基于人车耦合的安全驾驶行为预警关键技术研究

庄杰

摘要 本项目研究开发基于人车耦合的安全驾驶行为预警关键技术，所涉及的技术领域包括车联网、移动互联网、智能视频分析、深度感知、脑电波分析、卫星定位、车辆运动状态感知、大数据挖掘这些前沿科技领域。本次关键技术设计提出了通过实时采集驾驶人生理特征指标数据及车辆运动状态特征指标数据两个方面的路径进行监测预警，提高驾驶安全系数。

【关键词】安全驾驶 预警技术 驾驶行为 人车耦合

汽车安全驾驶及预警设备系统作为三大市场之一具有非常巨大的潜能。经过多年的培育，市场已逐步成长起来，在某些热点领域需求十分明显，例如：紧急救援报警（含防盗报警与特种车辆）市场;车辆调度管理型应用产品市场;自主导航系统;与通讯机结合的产品市场需求量将逐步成为各项之首;与智能交通系统的紧密结合，基于车联网及大数据环境下的平台系统是最佳解决方案。

1 安全驾驶行为预警研判技术

监测驾驶员个性特征的的预警和车辆状态感知的预警相结合的信息融合判断技术，将为车辆安全驾驶预警提供一个新的思路，因为其融合信息的综合性和预警层次性，同时广泛利用了现代信息处理技术的快速、准确等特点，融合了二者独立判断预警的优势，必将是交通车辆安全预警的发展趋势。

通过车载监测预警处理器，对汇集到的驾驶人生理特征指标数据和车辆运动状态特征指标数据进行数据融合，实时判别车辆的运动状态，一旦发现危险状态就启动车载预警模块。另外，车载监测预警处理器还实时接收从大数据驾驶行为云计算中心传输回来的安全驾驶判别准则及预警参数，对实时预警门限进行及时调整，以提高实时预警响应的准确性。由于车载监测预警处理器就位于车内，被集成到GPS/BDS定位子系統中，因此可以在最短的距离和时间内对所发生的驾驶行为和车辆危险状态进行识别和预警，初步分析，基于人车耦合的车载安全驾驶预警时间不超过1秒钟，达到高速运动状态下的实时预警需要。

安全驾驶行为监测及预警是实现车辆主动安全运行的根本途径。根据前面的研究，假设已经可以对安全驾驶行为进行实时监测与跟踪了，但是，如何将监测到的危险等级情况，通过预警的方式，作用于驾驶人员、作用于车外的交通参与者呢？

通常来讲，从预警的手段来看，主要有：

（1）简单实用的声音预警

（2）简单实用的光闪预警

（3）切断车辆动力的预警

从预警的对象来看，主要有：

（1）针对车内驾驶人员的预警

（2）针对车外相邻交通体的预警

这三种预警方式，都是非常科学有效的预警手段。但是，需要认真研究解决的关键技术问题包括，如何科学设定预警的等级，如何确保预警不产生次生安全问题，如何确保预警不产生次生事故，如何确保预警的效用，都涉及预警等级设计问题。

预警等级的设计必须考虑驾驶人员对车辆运动危险性的敏感反应度。由于驾驶人员从年龄层次分，驾驶人员可分为老年、中年、青年三大类别;从性别来分，驾驶人员可分男士、女士两个类别;从驾驶熟练程度分，驾驶人员可分为新手和熟手两种类型。这些不同类型的驾驶人员对声音频率、声强的反应都存在一定的差异，对驾驶人员的反应、行为、敏感性等研究需要涉及人体工效学、心理学、管理学等诸多交叉学科知识，换言之，科学合理的预警等级设计是本项目面临的又一个关键技术问题。

2 驾驶行为预警模型与方法

2.1 预警安全距离模型

设定车辆紧急制动后不予前方车辆相撞所需要的最小距离为d0（根据车速的不同，一般为2至5米之间），那么在车辆通过预警方

2.2 车内车外预警方法

2.2.1 车内蜂鸣器预警方法

结合现有研究，宜将安全风险等级划分为五个等级，分别是安全（0-30）、注意（30-50）、有可能危险（50-70）、危险（70-80）、严重危险（90-100），据此也对蜂鸣器的声强与声频进行分等级设置。

一旦车辆运动状态和驾驶员生理特性指标恢复正常状态，即解除车内蜂鸣器警报。如果危险等级持续5秒以上还未减轻或解除风险，则自动启动车外警示灯闪烁，以提醒周边车辆和行人。

2.2.2 车外警示灯闪烁

当车内蜂鸣器预警失效，则启动车外警示灯闪烁以提醒路人和周围车辆注意安全。同时，如果周围车辆也配置了与本车相同的ZigBee无线通信模块和相同的通信信令，则可以主动与周围车辆建立车联网络，将车辆的预警信息通过ZigBee推送给周围车辆。当车内预警信号降级或解除时，车外警示灯闪烁预警模式自动解除。

3 人车耦合预警判别技术

驾驶人生理特性、车辆运动状态、驾驶人驾驶行为之间必然存在着耦合关系。驾驶人生理特性本身是驾驶行为的直接体现，而驾驶行为又直接影响了车辆的运动状态，而车辆运动状态反过来又会影响驾驶人的生理特性，因此，这三者之间存在耦合关系，如图2所示。

车辆状态与驾驶行为之间必然存在着强相关关系，这是因为，驾驶行为是通过车辆的运动来体现的，比如车辆加速状态，就与驾驶员足踩油门有关，如果驾驶员松开油门，则车辆将失去动力，必然减速。由以上分析可知，车辆状态大致包括：直行、左转、右转、倒车、上坡、下坡、加速、减速、转弯、变道、刹车、翻滚等，而驾驶行为则包括加油、踩刹车、急打方向盘、双手松开方向盘、抽烟、打电话等。如果将车辆状态与驾驶行为建立联系，从而实现人车耦合安全驾驶，是本项目要研究解决的另一个关键技术问题。

如图3所示，基于车辆状态感知的驾驶行为分析实际上是要建立车辆状态与驾驶行为之间的函数关系，很显然，车辆状态是随着驾驶行为的变化而变化的，故用通用模型表达就是F=f（X），其中，X表示驾驶行为，是自变量，F表示车辆状态，是因变量。建立起这样一个模型，并且进行科学的模型参数标定，就是研究和解决人.车耦合关系，为实现车辆的主动安全预警提供理论支持。

7 结论

对行驶车辆安全驾驶危险信号的采集和预警，无非从两个方面着手：一是对驾驶员个人体征的判断;二是对行驶车辆状态的判断。当前的研究还没有将二者信息有效地融合起来，综合判断车辆安全性的报道。但是，无论是通过判别驾驶员个人体征还是通过行驶车辆状态的判断，其判断依据和预警策略都显得单一，没有层次性，从而很难准确、迅速地判断出驾驶员或者车辆的异常状态。本次项目的技术研究，把驾驶员行为、生理预警和车辆状态感知的预警相结合的信息融合判断技术，将为车辆安全驾驶预警提供一个新的思路，因为其融合信息的综合性和预警层次性，同时广泛利用了现代信息处理技术的快速、准确等特点，融合了二者独立判断预警的优势，必将是交通车辆安全预警的发展趋势，本项目也就是基于这个融合技术的方向，采用了基于可穿戴設备驾驶人生理特性数据采集的驾驶员驾驶行为预警技术和基于物联网车辆状态感知的驾驶行为辨识技术相结合的技术方案，运用大数据、云计算的分析手段，对驾驶人生理特征与车辆状态耦合分析，最终实现对驾驶人非正常驾驶行为的实时预警。

参考文献

[1]A. Broggi，G.Conte，F.Gregorett i，C. Sansoe and L.M.Reyneri. TheEvolution of the PAPRICA System.Integrated Computer-AidedEngineering Journal - SpecialIssue on Massively ParallelComputing，4（02）：114-136，1997.

[2]V. Cantoni and M.Ferretti. FyramidalArchitectures for Computer Vision.Plenum Press，London，1993.

[3]G.H. Forman and J.Zahorjan. TheChallenge of Mobile Computing.Computer， 27 （04）： 38-47， Apr. 1994.

[4]邓学钧.路基路面工程[M].北京：人民交通出版社，2 000.

[5]邓学钧，黄晓明+路面设计原理与方法[M].北京：人民交通出版社，2001.

[6]严天一，刘大维，陈焕明等，基于主动悬架系统车辆的道路友好性[M].机械工程学报，2007，43 （02）：163-167

[7]杨绍普，陈立群，李韶华，车辆一道路耦合系统动力学研究[M].北京：科学出版社，2012 （12）.

[8]山崎俊一，王宏雁，陈君毅，南日光，董乐群，交通事故分析基础与应用，北京：北京大学出版社，2012（03）.