CN108615110A - 基于视觉特性的驾驶风险评估系统 - Google Patents
基于视觉特性的驾驶风险评估系统 Download PDFInfo
- Publication number
- CN108615110A CN108615110A CN201810364713.4A CN201810364713A CN108615110A CN 108615110 A CN108615110 A CN 108615110A CN 201810364713 A CN201810364713 A CN 201810364713A CN 108615110 A CN108615110 A CN 108615110A
- Authority
- CN
- China
- Prior art keywords
- driver
- module
- risk
- host
- information
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Atmospheric Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于视觉特性的驾驶风险评估系统,包括1号主机、信息交互单元和2号主机,信息交互单元设有媒体播放模块、驾驶员操控模块和数据采集模块,2号主机设有量化处理模块和结果显示模块。1号主机用于生成并发送所需多媒体信息,媒体播放模块用于接收并播放多媒体信息,驾驶员操控模块用于接收并发送驾驶员反应信号,数据采集模块用于获取并发送驾驶员的实时反应数据。量化处理模块用于量化计算驾驶员反应信号和实时反应数据,结果显示模块输出驾驶员风险感知能力检测结果。本发明采用基于模拟的真实驾驶环境对驾驶员进行风险感知能力检测,有助于对事故驾驶员视觉因素进行分析,对驾驶员进行基于视觉的风险感知训练。
Description
技术领域
本发明汽车行驶风险评估技术领域,涉及驾驶员风险感知、视空间认知、道路交通安全的预测,具体涉及一种基于视觉特性的驾驶风险评估系统。
背景技术
驾驶员因素是影响道路交通安全的首要因素,作为获取信息的主要通道,驾驶员的视觉系统有着非常重要的作用,许多通事故的发生是由于驾驶员没有提前感知和判断到交通环境中存在的潜在危险,无法及时采取躲避措施,导致了事故的发生。驾驶员对风险情境中的风险的感知能力就是驾驶人的风险感知,驾驶员的风险感知能力与驾驶员的各项生理指标,尤其是驾驶人的视觉行为及特性指标密切相关。
国内外学者虽然对驾驶员风险感知做了大量的研究,但是仍缺少对不同风险感知能力驾驶员的视觉行为及特性方面的分析,并没有对驾驶员的风险感知能力进行一个明确的定量分析。
近年来,随着眼动追踪技术的发展,国内外研究人员普遍采用眼动仪进行驾驶员视觉检测,但多是针对驾驶疲劳而进行的相关研究,且忽略了听觉对驾驶员反应的影响,模拟试验中缺乏真实性,不能够确切的反映出驾驶员的视觉认知能力。
发明内容
本发明的目的是提供一种基于视觉特性的驾驶风险评估系统,针对驾驶员视觉及生理特性,定量分析并提高驾驶员风险感知能力,提高驾驶员驾驶的安全性。
本发明的技术方案是:基于视觉特性的驾驶风险评估系统,包括1号主机、信息交互单元和2号主机,信息交互单元设有媒体播放模块、驾驶员操控模块和数据采集模块,2号主机设有量化处理模块和结果显示模块。1号主机与信息交互单元的媒体播放模块连接,媒体播放模块的输出端连接到驾驶员操控模块和数据采集模块的输入端。驾驶员操控模块和数据采集模块的输出端连接到2号主机的量化处理模块,结果显示模块与1号主机连通。1号主机用于生成并发送所需多媒体信息,媒体播放模块用于接收并播放多媒体信息,驾驶员操控模块用于接收并发送驾驶员反应信号,数据采集模块用于获取并发送驾驶员的实时反应数据。量化处理模块用于量化计算驾驶员反应信号和实时反应数据,结果显示模块输出驾驶员风险感知能力检测结果。
多媒体信息包括潜在危险驾驶场景动画和音频信息。潜在危险驾驶场景由静态场景和动态场景组成,音频信息包括虚拟场景音频和检测过程中语音提示信息。潜在危险驾驶场景至少包括事故发生形态、事故发生原因、天气、道路和车辆中一种风险要素。风险评估的过程包括: 1号主机根据交通道路事故分析风险要素,构建具有潜在危险的虚拟驾驶场景,虚拟场景传输到信息交互单元。信息交互单元接收并播放虚拟驾驶场景、测试驾驶员反应、获取驾驶员反应信号和实时反应数据并发送至2号主机。量化处理模块对驾驶员反应信号和实时反应数据进行分析及处理,结果显示模块输出驾驶员风险感知能力检测结果,并向1号主机提供反馈信息, 1号主机根据反馈信息对驾驶风险感知能力较差的部分驾驶员进行相应训练。1号主机根据2号主机提供反馈信息结果采取改进措施,改进措施包括对部分风险感知能力较差的驾驶员进行风险感知训练,风险感知训练的方法为根据检测结果调取1号主机内的相应多媒体信息进行重复训练。1号主机根据2号主机提供反馈信息结果采取改进措施,改进措施包括对部分风险感知能力较差的驾驶员进行风险感知训练,风险感知训练的方法为根据检测结果调取1号主机内的相应多媒体信息进行重复训练。
驾驶员操控模块为计算机输入设备,驾驶员反应信号为驾驶员操作计算机输入设备的输出信号。数据采集模块采集的实时反应数据包括驾驶员的眼部运动实时检测数据和非自主性反应检测数据。眼部运动实时检测数据至少包括注视、眼跳、瞳孔大小、凝视时间和扫描路径的一种,在眼动分析基础上结合脑电研究,以便于更准确地解读眼动数据,并客观地反映驾驶员的心理过程。非自主性反应信息至少包括驾驶员眼动时的脉搏、血压、心电和脑电反应的一种。
量化处理模块还包括对采集到的信息进行标准化处理,分析各指标信息的权数后计算驾驶员风险感知综合评分,指标信息包括眼动注视坐标、注视时间、眼跳方向、眼跳距离、瞳孔大小以及驾驶员的脉搏和血压。风险感知综合评分的等级分为:强、较强、一般、弱和较弱。结果显示模块输出的驾驶员驾驶风险检测结果还包括直接生成的注视散点图、注视轨迹图、热点图和扫描路径图,用于进行直观分析。
本发明基于视觉特性的驾驶风险评估系统采用基于虚拟现实模拟的真实驾驶环境来进行驾驶员风险感知能力的检测,针对驾驶员视觉及生理特性,定量分析并提高驾驶员风险感知能力,提高驾驶员驾驶的安全性。根据典型交通道路事故分析驾驶风险要素,设置冰雪路面、夜间行车、十字路口、红绿灯变化和行人风险点,利用场景中设置的潜在危险点和信号变化对驾驶员进行分类测评。驾驶员根据可操控对象对检测信息作出反应,并结合眼动数据及相关生理监测信息分析驾驶员风险感知能力。有助于对事故驾驶员视觉因素进行分析,并对部分驾驶员进行基于视觉的风险感知训练。
附图说明
图1为本发明基于视觉特性的驾驶风险评估系统的流程示意图;
图2为检测驾驶员风险感知能力的流程图;
图3为信息交互单元的组成图;
图4为典型交通道路事故分析简易情景库;
其中:110—1号主机、120—信息交互单元、121—媒体播放模块、122—驾驶员操控模块、123—数据采集模块、130—2号主机、131—量化处理模块、132—结果显示模块。
具体实施方式
下面结合实施例和附图对本发明进行详细说明。本发明保护范围不限于实施例,本领域技术人员在权利要求限定的范围内做出任何改动也属于本发明保护的范围。
本发明基于视觉特性的驾驶风险评估系统如图1所示, 1号主机110、信息交互单元120和2号主机130。信息交互单元包括设有媒体播放模块121、驾驶员操控模块122和数据采集模块123,2号主机设有量化处理模块131和结果显示模块132。1号主机与信息交互单元单元的媒体播放模块121连接,媒体播放模块的输出端连接到驾驶员操控模块和数据采集模块的输入端,驾驶员操控模块和数据采集模块的输出端连接到2号主机的量化处理模块,量化处理模块与结果显示模块通信连接,结果显示模块与1号主机连通。1号主机用于生成并发送所需多媒体信息,媒体播放模块用于接收并播放多媒体信息,驾驶员操控模块用于接收并发送驾驶员反应信号,驾驶员反应信号为驾驶员操作计算机输入设备的输出信号。数据采集模块用于获取并发送驾驶员的实时反应数据,实时反应数据包括驾驶员的眼部运动实时检测数据和非自主性反应检测数据。眼部运动实时检测数据包括注视、眼跳、眼跳距离、瞳孔大小和扫描路径。非自主性反应信息包括驾驶员眼动时的脉搏、血压、心电和脑电反应。量化处理模块131用于量化计算驾驶员反应信号和实时反应数据,对采集到的信息进行标准化处理,分析各指标信息的权数后计算驾驶员风险感知综合评分,风险感知综合评分的等级分为:强、较强、一般、弱和较弱。结果显示模块132输出驾驶员风险感知能力检测结果,检测结果还包括直接生成的注视散点图、注视轨迹图、热点图和扫描路径图,用于进行直观分析。
多媒体信息包括潜在危险驾驶场景画面和音频信息,潜在危险驾驶场景由静态场景和动态场景组成,音频信息包括虚拟场景音频和检测过程中语音提示信息。潜在危险驾驶场景至少包括事故发生形态、事故发生原因、天气、道路和车辆中一种风险要素。
如图2所示,基于视觉特性的驾驶风险评估系统的风险评估过程为: 1号主机110根据图4中交通道路事故分析风险要素,设计危险点,构建具有潜在危险的虚拟驾驶场景,虚拟场景传输到信息交互单元120。信息交互单元接收并播放虚拟驾驶场景、测试驾驶员反应、获取驾驶员反应信号和实时反应数据并发送至2号主机。量化处理模块131对驾驶员反应信号和实时反应数据进行分析及处理,结果显示模块132输出驾驶员风险感知能力检测结果,并向1号主机110提供反馈信息。1号主机110根据2号主机130提供反馈信息结果采取改进措施,改进措施包括对部分风险感知能力较差的驾驶员进行风险感知训练,风险感知训练的方法为根据检测结果调取1号主机内的相应多媒体信息进行重复训练。
如图3所示,信息交互单元的媒体播放模块121、驾驶员操控模块122和数据采集模块123集成为一体,方便受试驾驶员操作,驾驶员操控模块为计算机输入设备。多媒体模块121可为半球形显示器,在180度半球屏幕环境中,将视觉听觉融为一体,提供生动的虚拟现实场景,使用户产生身临其境的感觉并方便地融入操作环境中。其中,半球形显示器可采用Elumens公司推出的Vision Station系列半球显示器产品。驾驶员操控模块122为计算机的输入设备,如键盘和鼠标。数据采集模块123包括眼动仪,其工作原理是基于角膜反射法,发射不可见红外线,通过摄像机捕捉双眼图像,收集眼睛运动信息。眼动仪有头戴式和遥测式,可采用Tobii Glasses或Eyelink眼动仪。数据采集模块123包括还可以包括Nexus-10多通道生理记录仪,配备脑电、心电、肌电、眼电、温度、呼吸、皮电、血容量、血氧饱和度和皮肤慢电位人体生物信号传感器,以 32、64、128、256或1024采样率获取被试对象的生理信息。在眼动分析基础上结合脑电研究能正确的解读眼动数据,客观准确的反映驾驶员的心理过程。
实施例1
为新手驾驶员提供具有潜在危险的虚拟驾驶场景,如山区路段,在一个盘山公路上,①前方设置一个大急弯为危险点一,驾驶员的视角受到阻碍。②汽车的右方设置一辆摩托车占领车道为危险点二,汽车只能在对向车道行驶。③未知的对向车辆为危险点三,若驾驶员注意不到对向来车,可能来不及躲避发生碰撞。基于视觉特性的驾驶风险评估系统的风险评估具体步骤如下:在1号主机110内生成上述山区路段危险驾驶场景动画和相应音频,驾驶员通过半球显示器121获取信息并操作鼠标或键盘122,同时由眼动仪和多通道生理记录仪123采集驾驶员眼动注视坐标、注视时间、眼跳方向、眼跳距离、瞳孔大小以及驾驶员的脉搏和血压等反应数据,由2号主机130接收数据,量化并分权计算风险评估得分,输出评估结果并反馈给1号主机110。1号主机110根据2号主机130提供反馈信息结果采取改进措施,针对此实施例中的场景,危险点较多,需重点分析驾驶员对潜在危险点的注视次数、注视点分布、凝视时间以及注视时的脉搏和脑电信号,按照该进措施对驾驶员进行重复风险感知训练。
实施例2
针对发生事故的驾驶员重构虚拟事故场景,将可能的客观肇事原因均考虑在内,并在场景中建立相对应的虚拟障碍物。如高速事故路段发生事故,驾驶员驾车在高速公路上快速行驶,与前方车辆没有保持足够的安全车距,前方车辆突然停车,驾驶员可能来不及刹车与前车追尾或者急打方向盘,与相邻车道车辆发生碰撞。实施步骤同实施例1,主要依据驾驶员在事故发生过程中的注视点分布、眼跳距离和方向等眼动数据以及生理反应信息,分析事故驾驶员的风险感知能力。针对部分风险感知能力较差的驾驶员,在虚拟场景的潜在风险点处设置文字或语音提示,重复训练潜在危险驾驶场景以提高驾驶员风险感知能力。
Claims (8)
1.一种基于视觉特性的驾驶风险评估系统,其特征是:所述评估系统包括1号主机(110)、信息交互单元(120)和2号主机(130),所述信息交互单元设有媒体播放模块(121)、驾驶员操控模块(122)和数据采集模块(123),所述2号主机设有量化处理模块(131)和结果显示模块(132);所述1号主机与信息交互单元的媒体播放模块(121)连接,所述媒体播放模块的输出端连接到驾驶员操控模块和数据采集模块的输入端;所述驾驶员操控模块和数据采集模块的输出端连接到2号主机的量化处理模块,所述结果显示模块与1号主机连通;所述1号主机用于生成并发送所需的多媒体信息,所述媒体播放模块用于接收并播放所述多媒体信息,所述驾驶员操控模块用于接收并发送驾驶员反应信号,所述数据采集模块用于获取并发送驾驶员的实时反应数据;所述量化处理模块用于量化计算所述驾驶员反应信号和实时反应数据,所述结果显示模块输出驾驶员风险感知能力检测结果。
2.根据权利要求1所述的基于视觉特性的驾驶风险评估系统,其特征是:所述多媒体信息包括潜在危险驾驶场景动画和音频信息;所述潜在危险驾驶场景由静态场景和动态场景组成,所述音频信息包括虚拟场景音频和检测过程中语音提示信息;所述潜在危险驾驶场景至少包括事故发生形态、事故发生原因、天气、道路和车辆中的一种风险要素。
3.根据权利要求2所述的基于视觉特性的驾驶风险评估系统,其特征是:所述风险评估的过程包括:所述1号主机(110)根据交通道路事故分析风险要素,构建具有潜在危险的虚拟驾驶场景,所述虚拟场景传输到信息交互单元(120);所述信息交互单元接收并播放所述虚拟驾驶场景、测试驾驶员反应、获取驾驶员反应信号和实时反应数据并发送至2号主机(130);所述量化处理模块(131)对所述驾驶员反应信号和实时反应数据进行分析及处理,所述结果显示模块(132)输出驾驶员风险感知能力检测结果,并向1号主机提供反馈信息,所述1号主机根据反馈信息对驾驶风险感知能力较差的部分驾驶员进行相应训练。
4.根据权利要求3所述的基于视觉特性的驾驶风险评估系统,其特征是:所述1号主机(110)根据2号主机(130)提供反馈信息结果采取改进措施,所述改进措施包括对部分风险感知能力较差的驾驶员进行风险感知训练,所述风险感知训练的方法为根据所述检测结果调取1号主机内的相应多媒体信息进行重复训练。
5.根据权利要求1所述的基于视觉特性的驾驶风险评估系统,其特征是:所述驾驶员操控模块(122)为计算机输入设备,所述驾驶员反应信号为驾驶员操作所述计算机输入设备的输出信号。
6.根据权利要求1所述的基于视觉特性的驾驶风险评估系统,其特征是:所述数据采集模块(123)采集的实时反应数据包括驾驶员的眼部运动实时检测数据和非自主性反应检测数据;所述眼部运动实时检测数据至少包括注视、眼跳、瞳孔大小和扫描路径中的一种;所述非自主性反应信息至少包括所述驾驶员眼动时的脉搏、血压、心电和脑电反应中的一种。
7.根据权利要求1所述的基于视觉特性的驾驶风险评估系统,其特征是:所述量化处理模块(131)还包括对采集到的信息进行标准化处理,分析各指标信息的权数后计算驾驶员风险感知综合评分,所述指标信息包括眼动注视坐标、注视时间、眼跳方向、眼跳距离、瞳孔大小以及驾驶员的脉搏和血压;所述风险感知综合评分的等级分为:强、较强、一般、弱和较弱。
8.根据权利要求1所述的基于视觉特性的驾驶风险评估系统,其特征是:所述结果显示模块(132)输出的驾驶员驾驶风险检测结果还包括直接生成的注视散点图、注视轨迹图、热点图和扫描路径图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810364713.4A CN108615110B (zh) | 2018-04-23 | 2018-04-23 | 基于视觉特性的驾驶风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810364713.4A CN108615110B (zh) | 2018-04-23 | 2018-04-23 | 基于视觉特性的驾驶风险评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108615110A true CN108615110A (zh) | 2018-10-02 |
CN108615110B CN108615110B (zh) | 2021-07-06 |
Family
ID=63660696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810364713.4A Expired - Fee Related CN108615110B (zh) | 2018-04-23 | 2018-04-23 | 基于视觉特性的驾驶风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108615110B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109431498A (zh) * | 2018-11-14 | 2019-03-08 | 天津大学 | 穿戴式多模态驾驶员生理状态监测系统 |
CN111311093A (zh) * | 2020-02-13 | 2020-06-19 | 中交第一公路勘察设计研究院有限公司 | 基于驾驶员生理数据的道路交叉口风险评估与预警方法 |
CN111657923A (zh) * | 2020-07-02 | 2020-09-15 | 哈尔滨工业大学 | 一种测试驾驶员危险感知能力的方法及系统 |
CN111753810A (zh) * | 2020-07-13 | 2020-10-09 | 清华大学 | 驾驶行为数据测试系统与采集方法 |
CN112000837A (zh) * | 2020-07-19 | 2020-11-27 | 西北工业大学 | 一种飞行员听觉注意反应时测量及预测方法 |
CN112349171A (zh) * | 2020-11-11 | 2021-02-09 | 济南北方交通工程咨询监理有限公司 | 一种基于虚拟现实技术的行车安全仿真系统及方法 |
CN112396235A (zh) * | 2020-11-23 | 2021-02-23 | 浙江天行健智能科技有限公司 | 基于眼球动作追踪的交通事故发生时间预测建模方法 |
CN112419719A (zh) * | 2020-11-18 | 2021-02-26 | 济南北方交通工程咨询监理有限公司 | 高速公路交通运营安全评价方法及系统 |
CN113408431A (zh) * | 2021-06-22 | 2021-09-17 | 青岛小鸟看看科技有限公司 | 基于眼球追踪的智能驾驶评估训练方法、系统 |
CN113907769A (zh) * | 2021-11-17 | 2022-01-11 | 福州大学 | 一种测量隧道施工人员情境意识的系统和方法 |
CN113918025A (zh) * | 2021-11-17 | 2022-01-11 | 福州大学 | 一种训练非机动车驾驶员危险知觉能力的系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6227862B1 (en) * | 1999-02-12 | 2001-05-08 | Advanced Drivers Education Products And Training, Inc. | Driver training system |
CN202177377U (zh) * | 2011-07-25 | 2012-03-28 | 吉林大学 | 道路交通事故现场图像二维校正折叠式配准规 |
CN106491144A (zh) * | 2016-09-22 | 2017-03-15 | 昆明理工大学 | 一种驾驶人潜伏风险感知能力的测试与评价方法 |
CN106960613A (zh) * | 2017-05-26 | 2017-07-18 | 交通运输部公路科学研究所 | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 |
-
2018
- 2018-04-23 CN CN201810364713.4A patent/CN108615110B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6227862B1 (en) * | 1999-02-12 | 2001-05-08 | Advanced Drivers Education Products And Training, Inc. | Driver training system |
CN202177377U (zh) * | 2011-07-25 | 2012-03-28 | 吉林大学 | 道路交通事故现场图像二维校正折叠式配准规 |
CN106491144A (zh) * | 2016-09-22 | 2017-03-15 | 昆明理工大学 | 一种驾驶人潜伏风险感知能力的测试与评价方法 |
CN106960613A (zh) * | 2017-05-26 | 2017-07-18 | 交通运输部公路科学研究所 | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109431498A (zh) * | 2018-11-14 | 2019-03-08 | 天津大学 | 穿戴式多模态驾驶员生理状态监测系统 |
CN111311093A (zh) * | 2020-02-13 | 2020-06-19 | 中交第一公路勘察设计研究院有限公司 | 基于驾驶员生理数据的道路交叉口风险评估与预警方法 |
CN111311093B (zh) * | 2020-02-13 | 2023-09-05 | 中交第一公路勘察设计研究院有限公司 | 基于驾驶员生理数据的道路交叉口风险评估与预警方法 |
CN111657923A (zh) * | 2020-07-02 | 2020-09-15 | 哈尔滨工业大学 | 一种测试驾驶员危险感知能力的方法及系统 |
CN111753810B (zh) * | 2020-07-13 | 2021-07-09 | 清华大学 | 驾驶行为数据测试系统与采集方法 |
CN111753810A (zh) * | 2020-07-13 | 2020-10-09 | 清华大学 | 驾驶行为数据测试系统与采集方法 |
CN112000837A (zh) * | 2020-07-19 | 2020-11-27 | 西北工业大学 | 一种飞行员听觉注意反应时测量及预测方法 |
CN112000837B (zh) * | 2020-07-19 | 2022-12-06 | 西北工业大学 | 一种飞行员听觉注意反应时测量及预测方法 |
CN112349171A (zh) * | 2020-11-11 | 2021-02-09 | 济南北方交通工程咨询监理有限公司 | 一种基于虚拟现实技术的行车安全仿真系统及方法 |
CN112419719A (zh) * | 2020-11-18 | 2021-02-26 | 济南北方交通工程咨询监理有限公司 | 高速公路交通运营安全评价方法及系统 |
CN112419719B (zh) * | 2020-11-18 | 2022-06-07 | 济南北方交通工程咨询监理有限公司 | 高速公路交通运营安全评价方法及系统 |
CN112396235A (zh) * | 2020-11-23 | 2021-02-23 | 浙江天行健智能科技有限公司 | 基于眼球动作追踪的交通事故发生时间预测建模方法 |
CN112396235B (zh) * | 2020-11-23 | 2022-05-03 | 浙江天行健智能科技有限公司 | 基于眼球动作追踪的交通事故发生时间预测建模方法 |
CN113408431A (zh) * | 2021-06-22 | 2021-09-17 | 青岛小鸟看看科技有限公司 | 基于眼球追踪的智能驾驶评估训练方法、系统 |
CN113907769A (zh) * | 2021-11-17 | 2022-01-11 | 福州大学 | 一种测量隧道施工人员情境意识的系统和方法 |
CN113918025A (zh) * | 2021-11-17 | 2022-01-11 | 福州大学 | 一种训练非机动车驾驶员危险知觉能力的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108615110B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615110A (zh) | 基于视觉特性的驾驶风险评估系统 | |
Lee et al. | Stress events detection of driver by wearable glove system | |
Liao et al. | Detection of driver cognitive distraction: A comparison study of stop-controlled intersection and speed-limited highway | |
Lee et al. | Standalone wearable driver drowsiness detection system in a smartwatch | |
Daza et al. | Drowsiness monitoring based on driver and driving data fusion | |
Zhenhai et al. | Driver drowsiness detection based on time series analysis of steering wheel angular velocity | |
Gao et al. | Evaluating driving fatigue detection algorithms using eye tracking glasses | |
CN106960613B (zh) | 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法 | |
Ronen et al. | The adaptation period to a driving simulator | |
CN105011952B (zh) | 驾驶员极速测评系统及方法 | |
Bian et al. | A novel virtual reality driving environment for autism intervention | |
CN101491443A (zh) | 驾驶人疲劳与车辆行驶轨迹的关系模型 | |
CN109658771A (zh) | 基于vr技术的神经发育障碍交通安全训练系统及方法 | |
Lee et al. | ADHD assessment and testing system design based on virtual reality | |
Ma et al. | Does augmented-reality head-up display help? A preliminary study on driving performance through a VR-simulated eye movement analysis | |
CN114041793A (zh) | 一种融合多模态疲劳监测与调控的rsvp目标识别系统及方法 | |
Guo et al. | Psycho-physiological measures on a bicycle simulator in immersive virtual environments: how protected/curbside bike lanes may improve perceived safety | |
Baltodano et al. | Eliciting driver stress using naturalistic driving scenarios on real roads | |
Zontone et al. | Stress recognition in a simulated city environment using Skin Potential Response (SPR) signals | |
CN107307870A (zh) | 一种基于近红外光谱的驾驶状态脑监测系统及方法 | |
US20230271617A1 (en) | Risky driving prediction method and system based on brain-computer interface, and electronic device | |
Li et al. | Identification of stress state for drivers under different gps navigation modes | |
Niezgoda et al. | Effective methods for drivers research with use of a driving simulator | |
CN110169779A (zh) | 一种基于眼动视觉模型的驾驶员视觉特性分析方法 | |
Innes et al. | Performance in normal subjects on a novel battery of driving-related sensory-motor and cognitive tests |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210706 |
|
CF01 | Termination of patent right due to non-payment of annual fee |