CN111703428A - 一种基于车路协同的疲劳驾驶监测方法 - Google Patents

Abstract

本发明公开一种基于车路协同的疲劳驾驶监测方法，是基于车路协同技术采集车辆相对于基准线的横向位移，然后通过多个横向位移样本数据，计算车辆与基准线相对横向位移的均值，然后再计算车辆与基准线相对横向位移的标准差，然后再计算基于标准差和车宽的疲劳指数，最后根据疲劳指数对驾驶疲劳程度定级。本发明排除了人为因素对疲劳驾驶判定带来的影响，并且测量准确度高，采用的技术手段简单，不影响驾驶人操作。

Description

一种基于车路协同的疲劳驾驶监测方法

技术领域

本发明涉及一种基于车路协同技术的驾驶人疲劳驾驶监测方法，属于车辆安全技术领域。

背景技术

疲劳是指由于脑力、肌肉或其他器官因过度消耗而机能反应减弱的人体表征现象，在疲劳状态下驾驶车辆称之为疲劳驾驶。疲劳后，驾驶人的生理发生变化并影响驾驶行为，表现为感知机能弱化、注意力下降、驾驶操作行为失调、反应时间延长，易造成判断错误和操作失误，极易发生道路交通事故。

目前关于疲劳驾驶监测，主流技术是基于驾驶人生理特征的识别和基于驾驶行为的识别，比如通过眨眼识别，嘴巴张合度识别，点头频次识别，脉搏识别，心率识别，或者通过方向盘转角识别，通过踩刹车行为识别等。监测工具上是采用传感器、摄像头、行车记录仪、随身佩戴脉搏仪、压力器等。红外视觉传感器可以直接检测驾驶人的面部特征，但面部个体差异导致该技术路线存在较大的误判问题，红外补光还会刺激驾驶人视觉，对驾驶人的正常驾驶行为产生较大影响；通过摄像头等置于驾驶人正前方也存在视觉阻碍的问题。通过视频图像处理技术来判断车辆是否发生无意识的车道偏移，但是驾驶人意识识别是一项复杂的技术，一般车型不满足。跟踪驾驶人车辆操控状态，以此来检测驾驶人是否处于疲劳驾驶状态，但是识别方法对所有驾驶员是固定的，精度不高。

总之以上几种方法都是以人为根本的识别，而随着个体的差异，人为干扰因素较多，造成监测结果不准确，方法手段也不具有普适性。

发明内容

针对驾驶人疲劳驾驶操作行为失调、反应时间延长导致的对车辆操控不准确，不能及时修正车辆行驶轨迹，产生车辆在车道内摇摆前进甚至偏离出车道的问题，本发明提出一种基于车路协同的疲劳驾驶监测方法，对驾驶人进行疲劳驾驶检测。该方法不依赖于驾驶人的生理特征以及驾驶行为，只需要通过车辆的行驶状态就可以辨别出驾驶人是否处于疲劳驾驶状态。

本发明所采取的技术方案如下：一种基于车路协同的疲劳驾驶监测方法，其特征在于，包括如下步骤：

step1：设定一车道行驶基准线，采集车辆与所述基准线的相对横向位移L_i，i＝1,2…N，N为采样时间窗内采集的样本数据量；

step2：计算车辆与所述基准线相对横向位移的均值L_m：

step3：计算车辆与所述基准线相对横向位移的标准差L_std：

step4：计算疲劳指数F_i：

step5：根据预先建立的疲劳程度定级表，基于计算的F_i对驾驶疲劳程度定级。

进一步地，基于在路侧沿途间隔设置的若干个路侧单元，采集车辆与所述基准线相对横向位移。

进一步地，所述基准线为车道中心线。

进一步地，预先设定车辆与所述基准线相对横向位移的标记方式，标记车辆中心线与所述基准线重合时车辆横向位移取值为0，车辆中心线相对于所述基准线向左偏或向右偏时，对应取值为正或负。

进一步地，所述疲劳程度定级表中，设定有疲劳程度等级，每一等级的界限值根据经验统计确定。

进一步地，在监测过程中，如果发生转向灯开启，则停止监测；如果发生转向灯开启后关闭，则在关闭时重新开始监测。

与现有技术相比，本发明的有益效果体现在：

第一，本发明基于最能直观反应驾驶人疲劳驾驶导致车辆在车道内摇摆前进的“车辆与车道相对横向位移”概念、“车辆与车道相对横向位移平均值”概念、“车辆与车道相对横向位移标准差”概念，提出疲劳指数概念，根据疲劳指数确定疲劳程度等级，具有高可靠性、高测量准确度的优势，排除了由于人为因素对疲劳驾驶判定带来的误判或者精准度不高的影响，解决了误报频繁的问题。

第二，本发明不需要在车上安装传感器、摄像头等工具，尤其不用将工具放在驾驶人身上或者正前方遮挡视野，不影响驾驶人操作，不对驾驶人产生视觉刺激，解决了影响驾驶人正常驾驶的问题。

第三，检测指标获取简单，且可通过多种方式获取，甚至可以不增加车载部件，解决了实施疲劳驾驶监测对车辆进行改装、增加车辆成本的问题。

附图说明

图1为本发明实施例提供的路侧单元监测系统布局图；

图2为本发明实施例提供的监测流程图。

具体实施方式

下面结合附图和实施例，对本发明进行详细的说明。但是本领域技术人员应该知道，附图和实施例仅用于对本发明技术方案的解释，并不是对技术方案的限定。

本发明通过如下几个概念的提出，来实现疲劳驾驶监测。

一，本发明提出车辆与车道相对横向位移(L)的概念，用以计算某时刻车辆在车道中的横向偏移，所述横向偏移是指车辆在垂直于车道行驶基准线方向上的偏移，一般选择车道中心线为测量基准线。

本发明提出“车辆与车道相对横向位移”概念的原因是，驾驶人疲劳驾驶时操作行为失调、反应时间延长，会导致对车辆操控不准确，不能及时修正车辆行驶轨迹，会使车辆产生在车道内摇摆前进的现象。而在一定时间窗内采集车辆与车道相对横向位移样本量，最能直观、准确反应车辆在车道内摇摆前进的现象。

选择车道中心线为基准线，设定车辆与车道中心线之间相对横向位移L的标记方式，例如是：沿车辆行驶方向，如果车辆中心线与车道中心线重合记为0，如果车辆中心线向左偏移记为正，如果车辆中心线向右偏移记为负；也可以是：沿车辆行驶方向，如果车辆中心线与车道中心线重合记为0，如果车辆中心线向右偏移记为正，如果车辆中心线向左偏移记为负。

二，本发明还提出车辆与车道相对横向位移均值(L_m)的概念，用以计算某个时间窗内车辆的平均横向位移。同样选择车道中心线为基准线，在样本数据量为N的情况下，车辆与车道中心线相对横向位移均值L_m的计算方法见公式1，其中L_i为样本i的车辆与车道中心线的相对横向位移：

三，本发明还提出车辆与车道相对横向位移标准差(L_std)的概念，用以衡量某个时间窗内样本i的车辆与行驶基准线的相对横向位移与全部样本的车辆与基准线相对横向位移均值的差异性。同样选择车道中心线为基准线，在样本数据量为N的情况下，车辆与车道中心线相对横向位移的标准差L_std的计算见公式2：

本发明采用标准差的数据统计分析方法，对检测时间窗内大量“车辆与车道相对横向位移”样本数据进行特征提取，用一个指标值(L_std)表征大量车辆与车道相对横向位移数据的关键特征，以进一步直观、准确反应车辆在车道内摇摆前进的现象。

四，本发明还提出疲劳指数(F_i)概念，用以根据车辆与车道相对横向位移标准差L_std与车宽的比，从而确认疲劳程度。疲劳指数F_i计算方法见公式3：

注：上述L_i、L_m、L_std与车宽采用同一单位计算。

根据以上概念，本发明提出疲劳驾驶监测方法如下，参见图2：

本发明提出“疲劳指数”的概念，是因为根据试验和实际数据统计得知，不同车型因车辆尺寸差异，驾驶人在同一疲劳状态下会产生不同的车辆与车道相对横向位移标准差(L_std)，并且产生的车辆与车道相对横向位移标准差与车辆宽度成正比。故提出疲劳指数(车辆与车道相对横向位移标准差L_std与车宽的比)，消除不同车型因车辆宽度不同对车辆与车道相对横向位移标准差这一检测指标的影响，统一疲劳程度与检测指标的对应关系，使该方法能够适应不同车型。

下面是具体实施步骤：

图1所示是为实现本发明方法而设置的路侧单元监测系统布局，本发明提出的疲劳驾驶监测方法，基于在路侧沿途间隔设置的若干个路侧单元1(Road Side Unit，RSU)而监测。在车辆上安装有车载单元2(On Board Unit，OBU)，路侧单元1与车载单元2之间进行通讯，实现车辆身份和位置的识别。相邻两路侧单元1之间的间隔距离以信号捕捉范围全程无漏洞为准设计。路侧单元1具有高清摄像头，可以以5HZ的固定频率精确捕捉行驶车辆与车道中心线之间相对横向位移L。L也可基于车载定位、车载视觉传感器获取。

step1：预先设定车辆与车道中心线之间相对横向位移L的标记方式，设定一次监测采样时间窗、采样步长、该时间窗内采集的样本数据量N；

让车辆在监测路段行驶，开启路侧单元1，路侧单元1与车载单元2不间断通信，由路侧单元1分别采集t_i时刻的车辆与车道中心线相对横向位移L_i，i＝1,2…N，向车载单元2发送；

step2：根据L_i计算车辆与车道中心线相对横向位移均值L_m：

step3：根据L_i和L_m计算车辆与车道中心线相对横向位移的标准差L_std：

step4：根据L_std计算疲劳指数F_i：

step5：根据F_i对疲劳程度进行定级：

预先建立的疲劳程度定级表，如表1所示，其中S1、S2是根据大量试验统计确定的经验值：

表1疲劳程度定级表

序号	疲劳指数范围	疲劳程度
			1	F<sub>i</sub>≥S1	清醒
2	S1﹤F<sub>i</sub>﹤S2	轻微疲劳
			3	F<sub>i</sub>≥S2	严重疲劳

然后根据测得的F_i进行比照定级，监测疲劳驾驶情况。

在监测过程中，如果转向灯开启时，则停止监测，转向灯关闭后重新开始监测。检测到疲劳驾驶时，路侧单元1通过车路通信对车辆进行预警。

下面是一具体实施例：

假设路侧单元1以5HZ的固定频率采集样本数据；

假设预先设定车辆与车道中心线之间相对横向位移L的标记方式是：沿车辆行驶方向，如果车辆中心线与车道中心线重合L记为0，如果车辆中心线向左偏移L记为正，如果车辆中心线向右偏移L记为负；

假设路侧单元一次监测的采样时间窗为10s，该时间窗内采集样本数据量为10个，采样步长为1s；

在某路段监测时，由路侧单元1每隔1s向车载单元2发送一次数据，记录车辆与车道中心线的相对横向位移，分别有L₁、L₂…L₁₀，共10个数据：

序号	t(时间，秒)	L(位移，米)
			1	1s	L<sub>1</sub>＝0
2	2s	L<sub>2</sub>＝+0.2
			3	3s	L<sub>3</sub>＝+0.1
4	4s	L<sub>4</sub>＝-0.3
			5	5s	L<sub>5</sub>＝-0.5
6	6s	L<sub>6</sub>＝+0.1
			7	7s	L<sub>7</sub>＝0
8	8s	L<sub>8</sub>＝+0.6
			9	9s	L<sub>9</sub>＝+0.4
10	10s	L<sub>10</sub>＝-0.1

计算车辆与车道中心线相对横向位移均值L_m：

计算车辆与车道中心线相对横向位移的标准差L_std：

设车辆宽1.8米，计算疲劳指数F_i：

根据疲劳程度分级，如下表：

说明在这10s内，驾驶人是清醒的。

以上所述，仅为本发明的一个具体实施例，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于车路协同的疲劳驾驶监测方法，其特征在于，包括如下步骤：

step1：设定一车道行驶基准线，采集车辆与所述基准线的相对横向位移L_i，i＝1,2…N，N为采样时间窗内采集的样本数据量；

step2：计算车辆与所述基准线相对横向位移的均值L_m：

step3：计算车辆与所述基准线相对横向位移的标准差L_std：

step4：计算疲劳指数F_i：

step5：根据预先建立的疲劳程度定级表，基于计算的F_i对驾驶疲劳程度评估定级。

2.根据权利要求1所述的基于车路协同的疲劳驾驶监测方法，其特征在于，基于在路侧沿途间隔设置的若干个路侧单元，采集车辆与所述基准线相对横向位移。

3.根据权利要求1所述的基于车路协同的疲劳驾驶监测方法，其特征在于，所述基准线为车道中心线。

4.根据权利要求1或2或3所述的基于车路协同的疲劳驾驶监测方法，其特征在于，预先设定车辆与所述基准线相对横向位移的标记方式。

5.根据权利要求4所述的基于车路协同的疲劳驾驶监测方法，其特征在于，标记车辆中心线与所述基准线重合时横向位移取值为0，车辆中心线相对于所述基准线向左偏或向右偏时，对应取值为正或负。

6.根据权利要求1所述的基于车路协同的疲劳驾驶监测方法，其特征在于，所述疲劳程度定级表中，设定有疲劳程度等级，每一等级的界限值根据经验统计确定。

7.根据权利要求1所述的基于车路协同的疲劳驾驶监测方法，其特征在于，在监测过程中，如果发生转向灯开启，则停止监测；如果发生转向灯开启后关闭，则在关闭时重新开始监测。

Images