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 ^]。

前两种方式所依据的行为特征在变化明显性上不及生理特征的变化。因此，在同等检测复杂度的情况下，选择生理参数能够准确地反映驾驶员的疲倦程度，从而及时提出疲劳预警和采取疲劳对策^[3^]。

受现有人体信号采集方式的限制，由于人体信号的微弱性，为保证数据采集的有效性，多数生理信号的采集需在驾驶员身上贴附电极及各种连接线，造成了驾驶员驾驶舒适感的降低，对驾驶操作造成了干扰。同时，多数研究着重于探究驾驶过程中生理指标随驾驶疲劳的变化趋势，但没有对指标与疲劳的相关关系做进一步的研究。因此，阻碍当前驾驶疲劳应用的两大因素分别是参数获取方式和疲劳识别算法。

心电信号获取方式具有简单易行、非侵入式、可随身携带等优点，心电指标的计算方法较为简单，仅包含时域和频域分析，计算量小，便于实时分析随着检测。织物传感器可嵌入衣物中，对驾驶操作实现无干扰测量。

因此，本文拟采用织物传感器，实现自然，无压迫状态下，非侵入式获取心电信号，分析心率变异性，判断疲劳状态，避免危险驾驶。

1.3国内外研究现状：

1.3.1疲劳检测研究现状：

目前驾驶员疲劳检测技术一般可分为主观检测和客观检测。

主观监测分自我评定与他人评定，主要通过主观调查表、驾驶员自我记录表、睡眠习惯调查表、斯坦福睡眠尺度表和皮尔逊疲劳量表等评定。主观检测由于方法简单，依靠驾驶员或评分者的主观判断，可靠性难以保证，主要用来验证其他驾驶员疲劳检测方法的相关性^[4]。

客观检测目前国内外研究的检测方法大致为：基于驾驶员生理信号特征的检测方法，基于驾驶员操作特征的检测方法，基于车辆行驶状态的检测方法和多特征信息融合方法。