基于人工智能的汽車駕駛員精神狀態監測系統研究

摘" 要：該文主要針對駕駛員酒后駕駛、疲勞駕駛等高度危險道路交通安全且可完全避免的行為，提出一種駕駛員精神狀態監測系統研究構想。在該系統研究構想中，系統由酒駕檢測系統、疲勞駕駛檢測系統2部分組成，可用于監測駕駛員的精神狀態，當駕駛員處于危及駕駛安全的精神狀態時，會采取對應的解決方案。該系統應用于汽車可增加汽車駕駛的安全性和可靠性，對維護人們的生命、財產安全具有較大意義。

關鍵詞：酒駕檢測;疲勞駕駛檢測;人工智能;精神狀態監測;駕駛員

中圖分類號：U463.6" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）25-0027-06

Abstract： Aiming at the behaviors of drivers who are safe and completely avoidable on highly dangerous roads such as drunk driving and fatigue driving， this paper puts forward a research idea of driver mental state monitoring system. In the research conception of the system， the system is composed of drunk driving detection system and fatigue driving detection system， which can be used to monitor the mental state of the driver. When the driver is in a mental state that endangers driving safety， the corresponding solution will be taken. The application of this system to automobile can increase the safety and reliability of automobile driving， and is of great significance to maintain the safety of people's life and property.

Keywords： drunk driving test; fatigue driving detection; artificial intelligence; mental state monitoring; driver

2022年我國的汽車保有量再次高居第一，這是2020年以來連續第三次位居世界第一了，是我國居民生活水平上升的必然結果，但巨大的汽車保有量也給我國公路交通造成了不小的壓力，各種交通事故頻發，使我國的道路建設及人民生命財產安全存在不小的安全隱患。其中駕駛員醉酒駕駛或疲勞駕駛所造成的交通事故后果更為惡劣，且在避免此類事故發生方面所耗費的人力物力較為巨大，因此，可有效避免此類事故發生的車載監測系統的研究成為必然。

1" 研究背景

近年來，隨著我國經濟的高速發展，人們的日常生活已經無法離開汽車等代步工具的幫助，人們對于車輛的需求也在逐年遞增，據公安部統計，截至2022年，我國機動車保有量達4.12億輛，其中汽車3.15億輛;機動車駕駛人達4.99億人，其中汽車駕駛人4.61億人[1]。

道路車輛密度急劇增大，這一情況在城市道路尤其嚴重，加之道路的復雜性、汽車駕駛員精神狀態的不確定性等原因，由此帶來的交通事故也在逐年增加，成了社會穩定的重要威脅，根據孫麗璐等[2]的研究發現，汽車保有量與交通事故數之間有著極其強烈的相關性，如圖1所示。

因此，本文提出了一種基于人工智能的汽車駕駛員精神狀態監測系統研究構想，在該系統構想當中，如果檢測到駕駛員正在處于飲酒或疲勞駕駛狀態，系統會對駕駛員的實時狀況進行判別、分級和分類，隨后根據駕駛員的具體情況采取針對性的措施。措施種類包括警告型和強制性，覆蓋面更廣，可靠性更高，如果該構想得到落地，將會杜絕酒后駕駛、疲勞駕駛等高危險性的駕駛行為，減少交通事故數量，給行人和乘員帶來安全感，減少不必要的生命財產損失，增強社會穩定性。

2" 課題研究目的及意義

根據美國汽車協會的調查研究發現，在交通事故成因分析當中，疲勞駕駛的比例達到了16%～20%[3]，且疲勞駕駛造成事故傷亡的概率是非疲勞駕駛的4～6倍。疲勞駕駛造成的駕駛事故每年在我國的交通事故中約占20%。其中，40%的重大交通事故和疲勞駕駛緊密相關。處于疲勞狀態的駕駛員反應變得遲鈍、注意力不能很好地集中，駕駛員對車輛的控制水平降低，影響駕駛安全。研究疲勞駕駛現象，針對疲勞特征開發檢測并防范疲勞駕駛的手段對提高道路安全具有重要作用。

當人飲酒達到一定量時觸覺能力會降低，飲酒后駕車，由于酒精的麻醉作用，人的手、腳的觸覺較平時降低，往往無法正常控制油門、剎車及方向盤。飲酒后，對光、聲刺激反應時間延長，本能反射動作的時間也會相應延長，感覺器官和運動器官如眼、手、腳之間的配合功能發生障礙，因此，無法正確判斷距離、速度。飲酒后還會導致視力暫時受損，視像不穩，辨色能力下降，因此不能發現和正確領會交通信號、標志和標線。同時飲酒后視野大大減小，視像模糊，眼睛只盯著前方目標，對處于視野邊緣的危險隱患難以發現。綜上飲酒駕駛極其危險，極其容易對駕駛員和乘客以及過路行人造成生命財產的損失。

據世界衛生組織提供的數據顯示，全世界每年因道路交通事故死亡人數約有125萬，相當于全球每天有3 500人因交通事故死亡，其中因疲勞駕駛和酒駕而發生交通事故的案例數了超過總數的50%。從2015年至2021年，我國交通事故死亡人數逐步下降，但從2016年起隨著我國經濟發展迅速、人民生活逐步富裕，私家車保有量上升，交通事故死亡人數開始上升，如圖2所示。

為通過可預警手段預防交通事故，本研究從酒后駕駛及疲勞駕駛事故的發生出發，提出了一種有關酒精濃度監測及面部狀態監測并能夠及時發出警報的智能防酒駕、防疲勞系統研究構想。通過對汽車駕駛員駕駛時的精神狀態和身體情況進行提前預警，進而從源頭上減少交通事故的發生，具有保障人民生命財產安全、維護社會穩定的積極意義。

3" 國內外研究現狀分析

近年來，疲勞駕駛、酒后駕駛引發的道路交通傷害逐年增加，已成為當下嚴重的社會問題，引起了各國學者的關注，從而關于疲勞駕駛、酒后駕駛的相關研究課題逐漸增多。

3.1" 國外研究現狀分析

美國Attention Technologies公司推出的Driver Fatigue Monitor（DD850）是一款基于駕駛人生理反應特征的駕駛人疲勞監測預警產品。該產品通過紅外攝像頭采集駕駛人眼部信息，采用PERCLOS作為疲勞報警指標，可直接安裝在儀表盤上，報警的敏感度和報警音量均可調節，目前已推廣應用。

美國AssistWare Technology公司的SafeTRAC利用前置視頻頭對車道線進行識別，當已車輛開始偏離車道時進行報警，該產品也可通過車道保持狀態結合駕駛人的方向盤操作特性判斷駕駛人的疲勞狀態。

以上研究對于駕駛員精神狀態檢測結果的回應僅僅停在提醒這一層次，不夠完善與充足。如若駕駛員處于疲勞駕駛或醉酒駕駛的時候車內只有駕駛員一人，或者駕駛員處于熟睡狀態不易于被喚醒，系統通過光傳播和聲音傳播對于駕駛員的提醒所發揮的作用也就是微乎其微的了，不能夠很好地提高駕駛員以及車內乘客所處環境的安全性，這就需要系統在智能化的基礎上根據各檢測結果和汽車行駛狀況做出強有力的應對措施，如緊急熄火、制動和限速等。

3.2" 國內研究現狀分析

基于單片機的汽車駕駛員酒駕檢測系統：如果通過檢測手段檢測到駕駛員飲酒，就會通過報警燈警示駕駛員切勿駕駛車輛，酒精度超過一定的標準可以采取自動切斷起動電路的電源，讓車輛不能啟動，并與TBOX建立連接，利用TBOX發送車輛位置和駕駛員酒駕情況通過4G網絡傳給駕駛員家人的手機或者交通管理部門的終端接收裝置[4]。

融合眼部特征及頭部姿態的實時疲勞駕駛檢測技術研究：使可視虹膜在其最小外接圓中所占的比例代替像素點個數比例來確定眼睛狀態，進而計算眼睛閉合比例，參數并進行疲勞狀態的判斷。采用參數針對性優化的基于Haar-Like特征和AdaBoo巧算法的級聯分類器進行人臉的正臉及側臉（如果需要的話）檢測;將檢測到的結果歸一化到統一小尺寸，并計算其二階HOG（梯度朝向直方圖）特征;最后，使用隨機森林回歸算法估計頭部姿態，統計實時檢測到的姿態數據與初始清醒狀態的差值，進而確定疲勞狀態[5]。

2021年石衫衫[6]通過研究駕駛員精神狀態檢測，設計出了眼臉信息采集眼鏡，從駕駛員眼臉信息中提取疲勞參數PERCLOS，通過方法分析PERCLOS值對駕駛員的疲勞程度進行判定，其檢測精度達到了92%。

大多數國內的研究學者在駕駛員精神狀態檢測手段方面做了非常多也非常細致的研究，大大提升了駕駛員精神狀態檢測的準確性和正確性，但少有整體性的系統設計，少有從檢測、分析、處理和采取措施各個環節之間的配合方案，仍存在很多的不足。存在沒有將疲勞駕駛與醉酒駕駛檢測相結合、系統對于檢測結果的回應程度不夠或回應方式不正確等問題，而這恰是該方面研究是否能夠成果投入使用的關鍵點。而本課題的研究著重點正是疲勞駕駛于醉酒駕駛檢測系統結合方面的研究;該研究會一定程度上完善系統對于檢測結果的應對措施。這極大地證明了此課題研究的正確性以及必要性。

4" 技術原理

4.1" 眼睛狀態判斷

當我們的眼睛處于睜開和閉合之間的過程中時，上眼臉一直處于一個運動的狀態，這就導致上下眼皮之間的距離一直處在一個不斷波動的狀態當中。眼睛完全張開的時候，上下眼皮之間的距離是最大的，當眼睛完全閉合時，這一數值是最小的，即為0。所以，設定一個最佳值，以此來判斷眼睛的閉合狀態，當上下眼皮的距離小于此值時判定為閉合，當其大于此值時判定為張開。

4.2" 燃料電池型呼氣酒精測試儀工作原理

當駕駛員處于飲酒駕駛狀態時，其呼出的氣體中會含有一定當量的乙醇蒸汽，乙醇進入燃料電池后被氧化為CO2和H2O，在此過程中會有一定的化學能被釋放，化學能經原電池裝置轉化為電能，然后通過判斷電流量的大小來進行飲酒量的判斷。

5" 主要研究內容

5.1" 系統組成研究

5.1.1" 酒駕監測系統研究

構想中的汽車駕駛員酒駕監測系統由傳感器單元、酒精檢測單元、信號轉換及放大單元、信息處理單元、報警單元、緊急情況反應單元及供電裝置組成。結構關系圖如圖3所示。其中傳感器單元主要為壓力傳感器，壓力傳感器與系統總電源開關相鏈接，壓力傳感器位于駕駛座座椅內部，當傳感器檢測到座椅上方存在質量超過30 kg（據可參考經常駕駛部署車輛的人員的體重進行設置）的物體時便會觸發系統電源開關，然后系統進入工作狀態;酒精檢測單元由吸氣泵、電化學酒精測試儀（燃料電池型呼氣酒精測試儀）及加熱線圈組成，系統進入工作后吸氣泵吸取駕駛員周圍空氣，若空氣中含有一定量酒精，電化學酒精測試儀會根據酒精濃度大小輸出對應大小的電流信號，電流信號越大則酒精濃度越大;信號轉換及放大單元由小型電容、三極管及單片機組成，小型電容及三極管將電化學酒精測試儀器傳來的電流信號進行放大，然后將此信號傳遞給單片機，單片機依據電流信號大小生成與之相對應的酒精濃度信號;信息處理單元由運算芯片組成，芯片接收來自單片機的酒精濃度信號，將酒精濃度信號轉換為相對應的駕駛員血液中的酒精濃度，將酒精濃度劃分為小于20 mg/100 mL、大于或等于20 mg/100 mL并小于80 mg/100 mL、大于或等于80 mg/100 mL 3個等級，芯片根據信號的不等級做出相對應的反應和措施;報警單元由高音電喇叭組成，用于協助和實現計算芯片的相關工作，即執行“提醒”措施的職能;緊急情況反應單元由熄火裝置組成，當系統檢測結果將駕駛員狀態判斷為“醉駕”（飲酒狀態依據酒精濃度從小到大分為“無”“酒駕”“醉駕”3個等級）時，該裝置發揮作用，作用方式分為2種，若該裝置發揮作用前，汽車發動機狀態為熄火，則熄火裝置將控制汽車電磁開關，使汽車發動機在5 min內不可點火;如若該裝置發揮作用前，汽車發動機狀態為點燃，則熄火裝置也將控制汽車電磁開關，致使發動機熄火。此外，可用汽車蓄電池和汽車發電機解決系統供能供電問題。

5.1.2" 疲勞駕駛監測系統研究

構想中的車駕駛員疲勞駕駛監測系統由開關、實時圖像攝取單元、信號存儲、處理及檢測單元、報警單元及供電裝置組成。結構關系圖如圖4所示。系統開關與汽車點火開關相連接，汽車發動時系統啟動，汽車熄火時系統關閉;實時圖像攝取單元由高清攝像頭及處理芯片組成，當系統開啟后，攝像頭在芯片的控制下，每30 s獲取一次駕駛員的駕駛圖像;信息存儲、處理及檢測單元主要由存儲硬盤及處理芯片組成，駕駛員可將正常駕駛的圖像及視頻存入存儲硬盤中，芯片會將攝像頭捕捉的駕駛畫面與存儲的畫面進行比對分析，如與存儲圖像符合度不大，則芯片將此時的駕駛狀態判斷為“非正常駕駛”;報警單元由高音電喇叭組成，用于協助和實現計算芯片的相關工作;此外，可用汽車蓄電池和汽車發電機解決系統供能問題。

5.2" 運行邏輯研究

5.2.1" 酒駕監測系統運行邏輯研究

構想中的酒駕監測系統在駕駛座上物體重量超過設定值后5 s內被喚醒，此后位于汽車方向盤的吸風機收集一次駕駛員周圍空氣，檢測一次空氣中的酒精濃度，若檢測結果空氣酒精濃度達到飲酒駕駛標準，系統判斷駕駛員存在飲酒駕駛情況，則播放提示音提示駕駛員及車內其他成員，提醒他們酒駕的危害，建議替換駕駛員;若檢測結果空氣酒精濃度達到醉酒駕駛標準，系統判斷駕駛員存在醉酒駕駛情況，系統會播放提示音警告駕駛員及車上其他乘客，若此時發動機未點燃，則會切斷電磁開關，使發動機無法點燃，待系統重啟后恢復正常;若發動機已經啟動且行駛速度小于20 km/h，系統會使發動機熄火，此過程系統會不斷播放提示音進行提醒，待系統重啟后恢復正常;若發動機已經啟動且行駛速度大于20 km/h，系統會不斷提醒駕駛員減速并靠邊停車，汽車行駛速度小于20 km/h后系統會使發動機熄火，待系統重啟后恢復正常;系統會在駕駛員坐上駕駛座10 s后進行3次檢測，間隔1 min，只要有一次判斷為酒駕或醉駕，系統便會自動進行以上相應操作，若3次檢測結果空氣酒精濃度均未達到飲酒駕駛或醉酒駕駛標準，系統會提醒駕駛員做得很棒，請再接再厲，此后系統進入待機狀態，下一次重啟時喚醒。

5.2.2" 疲勞駕駛監測系統運行邏輯研究

汽車啟動后，隨之系統進入工作狀態，自此，位于駕駛員前方的攝像頭每1 s系統捕捉一次駕駛員駕駛情況，并將影像傳遞給計算芯片，芯片分析并計算駕駛員上下眼皮間的距離，當這一距離連續3次小于系統設定值時，駕駛員此時的駕駛情況將被檢測為“非正常駕駛”，系統會高分貝語音提醒駕駛員尋找安全區域停車休息，避免更壞的事情發生，此過程將會持續30 s;若這一距離大于系統設定值，駕駛員此時的駕駛情況被檢測為“正常駕駛”，系統會繼續工作。

6" 系統發展期望

該駕駛員精神狀態監測系統研究立足于社會實際，從車輛系統本身出發，利用人工智能芯片對異常情況進行分析，第一時間采取警示、制動等措施以確保安全駕駛，大大減少了國家公安交通管理局每年在交通事故處理等方面造成的人力物力及時間資源上的浪費，同時保障了人們最基本的利益——生命財產安全。

在研究本系統構想的過程中，由于研究時間、研究能力的制約使得本系統設計還存在些許不足之處需要繼續加強。總結如下：①本研究構想可實現系統預期目標，在今后深入研究中，需對疲勞駕駛、酒后駕駛分析方法進一步優化完善和創新，進一步提升系統監測的準確率。②在當今物聯網大數據環境下，需在本系統基礎上更進一步，將采集到的駕駛信息上傳至云端服務器，用戶可在PC端或手機客戶端實時查詢自身信息，便于用戶隨時隨地對自身狀態進行全面了解。在今后研究過程中，能夠實現云端數據共享與系統遠程控制。

未來，本系統將不斷改進與完善，希望在10 a內通過與企業生產制造部門、交通管理等部門合作，使駕駛員精神狀態監測系統成為像汽車啟動系統等汽車常規系統一樣，成為汽車必備的一項系統，從而更好 地保證駕乘人員及行人的生命財產安全。

在未來該系統還可以與新能源汽車相結合，新能源汽車將更容易實現一些智能化操作，如減速、制動、輔助駕駛等，該系統的應對措施還可以進一步地升級和發展。

7" 創新點

7.1" 抗干擾性強

本研究產品系統采用多傳感器信息融合原理。多傳感器信息融合基本原理是模擬人腦的思維進行信息的綜合分析，合理地支配多個傳感器采集的信息和觀測的信息，依據某種準則來把多個傳感器進行組合，推導出更為有意義的信息。其特色就在于將多個傳感器組合成一個傳感器系統，傳感器抗干擾能力強，誤差小，實現長久穩定的工作。

駕駛員飲酒，車內有酒精噴灑，空氣中的酒精濃度會上升。所以酒駕檢測系統只在駕駛員坐上駕駛座10 s后檢測3次，給予酒精擴散的時間，防止誤測，也防止后續其他因素的干擾，酒精探測器快速收集數據上傳并處理，在短時間內判斷駕駛員是否酒駕。這樣在車內空間大空氣流通量較小的時候，也不容易發生系統誤判。

7.2" 設計前瞻

本研究系統有效地將疲勞駕駛和醉酒駕駛檢測相結合，從根源上一定程度地遏制了交通事故的兩大元兇，并將檢測單元分開，在檢測結果應對方法上又將二者相結合。檢測裝置可安裝于汽車方向盤、儀表盤上側及前擋風玻璃下方等部位，具有設計的前瞻性，在不妨礙駕駛員正常駕駛的前提下，極大程度地保障了駕駛員的行車安全，遏制了交通事故的發生，做到了駕駛員安全、他人行駛安全的雙重保障。

7.3" 應對措施靈活強硬

本系統的檢測結果應對方式較為靈活，針對不同的檢測結果予以安全合適的應對方法，當系統檢測駕駛員為醉酒駕駛后，會留出相應時間給駕駛員，使其將汽車行駛至安全范圍、汽車速度降至安全速度后，才強制發動機熄火，避免汽車處于危險駕駛區域時系統強制發動機熄火的情況發生。相對于以往國內外的此類研究，本系統加入強制發動機無法啟動以及強制發動機熄火的應對方法又顯得比較強硬，但在道路安全方面正需要這種強硬措施，這是對駕駛員生命財產安全極其負責任的表現。

8" 結束語

本文所研究的基于人工智能的汽車駕駛員精神狀態監測系統采用了一種有效的低成本方案，既可實現對駕駛員精神狀態情況的檢測和結果處理，采用不同的報警等級提醒駕駛員，也可以依據具體情況采用強制發動機無法啟動和強制發動機熄火等措施，涉及監測面廣，與不同結果相對應的措施也較為全面，更有效地保障駕駛員及乘客的安全。

駕駛員精神狀態檢測系統通過采取提示音提醒駕駛員和禁止車輛行駛的方式，來減少道路交通兩大殺手——酒駕、疲勞駕駛的事故發生率，可以從根本上減少酒后駕駛、疲勞駕駛行為，對于社會安全、人民生命財產的捍衛有一定的積極效果，有利于社會穩定和人民的幸福生活。但要徹底根除酒后駕駛、疲勞駕駛等危險駕駛行為，還需要國家及社會的大力宣傳和教育，提高安全駕駛在人們心中的地位，安全、美好和健康的生活，才是我們每個人所向往的生活。

參考文獻：

[1] 商訊.公安部交管局：截至2022年9月底，全國汽車保有量達3.15億輛，其中新能源汽車占比3.65%[J].商用汽車，2022（10）：7.

[2] 孫麗璐，趙輝.我國交通事故損失影響因素及地區特征分析——基于全國31個省市自治區2004—2015年面板數據[J].西南大學學報（自然科學版），2019，41（8）：114-123.

[3] MACLEAN W. Sleep and Driving[J].Handbook of Behavioral Neuroscience， 2019（30）：611-622.

[4] 孫恩民.一種基于單片機的汽車駕駛員酒駕檢測系統[J].汽車實用技術，2018（17）：179-181.

[5] 馬召賓.融合眼部特征及頭部姿態的實時疲勞駕駛檢測技術研究[D].濟南：山東大學，2016.

[6] 石衫衫.基于駕駛員狀態監測的多場景駕駛穩定性判定[D].秦皇島：燕山大學，2021.