CN110497850A - 一种基于强化学习的智能网联汽车安全驾驶监控系统 - Google Patents
一种基于强化学习的智能网联汽车安全驾驶监控系统 Download PDFInfo
- Publication number
- CN110497850A CN110497850A CN201910727357.2A CN201910727357A CN110497850A CN 110497850 A CN110497850 A CN 110497850A CN 201910727357 A CN201910727357 A CN 201910727357A CN 110497850 A CN110497850 A CN 110497850A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- module
- state
- car
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于强化学习的智能网联汽车安全驾驶监控系统，包括：驾驶人状态监测模块，用于根据图像识别技术完成对行车过程中驾驶人的驾驶行为监测，并将监测数据发送至信息处理与报警模块；车辆状态检测模块，用于车辆状态检测模块用于检测驾驶人离开后车辆的状态；生命体探测模块，用于根据图像识别技术完成对车内生命体的探测；信息处理与报警模块，用于根据接收的数据，对驾驶人在驾驶过程中的不良驾驶行为和疲劳驾驶状态进行提醒，并对驾驶人离开车辆后的车辆进行安全分析，当满足报警逻辑时进行报警。本发明能纠正驾驶人不良驾驶习惯和提醒疲劳驾驶行为，并在锁车后自动报警，提高车辆安全性，避免车内生命体受到伤害。
Description
技术领域
本发明涉及汽车安全技术，尤其涉及一种基于强化学习的智能网联汽车安全驾驶监控系统。
背景技术
汽车事故的产生原因，主要可分为以下三类。一类主要是由于汽车本身的系统故障与安全隐患所导致，如：轮胎刺破、刹车系统失灵、转向系统抱死和汽车零件的磨损老化等，对于这类情况，只要加大对汽车的定期检修力度便可以在很大程度上预防事故的发生；第二类原因主要为车主的交通违法操作和驾驶能力不足，具体原因有酒后驾驶、强行超车、转向灯的违规使用、违规闯红灯等，对于以上情况，交通部门应加大交通管制力度，对交通驾驶违法车主加大惩罚措施；第三类问题则主要是由于汽车驾驶人在驾驶过程中的注意力不集中与日常习惯的疏忽大意引起的，特别是疲劳驾驶，不良驾驶习惯等更容易造成突发事故。而在以上三大类原因中，第三类往往最容易被忽视，目前也没有合理有效的解决方案，更重要的是，第三类是大部分车祸的罪魁祸首。
根据美国汽车交通安全基金会的一项调查表明：疲劳驾驶在美国的交通事故死亡事件中的比例高达21％，可见疲劳驾驶占交通事故的比例是非常之高。疲劳驾驶往往是人们最不注意的细节，其更体现在对于无公司部门管制的家用汽车上，很多车辆事故就是因为驾驶人几秒钟的睡意，最后造成了严重的交通事故，以至于驾驶人在蒙受巨大的财产损失，以及受伤甚至威胁生命。《道路交通安全法实施条例》第六十二条规定：连续驾驶机动车超过4小时，中途未停车休息或者停车休息时间少于20分钟的就算疲劳驾驶。
且目前，市场上还没有普及驾驶人状态检测系统。疲劳驾驶的具体预防措施主要只有依靠汽车驾驶人的自觉性。因此，一款价格低廉，识别效率高的汽车驾驶人状态检测与提醒系统的设计与应用则显得十分迫切。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于强化学习的智能网联汽车安全驾驶监控系统。
本发明解决其技术问题所采用的技术方案是：一种基于强化学习的智能网联汽车安全驾驶监控系统，包括：
车辆状态检测模块、驾驶人状态监测模块、车内生命体探测模块与信息处理与报警模块；
所述驾驶人状态监测模块，用于根据图像识别技术完成对行车过程中驾驶人的驾驶行为监测，并将监测数据发送至信息处理与报警模块；
所述车辆状态检测模块，用于车辆状态检测模块用于检测驾驶人离开后车辆的状态，包括：车门锁设备信息、车内温度信息、车内CO2和CO浓度；
所述生命体探测模块，用于根据图像识别技术完成对车内生命体的探测，并将探测数据发送给信息处理与报警模块；
所述信息处理与报警模块，用于根据接收的数据，对驾驶人在驾驶过程中的不良驾驶行为和疲劳驾驶状态进行提醒，以纠正驾驶人不良驾驶行为和提醒疲劳驾驶行为，并对驾驶人离开车辆后的车辆进行安全分析，当满足报警逻辑时通过4G通信系统进行报警。
按上述方案，所述信息处理与报警模块，根据接收的数据，进行安全分析，具体如下：
1)根据驾驶人状态监测模块的数据判断驾驶人是否离开了车辆；若离开了车辆，则转入步骤2)；
2)根据车辆状态检测模块的数据判断车辆是否为停车后锁门状态，根据采集的车门锁设备信息、车内温度信息、车辆速度信息，通过信息融合分析后得到车辆此时状态，若车辆确定为停车后锁门状态，则转入步骤3)；
3)根据生命体探测模块采集的图像数据基于深度学习算法，检测车内是否存在遗漏生命体；
4)根据车内温度、车内CO2和CO浓度、车主位置距离车辆距离信息设定三种危险程度阈值，分别为：轻度危险、中度危险、重度危险；
若驾驶员不在车内、车辆熄火且车内密闭时间超过5分钟，则判定为轻度危险；启动延时报警，5分钟后向车主手机发送报警短信；
若驾驶员不在车内、车辆熄火且密闭时间超过10分钟，或车内CO2浓度处于0.1％―0.15％，则判定为中度危险；采取立即向车主发送报警短信的措施：
若车内CO2浓度处于0.15％―0.2％，则判定为重度危险；采取强制开窗换气措施。
按上述方案，所述驾驶人状态监测模块通过设置的摄像头识别后发送驾驶位人脸识别情况到信息处理与报警模块，若识别到驾驶位有人，则对驾驶人行为状态进行实时监控，对驾驶人在驾驶过程中的不良驾驶行为和疲劳驾驶状态进行提醒，以纠正驾驶人不良驾驶行为和提醒疲劳驾驶行为；若持续无法识别到人脸信息超过5秒或眼睛闭合超过3秒，会开启语音报警；若持续无法识别驾驶位人脸信息超过10秒，默认驾驶人下车，触发车辆状态检测模块工作。
本发明产生的有益效果是：本发明基于图像处理技术提供了一种基于强化学习的智能网联汽车安全驾驶监控系统，纠正驾驶人不良驾驶习惯和提醒疲劳驾驶行为，并在锁车后一段时间内自动报警，以提高车辆安全性，避免车内生命体受到伤害。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的结构示意图；
图2是本发明实施例的汽车安全驾驶监控系统的控制流程图；
图3是本发明实施例的信息处理与报警模块工作流程图；
图4是本发明实施例的图像深度学习流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于强化学习的智能网联汽车安全驾驶监控系统，包括：车辆状态检测模块、驾驶人状态监测模块、车内生命体探测模块与信息处理与报警模块四大模块。
车辆状态检测模块用于检测锁车后车辆的状态，包括：车辆上锁情况、车内温度情况、车内CO2和CO浓度等，并将检测数据发送至信息处理与报警模块；
驾驶人状态监测模块基于图像识别技术完成对行车过程中驾驶人的驾驶行为监测，并将监测数据发送至信息处理与报警模块；
生命体探测模块同样基于图像识别技术完成对车内生命体的探测，并将探测数据发送给信息处理与报警模块；
信息处理与报警模块用于接收与处理另外三个模块发送的数据，当满足报警逻辑时通过4G通信系统进行报警。
车载智能安全检测与报警系统开启后，四大模块运转，开始采集数据并互相协调。系统具体工作流程如图2所示。
车辆状态监测模块开始运作后，开始收集车内状态信息包括车内温度状态和车窗、车门压力值，系统上电使在车内的若干压力传感器、温度传感器、CO2浓度传感器进行周期性的数据采集，并将采集到的数据实时传输到信息处理与报警模块中进行处理；
系统通电后，驾驶人状态检测模块开始运行，通过摄像头识别后发送驾驶位人脸识别情况到信息处理与报警模块，如系统识别到驾驶位有人，系统开启驾驶模式，驾驶人状态检测模块会对驾驶人行为状态进行实时监控，并将驾驶人面部信息实时传输到信息处理与报警模块中进行判断，若驾驶人状态检测模块无法识别到人脸信息超过5秒或眼睛闭合超过3秒，会开启语音报警；若无法识别驾驶位人脸信息超过10秒，默认驾驶人下车，触发车辆状态检测模块工作，开启安全模式；
其中，摄像头安装在驾驶员的顶部；
车辆状态监测模块能自动监测车辆当前落锁情况、车窗关闭情况、车内温度变化以及车内气体成分，并传输到信息处理与报警模块，保障车辆状态的实时监测，若发现异常时能及时发短信提醒车主，实现本系统的预警功能。
车辆状态检测模块采用的传感器包括压敏传感器、AD转换模块、温度传感器、CO2浓度传感器和CO浓度传感器。(1)压敏传感器：布置在四个车窗上凹槽以及车门锁附近。通过车窗、车门对传感器的挤压与否从而导致压力值变化。(2)AD转换模块：将车门、车窗对压敏传感器产生的压力值转化为电压信号值，周期性地通过串口输出至信息处理与报警模块。(3)温度传感器和CO2与CO浓度传感器：这三个传感器布置车内检测车内环境的温度和有害气体浓度，以作为车内环境恶劣度的指标。温度、CO2浓度和CO浓度都将以电压信息，周期性地通过串口输出至信息处理与报警模块。(4)最后信息处理与报警模块将通过预设的逻辑结合各电压值判断车子当前的落锁情况、车内密封情况以及车内环境恶劣度。
安全模式开启后，车内生命体探测模块开始运行，模块调用后座摄像头，以对车内其他位置人员情况进行探测，并传输图像采集信息到信息处理与报警模块；
如图3所示，信息处理与报警模块接受信息后，在模块中运行的python脚本会进行逻辑判断，若车内封闭，无驾驶员，且有儿童在车上，同时车门紧锁的逻辑量符合，则驱动4G模块延时向车主手机报警信息，且若当车内温度与CO2浓度达设定值时，延时报警变为立即报警，否则4G模块处于待机状态，继续收集信息。若驾驶人之后回到车上，驾驶人状态检测模块设别到驾驶人人脸信息，系统又恢复驾驶模式。
深度学习生命体探测模块主要包括一套摄像头监测装置和一套搭载有深度学习人员识别模块的图像识别处理设备(树莓派)。摄像头设备实现对车内人员的图像采集，图像识别处理设备搭载有本项目自主研发的基于深度学习的人员图像识别模块，以实现对车内人员的采集图像进行处理、分析与判断。
为对摄像头采集到的车内图像进行处理分析，本设计采用深度学习方法实现车内人员检测。车内人员识别软件分为前期训练与后期识别两个过程。具体深度学习流程设计见图4。
本系统将深度学习图像识别软件安装在树莓派中作为图像识别处理设备。其能准确识别两个摄像头采集的图像。图像识别处理设备经过样本训练，以保证识别的准确性。识别结果逻辑值通过串口输出至信息处理与报警模块。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种基于强化学习的智能网联汽车安全驾驶监控系统，其特征在于，包括：
车辆状态检测模块、驾驶人状态监测模块、车内生命体探测模块与信息处理与报警模块；
所述驾驶人状态监测模块，用于根据图像识别技术完成对行车过程中驾驶人的驾驶行为监测，并将监测数据发送至信息处理与报警模块；
所述车辆状态检测模块，用于车辆状态检测模块用于检测驾驶人离开后车辆的状态，包括：车门锁设备信息、车内温度信息、车内CO2和CO浓度；
所述生命体探测模块，用于根据图像识别技术完成对车内生命体的探测，并将探测数据发送给信息处理与报警模块；
所述信息处理与报警模块，用于根据接收的数据，对驾驶人在驾驶过程中的不良驾驶行为和疲劳驾驶状态进行提醒，以纠正驾驶人不良驾驶行为和提醒疲劳驾驶行为，并对驾驶人离开车辆后的车辆进行安全分析，当满足报警逻辑时通过通信系统进行报警。
2.根据权利要求1所述的基于强化学习的智能网联汽车安全驾驶监控系统，其特征在于，所述信息处理与报警模块，根据接收的数据，进行安全分析，具体如下：
1)根据驾驶人状态监测模块的数据判断驾驶人是否离开了车辆；若离开了车辆，则转入步骤2)；
2)根据车辆状态检测模块的数据判断车辆是否为停车后锁门状态，根据采集的车门锁设备信息、车内温度信息、车辆速度信息，通过信息融合分析后得到车辆此时状态，若车辆确定为停车后锁门状态，则转入步骤3)；
3)根据生命体探测模块采集的图像数据基于深度学习算法，检测车内是否存在遗漏生命体；
4)根据车内温度、车内CO2和CO浓度、车主位置距离车辆距离信息设定三种危险程度阈值，分别为：轻度危险、中度危险、重度危险；
若驾驶员不在车内、车辆熄火且车内密闭时间超过5分钟，则判定为轻度危险；启动延时报警，5分钟后向车主手机发送报警短信；
若驾驶员不在车内、车辆熄火且密闭时间超过10分钟，或车内CO2浓度为0.1％至0.15％，则判定为中度危险；采取立即向车主发送报警短信的措施：
若车内CO2浓度处于0.15％至0.2％或CO浓度超过设定阈值，则判定为重度危险；采取强制开窗换气措施。
3.根据权利要求1所述的基于强化学习的智能网联汽车安全驾驶监控系统，其特征在于，所述驾驶人状态监测模块通过设置的摄像头识别后发送驾驶位人脸识别情况到信息处理与报警模块，若识别到驾驶位有人，则对驾驶人行为状态进行实时监控，对驾驶人在驾驶过程中的不良驾驶行为和疲劳驾驶状态进行提醒，以纠正驾驶人不良驾驶行为和提醒疲劳驾驶行为；若持续无法识别到人脸信息超过5秒或眼睛闭合超过3秒，会开启语音报警；若持续无法识别驾驶位人脸信息超过10秒，默认驾驶人下车，触发车辆状态检测模块工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910727357.2A CN110497850A (zh) | 2019-08-07 | 2019-08-07 | 一种基于强化学习的智能网联汽车安全驾驶监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910727357.2A CN110497850A (zh) | 2019-08-07 | 2019-08-07 | 一种基于强化学习的智能网联汽车安全驾驶监控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110497850A true CN110497850A (zh) | 2019-11-26 |
Family
ID=68587128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910727357.2A Pending CN110497850A (zh) | 2019-08-07 | 2019-08-07 | 一种基于强化学习的智能网联汽车安全驾驶监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110497850A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024114090A1 (zh) * | 2022-11-29 | 2024-06-06 | 一汽奔腾轿车有限公司 | 一种基于生命体征状态监测的智能出风系统、方法及终端 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700217A (zh) * | 2014-01-07 | 2014-04-02 | 广州市鸿慧电子科技有限公司 | 基于人眼及行车轨迹特征的疲劳驾驶检测系统及方法 |
| CN105083189A (zh) * | 2015-07-27 | 2015-11-25 | 苏州宏展信息科技有限公司 | 基于二氧化碳感应和温度感应的车辆报警方法 |
| US20160167675A1 (en) * | 2014-12-11 | 2016-06-16 | Hon Hai Precision Industry Co., Ltd. | System, method, and vehicle for safe driving |
| CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
| CN108263325A (zh) * | 2018-02-01 | 2018-07-10 | 武汉理工大学 | 一种基于图像处理技术的车内遗漏生命体检测系统 |
| CN109345770A (zh) * | 2018-11-14 | 2019-02-15 | 深圳市尼欧科技有限公司 | 一种孩童遗留车内报警系统及孩童遗留车内报警方法 |
-
2019
- 2019-08-07 CN CN201910727357.2A patent/CN110497850A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700217A (zh) * | 2014-01-07 | 2014-04-02 | 广州市鸿慧电子科技有限公司 | 基于人眼及行车轨迹特征的疲劳驾驶检测系统及方法 |
| US20160167675A1 (en) * | 2014-12-11 | 2016-06-16 | Hon Hai Precision Industry Co., Ltd. | System, method, and vehicle for safe driving |
| CN105083189A (zh) * | 2015-07-27 | 2015-11-25 | 苏州宏展信息科技有限公司 | 基于二氧化碳感应和温度感应的车辆报警方法 |
| CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警系统 |
| CN108263325A (zh) * | 2018-02-01 | 2018-07-10 | 武汉理工大学 | 一种基于图像处理技术的车内遗漏生命体检测系统 |
| CN109345770A (zh) * | 2018-11-14 | 2019-02-15 | 深圳市尼欧科技有限公司 | 一种孩童遗留车内报警系统及孩童遗留车内报警方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024114090A1 (zh) * | 2022-11-29 | 2024-06-06 | 一汽奔腾轿车有限公司 | 一种基于生命体征状态监测的智能出风系统、方法及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106585624A (zh) | 驾驶员状态监控方法及装置 | |
| US11987256B1 (en) | Automobile detection system | |
| CN102101438B (zh) | 一种疲劳驾驶的判断方法及装置 | |
| CN108263325A (zh) | 一种基于图像处理技术的车内遗漏生命体检测系统 | |
| CN203020082U (zh) | 一种车载酒精监控装置 | |
| CN105205982B (zh) | 一种智能警示系统及其工作方法 | |
| CN205890701U (zh) | 一种防止乘客遗漏车内的检测系统和一种客车 | |
| CN203401972U (zh) | 一种基于无线传感器网络的驾车行为监测预警系统 | |
| CN103587488B (zh) | 避免车门与行人相撞的安全装置 | |
| CN213354409U (zh) | 一种远程智能车辆锁车提醒系统 | |
| US20090237257A1 (en) | Doze-off warning apparatus for vehicle | |
| CN110549976A (zh) | 一种车内高温保护系统及其方法 | |
| CN111016649A (zh) | 一种驾驶安全检测方法、系统及车辆 | |
| CN104290686A (zh) | 一种公交车门控制系统及方法 | |
| CN109849925A (zh) | 以生理监测结合车辆控制的方法 | |
| CN210199943U (zh) | 一种车载无线通信设备远程控制系统 | |
| CN110097733A (zh) | 一种停车安全控制方法、系统及车载终端 | |
| CN109291793A (zh) | 网约车乘客报警装置及方法 | |
| CN113561892A (zh) | 一种汽车开门智能防撞系统及方法 | |
| CN111734233A (zh) | 一种智慧停车安全下客辅助方法、系统及其控制方法 | |
| CN204123971U (zh) | 车载酒精测试系统 | |
| CN110497850A (zh) | 一种基于强化学习的智能网联汽车安全驾驶监控系统 | |
| CN110884462A (zh) | 一种汽车安全监控系统及方法 | |
| CN208469669U (zh) | 一种车辆加油安全报警系统 | |
| CN109532663A (zh) | 一种汽车防滞留人员保护装置 |
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: 20191126 |