CN107198526A - 一种辅助驾驶的方法及系统 - Google Patents

一种辅助驾驶的方法及系统 Download PDF

Info

Publication number
CN107198526A
CN107198526A CN201710418468.6A CN201710418468A CN107198526A CN 107198526 A CN107198526 A CN 107198526A CN 201710418468 A CN201710418468 A CN 201710418468A CN 107198526 A CN107198526 A CN 107198526A
Authority
CN
China
Prior art keywords
chromosome
value
driving condition
driver
msub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710418468.6A
Other languages
English (en)
Other versions
CN107198526B (zh
Inventor
孙亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Publication of CN107198526A publication Critical patent/CN107198526A/zh
Application granted granted Critical
Publication of CN107198526B publication Critical patent/CN107198526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/221—Ergometry, e.g. by using bicycle type apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/803—Driving vehicles or craft, e.g. cars, airplanes, ships, robots or tanks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/123—DNA computing
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/80—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game specially adapted for executing a specific type of game
    • A63F2300/8017—Driving on land or water; Flying

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Emergency Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种辅助驾驶的方法及系统，属于驾驶安全技术领域，其包括输入模块：输入驾驶状态值预警范围、驾驶员的指尖温度x和驾驶员测量指尖所在手掌把持方向盘的握力c；运算模块：读取输入模块中把持方向盘握力c和指尖温度x，代入由基因编程方法确立的数学模型中，计算驾驶状态值y；逻辑判断模块：接收运算模块的计算结果，判断驾驶状态值y是否在驾驶状态值预警范围内；如果不在驾驶状态值预警范围内，则发出控制信息；输出模块：接收逻辑判断模块的控制信息并发出驱动信号。本发明采用以无穷范数为优化目标的计量方法获取一个与驾驶员手掌温度和握力相关的驾驶安全适应度值的计量模型，并通过对该计量模型的计算获取一个最优估计值，该值能够实时反应驾驶员的这两种能力，进而能够监测驾驶状态，避免危险驾驶状态的发生。

Description

一种辅助驾驶的方法及系统
本专利申请案主张申请号为“201610438695.0”、名称为“一种辅助糖尿病人驾驶的控制方法与系统”、申请日为“2016.06.20”的中国发明专利申请的优先权。
技术领域
本发明属于驾驶安全技术领域，具体涉及一种辅助驾驶方法与系统。
背景技术
驾驶过程中，驾驶员在不同程度上都会出现视力模糊、疲劳、反应迟钝等危险的驾驶状态。现有技术中，采用特定方式对驾驶状态进行表征，准确和快速对危险驾驶状态进行识别，是减少交通事故发生的重要方法之一。
目前，对驾驶状态进行表征的主要方法有4种：(1)基于驾驶员的行为特征(如：头部运动、眼部运动、凝视方向等)表征驾驶状态。(2)基于驾驶员生理参数(如：脑电图、心电图、呼吸状况、肌肉活动等)表征驾驶状态。(3)基于交通工具行为特征(如：车速、车辆行驶的轨迹等)表征驾驶状态。(4)基于驾驶员“面部特征”的视频图像表征驾驶状态。
由于驾驶过程本质上是一个应激过程，驾驶员体内需要为应对外部交通环境变化可能造成自身的安全威胁来提供足够的能量(例如ATP(三磷酸腺苷)等)，因此在驾驶过程中代谢率与非驾驶状态下相比存在显著升高。所以脑部和交感神经系统细胞的活动情况，对维持驾驶员本身的驾驶安全具有非常重要的作用。要维持驾驶安全，避免危险状态的发生，就必须保证脑部和交感神经系统细胞有充足的能量贮备或有效利用现有的能量贮备。由于脑部和交感神经的细胞有其他组织不一样，它本身没有糖原贮备，又不能像其他组织细胞那样利用循环中的游离脂肪酸作为能量来源，所需能量几乎全部直接来自血液中的葡萄糖。然而现有的表征驾驶状态的方法，并不能直接有效的表征脑细胞和交感神经细胞的能量贮备和利用情况。因此，现有的表征驾驶状态的方法在进行驾驶状态预警时，普遍存在时间滞后过大和准确性不高的问题。
如果能够建立驾驶员体内能量贮备和利用情况与驾驶状态之间的映射关系，将使危险驾驶状态的发现时间进一步提前，并进一步增加监测的准确性，降低交通事故发生率。
发明内容
本发明提供一种辅助驾驶的方法及系统，其采用的具体技术方案是：
一种辅助驾驶的方法，其特征在于：包括以下步骤：
(1)读取驾驶状态值预警范围；
所述驾驶状态值预警范围通过如下方法获得：
驾驶员保持坐立姿态，操作驾驶类游戏或模拟驾驶(例如极品飞车)，每间隔一定时间，监测驾驶员的毛细血管全血血糖浓度，同时驾驶员填写驾驶安全评价量表(例如，慢性疲劳量表(CFQ))。以监测过程中驾驶安全评价量表的评分值(a1,Λ,al,Λ,an)出现的频率F(S＝al)作为驾驶状态值，并以该值作为因变量，以毛细血管全血血糖浓度作为自变量，确定下式的β0和β1
(多数情况下，建议a＝2.7)
式中，F(S＝al)表示驾驶状态值，gl表示毛细血管全血血糖浓度值。如果该量表中am为临界危险状态，计算不同gl下F(S＝am)的值，得到分割阈值Ft，则如果F(S＝am)∈(0，Ft)，则不发出报警信息，反之，则发出报警信息。
上述方法中，驾驶员操作驾驶类游戏或模拟驾驶目的是模拟真实驾驶情景，使驾驶员处于驾驶应激状态中，获取的预警范围值更加准确。
(2)实时同时读取驾驶员的指尖温度x和测量指尖所在手掌把持方向盘的握力c；
(3)将步骤(2)中驾驶员把持方向盘的握力c和指尖温度x代入关于方向盘握力和指尖温度的驾驶状态值计量模型中，计算出驾驶员的驾驶状态值y；
(4)判断y是否在步骤(1)的驾驶状态值预警范围内，如果y在驾驶状态值预警范围内，则无控制信号输出；如果y不在驾驶状态值预警范围内，则输出控制信号；
(5)重复执行步骤(2)～(4)，直至驾驶结束，并记录该驾驶员的初次使用时间。
其中，计量模型的确立步骤：
a、生成染色体：染色体由头部和尾部组成，头部的各基因位随机写入运算符，尾部的各基因位随机写入代表驾驶员把持方向盘握力的c或者代表指尖温度的x构成终结符；改变基因位的内容生成不同的染色体，当染色体的数量达到N时，终止生成操作，将生成的染色体作为初始种群；
b、构建染色体的表达式树：初始种群中各染色体由其头部的运算符和尾部的终结符按基因位构成表达式树；
c、进行M次以上检测驾驶员的关于毛细血管全血血糖浓度的驾驶值y0，每次同时检测指尖温度x和把持方向盘的握力c，形成当年基准；
d、将每次检测的x和c代入步骤(b)中一染色体对应的表达式，计算驾驶状态值y，然后计算该染色体的适应度值：
其中
||·||∞表示无穷范数
yi表示利用第i次检测的x和c计算的驾驶状态值
y0i表示第i次测量的由映射模型确定的关于毛细血管血糖浓度值的驾驶状态值
e、重复步骤d，直至计算完步骤a初始种群中各染色体的适应度值，选最小的适应度值对应的染色体作为当代最优染色体；
f、对步骤a初始种群中的各染色体进行选择、交叉和变异操作产生新的染色体种群，重复步骤d和e，并与上一代最优染色体的适应度值比较，如果大于，则保留上代最优染色体和其最小适应度值；如果小于，则由当代最优染色体作为最优染色体，并记录其适应度值；
g、重复步骤f，直至进化代数达到Z次，由最优染色体的表达式作为该驾驶员的计量模型。
优选的，步骤a中20≤N≤200，步骤c中M≥30，步骤g中Z≥60。
优选的，当同一驾驶员再次驾驶时，计算此次与初次使用之间的时间t，若t≥1年时，对该驾驶员检测L次毛细血管血糖浓度并利用映射模型换算成驾驶状态值，每次同时检测指尖温度和手把持方向盘的握力，与上一年的基准值共同作为当年基准值，重复d、e、f和g，对计量模型进行校准，并将校准时间作为初次使用时间。
优选的，L≥3。
本发明还提供了一种辅助驾驶的系统，其特征在于：包括
输入模块：输入驾驶状态值预警范围、驾驶员的指尖温度x和驾驶员测量指尖所在手掌把持方向盘的握力c；
运算模块：读取输入模块中的把持方向盘的握力c和指尖温度x，代入计量模型中，计算出驾驶员的驾驶状态值y；
逻辑判断模块：接收运算模块的计算结果，判断驾驶状态值y是否在驾驶状态值预警范围内；如果不在驾驶状态值预警范围内，则发出控制信息；
输出模块：接收逻辑判断模块的控制信息，对外围驱动机构发出驱动信号。
其中，所述驾驶状态值预警范围通过如下方法获得：
驾驶员保持坐立姿态，操作驾驶类游戏或模拟驾驶(例如极品飞车)，每间隔一定时间，监测驾驶员的毛细血管全血血糖浓度，同时驾驶员填写驾驶安全评价量表(例如，慢性疲劳量表(CFQ))。以监测过程中驾驶安全评价量表的评分值(a1,Λ,al,Λ,an)出现的频率F(S＝al)作为驾驶状态值，并以该值作为因变量，以毛细血管全血血糖浓度作为自变量，确定下式的β0和β1
(多数情况下，建议a＝2.7)
式中，F(S＝al)表示驾驶状态值，gl表示毛细血管全血血糖浓度值。如果该量表中am为临界危险状态，计算不同gl下F(S＝am)的值，得到分割阈值Ft，则如果F(S＝am)∈(0，Ft)，则不发出报警信息，反之，则发出报警信息。
其中，运算模块中计量模型的确立步骤：
a、生成染色体：染色体由头部和尾部组成，头部的各基因位随机写入运算符，尾部的各基因位随机写入代表驾驶员把持方向盘握力的c或者代表指尖温度的x构成终结符；改变基因位的内容生成不同的染色体，当染色体的数量达到N时，终止生成操作，将生成的染色体作为初始种群；
b、构建染色体的表达式树：初始种群中各染色体由其头部的运算符和尾部的终结符按基因位构成表达式树；
c、进行M次以上检测驾驶员的驾驶状态值y0，每次同时检测指尖温度x和把持方向盘的握力c，形成当年基准；
d、将每次检测的x和c代入步骤(b)中一染色体对应的表达式，计算驾驶状态值y，然后计算该染色体的适应度值：其中
||·||∞表示无穷范数
yi表示利用第i次检测的x和c计算的驾驶状态值
y0i表示第i次测量的由映射模型确定的关于毛细血管血糖浓度值的驾驶状态值
e、重复步骤d，直至计算完步骤a初始种群中各染色体的适应度值，选最小的适应度值对应的染色体作为当代最优染色体；
f、对步骤a初始种群中的各染色体进行选择、交叉和变异操作产生新的染色体种群，重复步骤d和e，并与上一代最优染色体的适应度值比较，如果大于，则保留上代最优染色体和其最小适应度值；如果小于，则由当代最优染色体作为最优染色体，并记录其适应度值；
g、重复步骤f，直至进化代数达到Z次，由最优染色体的表达式作为该驾驶员的计量模型。
优选的，步骤a中20≤N≤200，步骤c中M≥30，步骤g中Z≥60。
优选的，当同一驾驶员再次驾驶时，计算此次与初次使用之间的时间t，若t≥1年时，对该驾驶员检测L次驾驶状态值，每次同时检测指尖温度和手把持方向盘的握力，与上一年的基准值共同作为当年基准值，重复d、e、f和g，对计量模型进行校准，并将校准时间作为初次使用时间。
优选的，L≥3。
与现有技术相比，本发明的有益效果是：
1、本发明实时读取驾驶员把持方向盘的握力和指尖温度，驾驶过程中握力的变化反映的是脑部和交感神经系统细胞的能量利用情况，由于在指尖处血管主要以毛细血管为主，此处既包含动脉的葡萄糖含量信息，也包含静脉的葡萄糖含量信息。由于血液中葡萄糖由动脉进入静脉时，会释放或吸收部分热量，引起指尖温度的变化，因此指尖温度很好的反映了驾驶过程中驾驶员的能量贮备情况。采用以无穷范数为优化目标的计量方法获取一个与驾驶员手掌温度和握力相关的驾驶安全适应度值的计量模型，并通过对该计量模型的计算获取一个最优估计值，该值能够实时反应驾驶员的这两种能力，进而能够监测驾驶状态，避免危险驾驶状态的发生。与此同时，选用握力和指尖温度作为监测量，不会对驾驶员的驾驶行为造成任何干扰。
2、本发明通过建立能反应驾驶员把持方向盘的握、血糖浓度和指尖温度之间关系的计量模型，技术成熟，便于实现。
3、通过建立含有20条以上染色体的初始种群、变异次数，以及初始的毛细血管血糖检测次数，能够拟合出更能反应驾驶员把持方向盘的握力、驾驶状态值和指尖温度之间关系的计量模型，提高预警的及时性和准确性。
附图说明
图1是本发明的程序流程图；
图2是染色体结构示意图；
图3是图2中染色体的表达式树。
附图标记为：1、输入模块；2、运算模块；3、逻辑判断模块；4、输出模块。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
如图1所示，本发明中设置了输入模块1、运算模块2、逻辑判断模块3和输出模块4。其中，输入模块1主要是接收温度传感器检测的指尖温度x和压力传感器检测的把持方向盘的握力c等外围输入信号，并将接收的输入信号提供给运算模块2，同时为逻辑判断模块3提供血糖浓度预警范围，作为比对基准。运算模块2主要是读取输入模块1中的把持方向盘的握力c和指尖温度x，代入由基因编程方法确立的计量模型中，计算出驾驶员的血糖浓度值y；逻辑判断模块3则是接收运算模块2的计算结果，判断血糖浓度值y是否在血糖浓度预警范围内；如果高于血糖浓度预警范围的上限值，则发出第一控制信息，通过输出模块4发出对驾驶员注射胰岛素的信号；如果低于血糖浓度预警范围的下限值，则发出第二控制信息，通过输出模块4发出对驾驶员进补葡萄糖的信号；如果刚好位于血糖浓度预警范围内，则无控制信号输出。输出模块4主要是接收逻辑判断模块3的控制信息，对外围的驱动机构发出驱动信号。
上述运算模块2中计算所用的计量模型是依据如下方法取得的：
a、生成染色体：染色体由头部和尾部组成，头部的各基因位随机写入运算符，尾部的各基因位随机写入代表驾驶员把持方向盘握力的c或者代表指尖温度的x构成终结符；改变基因位的内容生成不同的染色体，当染色体的数量达到N时，终止生成操作，将生成的染色体作为初始种群，例如其中一染色体如图2所示；
b、构建染色体的表达式树：初始种群中各染色体由其头部的运算符和尾部的终结符分别按基因位从左到右的顺序逐位读取，并按层次顺序构成表达式数构成表达式树，图2所示染色体的表达式树如图3所示，其对应的表达式为：
c、进行30次以上检测使用者的驾驶状态值y0，每次同时检测指尖温度x和把持方向盘的握力c，形成当年基准；
d、将每次检测的x和c代入步骤(b)中一染色体对应的表达式，计算驾驶状态值y，计算与测量值y0的偏差，取该染色体中偏差最大值作为该染色体的适应度值：其中
||·||∞表示无穷范数
yi表示利用第i次检测的x计算的驾驶状态值
y0i表示第i次测量的驾驶状态值
e、重复步骤d，直至计算完步骤a初始种群中各染色体的适应度值，选最小的适应度值对应的染色体作为当代最优染色体；
f、对步骤a初始种群中各染色体进行选择、交叉和变异操作产生新的染色体种群，为了简化迭代程序，选择优选为轮盘赌选择算子，交叉优选为两点交叉，交叉概率为0.6≤Pc≤1，变异优选为单点变异，变异概率为0.005≤Pm≤0.05，重复步骤d和e，并与上一代最优染色体的适应度值比较，如果大于，则保留上代最优染色体和其最小适应度；如果小于，则由当代最优染色体作为最优染色体，并记录其适应度值；
g、重复步骤f，直至进化代数达到20代以上染色体，由最优染色体的表达式作为该驾驶员的计量模型。
随着使用时间的延长，为了使计算所依据的计量模型能得到较好的校准，当同一驾驶员再次驾驶时，计算此次与初次使用之间的时间t，若t≥1年时，对该驾驶员检测3次以上驾驶状态值，每次同时检测指尖温度和把持方向盘的握力，与上一年的基准值共同作为当年基准值，重复d、e、f和g，对计量模型进行校准，并以校准时间作为初次使用时间。
本发明的工作过程如下：
驾驶员保持坐立姿态，操作驾驶类游戏(例如极品飞车)，每间隔一定时间，监测驾驶员的毛细血管全血血糖浓度，同时驾驶员填写驾驶安全评价量表(例如，慢性疲劳量表(CFQ))。以监测过程中驾驶安全评价量表的评分值(a1,Λ,al,Λ,an)出现的频率F(S＝al)作为驾驶状态值，并以该值作为因变量，以毛细血管全血血糖浓度作为自变量，确定下式的β0和β1
(多数情况下，建议a＝2.7)
式中，F(S＝al)表示驾驶状态值，gl表示毛细血管全血血糖浓度值。如果该量表中am为临界危险状态，计算不同gl下F(S＝am)的值，得到分割阈值Ft，则如果F(S＝am)∈(0，Ft)，则不发出报警信息，反之，则发出报警信息。
在驾驶员驾驶的过程中，通过安装在方向盘的温度传感器和压力传感器实时读取驾驶员的指尖温度x和检测指尖所在手掌把持方向盘的握力c，此处系统虽然可以两侧测量，只需读取一侧的指尖温度和把持方向盘的握力，读取侧可以根据驾驶员操作习惯由驾驶员设定；运算模块2根据驾驶员的指尖温度x和手握方向盘的力量c，计算出驾驶员的驾驶状态值y；逻辑判断模块3判断y是否在步骤(1)的驾驶状态值预警范围内，如果y高于驾驶状态值预警范围的上限值，则发出第一控制信息，让输出模块4发出声光报警信号；如果y低于驾驶状态值预警范围的的下限值，则发出第二控制信息，则让输出模块4发出振动报警信号；如果刚好位于驾驶状态值预警范围内，则无控制信号输出，直至驾驶结束。
对某出租车公司的35名出租车驾驶员使用本方法进行危险驾驶状态中的驾驶疲劳和视力模糊两种情况进行预警。连续驾驶2小时后，本方法与现有的其他表征驾驶状态的辅助驾驶方法的发出预警的时间进行比对，本方法准确率超过90％，，预警时间平均提前了5～8分钟，说明该报警系统能够有效预报驾驶员是否进入危险驾驶状态。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以组合、变更或改型均为本发明的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (7)

1.一种辅助驾驶的方法，其特征在于：包括以下步骤：
(1)读取驾驶状态值预警范围；
(2)实时同时读取驾驶员的指尖温度x和测量指尖所在手掌把持方向盘的握力c；
(3)将步骤(2)中驾驶员把持方向盘的握力c和指尖温度x代入关于方向盘握力和指尖温度的驾驶状态值计量模型中，计算出驾驶员的驾驶状态值y；
(4)判断y是否在步骤(1)的驾驶状态值预警范围内，如果y在驾驶状态值预警范围内，则无控制信号输出；如果y不在驾驶状态值预警范围内，则输出控制信号；
(5)重复执行步骤(2)～(4)，直至驾驶结束，并记录该驾驶员的初次使用时间；
其中，计量模型的确立步骤：
a、生成染色体：染色体由头部和尾部组成，头部的各基因位随机写入运算符，尾部的各基因位随机写入代表驾驶员把持方向盘握力的c或者代表指尖温度的x构成终结符；改变基因位的内容生成不同的染色体，当染色体的数量达到N时，终止生成操作，将生成的染色体作为初始种群；
b、构建染色体的表达式树：初始种群中各染色体由其头部的运算符和尾部的终结符按基因位构成表达式树；
c、进行M次以上检测驾驶员的关于毛细血管全血血糖浓度的驾驶值y0，每次同时检测指尖温度x和把持方向盘的握力c，形成当年基准；
d、将每次检测的x和c代入步骤(b)中一染色体对应的表达式，计算驾驶状态值y，然后计算该染色体的适应度值：
其中
||·||∞表示无穷范数
yi表示利用第i次检测的x和c计算的驾驶状态值
y0i表示第i次测量的由映射模型确定的关于毛细血管全血血糖浓度值的驾驶状态值；
e、重复步骤d，直至计算完步骤a初始种群中各染色体的适应度值，选最小的适应度值对应的染色体作为当代最优染色体；
f、对步骤a初始种群中的各染色体进行选择、交叉和变异操作产生新的染色体种群，重复步骤d和e，并与上一代最优染色体的适应度值比较，如果大于，则保留上代最优染色体和其最小适应度值；如果小于，则由当代最优染色体作为最优染色体，并记录其适应度值；
g、重复步骤f，直至进化代数达到Z次，由最优染色体的表达式作为该驾驶员的计量模型。
2.根据权利要求1所述的辅助驾驶的方法，其特征在于：
所述驾驶状态值预警范围通过如下方法获得：
驾驶员保持坐立姿态，操作驾驶类游戏或模拟驾驶，每间隔一定时间，监测驾驶员的毛细血管全血血糖浓度，同时驾驶员填写驾驶安全评价量表；
以监测过程中驾驶安全评价量表的评分值(a1,Λ,al,Λ,an)出现的频率F(S＝al)作为驾驶状态值，并以该值作为因变量，以毛细血管全血血糖浓度作为自变量，确定下式的β0和β1
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>=</mo> <msub> <mi>a</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mi>a</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <msub> <mi>g</mi> <mi>l</mi> </msub> </mrow> </msup> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>a</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <msub> <mi>g</mi> <mi>l</mi> </msub> </mrow> </msup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，F(S＝al)表示驾驶状态值，gl表示毛细血管全血血糖浓度值。
3.根据权利要求1或2所述的辅助驾驶的方法，其特征在于：步骤a中，20≤N≤200；步骤c中，M≥30；步骤g中，Z≥60。
4.根据权利要求1或2所述的辅助驾驶的方法，其特征在于：当同一驾驶员再次驾驶时，计算此次与初次使用之间的时间t，若t≥1年时，对该驾驶员检测L次毛细血管血糖浓度并利用映射模型换算成驾驶状态值，每次同时检测指尖温度和手把持方向盘的握力，与上一年的基准值共同作为当年基准值，重复d、e、f和g，对计量模型进行校准，并将校准时间作为初次使用时间，L≥3。
5.一种辅助驾驶的系统，其特征在于：包括
输入模块：输入驾驶状态值预警范围、驾驶员的指尖温度x和驾驶员测量指尖所在手掌把持方向盘的握力c；
运算模块：读取输入模块中的把持方向盘的握力c和指尖温度x，代入计量模型中，计算出驾驶员的驾驶状态值y；
逻辑判断模块：接收运算模块的计算结果，判断驾驶状态值y是否在驾驶状态值预警范围内；如果不在驾驶状态值预警范围内，则发出控制信息；
输出模块：接收逻辑判断模块的控制信息，对外围驱动机构发出驱动信号；
其中，所述驾驶状态值预警范围通过如下方法获得：
驾驶员保持坐立姿态，操作驾驶类游戏或模拟驾驶，每间隔一定时间，监测驾驶员的毛细血管全血血糖浓度，同时驾驶员填写驾驶安全评价量表；
以监测过程中驾驶安全评价量表的评分值(a1,Λ,al,Λ,an)出现的频率F(S＝al)作为驾驶状态值，并以该值作为因变量，以毛细血管全血血糖浓度作为自变量，确定下式的β0和β1
<mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>=</mo> <msub> <mi>a</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mi>a</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <msub> <mi>g</mi> <mi>l</mi> </msub> </mrow> </msup> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>a</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <msub> <mi>g</mi> <mi>l</mi> </msub> </mrow> </msup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，F(S＝al)表示驾驶状态值，gl表示毛细血管全血血糖浓度值；
其中，运算模块中计量模型的确立步骤：
a、生成染色体：染色体由头部和尾部组成，头部的各基因位随机写入运算符，尾部的各基因位随机写入代表驾驶员把持方向盘握力的c或者代表指尖温度的x构成终结符；改变基因位的内容生成不同的染色体，当染色体的数量达到N时，终止生成操作，将生成的染色体作为初始种群；
b、构建染色体的表达式树：初始种群中各染色体由其头部的运算符和尾部的终结符按基因位构成表达式树；
c、进行M次以上检测驾驶员的驾驶状态值y0，每次同时检测指尖温度x和把持方向盘的握力c，形成当年基准；
d、将每次检测的x和c代入步骤(b)中一染色体对应的表达式，计算驾驶状态值y，然后计算该染色体的适应度值：其中
||·||∞表示无穷范数
yi表示利用第i次检测的x和c计算的驾驶状态值
y0i表示第i次测量的由映射模型确定的关于毛细血管血糖浓度值的驾驶状态值
e、重复步骤d，直至计算完步骤a初始种群中各染色体的适应度值，选最小的适应度值对应的染色体作为当代最优染色体；
f、对步骤a初始种群中的各染色体进行选择、交叉和变异操作产生新的染色体种群，重复步骤d和e，并与上一代最优染色体的适应度值比较，如果大于，则保留上代最优染色体和其最小适应度值；如果小于，则由当代最优染色体作为最优染色体，并记录其适应度值；
g、重复步骤f，直至进化代数达到Z次，由最优染色体的表达式作为该驾驶员的计量模型。
6.根据权利要求5所述的辅助驾驶的系统，其特征在于：步骤a中20≤N≤200，步骤c中M≥30，步骤g中Z≥60。
7.根据权利要求6所述的辅助驾驶的系统，其特征在于：当同一驾驶员再次驾驶时，计算此次与初次使用之间的时间t，若t≥1年时，对该驾驶员检测L次驾驶状态值，每次同时检测指尖温度和手把持方向盘的握力，与上一年的基准值共同作为当年基准值，重复d、e、f和g，对计量模型进行校准，并将校准时间作为初次使用时间，L≥3。
CN201710418468.6A 2016-06-20 2017-06-06 一种辅助驾驶的方法及系统 Active CN107198526B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610438695.0A CN106073723A (zh) 2016-06-20 2016-06-20 一种辅助糖尿病人驾驶的控制方法与系统
CN2016104386950 2016-06-20

Publications (2)

Publication Number Publication Date
CN107198526A true CN107198526A (zh) 2017-09-26
CN107198526B CN107198526B (zh) 2020-12-18

Family

ID=57235824

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201610438695.0A Pending CN106073723A (zh) 2016-06-20 2016-06-20 一种辅助糖尿病人驾驶的控制方法与系统
CN201710418468.6A Active CN107198526B (zh) 2016-06-20 2017-06-06 一种辅助驾驶的方法及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201610438695.0A Pending CN106073723A (zh) 2016-06-20 2016-06-20 一种辅助糖尿病人驾驶的控制方法与系统

Country Status (1)

Country Link
CN (2) CN106073723A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109263708A (zh) * 2018-08-31 2019-01-25 北京长城华冠汽车技术开发有限公司 转向盘和驾驶系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106073723A (zh) * 2016-06-20 2016-11-09 山东理工大学 一种辅助糖尿病人驾驶的控制方法与系统
CN107499312B (zh) * 2017-08-04 2019-03-08 孙兴利 一种监测驾驶员危险驾驶状态的装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101746269A (zh) * 2010-01-08 2010-06-23 东南大学 基于软计算的疲劳驾驶融合检测方法
CN103462618A (zh) * 2013-09-04 2013-12-25 江苏大学 一种基于转向盘转角特性的汽车驾驶员疲劳检测方法
CN104867164A (zh) * 2015-04-29 2015-08-26 中国科学院上海微系统与信息技术研究所 一种基于遗传算法的矢量量化码书设计方法
CN106073723A (zh) * 2016-06-20 2016-11-09 山东理工大学 一种辅助糖尿病人驾驶的控制方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101746269A (zh) * 2010-01-08 2010-06-23 东南大学 基于软计算的疲劳驾驶融合检测方法
CN103462618A (zh) * 2013-09-04 2013-12-25 江苏大学 一种基于转向盘转角特性的汽车驾驶员疲劳检测方法
CN104867164A (zh) * 2015-04-29 2015-08-26 中国科学院上海微系统与信息技术研究所 一种基于遗传算法的矢量量化码书设计方法
CN106073723A (zh) * 2016-06-20 2016-11-09 山东理工大学 一种辅助糖尿病人驾驶的控制方法与系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109263708A (zh) * 2018-08-31 2019-01-25 北京长城华冠汽车技术开发有限公司 转向盘和驾驶系统

Also Published As

Publication number Publication date
CN107198526B (zh) 2020-12-18
CN106073723A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN107198526A (zh) 一种辅助驾驶的方法及系统
CN104490390B (zh) 基于神经电生理信号联合分析的人体运动能力判别方法
Li et al. A novel learning model of driver fatigue features representation for steering wheel angle
EP3485806A1 (en) Wearable device capable of detecting sleep apnea event and detection method thereof
CN104125337B (zh) 一种智能手机的跌倒检测和报警方法
CN104207791B (zh) 一种疲劳驾驶检测方法
CN101677772B (zh) 设备控制装置以及设备控制方法
US8182424B2 (en) Diary-free calorimeter
WO2005011480A3 (en) Method and apparatus including altimeter and accelerometers for determining work performed by an individual
CN103674778B (zh) Rbf粒子群优化的工业熔融指数软测量仪表和方法
US11229407B2 (en) Systems and methods to determine a risk factor related to dehydration and thermal stress of a subject
CN115179960A (zh) 一种多源数据采集人车状态综合监测系统及方法
CN109685266A (zh) 一种基于svm的锂电池仓火灾预测方法和系统
Xing et al. Dwatch: A reliable and low-power drowsiness detection system for drivers based on mobile devices
Liu et al. Non-contact human fatigue assessment system based on millimeter wave radar
CN116350190B (zh) 一种驾驶能力确定方法、电子设备及存储介质
CN108680748B (zh) 基于丙酮传感器的血糖检测仪及其检测方法
CN112349381A (zh) 卡路里计算方法、装置、可穿戴设备和存储介质
CN101862181A (zh) 患者病情监护方法及装置
CN113160970A (zh) 指标数据的分析方法、装置、设备及存储介质
Gunawan et al. Detecting the early drop of attention using EEG signal
CN106599391A (zh) 基于三角形角度值动态加权的关联向量机软测量建模方法
CN107569219A (zh) 一种生命体征监测系统
US20220313223A1 (en) Anovulatory cycle detection from wearable-based physiological data
CN109858178A (zh) 一种基于智能手环的营运车辆驾驶员疲劳预警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant