CN110533880B - 一种基于心电信号的异常驾驶状态检测及预警控制方法 - Google Patents

Abstract

本发明公开了一种基于心电信号的异常驾驶状态检测及预警控制方法，包括如下步骤：S1：采集并存储驾驶数据；S2：根据驾驶数据，创建驾驶状态数据库；S3：从驾驶状态数据库中提取并筛选心电信号特征量；S4：将筛选出的心电信号特征量作为判别模型的输入参数，通过判别模型判断驾驶员的驾驶状态，同时根据驾驶状态进行预警并执行步骤S5；S5：根据预警信息，对驾驶车辆进行控制。本发明利用心电信号与驾驶异常状态和驾驶正常状态的相关性，对驾驶异常状态进行识别并分级预警，从而降低异常驾驶行为出现的概率，并对报警干预后车辆行驶异常状态进行判别，执行相应的控制控制策略，进而降低了驾驶安全事故的风险，提高了驾驶安全性。

Description

一种基于心电信号的异常驾驶状态检测及预警控制方法

技术领域

本发明涉及主动安全驾驶技术领域，尤其涉及一种基于心电信号的异常驾驶状态检测及预警控制方法。

背景技术

驾驶员不仅仅是道路交通系统的信息处理者、决策者，也是调节者和控制者，其驾驶行为直接影响道路交通安全水平。道路交通事故给人们的生命和财产安全造成了非常严重的损害，研究发现95％的交通事故都直接与驾驶员的驾驶行为相关。驾驶员的异常驾驶行为通常是在一个异常驾驶状态下的失准决策判断或者错误判断导致的，例如包括突发情绪激动、惊慌失措、心脑血管健康异常驾驶状态或者静态持续醉酒、疲劳的异常驾驶状态导致，通常驾驶员异常驾驶状态的表现要先于异常驾驶行为以及车辆的异常行驶状态。

主动安全驾驶技术是目前提高驾驶安全水平、减少道路安全事故的有效技术方法。目前主动安全驾驶技术应用主要通过对车辆行驶异常状态包括车道偏离、车距过近，以及驾驶员抽烟分神等异常行为进行监测和报警干预，一定程度上提高了驾驶的规范和安全性。然而，单一通过车辆行驶异常的判断来对车辆和驾驶员进行主动安全干预，由于判断的准确性，一定程度上错误的干预会影响驾驶员的驾驶状态进而影响驾驶行为和安全；另外异常驾驶状态的出现通常先于车辆的异常行驶状态，通过增加对异常驾驶状态的判别来增加主动干预决策的时间和提高准确性。驾驶员心脑血管健康异常、疲劳的异常驾驶状态或者在突发情绪激动、惊慌失措驾驶状态下通常身体生理指标尤其心电信号会发生变化，通过心电信号的特征分析可以实现对驾驶员异常状态的监测，提高驾驶安全水平。

发明内容

发明目的：针对在驾驶员异常驾驶状态下，驾驶安全性低、易发生道路交通事故的问题，本发明提出一种基于心电信号的异常驾驶状态检测及预警控制方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：

一种基于心电信号的异常驾驶状态检测及预警控制方法，所述异常驾驶状态检测及预警控制方法包括如下步骤：

S1：采集并存储驾驶数据；

S2：根据所述驾驶数据，创建驾驶状态数据库；

S3：从所述驾驶状态数据库中提取并筛选心电信号特征量；

S4：将所述筛选出的心电信号特征量作为判别模型的输入变量，通过所述判别模型判断驾驶员的驾驶状态，同时根据所述驾驶状态进行预警并执行步骤S5；

S5：根据所述预警信息，对所述驾驶车辆进行控制。

进一步地讲，所述驾驶数据包括驾驶员心电信号数据、车辆运行数据、车辆内外车况视频数据，其中所述车辆运行数据包括有车辆的瞬时速度、车辆的纵向加速度、车辆的横向加速度和车辆的位置数据，所述车辆内外车况视频数据包括有驾驶室内视频监控数据和车外道路工况视频监控数据。

进一步地讲，在所述步骤S1中，采集并存储所述驾驶数据，具体如下：

所述驾驶员心电信号数据的采集和存储，具体为：

安全带及驾驶座椅中的内嵌穿戴设备通过电极感应片采集驾驶员的心电信号数据，并将所述数据传输至云端进行存储；

所述车辆运行数据的采集和存储，具体为：

通过速度传感器获取所述车辆的瞬时速度、车辆的纵向加速度和车辆的横向加速度，通过GPS装置获取所述车辆的位置数据，同时将获取的车辆运行数据传输至云端进行存储；

所述车辆内外车况视频数据的采集和存储，具体为：

通过车内外的视频监控装置分别采集驾驶室内视频监控数据和车外道路工况视频监控数据，并将所述车辆内外车况视频数据传输至云端进行存储。

进一步地讲，在所述步骤S2中，创建所述驾驶状态数据库，具体为：

S2.1：根据所述驾驶员心电信号数据、车辆运行数据和车辆内外车况视频数据，建立驾驶员的驾驶数据集合，并将所述驾驶员的驾驶数据集合标记为：{心电信号数据，车辆运行数据，视频监控数据}ijt，其中：i为驾驶员的编号，j为日期编码格式，t为时间编号；

同时采集第i位驾驶员在T时间段内的驾驶数据并进行集合初始化处理；

S2.2：根据所述驾驶员心电信号数据，对所述驾驶员的异常驾驶状态进行定义和标定；

S2.3：根据所述标定的驾驶员的异常驾驶状态，创建异常驾驶状态数据库，所述异常驾驶状态数据库包括有突发性状态心电数据异常值、疲劳驾驶异常状态数据库和驾驶情绪异常状态数据库；

同时根据所述驾驶员正常驾驶状态下的心电信号数据，创建正常驾驶状态数据库。

进一步地讲，在所述步骤S2.2中，对所述驾驶员的异常驾驶状态进行定义和标定，具体如下：

S2.2.1：通过医学上心理中的心电信号异常值对突发性异常状态进行标定；

S2.2.2：将连续驾驶4小时未休息20分钟以及一天内连续驾驶8个小时定义为疲劳驾驶，同时根据所述车辆运行数据和车辆内外车况视频数据，对疲劳驾驶异常状态进行标定；

S2.2.3：根据所述车辆运行数据对驾驶情绪性异常状态进行定义，并根据所述车辆运行数据和车辆内外车况视频数据，对所述驾驶情绪异常状态进行标定。

进一步地讲，在所述步骤S3中，从所述驾驶状态数据库中提取并筛选心电信号特征量，具体如下：

S3.1：通过数字滤波技术，对所述驾驶状态数据库中所有的驾驶员心电信号进行除噪，具体为：

w(n)＝[v(n)+v(n-1)+v(n-2)+v(n-3)/4]

其中：w(n)为第n个除噪后的心电信号，v(n)为第n个含有噪声干扰的原始心电信号，v(n-1)为第n-1个含有噪声干扰的原始心电信号，v(n-2)为第n-2个含有噪声干扰的原始心电信号，v(n-3)为第n-3个含有噪声干扰的原始心电信号；

S3.2：通过时域分析方法从时间信号中提取特征值，对所述除噪后的心电信号进行波形检测，从中辨识出P-QRS-T波的位置，并根据所述P-QRS-T波的位置，从所述除噪后的心电信号中提取出RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期，其中所述RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期即为除噪后的心电信号的特征量；

S3.3：将所述心电信号特征量中数据级别错误的数据删除，再将所述驾驶状态数据库中相同场景和时段内异常驾驶状态下的心电信号特征量、正常驾驶状态下的心电信号特征量进行统计学归一化处理。

进一步地讲，在所述步骤S4中，根据所述驾驶状态进行预警并执行步骤S5，具体如下：

S4.1：根据所述驾驶数据的采集时段和车辆内外车况视频数据，从所述归一化处理后的心电信号特征量中，选出所述采集时段内突发性状态下的心电信号特征量，不同场景和时段内的疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量，不同场景和时段内的驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量；

S4.2：将所述采集时段内突发性状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则执行步骤S4.3，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5；

S4.3：将所述疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则执行步骤S4.4，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5；

S4.4：将所述驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则返回步骤S1，重复步骤S1-步骤S5，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5。

进一步地讲，在所述步骤S5中，所述驾驶车辆进行控制，具体如下：

S5.1：当所述正在驾驶车辆的驾驶员的状态判断为疲劳驾驶异常状态或驾驶情绪异常状态时，对检测出疲劳驾驶异常状态或驾驶情绪异常状态的时间进行提取，并根据所述时间调取正在行驶车辆的车辆运行数据时间和车辆内外车况视频数据，同时执行步骤S5.2；

S5.2：根据所述调取的车辆运行数据时间和车辆内外车况视频数据，判断所述正在行驶的车辆是否行驶异常，若异常则执行步骤S5.3，并将所述采集到的数据传输至驾驶状态数据库中，更新所述异常驾驶状态数据库，若正常，则返回步骤S1，重复步骤S1-步骤S5；

S5.3：判断所述正在驾驶车辆的驾驶员的异常驾驶状态的类别，根据所述类别进行云端控制策略匹配。

进一步地讲，在所述步骤S5.3中，根据所述类别进行云端控制策略匹配，具体如下：

S5.3.1：当所述异常驾驶状态的类别为突发性状态时，执行云端控制策略Ⅰ，具体为：

第一步：云端远程控制所述正在行驶的车辆进入预先选择的车道中，并进行云端医疗急救呼叫；

第二步：所述正在行驶的车辆进入预先选择的车道后，进入巡航驾驶状态；

第三步：通过地图对所述正在行驶车辆所在区域的停车地点进行搜索，从中选出距离所述正在行驶的车辆最近的停车地点，并将所述正在行驶的车辆停在所述选出的停车地点处；

第四步：将在所述选出的停车地点中的停车位置发送至医疗急救车辆中。

S5.3.2：当所述异常驾驶状态的类别为疲劳驾驶异常状态时，执行云端控制策略II，具体为：

第一步：所述正在行驶车辆的终端语音报送疲劳驾驶，并对所述正在行驶的车辆进行接管控制；

第二步：云端远程控制所述正在行驶的车辆进入预先选择的车道中，并进入巡航驾驶状态；

第三步：通过地图对所述正在行驶车辆所在区域的停车地点进行搜索，从中选出距离所述正在行驶的车辆最近的停车地点，并将所述正在行驶的车辆停在选出的停车地点处，在所述选出的停车地点停车休息的时间达到预设时间后，所述驾驶员接管车辆，继续驾驶；

S5.3.3：当所述异常驾驶状态的类别为驾驶情绪异常状态时，执行云端控制策略Ⅲ，具体为：

第一步：所述正在行驶车辆的终端语音报送车辆行驶异常，并对所述正在行驶的车辆进行接管控制；

第二步：云端远程控制所述正在行驶的车辆继续在当前所处车道中进行行驶，且所述正在行驶的车辆进入巡航驾驶状态；

第三步：所述正在行驶车辆的终端播放舒缓音乐，在播放时间达到预设时间后，所述驾驶员接管车辆，继续驾驶。

有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：

本发明的异常驾驶状态检测及预警控制方法根据驾驶员异常状态下会出现心电信号变化的特性，利用心电信号与驾驶异常状态和驾驶正常状态的相关性，对驾驶异常状态进行识别并执行分级预警，从而降低异常驾驶行为出现的概率，并对报警干预后车辆行驶异常状态进行判别，执行相应的控制控制策略，进而降低了驾驶安全事故的风险，提高了驾驶安全性。

附图说明

图1是本发明的异常驾驶状态检测及预警控制方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。其中，所描述的实施例是本发明一部分实施例，而不是全部的实施例。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。

实施例1

参考图1，本实施例提供了一种基于心电信号的异常驾驶状态检测及预警控制方法，该方法通过对采集到的驾驶员心电信号数据进行分析，检测驾驶员异常驾驶状态并进行车辆终端预警和云端监控，利用云端监控及车辆运行数据对行驶异常进行判别确定是否执行云端接管控制策略，具体包括如下步骤：

步骤S1：采集并存储驾驶数据，该驾驶数据包括驾驶员心电信号数据、车辆运行数据、车辆内外车况视频数据，其中车辆运行数据包括有车辆的瞬时速度、车辆的纵向加速度、车辆的横向加速度和车辆的位置数据，车辆内外车况视频数据包括有驾驶室内视频监控数据和车外道路工况视频监控数据。

其中驾驶员心电信号数据的采集和存储，具体为：

安全带及驾驶座椅中的内嵌穿戴设备通过电极感应片采集驾驶员的心电信号数据，并将采集到的数据实时传输至云端中进行存储。

其中车辆运行数据的采集和存储，具体为：

通过速度传感器获取车辆的瞬时速度、车辆的纵向加速度和车辆的横向加速度，通过GPS装置获取车辆的位置数据，同时将获取得到的车辆的瞬时速度、车辆的纵向加速度、车辆的横向加速度和车辆的位置数据均实时传输至云端中进行存储。

其中车辆内外车况视频数据的采集和存储，具体为：

通过车内的视频监控装置采集驾驶室内视频监控数据，通过车外的视频监控装置采集车外道路工况视频监控数据，同时将采集得到的室内视频监控数据和车外道路工况视频监控数据均实时传输至云端中进行存储。

步骤S2：根据步骤S1获取得到的驾驶数据，创建驾驶状态数据库，具体如下：

步骤S2.1：根据每个驾驶员心电信号数据、车辆运行数据和车辆内外车况视频数据，建立相应驾驶员的驾驶数据集合，且将驾驶数据集合标记为：{心电信号数据，车辆运行数据，视频监控数据}ijt，其中：i为驾驶员的编号，j为日期编码格式，t为时间编号。具体地讲，日期编码格式j为某年某月某日，根据具体的时间日期具体填写，譬如2019年01月01日对应的日期编码格式j为20190101。时间编号t为一天的第多少个分钟，譬如0点1分钟对应的时间编号t为1，从而时间编号t对应的范围为t∈[1,2,3,4,…,1440]。

同时需要采集第i位驾驶员在T时间段内的驾驶数据，并对T时间段内的驾驶数据进行集合初始化处理。在本实施例中，对第i位驾驶员采集至少半年的时间段内的驾驶数据，并根据选择的至少半年的时间段内的驾驶数据进行集合初始化处理，建立第i位驾驶员在至少半年的时间段内的驾驶数据集合。

步骤S2.2：根据驾驶员心电信号数据，对驾驶员的异常驾驶状态进行定义和标定，具体如下：

步骤S2.2.1：通过医学上心理中的心电信号异常值对突发性状态进行标定，其中医学上心理中的心电信号异常值譬如突发性心脑血管疾病对应的心电信号异常值。

步骤S2.2.2：通过行业及疲劳驾驶研究对疲劳驾驶异常状态下的心电信号异常状态进行定义，譬如：在行业中规定驾驶员连续驾驶4小时未休息20分钟以及一天内连续驾驶8个小时即定义为疲劳驾驶。同时通过疲劳驾驶研究发现：根据车辆运行数据可以确定车辆连续驾驶4小时未休息20分钟以及一天内连续驾驶8个小时也可定义为疲劳驾驶。

同时根据车辆运行数据和车辆内外车况视频数据对疲劳驾驶异常状态进行标定。具体地讲：根据车辆运行数据，发现驾驶员连续驾驶4小时未休息20分钟或一天内连续驾驶8个小时，即将该驾驶员的状态定义为疲劳驾驶异常状态。同时根据车辆内外车况视频数据，发现驾驶员出现连续打哈欠、眨眼行为，此时也将该驾驶员的状态定义为疲劳驾驶异常状态。

步骤S2.2.3：通过行业及驾驶异常行为研究对驾驶情绪性异常状态进行定义。譬如，利用车辆的瞬时速度、车辆的纵向加速度、车辆的横向加速度和车辆的位置数据，结合驾驶室内视频监控数据和车外道路工况视频监控数据，对驾驶员的驾驶数据集合中转弯、直行、换道不同场景下的驾驶异常状态进行定义。

同时根据车辆运行数据和车辆内外车况视频数据，对驾驶情绪异常状态进行标定。譬如：通过车辆的瞬时速度和车辆的位置数据，可以确定出驾驶员在驾驶车辆的过程中是否超速以及超速时长，通过车辆的纵向加速度和车辆的横向加速度，可以确定出驾驶员在驾驶车辆的过程中是否超过行业规定的正常驾驶阈值，当确定出驾驶员在驾驶车辆的过程中超速或是超过行业规定的正常驾驶阈值，都将对应的驾驶员状态定义为驾驶情绪性异常状态。

步骤S2.3：根据步骤S2.2标定的驾驶员的异常驾驶状态，结合人体心电在一天内不同时段正常生理的变化特征，创建异常驾驶状态数据库。该异常驾驶状态数据库包括有3个，分别为：

A：突发性状态下心电数据异常值：该异常值在取值的过程中，选取心电数据异常值中上限值的最小值、心电数据异常值中下限值的最大值。

B：疲劳驾驶异常状态数据库：驾驶员处于疲劳驾驶状态的情况下，在不同驾驶场景下在一天不同时刻内的数据集。其中一天不同时刻具体以分钟进行划分，即每分钟都对应有一个数据集。且不同驾驶场景的种类有很多，譬如：直行、转弯和换道。

C：驾驶情绪异常状态数据库：驾驶员处于驾驶情绪性异常状态的情况下，在不同驾驶场景下在一天不同时刻内的数据集。其中此处的一天不同时刻也是以分钟进行划分的，即一天内的每一分钟都对应有一个数据集。同样地，不同驾驶场景的种类也有很多，譬如：直行、转弯和换道。

同时还根据驾驶员正常驾驶状态下的心电信号数据，创建正常驾驶状态数据库。具体地讲，为保证驾驶员正常驾驶状态下心电信号是相对平稳状态，根据不同时段、不同驾驶场景由车辆运行数据和车辆内外车况视频数据筛选出道路及交通条件优良下正常驾驶状态的数据库，其中正常驾驶状态即为：在天气晴朗、道路条件优良无施工并且路面平整、道路服务水平在A级的情况下，驾驶员驾驶车辆时的驾驶状态。

步骤S3：从步骤S2.3建立的驾驶状态数据库中提取并筛选出心电信号特征量，具体如下：

步骤S3.1：在对驾驶员的心电信号采集的过程中，会受到来自各方面的多种噪声的干扰。从而需要对驾驶状态数据库中所有的驾驶员心电信号进行除噪，在本实施例中，通过数字滤波技术对采集到的心电信号进行除噪，具体为：

w(n)＝[v(n)+v(n-1)+v(n-2)+v(n-3)/4]

其中：w(n)为第n个除噪后的心电信号，v(n)为第n个含有噪声干扰的原始心电信号，v(n-1)为第n-1个含有噪声干扰的原始心电信号，v(n-2)为第n-2个含有噪声干扰的原始心电信号，v(n-3)为第n-3个含有噪声干扰的原始心电信号。

步骤S3.2：通过时域分析方法从时间信号中提取特征值，并对除噪后的心电信号进行波形检测，从中辨识出P-QRS-T波的位置。具体地讲，在心电信号的波形中，R波最明显，通常以R波为基准，可以对心电信号波形中的其他波的位置进行定位。

在确定了R波的位置后，通过时域分析法从除噪后的心电信号中提取出RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期。其中RR间期指相邻两个特征波群R波之间的时间，PR间期指同一波群中P波终点至Q波起点的时间，QRS间期指同一波群中Q波起点至S波终点的时间，QT间期指同一波群中Q波起点至T波终点的时间。而QTC间期需要由QT间期与RR间期计算得到，通常通过如下公式进行求取，具体为：

Bazetts公式：

其中：QTC为QTC间期的大小，QT为QT间期的大小，RR为RR间期的大小。

Fridericia公式：

其中：QTC为QTC间期的大小，QT为QT间期的大小，RR为RR间期的大小。

在本实施例中，RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期即为除噪后的心电信号的特征量。

步骤S3.3：从步骤S3.2中获取得到的所有心电信号特征量中，将数据级别错误的心电信号特征量删除，再将驾驶状态数据库中相同场景和相同时段内异常驾驶状态心下的电信号特征量、正常驾驶状态下的心电信号特征量均进行统计学归一化处理。

步骤S4：将步骤S3.3中经过统计学归一化处理后的异常驾驶状态心下的电信号特征量、正常驾驶状态下的心电信号特征量均作为判别模型的输入变量，并实时获取正在驾驶车辆的驾驶员的心电信号，并将其传输至该判别模型中，通过该判别模型判断正在驾驶车辆的驾驶员的驾驶状态，同时根据驾驶状态进行预警并执行步骤S5。在本实施例中，判别模型为识别类算法判别模型。具体如下：

步骤S4.1：根据步骤S1中获取得到的驾驶数据的采集时段和车辆内外车况视频数据，从步骤S3.3中经过统计学归一化处理后的异常驾驶状态心下的电信号特征量、正常驾驶状态下的心电信号特征量中，选出采集时段内突发性状态下的心电信号特征量，不同场景和时段内的疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量，不同场景和时段内的驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量。

步骤S4.2：将采集时段内突发性状态下的心电信号特征量作为判别模型的输入变量，同时实时采集正在驾驶车辆的驾驶员的心电信号，并将实时采集的心电信号传输至该判别模型中，判断正在驾驶车辆的驾驶员是否突发心脑血管疾病。当判别模型的输出结果为正常时，则执行步骤S4.3，当判别模型的输出结果为异常时，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5。

步骤S4.3：将疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，同时实时采集正在驾驶车辆的驾驶员的心电信号，并将实时采集的心电信号传输至该判别模型中，判断正在驾驶车辆的驾驶员是否处于疲劳驾驶异常状态中。当判别模型的输出结果为正常时，则执行步骤S4.4，当判别模型的输出结果为异常时，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5。

步骤S4.4：将驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，同时实时采集正在驾驶车辆的驾驶员的心电信号，并将实时采集的心电信号传输至该判别模型中，判断正在驾驶车辆的驾驶员是否处于驾驶情绪异常状态中。当判别模型的输出结果为正常时，则返回步骤S1，重复步骤S1-步骤S5，继续对正在驾驶车辆的驾驶员的心电信号进行判断，当判别模型的输出结果为异常时，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5。

步骤S5：根据步骤S4.2-步骤S4.4中的报警信息，对正在行驶的车辆进行控制，具体如下：

步骤S5.1：当正在驾驶车辆的驾驶员的状态判断为疲劳驾驶异常状态或驾驶情绪异常状态时，对检测出疲劳驾驶异常状态或驾驶情绪异常状态的时间进行提取，并根据该时间调取正在行驶车辆的车辆运行数据时间和车辆内外车况视频数据，同时执行步骤S5.2。

步骤S5.2：根据调取的车辆运行数据时间和车辆内外车况视频数据，判断正在行驶的车辆是否行驶异常，若异常则执行步骤S5.3，并将采集到的数据传输至驾驶状态数据库中，同时更新异常驾驶状态数据库，若正常，则返回步骤S1，重复步骤S1-步骤S5。

在本实施例中，判断正在行驶的车辆是否行驶异常，具体地讲，根据已有的超速、急加速、急减速、频繁变道识别算法，识别判断正在行驶的车辆是否超速、急加速、急减速、频繁变道，若有，则正在行驶的车辆行驶异常，若无，则正在行驶的车辆行驶正常。

步骤S5.3：判断正在驾驶车辆的驾驶员的异常驾驶状态的类别，并根据判断出的类别匹配相应的云端控制策略。具体如下：

步骤S5.3.1：当异常驾驶状态的类别为突发性状态时，执行云端控制策略Ⅰ，具体为：

第一步：云端远程控制正在行驶的车辆进入预先选择的车道中，并进行云端医疗急救呼叫。其中预先选择的车道即为，正在行驶的车辆所在的道路中，车辆最少的车道。

第二步：正在行驶的车辆进入预先选择的车道后，进入巡航驾驶状态。

第三步：云端通过地图对正在行驶车辆所在区域的停车地点进行搜索，从中选出距离正在行驶的车辆最近的停车地点，并将正在行驶的车辆停在该选出的停车地点处。在本实施例中，停车地点包括路边、应急停车车道、停车场和服务区。

第四步：将在选出的停车地点中的停车位置发送至医疗急救车辆中，医疗急救车辆根据停车位置前往驾驶员所在处，对驾驶员进行救助。

步骤S5.3.2：当异常驾驶状态的类别为疲劳驾驶异常状态时，执行云端控制策略II，具体为：

第一步：正在行驶车辆的终端将语音报送疲劳驾驶，并对正在行驶的车辆进行接管控制。

第二步：云端远程控制正在行驶的车辆进入预先选择的车道中，并进入巡航驾驶状态。其中预先选择的车道即为，正在行驶的车辆所在的道路中，车辆最少的车道。

第三步：云端通过地图对正在行驶车辆所在区域的停车地点进行搜索，从中选出距离正在行驶的车辆最近的停车地点，并将正在行驶的车辆停在该选出的停车地点处。在本实施例中，停车地点包括路边、应急停车车道、停车场和服务区。同时驾驶员将在选出的停车地点停车休息的时间达到预设时间后，才能接管车辆，继续驾驶。具体地讲，一般预设时间至少设置30分钟。

步骤S5.3.3：当异常驾驶状态的类别为驾驶情绪异常状态时，执行云端控制策略Ⅲ，具体为：

第一步：正在行驶车辆的终端将语音报送车辆行驶异常，并对正在行驶的车辆进行接管控制。

第二步：云端远程控制正在行驶的车辆继续在当前所处的车道中进行行驶，同时正在行驶的车辆将进入巡航驾驶状态。

第三步：正在行驶车辆的终端将播放舒缓音乐，通过舒缓音乐缓解驾驶员的异常情绪，同时在音乐播放时间达到预设时间后，才允许驾驶员接管车辆，继续驾驶。在本实施例中，预设时间一般设置为5分钟。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构和方法并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均属于本发明的保护范围。

Claims (6)

1.一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，所述异常驾驶状态检测及预警控制方法包括如下步骤：

S1：采集并存储驾驶数据；所述驾驶数据包括驾驶员心电信号数据、车辆运行数据和车辆内外车况视频数据；

S2：根据所述驾驶数据，创建驾驶状态数据库，包括：

S2.1：根据所述驾驶员心电信号数据、车辆运行数据和车辆内外车况视频数据，建立驾驶员的驾驶数据集合，并将驾驶员的驾驶数据集合标记为：{心电信号数据，车辆运行数据，视频监控数据}ijt，其中：i为驾驶员的编号，j为日期编码格式，t为时间编号；

同时采集第i位驾驶员在T时间段内的驾驶数据并进行集合初始化处理；

S2.2：根据所述驾驶员心电信号数据，对驾驶员的异常驾驶状态进行定义和标定，方法具体如下：

S2.2.1：通过医学上心理中的心电信号异常值对突发性异常状态进行标定；

S2.2.2：将连续驾驶4小时未休息20分钟以及一天内连续驾驶8个小时定义为疲劳驾驶，同时根据所述车辆运行数据和车辆内外车况视频数据，对疲劳驾驶异常状态进行标定；

S2.2.3：根据所述车辆运行数据对驾驶情绪性异常状态进行定义，并根据所述车辆运行数据和车辆内外车况视频数据，对驾驶情绪异常状态进行标定；

S2.3：根据标定的驾驶员的异常驾驶状态，创建异常驾驶状态数据库，所述异常驾驶状态数据库包括有突发性状态心电数据异常值、疲劳驾驶异常状态数据库和驾驶情绪异常状态数据库；

同时根据驾驶员正常驾驶状态下的心电信号数据，创建正常驾驶状态数据库；

S3：从驾驶状态数据库中提取并筛选心电信号特征量，进行统计学归一化处理；

S4：将筛选出的心电信号特征量作为判别模型的输入变量，通过所述判别模型判断驾驶员的驾驶状态，同时根据驾驶状态进行预警并执行步骤S5，包括：

S4.1：根据驾驶数据的采集时段和车辆内外车况视频数据，从归一化处理后的心电信号特征量中选出在采集时段内突发性状态下的心电信号特征量，不同场景和时段内的疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量，不同场景和时段内的驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量；

S4.2：将采集时段内突发性状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则执行步骤S4.3，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5；

S4.3：将所述疲劳驾驶异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则执行步骤S4.4，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5；

S4.4：将所述驾驶情绪异常状态下的心电信号特征量、正常驾驶状态下的心电信号特征量作为判别模型的输入变量，采集正在驾驶车辆的驾驶员的心电信号，并传输至所述判别模型中，当所述判别模型的输出结果为正常，则返回步骤S1，重复步骤S1-步骤S5，当所述判别模型的输出结果为异常，则驾驶车辆的终端进行报警，云端进行监控，同时执行步骤S5；

S5：根据预警信息，对所述驾驶车辆进行控制。

2.根据权利要求1所述的一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，S1所述车辆运行数据包括车辆的瞬时速度、车辆的纵向加速度、车辆的横向加速度和车辆的位置数据，所述车辆内外车况视频数据包括有驾驶室内视频监控数据和车外道路工况视频监控数据。

3.根据权利要求2所述的一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，在步骤S1中，采集并存储所述驾驶数据，具体如下：

驾驶员心电信号数据的采集和存储，具体为：

安全带及驾驶座椅中的内嵌穿戴设备通过电极感应片采集驾驶员的心电信号数据，并将所述数据传输至云端进行存储；

车辆运行数据的采集和存储，具体为：

通过速度传感器获取所述车辆的瞬时速度、车辆的纵向加速度和车辆的横向加速度，通过GPS装置获取所述车辆的位置数据，同时将获取的车辆运行数据传输至云端进行存储；

车辆内外车况视频数据的采集和存储，具体为：

通过车内外的视频监控装置分别采集驾驶室内视频监控数据和车外道路工况视频监控数据，并将所述车辆内外车况视频数据传输至云端进行存储。

4.根据权利要求1所述的一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，S3所述从驾驶状态数据库中提取并筛选心电信号特征量，进行统计学归一化处理，具体如下：

S3.1：通过数字滤波技术，对所述驾驶状态数据库中所有的驾驶员心电信号进行除噪，具体为：

w(n)＝[v(n)+v(n-1)+v(n-2)+v(n-3)]/4

其中：w(n)为第n个除噪后的心电信号，v(n)为第n个含有噪声干扰的原始心电信号，v(n-1)为第n-1个含有噪声干扰的原始心电信号，v(n-2)为第n-2个含有噪声干扰的原始心电信号，v(n-3)为第n-3个含有噪声干扰的原始心电信号；

S3.2：通过时域分析方法从时间信号中提取特征值，对所述除噪后的心电信号进行波形检测，从中辨识出P-QRS-T波的位置，并根据所述P-QRS-T波的位置，从所述除噪后的心电信号中提取出RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期，其中所述RR间期、心率HR、R波形最大值、P波形最大值、QRS波间期、QT间期、QTC间期、ST间期即为除噪后的心电信号的特征量；

S3.3：将所述心电信号特征量中数据级别错误的数据删除，再将所述驾驶状态数据库中相同场景和时段内异常驾驶状态下的心电信号特征量、正常驾驶状态下的心电信号特征量进行统计学归一化处理。

5.根据权利要求1所述的一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，在步骤S5中，对所述驾驶车辆进行控制，具体如下：

S5.1：当正在驾驶车辆的驾驶员的状态判断为疲劳驾驶异常状态或驾驶情绪异常状态时，对检测出疲劳驾驶异常状态或驾驶情绪异常状态的时间进行提取，并根据所述检测出疲劳驾驶异常状态或驾驶情绪异常状态的时间调取正在行驶车辆的车辆运行数据时间和车辆内外车况视频数据，同时执行步骤S5.2；

S5.2：根据调取的车辆运行数据时间和车辆内外车况视频数据，判断正在行驶的车辆是否行驶异常，若异常则执行步骤S5.3，并将采集到的数据传输至驾驶状态数据库中，更新所述异常驾驶状态数据库，若正常，则返回步骤S1，重复步骤S1-步骤S5；

S5.3：判断正在驾驶车辆的驾驶员的异常驾驶状态的类别，根据所述类别进行云端控制策略匹配。

6.根据权利要求5所述的一种基于心电信号的异常驾驶状态检测及预警控制方法，其特征在于，在步骤S5.3中，根据所述类别进行云端控制策略匹配，具体如下：

S5.3.1：当所述异常驾驶状态的类别为突发性状态时，执行云端控制策略Ⅰ，具体为：

第一步：云端远程控制所述正在行驶的车辆进入预先选择的车道中，并进行云端医疗急救呼叫；

第二步：所述正在行驶的车辆进入预先选择的车道后，进入巡航驾驶状态；

第三步：通过地图对所述正在行驶车辆所在区域的停车地点进行搜索，从中选出距离所述正在行驶的车辆最近的停车地点，并将所述正在行驶的车辆停在选出的停车地点处；

第四步：将在所述选出的停车地点中的停车位置发送至医疗急救车辆中；

S5.3.2：当所述异常驾驶状态的类别为疲劳驾驶异常状态时，执行云端控制策略Ⅱ，具体为：

第一步：正在行驶车辆的终端语音报送疲劳驾驶，并对所述正在行驶的车辆进行接管控制；

第二步：云端远程控制所述正在行驶的车辆进入预先选择的车道中，并进入巡航驾驶状态；

第三步：通过地图对所述正在行驶车辆所在区域的停车地点进行搜索，从中选出距离所述正在行驶的车辆最近的停车地点，并将所述正在行驶的车辆停在选出的停车地点处，在所述选出的停车地点停车休息的时间达到预设时间后，驾驶员接管车辆，继续驾驶；

S5.3.3：当所述异常驾驶状态的类别为驾驶情绪异常状态时，执行云端控制策略Ⅲ，具体为：

第一步：所述正在行驶车辆的终端语音报送车辆行驶异常，并对所述正在行驶的车辆进行接管控制；

第二步：云端远程控制所述正在行驶的车辆继续在当前所处车道中进行行驶，且所述正在行驶的车辆进入巡航驾驶状态；

第三步：所述正在行驶车辆的终端播放舒缓音乐，在播放时间达到预设时间后，驾驶员接管车辆，继续驾驶。

Images