酒驾损伤检测正在从附加传感器方案转向复用现有DMS硬件的行为级能力

前言

酒驾与损伤驾驶（impairment）一直被认为是“法规重要、量产很难”的方向。原因很简单：

• 想做得足够准，往往要引入额外硬件
• 想做到无感知、无交互，又很难避免误判
• 一旦误判，就可能直接限制正常驾驶员的用车权利

但最近行业公开信号开始显示，一条更现实的路线正在形成：

impairment detection 正在从“等专用酒精传感器成熟”转向“先复用现有 DMS 硬件做行为级识别，再接入统一干预层”。

这条路线未必一步到位解决法规全部要求，但对 IMS/DMS 团队来说，它已经足够值得提前布局。

一、为什么这个方向突然值得重视

1.1 监管在推，但技术成熟度并不整齐

美国推动高级防酒驾技术已不是新话题，但近期公开报道也指出：被动式、无摩擦、低误判 的统一方案仍未完全成熟。

这反而说明一个现实：

• 最终法规目标很激进
• 产业落地不会一步切到“完美传感器方案”
• 过渡期最有机会量产的，往往是 软件先行、硬件复用 的路径

1.2 现有 DMS 已经掌握一部分关键可观测信号

Smart Eye 在 2025-2026 公开展示的方向很有代表性：

• 使用现有 DMS 硬件
• 持续分析眼睛与眼睑细微行为
• 基于真实受控 intoxication 数据训练
• 不增加新传感器、不改系统布置
• 可 OTA 分发，可留在车端处理

这背后的价值不只是“多了一个 feature”，而是说明 impairment 可以先被建模为 behavioral risk state，而不是必须先依赖 breath / touch / 化学检测。

二、这条路线真正改变了什么

2.1 从硬件导向转向行为导向

过去很多人一提酒驾检测，第一反应是：

• 呼气酒精
• 接触式酒精检测
• 生理信号
• 专用传感器

这些都有效，但最大问题是量产 friction 太高：成本、集成、隐私、维护、校准都不轻。

而行为导向路线的优势在于：

• 可复用现有摄像头链路
• 更容易 OTA 更新
• 更适合先在商用车/车队场景试点
• 能直接接入现有 DMS 状态机与告警接口

换句话说，它让 impairment detection 第一次具备了“像 DMS 功能一样上线”的可能性。

2.2 检测对象正在从 alcohol 本身转向 driving capability 下降

这是我觉得最关键的变化。

量产系统最终关心的，不一定是“血液里酒精是否超标”这个医学结论，而是：

• 当前驾驶能力是否下降
• 风险是否持续存在
• 是否需要升级告警/限制功能/触发联动

这意味着 impairment detection 更适合被定义成 capability degradation estimation，而不是狭义 alcohol classifier。

这样做的好处是，它天然能和以下状态统一：

• fatigue
• distraction
• sudden sickness
• takeover unreadiness
• abnormal behavior

最后进入同一个 arbiter 做动作决策。

三、真正的工程难点其实不在“能不能识别”，而在“如何动作”

3.1 impairment 不是做一个二分类就结束

真正上车后，你不能只输出：

• impaired = true / false

因为系统马上会遇到这些问题：

• 轻度怀疑时要不要提示？
• 怀疑持续多久才升级？
• 与疲劳/分心同时出现时谁主导？
• 已经触发 ADAS 辅助时是否改变策略？
• 是否需要云端上报？是否允许车队策略差异化？

所以更合理的输出应该是：

• suspicion level
• persistence window
• dominant evidence
• confidence / quality
• recommended action
• escalation policy
• privacy mode
• trace id

3.2 统一干预层会成为 impairment detection 的真正价值放大器

如果把 impairment 单独做成一个孤立功能，价值有限；但如果它能并入统一干预层，价值就会陡增。

例如：

• 轻度怀疑：HMI 温和提醒 + 增强注意力监测
• 中度持续：限制部分高阶辅助功能 + 增加 re-check
• 高风险：升级强提醒 + 建议停车 + 触发最小风险策略接口
• 车队场景：上传审计事件到 fleet backend

这时 impairment 不再只是“检测酒驾”，而是 进入一个面向 capability risk 的系统治理框架。

四、对 IMS 开发的直接启示

4.1 先把 impairment 当成 state，不要急着当 final verdict

建议架构上定义：

• normal
• suspected_impairment
• persistent_impairment
• critical_impairment_risk
• degraded
• unavailable

并为每个状态绑定：

• 进入/退出条件
• 观察窗口
• 允许动作
• 与 fatigue/distraction 的仲裁规则

4.2 复用 DMS 硬件不代表可以忽略输入质量治理

如果 impairment 主要依赖眼睛和眼睑行为，那么最先要补的不是 fancy 模型，而是：

• illumination robustness
• glasses / sunglasses handling
• eye visibility estimation
• blink reliability
• head pose compensation
• driver identity / handover context

否则系统很容易把“看不清”误当成“异常行为”。

4.3 验证要从 accuracy test 升级到 intervention test

真正该测的是：

• 怀疑状态持续多久才升级
• 误报时会不会过度干预
• 与 fatigue/distraction 并存时仲裁是否正确
• degraded mode 下是否保守而不过激
• trace 是否足够支持售后和法规解释

也就是把 impairment validation 从分类任务升级为 action-level validation。

4.4 车队与乘用车可能会走两条不同节奏

这个方向非常可能先在以下场景成熟：

• 商用车
• 企业车队
• 高安全责任车辆

因为这些场景更接受：

• OTA 功能增强
• 事件留痕
• 平台级风险治理
• 分级动作干预

而乘用车会更敏感于隐私、误报和可接受度。因此架构上最好从一开始就支持 policy profile 差异化。

五、我更看好的路线判断

未来两三年里，我更看好的不是“谁先上了一个酒驾检测 demo”，而是谁先完成下面这三件事：

1. 把 impairment 做成现有 DMS 的软件增量能力
2. 把输出接入统一干预层，而不是停留在监测界面
3. 把验证、隐私、审计链一起补齐

如果只做检测、不做动作；只做动作、不做审计；只做算法、不做 degraded governance，最后都很难撑住量产。

六、选题池更新：下一轮继续追什么

基于这轮材料，我认为下一轮最值得追的不是“哪家又说能测酒驾”，而是：

1. 现有 DMS 信号对 impairment 的 可观测边界 到底在哪里
2. alcohol / drug / fatigue / sickness 在行为层如何做差异化解释
3. impairment 与 MRM / RtI / ADAS 降级的接口设计
4. OTA 下发的安全审计与隐私约束怎么落地
5. 乘用车与车队在策略 profile 上如何分层

总结

酒驾/损伤检测开始出现一条更现实的量产路线：

• 先复用现有 DMS 硬件
• 先做行为级 capability risk 估计
• 再接入统一干预层和审计链

这条路线短期内不一定替代所有专用传感器，但它极可能成为最先量产、最先规模化、也最先进入 IMS 平台治理框架的 impairment 方案。

对开发团队来说，现在最值得做的，不是等终局，而是先把：

• 状态机
• 输入质量治理
• 动作仲裁
• action-level validation
• 隐私与 traceability

这五件事提前搭起来。

---

参考来源

• Smart Eye, Smart Eye’s Real-Time Alcohol Impairment Detection Named a CES 2026 Innovation Awards® Honoree, 2025
• Smart Eye, Smart Eye at CES 2026, 2026
• Road & Track, Federal Regulators Tell Congress: Advanced In-Car Tech to Detect Impaired Driving Isn’t Ready Yet, 2026
• Carscoops, Federally Mandated Driver Surveillance Tech Faces Delay After New Findings, 2026