基于行为分析的地铁司机疲劳驾驶风险预警体系构建

摘要：本文基于行为分析来构建地铁司机疲劳驾驶风险预警体系，详细剖析疲劳驾驶行为特征，还介绍了相关预警方法，目的是通过这个预警体系及时对司机疲劳状态进行预警，以此提升地铁运营的整体安全性。

关键词：行为分析；地铁司机；疲劳驾驶；风险预警体系

随着城市地铁建设快速发展且客流量持续攀升，地铁司机工作压力越来越大疲劳驾驶成重大隐患，疲劳驾驶会让司机反应判断操作能力显著下降，增加列车运行事故发生概率威胁乘客生命财产与交通秩序。构建基于行为分析的地铁司机疲劳驾驶风险预警体系迫切必要，通过深入剖析地铁司机疲劳驾驶时生理及操作行为特征，运用先进监测技术和数据分析手段能及时准确发现疲劳状态并预警，为保障地铁运营安全稳定提供有力支撑。

一、疲劳驾驶的危害

疲劳驾驶会让地铁司机的反应速度显著减慢，使得其对列车的操控能力明显下降，导致难以在突发状况下做出及时有效反应，极大增加列车运行的安全风险。当司机处于疲劳状态时，其注意力很难长时间保持集中，对于轨道信号以及周边环境的观察判断会出现偏差，可能致使列车出现误停越站或与其他物体碰撞等事故，严重威胁到乘客的生命安全。

二、疲劳驾驶行为特征分析

（一）生理行为特征

地铁司机处于疲劳状态时眼部会有明显特征变化，眨眼频率会显著增加且眨眼持续时间变长，这是因为疲劳让眼部肌肉调节能力下降，难以维持正常眨眼节奏，同时注视时间变得分散且不集中，可能出现频繁扫视和凝视异常状况，如原本能稳定注视前方轨道信号，疲劳时却不自觉频繁转移视线，且对信号聚焦能力变差，头部运动也会出现异常情况，运动幅度减小点头或摇头动作迟缓，甚至会出现头部下垂的现象，这是由于疲劳使颈部肌肉力量减弱，难以支撑头部保持正常姿势和灵活运动，肢体方面手臂和腿部肌肉反应变慢，操作动作准确性和协调性下降，例如操纵列车控制杆时力度和速度控制不稳定，无法像正常状态那样精准地进行操作。

（二）操作行为特征

司机在疲劳时对列车制动和加速操作会有明显异常，可能出现延迟、过度或者不足的情况，进而导致列车运行速度不稳定、停车位置不准确，这是因为疲劳影响司机对列车运行状态判断与操作反应能力，在需要制动时无法及时做出反应，或者制动力度过大或过小，加速时也会出现类似问题，使得列车运行状态难以平稳控制，同时司机对控制台按钮、开关等操作失误率会增加，操作时间会有所延长，可能出现误按、漏按等情况，这是由于疲劳让司机注意力难以集中在操作上，手部精细动作控制能力下降，原本熟练操作流程变得生疏，从而容易出现各种操作失误。

三、疲劳驾驶的影响因素

（一）工作环境因素

地铁隧道里面的噪音、光照、温度还有湿度等环境条件，会对司机的舒适度和注意力产生显著影响，司机长时间处于不良环境当中容易导致疲劳，以地铁运行过程里产生的噪音为例，它会干扰司机的听觉系统，让司机难以清晰接收外界传递的信息，而且持续的噪音刺激会增加大脑的负担，分散司机的注意力并降低其对突发情况的反应能力。隧道内的光照条件比较特殊，光线较暗并且存在明暗交替的状况，司机的双眼需要不断去适应这种变化，容易造成视觉疲劳进而影响对轨道信号和周边环境的观察，温度和湿度不适宜会让司机感觉身体不舒服，高温高湿环境会使司机出汗增多且身体疲劳感加剧，低温环境则可能导致身体僵硬和反应迟缓，这些都会对司机的工作状态产生负面的影响。

（二）工作负荷因素

工作时长过长、班次安排不合理以及任务强度过大等工作负荷方面因素会增加司机疲劳程度，我国地铁线路客运量比较大，早晚高峰客流量逐日攀升且高峰时段逐步延长，司机需要在这段时间内保持高度精神集中连续工作数小时，对其精神状态提出更高要求，并且单程运行时间较长到达两端终点站休息时间较短，司机难以在短时间内恢复体力和精力，长期处于这种高强度工作状态疲劳会不断积累，不合理的班次安排像夜班、连班等会打乱司机生物钟影响其正常睡眠和休息进而加重疲劳感。

（三）个体因素

司机在年龄、健康状况、睡眠质量以及心理状态等方面存在个体差异，这些差异会对其疲劳的产生和发展造成影响，随着年龄不断增长，司机的身体机能会逐渐下降，对疲劳的恢复能力也会随之减弱，进而更容易出现疲劳状态，健康状况不佳的司机，像患有慢性疾病或者身体处于亚健康状态等情况，在工作时会更容易感到疲劳，而且疲劳恢复所需的时间也会更长，睡眠质量会直接影响司机的精神状态，要是司机睡眠不足或者睡眠质量差，就会致使其在驾驶过程中反应速度变慢、注意力难以集中。心理压力过大同样是导致疲劳的重要因素，司机可能会面临来自工作、生活等多方面的压力，心理压力过大会造成精神极度疲劳的状态，从而引发身体上反应乏力等问题，对其正常的驾驶操作产生影响。

四、疲劳驾驶风险预警方法

（一）基于生理信号的检测方法

基于生理信号的检测方法主要是通过测量驾驶员脑电信号（EEG）、心电信号（ECG）等生理指标来判断其是否进入疲劳状态，这种方法优势在于对疲劳判断准确性较高，原因是脑电信号和心电信号能直接反映人体神经系统和心血管系统活动状态，当司机处于疲劳状态时这些生理信号会发生明显变化，然而该方法存在一定局限性，生理信号需采用接触式测量意味着要在司机身体上佩戴相应传感器设备，可能给司机带来不适并影响其正常驾驶操作，而且这种方法对个人依赖程度较大，不同个体生理信号特征存在差异，在实际用于驾驶人疲劳监测时有诸多局限性，目前主要应用在实验阶段作为实验对照参数，尚未大规模应用于实际的地铁司机疲劳驾驶预警中。

（二）基于生理反应特征的检测方法

基于生理反应特征的检测方法是利用驾驶人眼动特性、头部运动特性等推断疲劳状态，比如眨眼幅度、眨眼频率和平均闭合时间能直接用于检测疲劳，广泛采用的算法有PERCLOS，也就是把眼睑闭合时间占一段时间的百分比当作生理疲劳测量指标，当司机疲劳时眨眼频率会增加且眨眼持续时间变长，眼睑闭合时间占比也会相应增大，通过对这些眼动特征监测分析能较准确判断司机是否处于疲劳状态，还能利用面部识别技术定位眼睛、鼻尖和嘴角位置，结合眼球追踪获得驾驶人注意力方向并判断其注意力是否分散[1]。

头部运动特性属于判断疲劳的重要参考依据，疲劳状态下司机头部运动幅度会减小，点头或摇头动作也会变得迟缓起来，甚至还会出现头部下垂之类的现象，通过对这些头部运动特征进行监测，能够及时发现司机是否有疲劳的迹象。这种基于生理反应特征的检测方法优点是，它属于非接触式且对司机干扰相对较小，能够在不影响司机正常驾驶的状况下，开展疲劳监测相关工作，具有较高实用性和可操作性，在实际的地铁司机疲劳驾驶预警当中，具备广阔的应用前景和发展空间。不过该方法也需要进一步提升检测的准确性与稳定性，从而更好地满足实际应用方面的具体需求。

（三）基于操作行为的检测方法

基于操作行为的检测方法是依靠对地铁司机操作行为做分析来推断其疲劳状态，当司机处于疲劳驾驶状态时其操作频率会变小且伴有急剧性，在列车操纵方面司机对列车的制动和加速操作可能出现延迟过度或不足情况，这会导致列车运行速度不稳定以及停车位置不准确，原因是疲劳影响了司机对列车运行状态的判断和操作反应能力，在需要制动时司机不能及时做出反应或者制动力度过大或过小，加速时司机也可能出现类似问题进而使得列车运行状态难以平稳控制。

在控制台操作方面，对控制台按钮开关等操作失误率会增加，操作所花费的时间也会延长，还可能出现误按漏按等情况，这是因为疲劳致使司机注意力难以集中在操作上，手部精细动作控制能力有所下降，原本熟练的操作流程逐渐变得生疏[2]。不过总体来讲目前利用驾驶人操作行为开展疲劳识别的深入研究成果较少，并且驾驶人的操作还会受到个人习惯、行驶速度、道路环境、操作技能等多种因素影响，怎样提高驾驶人状态的推测精度是此类间接测量技术的关键问题。

（四）基于车辆状态信息的检测方法

基于车辆状态信息的检测方法是借助车辆行驶轨迹变化、车道线偏离这类车辆行驶信息来推测驾驶人疲劳状态，此方法以车辆现有的装置作为基础，不需要添加过多的硬件设备，并且不会对驾驶人的正常驾驶造成干扰，具备较高的实用价值，若司机疲劳时无法准确控制列车沿着轨道中心线行驶，会让列车出现轻微的左右偏移，通过对列车行驶轨迹进行实时监测和分析，能够判断司机是否可能处于疲劳状态。

结论：

基于行为分析来构建的地铁司机疲劳驾驶风险预警体系有明显科学性与实用性，该体系综合考虑地铁司机疲劳驾驶各类行为特征及影响因素，采用基于生理信号、生理反应特征、操作行为和车辆状态信息等多种检测方法，可相对全面且准确地对司机疲劳状态做监测和预警，不过该体系仍存在一定局限性，部分检测方法的准确性和稳定性需进一步提高，对复杂环境和特殊情况的适应性也有待加强 。

参考文献：

[1]张自强.防疲劳检测系统基于全自动驾驶地铁线路的应用[J].铁道机车与动车,2024,(11):29-33+62.

[2]江跃龙.一种基于列车司机在途疲劳状态检测及预警的方法[J].现代信息科技,2021,5(20):98-102.