Simulatorstudie Alkohol Mats Björkman Skardet 130 442 97 KODE tfn. 0739-04 11 70 matsbjorkman@home.se Sammanfattning Det är ett känt faktum att alkohol är inblandat i en fjärdedel av alla trafikolyckor. Tillsammans med trötthet omfattas nästan hälften! För EU handlar det om tusentals dödsfall och kostnader på flera hundra miljarder varje år. Det vi önskar oss är en fungerande metod som gör det möjligt att vidta anpassade åtgärder direkt i fordonen. Den avgörande frågan är om det är möjligt att detektera trötthet och påverkan hos fordonsförare i realtid. När vi kan detta, får vi rent teoretiskt också möjligheten att förhindra uppkomsten av dessa olyckor. Frågan vi nu söker svar på är om det går att mäta alkoholpåverkan hos bilförare genom realtidsanalys av förarens körbeteende. En Blindtestet i VTI:s simulator simulatorstudie har genomförts tillsammans med VTI (statens Vägoch Transportforskningsinstitut) där åtta försökspersoner fått köra vid olika tillfällen och under olika alkoholbetingelser. Resultatet av studien visar på bra överensstämmelse mellan detekterad/beräknad och faktisk alkoholpåverkan. Under projektet har en ny matematisk förarmodell utvecklats för diagnostisering av alkoholpåverkan hos fordonsförare. Då de beteendemässiga symptomen på alkoholpåverkan till stor del är de samma som vid drogpåverkan och trötthet kan metoden sannolikt användas för att detektera även dessa tillstånd. Bilden intill visar hur väl diagnosmetoden fungerade vid blindtestet i VTI:s simulator. Det är rimligt att förvänta sig att diagnosmetoden efter optimering hittar fler än 9 av 10 påverkade/trötta förare i verklig trafik. Metoden är användbar för alla typer av fordon i vägtrafiksystemet och speciellt för yrkestrafiken där det förutom säkerhet också handlar om leveranskvalitet och arbetsmiljö. Innehåll SAMMANFATTNING...1 FÖRORD...2 SYFTE MED PROJEKTET...3 BAKGRUND...4 DIAGNOSMETOD OCH MODELL...5 GENOMFÖRANDE...7 RESULTAT...8 SLUTSATS / DISKUSSION...11 LITTERATUR ETC...12 Skyltfonden EK50-A 2003:25126 Sida 1(12)
Förord Målet för allt trafiksäkerhetsarbete borde vara att höja säkerheten utan att minska framkomligheten och utan att öka de totala kostnaderna. Jag vill pröva en helt ny tanke. Nja inte helt ny, Det fanns en herre vid namn Norbert Wiener som 1948 skrev boken Cybenetics. Han lär ha tänkt i samma banor men då var varken tekniken eller tiden mogen. Det som nu fick mig att tänka till var när jag ställde mig frågan - Hur farlig är egentligen trafiken? En snabb beräkning ger att, för att vara statistiskt sett säker på att dödas i en trafikolycka så behöver vi leva i ungefär 8000år vid normal exponering. För en pigg och erfaren förare rör det troligen sig om ytterligare ett par nollor. Om man sedan jämför detta med alla potentiella incidenter och olyckor vi dagligen utsätter oss för kan jag bara få det till att trafiken är oerhört säker. Det är konsekvenserna av de olyckor som ändå sker och det faktum att alkohol, droger, trötthet, mediciner och viss sjukdom finns med i bilden vid mer än hälften av alla olyckor som är det stora problemet. Jag tror att grunden till vägtrafikens funktion och säkerhet ligger i människans unika förmåga att kommunicera med sin omgivning, att anpassa sig till de mest skiftande situationer och att agera utifrån erfarenhet och omdöme. I varje människa finns det en inbyggd och väl fungerande säkerhetsfunktion. Människan är expert på att reda ut incidenter och undvika olyckor. Vägutformning, trafikregler och dylikt är, så länge den inbyggda säkerheten fungerar, bara instruktioner och hjälpmedel. Vi vet idag att alkohol, droger och trötthet påverkar omdömet och den inbyggda säkerhetsfunktionen. Så länge inget oförutsett inträffar går det kanske bra, men i en svårare trafiksituation är det de med minst säkerhetsmarginaler som drabbas. Så länge den inbyggda säkerheten fungerar finns all anledning att tro att föraren kan hantera de situationer som uppstår. Det är när den inbyggda säkerheten försvagas eller slås ut som fara uppstår. Kan vi skapa ett aktivt förarstöd som verkar för att öka förarens medvetenhet om sin egen förmåga? Hastighetsmätaren och de räfflade sidolinjerna är förarstöd, men inte aktivt. Intelligent hastighetsanpassning, ISA är en bit på rätt väg men ett aktivt förarstöd skall anpassa sig till förarens verkliga förmåga. När säkerheten inte kan upprätthållas skall fordonet stå still och övrig trafik varnas. Lika självklart som att reducera antalet svåra olyckor genom att bygga säkra vägmiljöer och fordon borde det vara att minska det totala antalet olyckor genom att stödja och stärka människans inbyggda säkerhetssystem. Det är här de verkligt stora vinsterna ligger. Genom att förstå att alla ekipage har ett inbyggt säkerhetssystem och att verka för införandet av aktivt förarstöd tror jag att det är möjligt att påverka det faktiska antalet olyckor. Om vi säger att alla ekipage har en inbyggd säkerhetsfunktion blir övervakning en fråga om trafiksystemets funktion, inte ett intrång i förarens integritet. Det är säkerheten som övervakas, inte föraren. Mats Björkman Skyltfonden EK50-A 2003:25126 Sida 2(12)
Syfte med projektet Nykterhet i trafiken är ett starkt prioriterat område. I Trafikutskottets betänkande 2002/03:TU4 ser man med oro på att antalet döda och skadade i vägtrafiken inte synes minska i en takt som är förenlig med de uppsatta målen. Antalet alkohol- och drogrelaterade olyckor fortsätter att öka och man ser därför positivt på regeringens förslag om alkolås, och tillstyrker förslaget om förlängd och utvidgad försöksverksamhet. I skyltfondsprojektet EK 50 A 2001: 25041 "Interaktion förare - fordon" testades en ny mätmetod för detektering av fordonsförares vakenhetsgrad och kognitiva kontrolltillstånd. Resultatet visade på mycket goda korrelationer mellan förarens egen skattning och metodens framräknade mått. Då symptomen på trötthet och alkoholpåverkan till stor del är synonyma förväntas föreliggande diagnosmetod vara användbar för att detektera alkoholpåverkan hos fordonsförare. Projektets syfte är att utvärdera/blindtesta en diagnosmetod för detektering av alkoholpåverkan hos fordonsförare med utgångspunkt i resultatet från ovanstående skyltfondsprojekt. Skyltfonden EK50-A 2003:25126 Sida 3(12)
Bakgrund I takt med att fordon och vägmiljöer blir allt säkrare ökar andelen trafikolyckor som orsakas av brister i förarnas kontrollförmåga. Detta innebär att man successivt måste ändra inriktningen på trafiksäkerhetsarbetet. Från att ha vunnit stor framgång med passiva säkerhetssystem som lindrar olycksförloppet måste man inrikta sig på olika former av system som kan ge förarna ett mer aktivt stöd och i värsta fall förhindra fortsatt färd. Gemensamt för dessa nya system är att de baseras på mätning av parametrar som är kopplade till förarens förmåga. En gruppindelning kan se ut enligt följande: system som analyserar omgivningen med kamera eller radar; optiska kamerabaserade system som analyserar ögats och huvudets rörelser, hit kan också räknas kapacitiva system för head nodding ; system där föraren skall svara på ett stimuli eller en fråga; system som analyserar fysikaliska signaler såsom hjärnaktivitet, hjärtrytm, hudkonduktivitet etc.; system baserade på förarens körbeteende. Till denna sistnämnda grupp hör detta projekt och det är också denna grupp som ligger bäst till vad gäller förutsättningarna för att integreras som en del av fordonen. Vid sökning på Internet hittar man hundratals, kanske tusentals olika metoder och patenterade uppfinningar som försöker lösa problemet med bristande kontrollförmåga hos fordonsförare. Som exempel kan nämnas Ford Motors som 1966 tog patent[10] på en metod och apparat som analyserade intensiteten i förarens rattrörelser och som skulle varna, både om han var inaktiv och om han var överdrivet aktiv. Funktionen var inte direkt dålig och kan faktiskt mäta sig med många nyare system. En annan variant på detta tema har Northorp Grumman i Los Angeles som beskriver ett förfarande [11] för att analysera förändringar i energiinnehållet i bilens sidorörelser. En trött eller berusad förare balanserar inte bilen lika bra som en pigg förare. Genom att mäta sidoaccelerationen och beräkna Power Spectral Density över olika tidsintervall erhålls en signal som kan användas för att varna föraren. Ytterligare en, alldeles ny uppfinning har Sphericon [13] vars anordning jämför så kallade förarintroducerade och fordonsintroducerade fordonsrörelser i sidled. Förarens rörelser hämtas från en sensor för rattvinkel och fordonets rörelser hämtas från en sensor för sidoacceleration. Detta är för övrigt en snarlik variant på den metod som användes I skyltfondsprojektet EK 50 A 2001: 25041 "Interaktion förare - fordon". Och som ett sista exempel nämns Honda som har ett patent [12] på en anordning där man kombinerar information om hastighet, girvinkelhastighet, sidoacceleration, rattvinkel och rattmoment för att beräkna fordonsförarens trötthet. Varför finns det inte några produkter för detektering av trötta och berusade förare på marknaden? Det övergripande problemet är stora individuella olikheter körstil, uppträdande och förmåga. Ett praktiskt fungerande system skall klara alla typer av förare och kunna skilja den nya oerfarna föraren och den mycket gamla föraren från den berusade föraren. En körvan alkoholist kör troligen mindre vingligt än många nyktra nyblivna förare. I arbetet med utvecklingen av en diagnosmetod för detektering av trötthet och alkoholpåverkan har målet varit att skapa ett enkelt system som baseras på känd teknik och som utnyttjar standardkomponenter. Det angreppssätt som valts är att registrera och analysera signalflödet mellan föraren och fordonet via rattrörelser och girvinkelhastighet. Skyltfonden EK50-A 2003:25126 Sida 4(12)
Diagnosmetod och modell En bra teoretisk modell är avgörande för resultatet av utvecklingen u(t) av en ny diagnosmetod. Praktiska försök i vanlig bil och i simulator har visat att det är möjligt att nå långt med enkla medel. Bilden y(t) Driver H(s) intill visar schematiskt hur inkopplingen av mätsystemet går till. Föraren kontrollerar bilen genom att skicka signaler via ratten u(t) P till bilen och får tillbaka information via sina sinnen y(t). De signaler vi kan arbeta med är rattvinkel, rattmoment, sidoacceleration, Py ( t) sidolägesvariation, girvinkelhastighet, vanlig hastighet och tid. Det u( t) TF = första experimentet med denna uppkoppling blir att beräkna systemets överföringsfunktion. Kortfattat kan denna beskrivas som skillnaden i energiintensitet för olika frekvenser mellan utgången och ingången på systemet och beskrivs ingående i grundläggande litteratur om reglerteori och kontrollsystem. För att bestämma överföringsfunktionen för fordonet, sätts beräkningen upp med u(t) som insignal och y(t) som utsignal. För att kunna bestämma förarens överföringsfunktion gäller således att kasta om signalerna så att y(t) är insignal och u(t) är utsignal. Problemet med detta resonemang är att vi har att göra med ett dynamiskt återkopplat system och att vår resulterande signal påverkas både av förarens status och av bilens aktuella egenskaper, däcktryck, lastförhållanden etc.[2] Resultatet av tidigare studier och det simulatorförsök som genomförts av VTI inom ramen för detta projekt visar dock att det är möjligt att utgå ifrån den traditionella beräkningen av överföringsfunktionen för vidare utveckling av den matematiska modellen och diagnosmetoden. Ett annat sätt att visualisera överföringsfunktionen är att rita ett XYdiagram med exempelvis sidoacceleration på x-axeln och rattmoment på y-axeln. På detta sätt kan skillnader mellan olika systembetingelser enkelt iakttas. Bilderna till höger är hämtade från skyltfondsprojektet "Interaktion förare - fordon" och visar skillnader mellan en utvilad och en trött förare. För att få fram bilden är signalerna först filtrerade i ett bandpassfilter med brytfrekvenserna 0,5 och 1,5 Hz. Exempel på överföringsfunktion från rattvinkel till sidoacceleration i VTI:s simulautvilad förare trött förare Vehicle G(s) Driver Status? En graf över överföringsfunktionen mellan girvinkelhastighet och rattmoment och för olika berusningsgrad kan se ut som till vänster. Grön kurva: 0,0 promille; gul kurva: 0,4 promille; röd kurva: 0,8 promille. Detta är också ett av de mått som använts för beräknig i projektet. På grund av ett programmeringsfel vid uppsättningen av simulatorförsöken blev rattmomentet sammanblandat med rattvinkeln, därav den låga differensen mellan kurvorna. Oavsett om signalen sidoacceleration eller girvinkelhastighet används blir resultatet det samma. Vid användning av en ren rattmomentsignal som vid skyltfondsprojektet "Interaktion förare - fordon" erhålls grafen till vänster. Här är skillnaden ~5dB vilket betyder nästan två gånger så hög signalamplitud i piggt tillstånd som i trött! KSS-värde (Karolinska Sleepiness Scale) för respektive kurva: grön=2; gul=6; röd=9. Skyltfonden EK50-A 2003:25126 Sida 5(12)
Förarmodell Den förarmodell som utarbetats under projektet bygger på R.C. Mialls idéer om lillhjärnans funktion som smith-regulator [2]. Till denna har en bruskälla lagts, som kan fungera som drivmotor i ett inbyggt säkerhetssystem. Bilkörning är en komplicerad process som kräver återkoppling, men också förmåga att agera utifrån ett invant mönster och utan kontrollmöjligheter. Norbert Wiener[14] menade att negativ återkoppling är grunden i alla processer, och att människan använder sig av denna på alla plan. System som innehåller tidsfördröjningar är emellertid svåra att reglera. I mitten av 1950-talet kom Otto Smith på ett sätt att stabilisera reglerprocesser med långa tidsfördröjningar. Genom att konstruera en kompensationslänk som är en exakt kopia av systemet och återkolla denna positivt uppnås en optimal kontroll och det var detta R.C. Miall [2] tog fasta på. Detta är alltså förklaringen till att människan kan utföra alla varierande och många gånger svåra uppgifter. Så länge den inre mentala modellen hålls uppdaterad och överensstämmer med den yttre verkligheten kan en perfekt kontroll av den aktuella aktiviteten uppnås. Likaså leder missmatch mellan modell och verklighet till sämre kontroll och förhöjd olycksrisk. r(t) Driver Visual & Perceptual Preview F(s) + Σ Test Noise + Σ + Driver Control H(s) Vehicle u(t) Steering & Dynamics G(s) Road & Wind Disturbance v(t) + + Σ y(t) Status Signal Internal model (system copy) Σ + B(s) G(s) M Björkman 2005 Visual & sensed Feedback B(s) Hands Eyes, balance & feel Bilden ovan visar schematiskt hur föraren interagerar med fordonet. Signalen r(t) i vänsterkanten beskriver det önskade börvärdet som föraren utgår ifrån. Signalen y(t) beskriver fordonets verkliga rörelse och position. Blocket G(s) beskriver fordonets egenskaper och innehåller tidsfördröjningar. Blocket B(s) är förarens sinnen som med en viss tidsfördröjning vidarebefordrar signalerna till hjärnan. Blocket F(s) kan kortfattat sägas beskriva förarens framförhållning. Den interna modellen av systemet består dels av en kopia på fordonets egenskaper och dels en kopia av de egna sinnena. En impuls som färdas i signalen u(t) går på detta sätt samtidigt genom det verkliga systemet som den interna modellen. När impulserna sedan slås samman till status signalen kan hjärnan utläsa information både om kroppens egenskaper och systemets övriga funktion, väglag etc. Signalen Test Noise skapar de impulser hjärnan behöver för att hela tiden känna av kroppen, omgivningen och systemet. Denna signal används med största sannolikhet också för inlärning, uppbyggnad och utveckling av den mentala modellen. Vad innebär nu allt detta i praktiken? Det vi kan se i mätningarna från simulatorn är att förarens kontrollförmåga försämras med ökad trötthet och/eller påverkan. Sannolikt är det så att förarens sinnen påverkas men att den inre modellen inte gör det, och att detta i enlighet med traditionell reglerteori leder till sämre kontroll. Det vi i huvudsak ser i mätningarna är alltså skillnaden mellan den påverkade verkligheten och förarens opåverkade inre modell av verkligheten. En förklaring till att grava alkoholister fortfarande kan köra bil vid alkoholnivåer en normal människa inte ens skulle kunna starta bilen vid är att alkoholistens inre modell är anpassad till en mer konstant påverkan på sinnena. Detta är också en trolig anledning till att det inte finns några fungerande varningssystem för alkohol och trötthet på marknaden. Med hjälp av den nya förarmodellen kan vi nu börja extrahera de parametrar som är direkt kopplade till trötthet och alkoholpåverkan och som inte påverkas av förarens vana eller ovana. Skyltfonden EK50-A 2003:25126 Sida 6(12)
Genomförande Försöken har utförts i VTI:s nya simulator. Efter den 1/1 2004 måste alla studier som genomförs med försökspersoner godkännas av den Etiska Nämnden och efter ansökan beviljades försöken. Fyra manliga och fyra kvinnliga körkortsinnehavare mellan 24 och 40 år fick köra vid tre tillfällen vardera. Försöket lades upp som en upprepad mätning med tre alkoholbetingelser, vid tre olika tillfällen: 0,0 promille, ca 0,4 promille och ca 0,8 promille. För att uppnå given promillenivå gavs försökspersonen (fp) alkohol i form av vodka utspädd i apelsinjuice. Vid 0 promille gavs enbart juice. Beräkningen av alkoholdos för en viss promillenivå påverkas bl.a. av vad och hur mycket man ätit före alkoholintaget. Beräkningsunderlag: 0,4 promille: 0,48 g ren alkohol/kg kroppsvikt för män och 0,39 g ren alkohol/kg kroppsvikt för kvinnor; 0,8 promille: 0,96 g ren alkohol/kg kroppsvikt för män och 0,78 g ren alkohol/kg kroppsvikt för kvinnor. Detta motsvarar 22,8 cl 40% sprit för en man som väger 75 kg och 16 cl 40% sprit för en kvinna som väger 65 kg. Efter en kortare provtur i simulatorn av respektive fp började försöket genom intag av beräknad alkoholdos. Efter detta fick fp vänta ca 30 minuter för att promillenivån skall stabiliseras, därefter mättes nivån med en alkomat och testkörningen började. I simulatorn bestod uppgiften i att köra en relativt rak 2-fältsväg "som vanligt" och i sitt eget tempo. Körningen tog ungefär 30 minuter. Efter körningen mättes återigen promillenivån och fp fick fylla i en enkät (Bilaga 2) om hur fp upplevde att köra i simulatorn och situationen i övrigt. Därefter erbjöds fp en lättare måltid, kaffe eller annan alkoholfri dryck och fri hemfärd. Kördatan för varje förare hackades upp i 5-minuters avsnitt vilka levererades på CD-skiva för blindtest och analys. Första avsnittet i nyktert tillstånd angavs som referens. Efter klassificering av köravsnitten utifrån uppskattad promillenivå levererades resultatet tillbaka till VTI för rättning. För analysen och klassificeringen användes MATLAB för bearbetning och visualisering av mätdatan, samt framräkning av trötthetsmått baserade på överföringsfunktion, Power Spectrum Density och amplitudmässig standardavvikelse. Skyltfonden EK50-A 2003:25126 Sida 7(12)
Resultat Resultatet från simulatorförsöken utföll så att för hälften av förarna (fp03, fp04, fp07 och fp08) kunde samtliga köravsnitt klassificeras helt rätt. För två av förarna, (fp01 och fp06) missades ett mindre antal köravsnitt. För fp02 kunde den opåverkade körningen detekteras rätt men 0,4 och 0,8 promille förväxlades. Fp05 var den föraren som visade sig svårast att tolka rätt Blindtestet i VTI:s simulator och konstigt nog, med facit i hand såg han/hon ut att köra bättre i påverkat än i opåverkat tillstånd. Resultatet från själva försöken redovisas i bilaga 1 och 2. Bilden här intill visar en sammanställning av rätt och fel klassificerade köravsnitt för samtliga förare. Önskvärt vore naturligtvis 100% rätt klassificering men med tanke på att det är fråga om ett första blindtest för en ny metod ser resultatet mycket lovande ut. När en opåverkad förare tolkats som påverkad kallar vi detta falsklarm och när en påverkad förare tolkats som opåverkad kallar vi detta för en mätmiss. Då diagnosmetoden även är känslig för trötthet är det möjligt att densamma ligger bakom en del av falsklarmen. Den största och viktigaste utmaningen i utvecklingsarbetet av diagnosmetoden är att minimera antalet mätmissar och falsklarm. Den första sammanställningen i bilaga 1 kallas Tolkat och är det av VTI rättade blindtestet. Den andra sammanställningen kallas Beräknat och innehåller rent datorberäknade värden. För bedömning av promillehalten och utveckling av diagnosmetoden har erfarenheterna från skyltfondsprojektet "Interaktion förare - fordon" använts. Följande indikatorer har varit vägledande och förefaller gälla för både trötthet och alkoholberusning: Antalet kontrollmissar ökar. I enlighet med resonemanget om påverkan på sinnena blir systemet förare/fordon mer och mer instabilt. Ett mått som baseras på räkning av antalet kontrollmissar kan vara användbart, men detekterar troligen inte förare som ofta kör berusade eller allt för trötta. En variant på att räkna kontrollmissarna är att beräkna amplitudmässig standardavvikelse genom att först högpassfiltrera signalen för att få fram kommandomissarna, och sedan lågpassfiltrera signalen för att filtrera bort bruset och därefter beräkna standardavvikelsen. Rattutslag och sidledsförflyttning blir större. Det är fullt möjligt att använda förändringar i det genomsnittliga energiinnehållet i ratt och fordonsrörelser som mått på berusning/trötthet för många förare. Detta är i och för sig en effekt av att kontrollförmågan minskar men beror troligen också mer direkt på avtrubbade sinnen. Antalet döda perioder blir fler. Den brusgenerator som föreslås ingå som en viktig del av det inbyggda säkerhetssystemet verkar sättas mer och mer ur spel vid ökande trötthet/berusning. Ett mått baserat på frekvensen av dessa döda perioder kan vara mycket utslagsgivande. Föraren tenderar att sluta lyssna på fordonet. Mätning av överföringsfunktionen kan sägas vara en jämförelse av energiinnehåll och aktivitet för de aktuella signalerna vid olika frekvenser. I fråga om fordonets överföringsfunktion säger det sig självt att det handlar om hur fordonet reagerar på förarens rattrörelser. Omvänt handlar det således om att föraren också reagerar på fordonets rörelser. Måttet baserat på överföringsfunktionen är mycket utvecklingsbart. Skyltfonden EK50-A 2003:25126 Sida 8(12)
Grafen visar Fp04 vid 0. Signalerna som visas är rattmoment (blå) och girvinkelhastighet (röd). Jämfört med fp i påverkat tillstånd är signalnivån jämn och fin. Uppskattningsvis kan 20% av rattrörelserna kopplas till kontrollprocessen av fordonet. Resterande del härrör från det mätbrus som hjärnan själv producerar för att hela tiden känna av systemet. Grafen visar Fp04 med uppskattningsvis 0,5 i blodet. Samma signaler och samma vägavsnitt. Kontrollmissar börjar synas Signalerna ser mer spretiga ut. Grafen visar Fp04 med uppskattningsvis 1,0 i blodet. Kontrollmissarna är påtagliga med större och yvigare rörelser. Mellan tiden 3:30 och 5:00 minuter syns döda perioder på upp till 10 sekunder. På grund ett programmeringsfel vid uppsättning av simulatorförsöken blev signalen för rattmomentet blandad med rattvinkeln med följd att det särpräglade informationsinnehållet i signalen minskade till uppskattningsvis 20%. Efter rätting av blindtestet och att facit erhållits upptäcktes att vägens kurvatur och eventuellt bilens hastighet hade stor inverkan på överföringsfunktionen. Med en frisk signal från rattmomentet hade inverkan varit betydligt mindre. norm TF-mått (db) 5 4 3 2 1 0-1 0 promille 0.4 promille 0.8 promille Grafen visar vägsträckningens påverkan på överföringsfunktionen. Medelvärde för försöksperson 1 till 4. TF-måttet (TF=Transfer Function) fås fram genom att integrera överföringsfunktionen mellan 0-5Hz. Avvikelsen i utseende för 0.8 beror på skillnader i ekipagens hastighet och därigenom tillryggalagda sträcka. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 köravsnitt Skyltfonden EK50-A 2003:25126 Sida 9(12)
Som jämförelse visas också två bilder från skyltfondsprojektet "Interaktion förare - fordon". Grafen visar en pigg försöksperson. Signalerna är jämna och fina. Blå signal är rattmoment och röd signal är sidacceleration. Samma försöksperson men i trött tillstånd. Många kontrollmissar och döda perioder. Lägg märke till att det är en påtaglig relativ amplitudökning för sidoaccelerationen. Syns några effekter av trötthet hos försökspersonerna? I den enkät som alla försökspersoner fick svara på efter varje genomfört försök, framgick att flera fp var trötta vid körning i nyktert tillstånd. Efter kompensation för kurvaturens påverkan på överföringsfunktionen (se sida 7) togs nedanstående bilder fram. alkoholhalt 1 0,8 0,6 0,4 0,2 0 uppmätt alkoholhalt beräknat TF-mått Fp01 sade sig vara pigg under samtliga betingelser. De framräknade värdena ligger förhållandevis samlade runt rätt nivå. En uppgift för kommande projekt blir att identifiera de faktorer som åstadkommer avvikelser som vid köravsnitt 7. -0,2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 köravsnitt alkoholhalt 1 0,8 0,6 0,4 0,2 beräknat TF-mått uppmätt alkoholhalt Fp02 sade sig vara något sömnig vid nykter körning. Detta kan vara en förklaring till att värdena för köravsnitt 1-6 ligger högt. 0 alkoholhalt -0,2 1 0,8 0,6 0,4 0,2 0-0,2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 köravsnitt uppmätt alkoholhalt beräknat TF-mått 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 köravsnitt Fp03 var piggast vid nykter körning och riktigt sömning vid 0,8 promille. Doseringen av alkoholdos stämde mycket dåligt vid önskat värde på 0,4 promille. Det verkliga värdet låg mycket nära 0,0 under hela körnigen. Att de beräknade värdena ändå ligger på runt 0,4 kan antingen bero på ren trötthet eller en kvarvarande effekt av det faktiska alkoholintaget. Skyltfonden EK50-A 2003:25126 Sida 10(12)
Slutsats / diskussion Det nu genomförda projektet har visat att det är möjligt att detektera alkoholpåverkan genom realtidsanalys av fordonsförarens körbeteende. Det har också givit en djupare förståelse för systemet förare/fordon och föreslår en möjlig förklaring till varför ingen fullt fungerande diagnosmetod ännu finns på markanden. Människans hjärna har en så stor förmåga att kompensera för svåra förhållanden att den till och med kompenserar för sina egna avtrubbade sinnen. Förhoppningen är dock att det med en förbättrad matematisk modell nu blir möjligt att isolera de parametrar som är definitivt kopplade till alkoholpåverkan och trötthet. Faktum är att om man studerar modellen kan vi redan extrahera delar av hjärnans interna statussignal om vi har tillgång till pigg och nykter referensdata för en viss förare. De faktorer som kan ha påverkat mätningarna i simulatorn är exempelvis trötthet, körvana och alkoholtolerans. Efter att ha ordnat avsnitten efter berusningsgrad och i kronologisk ordning visade det sig att påverkan från vägutformningen hade ett stort genomslag i den beräknade överföringsfunktionen. Om det verkligen är vägens kurvatur eller en varierande hastighets inverkan är ej undersökt. Detta är sådana faktorer som vi måste lära oss mer om i kommande projekt. I fråga om vilka mätsignaler som skall väljas som ingångsparametrar i en optimerad diagnosmetod är rattmomentet att föredra. Fordonets hastighetssignal är nödvändig för kompensation av styrsystemets överföringsfunktion. Vilken som helst av signalerna sidoacceleration och girvinkelhastighet kan användas. Signalen tid används för att skapa en allmän degraderingsfaktor. Vad är nästa steg? Den viktigaste punkten på dagordningen är att utreda vilka parametrar i den matematiska modellen som är kopplade till trötthet/berusning och vilka som är kopplade till andra faktorer. För detta behövs mer omfattande försök både i normal trafik och i simulator. En annan mycket viktig punkt är att sätta igång en allmän diskussion om hur informationen om förarens förmåga kan och skall användas. Tekniken är inget problem. De sensorer som behövs för detekteringssystemet finns som standard i många fordon och diagnosmetoden går redan idag att integrera med den befintliga fordonsdatorn. Frågorna som söker svar är av typen: Skall motoreffekten strypas när föraren blir trött eller skall bilen bara stanna? Skall bilens komfort och övriga egenskaper kopplas till förarens förmåga? Hur viktig är försäkringsbolagens roll? Vad får det kosta och vem skall betala? Skall trötthet eller alkoholpåverkan automatrapporteras till någon kontrollinstans? Skall trafikanter runt om varnas för en trött eller berusad förare? De aktörer som berörs är framförallt vägverket, transportnäringen med sina branschorganisationer, fordonsindustrin och försäkringsbolagen men även polisen, intresseorganisationerna, kommuner och landsting. Största incitament finns hos bussbolag, åkerier och deras försäkringsbolag. För dessa är det inte bara en fråga om trafiksäkerhet utan också om kvalitetssäkring och arbetsmiljö. Till sist, människan har ett inbyggt säkerhetssystem som nästan alltid fungerar perfekt. Med den diagnosmetod som presenteras i denna rapport är det fullt möjligt att övervaka själva funktionen på säkerhetssystemet och därigenom också skapa möjlighet att vida aktiva åtgärder de få tillfällen då säkerheten brister. Skyltfonden EK50-A 2003:25126 Sida 11(12)
Litteratur etc. [1] L Ljung T Glad, Reglerteknik - Grundläggande Teori, Studetliteratur 1989 [2] RC Miall et.al, Is the Cerebellum a Smith Predictor, Journal of Motor Behavior 1993 [3] T Pilutti, Identification of Driver State for Lane-Keeping Tasks, IEEE Transactions on systems, man, and cybernetics-part A 1999 [4] L-K Chen, et.al. Identification of a Driver Steering Model, and Model Uncertainty, From Driving Simulator Data, Journal of Dynamic Systems, Measurement, and Control 2001 [5] A Liu et.al, Modelling and Prediction of Human Driver Behavior, 9th Intl. Conference on Human- Computer Interaction, New Orleans, LA, Aug, 2001 [6] R.C Miall et.al, The Cerebellum and the Timing of Coordinated Eye and Hand Tracking, Brain and Cognition 48 p.212-p.226 2002 [7] J Zuuribier et.al, State Estimation for Integrated Vehicle Dynamics Control, TNO Automotive 2002 [8] Y Fujiwara, Steering Assistance System for Driver Characteristics using Gain Scheduling Control, Honda R&D Co., Ltd. Tochigi Center / Utsunomiya University 2002 [9] Synchronizing CAN and Analog Signals for Device Validation, National Instruments artikel on: http://zone.ni.com/devzone/conceptd.nsf/webmain/a0edfd55b4955efd86256caa007618d3 [10] US Patent US3227998 [11] US Patent US5798695 [12] US Patent US5925082 [13] US Patent US6756903 [14] N Wiener, Cybernetics, or the Control and Communication in the Animal and the Machine, 1948, 1961 Skyltfonden EK50-A 2003:25126 Sida 12(12)