13、基于深度学习序列模型的驾驶员状态预测研究

基于深度学习序列模型的驾驶员状态预测研究

1. 引言

在美国，驾驶员分心是导致致命车祸的主要原因之一，不过这种情况是可以预防的。据相关报告显示，2017 年有 3166 人死于由分心驾驶导致的致命车祸，占所有死亡人数的 8.5%。分心驾驶指的是将驾驶员注意力从主要驾驶任务上转移开的任何行为，比如发短信、阅读、与其他乘客交谈以及使用汽车信息娱乐系统等。其中，发短信是最容易让人分心的任务，因为驾驶员阅读或发送短信时大约需要 5 秒钟不看道路。如果驾驶员以每小时 45 英里的速度行驶，在这 5 秒钟内他们将在看不到道路的情况下行驶相当于一个足球场长度的距离。

驾驶员分心本质上是驾驶任务优先级安排的失败，即驾驶员将更多注意力放在诸如阅读短信或调收音机等次要任务上，而忽略了主要的驾驶任务。分心主要分为以下四种类型：
- 视觉分心 ：任何使驾驶员眼睛离开道路的任务。
- 手动分心 ：驾驶员将手从方向盘上移开的情况。
- 认知分心 ：任何使驾驶员注意力从主要驾驶任务上转移的任务。
- 听觉分心 ：任何掩盖车内重要声音（如警报声）或车外重要声音（如救护车警笛声）的噪音。

为了解决驾驶员分心问题，目前有几种常见的方法：
- 设计友好的汽车用户界面 ：使操作更便捷，减少驾驶员操作时的分心。
- 先进的驾驶员辅助系统（ADAS） ：例如车道保持和自适应巡航控制等系统，通过自动化困难或重复性任务来减少人为错误。但这些系统