疲劳驾驶交通管理论文

【摘要】疲劳驾驶是引发交通事故的重要因素之一。设计了利用车辆行驶轨迹进行驾驶人疲劳状态判识的方案，基于车辆在车道线中的位置数据，建立了基于平均偏离程度和航向角标准差进行疲劳状态判识的模型，并应用实际道路的实验数据对该模型进行了验证。今天小编给大家找来了《疲劳驾驶交通管理论文 (精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

疲劳驾驶交通管理论文 篇1：

疲劳驾驶研究与预防最新进展

摘 要：疲劳驾驶影响驾驶人的驾驶能力，为道路交通安全带来严重威胁。研究表明，疲劳驾驶是造成交通事故的主要原因之一，且驾驶人的驾驶能力会随着疲劳程度的增加而下降。本文從疲劳驾驶状态判别、疲劳驾驶致因因素研究、疲劳驾驶安全影响分析及疲劳驾驶干预研究这四个方面对国际最新研究进行总结，介绍目前疲劳驾驶领域的研究现状。

关键词：疲劳驾驶;驾驶行为;疲劳判别;交通事故;驾驶模拟器

Recent progress in research of drowsy driving and prevention

ZHANG Xuxin， WANG Xuesong

(Key Laboratory of Road and Traffic Engineering of the Ministry of Education， Tongji University， Shanghai 201804， China)

疲劳驾驶是导致交通事故的重要原因之一。数据显示，美国每年约有30万起交通事故与疲劳驾驶有关，其中包括10.9万起致伤事故以及6400起死亡事故[1]。美国汽车学会在2010年对美国驾驶人进行了一项电话调查，结果显示41.0%的驾驶人承认在驾驶过程中曾“睡着或打瞌睡”[2]。根据中国公安部交通管理局公布的数据，疲劳驾驶是2015年高速公路交通事故的主要原因，由疲劳驾驶引起的交通事故占其中的8.41%，死亡人数占6.21%[3]。

引发疲劳驾驶的主要原因包括长时间注意力高度集中、缺乏睡眠、驾驶环境单一等。疲劳会增加驾驶人的反应时间，并降低其驾驶过程中的警觉程度[4]。在进行长时间驾驶时，驾驶人若在驾驶过程中缺乏刺激，则可能导致疲劳和危险驾驶行为的发生。

国内外关于疲劳驾驶的研究主要集中在以下四个方面：(1)疲劳驾驶状态判别;(2)疲劳驾驶致因因素研究;(3)疲劳驾驶安全影响分析;(4)疲劳驾驶干预研究。目前，疲劳驾驶的研究方式主要利用自然驾驶数据或设计实验的手段对驾驶人行为数据进行采集。侵入性测量方式(即采集驾驶人生理数据的仪器会对驾驶行为产生影响，如头戴式脑电仪等)或非侵入性测量方式(即仪器采集驾驶人生理数据时不影响驾驶人行为及舒适度，如桌面式眼动仪等)常被用于进行驾驶人生理特征数据采集。在对疲劳驾驶数据分析方法方面，现状研究主要利用统计学分析方法(如相关性分析、差异性分析以及统计学模型等)以及机器学习等数据挖掘算法(如随机森林、人工神经网络、动态贝叶斯网络等)来对数据进行分析。

本文对近两年在TRB会议及Accident Analysis & Prevention等交通安全类期刊中有关疲劳驾驶的内容进行总结，以展示当前国际上关于疲劳驾驶研究的最新进展。

1 疲劳驾驶状态判别

研究疲劳驾驶的手段主要包括通过驾驶模拟器实验、实车实验以及自然驾驶等方式分析驾驶人在疲劳状态下的驾驶行为，并利用眼动仪、生理仪、视频识别或主观问卷调查的方式来评估驾驶人的疲劳状态。

同济大学王雪松等人[5]利用驾驶模拟器实验对驾驶人的驾驶行为及眼动特征数据进行数据采集，结合驾驶人的主观疲劳等级(Karolinska Sleepiness Scale，KSS)进行对比分析，并建立混合效应有序Logit模型对疲劳状态进行判别。该模型中同时考虑了驾驶人之间的个体差异，以及疲劳随时间逐步累积的效应(Time Cumulative Effect，TCE)。为对比疲劳累积效应在模型中的显著作用，研究中同时建立了未考虑TCE的混合效应有序Logit模型进行对比分析。结果表明，驾驶时长显著影响驾驶人疲劳等级，且考虑了TCE的模型对疲劳状态判别准确率达80%以上，远高于未考虑TCE的模型精度。

Zandi等人[6]利用驾驶模拟器实验的方式，采集了驾驶人在疲劳状态下的眼动状态数据，包括注视、扫视、眨眼、瞳孔直径以及眼睑开合度(PERCLOS)等信息。该研究辅以驾驶人实时脑电(EEG)数据作为判别疲劳状态的参考标准，来评估眼动参数对疲劳状态的判别准确性。为探讨眼动参数的不同历元长度(epoch length)对疲劳驾驶检测性能的影响，选取了多种历元长度进行分析，对结果进行了比较。此外，文中使用分类器(随机森林、支持向量机)对驾驶人疲劳状态进行评估。结果表明，采用短历元长度(即该方法具有较高的时间分辨率和较低的检测延迟)数据处理方法结合非侵入性测量方式，可对驾驶人进行有效长期实时疲劳检测。眼部特征数据可有效评估驾驶疲劳，且使用随机森林分类器对驾驶疲劳判别的准确性高达88.37%～91.18%。

艾克斯马赛大学的Naurois等人[7]利用人工神经网络(Artificial Neural Networks，ANN)对驾驶人的疲劳状态进行判别及预警。研究者通過驾驶模拟器实验记录了驾驶人的驾驶行为及生理指标，并在模型中考虑了驾驶人之间的个体差异。文中使用了两个不同的ANN模型，分别用于检测驾驶人每分钟的疲劳程度以及预测每分钟驾驶人达到特定的疲劳程度(中度疲劳)需要的时间。研究者利用一组驾驶人的数据来训练ANN模型来提高模型的性能并将其应用在新的个体上以检测模型的有效性。结果表明，模型对特定驾驶人数据的适应性在疲劳预测精度方面提高了40%，疲劳的判别精度提高了80%。该研究所用方法显著提高了模型对特定驾驶人的适应性，并为解决不同驾驶人在疲劳状态下的个体差异提供了一个初步解决方案。

2 疲劳驾驶致因因素研究

疲劳驾驶是指在困倦或身体疲劳的状态下驾驶，可由许多潜在原因引起，如过度嗜睡、睡眠剥夺、轮班工作引起的昼夜节律变化、疲劳、服用镇静剂药物以及劳累时饮酒。除此之外，长途驾驶时由于道路环境单一，也容易使得驾驶人产生疲劳的状况。

Mahajan等人[8]通过问卷调查的方式调查了印度的三个城市中男性货运驾驶人的工作-休息模式及其驾驶行为。当驾驶人的工作收入与驾驶日程的繁忙程度相关时，往往会为驾驶人带来工作压力。这种持续的工作压力会促使他们违反交通规则和工作时间的规定。结果表明，被试者的危险驾驶行为如违规行为、错误行为等与驾驶人的缺乏睡眠情况显著相关。此外，研究强调了驾驶人因疲劳、困倦或工作压力而未能满足休息要求时，对长途货车驾驶人违反交通规则方面的促进作用。根据研究模型结果，过去因违规行为受到过处罚的驾驶人其再次违规的风险更大。这可能意味着现有惩罚措施效率低下，无法遏制普遍存在的不安全驾驶行为。

Farahmand 和Boroujerdian[9]利用驾驶模拟器探究了单调环境下不同道路几何线形对驾驶人疲劳状态的影响。实验中使用了三条具有不同数量水平弯道的不同道路进行场景建模，见图1。研究采集并分析了驾驶人在行驶过程中的方向盘运动状态及驾驶人车道保持能力，以及在完成驾驶任务前后的警觉程度。结果表明，道路设计对驾驶人车道保持能力有显著影响。更多的道路线形变化可以提高驾驶人的驾驶性能及警惕性。因此，通过增加道路平曲线设计可以被认为是在单调和欠载道路条件下增加驾驶人心理负荷的有效方法。

清华大学Li等人[10]采用问卷调查的方式对驾驶人进行数据采集及建模，对影响出租车驾驶人疲劳相关事故风险(Fatigue-Related Accident Risk，FRAR)的因素进行探究。研究分别使用Logistic Ridge Regression(LRR)、Logistic Regression(LR)和Support Vector Machine(SVM)三种模型对数据进行分析，发现LRR模型对FRAR的预测精度最高。模型结果表明，高风险出租车驾驶人其表现出工作时间长、休息时间少、驾驶经验少以及对自己的抗疲劳能力更有信心的特征。出租车驾驶人的驾驶休息习惯、疲劳驾驶经验和疲劳驾驶意图是影响疲劳驾驶的关键因素，在很大程度上决定了疲劳驾驶行为的FRAR。调整驾驶人的休息习惯和与这些预测因素相关的自我评估，有助于降低高风险驾驶人的事故风险。

3 疲劳驾驶安全影响分析

在有关疲劳驾驶的安全影响研究中，研究者将探究疲劳驾驶的普遍性，以及如何降低疲劳驾驶事故风险作为侧重点，提出相应的有效措施来减少因疲劳驾驶所导致事故的发生。

弗吉尼亚理工大学Owens等人[11]利用第二项高速公路自然驾驶研究计划(the Second Strategic Highway Research Plan Naturalistic Driving Study)对疲劳驾驶进行了研究。利用在自然驾驶过程中所采集到的视频数据对驾驶人的PERCLOS进行分析，判别其疲劳状态，并分析了疲劳驾驶在日常驾驶及发生交通事故时存在的普遍性。研究中利用了与视频录像及时间序列数据有关的时间戳，可以精确定位与安全相关因素和事件发生的时间，以便对特定活动和驾驶情境的风险使用流行病学方法进行分析。该研究对驾驶人在临撞时和正常驾驶期间的状态提供了一种客观的评估方法，避免了因驾驶人不记得或不愿意承认其疲劳驾驶所造成的数据结果偏差，与传统的疲劳驾驶风险评估方法相比体现出了显著优势。

东南大学马永锋等人[12]利用实车实验对大型货运车辆驾驶人的疲劳驾驶进行研究，采集驾驶人的车速、加速度等参数，并利用PERCLOS指标对驾驶人疲劳状态进行判别，以探究驾驶人发生交通事故的风险。研究结果表明，速度和加速度可以作为评价重型卡车驾驶人驾驶性能的重要指标。当驾驶人达到高疲劳水平时，其平均车速、最大及最小车速都会增加，且车速稳定性降低。当驾驶人受到疲劳的影响时，他们的反应能力将会下降。如果驾驶人在高疲劳驾驶状态下保持高速行驶将更容易发生交通事故。此外，随着疲劳程度的增加，加速度的均值及标准差会减小，但加速度的最大值和最小值会增加。表明驾驶人在疲劳状态下更容易做出紧急或剧烈的驾驶动作，且疲劳将导致驾驶人的反应能力受损。

南阿拉巴马大学的Kang和Rahman[13]对美国阿拉巴马州I-65公路中的两个包含休息区的路段设置疲劳驾驶劝告系统(Drowsy Driving Advisory System，DDA)，分析这两条路段在设置DDA系统前后的事故情况。DDA系统共包含三类标志，分别为：(1)提示进入疲劳驾驶劝告区域标志;(2)疲劳驾驶警告标志(如：疲劳驾驶危及生命安全);(3)疲劳驾驶劝告标志(如：若感到疲劳请及时休息)。结果表明，在设置DDA系统后，路段休息区交通量增加10%，且事故降低65%。设置DDA后事故率明显降低，表明该系统对驾驶人起到了提醒警示的效果，显著降低了发生事故的风险。

韩国汉阳大学Jung等人[14]对因疲劳驾驶导致的高速公路事故进行研究。为了防止因疲劳驾驶而引发的撞车事故，韩国高速公路系统增设了辅助休息区，使得道路使用者可以休息。這些辅助休息区是非常小的休息设施，它通常位于较大的常规休息区之间，如图2所示。研究旨在评估辅助休息区对减少因疲劳驾驶所引发碰撞事故的影响。结果显示，设置辅助休息区域可以减少14%的由疲劳驾驶引发的高速公路碰撞事故。

由于营运车辆驾驶人通常会面临睡眠不足、轮班影响其生理节律等问题，更容易引发疲劳驾驶。台湾国立交通大学的吴昆峰等人[15]通过研究对城际公交车驾驶人进行重新排班，来降低其发生交通事故的风险。调查结果显示，下列两种类型的排班时间表将可能导致更高的事故风险：(1)连续两天下午或凌晨班次;(2)在前一次为早晨或下午班次后安排凌晨的班次，或者在前一次下班24小时后安排凌晨的班次。为了在保持不间断服务的同时降低交通事故风险，研究者开发了数学程序对驾驶人进行合理排班。算法结果表明，城际公交公司应避免驾驶人连续两天均在下午或凌晨驾驶，且应安排夜班驾驶人在相邻两个工作班次之间休息24小时以上。这种通过避免高碰撞事故风险的工作班次组合安排可以减少高达30%的碰撞事故。

4 疲劳驾驶干预研究

针对疲劳驾驶的干预措施研究主要从预防及预警两个方面进行干预。主动预防措施包括对驾驶人进行安全教育以及服用含咖啡因等产品进行干预。而疲劳预警则是在车内对驾驶人从听觉、视觉及触觉等方面进行疲劳干预。

澳大利亚的Aidman等人[16]使用驾驶模拟器实验，对驾驶人在强制50小时无休息后的驾驶行为进行记录。驾驶人被随机分为两组，一组使用含咖啡因的口香糖作为实验组，另一组使用不含咖啡因的口香糖作为对照组。该研究探究了驾驶人在积累睡眠损失的情况下，通过重复多次咀嚼口香糖来摄入咖啡因对疲劳和驾驶表现的影响。结果表明，通过每隔2小时咀嚼口香糖重复摄入200毫克咖啡因，不仅可以减少困倦感，还可以显著降低疲劳对驾驶失误的影响，从而减小因疲劳导致的驾驶性能受损。

奥斯丁健康中心的Alvaro等人[17]通过对青年驾驶人进行教育干预，将34名参与者(18-26岁)随机分为两组，一组接受为期四周的关于睡眠和驾驶的教育，内容包括与疲劳相关的科学内容(什么是疲劳、充足睡眠的定义、睡眠疾病及人体节律与了解自己的生物钟)、疲劳对驾驶的影响、如何避免疲劳驾驶;另一组接受与疲劳驾驶内容无关的对照条件的教育。在为期四周的教育计划前后，研究人员对影响驾驶人睡眠和驾驶的因素进行了一系列问卷调查。且被试者需要在保持清醒17小时后于凌晨1点完成一项2小时的驾驶模拟器任务，以评估其对驾驶行为的影响。结果表明，对青年驾驶人进行关于睡眠和驾驶的教育可提高驾驶人睡意意识，且可以降低青年驾驶人出现疲劳驾驶及相关事故的风险。

在疲劳驾驶预警方面，爱荷华大学Gaspar等人[18]通过设计驾驶模拟器实验(如图3所示)，根据驾驶人注视位置探究了不同前向碰撞预警(Forward collision warnings，FCW)对中至重度疲劳驾驶人的预警有效性。在前方出现静止车辆并且此时主车即将发生碰撞的情况下，设置了三种警告条件：听觉警告、座椅振动警告及无警告。结果表明，仅当疲劳驾驶人在前向碰撞事件开始时处于闭眼或低头的状态时，FCW能有效提高疲劳驾驶人的反应能力。

目前市场上有关疲劳驾驶预警系统的装置主要通过对驾驶人进行生理信号(如驾驶人面部特征等)以及非生理信号(如驾驶行为数据等)的采集、分析和处理，来判断驾驶人当前的疲劳状态。此外，图像处理技术也常被应用于疲劳驾驶预警系统设计。基于图像处理的疲劳驾驶预警系统通常包含四个模块：图像采集模块、图像处理模块、中央处理器以及报警显示模块。通过对驾驶人面部特征、眼动特征等进行不间断采集，并对图像进行数字化及降噪等处理，传输至中央处理器利用图像处理算法不断优化结果，最终输出结果并通过指示灯、声音或振动等方式进行疲劳驾驶预警。

5 总结

本文总结了近两年TRB年会及Accident Analysis & Prevention等交通安全类期刊中有关驾驶疲劳的研究进展，梳理了国际上关于驾驶疲劳的研究内容、研究方法及研究结果。目前疲劳驾驶研究领域的最新文献主要围绕交通安全、驾驶行为、医学等方面进行开展，且在疲劳的检测判别方面有较为丰富的研究成果。

但目前研究中所涉及的判别模型其精度均具有一定程度的限制，如何提高模型对驾驶人疲劳状态的判别准确性是未来研究需要更进一步探究的内容。在对于疲劳驾驶的研究手段上，自然驾驶数据是最为精准可以反应驾驶人行为的一种方式。但如何对自然驾驶数据中的驾驶人的疲劳状态进行有效识别，发现其疲劳状态下的行为规律，从而进行更有针对性的预警是未来研究中可以探究的方向。

对于疲劳等级的划分标准目前尚未有成熟的参考依据，如何对疲劳等级进行更加精确的划分也是未来研究中值得继续探索的内容。此外，在Level 5的自动驾驶尚未完全实现前，在自动驾驶车辆需要驾驶人接管的条件下，如何对接管状态下驾驶人的疲劳驾驶进行有效地干预同样值得思考。

参考文献

[1] Tefft B C. Prevalence of Motor Vehicle Crashes Involving Drowsy Drivers， United States， 2009～2013. Washington， DC： AAA Foundation for Traffic Safety; 2014.

[2] Tefft B C. Asleep at the Wheel： The Prevalence and Impact of Drowsy Driving[J]. Drivers， 2010， 279(7)：80.

[3] 公安部交通管理局. 中華人民共和国道路交通事故统计年报(2015年度). 公安部交通管理科学研究所，无锡， 2016.

[4] Young T， Blustein J， Finn L， et al. SleepDisordered Breathing and Motor Vehicle Accidents in A Population-Based Sample of Employed Adults[J]. Sleep， 1997， 20： 608-613.

[5] Zhang X， Yang X， Wang X， et al. Driver Drowsiness Detection Using Mixed-Effect Ordered Logit Model Considering Time Cumulative Effect[C]. // Proceedings of 98th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2019.

[6] Zandi A S， Quddus A， Prest L， et al. NonIntrusive Detection of Drowsy Driving Based on Eye Tracking Data[C]. //Proceedings of 98th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2019.

[7] Nauroisa C J， Bourdina C， Bougard C， et al. Adapting Artificial Neural Networks to a Specific Driver Enhances Detection and Prediction of Drowsiness[J]. Accident Analysis & Prevention， 2018， 121：118-128.

[8] Mahajan K， Velaga N， Kumar A， et al. Traffic Violations Among Truck Drivers Due to Fatigue and Sleepiness[C]. //Proceedings of 98th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2019.

[9] Farahmand B， Boroujerdian A M. Effect of Road Geometry on Driver Fatigue in Monotonous Environments： A Simulator Study[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 58： 640-651.

[10] Li M， Yu J， Ma L， et al. Modeling and Mitigating Fatigue-related Accident Risk of Taxi Drivers[J]. Accident Analysis & Prevention， 2019， 123：79-87.

[11] Owens J， Dingus T， Guo F， et al. Estimating the Prevalence and Crash Risk of Drowsy Driving Using Data from a Large-Scale Naturalistic Driving Study[C]. // Proceedings of 97th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2018.

[12] Ma Y， Zhang C， Yan Q， et al. The Impact of Fatigue Driving on Heavy-Duty Truck Driver Driving Performance[C]. //Proceedings of 98th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2019.

[13] Kang M， Rahman M. Drowsy Driving Advisory System： Alabama Case Study[C]. //Proceedings of 98th Annual Meeting of the Transportation Research Board. Washington： Transportation Research Board， 2019.

[14] Jung S， Joo S， Oh C. Evaluating the effects of supplemental rest areas on freeway crashes caused by drowsy driving[J]. Accident Analysis & Prevention， 2017， 99(part_PA)：356-363.

[15] Wang S Y， Wu K F. Reducing intercity bus crashes through driver rescheduling[J]. Accident Analysis& Prevention， 2019， 122：25-35.

[16] Aidman E， Johnson K， Paech G.M.， et al. Caffeine Reduces the Impact of Drowsiness on Driving Errors[J]. Transportation Research Part F： Traffic Psychology and Behaviour， 2018， 54： 236-247.

[17] Alvaro P K， Burnett N M， Kennedy G A， et al. Driver education： Enhancing knowledge of sleep， fatigue and risky behaviour to improve decision making in young drivers[J]. Accident Analysis & Prevention， 2018， 112：77-83.

[18] Gaspar J G， Schwarz J C W， Brown T L， et al. Gaze position modulates the effectiveness of forward collision warnings for drowsy drivers[J]. Accident Analysis& Prevention， 2017： S0001457517304529.

作者：张旭欣 王雪松

疲劳驾驶交通管理论文 篇2：

基于车辆行驶轨迹特征的驾驶人疲劳状态识别技术研究

【摘要】 疲劳驾驶是引发交通事故的重要因素之一。设计了利用车辆行驶轨迹进行驾驶人疲劳状态判识的方案，基于车辆在车道线中的位置数据，建立了基于平均偏离程度和航向角标准差进行疲劳状态判识的模型，并应用实际道路的实验数据对该模型进行了验证。

【关键词】 驾驶疲劳 车辆轨迹 机器视觉

Driver Drowsiness Detection Based on Vehicle Track SHI Xiaoling，YANG Yingcang(Guizhou Province Engineering Research Center for Traffic Accidents Responsibility Verification， Guiyang， 550005， China)

一、引言

疲劳驾驶是当今交通安全的重要隐患之一。驾驶人在疲劳时，其对周围环境的感知能力、形势识别判断能力和对车辆的操控能力都有不同程度的下降，因此很容易发生交通事故。统计数据表明，在2004年至2006年，我国因疲劳驾驶直接导致的死亡人数占全国机动车驾驶人交通肇事总死亡人数的比例分别为3.27%、2.81%和2.5%[1-3]，大约每年有3000人死于疲劳驾驶。另外，世界各发达国家也正在积极开展驾驶人疲劳状态监控技术的研究，如欧洲的AWAKE项目、美国的SAVE-IT项目、日本的ASV项目等。研究结果表明，通过对对驾驶人的状态进行监测并及时向驾驶人提示相关信息，可大幅度减少交通事故的发生。

驾驶人的状态必然会反映到其驾驶行为特性，本文通过对驾驶人在清醒和疲劳状态下行驶轨迹的研究，建立了基于行驶轨迹的疲劳判别模型，通过轨迹特征反演驾驶人的当前状态。该技术主要包括三个环节：车道线的识别、车辆在当前车道中位置的解算、利用建立的模型对驾驶人的状态进行判识。

对于车辆在车道中位置的识别技术，Mobileye公司的LDW(车道偏离预警)装置目前已产品化，2007年德国宝马公司宣布在新5系中全球第一个采用该产品。我国在该方面也进行了一些有益的探索[5]，但在应用车辆行驶轨迹特征对驾驶人疲劳状态识别方面，国内外未见相关资料。通过本技术的研究，可以为驾驶人疲劳状态识别提供一种新的技术途径，有效减少交通事故的发生，产生重大的社会、经济效益。

二、总体设计方案

该系统总统方案如图1所示，来自CCD摄像头的视频信号依次经过滤波去噪、边缘增强、二值化处理后，进行车道线的检测和识别，并获取图像中左右车道线的方程。然后由图像坐标系向世界坐标系进行映射，进行道路重建，得到在世界坐标系中车道线方程，在世界坐标系中将车辆在车道线中的位置解算出来。建立基于车辆轨迹特性的驾驶人疲劳状态判识模型，根据车辆在车道线中的位置数据，对驾驶人的疲劳状态进行判识。关于车道线的识别和车辆在车道线中位置的解算，目前已有许多较好的模型[4]-[5]，本文仅就基于车辆轨迹对驾驶人疲劳状态的判别进行讨论。

三、 基于轨迹特征的状态判识模型的建立及实验结果

该判识模型以对驾驶人疲劳状态的主观视频评分作为基准。主观视频评分的实施方法如下：第一步，驾驶人进行一段长时间的驾驶，在该驾驶过程中，要保证出现疲劳状态。在行驶过程中，采用两个CCD分別对驾驶人的面部图像和车道线图像进行实时采集，所得的两段视频作为原始实验数据;第二步，将驾驶人的面部视频进行视频分割，分割成一系列长度为0.5分钟的片段;第三步，让三名视频打分人员分别对每一个视频片断进行打分，打分参考标准如表1所示;第四步，对三名打分人员的打分结果进行平均，作为该时间片内驾驶人的疲劳等级。该疲劳等级就作为我们基于轨迹特征进行疲劳状态判识的依据和基准。

下面就以2008年6月在京沈高速进行实验采到的数据进行分析。本文将以该次实验中11：40～12：00时间段的实验数据为例进行分析。11：40～12：00时间段驾驶人疲劳状态的主观视频评分结果如图2所示，从图中可以看出，在该时间段，驾驶人的疲劳状态变化比较明显。在该时间段内共有27000个采样点，每个采样点上包括车辆偏离车道中线的距离和车辆航向角两个数据，为数据处理方便，截取2000～6000数据区间的4000个采样点作为清醒状态的分析数据，23000～27000区间的4000个采样点作为疲劳阶段的分析数据。

建立疲劳判断模型如下：该疲劳模型对驾驶人疲劳状态的判断基于如下两个假设：

1、如图3所示，B点为车辆当前所在的位置，A点为车辆30s前所在的位置。车辆在从A点到达B点的过程中，其行驶轨迹的均值偏离车道中线的大小反映了驾驶人的疲劳程度;

2、在从A点到达B点的过程中，航向角的标准差反映了驾驶人的操作的积极性，若标准差很小，则表征驾驶人对车辆的控制消极，依此来判断驾驶人的疲劳状态。

将这两个条件融合，作为一个综合指标来判断驾驶人的疲劳状态。

对2000～6000数据区间的4000个采样点，作出车辆偏离车道中线的曲线，如图4所示，正值表示车辆在车道线中线右侧，负值表示车辆在车道线中线左侧。作出车辆偏航角曲线，如图5所示。

计算出各个时间片(30s)内车辆偏离车道中线的偏移量，如表2所示。

同理，作出23000～27000区间4000个采样点车辆偏离车道中线的曲线，如图6所示，作出车辆偏航角曲线，如图7所示。

計算出各个时间片(30s)内车辆偏离车道中线的偏移量，如表3所示。

为便于比较，将清醒状态和疲劳状态下偏移量的平均值画到同一个图中，如图8所示，将清醒状态和疲劳状态下偏航角的标准差画到同一个图中，如图9所示。

由图可以看出，在30s时间窗内平均偏离程度和偏航角标准差两个指标能够较好的反应两个指标能够较好的区分清醒与疲劳两种状态可以用来作为疲劳状态的判断基准。

四、 结论

本文基于车辆行驶轨迹数据建立了基于平均偏离程度和航向角标准差进行疲劳状态判识的方法。实验表明，所提取的指标能够较好的区分清醒与疲劳状态。但是，也应看到，本文所建立的数学模型比较粗糙，尚未对车辆换线这种有意识的车道偏离作进一步的处理，同时，该模型的判识结果只能定位到是否疲劳，而不能根据疲劳程度将其细分成较为疲劳、严重疲劳等。另外，驾驶人的操作除了与疲劳状态有关外，还受到个人习惯、行驶速度、道路环境、操作技能的影响，车辆的行驶状态也与车辆特性、道路等很多环境因素有关。因此，在下一步的研究中如果能针对这些问题进行深入分析，可望得到可靠性、鲁棒性更好的结果。

参 考 文 献

[1] 2004年全国道路交通事故情况，道路交通管理，2005(1)：4-7

[2] 2005年全国道路交通事故概况，道路交通管理，2006(1)：4-5

[3] 2006年全国道路交通事故情况，道路交通管理，2007(2)：22-23

[4] 李兵，张朋飞，何克忠. 基于增强转移网络(ATN)的室外移动机器人道理图像理解. 中国图象图形学报， 9(3)： 380-384， 2004.

[5] 余天洪. 基于机器视觉的车道偏离预警系统研究[D].吉林：吉林大学，2006年

作者：石晓玲 杨英仓

疲劳驾驶交通管理论文 篇3：

论疲劳驾车的危害与预防

摘 要：有些专家对疲劳驾驶进行了调查，得知疲劳驾驶不仅会对驾驶员的判断力、灵敏性产生不利影响，也会对驾驶员的警觉性带来干扰，尤其是因为疲劳而出现“微睡眠”概率的不断增加，逐渐成为交通事故发生的主要原因。对此，本文主要针对疲劳驾车所带来的危害进行分析，从而提出合理化建议，提供给相关人士。

关键词：疲劳驾车;危害;预防

有关数据调查表明，在我国某一年因为司机疲劳驾驶而出现交通事故的情况发生率较高，对安全行车造成了严重的影响。有些专家通过相关数据得出结论，疲劳驾车所带来的影响很大，特别是出现“微睡眠”的情况是发生交通事故的重要因素。本文针对如何减少交通事故的发生进行分析，提供给相关人士，希望在未来的道路上能够降低交通事故发生的概率。

1 疲劳驾驶所带来的危害

疲劳驾驶可以对人民的生命及财产安全造成极为严重的伤害、以及及其恶劣的社会影响。在预防这些严重后果的可行性措施中，车辆本身的技术水平固然可以在一定程度上帮助提前警示或尽力减缓可能到来的事故及其严重后果，但对于目前的广大社会层面而言，司乘人员的主观意识及驾驶素质仍然是预防车辆事故危害的重中之重。

车辆自身价值、司乘人员随身携带的大量财产，也是社会财产的重要组成部分，并且由于人员职责权益的关联效应，司乘人员由于交通安全而不能及时履行正常的经济、社会职责，所可能造成的经济社会功能缺失也同样会带来不可估量的巨大损失。

疲劳驾驶可以对社会其他行业及其资源、财产造成严重影响。车辆事故发生后，需要大量的医疗救护、消防抢险、保险赔付、道路修补等社会资源介入，所造成的道路拥堵、交通疏导也给社会经济带来严重影响。由此牵涉、花费的巨大成本必须由社会公共承担。所以疲劳驾驶及其可能后果，决不仅只是司机的个人问题，更是与社会各界的切身利益息息相关。

疲劳驾驶还可以对广大人民群众带来严重的心理影响。车辆事故的惨烈后果往往会通过新闻传播广为告知，对于新闻受众会带来严重的心理影响，甚至对公共安全体系产生深深地不安全感。由此，公众对社会稳定与和谐、对经济发展的前景种种不信任感，也会对社会生活的满意度、幸福感造成潜在而持久的深远影响。

2 预防疲劳驾车的措施

为了减少因为疲劳驾驶而出现的交通事故，首先驾驶人应当确保有充足的睡眠，比如跑长途、聊天等现象，对司机来说这些都是容易发生疲劳驾驶的诱因。一天当中主要分为三个危险时间段：第一的时间段是中午;第二个时间段是黄昏;第三个时间段是晚上，在这几个期间行车要引起注意。其次，驾驶人员倘若想要大脑皮层放松下来，尽可能避免长时间开车，大概在两小时以后就要停车去休息，在行车过程中感到不舒适，也要停车去休息几分钟然后在开车，万万不能因为赶路程而继续开车。

驾驶员在长时间驾驶过程中，对身体的不同器官有着很大的影响。因此，驾驶员在行车的前期阶段最大程度上要有充足的睡眠。然而，这里值得注意的是，不要盲目的将到达时间进行确定，这样做的目的是为了避免赶时间而出现疲劳驾车的情况。驾驶员要适当的掌握一些关于如何消除身体品疲劳的保健操，在休息的时候适当的锻炼而消除身体的疲劳。对此，主要提出几种调节疲劳的保健操，具体内容请看下文：

2.1 做好眼部护理工作

驾驶员在驾驶过程中，眼睛是最容易发生疲劳的器官，倘若长时间处于驾车状态，那么就会很容易使眼睛出现疲劳的现象。因此，驾驶员可以在能够休息的时候做些保健操，来缓解眼睛的疲劳，亦或是往远处看看;适当的眨眨眼睛，并且用手对眼睛周围进行按摩;或者是用热毛巾敷一敷眼睛都能够适当减轻眼部所产生的疲劳，加快血液的流动，避免眼睛发生其他症状。倘若驾驶员在行驶过程中所看到的景色过于单调，那么驾驶员就可以适当的进行视觉焦点进行替换，从而可以使眼睛处于视觉兴奋度的状态。在面对很刺眼的时候，最好将太阳镜也配戴上。

2.2 保持听力

因为有些汽车的声音很大，这样在长时间下会对驾驶员的听力带来不利影响。驾驶员在长时间驾车中，听力会出现下降的情况，严重的会因为感觉不出来而容易出现交通事故。对此，驾驶员不能听声音较大，比较侧耳的音乐，并且将音量要调到合理的位置，以避免对驾车安全带来影响。驾驶员在休息的时间内也应当使耳朵获得放松，并且用手指适当的按摩耳廓来减轻疲劳。

2.3 适当的活动手指

长期驾车，受车身震动的影响，尤其是经常在颠簸路面进行长途越野驾车，不仅会使手掌多汗、手臂麻木，握力下降，长此以往还会导致肌肉痉挛、萎缩、引起骨关节病变，严重的会致使神经系统功能下降。另外，天热驾车手容易出汗，处理紧急情况时手打滑也可能导致交通事故的发生。因此，驾车时最好戴上手套，既可以防止出汗手滑，又可以在方向盘与手之间增加一个减震层，缓冲车辆对手及人体的震动。

2.4 避免足部受伤

不走路但也不轻松。脚虽然不用经常和地面直接接触，但也并不清闲，油门、离合、刹车，一个都不能少，随时伺候着。因此，保护好您的脚，对于一个司机来说，就显得至关重要。选择一双保暖、透气、大小适中、穿着舒适的鞋子，并多备几双棉袜和鞋垫，出汗后勤更换鞋袜，临睡前用热水烫烫脚，并按摩足掌部位，刺激足部穴位等都有助于解除疲劳。

2.5 避免身体劳累

由于驾驶员经常驾车，很容易引起颈肩等有关部位的疲劳。同时，因为安全带所产生的束缚，会使驾驶员在一定作用下会颈椎带来不利影响。因此，驾驶员应当保持正确的驾车姿势，上身是处于挺直的状态，抬头收颌，使肩部可以达到放松的效果，膝盖是微微弯曲的，手臂应当自然的握紧方向盘。在休息的时间段要适当的活动下身体，特别是肩颈部位。

除此之外，加强驾驶员的安全理念和高尚的职业素养是避免出现疲劳驾驶的主要途径。由于在驾驶员心目中铭记相关法律和安全意识，并且将其落实到实际工作中，就可以自觉的预防疲劳驾驶，从而能够使行车具有一定的安全性。

结束语

通过以上内容的论述，可以得知：疲劳驾驶对驾驶员所带来的危害是不容忽视的。这样就需要驾驶员朋友正确认识疲劳驾车的危险，并且能够采取适当的手段来避免疲劳驾车所引起的交通事故。本文提出了几方面的建议，提供给相关人士，旨在行车中能够减少交通事故的发生，为社会发展营造出一个安全、健康的环境。

参考文献

[1]宋真玉.我国道路交通事故成因分析[J].中外企业家，2016(16).

[2]何权瀛.阻塞性睡眠呼吸暂停低通气综合征是引发道路交通事故的重要原因[J].醫学与哲学(B)，2014(12).

[3]兆贤，朱维亚，黄灵阁，魏理想.遏制重特大道路交通事故的对策[J].劳动保护，2013(02).

[4]富宏，张雷.浅议道路交通事故的可预防性及防治措施[J].内蒙古农业大学学报(社会科学版)，2013(02).

[5]黄思兴，张先国，孔斌，朱万嘉，泽娜.道路交通事故再现技术研究与运用[J].道路交通管理，2013(10).

作者：杨军