��ʾ����

����ǰ��λ�ã���ҳ>��������>��ʾ����> ����

ƣ�ͼ�ʻ�о���Ԥ�����½�չ
2019-07-12 12:23:24   ��Դ�������밲ȫ​​​​����ӡ��

ժҪ

​​��ƣ�ͼ�ʻӰ���ʻ�˵ļ�ʻ������Ϊ��·��ͨ��ȫ����������в���о�������ƣ�ͼ�ʻ����ɽ�ͨ�¹ʵ���Ҫԭ��֮һ���Ҽ�ʻ�˵ļ�ʻ����������ƣ�ͳ̶ȵ����Ӷ��½������Ĵ�ƣ�ͼ�ʻ״̬�б�ƣ�ͼ�ʻ���������о���ƣ�ͼ�ʻ��ȫӰ�������ƣ�ͼ�ʻ��Ԥ�о����ĸ�����Թ��������о������ܽᣬ����Ŀǰƣ�ͼ�ʻ������о���״��

�ؼ���

��ƣ�ͼ�ʻ;��ʻ��Ϊ;ƣ���б�;��ͨ�¹�;��ʻģ����

ƣ�ͼ�ʻ�ǵ��½�ͨ�¹ʵ���Ҫԭ��֮һ��������ʾ������ÿ��Լ��30����ͨ�¹���ƣ�ͼ�ʻ�йأ����а���10.9���������¹��Լ�6400�������¹�[1]����������ѧ����2010���������ʻ�˽�����һ��绰���飬�����ʾ41.0%�ļ�ʻ�˳����ڼ�ʻ��������"˯�Ż���˯"[2]�������й���������ͨ����ֹ��������ݣ�ƣ�ͼ�ʻ��2015����ٹ�·��ͨ�¹ʵ���Ҫԭ����ƣ�ͼ�ʻ����Ľ�ͨ�¹�ռ���е�8.41%����������ռ6.21%[3]��

����ƣ�ͼ�ʻ����Ҫԭ�������ʱ��ע�����߶ȼ��С�ȱ��˯�ߡ���ʻ������һ�ȡ�ƣ�ͻ����Ӽ�ʻ�˵ķ�Ӧʱ�䣬���������ʻ�����еľ����̶�[4]���ڽ��г�ʱ���ʻʱ����ʻ�����ڼ�ʻ������ȱ���̼�������ܵ���ƣ�ͺ�Σ�ռ�ʻ��Ϊ�ķ�����

���������ƣ�ͼ�ʻ���о���Ҫ�����������ĸ����棺

(1)ƣ�ͼ�ʻ״̬�б�;

(2)ƣ�ͼ�ʻ���������о�;

(3)ƣ�ͼ�ʻ��ȫӰ�����;

(4)ƣ�ͼ�ʻ��Ԥ�о���

Ŀǰ��ƣ�ͼ�ʻ���о���ʽ��Ҫ������Ȼ��ʻ���ݻ����ʵ����ֶζԼ�ʻ����Ϊ���ݽ��вɼ��������Բ�����ʽ(���ɼ���ʻ���������ݵ�������Լ�ʻ��Ϊ����Ӱ�죬��ͷ��ʽ�Ե��ǵ�)��������Բ�����ʽ(�������ɼ���ʻ����������ʱ��Ӱ���ʻ����Ϊ�����ʶȣ�������ʽ�۶��ǵ�)�������ڽ��м�ʻ�������������ݲɼ����ڶ�ƣ�ͼ�ʻ���ݷ����������棬��״�о���Ҫ����ͳ��ѧ��������(������Է����������Է����Լ�ͳ��ѧģ�͵�)�Լ�����ѧϰ�������ھ��㷨(�����ɭ�֡��˹������硢��̬��Ҷ˹�����)�������ݽ��з�����

���ĶԽ�������TRB���鼰AccidentAnalysis&Prevention�Ƚ�ͨ��ȫ���ڿ����й�ƣ�ͼ�ʻ�����ݽ����ܽᣬ��չʾ��ǰ�����Ϲ���ƣ�ͼ�ʻ�о������½�չ��

1ƣ�ͼ�ʻ״̬�б�

�о�ƣ�ͼ�ʻ���ֶ���Ҫ����ͨ����ʻģ����ʵ�顢ʵ��ʵ���Լ���Ȼ��ʻ�ȷ�ʽ������ʻ����ƣ��״̬�µļ�ʻ��Ϊ���������۶��ǡ������ǡ���Ƶʶ��������ʾ����ķ�ʽ��������ʻ�˵�ƣ��״̬��

ͬ�ô�ѧ��ѩ�ɵ���[5]���ü�ʻģ����ʵ��Լ�ʻ�˵ļ�ʻ��Ϊ���۶��������ݽ������ݲɼ�����ϼ�ʻ�˵�����ƣ�͵ȼ�(KarolinskaSleepinessScale��KSS)���жԱȷ��������������ЧӦ����Logitģ�Ͷ�ƣ��״̬�����б�ģ����ͬʱ�����˼�ʻ��֮��ĸ�����죬�Լ�ƣ����ʱ�����ۻ���ЧӦ(TimeCumulativeEffect��TCE)��Ϊ�Ա�ƣ���ۻ�ЧӦ��ģ���е��������ã��о���ͬʱ������δ����TCE�Ļ��ЧӦ����Logitģ�ͽ��жԱȷ����������������ʻʱ������Ӱ���ʻ��ƣ�͵ȼ����ҿ�����TCE��ģ�Ͷ�ƣ��״̬�б�׼ȷ�ʴ�80%���ϣ�Զ����δ����TCE��ģ�;��ȡ�

Zandi����[6]���ü�ʻģ����ʵ��ķ�ʽ���ɼ��˼�ʻ����ƣ��״̬�µ��۶�״̬���ݣ�����ע�ӡ�ɨ�ӡ�գ�ۡ�ͫ��ֱ���Լ��������϶�(PERCLOS)����Ϣ�����о����Լ�ʻ��ʵʱ�Ե�(EEG)������Ϊ�б�ƣ��״̬�IJο���׼���������۶�������ƣ��״̬���б�׼ȷ�ԡ�Ϊ̽���۶������IJ�ͬ��Ԫ����(epochlength)��ƣ�ͼ�ʻ������ܵ�Ӱ�죬ѡȡ�˶�����Ԫ���Ƚ��з������Խ�������˱Ƚϡ����⣬����ʹ�÷�����(���ɭ�֡�֧��������)�Լ�ʻ��ƣ��״̬����������������������ö���Ԫ����(���÷������нϸߵ�ʱ��ֱ��ʺͽϵ͵ļ���ӳ�)���ݴ�������Ϸ������Բ�����ʽ���ɶԼ�ʻ�˽�����Ч����ʵʱƣ�ͼ�⡣�۲��������ݿ���Ч������ʻƣ�ͣ���ʹ�����ɭ�ַ������Լ�ʻƣ���б��׼ȷ�Ըߴ�88.37%~91.18%��

����˹������ѧ��Naurois����[7]�����˹�������(ArtificialNeuralNetworks��ANN)�Լ�ʻ�˵�ƣ��״̬�����б�Ԥ�����о���ͨ����ʻģ����ʵ���¼�˼�ʻ�˵ļ�ʻ��Ϊ������ָ�꣬����ģ���п����˼�ʻ��֮��ĸ�����졣����ʹ����������ͬ��ANNģ�ͣ��ֱ����ڼ���ʻ��ÿ���ӵ�ƣ�ͳ̶��Լ�Ԥ��ÿ���Ӽ�ʻ�˴ﵽ�ض���ƣ�ͳ̶�(�ж�ƣ��)��Ҫ��ʱ�䡣�о�������һ���ʻ�˵�������ѵ��ANNģ�������ģ�͵����ܲ�����Ӧ�����µĸ������Լ��ģ�͵���Ч�ԡ����������ģ�Ͷ��ض���ʻ�����ݵ���Ӧ����ƣ��Ԥ�⾫�ȷ��������40%��ƣ�͵��б������80%�����о����÷������������ģ�Ͷ��ض���ʻ�˵���Ӧ�ԣ���Ϊ�����ͬ��ʻ����ƣ��״̬�µĸ�������ṩ��һ���������������

2ƣ�ͼ�ʻ���������о�

ƣ�ͼ�ʻ��ָ�����������ƣ�͵�״̬�¼�ʻ���������DZ��ԭ�������������˯��˯�߰��ᡢ�ְ๤���������ҹ���ɱ仯��ƣ�͡�������ҩ���Լ�����ʱ���ơ�����֮�⣬��;��ʻʱ���ڵ�·������һ��Ҳ����ʹ�ü�ʻ�˲���ƣ�͵�״����

Mahajan����[8]ͨ���ʾ����ķ�ʽ������ӡ�ȵ��������������Ի��˼�ʻ�˵Ĺ���-��Ϣģʽ�����ʻ��Ϊ������ʻ�˵Ĺ����������ʻ�ճ̵ķ�æ�̶����ʱ��������Ϊ��ʻ�˴�������ѹ�������ֳ����Ĺ���ѹ�����ʹ����Υ����ͨ����͹���ʱ��Ĺ涨����������������ߵ�Σ�ռ�ʻ��Ϊ��Υ����Ϊ��������Ϊ�����ʻ�˵�ȱ��˯�����������ء����⣬�о�ǿ���˼�ʻ����ƣ�͡��������ѹ����δ��������ϢҪ��ʱ���Գ�;������ʻ��Υ����ͨ������Ĵٽ����á������о�ģ�ͽ������ȥ��Υ����Ϊ�ܵ��������ļ�ʻ�����ٴ�Υ��ķ��ո����������ζ�����гͷ���ʩЧ�ʵ��£��޷������ձ���ڵIJ���ȫ��ʻ��Ϊ��

Farahmand��Boroujerdian[9]���ü�ʻģ����̽���˵��������²�ͬ��·�������ζԼ�ʻ��ƣ��״̬��Ӱ�졣ʵ����ʹ�����������в�ͬ����ˮƽ����IJ�ͬ��·���г�����ģ����ͼ1���о��ɼ��������˼�ʻ������ʻ�����еķ������˶�״̬����ʻ�˳��������������Լ�����ɼ�ʻ����ǰ��ľ����̶ȡ������������·��ƶԼ�ʻ�˳�����������������Ӱ�졣����ĵ�·���α仯������߼�ʻ�˵ļ�ʻ���ܼ������ԡ���ˣ�ͨ�����ӵ�·ƽ������ƿ��Ա���Ϊ���ڵ�����Ƿ�ص�·���������Ӽ�ʻ�������ɵ���Ч������

�廪��ѧLi����[10]�����ʾ����ķ�ʽ�Լ�ʻ�˽������ݲɼ�����ģ����Ӱ����⳵��ʻ��ƣ������¹ʷ���(Fatigue-RelatedAccidentRisk��FRAR)�����ؽ���̽�����о��ֱ�ʹ��LogisticRidgeRegression(LRR)��LogisticRegression(LR)��SupportVectorMachine(SVM)����ģ�Ͷ����ݽ��з���������LRRģ�Ͷ�FRAR��Ԥ�⾫����ߡ�ģ�ͽ���������߷��ճ��⳵��ʻ������ֳ�����ʱ�䳤����Ϣʱ���١���ʻ�������Լ����Լ��Ŀ�ƣ�������������ĵ����������⳵��ʻ�˵ļ�ʻ��Ϣϰ�ߡ�ƣ�ͼ�ʻ�����ƣ�ͼ�ʻ��ͼ��Ӱ��ƣ�ͼ�ʻ�Ĺؼ����أ��ںܴ�̶��Ͼ�����ƣ�ͼ�ʻ��Ϊ��FRAR��������ʻ�˵���Ϣϰ�ߺ�����ЩԤ��������ص����������������ڽ��͸߷��ռ�ʻ�˵��¹ʷ��ա�

3ƣ�ͼ�ʻ��ȫӰ�����

���й�ƣ�ͼ�ʻ�İ�ȫӰ���о��У��о��߽�̽��ƣ�ͼ�ʻ���ձ��ԣ��Լ���ν���ƣ�ͼ�ʻ�¹ʷ�����Ϊ���ص㣬�����Ӧ����Ч��ʩ��������ƣ�ͼ�ʻ�������¹ʵķ�����

������������ѧOwens����[11]���õڶ�����ٹ�·��Ȼ��ʻ�о��ƻ�(theSecondStrategicHighwayResearchPlanNaturalisticDrivingStudy)��ƣ�ͼ�ʻ�������о�����������Ȼ��ʻ���������ɼ�������Ƶ���ݶԼ�ʻ�˵�PERCLOS���з������б���ƣ��״̬����������ƣ�ͼ�ʻ���ճ���ʻ��������ͨ�¹�ʱ���ڵ��ձ��ԡ��о�������������Ƶ¼��ʱ�����������йص�ʱ��������Ծ�ȷ��λ�밲ȫ������غ��¼�������ʱ�䣬�Ա���ض���ͼ�ʻ�龳�ķ���ʹ�����в�ѧ�������з��������о��Լ�ʻ������ײʱ��������ʻ�ڼ��״̬�ṩ��һ�ֿ͹۵��������������������ʻ�˲��ǵû�Ը�������ƣ�ͼ�ʻ����ɵ����ݽ��ƫ��봫ͳ��ƣ�ͼ�ʻ������������������ֳ����������ơ�

���ϴ�ѧ���������[12]����ʵ��ʵ��Դ��ͻ��˳�����ʻ�˵�ƣ�ͼ�ʻ�����о����ɼ���ʻ�˵ij��١����ٶȵȲ�����������PERCLOSָ��Լ�ʻ��ƣ��״̬�����б���̽����ʻ�˷�����ͨ�¹ʵķ��ա��о�����������ٶȺͼ��ٶȿ�����Ϊ�������Ϳ�����ʻ�˼�ʻ���ܵ���Ҫָ�ꡣ����ʻ�˴ﵽ��ƣ��ˮƽʱ����ƽ�����١������С���ٶ������ӣ��ҳ����ȶ��Խ��͡�����ʻ���ܵ�ƣ�͵�Ӱ��ʱ�����ǵķ�Ӧ���������½��������ʻ���ڸ�ƣ�ͼ�ʻ״̬�±��ָ�����ʻ�������׷�����ͨ�¹ʡ����⣬����ƣ�ͳ̶ȵ����ӣ����ٶȵľ�ֵ����׼����С�������ٶȵ����ֵ����Сֵ�����ӡ�������ʻ����ƣ��״̬�¸�����������������ҵļ�ʻ��������ƣ�ͽ����¼�ʻ�˵ķ�Ӧ��������

�ϰ��������ѧ��Kang��Rahman[13]����������������I-65��·�е�����������Ϣ����·������ƣ�ͼ�ʻȰ��ϵͳ(DrowsyDrivingAdvisorySystem��DDA)������������·��������DDAϵͳǰ����¹������DDAϵͳ�����������־���ֱ�Ϊ��(1)��ʾ����ƣ�ͼ�ʻȰ�������־;(2)ƣ�ͼ�ʻ�����־(�磺ƣ�ͼ�ʻΣ��������ȫ);(3)ƣ�ͼ�ʻȰ���־(�磺���е�ƣ���뼰ʱ��Ϣ)�����������������DDAϵͳ��·����Ϣ����ͨ������10%�����¹ʽ���65%������DDA���¹������Խ��ͣ�������ϵͳ�Լ�ʻ���������Ѿ�ʾ��Ч�������������˷����¹ʵķ��ա�

����������ѧJung����[14]����ƣ�ͼ�ʻ���µĸ��ٹ�·�¹ʽ����о���Ϊ�˷�ֹ��ƣ�ͼ�ʻ��������ײ���¹ʣ��������ٹ�·ϵͳ�����˸�����Ϣ����ʹ�õ�·ʹ���߿�����Ϣ����Щ������Ϣ���Ƿdz�С����Ϣ��ʩ����ͨ��λ�ڽϴ�ij�����Ϣ��֮�䣬��ͼ2��ʾ���о�ּ������������Ϣ���Լ�����ƣ�ͼ�ʻ��������ײ�¹ʵ�Ӱ�졣�����ʾ�����ø�����Ϣ������Լ���14%����ƣ�ͼ�ʻ�����ĸ��ٹ�·��ײ�¹ʡ�

����Ӫ�˳�����ʻ��ͨ��������˯�߲��㡢�ְ�Ӱ����������ɵ����⣬����������ƣ�ͼ�ʻ��̨�������ͨ��ѧ�����������[15]ͨ���о��ԳǼʹ�������ʻ�˽��������Ű࣬�������䷢����ͨ�¹ʵķ��ա���������ʾ�������������͵��Ű�ʱ������ܵ��¸��ߵ��¹ʷ��գ�

(1)��������������賿���;

(2)��ǰһ��Ϊ�糿�������κ����賿�İ�Σ�������ǰһ���°�24Сʱ�����賿�İ�Ρ�Ϊ���ڱ��ֲ���Ϸ����ͬʱ���ͽ�ͨ�¹ʷ��գ��о��߿�������ѧ����Լ�ʻ�˽��к����Űࡣ�㷨����������Ǽʹ�����˾Ӧ�����ʻ�������������������賿��ʻ����Ӧ����ҹ���ʻ�������������������֮����Ϣ24Сʱ���ϡ�����ͨ���������ײ�¹ʷ��յĹ��������ϰ��ſ��Լ��ٸߴ�30%����ײ�¹ʡ�

4ƣ�ͼ�ʻ��Ԥ�о�

���ƣ�ͼ�ʻ�ĸ�Ԥ��ʩ�о���Ҫ��Ԥ����Ԥ������������и�Ԥ������Ԥ����ʩ�����Լ�ʻ�˽��а�ȫ�����Լ����ú�������Ȳ�Ʒ���и�Ԥ����ƣ��Ԥ�������ڳ��ڶԼ�ʻ�˴��������Ӿ��������ȷ������ƣ�͸�Ԥ��

�Ĵ����ǵ�Aidman����[16]ʹ�ü�ʻģ����ʵ�飬�Լ�ʻ����ǿ��50Сʱ����Ϣ��ļ�ʻ��Ϊ���м�¼����ʻ�˱������Ϊ���飬һ��ʹ�ú�������Ŀ�������Ϊʵ���飬��һ��ʹ�ò���������Ŀ�������Ϊ�����顣���о�̽���˼�ʻ���ڻ���˯����ʧ������£�ͨ���ظ���ξ׽������������뿧�����ƣ�ͺͼ�ʻ���ֵ�Ӱ�졣���������ͨ��ÿ��2Сʱ�׽��������ظ�����200���˿����������Լ�������У���������������ƣ�ͶԼ�ʻʧ���Ӱ�죬�Ӷ���С��ƣ�͵��µļ�ʻ��������

��˹���������ĵ�Alvaro����[17]ͨ���������ʻ�˽��н�����Ԥ����34��������(18-26��)�����Ϊ���飬һ�����Ϊ�����ܵĹ���˯�ߺͼ�ʻ�Ľ��������ݰ�����ƣ����صĿ�ѧ����(ʲô��ƣ�͡�����˯�ߵĶ��塢˯�߼���������������˽��Լ���������)��ƣ�ͶԼ�ʻ��Ӱ�졢��α���ƣ�ͼ�ʻ;��һ�������ƣ�ͼ�ʻ�����޹صĶ��������Ľ�������Ϊ�����ܵĽ����ƻ�ǰ���о���Ա��Ӱ���ʻ��˯�ߺͼ�ʻ�����ؽ�����һϵ���ʾ���顣�ұ�������Ҫ�ڱ�������17Сʱ�����賿1�����һ��2Сʱ�ļ�ʻģ����������������Լ�ʻ��Ϊ��Ӱ�졣����������������ʻ�˽��й���˯�ߺͼ�ʻ�Ľ�������߼�ʻ��˯����ʶ���ҿ��Խ��������ʻ�˳���ƣ�ͼ�ʻ������¹ʵķ��ա�

��ƣ�ͼ�ʻԤ�����棬���ɻ���ѧGaspar����[18]ͨ����Ƽ�ʻģ����ʵ��(��ͼ3��ʾ)�����ݼ�ʻ��ע��λ��̽���˲�ͬǰ����ײԤ��(Forwardcollisionwarnings��FCW)�������ض�ƣ�ͼ�ʻ�˵�Ԥ����Ч�ԡ���ǰ�����־�ֹ�������Ҵ�ʱ��������������ײ������£����������־����������������桢�������漰�޾��档�������������ƣ�ͼ�ʻ����ǰ����ײ�¼���ʼʱ���ڱ��ۻ��ͷ��״̬ʱ��FCW����Ч���ƣ�ͼ�ʻ�˵ķ�Ӧ������

Ŀǰ�г����й�ƣ�ͼ�ʻԤ��ϵͳ��װ����Ҫͨ���Լ�ʻ�˽��������ź�(���ʻ���沿������)�Լ��������ź�(���ʻ��Ϊ���ݵ�)�IJɼ��������ʹ������жϼ�ʻ�˵�ǰ��ƣ��״̬�����⣬ͼ������Ҳ����Ӧ����ƣ�ͼ�ʻԤ��ϵͳ��ơ�����ͼ�����ƣ�ͼ�ʻԤ��ϵͳͨ�������ĸ�ģ�飺ͼ��ɼ�ģ�顢ͼ����ģ�顢���봦�����Լ�������ʾģ�顣ͨ���Լ�ʻ���沿�������۶������Ƚ��в���ϲɼ�������ͼ��������ֻ�������ȴ������������봦��������ͼ�����㷨�����Ż������������������ͨ��ָʾ�ơ��������ȷ�ʽ����ƣ�ͼ�ʻԤ����

5�ܽ�

�����ܽ��˽�����TRB��ἰAccidentAnalysis&Prevention�Ƚ�ͨ��ȫ���ڿ����йؼ�ʻƣ�͵��о���չ�������˹����Ϲ��ڼ�ʻƣ�͵��о����ݡ��о��������о������Ŀǰƣ�ͼ�ʻ�о����������������ҪΧ�ƽ�ͨ��ȫ����ʻ��Ϊ��ҽѧ�ȷ�����п�չ������ƣ�͵ļ���б����н�Ϊ�ḻ���о��ɹ���

��Ŀǰ�о������漰���б�ģ���侫�Ⱦ�����һ���̶ȵ����ƣ�������ģ�ͶԼ�ʻ��ƣ��״̬���б�׼ȷ����δ���о���Ҫ����һ��̽�������ݡ��ڶ���ƣ�ͼ�ʻ���о��ֶ��ϣ���Ȼ��ʻ��������Ϊ��׼���Է�Ӧ��ʻ����Ϊ��һ�ַ�ʽ������ζ���Ȼ��ʻ�����еļ�ʻ�˵�ƣ��״̬������Чʶ������ƣ��״̬�µ���Ϊ���ɣ��Ӷ����и�������Ե�Ԥ����δ���о��п���̽���ķ���

����ƣ�͵ȼ��Ļ��ֱ�׼Ŀǰ��δ�г���IJο����ݣ���ζ�ƣ�͵ȼ����и��Ӿ�ȷ�Ļ���Ҳ��δ���о���ֵ�ü���̽�������ݡ����⣬��Level5���Զ���ʻ��δ��ȫʵ��ǰ�����Զ���ʻ������Ҫ��ʻ�˽ӹܵ������£���ζԽӹ�״̬�¼�ʻ�˵�ƣ�ͼ�ʻ������Ч�ظ�Ԥͬ��ֵ��˼����

�����

[1]Tefft B C.Prevalence of Motor VehicleCrashes Involving Drowsy Drivers,United States,2009~2013.Washington,DC: AAAFoundation for Traffic Safety;2014.

[2]Tefft B C.Asleep at the Wheel: The Prevalenceand Impact of Drowsy Driving[J].Drivers,2010,279(7):80.

[3]��������ͨ�����.�л����͹���·��ͨ�¹�ͳ���걨(2015 ���).��������ͨ�����ѧ�о���,����,2016.

[4]Young T,Blustein J,Finn L,et al.Sleep-Disordered Breathing and Motor Vehicle Accidents in A Population-Based Sample ofEmployed Adults[J].Sleep,1997,20: 608-613.

[5]Zhang X,Yang X,Wang X,et al.DriverDrowsiness Detection Using Mixed-Effect Ordered Logit Model Considering TimeCumulative Effect[C].// Proceedings of 98th Annual Meeting of theTransportation Research Board.Washington: Transportation Research Board,2019.

[6]Zandi A S,Quddus A,Prest L,et al.Non-Intrusive Detection of Drowsy Driving Based on Eye Tracking Data[C].//Proceedings of 98th Annual Meeting ofthe Transportation Research Board.Washington: Transportation Research Board,2019.

[7]Nauroisa C J,Bourdina C,Bougard C,et al.Adapting Artificial Neural Networks to a Specific Driver Enhances Detection andPrediction of Drowsiness[J].Accident Analysis & Prevention,2018,121:118-128.

[8]Mahajan K,Velaga N,Kumar A,et al.TrafficViolations Among Truck Drivers Due to Fatigue and Sleepiness[C].//Proceedingsof 98th Annual Meeting of theTransportation Research Board.Washington: Transportation Research Board,2019.

[9]Farahmand B,Boroujerdian A M.Effect ofRoad Geometry on Driver Fatigue in Monotonous Environments: A SimulatorStudy[J].Transportation Research Part F: Traffic Psychology and Behaviour,2018,58: 640-651.

[10]Li M,Yu J,Ma L,et al.Modeling andMitigating Fatigue-related Accident Risk of Taxi Drivers[J].Accident Analysis& Prevention,2019,123:79-87.

[11]Owens J,Dingus T,Guo F,et al.Estimating the Prevalence and Crash Riskof Drowsy Driving Using Data from a Large-Scale Naturalistic Driving Study[C].// Proceedings of 97th Annual Meeting of the Transportation Research Board.Washington: Transportation Research Board,2018.

[12]Ma Y,Zhang C,Yan Q,et al.The Impact ofFatigue Driving on Heavy-Duty Truck Driver Driving Performance[C].//Proceedings of 98th Annual Meeting ofthe Transportation Research Board.Washington: Transportation Research Board,2019.

[13]Kang M,Rahman M.Drowsy Driving AdvisorySystem: Alabama Case Study[C].//Proceedings of 98th Annual Meeting of theTransportation Research Board.Washington: Transportation Research Board,2019.

[14]Jung S,Joo S,Oh C.Evaluating the effectsof supplemental rest areas on freeway crashes caused by drowsy driving[J].Accident Analysis & Prevention,2017,99(part_PA):356-363.

[15]Wang S Y,Wu K F.Reducing intercity buscrashes through driver rescheduling[J].Accident Analysis & Prevention,2019,122:25-35.

[16]Aidman E,Johnson K,Paech G.M.,et al.Caffeine Reduces the Impact of Drowsiness on Driving Errors[J].TransportationResearch Part F: Traffic Psychology and Behaviour,2018,54: 236-247.

[17]Alvaro P K,Burnett N M,Kennedy G A,etal.Driver education: Enhancing knowledge of sleep,fatigue and risky behaviourto improve decision making in young drivers[J].Accident Analysis &Prevention,2018,112:77-83.

[18]Gaspar J G,Schwarz J C W,Brown T L,etal.Gaze position modulates the effectiveness of forward collision warnings fordrowsy drivers[J].Accident Analysis & Prevention,2017: S0001457517304529.

��Դ�������밲ȫ​​​​

weibo weixin APP back_top

ɨһɨ����ע����΢��

ɨһɨ����ע΢�Ź��ں�

ɨһɨ�����ؽ���APP