揭秘L2/组合驾驶辅助中的“第三只眼”

为加强智能网联汽车的安全管理，工业和信息化部、市场监管总局在今年3月联合发布了《关于进一步加强智能网联汽车产品准入、召回及软件在线升级管理的通知》，对搭载组合驾驶辅助系统的智能网联汽车提出了明确要求。驾驶员状态监测（DMS）作为保障驾驶安全的“第三只眼”，已成为各方关注的热点话题。

随着技术发展，DMS在智能网联汽车安全监管中发挥着至关重要的作用。它能够实时监测驾驶员的生理和行为状态，如疲劳、注意力分散等情况，及时发出预警，有效降低因驾驶员状态不佳导致的事故风险。通过DMS技术的应用，监管部门能够更好地掌握车辆运行中驾驶员的状态信息，为事故调查和安全评估提供数据支持。

作为国家智能网联汽车质量检验检测中心，襄阳达安汽车检测中心有限公司（以下简称“达安中心”）已经构建了基于真人驾驶员和仿真驾驶员的驾驶员注意力监测系统主客观测试评价平台，形成了整车级和部件级DMS系统的测试评价能力，全面满足行业和客户需求。为了助力行业进一步完善智能网联汽车的安全管理体系，本文将结合达安中心在驾驶员注意力监测系统测试方面围绕相关标准法规和事故特点开展的研究进行分享，以期共同推动产业健康发展。

DMS（Driver State Monitoring systems）驾驶员状态监测系统，是一种集成的车载系统，用于实时监测驾驶员的生理和行为状态。DMS系统通常包括摄像头、传感器和软件算法，能够检测驾驶员的疲劳、注意力分散、生理状态等指标。其主要功能是在检测到驾驶员状态异常时发出警报，并在必要时采取风险缓解措施。

HOR（Hands On Request）是指系统要求驾驶员在特定情况下将双手放在方向盘上以保持对车辆的控制。这一功能通常用于L2/组合辅助驾驶系统中，以确保驾驶员随时准备接管车辆控制权。HOR功能通过方向盘上的传感器监测驾驶员是否将手放在方向盘上，并在检测到驾驶员双手离开方向盘时发出警报。

EOR（Eyes On Request）是指系统要求驾驶员在特定情况下将视线保持在道路上。这一功能通过摄像头监测驾驶员的视线方向，确保其注意力集中在驾驶任务上。EOR功能在检测到驾驶员视线偏离道路时发出警报，提醒驾驶员将注意力重新集中到道路上。

DCA（Direct Control alert）是指系统在检测到驾驶员状态异常时发出的直接控制警报。DCA功能通常结合HOR和EOR功能，通过多种传感器综合判断驾驶员的状态，并在必要时提醒驾驶员直接控制车辆。

RMF（Risk Mitigation Function）是指系统在检测到驾驶员状态异常时采取的风险缓解措施。这些措施可能包括逐渐减速、自动停车、打开双闪警示灯等，以确保车辆和乘客的安全。

驾驶员脱离（driver disengagement）是指驾驶员在驾驶过程中因疲劳、分心或其他原因无法有效控制车辆的状态。DMS系统通过监测驾驶员的生理和行为指标，及时检测驾驶员脱离状态，并采取相应的警报和风险缓解措施。

DDAW（driver drowsiness and attention warning system）驾驶员嗜睡和注意力警告系统，是欧盟法规规定的一种监测驾驶员疲劳状态和嗜睡等级的系统。

ADDW（advanced driver distraction warning system）驾驶员分心先进警告系统，是欧盟法规规定的一种监测驾驶员注意力分散行为的系统。

DAMS（driver attention monitoring system）驾驶员注意力监测系统，是国家标准规定的一种实时监测驾驶员状态并在确认其注意力分散时发出提示信息的系统。

目前，达安中心已具备主流国际法规标准的CNAS资质，已成功为多家国内车企和供应商开展了相关测试，助力中国企业走向海外。

欧盟法规（EU）2021/1341

（EU）2021/1341《对欧洲议会和理事会法规（EU）2019/2144有关机动车驾驶员嗜睡和注意力警告系统型式认证的具体测试程序和技术要求的详细规则和修订其附件Ⅱ的补充》，该法规旨在确保系统能够准确监测驾驶员的疲劳状态和嗜睡等级。 

测试方法：实车测试采用人类驾驶员进行，有效样本不少于10个。驾驶员在测试前需接受卡罗林斯卡嗜睡量表等级（Karolinska Sleepiness Scale，简称KSS）或类似等级量化指标的培训。KSS是一种主观嗜睡水平评估工具，嗜睡水平分为9级，能够敏感地反映个体的嗜睡水平。

测试要求：在实际测试过程中，需综合考虑DDAW系统对不同被测样本差异的包容性和道路测试安全性因素。对于特殊情况，如系统识别为不困倦而驾驶员自识别为困倦的情况，一般会在连续出现后停止试验。

欧盟法规（EU）2023/2590

（EU）2023/2590《对欧洲议会和理事会法规(EU)2019/2144有关机动车驾驶员分心先进警告系统测试程序和技术要求的详细规则的补充》是针对驾驶员分心先进警告系统（ADDW）的法规。该法规旨在确保系统能够准确监测驾驶员的注意力分散行为。

测试方法：根据驾驶员执行驾驶主任务时所关注的视野需求，将驾驶员视野划分为AERA 1、AERA 2、AERA 3三个不同的区域。其中，AERA 3是与驾驶主任务无关的视野区域。测试过程中，驾驶员依次按要求凝视各点位置，检测DMS产品性能。

图2 ADDW法规规定的三种视野分区示意图

联合国法规UN R171.00

UN R171.00《关于就驾驶员控制辅助系统方面批准车辆的统一规定》是针对自动驾驶等级L2+车型的法规，对应国内市场的智能领航辅助系统。该法规明确指出，驾驶员控制辅助系统（DCAS）只允许在未检测到驾驶员脱离（driver disengagement）的情况下才能启动操纵程序，因此认证车型必须装备DMS系统。

检测方法：法规中给出了HOR、EOR、DCA的检测方法。这些检测方法确保系统能够在驾驶员状态异常时及时发出警报。

△图3 HOR、EOR、DCA检测方法示意图

功能安全与隐私保护：前述三个外文标准法规均提出在功能安全、隐私保护方面的审核要求，DMS作为支撑开展审核验证试验的基础功能，在车型出口认证工作中占有重要地位。

Euro-NCAP

除以上法规外，还有多个行业组织推出了不同维度的DMS测评方法。以欧盟新车评价规程为例，规程采用猫头鹰式（头部运动）、蜥蜴式（眼球运动）、身体倾斜等场景手段来评估分心情况，采用KSS来评估疲劳等级，评估过程文件需要留档备查。

对比近年来的规程评分模型，可以发现DMS分值系数加大，体现出对安全问题的重视程度。

GB/T 41797-2022

国家标准GB/T 41797-2022《驾驶员注意力监测系统性能要求及试验方法》适用于采用图像识别技术的DMS产品检测。该标准包含驾驶员识别能力试验和检出率及准确率试验两项试验。

测试内容：测试内容包括DMS对闭眼、头部姿态异常、接打手持电话、打哈欠、抽烟等5种注意力分散的行为动作在不同光照条件、穿戴条件下的检测能力。

△图4 DAMS标准报警条件时间限制指标

测试方法：第一个试验项目采用人类驾驶员作为试验目标，第二个试验项目采用仿人机器人作为试验目标。标准按照行为动作的时间轴划分为误检、正检、漏检三个时间窗口进行检出率及准确率统计分析。

标准影响：该标准在交通运输行业具有重要影响，通过相关标准的引用，正在逐步形成一套完整的产品检验体系。

GB/T 44461.1-2024、GB/T 44461.2-2024

GB/T 44461.1-2024《智能网联汽车组合驾驶辅助系统技术要求及试验方法第1部分：单车道行驶控制》和GB/T 44461.2-2024《智能网联汽车组合驾驶辅助系统技术要求及试验方法第2部分：多车道行驶控制》规定了组合驾驶辅助系统在激活状态下应满足驾驶员监测方面的要求。

技术要求：该系列标准指出，应至少采用HOR检测方式持续检测驾驶员是否在执行相应的动态驾驶任务。HOR检测方法通过传感器监测驾驶员是否将手放在方向盘上，确保驾驶员随时准备接管车辆控制权。

测试方法：标准中提供了详细的HOR检测方法示意图，确保测试的准确性和可靠性。

图5 组合驾驶辅助系统HOR检测示意图

GB/T 40429-2021

国家标准GB/T 40429-2021《汽车驾驶自动化分级》要求自动驾驶功能运行时必须满足设计运行范围、车辆状态、驾乘人员状态及其他必要条件的要求。其中，驾乘人员状态监测是评估接管能力的重要依据，主要体现在L3、L4级驾驶自动化系统的角色转化方面。

随着智能网联汽车技术的不断发展，DMS相关的法规标准也在不断更新。国际上，欧盟和联合国正在推动更严格的DMS性能要求和测试方法，以确保DMS系统的可靠性和安全性。在国内，中国也在不断完善DMS的法规体系，逐步细化技术要求和测试标准。

未来，DMS法规标准将更加注重系统的智能化和集成化，要求DMS系统具备更高的监测精度和更全面的风险缓解功能。同时，法规还将推动DMS技术的标准化和规范化，以促进DMS系统的广泛应用和市场推广。

在DMS项目检测过程中，需要对标准法规中定义的各种典型的驾驶员分心、疲劳状态进行检测，检测对象分为人类驾驶员和仿人机器人。前者具有更好的信度，后者在重复性检测和检出率准确率统计分析方面具有优势，综合采用人类驾驶员和仿人机器人对DMS进行试验可充分检验其产品性能。

仿人机器人试验研究

GB/T 41797-2022首次提出采用仿人机器人对DMS系统的检出率及准确率进行检测，要求其指标限值≥95%。标准附录中给出仿人机器人的规范性要求，以保证能够对标准中规定的5种行为动作进行准确的模拟和检测。表2列出了2件DMS样品的部分测试数据（闭眼动作），按照公式（1）、公式（2）计算检出率及准确率，其中1#样品准确率82.1%、检出率41.8%，2#样品检出率及准确率均为100%。通过图6给出的数据统计散点图，可以看到1#样品对裸眼条件下的闭眼动作出现多次漏检现象，而在墨镜、眼镜两种穿戴条件下漏检现象要少得多，在同等试验条件下2#样品未出现漏检或误检现象。1#样品在裸眼条件下漏检较多的原因可能主要与其图像处理算法在噪声处理或特征点提取方面优化不足有关，在裸眼条件下，面部特征的变化较小，可能被图像中的噪声或光照变化所干扰，导致系统无法精确检测到面部的闭眼动作。

人类驾驶员试验研究

从产品认证角度看，采用人类驾驶员进行DMS功性能检测在行业内的接受程度更高。考虑到人类驾驶员存在形态体征、驾驶习惯等诸多方面的差异，因此要求被测样本数量足够多以满足适用群体的覆盖度要求。（EU）2021/1341对参与DDAW试验的人类驾驶员提出敏感度指标，指标限值为平均敏感度≥40%或敏感度90%置信区间≥20%，相关计算见公式（3）、公式（4）、公式（5），允许根据测试时间间隔和道路情况对敏感度结果数值进行修正。表3给出了2个车型DDAW项目的检测结果，可以看到3#、4#样品的平均敏感度和敏感度90%置信区间都满足限值要求。

DMS系统作为L2级组合驾驶辅助中的关键安全技术，其重要性不言而喻。从国际到国内，相关法规标准不断完善，对DMS系统的性能、检测方法以及功能安全和隐私保护等方面提出了明确要求。这些法规标准的制定和更新，为DMS系统的开发和应用提供了明确的指导，也为汽车制造商和供应商指明了发展方向。

在检测方案方面，通过人类驾驶员和仿人机器人相结合的试验方法，能够全面检验DMS系统的性能。从实际测试结果来看，不同DMS样品在不同条件下的表现存在差异，这也反映出DMS技术仍需不断优化和改进。随着智能网联汽车技术的进一步发展，DMS系统将朝着更高精度、更智能化和更集成化的方向发展。同时，法规标准也将更加注重DMS系统的可靠性和安全性，推动DMS技术的标准化和规范化。

展望未来，DMS系统将在提升驾驶安全和舒适性方面发挥更大的作用。汽车制造商和供应商需要紧密关注法规动态，加大研发投入，不断提升DMS系统的性能和可靠性。同时，行业组织和第三方测评机构也将继续完善DMS测评方法，为消费者提供更全面、更准确的DMS产品信息。只有这样，才能在智能网联汽车快速发展的浪潮中，确保驾驶安全，提升驾驶体验，推动行业的可持续发展。