Методы и средства контроля состояния водителя автомобиля

Усталость за рулем - распространенное явление, связанное с длительным вождением или недостатком сна. Это серьезная потенциальная угроза для безопасности дорожного движения. Ежегодно в США происходит около 100 000 дорожнотранспортных происшествий, вызванных усталостью от вождения, в результате которых 400 000 человек получают ранения и 1550 человек погибают [1]. Исследования по обнаружению усталости вождения становятся актуальной научнопрактической задачей во всем мире.

В данном контексте, чтобы стимулировать безопасность на дорогах, водителей проверяют, контролируют их состояние и оценивают манеру вождения. Прогнозирование поведения водителя является важной частью и играет ключевую роль в разработке интеллектуальных транспортных систем.

В ходе ряда исследований ведущими компаниями-производителями было разработано и успешно внедрено несколько методик контроля состояния водителя, в частности определение сонливости и рассеянности. Для этого применялись различные аппаратные компоненты, такие как мобильная камера и датчики. Информация с гироскопа, акселерометра и глобальной системы позиционирования (GPS), полу- ченная с помощью датчиков, собирается для поиска критических закономерностей. С развитием искусственного интеллекта, Интернета вещей и компьютерного зрения появляются более усовершенствованные системы мониторинга состояния водителя и определения степени его усталости, что делает автомобили более интеллектуальными для предотвращения аварий на дорогах. Основными компонентами таких систем являются микроконтроллеры, а также некоторые датчики, такие как датчики моргания глаз, удара, датчик обнаружения алкоголя и датчики топлива. API GPS и Google Maps в свою очередь используются для отслеживания местоположения автомобиля [2].

На передовом крае научнотехнического прогресса и исследований в настоящее время находится разработка мультимодальной системы обнаружения усталости водителя, которая позволит объединить признаки его поведения особенностями вождения. Также значительный потенциал заключен в использовании алгоритмов машинного обучения для классификации данных и прогнозирования сонливости.

Таким образом, рассматриваемая проблематика на сегодняшний день является актуальной, научно и практически значи- мой, что и предопределило выбор темы данной статьи.

Динамику развития и специфику использования интеллектуальных функций безопасности, определяющих состояние и поведение водителя, описывают в своих трудах Сивов А.А., Аввакумов А.А., Сал-танаева Е.А., Куценко С.М., Петросянц Д.Г., Junli Xu, Jianliang Min, Jianfeng Hu, Sang Jung, Jun Wu, Yuelong Li.

Анализ методов обнаружения устало-сти/сонливости водителя с помощью физиологически обоснованных систем проводят в своих работах Андреев А.С., Киселева И.А., Попов А.В., Суркаев А.Л., Jinghai Yin, Jianfeng Hu, Zhendong Mu, Peng Luo, Weixing Yao, Luca Susmel, Piao Li.

Высоко оценивая работы современных авторов и накопленное научное наследие, необходимо отметить, что некоторые вопросы в данной предметной плоскости остаются открытыми и дискуссионными. Так, в более углубленной проработке нуждаются технологии мониторинга усталости, которые отслеживают биоповеденче-ские характеристики водителя, такие как активность глаз (взгляд, закрытие зрачка, закрытие глаз), волновая активность мозга, частота сердечных сокращений, положение головы и движения в режиме реального времени. Кроме того, дальнейшего развития требуют современные технологии мониторинга невнимательности водителя, которая разделяется на рассеянность и усталость.

Итак, с учетом вышеизложенного, цель статьи заключается в рассмотрении методов и средств контроля состояния водителя автомобиля.

Прежде всего представляется целесообразным отметить, что среди всех подходов и способов определения усталости физиологический метод является золотым стандартом измерений, поскольку, когда речь идет о выявлении сонливости на ранней стадии, физиологический метод обеспечивает высокий уровень точности, эффективности и надежности [3].

Физиологический подход к определению усталости использует различные биологические сигналы, а именно: электроэн- цефалографию (ЭЭГ), электрокардиограмму (ЭКГ) или вариации сердечного ритма (ВСР), электроокулограмму (ЭОГ), электромиограмму (ЭМГ), дыхательный сигнал, параметры желудочно-кишечного тракта, электродермальную активность и температуру тела. Среди этих сигналов ЭЭГ, ЭМГ, ЭКГ и ЭОГ широко используются экспертами для выявления сонливости на ранней стадии. Оценка объективных когнитивно-аттентивных признаков в ответ на внешние перцептивные стимулы становится возможной благодаря измерению физиологических сигналов. Для определения уровня внимания широко применяются биологические датчики, которые позволяют исследовать данные мозга, сердца, глаз и мышц в режиме реального времени и указывают на усталость и потерю бдительности.

Поведенческий подход к обнаружению усталости водителя опирается в основном на четыре различных категории данных, которые описывают состояние глаз, положение рта, движение рук и черты лица. В современных исследованиях чаще всего используются признаки, основанные на состоянии глаз, такие как частота моргания, PERCLOS, взгляд и частота кивания. Однако признаки, основанные на состоянии рта и лица (например, зевота и открывание рта), также являются хорошими индикаторами.

Автомобильный подход для мониторинга усталости в качестве основных признаков использует отклонение от полосы движения и угол поворота рулевого колеса (SWA). Кроме того, некоторые дополнительные показатели, такие как скорость автомобиля, распределение нагрузки на сиденье водителя и изменение давления на тормоз и акселератор, также являются хорошими индикаторами усталости водителя [4].

В целом описанные выше методы являются базовыми, однако значительную эффективность они позволяют получить при поддержке интеллектуальных, цифровых технологий. Рассмотрим несколько примеров более подробно.

Интеллектуальное оповещение водителя на основе SWA

Когда водитель устал или у него ослаблено внимание, корректирующее рулевое управление выполняется чаще, чем обычно. Интеллектуальная система помогает обнаружить нестабильное вождение, вызванное сонливостью или невнимательностью водителя.

На практике это работает следующим образом. Во время движения со скоростью 60 км/ч (37 миль/ч) или выше система отслеживает характер рулевого управления водителя. Используя датчики угла поворота рулевого колеса, интеллектуальная система рассчитывает неровность моделей рулевого управления. Также она постоянно сравнивает последующие модели вождения с базовым уровнем, используя статистический анализ ошибок коррекции рулевого управления. Если в процессе анализа устанавливается, что поведение водителя соответствует сонливости или невнимательности, основываясь на изменении плавности управления, система подает звуковой сигнал и выводит сообщение на мультиинформационный дисплей, чтобы побудить водителя сделать перерыв (см. рис. 1).

Рис. 1. Пример отслеживания плавности управления

Особого внимания, по мнению автора, заслуживают технологии искусственного зрения и анализа. Эти технология основаны на искусственном интеллекте, машин- ном обучении и компьютерном зрении. Пример интерфейса такой технологии представлен на рисунке 2.

Рис. 2. Пример технологии искусственного зрения и анализа усталости водителя

Технология компьютерного зрения обеспечивает распознавание лиц с помощью ИК-камер, геометрического картографирования и базы данных портретов. Инфракрасная камера, расположенная на приборной панели, является датчиком, который проводит эти измерения. Она находится по направлению к водителю и способна определять глаза, их состояние (% открытия глаз) и направление взгляда. Используя эту информацию, система искусственного интеллекта оценивает сонливость и рассеянность при вождении. Если установлены отклонения система монито- ринга предупреждает водителя различными тактильными сигналами.

Таким образом, сегодня существует широкий спектр методов и средств контроля состояния водителя автомобиля, которые подразделятся на три группы: физиологические, поведенческие, автомобильные. Повысить эффективность и точность результатов данных методов позволяет мультимодальное программное обеспечение на базе искусственного интеллекта, которое способно составить основу систем мониторинга водителя в современных автомобилях, обеспечивая более безопасную и лучшую мобильность.