• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

疲劳预警分级提示下的驾驶行为响应特征

胥川 郭启明 王雪松

胥川, 郭启明, 王雪松. 疲劳预警分级提示下的驾驶行为响应特征[J]. 西南交通大学学报, 2019, 54(1): 189-195. doi: 10.3969/j.issn.0258-2724.20180254
引用本文: 胥川, 郭启明, 王雪松. 疲劳预警分级提示下的驾驶行为响应特征[J]. 西南交通大学学报, 2019, 54(1): 189-195. doi: 10.3969/j.issn.0258-2724.20180254
XU Chuan, GUO Qiming, WANG Xuesong. Driver Behavior Response to Drowsiness Alarming at Different Levels[J]. Journal of Southwest Jiaotong University, 2019, 54(1): 189-195. doi: 10.3969/j.issn.0258-2724.20180254
Citation: XU Chuan, GUO Qiming, WANG Xuesong. Driver Behavior Response to Drowsiness Alarming at Different Levels[J]. Journal of Southwest Jiaotong University, 2019, 54(1): 189-195. doi: 10.3969/j.issn.0258-2724.20180254

疲劳预警分级提示下的驾驶行为响应特征

doi: 10.3969/j.issn.0258-2724.20180254
基金项目: 国家自然科学基金资助项目(61703352);中央高校基本科研业务费专项资金资助项目(2682017CX021);上海市科学技术委员会资助课题(15DZ1207502)
详细信息
    作者简介:

    胥川(1987—),男,讲师,博士,研究方向为交通安全、数据科学等,E-mail: xuchuan@swjtu.edu.cn

    通讯作者:

    王雪松(1977—),男,教授,研究方向为交通安全、交通统计分析、交通规划、驾驶模拟器应用等,E-mail: wangxs@tongji.edu.cn

  • 中图分类号: U491.25

Driver Behavior Response to Drowsiness Alarming at Different Levels

  • 摘要: 确定疲劳预警提示时机是车载疲劳预警提示技术中的关键和难点,通过驾驶员对预警提示的驾驶行为响应特征来判断提示时机的合理性是解决该问题的新思路. 通过开展在疲劳分级预警提示环境下的驾驶模拟试验,采集驾驶员眼动(眼闭合时间比例)和车道偏移(车道偏移标准差、车道偏移均值、车道越线面积)指标,并通过成对Wilcoxon signed-rank检验,分析不同等级预警提示前后15 s时间内关键驾驶行为指标的差异. 研究结果表明:在设定的疲劳分级规则下,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,车道越线面积均值显著下降8.574 4;在严重疲劳预警提示后,眼闭合时间比例显著下降0.044 9,但车道偏移标准差和车道越线面积均未发生显著改变,驾驶员应该尽快停车休息.

     

  • 图 1  驾驶模拟实验平台及附加设备

    Figure 1.  Driving simulator and relevant equipment

    图 2  试验道路的线形和路段编号

    Figure 2.  Experimental roads and segment number

    图 3  闭眼眼睑开度阈值的计算示意

    Figure 3.  Schematic diagram of eyelid closure threshold

    图 4  疲劳预警提示逻辑流程

    Figure 4.  Flowchart of driving drowsiness alarming

    图 5  分级疲劳预警提示显示

    Figure 5.  Drowsiness alarming displays for different levels

    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

    Table  1.   Descriptive statistics summary of normal and serious levels of drowsiness warning in before and after the warning period

    报警类型 变量 均值 标准差 最小值 最大值
    一般疲劳
    N = 69
    Pclos_pre 0.174 5 0.115 6 0.015 6 0.574 4
    Pclos_post 0.152 5 0.106 5 0 0.608 9
    Mavg_pre 0.222 4 0.577 6 –2.331 9 1.480 8
    Mavg_post 0.254 0 0.336 8 –0.618 5 0.946 4
    Lsd_pre 0.457 0 0.320 1 0.106 1 2.020 4
    Lsd_post 0.327 9 0.241 8 0.036 0 1.490 0
    Darea_pre 11.714 4 34.631 3 0 224.340 9
    Darea_post 3.140 0 10.091 8 0 60.062 8
    严重疲劳
    N = 96
    Pclos_pre 0.359 9 0.131 7 0.063 3 0.713 3
    Pclos_post 0.315 0 0.142 7 0.062 2 0.757 8
    Mavg_pre 0.172 5 0.537 7 –3.381 4 0.861 0
    Mavg_post 0.191 4 0.399 3 –0.916 3 1.328 4
    Lsd_pre 0.433 0 0.242 8 0.125 1 1.668 7
    Lsd_post 0.488 7 0.826 4 0.091 7 8.138 6
    Darea_pre 7.994 6 37.169 4 0 351.571 1
    Darea_post 5.623 3 17.266 1 0 117.700 1
    下载: 导出CSV

    表  2  疲劳预警提示前后响应指标的Wilcoxon signed-rank配对检验

    Table  2.   Drowsiness alarming before and after the paired Wilcoxon signed-rank test of the responsive variables

    报警类型 变量 均值 标准差 V P
    一般疲劳
    N = 69
    Pclos_paired 0.022 0 0.096 5 1 448.5 0.150 4
    Mavg_paired –0.031 6 0.544 7 1 187.0 0.904 8
    L*sd_paired 0.129 1 0.313 6 1 879.0 0.000 1
    D*area_paired 8.574 4 33.605 3 1 064.0 0.002 1
    严重疲劳
    N = 96
    P*clos_paired 0.044 9 0.138 6 3 153.5 0.000 1
    Mavg_paired –0.018 9 0.560 8 2 383.0 0.842 1
    Lsd_paired –0.055 7 0.811 5 2 644.0 0.248 9
    Darea_paired 2.371 4 34.455 4 1 520.0 0.477 0
      注:*表示该指标在提示前后存在显著差异.
    下载: 导出CSV
  • 国务院滨保高速天津" 10•7”特别重大交通事故调查组. 滨保高速天津" 10•7”特别重大交通事故调查报告[R]. 北京:中华人民共和国国务院, 2012
    国务院包茂高速陕西延安" 8•26”特别重大道路交通事故调查组. 包茂高速延安" 8•26”特大道路交通事故调查报告[R]. 北京: 中华人民共和国国务院, 2013
    国务院办公厅. 国务院关于加强道路交通安全工作的意见 [EB/OL].(2012-07-27) [2017-02-05]. http://www.gov.cn/zwgk/2012-07/27/content_2193042.htm
    中华人民共和国工业和信息化部. 关于进一步提高大中型客货车安全技术性能加强车辆《公告》管理和注册登记管理工作的通知[EB/OL].(2011-12-31)[2017-02-05]. http://www.miit.gov.cn/n1146295/n1652858/n1652930/n3757018/c3757341/content.html
    中华人民共和国交通运输部. 关于加强道路运输车辆动态监管工作的通知[EB/OL].(2011-03-19)[2017-02-05]. http://www.chinasafety.gov.cn/Contents/Channel_5330/2011/0413/128291/asset000010003301211_0_1302663969013.html
    G7智慧物联网公司. 中国物流大数据报告[EB/OL].(2017-01-13)[2017-02-05]. http://www.zqcn.com.cn/hongguan/201701/13/c491618.html
    WIERWILLE W, WREGGIT S, KIRN L, et al. Research on vehicle-based driver status/performance monitoring; development, validation, and refinement of algorithms for detection of driver drowsiness[R]. Washington D. C.: US National Hightway Traffic Safety Adiministration, 1994
    HORREY J, NOY I, FOLKARD S, et al. Research needs and opportunities for reducing the adverse safety consequences of fatigue[J]. Accident Analysis & Prevention, 2011, 43(2): 591-594
    王福旺,王宏. 长途客车驾驶员疲劳状态脑电特征分析[J]. 仪器仪表学报,2013,34(5): 1146-1152 doi: 10.3969/j.issn.0254-3087.2013.05.027

    WANG Fuwang, WANG Hong. EEG characteristic analysis of coach bus drivers in fatigue state[J]. Chinese Journal of Science Instrument, 2013, 34(5): 1146-1152 doi: 10.3969/j.issn.0254-3087.2013.05.027
    程如中,赵勇,戴勇,等. 基于Adaboost方法的车载嵌入式疲劳驾驶预警系统[J]. 北京大学学报(自然科学版),2012,48(5): 719-726

    CHENG Ruzhong, ZHAO Yong, DAI Yong, et al. An on-board embedded driver fatigue warning system based on Adaboost method[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2012, 48(5): 719-726
    张希波,成波,冯睿嘉. 基于方向盘操作的驾驶人疲劳状态实时检测方法[J]. 清华大学学报(自然科学版),2010,50(7): 1072-1076

    ZHANG Xibo, CHENG Bo, FENG Ruijia. Real-time detection of driver drowsiness based on steering performance[J]. Journal of Tsinghua University (Science and Technology), 2010, 50(7): 1072-1076
    谭小强. 基于DSP技术的疲劳驾驶预警系统中车道偏离识别方法的研究[D]. 西安: 长安大学, 2010
    胥川,王雪松,陈小鸿. 无侵入测量指标的驾驶疲劳检测性能评估[J]. 西南交通大学学报,2014,49(4): 720-726 doi: 10.3969/j.issn.0258-2724.2014.04.025

    XU Chuan, WANG Xuesong, CHEN Xiaohong. Evaluating performance of non-intrusive indicators on drowsy driving detection[J]. Journal of Southwest Jiaotong University, 2014, 49(4): 720-726 doi: 10.3969/j.issn.0258-2724.2014.04.025
    叶柠,孙宇舸. 基于EEG小波包子带能量比的疲劳驾驶检测方法[J]. 东北大学学报(自然科学版),2012,33(8): 1088-1092

    YE Ning, SUN Yuge. A fatigue driving detection method based on wavelet packet sub-band energy ratio of EEG[J]. Journal of Northeastern University (Natural Science), 2012, 33(8): 1088-1092
    赵晓华,许士丽,茉建,等. 基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究[J]. 西南交通大学学报,2013,48(1): 178-183 doi: 10.3969/j.issn.0258-2724.2013.01.028

    ZHAO Xiaohua, XU Shili, RONG Jian, et al. Discriminating threshold of driving fatigue based on the electroencephalography sample entropy by receiver operating characteristic curve analysis[J]. Journal of Southwest Jiaotong University, 2013, 48(1): 178-183 doi: 10.3969/j.issn.0258-2724.2013.01.028
    王连震,裴玉龙. 基于贝叶斯网络的驾驶疲劳程度识别模型[J]. 城市交通,2014,12(3): 66-74

    WANG Lianzhen, PEI Yulong. Driving fatigue recognition model based on bayesian network[J]. Urban Transport of China, 2014, 12(3): 66-74
    李家文,成波. 驾驶人状态适应式疲劳预警方法的研究[J]. 汽车工程,2011,33(8): 694-700

    LI Jiawen, CHENG Bo. A study on the adaptive warning method for driving persons fatigue[J]. Automotive Engineering, 2011, 33(8): 694-700
    胥川,王雪松,陈小鸿,等. 基于决策树的驾驶疲劳等级分析与判定[J]. 同济大学学报(自然科学版),2015,43(1): 75-81

    XU Chuan, WANG Xuesong, CHEN Xiaohong, et al. Driver drowsiness level analysis and prediction based on decision tree[J]. Journal of Tongji University (Natural Science), 2015, 43(1): 75-81
    DINGES D F, GRACE R. PERCLOS: A valid psychophysiological measure of alertness as assessed by psychomotor vigilance[R]. Washington D. C.: US Federal Highway Administration, 1998
    胥川. 疲劳驾驶行为特征及提示有效性研究[D]. 上海: 同济大学, 2014
    肖献强,殷延杰,王家恩. 基于个体特性的驾驶行为操纵模式建模方法[J]. 中国机械工程,2016,27(19): 2681-2686,2692 doi: 10.3969/j.issn.1004-132X.2016.19.021

    XIAO Xianqiang, YIN Yanjie, WANG Jiaen. Driving behavior operation pattern modeling method based on individual characteristics[J]. China Mechanical Engineering, 2016, 27(19): 2681-2686,2692 doi: 10.3969/j.issn.1004-132X.2016.19.021
  • 加载中
图(5) / 表(2)
计量
  • 文章访问数:  533
  • HTML全文浏览量:  226
  • PDF下载量:  28
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-04
  • 修回日期:  2018-07-02
  • 网络出版日期:  2018-07-08
  • 刊出日期:  2019-02-01

目录

    /

    返回文章
    返回