孫一帆　張敬磊　王曉原　王絲絲　王方

【摘 要】酒駕是導(dǎo)致重大交通事故的重要原因之一，成為交通安全研究中的重要問(wèn)題。近年來(lái)隨著計(jì)算機(jī)技術(shù)、信息技術(shù)的發(fā)展，出現(xiàn)了多種酒駕辨識(shí)方法，但是這些辨識(shí)方法的準(zhǔn)確性不高。在閱讀大量文獻(xiàn)的基礎(chǔ)上，介紹各種酒駕辨識(shí)方法的基本原理、優(yōu)缺點(diǎn)及適用環(huán)境；歸納基于酒后駕駛行為辨識(shí)酒駕研究中的關(guān)鍵問(wèn)題；總結(jié)對(duì)酒駕辨識(shí)方法存在的問(wèn)題，指出未來(lái)酒駕辨識(shí)方法將以人為中心。

【關(guān)鍵詞】交通安全；酒駕辨識(shí)方法；綜述

【Abstract】Drunk driving is one of the important reasons causing serious traffic accidents，it becomes an important issue in the study of traffic safety.In recent years with the development of computer technology and information technology， various identification methods of drunk driving have appeared，but these methods accuracy isnt high.On basis of reading many literatures， introduce the basic principle，the advantages and disadvantages， the suitable environment；summed up key issues in the study of identifying drunk driving based on drunk driving behavior；summarize problems of the identification method of drunk driving，propose the future study of identification method of drunk driving should be human-centered.

【Key words】Transportation safety；Identification method of drunk driving；Summarization

0 前言

2014年我國(guó)共發(fā)生道路交通事故676萬(wàn)起，交通事故死亡人數(shù)為58523人，死亡人數(shù)占安全生產(chǎn)死亡總數(shù)的86%[1]，交通安全形勢(shì)非常嚴(yán)峻，其中酒駕導(dǎo)致的交通事故所占比重較大。酒駕危害交通安全，各國(guó)通過(guò)法律、科技等多種途徑防治酒駕，大致可分為被動(dòng)式酒駕辨識(shí)方法和主動(dòng)式酒駕辨識(shí)方法兩大類(lèi)，前者通過(guò)攔截駕駛員進(jìn)行酒精檢測(cè)來(lái)辨識(shí)酒駕，后者是在駕駛汽車(chē)前或駕駛過(guò)程中實(shí)時(shí)檢測(cè)飲酒，不需要攔停車(chē)輛。

近年來(lái)，隨著駕駛行為研究的發(fā)展，人們?cè)桨l(fā)重視對(duì)駕駛行為信息進(jìn)行深度挖掘和充分利用。駕駛行為數(shù)據(jù)的實(shí)時(shí)性、持續(xù)性及無(wú)侵入性為酒駕辨識(shí)提供新的思路。本文介紹各酒駕辨識(shí)方法的原理、優(yōu)缺點(diǎn)及適用環(huán)境，歸納了與酒駕辨識(shí)相關(guān)的駕駛行為研究現(xiàn)狀，主要總結(jié)了辨識(shí)酒后駕駛狀態(tài)和酒后駕駛行為建模的思想及方法，指出酒駕辨識(shí)存在的問(wèn)題及其研究趨勢(shì)。

1 酒駕辨識(shí)方法

1.1 被動(dòng)式酒駕辨識(shí)方法

被動(dòng)式酒駕辨識(shí)方法，設(shè)備簡(jiǎn)單，是目前我國(guó)應(yīng)用最廣泛的酒駕辨識(shí)方法，但該類(lèi)酒駕辨識(shí)方法存在一些問(wèn)題，準(zhǔn)確性和效率有待提高。

1.1.1 基于駕駛員血液酒精濃度檢測(cè)的酒駕辨識(shí)

由于BAC（血液酒精濃度指標(biāo)）能夠準(zhǔn)確反映駕駛員的飲酒狀況，因此《車(chē)輛駕駛?cè)藛T血液、呼氣酒精含量閾值與檢驗(yàn)》[2]以血液酒精濃度水平為依據(jù)判斷駕駛員飲酒狀況。

該方法能較為準(zhǔn)確地反映駕駛員飲酒狀況，可作為法庭證據(jù)；但該方法對(duì)駕駛員的侵入性較大，而且駕駛員飲酒的實(shí)際狀況受抽血時(shí)間的影響較大，酒精易揮發(fā)也使血液樣本的保存較為困難，必須按照嚴(yán)格的流程操作否則易產(chǎn)生較大誤差。

1.1.2 基于駕駛員呼吸酒精濃度檢測(cè)的酒駕辨識(shí)

該方法的核心部件是酒精氣體傳感器，分為半導(dǎo)體和燃料電池兩種。在電極處發(fā)生化學(xué)反應(yīng)，其電流強(qiáng)度由其吸附酒精的濃度決定，根據(jù)電流強(qiáng)度可獲得呼出氣體的酒精含量。

呼吸酒精濃度檢測(cè)是一種無(wú)創(chuàng)傷的酒駕辨識(shí)方法，具有操作簡(jiǎn)單，成本低，便于攜帶，不會(huì)對(duì)駕駛員造成傷害的優(yōu)點(diǎn)。但該方法易受溫度、濕度等環(huán)境因素的影響，準(zhǔn)確性差，而且不衛(wèi)生容易引起駕駛員的反感。

被動(dòng)式酒駕辨識(shí)方法是在酒駕行為發(fā)生后由交警設(shè)卡攔截檢測(cè)，醉酒駕駛員可能在被交警查獲之前就發(fā)生嚴(yán)重的交通事故，而且可以通過(guò)多種方式逃避檢查，上述缺點(diǎn)使得被動(dòng)式酒駕辨識(shí)方法難以有效地防治酒駕。

1.2 主動(dòng)式酒駕辨識(shí)方法

1.2.1 基于駕駛室空氣酒精濃度檢測(cè)的酒駕辨識(shí)

該方法根據(jù)駕駛室空氣中的酒精含量來(lái)判斷駕駛員是否飲酒。含酒精的氣體會(huì)吸收更多的光，用紅外線照射駕駛室，根據(jù)反射光的強(qiáng)弱可判斷駕駛室空氣中酒精含量[3]。

該方法可實(shí)現(xiàn)自動(dòng)檢測(cè)，效率高；侵入性小，不會(huì)對(duì)駕駛員造成傷害，不會(huì)干擾未飲酒駕駛員的正常駕駛。但該方法僅能檢測(cè)到駕駛室內(nèi)的酒精含量是否超標(biāo)，無(wú)法判斷酒精含量超標(biāo)是否由駕駛員飲酒導(dǎo)致的，而且駕駛員可通過(guò)打開(kāi)車(chē)窗或蓋住檢測(cè)探頭等方式來(lái)逃避檢測(cè)。

1.2.2 基于駕駛員臉部特征的酒駕辨識(shí)

在駕駛員周邊安裝小型攝像頭采集駕駛員面部圖像，提取駕駛員面部表情的圖像數(shù)據(jù)，將數(shù)據(jù)傳輸給酒駕辨識(shí)模塊，辨識(shí)模塊將采集到的駕駛員面部圖像與正常情況進(jìn)行對(duì)比分析，判斷駕駛員是否飲酒[4]。

該方法依據(jù)駕駛員臉部的細(xì)微變化分析駕駛員的駕駛狀態(tài)，能夠做到實(shí)時(shí)和非侵入檢測(cè)，不需要駕駛員的刻意配合，也能有效防止駕駛員作弊。但該方法受駕駛員個(gè)體差異影響較大，辨識(shí)誤差較大，在駕駛員附近安裝多個(gè)攝像頭也會(huì)干擾駕駛員駕駛汽車(chē)。

1.2.3 基于駕駛員酒后駕駛行為的酒駕辨識(shí)

駕駛行為建模既是微觀交通流理論研究的基礎(chǔ)也是汽車(chē)智能駕駛理論研究的核心內(nèi)容[5]，自20世紀(jì)50年代以來(lái)不斷發(fā)展取得了很多成果，為開(kāi)發(fā)基于酒后駕駛行為的酒駕辨識(shí)方法提供理論基礎(chǔ)。一些學(xué)者設(shè)計(jì)酒后模擬駕駛實(shí)驗(yàn)，進(jìn)行酒駕行為建模嘗試并取得了一些進(jìn)展。2011年，XingjianZhang等[6]對(duì)比正常和飲酒后駕駛員的駕駛行為數(shù)據(jù)，選取加速度、速度、剎車(chē)踏板深度等7個(gè)飲酒后顯著變化的指標(biāo)作為特征參數(shù)，用Fisher判別法辨識(shí)酒駕，結(jié)果表明該方法可以辨識(shí)酒駕。2014年，XiaohuaZ[7]等使用駕駛模擬器獲取駕駛員在不同BAC水平下的駕駛行為數(shù)據(jù)，以此為基礎(chǔ)分析酒后駕駛行為特征，結(jié)果表明飲酒后平均速度、速度標(biāo)準(zhǔn)差、車(chē)道線位置標(biāo)準(zhǔn)差有顯著變化，依據(jù)這三個(gè)參數(shù)的變化可以判斷駕駛員是否處于酒后駕駛狀態(tài)。2014年，張興儉等[8]運(yùn)用相關(guān)性分析獲得能夠反映駕駛員個(gè)體差異的酒后駕駛行為特征參數(shù)，基于駕駛行為的時(shí)序特征建立隱馬爾科夫模型描述駕駛員的個(gè)體特征，在此基礎(chǔ)上建立適應(yīng)駕駛員個(gè)體特征的酒駕辨識(shí)模型。

目前該方法的應(yīng)用性研究尚淺，主要應(yīng)用在高檔車(chē)輛上，尚未推廣使用，該方法體現(xiàn)了智能汽車(chē)的發(fā)展方向，未來(lái)的汽車(chē)將是真正擁有“大腦”的汽車(chē)，能夠收集并處理駕駛員、車(chē)輛及周?chē)h(huán)境的信息，根據(jù)這些信息做出判斷、決策，實(shí)現(xiàn)自動(dòng)駕駛。

2 總結(jié)與展望

目前，主動(dòng)式酒駕辨識(shí)研究缺乏系統(tǒng)性的成果，各種先進(jìn)酒駕辨識(shí)方法的應(yīng)用性研究還處于探索階段，尚未提出準(zhǔn)確、高效且應(yīng)用性強(qiáng)的酒駕辨識(shí)方法。在被動(dòng)式和主動(dòng)式酒駕辨識(shí)方法的研究中，還存在以下亟待解決的問(wèn)題：被動(dòng)式酒駕辨識(shí)方法效率低、耗費(fèi)人力物力、容易錯(cuò)檢漏檢；辨識(shí)結(jié)果易受環(huán)境因素影響，準(zhǔn)確性不盡人意；侵入性強(qiáng)易對(duì)駕駛員造成傷害，容易引起駕駛員的抵抗情緒拒絕配合檢查等問(wèn)題。多數(shù)主動(dòng)式酒駕辨識(shí)方法是借助酒精傳感器采集酒精信號(hào)判定駕駛員是否酒駕存在一些需要解決的問(wèn)題，系統(tǒng)復(fù)雜成本高；傳感器性能不佳容易混淆駕駛員和乘客，無(wú)法防止駕駛員作弊；沒(méi)有考慮能綜合反映駕駛員個(gè)體差異的駕駛傾向性的影響，人性化程度較低。

未來(lái)酒駕辨識(shí)方法的研究應(yīng)重視多種酒駕辨識(shí)方法的交叉融合；應(yīng)更多地考慮人的因素，重視不同類(lèi)型駕駛員之間的差異性；建立更準(zhǔn)確的酒后駕駛行為模型，采集有效數(shù)據(jù)進(jìn)行模型參數(shù)的標(biāo)定及模型驗(yàn)證，提高酒駕辨識(shí)模型的準(zhǔn)確性。

【參考文獻(xiàn)】

[1]王丹，陳超卓.2015年中國(guó)道路交通安全藍(lán)皮書(shū)[M].北京：人民交通出版社，2016：3-10.

[2]中華人民共和國(guó)質(zhì)量監(jiān)督檢驗(yàn)檢疫局.GB19522-2004.車(chē)輛駕駛?cè)藛T血液、呼氣酒精含量閾值與檢驗(yàn)[S].北京，2004.

[3]GregoryB，Rieker，JayB.Calibration-freewave 1ength-modulation spectroscopy formeasurementsofgastemperatureandconcentrationinharshenvironments[J].Applied Optics，2009，48（29）：5546-5560.

[4]MikelsaarAV，SunterA，MikelsaarR，etal.CanWeDesignCarsThatProventAlcohol-RelatedCollisions[J].CellDiv，2012，7（1）：21.

[5]王曉原，楊新月，張敬磊.交通流微觀仿真與駕駛員行為建模理論及方法[M].北京：科學(xué)出版社，2010.

[6]XiaohuaZ，XingjianZ，JianR，etal.Identifying method of drunk driving base don driving behavior[J].InternationalJournalof ComputationalIntelligenceSystems，2011，4（3）：361-369.

[7]XiaohuaZhao，XingjianZhang，JianRong.Studyofthe Effectsof Alcoholon Driversand Driving Performanceon StraightRoad[J].Mathematical Problemsin Engineering，2014.

[8]張興儉.基于駕駛行為個(gè)體特征的酒后駕駛狀態(tài)辨識(shí)方法研究[D].北京：北京工業(yè)大學(xué)，2014.

[責(zé)任編輯：田吉捷]