数学建模案例驾驶员各驾驶环节疲劳分析

文章编号:100628309(2003)0120065202作者简介:张南(19762　),男,河北承德人,硕士研究生,研究方向为交通安全等。

驾驶疲劳评价的模糊数学模型张南,蒋葛夫,李相勇(西南交通大学交通运输学院,四川成都610031) 摘要:由于驾驶疲劳的评价过程中涉及到的因素众多,使得对疲劳程度的分级存在着模糊性。

该文建立了一种多因素多级模糊数学评价模型,对驾驶疲劳进行了模糊综合评价,为驾驶疲劳的评价提供了一种途径。

关键词:驾驶疲劳;模糊数学;模糊综合评价中图分类号:U491.2+54;O159　文献标识码:A1　介绍驾驶疲劳是指驾驶员的生理和心理负荷水平增大致使驾驶能力下降,使驾驶作业的安全可靠度降低,从而导致交通事故发生的概率加大。

驾驶疲劳和连续时间之间呈现一种U 型效应,如图1[1],在开始作业时疲劳略有发生,渐渐下降缓解;稳定期属于无疲劳状态;作业一段时间后疲劳开始上升,直至明显疲劳状态出现。

图1　疲劳的U 型效应 通过以往对驾驶员的研究,驾驶员的行为可分为三个阶段:感知S -判断O -动作R ,驾驶疲劳也是由这三个阶段组成,即感知疲劳、判断疲劳、动作疲劳。

同时这三个疲劳阶段也是由不同指标构成的[1],驾驶疲劳的因素体系如图2。

2　数学模型的建立从图1可看出驾驶疲劳不可能用明确的函数关系式表达出来,和驾驶疲劳相关的因素较多,所以使得驾驶疲劳整体上呈现出不明确性,模糊数学的综合评价法为解决这一问题提供了途径,下面拟用模糊数学的综合评价方法对驾驶员的疲劳状态进行评价。

2.1　模糊数学的综合评价方法[2,3](1)确定评价对象的因素集X ={x 1,x 2,……x n };(2)给出对象评语集Y={y 1,y 2,……y m };(3)确定单因素判别矩阵R =(r ij )m ×m ,其中r ij =(r i1,r i2,…r im )为仅考虑因素Xi 是作出的相应判别结果。

(4)给出因素集上的权重分配A =(a 1,a 2…a n ),ρni =n a i =1,其中a i 为第i 个因素的看重程度。

基于人机工程学的驾驶疲劳模型王海勇梁锋(中国民航学院安全学院天津300300)摘要基于人机工程学原理,建立了驾驶疲劳形成的人机工程学模型,并从人机工程学的角度分析了驾驶疲劳的各种形成因素。

对预防驾驶疲劳,保障行车安全,汽车人机界面设计具有积极的理论与现实意义。

关键词人机工程学驾驶疲劳疲劳模型Drivers c Fatigue Mode Based on ErgonomicsWang Haiyong Li ang Feng(Safet y College,Civil Aviation Unive rsit y o f China Tianjin300300)Abstract Based on the theory of ergonomics,an ergonomics mode of forming drivers c fati gue is es tablis hed and all kinds of formi ng factors are analyzed from ergonomics,which provides theoretical and realis tic meani ng to prevent drivers c fatigue,safe guard drivers c s afety and to the desi gn of human-machi ne interfaces.Keywords ergono mics drivers c fati gue fatigue mode汽车驾驶工作属于操作复杂的机械类作业,人汽车环境系统是典型的人机系统。

在这个系统中,驾驶员要不断接收外部信息,监视车辆运行和道路状况,并根据需要操纵汽车,使汽车安全地行驶。

因此,对驾驶疲劳的形成机理分析,应该在人汽车环境系统中进行。

1人汽车环境系统的信息交流在驾驶过程中驾驶员接收车内外各种信息,由中枢神经系统作出反应,指挥手脚等执行器官操纵汽车安全行驶。

自动驾驶中的疲劳预测模型作者：陈宝靖张旭来源：《中国新通信》 2017年第16期一、引言疲劳驾驶是导致交通事故的重要原因之一。

中国公安部的统计数据表明，2008 年中国因疲劳驾驶共导致2568 起交通事故，由此可见，对一种可靠且有效疲劳驾驶检测系统的研究的具有重要价值[1]。

近年来，国内外研究者对疲劳检测系统有基于生理指标的检测方法和基于驾驶员行为特征的疲劳检测方法两种办法。

其中基于生理指标的检测方法在一定程度上妨碍驾驶员的操作。

基于驾驶员行为特征的疲劳检测方法虽不妨碍驾驶操作，也能达到一定检测精度，但个人操控习惯与行车环境不同时，会影响其鲁棒性。

本文采用基于机器视觉的非接触式疲劳检测方法，通过采集人脸图像，检测嘴部张合程度判断驾驶员是否打哈欠，以此进行疲劳检测。

这种办法可靠性高，能有效减少错误率。

二、脸部及嘴部图像检测人脸检测是嘴部检测的基础，本文采用基于Adaboost 算法的haar 特征的分类器将脸部区域选中，Adaboost 算法是将样本作为输入，每一次迭代都得到一个加权错分代价最小的弱分类器，不断优化图像分割，从而得到更精准的人脸识别图像，提高了图像分割的效率。

不断迭代使得分类器的分类能力不断加强，逐级优化后最终得到一个级联Haar 矩形特征的人脸检测器。

嘴部检测则根据嘴部区域中的YCrCb 颜色空间特点来进行检测，其中Y 代表颜色的亮度分量，Cr、Cb 分别代表颜色的红色分量和蓝色分量。

由于唇色区域红色成分较肤色更多，所以Cr 值较大而Cb 值较小，基于此可以根据明度和色度信息构造特征强化图的方法来直接定位嘴局部特征。

三、嘴部图像分割及识别对嘴部图像的分割首先要将RGB 彩色空间转换到LAB彩色空间[2]。

RGB 三原色模型中两点间的欧几里德距离与颜色距离呈非线性关系，不利于进行图像的彩色分割，而且由于驾驶员坐在车里摄像头所采集到的图片常常受到驾驶员单侧车窗光照的影响，存在的大量干扰信息，使得嘴部区域分割困难，因此本文采用LAB 空间对图像进行处理。

文章编号:100628309(2004)0320010203　作者简介:焦昆(1977-　),男,山东济宁人,博士研究生,研究方向:人机工程学,汽车驾驶疲劳。

模拟驾驶过程中腰部疲劳的表面肌电信号分析焦昆,李增勇,陈铭,王成焘(上海交通大学机械工程学院生命质量与机械工程研究所,上海　200030) 摘要:通过sE MG 的时域与频域分析评估在模拟驾驶过程中的驾驶员腰部疲劳。

40个男性样本参加实验((29.7±3.1)岁),随机分成A ((28.8±3.4)岁)、B ((30.6±2.7)岁)两组,A 组参加90min 的模拟驾驶操作实验,B 组保持自由坐姿。

实验后分别计算分析实验样本的积分肌电值(IE MG )和功率谱中值频率(MF )。

结果表明A 组实验数据呈现良好的线性负相关(P <0.005和P <0.0001)。

研究表明样本在实验结束后腰部肌肉疲劳加重。

认为用sE MG 信号的时频分析评估驾驶员肌肉疲劳状态是可行的。

关键词:腰部疲劳;积分肌电值(IE MG );中值频率(MF );相关性中图分类号:T B18;R741.044 文献标识码:AsEMG Analysis of Lumbar F atigue during Simulated DrivingJ I AO K un ,LI Z eng 2y ong ,CHE N Ming ,W ANG Cheng 2tao(Institute of Life Quality and Mechanical Engineering ,School of Mechanical Engineering ,Shanghai Jiaotong University ,Shanghai 200030,China ) Abstract :The investigation was to evaluate drivers ’lumbar fatigue via sE MG signals based on time 2and frequency 2do 2main analysis.F orty healthy males ((29.7±3.1)years )were randomly divided into 2groups ,G roup A ((28.8±3.4)years )and G roup B ((30.6±2.7)years ).Subjects in G roup A per formed simulated driving task and G roup B kept free sitting pos 2ture for 90min.IE MG and MF were calculated and analyzed after the task.The results indicated that data of IE MG and MF in G roup A showed a significant negative correlation (P <0.005and P <0.0001).Parameters and errors of linear regression equation of all indices were given finally.I t is concluded that lumbar fatigue of drivers increased after simulated driving and it was feasible to evaluate drivers ’lumbar fatigue via sE MG signals based on time 2and frequency 2domain analysis.K ey w ords :lumbar fatigue ;IE MG;median frequency (MF );correlation 驾驶员腰部疲劳是近年来日益受重视而又难以解决的一大问题。

驾驶员被动疲劳的行为分析与测量驾驶疲劳是在人机交互过程中出现的一种任务相关疲劳。

随着疲劳进程的加深,驾驶疲劳的行为表现发生显著改变。

与驾驶任务相关的疲劳有两种,一种是主动疲劳,一种是被动疲劳。

在现代化驾驶条件下,被动疲劳源于在低负荷或者使用自适应巡航等自动化技术的环境下,为了保持驾驶绩效所付出的努力。

随着车辆的自动化水平越来越高,被动疲劳的研究也逐步受到重视。

本研究在综述以往有关被动疲劳的理论和实证研究的基础上,首次将研究对象聚焦于被动疲劳,对驾驶疲劳的性质及主动疲劳和被动疲劳的划分依据进行了深入的探讨;采用现场研究与实验室研究相结合,生理、心理与绩效多指标评估相结合的方法对被动疲劳进行了全面的测量和系统的分析;并探究了被动疲劳的预测指标。

本研究不仅对促进疲劳机制的深入理解具有重大的理论意义,而且对于完善驾驶疲劳的预测指标体系,指导自动化驾驶技术的应用具有一定的实践意义。

研究一:中文版邓迪压力状态量表的修订。

在中英文互译、文字分析及专家评定的基础上,对邓迪压力状态量表进行信度、效度检验(N=362),并对量表的结构进行探索性因素分析和验证性因素分析,确定问卷的适用性,为后续研究提供测量工具。

研究二:在真实的驾驶场景中,首先对不同性质的驾驶任务所引起的压力状态进行测量(N=109),通过实车检验市内路和高速路是否能够作为引起驾驶员主动疲劳和被动疲劳的驾驶任务,并分析两种驾驶任务下的心理行为表现差异,从而为对不同性质的驾驶任务所引起的驾驶疲劳进行科学分类提供依据,确定驾驶疲劳的性质。

其次,在前面研究的基础上,采用自然实验法将研究对象聚焦于被动疲劳,对典型的被动疲劳任务——长途营运客车驾驶员进行9个小时的追踪测量(N=30),探究驾驶员被动疲劳的生理表现特点及与主观报告疲劳的关系。

研究三:在实验室中利用驾驶模拟器诱发典型的主动疲劳和被动疲劳状态,首先考察主动疲劳与被动疲劳在心理表现上的差异(N=63),其次考察被动疲劳的生理和绩效表现(N=63),结合前面研究的结果,系统分析被动疲劳的行为表现并精准计算其阈值。

TECHNOLOGY AND INFORMATION科学与信息化2023年3月上 163基于不同驾驶环境下脑电特征的驾驶员疲劳状态分析马文彬 魏建宇 郭强陆军军事交通学院基础部 天津 300161摘 要 本文根据疲劳驾驶影响因素，构建了疲劳驾驶的评估体系，并在疲劳驾驶影响因素分析模型基础上，设计了基于脑电信号的疲劳驾驶分析实验，研究驾驶道路环境对疲劳驾驶的影响作用。

实验结果表明：驾驶员在山区隧道驾驶过程中的警惕性较高、放松度较低，但疲劳状态容易出现较大的波动，在草原驾驶过程中，疲劳状态的产生要早于山区隧道路段，但整体变化平缓。

根据实验结果可适当通过音乐、语言交流加大对驾驶员驾驶状态的刺激，提高其警惕性。

关键词 脑电特征；疲劳驾驶；驾驶环境Analysis of Driver Fatigue Status Based on EEG Characteristics in Different Driving Environments Ma Wen-bin, Wei Jian-yu, Guo QiangBasic Department of Army Military Transportation University, Tianjin 300161, ChinaAbstract This paper constructs an evaluation system for fatigue driving according to the influencing factors of fatigue driving, and designs an analytical experiment of fatigue driving based on EEG signals through the analysis model of the influencing factors of fatigue driving, so as to study the influence of driving road environment on fatigue driving. The experimental results show that, the drivers have a high vigilance and a low relaxation in the mountain tunnel driving process, but the fatigue state is prone to a great fluctuation.The fatigue state in the grassland driving process is earlier than that in the mountain tunnel driving process, but the overall change is stable. According to the experimental results, the stimulation of the driver’s driving state can be increased through music and language communication to improve the driver’s vigilance.Keywords EEG characteristics; fatigue driving; driving environment引言根据全国道路交通事故统计数据可知，疲劳驾驶是驾驶员人为交通事故的主要原因，是道路交通安全的重大隐患之一。

0引言根据国家统计局的统计，我国2022年全年道路交通事故每万车死亡人数为1.46人，疲劳驾驶是引起交通事故的主要原因。

如何有效地判断驾驶员的疲劳状况从而降低交通安全事故发生的概率成为汽车行业重点研究的方向。

1994年，日本先锋公司研发了一种通过检测心跳速度测试驾驶员是否处于疲劳状态并发出警告的系统。

2001年，美国纽约伦斯勒理工学院的WU 等人［1］设计出一种摄像机定位人眼的硬件系统，通过检测瞳孔的信息饱和度判定人眼是否处于疲劳状态。

2003年，澳大利亚Seeing Machines 公司通过在汽车的仪表盘上安装微型传感器获取驾驶员头部和面部的疲劳信息，以此判定驾驶员是否处于疲劳状态。

2015年，“沃尔沃”在XC60系列汽车上安装了驾驶员安全警告系统，通过摄像头实时监测汽车与车道标志的距离及当前车辆的形式轨迹，以此判断车辆是否处于正常行驶状况。

国内开展此项研究的成果也较多，韩政［2］设计一种基于改进的随机森林级联回归方法检测人脸的关键特征点，通过检测驾驶员眨眼次数和打哈欠时嘴巴张开的程度与频率等信息综合判断其疲劳状态。

高嫄［3］提出一种融合多个疲劳特征的疲劳状态检测算法，同样需要获取驾驶员眼睛和嘴巴的信息并结合驾驶员大脑运动的过程综合判断疲劳信息。

李德武［4］考虑到在做人脸图像分割时，光线问题会导致图像分割出现差错，因此利用肤色在色度空间上的聚类特性，提出基于肤色分割的人脸定位方法。

李庆臣［5］设计一种多疲劳指标综合的疲劳状态检测系统，解决了因特殊情况导致实际测试环境受影响后结果出现偏差的问题，结合面部、头部、光线等多方面信息进行疲劳检测。

本文在前人研究的基础上，将人脸的关键点检测作为优化的途径，首先随机给出关键点的初始分布，其次利用整体人脸外观信息和全局人脸形状不断迭代优化，最后通过全局人脸约束修正最终的检测结果，以此判断驾驶员的疲劳驾驶行为。

1基于机器视觉的疲劳状态识别关于疲劳状态的定义有很多，对于人体来说，疲劳状态意味着人的劳动能力下降，反应能力减弱，而这些状态的表现形式多数都可以体现在人的脸上。

汽车驾驶员的疲劳与事故率--深入探讨驾驶员的劳累程度汽车驾驶员的疲劳与事故率——深入探讨驾驶员的劳累程度1. 引言随着经济的快速发展和人们生活节奏的加快，汽车已经成为现代生活中不可或缺的交通工具。

然而，随之而来的驾驶疲劳问题也日益突出，成为影响交通安全的重要因素。

本文将对驾驶员的疲劳程度进行深入探讨，以期为减少疲劳驾驶事故提供参考。

2. 驾驶员疲劳的概念及分类2.1 概念驾驶员疲劳是指驾驶员在长时间连续驾驶过程中，由于生理、心理和环境等因素的影响，导致注意力、判断力、反应速度等各项性能下降的一种状态。

2.2 分类驾驶员疲劳可分为生理性疲劳、心理性疲劳和环境性疲劳。

- 生理性疲劳：由于驾驶员长时间保持同一姿势，导致身体机能下降，如颈椎、腰椎疲劳等。

- 心理性疲劳：驾驶员在长时间驾驶过程中，大脑皮层活动减弱，出现注意力不集中、思维迟钝等现象。

- 环境性疲劳：驾驶员在恶劣的驾驶环境中，如道路拥堵、噪音、强光等，容易产生疲劳。

3. 驾驶员疲劳对事故率的影响3.1 疲劳驾驶事故率统计据世界卫生组织统计，每年全球约有120万人因疲劳驾驶事故死亡。

在我国，疲劳驾驶事故占全年交通事故总数的20%以上，且呈逐年上升趋势。

3.2 疲劳驾驶事故的原因分析- 反应速度减缓：疲劳状态下，驾驶员的反应速度明显下降，容易造成迟缓反应事故。

- 注意力不集中：疲劳导致驾驶员注意力不集中，容易忽视交通信号、行人等，从而引发事故。

- 判断力下降：长时间疲劳驾驶，会使驾驶员的判断力下降，无法准确判断车辆行驶状态和周边环境，导致事故。

- 操作失误：疲劳状态下，驾驶员操作失误的概率增加，如油门当刹车踩等，极易导致事故。

4. 疲劳程度的检测与评估4.1 检测方法- 生理检测：通过监测驾驶员的心率、血压、眼动等生理指标，评估疲劳程度。

- 心理检测：通过心理测试、认知功能测试等方法，评估驾驶员的心理疲劳程度。

- 行为检测：通过观察驾驶员在驾驶过程中的行为表现，如眼神游离、频繁变道等，评估疲劳程度。

疲劳驾驶原因分析与预防措施据统计，因疲劳驾驶而造成的交通事故占总起数的20%左右，占特大交通事故的40%以上。

司机疲劳驾驶的危害可见一斑。

近年来，随着经济发展和人民生活水平提高，汽车越来越多，人们的出行更加频繁，人、车、路之间的矛盾更为突出。

司机在行车过程中，与其他车辆、行人会发生数不清的矛盾，这些矛盾需要驾驶员及时发现，迅速判断，合理操作，才能确保行车的顺利和安全。

这就需要驾驶员精力旺盛，注意力集中，不能有丝毫的疏忽。

而疲劳驾驶恰恰相反，不管是生理原因产生的疲劳或者心理原因产生的疲劳或者两者结合产生的疲劳，都会使驾驶员体力下降，注意力不集中，视觉模糊，判断不正确，操作不当，最终可能引起不能及时发现危险情况，延误避让措施的采取，发生交通事故。

一旦司机困倦瞌睡，车辆失去控制，宛如“无人驾驶”，有人撞人，有车撞车，是悬崖、水库也勇往直前，其后果可想而知。

一、疲劳驾驶的概念所谓疲劳驾驶，是指驾驶员在行车中，由于驾驶作业使生理上或心理上发生某种变化，而在客观上出现驾驶机能低落的现象。

一般指机动车辆驾驶人员每天驾车超过8小时，或者从事其他劳动体力消耗过大或睡眠不足，以致行车中困倦瞌睡、四肢无力，不能及时发现和准确处理路面交通情况的违章行为。

按照这一概念，“疲劳驾驶”必须具备三个要素：(1)必须是驾驶机动车的人员。

(2)必须在规定道路上行驶时。

(3)每天驾车超过8小时，或者由于其他原因体力消耗过大或者睡眠不足，行车中困倦瞌睡、四肢无力，不能及时发现和准确处理路面交通情况时仍继续驾驶车辆的行为。

同时具备以上三个要素，就构成“疲劳驾驶”。

二、疲劳驾驶产生的主要原因引起驾驶员疲劳的因素很多，归纳起来主要有以下几个方面原因：1、睡眠不足引起的疲劳。

睡眠的好坏，与驾驶疲劳有着直接的联系。

睡眠是驾驶员消除疲劳、恢复体力、进行休整的最基本、最重要的途径。

有关专家认为15%的车祸是由于睡眠不足引起的，其中有一半的交通事故是司机由于睡眠不足6小时而引起的。

车辆驾驶室疲劳强度试验与计算一、引言本文将详细介绍昌都设计院张成审判书的相关情况。

张成曾是昌都设计院的一名优秀设计师，然而，因一起备受关注的案件，他的职业生涯发生了翻天覆地的变化。

本文将围绕这起审判书，介绍案件始末，以及它给张成和昌都设计院带来的影响。

二、张成的基本情况张成，男，汉族，毕业于我国一所知名美术学院，主修设计专业。

毕业后，他进入昌都设计院工作，凭借出色的业务能力和创新精神，很快在设计院脱颖而出，成为该院的设计总监。

在同事和领导眼中，张成是一个有才华、有抱负的优秀设计师。

三、张成在昌都设计院的工作表现在昌都设计院工作期间，张成参与了许多重要项目的设计工作，其中不乏获得国内国际大奖的作品。

他的设计作品以创新、实用、美观为特点，深受客户和同行的好评。

此外，张成还热衷于培养和指导新入职的设计师，他的专业素养和敬业精神为大家树立了良好的榜样。

四、张成被指控的罪名及审判过程然而，就在张成的职业生涯如日中天之时，他突然因一起盗窃案被警方拘捕。

据警方调查，张成利用职务之便，窃取了设计院一份价值连城的设计图纸。

这起案件引起了社会的广泛关注，不少人对张成的行为表示震惊和惋惜。

审判过程中，张成坚决否认指控，声称自己被盗图纸的事情毫不知情。

然而，在证据确凿的情况下，张成最终被判处有期徒刑三年。

五、审判结果及影响张成的审判结果引起了昌都设计院的震动。

一方面，院方对这起案件表示遗憾，并表示将加强对员工的管理和职业道德教育；另一方面，院方也积极为张成的家庭提供关爱和帮助，希望他们能够度过难关。

对于张成个人来说，这次审判无疑给他的职业生涯带来了巨大的打击。

尽管他始终坚称自己无辜，但法律面前，他必须为自己的行为付出代价。

人们不禁为这位曾经的设计精英感到惋惜。

六、结论张成审判书无疑给所有职场人士敲响了警钟。

职业道德和品行对于一个人的职业生涯和人生道路至关重要。

驾驶员各驾驶环节疲劳分析林中叶3013001063钱倩3013001125刘仁丁3013001183摘要：在对驾驶行为各环节的分析当中引入传递函数，建立了数学模型，通过拉氏变换与拉氏反变换简化分析过程，然后通过时域分析指出驾驶疲劳的量化特征。

关键词：驾驶疲劳；传递函数；拉氏变换与拉氏反变换；交通安全第一部分问题综述汽车在道路上发生交通事故，总与驾驶人员有关。

驾车人发生交通事故的主要原因：一是酒后开车，二是疲劳驾驶。

在一些发达国家里，从交通事故的大量案例分析中得出的结论认为：开车人因疲劳驾驶所造成的道路交通事故，约占交通事故总数的10％至12.8％。

疲劳驾驶的流行是一个严重的公共健康问题。

在美国，每年有10万起汽车相撞事故、4万名伤者和1150位死者是有驾驶中的昏昏欲睡所造成的。

在所有造成交通意外的主要因素中，疲劳驾驶对警方和其他交通意外调查人员来说是最难发现和估量的。

在中国，疲劳即使现象可以说普遍存在。

几乎每个司机都有疲劳驾驶的经历。

疲劳是人工作或运动到一定时候出现整个机体工作能力暂时降低的现象。

人疲劳时，大脑皮质兴奋性降低，抑制过程加深。

疲劳驾驶是指驾驶员每天驾车连续超过八小时或得从事其他劳动体力消耗过大或者睡眠不中，以致行车中困倦瞌睡、四肢无力，不能及时发现和准确处理路面交通情况。

驾驶员疲劳会使视力下降，注意力不集中，对环境，速度，距离判断失误。

对驾驶员的感觉、知觉、判断产生影响，甚至有时会在驾驶过程中产生幻觉或短暂的睡眠。

这都是造成交通事故的重要因素本文以驾驶员在正常状态和疲劳状态下对刺激的响应快慢程度作为判断驾驶疲劳及其后果的标准，简化数据，建立数学模型进行量化分析，从而得出结论。

第二部分对数学模型的假设：驾驶员在驾驶过程中，不断进行信息收集、分析、判断、发出指令等信息处理过程。

为了从理论上分析这种疲劳给驾驶员安全行车带来的影响，本模型提出以下几点假设。

其一，把驾驶人员看成是一个黑箱，即不管其中环节的复杂程度，只关心黑箱系统的输入和输出信号，并用拉氏变换构建传递函数。

驾驶员驾驶疲劳分析及预防随着经济社会的高速发展，物流产业的日渐发达，客货运市场竞争的日趋激烈，疲劳驾驶现象有增无减，引发了大量交通事故，造成十分惨重的损失。

2007年，甘肃省高等级公路发生一般以上道路交通事故341起，共造成193人死亡，440人受伤，直接财产损失543.35万元。

因机动车驾驶员超速行驶发生事故46起,造成29人死亡，64人受伤，分别占总数的13.5％、15％和14.5％;因机动车驾驶员疲劳驾驶发生事故47起,造成18人死亡，67人受伤，分别占总数的13.8％、9.3％和15.2％。

上述数据说明疲劳驾驶是影响交通安全的的“无形杀手”。

下面的一起交通事故更让你直面疲劳驾驶的影响：2006年3月25日，我省高速公路发生一起因追尾造成12人死亡、41人受伤、两车受损的特大道路交通事故。

有关情况介绍如下：3月24日13时，**驾驶闽CY9367号金龙牌大型客车（核载53人，实载53人）从重庆市万州区返回福建泉州，途经万州、利川、恩施，并于当晚21时进餐后，将车交另一驾驶员**才驾驶。

3月25日6时23分，当事人陈东才驾驶该车行驶至高速公路235M 900M 处时，与前方正在同向行驶的由陈世贵驾驶的鄂F16291号东风牌大货车在慢车道内尾随相撞，造成当场死亡4人、8人在送医院途中和在医院抢救无效死亡，41人受伤(其中重伤6人)、两车严重受损的特大道路交通事故。

从初步调查的情况看，这起事故主观上是肇事人陈东才安全意识淡薄，严重违反道路交通安全法规疲劳驾驶（连续驾车近9个小时），未与前车保持必要的安全间距所致。

由此引发的在执法领域内，如何应对疲劳驾驶也成为一个越来越难以回避、需要直面的问题。

一、驾驶疲劳分析（1）、疲劳驾驶的概念什么是疲劳驾驶呢？专家认为：“疲劳驾驶是指驾驶员每天驾驶车辆超过8个小时，从事公路运输的驾驶人一次连续驾驶车辆超过3个小时，或者从事其他劳动，体力消耗过大，或者睡眠不足，以致行车中困倦瞌睡、四肢无力，不能及时发现和准确处理路面上的交通情况。

基于G1法的地铁司机驾驶疲劳因子分析【摘要】地铁司机驾驶疲劳会降低对情境意识的觉知，导致判断能力和操作能力下降，威胁驾驶安全。

对司机的疲劳状况进行综合量化评价可以为控制和缓解驾驶疲劳风险提供有效依据。

笔者通过对地铁司机的现场调研，对疲劳影响因素的深入分析，分析个人生理、心理和管理以及环境对地铁司机驾驶疲劳因子之影响，利用层次分析法提出以全面性的工作状态以及工作环境的差别建构地铁司机驾驶疲劳因子指标体系，并应用G1法对该体系进行评价，该评价方法简便、直观，且对同一层次中元素的个数没有限制，能完整呈现专家的意见。

【关键词】地铁司机疲劳因子层次分析法G1法地铁作为现代化城市标志之一，已成为城市公共交通的主干线。

截止2013年3月8日，北京轨道交通全路网客运量首次突破1000万大关[1]。

随着轨道交通的迅猛发展，在地铁迅猛发展的过程中，一个突出的问题也正呈现在人们的面前。

地铁司机作为一种特殊的职业人群，其工作性质特殊—他们驾驶状态与驾驶效能密切相关，直接关系乘客的出行安全、轨道交通的输送能力，运输效率和安全性[2]。

地铁司机在日常的驾驶工作中需要责任心强，注意力高度集中。

但是地铁司机疲劳会降低对其对情境意识的觉知，导致判断能力和操作能力下降，威胁驾驶安全。

当地铁司机长期处于这种状态时势必是会影响行车的安全，直接威胁整个公共交通的安全运行。

目前，针对地铁司机疲劳的研究主要侧重于针对其轮班制度的风险，但由于疲劳产生的不确定性，并没有对人，管理，环境进行全面而深入的研究，为此，笔者基于层次分析法和G1法，对地铁司机疲劳因子产生根源进行分析和研讨，并提出相应的对策和参考意见，防止疲劳的产生，满足不断增长的运营需要和连续性服务的要求。

1 地铁司机驾驶疲劳因子分析1.1 疲劳因子背景分析本次评价指标的选取通过前期调研发现地铁司机需要长时间工作，作息时间不确定，在工作当中需要长时间保持警觉状态，而且地铁司机本身的工作环境特殊，需要在明暗交替的环境中工作，同时结合对北京某地铁公司某线路的352名地铁司机进行访谈和调查以及采取德尔菲（Delphi）调查法中相关方面专家意见反馈，将司机生理（体力）、心理（脑力）、管理和环境因素4个方面作为驾驶疲劳因子诱发因素。