CN102985277B - 基于综合状态检测的智能交通安全系统及其决策方法 - Google Patents

Abstract

本发明公开了一种基于综合状态检测的智能交通安全系统及其决策方法。该智能交通安全系统中包括人况检测单元、车况检测单元、路况检测单元、智能决策单元、驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元。其中，人况检测单元、车况检测单元和路况检测单元分别连接智能决策单元；该智能决策单元执行基于综合状态检测的智能交通安全决策算法，分别向与之连接的驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元发出相应的避碰报警与处理指令。本发明全面考虑人况、路况和车况对碰撞事故的诱导机理，在综合状态检测的基础上实现了避碰预报的智能科学决策。

Description

基于综合状态检测的智能交通安全系统及其决策方法

技术领域

本发明涉及一种智能交通安全系统及其决策方法，尤其涉及一种集人况检测、路况检测和车况检测于一身，基于综合状态检测实现汽车避碰报警与处理的智能交通安全系统及其决策方法，属于交通安全技术领域。

背景技术

我国的机动车数量一直处于快速增长状态，目前保有量已超过2亿辆。与此同时，交通安全问题也日渐突出。有关统计表明，绝大多数的交通事故都是碰撞类事故，而其中80％以上的碰撞都是双车或多车碰撞。因此，如何避免和减少汽车碰撞类事故的发生，成为交通安全领域亟待解决的首要问题。

纵览一切汽车碰撞现象的触发原因，无外乎三个方面：一是人况，如驾驶员醉驾或疲劳驾驶等；二是车况，如汽车刹车失灵或刹车不及；三是路况，如前方道路出现急弯或陡坡而躲避不及、道路拥堵造成汽车追尾等。目前公开的防碰撞技术都是针对上述原因的局部来寻找解决方案，迄今为止没有任何技术方案针对上述三个方面的原因进行全面检测，以进行汽车避碰报警与处理。

发明人经过深入研究后认为，仅仅知道汽车同周围物体之间的相对运动状况(或者叫做路况)是远远不够的。因为同样的路况，反应能力强的驾驶员可以避免碰撞，而反应能力弱的驾驶员就难免碰撞，同一个驾驶员不同时刻的疲劳和清醒程度不同也会导致处置能力不同。即使对于同样的路况，驾驶员反应和处置能力也完全相同，性能好的汽车有可能避免碰撞事故的发生，而性能相对较差的汽车则可能无法避免碰撞事故的发生。现有公开技术没有全面考虑人况、路况、车况，因而不能发现各种汽车碰撞现象普遍的内在本质机理，治标不治本，也就不可能从根本上预防碰撞事故的发生。

发明内容

本发明所要解决的首要技术问题在于提供一种基于综合状态检测的智能交通安全系统。该系统全面考虑人况、路况和车况对碰撞事故的诱导机理，在综合状态检测的基础上实现了避碰预报的智能科学决策。

本发明所要解决的另一技术问题在于提供一种基于综合状态检测的智能交通安全决策方法。该决策方法通过探索各种汽车碰撞现象普遍的内在本质规律，正本清源，进而梳理出进行避碰预报的智能科学决策原理，提出避碰报警与处理的实用化解决方案。

为实现上述的发明目的，本发明一方面提出一种基于综合状态检测的智能交通安全决策方法。在该智能交通安全决策方法中，汽车在做出行动决策时，首先考虑同前方单目标障碍物之间的避碰要求，如果不施加任何干预的经过时间为：

$t_{\mathrm{relative}}=\frac{r_{\mathrm{relative}}}{v_{\mathrm{relative}}}$

考虑人况影响，避免碰撞的最基本要求是满足如下的不干预致碰时间约束判据t_dr：

t_relative＞t_dr

进一步考虑车况影响，避免碰撞的最基本要求是满足如下的干预加速度约束判据a_brake：

$a_{\mathrm{relative}}=\frac{v_{\mathrm{relative}}}{t_{\mathrm{relative}}}=\frac{v_{\mathrm{relative}}^2}{2r_{\mathrm{relative}}}<a_{\mathrm{brake}}$

更进一步考虑路况影响，则要求：

$\frac{v_{\mathrm{relative}}^2}{2r_{\mathrm{relative}}}<k_{\mathrm{grad}\mathrm{ient}}{k}_{\mathrm{crooked}}{a}_{\mathrm{brake}}$

其中，r_relative为汽车同前方单目标障碍物之间的相对距离参考值，v_relative为汽车同前方单目标障碍物之间的相对速度参考值，k_gradient,k_crooked分别为坡度影响系数和弯度影响系数。

另一方面，本发明也提供一种基于综合状态检测的智能交通安全系统。该智能交通安全系统包括人况检测单元、车况检测单元、路况检测单元、智能决策单元、驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元；其中，

所述人况检测单元进一步包括驾驶员身份识别与基本能力检测、驾驶员酒精度监测和驾驶员疲劳度检测三个底层检测模块；

所述车况检测单元进一步包括车辆基本参数检测、车辆动态参数检测、档位设置参数检测、降速制动参数检测和加速起动参数检测五个底层检测模块；

所述路况检测单元进一步包括道路基本参数检测、天气影响因素检测、道路忙碌程度检测、前方障碍物检测、后方追随物检测和异向追随物检测六个底层检测模块；

所述人况检测单元、所述车况检测单元和所述路况检测单元分别连接所述智能决策单元；该智能决策单元执行上述的智能交通安全决策方法，根据人况信息、车况信息和路况信息分别向与之连接的驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元发出相应的避碰报警与处理指令。

与现有技术相比较，本发明全面考虑人况信息、路况信息和车况信息对碰撞事故的诱导机理，通过分析各种汽车碰撞现象普遍的内在本质规律，梳理出进行避碰预报的智能科学决策原理，提出避碰报警与处理的实用化解决方案。

附图说明

下面结合附图和具体实施方式对本发明作进一步的详细说明。

图1为本发明所提供的智能交通安全系统的整体架构示意图；

图2为本智能交通安全系统中，车载电子终端的整体架构示例图；

图3为进行驾驶员身份识别的汽车防盗抢网络装置的组成原理示意图；

图4为汽车防盗抢网络装置中，摄像头等组件的安装点示意图；

图5为汽车防盗抢网络装置中，防抢劫功能模块的工作模式示意图；

图6为用于实现酒精度监测功能的电子终端的组成原理示意图；

图7为驾驶员疲劳度检测电子终端的组成原理示意图；

图8为PERCLOS值的测量原理示意图；

图9为眼睛开合检测模块的工作模式示意图；

图10为打哈欠检测模块的工作模式示意图；

图11为头部运动跟踪模块的工作模式示意图；

图12为汽车轮胎内部工况的冗余可靠监测装置的整体结构示意图；

图13为轮胎滚动阻力与胎压的关系示意图；

图14为一个典型双行道路的路况示意图；

图15为计算前方道路弯度和坡度的预估方法示意图；

图16为基于微波雷达的车辆主动防碰撞模块的整体结构示意图；

图17为图16所示的微波雷达中，收发前端的结构示意图；

图18为收发前端中接口电路的结构示意图；

图19为图16所示的微波雷达中，信号处理后端的结构示意图；

图20为汽车转向换道时的方向角示意图；

图21为本智能交通安全系统基于云计算平台和无线网络实现的整体架构示意图；

图22为某一路段的无线网络分布示意图。

具体实施方式

在本发明中，人况信息包括驾驶员的疲劳状态、驾驶员的受胁迫状态、驾驶员的饮酒状态、是否为合法驾驶员等。人况信息的识别是由安装在汽车上的各种车载电子终端实现的。路况信息是指路边基础设施向其路段上的车辆发布的关于道路的维修状态、畅通程度、天气情况等信息，以及停车场入口设施向其发布临近停车场的经度、纬度、空位信息。车况信息直接由车载电子终端进行采集，如：车辆行驶速度、车辆超车请求、车辆停车请求、车辆所在处的地理坐标、车辆遇险、车型、车牌号码等信息，这些信息间接地来自驾驶员的操作。

与现有技术相比较，本发明的显著特点在于全面考虑人况信息、路况信息和车况信息对碰撞事故的诱导机理，通过分析各种汽车碰撞现象普遍的内在本质规律，梳理出进行避碰预报的智能科学决策原理，提出避碰报警与处理的实用化解决方案。为此，本发明所提供的基于综合状态检测的智能交通安全系统采用了如图1所示的设计方案。

如图1所示，本发明所提供的智能交通安全系统包括人况检测单元1、车况检测单元2、路况检测单元3、智能决策单元4、驾驶员报警单元5、本车强制处理单元6、障碍物报警单元7、追随物报警单元8和碰撞事后报警单元9。其中人况检测单元1进一步包括驾驶员身份识别与基本能力检测11、驾驶员酒精度监测12和驾驶员疲劳度检测13三个底层检测模块；车况检测单元2进一步包括车辆基本参数检测21、车辆动态参数检测22、档位设置参数检测23、降速制动参数检测23和加速起动参数检测25五个底层检测模块；路况检测单元3进一步包括道路基本参数检测31、天气影响因素检测32、道路忙碌程度检测33、前方障碍物检测34、后方追随物检测35和异向追随物检测36六个底层检测模块。上述的人况检测单元1、车况检测单元2和路况检测单元3分别连接智能决策单元4，向其输入所采集的人况信息、车况信息和路况信息。该智能决策单元4执行基于综合状态检测的智能交通安全决策算法，分别向与之连接的驾驶员报警单元5、本车强制处理单元6、障碍物报警单元7、追随物报警单元8和碰撞事后报警单元9发出相应的避碰报警与处理指令。

图2所示为实现本发明的车载电子终端架构示意图。在该车载电子终端中，中央处理器可以选用TI达芬奇处理器或其他嵌入式处理器，以满足视频编解码、视频采集、算法处理的要求。中央处理器通过广域网无线传输模块接入云计算平台，并与其它广域网终端设备实现通信。视频/音频采集模块采集驾驶员的人况信息，分别送入与中央处理器连接的疲劳驾驶检测模块、非法驾驶检测模块等进行进一步的分析判断。酒精测试模块直接采集驾驶员的呼气信号，判断驾驶员是否饮酒，并将检测结果直接送入中央处理器中。此外，该车载电子终端中还具有局域网无线传输模块、显示模块、存储模块和导航定位模块(GPS/北斗2)等，这些模块分别与中央处理器进行连接，在此就不详细说明了。

需要说明的是，图2所示的车载电子终端整体架构只是一个概要设计。针对采集、识别不同人况信息的需要，该车载电子终端会有多种不同的具体实施方式。下面分别进行详细的说明。

首先对本智能交通安全系统中的人况检测单元1的具体结构和工作原理进行说明。在本发明中，人况检测是指对驾驶员能力进行检测，用时间t_dr0(秒)来表示：从驾驶员得到碰撞报警的时刻到驾驶员完成操纵处置的时刻。这里人的能力主要包括两个方面，一是感觉是否正确、头脑是否清醒，用反应能力表示；二是手脚是否利索，用处置能力表示。根据驾驶员对车辆的操控特点，具体又分为三个底层检测模块：驾驶员身份识别与基本能力检测11、驾驶员酒精度检测12和驾驶员疲劳度检测13。

在驾驶员身份识别与基本能力检测11中，反映驾驶员反应能力的t_dr0(＝反应能力t_re+操纵能力t_ex)，可以在驾驶员注册时通过测试预置，并可以根据该驾驶员后来操控该车的具体成绩进行动态学习评估更新。

预置测试的方式是多种多样的，例如反应能力可以通过回答基本常识随机题库和颜色、声音的感觉判断进行评判，操纵处置能力可以通过按指令换挡转向等进行实际测试，具体都包括强、中、弱三个档次：(t_re-,t_re0,t_re+)及(t_ex-,t_ex0,t_ex+)，能力越弱取值越大。如反应能力一般、处置能力强，则：

t_dr0＝t_re+t_ex＝t_re0+t_ex-(1)

动态学习评估更新的方式也是多种多样的。例如在同等级路况下单位时间油耗比该车额定油耗高到一定程度便适当增大该驾驶员t_re,t_ex进而t_dr0的取值；类似的还有实际起动、制动和换挡能力同额定起动、制动和换挡参数进行对比等。具体可以根据车况检测单元2的有关参数进行比对。

在进行驾驶员身份识别方面，本发明通过图3所示的汽车防盗抢网络装置实现。具体而言，汽车防盗抢网络装置由如下几部分组成：热释电传感器、云台、摄像头、拾音器、声光发生器、前端嵌入式模块和前端检测模块。其中，前端嵌入式模块以前端嵌入式中心单元为中心，进一步包括电源输入模块、热释电接口电路、云台控制电路、视频输入处理接口、音频输入处理接口、视频输出处理接口、声光发生器接口、汽车操纵接口、无线通讯模块及天线、导航定位模块及天线和WLAN模块及天线。该前端嵌入式中心单元分别与电源输入模块、热释电接口电路、云台控制电路、视频输入处理接口、音频输入处理接口、视频输出处理接口、声光发生器接口、汽车操纵接口、无线通讯模块及天线、导航定位模块及天线和WLAN模块及天线进行连接，同时还与前端检测模块进行连接。该前端检测模块用于执行识别人脸等驾驶员身份信息的模式识别方法。

上述的前端嵌入式中心单元包括处理器硬件及相应的驱动程序和操作系统软件。它安装在汽车内的适当位置，可采用ARM系列芯片、FPGA、DSP或单片机等来实现，并具有自带时钟。云台控制电路用于提供云台运动和摄像头镜头伸缩驱动命令，以确保得到足够大且完整的驾驶员头部视频图像。汽车操纵接口连接汽车本身的操纵装置，用于对汽车自身的制动、喇叭等进行操纵。汽车蓄电池的输出直接与电源输入接口相连，为本汽车防盗抢网络装置中的有关设备供电。无线通讯模块及天线用于实现广域网无线通信，如采用GSM/GPRS/3G/4G通信模块及相应的SIM/USIM卡等。导航定位模块及天线可以支持接收美国GPS、俄罗斯GNNS、欧洲伽利略、中国北斗2等卫星信息或惯性导航系统进行导航定位，能够实时获知汽车所处的经度、纬度，便于在需要求援时将具体位置通过服务器告知预设的客户端。WLAN模块及天线用于实现局域网无线通信。当多辆汽车都安装了本汽车防盗抢网络装置时，可实现车与车之间的通信；而当路网基础设施也安装了本汽车防盗抢网络装置的相应功能模块时，可实现车与路直接的通信。当一个车内的驾驶员受到劫持，可以自动向相邻车辆发送信号以便警示或求救。

如图4所示，热释电传感器、摄像头、云台及拾音器安装在前挡风玻璃驾驶员外侧的框架上，确保不影响驾驶员视线且处于与驾驶员头部高度相当的位置。

热释电接口电路连接热释电传感器。当驾驶员位置无人时，热释电传感器一直在工作，而整个汽车防盗抢网络装置处于休眠状态。一旦驾驶员位置出现人，热释电传感器能够第一时间检测到驾驶员位置人体的红外热释电信号，汽车防盗抢网络装置自动从休眠状态恢复到正常工作状态。

云台控制电路连接云台，视频输入处理接口连接摄像头。它们负责将驾驶员头部的视频图像传送到前端嵌入式模块。前端嵌入式模块提供云台运动和摄像头镜头伸缩驱动命令，以确保得到足够大且完整的驾驶员头部视频图像。如果自然光能确保成像要求，则关闭红外灯；否则，打开红外灯。如果正常行驶过程中汽车遭到非法抢劫，驾驶员自然发出的异常表情通过摄像头传送到前端嵌入式模块，前端嵌入式模块将通过无线通讯模块及天线接入无线网络，向服务器及附近装有同类防盗抢网络装置的汽车报警。

音频输入处理接口连接拾音器。如果正常行驶过程中汽车遭到非法抢劫，驾驶员自然发出的异常声音便通过拾音器传送到前端嵌入式模块，前端嵌入式模块将通过无线通讯模块及天线接入无线网络，向服务器及附近装有同类汽车防盗抢网络装置的汽车报警。

声光发生器接口连接声光发生器。声光发生器包括声音发生器、灯光(可发出红、橙、黄、绿等灯光)或视频显示器等。

如图3所示，本汽车防盗抢网络装置中的前端检测模块进一步包括人脸检测模块、人脸特征点定位模块、活性鉴别模块、人脸识别模块和防抢劫功能模块。其中，人脸检测模块和人脸特征点定位模块相连接，这两个功能模块分别连接活性鉴别模块、人脸识别模块和防抢劫功能模块。人脸检测模块用于对输入的单帧图像数据，找到图像中人脸的位置，并将人脸的位置用矩形框表示。人脸特征点定位模块用于对输入的单帧图像数据，得到人脸的五官位置，五官位置用多个点的坐标序列表示。活性鉴别模块对于输入的单帧图像数据，区别登陆者是否照片，以此判断该继续进行人脸识别还是拒绝照片登陆。人脸识别模块对于输入的单帧图像数据，通过与人脸库中注册过的人脸图像比对，对于库中注册过的人脸予以放行，对于库中没有注册过的人脸予以拒绝。上述的各功能模块是基于现有的模式识别方法，以软件或者固件方式实现的。例如基于LGBP的人脸识别方法(参见http://www.jdl.ac.cn/project/faceId/articles/ICCV2005-wczhang-LGBP.pdf)、基于AdaBoost的Gabor特征选择及判别分析方法(参见http://www.jdl.ac.cn/project/faceId/articles/FRJDL-FG04-BoostedGabor-Yang.pdf)、基于SV的Kernel判别分析方法(参见http://www.jdl.ac.cn/project/faceId/articles/FRJDL-baochangzhang-CVPR05.pdf)和基于特定人脸子空间的人脸识别方法(参见http://www.jdl.ac.cn/project/faceId/articles/FRJDL-Shan-ICASSP02.pdf)等，在此就不详细赘述了。

图5显示了防抢劫功能模块的具体工作模式。摄像头和拾音器分别将采集的驾驶员图像和声音数据输入前端检测模块之中。对于输入的图像帧，由人脸检测模块和人脸特征点定位模块分别进行图像定位和特征识别，并由人脸识别模块进行人脸特征比对，从而产生人脸特征识别结果。同样地，对于拾音器输入的声音数据，由防抢劫功能模块中内置的声音识别子模块(图中未示)进行相应的识别判断。如果结果正常，则允许驾驶员操纵车辆；如果结果不正常，则一方面通过汽车操纵接口控制汽车操纵装置，使汽车不能正常发动和行驶，另一方面则由防抢劫功能模块通过LAN和WAN方式进行网络报警。

利用上述的汽车防盗抢网络装置，当有人进入驾驶位置时，该系统会自动启动。当合法驾驶员处于离车状态，非法人员进入驾驶位置时，汽车防盗抢网络装置检测出其身份不合法。如果驾驶员身份不合法时，汽车不能被启动，车内喇叭会报警。同时，远程客户端(包括合法驾驶员的手机等)会得到报警示意被盗，附近装有与本车同类防盗抢网络装置的汽车也会得到报警示意被盗，并报告汽车特征信息与地理位置。如果合法驾驶员正常行驶过程中遇到非法分子抢劫时，防抢劫功能模块会从驾驶员自然的异常表情和声音做出遇劫的正确判断。防抢劫功能模块认为汽车遇劫时，及时向远程客户端报警示意被抢劫，同时向附近装有与本车同类防盗抢网络装置的汽车报警示意被抢劫，并报告汽车特征信息与地理位置。

由于体内酒精含量高会导致驾驶员头脑不清醒，反应能力显著下降，同时也会间接影响操纵处置能力，因此本智能交通安全系统通过驾驶员酒精度检测12进行相应的测试。图6为用于实现酒精度监测功能的电子终端的组成原理示意图。它包括驾驶员感应器、可视吹管、声光发生器、现场嵌入式服务器和至少一个远程无线监控终端。该电子终端以现场嵌入式服务器为中心，驾驶员感应器、可视吹管和声光发生器分别与该现场嵌入式服务器进行连接。现场嵌入式服务器中设置有远程无线通讯接口和相应的天线，以便与远程无线监控终端进行远程无线通讯。

驾驶员感应器安装在汽车内的驾驶员座椅下面，具体可由称重计实现。当驾驶员坐到驾驶座椅上时，由于座椅上承载的重量显著增加，驾驶员感应器能感受到并通过通讯线路发送给现场嵌入式服务器。

可视吹管由吹管、云台与摄像头组成。声光发生器包括声音发生器、灯光(可以发出红、黄、绿三种颜色)或视频显示器(即液晶显示屏)。它们之间的电路连接关系是电子技术领域的普通技术人员所熟知的，在此就不详细赘述了。

现场嵌入式服务器由硬件部分和相应的现场处理软件组成。其中，该硬件部分以嵌入式中心处理单元为中心，其余的电源输入接口、驾驶员感应器接口、云台控制电路、视频接口及模数变换电路、可视吹管气路接口、酒精敏感电路、数模变换及视频处理电路、声光发生器接口、汽车启动开关接口、导航定位电路及天线、远程无线通讯接口及天线等分别与该嵌入式中心处理单元进行连接。

当驾驶员按要求将自己嘴里的气吹到可视吹管气路接口之后，酒精敏感电路将基于上述的酒精度检测方式进行处理，包括信号放大、将模拟信号转换成数字信号等。

在现场处理软件中，根据醉饮相应的酒精度指标进行了判据预置(一般不能更改)。微饮判据也根据经验预置，但可以在一定范围内更改(上限不能更改)。当现场处理软件判断检测的结果属于未饮时，将会通过数模变换及视频处理电路、声光发生器接口驱动声光发生器报告结果(若未配置液晶显示器则指示灯持续亮绿灯)，并通过汽车启动开关接口允许驾驶员正常操作汽车启动开关；如果现场处理软件判断检测的结果属于微饮时，将会通过数模变换及视频处理电路、声光发生器接口驱动声光发生器报告结果(若未配置液晶显示器则指示灯持续亮黄灯)，也通过汽车启动开关接口允许驾驶员正常操作汽车启动开关，但同时要通过远程无线通讯接口及天线向远程无线监控终端报告驾驶员属于微饮状态，同时也向其报告导航定位电路及天线获取的汽车实时位置；现场处理软件判断检测的结果属醉饮时，将会通过数模变换及视频处理电路、声光发生器接口驱动声光发生器报告结果(若未配置液晶显示器则指示灯持续亮红灯)，并通过汽车启动开关接口阻断驾驶员正常操作汽车启动开关，同时也通过远程无线通讯接口及天线向远程无线监控终端报告驾驶员属于微饮状态，同时也向其报告导航定位电路及天线获取的汽车实时位置。

远程无线监控终端可以与远程无线通讯接口及天线之间进行数据、声音和视频通信。这样在汽车运行过程中，现场嵌入式服务器可以定时要求(可以设定，如夜间行驶每隔小时一次)抽查驾驶员的酒精度，远程监控终端也可以随时抽查驾驶员的酒精度，当查出确属过饮时可以强制熄火。

在本发明中，将驾驶员酒精度分为醉饮、微饮、未饮。当驾驶员酒精度达到醉饮时属于能力丧失。否则，可以根据驾驶员当前酒精度检测值按如下公式进行驾驶员能力动态更新：

t_dr＝t_re(1+k_{alcoholicity_re})+t_ex-(1+k_{alcoholicity_ex}).(2)

其中括号中的系数分别为酒精度对反应能力和操纵能力的影响。

疲劳主要导致驾驶员操纵处置能力下降，同时也会间接导致对声音和颜色感觉迟钝和头脑反应缓慢。有关统计表明，由于疲劳/瞌睡造成的交通事故在交通事故的总数中占10％左右，在严重交通事故中占45％，在重型卡车和高速路上的交通事故中，则占到40％左右。为此，在本智能交通安全系统中专门设置了驾驶员疲劳度检测13。

图7为驾驶员疲劳度检测电子终端的组成原理示意图。该驾驶员疲劳度检测电子终端包括如下的组成部分：摄像头、云台、声光发生器、前端嵌入式模块和前端应用模块。其中，前端嵌入式模块以前端嵌入式中心单元为中心，进一步包括电源输入模块、视频接口及模数变换电路、云台控制电路、数模转换及视频处理电路、声光发生器接口、汽车操纵接口、无线通讯模块及天线、导航定位模块及天线。该前端嵌入式中心单元分别连接电源输入模块、视频接口及模数变换电路、云台控制电路、数模转换及视频处理电路、声光发生器接口、汽车操纵接口、无线通讯模块及天线、导航定位模块及天线。同时，前端嵌入式中心单元也与前端应用模块进行连接。该前端应用模块用于执行对眼睛开合状态、打哈欠状态、头部运动状态的检测算法，并做出综合判断。

前端嵌入式中心单元包括处理器硬件及相应的驱动程序和操作系统软件。它安装在汽车内的适当位置，可采用ARM系列芯片、FPGA、DSP或单片机等来实现，并具有自带时钟。云台控制电路用于提供云台运动和摄像头镜头伸缩驱动命令，以确保得到足够大且完整的驾驶员头部视频图像。汽车操纵接口连接汽车本身的操纵装置，用于对汽车自身的制动、喇叭等进行操纵。汽车蓄电池的输出直接与电源输入接口相连，为本驾驶员疲劳度检测电子终端中的有关设备供电。无线通讯模块及天线用于实现广域网无线通信，如采用GSM/GPRS/3G通信模块及相应的SIM/USIM卡等。导航定位模块及天线可以支持接收美国GPS、俄罗斯GNNS、欧洲伽利略、中国北斗2等卫星信息或惯性导航系统进行导航定位，能够实时获知汽车所处的经度、纬度，便于在需要求援时将具体位置通过服务器告知预设的客户端。

摄像头优选为红外摄像头，它安装在云台上面。云台安装在前挡风玻璃驾驶员外侧的框架上，确保不影响驾驶员视线且处于与驾驶员头部高度相当的位置。摄像头和云台分别与前端嵌入式模块相连接，并由前端嵌入式模块供电。摄像头将驾驶员头部视频图像传送到前端嵌入式模块中的视频接口及模数变换电路。前端嵌入式模块通过云台控制电路提供云台运动和摄像头镜头伸缩驱动命令，以确保得到足够大且完整的驾驶员头部视频图像。如果自然光能确保成像要求，则关闭红外灯；否则，打开红外灯。

声光发生器连接声光发生器接口。声光发生器可以包括声音发生器、灯光(可发出红、橙、黄、绿等灯光)或视频显示器等。

如图7所示，本驾驶员疲劳度检测电子终端中的前端应用模块进一步包括人脸检测模块、人脸特征点定位模块、眼睛开合检测模块、打哈欠检测模块、头部运动跟踪模块和综合评判模块。其中，人脸检测模块与人脸特征点定位模块相连接，它们分别连接眼睛开合检测模块、打哈欠检测模块和头部运动跟踪模块。眼睛开合检测模块、打哈欠检测模块和头部运动跟踪模块分别与综合评判模块相连接，将从不同角度检测到的驾驶员疲劳程度信息送入综合评判模块中进行最终的评价。

人脸检测模块用于对输入的单帧图像数据，找到图像中人脸的位置，并将人脸的位置用矩形框表示。人脸特征点定位模块用于对输入的单帧图像数据，得到人脸的五官位置，五官位置用多个点的坐标序列表示。这些功能模块是基于现有的模式识别方法，以软件或者固件方式实现的。在前述汽车防盗抢网络装置的前端检测模块中，已经对此做了详细的说明，在此就不赘述了。

眼睛开合检测模块采用PERCLOS算法检测驾驶员眼睛的开合程度。PERCLOS是PercentEyeClose的缩写，指在一定的时间内眼睛闭合所占的时间比例。在具体实验中，有P70、P80、EM三种测量方式，其中P80被认为最能反映人的疲劳程度。图8为PERCLOS值的测量原理图。图中曲线为一次眼睛闭合和睁开过程中眼睛开合度变化曲线图，可根据此曲线得到所需测量的眼睛的某个程度的闭合或睁开所持续的时间，从而计算出PERCLOS值。在图8中，t1为眼睛完全睁开到闭合20％的时间；t2为眼睛完全睁开到闭合80％的时间；t3为眼睛完全睁开到下一次睁开20％的时间；t4为眼睛完全睁开到下一次睁开80％的时间。通过测量t1到t4的值就可以得到PERCLOS的值f。

$f=\frac{t_3-t_2}{t_4-t_1}$

f为眼睛闭合时间所占某一特定时间的百分率。对于P80测量方式来说，可以认为当f>0.15时，驾驶员处于疲劳状态。

基于上述的PERCLOS值的测量原理，眼睛开合检测模块的工作模式如图9所示。对于输入的单帧图像数据，经过人脸检测模块和人脸特征点定位模块处理之后，可以得到人脸的五官位置。然后，对于每帧图像调用眼睛开合度主函数，并结合五官的定位结果，可以得到眼睛的开合度数值。将多帧图像数据的图像序列结果累积起来，结合多帧图像的眼睛开合度数值就可以得到疲劳与否的判断。

图10显示了打哈欠检测模块的工作模式。对于输入的单帧图像数据，经过人脸检测模块和人脸特征点定位模块处理之后，可以得到人脸的五官位置。在得到人脸的五官位置之后，对于每帧图像调用嘴巴开合判断主函数，并结合五官的定位结果，可以得到嘴巴的开合情况，结合多帧图像计算嘴巴张开时间，可以得到是否疲劳的判断。

图11显示了头部运动跟踪模块的工作模式。对于输入的单帧图像数据，经过人脸检测模块和人脸特征点定位模块处理之后，可以得到人脸的五官位置。在得到人脸五官位置之后，对于每帧图像分别计算其头部位置，并结合五官的定位结果，可以得到头部运动轨迹。结合多帧图像计算点头频率，可以得到是否疲劳的判断。

综合评判模块对眼睛开合检测模块、打哈欠检测模块和头部运动跟踪模块所获得的检测结果进行加权运算。基于对眼睛开合状态、打哈欠状态、头部运动状态等三种疲劳特征监测的综合评判，将驾驶员疲劳程度划分为四个等级：绿色－不疲劳、黄色－轻度疲劳、橙色－中度疲劳、红色－高度疲劳。

当眼睛开合检测模块、打哈欠检测模块或头部运动跟踪模块这三个模块均未检测到异常时，综合评价模块输出检测结果为清醒。允许汽车正常行驶，在车载嵌入式设备屏幕上的疲劳程度指示灯显示为绿色。

当眼睛开合检测模块、打哈欠检测模块或头部运动跟踪模块三个模块中有且仅有一个模块检测到异常时，综合评价模块检测结果为轻度疲劳。允许汽车正常行驶。声光发生器上的疲劳程度指示灯显示为黄色不断闪烁，并向驾驶员发出报警声。

当眼睛开合检测模块、打哈欠检测模块或头部运动跟踪模块三个模块中有且仅有两个模块检测到异常时，综合评价模块检测结果为中度疲劳。声光发生器上的疲劳程度指示灯显示为橙色不断闪烁，并同时向驾驶员、远端的服务器和预设的客户端发出报警声，建议驾驶员靠边停车。

当眼睛开合模块检测、打哈欠检测模块或头部运动跟踪模块三个模块均检测到异常时，综合评价模块检测结果为高度疲劳。声光发生器上的疲劳程度指示灯显示为红色不断闪烁，自动亮起警示灯以警示周围车辆及行人，数秒钟后自动减速并熄火，同时向远端的服务器和预设的客户端发出持续报警并报告汽车所处的位置，要求救援。

在本发明中，当驾驶员疲劳程度达到红色等级时属于能力丧失。否则，可以根据驾驶员当前疲劳程度监测值按如下公式进行驾驶员能力动态更新：

t_dr＝t_re(1+k_{tiredness_re})+t_ex-(1+k_{tiredness_ex})(3)

其中括号中的系数分别为疲劳程度对反应能力和操纵能力的影响。

综上所述，人况检测单元1的检测结果，即驾驶员能力体现为：

t_dr＝t_re(1+k_{alcoholicity_re})(1+k_{tiredness_re})+t_ex-(1+k_{alcoholicity_ex})(1+k_{tiredness_ex})(4)

接下来对本智能交通安全系统中的车况检测单元2的具体结构和工作原理进行说明。在本发明中，车况检测是指对车辆的性能参数进行检测，并计算其对避碰操控时间的影响程度。具体又分为五个底层检测模块：车辆基本参数检测21；车辆动态参数检测22；档位设置参数检测23；减速制动参数检测24和加速起动参数检测25。

车辆基本参数检测21包括车辆的种类、尺寸、空载重量等，一般采用预先录入的方法进行设置。对于车辆种类，参照所属地分类标准，例如：大型客车A1；牵引车A2；城市公交车A3；中型客车B1；大型货车B2；小型手动挡汽车C1；小型自动挡汽车C2；小型货车C3；三轮汽车C4；等。对于车辆尺寸(转弯半径)，采用相对于实现本发明的电子终端的安装位置的三维包络来描述。车辆空载重量记为m₀公斤。

车辆动态参数检测22主要包括载荷重量m_p、当前的车速v_car、轮胎老化及胎压变化、等。

载荷重量m_p可以通过载荷重量检测装置得到，也可以在汽车起动前预置。

当前的车速v_car可以通过卫星定位数据或车载CAN总线获得。

机动车辆应该定期保养和检修，将胎压调节到规定标准。但在实际使用过程个别轮胎会不同程度磨损老化和压力异常从而影响汽车的操纵性能。汽车行驶加速度

$a=k_{\mathrm{aging}}\frac{f-f_{\mathrm{resis}\tan \mathrm{ce}}}{m_0+m_p}---\left(5\right)$

其中k_aging为轮胎老化及胎压异常影响系数，f为发动机受油门操纵的驱动力或制动力对轮胎的作用(制动力时取负号)，f_resistance为轮胎同地面接触受到的滚动阻力，它同总承载重量成比例，比例系数μ形如

μ＝μ₀-kv_car(6)

低胎压会增加滚动阻力，轮胎因运动而变形，不断造成能量损失，大约占到轮胎全部滚动阻力的90％至95％。轮胎气压过高，抓地力就会下降，轮胎磨损加快。在非标准胎压下，加速性能影响正负偏差达到2％至5％，刹车性能影响正负偏差达到5％至10％。为此，在本智能交通安全系统中专门设置了针对汽车轮胎内部工况的冗余可靠监测装置。

图12为冗余可靠监测装置的组成原理示意图。该冗余可靠监测装置包括一个整车上位模块和多个轮胎下位模块，其中整车上位模块安装在汽车内部，由可靠起动单元、多径报警单元和应急处理单元三部分组成；轮胎下位模块安装在每个汽车轮胎的内部，由冗余测量单元和现场处理单元两部分组成。每个轮胎下位模块与整车上位模块之间采用无线方式进行通信。整车上位模块中的可靠起动单元具有车载信息接口，多径报警单元具有远程网络接口，而应急处理单元则具有车载驱动接口。

有别于现有技术只采用单个传感器进行胎内状态测量，本冗余可靠监测装置的一个显著特点在于冗余测量单元中设置了多种传感器，分别用于实现汽车轮胎内部的压力测量、温度测量、湿度测量、电量测量和运动感应。这些传感器采用冗余配置方式，即针对同一个测量目的设置一个主传感器和至少一个备份传感器，各传感器分别独立发送所测量的信号。另外，在轮胎下位模块与整车上位模块之间的无线通信接口也采用类似的冗余配置方式。这样就可以确保主传感器或无线通信接口失效后仍然能够获得汽车轮胎内部工况状态的正确信息。

上述冗余测量单元与现场处理单元进行连接。该现场处理单元利用轮胎下位模块中的嵌入式微处理器进行现场处理，包括信息采集、分析判断、数据上传、屏蔽切换、休眠或睡醒。其中信息采集是指对运动感应、压力测量、温度测量、湿度测量、电量测量等信息进行采集。分析判断是指根据采集到的测量信息，利用现场配置方案的内在机理进行分析，判断是否应进行休眠或睡醒；数据上传；屏蔽及切换。

整车上位模块中的可靠起动单元的作用在于：整车上位模块从汽车CAN总线或GPS接收机等车载信息接口获知汽车起动并平稳运行了，但迟迟未获得某个轮胎下位模块的上传数据，则给该轮胎下位模块发命令要求上传数据，或者要求进行运动感应传感器的主备切换，否则切换通信接口。

整车上位模块中的多径报警单元不仅具有现有技术所采用的LED显示和警示声报警，而且采用特定的预置语音报警(可以是中文如“右前胎慢漏气”，也可以是其他国家语言或方言，具有缺省预置并可以录音设置)，包括通过无线网络向远程报警。

整车上位模块中的应急处理单元基于车载信息接口获知驾驶员能力下降的有关信息(如酒精度“微饮”或疲劳度“黄色”报警)，可以通过车载驱动接口自动操纵汽车减速、靠边和制动停车等。

作为直接式胎况监测系统，无论是自带电池的主动式，还是利用轮胎运动发电的被动式，或是利用运动发电给电池充电的混合式，从可靠性的角度说，都有必要进行电量管理。当电量测量传感器反映出电量不足应该报警时，就通过现场处理单元进行报警。

从降低功耗的角度看，当汽车停泊轮胎静止时本冗余可靠监测装置就应该休眠，当汽车发动轮胎转动起来才睡醒工作。为此，运动感应传感器对轮胎的转动与静止情况进行检测，轮胎下位模块中的嵌入式微处理器根据检测结果决定睡醒工作或休眠。当轮胎刚刚由静止到转动，轮胎下位模块应该持续向整车上位模块发送当前的胎况数据。

假如正在工作的主传感器一切正常，如何根据测量信息判断胎况是否正常，如果异常还需要判断要紧不要紧。因为上传通信消耗的电量占绝对地位,如果要紧就要频繁上传通信报警，如果不要紧则中等频度报警，如果正常则稀疏频度报警。例如温度过高易导致爆胎就非常要紧；轮胎快速漏气也非常要紧。

以胎压为例，例如某个汽车轮胎内压力的最佳值为2.5个大气压，如图13所示，当胎压大于2.0时轮胎还能整车运行；但若胎压低于2.0并继续下降时，轮胎滚动运行的阻力就会显著增加。轮胎下位模块中的嵌入式微处理器可以根据图13所示的轮胎滚动阻力与胎压的关系，判断胎压是否异常，是慢漏气还是快漏气。

另一方面，如何才能知道正在工作的主传感器本身出现异常了呢？这可以有多种解决方式，例如如果得不到测量数据，或者测量数据一直出现乱码，轮胎下位模块中的嵌入式微处理器就可以自主判断主传感器失效。当整车上位模块通过车载信息接口得知汽车已起动行驶，而轮胎下位模块则没有上传有关数据时，则有可能是主运动感应传感器异常。当定期保养维护时发现胎压异常，而最近行驶时却没有得到报警，也有可能是主压力传感器失效。

当轮胎下位模块中的嵌入式微处理器发现主传感器异常，则自主屏蔽该检测接口，自动改由备份传感器接口获得测量数据。如果是通过其他方式发现主传感器异常，则由整车上位模块给轮胎下位模块发出命令，轮胎下位模块接到命令后屏蔽相应检测接口，自动改由备份传感器接口获得测量数据。

档位设置参数检测23记为l_speed(v_car)，可以根据当前车辆的额定值进行预置，例如：1档时速20公里以下；2档时速20公里到40公里；3档时速40公里到60公里；4档时速60公里到80公里；5档时速80公里以上。

在减速制动参数检测24中，可以用从时速100公里减速到时速为零所需滑过的距离d₁₀₀来表示车辆的制动能力，对应于其平均最大加速度为

$a_{\mathrm{brake},0}=\frac{{(100000/3600)}^2}{2d_{v100}}\&ap;385.8/d_{v100}(m/s^2)---\left(7\right)$

上式是针对空载情形，当载荷达到一定程度应该进行适当的修正如下

$a_{\mathrm{brake}}=\frac{m_0}{m_0+m_p}{a}_{\mathrm{brake},0}---\left(8\right)$

在加速起动参数检测25中，可以用从时速为零加速到时速100公里所需的时间t_v100来表示车辆的起动能力，对应于其平均最大加速度为

$a_{\mathrm{gun},0}=\frac{100000/3600}{t_{v100}}\&ap;27.8/t_{v100}(m/s^2)---\left(9\right)$

上式是针对空载情形，当载荷达到一定程度应该进行适当的修正如下

$a_{\mathrm{gun}}=\frac{m_0}{m_0+m_p}{a}_{\mathrm{gun},0}---\left(10\right)$

下面进一步介绍本智能交通安全系统中的路况检测单元3的具体结构和工作原理。在本发明中，路况检测是指对当前道路的固有性能、动态状况及环境情况进行检测，并计算其对避碰操控时间的影响程度。具体又分为六个底层检测模块：道路基本参数检测31；天气影响因素检测32；道路忙碌程度检测33；前方障碍物检测34；后方追随物检测35和异向追随物检测36。

道路基本参数检测31的内容包括单行道、双行道、隔离性、车道数、平整度、弯度和坡度等，目前大都可以通过基于定位和数字地图的商用导航产品获得。对于图14所示的双行道，当中间的粗黑线仅代表物理隔离实施时属于隔离性道路。

关于道路的弯度和坡度，现有的道路导航技术依赖业已固定的数字地图，往往只能提供大致的前进方向或者对汽车当前所处位置的弯度/坡度进行测量计算，无法对前方道路的弯度/坡度做出提前预估。这一技术缺陷不利于汽车自动驾驶技术以及主动防碰撞技术的进一步发展。对于主动防碰撞技术而言，更希望预先知道前方道路的弯度和坡度。为此这里提出一种计算前方道路弯度和坡度的预估方法。

如图15所示，首先，假设行驶中的汽车当前位于C点，以该点为原点建立二维动态方位坐标系，其中横坐标x轴指向东，纵坐标y轴指向北。在现有技术中，已经做到任意给定一个点，可以搜索到最近的道路(具体可以参考鲍远律、刘振安合著的《卫星定位、交通监控与数字地图》，ISBN：7118046221，国防工业出版社2006年出版)。因此，利用现有技术可以获得C点所在及周围的道路情况，在此就不详细赘述了。

其次，按照汽车的长度l_car和道路拥堵程度d_jam确定弧长间隔在道路前后按照相邻两点间隔Δs选择多个点，例如车后选择A,B两点，车前选择D,E,F,G四点，则可根据A,B,C,D,E,F,G各点的经纬度得到其在动态方位坐标系的坐标值，记两个列向量

$\stackrel{\&RightArrow;}{X}={(x_A,x_B,x_C,x_D,x_E,x_F,x_G)}^T,\stackrel{\&RightArrow;}{Y}={(y_A,y_B,y_C,y_D,y_E,y_F,y_G)}^T.$

再次，基于上述已知列向量进行拟合得到如下形式的3维多项式及其一阶、二阶导函数：

y＝a₀+a₁x+a₂x²+a₃x³, $\stackrel{\&CenterDot;}{y}=a_1+2a_{2}x+3a_3{x}^2,\stackrel{\&CenterDot;\&CenterDot;}{y}=2a_2+6a_{3}x---\left(11\right)$

其中， ${(a_0,a_1,a_2,a_3)}^T={\left(\begin{array}{cccc}m& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^2& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^3\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^2& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^3& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^4\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^2& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^3& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^4& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^5\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^3& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^4& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^5& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^6\end{array}\right)}^{-1}{(\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{y}_i,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i{y}_i,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^2{y}_i,\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^3{y}_i)}^T$

曲率半径：

$R=\frac{{(1+{\stackrel{\&CenterDot;}{y}}^2)}^{3/2}}{\stackrel{\&CenterDot;\&CenterDot;}{y}}---\left(12\right)$

以及方向角：

$\mathrm{\&psi;}=\left\{\begin{array}{ccc}\arctan \left(\stackrel{\&CenterDot;}{y}\right)& \mathrm{if}& x\&GreaterEqual;0\\ \arctan \left(\stackrel{\&CenterDot;}{y}\right)+\mathrm{\&pi;}& \mathrm{if}& x<0,y\&GreaterEqual;0\\ \arctan \left(\stackrel{\&CenterDot;}{y}\right)-\mathrm{\&pi;}& \mathrm{fi}& x<0,y<0.\end{array}\right.---\left(13\right)$

然后，计算每一点相对上一点的方向改变量Δψ，写成列向量形式为

$\mathrm{\&Delta;}\stackrel{\&RightArrow;}{\mathrm{\&psi;}}={(*,{\mathrm{\&psi;}}_B-{\mathrm{\&psi;}}_A,{\mathrm{\&psi;}}_C-{\mathrm{\&psi;}}_B,{\mathrm{\&psi;}}_D-{\mathrm{\&psi;}}_C,{\mathrm{\&psi;}}_E-{\mathrm{\&psi;}}_D,{\mathrm{\&psi;}}_F-{\mathrm{\&psi;}}_E,{\mathrm{\&psi;}}_G-{\mathrm{\&psi;}}_F)}^T---\left(14\right)$

当Δψ＞0时意味着前方道路在向左拐，当Δψ＜0时意味着前方道路在向右拐。

在汽车主动防碰撞技术的实践中，可以不必精确掌握方向改变量的具体取值，而是根据取值大小分为5档：左急弯；左小弯；无弯；右小弯；右急弯。根据前方道路的弯曲程度，汽车内部的主动防碰撞装置可以提前采取相对应的技术措施，如自动减速、提前报警等。

类似的方法可以用来预估前方道路的坡度，此时将上述的经纬度参数改为海拔高度参数即可。在计算前方道路的坡度时，可以对前方道路的海拔高度随弧长的变化进行多项式拟合，也可以利用三角函数进行更简单的近似计算，例如对于图15中的B、D、F三点而言：

${\mathrm{\&theta;}}_B=\arctan \left(\frac{h_C-h_A}{2\mathrm{\&Delta;s}}\right),{\mathrm{\&theta;}}_D=\arctan \left(\frac{h_E-h_C}{2\mathrm{\&Delta;s}}\right),{\mathrm{\&theta;}}_F=\arctan \left(\frac{h_G-h_E}{2\mathrm{\&Delta;s}}\right)---\left(15\right)$

同样地，在汽车主动防碰撞技术的实践中，可以根据前方道路的坡度大小分为5档：下陡坡；下缓坡；无坡；上缓坡；上陡坡。汽车内部的主动防碰撞装置可以提前采取相对应的技术措施，如加大油门、利用发动机进行制动等。

天气影响因素检测32包括雾、雨、冰、雪等，一般可通过车载信息系统与交通网络设施通信获得。对于式(6)的μ₀，一般路面取值0.77，耐滑路面取值0.9，而异滑路面取值0.64，天气异常会给路面造成不确定性恶劣影响。

道路忙碌程度检测33的结果也可通过车载信息系统与交通网络设施通信获得。按程度可分为四档：严重拥堵(平均时速<20公里)；轻微拥堵(20公里<平均时速<0.6倍限速)；畅通(0.6倍限速<平均时速<1.2倍限速)；车流稀疏(平均车流量<每分钟一辆)。

在现有技术中，虽然有安全气囊、安全带作为保护措施，但这些保护措施仅仅是在车辆已经发生碰撞之后的被动保护，而在碰撞发生前就及时发现前后车辆，避免碰撞才是减少此类交通事故的重点。前方障碍物检测34可以利用基于微波雷达的车辆主动防碰撞模块检测目标的相对方向、距离及速度的动态变化情况。当检测结果发现目标位于当前汽车的前方，运动方向与本车接近，则属于前方障碍物。

图16为基于微波雷达的车辆主动防碰撞模块的整体结构示意图。该车辆主动防碰撞模块由收发前端和信号处理后端两大部分组成，收发前端与信号处理后端之间通过电源线、控制线、模拟调制信号线和回波信号线进行连接。其中，控制线用来传输控制收发前端工作状态切换的使能控制信号；模拟调制信号线用于传输从信号处理后端输入到收发前端的模拟调制信号；回波信号线用于传输从收发前端输送到信号处理后端的回波信号；以上模拟调制信号线和回波信号线通过同轴电缆接插件端口缆线进行连接。

如图17所示，收发前端由微带天线阵列、收发组件和接口电路三部分构成，微带天线阵列连接收发组件，收发组件连接接口电路。其中，微带天线阵列用于接收/发射高频载波。收发组件主要包括压控振荡器(VCO)和混频器两部分，其中压控振荡器(VCO)接收接口电路中的模拟调制信号输入，而混频器向接口电路输出回波信号。

如图18所示，接口电路包括：前置放大器、匹配滤波器、自动增益放大电路(AGC放大电路)、调制信号滤波器和电源调整电路。其中，前置放大器、匹配滤波器和自动增益放大电路(AGC放大电路)顺序连接，其作用在于对回波信号进行滤波、放大处理。调制信号滤波器连接在信号处理后端与收发组件之间，其作用在于将信号处理后端产生的模拟调制信号进行滤波处理。电源调整电路也连接在信号处理后端与收发组件之间，其作用在于：①稳压功能：对供给收发前端1的电压进行稳压，以使收发前端正常工作。②电压调整：对信号处理后端的使能控制输入进行响应，调整电压以产生－5V、0、+5V的可调电压，以便通过此可调电压对收发前端的工作状态进行控制。

信号处理后端的内部结构如图19所示。它由模数转换模块、现场可编程门阵列(FPGA)、数字信号处理芯片、数模转换模块、显示报警电路、汽车总线扩展模块和电源模块组成。其中，模数转换模块通过回波信号线接收接口电路的模拟信号，并将转换后的数字信号输入给现场可编程门阵列(FPGA)。数模转换模块16从现场可编程门阵列(FPGA)处接收数字调制信号，经数模转换后通过模拟调制信号线输出给接口电路。现场可编程门阵列(FPGA)的作用在于：①接受数字信号处理芯片的控制信号输入，以判定是否启动模数转换以及在何时启动、何时停止；②对模数转换模块的转换后数据进行软件滤波并存储滤波后数据；③产生数字调制信号，并控制数模转换模块对数字调制信号进行数模转换；④通过控制线发出控制信号，控制收发前端的工作状态。现场可编程门阵列(FPGA)与数字信号处理芯片进行连接。数字信号处理芯片接收关于路况、车况和人况的外部输入信号，并且一方面连接显示报警电路，另一方面通过汽车总线扩展模块接入汽车总线中。它的主要作用在于：①对现场可编程门阵列(FPGA)中存储的模数转换模块的信号转换结果进行数学运算处理，从中提取目标的速度与距离信息；②将目标的速度与距离信息输入到显示报警电路以进行声光显示报警；③发送控制指令到现场可编程门阵列(FPGA)，以决定是否启动模数转换以及在何时启动、何时停止。显示报警电路的作用在于对数字信号处理芯片输入的速度与距离信息进行声音或显示报警。汽车总线扩展模块的作用在于将数字信号处理芯片的串行总线转换成采用CAN和485标准的汽车总线。电源模块的作用在于提供多个电压等级以对整个车辆主动防碰撞模块进行供电。

在本车辆主动防碰撞模块的一个具体实施例中，数字信号处理芯片采用TI公司TMS320C6713处理器，对采集转换的信号做快速傅里叶变换FFT的处理，提取相应的目标距离与速度信息；选择20万门的SPARTAN现场可编程门阵列FPGA进行相应的存储、AD控制、调制波发生、软件滤波、使能控制输出编程；选择AD9240模数转换模块双通道、14位、10M采样率。整个系统采用+12V电源供电，并进行相应的稳压、电平转换，供给相应的芯片与电路。尤其要在收发前端的接口电路中进行电平转换，以输出正、负、零三种电平。显示报警电路采用ARM9处理器、LCD显示屏和扩音器，由ARM9处理器接受TMS320C6713的速度与距离信息的输出

下面对本车辆主动防碰撞模块的工作原理进行详细的说明。

首先，由现场可编程门阵列(FPGA)发出数字调制信号，经数模转换模块转化成模拟调制信号—三角波/锯齿波。该模拟调制信号经模拟调制信号线传至接口电路中的调制信号滤波器中，经过滤波处理滤除噪声，再传至收发组件的压控振荡器(VCO)中，生成高频载波，并将此高频载波通过微带天线阵列发射出去。高频载波通过微带天线阵列发射出去后，遇到障碍物反射回来，并经微带天线阵列接收，传输至收发组件，经收发组件处理后由混频器输出至接口电路，依次经过前置放大器、匹配滤波器、自动增益放大电路AGC放大电路处理后，经回波信号线传输至信号处理后端。

在信号处理后端，反射回来的信号被传输至模数转换模块。在此，模拟信号被转换为数字信号，并将转换后的数据实时传送到现场可编程门阵列(FPGA)中进行软件滤波并存储滤波后数据，当模数转换模块完成了一次采样转换过程后，现场可编程门阵列(FPGA)将存储的数据送入数字信号处理芯片，进行数学运算处理，从数据中捕捉目标障碍物的距离和相对速度信息。

随后，数字信号处理芯片将距离与速度信息传输至显示报警电路。显示报警电路根据目标障碍物的与本车的距离和相对速度，对驾驶员进行声音或显示报警，提醒其减速或刹车。另一方面，数字信号处理芯片通过汽车总线扩展模块将串行信号转换为符合CAN或485标准的信号，以便于和汽车内部其他采用CAN或485标准的设备进行连接，传递距离、速度信息、报警信息或根据距离及速度信息进行相关的控制输出。

本车辆主动防碰撞模块在工作时，通过车载的微波雷达探测本车前、后、左、右的障碍物相对本车的距离、速度和行进方向，并且将探测到的结果及时通过显示报警模块提醒或显示给驾驶员。微波雷达通过汽车总线扩展模块捕获车况信息，并结合路况信息与人况信息，结合微波雷达对前后左右障碍物的探测结果属路况信息，综合计算，向驾驶员的给出操作建议，如减速、刹车、转向等。另一方面，通过汽车总线捕获并判定驾驶员的操作，在发现车辆碰撞危险逐渐增大并且驾驶员未及时作出反应发生了疲劳驾驶、酒驾等易导致驾驶员反应变慢，动作不及时时，再次给出提醒并向汽车总线发出控制指令，令车辆自身采取诸如打开安全气囊、强制刹车、强制减速等非人为的避险措施。

后方追随物检测35可以利用上述基于微波雷达的车辆主动防碰撞模块实现。当检测结果发现目标位于当前汽车的后方，运动方向与本车接近，则属于后方追随物。

异向追随物检测36也可以利用上述基于微波雷达的车辆主动防碰撞模块实现。当检测结果发现目标位于当前汽车的前方，运动方向与本车相反，并且道路没有隔离，则属于后方追随物。

基于前述人况检测单元1、车况检测单元2和路况检测单元3的检测结果，针对相对本车的某一目标(障碍物或追随物)，记相对距离测量值为r_mea，设相对距离可能的测量误差最大值与最小值分别为e_rmax(r_mea),e_rmin(r_mea)，则相对距离参考值r_relative∈[r_mea-e_rmin(r_mea),r_mea+e_rmax(r_mea)]；记相对速度测量值为v_mea，相对速度可能的测量误差最大值与最小值分别为e_vmax(r_mea,v_mea),e_vmin(r_mea,v_mea)，则相对速度参考值v_relative∈[v_mea-e_vmin(r_mea),v_mea+e_vmax(r_mea)]。

首先考虑同前方单目标障碍物之间的避碰要求。如果不施加任何干预，则经过时间

$t_{\mathrm{relative}}=\frac{r_{\mathrm{relative}}}{v_{\mathrm{relative}}}---\left(16\right)$

本车即可能与目标发生直接碰撞。

考虑人况影响，参考式(4)，避免碰撞的最基本要求是满足如下的不干预致碰时间判据：

t_relative＞t_dr(17)

进一步考虑车况影响，以避免追尾前方障碍物为例，即便是能够采取措施，最基本要求为：

$a_{\mathrm{relative}}=\frac{v_{\mathrm{relative}}}{t_{\mathrm{relative}}}=\frac{v_{\mathrm{relative}}^2}{2r_{\mathrm{relative}}}<a_{\mathrm{brake}}---\left(18\right)$

更进一步考虑路况，则要求满足如下的干预加速度约束判据：

$\frac{v_{\mathrm{relative}}^2}{2r_{\mathrm{relative}}}<k_{\mathrm{grad}\mathrm{ient}}{k}_{\mathrm{crooked}}{a}_{\mathrm{brake}}---\left(19\right)$

其中k_gradient,k_crooked分别为基于式(13)～(15)计算的坡度影响系数和弯度影响系数。

对于后方单目标追随物，只需将式(18)、(19)中右侧的a_brake替换成a_gun。

对于异向追随物，随着相对距离越来越小，应确保相对速度适当小于二倍限速，并尽量保持在本车的行驶车道不变。

对于多目标威胁，应首先规避威胁更大的目标。

本智能交通安全系统中的驾驶员报警单元5采用图形界面和语音相结合对驾驶员进行多媒体增强现实报警，使驾驶员直观地感觉到自己所处的防碰撞安全环境。分为加减速黄色报警、加减速红色报警和转向换道操作提示。

以不采取操纵措施可能发生碰撞作为黄色报警的基本考虑，基于式(17)，并乘以一个加权系数n_yellow，即当

t_relative＜n_yellowt_dr(20)

时，对本车驾驶员发出加速或制动的黄色报警。规避追尾时为制动报警，规避被追尾时为加速报警，同时需要规避前后目标时为转向换道提示。

在已经发出黄色报警并未被解除报警的情形下，以即便发挥汽车加减速的极限能力都可能发生碰撞作为红色报警的基本考虑，基于式(18)，并乘以一个加权系数n_red，即当

a_relative＞n_reda_brake(21)

时，对本车驾驶员发出加速或制动的红色报警。规避追尾时为制动报警，规避被追尾时为加速报警，同时需要规避前后目标时为转向换道提示。

转向换道首先要考虑目标车道有没有碰撞威胁。同时要考虑汽车同路况的匹配，如图20，设汽车轮距为L，根据汽车系统动力学原理，车轮最大转向角为45度左右，对应于方向盘转动n圈，于是车轮及方向盘转向角ψ_sw分别为

β≈arcsin(L/R),ψ_sw＝8nβ.(22)

对于弯度较大的路况，应根据上式进行校正方向盘转向角的强制处理，还应适当压低速度，以确保由于车速引起向外的离心力mv²/R小于侧向附着力，并且确保离心力产生的侧倾力矩小于汽车自重产生的抗侧倾力矩。

当驾驶员酒精度或疲劳度超标，认为其没有能力及时进行防碰撞操作，于是本车强制处理单元6强制进行加、减速及转向换道处理。

当前方目标汽车速度过低，或有路人受到本车碰撞威胁时，障碍物报警单元7通过扬声器等对其发出语音警报。

当后方或异向汽车追随速度过高，追随物报警单元8通过扬声器等对其发出语音警报。

当本车已经遭遇碰撞事故时，碰撞事后报警单元9利用无线通信网络将车载定位设备记录的地理位置、事故状况和现场视频传送给远程监控终端。

本发明所提供的智能交通安全系统可以基于云计算平台和无线网络(包括无线局域网和广域无线网)等技术支撑手段实现。利用云计算平台和无线网络，本智能交通安全系统可以实现车辆、人、设施三大要素相互交换信息。云计算平台和各车载电子终端之间交换的信息包括路况、车况、人况三大类信息。下面对此展开详细的说明。

如图21所示，本智能交通安全系统由支持云计算的服务器、若干个安装在汽车上的车载电子终端(或其它移动终端)以及安装在交通基础设施上的云监控终端组成。其中，云计算平台由云计算服务器和云监控终端两部分构成，为整个智能交通安全系统提供基础计算；提供管理功能；提供海量数据的统计、存储、共享、发布功能。云计算平台与各车载电子终端之间通过广域无线网和/或有线网进行连接，各车载电子终端相互之间均通过无线网络进行连接。

云计算服务器可以布置在省、市、县、辖区等行政区域内的公安部门，这些服务器组成分布式服务器集群，每一级服务器都与上级或同级的公安部门的数据库进行联网，集群内进行交通安全和治安数据资料的共享、传递，按级别划分管理层次和所属权责。云计算服务器将监督管理权限分配给云监控终端，云计算服务器所在的指挥中心可以通过云监控终端对其所处辖区内的任意车辆进行人况信息检查，收集、储存检测结果和信息，并进行相应的报警、出警动作。

云监控终端的作用在于：(1)在得到云计算服务器的授权后，可以与车载电子终端进行广域无线网连接，与车载电子终端侧交互视频、声音及控制信号，主动检查并收集车载电子终端侧的人况信息。(2)接收车载电子终端的报警信息。(3)与云计算服务器交换数据信息资源。

云监控终端可以分为如下两类：

(1)固定式：这类监控终端布置在“交通基础设施”、“治安防范基础设施”等固定场所，这些基础设施的位置保证了能够直接面向基层交通管理和治安管理，如：停车场、交通收费站、交通流量指示牌、治安岗亭、居民委员会等，这些监控终端得到了云计算服务器的授权，主要负责对路况、车况、人况信息的采集或转发，或行使对所在辖区的交通和治安的监督管理职能。

(2)移动式：这类监控终端布置在公安系统内的警用汽车、警用摩托车上。通过这些车载监控终端，公安干警可以对路上机动车辆进行移动式的现场人况信息检查，并及时反馈这些信息给云计算服务器。

车载电子终端带有人况检测单元，相对于云监控终端来说，车载电子终端均处于被检查、被监管地位。即当某一云监控终端主动发来人况检查请求时，这些车载电子终端要被动响应并接受检查。同时，在车载电子终端进行非联网的本地人况信息检测，并发现险情时，可以主动向云监控终端发送报警求救信号。

云计算平台具备针对车载电子终端的数据采集、存储、计算、传输功能和管理功能，并能提供良好的网络接入和安全保障能力，有效克服了车载电子终端存储容量小、计算能力弱等缺点。该云计算平台能够通过车载电子终端采集车辆驾驶员的视频信息，提取面部特征，通过疲劳驾驶算法进行计算，以判断驾驶员是否处在疲劳驾驶状态、疲劳程度；判断驾驶员是否受到不法分子的威胁劫持；车辆是否被非法人员所驾驶、盗抢等。后文对此还有进一步的详细说明。

对于云计算而言，每一个车载电子终端都是一个云计算终端，服务器就是云计算平台。车载电子终端通过无线网络接入到云计算平台，每一个车载电子终端有一个ID号码，且具有唯一性；用户名和密码由用户首次接入时指定，在以后登录过程中做验证使用。每一次车载电子终端和云计算平台断开后，再次连接均需接受接入性验证，过程如下：

车载电子终端把预先指定的个人登录用户名、密码、终端ID，以“用户名+密码+ID”的编码方式，发送到云计算平台。由云计算平台在数据库中进行检索，确定存在该用户和车载电子终端之后，建立网络连接；否则拒绝。

云计算平台为每一个车载电子终端开辟了独立的存储空间，可以存储车辆信息，具体有：车载电子终端的用户信息、设备ID、从车载电子终端采集的视频文件和图片、车载电子终端通过CAN总线采集的车辆状态和历史信息、车辆位置、疲劳驾驶报警信息、非法驾驶报警信息、酒精测试记录等。

图22为某一路段的无线网络分布示意图。该无线网络采用局域网和广域网相融合的方式，车辆与车辆周围的交通基础设施组成一个无线局域网。在行驶很多辆车的时候，每一辆车可能会同时存在于多个局域网内，无线局域网的组网是自适应的。

在本发明中，无线局域网的搭建优选采用ZigBee方式。ZigBee是一种物联网组网技术，具有以下特点：

(1)具有极强的自组织能力和自愈能力

无需人工干预，网络节点能够感知其他节点，并与之组成网络；在一个已有网络下，增加或者删除一个节点，位置发生变动时，网络都能自我修复，并对网络拓补结构进行相应的调整，使得网络仍能够正常工作。

(2)组网模式灵活

可以组成mesh型网络，即多点对多点的。网络内任意两台设备都可以交换数据。

(3)网络安全性高

ZigBee网络支持AES128加密算法。

(4)网络容量大

一个ZigBee网络可以容纳最多254个从设备和一个主设备，同一地区最多可以同时存在200多个ZigBee网络。

关于ZigBee技术的进一步说明，可以参阅其官方网站(www.zigbee.org)中的相关技术文档，在此就不赘述了。

各个车载电子终端所组成的无线局域网的功能主要在于相邻车辆的安全性提醒。安装在某台汽车上的车载电子终端通过无线网络发送表示自身所处状况的数据包，安装在附近汽车上的其它车载电子终端接收到该数据包后，根据数据包的内容采取必要的应对手段。具体而言，当一辆车发生或发现了紧急情况或要进行某种车辆操作，为了避免对其他车辆也造成影响需要向其他车辆提前告知本车辆所处状态或将要进行的操作，该车辆上的车载电子终端向其他车辆发送数据信息；或者当一个车内的驾驶员被监测到有酒驾、疲劳驾驶、受到劫持等危险状态，也会向相邻车辆和服务器发送信号以便警示或求救。由于路上车辆众多，每一辆车可能同时存在于多个局域网当中，当车辆从一个局域网内接收到警示或求救信息时，将会向其他局域网络内的车辆进行传送。

局域网的组网是根据车载电子终端内置的导航定位模块测得的车辆所在绝对位置而计算出的相对位置和车辆行进方向来确定的。由多个车载电子终端的导航定位模块的测量数据，可以间接得到该车与周围车辆的相对距离，并推算出行进方向。在高速公路和乡村路段，只有在行进方向相同并且车间直线距离在300米以内的车辆间才建立局域网通信。对于交通基础设施也是在与车辆距离小于300米时才建立局域网通信；但在城镇密集路段，只有在行进方向相同并且车间直线距离在100米以内的车辆间才建立局域网通信。对于交通基础设施也是在与车辆距离小于100米时才建立局域网通信。采用不断发展的虚拟现实及增强现实技术，为驾驶员防碰撞安全驾驶提供人性化的多媒体操控环境。

每一个从车辆上的车载电子终端发送的数据包都要根据不同的情况进行编码，可以采用“数据头+终端设备ID+车牌号码+所处状态+验证位+停止位”的结构，所处状态表示五大状态，具体包括：疲劳驾驶、酒后驾车、受到劫持、超车请求、停车请求。具体到用数字表示：

状态一：疲劳驾驶：00(无疲劳)，01(轻度疲劳)，10(中度疲劳)，11(重度疲劳)。

状态二：酒后驾车：00(无饮酒)，01(饮酒)。

状态三：受到劫持：00(正常状态，无劫持)，01(受到了歹徒劫持)。

状态四：超车请求：00(无请求)，01(左路超车请求)，10(右路超车请求)。

状态五：停车请求：00(无请求)，01(停车请求)。

这样，通过将状态一至状态五进行顺序编码，用不同的数字表示各自对应的状态，其他车辆上的车载电子终端就能够通过数据包辨别出本车辆和驾驶员所处的是何状态，以便采取必要的应对手段。

配合导航定位模块，由不同车辆组成的ZigBee网络可以相互知晓相对位置和相对速度，在停车、超车、绕行操作的时候，相互发送警示信息，避免碰撞。这种智能交通安全模式几乎不受天气、地形影响，在雾雨雪等极端天气，也可以正常工作。

上面对本发明所提供的基于综合状态检测的智能交通安全系统及其决策方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (9)

1.一种基于综合状态检测的智能交通安全决策方法，其特征在于：

汽车在做出行动决策时，首先考虑同前方单目标障碍物之间的避碰要求，如果不施加任何干预的经过时间为：

$t_{relative}=\frac{r_{relative}}{v_{relative}}$

考虑人况影响，避免碰撞的最基本要求是满足如下的不干预致碰时间约束判据t_dr：

t_relative＞t_dr

进一步考虑车况影响，避免碰撞的最基本要求是满足如下的干预加速度约束判据a_brake：

$\frac{v_{relative}}{t_{relative}}=\frac{v_{relative}^2}{2r_{relative}}<a_{brake}$

更进一步考虑路况影响，则要求：

$\frac{v_{relative}^2}{2r_{relative}}<k_{gradient}{k}_{crooked}{a}_{brake}$

其中，r_relative为汽车同前方单目标障碍物之间的相对距离参考值，v_relative为汽车同前方单目标障碍物之间的相对速度参考值，k_gradient,k_crooked分别为坡度影响系数和弯度影响系数。

2.如权利要求1所述的智能交通安全决策方法，其特征在于：

所述不干预致碰时间约束判据t_dr通过下式获得：

t_dr＝t_re(1+k_{alcoholicity_re})(1+k_{tiredness_re})+t_ex-(1+k_{alcoholicity_ex})(1+k_{tiredness_ex})

其中，t_re为反应能力，t_ex为操纵能力，k_{alcoholicity_re}和k_{alcoholicity_ex}分别为酒精度对反应能力和操纵能力的影响，k_{tiredness_re}和k_{tiredness_ex}分别为疲劳程度对反应能力和操纵能力的影响。

3.如权利要求1所述的智能交通安全决策方法，其特征在于：

所述干预加速度约束判据a_brake通过如下公式获得：

$a_{brake}=\frac{m_0}{m_0+m_p}{a}_{brake,0}$

其中m₀为车辆空载重量，m_p为载荷重量，a_brake,0为汽车空载情况下的平均最大加速度。

4.如权利要求1所述的智能交通安全决策方法，其特征在于：

所述相对距离参考值r_relative∈[r_mea-e_rmin(r_mea),r_mea+e_rmax(r_mea)]，所述相对速度参考值v_relative∈[v_mea-e_vmin(r_mea),v_mea+e_vmax(r_mea)]，其中r_mea为相对距离测量值，相对距离的测量误差最大值与最小值分别为e_rmax(r_mea),e_rmin(r_mea)；v_mea为相对速度测量值，相对速度的测量误差最大值与最小值分别为e_vmax(r_mea,v_mea),e_vmin(r_mea,v_mea)。

5.一种基于综合状态检测的智能交通安全系统，其特征在于：

所述智能交通安全系统包括人况检测单元、车况检测单元、路况检测单元、智能决策单元、驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元；其中，

所述人况检测单元进一步包括驾驶员身份识别与基本能力检测、驾驶员酒精度监测和驾驶员疲劳度检测三个底层检测模块；

所述车况检测单元进一步包括车辆基本参数检测、车辆动态参数检测、档位设置参数检测、降速制动参数检测和加速起动参数检测五个底层检测模块；

所述路况检测单元进一步包括道路基本参数检测、天气影响因素检测、道路忙碌程度检测、前方障碍物检测、后方追随物检测和异向追随物检测六个底层检测模块；

所述人况检测单元、所述车况检测单元和所述路况检测单元分别连接所述智能决策单元；该智能决策单元执行如权利要求1～4中任意一项所述的智能交通安全决策方法，根据人况信息、车况信息和路况信息分别向与之连接的驾驶员报警单元、本车强制处理单元、障碍物报警单元、追随物报警单元和碰撞事后报警单元发出相应的避碰报警与处理指令。

6.如权利要求5所述的智能交通安全系统，其特征在于：

所述智能交通安全系统由支持云计算的服务器、多个安装在汽车上的车载电子终端及安装在交通基础设施上的云监控终端组成；其中，

所述服务器与所述云监控终端一起组成云计算平台，为整个智能交通安全系统提供基础计算和管理功能；所述云计算平台与各车载电子终端之间通过广域无线网和/或有线网进行连接，各车载电子终端之间通过无线网络进行连接；

安装在汽车上的车载电子终端用于识别包括驾驶员是否为合法驾驶员、驾驶员的疲劳状态、驾驶员的受胁迫状态、驾驶员的饮酒状态在内的人况信息。

7.如权利要求6所述的智能交通安全系统，其特征在于：

各车载电子终端之间采用ZigBee方式搭建无线网络。

8.如权利要求6所述的智能交通安全系统，其特征在于：

安装在某台汽车上的车载电子终端通过无线网络发送表示自身所处状况的数据包，安装在附近汽车上的车载电子终端接收到所述数据包后，根据所述数据包的内容采取应对手段。

9.如权利要求5所述的智能交通安全系统，其特征在于：

在所述驾驶员身份识别与基本能力检测模块中，反映驾驶员反应能力的t_dr0为反应能力t_re和操纵能力t_ex之和；所述t_dr0在驾驶员注册时通过测试预置，并根据该驾驶员操控汽车的具体成绩进行动态学习评估更新。