前言
2026年3月，意大利Meccanica 42团队发布FDM4SAFETY项目最新研究成果，揭示了方向盘/刹车反馈刚度对驾驶员疲劳的影响机制，并实现了基于心率信号的实时Karolinska Sleepiness Scale (KSS)预测。这对IMS疲劳检测算法开发具有重要参考价值。
一、项目背景
1.1 FDM4SAFETY目标
| 目标 |
描述 |
| 核心任务 |
开发基于客观标记的疲劳/压力/分心可靠检测方案 |
| 技术路径 |
多传感器融合框架 |
| 应用场景 |
ADAS验证 + 工作场所安全 |
1.2 疲劳机制分类
| 类型 |
机制 |
特点 |
| 单调诱发疲劳 |
低需求驾驶条件下的警觉性降低 |
高速巡航、长直线 |
| 负荷诱发疲劳 |
持续认知和身体参与导致的疲劳 |
弯道、动态条件 |
本次研究重点：负荷诱发疲劳
二、技术创新：可变反馈驱动模拟器
2.1 系统架构
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
| ┌─────────────────────────────────────────────────────┐
│ FDM4SAFETY 可变反馈驾驶模拟器 │
├─────────────────────────────────────────────────────┤
│ │
│ ┌─────────────────┐ ┌─────────────────┐ │
│ │ Active Steering │ │ Active Braking │ │
│ │ Feedback Unit │ │ Feedback Unit │ │
│ │ │ │ │ │
│ │ • 可变转向扭矩 │ │ • 可变踏板力- │ │
│ │ • 实时调制 │ │ 行程关系 │ │
│ └────────┬────────┘ └────────┬────────┘ │
│ │ │ │
│ └──────────┬───────────┘ │
│ ↓ │
│ ┌─────────────────────┐ │
│ │ 控制软件平台 │ │
│ │ • 快速配置 │ │
│ │ • 精确可重复 │ │
│ └──────────┬──────────┘ │
│ ↓ │
│ ┌──────────────────────────────────────────────┐ │
│ │ 数据采集系统 │ │
│ │ ┌─────────────┐ ┌─────────────┐ │ │
│ │ │ POLAR心率带 │ │ 视频/行为 │ │ │
│ │ │ (双设备校验)│ │ 数据采集 │ │ │
│ │ └──────┬──────┘ └──────┬──────┘ │ │
│ │ └────────┬─────────┘ │ │
│ │ ↓ │ │
│ │ ┌─────────────────┐ │ │
│ │ │ KSS估计算法 │ │ │
│ │ │ (5分钟滚动更新) │ │ │
│ │ └─────────────────┘ │ │
│ └──────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────┘
|
2.2 反馈等级配置
| 配置 |
转向反馈 |
刹车反馈 |
代号 |
| HH |
高刚度 |
高刚度 |
High-High |
| HL |
高刚度 |
低刚度 |
High-Low |
| LH |
低刚度 |
高刚度 |
Low-High |
| LL |
低刚度 |
低刚度 |
Low-Low |
三、实验设计
3.1 协议流程
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| 驾驶前基线评估：
├── 主观疲劳感知问卷
├── 警觉性评估
└── 心理运动性能测量
↓
驾驶任务（动态赛道）：
├── 持续弯道交互
├── 中途主观评估
└── 心率连续监测
↓
驾驶后评估：
├── 整体工作负荷
├── 疲劳感知变化
└── 性能变化分析
|
3.2 KSS实时预测
算法特点：
| 维度 |
描述 |
| 输入 |
5分钟心率时间序列 |
| 输出 |
KSS评分（每5分钟更新） |
| 显示 |
状态可视化（正常/疲劳/危险） |
KSS评分阈值：
| KSS值 |
状态 |
系统响应 |
| < 4 |
正常 |
绿色指示 |
| 4-6 |
疲劳增加 |
黄色警告 |
| ≥ 6 |
危险 |
红色 + 停止建议 |
四、关键发现
4.1 反应时间分析
| 配置 |
反应时间变化 |
结论 |
| HH |
最高平均反应时间 |
最具挑战性 |
| LL |
高反应时间 |
过于放松？ |
| HL/LH |
较低或负变化 |
平衡最优 |
关键洞察：
HH和LL配置导致更大的反应时间增加，混合配置反而表现更好。
4.2 主观困倦度（KSS）分析
| 配置 |
KSS评分趋势 |
解读 |
| HL |
最高困倦度 |
高转向 + 低刹车 = 不协调 |
| 其他 |
相对较低 |
更好的匹配感 |
矛盾发现：
- HH配置反应时间最长，但KSS困倦度不是最高
- HL配置KSS困倦度最高，但反应时间中等
可能解释：高刚度刹车提供额外的”物理刺激”，抵消了部分困倦感。
4.3 驾驶员主观反馈
| 反馈维度 |
差异感知 |
| 物理努力 |
HH配置最费力 |
| 控制稳定性 |
混合配置更稳定 |
| 疲劳感 |
HL配置最容易困倦 |
五、对IMS开发的启示
5.1 多模态融合策略
1
2
3
4
5
6
7
8
9
| 传统疲劳检测：
摄像头 → 眼动特征 → PERCLOS → 疲劳判断
FDM4SAFETY启示：
摄像头 → 眼动/面部特征 ─┐
│
心率传感器 → HRV/HR信号 ─┼→ 多模态融合 → KSS估计
│
方向盘/踏板 → 操作行为 ─┘
|
5.2 算法开发要点
| 优先级 |
要点 |
实现 |
| P0 |
5分钟滚动窗口 |
时序建模 |
| P0 |
KSS阈值决策 |
状态机设计 |
| P1 |
多传感器校验 |
数据融合 |
| P2 |
转向/刹车反馈优化 |
人机交互设计 |
5.3 部署路线
| 阶段 |
场景 |
验证方式 |
| Phase 1 |
模拟器 |
算法验证 |
| Phase 2 |
实车测试 |
真实场景 |
| Phase 3 |
工作场所 |
跨领域验证 |
六、与现有方案对比
| 方案 |
传感器 |
优势 |
局限 |
| 传统DMS |
摄像头 |
非侵入式 |
仅视觉特征 |
| FDM4SAFETY |
心率+摄像头+操作 |
多模态客观标记 |
需可穿戴设备 |
| IMS建议 |
摄像头+方向盘+可选心率 |
平衡实用性与精度 |
需融合算法 |
七、项目进展
7.1 当前状态
- ✅ 单调诱发疲劳验证完成
- ✅ 负荷诱发疲劳验证完成
- ✅ 可变反馈模拟器开发完成
- ✅ KSS实时预测算法验证
7.2 下一阶段
| 任务 |
时间 |
目标 |
| 实车测试 |
2026 Q2 |
真实场景验证 |
| 工作场所部署 |
2026 Q3 |
技术人员监测 |
| 算法优化 |
持续 |
提高准确率 |
总结
FDM4SAFETY项目的核心贡献：
- 多模态融合：心率+视觉+操作的融合检测方案
- 客观标记：从主观评估转向客观生理信号
- 实时KSS预测：5分钟滚动更新，支持实时干预
- 反馈机制研究：揭示了转向/刹车刚度对疲劳的影响
行动建议：IMS团队应评估心率监测集成可行性，并开发多模态融合疲劳检测算法。
参考来源：
发布日期： 2026-04-07