孫一帆　張敬磊　王曉原　王絲絲　王方

【摘 要】酒駕是導致重大交通事故的重要原因之一，成為交通安全研究中的重要問題。近年來隨著計算機技術、信息技術的發(fā)展，出現(xiàn)了多種酒駕辨識方法，但是這些辨識方法的準確性不高。在閱讀大量文獻的基礎上，介紹各種酒駕辨識方法的基本原理、優(yōu)缺點及適用環(huán)境；歸納基于酒后駕駛行為辨識酒駕研究中的關鍵問題；總結對酒駕辨識方法存在的問題，指出未來酒駕辨識方法將以人為中心。

【關鍵詞】交通安全；酒駕辨識方法；綜述

【Abstract】Drunk driving is one of the important reasons causing serious traffic accidents，it becomes an important issue in the study of traffic safety.In recent years with the development of computer technology and information technology， various identification methods of drunk driving have appeared，but these methods accuracy isnt high.On basis of reading many literatures， introduce the basic principle，the advantages and disadvantages， the suitable environment；summed up key issues in the study of identifying drunk driving based on drunk driving behavior；summarize problems of the identification method of drunk driving，propose the future study of identification method of drunk driving should be human-centered.

【Key words】Transportation safety；Identification method of drunk driving；Summarization

0 前言

2014年我國共發(fā)生道路交通事故676萬起，交通事故死亡人數(shù)為58523人，死亡人數(shù)占安全生產(chǎn)死亡總數(shù)的86%[1]，交通安全形勢非常嚴峻，其中酒駕導致的交通事故所占比重較大。酒駕危害交通安全，各國通過法律、科技等多種途徑防治酒駕，大致可分為被動式酒駕辨識方法和主動式酒駕辨識方法兩大類，前者通過攔截駕駛員進行酒精檢測來辨識酒駕，后者是在駕駛汽車前或駕駛過程中實時檢測飲酒，不需要攔停車輛。

近年來，隨著駕駛行為研究的發(fā)展，人們越發(fā)重視對駕駛行為信息進行深度挖掘和充分利用。駕駛行為數(shù)據(jù)的實時性、持續(xù)性及無侵入性為酒駕辨識提供新的思路。本文介紹各酒駕辨識方法的原理、優(yōu)缺點及適用環(huán)境，歸納了與酒駕辨識相關的駕駛行為研究現(xiàn)狀，主要總結了辨識酒后駕駛狀態(tài)和酒后駕駛行為建模的思想及方法，指出酒駕辨識存在的問題及其研究趨勢。

1 酒駕辨識方法

1.1 被動式酒駕辨識方法

被動式酒駕辨識方法，設備簡單，是目前我國應用最廣泛的酒駕辨識方法，但該類酒駕辨識方法存在一些問題，準確性和效率有待提高。

1.1.1 基于駕駛員血液酒精濃度檢測的酒駕辨識

由于BAC（血液酒精濃度指標）能夠準確反映駕駛員的飲酒狀況，因此《車輛駕駛人員血液、呼氣酒精含量閾值與檢驗》[2]以血液酒精濃度水平為依據(jù)判斷駕駛員飲酒狀況。

該方法能較為準確地反映駕駛員飲酒狀況，可作為法庭證據(jù)；但該方法對駕駛員的侵入性較大，而且駕駛員飲酒的實際狀況受抽血時間的影響較大，酒精易揮發(fā)也使血液樣本的保存較為困難，必須按照嚴格的流程操作否則易產(chǎn)生較大誤差。

1.1.2 基于駕駛員呼吸酒精濃度檢測的酒駕辨識

該方法的核心部件是酒精氣體傳感器，分為半導體和燃料電池兩種。在電極處發(fā)生化學反應，其電流強度由其吸附酒精的濃度決定，根據(jù)電流強度可獲得呼出氣體的酒精含量。

呼吸酒精濃度檢測是一種無創(chuàng)傷的酒駕辨識方法，具有操作簡單，成本低，便于攜帶，不會對駕駛員造成傷害的優(yōu)點。但該方法易受溫度、濕度等環(huán)境因素的影響，準確性差，而且不衛(wèi)生容易引起駕駛員的反感。

被動式酒駕辨識方法是在酒駕行為發(fā)生后由交警設卡攔截檢測，醉酒駕駛員可能在被交警查獲之前就發(fā)生嚴重的交通事故，而且可以通過多種方式逃避檢查，上述缺點使得被動式酒駕辨識方法難以有效地防治酒駕。

1.2 主動式酒駕辨識方法

1.2.1 基于駕駛室空氣酒精濃度檢測的酒駕辨識

該方法根據(jù)駕駛室空氣中的酒精含量來判斷駕駛員是否飲酒。含酒精的氣體會吸收更多的光，用紅外線照射駕駛室，根據(jù)反射光的強弱可判斷駕駛室空氣中酒精含量[3]。

該方法可實現(xiàn)自動檢測，效率高；侵入性小，不會對駕駛員造成傷害，不會干擾未飲酒駕駛員的正常駕駛。但該方法僅能檢測到駕駛室內(nèi)的酒精含量是否超標，無法判斷酒精含量超標是否由駕駛員飲酒導致的，而且駕駛員可通過打開車窗或蓋住檢測探頭等方式來逃避檢測。

1.2.2 基于駕駛員臉部特征的酒駕辨識

在駕駛員周邊安裝小型攝像頭采集駕駛員面部圖像，提取駕駛員面部表情的圖像數(shù)據(jù)，將數(shù)據(jù)傳輸給酒駕辨識模塊，辨識模塊將采集到的駕駛員面部圖像與正常情況進行對比分析，判斷駕駛員是否飲酒[4]。

該方法依據(jù)駕駛員臉部的細微變化分析駕駛員的駕駛狀態(tài)，能夠做到實時和非侵入檢測，不需要駕駛員的刻意配合，也能有效防止駕駛員作弊。但該方法受駕駛員個體差異影響較大，辨識誤差較大，在駕駛員附近安裝多個攝像頭也會干擾駕駛員駕駛汽車。

1.2.3 基于駕駛員酒后駕駛行為的酒駕辨識

駕駛行為建模既是微觀交通流理論研究的基礎也是汽車智能駕駛理論研究的核心內(nèi)容[5]，自20世紀50年代以來不斷發(fā)展取得了很多成果，為開發(fā)基于酒后駕駛行為的酒駕辨識方法提供理論基礎。一些學者設計酒后模擬駕駛實驗，進行酒駕行為建模嘗試并取得了一些進展。2011年，XingjianZhang等[6]對比正常和飲酒后駕駛員的駕駛行為數(shù)據(jù)，選取加速度、速度、剎車踏板深度等7個飲酒后顯著變化的指標作為特征參數(shù)，用Fisher判別法辨識酒駕，結果表明該方法可以辨識酒駕。2014年，XiaohuaZ[7]等使用駕駛模擬器獲取駕駛員在不同BAC水平下的駕駛行為數(shù)據(jù)，以此為基礎分析酒后駕駛行為特征，結果表明飲酒后平均速度、速度標準差、車道線位置標準差有顯著變化，依據(jù)這三個參數(shù)的變化可以判斷駕駛員是否處于酒后駕駛狀態(tài)。2014年，張興儉等[8]運用相關性分析獲得能夠反映駕駛員個體差異的酒后駕駛行為特征參數(shù)，基于駕駛行為的時序特征建立隱馬爾科夫模型描述駕駛員的個體特征，在此基礎上建立適應駕駛員個體特征的酒駕辨識模型。

目前該方法的應用性研究尚淺，主要應用在高檔車輛上，尚未推廣使用，該方法體現(xiàn)了智能汽車的發(fā)展方向，未來的汽車將是真正擁有“大腦”的汽車，能夠收集并處理駕駛員、車輛及周圍環(huán)境的信息，根據(jù)這些信息做出判斷、決策，實現(xiàn)自動駕駛。

2 總結與展望

目前，主動式酒駕辨識研究缺乏系統(tǒng)性的成果，各種先進酒駕辨識方法的應用性研究還處于探索階段，尚未提出準確、高效且應用性強的酒駕辨識方法。在被動式和主動式酒駕辨識方法的研究中，還存在以下亟待解決的問題：被動式酒駕辨識方法效率低、耗費人力物力、容易錯檢漏檢；辨識結果易受環(huán)境因素影響，準確性不盡人意；侵入性強易對駕駛員造成傷害，容易引起駕駛員的抵抗情緒拒絕配合檢查等問題。多數(shù)主動式酒駕辨識方法是借助酒精傳感器采集酒精信號判定駕駛員是否酒駕存在一些需要解決的問題，系統(tǒng)復雜成本高；傳感器性能不佳容易混淆駕駛員和乘客，無法防止駕駛員作弊；沒有考慮能綜合反映駕駛員個體差異的駕駛傾向性的影響，人性化程度較低。

未來酒駕辨識方法的研究應重視多種酒駕辨識方法的交叉融合；應更多地考慮人的因素，重視不同類型駕駛員之間的差異性；建立更準確的酒后駕駛行為模型，采集有效數(shù)據(jù)進行模型參數(shù)的標定及模型驗證，提高酒駕辨識模型的準確性。

【參考文獻】

[1]王丹，陳超卓.2015年中國道路交通安全藍皮書[M].北京：人民交通出版社，2016：3-10.

[2]中華人民共和國質(zhì)量監(jiān)督檢驗檢疫局.GB19522-2004.車輛駕駛人員血液、呼氣酒精含量閾值與檢驗[S].北京，2004.

[3]GregoryB，Rieker，JayB.Calibration-freewave 1ength-modulation spectroscopy formeasurementsofgastemperatureandconcentrationinharshenvironments[J].Applied Optics，2009，48（29）：5546-5560.

[4]MikelsaarAV，SunterA，MikelsaarR，etal.CanWeDesignCarsThatProventAlcohol-RelatedCollisions[J].CellDiv，2012，7（1）：21.

[5]王曉原，楊新月，張敬磊.交通流微觀仿真與駕駛員行為建模理論及方法[M].北京：科學出版社，2010.

[6]XiaohuaZ，XingjianZ，JianR，etal.Identifying method of drunk driving base don driving behavior[J].InternationalJournalof ComputationalIntelligenceSystems，2011，4（3）：361-369.

[7]XiaohuaZhao，XingjianZhang，JianRong.Studyofthe Effectsof Alcoholon Driversand Driving Performanceon StraightRoad[J].Mathematical Problemsin Engineering，2014.

[8]張興儉.基于駕駛行為個體特征的酒后駕駛狀態(tài)辨識方法研究[D].北京：北京工業(yè)大學，2014.

[責任編輯：田吉捷]