CN109910900A - 一种智能驾驶系统及方法 - Google Patents
一种智能驾驶系统及方法 Download PDFInfo
- Publication number
- CN109910900A CN109910900A CN201910258639.2A CN201910258639A CN109910900A CN 109910900 A CN109910900 A CN 109910900A CN 201910258639 A CN201910258639 A CN 201910258639A CN 109910900 A CN109910900 A CN 109910900A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- human body
- control system
- analysis control
- 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
-
- 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
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
-
- 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
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/26—Incapacity
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road
Abstract
本发明提供了一种智能驾驶系统和方法。所述智能系统包括车辆分析控制系统,以及与车辆分析控制系统连接的疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统。本发明提供的智能驾驶系统和方法根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适,同时考虑到内因(驾驶员状况)和外因(道路环境)对驾驶过程的安全性的影响,大大提高了车辆驾驶的安全性,减轻了驾驶员的驾驶压力。
Description
技术领域
本发明属于智能驾驶技术领域,尤其涉及一种智能驾驶系统及方法。
背景技术
随着科技的发展,智能驾驶汽车渐渐被人们所熟知。智能驾驶系统可以利用车载传感系统获取车辆和驾驶员的相关信息,智能选择更为合适和安全的驾驶方式。疲劳驾驶是引起交通事故的主要原因之一,严重威胁着人们的生命和财产安全。驾驶员疲劳时判断能力明显下降、反应迟钝、操作失误增加,如果仍勉强驾驶车辆,则可能导致交通事故的发生。如果智能驾驶系统可以准确判断驾驶员的疲劳驾驶状态,就可以大大提高智能驾驶的安全性。同时,路况情况也会影响车辆行驶的安全性。综合考虑不同程度的驾驶员疲劳情况和复杂程度不一的路况情况,可以有效提高智能驾驶系统的智能性和安全性。
发明内容
为了解决上述技术问题,本发明提供一种智能驾驶系统,包括:车辆分析控制系统、以及与车辆分析控制系统连接的疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统;其中:
车辆分析控制系统:用于通过疲劳感应系统监测的驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I;同时用于根据电子地图系统判断车辆所处的路况环境;然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统;
疲劳感应系统:用于监测驾驶员的各项人体生理指标,并将监测结果发送给车辆分析控制系统,
电子地图系统:用于判断车辆所处的路况环境;
自动驾驶系统:用于根据车辆分析控制系统的指令控制车辆的行驶;还用于获取车辆的位置信息并发送给电子地图系统;
提醒系统:用于根据车辆分析控制系统的指令发出声音和震动。
进一步的,所述疲劳感应系统包括:
电波信号采集模块:与驾驶员头皮连接,用于记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;
人体血氧检测模块:用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,用于进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,用于进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,用于实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR。
进一步的,所述人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
进一步的,所述路况环境可分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路。
进一步的,所述车辆分析控制系统判断需要选择何种驾驶方式的具体判断过程包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境;如果路况环境为高速、快速公路等仅有机动车行驶的道路,则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
本发明还提供一种智能驾驶方法,包括如下步骤:
S1.车辆分析控制系统通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I;
S2.车辆分析控制系统根据电子地图系统判断车辆所处的路况环境;
S3.车辆分析控制系统根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统。
进一步的,所述疲劳感应系统包括:
脑电波信号采集模块:与驾驶员头皮连接,记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;
人体血氧检测模块:通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR。
进一步的,所述人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
进一步的,所述路况环境分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路。
进一步的,所述车辆分析控制系统判断需要选择何种驾驶方式的具体判断过程包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境;如果路况环境为高速、快速公路等仅有机动车行驶的道路,则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统1发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
与现有技术相比,本发明的有益效果在于:
本发明提供的智能驾驶系统和方法根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适,同时考虑到内因(驾驶员状况)和外因(道路环境)对驾驶过程的安全性的影响,大大提高了车辆驾驶的安全性,减轻了驾驶员的驾驶压力。
附图说明
图1为实施例1的智能驾驶系统的结构框图;
图2为实施例2的车辆分析控制系统判断需要选择何种驾驶方式的流程图。
具体实施方式
驾驶员人体综合疲劳指数、驾驶时间、车辆是否处于安全区域、实时车胎温度、实时光线强度、驾驶环境都会对智能驾驶系统判断采用哪一种驾驶模式产生影响。智能驾驶系统包含的驾驶模式一般包括三种:驾驶模式一是无人驾驶;驾驶模式二是高级驾驶员辅助模式,高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;驾驶模式三是驾驶员驾驶模式,其中在优选实施例中驾驶员驾驶车辆时还可以接收到智能驾驶系统发送的“提醒信息”。具体见下列实施例。
实施例1
一种智能驾驶系统,如图1所示,包括:车辆分析控制系统1、以及与车辆分析控制系统1连接的疲劳感应系统2、电子地图系统3、自动驾驶系统4、提醒系统5;其中:
车辆分析控制系统1:
用于通过疲劳感应系统2监测的驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I;人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
同时用于根据电子地图系统3判断车辆所处的路况环境;然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统4;
疲劳感应系统2:用于监测驾驶员的各项人体生理指标,并将监测结果发送给车辆分析控制系统1,包括:
脑电波信号采集模块201:与驾驶员头皮连接,用于记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块202:用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块203:与驾驶员手腕部位连接,用于进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块204:与驾驶员手腕部位连接,用于进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块205:与驾驶员手腕部位连接,用于实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
电子地图系统3:用于判断车辆所处的路况环境;路况环境可分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路;
自动驾驶系统4:用于根据车辆分析控制系统1的指令控制车辆的行驶;还用于获取车辆的位置信息并发送给电子地图系统3;
在本实施例中,自动驾驶系统4为不利用或利用有限的来自驾驶员的输入来控制车辆10的运动的系统,可以使车辆处于完全自动驾驶状态(即无人驾驶状态)或高级驾驶员辅助状态(驾驶员仅进行有限操作或输入);
提醒系统5:用于根据车辆分析控制系统1的指令发出声音和震动。
本实施例提供的智能驾驶系统可以设置在车辆上,驾驶员驾驶车辆时,疲劳感应系统2监测驾驶员的各项人体生理指标并将监测结果发送给车辆分析控制系统1,车辆分析控制系统1根据各项人体生理指标获得驾驶员的人体综合疲劳指数I。同时,车辆分析控制系统1还会根据电子地图系统3判断车辆所处的路况环境。然后,车辆分析控制系统1通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态。如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境。如果路况环境为高速公路、快速公路等仅有机动车行驶的道路,则车辆分析控制系统1发送“完全自主驾驶模式”指令给自动驾驶系统4,自动驾驶系统4接收到指令后控制车辆进入无人驾驶模式。如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统4,自动驾驶系统4接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等。如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统1发送“提醒”指令给提醒系统5,提醒系统5收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止。如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统1不发送指令给自动驾驶系统4,驾驶员自行驾驶车辆。
本实施例提供的智能驾驶系统根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适,大大提高了车辆驾驶的安全性,减轻了驾驶员的驾驶压力。
在本实施例中,血氧饱和度SPO2可以根据以下公式进行计算:
a=[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmi为采集到的不同的红光和红外光的直流分量和交流分量,a为经验系数,通过a即可换算血氧饱和度SPO2。
实施例2
一种智能驾驶方法,包括如下步骤:
S1.车辆分析控制系统1通过疲劳感应系统2监测的人体生理指标的监测结果获得人体综合疲劳指数I;
疲劳感应系统2包括:
脑电波信号采集模块201:与驾驶员头皮连接,记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块202:通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块203:与驾驶员手腕部位连接,进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块204:与驾驶员手腕部位连接,进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块205:与驾驶员手腕部位连接,实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
S2.车辆分析控制系统1根据电子地图系统3判断车辆所处的路况环境;
路况环境分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路;
S3.车辆分析控制系统1根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统4;
具体判断过程如图2所示,包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境;如果路况环境为高速、快速公路等仅有机动车行驶的道路,则车辆分析控制系统1发送“完全自主驾驶模式”指令给自动驾驶系统4,自动驾驶系统4接收到指令后控制车辆进入无人驾驶模式;如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统4,自动驾驶系统4接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统1发送“提醒”指令给提醒系统5,提醒系统5收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统1不发送指令给自动驾驶系统4,驾驶员自行驾驶车辆。
实施例3
一种智能驾驶方法,包括如下步骤:
S1.疲劳感应系统监测驾驶员的人体生理指标,并将监测结果发送给车辆分析控制系统,车辆分析控制系统通过驾驶员人体生理指标的监测结果计算出人体综合疲劳指数I;
其中,疲劳感应系统包括:
脑电波信号采集模块:与驾驶员头皮连接,记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块:通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,进行人体手腕部温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
S2.车辆分析控制系统根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器和车载传感器的感知数据、地理信息数据库的车辆行驶路线数据,预测车辆是否处于安全区域;
其中,车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等;
路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据;
车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图,可以从车道级的高精地图中获取或者通过录制车辆沿车道中心线行驶轨迹作为车辆行驶路线数据;
车辆是否处于安全区域由车辆状态数据、路侧传感器和车载传感器的感知数据以及车辆行驶路线数据三个因素共同决定;在本实施例中,当车辆状态数据显示车辆为非超大型和非超大重量车型,且驾驶速度基本均匀,没有或极少出现急停、急加速、急转弯等非正常驾驶现象时,可判定车辆行驶仅从车辆状态数据这一因素考虑是安全的;当路侧传感器和车载传感器的感知数据显示采集到的行人、其他车辆、障碍物的尺寸非超大、位置距离较远、速度未超速并且未发生较大角度的方向转移,即可判定车辆行驶仅从路侧传感器和车载传感器的感知数据这一因素考虑是安全的;当车辆行驶路线数据显示车辆行驶即将经过的路线路况环境良好即可判定车辆行驶仅从车辆行驶路线数据这一因素考虑是安全的;当车辆状态数据、路侧传感器和车载传感器的感知数据以及车辆行驶路线数据三个因素均显示车辆行驶处于安全状态,即可判定车辆处于安全区域,否则判定车辆未处于安全区域。
S3.车辆分析控制系统根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统;
具体判断过程包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断当前时间是否在易疲劳时间段;易疲劳时间可以根据驾驶员个人生活习惯和所在时区进行个性化设置,例如在东八区一般可设置为0-7时和13-14时;如果此时正好是易疲劳时间段,则进一步判断车辆当前是否在安全区域;如果车辆处于安全区域,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果车辆未处于安全区域,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员处于疲劳驾驶状态,但此时并不是易疲劳时间段,则进一步判断车辆当前是否在安全区域;
如果车辆处于安全区域,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果车辆未处于安全区域,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
在本实施例中,血氧饱和度SPO2可以根据以下公式进行计算:
a=[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmi为采集到的不同的红光和红外光的直流分量和交流分量,a为经验系数,通过a即可换算血氧饱和度SPO2。
实施例4
一种智能驾驶系统,包括:车辆分析控制系统、以及与车辆分析控制系统连接的疲劳感应系统、车辆状态数据库、传感器感知数据库、地理信息数据库、自动驾驶系统、提醒系统;其中:
车辆分析控制系统:
用于通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I,人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
同时用于根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器以及车载传感器的感知数据、地理信息数据库的车辆行驶路线数据,预测车辆是否处于安全区域;然后根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统;
疲劳感应系统:用于监测驾驶员的各项人体生理指标,并将监测结果发送给车辆分析控制系统,包括:
脑电波信号采集模块:与驾驶员头皮连接,用于记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块:用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,用于进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,用于进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,用于实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
车辆状态数据库:用于存储自动驾驶系统周期性上报的车辆状态数据;车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等;
传感器感知数据库:用于存储路侧传感器以及车载传感器的感知数据;感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据;原始的视频流数据、雷达的点云数据需要先分析成可识别的结构化的行人、车辆、障碍物的位置、速度、转向角度、尺寸大小数据;
地理信息数据库:用于存储车辆行驶路线数据;车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图,可以从车道级的高精地图中获取或者通过录制车辆沿车道中心线行驶轨迹作为车辆行驶路线数据;
自动驾驶系统:用于根据车辆分析控制系统的指令控制车辆的行驶;还用于获取车辆的位置、车速等车辆状态数据并通过蜂窝网络周期性发送给车辆状态数据库;
在本实施例中,自动驾驶系统为不利用或利用有限的来自驾驶员的输入来控制车辆的运动的系统,可以使车辆处于完全自动驾驶系统(即无人驾驶状态)或高级驾驶员辅助系统(驾驶员仅进行有限操作或输入);
提醒系统:用于根据车辆分析控制系统的指令发出声音和震动。
本实施例提供的智能驾驶系统可以设置在车辆上,驾驶员驾驶车辆时,疲劳感应系统监测驾驶员的各项人体生理指标并将监测结果发送给车辆分析控制系统,车辆分析控制系统根据各项人体生理指标获得驾驶员的人体综合疲劳指数I。同时,车辆分析控制系统还会根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器和车载传感器的感知数据、地理信息数据库的车辆行驶路线数据来预测车辆是否处于安全区域。然后,车辆分析控制系统通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态。如果驾驶员处于疲劳驾驶状态,则进一步判断当前时间是否在易疲劳时间段。如果此时正好是易疲劳时间段,则进一步判断车辆当前是否在安全区域。如果车辆处于安全区域,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果车辆未处于安全区域,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止。如果驾驶员处于疲劳驾驶状态,但此时并不是易疲劳时间段,则进一步判断车辆当前是否在安全区域。如果车辆处于安全区域,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;如果车辆未处于安全区域,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止。如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
实施例5
一种智能驾驶系统,包括:车辆分析控制系统以及与车辆分析控制系统连接的疲劳感应系统、障碍物感应系统、自动驾驶系统、提醒系统;其中:
车辆分析控制系统用于通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I,并根据人体综合疲劳指数I来判断选择哪种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统;
人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
车辆分析控制系统还用于当车辆与障碍物感应系统感应到的障碍物之间的距离缩小至安全距离界限S0时,发出障碍物提醒指令给提醒系统;
本实例中的障碍物包括出现在驾驶员正常视野角度的可视距离内的人、车辆或其他会影响车辆正常行驶的物体;
本实施例中的安全距离界限S0由车辆行驶的道路的状况而定;
车辆分析控制系统同时还用于根据驾驶员针对障碍物做出相应驾驶操作的时间与障碍物出现在安全距离界限S0处的时间之间的时间差得出驾驶员反应延迟时间t,再根据驾驶员的反应延迟时间t对安全距离界限S0进行修正获得修正后的安全距离S;
修正后的安全距离S按照下列公式计算:
S=S0+vt
其中,v为车辆的实时车速;
疲劳感应系统:用于监测驾驶员的各项人体生理指标,并将监测结果发送给车辆分析控制系统,包括:
脑电波信号采集模块:与驾驶员头皮连接,用于记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块:用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,用于进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,用于进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,用于实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
障碍物感应系统:用于感应障碍物并获得车辆与障碍物之间的距离,并将感应结果发送给车辆分析控制系统;
自动驾驶系统:用于根据车辆分析控制系统的指令控制车辆的行驶;
在本实施例中,自动驾驶系统为不利用或利用有限的来自驾驶员的输入来控制车辆的运动的系统,可以使车辆处于完全自动驾驶系统(即无人驾驶状态)或高级驾驶员辅助系统(驾驶员仅进行有限操作或输入);
提醒系统:用于根据车辆分析控制系统的指令发出声音和震动。
实施例提供的智能驾驶系统可以设置在车辆上,驾驶员驾驶车辆时,疲劳感应系统监测驾驶员的各项人体生理指标并将监测结果发送给车辆分析控制系统,车辆分析控制系统根据各项人体生理指标获得驾驶员的人体综合疲劳指数I。车辆分析控制系统通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态。如果驾驶员处于疲劳驾驶状态,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式。如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统暂时不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。若在驾驶员自行驾驶车辆的过程中,车辆分析控制系统根据驾驶员针对障碍物做出相应驾驶操作的时间与障碍物出现在安全距离界限S0处的时间之间存在时间差获得驾驶员存在反应延迟的信息,立即根据驾驶员的反应延迟时间t对安全距离界限S0进行修正,并在车辆距离障碍物的距离等于修正后的安全距离S时,向提醒系统发送障碍物提醒指令,提醒系统收到指令后发出声音和震动提醒驾驶员。车辆分析控制系统每次获得驾驶员存在反应延迟的信息后均对安全距离界限S0进行修正获得新的安全距离S。当车辆分析控制系统第四次获得驾驶员存在反应延迟的信息后,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式。
实施例提供的智能驾驶系统从驾驶员的身体指标和驾驶员的反应速度两个方面来综合判断驾驶员的疲劳状态,提高了判断结果的准确性,有效避免驾驶员在疲劳状态下驾驶车辆,提高了车辆行驶的安全性。
在本实施例中,血氧饱和度SPO2可以根据以下公式进行计算:
a=[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmi为采集到的不同的红光和红外光的直流分量和交流分量,a为经验系数,通过a即可换算血氧饱和度SPO2。
实施例6
一种智能驾驶方法,包括:
(1)车辆分析控制系统通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I,并根据人体综合疲劳指数I来判断是否选择哪种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统;
疲劳感应系统包括:
脑电波信号采集模块:与驾驶员头皮连接,记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段,其中Delta波段对应深度睡眠状态,Theta波段对应睡意朦胧状态,Alpha波段对应闭眼清醒放松状态,Beta波段对应积极思考或者紧张的状态,Gamma波段对应躯体正常运动状态;
人体血氧检测模块:通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度;光电传感器的红光和红外光交替发光,红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性,可绝对每一种成分的百分含量即血氧饱和度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR;
人体综合疲劳指数I由人体生理指标的监测结果得出,人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR,人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子;
(2)当车辆与障碍物感应系统感应到的障碍物之间的距离缩小至安全距离界限S0时,车辆分析控制系统发出障碍物提醒指令给提醒系统;
本实例中的障碍物包括出现在驾驶员正常视野角度的可视距离内的人、车辆或其他会影响车辆正常行驶的物体;
本实施例中的安全距离界限S0由车辆行驶的道路的状况而定;
(3)车辆分析控制系统根据驾驶员针对障碍物做出相应驾驶操作的时间与障碍物出现在安全距离界限S0处的时间之间的时间差得出驾驶员反应延迟时间t,再根据驾驶员的反应延迟时间t对安全距离界限S0进行修正获得修正后的安全距离S;
修正后的安全距离S按照下列公式计算:
S=S0+vt
其中,v为车辆的实时车速。
在本实施例提供的智能驾驶方法中,车辆分析控制系统根据人体综合疲劳指数I判断选择驾驶方式具体包括:
车辆分析控制系统通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态。如果驾驶员处于疲劳驾驶状态,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式。如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统暂时不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
在本实施例提供的智能驾驶方法中,还包括:
若在驾驶员自行驾驶车辆的过程中,车辆分析控制系统根据驾驶员针对障碍物做出相应驾驶操作的时间与障碍物出现在安全距离界限S0处的时间之间存在时间差获得驾驶员存在反应延迟的信息,立即根据驾驶员的反应延迟时间t对安全距离界限S0进行修正,并在车辆距离障碍物的距离等于修正后的安全距离S时,向提醒系统发送障碍物提醒指令,提醒系统收到指令后发出声音和震动提醒驾驶员。车辆分析控制系统每次获得驾驶员存在反应延迟的信息后均对安全距离界限S0进行修正获得新的安全距离S。当车辆分析控制系统第四次获得驾驶员存在反应延迟的信息后,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式。
实施例7
一种智能驾驶系统,包括:车辆分析控制系统、自动驾驶系统、提醒系统、设置在车胎位置的车胎温度传感器和设置在车辆外部的光线传感器;车胎温度传感器、光线传感器、自动驾驶系统、提醒系统分别与车辆分析控制系统连接;其中:
车辆分析控制系统:用于根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统;具体过程包括:
若实时光线强度Ri在光线强度上限Rc高和光线强度下限Rc低之间;则进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度;直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间,车辆分析控制系统再发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;
若实时光线强度Ri高于光线强度上限Rc高,则进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度;直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间,车辆分析控制系统再发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;
若实时光线强度Ri低于光线强度下限Rc低,车辆分析控制系统发送“开启车灯”指令给自动驾驶系统并发送“提醒”指令给提醒系统,自动驾驶系统开启车辆的车灯,提醒系统收到指令后周期性发出声音和震动提醒驾驶员“光线过暗,注意驾驶安全”;并且进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统不再发送指令给自动驾驶系统;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统1发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度,直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间;
自动驾驶系统:用于根据车辆分析控制系统的指令控制车辆的行驶以及车灯和温控系统的开关;
在本实施例中,自动驾驶系统包括驾驶控制部分、车灯控制部分和温控系统控制部分;其中驾驶控制部分包括不利用或利用有限的来自驾驶员的输入来控制车辆的运动的系统,可以使车辆处于完全自动驾驶状态(即无人驾驶状态)或高级驾驶员辅助状态(驾驶员仅进行有限操作或输入);车灯控制部分用于控制车辆车灯开闭;温控系统控制部分用于控制车辆车胎的温控系统;
提醒系统:用于根据车辆分析控制系统的指令发出声音和震动;
车胎温度传感器:用于感应车辆车胎的实时车胎温度Ti并发送给车辆分析控制系统;
光线传感器:用于感应车辆外的实时光线强度Ri并发送给车辆分析控制系统。
本实施例提供的智能驾驶系统可以设置在车辆上,驾驶员驾驶车辆时,车胎温度传感器感应实时车胎温度Ti发送给车辆分析控制系统,光线传感器感应车辆外的实时光线强度Ri发送给车辆分析控制系统1;车辆分析控制系统根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统。自动驾驶系统接收到车辆分析控制系统的指令后按照指令控制车辆的行驶以及车灯和温控系统的开关。提醒系统接收到车辆分析控制系统的指令后发出声音和震动提醒驾驶员。
实施例8
一种智能驾驶方法,包括如下步骤:
S1.车胎温度传感器感应实时车胎温度Ti发送给车辆分析控制系统,光线传感器感应车辆外的实时光线强度Ri发送给车辆分析控制系统;
S2.车辆分析控制系统根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统;
具体判断过程包括:
若实时光线强度Ri在光线强度上限Rc高和光线强度下限Rc低之间;则进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度;直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间,车辆分析控制系统再发送“完全自动驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;
若实时光线强度Ri高于光线强度上限Rc高,则进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度;直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间,车辆分析控制系统再发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;
若实时光线强度Ri低于光线强度下限Rc低,车辆分析控制系统发送“开启车灯”指令给自动驾驶系统并发送“提醒”指令给提醒系统,自动驾驶系统开启车辆的车灯,提醒系统收到指令后周期性发出声音和震动提醒驾驶员“光线过暗,注意驾驶安全”;并且进一步判断实时车胎温度Ti的情况,若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间,则车辆分析控制系统不再发送指令给自动驾驶系统;若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时,则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统,自动驾驶系接收到指令后控制温控系统降低或升高车胎温度,直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种智能驾驶系统,其特征在于,所述系统包括:车辆分析控制系统、以及与车辆分析控制系统连接的疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统;其中:
车辆分析控制系统:用于通过疲劳感应系统监测的驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I;同时用于根据电子地图系统判断车辆所处的路况环境;然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统;
疲劳感应系统:用于监测驾驶员的各项人体生理指标,并将监测结果发送给车辆分析控制系统,
电子地图系统:用于判断车辆所处的路况环境;
自动驾驶系统:用于根据车辆分析控制系统的指令控制车辆的行驶;还用于获取车辆的位置信息并发送给电子地图系统;
提醒系统:用于根据车辆分析控制系统的指令发出声音和震动。
2.根据权利要求1所述的智能驾驶系统,其特征在于,所述疲劳感应系统包括:
电波信号采集模块:与驾驶员头皮连接,用于记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;
人体血氧检测模块:用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,用于进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,用于进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,用于实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR。
3.根据权利要求2所述的智能驾驶系统,其特征在于,所述人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
4.根据权利要求1所述的智能驾驶系统,其特征在于,所述路况环境可分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路。
5.根据权利要求1所述的智能驾驶系统,其特征在于,所述车辆分析控制系统判断需要选择何种驾驶方式的具体判断过程包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境;如果路况环境为高速、快速公路等仅有机动车行驶的道路,则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
6.一种智能驾驶方法,其特征在于,所述智能驾驶方法包括如下步骤:
S1.车辆分析控制系统通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I;
S2.车辆分析控制系统根据电子地图系统判断车辆所处的路况环境;
S3.车辆分析控制系统根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式,并根据判断结果发送控制指令给自动驾驶系统。
7.根据权利要求6所述的智能驾驶方法,其特征在于,所述疲劳感应系统包括:
脑电波信号采集模块:与驾驶员头皮连接,记录脑细胞群的自发性、节律性活动,通过分析脑电波频率范围,结合大脑节律性生理活动,得到大脑状态F;
人体血氧检测模块:通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度SPO2;
人体温度检测模块:与驾驶员手腕部位连接,进行人体温度采样采集,通过采样算法得到人体手腕部温度T;
人体血压检测模块:与驾驶员手腕部位连接,进行血压采集,通过收缩压和舒张压的均值得出人体血压指数P;
人体心率检测模块:与驾驶员手腕部位连接,实时采集驾驶员手腕部位的脉搏波信号,经波形预处理后得到心率HR。
8.根据权利要求7所述的智能驾驶方法,其特征在于,所述人体综合疲劳指数I的计算公式如下所示:
I=A1F+A2SPO2+A3T+A4P+A5HR
其中,A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
9.根据权利要求6所述的智能驾驶方法,其特征在于,所述路况环境分为高速公路、快速公路等仅有机动车行驶的道路,机动车、非机动车、行人各行其道的道路,以及学校、城市商业中心等路况较为复杂的道路。
10.根据权利要求6所述的智能驾驶方法,其特征在于,所述车辆分析控制系统判断需要选择何种驾驶方式的具体判断过程包括:
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态;
如果驾驶员处于疲劳驾驶状态,则进一步判断车辆所处的路况环境;如果路况环境为高速、快速公路等仅有机动车行驶的道路,则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入无人驾驶模式;如果路况环境为机动车、非机动车、行人各行其道的道路,车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统,自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式;高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统,如“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统等;如果路况环境为学校、城市商业中心等路况较为复杂的道路时,则车辆分析控制系统1发送“提醒”指令给提醒系统,提醒系统收到指令后发出声音和震动,直到驾驶员反馈收到危险信号为止;
如果驾驶员不处于疲劳驾驶状态,则车辆分析控制系统不发送指令给自动驾驶系统,驾驶员自行驾驶车辆。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258639.2A CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
CN202011080368.5A CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910258639.2A CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011080368.5A Division CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109910900A true CN109910900A (zh) | 2019-06-21 |
CN109910900B CN109910900B (zh) | 2020-11-10 |
Family
ID=66968023
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910258639.2A Active CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
CN202011080368.5A Active CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011080368.5A Active CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN109910900B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243235A (zh) * | 2020-01-13 | 2020-06-05 | 惠龙易通国际物流股份有限公司 | 驾驶辅助方法及装置 |
CN111559388A (zh) * | 2020-03-26 | 2020-08-21 | 吉利汽车研究院(宁波)有限公司 | 一种目标车辆筛选方法、装置、设备及存储介质 |
CN111619536A (zh) * | 2020-06-05 | 2020-09-04 | 易绍福 | 一种车辆制动控制方法、系统、平台及存储介质 |
CN112455461A (zh) * | 2019-09-06 | 2021-03-09 | 华为技术有限公司 | 自动驾驶车辆的人车交互的方法、自动驾驶系统 |
CN113548033A (zh) * | 2020-04-15 | 2021-10-26 | 百度(美国)有限责任公司 | 基于系统负载的安全操作员告警方法及系统 |
WO2023173942A1 (zh) * | 2022-03-17 | 2023-09-21 | 上海安亭地平线智能交通技术有限公司 | 辅助驾驶方法、装置、电子设备和存储介质 |
CN117227740A (zh) * | 2023-09-14 | 2023-12-15 | 南京项尚车联网技术有限公司 | 一种智能驾驶车辆的多模态感知系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114005250A (zh) * | 2021-10-12 | 2022-02-01 | 上海电机学院 | 一种疲劳驾驶监测结合自动驾驶的智能系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104477167A (zh) * | 2014-11-26 | 2015-04-01 | 浙江大学 | 一种智能驾驶系统及其控制方法 |
DE102015014344A1 (de) * | 2015-11-06 | 2016-05-12 | Daimler Ag | Verfahren und Vorrichtung zur Erkennung einer Reaktionsfähigkeit eines Fahrers |
CN107336711A (zh) * | 2017-06-19 | 2017-11-10 | 北京汽车股份有限公司 | 车辆及其自动驾驶系统和方法 |
CN107826117A (zh) * | 2017-11-22 | 2018-03-23 | 天津智能网联汽车产业研究院 | 一种自动驾驶系统及控制方法 |
CN207328435U (zh) * | 2017-10-17 | 2018-05-08 | 南京工程学院 | 一种基于opencv智能驾驶辅助系统 |
CN109044296A (zh) * | 2018-09-03 | 2018-12-21 | 深圳市尼欧科技有限公司 | 一种智能生理疲劳度检测的驾驶疲劳提醒手环 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11151230A (ja) * | 1997-11-19 | 1999-06-08 | Nissan Motor Co Ltd | 車両用運転者状態計測装置 |
EP2237237B1 (en) * | 2009-03-30 | 2013-03-20 | Tobii Technology AB | Eye closure detection using structured illumination |
CN102910145B (zh) * | 2012-10-31 | 2015-09-23 | 深圳市长宇电器有限公司 | 一种防止车辆驾驶人员出现疲劳驾驶的方法 |
DE102015105581A1 (de) * | 2014-11-03 | 2016-05-04 | Audi Ag | System und Verfahren zur Überwachung des Gesundheitszustandes und/oder des Befindens eines Fahrzeuginsassen |
CN104943609A (zh) * | 2015-05-07 | 2015-09-30 | 广东科学技术职业学院 | 驾驶疲劳警示与强制停车系统及其控制方法 |
-
2019
- 2019-04-01 CN CN201910258639.2A patent/CN109910900B/zh active Active
- 2019-04-01 CN CN202011080368.5A patent/CN112141118B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104477167A (zh) * | 2014-11-26 | 2015-04-01 | 浙江大学 | 一种智能驾驶系统及其控制方法 |
DE102015014344A1 (de) * | 2015-11-06 | 2016-05-12 | Daimler Ag | Verfahren und Vorrichtung zur Erkennung einer Reaktionsfähigkeit eines Fahrers |
CN107336711A (zh) * | 2017-06-19 | 2017-11-10 | 北京汽车股份有限公司 | 车辆及其自动驾驶系统和方法 |
CN207328435U (zh) * | 2017-10-17 | 2018-05-08 | 南京工程学院 | 一种基于opencv智能驾驶辅助系统 |
CN107826117A (zh) * | 2017-11-22 | 2018-03-23 | 天津智能网联汽车产业研究院 | 一种自动驾驶系统及控制方法 |
CN109044296A (zh) * | 2018-09-03 | 2018-12-21 | 深圳市尼欧科技有限公司 | 一种智能生理疲劳度检测的驾驶疲劳提醒手环 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112455461A (zh) * | 2019-09-06 | 2021-03-09 | 华为技术有限公司 | 自动驾驶车辆的人车交互的方法、自动驾驶系统 |
CN112455461B (zh) * | 2019-09-06 | 2022-10-28 | 华为技术有限公司 | 自动驾驶车辆的人车交互的方法、自动驾驶系统 |
CN111243235A (zh) * | 2020-01-13 | 2020-06-05 | 惠龙易通国际物流股份有限公司 | 驾驶辅助方法及装置 |
CN111559388A (zh) * | 2020-03-26 | 2020-08-21 | 吉利汽车研究院(宁波)有限公司 | 一种目标车辆筛选方法、装置、设备及存储介质 |
CN111559388B (zh) * | 2020-03-26 | 2022-07-12 | 吉利汽车研究院(宁波)有限公司 | 一种目标车辆筛选方法、装置、设备及存储介质 |
CN113548033A (zh) * | 2020-04-15 | 2021-10-26 | 百度(美国)有限责任公司 | 基于系统负载的安全操作员告警方法及系统 |
CN113548033B (zh) * | 2020-04-15 | 2023-12-01 | 百度(美国)有限责任公司 | 基于系统负载的安全操作员告警方法及系统 |
CN111619536A (zh) * | 2020-06-05 | 2020-09-04 | 易绍福 | 一种车辆制动控制方法、系统、平台及存储介质 |
WO2023173942A1 (zh) * | 2022-03-17 | 2023-09-21 | 上海安亭地平线智能交通技术有限公司 | 辅助驾驶方法、装置、电子设备和存储介质 |
CN117227740A (zh) * | 2023-09-14 | 2023-12-15 | 南京项尚车联网技术有限公司 | 一种智能驾驶车辆的多模态感知系统及方法 |
CN117227740B (zh) * | 2023-09-14 | 2024-03-19 | 南京项尚车联网技术有限公司 | 一种智能驾驶车辆的多模态感知系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109910900B (zh) | 2020-11-10 |
CN112141118A (zh) | 2020-12-29 |
CN112141118B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109910900A (zh) | 一种智能驾驶系统及方法 | |
CN109910899A (zh) | 一种安全智能驾驶方法及系统 | |
JP7173105B2 (ja) | 自動運転制御装置、自動運転制御方法、プログラム、および自動運転制御システム | |
US10867218B2 (en) | Biometric sensor fusion to classify vehicle passenger state | |
Solovey et al. | Classifying driver workload using physiological and driving performance data: two field studies | |
CN105911901A (zh) | 驾驶支援装置 | |
CN107662611A (zh) | 一种基于驾驶员情绪识别的自动驾驶模式切换系统 | |
CN108099601A (zh) | 一种提高驾驶安全性的检测系统 | |
DE112019002067T5 (de) | Informationsverarbeitungsvorrichtung, Mobilgerät, Informationsverarbeitungssystem, Verfahren und Programm | |
CN101491443A (zh) | 驾驶人疲劳与车辆行驶轨迹的关系模型 | |
US11273284B2 (en) | Mental and physical state inducement apparatus, mental and physical state inducement method, and storage medium storing control program | |
JP2006280513A (ja) | 乗り物操縦者のモニター方法及びシステム | |
CN112455461B (zh) | 自动驾驶车辆的人车交互的方法、自动驾驶系统 | |
CN111231970A (zh) | 健康调节方法、装置、计算机设备和存储介质 | |
Yu et al. | Investigation on driver stress utilizing ECG signals with on-board navigation systems in use | |
CN114652532B (zh) | 基于ssvep与注意力检测的多功能脑控轮椅系统 | |
CN110930641A (zh) | 一种基于生理信息分析的疲劳驾驶预警系统及方法 | |
CN106859644A (zh) | 一种基于脑电波的疲劳驾驶监控系统及监控方法 | |
CN212353957U (zh) | 健康调节系统 | |
CN109949545A (zh) | 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 | |
Zhu et al. | Eeg-based system using deep learning and attention mechanism for driver drowsiness detection | |
CN113066261B (zh) | 一种驾驶者突发疾病的汽车自动制动与报警系统与方法 | |
RU2111134C1 (ru) | Способ поддержания работоспособности водителя транспортного средства и система для его осуществления | |
CN205862535U (zh) | 一种疲劳驾驶预警系统 | |
KR101820292B1 (ko) | 주행 제어 시스템 및 그 구동 방법 |
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 |