近日，国家一级学术期刊《交通运输系统工程与信息》杂志发表汉纳森大数据团队
关于疲劳驾驶的研究成果论文——《基于车辆运行数据的疲劳驾驶状态检测》。
论文阐述了如何应用CAN总线采集的数据为基础，检测与预警驾驶员的疲劳状态。
《交通运输系统工程与信息》是由中国科学技术协会主办、
中国系统工程学会主办、交通运输系统工程专业委员会承办，
面向交通运输系统工程、综合交通、智能交通、信息工程等学科研究成果的学术期刊。
在交通领域，安全始终是一个重要的议题。在众多引发交通事故的原因之中，疲劳驾驶当属罪魁祸首。
根据美国汽车交通安全基金会的一项调查表明：疲劳驾驶在交通事故死亡事件中占据21%的比例。
因此，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证行车安全，减少交通事故具有重要意义。
目前，市面上的疲劳驾驶检测，大多是利用摄像头对准驾驶员脸部拍摄，然后基于驾驶员行为特征，
例如驾驶员眨眼的频率、瞳孔的大小、眼球转动的位置来综合评判驾驶员的疲劳程度。
汉纳森的大数据团队另辟蹊径，结合多年的CAN总线研究经验，研究了基于车辆运行数据的疲劳驾驶检测方法。
不用摄像头，怎么来判断驾驶员疲劳呢？
接下来就让小编来给大家介绍一下基于车辆运行数据的疲劳驾驶检测创新方法。
01 首先是数据的采集与传输
数据采集部分包括车辆的实时运行数据和疲劳预警的数据，这些数据通过网络传输到数据库中。
02 然后是疲劳驾驶与清醒状态的数据切分
根据疲劳预警数据将CAN数据切分为清醒样本数据和疲劳样本数据。
从样本数据中提取驾驶行为特征，接着采用算法对疲劳驾驶数据进行判别。
如此，便可基于 CAN采集的车辆运行数据识别出疲劳驾驶，
从而可在司机驾驶过程中，对疲劳状态进行预警。
经过大量的实验数据及实践应用结果表明，基于车辆运行数据的疲劳驾驶监测方法，
能够有效识别出驾驶员的疲劳状态，具备可行性和实用性。
同时，本方案还具备成本低、数据可靠的优势，
能够帮助商业车队及时发现驾驶员疲劳状态，管控行车风险。
上图为本篇提及的汉纳森大数据团队发表的论文
《基于车辆运行数据的疲劳驾驶状态检测》是汉纳森大数据团队致力于汽车大数据研究的众多成果之一。
大数据团队自组建以来，陆续研究出了驾驶行为分析方法、公共安全事件预警方法、车辆故障预测方法、
事故黑点预测方法、新能源车辆续航里程衰减模型等一系列行业内优秀的算法模型，致力于用技术护航交通安全。
而这些技术成果，也已经应用于汉纳森旗下的云总线、云汽时代平台，赋能平台展现出卓越的应用成效。
