基于无仪器佩戴的疲劳驾驶监测研究

李佳玉，彭见辉

0 引言

因疲劳驾驶所造成的交通事故占比较大[1]，对汽车驾驶员的驾驶状况进行准确监测，并在疲劳时给予预警是减少交通事故的重要措施。目前，国内外关于疲劳驾驶的监测主要有基于车辆状态信息、驾驶员操作行为及生理反应的监测等。而对车辆行驶状态和驾驶员操作行为的疲劳监测易受路面状况等外界环境因素的影响[2]，对驾驶员生理信号进行监测需采集人体生理信号如脑电波、脉搏、心率等，采集设备通常为接触式的，需和驾驶员紧密接触，对驾驶员行车造成极大干扰[2]。本文通过模拟驾驶实验，利用面背压传感器采集驾驶员的背靠压力信号，先进行小波消噪处理，再与采集的心率信号做相关性分析，确定背靠压力可作为疲劳判定标准，提出了一种无仪器佩戴驾驶的疲劳监测方法，对疲劳驾驶监测及预警系统的设计具有一定指导作用。

1 疲劳驾驶数据采集

在实际道路环境中疲劳驾驶非常危险，难以进行数据采集。研究证实，以实验室模拟疲劳驾驶采集的数据与实际车辆疲劳驾驶的基本相符[3]。实验驾驶平台（如图1），可实现对汽车实际操作的真实模拟。

图1 模拟驾驶实验图

实验中使用面背压传感器（如图2）、BMD101软接触式心电传感器（如图3）采集驾驶员的背压力和心率信号，设置采样频率均为200 Hz。其中心电传感器是将心电极片粘贴在驾驶员胸部，利用内部心电监测模块采集心率信号；面背压传感器是直接放置于实验驾驶员背部，利用对汽车座椅的压力实现背靠压力信号的采集。模拟驾驶实验在上午 10∶00-12∶00 和下午 14∶00-16∶00 两个时间段内进行，实时采集并记录驾驶员的背压力和心率数据。

图2 面背压力传感器分布图

图3 心电传感器

2 背压力信号疲劳特征参数分析

运用驾驶员行车过程中的自我疲劳评价、旁人的客观疲劳评价与PVT测试[4]相结合的方法完成清醒和疲劳状态下背压力和心率数据的划分。选取驾驶员清醒和疲劳状态下120min背压力和心率数据分别进行分段处理，共12段，进行以下分析。

2.1 面背压力信号分析

面背靠压传感器是由16×16，编号1～256，呈矩阵式分布的压力传感器构成的。以驾驶员清醒状态下背靠压力数据段5为例，做其等高线图（如图4），其中颜色较深的部分为背靠压力较大的采集点。选择其中背靠压力最大点，由图可知是第102个传感器采集点，并截取其6 s数据，波形如图5。

图4 背靠压力等高线图

图5 背靠压力最大采集点波形

由图5可知，背靠压力波形是连续但不光滑的曲线。由于驾驶员操作方向盘时引起身体移动，采集的背压力信号存在基线漂移，再者噪声、工频等也会对背靠压信号造成干扰，所以有必要进行背靠压力信号的消噪。

2.2 小波分析处理背靠压力信号

小波分析在噪声消除、滤波、信号特征提取等方面具有较为突出的优势[5]。db4小波基函数由于计算量少，滤波消噪效果好，并可以在MATLAB中直接对信号进行快速处理，便于实际实现[5]。本文选用db4小波进行背靠压力信号的滤波消噪，详细过程如下∶

第一步，将2.1中截取的6 s背靠压力数据运用小波基函数对信号在选定的尺度下进行小波分解，得到不同尺度下信号对应的小波系数；

第二步，对背靠压力数据小波分解后所得到的小波系数进行阈值门限计算；

第三步，对背压力数据完成小波重构，将小波系数按照分解层次进行小波逆变换，以获得滤波去噪后的背压力信号，如图6所示。

同理，完成驾驶员疲劳状态下背靠压力数据段5的消噪滤波。

2.3 背压力与心率信号的相关性分析

采集驾驶员正常和疲劳两种驾驶状态下的心率信号如图7所示。可知驾驶员的心率变化在正常状态下相对较平稳，而疲劳状态下相对剧烈。研究表明，心率信号可作为监测驾驶员的驾驶状态（清醒或疲劳）的标准[6-7]，因此将实验测得的心率信号作为参考，与消噪滤波后的背压力信号进行相关性分析。

其中，x，y分别表示背压力和心率。

分别在清醒和疲劳状态下，运用相关性式（1）对心率信号和处理后的背压力信号分析，得驾驶员正常时心率与背压力的相关系数为r=0.812 3，疲劳时心率与背压力的相关系数为r=0.858 2。当0.8≤|r|＜1时，表明相关等级为高度相关[7]，由此可知正常、疲劳状态，背靠压力与心率均在高度相关，背靠压力可作为评定驾驶员疲劳程度的特征，即可利用面背压传感器进行疲劳驾驶监测。

图6 小波处理后的背靠压力信号

图7 不同驾驶状态下的心率

3 结论

通过室内模拟疲劳驾驶实验，利用面背压传感器和心率传感器分别采集驾驶员背靠压力和心率信号，以心率信号为参考，分析背靠压力和心率之间的相关性，得到两者高度相关，故在疲劳驾驶监测中可将背靠压力信号作为判定驾驶员是否疲劳的主要依据。基于无仪器佩戴的疲劳驾驶监测法对疲劳驾驶监测及预警具有重要参考意义。

参考文献：

［1］王雯丽，孙玥，李龙骄，等.疲劳驾驶监测的研究进展［J］.林业机械与木工设备，2009，37（07）：11-13.

［2］成波，冯睿嘉，张伟，等.基于多源信息融合的驾驶人疲劳状态监测及预警方法研究［J］.公路交通科技，2009（26）：13-18.

［3］Kobayashi F，Watanabe T，Watanabe M，et al．Blood Pressure and Heart Rate Variability in Taxi Drivers on Long Duty Schedules ［J］.Journal of Occupational Health．2002，44（4）：214-220.

［4］ PeterGrav， Kurt Krauchj， Vera Knoblauch， et al.Cir-cadian and wake-ependent modulation of fastest and slovest reaction times during the psychomotor vigilance tasks ［J］.Physiology&Behavior， 2004 （80）：695-701.

［5］（美）伯勒斯著，丙国胜，程正兴，王文译.小波与小波变换导论［M］.北京：电子工业出版社，2013.

［6］杨渝书，姚振强，李增勇.心电图时频域指标在驾驶疲劳评价中的有效性研究［J］.机械设计与制造，2002（5）：94-95.

［7］李佳玉，王仲民，邓三鹏，等.基于生理信号的疲劳驾驶研究［J］.机械工程师，2015（12）：25-26.