CN109949545A - 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 - Google Patents
一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 Download PDFInfo
- Publication number
- CN109949545A CN109949545A CN201910258642.4A CN201910258642A CN109949545A CN 109949545 A CN109949545 A CN 109949545A CN 201910258642 A CN201910258642 A CN 201910258642A CN 109949545 A CN109949545 A CN 109949545A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- driving
- obstacle
- human
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 210000000707 wrist Anatomy 0.000 claims description 38
- 210000004556 brain Anatomy 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 24
- 239000008280 blood Substances 0.000 claims description 20
- 210000004369 blood Anatomy 0.000 claims description 20
- 230000036772 blood pressure Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 19
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 18
- 229910052760 oxygen Inorganic materials 0.000 claims description 18
- 239000001301 oxygen Substances 0.000 claims description 18
- 229910003798 SPO2 Inorganic materials 0.000 claims description 16
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 12
- 230000001020 rhythmical effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 210000004958 brain cell Anatomy 0.000 claims description 6
- 230000035487 diastolic blood pressure Effects 0.000 claims description 6
- 230000001766 physiological effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 210000004761 scalp Anatomy 0.000 claims description 6
- 230000008925 spontaneous activity Effects 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 230000036632 reaction speed Effects 0.000 abstract description 3
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
Abstract
本发明提供了一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法。所述智能驾驶系统包括疲劳分析和车辆控制系统，以及与疲劳分析和车辆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。本发明提供的智能驾驶系统和方法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。
Description
技术领域
本发明属于智能驾驶技术领域，尤其涉及一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法。
背景技术
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。导致驾驶员疲劳驾驶的因素是多方面的，主要包括神经和感觉器官的疲劳，以及因长时间保持固定姿势，血液循环不畅所引起的肢体疲劳。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。现在判断驾驶员的疲劳状态一般依据对一些身体指标的监测，并不够全面，准确性有待进一步提高。
发明内容
为了解决上述技术问题，本发明提供一种基于避免驾驶员疲劳驾驶的智能驾驶系统，包括：疲劳分析和车辆控制系统，以及与疲劳分析和车辆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：
疲劳分析和车辆控制系统：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；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；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疲劳分析和车辆控制系统；
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疲劳分析和车辆控制系统；
自动驾驶系统：用于根据疲劳分析和车辆控制系统的指令控制车辆的行驶；
提醒系统：用于根据疲劳分析和车辆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：
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；
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，所述疲劳分析和车辆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：
疲劳分析和车辆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，则疲劳分析和车辆控制系统发送“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，则疲劳分析和车辆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。
进一步的，所述疲劳分析和车辆控制系统1给提醒系统发出障碍物提醒指令具体包括：
在驾驶员自行驾驶车辆的过程中，若疲劳分析和车辆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。
本发明还提供一种基于避免驾驶员疲劳驾驶的智能驾驶方法，包括：
疲劳分析和车辆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；
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，疲劳分析和车辆控制系统发出障碍物提醒指令给提醒系统；
疲劳分析和车辆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。
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，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，所述疲劳分析和车辆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：
疲劳分析和车辆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，则疲劳分析和车辆控制系统发送“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，则疲劳分析和车辆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。
进一步的，所述疲劳分析和车辆控制系统1给提醒系统发出障碍物提醒指令具体包括：
在驾驶员自行驾驶车辆的过程中，若疲劳分析和车辆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。
与现有技术相比，本发明的有益效果在于：
本发明提供的基于避免驾驶员疲劳驾驶的智能驾驶系统和方法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。
附图说明
图1为实施例1的基于避免驾驶员疲劳驾驶的智能驾驶系统的结构框图。
具体实施方式
实施例1
一种基于避免驾驶员疲劳驾驶的智能驾驶系统，如图1所示，包括：疲劳分析和车辆控制系统1、以及与疲劳分析和车辆控制系统1连接的疲劳感应系统2、障碍物感应系统3、自动驾驶系统4、提醒系统5；其中：
疲劳分析和车辆控制系统1用于通过疲劳感应系统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，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4；
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；
疲劳分析和车辆控制系统1还用于当车辆与障碍物感应系统3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5；
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；
疲劳分析和车辆控制系统1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疲劳分析和车辆控制系统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；
障碍物感应系统3：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疲劳分析和车辆控制系统1；
自动驾驶系统4：用于根据疲劳分析和车辆控制系统1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10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5：用于根据疲劳分析和车辆控制系统1的指令发出声音和震动。
本发明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疲劳分析和车辆控制系统1，疲劳分析和车辆控制系统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。疲劳分析和车辆控制系统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，则疲劳分析和车辆控制系统1发送“完全自动驾驶模式”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。如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制系统1暂时不发送指令给自动驾驶系统4，驾驶员自行驾驶车辆。若在驾驶员自行驾驶车辆的过程中，疲劳分析和车辆控制系统1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5发送障碍物提醒指令，提醒系统5收到指令后发出声音和震动提醒驾驶员。疲劳分析和车辆控制系统1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。当疲劳分析和车辆控制系统1第四次获得驾驶员存在反应延迟的信息后，疲劳分析和车辆控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统6，自动驾驶系统6接收到指令后控制车辆进入高级驾驶员辅助模式。
本发明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2
一种基于避免驾驶员疲劳驾驶的智能驾驶方法，包括：
(1)疲劳分析和车辆控制系统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，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4；
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；
(2)当车辆与障碍物感应系统3感应到的障碍物之间的距离缩小至安全距离界限S0时，疲劳分析和车辆控制系统1发出障碍物提醒指令给提醒系统5；
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)疲劳分析和车辆控制系统1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，疲劳分析和车辆控制系统1根据人体综合疲劳指数I判断选择驾驶方式具体包括：
疲劳分析和车辆控制系统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，则疲劳分析和车辆控制系统1发送“完全自动驾驶模式”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。如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制系统1暂时不发送指令给自动驾驶系统4，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，疲劳分析和车辆控制系统1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5发送障碍物提醒指令，提醒系统5收到指令后发出声音和震动提醒驾驶员。疲劳分析和车辆控制系统1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。当疲劳分析和车辆控制系统1第四次获得驾驶员存在反应延迟的信息后，疲劳分析和车辆控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统6，自动驾驶系统6接收到指令后控制车辆进入高级驾驶员辅助模式。
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)
1.一种基于避免驾驶员疲劳驾驶的智能驾驶系统，其特征在于，所述智能驾驶系统包括：疲劳分析和车辆控制系统，以及与疲劳分析和车辆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：
疲劳分析和车辆控制系统：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；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；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疲劳分析和车辆控制系统；
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疲劳分析和车辆控制系统；
自动驾驶系统：用于根据疲劳分析和车辆控制系统的指令控制车辆的行驶；
提醒系统：用于根据疲劳分析和车辆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：
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；
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，所述疲劳分析和车辆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：
疲劳分析和车辆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，则疲劳分析和车辆控制系统发送“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，则疲劳分析和车辆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。
5.根据权利要求1所述的智能驾驶系统，其特征在于，所述疲劳分析和车辆控制系统给提醒系统发出障碍物提醒指令具体包括：
在驾驶员自行驾驶车辆的过程中，若疲劳分析和车辆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。
6.一种基于避免驾驶员疲劳驾驶的智能驾驶方法，其特征在于，所述智能驾驶方法包括：
疲劳分析和车辆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；
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，疲劳分析和车辆控制系统发出障碍物提醒指令给提醒系统；
疲劳分析和车辆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。
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，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。
8.根据权利要求6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，所述疲劳分析和车辆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：
疲劳分析和车辆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，则疲劳分析和车辆控制系统发送“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，则疲劳分析和车辆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。
10.根据权利要求6所述的智能驾驶方法，其特征在于，所述疲劳分析和车辆控制系统给提醒系统发出障碍物提醒指令具体包括：
在驾驶员自行驾驶车辆的过程中，若疲劳分析和车辆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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910258642.4A CN109949545A (zh) | 2019-04-01 | 2019-04-01 | 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910258642.4A CN109949545A (zh) | 2019-04-01 | 2019-04-01 | 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949545A true CN109949545A (zh) | 2019-06-28 |
Family
ID=67013262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910258642.4A Pending CN109949545A (zh) | 2019-04-01 | 2019-04-01 | 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949545A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111645676A (zh) * | 2020-01-19 | 2020-09-11 | 摩登汽车有限公司 | 车辆避让方法、装置、设备及汽车 |
| CN112829767A (zh) * | 2021-02-22 | 2021-05-25 | 清华大学苏州汽车研究院（相城） | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130274986A1 (en) * | 2008-10-24 | 2013-10-17 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
| CN105911901A (zh) * | 2015-02-20 | 2016-08-31 | 丰田自动车株式会社 | 驾驶支援装置 |
| CN106043309A (zh) * | 2016-06-27 | 2016-10-26 | 常州加美科技有限公司 | 无人驾驶车辆驾驶模式切换的应对策略 |
| WO2017085981A1 (ja) * | 2015-11-19 | 2017-05-26 | ソニー株式会社 | 運転支援装置及び運転支援方法、並びに移動体 |
| CN109204307A (zh) * | 2018-10-30 | 2019-01-15 | 吉林大学 | 获取自适应防碰撞预警距离的方法、存储介质及系统 |
-
2019
- 2019-04-01 CN CN201910258642.4A patent/CN109949545A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130274986A1 (en) * | 2008-10-24 | 2013-10-17 | Gray & Company, Inc. | Control and systems for autonomously driven vehicles |
| CN105911901A (zh) * | 2015-02-20 | 2016-08-31 | 丰田自动车株式会社 | 驾驶支援装置 |
| WO2017085981A1 (ja) * | 2015-11-19 | 2017-05-26 | ソニー株式会社 | 運転支援装置及び運転支援方法、並びに移動体 |
| CN106043309A (zh) * | 2016-06-27 | 2016-10-26 | 常州加美科技有限公司 | 无人驾驶车辆驾驶模式切换的应对策略 |
| CN109204307A (zh) * | 2018-10-30 | 2019-01-15 | 吉林大学 | 获取自适应防碰撞预警距离的方法、存储介质及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111645676A (zh) * | 2020-01-19 | 2020-09-11 | 摩登汽车有限公司 | 车辆避让方法、装置、设备及汽车 |
| CN111645676B (zh) * | 2020-01-19 | 2022-08-26 | 摩登汽车有限公司 | 车辆避让方法、装置、设备及汽车 |
| CN112829767A (zh) * | 2021-02-22 | 2021-05-25 | 清华大学苏州汽车研究院（相城） | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
| CN112829767B (zh) * | 2021-02-22 | 2024-05-17 | 清华大学苏州汽车研究院（相城） | 一种基于监测驾驶员误操作的自动驾驶控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109910899B (zh) | 一种安全智能驾驶方法及系统 | |
| CN109910900B (zh) | 一种智能驾驶方法 | |
| US11363996B2 (en) | Early warning method, device and system of sudden death | |
| US11065958B2 (en) | Control system and method | |
| Vicente et al. | Detection of driver's drowsiness by means of HRV analysis | |
| CN107235045A (zh) | 考虑生理与操控信息的驾驶员路怒状态车载识别交互系统 | |
| CN105243789B (zh) | 一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法 | |
| CN108765876A (zh) | 基于多模信号的驾驶疲劳深度分析预警系统及方法 | |
| CN110796207A (zh) | 一种疲劳驾驶检测方法及系统 | |
| KR20140096609A (ko) | 생체정보를 통한 운전자 개인인식 및 운전상태 변화정보 제공방법 | |
| Singh et al. | Biosignal based on-road stress monitoring for automotive drivers | |
| Villani et al. | A framework for affect-based natural human-robot interaction | |
| JP2014100227A (ja) | 集中度推定装置、集中度推定方法、運転支援装置及び運転支援方法 | |
| 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 | |
| CN111354162A (zh) | 驾驶员健康疲劳与预防监测系统 | |
| CN206885034U (zh) | 考虑生理与操控信息的驾驶员路怒状态车载识别交互系统 | |
| CN111938599B (zh) | 一种基于驾驶员身体特征识别的疲劳驾驶监测系统 | |
| JPH10146321A (ja) | 運転者監視装置 | |
| JPH09308614A (ja) | 運転者モニター装置とこれを用いた安全装置 | |
| CN109171703A (zh) | 基于可穿戴式体感网的心电信号的获取与处理方法 | |
| Takahashi et al. | Development of a feedback stimulation for drowsy driver using heartbeat rhythms | |
| Sari et al. | A two-stage intelligent model to extract features from PPG for drowsiness detection | |
| CN109435958A (zh) | 采用生物识别技术的防疲劳驾驶方法 | |
| Widasari et al. | A new investigation of automatic sleep stage detection using decision-tree-based support vector machine and spectral features extraction of ecg signal | |
| US20230293072A1 (en) | Method and system for detecting drowsiness of an individual |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |