牟伦田， 周 朝， 赵艺远， 赵鹏飞， Bahareh Nakisa， Ramesh Jain， 尹宝才

(1.北京工业大学信息学部北京人工智能研究院多媒体与智能软件技术北京市重点实验室， 北京 100124；2.迪肯大学科学工程与建造环境学部信息技术学院， 维多利亚 3216， 澳大利亚；3.加州大学欧文分校未来健康研究所， 尔湾 92697， 美国)

据世界卫生组织(world health organization, WHO)报道[1]，道路交通事故每年造成全球约130万人死亡、2 000万～5 000万人受到非致命性伤害. 联合国《2030年可持续发展议程》[2]确定2020年全球道路交通碰撞死亡和伤害数量减半的宏伟目标，这一目标已经无法实现，减少道路交通伤害仍然任重道远. 根据WHO的统计[1]，引发交通事故的主要风险因素包括超速、在酒精或其他精神活性物质影响下驾驶、不系安全带和分心驾驶等. 根据美国国家公路交通安全管理局的报告[3]，大约94%的交通碰撞事故是由于驾驶员的认知错误、决策错误、操作错误和非操作错误(比如瞌睡)造成的. 因此，在加强道路安全执法的同时，从技术上和源头上对驾驶员的身心健康状态和驾驶行为进行实时监测并采取相应的风险预警和健康调优措施是减少道路交通事故、提升驾驶安全性的迫切需要.

传感技术与物联网技术的发展使得实时获取驾驶员、车辆、道路和环境的多模态大数据变得容易，而机器学习等技术则为数据到知识的转化提供了引擎. 针对驾驶员的健康，国内外研究者已在压力检测、情绪检测和疲劳检测等方面取得一定研究进展[4-6]. 例如，通过采集驾驶……