導(dǎo)語：2023年8月18日，由公安部道路交通安全研究中心、中國道路交通安全協(xié)會聯(lián)合開展了2024年中國道路交通安全創(chuàng)新與合作大會(以下簡稱“創(chuàng)新與合作大會”)論文征集工作。言究社特此推出創(chuàng)新與合作大會優(yōu)秀論文專題展播，集中展示各位行業(yè)優(yōu)秀工作者在進(jìn)一步提升交通安全管理水平，促進(jìn)交通安全事業(yè)可持續(xù)發(fā)展工作中涌現(xiàn)出的新技術(shù)、新理念，歡迎大家持續(xù)關(guān)注！本期為大家推送的是山東省公安廳交通管理局崔維國分享的《基于多源數(shù)據(jù)省市一體高速公路全車型疲勞駕駛監(jiān)測預(yù)警干預(yù)模型研究》。

疲勞駕駛會影響駕駛?cè)说姆磻?yīng)速度、注意力和判斷能力，據(jù)統(tǒng)計(jì)，我國每年因疲勞駕駛直接引發(fā)的道路交通事故占全國交通事故總量的21%，疲勞駕駛事故死亡率高達(dá)83%，可見，疲勞駕駛是造成群死群傷交通事故的重要因素之一。本文以山東省為例，從多源數(shù)據(jù)匯聚分析、分級分類模型構(gòu)建、模型數(shù)據(jù)處理判定流程、干預(yù)措施和結(jié)果處理四個方面對省市一體高速公路全車型疲勞駕駛監(jiān)測預(yù)警展開研究，建立了2個大類、4個等級的8個模型，對多源數(shù)據(jù)碰撞進(jìn)行分析，以實(shí)現(xiàn)準(zhǔn)確識別高速公路全車型的疲勞駕駛行為，供參考。

一、疲勞駕駛行為檢測方法的相關(guān)研究

徐松等在《疲勞駕駛檢測技術(shù)研究綜述》一文中提出，疲勞駕駛的檢測方法包括自我評價(jià)、反饋應(yīng)答、面部視頻專家分析法的主觀評價(jià)和基于生理信息、操控行為、行車狀態(tài)、機(jī)器視覺、多源信息融合的客觀度量方法。法比奧等在《基于機(jī)器學(xué)習(xí)技術(shù)的駕駛員分心實(shí)時(shí)檢測系統(tǒng)》中對疲勞駕駛行為的檢測方法進(jìn)行了詳細(xì)介紹，其中，基于生理信息的檢測是使用生理傳感器實(shí)時(shí)監(jiān)測駕駛?cè)说纳頎顟B(tài)，如心率監(jiān)測器、腦電圖儀等；基于行車狀態(tài)的檢測信息包括車輛變道、方向盤轉(zhuǎn)動幅度以及車輛的動態(tài)信息；基于機(jī)器學(xué)習(xí)的檢測是通過攝像頭監(jiān)測駕駛?cè)说拿娌勘砬?、眼睛狀態(tài)，提取出與疲勞相關(guān)的特征，如眼睛閉合時(shí)間、眨眼頻率等。黃淑兵等在《基于卡口行車軌跡的疲勞駕駛車輛分析算法研究》中提出一種基于卡口行車軌跡的疲勞駕駛車輛分析算法，從全國機(jī)動車行駛軌跡庫中抽取目標(biāo)車輛的歷史通行軌跡記錄，經(jīng)計(jì)算提取經(jīng)常疲勞駕駛線路集合以及疲勞駕駛違法行為的高發(fā)點(diǎn)位。牛毅等在《基于數(shù)據(jù)挖掘的高速公路貨車交通事故影響因素關(guān)聯(lián)分析研究》中針對高速公路的貨車交通事故數(shù)據(jù)，利用社會網(wǎng)絡(luò)分析法、Apriori關(guān)聯(lián)算法和可視化分析等技術(shù)對發(fā)生時(shí)間、事故形態(tài)、事故地點(diǎn)（樁號）和事故原因等因素深層次分析。崔晉皓等在《基于人眼特征的疲勞駕駛狀態(tài)檢測方法》中提出了一種基于人眼特征的駕駛疲勞狀態(tài)檢測方法，借助實(shí)時(shí)眨眼檢測算法及數(shù)據(jù)分類方法分析了眼部特征，通過實(shí)車試驗(yàn)采集了多種駕駛疲勞狀態(tài)檢測的常用指標(biāo)，并對比分析了各指標(biāo)與駕駛?cè)似诔潭鹊南嚓P(guān)性。張博熠等在《基于眼嘴狀態(tài)識別網(wǎng)絡(luò)的疲勞駕駛檢測》中提出了一種結(jié)合多特征融合與狀態(tài)識別網(wǎng)絡(luò)的疲勞駕駛檢測方法，識別眼嘴狀態(tài)，并對雙眼開合狀態(tài)和嘴部是否哈欠進(jìn)行識別。

綜上所述，目前國內(nèi)外對疲勞駕駛的客觀監(jiān)測方法主要分為三種：第一種需要駕駛?cè)伺宕髟O(shè)備測量其生理特征，如腦電信號、心電信號、脈搏等，這種方法檢測疲勞駕駛準(zhǔn)確度高，但是成本高且有可能影響駕駛；第二種依賴于圖像檢測，檢測駕駛?cè)说难蹌犹卣?、瞳孔大小、眨眼頻率等，這種檢測方法受周圍環(huán)境和攝像頭位置影響較大；第三種通過提取車輛的運(yùn)行狀態(tài)，包括時(shí)間、地點(diǎn)、車速、轉(zhuǎn)彎等數(shù)據(jù)，生成用于疲勞駕駛的模型。然而，疲勞駕駛是一個動態(tài)累計(jì)的過程，其取證、認(rèn)定、查處都具有較高的難度，與普通違法行為不同的是，單個地市無法通過傳統(tǒng)的斷面式取證設(shè)備以及轄區(qū)自身數(shù)據(jù)進(jìn)行有效監(jiān)測，這給交通管理帶來了巨大困擾。當(dāng)前疲勞駕駛行為分析一般只針對安裝了行駛記錄儀的12噸以上大貨車，未延伸到其他車型的監(jiān)測預(yù)警。加強(qiáng)對疲勞駕駛檢測是保障交通安全、降低事故風(fēng)險(xiǎn)、提升駕駛?cè)斯ぷ髻|(zhì)量等多方面的重要舉措，它不僅涉及人的生命安全，也直接牽扯到財(cái)產(chǎn)安全和社會公共利益。因此有必要進(jìn)行更深入的研究。

二、疲勞駕駛行為監(jiān)測預(yù)警干預(yù)模型的研究思路

為實(shí)現(xiàn)省市一體高速公路全車型疲勞駕駛行為的監(jiān)測預(yù)警干預(yù)，本文按照“數(shù)據(jù)融合治理—全車型疲勞駕駛模型構(gòu)建—全省數(shù)據(jù)分級分類及下發(fā)—疲勞駕駛車輛預(yù)警干預(yù)攔截和安全引導(dǎo)”的流程思路展開研究，技術(shù)框架圖如圖1所示。

圖1 總體設(shè)計(jì)框架圖

在數(shù)據(jù)融合治理階段，匯聚多網(wǎng)多源數(shù)據(jù)10余類，對重復(fù)數(shù)據(jù)、無效數(shù)據(jù)、錯誤數(shù)據(jù)等進(jìn)行篩選過濾，并建立數(shù)據(jù)標(biāo)準(zhǔn)體系，對數(shù)據(jù)統(tǒng)一轉(zhuǎn)換；在全車型疲勞駕駛模型構(gòu)建階段，對影響疲勞駕駛的相關(guān)因素進(jìn)行綜合分析，結(jié)合連續(xù)行駛4小時(shí)休息不足20分鐘涉嫌疲勞駕駛、生理上涉嫌疲勞后駕駛等要素，全面了解疲勞駕駛發(fā)生的原因和影響因素，構(gòu)建了8個研判子模型；在全省數(shù)據(jù)分級分類及下發(fā)階段，通過8個研判子模型的數(shù)據(jù)分析，根據(jù)影響因素置信度與預(yù)警結(jié)果，將預(yù)警信息進(jìn)行分級分類，劃分為2大類、4個等級，并及時(shí)下發(fā)到各交警支隊(duì)；在疲勞駕駛車輛預(yù)警干預(yù)攔截和安全引導(dǎo)階段，構(gòu)建目標(biāo)車輛路徑分析預(yù)測子模型和時(shí)空到達(dá)預(yù)測子模型，對識別出疲勞駕駛嫌疑的車輛進(jìn)行誘導(dǎo)提醒、布控?cái)r截，如圖2所示。

圖2 監(jiān)測識別出的疲勞駕駛車輛

多源數(shù)據(jù)匯聚分析

收集衛(wèi)星定位、ETC過車、卡口過車、手機(jī)信令、路網(wǎng)、路況、氣象、執(zhí)法站、車駕管、誘導(dǎo)屏等10余類數(shù)據(jù)，將數(shù)據(jù)中的重復(fù)數(shù)據(jù)、錯誤數(shù)據(jù)和時(shí)空過大的數(shù)據(jù)進(jìn)行篩選過濾，并通過填充、插值等算法對缺失數(shù)據(jù)進(jìn)行處理。獲取車輛在道路上行駛的實(shí)時(shí)位置，將涉嫌疲勞駕駛數(shù)據(jù)中的位置描述相關(guān)信息通過逆地理編碼服務(wù)轉(zhuǎn)換到路網(wǎng)上，再通過卡口數(shù)據(jù)與GPS數(shù)據(jù)、ETC數(shù)據(jù)進(jìn)行實(shí)時(shí)的數(shù)據(jù)校驗(yàn)，比對車輛捕獲時(shí)間，獲取車輛最近一次確切位置。將數(shù)據(jù)縮放到特定的范圍或分布，定義疲勞駕駛特征標(biāo)簽并提取出有用的特征，如行駛時(shí)間段、平均速度、持續(xù)時(shí)間等，轉(zhuǎn)換為可用于建模的特征向量。

采用聚類和分類算法將數(shù)據(jù)分成預(yù)定義的類別，采用關(guān)聯(lián)規(guī)則挖掘識別多源數(shù)據(jù)集中關(guān)聯(lián)項(xiàng)集，采用Apriori等算法分析疲勞駕駛行為的頻繁項(xiàng)，綜合車輛歷史軌跡數(shù)據(jù)、車型、道路限速值等數(shù)據(jù)，訓(xùn)練車輛軌跡預(yù)測算法和路徑規(guī)劃預(yù)計(jì)到達(dá)算法。根據(jù)業(yè)務(wù)需求，將數(shù)據(jù)集分成訓(xùn)練集和測試集，選擇合適的建模方法，如線性回歸、決策樹、深度學(xué)習(xí)等算法，以便于訓(xùn)練模型，并在測試集上進(jìn)行模型性能評估。

分級分類模型構(gòu)建

基于多網(wǎng)、多源異構(gòu)數(shù)據(jù)建立了2大類、4個等級的8個監(jiān)測模型及1個攔截查處模型，實(shí)現(xiàn)了高速公路全車型的疲勞駕駛行為監(jiān)測預(yù)警干預(yù)，工作流程如圖3所示。

圖3 工作流程圖

? 分析結(jié)果的分級分類管理：根據(jù)實(shí)際業(yè)務(wù)需求，將疲勞駕駛分為涉嫌疲勞駕駛和生理上涉嫌疲勞后駕駛兩大類，結(jié)合危險(xiǎn)程度又分為兩個級別。具體如下：

（1）甲類：涉嫌疲勞駕駛車輛（連續(xù)行駛4小時(shí)且中途休息時(shí)間小于20分鐘的車輛）。按照準(zhǔn)確率又分為甲類一級（置信度高）和甲類二級（置信度一般）。

（2）乙類：生理上涉嫌疲勞后駕駛的車輛（行程超過6個小時(shí)或夜間22時(shí)至次日4時(shí)高頻次通行高速公路的藍(lán)牌綠通車）。按照不同車輛類型又分為乙類一級和乙類二級，乙類一級是指從省外進(jìn)入山東省且行程超過6小時(shí)的全部車輛；乙類二級是夜間22時(shí)至次日4時(shí)高頻次通行高速公路的藍(lán)牌綠通車。

? 涉嫌疲勞駕駛分析模型：結(jié)合上述數(shù)據(jù)進(jìn)行模型搭建，通過反復(fù)測試驗(yàn)證，目前已建立8個監(jiān)測模型及1個攔截查處模型，具體如下：

（1）甲類一級：數(shù)據(jù)匯聚去重后實(shí)施下發(fā)。模型1（ETC數(shù)據(jù)）：主線門架時(shí)間和省內(nèi)高速公路收費(fèi)站入口時(shí)間差大于4小時(shí)且相鄰門架的通行時(shí)間均小于20分鐘的車輛；模型2（手機(jī)信令數(shù)據(jù)）：車主電話與車輛伴隨且在高速公路上連續(xù)行駛4小時(shí)的車輛；模型3（12噸貨車定位數(shù)據(jù)）：數(shù)據(jù)連續(xù)且超過1000條的車輛。

（2）甲類二級：模型4中的黃牌車輛與模型5的數(shù)據(jù)進(jìn)行碰撞，重合的數(shù)據(jù)即下發(fā)，模型4中的藍(lán)牌車輛數(shù)據(jù)單獨(dú)實(shí)時(shí)下發(fā)。模型4（ETC數(shù)據(jù)）：主線門架時(shí)間和省內(nèi)高速公路收費(fèi)站入口時(shí)間差大于4小時(shí)，但相鄰門架的通行時(shí)間存在大于20分鐘，再增加速度判斷算法進(jìn)行甄別后的車輛；模型5（12噸貨車定位數(shù)據(jù)）：定位數(shù)據(jù)不夠連續(xù)、數(shù)量小于1000條的車輛。

（3）乙類一級：數(shù)據(jù)實(shí)時(shí)進(jìn)行分析下發(fā)。模型6：進(jìn)省省界門架時(shí)間和省外高速公路收費(fèi)站入口時(shí)間差大于6小時(shí)的全部車輛；模型7：省內(nèi)主線門架時(shí)間和省外高速公路收費(fèi)站入口時(shí)間差大于6小時(shí)的全部車輛。

（4）乙類二級：數(shù)據(jù)每月進(jìn)行更新下發(fā)。模型8：每月通行高速公路的次數(shù)大于15次且通行時(shí)間在22時(shí)至次日4時(shí)之間的藍(lán)牌綠通車。

攔截查處模型如下：結(jié)合車輛歷史定位、卡口過車、布控報(bào)警等數(shù)據(jù)，對車輛常用路線進(jìn)行分析，訓(xùn)練車輛到達(dá)概率算法模型，結(jié)合路況對疲勞駕駛車輛即將到達(dá)的攔截點(diǎn)和到達(dá)時(shí)間進(jìn)行更精準(zhǔn)的預(yù)測。

模型數(shù)據(jù)處理判定流程

模型1和模型4的判定流程：（1）逐條處理門架的通行流水記錄，剔除在途時(shí)長不足4小時(shí)的數(shù)據(jù)。（2）根據(jù)入口時(shí)間、門架交易時(shí)間以及passid，讀取車輛該次通行的門架流水信息。若所有相鄰門架的交易時(shí)間間隔小于20分鐘，將被判斷為甲類一級；若任一相鄰門架的交易時(shí)間間隔大于20分鐘，會進(jìn)一步對平均速度進(jìn)行判斷，對所有門架通行數(shù)據(jù)進(jìn)行分組，每組包含5個門架，并進(jìn)行迭代計(jì)算速度；若速度小于動態(tài)值V，將被認(rèn)定為已經(jīng)休息，V會隨著里程的增加而逐漸增大。

模型2判定流程：采集連續(xù)行駛超過4小時(shí)的過車數(shù)據(jù)，使用車駕管數(shù)據(jù)、路網(wǎng)數(shù)據(jù)和手機(jī)信令定位數(shù)據(jù)比對擬合算法，判斷為甲類一級。

模型3和模型5判定流程：獲取GPS定位數(shù)據(jù)，使用SM4算法進(jìn)行數(shù)據(jù)解密，在數(shù)據(jù)初步治理階段，篩選省內(nèi)數(shù)據(jù)、重復(fù)數(shù)據(jù)，研判疲勞駕駛數(shù)據(jù)，基于卡口位置校驗(yàn)GPS位置，判斷是否有實(shí)時(shí)抓拍，如果沒有，則使用路網(wǎng)位置定位算法；如果有，則更新GPS位置信息。實(shí)時(shí)統(tǒng)計(jì)GPS位置信息，根據(jù)GPS實(shí)時(shí)計(jì)數(shù)模型，判斷是否連續(xù)大于1000條，如果是，則判斷為甲類一級，否則，判斷為甲類二級。

模型6和模型7判定流程：獲取ETC數(shù)據(jù)，使用5個一組速度研判算法，分別計(jì)算入省界門架采集時(shí)間和省外高速公路收費(fèi)站時(shí)間之差，主線門架采集時(shí)間和省外收費(fèi)站時(shí)間之差，如果大于6小時(shí)，則判斷為乙類一級，否則剔除。

模型8判定流程：獲取ETC數(shù)據(jù)，提取有綠通車標(biāo)識的數(shù)據(jù)，分別判斷高速公路通行次數(shù)是否大于15次/月，通行時(shí)間是否在晚10時(shí)到次日凌晨4時(shí)，如果“是”則判斷為乙類二級。

干預(yù)措施和結(jié)果處理

對于預(yù)警等級較低的車輛，將采取短信提示、語音呼叫或誘導(dǎo)提示的方式進(jìn)行提醒干預(yù)。而對于危險(xiǎn)等級較高的車輛，巡邏民警將根據(jù)其預(yù)計(jì)到達(dá)的目的地進(jìn)行布控?cái)r截，隨后將攔截處置結(jié)果以及涉嫌疲勞駕駛的車輛情況反饋至交通指揮中心，從而完成目標(biāo)車輛的干預(yù)處置流程。對于頻繁違法的相關(guān)企業(yè)，將進(jìn)行源頭走訪并進(jìn)行宣傳教育。

（文/山東省公安廳交通管理局 崔維國 謝書棟，本文刊發(fā)于《道路交通管理》雜志2024年第5期）

編校 | 張翼飛 王二娜

聲明：如需轉(zhuǎn)載或開白名單，請留言聯(lián)系獲取授權(quán)！轉(zhuǎn)載須在文首標(biāo)注來源交通言究社！未經(jīng)授權(quán)不得轉(zhuǎn)載！