基于大数据的疲劳驾驶交通事故预防系统

吴荣鸿，范娟纯，黄 扬，马梓凯，沈筱桐

（广东警官学院，广东 广州 510442）

随着汽车保有量的增加，每年因为交通事故伤亡人数呈上升趋势。现代人生活节奏的加快、睡觉不规律，熬夜现象严重、长时间驾驶等因素使得驾驶员精神状态不佳，注意力不集中，容易疲劳驾驶，进而导致交通事故的发生。疲劳驾驶作为交通事故的重要因素之一，如何准确高效检测疲劳驾驶是多年来各大车企制造业与交通管理部门的研究重点，通过研究一种实时精准的疲劳驾驶预警系统，以便能够警示驾驶人员改善驾驶行为，避免事故的发生。

1 绪论

1.1 研究背景

近年来，疲劳驾驶已成为社会热点话题，其导致的交通事故日益增多。某市是其所在省内发生交通伤亡事故量最多的城市，其中驾驶员因疲劳驾驶造成的违规行为正是事故发生的重要原因。

美国卡内基梅隆研究表明：机动车辆重大事故率9.1%归因于驾驶员疲劳驾驶，而夜晚疲劳驾驶重大事故率约达19.9%。英国交通研究实验室认为，驾驶疲劳导致的路面交通事故占全部交通事故的10%。研究机构曾对996名载重汽车和4 621名轿车男驾驶员跟踪调查，发现29%的驾驶员在开车时打瞌睡，其中10%的驾驶员因为疲劳导致事故。

1.2 研究意义

本系统的目的是如何减少疲劳驾驶以及疲劳驾驶事故的发生，涉及驾驶员、道路环境等多种因素。现如今社会各界对疲劳驾驶的关注度越来越高，但是疲劳驾驶的发生率却居高不下。因此需要更加高效的方法去预防疲劳驾驶以及减少疲劳驾驶事故的发生。所以文章所研究的预防疲劳驾驶以及减少疲劳驾驶相关交通事故发生的方案有很重要的研究意义。

1.3 研究思路

本系统是一个旨在利用已有的途经某地区的货车司机行驶时空数据，结合当今大数据与勤务工作结合的时代特征，针对性地根据货车司机发生疲劳驾驶违法行为的滞后性、多发性、时段性和地段性等特点处理所得的时空数据，利用统计分析得出某地区货车司机发生疲劳驾驶违法行为的时空特征，并综合考虑疲劳驾驶违反行为发生致使交通事故发生的主客观原因，用以分析出当下某地区的勤务布控优化方案，最后以该方案为理论和实践基础，以大数据思维构建可以运用于任何城地区的预防和减少疲劳驾驶交通事故的勤务系统。

1.4 研究方法

本系统旨在利用已有的途经某地区的货车司机行驶时空数据，结合大数据分析手段，对研究前期整理的时空数据进行细致分析，以数据得出疲劳驾驶的规律。本系统进一步研究了，某地区货车司机发生疲劳驾驶违法行为的时空特征，发现了货车司机发生疲劳驾驶违法行为的滞后性、多发性、时段性和地段性等多种特性。

1.5 相关研究综述

第一，预警预防措施的不当。国内多篇文章描述的预警预防措施只是短暂地停留在如何提醒驾驶员疲劳驾驶，单纯的语音提示可能不够，介于一般驾驶员重度疲劳时可能精神已经反应不过来，应在预警方式采用一种强硬的手段进行防控，比如安装一种检测疲劳驾驶的工具，当检测到驾驶人疲劳驾驶时，让其强制休息，防止驾驶员发生意外，减低风险，或者根据事故多发地安排多一点的执法人员。

第二，驾驶对象不明确。有些研究对象放在军队驾驶员和日常道路上的司机上，没有考虑驾驶对象的分别，这样分析的结果没有特定性，而且没有考虑到不同的驾驶员心理承受能力不同，军队的驾驶员通过日复一日的训练和提升，比一般人在面对疲劳驾驶的情况会有不同的反应。

第三，制作成本高，没有考虑技术普及。介于社会资源投入成本少，大多预防疲劳驾驶的技术的提高没有考虑零件和材料的成本，不能让社会普及使用，并且相关企业属于小众品牌，政府投入支持少，资金链不稳定，规模效应弱，开发成本居高不下，远远达不到能够全社会广泛普及的程度。

第四，缺少对客体的分析。这些文章虽然细致入微地对驾驶人的精神状态进行监测，从而达到提醒驾驶者疲劳状态来预防发生交通事故的效果。但是疲劳驾驶的发生不仅有主体方面的因素，更受客体各方面的因素影响。片面的研究会使在使用这个课题去解决现实中的疲劳驾驶问题时不能完全发挥出最大的效果，从而导致文章的实用性价值大大减少。

2 疲劳驾驶

2.1 疲劳驾驶定义

驾驶疲劳，是指驾驶人在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象。这里的疲劳是指驾驶员24 h内驾车超过8 h或单次连续驾车超过4 h或者从事其他劳动体力消耗过大或睡眠不足，以致行车中困倦瞌睡、四肢无力，不能及时发现和准确处理路面交通情况。

2.2 疲劳驾驶原因

引起疲劳驾驶的因素是多方面的，其存在滞后性、多发性、时段性和地段性等多种特性。从主观因素分析，驾驶人作为疲劳驾驶的主体，在驾驶人这方面存在的问题十分多样化，包括了个人观念、驾驶经历、休息因素、驾驶时长、驾驶路程、个人习惯、身体条件七个大点。其中个人观念和身体条件是最大的两个板块，也即是在主体方面上与发生疲劳驾驶关系最为密切的因素。

引起疲劳驾驶的客体因素由车辆情况、驾驶时段、路况因素、设施因素、他人因素、社会因素六大点组成。其中车辆情况和社会因素是其中最大的两个板块，也即是在客体方面上与发生疲劳驾驶关系最为密切的因素。

通过主客观因素综合对照对疲劳驾驶事故进行深入分析，综合统计结果显示的引发因素为生活环境、睡眠质量、车内环境、车外环境、运行条件、身体条件、驾驶经历、夏季行车容易导致疲劳和高速行车容易导致疲劳驾驶九点因素。

2.3 疲劳驾驶数据分析

数据主体的选择是某地区内1 700多个于一定时间内途经该地区的疲劳驾驶货车司机驾驶时间和在国省道行驶的行驶过程数据。

通过疲劳驾驶司机的行驶过程中正常行驶的开始时间、由正常驾驶进入疲劳驾驶的开始时间和行驶行程的结束时间（同时也是疲劳驾驶的结束时间），在空间选择的限制条件下，决定根据该地区的五个边界地点，截取货车司机发生疲劳驾驶违法行为的开始时间和结束时间。根据数据的特点，决定将数据分类为空间数据和时间数据进行系统性的整理。

根据货车司机发生疲劳驾驶违法行为的地段性和某地区货车司机发生疲劳驾驶违法行为的地域性特征，本系统将1 700多个货车疲劳驾驶数据进行分类；从方向上分为东西行、从地点上进行归类整理，得出疲劳驾驶高发路段。

根据路段进行统计，得出疲劳驾驶车辆经过路段的数量，便可以知道哪个路段为疲劳驾驶高发路段。

根据货车司机发生疲劳驾驶违法行为的时段性对数据进行整体分析（周）和单体分析（天），并细化到一天的早中晚甚至以半小时为单位进行分析。

2.4 疲劳驾驶数据特征

2.4.1 发生疲劳驾驶时间分布特征

疲劳驾驶24 h分布。受到人们生产生活行为的周期性变化影响，国省道交通量在一天24 h中各不相同发生疲劳驾驶的集中程度也有所不同。一天中发生疲劳驾驶有高峰期和平峰期之分，涉疲劳驾驶的道路交通事故相应也存在多发时段。

疲劳驾驶星期分布。受到工作日与周末的周期性变化影响，疲劳驾驶在一个星期中发生的次数也不尽相同。一个星期中也有次数多少之分，涉疲劳驾驶交通事故也相应有所不同。

2.4.2 发生疲劳驾驶空间分布特征

疲劳驾驶某地区内各路段区间分布。受到各路段区间的路况不同、驾驶环境和驾驶员等情况影响，某地区内国道、省道疲劳驾驶发生次数也有所不同。在某地区内路段发生疲劳驾驶有高发路段与较少路段之分，涉疲劳驾驶的道路交通事故也存在相应高发路段。

某地区内全路段东西分布。某地区内国道、省道主要为东西走向，受运输量、起始地址、行驶长度等影响，某地区内国道、省道全路段东行与西行发生疲劳驾驶的次数也有所不同。

2.4.3 发生疲劳驾驶时间与空间分布特征

星期内疲劳驾驶某地区各路段区间分布。受货物集散时间不同、所经路段不同等因素影响，一周内各路段区间发生疲劳驾驶的次数也有所不同。

3 基于大数据的疲劳驾驶交通事故预防系统

3.1 构建思路

本系统将时间与空间相结合，力求创造出一个以理论和实践为基础、以大数据思维为框架、以数据为内容的可以预防和减少疲劳驾驶交通事故的方案。本系统拟建立的疲劳驾驶交通事故预防系统由四个端口组成，分别是负责数据录入的前端、负责整理和分析数据的分析端、负责转化数据的系数端和发放方案的方案端，各端口由提取和转化数据的数据链条链接。

3.2 预设方案建设

3.2.1 前端获取

数字可视化的前提在于数据的前端获取。本系统根据疲劳驾驶违法行为发生的一般规律，把要获取的数据类型按照疲劳驾驶的主体分为了驾驶员、行驶车辆和道路等数据，不同类型的数据来源于不同的数据前端，如货运车辆的行驶数据通过GPS定位技术来获取，或者通过相关的机动车行程管理云平台来提取数据，交通管理部门亦可以提取如货运车辆的年检信息、道路交通设施建设情况和驾驶员的相关信息等。

3.2.2 分析端

本端口主要由数据链和数据分析端组成，数据的整理和分析是本系统中数据转化为系统系数的前提，因此本端口的主要内容为前端数据转化为系数所需数据的算法。当驾驶员驾驶时间超过规定驾驶时长，系统将会对该驾驶员的相关数据进行收集并传输至方案端。

3.2.3 方案端

本端口根据从系数端所得单次疲劳驾驶行为的系数构成，从方案库抽取对应方案，进行合理性和逻辑性编写后形成单次疲劳驾驶行为预防和解决方案，随即发送至移动端口。

在获得了一定数据的基础上，本系统通过对导致疲劳驾驶的各因素拟以危险系数的形式，将危险系数分为静态系数和动态系数，又根据疲劳驾驶诱使交通事故发生的原因及其主体扩展，从人、车、路三个角度对行车过程中各种影响行车的因素进行量化，当系统提取相关数据，会按照设置完毕的系数进行统计，通过相加计算后，如果发现超过阈值则发出警告，并执行相关预案。

3.2.4 勤务布控

本系统构建的是实时监控、实时布控的疲劳驾驶交通事故预防系统。通过实时的危险系数监控，执法人员可以迅速地精准布控，预防疲劳驾驶相关交通事故的发生。

其次，根据建立的系统，可以从静态系数看出某城地区内道路交通的常况，该地执法人员亦可以根据静态系数所产生的原因去直接完善相关的基础设施，降低该地的静态系数，以降低最终的危险系数。

根据此大数据服务平台，执法人员可通过该系统将数据可视化，清晰地了解某地区货车司机行驶过程中所有某时某路段下危险系数的高低。对疲劳驾驶多发时间加强监管，对疲劳驾驶的高发路段进行设点查车。运用多种方法对疲劳驾驶多发的重点时间与路段进行管理，减少疲劳驾驶及其相关事故的发生，加强执法人员办事效率。

3.3 反馈修正机制

3.3.1 人工反馈

当使用者执行完该系统的布置方案后，系统会向执法人员发出问卷，判断是否准确。如果不准确，需要使用者填写具体出错部分，包括地点、时间、车辆类型、是否违法等情况。反馈完毕后，运行者会根据反馈情况进行系统判定的排查。

3.3.2 系统反馈

系统反馈是根据数据波动而对系统本身做出指向性修正的参考，通过系统反馈模块为系统修正、警示和总结等方面提供有效指导。本系统的系统反馈模块分为路段疲劳驾驶异常波动警示板块、路段疲劳驾驶高发警示板块、月度治理总结和方案修正警示四个模块。

4 结语

文章主要以研究预防货车司机疲劳驾驶为例，对某市司机的疲劳驾驶行为进行研究。通过将疲劳驾驶司机的车辆数据与某市的道路分布情况进行分析，分析出其特点以及规律，并提出如何构建预防疲劳驾驶行为的系统方案思路，提供一种新的预防思路参考。

在未来，随着车载探测技术和路面探测技术不断发展，各种现有问题不断被解决，再者还可以结合其他智能科技技术，对预防和发现疲劳驾驶方式做出良好改进，降低甚至杜绝相关交通事故的发生。