CN109649399B - 一种基于横向行车速度的驾驶员分心判别方法 - Google Patents

一种基于横向行车速度的驾驶员分心判别方法 Download PDF

Info

Publication number
CN109649399B
CN109649399B CN201910027872.XA CN201910027872A CN109649399B CN 109649399 B CN109649399 B CN 109649399B CN 201910027872 A CN201910027872 A CN 201910027872A CN 109649399 B CN109649399 B CN 109649399B
Authority
CN
China
Prior art keywords
driver
distraction
data segment
time period
time domain
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
Application number
CN201910027872.XA
Other languages
English (en)
Other versions
CN109649399A (zh
Inventor
丁建勋
王昌胜
黄义洲
韦阳
徐敏杰
郑韧飞
宣雨楼
郭宁
石琴
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.)
Hefei University of Technology
Original Assignee
Hefei 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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201910027872.XA priority Critical patent/CN109649399B/zh
Publication of CN109649399A publication Critical patent/CN109649399A/zh
Application granted granted Critical
Publication of CN109649399B publication Critical patent/CN109649399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60W40/09—Driving style or behaviour
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/12—Lateral speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于横向行车速度的驾驶员分心判别的方法，其步骤包括：1采集固定时间间隔的横向行车速度数据；2作出横向行车速度的时域图；3剔除无效数据段；4对有效数据段进行频谱分析；5判断该时间间隔内驾驶员是否存在分心现象以及分心程度，分心程度包括轻度分心、中度分心、重度分心3种等级。本发明能快速有效的判别驾驶员在驾驶过程中是否存在分心现象，从而降低因驾驶员分心而发生交通事故的概率。

Description

一种基于横向行车速度的驾驶员分心判别方法
技术领域
本发明属于安全驾驶应用领域，具体的说是一种基于车辆横向行驶速度的驾驶员分心判别方法。
背景技术
随着社会经济的发展，汽车保有量越来越多，道路交通压力越来越大，各种不良的驾驶行为导致交通事故的发生率居高不下，其中分心驾驶行为尤为严重。国内外研究表明，驾驶人分心对驾驶人的驾驶绩效、视觉行为模式和生理指标产生一定的影响，从而驾驶人分心驾驶状态与正常驾驶状态在驾驶绩效方面存在显著的特征差异。
现阶段对分心特征的研究主要集中在驾驶人分心时会出现大幅度车速变化、车道偏离、跟车距离增加等现象。根据这些分心特征来提取一系列的驾驶绩效指标对驾驶人是否分心进行判别。
现有技术中的驾驶员分心判别方法具有以下缺点：
1、现有分心识别技术所需要的数据多依靠不同系统和设备获取驾驶过程中的数据，获取数据繁琐且数据量庞大，识别难度较高。
2、现有分心识别技术主要根据大幅度车速变化、车道偏离、跟车距离增加等驾驶绩效指标来判别，不能很好的消除随机因素的影响，识别精度较低。
3、分心具有等级划分，现有的分心识别技术大多把分心当作一种驾驶现象处理，没有对分心进行更为精细的等级划分。
发明内容
本发明为克服现有技术存在的不足之处，提供一种基于横向行车速度的驾驶员分心判别方法，以期能快速有效的判别驾驶员在驾驶过程中是否存在分心现象，从而降低因驾驶员分心而发生交通事故的概率。
本发明为达到上述发明目的，采用如下技术方案：
本发明一种基于横向行车速度的驾驶员分心判别方法的特点在于包括以下步骤：
步骤1采集固定时间间隔T0内车辆的横向行驶速度；
步骤2利用在大时间窗口中将慢变低阶多项式曲线拟合到原始数据的方法对所述横向行驶速度进行趋势消除，得到时间间隔T0内车辆横向行驶速度的时域图；
步骤3剔除所述时域图中的无效数据段：
步骤3.1找出所述时域图上的所有零点，记为{ti|i＝1,2,…,n}；其中，ti表示第i个零点；n表示零点的总个数；
定义两相邻零点之间的区间为一个单元区间，记为[ti,ti+1]；任意第i个单元区间[ti,ti+1]的峰值速度记为
Figure BDA00019431731000000210
步骤3.2确定驾驶员驾驶车辆正常行驶时的横向行驶速度的临界值为VC；
步骤3.3判断第i个单元区间[ti,ti+1]上的峰值速度
Figure BDA00019431731000000211
是否满足
Figure BDA00019431731000000212
若满足，则令所述第i个单元区间[ti,ti+1]中的数据段为无效数据段，即表示第i个单元区间[ti,ti+1]内驾驶员处于正常行驶状态，并将所述第i个单元区间[ti,ti+1]中的数据段从时域图中剔除；否则令所述第i个单元区间[ti,ti+1]中的数据段为有效数据段；
步骤3.4将i+1赋值给i后，顺序执行步骤3.3，直至i＝n为止，从而得到剔除无效数据段后的时域图，并将所述剔除无效数据段的时域图中的剩余的所有有效数据段，记为
Figure BDA0001943173100000021
其中，
Figure BDA0001943173100000022
表示第d个有效数据段
Figure BDA0001943173100000023
中的第m个横向行驶速度，将第d个有效数据段
Figure BDA0001943173100000024
对应的时间段记为
Figure BDA00019431731000000213
Md表示第d个有效数据段中横向行驶速度的个数，D表示有效数据段的总个数；
步骤4对所述剔除无效数据段的时域图中的剩余有效数据段进行频谱分析处理：
步骤4.1初始化d＝1；
步骤4.2利用式(1)对第d个有效数据段
Figure BDA0001943173100000025
进行标准离散傅立叶变换，得到相应的频谱图Xd(ω)：
式(1)中，ω表示频率，j表示虚单位；
步骤4.3找出第d个有效数据段对应的频谱图Xd(ω)的峰值频率和峰值幅度，分别记为和
步骤5对第d个有效数据段
Figure BDA0001943173100000031
对应的频谱图Xd(ω)的峰值频率
Figure BDA0001943173100000032
和峰值幅度
Figure BDA0001943173100000033
进行假设检验，从而判别驾驶员在时间段
Figure BDA00019431731000000312
是否存在分心现象；若存在，则执行步骤6，否则，表示在所述时间间隔
Figure BDA00019431731000000313
内驾驶员没有分心；
步骤6、判别驾驶员在时间段
Figure BDA00019431731000000314
内的分心程度；所述驾驶员分心程度包括：轻度分心、中度分心和重度分心三种等级；
步骤7将d+1赋值给d后，返回步骤4.2顺序执行，直到d＝D为止，并统计所述时间间隔T0内轻度分心、中度分心、重度分心各出现多少次以及每次出现所对应的时间段。
本发明所述的基于横向行车速度的驾驶员分心判别方法的特点也在于，所述步骤5按如下过程进行：
步骤5.1确定驾驶员分心时驾驶车辆横向速度对应的峰值频率临界值为υC，且υC＞0；确定驾驶员所驾驶车辆在驾驶员轻度分心与中度分心临界时的横向速度的临界幅度Amid和在驾驶员中度分心与重度分心临界时的横向速度的临界幅度Asev；且Amid＞0，Asev＞0；
步骤5.2判断第d个有效数据段的峰值频率
Figure BDA0001943173100000035
是否满足式(2)，若满足，则表示驾驶员在时间段
Figure BDA00019431731000000315
未分心；否则，表示驾驶员在时间段
Figure BDA00019431731000000316
存在分心现象：
Figure BDA00019431731000000320
所述步骤6按如下过程进行：
步骤6.1判断第d个有效数据段
Figure BDA0001943173100000036
的峰值幅度
Figure BDA0001943173100000037
是否满足式(3)，若满足，则表示驾驶员在时间段
Figure BDA00019431731000000317
轻度分心；否则，执行步骤6.2；
Figure BDA0001943173100000038
步骤6.2判断第d个有效数据的峰值幅度是否满足式(4)，若满足，则表示驾驶员在时间段中度分心；否则，表示驾驶员在时间段
Figure BDA00019431731000000319
重度分心；
Figure BDA00019431731000000311
与已有技术相比，本发明的有益技术效果体现在：
1、本发明采用一种新的驾驶绩效指标——横向行车速度，巧妙地把驾驶员分心判别与横向行车速度的时频分析联系在一起，消除了高频随机因素的影响，识别精度更高；创造性地用横向行车速度频谱图的峰值频率作为判断是否分心的标准，用峰值幅度作为分心等级(轻度分心、中度分心、重度分心)的指标。对驾驶员分心进行了更为精细的等级划分，有利于更加精确地研究驾驶员分心的具体情况。
2、本发明运用数据的峰值频率和峰值幅度属于数字特征，不仅能够对驾驶员分心情况进行量化，而且拓展了对驾驶员驾驶数据的利用，方便学术研究和其他方面的应用，从而保证了数据的充分性、有效性、客观性。
3、本发明仅采用横向行车速度数据就可以对驾驶员分心进行判别，与现有技术相比，数据获取较为方便，减少了获取繁琐数据的巨大工作量。
4、本发明作为一种驾驶员分心判别方法，判别效率较高、识别精度较高，可以集成到驾驶员辅助系统，用于驾驶员分心预警，有助于驾驶员行车安全。
附图说明
图1为本发明方法流程图；
图2为本发明检验步骤流程图；
图3为本发明正常变道时的横向行车速度时域图；
图4为本发明正常变道时的横向行车速度频谱图；
图5为本发明轻度分心时的横向行车速度时域图
图6为本发明轻度分心时的横向行车速度频谱图；
图7为本发明中度分心时的横向行车速度时域图；
图8为本发明中度分心时的横向行车速度频谱图；
图9为本发明重度分心时的横向行车速度时域图；
图10为本发明重度分心时的横向行车速度频谱图。
具体实施方式
本实施例中，如图1所示，一种基于横向行车速度的驾驶员分心判别方法是按照以下步骤进行的：
步骤1采集固定时间间隔T0内车辆的横向行驶速度；横向速度的采集方法如下：
通过车辆上安装的横向加速度传感器来采集时间间隔T0内的车辆的横向行驶加速度，横向加速度每间隔时间t采集一次，时间间隔T0内总共可采集k个横向加速度数据，其中k＝[T0/t]。
统计时间间隔T0内采集的横向加速度{a1,a2,a3,a4,a5……ak},k＝[T0/t]；
则横向速度的值为：
Vk＝Vk-1+ak·t
统计时间间隔T0内采集的横向速度{V1,V2,V3,V4,V5……Vk},k＝[T0/t]；
步骤2利用在大时间窗口中将慢变低阶多项式曲线拟合到原始数据的方法对横向行驶速度进行趋势消除，得到时间间隔T0内车辆横向行驶速度的时域图；
步骤3剔除时域图中的无效数据段：
步骤3.1找出时域图上的所有零点，记为{ti|i＝1,2,…,n}；其中，ti表示第i个零点；n表示零点的总个数；
定义两相邻零点之间的区间为一个单元区间，记为[ti,ti+1]；任意第i个单元区间[ti,ti+1]的峰值速度记为
Figure BDA0001943173100000051
步骤3.2确定驾驶员驾驶车辆正常行驶时的横向行驶速度的临界值为VC；
步骤3.3判断第i个单元区间[ti,ti+1]上的峰值速度
Figure BDA0001943173100000052
是否满足
Figure BDA0001943173100000053
若满足，则令第i个单元区间[ti,ti+1]中的数据段为无效数据段，即表示第i个单元区间[ti,ti+1]内驾驶员处于正常行驶状态，并将第i个单元区间[ti,ti+1]中的数据段从时域图中剔除；否则令第i个单元区间[ti,ti+1]中的数据段为有效数据段；
步骤3.4将i+1赋值给i后，顺序执行步骤3.3，直至i＝n为止，从而得到剔除无效数据段后的时域图，并将剔除无效数据段的时域图中的剩余的所有有效数据段，记为
Figure BDA0001943173100000054
其中，
Figure BDA0001943173100000055
表示第d个有效数据段
Figure BDA0001943173100000056
中的第m个横向行驶速度，将第d个有效数据段
Figure BDA0001943173100000057
对应的时间段记为
Figure BDA0001943173100000059
Md表示第d个有效数据段中横向行驶速度的个数，D表示有效数据段的总个数；
步骤4对剔除无效数据段的时域图中的剩余有效数据段进行频谱分析处理：
步骤4.1初始化d＝1；
步骤4.2利用式(1)对第d个有效数据段
Figure BDA0001943173100000058
进行标准离散傅立叶变换，得到相应的频谱图Xd(ω)：
式(1)中，ω表示频率，j表示虚单位；
步骤4.3找出第d个有效数据段
Figure BDA0001943173100000062
对应的频谱图Xd(ω)的峰值频率和峰值幅度，分别记为
Figure BDA0001943173100000063
和
Figure BDA0001943173100000064
步骤5对第d个有效数据段
Figure BDA0001943173100000065
对应的频谱图Xd(ω)的峰值频率
Figure BDA0001943173100000066
和峰值幅度进行假设检验，从而判别驾驶员在时间段
Figure BDA00019431731000000617
是否存在分心现象；若存在，则执行步骤6，否则，表示在时间间隔
Figure BDA00019431731000000618
内驾驶员没有分心；
步骤6、判别驾驶员在时间段
Figure BDA00019431731000000619
内的分心程度；驾驶员分心程度包括：轻度分心、中度分心和重度分心三种等级；
步骤7将d+1赋值给d后，返回步骤4.2顺序执行，直到d＝D为止，并统计时间间隔T0内轻度分心、中度分心、重度分心各出现多少次以及每次出现所对应的时间段。
如图2所示，是对全部有效数据段
Figure BDA0001943173100000068
所对应的峰值频率和峰值幅度进行假设检验的流程，其中对第d个有效数据段
Figure BDA00019431731000000611
对应的频谱图Xd(ω)的峰值频率
Figure BDA00019431731000000612
和峰值幅度
Figure BDA00019431731000000613
进行假设检验的具体步骤如下：
步骤5.1确定驾驶员分心时驾驶车辆横向速度对应的峰值频率临界值为υC，且υC＞0；确定驾驶员所驾驶车辆在驾驶员轻度分心与中度分心临界时的横向速度的临界幅度Amid和在驾驶员中度分心与重度分心临界时的横向速度的临界幅度Asev；且Amid＞0，Asev＞0；
步骤5.2判断第d个有效数据段
Figure BDA00019431731000000614
的峰值频率是否满足式(2)，若满足，则表示驾驶员在时间段
Figure BDA00019431731000000620
未分心；否则，表示驾驶员在时间段
Figure BDA00019431731000000621
存在分心现象，执行步骤6.1：
Figure BDA00019431731000000616
步骤6.1判断第d个有效数据段
Figure BDA0001943173100000071
的峰值幅度
Figure BDA0001943173100000072
是否满足式(3)若满足，则表示驾驶员在时间段
Figure BDA00019431731000000711
轻度分心；否则，执行步骤6.2；
Figure BDA0001943173100000073
步骤6.2判断第d个有效数据
Figure BDA0001943173100000074
的峰值幅度是否满足式(4)，若满足，则表示驾驶员在时间段
Figure BDA0001943173100000076
中度分心；否则，表示驾驶员在时间段
Figure BDA0001943173100000077
重度分心；
Figure BDA0001943173100000078
图3、图5、图7、图9分别表示正常变道、轻度分心、中度分心、重度分心所对应的时域图，将正常变道、轻度分心、中度分心、重度分心所对应的时域图进行快速傅立叶变换得到相对应的正常变道、轻度分心、中度分心、重度分心四种情况的频谱图，分别为图4、图6、图8、图10。
根据模拟实验的实际情况确定确定驾驶员分心时驾驶车辆横向速度对应的峰值频率临界值为υC＝0.05Hz；确定驾驶员所驾驶车辆在驾驶员轻度分心与中度分心临界时的横向速度的临界幅度Amid＝0.4m/s和在驾驶员中度分心与重度分心临界时的横向速度的临界幅度Asev＝0.7m/s。
如图4所示，图中的峰值频率满足判别式
Figure BDA00019431731000000710
表示驾驶员在时间段未分心；如图6所示，图中峰值幅度
Figure BDA00019431731000000713
满足判别式
Figure BDA00019431731000000714
表示驾驶员表示驾驶员在时间段
Figure BDA00019431731000000715
轻度分心；如图8所示，图中峰值幅度
Figure BDA00019431731000000716
满足判别式
Figure BDA00019431731000000717
表示驾驶员表示驾驶员在时间段
Figure BDA00019431731000000718
中度分心；如图10所示，图中峰值幅度
Figure BDA00019431731000000719
满足判别式
Figure BDA00019431731000000720
示驾驶员表示驾驶员在时间段
Figure BDA00019431731000000721
重度分心。
本实例中所确定的υC＝0.05Hz、Amid＝0.4m/s、Asev＝0.7m/s仅表示本模拟实验下的数据，实际应用中υC、Amid、Asev等参数的具体数值还需要根据实际道路交通条件等影响因素而确定。

Claims (3)

1.一种基于横向行车速度的驾驶员分心判别方法，其特征在于包括以下步骤：
步骤1采集固定时间间隔T0内车辆的横向行驶速度；
步骤2利用在大时间窗口中将慢变低阶多项式曲线拟合到原始数据的方法对所述横向行驶速度进行趋势消除，得到时间间隔T0内车辆横向行驶速度的时域图；
步骤3剔除所述时域图中的无效数据段：
步骤3.1找出所述时域图上的所有零点，记为{ti|i＝1,2,…,n}；其中，ti表示第i个零点；n表示零点的总个数；
定义两相邻零点之间的区间为一个单元区间，记为[ti,ti+1]；任意第i个单元区间[ti,ti+1]的峰值速度记为Vi max；
步骤3.2确定驾驶员驾驶车辆正常行驶时的横向行驶速度的临界值为VC；
步骤3.3判断第i个单元区间[ti,ti+1]上的峰值速度Vi max是否满足|Vi max|＜VC，若满足，则令所述第i个单元区间[ti,ti+1]中的数据段为无效数据段，即表示第i个单元区间[ti,ti+1]内驾驶员处于正常行驶状态，并将所述第i个单元区间[ti,ti+1]中的数据段从时域图中剔除；否则令所述第i个单元区间[ti,ti+1]中的数据段为有效数据段；
步骤3.4将i+1赋值给i后，顺序执行步骤3.3，直至i＝n为止，从而得到剔除无效数据段后的时域图，并将所述剔除无效数据段的时域图中的剩余的所有有效数据段，记为
Figure FDA0001943173090000011
其中，
Figure FDA0001943173090000012
表示第d个有效数据段
Figure FDA0001943173090000013
中的第m个横向行驶速度，将第d个有效数据段
Figure FDA0001943173090000014
对应的时间段记为
Figure FDA0001943173090000015
Figure FDA0001943173090000016
Md表示第d个有效数据段中横向行驶速度的个数，D表示有效数据段的总个数；
步骤4对所述剔除无效数据段的时域图中的剩余有效数据段进行频谱分析处理：
步骤4.1初始化d＝1；
步骤4.2利用式(1)对第d个有效数据段
Figure FDA0001943173090000017
进行标准离散傅立叶变换，得到相应的频谱图Xd(ω)：
Figure FDA0001943173090000018
式(1)中，ω表示频率，j表示虚单位；
步骤4.3找出第d个有效数据段
Figure FDA0001943173090000021
对应的频谱图Xd(ω)的峰值频率和峰值幅度，分别记为
Figure FDA0001943173090000022
和
Figure FDA0001943173090000023
步骤5对第d个有效数据段
Figure FDA0001943173090000024
对应的频谱图Xd(ω)的峰值频率和峰值幅度
Figure FDA0001943173090000026
进行假设检验，从而判别驾驶员在时间段
Figure FDA0001943173090000027
是否存在分心现象；若存在，则执行步骤6，否则，表示在所述时间间隔内驾驶员没有分心；
步骤6、判别驾驶员在时间段
Figure FDA0001943173090000029
内的分心程度；所述驾驶员分心程度包括：轻度分心、中度分心和重度分心三种等级；
步骤7将d+1赋值给d后，返回步骤4.2顺序执行，直到d＝D为止，并统计所述时间间隔T0内轻度分心、中度分心、重度分心各出现多少次以及每次出现所对应的时间段。
2.根据权利要求1所述的基于横向行车速度的驾驶员分心判别方法，其特征是，所述步骤5按如下过程进行：
步骤5.1确定驾驶员分心时驾驶车辆横向速度对应的峰值频率临界值为υC，且υC＞0；确定驾驶员所驾驶车辆在驾驶员轻度分心与中度分心临界时的横向速度的临界幅度Amid和在驾驶员中度分心与重度分心临界时的横向速度的临界幅度Asev；且Amid＞0，Asev＞0；
步骤5.2判断第d个有效数据段的峰值频率
Figure FDA00019431730900000211
是否满足式(2)，若满足，则表示驾驶员在时间段
Figure FDA00019431730900000212
未分心；否则，表示驾驶员在时间段
Figure FDA00019431730900000213
存在分心现象：
Figure FDA00019431730900000214
3.根据权利要求2所述的基于横向行车速度的驾驶员分心判别方法，其特征是，所述步骤6按如下过程进行：
步骤6.1判断第d个有效数据段
Figure FDA00019431730900000215
的峰值幅度
Figure FDA00019431730900000216
是否满足式(3)，若满足，则表示驾驶员在时间段
Figure FDA00019431730900000217
轻度分心；否则，执行步骤6.2；
Figure FDA00019431730900000218
步骤6.2判断第d个有效数据的峰值幅度
Figure FDA00019431730900000220
是否满足式(4)，若满足，则表示驾驶员在时间段
Figure FDA00019431730900000221
中度分心；否则，表示驾驶员在时间段
Figure FDA00019431730900000222
重度分心；
Figure FDA0001943173090000031
CN201910027872.XA 2019-01-11 2019-01-11 一种基于横向行车速度的驾驶员分心判别方法 Active CN109649399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910027872.XA CN109649399B (zh) 2019-01-11 2019-01-11 一种基于横向行车速度的驾驶员分心判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910027872.XA CN109649399B (zh) 2019-01-11 2019-01-11 一种基于横向行车速度的驾驶员分心判别方法

Publications (2)

Publication Number Publication Date
CN109649399A CN109649399A (zh) 2019-04-19
CN109649399B true CN109649399B (zh) 2020-02-14

Family

ID=66119199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910027872.XA Active CN109649399B (zh) 2019-01-11 2019-01-11 一种基于横向行车速度的驾驶员分心判别方法

Country Status (1)

Country Link
CN (1) CN109649399B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110316056A (zh) * 2019-05-29 2019-10-11 文远知行有限公司 防止交通对象追尾方法、装置、计算机设备和存储介质
CN112026781A (zh) * 2020-06-22 2020-12-04 心有灵犀科技股份有限公司 一种驾驶员行为数据的分析方法及系统
CN113171095B (zh) * 2021-04-23 2022-02-08 哈尔滨工业大学 一种层级式驾驶员认知分心检测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3875462B2 (ja) * 2000-07-26 2007-01-31 本田技研工業株式会社 車両の車線逸脱警報装置
JP2011081570A (ja) * 2009-10-06 2011-04-21 Toyota Motor Corp ドライバー状態推定装置及びドライバー状態推定方法
CN105882749A (zh) * 2015-02-16 2016-08-24 本田技研工业株式会社 驾驶员注意力状态判定装置
CN106274483A (zh) * 2016-11-10 2017-01-04 合肥工业大学 基于分心驾驶行为判别的车辆自动驾驶切换装置及方法
CN108327717A (zh) * 2018-02-06 2018-07-27 合肥工业大学 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3875462B2 (ja) * 2000-07-26 2007-01-31 本田技研工業株式会社 車両の車線逸脱警報装置
JP2011081570A (ja) * 2009-10-06 2011-04-21 Toyota Motor Corp ドライバー状態推定装置及びドライバー状態推定方法
CN105882749A (zh) * 2015-02-16 2016-08-24 本田技研工业株式会社 驾驶员注意力状态判定装置
CN106274483A (zh) * 2016-11-10 2017-01-04 合肥工业大学 基于分心驾驶行为判别的车辆自动驾驶切换装置及方法
CN108327717A (zh) * 2018-02-06 2018-07-27 合肥工业大学 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于粒子群优化支持向量机算法的行驶工况识别及应用;石琴等;《中国机械工程》;20180815;第29卷(第15期);1875-1883 *

Also Published As

Publication number Publication date
CN109649399A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109649399B (zh) 一种基于横向行车速度的驾驶员分心判别方法
CN110807436B (zh) 危险驾驶行为识别与危险事件预测方法、装置及存储介质
CN106828106B (zh) 一种面向动车组牵引电机的故障预警方法
CN113112796B (zh) 一种驾驶行为特征的构造方法、系统和驾驶行为分析方法
CN106218668B (zh) 车轮不圆度检测方法及装置
CN113343928B (zh) 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备
CN115649183B (zh) 车辆质量估计方法、装置、电子设备及存储介质
CN113358380B (zh) 一种轨道车辆蛇行运动稳定性检测和评定方法
CN104833535A (zh) 一种铁道车辆车轮踏面擦伤的检测方法
CN104699980A (zh) 基于加速度传感器实现iri值软测量的方法
CN117191305B (zh) 一种公路桥梁的状态评估方法及系统
CN111749092A (zh) 基于噪声信号识别的多孔沥青路面飞散病害检测方法
JP2002160512A (ja) タイヤ空気圧推定装置
CN102519577B (zh) 道路中路面的识别方法及系统
CN113173175B (zh) 一种车辆重量确定方法及装置
CN113008985B (zh) 一种利用轮胎/路面噪声评价道路路面构造的方法
CN106650801A (zh) 一种基于gps数据的多类型车辆分类方法
JP3885297B2 (ja) 異音判定装置及び異音判定方法
CN114993434B (zh) 一种基于声信号的emd能量熵的车重识别系统和方法
CN112622915B (zh) 基于高频轮速与机器学习的胎压及磨损量监测方法
CN113125000B (zh) 一种车内空调系统异响等级评判方法
CN113343919A (zh) 钢轨连续等距离擦硌伤的检测方法、装置、及计算机设备
CN111458116A (zh) 一种汽车转向管柱装配质量检测方法
CN113008563A (zh) 基于物联网和人工智能的汽车行驶安全监测方法
CN105702028A (zh) 一种基于机动车音频信号的交通状态判别系统

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