近日，北京公交集团为部分驾驶员配发了多体征情绪感知设备，以实时监测驾驶员生命体征和精神压力变化，这套小设备实际上关系着千万人的性命。
一直以来，因公交车、长途客运、出租车等驾驶司机在营运过程中突发疾病的事件屡见报端，结果不尽相同——有死里逃生，也有不幸罹难。就在前段时间，贵州一客车在凌晨发生侧翻事故造成27人遇难，着实令人揪心。
总结原因，会发现因驾驶员造成交通事故的占比很大。我国早年曾有过相关统计，1988-1992年全国道路交通死亡事故情况分析表显示，由于驾驶员的过错造成死亡人数约占全部死亡人数的60%以上。酿成事故的原因不乏违章操作、酒后驾车、疲劳驾驶等。
(资料图)
这其中，疲劳驾驶是安全行车的头号大敌。相关数据显示，2019年我国疲劳驾驶引起的交通事故死亡人数占交通事故死亡总人数的74%。今年6月份以来，全国一次死亡3人以上较大道路交通事故中，涉嫌疲劳驾驶肇事的占17.5%。由此，社会各界对于驾驶员的身体健康问题关注度再次升高。
近日，为保障行车安全，北京公交集团以高速路、跨省运营驾驶员为重点，配发了1800套多体征情绪感知设备，以实时监测驾驶员生命体征和精神压力变化，加强对驾驶员健康状况等跟踪管理。这类设备是以物联设备守护司乘安全，从司机的驾驶状态入手避开灾祸。
我国100万名公交司机承担着日均1.9亿人次的公交出行，同类工种还有火车司机、夜班司机、建筑工人等基层工作人员，他们的身体状态对于工作时的人身安全至关重要。除感知设备外，业界曾以多个角度探索这类人体状态监测方案。
实时数据支撑的接触式监测
从源头上，有效识别驾驶员身体的健康状态最为有效，这需要接收到司机身体各项数据为参考。
以北京公交集团配置的多体征情绪感知设备为例，其主要功能是实时测量、异常预警、线下核查以及情绪感知。具体而言，它可以实时监测驾驶员心率、血压、血氧、呼吸、体温、睡眠等生命体征数据，以及抑郁焦虑等情绪状态。这些监测数据可以实时同步到配套的个人APP、管理版APP以及指挥大屏，便于进一步掌握驾驶员身心健康状况。对于身心状况不佳的驾驶员，管理人员能够第一时间采取针对性措施。
930路驾驶员张学志佩戴着多体征情绪感知设备（图源：北京公交集团）
同种原理的还有佩戴于颈部的小型传感器，可以连接到驾驶员的耳垂上。这种传感器以先进的算法检测血流波动，能够在驾驶员意识到疲劳之前识别困倦迹象。这种自动学习算法十分清楚驾驶员的身体信号，随着时间的推移，准确性会越发提高。当传感器认为驾驶员面临风险时，设备会启动振动来提醒驾驶员注意潜在的困倦和疲劳。在必要情况下，它可以通过云端向车队管理人员发出警报。这意味着驾驶员可以立即采取行动，防止事故发生。当设备传输实时位置数据时，车队管理人员可以准确查看驾驶员的精确状态，来提供必要帮助。
此外，头戴的EEG装置可通过对脑电波进行检测，判断驾驶员的身体状态，因此也被应用到监测系统中。
这类接触式的监测设备需要驾驶员佩戴接触身体的传感器来采集生理信号，包括脑电图、心电图、肌电图、眼电图、呼吸、皮肤电传导等。理论上，生理信号是更加准确可靠的疲劳指示，因为它们直接来自人体，同时它甚至可以预判人类的疲劳，可以做到非常精确，这也是接触式检测的优势。
但这种方式也有缺点，当驾驶员有身体动作或者车辆晃动时，监测准确度可能会降低。另外，驾驶员戴上这些传感器后可能会感觉不适，从而有抵触心理不愿佩戴，与未来的自动驾驶情形适配性暂时不高，目前普及度不是很高。当前自动驾驶系统多数采用的是非接触式识别系统。
隔山打牛的非接触式系统
交通事故往往发生在电光火石之间，研究显示，如果系统可以提前2秒预警将会减少92%的交通事故；若提前0.5秒预警，将会减少73%的交通事故。因此，监测到司机状态后及时发出信号也至关重要。
监测司机身体状态的一派是基于司机在驾驶过程中的行为动作和多项面部指标，通过动捕分析来判断驾驶员是否有违规操作或者处于疲劳状态。
以司机状态监控系统（DSM）为例，该系统利用DSM摄像头获取的图像，通过视觉跟踪、目标检测、动作识别等技术对驾驶员的驾驶行为及生理状态进行检测。当检测到驾驶员发生疲劳、分心、打电话、抽烟等危险情况时，系统会在设定时间内报警以避免事故发生。因此，DSM系统可以有效规范驾驶员的驾驶行为，达到降低交通事故发生概率的效果。
展开来说，DSM系统主要包含疲劳驾驶监测、抽烟监测、接打电话监测、分心驾驶监测以及异常状态监测五大基础功能。其具备的高精准度的算法，可以不受时间段、光照情况、是否戴墨镜等外界条件的影响，始终对驾驶员的疲劳状态进行有效管理。当驾驶人员产生生理疲劳状态时，系统会立即发出预警警告，及时唤醒驾驶员，避免严重事故发生。
非接触式监测可以分为基于计算机视觉的监测方式和基于人车交互特性的监测方式。当计算机视觉作用于驾驶员时，一般在前挡风玻璃之后会安置一些摄像头，以便于实时拍摄驾驶员的头部。随后，通过拍摄画面来分析驾驶员的眨眼频率、眼睑闭合度、眼球跟踪、瞳孔反应、点头、打哈欠等动作，进而判断驾驶员是否疲劳，了解其注意力集中程度。
Model Y（图源：特斯拉官网）
比如，特斯拉的驾驶员监控系统即是采用非接触式监控，该系统将使用车辆驾驶室里的摄像头，以确保驾驶员在使用其辅助自动驾驶系统（Autopilot ）和全自动驾驶（FSD）时能够集中注意力。当Autopilot启用时，后视镜上方的摄像头现在可以检测并提醒司机注意力不集中。除非启用数据共享，否则系统无法保存或传输信息，摄像头收集到的数据只会存储在本地车辆上。你可以在控制-安全-数据共享，修改相关设置。该系统完全依赖于使用摄像头而不是采用雷达。
2017年，李彦宏曾演示百度疲劳驾驶监测系统，该系统基于百度大脑的图像识别技术研发，通过红外人脸识别判断，当司机分心或疲劳驾驶时，系统就会及时提醒。一旦检测到司机疲劳到了一定程度，系统就会开始播放一些欢快的音乐，来帮助司机提神。当监测到司机已经重度疲劳驾驶时，系统还会导航司机至最近的休息区。未来，百度自动驾驶还会接手货车，把它自动地开到最近的休息区。
但这项非接触式监测受客观条件影响较多，水平参差不齐。从意大利采用的基于视觉的疲劳驾驶已经系统来看，这种方法存在一定的局限性，当驾驶员佩戴深色墨镜时，眼睛监测算法就会失灵。这对于准备在鬼门关抢时间的系统而言是极为致命的。
写在最后
目前，监测性设备运用到交通工具中在我国尚在推行阶段，相关法律法规也都在完善当中。此前，多体征感知设备的监测数据范围和数据安全性也曾引发过讨论。这类设备不仅在驾驶和工作场景，在医疗方面也有施展空间，因此尽快稳固适应环境、推行信息保密手段是必行之策。
事实上，一切预警性设备在发生警告时已经是“疲劳”存在或潜在时了，在这里希望各位多多关注自己最忠实的伙伴——身体，互相关照才好与生活打硬仗。
