晚，雖然部分國產車上已經匹配該系統，但大部分由國外零部件供應商提供。自主研發主要集中在高校，清華大學、同濟大學、上海交通大學、吉林大學、哈爾濱工業大學等都有相關研究，并取得了一定的研究成果，但距離產品化還有一段距離。到目前為止只有清華大學實現了科研成果的產品化。下面介紹一下清華大學產品化的駕駛員疲勞監測系統及國內主要車企的匹配應用情況。

2.2.1 清華大學的疲勞駕駛預警系統

清華大學成波教授團隊自2000年初開始從事駕駛行為相關研究，先后完成國家863項目“駕駛人狀態及行為監測預警技術與裝置”和國家自然科學基金資助項目等科研課題，并通過清華大學蘇州學院孵化的清研微視公司實現科研成果的產品化。

清研微視公司開發的疲勞駕駛預警系統依據駕駛員面部信息判斷駕駛員疲勞狀態和注意力是否分散等欠安全狀態，屬于直接監測，如果駕駛員處于疲勞或注意力分散狀態，將會發送警報提醒。除此項功能外，該疲勞駕駛預警系統還能監測駕駛員是否脫管轉向盤和其他危險駕駛行為，例如行車過程中吸煙、接打電話、玩手機等，圖6是清研微視公司開發的疲勞駕駛預警系統具備的功能[11]。該系統現在已應用于眾泰M11、M12和陜汽重卡。

圖6 清研微視公司的疲勞駕駛預警系統功能[11]

2.2.2 哈弗H9的駕駛員狀態監測系統

哈弗H9的駕駛員狀態監測系統的工作原理與博世的DDDS基本相同，根據駕駛員的駕駛行為判斷其狀態，屬于間接監測。該系統利用轉向盤轉角、制動踏板位移、車速、側向加速度、橫擺角等信號監測駕駛員狀態，并把駕駛員疲勞狀態劃分為9個級別，涵蓋輕微疲勞到重度疲勞，以聲音報警和儀表盤顯示信息的方式向駕駛員發送警告。車輛啟動后10 min該系統自動開啟，不受車速限制，一次報警時長20 s。如果報警后駕駛員沒有采取相應措施改變駕駛狀態，該系統10 min后會再次報警；如果駕駛員想要關閉疲勞報警，需要停車熄火[12]。

2.2.3 比亞迪G6疲勞駕駛預警系統（Biological Aero?sol Warning System，BAWS）

BAWS屬于直接監測，硬件由攝像頭、紅外線傳感器和控制器組成，采集駕駛員面部表情、眼部和頭部運動等信號，綜合分析得到駕駛員狀態。如果駕駛員處于疲勞狀態，則立即采取相應措施并向駕駛員發送警報信號[13]。

2.2.4 吉利領克（LYNK&CO）DAC（Driver Alert Con?trol）

吉利領克源于沃爾沃和吉利共同搭建的CMA（Compact Modular Architecture）緊湊型車模塊化平臺，配備了眾多駕駛輔助系統，例如自適應巡航（ACC）、主動緊急制動（AEB）、360°環視系統、駕駛員疲勞狀態監測等。領克DAC的工作原理與沃爾沃DAC相同，此處不做贅述。

2.2.5 一汽集團紅旗H7 DSM（Driver State Monitor）

紅旗H7 DSM駕駛員狀態監測系統屬于直接監測系統，根據車內攝像頭采集的駕駛員面部和眼部的運動信息結合車輛與車道的相對位置關系，判斷駕駛員是否疲勞、注意力是否分散及是否酗酒，并在需要的時候發送警報并主動控制車輛運動。該系統的優點在于其基于車道偏離預警系統的硬件，不需要額外添加其他硬件設備，并且當駕駛員疲勞導致車輛偏離車道時，車道保持輔助系統能夠主動控制電子轉向系統使車輛回到原車道繼續行駛。

3 駕駛員疲勞狀態監測技術的發展趨勢

綜合分析國內外車型駕駛員疲勞狀態監測系統的應用情況，發現疲勞監測技術路線沿著兩個方向發展：一種是基于駕駛員面部、眼部、頭部運動等直接表征駕駛員疲勞程度的圖像信號，另一種是基于駕駛員行為、車輛狀態與軌跡等眾多間接表征駕駛員疲勞程度的信號。前者一般需要在車輛上額外增加攝像頭、紅外傳感器等傳感器，使車輛成本增加，但識別精度較高，適用于高端車型或匹配ADAS的車型，可以利用ADAS的硬件。后者不需要增加任何硬件設備，不會帶來成本增加，適用于中低端車型，基于車輛CAN總線信號、GPS信號等就可以實現駕駛員疲勞狀態監測，但精度低于前者。下面按照駕駛員疲勞狀態監測技術路線詳述其發展趨勢。

3.1 駕駛員疲勞狀態數據庫建立試驗方案

早期由于試驗條件的限制和出于安全考慮，絕大多數駕駛疲勞試驗在駕駛員模擬器上進行。優點是虛擬交通道路環境不存在碰撞、追尾、偏出車道等危險工況，可以在從輕度疲勞到嚴重疲勞全范圍內試驗；缺點是駕駛員模擬器與真實交通環境存在較大差異，用于疲勞監測方法的探索可以，若用于疲勞監測系統設計則缺乏真實性。

在駕駛員模擬器試驗之后，出現了規定工況實車試驗。經過改造的試驗車輛，按照預先設計好的工況行駛，記錄試驗數據。如果需要采集駕駛員面部、眼部、頭部運動信息，則需要額外添加傳感器和對應的數采設備；如果需要采集駕駛員行為、車輛狀態和車輛軌跡信號，一般不需要額外增加傳感器，車輛自帶傳感器即可滿足要求。試驗時設計若干具有典型特征的工況，例如城市道路直線行駛、鄉村道路直線行駛、高速公路直線行駛，不考慮轉彎、變道、側風、路面凸起等特殊工況。據此設計出來的駕駛員疲勞狀態監測系統具有比較廣泛的適用性，精度也比基于駕駛員模擬器設計出來的監測系統高，但不適用于某些特殊工況。

隨著疲勞監測技術的發展和用戶對疲勞監測系統精度的要求不斷提高，基于自然駕駛數據的疲勞監測技術研究逐漸成為主流方向。自然駕駛涵蓋各種工況，數據能夠真實反應各種工況下駕駛員的疲勞狀態，據此設計出來的疲勞監測系統覆蓋各種工況下近駕駛員疲勞的真實狀態，精度也就越高。美國在2004年開始組織大規模的自然駕駛試驗[14]，歐盟緊隨其后開始進行自然駕駛試驗[15]。我國在自然駕駛研究方面起步較晚，第一個自然駕駛研究項目于2012年9月份開展，由同濟大學、通用汽車中國公司和美國弗吉尼亞理工大學交通研究中心共同合作[16]，在5輛測試車上安裝數據采集設備，監測并記錄60位駕駛員在3年內的駕駛情況，用于分析真實交通環境和駕駛行為特點。

3.2 駕駛疲勞評價標準

目前駕駛員疲勞程度評價標準按照執行者不同分為自評法和他評法。自評法就是駕駛員根據KSS（Karolinska Sleepiness Scale）標準每隔一段時間對自己當前狀態的疲勞程度打分，將十分清醒到十分疲勞劃分為9個等級對應分數1分到9分[17]。KSS優點：通用性好、精度高，是疲勞程度自評法廣泛使用的標準；缺點：試驗人員詢問駕駛員疲勞程度與駕駛員回答自己的疲勞程度都會對駕駛員狀態的延續產生刺激，影響駕駛員疲勞程度的評分。

他評法分為主觀他評法和客觀他評法。主觀他評法根據信號源不同分為兩種：一種是試驗人員首先觀察駕駛員面部表情、眼動情況、打哈欠頻繁程度等，然后根據KSS標準給駕駛員當前的狀態打分；第二種是基于駕駛員面部視頻的主觀他評法，采用攝像頭采集駕駛員面部信息，后期處理時對視頻進行分段，經過專門訓練的多名試驗員對某視頻片段打分，最后各個試驗員的平均評分作為該段視頻里駕駛員疲勞程度的分值[18]。后者較前者的精度高，只需要在車內安裝一個采集駕駛員面部視頻信息的攝像頭，所以基于視頻的主觀他評法更常用。

客觀他評法利用駕駛員生理信號判斷其疲勞程度，例如心電圖、腦電圖，尤其是腦電圖最能表征駕駛員的疲勞狀態[19,20,21]?？陀^他評法的優點：精度高；缺點：需要增加專用的測試設備，并且不同駕駛員間可能存在個體差異。

未來車輛將普及生物識別技術，因此基于駕駛員生理信號的疲勞程度判斷將具有硬件基礎，將會逐漸取代主觀自評法和主觀他評法。

3.3 駕駛員疲勞狀態監測算法

早期的駕駛員疲勞狀態監測算法基本上都是設定某一閾值，屬于基于專家系統和規則算法，根據駕駛員面部、眼部、頭部或駕駛行為分析計算得到一個疲勞程度值。如果該值大于預先設定的閾值，則判定駕駛員處于疲勞狀態；反之，則駕駛員處于正常狀態[22]?，F在市場上在售車型匹配的駕駛員疲勞狀態監測系統大多數也是采用此方法，優點：算法簡單、實時性好、占用內存小，在大多數工況下精度都比較高。缺點：在某些特殊工況下精度較低，或者不適用于某些特殊工況，例如側風、路面凸起等工況。此外，設定單一閾值還忽略了不同駕駛員間的個體差異。

隨著芯片技術和云存儲技術的發展，控制器允許實時運算占用內存較大的算法，或者在云后臺運行內存較大的算法而不占用車輛有限的控制器資源，這為機器學習進入駕駛員疲勞狀態監測領域提供了有利條件。機器學習的優點：能夠處理海量數據、不需要建立復雜的數學模型，還能夠從數據中提取盡可能多的有效信息，保證分析結果具有較高的精度；缺點：算法運行時占用內存較大。

機器學習算法可以對多維信息進行處理，例如在監測駕駛員疲勞狀態時，不僅可以分析駕駛員面部、眼部、頭部等視頻信號或駕駛行為、車輛狀態、車輛軌跡信號，還可以結合車內環境信息如溫度、外部道路交通信息如車流量等?，F在國內外很多高校、科研機構都在研究基于機器學習算法的駕駛員疲勞監測系統[23,24,25,26,27]。與傳統方法相比，機器學習算法使駕駛疲勞識別精度有所提高，但運算時占用內存較大，很難集成到車輛現有電子控制系統的控制器里，實時性差。隨著云平臺技術的發展，機器學習算法可以運行在云平臺上，不占用電子控制系統的控制器內存，實現在不增加車輛硬件成本的情況下提高疲勞監測精度。疲勞監測系統的精度提高后，能夠擴大其應用范圍，除了預警外還可以與其他駕駛輔助系統集成，例如自主緊急制動（AEB）、車道保持(LKA)、車道偏離預警(LDW)等，進一步保障行車安全。

不同類型駕駛員操縱偏好不同，有的駕駛員喜歡激進性駕駛，例如大幅度踩加速踏板和制動踏板、大幅修正轉向、經常換道等；而有的駕駛員喜歡謹慎性駕駛，例如慢踩加速踏板和制動踏板，小幅高頻修正轉向、較少超車換道等；還有駕駛員介于兩者之間。如果不考慮駕駛員類型，用同一標準或同一模型監測駕駛員疲勞狀態，容易誤報和漏報，導致駕駛員體驗較差[28]。此外，駕駛員操縱偏好還受工況影響，例如側風工況下，不管是哪種類型的駕駛員都需要不斷修正轉向以保持車輛直線行駛，只是修正幅度略有差別，這要求疲勞監測算法適用于這些特殊工況[29,30,31]。

因此，未來的駕駛員疲勞狀態監測系統將會是一種高精度、考慮駕駛員類型、適用于各種工況的駕駛輔助系統。

4 結束語

駕駛疲勞導致的交通事故在重大交通事故誘因中一直占有較大比例，因此駕駛員疲勞狀態監測系統對于提高行車安全具有重要作用。隨著車輛電子化、智能化、網聯化程度增加，硬件基礎越來越好，高精度的駕駛員疲勞監測系統將會成為未來車輛的重要配置之一，并與其他駕駛輔助系統集成，共同保障車輛行駛安全。