CC BY
1
МЕТОДЫ И СРЕДСТВА КОНТРОЛЯ СОСТОЯНИЯ ВОДИТЕЛЯ АВТОМОБИЛЯ
Е.С. Кириллова, магистрант С.А. Сериков, д-р техн. наук, доцент
Санкт-Петербургский государственный университет аэрокосмического приборостроения
(Россия, г. Санкт-Петербург)
DOI:10.24412/2500-1000-2024-3-2-169-172
Аннотация. В статье рассматриваются актуальные вопросы, связанные с осуществлением контроля за состоянием водителя автомобиля. Отмечено, что в настоящее время разработан широкий спектр методов, которые подразделятся на физиологические, поведенческие, автомобильные. Системы, основанные на физиологии и поведении, демонстрируют высокий процент точности и надежности в режиме реального времени. Выявлено, что повысить эффективность описанных методов позволяют технологии интеллектуального анализа, такие как нейронные сети, компьютерное зрение. Сделан вывод, что интеллектуальные технологии дают возможность управлять рисками состояния водителя, связанными с усталостью и отвлечением внимания.
Ключевые слова: водитель, состояние, мониторинг, интеллектуальные технологии.
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 дорожно-транспортных 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 научно-практической 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 научно-технического 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., Петро-сянц Д.Г., Junli Xu, Jianliang Min, Jianfeng Hu, Sang Jung, Jun Wu, Yuelong Li.
Анализ методов обнаружения усталости/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 биоповеденческие 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).
Угол поворота рулевого колеса -5
Динамика о
-2
f4/
Расчет-^ У Неустойчивая работа рулевого управления
t ^anvcic звукового [VfiWU ' сигналя и
оповещения
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 безопас-
ную и лучшую мобильность.
Библиографический список
1. Катасёв А.С., Катасёва Д.В., Сибгатуллин А.А. Нейросетевая модель оценки функционального состояния водителей в системах транспортной безопасности // Электроника, фотоника и киберфизические системы. - 2023. - Т. 3, № 1. - С. 69-80.
2. Фам Т.А., Жукова Н.А., Евневич Е.Л. Распознавание опасного состояния водителя на основе факторной модели характеристик лица человека // Известия Тульского государственного университета. Технические науки. - 2021. - № 10. - С. 640-645.
3. Козин Е.С., Базанов А.В. Система идентификации водителя транспортного средства на основе биометрических данных // Интеллект. Инновации. Инвестиции. - 2020. - № 4. -С.133-142.
4. Qijie Zhao, Junye Jiang. Detection method of eyes opening and closing ratio for driver's fatigue monitoring // IET Intelligent Transport Systems. - 2020. - Vol. 15, Iss. 1. - Р. 23-29.
METHODS AND MEANS OF MONITORING THE CONDITION OF A CAR DRIVER E.S. Kirillova, Graduate Student
S.A. Serikov, Doctor of Technical Sciences, Associate Professor St. Petersburg State University of Aerospace Instrumentation (Russia, Saint-Petersburg)
Abstract. The article discusses current issues related to monitoring the condition of a car driver. It is noted that a wide range of methods have now been developed, which are divided into physiological, behavioral, and automotive. Systems based on physiology and behavior demonstrate a high percentage of accuracy and reliability in real time. It has been revealed that intelligent analysis technologies, such as neural networks and computer vision, can improve the efficiency of the described methods. It is concluded that intelligent technologies make it possible to manage the risks of driver condition associated with fatigue and distraction.
Keywords: driver, condition, monitoring, intelligent technologies.
