CN111361567B - 一种车辆驾驶中应急处理的方法及设备 - Google Patents
一种车辆驾驶中应急处理的方法及设备 Download PDFInfo
- Publication number
- CN111361567B CN111361567B CN202010117191.5A CN202010117191A CN111361567B CN 111361567 B CN111361567 B CN 111361567B CN 202010117191 A CN202010117191 A CN 202010117191A CN 111361567 B CN111361567 B CN 111361567B
- Authority
- CN
- China
- Prior art keywords
- physiological
- monitoring index
- index data
- physiological monitoring
- abnormal
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0211—Combination with medical sensor, e.g. for measuring heart rate, temperature
-
- 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
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0236—Threshold setting
-
- 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
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- B60W2040/0872—Driver physiology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Child & Adolescent Psychology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种车辆驾驶中应急处理的方法及设备,该方法包括:接收通过生理监测装置采集的生理监测指标数据;根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。本发明提供的车辆驾驶中应急处理的方法及设备,解决了现有车辆驾驶中进行应急处理的方法,无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
Description
技术领域
本发明涉及行车应急处理领域,特别涉及一种车辆驾驶中应急处理的方法及设备。
背景技术
交通出行是基本的生活需求之一,在驾驶交通工具出行时,需要驾驶者在行驶过程中保持专注及高度警惕,以保证安全驾驶,避免事故的发生。但是,在实际中,不可避免的会存在驾驶者因突发疾病或遭遇其他特殊情况,而导致车辆失控、发生交通事故的情况。及时准确的对异常驾驶情况进行监测预警及相应的应急处理,可以有效减少交通事故的发生概率,保证行车安全。
目前对异常驾驶情况的预警主要根据历史发生风险事件车辆的运行情况进行分析预警,具体是采集发生风险事件概率比较高的车辆的车辆行驶数据,根据车辆行驶数据建立风险事件库,风险事件库中包括定义的不同类型的风险事件,判断是否风险事件需要采集的风险指标及判断是否为风险事件的相应规则,在车辆实时运行过程中采集风险指标,利用相应的规则判断是否为风险事件,确定为风险事件时进行风险事件预警,相应的应急处理方法是通过驾驶者对车辆进行控制或触发预设的相关指令,从而避免发生风险事件。
目前的车辆安全驾驶控制方案存在下面问题:在进行风险预警时仅考虑车辆自身的运行情况,并未考虑驾驶者是否处于安全驾驶状态,这样,车辆驾驶人员在突发疾病或者受到外界干扰等突发情况下,不可避免的会增加交通事故的发生。因此,上述方法无法对驾驶者遭遇突发情况引起的行驶异常进行实时监测和预警,并进行相应处理,以控制车辆行驶状态,避免交通事故。
综上,目前车辆驾驶中进行应急处理的方法,存在无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
发明内容
本发明提供了一种车辆驾驶中应急处理的方法及设备,用以解决现有车辆驾驶中进行应急处理的方法,无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
根据本发明实施例的第一方面,提供一种车辆驾驶中应急处理的方法,该方法包括:
接收通过生理监测装置采集的生理监测指标数据;
根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
可选地,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
可选地,该方法应用于服务器时,所述接收所述生理监测指标数据之前,还包括:
根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;
将所述生理监测指标阈值发送到所述车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
可选地,所述确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
可选地,所述根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
可选地,所述判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述接收通过生理监测装置采集的生理监测指标数据,包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;
接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
可选地,所述根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
可选地,该方法应用于车机时,所述对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
可选地,所述接收通过生理监测装置采集的生理监测指标数据,包括:
接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。
可选地,该方法应用于车机时,所述确定所述目标当前处于异常生理状态,包括:
将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;
根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
根据本发明实施例的第二方面,提供一种车辆驾驶中应急处理的设备,该设备包括:
数据接收模块,用于接收通过生理监测装置采集的生理监测指标数据;
异常判断模块,用于根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
控制执行模块,用于确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
可选地,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述控制执行模块对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
可选地,该方法应用于服务器时,所述数据接收模块接收所述生理监测指标数据之前,还包括:
根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;
将所述生理监测指标阈值发送到所述车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
可选地,所述数据接收模块确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
可选地,所述异常判断模块根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述异常判断模块将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
可选地,所述异常判断模块判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述数据接收模块接收通过生理监测装置采集的生理监测指标数据,包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;
接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
可选地,所述控制执行模块根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
可选地,该方法应用于车机时,所述控制执行模块对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
可选地,所述数据接收模块接收通过生理监测装置采集的生理监测指标数据,包括:
接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。
可选地,该方法应用于车机时,所述异常判断模块确定所述目标当前处于异常生理状态,包括:
将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;
根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
根据本发明实施例的第三方面,提供一种车辆驾驶中应急处理的设备,包括:存储器和处理器;其中:
所述存储器用于存储程序;
所述处理器用于执行所述存储器中的程序,包括如下步骤:
接收通过生理监测装置采集的生理监测指标数据;
根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
可选地,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述处理器对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
可选地,该方法应用于服务器时,所述处理器接收所述生理监测指标数据之前,还包括:
根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;
将所述生理监测指标阈值发送到所述车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
可选地,所述处理器确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
可选地,所述处理器根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述处理器将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
可选地,所述处理器判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述处理器接收通过生理监测装置采集的生理监测指标数据,包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;
接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
可选地,所述处理器根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
可选地,该方法应用于车机时,所述处理器对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
可选地,所述处理器接收通过生理监测装置采集的生理监测指标数据,包括:
接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。
可选地,该方法应用于车机时,所述处理器确定所述目标当前处于异常生理状态,包括:
将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;
根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
根据本发明实施例的第四方面,提供一种芯片,所述芯片与设备中的存储器耦合,使得所述芯片在运行时调用所述存储器中存储的程序指令,实现本申请实施例上述各个方面以及各个方面涉及的任一可能设计的方法。
根据本发明实施例的第五方面,提供一种计算机可读存储介质,该计算机存储介质存储有程序指令,当其在计算机上运行时,使得计算机执行本发明实施例上述各个方面以及各个方面涉及的任一可能设计的方法。
根据本发明实施例的第六方面,提供一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行实现本申请实施例上述各个方面以及各个方面涉及的任一可能设计的方法。
利用本发明提供的车辆驾驶中应急处理的方法及设备,具有以下有益效果:
本发明提供的车辆驾驶中应急处理的方法及设备,通过生理监测装置采集监测的目标的生理监测指标数据,根据生理监测指标数据判断监测的目标是否处于异常生理状态,并在确定目标处于异常生理状态时,根据异常生理状态类型对车机进行控制或进行提醒。解决了现有车辆驾驶中进行应急处理的方法,无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中提供的一种车辆驾驶中应急处理的系统架构示意图;
图2为本发明实施例中提供的一种车辆驾驶中应急处理的方法示意图;
图3为本发明实施例中提供的一种车辆驾驶中应急处理的方法流程示意图;
图4为本发明实施例中提供的一种车辆驾驶中应急处理的设备示意图;
图5为本发明实施例中提供的一种车辆驾驶中应急处理的设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。为了方便理解,下面对本发明实施例中涉及的名词进行解释:
1)车联网:指车辆上的车载设备通过无线通信技术,对信息网络平台中的车辆动态信息进行有效利用,在车辆运行中提供不同的功能服务;车联网具有以下几点特征:车联网能够为车与车之间的间距提供保障,降低车辆发生碰撞事故的几率;车联网可以帮助车辆实时导航,并通过与其它车辆和网络系统的通信,提高交通运行的效率;车联网能够利用传感技术感知车辆的状态信息,并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理,以及交通信息服务的智能决策和车辆的智能化控制;
2)ADAS(Advanced Driving Assistance System,高级驾驶辅助系统):指利用安装在车辆上的各式各样的传感器,在车辆行驶过程中随时感应周围的环境,收集行车数据,进行静态或动态物体的辨识、侦测与追踪等,并结合导航仪地图数据,进行系统运算与分析,从而预先监测到可能发生的危险,从而注意异常的车辆或道路情况,能够有效增加车辆驾驶的舒适性和安全性;
3)大数据:是具有更强的决策力和流程优化能力,以适应海量、高增长率和多样化信息资产的数据处理方法;大数据分析能有效地处理大量的数据,包括大规模并行处理数据、数据挖掘、分布式数据处理、云计算等;
4)回归分析:在统计学中,回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法;在大数据分析中,回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系;通常用于预测分析数据之间的因果关系;
5)决策树(Decision Tree):是在已知各种情况发生概率的基础上,通过构成决策树来求取特定概率,判断可行性的决策分析方法,是一种树形结构,其中每个内部节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶节点代表一种类别,是一种常用的分类方法;在机器学习中,决策树是一种预测模型,代表对象属性与对象值之间的一种映射关系;
6)神经网络算法:是指根据逻辑规则进行推理的过程;先将信息转化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理;卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络算法,卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类;
7)聚类:将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类;聚类后生成至少一组数据对象的集合,这些对象与同一个聚类中的对象彼此相似,与其他聚类中的对象相异;聚类分析是研究分类问题的一种统计分析方法。
本发明实施例提供一种车辆驾驶中应急处理的方法,应用于车辆驾驶场景中,可以在车辆驾驶过程中判断驾驶者是否遭遇突发情况,基于车联网技术控制车辆的运行状态,从而实现车辆驾驶中的应急处理,避难异常事故的发生。
参照图1,为本发明实施例提供的一种车辆驾驶中应急处理的系统架构示意图,该系统包括服务器设备100、车机101和生理监测装置102。服务器设备100用于根据接收的监测目标的生理监测指标数据对车机进行相应控制或提醒,车机101用于根据服务器设备100的指示控制车机的运行或输出提醒信息。系统中服务器设备100与车机101以无线方式连接,车机101与生理监测装置以有线或无线的方式连接。
系统中包括至少一个车机,每个车机对应一个生理监测装置,图1中为方便描述,只示例出一个车机101及其对应的生理监测装置102,实际系统网络中,可能存在多个车机及其对应的生理监测装置共存,在此不再赘述。
需要说明的是,上述系统架构仅是对本发明实施例适用系统架构的举例说明,本发明实施例适用的系统架构相比图1所示的系统架构还可以增加其它实体,或减少部分实体。
实施例1
目前对异常驾驶情况的预警主要根据历史发生风险事件车辆的运行情况进行分析预警,车辆驾驶中的应急处理方法主要通过驾驶者对车辆进行控制,从而避免风险事件的发生。但是,在驾驶者遭遇突发情况,无法控制车辆时,目前的应急处理方法无法做出有效控制以避免事故的发生。
鉴于此,本发明实施例提供一种车辆驾驶中应急处理的方法,应用于车辆驾驶场景中的服务器设备和/或车机。如图2所示,该方法包括:
步骤S201,接收通过生理监测装置采集的生理监测指标数据;
接收通过生理监测装置采集的生理监测指标数据之前,服务器预先根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;并将所述生理监测指标阈值发送到车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
服务器确定不同异常生理状态对应的生理监测指标阈值时,具体利用大数据分类算法对生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
服务器确定不同异常生理状态对应的生理监测指标阈值并发送到车机端时,还包括,服务器基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
接收通过生理监测装置采集的生理监测指标数据时,通过生理监测装置对监测的目标的生理监测指标数据进行监测和采集,并将采集的目标的生理监测指标数据上传到车机。上述生理监测装置监测的目标为预先与车机绑定的驾驶者,或者当前车机的驾驶者。上述对目标的生理监测指标数据进行采集和上传可以实时进行,也可以按照预设的时间间隔进行。
车机接收到生理监测装置上传的生理监测指标数据后,根据该生理监测指标数据确定异常时,将该生理监测指标数据上传到服务器设备。
具体的,根据服务器指示的不同异常生理状态下的生理监测指标阈值及各生理监测指标阈值对应的权重,车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
服务器接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。具体的,接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
本发明实施例中不同异常生理状态包括疾病生理状态及非疾病异常生理状态,其中,疾病生理状态对应不同疾病突发时的生理状态;非疾病异常生理状态对应不发生疾病,但是会导致目标的生理监测指标数据发生超过预设阈值的波动或偏差的生理状态。
本实施例中上述监测的目标的医疗数据可以包括预先获取的反映目标不同生理状态的生理指标数据或目标就医时的医疗数据中的生理指标数据,上述数据库中多个不同目标的医疗数据包括通过大数据处理获取的反映不同类型目标的不同生理状态的生理指标数据或不同类型目标就医时的医疗数据中的生理指标数据。
步骤S202,根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
服务器通过上述步骤接收通过生理监测装置采集的生理监测指标数据后,根据该生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。具体采用如下至少一种方式:
1)根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,采用分类算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
利用大数据分类、聚类算法、回归分析算法等算法,对接收的生理监测指标数据进行分类处理和分析,根据分类结果分别将生理监测指标数据与对应的不同异常生理状态下的生理监测指标数据进行对比,确定与任一异常生理状态下的生理监测指标数据的相似度超过预设值时,确定所述生理监测装置监测的目标处于对应的异常生理状态。
2)将接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
上述异常生理状态确定模型通过模型训练得到,具体的,获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
上述异常生理状态确定模型在训练过程中采用的分类算法包括聚类算法、回归分析算法或深度学习算法等,通过这些算法定义异常生理状态确定模型的分析方法,然后对异常生理状态确定模型进行模型训练,调整模型参数,能够提高异常生理状态确定模型对生理监测指标数据进行分析的准确度,从而更精准的判断所述生理监测装置监测的目标是否处于异常生理状态。
步骤S203,确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
车机利用车联网及ADAS技术,对车机运行进行监测,采集车机的行车监测指标数据,并上传到服务器,以使服务器根据所述行车监测指标数据,确定车机的运行状态。
服务器通过上述步骤确定生理监测装置监测的目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令。车机接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息。
服务器通过上述步骤确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。具体的,服务器根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
车机接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。具体的,车机接收到服务器发送的指示禁止车机启动的信令时,根据所述信令控制车机禁止启动;接收到服务器发送的指示控制车机停止运行的信令时,根据所述信令控制车机停止运行。
本发明实施例提供的车辆驾驶中应急处理的方法及设备,通过生理监测装置采集监测的目标的生理监测指标数据,根据生理监测指标数据判断监测的目标是否处于异常生理状态,并在确定目标处于异常生理状态时,根据异常生理状态类型对车机进行控制或进行提醒。解决了现有车辆驾驶中进行应急处理的方法,无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
实施例2
图3为本发明实施例提供的一种车辆驾驶中应急处理的方法流程示意图,如图所示,该方法包括:
步骤S301,车机接收通过生理监测装置采集的生理监测指标数据;
本实施例中生理监测装置为能够采集监测的目标的生理指标数据的装置,例如可以为辅助佩戴装置等,生理监测装置监测的目标为预先与车机绑定的驾驶者,或者为当前车机的驾驶者。生理监测装置能够监测的生理监测指标数据包括血压监测指标数据、心率监测指标数据、瞳孔监测指标数据和呼吸监测指标数据中的任一或任多数据,生理监测装置对上述生理监测指标数据进行监测和采集,包括执行如下至少一个步骤:
1)对目标的血压监测指标数据进行监测和采集;
生理监测装置实时监控目标的血压水平,并采集相关数据,转换成相应的血压监测指标数据,将得到的血压监测指标数据上传到车机。
其中,血压监测指标数据包括如下至少一类数据:
24小时平均收缩压(24h-sBP)、24小时平均舒张压(24h-dBP)、白天平均收缩压(D-sBP)、白天平均舒张压(D-dBP)、夜间平均收缩压(N-sBP)、夜间平均舒张压(N-dBP)、24小时收缩压负荷(24h-sBPL)、24小时舒张压负荷(24h-dBPL)、白天收缩压负荷(D-sBPL)、白天舒张压负荷(D-dBPL)、夜间收缩压负荷(N-sBPL)、夜间舒张压负荷(N-dBPL)、血压变异性(预设时间内血压总测量值的标准差)。
2)对目标的心率监测指标数据进行监测和采集;
生理监测装置实时监控目标的心率变化,并采集相关数据,转换成相应的心率监测指标数据,将得到的心率监测指标数据上传到车机。
其中,心率监测指标数据包括如下至少一类数据:
24小时最快心率、24小时最慢心率、24小时平均心率、24小时全部NN(窦性心搏周期)间期的标准差SDNN、每5分钟时段NN间期的均值和标准差SDANN、窦性心搏间期差值大于50ms的个数/整个窦性心搏间期个数PNN50。
3)对目标的瞳孔监测指标数据进行监测和采集;
生理监测装置实时监控目标的瞳孔变化,并采集相关数据,转换成相应的瞳孔监测指标数据,将得到的瞳孔监测指标数据上传到车机。
其中,瞳孔监测指标数据包括如下至少一类数据:
瞳孔的直径、瞳孔对光的反应时间。
4)对目标的呼吸监测指标数据进行监测和采集;
生理监测装置实时监控目标的呼吸情况,并采集相关数据,转换成相应的呼吸监测指标数据,将得到的呼吸监测指标数据上传到车机。
其中,呼吸监测指标数据包括如下至少一类数据:
潮气量、分钟同气量、血氧分压PaO2、动脉血二氧化碳分压PaCO2、动脉血氧饱和度SaO2。
生理监测装置将采集的上述生理监测指标数据,上传到车机。
步骤S302,车机根据生理监测装置采集的生理监测指标数据确定监测的目标当前处于异常生理状态时,将生理监测装置采集的生理监测指标数据上传到服务器;
本实施例中,服务器预先根据生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值,及各生理监测指标对应的权重,并发送到车机。具体通过上述实施例提供的方法实现,这里不再重述。
上述医疗数据可以包括预先获取的反映目标不同生理状态的生理指标数据或目标就医时的医疗数据中的生理指标数据,例如目标正常时的生理指标数据、目标发生不同疾病时对应的生理指标数据、目标发生不同情绪波动时对应的生理指标数据等。
服务器通过预先建立监测的目标的医疗数据库,从该医疗数据库中获取监测目标的医疗数据。通过预先建立的疾病数据库和情绪波动数据库,采集数据库中多个不同目标的医疗数据。其中,疾病数据库和情绪波动数据库中包括预先搜集的多个不同目标的医疗数据,该医疗数据可以包括不同目标正常时的生理指标数据、不同目标发生不同疾病时对应的生理指标数据、不同目标发生不同情绪波动时对应的生理指标数据等。多个不同目标可以是不同性别、不同年龄、不同健康状况、不同地区等各不相同的目标。
作为一种可选的实施方式,上述疾病数据库可以包括常见的突发疾病发生时,各项人体基本生理监测指标数据,例如突发心脏病时的相关心率监测指标数据;上述情绪波动数据库可以包括情绪发生波动时,各项人体基本生理监测指标数据,例如情绪急躁时的相关血压监测指标数据、心率监测指标数据等。
上述不同异常生理状态下各生理监测指标数据对应的权重根据不同异常生理状态发生时,各生理监测指标数据的变化程度即相对正常值的偏离程度确定。在某一异常生理状态发生时,生理监测指标数据的变化程度越大,则在该异常生理状态下,该生理监测指标数据对应的权重值越大,反之则越小。例如,当异常生理状态为突发高血压时,血压监测指标数据的变化在确定是否突发高血压时起主要作用,其他监测指标数据的变化在确定是否突发高血压时起次要作用,因此,突发高血压状态下,血压监测指标数据对应的权重值最大,其他监测指标数据对应的权重值相对较小。
车机接收上述通过生理监测装置采集的生理监测指标数据后,将各生理监测指标数据与服务器指示的不同异常生理状态下各生理监测指标数据对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;根据服务器指示的不同异常生理状态下各生理监测指标数据对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
上述生理监测指标阈值可以包括生理监测指标高阈值和生理监测指标低阈值,在生理监测指标数据超过生理监测指标高阈值,或生理监测指标数据未超过生理监测指标低阈值时,将比较结果映射为对应异常的判断值,在生理监测指标数据超过生理监测指标低阈值,且未超过生理监测指标高阈值时,将比较结果映射为对应正常的判断值。
例如,在生理监测指标数据超过对应的生理监测指标高阈值,或未超过对应的生理监测指标低阈值时,将比较结果映射为判断值1,在生理监测指标数据超过对应的生理监测指标低阈值,且未超过对应的生理监测指标高阈值时,将比较结果映射为判断值0,根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对各生理监测指标对应的判断值1或0进行加权平均,得到一个最终判断值,根据最终判断值确定是否异常。例如,在最终判断值为1或者大于预设值时,确定异常,否则确定正常。
作为一种可选的实施方式,车机接收上述通过生理监测装置采集的生理监测指标数据后,可以将生理监测指标数据发送添加到对应的监测的目标的医疗数据库,将该生理监测指标数据作为对应的目标的医疗数据。
本实施例中优先利用监测的目标的医疗数据确定不同异常生理状态下各生理监测指标数据集对应的生理监测指标阈值。在上述监测的目标的医疗数据库中医疗数据不健全,服务器无法根据监测的目标的医疗数据确定对应的生理监测指标阈值时,可以利用数据库中与监测的目标类型接近的目标的医疗数据,确定对应的生理监测指标阈值。例如可以利用数据库中与监测的目标属于同一地区、同一年龄层的目标的医疗数据确定对应的生理监测指标阈值。
车机根据上述服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定监测的目标当前处于异常生理状态时,上传所述生理监测指标数据。
步骤S303,服务器根据车机上传的生理监测指标数据,确定生理监测装置监测的目标当前是否处于异常生理状态;
服务器接收车机上传的生理监测指标数据后,根据该生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
具体实施时,采用与上述实施例相同的方法,这里不再重述。
进一步的,作为一种可选的实施方式,服务器确定生理监测装置监测的目标当前处于异常生理状态及对应的异常生理状态类型时,通过用户界面输出对确定的异常生理状态类型进行确认的提示信息,根据返回的确认信息确定所述目标当前所处的异常生理状态类型,并根据返回的对所述异常生理状态进行处理的指示信息进行相应处理。若预设时间内未接收到返回的确认信息或指示信息,则直接根据确认的异常生理状态类型执行后续处理步骤。
进一步的,作为另一种可选的实施方式,服务器确定生理监测装置监测的目标当前处于异常生理状态及对应的异常生理状态类型时,通过预设在车机上的音视频采集装置,采集车机当前的音视频数据,并将采集的音视频数据输出到用户界面。
步骤S304,服务器确定生理监测装置监测的目标处于异常生理状态时,向车机发送指示对车机运行进行控制或输出提醒信息的信令;
本实施例中,车机利用车联网及ADAS技术,对车机的行车状态进行监测,并将采集的与车机运行相关的行车监测指标数据上传到服务器。其中,行车监测指标数据包括车机状态监测指标数据和行车环境监测指标数据。车机状态监测指标数据包括车机所在位置、车速、车机胎压、行驶里程、车门状态、车窗状态、制动踏板状态及危险警示灯状态等反映车辆基本状态的监测指标数据,行车环境监测指标数据包括反映车机周围环境状态的监测指标数据,车机周围环境状态包括车机所在道路的车道情况、车机前后方预设距离内的道路状况、车机两侧的道路状况等。
服务器通过上述步骤确定监测的目标处于非疾病异常生理状态时,向对应的车机发送指示输出提醒信息的信令,以使该车机通过用户界面、语音播放或电话提醒等方式,将提醒信息传达给监测的目标即车机驾驶者,从而使监测的目标及时发现异常并作出应对,以避免异常事故的发生。
服务器通过上述步骤确定监测的目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向车机发送对车机运行进行控制的信令。
具体的,服务器在根据行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令,以使车机转换为禁止启动的状态。进一步的,还可以通过预设在车机上的音视频采集装置,采集车机当前的音视频数据,根据采集的音视频数据,确定监测的目标的状态,或者通过车机远程通信系统与监测的目标进行通信,确定监测的目标的状态。在确定该目标处于正常状态时,向车机发送解除禁止车机启动的指示信令,以使车机转换为允许启动的状态。
服务器在根据行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令,以使车机由运行状态调整为停止状态。具体可以根据车机状态和监测的目标的状态,选择指示车机执行如下至少一项:
打开车机应急灯、减速或靠边停车、停车后打开车门、停车后降下车窗。
进一步的,作为一种可选的实施方式,服务器确定监测的目标处于疾病生理状态时,触发医疗安全事件相关处理,将车机所在位置和监测的目标即车机驾驶者的生理监测指标数据发送到医疗救助系统,以使医疗救助系统根据车机所在位置和监测的目标的生理监测指标数据,对该目标提供医疗救助。
步骤S305,车机接收到服务器发送的对车机运行进行控制或输出提醒信息的信令时,根据服务器的指示对车机运行进行控制或输出提醒信息。
车机接收到指示禁止车机启动的信令时,转换为禁止启动的状态。
车机接收到指示控制车机停止运行的信令时,由运行状态调整为停止状态,具体根据服务器的指示,执行如下至少一项:
打开车机应急灯、减速或靠边停车、停车后打开车门、停车后降下车窗。
本发明实施例提供的车辆驾驶中应急处理的方法及设备,通过生理监测装置采集监测的目标的生理监测指标数据,根据生理监测指标数据判断监测的目标是否处于异常生理状态,并在确定目标处于异常生理状态时,根据异常生理状态类型对车机进行控制或进行提醒。解决了现有车辆驾驶中进行应急处理的方法,无法对驾驶者遭遇突发情况引起的行驶异常进行监测预警及应急处理的问题。
实施例3
以上对本发明中一种车辆驾驶中应急处理的方法进行说明,以下对执行上述车辆驾驶中应急处理的方法的设备进行说明。
请参阅图4,本发明实施例提供一种车辆驾驶中应急处理的设备,包括:
数据接收模块401,用于接收通过生理监测装置采集的生理监测指标数据;
异常判断模块402,用于根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
控制执行模块403,用于确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
可选地,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述控制执行模块对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
可选地,该方法应用于服务器时,所述数据接收模块接收所述生理监测指标数据之前,还包括:
根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;
将所述生理监测指标阈值发送到所述车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
可选地,所述数据接收模块确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
可选地,所述异常判断模块根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述异常判断模块将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
可选地,所述异常判断模块判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述数据接收模块接收通过生理监测装置采集的生理监测指标数据,包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;
接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
可选地,所述控制执行模块根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
可选地,该方法应用于车机时,所述控制执行模块对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
可选地,所述数据接收模块接收通过生理监测装置采集的生理监测指标数据,包括:
接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。
可选地,该方法应用于车机时,所述异常判断模块确定所述目标当前处于异常生理状态,包括:
将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;
根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
上面从模块化功能实体的角度对本申请实施例中的车辆驾驶中应急处理的设备进行了描述,下面从硬件处理的角度对本申请实施例中的车辆驾驶中应急处理的设备进行描述。
实施例4
请参阅图5,本申请实施例中车辆驾驶中应急处理的设备的另一个实施例包括:
处理器501、存储器502、收发器509以及总线系统511;
所述存储器用于存储程序;
所述处理器用于执行所述存储器中的程序,包括如下步骤:
接收通过生理监测装置采集的生理监测指标数据;
根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
图5是本发明实施例提供的一种车辆驾驶中应急处理的设备的结构示意图,该设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(英文全称:central processing units,英文简称:CPU)501(例如,一个或一个以上处理器)和存储器502,一个或一个以上存储应用程序504或数据506的存储介质503(例如一个或一个以上海量存储设备)。其中,存储器502和存储介质503可以是短暂存储或持久存储。存储在存储介质503的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对信息处理装置中的一系列指令操作。更进一步地,处理器501可以设置为与存储介质503通信,在设备500上执行存储介质503中的一系列指令操作。
设备500还可以包括一个或一个以上电源510,一个或一个以上有线或无线网络接口507,一个或一个以上输入输出接口508,和/或,一个或一个以上操作系统505,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD等。
可选地,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述处理器对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
可选地,该方法应用于服务器时,所述处理器接收所述生理监测指标数据之前,还包括:
根据所述生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值;
将所述生理监测指标阈值发送到所述车机,以使所述车机确定生理监测指标数据超过对应的生理监测指标阈值时,上传所述生理监测指标数据。
可选地,所述处理器确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
可选地,所述处理器根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述处理器将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
可选地,所述处理器判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
可选地,所述处理器接收通过生理监测装置采集的生理监测指标数据,包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机;
接收所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果利用对应的权重加权后确定异常时,上传的通过生理监测装置采集的生理监测指标数据。
可选地,所述处理器根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
可选地,该方法应用于车机时,所述处理器对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
可选地,所述处理器接收通过生理监测装置采集的生理监测指标数据,包括:
接收车机根据服务器发送的不同异常生理状态对应的生理监测指标阈值,及生理监测装置采集的生理监测指标数据,确定所述目标当前处于异常生理状态时,上传的所述生理监测指标数据。
可选地,该方法应用于车机时,所述处理器确定所述目标当前处于异常生理状态,包括:
将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值;
根据服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据。
本发明实施例还提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述实施例提供的车辆驾驶中应急处理的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
以上对本申请所提供的技术方案进行了详细介绍,本申请中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种车辆驾驶中应急处理的方法,其特征在于,包括:
服务器根据生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值,并将所述生理监测指标阈值发送到车机;
所述车机接收所述生理监测指标阈值和通过生理监测装置采集的生理监测指标数据,所述生理监测装置为能够采集监测的目标的生理指标数据的装置,所述生理监测装置监测的目标为预先与车机绑定的驾驶者,所述生理监测装置实时监测所述目标的血压监测指标数据、目标的心率监测指标数据、目标的瞳孔监测指标数据、目标的呼吸监测指标数据并上传到所述车机;
所述车机将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值,并根据所述服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据,所述不同异常生理状态下各生理监测指标数据对应的权重根据不同异常生理状态发生时,各生理监测指标数据的变化程度确定;
所述服务器接收所述车机上传的所述生理监测指标数据,并根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态;
确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
2.根据权利要求1所述的方法,其特征在于,所述不同异常生理状态包括疾病生理状态及非疾病异常生理状态,所述对车机运行进行控制或输出提醒信息,包括:
确定所述目标处于非疾病异常生理状态时,向车机发送指示输出提醒信息的信令;
确定所述目标处于疾病生理状态时,根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令。
3.根据权利要求1所述的方法,其特征在于,所述确定不同异常生理状态对应的生理监测指标阈值,包括:
利用大数据分类算法对所述生理监测装置监测的目标的医疗数据,或者数据库中多个不同目标的医疗数据,进行分类处理,确定各生理监测指标数据的正常取值范围;
根据不同异常生理状态类型及各生理监测指标数据的正常取值范围,确定不同异常生理状态对应的生理监测指标阈值。
4.根据权利要求1所述的方法,其特征在于,所述根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型中,确定所述生理监测装置监测的目标是否处于异常生理状态。
5.根据权利要求4所述的方法,其特征在于,所述将所述接收的生理监测指标数据,输入到采用分类算法的异常生理状态确定模型之前,还包括:
获取多个训练样本,各训练样本包括处于不同异常生理状态的生理监测指标数据及对应的异常生理状态类型;
将训练样本中的生理监测指标数据,输入到采用分类算法的异常生理状态确定训练模型,将所述异常生理状态确定训练模型输出的异常生理状态类型和训练样本中的异常生理状态类型进行对比,根据对比结果调整所述异常生理状态确定训练模型的模型参数,得到所述异常生理状态确定模型。
6.根据权利要求1~5任一所述的方法,其特征在于,所述判断所述生理监测装置监测的目标是否处于异常生理状态,包括:
利用聚类算法、回归分析算法或深度学习算法,判断所述生理监测装置监测的目标是否处于异常生理状态。
7.根据权利要求1所述的方法,其特征在于,所述服务器将所述生理监测指标阈值发送到车机之后,还包括:
基于不同异常生理状态的类型,确定不同异常生理状态下各生理监测指标对应的权重并指示给所述车机。
8.根据权利要求2所述的方法,其特征在于,所述根据从车机接收的行车监测指标数据,向所述车机发送对车机运行进行控制的信令,包括:
根据所述行车监测指标数据确定车机处于静止状态时,向车机发送指示禁止车机启动的信令;
根据所述行车监测指标数据确定车机处于运行状态时,向车机发送指示控制车机停止运行的信令。
9.根据权利要求2所述的方法,其特征在于,该方法应用于车机时,所述对车机运行进行控制或输出提醒信息,包括:
接收到服务器确定所述目标处于非疾病异常生理状态,发送的指示输出提醒信息的信令时,根据所述信令输出提醒信息;
接收到服务器确定所述目标处于疾病生理状态,发送的指示对车机运行进行控制的信令时,根据所述信令对车机运行进行控制。
10.一种车辆驾驶中应急处理的设备,其特征在于,包括:
数据接收模块,用于根据生理监测装置监测的目标的医疗数据,或者根据数据库中多个不同目标的医疗数据,确定不同异常生理状态对应的生理监测指标阈值,并将所述生理监测指标阈值发送到车机;接收所述生理监测指标阈值和通过生理监测装置采集的生理监测指标数据,所述生理监测装置为能够采集监测的目标的生理指标数据的装置,所述生理监测装置监测的目标为预先与车机绑定的驾驶者,所述生理监测装置实时监测所述目标的血压监测指标数据、目标的心率监测指标数据、目标的瞳孔监测指标数据、目标的呼吸监测指标数据并上传到所述车机;
异常判断模块,用于将各生理监测指标数据与对应的生理监测指标阈值进行比较,将比较结果映射为不同的判断值,并根据所述服务器指示的不同异常生理状态下各生理监测指标对应的权重对所述判断值进行加权处理,确定所述目标当前处于异常生理状态时,上传所述生理监测指标数据;接收所述车机上传的所述生理监测指标数据,并根据接收的生理监测指标数据,及不同异常生理状态对应的生理监测指标数据,判断所述生理监测装置监测的目标是否处于异常生理状态,所述不同异常生理状态下各生理监测指标数据对应的权重根据不同异常生理状态发生时,各生理监测指标数据的变化程度确定;
控制执行模块,用于确定所述目标处于异常生理状态时,对车机运行进行控制或输出提醒信息。
11.一种车辆驾驶中应急处理的设备,其特征在于,包括:存储器和处理器;
其中,所述存储器用于存储程序;
所述处理器用于执行所述存储器中的程序,实现如权利要求1~9任一所述方法的步骤。
12.一种计算机程序介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1~9任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117191.5A CN111361567B (zh) | 2020-02-25 | 2020-02-25 | 一种车辆驾驶中应急处理的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117191.5A CN111361567B (zh) | 2020-02-25 | 2020-02-25 | 一种车辆驾驶中应急处理的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111361567A CN111361567A (zh) | 2020-07-03 |
CN111361567B true CN111361567B (zh) | 2022-02-15 |
Family
ID=71201226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010117191.5A Active CN111361567B (zh) | 2020-02-25 | 2020-02-25 | 一种车辆驾驶中应急处理的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111361567B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112172832B (zh) * | 2020-09-30 | 2022-01-07 | 英博超算(南京)科技有限公司 | 一种可监控驾驶员安全状态的自动驾驶系统 |
CN113022575B (zh) * | 2021-03-29 | 2023-09-12 | 英博超算(南京)科技有限公司 | 一种具有dvr和ai的车载前视adas一体机系统及方法 |
CN113561989B (zh) * | 2021-08-16 | 2023-03-24 | 斑马网络技术有限公司 | 基于心电信号的危险驾驶状态检测方法、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104875745A (zh) * | 2015-05-18 | 2015-09-02 | 百度在线网络技术(北京)有限公司 | 一种状态信息的处理方法及系统 |
CN104875744A (zh) * | 2015-04-28 | 2015-09-02 | 奇瑞汽车股份有限公司 | 驾驶员身体状态监测方法及系统 |
CN110027566A (zh) * | 2018-12-31 | 2019-07-19 | 柳姿贝 | 一种驾驶员异常情况下车辆自主避险控制装置 |
CN110466529A (zh) * | 2019-07-25 | 2019-11-19 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆应急方法、控制器及车辆 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109562763B (zh) * | 2016-08-09 | 2021-05-04 | 日产自动车株式会社 | 自动驾驶车辆的控制方法及控制装置 |
CN108836285A (zh) * | 2018-05-09 | 2018-11-20 | 陕西数字人信息科技有限公司 | 人体疾病自主诊断模型和人工智能体检方法及系统和健康评估直观演示方法 |
CN109572705B (zh) * | 2018-12-11 | 2020-07-28 | 武汉格罗夫氢能汽车有限公司 | 一种驾驶员情绪管理方法、设备及存储设备 |
-
2020
- 2020-02-25 CN CN202010117191.5A patent/CN111361567B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104875744A (zh) * | 2015-04-28 | 2015-09-02 | 奇瑞汽车股份有限公司 | 驾驶员身体状态监测方法及系统 |
CN104875745A (zh) * | 2015-05-18 | 2015-09-02 | 百度在线网络技术(北京)有限公司 | 一种状态信息的处理方法及系统 |
CN110027566A (zh) * | 2018-12-31 | 2019-07-19 | 柳姿贝 | 一种驾驶员异常情况下车辆自主避险控制装置 |
CN110466529A (zh) * | 2019-07-25 | 2019-11-19 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆应急方法、控制器及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111361567A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111361567B (zh) | 一种车辆驾驶中应急处理的方法及设备 | |
CN106618524B (zh) | 丧失驾驶能力的检测和预防 | |
CN104540701B (zh) | 用于确定驾驶员的操作状态的方法 | |
US7415391B2 (en) | Complex event evaluation systems and methods | |
KR20070065307A (ko) | 운전 모니터 시스템 및 방법 | |
CN105869356A (zh) | 一种铁路司机工作状态的评估干预系统及方法 | |
CN105139162A (zh) | 一种管理危重患者的临床诊疗信息及质控方法及系统 | |
Bundele et al. | Detection of fatigue of vehicular driver using skin conductance and oximetry pulse: a neural network approach | |
CN101169873A (zh) | 一种异常驾驶智能检测系统及其检测方法 | |
KR20160036968A (ko) | 운전자 졸음, 부주의 및 과부하 통합 판단 장치 및 방법 | |
CN113495547A (zh) | 一种实时安全的无人驾驶故障诊断与保护方法及系统 | |
CN108537198A (zh) | 一种基于人工智能的驾驶习惯的分析方法 | |
CN114821968B (zh) | 动车司机疲劳驾驶干预方法、装置、设备及可读存储介质 | |
US20230211780A1 (en) | Operation support method, operation support system, and operation support server | |
Balaji et al. | Toward safer vehicular transit: implementing deep learning on single channel EEG systems for microsleep detection | |
CN115349865A (zh) | 驾驶员心电信号分析方法、装置及存储介质 | |
JP2021101318A (ja) | 解析装置、解析方法、及び解析プログラム | |
CN110816542A (zh) | 提供驾驶员帮助的方法 | |
CN104490374A (zh) | 驾驶者心脏状态的判断系统及方法 | |
CN115192026B (zh) | 隧道驾驶负荷监测方法及终端 | |
Bylykbashi et al. | Effect of vehicle technical condition on real-time driving risk management in Internet of Vehicles: Design and performance evaluation of an integrated fuzzy-based system | |
CN113415292A (zh) | 一种驾驶接管能力评估方法及电子装置 | |
CN115991200A (zh) | 座舱功能调用方法、装置、电子设备及车辆 | |
CN117962901B (zh) | 驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品 | |
CN114475623A (zh) | 车辆的控制方法、装置、电子设备及存储介质 |
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 |