重型货车驾驶员高速公路连续驾驶的疲劳特征分析

doi:10.12141/j.issn.1000-565X.240411

摘要/Abstract

摘要：

重型长途货车驾驶员在高速公路驾驶时易发生疲劳，威胁行车安全。为探究重型货车驾驶员在高速公路连续驾驶过程中的疲劳特征及其变化规律，特开展货车驾驶员高速公路连续驾车实车实验。使用摄录机对驾驶位进行全程监控，通过视频对驾驶员驾驶过程中观察后视镜次数、小动作次数等与疲劳程度相关驾驶行为进行统计；使用眼动仪对驾驶员驾驶过程中眨眼时间、瞳孔直径等眼部数据进行提取与计算。之后通过函数拟合、驾驶员行为特征分析、多层感知模型（MLP）构建的方法对重型货车驾驶员高速公路连续驾驶过程中的疲劳特征变化规律、疲劳特征与驾驶行为关系以及连续驾驶时间安全阈值进行研究。结果表明：货车驾驶员连续驾车时间安全阈值介于3.6~3.7 h之间；在驾驶任务过程中所产生的被动疲劳方面，依据平均眨眼时间判断驾驶员产生疲劳感在48.69%的情况下可比驾驶员出现主动疲劳干预行为提前5~15 min；重型长途货车驾驶员在连续驾驶1.5~2.0 h期间被动疲劳出现的频次减少；观察后视镜和做与驾驶无关的小动作两种行为的次数与平均眨眼时间具有相关性；使用观察后视镜次数、小动作次数与通信行为次数替代眼动指标构建多层感知器模型时，其对驾驶过程中的被动疲劳检出率可达到80.2%。该研究结果可为重型货车驾驶员疲劳的视频监测与提示以及货车行车安全性提升提供参考。

关键词: 交通安全, 驾驶疲劳, 多层感知器, 连续驾驶, 重型货车, 驾驶任务相关疲劳

Abstract:

Long-distance heavy truck drivers are prone to fatigue when driving on highways, threatening road safety. To systematically investigate the fatigue characteristics and their progression of heavy truck drivers during prolonged highway driving, an on-road driving experiment was conducted for truck drivers operating continuously on highways. Cameras were mounted to continuously monitor the driver’s seat, with driving behaviors correlated to fatigue levels-such as the frequencies of rearview mirror-checking and non-driving-related movements-quantified through video analysis. An eye tracking device was utilized to acquire and process ocular metrics-including blink duration and pupil diameter-during driving sessions. Subsequent analysis employed function fitting, driving behavior characterization, and multilayer perceptron (MLP) modeling to examine the progression patterns of fatigue characteristics during prolonged highway driving, the correlation between fatigue manifestations and driving behaviors, and safety-critical time thresholds for continuous driving duration of truck drivers. The results indicate that the safe threshold for continuous driving time for truck drivers is between 3.6 and 3.7 hours. Regarding passive fatigue generated during driving tasks, detection of fatigue onset via mean blink duration occurred 5~15 minutes prior to drivers’ active fatigue countermeasures in 48.69% of observed instances. A notable reduction in passive fatigue frequency was observed during the 1.5~2.0 h interval of continuous driving. Statistical analysis revealed significant correlations between both rearview mirror-checking frequency and non-driving-related movements (NDRMs) with mean blink duration. An MLP model constructed using the frequencies of rearview mirror-checking, NDRM occurrences, and communication behaviors as predictors without ocular metrics achieved an 80.2% detection rate for passive fatigue during driving. These research outcomes provide theoretical foundations and practical references for developing video-based fatigue monitoring systems, implementing fatigue alerts, and enhancing driving safety for heavy trucks.

Key words: traffic safety, driving fatigue, multilayer perceptron, continuous driving, heavy trucks, driving task-related fatigue

中图分类号:

U411

李琛, 陈丰, 丁文龙, 潘晓东. 重型货车驾驶员高速公路连续驾驶的疲劳特征分析[J]. 华南理工大学学报(自然科学版), 2025, 53(10): 29-39.

LI Chen, CHEN Feng, DING Wenlong, PAN Xiaodong. Analysis of Highway Driving Fatigue Patterns in Heavy Truck Drivers[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(10): 29-39.

图/表 15

图1

表1

实验途径的主要高速公路路段概况"

高速公路路段	车道数量	货车限速/（ $k m ∙ h - 1$ ）
首都环线高速（太行山高速互通-固安东）	双向四车道	80
张石高速（宣大高速互通-荣乌高速互通）	双向四车道	80
荣乌高速（津同立交桥-张石高速互通）	双向四车道	80
京台高速（永清北-津雄高速互通）	双向八车道	100
津晋高速（塘沽收费站-当城互通）	双向六车道	100

表1

表2

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

表3

模型构建变量选取"

变量代号	变量含义
$m i$	时间窗 $i$ 中观察后视镜次数 $M i$ 与本次实验均值 $M ¯$ 的比值
$g i$	时间窗 $i$ 中小动作次数 $G i$ 与本次实验均值 $G ¯$ 的比值
$Δ m i$	时间窗 $i$ 中 $m i$ 与上一时间窗 $m i - 1$ 的差值
$Δ g i$	时间窗 $i$ 中 $g i$ 与上一时间窗 $g i - 1$ 的差值
$a i$	时间窗 $i$ 中使用对讲机的次数
$b i$	时间窗 $i$ 中使用蓝牙接打电话的次数
$c i$	时间窗 $i$ 中使用微信对讲的次数

表3

图12

参考文献 27

[1]	国家统计局．2024年中国统计年鉴［M］．北京：中国统计出版社，2024.
[2]	李振明，牛毅，樊运晓，等．不同区域高速公路货车事故特征研究［J］．中国安全科学学报，2020，30（6）：121-127.
	LI Zhenming， NIU Yi， FAN Yunxiao，et al ．Research on characteristics of expressway truck accidents in diffe-rent regions［J］．China Safety Science Journal， 2020，30（6）：121-127.
[3]	沈艾中．大货车之殇——货运车辆交通事故高发的成因及对策［J］．公安学刊（浙江警察学院学报），2012，13（1）：85-87，97.
	SHEN Aizhong ．The tragedy of large trucks—the causes and countermeasures of high incidence of traffic accidents in freight vehicles［J］．Public Security Science Journal—Journal of Zhejiang Police College，2012，13（1）：85-87，97.
[4]	HYODO S， YOSHII T， SATOSHI M，et al ．An analysis of the impact of driving time on the driver’ s behavior using probe car data［J］．Transportation Research Procedia，2017，21（3）：169-179.
[5]	丁剑超，万勇征，蒋来．货车驾驶员疲劳驾驶成因分析及对策建议——以宁波舟山港集装箱运输车辆为例［C］∥ 2019年安全科学与工程技术研讨会论文集．杭州：浙江省安全工程学会，2019：196-200.
[6]	ANUND A， HLSTRÖM C， FoRs C，et al ．Are professional drivers less sleepy than non-professional drivers？［J］．Scandinavian Journal of Work，Environment & Health，2018，44（1）：88-95.
[7]	陈阳坚．高速公路重型货车与轿车驾驶疲劳评价分析［D］．哈尔滨：东北农业大学，2015．
[8]	裴玉龙，刘颖慧，翟博韬．营运长途客车驾驶员疲劳累积规律及模型研究［J］．交通信息与安全，2017，35（1）：26-34.
	PEI Yulong， LIU Yinghui， ZHAI Botao ．A study on rules of fatigue accumulation and a model of operating long-distance coach drivers［J］．Journal of Transport Information and Safety，2017，35（1）：26-34.
[9]	BOWDEN Z E， RAGSDALE C T ．The truck driver scheduling problem with fatigue monitoring［J］．Decision Support Systems，2018，110（6）：20-31.
[10]	VO S A， MIROWSKI L， SCANLAN J，et al ．Verifying driver performance for heavy haulage fatigue ma-nagement［J］．IET Intelligent Transport Systems，2019，13（6）：1033-1040.
[11]	LI Z， YANG Q， CHEN S，et al ．A fuzzy recurrent neural network for driver fatigue detection based on steering-wheel angle sensor data［J］．International Journal of Distributed Sensor Networks，2019，15（9）：1-9.
[12]	马永锋，喻铃华，陈淑燕，等．自然驾驶状态下重型工程车驾驶员驾驶稳定性分析［J］．中国公路学报，2022，35（1）：169-179.
	MA Yong-feng， YU Ling-hua， CHEN Shu-yan，et al ．Analysis of driving-stability factors for heavy-duty truck drivers under naturalistic driving conditions［J］．China Journal of Highway and Transport，2020，35（1）：169-179.
[13]	陈阳坚，孔德刚，吴灿，等．重型长途货运汽车夜间驾驶疲劳测试研究［J］．工业工程，2015，18（4）：152-156.
	CHEN Yang-jian， KONG De-gang， WU Can，et al ．A driving fatigue test of heavy long-distance freight vehicles at night［J］．Industrial Engineering Journal， 2015，18（4）：152-156.
[14]	马艳丽，裴玉龙．连续驾驶时间对驾驶特性测评指标的影响［J］．中国公路学报，2009，22（1）：84-88.
	MA Yan-li， PEI Yu-long ．Influences of continuous driving time on test indicators of driving characteristics ［J］．China Journal of Highway and Transport，2009，22（1）：84-88.
[15]	ZHOU F， ALSAID A， BLOMMER M，et al ．Driver fatigue transition prediction in highly automated driving using physiological features［J］．Expert Systems with Applications，2020，147（1）：113204/1-9.
[16]	刘馨雨，李庭燎．基于驾驶员面部特征的疲劳检测系统研究［J］．时代汽车，2023（10）：195-198.
	LIU Xinyu， LI Tingliao ．Research on fatigue detection system based on driver facial features［J］．Auto Time，2023（10）：195-198.
[17]	孙忆晨．基于视觉特征的疲劳检测算法研究［D］．北京：北京邮电大学，2015.
[18]	王勤．基于多特征信息的疲劳驾驶检测系统研究［D］．成都：西华大学，2015.
[19]	方浩杰，董红召，林少轩，等．多特征融合的驾驶员疲劳状态检测方法［J］．浙江大学学报（工学版），2023，57（7）：1287-1296.
	FANG Hao-jie， DONG Hong-zhao， LIN Shao-xuan，et al ．Driver fatigue state detection method based on multi-feature fusion［J］．Journal of Zhejiang University （Engineering Science），2023，57（7）：1287-1296.
[20]	MAY J F， BALDWIN C L ．Driver fatigue：the importance of identifying causal factors of fatigue when consi-dering detection and countermeasure technologies［J］．Transportation Research Part F：Traffic Psychology and Behaviour，2009，12（3）：218-224.
[21]	HU X， LODEWIJKS G ．Detecting fatigue in car dri-vers and aircraft pilots by using non-invasive measures：the value of differentiation of sleepiness and mental fatigue［J］．Journal of Safety Research，2020，72：173-187.
[22]	AHLSTROM C， LEEUWEN W， KRUPENIA S，et al ．Real-time adaptation of driving time and rest periods in automated long-haul trucking：development of a system based on biomathematical modelling，fatigue and rela-xation monitoring［J］．IEEE Transactions on Intelligent Transportation Systems，2021，23（5）：4758-4766.
[23]	柴宝根．略谈“汽车驾驶员疲劳‘打盹’特性曲线”［J］．心理科学，1982，13（6）：56-57.
	CHAI Baogen ．A brief discussion on the characteristic curve of fatigue and napping of automobile drivers［J］．Journal of Psychological Science，1982，13（6）：56-57.
[24]	潘晓东，李君羡，徐小冬．基于眼部行为的驾驶疲劳评价指标的阈值［J］．同济大学学报（自然科学版），2011，39（12）：1811-1815.
	PAN Xiaodong， LI Junxian， XU Xiaodong ．Threshold value of indices of eye states to monitor driver fatigue［J］．Journal of Tongji University （Natural Science），2011，39（12）：1811-1815.
[25]	高珍，陈超，许靖宁，等．基于车载视觉的端到端驾驶员疲劳检测模型［J］．同济大学学报（自然科学版），2024，52（2）：284-292.
	GAO Zhen， CHEN Chao， XU Jingning，et al ．End-to-end driver fatigue detection model based on in-vehicle vision［J］．Journal of Tongji University （Natural Science），2024，52（2）：284-292.
[26]	蔡素贤，杜超坎，周思毅，等．基于车辆运行数据的疲劳驾驶状态检测［J］．交通运输系统工程与信息，2020，20（4）：77-82.
	CAI Su-xian， DU Chao-kan， ZHOU Si-yi，et al ．Fatigue driving state detection based on vehicle running data［J］．Journal of Transportation Systems Engineering and Information Technology，2020，20（4）：77-82.
[27]	裴玉龙，蔡小溪，刘颖慧．长途客运驾驶员出车前疲劳状态便捷检测方法研究［J］．公路交通科技，2020，37（1）：131-140.
	PEI Yu-long， CAI Xiao-xi， LIU Ying-hui ．Study on method for convenient detecting long-distance bus driver’ s fatigue state before driving［J］．Journal of Highway and Transportation Research and Development，2020，37（1）：131-140.