基于转向盘转角的疲劳驾驶检测方法研究

刘　军　王利明　聂　斐　袁　俊　程　伟

（江苏大学，镇江212013）



基于转向盘转角的疲劳驾驶检测方法研究

刘军王利明聂斐袁俊程伟

（江苏大学，镇江212013）

【摘要】为监测驾驶人员的疲劳驾驶行为，提出了基于转向盘转角的疲劳驾驶检测方法。该方法利用角度传感器MLX90316采集转向盘转角数据，并从采集的转角数据中提取出了能描述驾驶员疲劳状态的角度标准差和静止百分比，根据角度标准差和静止百分比建立疲劳状态判别模型对驾驶员疲劳状态进行检测。实车试验表明，该方法能够简单、快捷地判断驾驶员的疲劳状态，准确率达到80.3％。

1　前言

据调查统计显示，在造成交通事故的众多不良驾驶行为中，疲劳驾驶是最普遍而且后果最为严重的行为［1］。对驾驶人员的疲劳驾驶行为进行监测报警，对于预防和控制道路交通事故，以及提高驾驶人员对道路交通系统的安全意识有着重要意义［2］。

目前，对于疲劳驾驶的检测方法主要有基于计算机视觉和视频图像处理的非接触式检测方法、基于车辆行为的检测方法、基于驾驶人员生理指标的检测方法等［3～6］，但这些方法存在检测过程繁琐、算法复杂、易受个体和实际环境影响等问题，无法快捷、简便地实现对疲劳驾驶的检测。为此，本文提出了基于ZigBee的车载疲劳驾驶状态检测方案，根据方案架构了驾驶员疲劳驾驶检测系统，利用转向盘状态预测驾驶人员的疲劳状态，并通过仿真试验对该方法的准确性进行了验证。

2　检测方案与识别方法

2.1检测方案

疲劳驾驶检测系统采用非接触式的绝对转角传感器MLX90316进行转向盘转角数据的采集，将采集到的数据通过CAN总线发送给上位机，上位机通过对采集数据进行实时处理和分析建立驾驶员疲劳模型，用以判别驾驶员的疲劳状态。疲劳驾驶检测系统架构如图1所示。

图1　疲劳驾驶检测系统架构示意

2.2疲劳驾驶检测过程

疲劳驾驶检测过程为：首先采集转向盘转角数据并进行分析处理，提取能描述驾驶员疲劳状态的转向盘角度变化特征，然后利用提取的特征建立判别模型来对驾驶员疲劳状态进行分类。

3　疲劳驾驶检测实现

3.1数据采集与预处理

在疲劳驾驶检测系统中，主要利用单片机MC9S08DZ32上的模块SPI和角度传感器MLX90316进行数据传输，此数据传送方式具有信号不易受干扰、传送较稳定的优势。单片机以主机的身份接收角度传感器MLX90316传输的数据，并将该数据转变为对应的转动角度，通过CAN总线将角度数据传送到整车的CAN总线网络中。

3.2疲劳驾驶时转向盘动作特征分析

通过实车道路试验获取转向盘转角与驾驶员工作状态的关系，以研究能描述驾驶员疲劳状态的转向盘动作特征。在进行实际道路驾驶试验前，首先要保证驾驶员处于淸醒状态，实车试验从驾驶员十分清醒状态开始,直到进入非常疲劳状态结束。图2为实车试验时驾驶员在不同工作状态下典型的转向盘转角波形。

图2　转向盘转角与驾驶员工作状态关系曲线

由图2a可看出，在清醒状态下，驾驶员操控转向盘的转动角度均匀变化，修正转向盘的频率很频繁,而且转向盘的修正幅度相对较小；由图2b可看出，驾驶员对转向盘的修正频率相对降低，修正幅度变大，表明驾驶员已处于疲劳状态；由图2c可看出，驾驶员对转向盘的修正频率进一步降低，转向盘转角甚至出现一段时间的持续不变现象，之后转向盘转角又出现了一个大幅度快速波动，这可能是由于此时驾驶员突然发现车辆偏离车道线后采取了紧急修正，这表明驾驶员已处于非常疲劳状态。

由上述分析可知，对转向盘修正频率的降低及大幅度的修正是驾驶员处于疲劳状态下操作转向盘的两个主要特征，其持续时间在4～20 s之间。

3.3疲劳驾驶判别指标提取

基于上述分析，选取转向盘转角的角度标准差和静止百分比两个指标来表示转向盘转角变化的特征，用以判别驾驶员工作状态。角度标准差可直接表征转向盘转角变化的幅度，而静止百分比可表征转向盘转角变化角速度及角度变化频率。但是这两个指标中单独一个无法表现出转向盘转角变化所有信息，所以提取这两个指标来共同表示转向盘转角变化的特征。

静止百分比定义为：

式中，F为静止百分比，表示修正转向盘的频率变化；M为指定基准时间内角速度的总采样点数；m为总采样点中转向盘转动角速度小于设定阈值的点数，本文中阈值为±0.1°/s。

角度标准差定义为:

式中，W为角度标准差，表示转向盘修正幅度的变化；wi为转向盘转动角速度。

驾驶员的工作状态可分为清醒、疲劳和非常疲劳3种，图3为角度标准差和静止百分比与驾驶员工作状态的关系。

由图3a可看出，驾驶员处于疲劳状态时的角度标准差与清醒状态时很接近，均为1.2°左右；而驾驶员处于非常疲劳状态时的角度标准差较大，约为2.0°,可见利用角度标准差可有效识别驾驶员是否处于非常疲劳状态。由图3b可看出，驾驶员处于清醒状态时的静止百比低于疲劳状态和非常疲劳状态时的静止百分比，仅为20％；而疲劳状态和非常疲劳状态下的静止百分比较相近，分别为35％和38％，即静止百分比可用来判断驾驶员是处于清醒状态还是非清醒状态（疲劳和非常疲劳）。因此，可利用这两项指标建立相关的数学模型来判别驾驶员的工作状态。

图3　角度标准差和静止百分比与驾驶员工作状态关系

3.4疲劳状态判别算法

线性判别分析（LDA）也被称为Fisher线性判别（FLD），其算法原理是寻找使Fisher准则达到极大值的向量作为最佳投影方向，并使投影后的样本达到最大的类间离散度和最小的类内离散度，使投影后样本具有最佳的可分离性，是一种有效的用于分类的特征提取方法。本文运用LDA建立以静止百分比和角度标准差为特征向量的线性判别算法。

利用LDA建立的线性判别模型为:

式中，S1、S2、S3为清醒状态、疲劳状态和非常疲劳状态时的线性判别函数；ai、bi、ci（i=1，2，3）为算法系数，由实际训练样本得到；p1、p2、p3为清醒状态、疲劳状态和非常疲劳状态时对应的概率。

实际操作时，将传感器测得的F和W值写入式（4）中，可以得到函数S1、S2、S3的值。对p1、p2、p3数值进行比较，其最大值所对应的状态就是LDA模型的判别结果,也就是当前驾驶员的工作状态。

疲劳状态判别模型如图4所示，包含了两个阶段，首先是特征提取，然后是线性判别分析。提取驾驶员特征时，角度标准差由传感器直接采集。在建立疲劳检测模型时选用了线性判别分析算法，相对于视频图像数据的处理来说，该模型及算法更简单、方便。

图4　疲劳状态判别模型

4　实车试验

利用实际道路条件下的车辆行驶数据对所建立的模型进行验证。试验所用车辆为别克凯越HRV两厢车，考虑到驾驶员极易犯困的时段及避免早晚高峰，试验时间为上午9时～12时和下午1时～4时，地点选择在镇江市的主要干道。试验中测试样本共300个，其中清醒状态样本为189个，疲劳状态样本为95个,非常疲劳状态样本为15个。测试样本状态是经人工主观判断所得，模型判断的结果与测试样本状态相同则认为模型判断正确，否则为误判。试验结果见表1。

表1　疲劳状态判别模型判断结果

由表1可知，经疲劳状态判别模型判断是清醒状态的有169个，判断是疲劳状态的有63个，判断是非常疲劳状态的有9个。模型中正确识别了241个，准确率达到了80.3％。同时，还存在59个误判的样本状态，其中误判最多的是将22个疲劳样本状态误判为清醒状态，将20个清醒状态误判为疲劳状态。导致误判的原因主要是在少数路况简单的直线路段进行实车试验时，无论是在清醒状态还是疲劳状态，短时间内转向盘转角变化的幅度和频率都较小，使得提取的静止百分比和角度标准差失效，从而导致误判的发生。

5　结束语

提出了基于转向盘转角的疲劳驾驶检测方法。该方法利用角度传感器MLX90316采集转向盘转角数据，通过对采集的转角数据进行处理和分析，提取出了能描述驾驶员疲劳状态的转向盘转角的角度标准差和静止百分比，并根据角度标准差和静止百分比建立了疲劳状态判别模型，利用该模型对驾驶员的疲劳状态进行了检测。实车试验表明，该方法能够较准确地判断驾驶员的疲劳状态，在不降低识别率的前提下，能够简单、快捷地对疲劳驾驶状态进行检测。

参考文献

1任晓明，薛青，郑长伟.虚拟驾驶员决策行为模型研究．计算机仿真，2012，29（10）:14～17.

2肖献强，王其东，赵永.基于信息融合的驾驶行为识别技术的研究.汽车工程，2012，34（3）:222～226．

3彭召意，周玉，朱文球.用于疲劳驾驶检测的人眼快速跟踪方法.计算机工程，2010，36（15）:191～193．

4 Zhong，YJ，DuLP，ZhangK，et al. Localized Energy Study for Analyzing Driver Fatigue State Basedon Wavelet Analysis ［C］.Proc. Int. Conf．Wavelet Anal. PatternRecogn. ICWAP R，Beijing，China，2007（4）: 1843～1846．

5 KingLM，NguyenHT，Lal SKL. Early Driver Fatigue Detec⁃tion from Electroencephalography Signals using Artificial Neural Networks. Proceedingsof the 28thIEEEEMBSAnnual International Conference，NewYorkCity，USA，2006: 2187～2190．

6李贞，冯晓毅.基于传感器技术的驾驶疲劳检测方法综述.测控技术，2007，26（4）:1～3．

（责任编辑文楫）

修改稿收到日期为2015年12月29日。

主题词:疲劳驾驶转向盘转角静止百分比角度标准差检测

Research on Fatigue Driving Detection Method based on Steering Wheel Angle

Liu Jun, Wang Liming, Nie Fei, Yuan Jun, Cheng Wei
（Jiangsu University, Zhenjiang 212013）

【Abstract】To detect driver′s fatigue driving behavior, a fatigue detection method based on steering wheel angle is proposed, which uses MLX90316 angular transducer to collect the steering- wheel angular data, from which static percentage and angular standard deviation can be extracted, thus the driver′s fatigue driving state can be detected by establishing fatigue state recognition model. The vehicle road tests demonstrate that this method can easily and quickly detect the driver’s fatigue driving state, with accuracy rate of up to 80.3％.

Key words:Fatigue driving, Steering- wheel angle, Static percentage, Angular standard deviation, Detection

中图分类号:U463.4

文献标识码:A

文章编号:1000-3703（2016）04-0042-03