CN107316354B - 一种基于方向盘和gnss数据的疲劳驾驶检测方法 - Google Patents
一种基于方向盘和gnss数据的疲劳驾驶检测方法 Download PDFInfo
- Publication number
- CN107316354B CN107316354B CN201710566084.9A CN201710566084A CN107316354B CN 107316354 B CN107316354 B CN 107316354B CN 201710566084 A CN201710566084 A CN 201710566084A CN 107316354 B CN107316354 B CN 107316354B
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- highway
- speed
- data
- urban road
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
Abstract
一种基于方向盘和GNSS数据的疲劳驾驶检测方法,本发明涉及疲劳驾驶检测方法。本发明的目的是为了解决现有技术对驾驶员疲劳检测准确率低、精度差、误报率高的问题。具体过程为:一、采集车辆在运行过程中的方向盘数据和GNSS数据;二、得到城市道路判别指标;三、得到公路判别指标;四、基于GNSS数据实现疲劳状态检测程序自适应控制系统;五、将公路判别指标和疲劳特征参数组输入到公路的疲劳状态分类器,得到驾驶员疲劳状态;六、将城市道路判别指标和疲劳特征参数组输入到城市道路的疲劳状态分类器,得到驾驶员疲劳状态。本发明用于驾驶员疲劳检测领域。
Description
技术领域
本发明涉及疲劳驾驶检测方法。
背景技术
目前国内外针对疲劳驾驶行为检测的研究思路主要有以下三种,第一种是通过监测人体的脉搏、心率、眨眼频率等生理信号来判断驾驶员当前的驾驶状态,这种方法的缺陷在于存在个体差异性,无法得出具有普遍适用性的检测方法,而且,对驾驶员进行长时间的检测会对驾驶员造成干扰,影响驾驶员的操作;第二种是利用外置摄像头拍摄的前方道路视频,通过视频图像技术对视频进行处理,判断车辆是否发生无意识的车道偏移,来确保驾驶员安全行驶。但现有驾驶员意识识别系统较复杂并且一般面向高端车型安装,低端车型缺乏相应的识别装置;第三种是用方向盘识别,高端车辆配有自带系统,但是识别方法对所有驾驶员是固定的,精度不高。现有的方向盘检测装置是嵌入到车内的,需要对车辆进行改装。导致对驾驶员疲劳检测准确率低、精度差、误报率高。
发明内容
本发明的目的是为了解决现有技术对驾驶员疲劳检测准确率低、精度差、误报率高的问题,而提出一种基于方向盘和GNSS数据的疲劳驾驶检测方法。
一种基于方向盘和GNSS数据的疲劳驾驶检测方法具体过程为:
步骤一、采集车辆在运行过程中的方向盘数据和GNSS数据;
其中方向盘数据包括方向盘转角和转角速度;
GNSS数据包括车辆位置的经纬度信息、时间及车辆行驶速度信息;
所述GNSS为全球导航卫星系统;
步骤二、对方向盘数据和GNSS数据进行指标提取,得到预处理后的城市道路判别指标F1,F2,F3;过程为:
步骤二一、以特定长度的时间窗口对城市道路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S=[ai,bi,ci];
式中ai为城市道路方向盘转角第i个数据的采样值,bi为城市道路方向盘转角第i个速度数据的采样值,ci为城市道路车辆行驶第i个速度数据的采样值,i取值为正整数;
步骤二二、根据输出数组为S=[ai,bi,ci],计算城市道路判别指标F1,F2,F3;
其中:
式中F1为城市道路N1个方向盘转角的标准差,F2为城市道路方向盘转角速度在±0.1°/s之间的点数n与所选时间内方向盘转角速度的总采样点数N2的比值,F3为城市道路N3个车辆行驶速度的标准差;n取值为正整数;
其中,N1为城市道路切片处理后的采集的方向盘转角总数;N2为城市道路切片处理后的采集的方向盘转角速度总数;N3为城市道路切片处理后的采集的车辆行驶速度总数;N1、N2、N3取值为正整数;
步骤三、对方向盘数据和GNSS数据进行指标提取,得到预处理后的公路判别指标F′1,F′2,F′3;过程为:
步骤三一、以特定长度的时间窗口对公路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S′=[a′j,b′j,c′j];
式中a′j为公路方向盘转角第j个数据的采样值,b′j为公路方向盘转角第j个速度数据的采样值,c′j为公路车辆行驶第j个速度数据的采样值,j取值为正整数;
步骤三二、根据输出数组为S′=[a′j,b′j,c′j],计算公路判别指标F′1,F′2,F′3;
其中:
式中F′1为公路N′1个方向盘转角的标准差,F′2为公路方向盘转角速度在±0.1°/s之间的点数n′与所选时间内方向盘转角速度的总采样点数N′2的比值,F′3为公路N′3个车辆行驶速度的标准差;n′取值为正整数;
其中,N′1为公路切片处理后的采集的方向盘转角总数;N′2为公路切片处理后的采集的方向盘转角速度总数;N′3为公路切片处理后的采集的车辆行驶速度总数;N′1、N′2、N′3取值为正整数;
步骤四、基于GNSS数据实现疲劳状态检测程序自适应控制系统;具体过程为:
步骤四一、对GNSS数据的车辆行驶速度信息进行判断,判断车辆行驶速度是否大于等于设定值v0,如果大于等于设定值v0,执行步骤四二;如果小于设定值v0,继续判断车辆行驶速度是否大于等于设定值;
步骤四二、计算驾驶员的累计驾驶时间,判断累计驾驶时间是否大于等于设定值t0,如果小于设定值t0,重新执行步骤四一;如果大于等于设定值t0,将GNSS数据中的车辆位置的经纬度信息输入到道路类型分类器中,根据国家道路分类标准对当前车辆所处道路进行分类,
当为公路时,执行步骤五;
当为城市道路时,判断累积驾驶时间是否小于设定值t0:如果小于设定值t0,重新执行步骤四一,直至累积驾驶时间大于等于设定值t0;如果大于等于设定值t0,执行步骤六;
步骤五、将步骤三得到的预处理后的公路判别指标F′1,F′2,F′3输入到疲劳状态训练机,通过极大似然估计法求出公路的疲劳特征参数组θ0,θ1,θ2,θ3;
将步骤三得到的预处理后的公路判别指标F′1,F′2,F′3和得到的疲劳特征参数组θ0,θ1,θ2,θ3输入到公路的疲劳状态分类器,得到驾驶员疲劳状态;
步骤六、将步骤二得到的预处理后的城市道路判别指标F1,F2,F3输入到疲劳状态训练机,通过极大似然估计法求出城市道路的疲劳特征参数组θ′0,θ′1,θ′2,θ′3;
将步骤二得到的预处理后的城市道路判别指标F1,F2,F3和得到的疲劳特征参数组θ′0,θ′1,θ′2,θ′3输入到城市道路的疲劳状态分类器,得到驾驶员疲劳状态。
本发明的有益效果为:
本发明采用本发明中的自适应控制系统以及基于Logistic线性判别算法的判别模型,对方向盘数据和GNSS数据进行指标提取,提取得到判别指标,判别指标包括F1,F2,F3,式中F1为方向盘转角标准差;F2为静止百分率;F3为车辆行驶速度标准差;达到提高了驾驶员疲劳检测准确率和精度,降低了误报率;
结合实施例二的实验结果表明本发明方法的识别准确率为81.67%。
附图说明
图1为本发明本发明基于方向盘和GNSS数据的疲劳驾驶检测方法的流程图;
图2为本发明本发明基于GNSS数据的疲劳状态检测程序自适应控制系统流程图;
图3为本发明检测结果与实际状态对比图。
具体实施方式
具体实施方式一:结合图1、图2说明本实施方式,本实施方式的一种基于方向盘和GNSS数据的疲劳驾驶检测方法具体过程为:
步骤一、采集车辆在运行过程中的方向盘数据和GNSS数据;
其中方向盘数据包括方向盘转角和转角速度(通过霍尔效应或光电效应、巨磁组传感器、AMR传感器获取方向盘数据);
GNSS数据包括车辆位置的经纬度信息、时间及车辆行驶速度信息(通过GPS导航系统或中国北斗卫星获取GNSS数据);
所述GNSS为全球导航卫星系统;
步骤二、对方向盘数据和GNSS数据进行指标提取,得到预处理后的城市道路判别指标F1,F2,F3;过程为:
步骤二一、以特定长度的时间窗口(将时间窗口分别取10s、20s、30s、1min、2min,得到每个时间的分类准确率,选取分类准确率最高的作为时间窗口)对城市道路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S=[ai,bi,ci];
式中ai为城市道路方向盘转角第i个数据的采样值,bi为城市道路方向盘转角第i个速度数据的采样值,ci为城市道路车辆行驶第i个速度数据的采样值,i取值为正整数;
步骤二二、根据输出数组为S=[ai,bi,ci],计算城市道路判别指标F1,F2,F3;
其中:
式中F1为城市道路N1个方向盘转角的标准差,F2为城市道路方向盘转角速度在±0.1°/s之间的点数n与所选时间内方向盘转角速度的总采样点数N2的比值,F3为城市道路N3个车辆行驶速度的标准差;n取值为正整数;
其中,N1为城市道路切片处理后的采集的方向盘转角总数;N2为城市道路切片处理后的采集的方向盘转角速度总数;N3为城市道路切片处理后的采集的车辆行驶速度总数;N1、N2、N3取值为正整数;
步骤三、对方向盘数据和GNSS数据进行指标提取,得到预处理后的公路判别指标F′1,F′2,F′3;过程为:
步骤三一、以特定长度的时间窗口(将时间窗口分别取10s、20s、30s、1min、2min,得到每个时间的分类准确率,选取分类准确率最高的作为时间窗口)对公路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S′=[a′j,b′j,c′j];
式中a′j为公路方向盘转角第j个数据的采样值,b′j为公路方向盘转角第j个速度数据的采样值,c′j为公路车辆行驶第j个速度数据的采样值,j取值为正整数;
步骤三二、根据输出数组为S′=[a′j,b′j,c′j],计算公路判别指标F′1,F′2,F′3;
其中:
式中F′1为公路N′1个方向盘转角的标准差,F′2为公路方向盘转角速度在±0.1°/s之间的点数n′与所选时间内方向盘转角速度的总采样点数N′2的比值,F′3为公路N′3个车辆行驶速度的标准差;n′取值为正整数;
其中,N′1为公路切片处理后的采集的方向盘转角总数;N′2为公路切片处理后的采集的方向盘转角速度总数;N′3为公路切片处理后的采集的车辆行驶速度总数;N′1、N′2、N′3取值为正整数;
步骤四、基于GNSS数据实现疲劳状态检测程序自适应控制系统;具体过程为:
步骤四一、对GNSS数据的车辆行驶速度信息进行判断,判断车辆行驶速度是否大于等于设定值v0,如果大于等于设定值v0,执行步骤四二;如果小于设定值v0,继续判断车辆行驶速度是否大于等于设定值;
步骤四二、计算驾驶员的累计驾驶时间,判断累计驾驶时间是否大于等于设定值t0,如果小于设定值t0,重新执行步骤四一;如果大于等于设定值t0,将GNSS数据中的车辆位置的经纬度信息输入到道路类型分类器中,根据国家道路分类标准对当前车辆所处道路进行分类,
当为公路时,执行步骤五;
当为城市道路时,判断累积驾驶时间是否小于设定值t0:如果小于设定值t0,重新执行步骤四一,直至累积驾驶时间大于等于设定值t0;如果大于等于设定值t0,执行步骤六;
步骤五、将步骤三得到的预处理后的公路判别指标F′1,F′2,F′3输入到疲劳状态训练机(matlab编程),通过极大似然估计法求出公路的疲劳特征参数组θ0,θ1,θ2,θ3;
将步骤三得到的预处理后的公路判别指标F′1,F′2,F′3和得到的疲劳特征参数组θ0,θ1,θ2,θ3输入到公路的疲劳状态分类器,得到驾驶员疲劳状态;
步骤六、将步骤二得到的预处理后的城市道路判别指标F1,F2,F3输入到疲劳状态训练机(matlab编程),通过极大似然估计法求出城市道路的疲劳特征参数组θ′0,θ′1,θ′2,θ′3;
将步骤二得到的预处理后的城市道路判别指标F1,F2,F3和得到的疲劳特征参数组θ′0,θ′1,θ′2,θ′3输入到城市道路的疲劳状态分类器,得到驾驶员疲劳状态。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤四一中设定值0≤v0≤20m/s。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述步骤四二中设定值1≤t0≤2h。
其它步骤及参数与具体实施方式一或二相同。
采用以下实施例验证本发明的有益效果:
实施例一:
本实施例一种基于方向盘和GNSS数据的疲劳驾驶检测方法具体是按照以下步骤制备的:
本发明一种基于方向盘和GNSS数据的疲劳驾驶检测方法,该方法包括以下步骤:
(1)采集车辆在运行过程中的方向盘数据和GNSS数据,其中方向盘数据包括方向盘转角和转角速度,GNSS数据包括经纬度信息、时间及行驶速度信息;
(2)基于GNSS数据实现疲劳状态检测程序自适应开关;
(3)基于方向盘转角、转角速度和GNSS车速提取疲劳判别指标。
进一步,所述基于GNSS数据实现疲劳状态检测程序自适应开关包括以下步骤:
(1)对GNSS采集的车速信息进行判断,判断条件为“车速是否大于设定值v0”,若输出值为“假”,则系统返回判断语句,若输出值为“真”,则系统计算驾驶员的累计驾驶时间,当输出值为“假”时,累计驾驶时间不清零,当输出值为“真”时,以停止累计时的驾驶时间为初始值,继续累计驾驶员的驾驶时间,时间信息由GNSS授时获得;
(2)将GNSS的经纬度信息输入到GIS数据库内,判断当前道路类型(高速公路、城市道路),并将道路类型信息输入道路类型分类器中进行判断,若道路类型为高速公路,则自适应开关状态输出为“系统启动”;若道路类型为城市道路,则判断驾驶员当前的累计驾驶时间,判断条件为“驾驶时间是否大于设定值t0”,若输出值为“真”,则自适应开关状态输出为“系统启动”,若输出值为“假”,则自适应开关状态输出为“系统关闭”,并返回判断语句,继续监测。
进一步,所述疲劳指标提取过程包括以下步骤:
(1)实时采集方向盘的转角、转角速度和车辆行驶速度数据;
(2)以特定长度的时间窗口对采集的方向盘转角、转角速度和车速数据进行切片处理,输出数组为S=[ai,bi,ci],
式中ai为方向盘转角数据的采样值,bi为方向盘转角速度数据的采样值,ci为车速数据的采样值。
(3)将提取的疲劳判别指标所构成的特征向量为X=[F1,F2,F3],其中:
式中F1为方向盘角度标准差,F2为总采样点数中角速度在±0.1°/s之间的点数n与所选时间内角速度的总采样点数N的比值,F3为速度标准差。
进一步,所述疲劳参数特征组训练过程使用以角度标准差、零速百分比和速度标准差为自变量的logistic线性识别模型
该装置实施前,要分别采集驾驶员在城市道路和高速公路上的正常驾驶数据和疲劳驾驶数据,采集数据时间设为3小时,将采集到数据作为训练数据,此处,数据采集时间不限于3小时,前期采集的数据量越大,后期判断的准确度越高。将训练数据输入训练机中,分别获得城市道路疲劳参数特征组和高速公路疲劳参数特征组,并构建城市道路疲劳状态分类器和高速公路疲劳状态分类器。
装置运行时,系统实时采集方向盘操作数据和GNSS数据,当自适应开关处于启动状态,系统开始对驾驶员疲劳状态进行检测,将提取的疲劳指标输入不同道路类型的疲劳分类器中,判断驾驶员当前的驾驶状态,当系统检测到驾驶员出现疲劳驾驶状态时,报警装置对驾驶员进行预警。
实施例二:
实验选择在一条高速公路场景进行,道路为双向6车道,单车道宽3.75m。被试人员共4名,均为男性。实验过程中要求驾驶人员尽量保持在车道中央行驶,减少变道行为,车速限制在80~100km/h。
每位驾驶员分别进行两组驾驶模拟实验(正常驾驶和疲劳驾驶),实验过程中采集的数据包括方向盘转角速度、方向盘偏转角度和被试人员面部视频,其中方向盘数据的采样频率为20Hz。
正常驾驶实验进行之前要求驾驶员保持充足睡眠,正常休息之后开始实验。在实验之前,先向实验人员介绍实验过程,待被试人员熟悉驾驶模拟系统后开始实验。正常实验的开始时间为上午10:00,每组实验时长为30分钟。
疲劳驾驶实验进行之前要求驾驶员在早晨5:00起床,中午不得午睡,实验开始时间为下午15:00,同正常驾驶一样,每组实验时长为30分钟。
通过对驾驶人员面部视频主观评分的方法评价驾驶人员在该时段内的驾驶状态。视频以20s为时间间隔划分,每段由三名实验人员独立评分,取每名评分人员评分的平均值作为该驾驶员在该时间段驾驶状态的主观评价。
以1分钟为时间窗口提取疲劳指标并从指标数据中整理出训练样本和测试样本集,其中训练样本为200,测试样本数为60,训练样本和测试样本中只有1和0样本,本组测试样本用数据读取函数从训练样本中读取训练样本,接着在训练机中得到相关参数,最后就用拟合出来的概率函数来进行分类。根据概率函数对测试样本进行预测。对60个样本进行判别,并计算判别准确率,计算后,疲劳状态分类正确数量为49个,实验结果表明该模型的识别准确率为81.67%。如图3所示。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.一种基于方向盘和GNSS数据的疲劳驾驶检测方法,其特征在于:所述方法具体过程为:
步骤一、采集车辆在运行过程中的方向盘数据和GNSS数据;
其中方向盘数据包括方向盘转角和转角速度;
GNSS数据包括车辆位置的经纬度信息、时间及车辆行驶速度信息;
所述GNSS为全球导航卫星系统;
步骤二、对方向盘数据和GNSS数据进行指标提取,得到预处理后的城市道路判别指标F1,F2,F3;过程为:
步骤二一、以特定长度的时间窗口对城市道路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S=[ai,bi,ci];
式中ai为城市道路方向盘转角第i个数据的采样值,bi为城市道路方向盘转角第i个速度数据的采样值,ci为城市道路车辆行驶第i个速度数据的采样值,i取值为正整数;
步骤二二、根据输出数组为S=[ai,bi,ci],计算城市道路判别指标F1,F2,F3;
其中:
式中F1为城市道路N1个方向盘转角的标准差,F2为城市道路方向盘转角速度在±0.1°/s之间的点数n与所选时间内方向盘转角速度的总采样点数N2的比值,F3为城市道路N3个车辆行驶速度的标准差;n取值为正整数;
其中,N1为城市道路切片处理后的采集的方向盘转角总数;N2为城市道路切片处理后的采集的方向盘转角速度总数;N3为城市道路切片处理后的采集的车辆行驶速度总数;N1、N2、N3取值为正整数;
步骤三、对方向盘数据和GNSS数据进行指标提取,得到预处理后的公路判别指标F1′,F2′,F3′;过程为:
步骤三一、以特定长度的时间窗口对公路采集的方向盘转角、转角速度和车辆行驶速度进行切片处理,输出数组为S′=[a′j,b′j,c′j];
式中a′j为公路方向盘转角第j个数据的采样值,b′j为公路方向盘转角第j个速度数据的采样值,c′j为公路车辆行驶第j个速度数据的采样值,j取值为正整数;
步骤三二、根据输出数组为S′=[a′j,b′j,c′j],计算公路判别指标F1′,F2′,F3′;其中:
式中F1′为公路N′1个方向盘转角的标准差,F2′为公路方向盘转角速度在±0.1°/s之间的点数n′与所选时间内方向盘转角速度的总采样点数N′2的比值,F3′为公路N′3个车辆行驶速度的标准差;n′取值为正整数;
其中,N′1为公路切片处理后的采集的方向盘转角总数;N′2为公路切片处理后的采集的方向盘转角速度总数;N′3为公路切片处理后的采集的车辆行驶速度总数;N′1、N′2、N′3取值为正整数;
步骤四、基于GNSS数据实现疲劳状态检测程序自适应控制系统;具体过程为:
步骤四一、对GNSS数据的车辆行驶速度信息进行判断,判断车辆行驶速度是否大于等于设定值v0,如果大于等于设定值v0,执行步骤四二;如果小于设定值v0,继续判断车辆行驶速度是否大于等于设定值;
步骤四二、计算驾驶员的累计驾驶时间,判断累计驾驶时间是否大于等于设定值t0,如果小于设定值t0,重新执行步骤四一;如果大于等于设定值t0,将GNSS数据中的车辆位置的经纬度信息输入到道路类型分类器中,根据国家道路分类标准对当前车辆所处道路进行分类,
当为公路时,执行步骤五;
当为城市道路时,判断累积驾驶时间是否小于设定值t0:如果小于设定值t0,重新执行步骤四一,直至累积驾驶时间大于等于设定值t0;如果大于等于设定值t0,执行步骤六;
步骤五、将步骤三得到的预处理后的公路判别指标F1′,F2′,F3′输入到疲劳状态训练机,通过极大似然估计法求出公路的疲劳特征参数组θ0,θ1,θ2,θ3;
将步骤三得到的预处理后的公路判别指标F1′,F2′,F3′和得到的疲劳特征参数组θ0,θ1,θ2,θ3输入到公路的疲劳状态分类器,得到驾驶员疲劳状态;
步骤六、将步骤二得到的预处理后的城市道路判别指标F1,F2,F3输入到疲劳状态训练机,通过极大似然估计法求出城市道路的疲劳特征参数组θ′0,θ′1,θ′2,θ′3;
将步骤二得到的预处理后的城市道路判别指标F1,F2,F3和得到的疲劳特征参数组θ′0,θ′1,θ′2,θ′3输入到城市道路的疲劳状态分类器,得到驾驶员疲劳状态。
2.根据权利要求1所述一种基于方向盘和GNSS数据的疲劳驾驶检测方法,其特征在于:所述步骤四一中设定值0≤v0≤20m/s。
3.根据权利要求2所述一种基于方向盘和GNSS数据的疲劳驾驶检测方法,其特征在于:所述步骤四二中设定值1≤t0≤2h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710566084.9A CN107316354B (zh) | 2017-07-12 | 2017-07-12 | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710566084.9A CN107316354B (zh) | 2017-07-12 | 2017-07-12 | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316354A CN107316354A (zh) | 2017-11-03 |
CN107316354B true CN107316354B (zh) | 2019-07-16 |
Family
ID=60179290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710566084.9A Active CN107316354B (zh) | 2017-07-12 | 2017-07-12 | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316354B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470144B (zh) * | 2018-01-31 | 2021-05-04 | 浙江工业大学 | 一种基于曲线分段的汽车方向盘检测方法 |
CN109191788B (zh) * | 2018-09-11 | 2020-06-23 | 吉林大学 | 驾驶员疲劳驾驶判断方法、存储介质及电子设备 |
CN109345772A (zh) * | 2018-10-15 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种疲劳驾驶识别方法及相关设备 |
CN111325869B (zh) * | 2018-12-13 | 2023-02-10 | 厦门雅迅网络股份有限公司 | 一种车辆疲劳驾驶精确判断方法、终端设备及存储介质 |
TWI733293B (zh) * | 2019-12-30 | 2021-07-11 | 關貿網路股份有限公司 | 駕駛職能評測系統及評測裝置 |
CN112233276B (zh) * | 2020-10-13 | 2022-04-29 | 重庆科技学院 | 一种用于疲劳状态识别的方向盘转角统计特征融合方法 |
CN113776555A (zh) * | 2021-08-18 | 2021-12-10 | 南斗六星系统集成有限公司 | 一种基于路网切片计算自动驾驶道路覆盖里程的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103552560A (zh) * | 2013-11-01 | 2014-02-05 | 扬州瑞控汽车电子有限公司 | 基于司机驾驶状态识别的车道偏离报警方法 |
CN104269026A (zh) * | 2014-09-25 | 2015-01-07 | 同济大学 | 基于Android平台的疲劳驾驶实时监控与预警方法 |
CN105894736A (zh) * | 2016-06-15 | 2016-08-24 | 南京理工大学 | 疲劳驾驶检测的方向盘装置及其安全预警方法 |
CN106408032A (zh) * | 2016-09-30 | 2017-02-15 | 防城港市港口区高创信息技术有限公司 | 基于转向盘转角的疲劳驾驶检测方法 |
CN104688252B (zh) * | 2015-03-16 | 2017-04-05 | 清华大学 | 采用方向盘转角信息的驾驶人疲劳状态检测方法 |
-
2017
- 2017-07-12 CN CN201710566084.9A patent/CN107316354B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103552560A (zh) * | 2013-11-01 | 2014-02-05 | 扬州瑞控汽车电子有限公司 | 基于司机驾驶状态识别的车道偏离报警方法 |
CN104269026A (zh) * | 2014-09-25 | 2015-01-07 | 同济大学 | 基于Android平台的疲劳驾驶实时监控与预警方法 |
CN104688252B (zh) * | 2015-03-16 | 2017-04-05 | 清华大学 | 采用方向盘转角信息的驾驶人疲劳状态检测方法 |
CN105894736A (zh) * | 2016-06-15 | 2016-08-24 | 南京理工大学 | 疲劳驾驶检测的方向盘装置及其安全预警方法 |
CN106408032A (zh) * | 2016-09-30 | 2017-02-15 | 防城港市港口区高创信息技术有限公司 | 基于转向盘转角的疲劳驾驶检测方法 |
Non-Patent Citations (1)
Title |
---|
基于驾驶员转向操作特性的疲劳驾驶检测;屈肖蕾等;《汽车工程》;20130930;第35卷(第9期);803-807页 |
Also Published As
Publication number | Publication date |
---|---|
CN107316354A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316354B (zh) | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 | |
AU2018270758B2 (en) | Using telematics data to identify a type of a trip | |
Chen et al. | D 3: Abnormal driving behaviors detection and identification using smartphone sensors | |
CN105928531B (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
CN106184220B (zh) | 一种基于车辆定位轨迹的车道内异常驾驶检测方法 | |
CN104269028B (zh) | 一种疲劳驾驶检测方法及系统 | |
CN105956625B (zh) | 一种基于给定物理模型的汽车运动状态识别方法及系统 | |
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警系统及方法 | |
Seraj et al. | A smartphone based method to enhance road pavement anomaly detection by analyzing the driver behavior | |
CN109495654B (zh) | 一种基于智能手机感知行人安全方法 | |
CN104802737A (zh) | 一种基于手机的车辆异常驾驶行为检测方法 | |
CN108682119A (zh) | 基于智能手机和智能手表的驾驶员疲劳状态检测方法 | |
CN103902966A (zh) | 基于序列时空立方体特征的视频交互事件分析方法及装置 | |
CN109523787A (zh) | 一种基于车辆通行轨迹的疲劳驾驶分析方法 | |
Karaduman et al. | Deep learning based traffic direction sign detection and determining driving style | |
CN106408032A (zh) | 基于转向盘转角的疲劳驾驶检测方法 | |
CN111222449A (zh) | 一种基于固定摄像头图像的驾驶员行为检测方法 | |
CN108492527B (zh) | 一种基于超车行为特征的疲劳驾驶监测方法 | |
CN109720353B (zh) | 一种基于智能手机的驾驶行为检测方法 | |
CN116012822B (zh) | 一种疲劳驾驶的识别方法、装置及电子设备 | |
CN108537161A (zh) | 一种基于视觉特性的驾驶分心检测方法 | |
Yin et al. | Analysis of traffic flow in urban area for satellite video | |
Di Lecce et al. | Experimental system to support real-time driving pattern recognition | |
Deng et al. | Fatigue driving detection based on multi feature fusion | |
CN107256382A (zh) | 基于图像识别的虚拟保险杠控制方法和系统 |
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 |