汉纳森创新技术实现基于车辆运行数据检测疲劳驾驶

在交通领域，安全始终是一个重要的议题。在众多引发交通事故的原因之中，疲劳驾驶当属罪魁祸首。根据美国汽车交通安全基金会的一项调查表明：疲劳驾驶在交通事故死亡事件中占据21%的比例。因此，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证行车安全，减少交通事故具有重要意义。

目前，市面上的疲劳驾驶检测，大多是利用摄像头对准驾驶员脸部拍摄，然后基于驾驶员行为特征，例如驾驶员眨眼的频率、瞳孔的大小、眼球转动的位置来综合评判驾驶员的偏劳程度。汉纳森的大数据团队另辟蹊径，结合多年的CAN总线研究经验，研究了基于车辆运行数据的疲劳驾驶检测方法。

不用摄像头，怎么来判断驾驶员疲劳呢？

首先是数据的采集与传输。数据采集部分包括车辆的实时运行数据和疲劳预警的数据，这些数据通过网络传输到数据库中。

然后是疲劳驾驶与清醒状态的数据切分。根据疲劳预警数据将CAN数据切分为清醒样本数据和疲劳样本数据。从样本数据中提取驾驶行为特征，接着采用算法对疲劳驾驶数据进行判别。

如此，便可基于CAN采集的车辆运行数据识别出疲劳驾驶，从而可在司机驾驶过程中，对疲劳状态进行预警。

经过大量的实验数据及实践应用结果表明，基于车辆运行数据的疲劳驾驶监测方法，能够有效识别出驾驶员的疲劳状态，具备可行性和实用性。同时，本方案还具备成本低、数据可靠的优势，能够帮助商业车队及时发现驾驶员疲劳状态，管控行车风险。

《基于车辆运行数据的疲劳驾驶状态检测》是汉纳森大数据团队致力于汽车大数据研究的众多成果之一。

大数据团队自组建以来，陆续研究出了驾驶行为分析方法、公共安全事件预警方法、车辆故障预测方法、事故黑点预测方法、新能源车辆续航里程衰减模型等一系列行业内优秀的算法模型，致力于用技术护航交通安全。而这些技术成果，也已经应用于汉纳森旗下的云总线、云汽时代平台，赋能平台展现出卓越的应用成效。