基于手机分心驾驶行为的综述
2020-10-30郄光春
郄光春
摘 要:驾驶员分心驾驶是造成交通事故的主要原因,随着我们对手机的日益依赖,因为手机而造成的分心占比有所增加。本文通過对国内外关于针对手机分心驾驶行为的文献研究,整理了常用的调查研究方法,归纳了国内外手机分心驾驶对驾驶安全影响的结论,最后也总结了关于分心驾驶监测和预警的成果。
关键词:驾驶时使用手机;分心驾驶;车辆行驶特征
1引言
驾驶使用手机十分危险,并且正日渐成为引发道路交通事故的重要原因,分心驾驶的同时,危害的不仅是分心的驾驶员自身,还有任何其他道路使用者。NHTSA国民统计和分析中心从2005年7月3日至2007年12月31日进行了国家监测和评估中心的工作。在碰撞现场对碰撞进行了调查,以收集与碰撞事件相关的驾驶员、车辆和环境信息,重点是驾驶员的角色。根据美国国家公路交通安全管理局(NHTSA,2016)的数据,美国每年大约有3.5万起致命的驾驶事故,造成的经济损失为2420亿美元,社会损失为8360亿美元。与此类驾驶死亡相关的一个危险因素是驾驶员注意力分散(NHTSA,2014)。
2 手机分心驾驶研究理论概述
2.1 国外关于手机分心驾驶行为规律的研究
2.1.1 国外研究手机分心驾驶的方法概述
关于分心驾驶的相关研究,一般都以访谈、调查问卷和模拟演练的形式进行。Despina Stavrinos等在2013年利用驾驶模拟器对75名参与者(青少年和年轻人)的行为(即手机,短信,和不分心)和驾驶条件(即自由流、稳定流、过饱和)进行了研究调查。结果表明,分心驾驶,特别是短信,可能导致安全性和交通流量下降,从而对交通运行产生负面影响。而且各年龄组之间未发现显著差异,这表明所有驾驶员,无论年龄大小,都可能在分心时以一种影响安全和交通流量的方式驾驶。David G.Kidd等通过路边观察调查的形式对比2014年和2018年北弗吉尼亚州驾驶员分心驾驶来源的变化。结果表明,2014年至2018年,手机总使用量没有显著差异。与2014年相比,2018年持有手机的可能性显著降低,而操纵手机的可能性显著增加。在2014年和2018年,约有14%的司机有非手机第二行为。Sahar Hassani等在2016年对444名大学生进行分心驾驶的研讨会,然后对他们在研讨会前和研讨会后的调查问卷进行对比。结果表明,该研讨会成功地改善了分心驾驶相关的态度、知识和行为,但仍需努力维持(和评估)长期效果。这种方法操作简单,成本相对较低,在分心驾驶行为调查领域得到广泛应用。
2.1.2 国外研究手机分心驾驶对驾驶安全影响概述
根据NHTSA 数据显示,关键原因是事故因果链中的最后一个事件,94%的事故(2.2%)归咎于驾驶员。在被指定关键原因的大约2,046,000名驾驶员中,识别错误,包括驾驶员注意力不集中、内部和外部干扰以及监控不充分,是最常见的关键原因(41% 2.2%);大约33%(3.7%)的撞车事故是由于决策失误造成的,如驾驶速度过快、转弯速度过快、错误假设他人的行为、非法操纵以及对空档或他人速度的误判;在大约11%(2.7%)的碰撞中,关键原因是性能错误,如补偿过度、方向控制不佳等。Despina Stavrinos等研究发现在使用手机通话时,参与者会表现出高速公路低效率的行为特征,包括变道频率降低、变道时车辆之间的距离增大(滞后距离)、跟随距离增大、行驶速度降低以及完成驾驶的时间增加。其中,在所有测量变量中,短信对安全和交通流(不考虑服务水平)的负面影响最大。与使用手机相比,在不分心的情况下,车道偏离增加,这可能是无聊造成的,也可能与冒险驾驶有关。
2.2 国内关于手机分心驾驶行为规律研究
2.2.1 国内研究手机分心驾驶的方法概述
国内对分心驾驶行为的研究方法和国外的大同小异,但随着技术的发展,模拟实验也成为了研究的一个重要途径。张辉等在2018年分析了常态下不同交通环境中分心驾驶对驾驶行为及视觉行为的影响。设计分心驾驶模拟实验,采集了驾驶人在自由流和拥挤流场景中正常驾驶过程执行免提手机通话和微信语音短信时车辆运动状态和驾驶人视觉行为数据并进行分析。并在此基础上提出了基于AdaBoost-GA-BP组合算法的驾驶人分心状态判别模型。冯建国等在2017年进行将水杯放置在危货车驾驶舱内3种常见的杯架位置处的实验,采集饮水分心驾驶和正常驾驶时的车辆运行状态数据。对车辆运行状态数据用遗传算法和粒子群算法,并得出遗传算法是对模型判别的优化算法。邢祎伦等在2018年利用微信登录调查问卷的形式获得了1352 份问卷,从日常使用手机习惯、选择使用手机的正向与负向因素以及车辆营运性质几个方面分析了驾驶人驾驶时使用手机的动机。研究发现调查参与者的日常手机使用行为明显投射到了驾驶时,包括对手机的依赖性、对手机功能的偏好、对通话方式的选择方方面面。
2.2.2 国内研究手机分心驾驶对驾驶安全影响概述
国外的研究者早期试图通过驾驶员分心行驶时的特征,建立驾驶员分心驾驶检测系统。吕爱红等在驾驶模拟器平台上模拟城市、乡镇、山区和高速公路等应激场景,采集数据。结果表明,分心驾驶导致驾驶人视觉搜索范围变窄,对加速踏板的控制能力减弱,应激反应时间增加。
3手机分心驾驶行为的检测预警概述
3.1 国外关于手机分心驾驶的检测预警概述
以色列汽车传感器开发商 Guardian 光学技术公司使用了一种能检测驾驶员头部的先进传感器,独立自动传感器系统可与汽车硬件和软件配合使用,包括安全带、安全气囊等所有内置安全系统。驾驶员可不断了解车内情况以及人员情况,从而避开因人为错误造成风险。
3.2 国内关于手机分心驾驶的检测预警概述
夏瀚笙等文中提出一种使用驾驶员的人体关键点位置信息来帮助卷积神经网络识别驾驶员是否分心驾驶的方法。通过加入人体关键点的位置信息,可以有效地使得卷积神经网络关注于驾驶员的姿态,减少背景信息的干扰。使用Alpha Pose系统获取驾驶员上半身9个关键点的坐标,利用高斯公式分别以每个关键点为中心生成热力图。热力图包含关键点位置的响应,离关键点越近的位置,响应值越大。在VGG16和Res Net50的基础上,探讨8种结构,分别将9张热力图和不同的特征图融合,作为下一个卷积的输入。实验结果表明,该方法在 State Farm 数据集上达到了94.934%的准确率,优于其他方法。
4研究的总结和展望
综合本次对国内外关于分心驾驶行为的文献研究,得出结论:国外对于分心驾驶行为的研究相对更早,前期主要通过访谈和问卷形式对不同的驾驶员进行调查,得到了大量的分心驾驶行为下驾驶员的特征,这些特征为我们研究分心驾驶行为的内在规律提供了依据。随着技术的发展,国外也采取了摄像机、GPS、雷达和传感器等先进工具研究分心驾驶,进而得到了更为详细的分心驾驶行为下驾驶员的特征和车辆的行驶特征。基于这些数据,国外正尝试在车内安装检测系统,利用 AI 传感器对驾驶员的信息进行实时反馈,进而实现对分心驾驶、疲劳驾驶有效的检测和预警,提高道路行车安全。
参考文献
[1] 张辉.分心驾驶行为对交通安全影响机理与建模研究[D].北京交通大学,2018.
[2] 冯建国,钱大琳,罗艺,李晨.基于SVM的危货车驾驶员饮水分心判别模型[J].公路交通科技,2017,34(S2):16-22.