CN111932829B - 一种预防疲劳驾驶设施效用测试方法及系统 - Google Patents

一种预防疲劳驾驶设施效用测试方法及系统 Download PDF

Info

Publication number
CN111932829B
CN111932829B CN202010820301.4A CN202010820301A CN111932829B CN 111932829 B CN111932829 B CN 111932829B CN 202010820301 A CN202010820301 A CN 202010820301A CN 111932829 B CN111932829 B CN 111932829B
Authority
CN
China
Prior art keywords
fatigue driving
data
prevention facility
fatigue
driving prevention
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
Application number
CN202010820301.4A
Other languages
English (en)
Other versions
CN111932829A (zh
Inventor
董月振
高二利
郝凯荣
石红星
马润平
卢钢
张曙光
姚建斐
毕治国
王俊俊
侯建国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhihuatong Technology Co ltd
Original Assignee
Beijing Zhihuatong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhihuatong Technology Co ltd filed Critical Beijing Zhihuatong Technology Co ltd
Priority to CN202010820301.4A priority Critical patent/CN111932829B/zh
Publication of CN111932829A publication Critical patent/CN111932829A/zh
Application granted granted Critical
Publication of CN111932829B publication Critical patent/CN111932829B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/06Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Social Psychology (AREA)
  • Pathology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种预防疲劳驾驶设施效用测试方法及系统,涉及预防疲劳驾驶技术领域,所述方法包括以下步骤:S1:基于驾驶模拟实验获取车辆数据和驾驶人心电数据;S2:根据所述心电数据确认驾驶人在进入预防疲劳驾驶设施前已进入疲劳驾驶状态;S3:截取驾驶人在进入预防疲劳驾驶设施后至测试结束期间的车辆数据,分别计算车辆特征的数据均值;S4:将所述车辆特征数据均值代入基于熵权的优劣解距离法,完成对预防疲劳驾驶设施的效用测试。本发明提供的一种预防疲劳驾驶设施效用测试方法及系统,相比于实路测试和传统驾驶疲劳模拟测试,不仅能有效降低测试过程中的安全风险和测试成本,还能高效、全面且环保的测试不同防疲劳设施的效用。

Description

一种预防疲劳驾驶设施效用测试方法及系统
技术领域
本发明涉及预防疲劳驾驶技术领域,尤其是涉及一种预防疲劳驾驶设施效用测试方法及系统。
背景技术
当前对道路设施效用测试主要通过实路测试的方法。例如:为有效降低终南山公路特长隧道(全长18km)中交通事故率及缓解隧道中驾驶疲劳,在分析隧道中交通事故分布特征和成因的基础上基于视觉诱导技术、路面处理技术和光线过度技术分别设计了参照柱、路面彩色防滑铺装和人工景观带。通过在隧道中设置三种设施,并基于设置前后交实际通事故率的变化值来验证三种设施的有效性。专利申请号为CN200910079326.7的中国专利提出了“半实物驾驶疲劳视景仿真系统平台”,综合车辆动力学模型、真实车辆、视景仿真系统、和驾驶信息采集系统,可以对反映驾驶疲劳的特征信息全面检测。但该专利仅关注于驾驶疲劳仿真系统的搭建及相关指标数据采集,并未涉及预防驾驶疲劳设施效用的相关检测方法。
由上述可知,现有设施效用检测方法主要为实路测试,其具有如下缺陷:
1)实路测试成本高且后期设施变更困难。实路测试前需在路段设置相应设施,设置设施及测试成本高,若测试后预防疲劳设施未达到预期效果,设施变更浪费人力物力。
2)实路测试效率低。实路测试过程中需安排特定实验车辆或根据实际道路中交通事故率等指标测试设施效果。只能对已设置设施进行测试,无法对所有预期设施进行测试,并且测试周期长效率较低。
3)实路测试安全风险高。为测试预防驾驶疲劳设施防疲劳效果,驾驶人在经过相应设施前应进入驾驶疲劳状态,在实路测试过程中若驾驶人进入疲劳状态,不仅无法保证自身驾驶安全,也会威胁到其他车辆的安全,极易引发交通事故。
4)实路测试受外界因素影响较大,无法保证实验数据的准确性。实路测试过程中不能保证所测试路段路况的一致性,同时受天气等影响较大。
5)实路测试过程中无法全面获取相关指标数据。实路测试过程中可以较容易获取车辆行驶速度和时间等数据,借助外部仪器也可获取心电、脑电和眼动等指标数据,但受检测设备和实验成本影响较难获取方向盘转角和车道偏移等能准确反映驾驶人疲劳状态的指标。
6)现有驾驶疲劳模拟测试仅关注驾驶人疲劳状态的检测,对预防驾驶疲劳设施效果的检测方法关注较少。
综上所述,实路测试存在成本高、效率低、安全风险高、受外部因素影响大和无法全面获取相关指标数据等缺点,同时传统驾驶模拟测试中未涉及预防驾驶疲劳设施效果的检测方法。而虽然驾驶模拟技术已有广泛应用,但对驾驶疲劳的研究主要关注于驾驶人疲劳状态的检测,关于预防疲劳设施对驾驶人的影响及预防驾驶疲劳设施的效用没有关注。
发明内容
有鉴于此,本发明提出了一种预防疲劳驾驶设施效用测试方法及系统,相比于实路测试和传统驾驶疲劳模拟测试,不仅能有效降低测试过程中的安全风险和测试成本,还能高效、全面且环保的测试不同防疲劳设施的效用。
根据本发明的第一方面,提供了一种预防疲劳驾驶设施效用测试方法,所述方法包括以下步骤:
S1:基于驾驶模拟实验获取车辆数据和驾驶人心电数据;
S2:根据所述心电数据判断驾驶人在进入预防疲劳驾驶设施前是否已进入疲劳驾驶状态,若已进入疲劳驾驶状态,则执行步骤S3;若未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3;
S3:截取驾驶人在进入预防疲劳驾驶设施后至测试结束期间的车辆数据,分别计算车辆特征的数据均值;
S4:将所述车辆特征数据均值代入基于熵权的优劣解距离法,完成对预防疲劳驾驶设施的效用测试。
进一步的,所述预防疲劳驾驶设施包括但不限于主动发光标志、彩色护栏、彩色防眩板、路面限速标识、彩色防滑道面与路肩黄色导流线、边缘视错觉减速标线。
进一步的,所述车辆数据包括操作行为数据和运动状态数据;
所述操作行为数据包括方向盘转角和油门深度;
所述运动状态数据包括车辆速度、加速度及车道偏移量。
进一步的,所述S2具体包括:
S21:根据所述心电数据,对驾驶人在实验开始时清醒状态下的心电数据和即将进入预防疲劳驾驶设施时的心率数据进行配对样本T检验得到P值,当P值小于0.05时则认为具有显著性差异,此时若实验中的心率数据同时呈减小的趋势则认为驾驶人在进入防疲劳设施时处于驾驶疲劳状态;
S22:若驾驶人已进入疲劳驾驶状态,则执行步骤S3;若驾驶人未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3。
进一步的,实验开始时清醒状态下的心率数据指实验开始时第2分钟的心率数据,即将进入预防疲劳驾驶设施时的心率数据指进入防疲劳设施前1分钟的心率数据。
进一步的,步骤S3中,所述车辆特征的数据均值包括速度均值、加速度均值、车道偏移量均值、方向盘转角均值和油门深度均值。
进一步的,所述S4具体包括:
利用熵权法确定各车辆特征的权重,根据各车辆特征的权重构建加权矩阵,并进一步利用优劣解距离法计算综合评价值,当设有预防疲劳驾驶设施的综合评价值大于无预防疲劳驾驶设施的空白对照组时,则认为预防疲劳驾驶设施有效。
进一步的,预防疲劳驾驶设施的综合评价值与无预防疲劳驾驶设施的空白对照组的综合评价值差值越大,则设施预防疲劳驾驶的效果越好。
进一步的,所述驾驶模拟实验的场景由长直线和大半径反向圆曲线构成,实现公路单调环境,同时设有包含预防疲劳驾驶设施的测试路段以及无预防疲劳驾驶设施的空白对照组路段。
进一步的,所述公路单调环境指路侧环境和道路线形单一,车流量少的公路环境。
进一步的,所述车辆数据在驾驶模拟实验中每间隔一定距离记录一次。
根据本发明的第二方面,提供了一种预防疲劳驾驶设施效用测试系统,包括:
车辆数据采集模块,被配置为采集驾驶模拟实验中的车辆数据;
心电传感器,被配置为获取驾驶人心电数据;
控制执行模块,被配置为执行如本发明第一方面所述的方法,完成预防疲劳驾驶设施效用测试。
根据本发明的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明第一方面所述的方法。
相对于现有技术,本发明所述的一种预防疲劳驾驶设施效用测试方法及系统具有以下优势:
1)采用驾驶模拟技术将预防驾驶疲劳设施及公路场景进行完整还原,能够真实模拟驾驶环境及驾驶感受。
2)本发明数据采集方法准确有效,采集指标兼顾了驾驶人行车过程中的心电数据、操作行为数据和运行状态数据。
3)本发明通过驾驶模拟技术可以有效降低测试过程中的安全风险及实验费用成本。
4)本发明的评价草原公路预防驾驶疲劳设施效用的模拟试验方法,可以应用于新设计和改造防疲劳设施的甄选优化以及对已有防疲劳设施效果进行评测,为公路交通管理部门提供重要的数据支撑。
5)基于熵权的优劣解距离法能准确量化特征指标权重,优劣解距离法的计算结果为定量化数值能直观表达设施有效程度,同时该方法计算过程简单、应用较广,计算结果准确科学性较强。
6)本申请所选取的五项车辆特征均能有效反应驾驶疲劳,相比于其他特征,数据采集及计算更简便,结果具有稳定性。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明所述的一种预防疲劳驾驶设施效用测试方法的测试流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
多个,包括两个或者两个以上。
和/或,应当理解,对于本公开中使用的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
如图1所示,本发明提供了一种预防疲劳驾驶设施效用测试方法,方法包括以下步骤:
S1:基于驾驶模拟实验获取车辆数据和驾驶人心电数据;
S2:根据心电数据判断驾驶人在进入预防疲劳驾驶设施前是否已进入疲劳驾驶状态,若已进入疲劳驾驶状态,则执行步骤S3;若未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3;
S3:截取驾驶人在进入预防疲劳驾驶设施后至测试结束期间的车辆数据,分别计算车辆特征的数据均值;
S4:将车辆特征数据均值代入基于熵权的优劣解距离法(TOPSIS,Technique forOrderPreference by Similarity to an Ideal Solution),完成对预防疲劳驾驶设施的效用测试。
预防疲劳驾驶设施包括但不限于主动发光标志、彩色护栏、彩色防眩板、路面限速标识、彩色防滑道面与路肩黄色导流线、边缘视错觉减速标线。
车辆数据包括操作行为数据和运动状态数据;
操作行为数据包括方向盘转角和油门深度;
运动状态数据包括车辆速度、加速度及车道偏移量。
S2具体包括:
S21:根据所述心电数据,对驾驶人在实验开始时清醒状态下的心电数据和即将进入预防疲劳驾驶设施时的心率数据进行配对样本T检验得到P值,当P值小于0.05时则认为具有显著性差异,此时若实验中的心率数据同时呈减小的趋势则认为驾驶人在进入防疲劳设施时处于驾驶疲劳状态;
S22:若驾驶人已进入疲劳驾驶状态,则执行步骤S3;若驾驶人未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3。
实验开始时清醒状态下的心率数据指实验开始时第2分钟的心率数据,即将进入预防疲劳驾驶设施时的心率数据指进入防疲劳设施前1分钟的心率数据。
步骤S3中,车辆特征的数据均值包括速度均值、加速度均值、车道偏移量均值、方向盘转角均值和油门深度均值。
S4具体包括:
利用熵权法确定各车辆特征的权重,根据各车辆特征的权重构建加权矩阵,并进一步利用优劣解距离法计算综合评价值,当设有预防疲劳驾驶设施的综合评价值大于无预防疲劳驾驶设施的空白对照组时,则认为预防疲劳驾驶设施有效。
预防疲劳驾驶设施的综合评价值与无预防疲劳驾驶设施的空白对照组的综合评价值差值越大,则设施预防疲劳驾驶的效果越好。
驾驶模拟实验的场景由长直线和大半径反向圆曲线构成,实现公路单调环境,同时设有包含预防疲劳驾驶设施的测试路段以及无预防疲劳驾驶设施的空白对照组路段。
公路单调环境指路侧环境和道路线形单一,车流量少的公路环境。
车辆数据在驾驶模拟实验中每间隔一定距离记录一次。
一种预防疲劳驾驶设施效用测试系统,包括:
车辆数据采集模块,被配置为采集驾驶模拟实验中的车辆数据;
心电传感器,被配置为获取驾驶人心电数据;
控制执行模块,被配置为执行如权利要求1~8中任一项所述的方法,完成预防疲劳驾驶设施效用测试。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1~8中任一项所述的方法。
实施例
1)基于驾驶模拟实验获取心电数据,操作行为数据和运行状态数据。心电数据由心电仪记录,记录逐次心跳数据。操作行为数据和运行状态数据由驾驶模拟器数据采集模块记录,每10米记录一个数据点。
2)确定驾驶人在经过防疲劳设施前进入驾驶疲劳状态
根据驾驶模拟实验获取的驾驶人心电数据,基于心率数据,考虑到驾驶人在2min进入稳定驾驶阶段且处于清醒状态,对实验开始第2min和驾驶人进入防疲劳设施前1min的心率数据做配对样本T检验得到P值,当P值小于0.05时则认为具有显著性差异,此时若实验中的心率数据同时呈减小的趋势则认为驾驶人在进入防疲劳设施时处于驾驶疲劳状态。
3)确定特征
根据已有研究,结合本专利特点,选取速度、加速度、车道偏移量、方向盘转角和油门深度5项特征作为判断特征,且上述5项特征均取其均值。
特征选取原则如下:
(1)速度均值即设施段平均车速。当驾驶人处于驾驶疲劳状态时速度均值增大。
(2)加速度均值表示速度变化情况。当驾驶人处于驾驶疲劳状态时对速度的控制能力下降,速度变化较多,加速度均值增大。
(3)车道偏移量均值表示车辆偏移车道中心线的距离。当驾驶人处于驾驶疲劳状态时对车辆控制能力下降,车道偏移量均值变大。
(4)方向盘转角均值表示方向盘转角的转动情况。当驾驶人处于驾驶疲劳状态时会出现往车道一侧偏移并且有急打方向盘的情况,方向盘转角均值增大。
(5)油门深度均值是驾驶人加减速操作的行为的一部分。将油门踏板深度会分为0-100,未踩油门踏板时其深度为0,其值即为油门深度。当驾驶人处于驾驶疲劳状态时对车辆的控制能力下降,所以对油门踩下的深度缺少正确的估计,更有可能在过度疲劳状态下对油门的控制完全不知情,由此对油门的调整也会减少,油门深度均值变大。
4)基于熵权的TOPSIS方法对防疲劳设施效果进行综合评价
熵权法计算过程如下:
(1)构建m个设施n个评价特征的判断矩阵H,如式(1)所示:
H=(xij)mn(i=1,2…,m;j=1,2,…,n) (1)
式中:xij为第j个特征下第i个设施的特征数据均值。
(2)数据标准化,如式(2)所示:
Figure BDA0002634217180000071
式中:Yij为xij的标准化数值;min(xj)为第j个特征的最小值;max(xj)为第j个特征的最大值。
(3)计算第j个特征下第i个设施的特征值的比重pij,如式(3)所示:
Figure BDA0002634217180000072
(4)计算第j项特征的熵Ej,如式(4)所示
Figure BDA0002634217180000081
pij=0
则定义
Figure BDA0002634217180000082
(5)计算各项特征的权值Wj,如式(5)所示:
Figure BDA0002634217180000083
TOPSIS计算过程如下:
(1)对各项特征进行归一化处理,得到归一化矩阵Aij,如式(6)所示:
Figure BDA0002634217180000084
式中:aij为特征数据均值xij的归一化数值。
(2)进行加权处理,得到加权矩阵Zij。将熵权法确定的各特征权重向量Wj应用到归一化矩阵中,加权矩阵Zij由归一化矩阵Aij和权重矩阵Wj相乘得到,如式(7)所示:
Zij=Aij×Wj (7)
(3)从矩阵Z中分别选出各项特征的最大值和最小值,即得到最差方案Z+和最优方案Z-,如式(8)、(9)所示:
Figure BDA0002634217180000085
Figure BDA0002634217180000086
式中:zij为aij加权后的数值;z1 +为第1个特征的最大值,以此类推;z1 -为第1个特征的最小值,以此类推。
(4)计算各评价对象与最差方案和最优方案的距离Di +与Di -,如式(10)、(11)所示:
Figure BDA0002634217180000091
Figure BDA0002634217180000092
(5)计算综合评价值Bi,B值取值范围为0~1,B值越接近1表示评价对象与最优方案贴近度越高,即该评价对象的综合评价越好,如式(12)所示:
Figure BDA0002634217180000093
计算完成后对各防疲劳设施及空白对照组综合评价值B进行排序,B越大说明该设施防疲劳效果越好,当防疲劳设施的综合评价值大于空白对照组综合评价值时,防疲劳设施有效。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。

Claims (9)

1.一种预防疲劳驾驶设施效用测试方法,其特征在于,所述方法包括以下步骤:
S1:基于驾驶模拟实验获取车辆数据和驾驶人心电数据;
S2:根据所述心电数据判断驾驶人在进入预防疲劳驾驶设施前是否已进入疲劳驾驶状态,若已进入疲劳驾驶状态,则执行步骤S3;若未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3;
S3:截取驾驶人在进入预防疲劳驾驶设施后至测试结束期间的车辆数据,分别计算车辆特征的数据均值;
S4:将所述车辆特征数据均值代入基于熵权的优劣解距离法,完成对预防疲劳驾驶设施的效用测试;
所述S4具体包括:利用熵权法确定各车辆特征的权重,根据各车辆特征的权重构建加权矩阵,并进一步利用优劣解距离法计算综合评价值,当设有预防疲劳驾驶设施的综合评价值大于无预防疲劳驾驶设施的空白对照组时,则认为预防疲劳驾驶设施有效。
2.根据权利要求1所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,所述车辆数据包括操作行为数据和运动状态数据;
所述操作行为数据包括方向盘转角和油门深度;
所述运动状态数据包括车辆速度、加速度及车道偏移量。
3.根据权利要求1所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,所述S2具体包括:
S21:根据所述心电数据,对驾驶人在实验开始时清醒状态下的心电数据和即将进入预防疲劳驾驶设施时的心率数据进行配对样本T检验得到P值,当P值小于0.05时则认为具有显著性差异,此时若实验中的心率数据同时呈减小的趋势则认为驾驶人在进入防疲劳设施时处于驾驶疲劳状态;
S22:若驾驶人已进入疲劳驾驶状态,则执行步骤S3;若驾驶人未进入疲劳驾驶状态,则延长驾驶人进入预防疲劳驾驶设施前的阶段,直到驾驶人进入疲劳驾驶状态后,执行步骤S3。
4.根据权利要求3所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,实验开始时清醒状态下的心率数据指实验开始时第2分钟的心率数据,即将进入预防疲劳驾驶设施时的心率数据指进入防疲劳设施前1分钟的心率数据。
5.根据权利要求1所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,步骤S3中,所述车辆特征的数据均值包括速度均值、加速度均值、车道偏移量均值、方向盘转角均值和油门深度均值。
6.根据权利要求1所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,所述驾驶模拟实验的场景由长直线和大半径反向圆曲线构成,实现公路单调环境,同时设有包含预防疲劳驾驶设施的测试路段以及无预防疲劳驾驶设施的空白对照组路段。
7.根据权利要求1所述的一种预防疲劳驾驶设施效用测试方法,其特征在于,所述车辆数据在驾驶模拟实验中每间隔一定距离记录一次。
8.一种预防疲劳驾驶设施效用测试系统,其特征在于,包括:
车辆数据采集模块,被配置为采集驾驶模拟实验中的车辆数据;
心电传感器,被配置为获取驾驶人心电数据;
控制执行模块,被配置为执行如权利要求1~7中任一项所述的方法,完成预防疲劳驾驶设施效用测试。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
CN202010820301.4A 2020-08-14 2020-08-14 一种预防疲劳驾驶设施效用测试方法及系统 Active CN111932829B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010820301.4A CN111932829B (zh) 2020-08-14 2020-08-14 一种预防疲劳驾驶设施效用测试方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010820301.4A CN111932829B (zh) 2020-08-14 2020-08-14 一种预防疲劳驾驶设施效用测试方法及系统

Publications (2)

Publication Number Publication Date
CN111932829A CN111932829A (zh) 2020-11-13
CN111932829B true CN111932829B (zh) 2022-04-05

Family

ID=73311904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010820301.4A Active CN111932829B (zh) 2020-08-14 2020-08-14 一种预防疲劳驾驶设施效用测试方法及系统

Country Status (1)

Country Link
CN (1) CN111932829B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117184086A (zh) * 2023-11-07 2023-12-08 江西科技学院 一种基于脑电波的智能驾驶系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101942790A (zh) * 2010-09-10 2011-01-12 天津市市政工程设计研究院 基于act-r的港区弯道线形设计方法
CN106251583A (zh) * 2016-09-30 2016-12-21 防城港市港口区高创信息技术有限公司 基于驾驶行为与眼动特征的疲劳驾驶辨识方法
CN107095671A (zh) * 2017-05-27 2017-08-29 西南交通大学 驾驶疲劳识别方法及系统
CN107252313A (zh) * 2017-05-25 2017-10-17 深圳市卡迪赛克科技有限公司 一种安全驾驶的监测方法及系统、汽车、可读存储介质
CN110487562A (zh) * 2019-08-21 2019-11-22 北京航空航天大学 一种用于无人驾驶的车道保持能力检测系统及方法
CN110796207A (zh) * 2019-11-08 2020-02-14 中南大学 一种疲劳驾驶检测方法及系统
EP3674979A1 (en) * 2018-12-31 2020-07-01 The Hi-Tech Robotic Systemz Ltd System and method for adjusting reaction time of a driver

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN208498370U (zh) * 2017-12-03 2019-02-15 南京理工大学 基于方向盘的疲劳驾驶检测预警装置
CN108464839A (zh) * 2018-03-22 2018-08-31 东华大学 一种基于机器学习的车载疲劳驾驶监测预警系统
CN109711691A (zh) * 2018-12-17 2019-05-03 长安大学 一种基于熵权模糊综合评价模型的驾驶风格评价方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101942790A (zh) * 2010-09-10 2011-01-12 天津市市政工程设计研究院 基于act-r的港区弯道线形设计方法
CN106251583A (zh) * 2016-09-30 2016-12-21 防城港市港口区高创信息技术有限公司 基于驾驶行为与眼动特征的疲劳驾驶辨识方法
CN107252313A (zh) * 2017-05-25 2017-10-17 深圳市卡迪赛克科技有限公司 一种安全驾驶的监测方法及系统、汽车、可读存储介质
CN107095671A (zh) * 2017-05-27 2017-08-29 西南交通大学 驾驶疲劳识别方法及系统
EP3674979A1 (en) * 2018-12-31 2020-07-01 The Hi-Tech Robotic Systemz Ltd System and method for adjusting reaction time of a driver
CN110487562A (zh) * 2019-08-21 2019-11-22 北京航空航天大学 一种用于无人驾驶的车道保持能力检测系统及方法
CN110796207A (zh) * 2019-11-08 2020-02-14 中南大学 一种疲劳驾驶检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于主客观评价的乘用车自适应巡航系统研究;胡广雪,邵毅明,钟颖,易侃;《公路与汽运》;20190331(第191期);第5-9页 *

Also Published As

Publication number Publication date
CN111932829A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
US11084494B2 (en) Method for detecting safety of driving behavior, apparatus, device and storage medium
CN108332977B (zh) 一种对智能网联汽车测试场景的分类分析方法
CN109367541B (zh) 一种基于驾驶员行为特性的智能车类人变道决策方法
CN106651210B (zh) 基于can数据的驾驶人综合素质评价方法
CN108446824A (zh) 一种驾驶行为的风险评估方法、装置、设备及存储介质
CN109084992A (zh) 基于台架测试无人车智能性的方法
CN111291916B (zh) 驾驶行为安全性预测方法、装置、电子设备及存储介质
CN106682600A (zh) 一种目标检测方法及终端
CN114169444B (zh) 车辆跟驰工况下考虑风险势场分布的驾驶风格分类方法
CN115782905B (zh) 一种自动驾驶车辆驾驶安全度量化系统
CN111209880A (zh) 车辆行为识别方法、装置
CN111932829B (zh) 一种预防疲劳驾驶设施效用测试方法及系统
CN112508054A (zh) 一种驾驶模型训练方法、装置、设备和介质
CN109782751A (zh) 用于自主系统性能和基准测试的方法和设备
CN112308136B (zh) 一种基于SVM-Adaboost的驾驶分心检测方法
CN112052829B (zh) 一种基于深度学习的飞行员行为监控方法
CN111723835A (zh) 车辆移动轨迹区分方法、装置和电子设备
CN112396118A (zh) 一种基于gm-hmm的驾驶员加速意图建模方法
CN110053631B (zh) 一种驾驶行为优化方法及装置
CN115027497A (zh) 目标车辆切入意图预测方法及可读存储介质
CN114996116A (zh) 一种针对自动驾驶系统的拟人性评价方法
CN114693072A (zh) 车队结构分析方法、系统及存储介质
CN112686127A (zh) 基于gm-hmm的驾驶员超车意图识别方法
CN111968365B (zh) 一种非信号交叉口车辆行为分析方法、系统及存储介质
CN112785863B (zh) 基于K-Means和熵加权的并道决策分类预警方法

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