贠海 鄒祉佶

摘 要：自動駕駛汽車的發(fā)展將處于并長期處于人機(jī)共駕階段，該階段內(nèi)駕駛?cè)诵枰獙囕v進(jìn)行接管，因此駕駛?cè)似跔顟B(tài)會對接管安全性會產(chǎn)生直接影響。因此，本研究通過開展自動駕駛接管模擬實(shí)驗(yàn)，分析了駕駛?cè)似诔潭鹊膶ζ浣庸懿僮髦笜?biāo)的影響。通過對疲勞程度和接管操作指標(biāo)的關(guān)聯(lián)性分析顯示：與疲勞程度最為相關(guān)的操作指標(biāo)為最大SDLP和剎車輸入頻率，表明接管疲勞會影響駕駛?cè)私庸軙r(shí)的橫縱向操作。研究結(jié)果可為未來自動駕駛駕駛?cè)藸顟B(tài)干預(yù)提供理論支持。

關(guān)鍵詞：交通安全;自動駕駛;駕駛疲勞

1 引言

在純手動駕駛過程中，疲勞駕駛是道路交通中的一個(gè)主要安全問題。由于駕駛疲勞的積累會致使駕駛?cè)说鸟{駛績效逐漸降低，最終在緊急情況發(fā)生時(shí)無法做出快速反應(yīng)，導(dǎo)致交通碰撞風(fēng)險(xiǎn)的增加[1]，并危及自身及其他道路使用者。據(jù)統(tǒng)計(jì)，由疲勞駕駛直接或間接導(dǎo)致的交通事故占總事故的30%～45%[2]，更有31%的駕駛?cè)嗽硎驹诟咚俟愤M(jìn)行駕駛時(shí)無法保證眼睛完全睜開[3]。據(jù)美國交通事故損傷年報(bào)顯示，每年有大約100，000起疲勞駕駛事故，導(dǎo)致1，550人死亡，71，000人受傷，并造成125億美元的經(jīng)濟(jì)損失[4]。據(jù)加拿大交通損傷研究基金會調(diào)查顯示，在受訪的1209位加拿大駕駛?cè)酥谐^半數(shù)曾疲勞駕駛，20%在駕駛時(shí)處于半睡半醒狀態(tài)[5]。各種方法產(chǎn)生關(guān)于疲勞引起事故頻率的各種估計(jì)，歐洲的疲勞駕駛被認(rèn)為是大部分道路交通事故的主要因素（范圍10%-20%）[6]。雖然目前的研究表明駕駛?cè)似诤徒庸芸冃в嘘P(guān)，但研究結(jié)果并不統(tǒng)一。本研究的目的是探索疲勞度對接管操作指標(biāo)的影響差異，確定受疲勞影響最大的操作指標(biāo)。

2 實(shí)驗(yàn)方法

實(shí)驗(yàn)場景設(shè)定為正常高速公路流量，大約為100（pcu/h），同時(shí)速度限定為100KM/h。實(shí)驗(yàn)前所有駕駛?cè)藭M(jìn)行約20分鐘的手動試駕，期間駕駛?cè)藭?jīng)歷多種情況，全程為手動駕駛，駕駛?cè)吮仨氝M(jìn)行干預(yù)以避免事故的發(fā)生;之后駕駛?cè)藭M(jìn)行多次駕駛模式切換，同時(shí)進(jìn)行多次接管，以熟悉后續(xù)的實(shí)驗(yàn)流程，同時(shí)熟悉整個(gè)模擬器的操作特性，降低后續(xù)數(shù)據(jù)的突變。在試駕結(jié)束后，駕駛?cè)藭F(xiàn)后進(jìn)行兩次實(shí)驗(yàn)，首先進(jìn)行時(shí)長約40分鐘的純手動駕駛實(shí)驗(yàn)，期間將經(jīng)歷4種場景;之后駕駛?cè)藭^續(xù)進(jìn)行自動駕駛接管實(shí)驗(yàn)，實(shí)驗(yàn)期間駕駛?cè)诵枰?0-15分鐘使用卡爾卡羅斯疲勞評定量表（KSS）對自身疲勞等級作出評價(jià)，KSS量從非常清醒到幾乎睡著按九級分配

在本研究中，研究了不同疲勞度對接管操作的影響，通過傳感器獲取駕駛/接管期間駕駛?cè)说母黜?xiàng)操作參數(shù)，并選定以下操作參數(shù)：縱向加速度（Acclong）和橫向加速度（Acclat），剎車輸入速率（頻次），方向盤轉(zhuǎn)角標(biāo)準(zhǔn)偏差（SDSW）。車道位置標(biāo)準(zhǔn)偏差（SDLP），速度標(biāo)準(zhǔn)偏差（SDV）作為接管操作的評價(jià)指標(biāo)。

3 疲勞對自動駕駛接管操作指標(biāo)影響分析

本研究選用皮爾遜相關(guān)系數(shù)（Person correlation coefficient）法進(jìn)行操作指標(biāo)與疲勞的相關(guān)性分析。皮爾遜相關(guān)系數(shù)被廣泛應(yīng)用于度量變量之間的相關(guān)程度，其值介于-1與1之間，定義為兩個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商，計(jì)算公式如下：

式中Xi為X樣本數(shù)據(jù)，為X樣本均值;Yi為Y樣本數(shù)據(jù)，為Y樣本均值，見表1。

通過上訴分析可以看出與疲勞相關(guān)的參數(shù)有縱向加速度最小值和均值、剎車輸入頻率、SDLP最大值和均值;與駕駛模式顯著相關(guān)的參數(shù)有絕大部分，同時(shí)與疲勞等級和駕駛模式相關(guān)的參數(shù)有剎車輸入頻率和SDLP最大值，見圖1。

通過對駕駛?cè)藙x車輸入頻率和SDLP最大值等操作參數(shù)進(jìn)行分析，可以看出在自動駕駛和手動駕駛之間，駕駛?cè)似诩安僮鞅憩F(xiàn)存在較大差異。整體來將，手動駕駛期間駕駛?cè)似诘燃壣仙?，且分布范圍更廣。針對剎車輸入頻率，自動駕駛接管時(shí)剎車輸入分布比手動駕駛時(shí)更為廣泛且集中，表明駕駛?cè)私庸軙r(shí)剎車輸入更為密集;對于SDLP，自動駕駛接管時(shí)SDLP分布范圍在0-0.08之間，且分布均勻，而手動駕駛期間，SDLP分布在0-0.06之間，且疲勞等級分布更廣。通過對剎車輸入頻率和SDLP最大值的箱型圖分析可以看出，自動駕駛接管期間，駕駛?cè)溯斎腩l率更高，且SDLP數(shù)值更大，說明自動駕駛接管時(shí)，駕駛?cè)说牟僮鞲鼮榧贝伲囕v行駛穩(wěn)定性更低。

4 展望

本文通過研究分析得到在自動駕駛接管期間，駕駛?cè)说膭x車輸入頻率和SDLP指標(biāo)受疲勞影響最大，說明駕駛?cè)嗽诮庸芷陂g橫縱向操作水平都比較低。

參考文獻(xiàn)：

[1]G. Zhang， K. K. W. Yau， X. Zhang， and Y. Li，“Traffic accidents involving fatigue driving and their extent of casualties，” Accid. Anal. Prev.， vol. 87， pp. 34–42， 2016， doi： 10.1016/j.aap.2015.10.033.

[2]A. W.MacLean， D. R. T. Davies， and K. Thiele，“The hazards and prevention of driving while sleepy，”Sleep Med. Rev.， vol.7，no.6，pp. 507–521， 2003， doi： 10.1016/S1087-0792（03）90004-9.

[3]S. MURDOCK，“NTSBs 10 Most Wanted List，Reduce Fatigue-Related Accidents.，”2018. [Online]. Available： http：//jdasolutions.aero/blog/ntsb-most-wanted-list-2017-2018/. [Accessed： 20-Jun-2019].