1. 研究目的与意义（文献综述）

1.1研究背景：

现阶段物流运输中，公路物流货运量占到了整体货运量的80%，进一步可细分为整车、零担和快递三个部分。零担和快递的行业集中度相对整车市场较高，相应运营效率较好。剩下的整车领域，行业分散，一个人一辆货车就可以做起整车生意。与此同时，2016年全国共发生货车责任道路交通事故5.04万起，造成2.5万人死亡、4.68万人受伤，分别占汽车责任事故总量的30.5%。数据报告显示，货车司机疲劳驾驶所造成的事故占事故总量40%左右。

1.2研究目的和意义：

驾驶疲劳通过驾驶员的外在行为特征及生理特征表现，因此，疲劳识别的主要目的是发掘哪些持征与驾驶疲劳紧密相关，能够及时、精确的反映出驾驶员的驾驶状态，进而根据这些特征识别其驾驶疲劳程度，为下一步采取相应的干预措施奠定基础^[1]。由于货运物流司机移动速度快，活动范围小，站点停靠时间短，研究在货运物流条件下检测司机疲劳状态，对降低交通事故的发生率有重要意义。

现有研究中，主要通过驾驶员的行为特征、驾驶员的生理参数和车辆行驶过程中的行为特征监测以及多特征信息融合方法评估驾驶疲劳。其中，驾驶员行为特征检测通常通过利用机器视觉技术或传感器技术实现，车辆行驶过程中的行为特征可通过车载传感器感测，生理信号与驾驶员的精神状态高度相关，在疲劳检测和识别中敏感性最高^[2 ^]。

2. 研究的基本内容与方案

2.1研究目标：

本论文研究对象为货运物流司机，为长途货运物流状态下易出现疲劳驾驶这类危险状态的驾驶员。货运物流司机移动速度快，活动范围小，站点停靠时间短，疲劳驾驶判断需对驾驶操作实现无干扰测量。

因此，本论文目标为利用织物传感器无干扰获取驾驶疲劳过程中司机的心电指标，研究变化规律，在此基础上构建可行的驾驶疲劳识别方法，实现对驾驶员疲劳状态的准确检测和识别。

3. 研究计划与安排

（1）1-4周：查阅参考文献、资料；外文文献翻译；调研；撰写开题报告；

（2）5-8周：确定目标，根据疲劳驾驶测量面临的问题，完成初始设计方案。

（3）9-12周：改进与完善设计，进行仿真实验与实验验证。

4. 参考文献（12篇以上）

[1] liu m, pu x, jiang c, et al. large‐area all‐textilepressure sensors for monitoring human motion and physiological signals[j].advanced materials, 2017, 29(41).

[2] zheng c, xiaojuan b, yu w. fatigue drivingdetection based on haar feature and extreme learning machine[j]. the journal ofchina universities of posts and telecommunications, 2016, 23(4): 91-100.

[3] hu j, li x, he x, et al. abnormal driving detectionbased on normalized driving behavior[j]. ieee transactions on vehiculartechnology, 2017.