亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于駕駛模擬的疲勞識別與車載預警設備有效性研究*

        2014-12-14 06:02:42王雪松
        交通信息與安全 2014年5期
        關鍵詞:越線眼瞼開度

        王雪松 胥 川

        (同濟大學道路與交通工程教育部重點實驗室 上海 201804)

        0 引言

        疲勞駕駛是造成嚴重交通事故的重要原因,由于疲勞駕駛行為而導致的重大交通事故數(shù)占到了20%[1]。2008年,我國直接由疲勞駕駛造成事故2 568起,死亡人數(shù)1 353人,平均每起直接由疲勞駕駛引起的事故造成約0.53人死亡[2]。美國交通部針對商用車輛的報告中指出,20%~40%的商用車輛交通事故是由于疲勞駕駛導致[3]。在紐約1次針對1 000名駕駛?cè)苏{(diào)查中,有55%的駕駛?cè)顺姓J有過疲勞駕駛經(jīng)歷,更有23%的駕駛?cè)嗽?jīng)在行駛過程中睡著[4]。由于引起駕駛?cè)似诘囊蛩爻R娗冶姸?,因此疲勞駕駛是最為普遍和最危險的駕駛行為之一[5]。車載疲勞預警設備是防止疲勞駕駛的重要手段,它通過車載傳感器采集疲勞特征指標,并在一定條件下觸發(fā)視覺、聲音等形式的疲勞預警信息提示,幫助駕駛?cè)伺袛嗍欠襁€能繼續(xù)駕駛。

        眼閉合時間[6-8]與車輛偏移[6,9-10](包含越線)是疲勞駕駛的典型特征指標。鄭培研究了眼睛及其疲勞機理,討論了單位時間內(nèi)眼睛閉合時間所占的百分率(percentage of eye closed,PERCLOS)和其他眼睛活動測量方法的有效性,確認測量機動車駕駛疲勞最好的方法是PERCLOS[11]。Takashi等[12]在對駕駛?cè)藪咭?、SEM(slow eye movement)、瞳孔直徑、眨眼和PERCLOS眼動指標的警覺性對比分析發(fā)現(xiàn),PERCLOS對駕駛?cè)司X性的檢測能力最強。PERCLOS檢測的可靠性和實時性都較高,但不同駕駛?cè)说腜ERCLOS 有很大不同(比如,有些人睡覺時眼睛不閉合),對于它的檢測(需要追蹤眼球)有一定的不可靠因素,因此,如果只用它來檢測疲勞駕駛,仍然存在誤判。駕駛?cè)说能嚨辣3帜芰﹄S疲勞程度的升高而降低是疲勞駕駛的重要特征,因此車道偏移也是疲勞檢測的研究熱點。美國Iteris公司研制的AutoVue系統(tǒng),它通過1個朝向道路前方的CCD 攝像頭檢測駕駛?cè)说男熊囓壽E,在駕駛?cè)艘蚱诙鴮е聼o意識偏離車道時,可及時向駕駛?cè)税l(fā)出警告[13];Chang等[14]利用機器視覺檢測技術對車道標志線進行實時檢測,當發(fā)現(xiàn)車輛異常偏離中線位置時,系統(tǒng)會發(fā)出警報提醒駕駛?cè)?。車道偏離檢測其抗干擾性強、可靠性較高,但是靈敏度相對較低。

        單一指標檢測的缺陷顯而易見,因此,本研究結(jié)合閉眼時間和越線行為進行疲勞預警,并利用駕駛模擬器實驗來檢驗預警的識別準確性。

        1 指標提取

        PERCLOS是指眼睛閉合時間所占的時間比例,其計算方法有P70,P80和EM 3種判定標準,分別表示瞳孔被眼瞼縱向遮住70%的時間比率、遮住80%的時間比率,以及眼瞼均方閉合率,其中P80與疲勞程度間具有最好的相關性[15]。閉眼眼瞼開度閾值是計算PERCLOS的關鍵指標。P80方法中取睜眼眼瞼開度的20%作為閉眼眼瞼開度閾值Et,但由于眼動儀存在對眼瞼開度的測量存在誤差,導致眼完全閉合時的眼瞼開度值不為零,因此Et需要重新標定。

        本研究中的閉眼閾值標定方法如下:在實驗的初期,取一段明顯符合眼動周期變化規(guī)律(睜眼、閉眼規(guī)律)的駕駛?cè)搜鄄€開度數(shù)據(jù),分別計算Eopen的平均值和Eclosed的平均值,如圖1所示。Et由下公式計算:Et=(珚Eopen-珚Eclosed)×20%。一定時間內(nèi),眼瞼開度值小于Et的樣本數(shù)為Nc,總樣本點數(shù)為N,則PERCLOS的計算公式為:PERCLOS=Nc/N。

        圖1 閉眼閾值計算示意圖Fig.1 Schematic of eyelid closure threshold calculation

        越線是駕駛?cè)说?次車邊緣駛離車道線(侵占相鄰車道或駛離道路)到下1次車邊緣回到車道內(nèi)的過程。如圖2所示,圖中的曲線表示車輛重心(center of gravity,COG)的運行軌跡;越線判別線與車道中心線的距離為1.022 m,即當車輛中心超越此線時,其車輛邊緣即越過車道線。越線時空面積即為越線部分的軌跡與越線判別線之間所圍成的面積,如圖2中的陰影部分面積所示。越線時空面積可以反映一段時間內(nèi)駕駛?cè)说脑骄€的嚴重程度。越線時空面積的計算公式為

        式中:LP為車道偏移值,|LPi|>1.022;ti為抽樣間隔時間,本研究中為0.1s。

        圖2 車道越線指標示意圖Fig.2 Schematic of lane departure

        2 預警邏輯

        本研究的預警指標閾值是通過疲勞特征研究的決策樹分類確定,將Perclos大于0.25,越線時空面積大于0 的劃分為嚴重疲勞;將Perclos大于0.1,越線時空面積大于0的劃分為一般疲勞;將Perclos小于0.1且越線時空面積為0的劃分為不疲勞。整個流程見圖3。

        其中,T值是為了避免駕駛?cè)藢︻l繁提示反感而加入的延緩提示時間(也可以理解為提示后給駕駛?cè)祟A留的反應窗口時間),本研究中取1min;檢測窗口Tw:取1min,即Perclos和越線時空面積都計算當前1min的檢測步長Ts:本研究中取10s。疲勞預警設備提示圖標和實物見圖4。

        圖3 疲勞預警提示邏輯流程圖Fig.3 Fatigue warning prompts logic flowchart

        圖4 疲勞預警提示設備Fig.4 Fatigue warning device

        3 實驗及數(shù)據(jù)分析

        本研究利用同濟大學8 自由度駕駛模擬器(見圖5)進行仿真實驗來檢驗疲勞預警設備的識別準確性。4位駕駛?cè)酥形缬貌秃?,在單調(diào)的環(huán)形高速公路上以110~120km/h 的速度行駛6圈,全程約1h。為了讓受試人員在有限的實驗時間內(nèi)達到較高的疲勞程度,每位駕駛?cè)吮灰笤趯嶒灥缆飞线B續(xù)駕駛6圈(約1h),車速需要保持在120km/h左右;駕駛期間不需要變換車道;實驗車使用自動擋,駕駛?cè)藷o需變換檔位;實驗期間不允許駕駛?cè)耸褂檬謾C、收音機、CD 機等設備;無環(huán)境干擾(例如道路橫風);不需要切換實驗車的燈光(白天,無隧道,無天氣變化);少量其他交通車輛,但不阻擋實驗車所在車道。在實驗過程中,駕駛模擬器記錄下車道偏移值,Smart Eye?眼動儀記錄下駕駛?cè)说难鄄€開度,駕駛?cè)嗣娌康囊曨l也通過紅外攝像頭記錄。

        為了客觀的通過外部觀測的方式獲取駕駛?cè)薑SS疲勞等級,建立了外部觀測的標準。標準的建立主要通過眼瞼開度、眨眼速度、眨眼次數(shù)、眼球活動、注意力、對外部環(huán)境的關注度、反應、抗疲勞動作和精神狀態(tài)進行判別,該判別相關研究將另行發(fā)表。外部觀測的疲勞等級與主觀疲勞等級進行對比校核發(fā)現(xiàn),外觀觀測的疲勞等級與主觀獲取的KSS一致率達86.5%。每分鐘1次的外部觀測獲取的駕駛?cè)薑SS值被作為駕駛?cè)似诔潭鹊亩攘恐笜恕?/p>

        圖5 同濟大學8自由度駕駛模擬器和Smart Eye?眼動儀Fig.5 Tongji 8DOF advanced driving simulator and Smart Eye?eye tracker

        為了分析預警的有效性定義了3個報警率指標:一般疲勞報警率(WRF)為一般疲勞報警次數(shù)與對應KSS值總時間(以分鐘為單位)的比值;嚴重疲勞報警率(WRSF)為嚴重疲勞報警次數(shù)與對應KSS值總時間(以分鐘為單位)的比值;總報警率(TWR)為總報警次數(shù)與對于KSS 值總時間(以分鐘為單位)的比值。4位駕駛?cè)说膶嶒灲Y(jié)果分別如下。

        駕駛?cè)?的3圈駕駛中,其外部觀測KSS值取值為7,8,9。KSS為7級時,疲勞預警系統(tǒng)無報警;KSS為8時的總報警率為0.9;KSS為9時的總報警率為0.89,且駕駛?cè)诉M入9 級后,所有報警均為嚴重疲勞報警。見表1。

        表1 駕駛?cè)?的報警次數(shù)與KSSTab.1 Warning count and KSS of Driver 1

        駕駛?cè)?的3圈駕駛中,其外部觀測KSS取值為6,7,8,9。KSS為6時,無報警;KSS為7時,總報警率為0.25;KSS為8時,總報警率為1;KSS為9時總報警率為0.9。見表2。

        駕駛?cè)?的6圈駕駛中,其外部觀測KSS值的取值范圍為6,7,8。KSS為6級時,無一般疲勞報警和嚴重疲勞報警;KSS為7級時有1次一般疲勞報警,總報警率為0.06;而KSS為8級時,有3次一般疲勞報警和1次嚴重疲勞報警,總報警率為0.31。見表3。

        表2 駕駛?cè)?的報警次數(shù)與KSSTab.2 Warning count and KSS of Driver 2

        表3 駕駛?cè)?的報警次數(shù)與KSSTab.3 Warning count and KSS of Driver 3

        駕駛?cè)?的6圈駕駛中,其外部觀測KSS值的取值為8和9,對不同KSS的報警次數(shù)進行統(tǒng)計發(fā)現(xiàn),KSS 為8 級時,總報警率為0.41,而當KSS為9級時,總報警率為0.86。見表4。

        表4 駕駛?cè)?的報警次數(shù)與KSSTab.4 Warning count and KSS of Driver 4

        從4位駕駛?cè)说钠陬A警的變化趨勢來看嚴重疲勞報警率、總報警率隨KSS的升高而升高,一般疲勞報警率在KSS 小于等于8 時,隨KSS的升高而升高,KSS 由8 變?yōu)? 時,一般疲勞報警率降低。從具體的每個KSS等級的報警情況來看,KSS在7級以下的報警率為0,當KSS為7級時,存在較低的一般疲勞報警率,但未出現(xiàn)嚴重疲勞報警;當KSS 為8 級時,2 位駕駛?cè)说囊话闫趫缶矢哂趪乐仄趫缶剩? 位駕駛?cè)说慕Y(jié)果相反;當KSS為9時,嚴重疲勞報警率高于一般疲勞報警率,且總報警率在0.85以上。

        4 結(jié)束語

        筆者以PERCLOS 和越線時空面積為疲勞檢測依據(jù),開發(fā)了疲勞預警設備,并通過8自由度駕駛模擬器的實驗檢驗了該設備的疲勞識別準確性。以每分鐘1次的外部觀測的KSS值作為駕駛?cè)说钠诔潭龋瑢Ρ确治隽瞬煌琄SS值下疲勞預警設備的提示情況。結(jié)果發(fā)現(xiàn):嚴重疲勞報警率、總報警率與KSS正相關,一般疲勞報警率在KSS小于等于8時,隨KSS的升高而升高,KSS由8變?yōu)?時,一般疲勞報警率降低,嚴重疲勞報警率大幅升高。KSS在7級以下的報警率為0,當KSS為7級時,2位駕駛出現(xiàn)較低的一般疲勞報警率(分別為0.09和0.25),但未出現(xiàn)嚴重疲勞報警;當KSS為8級時,總報警率的平均值為0.45;當KSS為9時,嚴重疲勞報警率高于一般疲勞報警率,且總報警率在0.85以上。該報警設備對KSS為9級的識別準確性較好,而對于KSS為8級的疲勞識別仍然需要提高才能滿足實際檢測的需要。

        受到時間和實驗規(guī)模的限制,本研究的樣本量較少,因此需要進一步擴大樣本進行檢驗。此外,本研究中的疲勞程度是以視頻觀測獲取,帶有主觀性,后續(xù)研究中需要考慮如何更加客觀的獲取駕駛?cè)似诔潭取?/p>

        [1]嚴新平,張 暉,吳超仲,等.道路交通駕駛行為研究進展及其展望[J].交通信息與安全,2013(1):45-51.Yan Xinping,Zhang Hui,Wu Chaozhong,et al.Research progress and prospect of road traffic driving behavior[J].Journal of Transport Information and Safety,2013(1):45-51.(in Chinese).

        [2]公安部交通管理局.中華人民共和國道路交通事故統(tǒng)計資料匯編2001—2008[Z].北京:公安部交通管理局,2009.The Ministry of Public Security of the People’s Republic of China,Road and Transport Authority,Road Traffic Crash Statistics 2001-2008[R].Beijing:The Ministry of Public Security of the People’s Republic of China 2009.(in Chinese).

        [3]US.Department of Transportation.Research and special programs administration.Commercial Transportation Operator Fatigue Management Reference[R].Washington,DC:US.Department of Transportation,2003.7

        [4]McCartt A T,Ribner S A,Pack A I,et al.The scope and nature of the drowsy driving problem in New York State[J].Accident Analysis &Prevention,1996,28(4):511-517.

        [5]毛 喆.機動車疲勞駕駛行為識別方法研究[D].武漢:武漢理工大學,2009.Mao Zhe.Research on identification of fatigue driving behavior[D].Wuhan:Wuhan University ofTechnology,2009.(in Chinese).

        [6]Ingre M,Akerstedt T,Peters B,et al.Subjective sleepiness,simulated driving performance and blink duration:examining individual differences[J].Journal of Sleep Research,2006(15):47-53.

        [7]Jo J,Lee S J,Park K R,et al.Detecting driver drowsiness using feature-level fusion and user-specific classification[J].Expert Systems with Applications,2014,41(4):1139-1152.

        [8]Hu S,Zheng G.Driver drowsiness detection with eyelid related parameters by support vector machine[J].Expert Systems with Applications,2009,36(4):7651-7658.

        [9]Davenne D,Lericollais R,Sagaspe P,et al.Reliability of simulator driving tool for evaluation of sleepiness,fatigue and driving performance[J].Accident Analysis & Prevention,2012,45(3):677-682.

        [10]Forsman P M,Vila B J,Short R.A,et al.Efficient driver drowsiness detection at moderate levels of drowsiness[J].Accident Analysis & Prevention,2013,50(1):341-350.

        [11]鄭 培,機動車駕駛員駕駛疲勞測評方法的研究[D].北京:中國農(nóng)業(yè)大學,2002.Zheng Pei,Study on detecting and evaluating technique of motor driver fatigue[D].Beijing:China Agriculture University,2002.(in Chinese).

        [12]Takashi Abe,Tomohide Nonomura,Yoko Komada,et al.Detecting deteriorated vigilance using percentage of eyelid closure time during behavioral maintenance of wakefulness tests[J].International Journal of Psychophysiology,2011,82(3):269-274.

        [13]Weng M,Chen C,Kao H.Remote surveillance system for driver drowsiness in real-time using low-cost embedded platform[C]∥Vehicular Electronics and Safety,2008.ICVES 2008.IEEE International Conference on.Columbus ohio:IEEE,2008:288-292.

        [14]Chang T H,Hsu C S,Wang C,et a1.Onboard measurement and warning module for irregular vehicle behavior[C]∥Hongkong:IEEE Transaction on Intelligence Transportation and System.Hongkong:IEEE 2008:501-513.

        [15]Dinges D F,Grace R.Perclos:A valid psychophysiological measure of alertness as assessed by psychomotor vigilance[R].Washington,DC:Federal Highway Administration,1998.

        猜你喜歡
        越線眼瞼開度
        為什么人哭泣后眼睛會腫
        掘進機用截止閥開度對管路流動性能的影響
        增大某車型車門開度的設計方法
        北京汽車(2021年2期)2021-05-07 03:56:26
        燃燒器二次風擋板開度對爐內(nèi)燃燒特性的影響
        電站輔機(2021年4期)2021-03-29 01:16:52
        機非標線分隔道路電動自行車越線風險模型
        鐵路島式站臺越線報警系統(tǒng)的研究與應用
        改進式提上眼瞼肌縮短術治療兒童青少年上瞼下垂的臨床觀察
        眼瞼外翻矯正術的護理
        復雜眼瞼裂傷分型及手術整形的臨床分析
        論生態(tài)保護紅線的越線責任追究制度之完善——從《環(huán)境保護法》第29條出發(fā)
        亚洲最大日夜无码中文字幕| 日本视频在线播放一区二区| 白白在线视频免费观看嘛| 亚洲乱码一区av春药高潮| 精品国产18久久久久久| 久久道精品一区二区三区| 国产精品日本一区二区三区| 免费人成视频网站在在线| 天堂8在线天堂资源bt| 亚洲一区二区三区成人| 日本一级淫片免费啪啪| av在线免费观看网站,| 国产青榴视频在线观看| 欧美人成人亚洲专区中文字幕| 亚洲人妻中文字幕在线视频| 日韩少妇人妻精品中文字幕| 人妻少妇精品视频专区| 91av小视频| 亚洲美女主播一区二区| 在线免费观看黄色国产强暴av| 日韩亚洲欧美中文在线| 99热精品国产三级在线观看| 精品日本免费观看一区二区三区| 久久久精品人妻一区二区三区四区| 中文字幕在线观看亚洲日韩| 久久久久亚洲AV成人网毛片 | 亚洲一区二区三区乱码在线| 日本在线一区二区三区不卡| 国产在线视频一区二区三区| 久久精品国产热久久精品国产亚洲| 美女视频黄a视频全免费网站色| 日本又色又爽又黄的a片18禁| 亚洲精品老司机在线观看| 亚洲香蕉av一区二区蜜桃| 国产一级一级内射视频| 乱人伦中文无码视频在线观看| 精品一区二区三区四区少妇| 国产乱淫h侵犯在线观看| 又粗又黄又猛又爽大片免费| 国产一级毛片卡| 青青草是针对华人绿色超碰 |