胥 川 ，郭启明 ，王雪松 ,5

（1. 西南交通大学交通运输与物流学院，四川 成都 610031；2. 西南交通大学综合交通运输智能化国家地方联合工程实验室，四川 成都 610031；3. 同济大学道路与交通工程教育部重点实验室，上海 201804；4. 同济大学交通运输工程学院，上海 201804；5. 道路交通集成优化与安全分析技术国家工程实验室，江苏 无锡 214151）

疲劳驾驶造成了严重的人员伤亡和社会经济损失. 近年来，震惊全国的滨保高速天津“10·7”特别重大交通事故[1]、包茂高速延安“8·26”特大道路交通事故[2]中，疲劳驾驶都是事故的直接原因. 为此，我国政府部门已经从立法、行政管理等方面进行防治. 《中华人民共和国道路交通安全法实施条例》（2004）规定连续驾驶满4 h必须停车休息至少20 min；国务院发布意见[3]要求推行长途客运车辆凌晨2：00-5：00停止运行；工信部、公安部联合发文[4]暂停卧铺客车生产、销售、登记；交通运输部、公安部等联合发文[5]要求所有“两客一危”车辆强制安装卫星定位装置，实时监控运输车辆驾驶人的疲劳驾驶等违法行为. 虽然管理措施收到了一定的效果，但是疲劳驾驶的威胁依然严重. 以物流为例，2017年G7发布的中国物流大数据报告中显示[6]，午后和凌晨货车司机疲劳驾驶占比合计达58.4%，疲劳驾驶是物流运输中威胁最为严重的安全问题. 减少和消除疲劳驾驶带来的安全风险仍是我国道路交通管理中所面临的重要问题.

车载疲劳预警提示技术通过对驾驶员客观状态进行实时监控并择机提示，被视为一种降低疲劳驾驶风险的有效主动安全技术. 20世纪90年代，美国高速公路安全管理局发布车载疲劳预警提示综合研究报告[7]，引发广泛关注和后续研究；2008年召开的疲劳驾驶和安全未来研究方向霍普金斯会议中，车载疲劳预警提示技术被列为研究重点[8]. 车载疲劳预警提示技术中涉及3个关键问题：（1） 预测依据选取，包括预警提示设备的输入信号（脑电[9]、眼动[10]、方向盘[11]、车道偏移[12]等）、指标的选取（统计指标[13]、频谱能量指标[14]等）；（2） 预警时机及策略，如“过阈值”策略[15]和状态判别策略[16]等；（3） 提示形式选取，如视觉、听觉、触觉及其组合[17]. 其中疲劳预警提示时机的确定是涉及疲劳预警有效性的技术关键，提示过早容易造成驾驶员对疲劳预警设备的不信任，而提示过晚则会造成疲劳驾驶风险在一定时间内被忽视，而无法充分发挥预警作用. 同时，确定提示时机也是技术难点，提示时机的确定需要同时考虑驾驶员的主观感受和度量疲劳驾驶的客观风险，而驾驶员的主观感受本来就存在个体差异且驾驶风险很难客观度量. 对于疲劳预警时机的探讨少有研究文献，为解决该技术难题，本研究通过驾驶员客观响应特征来判断疲劳预警时机是否合理. 因此，研究团队在开发疲劳分级预警提示设备的基础上，开展了驾驶模拟实验，并分析驾驶员在不同等级预警提示前后的响应特征研究.

1 试验方法

1.1 试验设备

本试验采用同济大学高仿真度驾驶模拟器，如图 1（a）、（b）所示. 该驾驶模拟器的运动系统为8自由度（6自由度支架和 20 m ×5 m的XY运动导轨），模拟舱体内部一辆移除发动机并安装了方向盘和刹车踏板力反馈、电子传感器和音响系统的梅甘娜3系轿车，所有操作和实车完全相同. 其视觉场景主要由5台投影仪组成的柱面沉浸式投影系统提供，可视范围达 250° （水平方向） × 40° （垂直方向），车内的3个后视镜均被LED显示屏替代. 驾驶模拟器的有效性通过系统测试，并证明该模拟器的仿真度可以满足研究需要. 眼动仪为Smart Eye®的前置式四通道眼动仪来记录驾驶员的眼动数据，眼动仪为全三维-六自由度头部跟踪，二自由度目光跟踪，精密目光凝视模式，眼聚散度距离测量，可实时测量驾驶员的眼睑开度和瞳孔直径，见图1（c）. 疲劳预警设备分为信息采集、信息交换、信息处理、信息输出4个模块. 信息采集模块包括眼动仪计算机和模拟器主控计算机，它们分别负责采集驾驶员眼动数据和驾驶员的车辆运行、操作数据；信息交换模块是由一台路由器组成，它的作用是连接信息采集模块和信息处理模块；信息处理模块主要由疲劳预警计算机组成，对眼动仪计算机和模拟器主控计算机传来的数据进行处理，并通过在其上运行的预警程序实现预警信号的输出；信息输出模块由预警显示器和音响组成，分别进行视觉和听觉的预警输出，见图1（d）. 疲劳预警提示设备的提示方法见2.1、2.2.

1.2 受试人员及实验准备流程

受试人员共8人，全部为男性，平均年龄为38.5岁，驾驶年龄均在3 a以上，具备至少1 h的同济大学高仿真度驾驶模拟器驾驶经历，驾驶车辆未发生过伤亡交通事故. 所有受试人员要求持有效驾照，身体状况良好，在实验前一个月内无药物服用史，测试前24 h内不允许饮酒，测试前12 h内不允许饮用咖啡、功能性饮料. 选择刚用完午餐的情形进行测试，这样试验更易观测到疲劳驾驶. 具体的疲劳控制流程如下：7：00电话联系受试驾驶员，确保其已经起床，并要求起床后不能再休息或打盹；要求驾驶员11：15到达驾驶模拟器实验室，并由工作人员带领驾驶员用标准午餐，12：15工作人员带测试人员回到实验室. 实验前，驾驶员对实验过程及数据用途无异议后签署《疲劳实验知情同意书》，要求驾驶员把驾驶模拟实验当做真实驾驶. 然后进入驾驶舱，工作人员为驾驶员介绍车辆的基本操作，并帮助驾驶员调整桌椅，座椅固定后，工作人员为驾驶员调试眼动仪，计算并记录判定眼闭合时间比例（percentage eyelid closure，PERCLOS）的闭眼眼睑开度阈值Et（见 2.1）.

1.3 试验设计

试验道路为一条环形双向6车道且车道宽度3.75 m的郊区单调高等级公路. 试验道路全长20 km，每圈由6条长为2 km的直线段（路段编号：1、3、5、9、11、13），2 条长为2km 曲线段（路段编号：7、15）和其它连接曲线组成，如图2所示. 为了增加环境真实感，道路两旁设置绿草地、树木和少量的村落建筑.

图2 试验道路的线形和路段编号Fig.2 Experimental roads and segment number

为了让受试人员在有限的试验时间内达到较高的疲劳程度，每位驾驶员被要求在试验道路上连续驾驶6圈（约1 h），车速需要保持在120 km/h左右；驾驶期间不需要变换车道；试验车使用自动挡，驾驶员无需变换档位；试验期间不允许驾驶员使用手机、收音机、音乐播放器等设备；无环境干扰（例如道路横风）；不需要切换试验车的灯光（白天，无隧道，无天气变化）；少量其它交通车辆，但不阻挡试验车所在车道.

2 疲劳预警提示方法

2.1 预警依据指标

本试验中的疲劳预警依据指标选取车道偏移标准差（计算方法参见文献[18]中2.1）和PERCLOS.PERCLOS是指眼睛闭合时间所占的时间比例，选取和疲劳程度相关性高的P80（瞳孔被眼睑纵向遮住80%的时间比例）[19]指标进行计算. Et是计算PERCLOS的关键指标，P80方法中取完全睁眼眼睑开度的20%作为闭眼眼睑开度阈值，如式（1）所示，但由于眼动仪存在，对眼睑开度的测量存在误差，导致眼完全闭合时的眼睑开度值不为0，因此Et需要重新标定. 本研究中的闭眼阈值标定方法如下：在试验的初期，取一段明显符合眼动周期变化规律（睁眼、闭眼规律）的驾驶员眼睑开度数据，分别计算睁眼眼睑开度Eopen的平均值和闭眼眼睑开度阈值Eclosed的平均值，如图3所示.

一定时间内，眼睑开度值小于Et的样本数为NC，总样本点数为N，则PERCLOS的计算公式为

图3 闭眼眼睑开度阈值的计算示意Fig.3 Schematic diagram of eyelid closure threshold

2.2 预警提示逻辑

预警提示逻辑主要基于决策树分级疲劳预警模型建立[20]，其预测的总正确率为55.22%. 模型将疲劳程度分为清醒、一般疲劳、严重疲劳3个等级. 其中，清醒等级的判断条件为Pclos＜5.4%；严重疲劳等级的判定条件为 Pclos＞ 23.3%，或者 14.7% ＜ Pclos＜23.3%且车道偏移标准差Lsd＞ 0.308 m；剩余情况为一般疲劳等级.

检测方法为设定移动检测窗口（sliding window），对移动窗口内驾驶员的PERCLOS和车道偏移标准差进行阈值判断. 由于建模模型单元为2 km长的直线段，且要求驾驶员保持120 km/h的目标车速，则片段的时间约1 min，因此预警提示的指标检测窗口长度也选择为1 min，检测步长设定为10 s. 建模过程中发现在相同或相近的疲劳程度下，检测指标在曲线段和直线段上的均值存在明显差异，其中PERCLOS在曲线段上比直线段增加21%，车道偏移标准差在曲线段比直线段增加30%. 由于疲劳等级预测模型是用直线段的数据建立的，如果驾驶中经过圆曲线段，则按照时间比例对阈值进行相应的修正[20]. PERCLOS 的第 i个阈值为 Ai，i = 1，2，3. A1= 0.054，A2=0.147，A3= 0.233. Ai修正式为

式中：k为窗口时间中曲线段所占的时间比例.车道偏移标准差阈值B的修正式为

式中：B = 0.308.

预警提示检测流程的具体流程由3步构成. 第1步为数据传输检测，即检测眼动仪是否开始传数据，模拟器是否开始传数据：如果两设备都开始传数据，则进入第2步；如果两设备中至少有一个设备未传数据，则回到第1步. 第2步为严重疲劳等级条件检测，检测驾驶员的Pclos是否大于，或者Pclos是否大于和车道偏移标准差是否大于B′；如果是，进行严重疲劳报警，等待T时间后（T是为了避免驾驶员对频繁提示反感而加入的延缓提示时间，本研究中取60 s），返回第2步进行判断；如果否，进入第3步. 第3步为未疲劳状态条件检测，即检测驾驶员的Pclos是否小于；如果是，则不报警；如果否，则进行一般疲劳报警；距最近一次报警未满T时间的情况下，每隔10 s进行一次严重疲劳检测，如果满足条件，则进行严重疲劳报警；如果距最近一次报警满T时间且未达到严重疲劳，则转入第2步严重疲劳等级条件的判定. 疲劳预警提示逻辑流程见图4.

2.3 预警提示形式

预警提示的人机界面主要是由预警提示显示屏和音响构成. 由于对于未疲劳、一般疲劳、严重疲劳采取的报警策略和强度不同，因此设计了分级报警的显示和提示音：（1） 无报警：显示黑色背景，无声音；（2） 一般疲劳报警：一般疲劳报警提示音（音调中等，频率中等），疲劳提示标志闪烁并保留；（3） 严重疲劳报警：严重疲劳报警提示音（音调中，频率快），疲劳提示标志闪烁3次并保留. 预警提示显示情况如图5所示.

图4 疲劳预警提示逻辑流程Fig.4 Flowchart of driving drowsiness alarming

图5 分级疲劳预警提示显示Fig.5 Drowsiness alarming displays for different levels

3 驾驶行为响应特征

为描述对于驾驶员的客观响应特征，选择Pclos、车道偏移均值Mavg、Lsd、车道越线面积Darea共4个响应指标进行分析.

式中：Lm为第m个时间点的车道偏移值；tm为抽样间隔时间；L0为车道宽度与车身宽度之差的1/2；n为一个分析时间片段中的时间点个数.

Pclos和Lsd为文献[13]发现的疲劳检测性能最佳的指标，Mavg和Darea用于增加指标冗余度，提高结论可靠性. 为比较预警前后响应指标的差异，分别选取了报警前、后各15 s的无报警时间片段数据进行对比分析. 变量的描述性统计指标见表1，变量名下标加“_pre”的为报警前15 s的数据指标值，变量名下标加“_post”的为报警后15 s的数据指标值.

表1 一般疲劳与严重疲劳预警前后的变量描述性统计指标汇总Tab.1 Descriptive statistics summary of normal and serious levels of drowsiness warning in before and after the warning period

研究中一共提取预警提示前后道路线形未发生变化的预警数据片段：一般疲劳报警69次，严重疲劳报警96次. 为对比预警提示前后的时间片段对应的响应指标是否存在显著差异，数据分析采用配对样本检验的方法，即同一次预警提示的前、后时间片段对应的指标配为一对. 但经过Anderson-Darling正态分布检验发现 Pclos、Mavg、Lsd、Darea的前后差异值与正态分布存在显著差异，因而不能使用配对t检验. 在假设不考虑驾驶员响应的个体差异的情况下，可以采用Wilcoxon signed-rank配对检验确定提示前后的变量的均值是否有显著差异. 前后的差异变量值的命名为在原变量下标加上“_paired”，其值为变量在提示前15 s的值减去在提示后15 s的值，以 PERCLOS 为例，Pclos_paired= Pclos_pre-Pclos_post，其它变量也与此类似.

3.1 一般疲劳预警提示响应

对于一般疲劳提示，Wilcoxon signed-rank配对检验结果如表2所示，其中V值为Wilcoxon signedrank配对检验的检验统计量. 可以看出，Mavg_paired的P值远大于0.05，说明在预警提示前后Mavg的差异不显著. 这可能与驾驶员的驾驶习惯有关，在先前的驾驶模拟研究中已发现不同驾驶员对车道中心线位置的判断不同[21]，因此车道偏移均值可能因个体而差异，预警提示未改变驾驶员本身对车道中心线的习惯性判断.

表2 疲劳预警提示前后响应指标的Wilcoxon signed-rank配对检验Tab.2 Drowsiness alarming before and after the paired Wilcoxon signed-rank test of the responsive variables

Pclos_paired的显著性水平为0.150 4，略大于0.05，说明在提示前后存在一定程度的差异但并不显著；而Lsd_paired和Darea_paired的双侧显著性水平均小于0.05，说明这两个指标在提示前后存在显著差异. 从前后差异的均值来看3个指标均为正值，说明在报警后Pclos_post、Lsd_post和 Darea_post均下降. 由于这3个指标与疲劳程度之间均为正相关（指标值越大，疲劳程度越高），提示后指标值下降说明驾驶员的客观行为指标上产生了积极的响应.

3.2 严重疲劳预警提示响应

严重疲劳预警提示前后的指标对比结果与一般疲劳存在较大差异，Wilcoxon signed-rank配对检验结果如表2所示. 从检验的结果来看，Mavg、Lsd和Darea三者均在预警提示前后无显著差异，仅有PERCLOS有显著差异. PERCLOS的均值变化与一般疲劳的趋势一致，即在报警后PERCLOS值下降，说明预警提示后驾驶员眼闭合的时间比例减少，有利于其获取更多的视觉驾驶信息. 但其它响应指标均无显著差异. 观察驾驶员面部视频数据可以发现，当预警提示的级别为严重疲劳时，驾驶员已经处于十分困倦的状态，即使驾驶员收到提示后会有努力睁大眼睛、揉搓面部等动作，但是其困倦状态并未明显改善.所以在严重疲劳预警提示前后，生理指标PERCLOS有所改善，但是反映驾驶员对车辆控制的指标Lsd和Darea却没有显著改变. 这说明在驾驶员进入严重疲劳后，视觉、听觉提示已经难以有效改变驾驶员的操作能力.

本研究采用的疲劳分级模型在驾驶员响应特征上存在显著的差异：即在一般疲劳提示后，驾驶员不会产生眼动指标PERCLOS的显著降低，但会产生车道保持上的积极响应，具体表现为车道偏移标准差和车道越线面积均下降；而在严重疲劳状态下虽然驾驶PERCLOS降低，但车道保持并无明显改变，表现为车道偏移标准差和车道越线面积在提示前后均无显著差异. 表明在严重疲劳提示时驾驶员的响应能力确实更弱，进而说明该疲劳分级模型对应的提示时机确定策略具有一定的合理性.

4 结论与展望

（1） 一般疲劳预警提示后，车道偏移标准差均值显著下降0.129 1，车道越线面积显著下降8.574 4，说明在一般疲劳状态下，预警提示后驾驶员的客观行为指标产生了积极的响应，也说明驾驶员有能力改善自己的操作水平.

（2） 严重疲劳预警提示后，眼闭合时间比例显著下降0.044 9，说明驾驶员有保持眼睑开度的努力，但是车道偏移标准差和车道越线面积均未发生显著变化，说明在严重疲劳状态下，预警提示已经难以改变驾驶员的操作水平和能力，驾驶员需尽快停车休息.

（3）两种状态下驾驶员对预警提示响应的差异也说明了本研究中采用的疲劳分级模型对应的提示时机策略具有一定的合理性.

（4） 本研究只考虑了车道偏移方面反应驾驶员操控能力的指标，进一步研究可以对其它响应特征指标（方向盘转角、车速保持等）进行补充分析；本研究采用了驾驶员之间的指标提示前后变化值无个体差异的假设，应在后续研究中对个体差异进行检验和解析；受条件限制，本实验基于8个受试者，应加大样本验证研究结论；此外，可以对不同等级之间响应特征是否存在显著差异的临界条件进行分析，以确定更为合理有效的疲劳时机策略；同时，也建议研究提示音量大小对驾驶员疲劳状态转移的影响.