根據交通部相關調查資訊顯示，目前在我國誘發交通事故的三大主要原因分別為酒後駕駛、超速駕駛和疲勞駕駛。前二者的危害，我們早已熟知，不過對於疲勞駕駛的危害、卻常常認為自己身體強壯而忽視其危害。今天小亮帶大家看一下疲勞駕駛的危害、以及當前人工智慧技術、如何檢測駕駛員是否疲勞駕駛。

行駛中的美女

首先、我們來回顧一下因疲勞駕駛而發生的事故。8月21日、在河北司機犯困因疲勞駕駛，撞毀護欄四十米，4秒撞斷5片護欄，驚險一幕，電動車逃過一劫。無獨有偶，8月19日下午1時許，泉州小車司機犯困，行駛途中突然變道，撞斷5片護欄，所幸無人員傷亡。

在我們認識到疲勞駕駛的危害後。我們首先應該學習一下什麼情況下構成疲勞駕駛。

根據中華人民共和國安全行業標準（GA16-G416。10-2003）認定，“疲勞駕駛”必須具備三個要素：

1、必須是駕駛機動車的人員；

2、必須在道路上行駛時；

3、每天駕車超過8小時，或者由於其他原因體力消耗過大或者睡眠不足，行車中睏倦瞌睡、四肢無力，不能及時發現和準確處理路面交通情況時仍繼續駕駛車輛的行為。

在認定技術上，主要是計算駕駛員在行為被發現前24小時內，累計駕駛時間，若超過8小時，並有疲勞駕駛外在表象的，則符合疲勞駕駛條件；或者行車中睏倦瞌睡、四肢無力，不能及時發現和準確處理路面交通情況時仍繼續駕駛車輛的行為，雖然累積時間沒超過8小時，仍可認定為疲勞駕駛。

但是在實際操作中、疲勞駕駛的界定，卻沒有那麼明確。在鬧市中行駛、跟在空曠地區行駛顯然花費的精力是不同的。在快車道中，我們以4小時為疲勞駕駛的劃定標準，一旦到四個小時則至少需要休息20分鐘才能繼續行駛。但在城市中環境因素頗為複雜，城區的交通狀況比高速公路上的交通狀況更難以預料，所以城市地區的司機應該更容易出現疲勞駕駛。城市驅車疲勞駕駛，危險可能高於超速駕駛！

如果人工鑑定疲勞駕駛都這麼困難，那麼人工智慧是如何鑑定出駕駛員是否疲勞駕駛呢？在正式介紹之前、小亮想先介紹點背景知識。人工智慧演算法，不管是透過深度學習還是機器學習都需要採集到合適的特徵。而採集到的特徵，是判別的關鍵。

在對疲勞駕駛的檢測演算法中，主要透過兩種主要形式：主觀形式（詢問）、客觀形式（檢測駕駛人狀態判斷）。客觀形式顯然更適合計算機演算法。而客觀形式的提取的特徵包括以下幾個方面：

首先：

是基於機動車行為特徵的檢測方法

：機動車行為是否正常。

其次：

基於駕駛員生理特徵的檢測方法

：駕駛員生理特徵主要指的是心電訊號、腦電訊號、體表溫度等，一般需要藉助醫療器械和相關裝置來完成採集工作。判斷駕駛員是否正常。

再次：

基於駕駛員面部特徵的檢測方法

：利用計算機視覺技術，判斷駕駛員面部表情或狀態是否出現焦慮與睏倦。

最後：

多模態融合檢測

：

上述的三種檢測方法都存在一定的優缺點，因此透過多種技術融合互補的檢測技術成為提高檢測準確率的手段。

人工智慧檢測相比於人工檢測成本更低廉、時間更持久。可以提高人們對疲勞駕駛的警覺，降低車禍發生機率，確實是科技改變生活啊。不過、技術只是手段、主要還是靠駕駛員對疲勞駕駛的警覺性。最後、小亮祝大家生活美滿、出入平安。

今天的分享就到這裡了，如果您對人工智慧相關領域有興趣的話、歡迎點贊關注。這樣才能第一時間收到小亮帶來的知識分享。