CN108248610B - 一种自适应分心驾驶行为的监测及干预装置 - Google Patents

Abstract

本发明公开了一种自适应分心驾驶行为的监测及干预装置，包括信息采集模块、信息处理模块和预警模块，信息采集模块通过方向盘操作监测单元、速度监测单元、加速度监测单元和车辆位置信息监测单元采集驾驶人各项行为指标数据。信息处理模块中分心驾驶检测单元通过接收采集到的行为指标数据，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元，基于多分类Logistic回归模型建立分心行为识别模型，计算分析出具体分心行为并将识别结果传送给自适应预警芯片。预警模块中自适应预警芯片根据分心行为特征，在到达预存的干预最优时间点时触发预警语音。本发明能够更有效地降低该分心行为带来的危害。

Description

一种自适应分心驾驶行为的监测及干预装置

技术领域

本发明涉及汽车辅助安全电子装置领域，具体是一种自适应分心驾驶行为的监测及干预装置。

背景技术

随着社会经济的快速发展，机动车保有量也迅速增长，危险驾驶行为也越来越多。其中，“分心驾驶”尤为突出，根据国际标准化组织(ISO)的定义，“分心驾驶”是指驾驶时注意力指向与正常驾驶不相关的活动，从而导致驾驶操作能力下降的一种现象。研究发现，分心驾驶直接导致驾驶人的感知、反应和操作能力下降，间接导致道路运输效率下降和交通事故数量增加。然而，分心驾驶的危害性常常被驾驶员忽略，却不知分心驾驶已经成为影响交通安全的“隐形杀手”。因驾驶人视线偏离或分心产生的注意力不集中是引发交通事故的常见且重要的原因，这一诱因在追尾碰撞事故中表现得尤为显著，因此需要对分心驾驶行为进行及时的监测与管控干预。

现实生活中，法律虽然可以明确禁止各种危险的驾驶行为，但是认知分心等危险驾驶行为还是无法被有效监管。所以应考虑采取相应措施，以减轻分心驾驶带来的影响，如降低车速或是增加跟驰车距来增加行车安全性。

在过去的研究中，很多方法被用来进行分心驾驶的检测，主要包括基于车载监控装置眼动测量法和基于驾驶员操纵及车辆运动轨迹信息的测量法2大类。基于车载监控装置眼动测量法主要是对视觉行为进行实时测量，记录注视频率，注视时间等。当分心驾驶出现时，驾驶者往往会对分心目标物进行1～2秒的扫视，该方法准确率较高。但是该方法需要被检测对象佩戴相应的装置(如，眼动仪)，会对驾驶员的驾驶行为造成一定干扰，同时车内复杂的光线等情况对图像处理技术提出了较高要求，所以基于车载监控装置眼动测量法一般仅限于实验研究使用。基于驾驶员操纵及车辆运动轨迹信息测量法通过车载传感器收集方向盘信息、车辆速度和位置信息等进行驾驶分心检测，该方法准确率较高。随着技术的改革与创新，基于驾驶员操纵及车辆运动轨迹信息分心检测技术广泛应用于车载分心驾驶智能预警装置。此类装置主要根据方向盘转角、车速、纵向加速度、外部环境等信息并融合车内信息娱乐系统使用情况，综合判别驾驶员当前的注意力状态，及时对分心状态下驾驶员预警，从而提高了道路运输效率，降低了驾驶员风险驾驶行为的事故率，增加了道路安全性。

但是这一先进的技术仍没有广泛投入使用，主要是因为当前的分心驾驶智能预警装置对对驾驶员分心状态进行辨识时不能精确到具体某种分心驾驶行为。研究发现，不同的分心驾驶行为分心程度不同，即驾驶辅助系统干预时机也不同。当前分心驾驶智能预警装置不能准确识别出具体分心驾驶行为，进而无法精确界定合理的驾驶辅助系统介入时机，辅助系统介入时可能会给驾驶员造成不必要的干扰，从而影响了此类系统的推广使用。因此，检测出驾驶员的分心状态，并准确对驾驶员分心行为进行识别，可以调整车内驾驶辅助系统的介入时机，从而更有效地降低分心驾驶带来的危害。

发明内容

本发明的目的是提供一种自适应分心驾驶行为的监测及干预装置，以实现对分心驾驶行为的监测和预防。

为了达到上述目的，本发明所采用的技术方案为：

一种自适应分心驾驶行为的监测及干预装置，其特征在于：包括信息采集模块、信息处理模块和预警模块，信息采集模块包括方向盘操作监测单元、速度监测单元、加速度监测单元和车辆位置信息监测单元，由信息采集模块中的方向盘操作监测单元、速度监测单元、加速度监测单元和车辆位置信息监测单元采集周期内各项驾驶人行为指标数据，并传送至信息处理模块；

信息处理模块包括分心驾驶检测单元和分心行为识别单元，分心驾驶检测单元通过接收采集到的各项驾驶人行为指标数据，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元，由分心行为识别单元计算分析出具体分心行为特征并将识别结果传送给预警模块；

预警模块由自适应预警芯片和与自适应预警芯片连接的计时器构成，自适应预警芯片根据分心行为特征，在到达预存的干预最优时间点时触发预警语音；

其中：

信息采集模块中的方向盘操作监测单元输入端接入有安装在汽车方向盘上的方向盘转角传感器、方向盘触觉传感器和方向盘握力传感器，由方向盘转角传感器监测方向盘转角变化信息，由方向盘触觉传感器监测脱离方向盘时间信息，由方向盘握力传感器监测方向盘握力信息；方向盘操作监测单元首先根据方向盘转角变化信息计算得到方向盘转速信息、根据脱离方向盘时间信息计算得到脱离方向盘次数信息；然后方向盘操作监测单元根据方向盘转角变化信息、方向盘转速信息计算得到方向盘转角标准差、方向盘零速百分比，根据脱离方向盘时间信息、脱离方向盘次数信息计算得到单次脱离方向盘时间、单位时间脱离方向盘次数；最后方向盘操作监测单元将方向盘转角标准差、方向盘零速百分比、单次脱离方向盘时间、单位时间脱离方向盘次数、方向盘握力作为驾驶人行为指标数据传送至信息处理模块中的分心驾驶检测单元；

信息采集模块中的速度监测单元输入端接有安装在油门踏板上的速度传感器，由速度传感器监测车辆的速度信息，速度监测单元根据车辆的速度信息计算得到车辆的瞬时速度数据，并将瞬时速度数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息采集模块中的加速度监测单元输入端接有安装在车体几何中心处的三轴加速度传感器，由三轴加速度传感器监测车辆的加速度信息，加速度监测单元根据车辆的加速度信息计算得到车辆瞬时加速度，并将车辆瞬时加速度数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息采集模块中的车辆位置信息监测单元输入端接有安装在车体几何中心处的车载定位芯片，由车载定位芯片监测车辆偏离车道中心线的距离信息，车辆位置信息监测单元将采集到的车辆偏离车道中心线的距离数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息处理模块中的分心驾驶检测单元存储了驾驶人正常驾驶状态下的各项行为指标，通过输入端接收实时监测的分心驾驶状态下的各项驾驶人行为指标数据，与正常驾驶状态下的各项行为指标作对比，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元；

信息处理模块中的分心行为识别单元存储了不同分心行为的驾驶人各项行为指标，通过输入端接收来自分心驾驶检测单元的实时监测指标变量数据，基于多分类Logistic回归模型建立分心行为识别模型，即依据分心驾驶行为指标：方向盘转角标准差、方向盘零速百分比、单次脱离方向盘时间、单位时间脱离方向盘次数和方向盘握力、车辆瞬时速度、车辆瞬时加速度、车辆偏离车道中心线的距离，基于多分类Logistic回归模型建立分心行为识别模型，计算分析出具体分心行为；

预警模块中的自适应预警芯片中存储了不同分心行为最优干预时间点和预警语音数据信息，分心行为识别模块将计算分析结果传输给自适应预警芯片后，匹配该分心行为的最优干预时间点和预警语音数据信息，在计时器作用下，到达最优时间点时，自适应预警芯片发出预警语音。

所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：信息处理模块中的分心行为识别单元以多次实验中不同驾驶人不同分心行为时数据库中的数据为参考数据，即根据以下行为指标：方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈，基于多分类Logistic回归模型，计算每种分心行为的特征参数P_ij和参考均值R_ij，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数，P(y＝i)为驾驶人处于i分心行为下的概率特征参数；

其中，多次模拟实验中，记P_ni为第n位驾驶人在i分心行为下的特征参数，则i分心行为的概率特征参数的参考均值为：

所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：信息处理模块中的分心行为识别单元中，将采集的方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈作为自变量，分心驾驶类型{0＝不分心，1＝接听电话，2＝拨打电话，…，k＝发送短信}作为因变量，即y⁽ⁱ⁾∈{0,1,2,...,k}，设P为驾驶人处于分心状态的概率，其取值范围为(0，1)，基于多分类Logistic回归模型，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数，P_λ为实时监测的分心行为下驾驶人行为指标回归分析的概率值；

将实时监测分心行为下驾驶人行为指标回归分析的概率值P_λ与存储在分心行为识别单元数据库中的每种分心行为概率特征参数的参考均值R进行分析匹配，由此计算分析得出分心行为。

所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：预警模块包含自适应预警芯片和计时器，该芯片中存储了由多次实验得出的不同分心驾驶行为的干预最优时间点，根据不同分心行为存储了不同的预警语音，当自适应预警芯片接收到来自分心行为识别单元的识别结果，匹配该分心行为的最优干预时间点和预警语音数据信息，在计时器作用下，到达最优时间点时，自适应预警芯片发出相对应的预警语音。

所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：通过大量模拟试验分析确定了不同分心行为的预警辅助系统最优干预时间点，并根据不同分心行为设置了不同的预警语音，即具有更强的针对性，能够更有效地降低该分心行为带来的危害。

本发明具有以下优点：

1、本发明在已有研究基础上通过调查和分析驾驶人分心状态下的普遍驾驶操作行为，确定了有效反映分心驾驶行为的监测内容，保证了客观性和准确性。监测驾驶员分心状态下多种行为确保了监测的全面性和可靠性。

2、本发明通过确定不同分心行为的概率特征参数的参考均值，有效解决了驾驶人个体差异性对识别结果的影响。

3、本发明是对驾驶人分心驾驶行为进行实时监测，监测过程时间短并且能及时传递驾驶人行为指标数据。

4、本发明的分心驾驶检测单元利用在已有的研究基础上，通过多次实验和调查的基础上得到的正常驾驶状态下的行为指标，与实时监测到的分心驾驶状态下的指标作对比，确定了显著性差异的指标变量输入到分心行为识别单元，防止个别差异影响检测结果。

5、本发明的分心行为识别单元，将实时监测分心行为下驾驶人行为指标回归分析的概率值与存储在分心行为识别单元数据库中的每种分心行为概率特征参数的参考均值进行分析匹配，计算分析得出分心行为。

6、本发明通过大量实验分析确定了不同分心行为的预警辅助系统最优干预时间点，并根据不同分心行为设置了不同的预警语音，即具有更强的针对性，能够更有效地降低该分心行为带来的危害。

附图说明

图1为本发明的一种自适应分心驾驶行为的监测及干预装置的结构原理图。

具体实施方式

如图1所示，如图1所示，一种自适应分心驾驶行为的监测及干预装置，包括有信息采集模块、信息处理模块和预警模块。其中信息采集模块包括方向盘监测单元7、速度监测单元8、加速度监测单元9和车辆位置信息监测单元10。方向盘监测单元7输入端接有方向盘握力传感器1、触觉传感器2、方向盘转角传感3；速度监测单元8输入端接有速度传感器4；加速度监测单元9输入端接有三轴加速度传感器5；车辆位置信息监测单元10输入端接有车载定位芯片6。信息处理模块包括分心驾驶检测单元11和分心行为识别单元12。预警模块包括自适应预警芯片13和计时器14。信息采集模块通过方向盘操作监测单元7、速度监测单元8、加速度监测单元9和车辆位置信息监测单元10采集周期内驾驶人各项行为指标数据。信息处理模块中，分心驾驶检测单元11通过接收采集到的行为指标数据，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元12，计算分析出具体分心行为并将识别结果传送给自适应预警芯片13。预警模块中，计时器14与自适应预警芯片连接，根据分心行为特征，在到达预存的干预最优时间点时触发预警语音。

方向盘转角传感器安装在汽车方向盘上，用于检测方向盘转角和方向盘转速；方向盘触觉传感器安装在汽车方向盘上，用于检测驾驶人单次脱离方向盘的时间和单位时间脱离方向盘的次数；方向盘握力传感器安装在汽车方向盘上，用于检测方向盘的握力；速度传感器安装在油门踏板上，用于检测车辆的瞬时速度；三轴加速度传感器安装在车体几何中心处，用于检测车辆实际的瞬时侧向加速度和纵向加速度；车载定位芯片安装在车体几何中心处的构成，用于检测车辆偏离车道中心线的距离。通过方向盘转角传感器、方向盘触觉传感器、方向盘握力传感器、速度传感器、三轴加速度传感器和车载定位芯片采集实时监测的分心驾驶状态下的驾驶人各项行为指标数据，将采集到的数据传送给分心驾驶检测单元；在分心驾驶检测单元中，与存储的正常驾驶状态下的各种行为指标作对比，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元；在分心驾驶检测单元中，将接收到的分心行为指标数据与存储的不同分心行为驾驶人各项行为指标对比，基于多分类Logistic回归模型建立分心行为识别模型，计算分析出具体分心行为并将识别结果传送给自适应预警芯片；预警模块中，计时器与自适应预警芯片连接，根据分心行为特征，在到达预存的干预最优时间点时触发预警语音。

本发明中，分心行为识别单元以多次实验中每位驾驶人不同分心行为时数据库中的数据为参考数据，即根据以下行为指标：方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈，基于多分类Logistic回归模型，计算每种分心行为的特征参数P_ij和参考均值R_ij，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数。P(y＝i)为驾驶人处于i分心行为下的概率特征参数。

其中，多次模拟实验中，记P_ni为第n位驾驶人在i分心行为下的特征参数。则i分心行为的概率特征参数的参考均值为：

本发明分心行为识别单元中，将采集的方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈作为自变量，分心驾驶类型{0＝不分心，1＝接听电话，2＝拨打电话，…，k＝发送短信}作为因变量，即y⁽ⁱ⁾∈{0,1,2,...,k}，设P为驾驶人处于分心状态的概率，其取值范围为(0，1)，基于多分类Logistic回归模型，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数。P_λ为实时监测的分心行为下驾驶人行为指标回归分析的概率值。

将实时监测分心行为下驾驶人行为指标回归分析的概率值P_λ与存储在分心行为识别单元数据库中的每种分心行为概率特征参数的参考均值R进行分析匹配，由此计算分析得出分心行为。

本发明实例的具体实施过程如下：参见图1，驾驶人在正常驾驶状态下时，车辆的方向盘转角传感器、触觉传感器、方向盘握力传感器、速度传感器、三轴加速度传感器和车载定位芯片会采集驾驶员正常驾驶时的指标数据，存储在分心驾驶检测单元中，当驾驶人分心驾驶时，采集到的分心驾驶行为指标数据会输入到分心驾驶检测单元中与正常行驶下的指标数据作比较，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元。分心行为识别单元存储了分心驾驶状态下不同分心行为的概率特征参数的参考均值R，参考均值是通过多次模拟实验后建立多分类Logistic回归模型得到的可靠值，分心驾驶行为指标通过检测单元的过滤得到显著指标变量输入到分心行为识别单元，再通过多分类Logistic回归模型建立分心行为识别模型，计算分析出具体分心行为并将识别结果传送给自适应预警芯片；预警模块中，计时器与自适应预警芯片连接，根据分心行为特征，在到达预存的干预最优时间点时触发预警语音。

本发明的核心在于：第一，通过大量的实验确定本发明信息处理模块所述的正常驾驶行为指标数据和不同分心行为的概率特征参数的参考均值，具有较高的可靠度和可信度。第二，分心驾驶检测单元中，通过实时监测的分心驾驶行为指标数据与正常驾驶行为指标数据作对比，建立驾驶检测模型，筛选出显著指标变量，精确度比较高；第三，分心行为识别单元中，以驾驶人分心驾驶行为指标变量为自变量，分心行为概率特征参数为因变量建立多分类Logistic回归模型，通过检测单元中输出的显著指标变量计算分析出具体分心行为，方法具有创新性；第四，通过大量实验分析确定了不同分心行为的预警辅助系统最优干预时间点，并根据不同分心行为设置了不同的预警语音，即具有更强的针对性，能够更有效地降低该分心行为带来的危害，方法新颖独特，未来发展前景很大。

Claims (5)

1.一种自适应分心驾驶行为的监测及干预装置，其特征在于：包括信息采集模块、信息处理模块和预警模块，信息采集模块包括方向盘操作监测单元、速度监测单元、加速度监测单元和车辆位置信息监测单元，由信息采集模块中的方向盘操作监测单元、速度监测单元、加速度监测单元和车辆位置信息监测单元采集周期内各项驾驶人行为指标数据，并传送至信息处理模块；

信息处理模块包括分心驾驶检测单元和分心行为识别单元，分心驾驶检测单元通过接收采集到的各项驾驶人行为指标数据，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元，由分心行为识别单元计算分析出具体分心行为特征并将识别结果传送给预警模块；

预警模块由自适应预警芯片和与自适应预警芯片连接的计时器构成，自适应预警芯片根据分心行为特征，在到达预存的干预最优时间点时触发预警语音；

其中：

信息采集模块中的方向盘操作监测单元输入端接入有安装在汽车方向盘上的方向盘转角传感器、方向盘触觉传感器和方向盘握力传感器，由方向盘转角传感器监测方向盘转角变化信息，由方向盘触觉传感器监测脱离方向盘时间信息，由方向盘握力传感器监测方向盘握力信息；方向盘操作监测单元首先根据方向盘转角变化信息计算得到方向盘转速信息、根据脱离方向盘时间信息计算得到脱离方向盘次数信息；然后方向盘操作监测单元根据方向盘转角变化信息、方向盘转速信息计算得到方向盘转角标准差、方向盘零速百分比，根据脱离方向盘时间信息、脱离方向盘次数信息计算得到单次脱离方向盘时间、单位时间脱离方向盘次数；最后方向盘操作监测单元将方向盘转角标准差、方向盘零速百分比、单次脱离方向盘时间、单位时间脱离方向盘次数、方向盘握力作为驾驶人行为指标数据传送至信息处理模块中的分心驾驶检测单元；

信息采集模块中的速度监测单元输入端接有安装在油门踏板上的速度传感器，由速度传感器监测车辆的速度信息，速度监测单元根据车辆的速度信息计算得到车辆的瞬时速度数据，并将瞬时速度数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息采集模块中的加速度监测单元输入端接有安装在车体几何中心处的三轴加速度传感器，由三轴加速度传感器监测车辆的加速度信息，加速度监测单元根据车辆的加速度信息计算得到车辆瞬时加速度，并将车辆瞬时加速度数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息采集模块中的车辆位置信息监测单元输入端接有安装在车体几何中心处的车载定位芯片，由车载定位芯片监测车辆偏离车道中心线的距离信息，车辆位置信息监测单元将采集到的车辆偏离车道中心线的距离数据作为驾驶人行为指标数据传送给信息处理模块中的分心驾驶检测单元；

信息处理模块中的分心驾驶检测单元存储了驾驶人正常驾驶状态下的各项行为指标，通过输入端接收实时监测的分心驾驶状态下的各项驾驶人行为指标数据，与正常驾驶状态下的各项行为指标作对比，建立分心驾驶检测模型，提取显著差异的指标变量数据传送给分心行为识别单元；

信息处理模块中的分心行为识别单元存储了不同分心行为的驾驶人各项行为指标，通过输入端接收来自分心驾驶检测单元的实时监测指标变量数据，基于多分类Logistic回归模型建立分心行为识别模型，即依据分心驾驶行为指标：方向盘转角标准差、方向盘零速百分比、单次脱离方向盘时间、单位时间脱离方向盘次数和方向盘握力、车辆瞬时速度、车辆瞬时加速度、车辆偏离车道中心线的距离，基于多分类Logistic回归模型建立分心行为识别模型，计算分析出具体分心行为；

预警模块中的自适应预警芯片中存储了不同分心行为最优干预时间点和预警语音数据信息，分心行为识别模块将计算分析结果传输给自适应预警芯片后，匹配该分心行为的最优干预时间点和预警语音数据信息，在计时器作用下，到达最优时间点时，自适应预警芯片发出预警语音。

2.根据权利要求1所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：信息处理模块中的分心行为识别单元以多次实验中不同驾驶人不同分心行为时数据库中的数据为参考数据，即根据以下行为指标：方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈，基于多分类Logistic回归模型，计算每种分心行为的特征参数P_ij和参考均值R_ij，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数，P(y＝i)为驾驶人处于i分心行为下的概率特征参数；

其中，多次模拟实验中，记P_ni为第n位驾驶人在i分心行为下的特征参数，则i分心行为的概率特征参数的参考均值为：

3.根据权利要求1所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：信息处理模块中的分心行为识别单元中，将采集的方向盘转角标准差X₁、方向盘零速百分比X₂、单次脱离方向盘时间X₃、单位时间脱离方向盘次数X₄、方向盘握力X₅、车辆瞬时速度X₆、车辆瞬时加速度X₇和车辆偏离车道中心线的距离X₈作为自变量，分心驾驶类型{0＝不分心，1＝接听电话，2＝拨打电话，…，k＝发送短信}作为因变量，即y⁽ⁱ⁾∈{0,1,2,...,k}，设P为驾驶人处于分心状态的概率，其取值范围为(0，1)，基于多分类Logistic回归模型，建立如下关系式：

式中：θ₁,θ₂,...,θ_k为常数，α_k1,α_k2,α_k3,α_k4,α_k5,α_k6,α_k7,α_k8为模型的偏回归系数，P_λ为实时监测的分心行为下驾驶人行为指标回归分析的概率值；

将实时监测分心行为下驾驶人行为指标回归分析的概率值P_λ与存储在分心行为识别单元数据库中的每种分心行为概率特征参数的参考均值R进行分析匹配，由此计算分析得出分心行为。

4.根据权利要求1所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：预警模块包含自适应预警芯片和计时器，该芯片中存储了由多次实验得出的不同分心驾驶行为的干预最优时间点，根据不同分心行为存储了不同的预警语音，当自适应预警芯片接收到来自分心行为识别单元的识别结果，匹配该分心行为的最优干预时间点和预警语音数据信息，在计时器作用下，到达最优时间点时，自适应预警芯片发出相对应的预警语音。

5.根据权利要求1所述的一种自适应分心驾驶行为的监测及干预装置，其特征在于：通过大量模拟试验分析确定了不同分心行为的预警辅助系统最优干预时间点，并根据不同分心行为设置了不同的预警语音，即具有更强的针对性，能够更有效地降低该分心行为带来的危害。