CN103606247B - 利用车况和驾驶员生理参数进行交通预警的方法及系统 - Google Patents

Abstract

本发明提供一种利用车况和驾驶员生理参数进行交通预警的方法及系统，包括：获取驾驶员生理参数；获取实时车况数据参数；将上述两组参数进行时间轴同步；用R/S分析法计算两组参数的Hurst指数H_BIO和H_OBD；当H_BIO和H_OBD同时小于报警阈值，判定驾驶员生理参数和车况数据参数会对交通状况产生负面影响，很可能发生交通事故；最后进行后台处理。将驾驶员的生理参数提取出来，作为对交通状况产生影响的最主要因素，并通过与车况数据的融合，提高了监测的可靠性，通过R/S分析法计算车况数据参数和驾驶员生理参数的Hurst指数，来判断下一个时间段内车况和生理数据的走势，量化计算了车况数据和生理参数需要预警的阈值。

Description

利用车况和驾驶员生理参数进行交通预警的方法及系统

技术领域

本发明涉及一种利用车况和驾驶员生理参数等信息用于预测交通状况，起到预警、提前梳理交通、智能管理的方法及系统。

背景技术

交通安全，交通堵塞及环境污染是困扰当今国际交通领域的三大难题，尤其以交通安全问题最为严重。采用智能交通技术提高道路管理水平后，每年仅交通事故死亡人数就可减少30%以上，并能提高交通工具的使用效率50%以上。为此，世界各发达国家竞相投入大量资金和人力，进行大规模的智能交通系统（Intelligent Transportation System，简称ITS）技术研究试验。

现有智能交通系统虽然能够在道路、车辆和驾驶员之间建立快速通讯联系，即哪里发生了交通事故，哪里交通拥挤，哪条路最为畅通，该系统会以最快的速度提供给驾驶员和交通管理人员，但是现有的智能交通系统都属于事后传播信息类型，即发生了问题才会下发通知，告知驾驶员。而现有智能交通系统的发展方向是：车辆靠系统的智能在道路上自由行使，道路靠系统的智能将交通流量调整至最佳状态，管理人员靠系统的智能掌握道路、车辆的行踪。

实际情况中，驾驶员还是车辆的主要操作控制人员，交通状况最终是由人、车、路的综合因素决定，其中最重要的因素还是驾驶员，包括其操作能力、反应速度、情绪等。所以，交通状况的数据采集离不开对驾驶员的信息采集。而现有技术中对于驾驶员信息的采集都只停留在表象分析上，与车辆的行驶状态信息并未进行有效的关联，更没有将二者之间的关系进行量化。因此无法获得驾驶员信息是否会对驾驶产生不良影响的准确的结果。

发明内容

为此，本发明所要解决的技术问题在于如何量化计算车况和驾驶员生理参数需要预警的阈值，进而预测接下来的交通状况，从而提出一种利用车况和驾驶员生理参数进行交通预警的方法及系统。

为解决上述技术问题，本发明的提供以下技术方案：

利用车况和驾驶员生理参数进行交通预警的方法，包括如下步骤：

S1：实时获取第一参数，所述第一参数包括驾驶员生理参数；

实时获取第二参数，所述第二参数包括实时车况数据参数；

S2：以获取时间为横坐标，以获取到的所述第一参数和所述第二参数为纵坐标建立坐标系；

S3：在横坐标[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

S31：采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；

S32：报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

上述的利用车况和驾驶员生理参数进行交通预警的方法，所述步骤S31中的所述第二参数的Hurst指数H_OBD的计算过程为：

S311：设定

$X_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(x_u-M_n),$

其中，x_u表示第n个时间段内u时刻第二参数的数值，u在第n个时间段内取值为1到t，M_n为第n个时间段内的第二参数x_u的平均值，X_t,n为第n个时间段内的累计离差；

S312：令R＝max(X_t,n)-min(X_t,n)，

$S=\sqrt{\frac{1}{t}\underset{u=1}{\overset{t}{\mathrm{\Σ}}}{(x_u-M_n)}^2},$

其中R表示第n个时间段内的极差，S表示第n个时间段内的标准差；

S313：所述第二参数的Hurst指数H_OBD为：

$H_{\mathrm{OBD}}=\frac{\log (R/S)-\log \left(K\right)}{\log \left(t\right)},$

其中K为常数。

上述利用车况和生理参数进行交通预警的方法，所述步骤S31中的所述第一参数的Hurst指数H_BIO的计算过程为：

S314：设定

$Y_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(y_v-N_n),$

其中，y_v表示第n个时间段内v时刻第一参数的数值，v在第n个时间段内取值为1到t，N_n为第n个时间段内的第一参数y_v的平均值，Y_t,n为第n个时间段内的累计离差；

S315：令Q＝max(Y_t,n)-min(Y_t,n)，

$W=\sqrt{\frac{1}{t}\underset{v=1}{\overset{t}{\mathrm{\Σ}}}{(y_v-N_n)}^2},$

其中Q表示第n个时间段内的极差，W表示第n个时间段内的标准差；

S316：所述第一参数的Hurst指数H_BIO为：

$H_{\mathrm{BIO}}=\frac{\log (Q/W)-\log \left(G\right)}{\log \left(t\right)},$

其中G为常数。

上述利用车况和驾驶员生理参数进行交通预警的方法，所述报警阈值Th=0.5。

上述利用车况和生理参数进行交通预警的方法，所述驾驶员生理参数包括面部情绪参数和生理特征参数；所述面部情绪参数通过获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；所述生理特征参数包括驾驶员的脉搏、血压；所述车况数据参数包括发动机转速、车速、瞬时油耗中的任意一种或者几种的组合。

利用车况和驾驶员生理参数进行交通预警的系统，其与车辆之间具有一一对应的关系，其进一步包括：

第一数据获取模块：用于获取驾驶员的生理参数；

第二数据获取模块：用于获取实时车况数据参数；

数据同步模块：将所述第一数据获取模块中的生理参数和所述第二数据获取模块中的车况数据参数进行时间轴同步；

分析判断模块：用于在时间区域[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；

报警提示模块，用于报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

上述利用车况和驾驶员生理参数进行交通预警的系统，所述第一数据获取模块包括：

摄像头，用于获取驾驶员面部的视频信息；

情绪参数提取单元，获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；

生理特征参数获取单元，获取驾驶员的脉搏和血压。

上述利用车况和驾驶员生理参数进行交通预警的系统，所述第二数据获取模块直接读取车辆OBD系统监测到的发动机转速、车速、瞬时油耗中的任意一种或者几种的组作为车况数据参数。

本发明的上述技术方案相比现有技术具有以下优点：

(1)本发明所述的利用车况和生理参数进行交通预警的方法及系统，将驾驶员的生理参数提取出来，作为对交通状况产生影响的最主要因素，并通过与车况数据的融合，提高了监测的可靠性。通过R/S分析法计算车况数据参数和驾驶员生理参数的Hurst指数，来判断下一个时间段内车况和生理数据的走势，量化计算车况数据和生理参数需要预警的阈值。通过判断车况数据参数和驾驶员生理参数的Hurst指数是否超出阈值，超出阈值报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪，可以对道路交通进行有效的预警管理。

(2)本发明所述的利用车况和生理参数进行交通预警的方法及系统，其中的系统与每一车辆是存在一一对应的关系，因此当控制中心或者交通管理部门，接收到某一系统发送过来提示信息表明该车辆的驾驶员当前的情绪状态有可能会对车辆驾驶产生负面影响，进而可能会影响到交通情况，便可以及时锁定到该车辆，然后能够对该车辆进行进一步的跟踪监控等下一步操作。本发明的上述方案能够给交通管理部门或者交通管理者提供用于交通管理的详细信息。

附图说明

为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1是本发明一个实施例的利用车况和生理参数进行交通预警的方法的流程图；

图2是本发明一个实施例的生理参数与车况数据时间轴同步图；

图3是本发明一个实施例的利用车况和生理参数进行交通预警的系统的原理框图。

具体实施方式

实施例1

本实施例提供一种利用车况和生理参数进行交通预警的方法的流程图,如图1所示：包括如下步骤：

S1：实时获取第一参数，所述第一参数包括驾驶员生理参数；

实时获取第二参数，所述第二参数包括实时车况数据参数；

S2：以获取时间为横坐标，以获取到的所述第一参数和所述第二参数为纵坐标建立坐标系；

S3：在横坐标[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

S31：采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；优选所述报警阈值Th=0.5；

S32：报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

其中，所述坐标系如图2所示，横坐标表示时间，纵坐标表示采集到的第一参数和第二参数的值。从图中可以看出，在坐标系中共有两条曲线，设上边一条曲线代表第一参数，下边一条曲线代表第二参数。从图中能够看出来在时间段t1上边的曲线出现了拐点，与此同时第二条曲线也出现了一个拐点，但是能够明显看出来第一条曲线的拐点是向下的而第二条曲线的拐点是向上的，因此在t1时刻，第一参数的变化和第二参数的变化没有必然的联系，可以判定驾驶员的状态不会影响到驾驶，虽然车辆的状态有一个突然的变化过程，但是应该不是由于驾驶员自身的原因造成的。而在t2时刻，明显能够看出来，第一条曲线和第二条曲线都分别有一个突然的尖峰值，此时可以判断第一参数的变化影响到第二参数，使其也具有了一个突然的变化过程，因此可以认为驾驶员的状态会影响到车辆的驾驶。而在t3时刻，可以看出来此时第一参数发生了变化，而第二参数却还是很平缓，因此可以知道虽然驾驶员的情绪或者生理参数有了波动但是并没有对车辆造成不良的影响。

需要说明的是，本实施例中报警阈值Th的选择是可以根据实际交通情况进行选取的，不同城市不同路段的交通情况不同，其对应的报警阈值也不相同。本实施例中选择报警阈值为0.5只是提供一种具体的实施例，并不对其进行绝对的限定。

本实施例中，所述步骤S31中的所述第二参数的Hurst指数H_OBD的计算过程为：

S311：设定

$X_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(x_u-M_n),$

其中，x_u表示第n个时间段内u时刻第二参数的数值，u在第n个时间段内取值为1到t，M_n为第n个时间段内的第二参数x_u的平均值，X_t,n为第n个时间段内的累计离差；

S312：令R＝max(X_t,n)-min(X_t,n)，

$S=\sqrt{\frac{1}{t}\underset{u=1}{\overset{t}{\mathrm{\Σ}}}{(x_u-M_n)}^2},$

其中R表示第n个时间段内的极差，S表示第n个时间段内的标准差；

S313：所述第二参数的Hurst指数H_OBD为：

$H_{\mathrm{OBD}}=\frac{\log (R/S)-\log \left(K\right)}{\log \left(t\right)},$

其中K为常数，K的取值可以根据历史数据进行计算得到的经验值进行选择。其中历史数据为在不同情况下的Hurst数值来反推得到K的取值。

与上述方法相似，本实施例中，所述步骤S31中的所述第一参数的Hurst指数H_BIO的计算过程为：

S314：设定

$Y_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(y_v-N_n),$

其中，y_v表示第n个时间段内v时刻第一参数的数值，v在第n个时间段内取值为1到t，N_n为第n个时间段内的第一参数y_v的平均值，Y_t,n为第n个时间段内的累计离差；

S315：令Q＝max(Y_t,n)-min(Y_t,n)，

$W=\sqrt{\frac{1}{t}\underset{v=1}{\overset{t}{\mathrm{\Σ}}}{(y_v-N_n)}^2},$

其中Q表示第n个时间段内的极差，W表示第n个时间段内的标准差；

S316：所述第一参数的Hurst指数H_BIO为：

$H_{\mathrm{BIO}}=\frac{\log (Q/W)-\log \left(G\right)}{\log \left(t\right)},$

其中G为常数。G的取值可以根据历史数据进行计算得到的经验值进行选择。其中历史数据为在不同情况下的Hurst数值来反推得到G的取值。

所述驾驶员生理参数包括面部情绪参数和生理特征参数；所述面部情绪参数通过获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；所述生理特征参数包括驾驶员的脉搏、血压；所述车况数据参数包括发动机转速、车速、瞬时油耗中的任意一种或者几种的组合。

本实施例中，所述第一参数包括驾驶员的生理参数还包括情绪参数，获取驾驶人生理参数或情绪参数可采用视频对表情或RGB数据分层对情绪进行识别，然后将情绪数据按照时间轴输出。所述第二参数包括实时车况数据参数，可以通过读取OBD系统监测到车辆的各项原始数据，因此只需要数据读取设备具备OBD接口即可。此设备有多种选择，最常见也是最经济实惠并且兼容性较好的是蓝牙版的ELM327，它支持所有的OBD-Ⅱ协议，并能把读取到的数据通过蓝牙接口传输到数据解读软件和显示设备中。

其中标准功能OBD数据流包括发动机转速；车速；发动机水温；发动机负荷；节气门位置；空气流量；电瓶电压；瞬时油耗（百公里油耗和每小时平均油耗）；控制模块电压；负荷计算值；进气支管绝对值压力；气缸点火提前角等。而本实施例中主要关心：发动机转速、瞬时油耗、车速。通过计算车速的差分，可获取车的加速度，通过发动机转速可以获得驾驶人踩油门的情况。

实施例2

本实施例提供一种利用车况和驾驶员生理参数进行交通预警的系统，其与车辆之间具有一一对应的关系，如图3所示，其进一步包括：

第一数据获取模块：用于获取驾驶员的生理参数；

第二数据获取模块：用于获取实时车况数据参数；

数据同步模块：将所述第一数据获取模块中的生理参数和所述第二数据获取模块中的车况数据参数进行时间轴同步；

分析判断模块：用于在时间区域[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；

报警提示模块，用于报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

所述第一数据获取模块包括：摄像头，用于获取驾驶员面部的视频信息；情绪参数提取单元，获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；生理特征参数获取单元，获取驾驶员的脉搏和血压。所述第二数据获取模块直接读取车辆OBD系统监测到的发动机转速、车速、瞬时油耗中的任意一种或者几种的组作为车况数据参数。

第二数据获取模块可以通过读取OBD系统监测到车辆的各项原始数据，因此数据读取设备具备OBD接口即可，此设备有多种选择，最常见也是最经济实惠并且兼容性较好的是蓝牙版的ELM327，它支持所有的OBD-Ⅱ协议，并能把读取到的数据通过蓝牙接口传输到数据解读软件和显示设备中，标准功能OBD数据流：发动机转速、车速、发动机水温、发动机负荷、节气门位置、空气流量、电瓶电压、瞬时油耗（百公里油耗和每小时平均油耗）、控制模块电压、负荷计算值、进气支管绝对值压力、气缸点火提前角，本发明主要关心的数据为：发动机转速、瞬时油耗、车速，通过计算车速的差分，可获取车的加速度，通过发动机转速可以获得驾驶人踩油门的情况。

数据同步模块：将上述两个模块获得的驾驶员生理参数和实时车况数据参数进行时间轴同步，如图2所示，第一时刻t1，生理数据有尖峰，可车况数据平稳，不作为有效负面情绪。第二时刻t2，生理数据有尖峰，车况数据同步产生尖峰，确认此时是有效负面情绪。第三时刻t3，生理数据无尖峰，车况数据产生尖峰，此时不作为有效负面情绪，只是常规加速等。

分析判断模块：用R/S分析法分析驾驶员生理参数和实时车况数据参数的分形特征，由图2可知，负面情绪的判断是由驾驶员的生理参数和实时车况数据参数两个数据参数进行判断的，我们把数据看成给定的时域内的矢量，以第二参数实时车况数据为例，对于给定的时间范围{0，T}，把它分为n个长度为t的等长时间段，对于第n个时间段：

$X_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(x_u-M_n),$

其中，x_u表示第n个时间段内u时刻第二参数的数值，u在第n个时间段内取值为1到t，M_n为第n个时间段内的第二参数x_u的平均值，X_t,n为第n个时间段内的累计离差；

令R＝max(X_t,n)-min(X_t,n)，

$S=\sqrt{\frac{1}{t}\underset{u=1}{\overset{t}{\mathrm{\Σ}}}{(x_u-M_n)}^2},$

其中R表示第n个时间段内的极差，S表示第n个时间段内的标准差；

定义R/S为重标极差，它随时间而增加：

${K\·t}^{H_{\mathrm{OBD}}}=R/S,$

其中K为常数，获取方式与实施例1中K值的获取方式相同，对上式两

边取对数得：

log(R/S)＝H_OBDlog(t)+log(K)，

移向可得所述车况数据参数的Hurst指数H_OBD：

$H_{\mathrm{OBD}}=\frac{\log (R/S)-\log \left(K\right)}{\log \left(t\right)},$

对于第一参数驾驶员的生理参数，相同的时间范围{0，T}，把它分为n个长度为t的等长时间段，对于第n个时间段：

$Y_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\Σ}}}(y_v-N_n),$

其中，y_v表示第n个时间段内v时刻第一参数的数值，v在第n个时间段内取值为1到t，N_n为第n个时间段内的第一参数y_v的平均值，Y_t,n为第n个时间段内的累计离差；

令Q＝max(Y_t,n)-min(Y_t,n)，

$W=\sqrt{\frac{1}{t}\underset{v=1}{\overset{t}{\mathrm{\Σ}}}{(y_v-N_n)}^2},$

其中Q表示第n个时间段内的极差，W表示第n个时间段内的标准差；

定义Q/W为重标极差，它随时间而增加：

$G\·t^{H_{\mathrm{BIO}}}=Q/W,$

其中G为常数，对上式两边取对数得：

log(Q/W)＝H_BIOlog(t)+log(G)，

移向可得所述驾驶员生理参数的Hurst指数H_BIO：

$H_{\mathrm{BIO}}=\frac{\log (Q/W)-\log \left(G\right)}{\log \left(t\right)},$

通过最小二乘法求解出驾驶员生理参数的Hurst指数H_BIO和车况数据参数的Hurst指数H_OBD。Hurst指数H是判断时间序列的相关特征的一个重要指标。当0.5<H<1时，说明该时间序列存在状态持续性，换句话说就是，如果时间序列在过去一段时间呈上升（下降）的，则在将来一段时间将继续呈上升（下降）。状态持续性意味时间序列的相关性不会随着时间标度的改变而变化。时间序列的持续性的强度随着H值逼近1而增大。当0<H<0.5时，表明时间序列存在反持续性，也就是说，若时间序列在过去是上升（下降）趋势，则在将来该时间序列很可能是下降（上升）趋势。时间序列的反持续性的强度依赖于H值接近于0的程度。

通过Hurst指数可以来分析预测车况数据和生理数据的波动大小，Hurst指数越大，说明车况数据和生理数据时间序列走势越平稳。一般情况下，认为车况是正常的，数据是平稳的，如果一直保持平稳的状态，那么时间序列应该是持续的，Hurst指数应该是大于0.5的。当车况数据参数的Hurst指数H_OBD和生理参数的Hurst指数H_BIO都小于0.5时，说明车况发生了异常，此时驾驶员的生理参数对驾驶确实产生负面影响。

分析判断模块：我们可以把0.5当做Hurst指数的阈值，如上一步定量分析的结果超出报警阈值，即车况数据参数的Hurst指数H_OBD和生理参数的Hurst指数H_BIO都小于0.5（阈值）时，表明下一时间段驾驶员生理参数和车况数据参数波动比较大，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响，很可能发生交通事故，需要报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪，直到该车驾驶员和车况回复正常值。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (6)

1.一种利用车况和驾驶员生理参数进行交通预警的方法，其特征在于，包括如下步骤：

S1：实时获取第一参数，所述第一参数包括驾驶员生理参数；

实时获取第二参数，所述第二参数包括实时车况数据参数；

S2：以获取时间为横坐标，以获取到的所述第一参数和所述第二参数为纵坐标建立坐标系；

S3：在横坐标[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

S31：采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；

所述第二参数的Hurst指数H_OBD的计算过程为：

S311：设定

$X_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}(x_u-M_n),$

其中，x_u表示第n个时间段内u时刻第二参数的数值，u在第n个时间段内取值为1到t，M_n为第n个时间段内的第二参数x_u的平均值，X_t,n为第n个时间段内的累计离差；

S312：令R＝max(X_t,n)-min(X_t,n)，

$S=\sqrt{\frac{1}{t}\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}{(x_u-M_n)}^2},$

其中R表示第n个时间段内的极差，S表示第n个时间段内的标准差；

S313：所述第二参数的Hurst指数H_OBD为：

$H_{\mathrm{OBD}}=\frac{\log (R/S)-\log \left(K\right)}{\log \left(t\right)},$

其中K为常数；

所述第一参数的Hurst指数H_BIO的计算过程为：

S314：设定

$Y_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}(y_v-N_n),$

其中，y_v表示第n个时间段内v时刻第一参数的数值，v在第n个时间段内取值为1到t，N_n为第n个时间段内的第一参数y_v的平均值，Y_t,n为第n个时间段内的累计离差；

S315：令Q＝max(Y_t,n)-min(Y_t,n)，

$W=\sqrt{\frac{1}{t}\underset{v=1}{\overset{t}{\mathrm{\&Sigma;}}}{(y_v-N_n)}^2},$

其中Q表示第n个时间段内的极差，W表示第n个时间段内的标准差；

S316：所述第一参数的Hurst指数H_BIO为：

$H_{\mathrm{BIO}}=\frac{\log (Q/W)-\log \left(G\right)}{\log \left(t\right)},$

其中G为常数；

S32：报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

2.根据权利要求1所述的利用车况和驾驶员生理参数进行交通预警的方法，其特征在于，所述报警阈值Th＝0.5。

3.根据权利要求2所述的利用车况和驾驶员生理参数进行交通预警的方法，其特征在于，所述驾驶员生理参数包括面部情绪参数和生理特征参数；所述面部情绪参数通过获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；所述生理特征参数包括驾驶员的脉搏、血压；所述车况数据参数包括发动机转速、车速、瞬时油耗中的任意一种或者几种的组合。

4.一种利用车况和驾驶员生理参数进行交通预警的系统，其特征在于，其与车辆之间具有一一对应的关系，其进一步包括：

第一数据获取模块：用于获取驾驶员的生理参数；

第二数据获取模块：用于获取实时车况数据参数；

数据同步模块：将所述第一数据获取模块中的生理参数和所述第二数据获取模块中的车况数据参数进行时间轴同步；

分析判断模块：用于在时间区域[0,T]的范围内，将其划分为若干个等长时间段进行如下分析：

采用R/S分析法分别获得第一参数的Hurst指数H_BIO和第二参数的Hurst指数H_OBD；当所述第一参数的Hurst指数H_BIO和所述第二参数的Hurst指数H_OBD同时小于报警阈值Th时，判定在下一时间段中该驾驶员的当前状态会对交通状况产生负面影响；

所述第二参数的Hurst指数H_OBD的计算过程为：

设定：

$X_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}(x_u-M_n),$

其中，x_u表示第n个时间段内u时刻第二参数的数值，u在第n个时间段内取值为1到t，M_n为第n个时间段内的第二参数x_u的平均值，X_t,n为第n个时间段内的累计离差；

令R＝max(X_t,n)-min(X_t,n)，

$S=\sqrt{\frac{1}{t}\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}{(x_u-M_n)}^2},$

其中R表示第n个时间段内的极差，S表示第n个时间段内的标准差；

所述第二参数的Hurst指数H_OBD为：

$H_{\mathrm{OBD}}=\frac{\log (R/S)-\log \left(K\right)}{\log \left(t\right)},$

其中K为常数；

所述第一参数的Hurst指数H_BIO的计算过程为：

设定：

$Y_{t,n}=\underset{u=1}{\overset{t}{\mathrm{\&Sigma;}}}(y_v-N_n),$

其中，y_v表示第n个时间段内v时刻第一参数的数值，v在第n个时间段内取值为1到t，N_n为第n个时间段内的第一参数y_v的平均值，Y_t,n为第n个时间段内的累计离差；

令Q＝max(Y_t,n)-min(Y_t,n)，

$W=\sqrt{\frac{1}{t}\underset{v=1}{\overset{t}{\mathrm{\&Sigma;}}}{(y_v-N_n)}^2},$

其中Q表示第n个时间段内的极差，W表示第n个时间段内的标准差；

所述第一参数的Hurst指数H_BIO为：

$H_{\mathrm{BIO}}=\frac{\log (Q/W)-\log \left(G\right)}{\log \left(t\right)},$

其中G为常数；

报警提示模块，用于报警提示驾驶员其当前状态会对交通状况产生负面影响，同时将该报警提示信息发送至控制器，所述控制器采集到报警提示信息后对于该报警提示信息关联的车辆进行追踪。

5.根据权利要求4所述的利用车况和驾驶员生理参数进行交通预警的系统，其特征在于，所述第一数据获取模块包括：

摄像头，用于获取驾驶员面部的视频信息；

情绪参数提取单元，获取驾驶员面部的视频信息，对所述视频信息的RGB数据进行分层提取，获取面部情绪参数；

生理特征参数获取单元，获取驾驶员的脉搏和血压。

6.根据权利要求5所述的利用车况和驾驶员生理参数进行交通预警的系统，其特征在于，所述第二数据获取模块直接读取车辆OBD系统监测到的发动机转速、车速、瞬时油耗中的任意一种或者几种的组作为车况数据参数。