CN111986805A - 融合驾驶员大数据的智能网联车辆健康监测系统及方法 - Google Patents

融合驾驶员大数据的智能网联车辆健康监测系统及方法 Download PDF

Info

Publication number
CN111986805A
CN111986805A CN202010643528.6A CN202010643528A CN111986805A CN 111986805 A CN111986805 A CN 111986805A CN 202010643528 A CN202010643528 A CN 202010643528A CN 111986805 A CN111986805 A CN 111986805A
Authority
CN
China
Prior art keywords
driver
vehicle
health
module
data
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
Application number
CN202010643528.6A
Other languages
English (en)
Inventor
周小川
栾众楷
黄恒
汪桉旭
赵万忠
章波
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.)
Nanjing Tianhang Intelligent Equipment Research Institute Co ltd
Original Assignee
Nanjing Tianhang Intelligent Equipment Research Institute 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 Nanjing Tianhang Intelligent Equipment Research Institute Co ltd filed Critical Nanjing Tianhang Intelligent Equipment Research Institute Co ltd
Priority to CN202010643528.6A priority Critical patent/CN111986805A/zh
Publication of CN111986805A publication Critical patent/CN111986805A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/022—Measuring pressure in heart or blood vessels by applying pressure to close blood vessels, e.g. against the skin; Ophthalmodynamometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Nursing (AREA)
  • Evolutionary Computation (AREA)
  • Traffic Control Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Dentistry (AREA)
  • Pulmonology (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Emergency Medicine (AREA)
  • Bioinformatics & Cheminformatics (AREA)

Abstract

本发明公开了融合驾驶员大数据的智能网联车辆健康监测系统及方法，其系统包括检测模块，车载终端，服务器，医院终端，理疗设备；其方法步骤主要包括：通过检测模块检测驾驶员健康数据；信号处理器处理信号并传输给车载终端；车载终端将接受的驾驶员健康数据通过通讯模块传输给服务器；服务器接受信号并采用各类分析法对驾驶员健康数据进行分类、职业病进行探索发现以及对状态异常驾驶员的健康数据详细分析。本发明能够提高驾驶员的健康状态，提高汽车的主动安全性，丰富信息共享的渠道和驾驶员健康数据库，大大提高驾驶员健康分析效率，保证分析结果的高准确性与可靠性。

Description

融合驾驶员大数据的智能网联车辆健康监测系统及方法
技术领域
本发明涉及汽车主动安全技术领域，具体涉及融合驾驶员大数据的智能网联车辆健康监测系统及方法。
技术背景
随着汽车制造业的快速发展，汽车在日常生活起到了越来越重要的作用，但大量的汽车与复杂的道路也伴随着更加频发的交通事故。据统计，95％以上的交通事故与驾驶员状态与操作有关。驾驶员的健康状况与行车安全息息相关，然而在目前快节奏的生活面前，大量的驾驶员处于亚健康状态，这进一步增加了交通事故发生的概率。另外，长时间的驾驶容易导致驾驶员腰椎病等职业病，精神和身体双重疲惫和不规律的作息，也影响着驾驶员的身体健康。
近年来，大数据快速发展，在医学上也具有十分重要的意义。如果通过车联网采集驾驶员健康大数据并用于医学领域，将能起到准确诊断驾驶员健康状况，预测驾驶员潜在疾病的重要意义。将健康检测结果同时与驾驶员驾驶状态结合，还能针对驾驶员处于异常状态采取相应措施，提高汽车主动安全性。但目前此领域还鲜有报道，缺乏具体有效的实施方法。
例如：CN104875744A所述系统虽然实现对驾驶员健康检测，并通过多传感器融合增强判断能力，但他所采用的判断方法是将监测的数据与预先储存的驾驶员基础身体状态参数对比，缺乏检测的准确性，也无法根据数据分析进行驾驶员健康状态的预测。CN210300979U所述系统虽然实现对驾驶员健康检测，并能预防驾驶员酒驾或疲劳驾驶，但是只能解决的酒驾与疲劳驾驶两种驾驶员异常状态，不能预测驾驶员潜在疾病风险，不具有理疗保健功能，并且缺乏针对驾驶员疲劳驾驶时的处理措施，缺乏对驾驶员健康数据的利用。可见目前缺乏利用车联网与医疗大数据融合实现对驾驶员健康状态进行准确判断，并对驾驶员潜在疾病进行预测的系统及方法。
发明内容
针对上述问题，本发明目的在于提出融合驾驶员大数据的智能网联车辆健康监测系统及方法，以实现对驾驶员的健康状况实时检测数据精确分析，预测并提醒驾驶员身体存在潜在风险，通过车载理疗设备改善驾驶员健康状况，预防驾驶员因身体健康状况异常导致的交通事故，在驾驶员突发疾病时能自动救援，提高汽车的安全性。
为达上述目的，本发明采用技术方案如下：
本发明的驾驶员健康检测系统，包括：检测模块，车载终端，服务器，医院终端，理疗设备。
其中检测模块包括：心率检测单元，人脸识别单元，腰部骨骼检测单元，行为检测单元，血压检测单元，体温监测单元。
车载终端包括：中央处理器，语言播报模块，车联网通讯模块，显示模块，定位模块，自动救援模块。
服务器包括：云端数据库，数据分析模块。
医院终端包括：复诊模块，病情判断模块，普通问诊模块，专家问诊模块，急救模块。
理疗设备包括：腰椎病预防康复设备，疲劳缓解设备。
进一步地，所述心率检测单元包括：A电极，B电极，C电极和单片机。A电极与B电极分别位于方向盘左右驾驶员握手处，C电极位于安全带中，具体为靠近驾驶员心脏附近位置。用于采集驾驶员心率信号。单片机对A、B、C电极采集的信号进行处理，实现信号的参数化。心率检测单元与车载终端相连，将其参数化后的信号传输给车载终端。
进一步地，所述人脸识别单元包括：摄像头A，图像处理器A。摄像头A位于车内后视镜，用于检测驾驶员人脸图像，并将信号传输给图像处理器A。图像处理器A对摄像头检测的驾驶员人脸图像进行特征信号提取并实现特征信号的参数化，具有识别驾驶员情绪等功能，并将参数化后的信号传输给车载终端。
进一步地，所述腰部骨骼检测单元包括：弯曲传感器，信号处理器。弯曲传感器位于驾驶员座椅的腰部位置处，检测驾驶员腰部骨骼弯曲信号，将信号传输给信号处理器。信号处理处理弯曲传感器采集的信号，将驾驶员腰部骨骼弯曲程度信号参数化并传输给车载终端。
进一步地，所述行为检测单元包括摄像头A，摄像头B和图像处理器B组成。摄像头A与人脸识别单元摄像头A为同一摄像头，实现对驾驶员眼动追踪和头部运动追踪，摄像头B位于驾驶员头顶的车顶内侧，实现对驾驶员手部运动追踪，图像处理器B实现对摄像头A和摄像头B采集的图像信息进行处理，完成信号的参数化并传输给车载终端。
进一步地，所述血压检测单元包括血压计，气泵，支撑架和血压信号处理器组成。血压计用于测量驾驶员血压，气泵在驾驶员检测时工作，为血压计气囊充气进行血压检测，支撑架位于驾驶员右侧，实现支撑驾驶员手臂，并为血压计提供安装位置的功能。血压信号处理器将血压计采集的信号参数化后传输给车载终端。
进一步地，所述体温监测单元包括体温计和体温信号处理器，所述体温计为非接触时体温测量仪，通过红外传感原理实现对驾驶员的体温监测。体温信号处理器体温计采集的信号参数化后传输给车载终端。
进一步地，所述中央处理器能实现对接受的信号进行判断分类，对车载终端其他模块进行控制的功能。
进一步地，所述语言播报模块具有两个功能。第一个功能为播报驾驶员健康数据分析结果与播报对分析结果的处理建议；第二个功能是在驾驶员身体异常时警示驾驶员存在的安全隐患及处理意见。
进一步地，所述车联网通讯模块采用5G通讯，为车联网的实现提供有力保障。该模块以车联网为基础，可以实现车辆与医院，服务器，其他车辆以及道路交通设施等联网设施的信息传输，丰富了信息共享的渠道。可以实现在线问诊，健康检测分析等功能，在驾驶员突发疾病等紧急状况下可以利用车联网向周围车辆，道路交通设备发生信号为其服务，实现无人驾驶，同时还可以利用车联网求助医院，做好相应救援措施。此处叙述为车联网通讯模块的部分功能。
进一步地，所述显示模块具有三个功能。第一个功能为显示驾驶员健康数据分析结果，第二个功能为用于视频通讯，第三个功能为实现驾驶员操作指令的输入。
进一步地，所述定位模块采用GPS实现对车辆详细地理位置的获取。
进一步地，所述自动救援模块在驾驶员突发疾病等紧急状况下失去驾驶能力时启动，具有三个功能。第一个功能是利用车联网以通讯模块警示周围车辆并求助。第二个功能为，在周围无救援的情况下提升该车辆的优先级到救护车级别，采用无人驾驶技术自动驶向就近医院，同时利用车联网向周围车辆及交通信号设施发出求助信息，让其他车辆礼让，让周围交通信号设备为其提供便利。第三个功能是利用车联网以通讯模块联系医院、驾驶员家属和交警中心，实时共享该车辆当前位置信息，让其提前准备对该驾驶员的救助。
进一步地，所述云端数据库储存大量健康数据，用于对比分析驾驶员健康状态，并不断更新，主要体现在：通过每天的检测，一方面采集大量不同驾驶员的健康数据；另一方面不停采集同一驾驶员的健康数据。这大大丰富了云端数据库，同时对于驾驶员这一类人提供更加贴切可靠的对比数据，提高分析结果的准确性。例如：通过对同一驾驶员长时间检测数据的综合分析，实现预测驾驶员健康趋势，分析该驾驶员潜在疾病的风险；通过对大量驾驶员检测数据的分析，实现精确判断驾驶员健康状况，并统计驾驶员常见健康问题，为指导驾驶员如何保持健康，远离这类健康问题提供方向。
进一步地，所述数据分析模块实现对驾驶员健康数据的分析处理。通过对驾驶员多种检测数据的综合分析，可以实现对驾驶员情绪和多种生理数据的判断，通过医疗大数据对比分析，准备判断驾驶员健康状态，预测驾驶员潜在健康问题，记录驾驶员生理数据到云端数据库。
进一步地，所述复诊模块实现对服务器传输的分析结果进行复诊，确保诊断的准确性。
进一步地，所述病情判断模块实现对服务器传输的数据进行分类，针对驾驶员存在潜在疾病或慢性疾病，根据驾驶员意愿联系普通问诊医生或专家问诊医生。针对驾驶员存在突发疾病，动用120紧急救护车对驾驶员进行急救。
进一步地，所述普通问诊模块实现为驾驶员匹配普通医生，问诊简单疾病。
进一步地，所述专家问诊模块实现为驾驶员匹配专家医生，问诊复杂疾病。
进一步地，所述急救模块实现在驾驶员突发疾病等紧急情况动用120紧急救护车对驾驶员进行急救。
进一步地，所述腰椎病预防康复设备安装于驾驶员座椅腰部位置处，具有腰椎病康复与预防功能。驾驶员根据数据分析结果选择是否启动该设备进行治疗。驾驶员也可主动启动该设备进行腰椎病康复治疗或进行腰椎病预防按摩。该设备需在驻车时才能启动。
进一步地，所述疲劳缓解设备安装与驾驶员座椅的背部，由机械按摩指A，机械按摩指B，机械按摩指C，机械按摩指D组成。机械按摩指均匀分布于驾驶员背部位置，可全方位移动实现对驾驶员背部以及颈部的按摩。实现缓解驾驶员疲劳的功能，可结合腰椎病预防康复设备同时作用，达到更佳的按摩效果。该设备需要驻车时才能启动。
本发明的融合驾驶员大数据的智能网联车辆健康监测系统及方法，基于上述系统，包括以下步骤：
步骤1、通过检测模块检测的驾驶员健康数据，检测模块包括心率监测单元，人脸识别单元，腰部骨骼检测单元。
步骤2、检测模块的信号处理器将检测的信号进行处理，将其传输给车载终端。此处的信号处理器包括心率检测单元的单片机，人脸识别单元的图像处理器，腰部骨骼检测单元的信号处理器，分别处理各自检测的健康数据，将其转换成计算机容易识别的数字信号。
步骤3、车载终端将接受的驾驶员健康数据通过通讯模块传输给服务器。
步骤4、服务器接受信号并通过数据分析模块对驾驶员健康数据进行分析，通过K-means聚类分析法完成驾驶员健康类别分类，通过CURE聚类分析法完成探索发现驾驶员的职业病，通过Deep Convolutional Neural Networks算法完成对驾驶员健康状况的详细分析。
进一步地，所述K-means聚类分析法分析结果分为四类：第一类，该驾驶员十分健康；第二类，该驾驶员存在潜在健康问题；第三类，该驾驶员状态异常；第四类，该驾驶员为突发疾病等紧急状况。具体实施步骤为：(1)提取需要处理的数据；(2)确定K值；(3)选取K个质心；(4)计算每一位驾驶员健康参数与K个质心的距离，归类并生成K个新集合；(5)计算新集合的质心；(6)判断新集合的质心是否满足要求，并在满足要求条件下结束算法；(7)在不满足要求时，迭代(4)到(6)。该算法可以实现运行一次算法同时对n个驾驶员的健康参数进行分类，提高数据处理的效率。
进一步地，所述(1)具体表现为:
Figure BDA0002572181040000051
其中X代表提取的数据集合，具体表现为n×m矩阵，其中n代表驾驶员个数，m代表驾驶员检测参数的个数。Ci代表簇，具体可以表示不同驾驶员的健康参数集合，例如：C1为不同驾驶员的心率参数集合，C2为不同驾驶员人脸信号参数集合，C3为不同驾驶员腰部骨骼参数集合，C4为不同驾驶员行为参数集合，C5为不同驾驶员血压参数集合，C6为不同驾驶员体温参数集合。
进一步地，所述(2)具体表现为：以最终分类的类别数确定K值。K代表最终分类的类别数，此处最终分析结果表现为四类，K值为4。
进一步地，所述(3)具体表现为：选取4个质心，此处所述质心代表各类结果的最明显参数值，例如：第一类结果为驾驶员健康，假设其参数表示为a＝63，b＝59，c＝78，d＝99，e＝67，f＝45，(a，b，c，d，e，f)即为第一类分类的质心，而其对应的参数值为最能代表这一类结果的参数，其大小根据大样本分析结果确定，增加分类结果的准确性。
进一步地，所述(4)具体表现为：计算每一位驾驶员健康参数与4个质心的距离，离哪个质心距离最近，将该驾驶员归为该质心所在的一个类别，例如计算第i个驾驶员与第j类质心的距离时，具体计算公式为：
Figure BDA0002572181040000061
其中d(xi,xj)代表所分析第i个驾驶员健康参数与第j类质心的距离；m的值为6；xi为第i个驾驶员的健康参数，具体表现为xi1＝ai，xi2＝bi，xi3＝ci，xi4＝di，xi5＝ei，xi6＝fi；xj为第j类质心参数，具体表现为xj1＝aj，xj2＝bj，xj3＝cj，xj4＝dj，xj5＝ej，xj6＝fj。
进一步地，所述(5)具体表现为：将所有驾驶员分类完毕，得到4个新的集合，对应四类结果，重新计算4个集合的质心。
进一步地，所述(6)具体表现为：判断新集合的质心是否满足要求，如果新的集合质心与初始质心的距离小于预设阈值ε，算法终止。所述阈值ε影响计算结果的准确度与迭代次数，二者一般为此消彼长的关系，中和考虑二者的权重选取合适的阈值ε。
进一步地，所述(7)具体表现为：如果新的集合质心与初始质心的距离大于阈值ε，需要迭代第四步到第六步过程。到此该算法完成对n个驾驶员同时分类，大大提高数据分析的效率。
进一步地，所述CURE聚类分析法用于对整个数据的全部驾驶员进行抽样调查，实现探索发现驾驶员具有的职业病种类。抽样的样本个数需满足一定要求，具体表现为：
Figure BDA0002572181040000071
其中，s是采样大小，f是最低采样率，它取决于簇的密度和簇之间的分离度，分离度越高，密度越高，f就设置的越高，|u|是簇u的大小，N是整个数据集的大小，δ是从|u|个样本点中采样得到f|u|个样本点的概率，且要满足0≤δ≤1。
进一步地，针对被分到第二类，第三类和第四类的驾驶员，采用DeepConvolutional Neural Networks算法对这些驾驶员做详细健康数据分析，以此提高分析结果的准确性，更加全面分析驾驶员健康问题，实现预测驾驶员潜在疾病风险和判断驾驶员现存的健康问题。
进一步地，第二类该驾驶员存在潜在风险具有分为：心脏存在潜在风险，腰椎存在潜在风险。
进一步地，第三类该驾驶员状态异常具体分为：该驾驶员疲劳驾驶，该驾驶员心率异常，该驾驶员腰椎结构异常。
步骤5、服务器对不同的分析结果做出不同处理。具体表现如下：
针对第一类分析结果，服务器将分析结果反馈到车载终端，并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。
针对第二类分析结果，服务器将分析结果反馈到车载终端，同时反馈简单的预防治疗方法，并提供多种医疗渠道供驾驶员选择。并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。根据权限决定是否将驾驶员联系方法传输给医院终端。
针对第三类分析结果，服务器将分析结果反馈到车载终端，同时反馈简单的治疗方法，并提供多种医疗渠道供驾驶员选择。并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。根据权限决定是否将驾驶员联系方法传输给医院终端。
针对第四类分析结果，服务器将分析结果反馈到车载终端，同时将分析结果与该驾驶员联系方法与地理位置传输到医院终端，该驾驶员家属和交警中心。
步骤6、车载终端接收服务器反馈分析结果并进行不同处理。具体体现如下：
针对第一类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果。
针对第二类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果，通过显示模块显示不同医疗渠道供驾驶员选择。如有腰椎病潜在风险，根据驾驶员坐姿习惯进行纠正指导，并根据驾驶员驾驶习惯为驾驶员提供合理的预防治疗时间供驾驶员选择。在休息时间，由驾驶员选择启动腰椎病预防康复设备进行预防治疗。
针对第三类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果，通过显示模块显示不同医疗渠道供驾驶员选择。如有腰椎病问题，根据驾驶员坐姿习惯进行纠正指导，并根据驾驶员驾驶习惯为驾驶员提供合理的康复治疗时间供驾驶员选择。在休息时间，由驾驶员选择启动腰椎病预防康复设备进行康复治疗。如有疲劳驾驶问题，通过语音播报模块警示驾驶员处于疲劳驾驶状态，并根据驾驶员选择决定是否驻车进行疲劳缓解，通过启动疲劳缓解设备缓解驾驶员疲劳。
针对第四类反馈结果，车载终端启动无人驾驶模块。实现在驾驶员无驾驶能力的情况下自动安全停车。利用通讯模块将驾驶员健康分析结果和地理位置信息传输给医院终端、驾驶员家属和交警中心。利用通讯模块警示周围车辆并求助。
步骤7、医院终端对接受的驾驶员健康数据与分析结果进行核查。针对驾驶员存在的健康问题提供医疗建议和治疗渠道并反馈到车载终端供驾驶员参考。针对驾驶员突发疾病等紧急情况提供急救措施。
本发明提供的融合驾驶员大数据的智能网联车辆健康监测系统及方法，能够通过检测驾驶员健康数据分析出驾驶员健康状况。针对驾驶员潜在健康问题提供相应的预防指导措施与医疗联系渠道；针对驾驶员现在的健康问题提供医疗渠道，并针对腰椎病进行康复治疗，提高驾驶员的健康状态。
本发明可根据检测驾驶员健康数据分析出结果判断驾驶员是否身体异常，当驾驶员身体异常时采取相应措施，例如：针对疲劳驾驶问题采取警示驾驶员并提供疲劳缓解的按摩装置；针对驾驶员突发疾病等紧急状况提供无人驾驶模块实现无人驾驶安全停车并联系医院终端，驾驶员家属和交警中心等。提高汽车的主动安全性，为驾驶员生命护航。
本发明采用融合车联网的方法实现了车辆与医院，服务器以及其他车辆等联网设施的信息传输，丰富了信息共享的渠道。同时，车联网也实现了大量驾驶员的健康数据采集，大大丰富了驾驶员健康数据库，为驾驶员健康大数据分析提供更贴切可靠的数据库。而本发明采用的K-means聚类分析法大大提高驾驶员健康分析效率，同时保证分析结果较高准确性与可靠性，保障该系统工作有效可靠。
附图说明
图1为本发明提供的融合驾驶员大数据的智能网联车辆健康监测系统的结构组成图。
图2为本发明健康监测系统实施方法的原理流程图。
图3为本发明健康监测系统实施方法中K-means聚类分析法的流程图。
具体实施方式
针对上述问题，本发明提出融合驾驶员大数据的智能网联车辆健康监测系统及方法，以实现对驾驶员的健康状况实时检测数据精确分析，预测并提醒驾驶员身体存在潜在风险，通过车载理疗设备改善驾驶员健康状况，预防驾驶员因身体健康状况异常导致的交通事故，在驾驶员突发疾病时能自动救援，提高汽车的安全性。
为达上述目的，本发明采用技术方案如下：
本发明的驾驶员健康检测系统，包括：检测模块，车载终端，服务器，医院终端，理疗设备。
其中检测模块包括：心率检测单元，人脸识别单元，腰部骨骼检测单元，行为检测单元，血压检测单元，体温监测单元。
车载终端包括：中央处理器，语言播报模块，车联网通讯模块，显示模块，定位模块，自动救援模块。
服务器包括：云端数据库，数据分析模块。
医院终端包括：复诊模块，病情判断模块，普通问诊模块，专家问诊模块，急救模块。
理疗设备包括：腰椎病预防康复设备，疲劳缓解设备。
进一步地，所述心率检测单元包括：A电极，B电极，C电极和单片机。A电极与B电极分别位于方向盘左右驾驶员握手处，C电极位于安全带中，具体为靠近驾驶员心脏附近位置。用于采集驾驶员心率信号。单片机对A、B、C电极采集的信号进行处理，实现信号的参数化。心率检测单元与车载终端相连，将其参数化后的信号传输给车载终端。
进一步地，所述人脸识别单元包括：摄像头A，图像处理器A。摄像头A位于车内后视镜，用于检测驾驶员人脸图像，并将信号传输给图像处理器A。图像处理器A对摄像头检测的驾驶员人脸图像进行特征信号提取并实现特征信号的参数化，具有识别驾驶员情绪等功能，并将参数化后的信号传输给车载终端。
进一步地，所述腰部骨骼检测单元包括：弯曲传感器，信号处理器。弯曲传感器位于驾驶员座椅的腰部位置处，检测驾驶员腰部骨骼弯曲信号，将信号传输给信号处理器。信号处理处理弯曲传感器采集的信号，将驾驶员腰部骨骼弯曲程度信号参数化并传输给车载终端。
进一步地，所述行为检测单元包括摄像头A，摄像头B和图像处理器B组成。摄像头A与人脸识别单元摄像头A为同一摄像头，实现对驾驶员眼动追踪和头部运动追踪，摄像头B位于驾驶员头顶的车顶内侧，实现对驾驶员手部运动追踪，图像处理器B实现对摄像头A和摄像头B采集的图像信息进行处理，完成信号的参数化并传输给车载终端。
进一步地，所述血压检测单元包括血压计，气泵，支撑架和血压信号处理器组成。血压计用于测量驾驶员血压，气泵在驾驶员检测时工作，为血压计气囊充气进行血压检测，支撑架位于驾驶员右侧，实现支撑驾驶员手臂，并为血压计提供安装位置的功能。血压信号处理器将血压计采集的信号参数化后传输给车载终端。
进一步地，所述体温监测单元包括体温计和体温信号处理器，所述体温计为非接触时体温测量仪，通过红外传感原理实现对驾驶员的体温监测。体温信号处理器体温计采集的信号参数化后传输给车载终端。
进一步地，所述中央处理器能实现对接受的信号进行判断分类，对车载终端其他模块进行控制的功能。
进一步地，所述语言播报模块具有两个功能。第一个功能为播报驾驶员健康数据分析结果与播报对分析结果的处理建议；第二个功能是在驾驶员身体异常时警示驾驶员存在的安全隐患及处理意见。
进一步地，所述车联网通讯模块采用5G通讯，为车联网的实现提供有力保障。该模块以车联网为基础，可以实现车辆与医院，服务器，其他车辆以及道路交通设施等联网设施的信息传输，丰富了信息共享的渠道。可以实现在线问诊，健康检测分析等功能，在驾驶员突发疾病等紧急状况下可以利用车联网向周围车辆，道路交通设备发生信号为其服务，实现无人驾驶，同时还可以利用车联网求助医院，做好相应救援措施。此处叙述为车联网通讯模块的部分功能。
进一步地，所述显示模块具有三个功能。第一个功能为显示驾驶员健康数据分析结果，第二个功能为用于视频通讯，第三个功能为实现驾驶员操作指令的输入。
进一步地，所述定位模块采用GPS实现对车辆详细地理位置的获取。
进一步地，所述自动救援模块在驾驶员突发疾病等紧急状况下失去驾驶能力时启动，具有三个功能。第一个功能是利用车联网以通讯模块警示周围车辆并求助。第二个功能为，在周围无救援的情况下提升该车辆的优先级到救护车级别，采用无人驾驶技术自动驶向就近医院，同时利用车联网向周围车辆及交通信号设施发出求助信息，让其他车辆礼让，让周围交通信号设备为其提供便利。第三个功能是利用车联网以通讯模块联系医院、驾驶员家属和交警中心，实时共享该车辆当前位置信息，让其提前准备对该驾驶员的救助。
进一步地，所述云端数据库储存大量健康数据，用于对比分析驾驶员健康状态，并不断更新，主要体现在：通过每天的检测，一方面采集大量不同驾驶员的健康数据；另一方面不停采集同一驾驶员的健康数据。这大大丰富了云端数据库，同时对于驾驶员这一类人提供更加贴切可靠的对比数据，提高分析结果的准确性。例如：通过对同一驾驶员长时间检测数据的综合分析，实现预测驾驶员健康趋势，分析该驾驶员潜在疾病的风险；通过对大量驾驶员检测数据的分析，实现精确判断驾驶员健康状况，并统计驾驶员常见健康问题，为指导驾驶员如何保持健康，远离这类健康问题提供方向。
进一步地，所述数据分析模块实现对驾驶员健康数据的分析处理。通过对驾驶员多种检测数据的综合分析，可以实现对驾驶员情绪和多种生理数据的判断，通过医疗大数据对比分析，准备判断驾驶员健康状态，预测驾驶员潜在健康问题，记录驾驶员生理数据到云端数据库。
进一步地，所述复诊模块实现对服务器传输的分析结果进行复诊，确保诊断的准确性。
进一步地，所述病情判断模块实现对服务器传输的数据进行分类，针对驾驶员存在潜在疾病或慢性疾病，根据驾驶员意愿联系普通问诊医生或专家问诊医生。针对驾驶员存在突发疾病，动用120紧急救护车对驾驶员进行急救。
进一步地，所述普通问诊模块实现为驾驶员匹配普通医生，问诊简单疾病。
进一步地，所述专家问诊模块实现为驾驶员匹配专家医生，问诊复杂疾病。
进一步地，所述急救模块实现在驾驶员突发疾病等紧急情况动用120紧急救护车对驾驶员进行急救。
进一步地，所述腰椎病预防康复设备安装于驾驶员座椅腰部位置处，具有腰椎病康复与预防功能。驾驶员根据数据分析结果选择是否启动该设备进行治疗。驾驶员也可主动启动该设备进行腰椎病康复治疗或进行腰椎病预防按摩。该设备需在驻车时才能启动。
进一步地，所述疲劳缓解设备安装与驾驶员座椅的背部，由机械按摩指A，机械按摩指B，机械按摩指C，机械按摩指D组成。机械按摩指均匀分布于驾驶员背部位置，可全方位移动实现对驾驶员背部以及颈部的按摩。实现缓解驾驶员疲劳的功能，可结合腰椎病预防康复设备同时作用，达到更佳的按摩效果。该设备需要驻车时才能启动。
本发明的融合驾驶员大数据的智能网联车辆健康监测系统及方法，基于上述系统，包括以下步骤：
步骤1、通过检测模块检测的驾驶员健康数据，检测模块包括心率监测单元，人脸识别单元，腰部骨骼检测单元。
步骤2、检测模块的信号处理器将检测的信号进行处理，将其传输给车载终端。此处的信号处理器包括心率检测单元的单片机，人脸识别单元的图像处理器，腰部骨骼检测单元的信号处理器，分别处理各自检测的健康数据，将其转换成计算机容易识别的数字信号。
步骤3、车载终端将接受的驾驶员健康数据通过通讯模块传输给服务器。
步骤4、服务器接受信号并通过数据分析模块对驾驶员健康数据进行分析，通过K-means聚类分析法完成驾驶员健康类别分类，通过CURE聚类分析法完成探索发现驾驶员的职业病，通过Deep Convolutional Neural Networks算法完成对驾驶员健康状况的详细分析。
进一步地，所述K-means聚类分析法分析结果分为四类：第一类，该驾驶员十分健康；第二类，该驾驶员存在潜在健康问题；第三类，该驾驶员状态异常；第四类，该驾驶员为突发疾病等紧急状况。具体实施步骤为：(1)提取需要处理的数据；(2)确定K值；(3)选取K个质心；(4)计算每一位驾驶员健康参数与K个质心的距离，归类并生成K个新集合；(5)计算新集合的质心；(6)判断新集合的质心是否满足要求，并在满足要求条件下结束算法；(7)在不满足要求时，迭代步骤4到步骤6。该算法可以实现运行一次算法同时对n个驾驶员的健康参数进行分类，提高数据处理的效率。
所述(1)具体表现为:
Figure BDA0002572181040000131
其中X代表提取的数据集合，具体表现为n×m矩阵，其中n代表驾驶员个数，m代表驾驶员检测参数的个数。Ci代表簇，具体可以表示不同驾驶员的健康参数集合，例如：C1为不同驾驶员的心率参数集合，C2为不同驾驶员人脸信号参数集合，C3为不同驾驶员腰部骨骼参数集合，C4为不同驾驶员行为参数集合，C5为不同驾驶员血压参数集合，C6为不同驾驶员体温参数集合。
所述(2)具体表现为：以最终分类的类别数确定K值。K代表最终分类的类别数，此处最终分析结果表现为四类，K值为4。
所述(3)具体表现为：选取4个质心，此处所述质心代表各类结果的最明显参数值，例如：第一类结果为驾驶员健康，假设其参数表示为a＝63，b＝59，c＝78，d＝99，e＝67，f＝45，(a，b，c，d，e，f)即为第一类分类的质心，而其对应的参数值为最能代表这一类结果的参数，其大小根据大样本分析结果确定，增加分类结果的准确性。
所述(4)具体表现为：计算每一位驾驶员健康参数与4个质心的距离，离哪个质心距离最近，将该驾驶员归为该质心所在的一个类别，例如计算第i个驾驶员与第j类质心的距离时，具体计算公式为：
Figure BDA0002572181040000141
其中d(xi,xj)代表所分析第i个驾驶员健康参数与第j类质心的距离；m的值为6；xi为第i个驾驶员的健康参数，具体表现为xi1＝ai，xi2＝bi，xi3＝ci，xi4＝di，xi5＝ei，xi6＝fi；xj为第j类质心参数，具体表现为xj1＝aj，xj2＝bj，xj3＝cj，xj4＝dj，xj5＝ej，xj6＝fj。
进一步地，所述(5)具体表现为：将所有驾驶员分类完毕，得到4个新的集合，对应四类结果，重新计算4个集合的质心。
进一步地，所述(6)具体表现为：判断新集合的质心是否满足要求，如果新的集合质心与初始质心的距离小于预设阈值ε，算法终止。所述阈值ε影响计算结果的准确度与迭代次数，二者一般为此消彼长的关系，中和考虑二者的权重选取合适的阈值ε。
进一步地，所述(7)具体表现为：如果新的集合质心与初始质心的距离大于阈值ε，需要迭代第四步到第六步过程。到此该算法完成对n个驾驶员同时分类，大大提高数据分析的效率。
进一步地，所述CURE聚类分析法用于对整个数据的全部驾驶员进行抽样调查，实现探索发现驾驶员具有的职业病种类。抽样的样本个数需满足一定要求，具体表现为：
Figure BDA0002572181040000142
其中，s是采样大小，f是最低采样率，它取决于簇的密度和簇之间的分离度，分离度越高，密度越高，f就设置的越高，|u|是簇u的大小，N是整个数据集的大小，δ是从|u|个样本点中采样得到f|u|个样本点的概率，且要满足0≤δ≤1。
进一步地，针对被分到第二类，第三类和第四类的驾驶员，采用DeepConvolutional Neural Networks算法对这些驾驶员做详细健康数据分析，以此提高分析结果的准确性，更加全面分析驾驶员健康问题，实现预测驾驶员潜在疾病风险和判断驾驶员现存的健康问题。
进一步地，第二类该驾驶员存在潜在风险具有分为：心脏存在潜在风险，腰椎存在潜在风险。
进一步地，第三类该驾驶员状态异常具体分为：该驾驶员疲劳驾驶，该驾驶员心率异常，该驾驶员腰椎结构异常。
步骤5、服务器对不同的分析结果做出不同处理。具体表现如下：
针对第一类分析结果，服务器将分析结果反馈到车载终端，并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。
针对第二类分析结果，服务器将分析结果反馈到车载终端，同时反馈简单的预防治疗方法，并提供多种医疗渠道供驾驶员选择。并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。根据权限决定是否将驾驶员联系方法传输给医院终端。
针对第三类分析结果，服务器将分析结果反馈到车载终端，同时反馈简单的治疗方法，并提供多种医疗渠道供驾驶员选择。并根据授予权限判断是否对驾驶员健康数据收集到云端数据库。同时将分析的数据与分析结果传输到医院终端，由医生进行复查进一步保证分析结果的可靠性。根据权限决定是否将驾驶员联系方法传输给医院终端。
针对第四类分析结果，服务器将分析结果反馈到车载终端，同时将分析结果与该驾驶员联系方法与地理位置传输到医院终端，该驾驶员家属和交警中心。
步骤6、车载终端接收服务器反馈分析结果并进行不同处理。具体体现如下：
针对第一类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果。
针对第二类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果，通过显示模块显示不同医疗渠道供驾驶员选择。如有腰椎病潜在风险，根据驾驶员坐姿习惯进行纠正指导，并根据驾驶员驾驶习惯为驾驶员提供合理的预防治疗时间供驾驶员选择。在休息时间，由驾驶员选择启动腰椎病预防康复设备进行预防治疗。
针对第三类反馈结果，车载终端通过语音播报模块播报驾驶员健康分析结果，通过显示模块显示不同医疗渠道供驾驶员选择。如有腰椎病问题，根据驾驶员坐姿习惯进行纠正指导，并根据驾驶员驾驶习惯为驾驶员提供合理的康复治疗时间供驾驶员选择。在休息时间，由驾驶员选择启动腰椎病预防康复设备进行康复治疗。如有疲劳驾驶问题，通过语音播报模块警示驾驶员处于疲劳驾驶状态，并根据驾驶员选择决定是否驻车进行疲劳缓解，通过启动疲劳缓解设备缓解驾驶员疲劳。
针对第四类反馈结果，车载终端启动无人驾驶模块。实现在驾驶员无驾驶能力的情况下自动安全停车。利用通讯模块将驾驶员健康分析结果和地理位置信息传输给医院终端、驾驶员家属和交警中心。利用通讯模块警示周围车辆并求助。
步骤7、医院终端对接受的驾驶员健康数据与分析结果进行核查。针对驾驶员存在的健康问题提供医疗建议和治疗渠道并反馈到车载终端供驾驶员参考。针对驾驶员突发疾病等紧急情况提供急救措施。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.融合驾驶员大数据的智能网联车辆健康监测系统，包括检测模块，车载终端，服务器，医院终端，理疗设备，其特征在于：所述检测模块包括心率检测单元，人脸识别单元，腰部骨骼检测单元，行为检测单元，血压检测单元，体温监测单元；车载终端包括中央处理器，语言播报模块，车联网通讯模块，显示模块，定位模块，自动救援模块；服务器包括云端数据库，数据分析模块；医院终端包括复诊模块，病情判断模块，普通问诊模块，专家问诊模块，急救模块；理疗设备包括腰椎病预防康复设备，疲劳缓解设备；
心率检测单元包括A电极，B电极，C电极和单片机；其中A电极与B电极分别位于方向盘左右驾驶员握手处，C电极位于安全带中，心率检测单元与车载终端相连；
人脸识别单元包括摄像头A，图像处理器A；摄像头A位于车内后视镜；
腰部骨骼检测单元包括：弯曲传感器，信号处理器；弯曲传感器位于驾驶员座椅的腰部位置处；
行为检测单元包括摄像头A，摄像头B和图像处理器B；摄像头A与人脸识别单元摄像头A为同一摄像头，摄像头B位于驾驶员头顶的车顶内侧；
血压检测单元包括血压计，气泵，支撑架和血压信号处理器；
体温监测单元包括体温计和体温信号处理器，体温计为非接触时体温测量仪；
腰椎病预防康复设备安装于驾驶员座椅腰部位置处；
疲劳缓解设备包括机械按摩指A，机械按摩指B，机械按摩指C，机械按摩指D，安装于驾驶员座椅的背部；所述机械按摩指均匀分布于驾驶员背部位置，该设备需要驻车时才能启动。
2.根据权利要求1所述的融合驾驶员大数据的智能网联车辆健康监测系统，其特征在于，所述自动救援模块在驾驶员突发疾病等紧急状况下失去驾驶能力时启动，具有三个功能：利用车联网以通讯模块警示周围车辆并求助；在周围无救援的情况下提升该车辆的优先级到救护车级别，采用无人驾驶技术自动驶向就近医院，同时利用车联网向周围车辆及交通信号设施发出求助信息，让其他车辆礼让，让周围交通信号设备为其提供便利；利用车联网以通讯模块联系医院、驾驶员家属和交警中心，实时共享该车辆当前位置信息，让其提前准备对该驾驶员的救助。
3.融合驾驶员大数据的智能网联车辆健康监测系统的方法，其特征在于，包括以下步骤：
步骤1、通过检测模块检测驾驶员健康数据，检测模块包括心率监测单元，人脸识别单元，腰部骨骼检测单元；
步骤2、检测模块的信号处理器将检测的信号进行处理并传输给车载终端；信号处理器包括心率检测单元的单片机、人脸识别单元的图像处理器、腰部骨骼检测单元的信号处理器，分别处理各自检测的健康数据，将其转换成数字信号；
步骤3、车载终端将接受的驾驶员健康数据通过通讯模块传输给服务器；
步骤4、服务器接受信号并采用K-means聚类分析法对驾驶员健康数据进行分类，采用CURE聚类分析法对驾驶员的职业病进行探索发现，采用Deep Convolutional NeuralNetworks对状态异常驾驶员的健康数据详细分析。
步骤5、服务器对不同的分析结果做出不同处理；
步骤6、车载终端接收服务器反馈分析结果并进行不同处理；
步骤7、医院终端对接受的驾驶员健康数据与分析结果进行核查，针对驾驶员存在的健康问题提供医疗建议和治疗渠道并反馈到车载终端供驾驶员参考，针对驾驶员突发疾病等紧急情况提供急救措施。
4.根据权利要求3所述的融合驾驶员大数据的智能网联车辆健康监测系统的方法，其特征在于，所述步骤4中采用K-means聚类分析对驾驶员健康数据分类，其步骤如下：
(1)提取需要处理的数据：
Figure FDA0002572181030000021
且
Figure FDA0002572181030000022
其中X代表提取的数据集合，具体表现为n×m矩阵，其中n代表驾驶员个数，m代表驾驶员检测参数的个数。Ci代表簇，具体可以表示不同驾驶员的健康参数集合；
(2)以最终分类的类别数确定K值，K即最终分类的类别数；
(3)选取K个质心，即代表各类结果的最明显参数值；
(4)计算每一位驾驶员健康参数与K个质心的距离，归类并生成K个新集合；计算第i个驾驶员与第j类质心的距离时，具体计算公式为：
Figure FDA0002572181030000031
其中d(xi,xj)代表所分析第i个驾驶员健康参数与第j类质心的距离；m的值为6；xi为第i个驾驶员的健康参数，具体表现为xi1＝ai，xi2＝bi，xi3＝ci，xi4＝di，xi5＝ei，xi6＝fi；xj为第j类质心参数，具体表现为xj1＝aj，xj2＝bj，xj3＝cj，xj4＝dj，xj5＝ej，xj6＝fj。
(5)对应结果计算新集合的质心；
(6)判断新集合的质心是否满足要求，并在满足要求条件下结束算法；
(7)在不满足要求时，迭代步骤4到步骤6；
5.根据权利要求3所述的融合驾驶员大数据的智能网联车辆健康监测系统的方法，其特征在于，所述步骤4中采用CURE聚类分析法用于对整个数据的全部驾驶员进行抽样调查，实现探索发现驾驶员具有的职业病种类；抽样的样本个数需满足一定要求，具体表现为：
Figure FDA0002572181030000032
其中，s是采样大小，f是最低采样率，|u|是簇u的大小，N是整个数据集的大小，δ是从|u|个样本点中采样得到f|u|个样本点的概率，且要满足0≤δ≤1。
CN202010643528.6A 2020-07-07 2020-07-07 融合驾驶员大数据的智能网联车辆健康监测系统及方法 Pending CN111986805A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010643528.6A CN111986805A (zh) 2020-07-07 2020-07-07 融合驾驶员大数据的智能网联车辆健康监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010643528.6A CN111986805A (zh) 2020-07-07 2020-07-07 融合驾驶员大数据的智能网联车辆健康监测系统及方法

Publications (1)

Publication Number Publication Date
CN111986805A true CN111986805A (zh) 2020-11-24

Family

ID=73438450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010643528.6A Pending CN111986805A (zh) 2020-07-07 2020-07-07 融合驾驶员大数据的智能网联车辆健康监测系统及方法

Country Status (1)

Country Link
CN (1) CN111986805A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112998675A (zh) * 2021-02-22 2021-06-22 深圳市众鸿科技股份有限公司 一种基于大数据的车载智能座舱安全驾驶系统
CN113077902A (zh) * 2021-04-01 2021-07-06 东风汽车集团股份有限公司 一种车辆的智能健康检测方法及系统
CN113241179A (zh) * 2021-05-31 2021-08-10 重庆工程职业技术学院 一种用于智能驾驶车辆的控制系统及方法
CN115150440A (zh) * 2022-09-06 2022-10-04 深圳位置网科技有限公司 一种智能网联汽车信息交互方法、系统及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201104874Y (zh) * 2007-03-21 2008-08-27 喜曼拿医疗系统有限公司 用于生物反馈监控腰椎曲度的装置
CN101453975A (zh) * 2006-03-31 2009-06-10 舒克拉北美有限公司 用于座椅的按摩系统
CN103514356A (zh) * 2012-11-22 2014-01-15 Tcl集团股份有限公司 一种车载式家庭医疗系统及其数据处理方法
CN106467072A (zh) * 2015-08-20 2017-03-01 惠州市德赛西威汽车电子股份有限公司 驾驶员安全驾驶的监测方法及系统
CN110491515A (zh) * 2019-09-25 2019-11-22 江苏启润科技有限公司 基于车载人体多参数监测终端的驾驶管控系统及方法
CN210300979U (zh) * 2019-02-22 2020-04-14 上汽大众汽车有限公司 一种车载健康检测系统以及健康检测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101453975A (zh) * 2006-03-31 2009-06-10 舒克拉北美有限公司 用于座椅的按摩系统
CN201104874Y (zh) * 2007-03-21 2008-08-27 喜曼拿医疗系统有限公司 用于生物反馈监控腰椎曲度的装置
CN103514356A (zh) * 2012-11-22 2014-01-15 Tcl集团股份有限公司 一种车载式家庭医疗系统及其数据处理方法
CN106467072A (zh) * 2015-08-20 2017-03-01 惠州市德赛西威汽车电子股份有限公司 驾驶员安全驾驶的监测方法及系统
CN210300979U (zh) * 2019-02-22 2020-04-14 上汽大众汽车有限公司 一种车载健康检测系统以及健康检测系统
CN110491515A (zh) * 2019-09-25 2019-11-22 江苏启润科技有限公司 基于车载人体多参数监测终端的驾驶管控系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周凯: "改进的密度峰值聚类算法研究", 中国优秀硕士学位论文全文数据库信息科技辑, 15 April 2020 (2020-04-15), pages 30 *
蔡丽艳: "《数据挖掘算法及其应用研究》", 28 February 2013, 电子科技大学出版社, pages: 113 - 118 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112998675A (zh) * 2021-02-22 2021-06-22 深圳市众鸿科技股份有限公司 一种基于大数据的车载智能座舱安全驾驶系统
CN112998675B (zh) * 2021-02-22 2024-04-05 深圳市众鸿科技股份有限公司 一种基于大数据的车载智能座舱安全驾驶系统
CN113077902A (zh) * 2021-04-01 2021-07-06 东风汽车集团股份有限公司 一种车辆的智能健康检测方法及系统
CN113241179A (zh) * 2021-05-31 2021-08-10 重庆工程职业技术学院 一种用于智能驾驶车辆的控制系统及方法
CN115150440A (zh) * 2022-09-06 2022-10-04 深圳位置网科技有限公司 一种智能网联汽车信息交互方法、系统及可读存储介质

Similar Documents

Publication Publication Date Title
CN111986805A (zh) 融合驾驶员大数据的智能网联车辆健康监测系统及方法
US10357195B2 (en) Pupillometry and sensor fusion for monitoring and predicting a vehicle operator's condition
US20190391581A1 (en) Passenger Health Monitoring and Intervention for Autonomous Vehicles
Brandt et al. Affordable visual driver monitoring system for fatigue and monotony
US8519853B2 (en) Unobtrusive driver drowsiness detection system and method
Park et al. Intelligent in-car health monitoring system for elderly drivers in connected car
US20050137753A1 (en) Medical applications in telematics
WO2018008666A1 (ja) 生理状態判定装置、生理状態判定方法、生理状態判定装置用プログラムおよび、生理状態判定システム
US20120101402A1 (en) method and system for controlling a device
Panagopoulos et al. Forecasting markers of habitual driving behaviors associated with crash risk
CN111105594A (zh) 车辆及驾驶员疲劳驾驶的识别方法、装置
Tavakoli et al. Multimodal driver state modeling through unsupervised learning
Rahman et al. Computer vision-based approach to detect fatigue driving and face mask for edge computing device
CN110816542B (zh) 提供驾驶员帮助的方法
CN212061888U (zh) 基于车载人体多参数监测终端的驾驶管控系统
Abbas et al. A methodological review on prediction of multi-stage hypovigilance detection systems using multimodal features
Qu et al. Driver state monitoring technology for conditionally automated vehicles: Review and future prospects
Ani et al. A critical review on driver fatigue detection and monitoring system
CN117994929A (zh) 小汽车中提供的在发生健康风险时能自动采取行动的方法
CN117842085A (zh) 驾驶状态检测与预警方法、系统、电子设备及存储介质
Byrnes et al. On Using Drivers' Eyes to Predict Accident-Causing Drowsiness Levels
JP7104945B2 (ja) 疾患状態判定装置、疾患状態判定方法、疾患状態判定装置用プログラム、および、疾患状態判定システム
US20230174073A1 (en) Disease-condition assessment device, disease-condition assessment method, program for disease-condition assessment device, and disease-condition assessment system
JP7477823B2 (ja) 疾患状態判定装置、疾患状態判定方法、疾患状態判定装置用プログラム、および、疾患状態判定システム
Tarba et al. The driver's attention level

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