CN112109720B - 一种公交车驾驶人情绪监测与预测系统及方法 - Google Patents
一种公交车驾驶人情绪监测与预测系统及方法 Download PDFInfo
- Publication number
- CN112109720B CN112109720B CN202010937932.4A CN202010937932A CN112109720B CN 112109720 B CN112109720 B CN 112109720B CN 202010937932 A CN202010937932 A CN 202010937932A CN 112109720 B CN112109720 B CN 112109720B
- Authority
- CN
- China
- Prior art keywords
- driver
- delay
- emotion
- bus
- operation state
- 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
- 230000008451 emotion Effects 0.000 title claims abstract description 73
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000000875 corresponding effect Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 7
- 241000283070 Equus zebra Species 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000001934 delay Effects 0.000 claims 2
- 238000011161 development Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 230000000087 stabilizing effect Effects 0.000 abstract description 2
- 230000036651 mood Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- 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
- B60W2040/0809—Driver authorisation; Driver identity check
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种公交车驾驶人情绪监测与预测系统及方法,该系统包括:GPS导航系统、车载陀螺仪、前向雷达传感器、转向灯、加速度传感器、方向盘转角传感器、油门踏板位置传感器、车速传感器、OBD接口、语音播报装置、车载4G通讯模块以及驾驶人身份确定装置;语音播报装置包含数据处理器、电控模块和播报器;该系统可以对公交车驾驶人的路怒情绪进行识别,并进一步预测情绪的发展趋势;同时当驾驶人产生路怒情绪时,可通过语音播报提醒驾驶人安全驾驶;并当驾驶人长时间处于路怒情绪时,可将驾驶人的路怒情绪传递给公交公司,其方法有助于稳定驾驶人心态,规范驾驶人操作行为,有利于提高公交车的行车安全性和乘客的乘坐舒适性。
Description
技术领域
本发明涉及公交车行驶安全技术领域,具体涉及一种公交车驾驶人情绪监测与预测系统及方法。
背景技术
随着我国汽车保有量的增加,“路怒症”这一心理问题受到了越来越多的关注。“路怒症”,顾名思义就是带着愤怒去开车。驾驶人在驾驶过程中遇到强行变道、加塞、拥堵等情况时,容易产生愤怒情绪。同时,汽车内环境封闭、空间窄小、空气不畅,容易引发不良情绪,进而产生“路怒症”,造成交通事故,影响交通安全。
这其中,公交车驾驶人属于“路怒症”的易感人群。他们在驾驶时需要注意力高度紧张、集中,加之道路拥堵、天气情况以及车内乘客构成的小环境,使他们在驾驶时容易产生愤怒。
由于公交车是城市交通的重要组成部分,而公交车驾驶人的路怒情绪会极大地影响交通安全,因而对公交车驾驶人的情绪进行监测与预测具有很重要的现实意义。
发明内容
针对公交车驾驶人驾驶时容易产生路怒情绪的问题,本发明的目的在于一种公交车驾驶人情绪监测与预测系统及方法,可以对公交车驾驶人的路怒情绪进行识别,并进一步预测情绪的发展趋势;同时当驾驶人产生路怒情绪时,可通过语音播报的方式提醒驾驶人安全驾驶;并当驾驶人长时间处于路怒情绪时,可将驾驶人的路怒情绪传递给公交公司,由公交公司对驾驶人的行为进一步进行提醒以及进行相应约束,该方法有助于稳定驾驶人心态,规范驾驶人操作行为,有利于提高公交车的行车安全性和乘客的乘坐舒适性。
为了达到上述目的,本发明采用以下技术方案予以实现。
(一)一种公交车驾驶人情绪监测与预测系统,包括:GPS导航系统、车载陀螺仪、前向雷达传感器、转向灯、加速度传感器、方向盘转角传感器、油门踏板位置传感器、车速传感器、OBD接口、语音播报装置、车载4G通讯模块以及驾驶人身份确定装置;其中,所述语音播报装置设置于公交车的驾驶室内,所述语音播报装置包含数据处理器、电控模块和播报器;
所述GPS导航系统、车载陀螺仪、前向雷达传感器、转向灯、加速度传感器、方向盘转角传感器、油门踏板位置传感器、车速传感器的信号输出端分别与所述OBD接口的信号输入端电连接;
所述OBD接口的信号输出端与所述数据处理器的信号输入端电连接,所述数据处理器的第一信号输出端与所述电控模块的信号输入端电连接,所述电控模块的信号输出端与所述播报器的控制端电连接;
所述数据处理器的第二信号输出端通过车载4G通讯模块与公交公司进行无线通讯。
本发明技术方案一的特点和进一步的改进为:
(1)所述GPS导航系统用于实时获取公交车的位置信息,并提供行车线路信息和路况信息;所述车载陀螺仪用于在隧道或高大建筑物没有GPS讯号时,通过车载陀螺仪来测量公交车的偏航或直线运动位移信息;所述前向雷达传感器用于探测车辆前方目标信息;所述转向灯用于提供公交车的转向信息;所述加速度传感器用于采集公交车的加速度信息;所述方向盘转角传感器用于采集方向盘转角和方向盘转动角速度信息;所述油门踏板位置传感器用于采集加速踏板开度、加速踏板开度变化率信息;所述车速传感器用于采集公交车的速度信息;
所述OBD接口用于将GPS导航系统、车载陀螺仪、前向雷达传感器、转向灯采集的公交车的行驶状态信息传递给数据处理器;所述数据处理器根据OBD接口获取的公交车的行驶状态信息判断并识别出公交车运行阶段的子片段信息;
所述OBD接口还用于将转向灯、加速度传感器、方向盘转角传感器、油门踏板位置传感器、车速传感器采集的驾驶人的操作状态数据信息传递给数据处理器;所述数据处理器通过分析公交车运行阶段的子片段信息和驾驶人的操作状态数据信息,确定出公交车运行阶段的每个子片段对应的驾驶人的操作状态数据信息;
所述语音播报装置用于提醒驾驶人调整心态,安全驾驶;
所述车载4G通讯模块用于建立公交车与公交公司的联系,将驾驶人的路怒信息传递到公交公司。
所述驾驶人身份确定装置用于确定驾驶人身份信息。
(3)所述驾驶人身份确定装置为刷卡器。
(4)所述数据处理器用于将公交车运行阶段的每个子片段对应的驾驶人的操作状态数据信息与规则库中的对应子片段的驾驶人的操作状态数据稳定区间进行对比,判断驾驶人是否为正常行驶以及是否产生路怒情绪,并向所述电控模块发出指令;
所述电控模块用于控制播报器进行语音播报,所述播报器用于语音播报,提醒驾驶人安全驾驶。
(二)一种公交车驾驶人情绪监测与预测方法,包括以下步骤:
步骤1,将公交车的运行阶段划分为多个子片段,以公交车在每个子片段的正常行驶时间和延误时间为分类依据,将每个子片段划分为多个延误等级;
步骤2,预先采集驾驶人在每个子片段的每个延误等级的操作状态数据信息,并建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库;
步骤3,实时采集驾驶人在每个子片段的每个延误等级的实际操作状态数据信息,并将驾驶人的实际操作状态数据信息与对应的驾驶人的操作状态数据稳定区间进行比较,判断驾驶人是否为正常驾驶;
步骤4,当驾驶人为非正常行驶时,判断驾驶人是否产生路怒情绪;
步骤5,当驾驶人未产生路怒情绪时,对驾驶人进行路怒预测;
当驾驶人产生路怒情绪时,通过语音播报来提醒驾驶人注意;并对驾驶人产生的路怒时间进行确定,判断是否将驾驶人的路怒信息发送给公交公司。
本发明技术方案二的特点和进一步的改进为:
(1)步骤1包含以下子步骤:
子步骤1.1,将公交车的运行阶段划分为进站、出站、跟车行驶、自由行驶、换道、转弯、斑马线避让行人、掉头、路口停车等待、路口停车后起步、路口不停车通行11个子片段;
子步骤1.2,将公交车在每个子片段上不发生拥堵情况下的行驶时间作为正常行驶时间,并以每个子片段的正常行驶时间为参考基准,确定公交车在每个子片段上的不同等级的延误时间,根据公交车在每个子片段的正常行驶时间和不同等级的延误时间,将每个子片段划分为多个延误等级;其中,所述多个延误等级为:无延误、一般延误、中等延误、严重延误、极端延误。
(2)步骤2具体包含以下子步骤:
子步骤2.1,对确定的行车线路和确定的驾驶人,设定监测周期,在监测周期内持续采集这个驾驶人在每个子片段的每个延误等级的操作状态数据信息;
其中,所述操作状态数据信息包含车辆加速度、方向盘转角、方向盘转动角速度、加速踏板开度、加速踏板开度变化率、车辆速度和转向信息;
子步骤2.2,将采集得到的驾驶人在每个子片段的每个延误等级的操作状态数据信息采用统计学方法,建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库;
其中,驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间为[A(i,j),B(i,j)];其中,A(i,j)为稳定区间的下限,B(i,j)为稳定区间的上限,子片段数i=1,2,…,11;延误等级数j=1,2,…,5。
(3)步骤3中,所述判断驾驶人是否为正常驾驶具体为:
当驾驶人的实际操作状态数据信息居于对应的操作状态数据稳定区间内,则认为驾驶人正常行驶;
当驾驶人的实际操作状态数据信息偏离对应的操作状态数据稳定区间,则认为驾驶人非正常行驶。
(4)步骤4中,所述判断驾驶人是否产生路怒情绪具体为:
当驾驶人不小于3个的实际操作状态数据信息偏离对应的操作状态数据稳定区间时,则认为驾驶人产生路怒情绪;否则,则认为驾驶人未产生路怒情绪。
(5)步骤5中,所述对驾驶人进行路怒预测的方法为:
确定出当前延误等级为xj,延误等级数j=1,2,3,4,5,分别表示无延误、一般延误、中等延误、严重延误、极端延误;将电子地图返回的前方路线拥堵程度记为ym,拥挤程度数m=1,2,3,…,ym+1>ym,则F(xj,ym)是由延误等级xj和前方拥堵程度ym所确定的函数,F(xj,ym)与xj和ym均为正相关;当P{F(xj,ym)}≥Ck时,则认为驾驶人将会出现路怒情绪;其中,P{F(xj,ym)}表示驾驶人出现路怒的概率,Ck表示驾驶人出现路怒的阈值,时间k=5,10,15;
所述判断是否将驾驶人的路怒信息发送给公交公司具体为:
若驾驶人的实际操作状态数据持续2分钟以上脱离对应的操作状态数据稳定区间,即认为驾驶人长时间处于路怒情绪,则进行语音播报的同时将驾驶人的路怒情绪通过车载4G通讯模块传递给公交公司;否则,只进行语音播报,不将驾驶人的路怒情绪传递给公交公司。
与现有技术相比,本发明的有益效果为:
本发明可以在公交车的行车过程中,实时的识别公交车驾驶人的路怒情绪,并可以对情绪的发展趋势进行预测。对驾驶人路怒情绪进行实时地监测与预测,并在驾驶人产生路怒情绪时及时提醒驾驶人,有助于稳定驾驶人心态,规范驾驶人操作行为,有利于提高公交车的行车安全性和乘客的乘坐舒适性。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的公交车驾驶人情绪监测与预测系统的工作流程示意图;
图2为本发明的对公交车驾驶人进行路怒监测的流程示意图;
图3为本发明的对公交车驾驶人进行路怒预测的流程图。
以上图1中:1 GPS导航系统;2车载陀螺仪;3前向雷达传感器;4转向灯;5加速度传感器;6方向盘转角传感器;7油门踏板位置传感器;8车速传感器;9 OBD接口;10语音播报装置;101数据处理器;102电控模块;103播报器;11车载4G通讯模块;12公交公司。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
(一)参考图1的公交车驾驶人情绪监测与预测系统的工作流程示意图,本发明的公交车驾驶人情绪监测与预测系统,包括:GPS导航系统1、车载陀螺仪2、前向雷达传感器3、转向灯4、加速度传感器5、方向盘转角传感器6、油门踏板位置传感器7、车速传感器8、OBD接口9、语音播报装置10、车载4G通讯模块11以及驾驶人身份确定装置;其中,所述语音播报装置10设置于公交车的驾驶室内,所述语音播报装置10包含数据处理器101、电控模块102和播报器103;
所述GPS导航系统1、车载陀螺仪2、前向雷达传感器3、转向灯4、加速度传感器5、方向盘转角传感器6、油门踏板位置传感器7、车速传感器8的信号输出端分别与所述OBD接口9的信号输入端电连接;
所述OBD接口9的信号输出端与所述数据处理器101的信号输入端电连接,所述数据处理器101的第一信号输出端通过I/O接口与所述电控模块102的信号输入端电连接,所述电控模块102的信号输出端与所述播报器103的控制端电连接;
所述数据处理器101的第二信号输出端通过车载4G通讯模块11与公交公司12进行无线通讯。
所述GPS导航系统1直接应用车辆上自带的导航系统,用于实时地获取公交车位置信息,并提供行车线路信息和路况信息等;
所述车载陀螺仪2用于在隧道或高大建筑物没有GPS讯号时,可以通过陀螺仪2来测量公交车的偏航或直线运动位移,保持导航的准确性。
所述前向雷达传感器3用于探测车辆前方目标,及时有效的选择车辆前方的危险目标进行预警目标跟踪。
所述转向灯4用于提供车辆的转向信息。
所述加速度传感器5用于采集车辆的加速度信息;
所述方向盘转角传感器6安装在方向盘下方的方向柱内,通过CAN总线和PCM相连,用于采集方向盘转角和方向盘转动角速度信息。
所述油门踏板位置传感器7安装在油门踏板内部,随时监测油门踏板的位置,用于采集加速踏板开度、加速踏板开度变化率信息。
所述车速传感器8,直接应用车辆上自带的安装在变速器上的车速传感器,用于采集己方车辆的速度信息。
所述OBD接口9用于将GPS导航系统1、车载陀螺仪2、前向雷达传感器3、转向灯4采集的公交车的行驶状态信息传递给数据处理器101,所述数据处理器101根据获取的公交车的行驶状态信息判断并识别出公交车运行阶段的子片段信息;其中,公交车的行驶状态信息包含公交车的位置、行车路线、路况信息、公交车的偏航或直线运动位移信息、前方目标车辆信息、转向灯信息等。
所述OBD接口9还用于将转向灯4、加速度传感器5、方向盘转角传感器6、油门踏板位置传感器7、车速传感器8采集的驾驶人的操作状态数据信息传递给数据处理器101;所述数据处理器101通过分析公交车运行阶段的子片段信息和驾驶人的操作状态数据信息,确定出公交车运行阶段的每个子片段对应的驾驶人的操作状态数据信息;其中,驾驶人的操作状态数据信息包含车辆加速度、方向盘转角、方向盘转动角速度、加速踏板开度、加速踏板开度变化率、车辆速度和转向灯信息等。
所述语音播报装置10设置于公交车的驾驶室内,用于当驾驶人产生或即将产生路怒情绪时,提醒驾驶人调整心态,安全驾驶。具体的,所述数据处理器101根据OBD接口9获取公交车运行阶段的子片段信息和驾驶人的操作状态数据信息,确定出公交车运行阶段的每个子片段对应的驾驶人的操作状态数据信息,并将公交车运行阶段的每个子片段对应的驾驶人的操作状态数据信息与规则库中的对应子片段的驾驶人的操作状态数据稳定区间进行对比,判断驾驶人是否为正常行驶以及是否产生路怒情绪;并向所述电控模块102发出指令。所述电控模块102用于控制播报器103进行语音播报。所述播报器103用于语音播报,提醒驾驶人安全驾驶;且播报器在播报时,仅需保证驾驶人能够听清楚即可;播报器播报时每隔2s播报一次;当驾驶人3个及3个以上的操作状态数据信息处于对应子片段的稳定操作状态数据区间时,播报器停止播报。
所述车载4G通讯模块11用于建立公交车与公交公司的联系,将驾驶人的路怒信息传递到公交公司12。
所述驾驶人身份确定装置为用于确定驾驶人身份信息;如驾驶人在上车驾驶前先采用刷卡器刷卡来确定身份。
(二)一种公交车驾驶人情绪监测与预测方法,包括以下步骤:
步骤1,将公交车的运行阶段划分为多个子片段,以公交车在每个子片段的正常行驶时间和延误时间为分类依据,将每个子片段划分为多个延误等级。
具体的,步骤1包含以下子步骤:
子步骤1.1,公交车的运行阶段划分为进站、出站、跟车行驶、自由行驶、换道、转弯、斑马线避让行人、掉头、路口停车等待、路口停车后起步、路口不停车通行等11个子片段。OBD接口9用于将GPS导航系统1、车载陀螺仪2、前向雷达传感器3、转向灯4采集的公交车的行驶状态信息传递给数据处理器101,数据处理器101根据获取的公交车的行驶状态信息判断并识别出公交车运行阶段的子片段信息。
子步骤1.2,以公交车单程线路行驶延误时间为分类依据,将每个子片段划分为多个延误等级,并进行驾驶人路怒情绪判断。具体方法为:采用统计方法,确定出公交车在单程线路中最流畅(不发生拥堵)情况下的各站点行程时间,并以该正常行驶时间作为参考基准线。后期实际运行过程中,对于任意时刻,相比于参考基准线,将当前延误等级状态分为5个等级:无延误、一般延误、中等延误、严重延误、极端延误。对每个延误等级状态,由延误时间和参考单程时间的比例来进行确定。
步骤2,预先采集驾驶人在每个子片段的每个延误等级的操作状态数据信息,并建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库。
具体的,对确定的行车线路和确定的驾驶人,设定30天为一个监测周期,在这30天内持续采集这个驾驶人在每个子片段的每个延误等级的操作状态数据信息,并将采集得到的驾驶人在每个子片段的每个延误等级的操作状态数据信息采用统计学方法,建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库。其中,操作状态数据信息包含车辆加速度、方向盘转角、转动角速度、加速踏板开度、加速踏板开度变化率、车辆速度和转向灯信息。驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间为[A(i,j),B(i,j)],其中,A(i,j)为稳定区间的下限,B(i,j)为稳定区间的上限,i为子片段数,i=1,2,…,11;j为延误等级数,j=1,2,…,5;具体如表1所示。
表1操作状态数据稳定区间示意表
无延误 | 一般延误 | 中等延误 | 严重延误 | 极端延误 | |
进站 | [A(1,1),B(1,1)] | [A(1,2),B(1,2)] | [A(1,3),B(1,3)] | [A(1,4),B(1,4)] | [A(1,5),B(1,5)] |
出站 | [A(2,1),B(2,1)] | [A(2,2),B(2,2)] | [A(2,3),B(2,3)] | [A(2,4),B(2,4)] | [A(2,5),B(2,5)] |
跟车行驶 | [A(3,1),B(3,1)] | [A(3,2),B(3,2)] | [A(3,3),B(3,3)] | [A(3,4),B(3,4)] | [A(3,5),B(3,5)] |
自由行驶 | [A(4,1),B(4,1)] | [A(4,2),B(4,2)] | [A(4,3),B(4,3)] | [A(4,4),B(4,4)] | [A(4,5),B(4,5)] |
换道 | [A(5,1),B(5,1)] | [A(5,2),B(5,2)] | [A(5,3),B(5,3)] | [A(5,4),B(5,4)] | [A(5,5),B(5,5)] |
转弯 | [A(6,1),B(6,1)] | [A(6,2),B(6,2)] | [A(6,3),B(6,3)] | [A(6,4),B(6,4)] | [A(6,5),B(6,5)] |
斑马线避让行人 | [A(7,1),B(7,1)] | [A(7,2),B(7,2)] | [A(7,3),B(7,3)] | [A(7,4),B(7,4)] | [A(7,5),B(7,5)] |
掉头 | [A(8,1),B(8,1)] | [A(8,2),B(8,2)] | [A(8,3),B(8,3)] | [A(8,4),B(8,4)] | [A(8,5),B(8,5)] |
路口停车等待 | [A(9,1),B(9,1)] | [A(9,2),B(9,2)] | [A(9,3),B(9,3)] | [A(9,4),B(9,4)] | [A(9,5),B(9,5)] |
路口停车后起步 | [A(10,1),B(10,1)] | [A(10,2),B(10,2)] | [A(10,3),B(10,3)] | [A(10,4),B(10,4)] | [A(10,5),B(10,5)] |
路口不停车通行 | [A(11,1),B(11,1)] | [A(11,2),B(11,2)] | [A(11,3),B(11,3)] | [A(11,4),B(11,4)] | [A(11,5),B(11,5)] |
步骤3,实时采集驾驶人在每个子片段的每个延误等级的实际操作状态数据信息,并将驾驶人的实际操作状态数据信息与对应的驾驶人的操作状态数据稳定区间进行比较,判断驾驶人是否为正常驾驶。
具体的,参考图2的对公交车驾驶人进行路怒监测的流程示意图,公交车在实际运行过程中,从公交车单程线路的起点开始来进行分析,首先以某一时刻为例,确定驾驶人在当前子片段的延误等级以及实际操作状态数据信息;当驾驶人的实际操作状态数据信息居于对应的操作状态数据稳定区间内,则认为驾驶人正常行驶。当驾驶人的实际操作状态数据信息偏离对应的操作状态数据稳定区间,则认为驾驶人非正常行驶。
步骤4,当驾驶人为非正常行驶时,判断驾驶人是否产生路怒情绪。
参考图2的对公交车驾驶人进行路怒监测的流程示意图,参考建立的规则库中的历史数据,在某一延误等级情况下,驾驶人大部分的操作状态参数是处于某一稳定区间的。当出现路怒情况时,驾驶人的实际操作状态数据会脱离规则库中当前延误等级对应的操作状态数据稳定区间,具体表现为操作更为攻击性。根据驾驶人的操作状态数据信息是否偏离规则库中的操作状态数据稳定区间来判断驾驶人是否产生路怒情绪。具体如下:
当驾驶人不小于3个的实际操作状态数据信息偏离对应的操作状态数据稳定区间[A(i,j),B(i,j)]时,则认为驾驶人产生路怒情绪。当驾驶人小于3个的实际操作状态数据信息偏离对应的操作状态数据稳定区间[A(i,j),B(i,j)]时,则认为驾驶人未产生路怒情绪。
步骤5,当驾驶人未产生路怒情绪时,对驾驶人进行路怒预测;
当驾驶人产生路怒情绪时,通过语音播报来提醒驾驶人注意;并对驾驶人产生的路怒时间进行确定,判断是否将驾驶人的路怒信息发送给公交公司。
具体为:参考图2的对公交车驾驶人进行路怒监测的流程示意图,若公交车驾驶人情绪监测与预测系统识别出驾驶人产生路怒情绪时,则会进行语音播报来提醒驾驶人及时调整心态,安全行驶;语音播报内容为“为了您和乘客的安全,请平复心情,谨慎驾驶”。并对驾驶人产生的路怒时间进行确定,判断是否将驾驶人的路怒信息发送给公交公司。即若公交车驾驶人操作状态数据信息长时间(路怒情绪持续两分钟以上)脱离当前延误等级对应的操作状态数据稳定区间,即驾驶人长时间处于路怒情绪时,则进行语音播报的同时,将驾驶人的路怒信息通过车载4G通讯模块11传递给公交公司12。否则,驾驶人的路怒情绪持续时间小于两分钟,只进行语音播报。
若公交车驾驶人情绪监测与预测系统识别出驾驶人没有路怒情绪,则进行驾驶人在5分钟、10分钟、15分钟后是否会发生路怒的预测。其中,参考图3的对公交车驾驶人进行路怒预测的流程图,驾驶人在5分钟、10分钟、15分钟后是否会发生路怒的预测方法为:根据当前延误等级状态,结合电子地图返回的前方线路拥堵情况,预测公交车在5分钟、10分钟、15分钟后的延误情况(历史数据中,延误达到一定情况下,驾驶人出现路怒的概率会超过一定阈值)。具体方法为:确定出当前延误等级为xj,j=1,2,3,4,5,分别表示无延误、一般延误、中等延误、严重延误、极端延误。将电子地图返回的前方路线拥堵程度记为ym,拥挤程度数m=1,2,3,…,ym+1>ym,则F(xj,ym)是由延误等级xj和前方拥堵程度ym所确定的函数,F(xj,ym)与xj和ym均为正相关。当P{F(xj,ym)}≥Ck时,则认为驾驶人将会出现路怒情绪;其中,P{F(xj,ym)}表示驾驶人出现路怒的概率,驾驶人出现路怒的阈值Ck为常数,时间k=5,10,15,C5、C10、C15分别代表5分钟、10分钟、15分钟后驾驶人出现路怒的阈值。若预测出驾驶人将会发生路怒,则通过语音播报提醒驾驶人稳定心态,小心驾驶,语音播报内容为“请您保持心态的稳定,安全驾驶”。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (6)
1.一种公交车驾驶人情绪监测与预测方法,其特征在于,包括以下步骤:
步骤1,将公交车的运行阶段划分为多个子片段,以公交车在每个子片段的正常行驶时间和延误时间为分类依据,将每个子片段划分为多个延误等级;
步骤2,预先采集驾驶人在每个子片段的每个延误等级的操作状态数据信息,并建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库;
步骤3,实时采集驾驶人在每个子片段的每个延误等级的实际操作状态数据信息,并将驾驶人的实际操作状态数据信息与对应的驾驶人的操作状态数据稳定区间进行比较,判断驾驶人是否为正常驾驶;
步骤4,当驾驶人为非正常行驶时,判断驾驶人是否产生路怒情绪;
步骤5,当驾驶人未产生路怒情绪时,对驾驶人进行路怒预测;
当驾驶人产生路怒情绪时,通过语音播报来提醒驾驶人注意;并对驾驶人产生的路怒时间进行确定,判断是否将驾驶人的路怒信息发送给公交公司。
2.根据权利要求1所述的公交车驾驶人情绪监测与预测方法,其特征在于,步骤1包含以下子步骤:
子步骤1.1,将公交车的运行阶段划分为进站、出站、跟车行驶、自由行驶、换道、转弯、斑马线避让行人、掉头、路口停车等待、路口停车后起步、路口不停车通行11个子片段;
子步骤1.2,将公交车在每个子片段上不发生拥堵情况下的行驶时间作为正常行驶时间,并以每个子片段的正常行驶时间为参考基准,确定公交车在每个子片段上的不同等级的延误时间,根据公交车在每个子片段的正常行驶时间和不同等级的延误时间,将每个子片段划分为多个延误等级;其中,所述多个延误等级为:无延误、一般延误、中等延误、严重延误和极端延误。
3.根据权利要求1所述的公交车驾驶人情绪监测与预测方法,其特征在于,步骤2具体包含以下子步骤:
子步骤2.1,对确定的行车线路和确定的驾驶人,设定监测周期,在监测周期内持续采集这个驾驶人在每个子片段的每个延误等级的操作状态数据信息;
其中,所述操作状态数据信息包含车辆加速度、方向盘转角、方向盘转动角速度、加速踏板开度、加速踏板开度变化率、车辆速度和转向灯信息;
子步骤2.2,将采集得到的驾驶人在每个子片段的每个延误等级的操作状态数据信息采用统计学方法,建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库;
其中,驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间为[A(i,j),B(i,j)];其中,A(i,j)为稳定区间的下限,B(i,j)为稳定区间的上限,子片段数i=1,2,...,11;延误等级数j=1,2,...,5。
4.根据权利要求1所述的公交车驾驶人情绪监测与预测方法,其特征在于,步骤3中,所述判断驾驶人是否为正常驾驶具体为:
当驾驶人的实际操作状态数据信息居于对应的操作状态数据稳定区间内,则认为驾驶人正常行驶;
当驾驶人的实际操作状态数据信息偏离对应的操作状态数据稳定区间,则认为驾驶人非正常行驶。
5.根据权利要求1所述的公交车驾驶人情绪监测与预测方法,其特征在于,步骤4中,所述判断驾驶人是否产生路怒情绪具体为:
当驾驶人不小于3个的实际操作状态数据信息偏离对应的操作状态数据稳定区间时,则认为驾驶人产生路怒情绪;否则,则认为驾驶人未产生路怒情绪。
6.根据权利要求1所述的公交车驾驶人情绪监测与预测方法,其特征在于,步骤5中,所述对驾驶人进行路怒预测的方法为:
确定出当前延误等级为xj,延误等级数j=1,2,3,4,5,分别表示无延误、一般延误、中等延误、严重延误、极端延误;将电子地图返回的前方路线拥堵程度记为ym,拥挤程度数m=1,2,3,...,ym+1>ym,则F(xj,ym)是由延误等级xj和前方拥堵程度ym所确定的函数,F(xj,ym)与xj和ym均为正相关;当P{F(xj,ym)}≥Ck时,则认为驾驶人将会出现路怒情绪;其中,P{F(xj,ym)}表示驾驶人出现路怒的概率,Ck表示驾驶人出现路怒的阈值,时间k=5,10,15;
所述判断是否将驾驶人的路怒信息发送给公交公司具体为:
若驾驶人的实际操作状态数据持续2分钟以上脱离对应的操作状态数据稳定区间,即认为驾驶人长时间处于路怒情绪,则进行语音播报的同时将驾驶人的路怒情绪通过车载4G通讯模块传递给公交公司;否则,只进行语音播报,不将驾驶人的路怒情绪传递给公交公司。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937932.4A CN112109720B (zh) | 2020-09-09 | 2020-09-09 | 一种公交车驾驶人情绪监测与预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937932.4A CN112109720B (zh) | 2020-09-09 | 2020-09-09 | 一种公交车驾驶人情绪监测与预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112109720A CN112109720A (zh) | 2020-12-22 |
CN112109720B true CN112109720B (zh) | 2021-11-16 |
Family
ID=73802908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010937932.4A Active CN112109720B (zh) | 2020-09-09 | 2020-09-09 | 一种公交车驾驶人情绪监测与预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112109720B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113212438B (zh) * | 2021-05-31 | 2022-07-08 | 重庆工程职业技术学院 | 一种基于用户驾驶行为分析的行车导航系统 |
CN113415286B (zh) * | 2021-07-14 | 2022-09-16 | 重庆金康赛力斯新能源汽车设计院有限公司 | 路怒检测方法和设备 |
TWI824854B (zh) * | 2022-11-28 | 2023-12-01 | 樹德科技大學 | 客運行駛安全之監測方法及系統 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105365708A (zh) * | 2014-08-14 | 2016-03-02 | 哈曼国际工业有限公司 | 驾驶人状态指示符 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
CN205656008U (zh) * | 2016-03-18 | 2016-10-19 | 长安大学 | 一种基于obd的汽车行驶工况测量分析装置 |
EP3279897A1 (en) * | 2016-08-05 | 2018-02-07 | Continental Automotive GmbH | Safety device for a vehicle |
CN109017797A (zh) * | 2018-08-17 | 2018-12-18 | 大陆汽车投资(上海)有限公司 | 驾驶员情绪识别方法和实施该方法的车载控制单元 |
CN209417936U (zh) * | 2019-01-24 | 2019-09-20 | 浙江经济职业技术学院 | 公交车自动报站系统 |
CN111009117A (zh) * | 2019-11-27 | 2020-04-14 | 青岛海山慧谷科技有限公司 | 一种公交车人工智能服务终端综合一体机及方法 |
CN111301316A (zh) * | 2020-01-20 | 2020-06-19 | 杭州金通科技集团股份有限公司 | 一种智能公交车载终端系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102574937B1 (ko) * | 2018-05-18 | 2023-09-05 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
-
2020
- 2020-09-09 CN CN202010937932.4A patent/CN112109720B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
CN105365708A (zh) * | 2014-08-14 | 2016-03-02 | 哈曼国际工业有限公司 | 驾驶人状态指示符 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
CN205656008U (zh) * | 2016-03-18 | 2016-10-19 | 长安大学 | 一种基于obd的汽车行驶工况测量分析装置 |
EP3279897A1 (en) * | 2016-08-05 | 2018-02-07 | Continental Automotive GmbH | Safety device for a vehicle |
CN109017797A (zh) * | 2018-08-17 | 2018-12-18 | 大陆汽车投资(上海)有限公司 | 驾驶员情绪识别方法和实施该方法的车载控制单元 |
CN209417936U (zh) * | 2019-01-24 | 2019-09-20 | 浙江经济职业技术学院 | 公交车自动报站系统 |
CN111009117A (zh) * | 2019-11-27 | 2020-04-14 | 青岛海山慧谷科技有限公司 | 一种公交车人工智能服务终端综合一体机及方法 |
CN111301316A (zh) * | 2020-01-20 | 2020-06-19 | 杭州金通科技集团股份有限公司 | 一种智能公交车载终端系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112109720A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112109720B (zh) | 一种公交车驾驶人情绪监测与预测系统及方法 | |
US10877481B2 (en) | Autonomous driving control system and control method using the same | |
US8103449B2 (en) | Configurable vehicular time to stop warning system | |
CN108263382B (zh) | 基于目标车辆的驾驶样式的协同自适应巡航控制系统 | |
CN107742432B (zh) | 基于车路协同的高速公路运行车速主动预警系统及控制方法 | |
US8494759B2 (en) | Vehicle speed indication using vehicle-infrastructure wireless communication | |
US20100250045A1 (en) | Vehicle operation diagnosis device, vehicle operation diagnosis method, and computer program | |
CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警系统及预警方法 | |
US7113860B2 (en) | Cruise control warning system | |
CN111464972A (zh) | 经优先级排序的车辆消息传递 | |
CN113763702A (zh) | 一种基于v2v的宜人化的前方碰撞预警系统及预警方法 | |
US10703366B2 (en) | Inhibiting highway assist mode | |
CN109278747B (zh) | 车辆监控系统及方法 | |
CN111516679B (zh) | 一种车辆紧急加速自保护系统及其方法 | |
CN115376333A (zh) | 一种交叉口车辆调度方法、装置及电子设备 | |
CN111341150B (zh) | 用于避免超高车辆驶入限高路段的提醒方法与装置 | |
JPH102954A (ja) | レーダ装置及び先行車識別方法 | |
CN114596727A (zh) | 用于车辆的辅助方法、系统、相应的车辆和存储介质 | |
CN116311952B (zh) | 基于gps定位分析的摩托车事故预测系统 | |
CN115273513B (zh) | 一种高速公路预警信息表示方法及系统 | |
US11899697B2 (en) | Information processing server, processing method for information processing server, and non-transitory storage medium | |
CN115966100B (zh) | 一种行车安全控制方法及系统 | |
CN115410414B (zh) | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 | |
CN117864121B (zh) | 一种距离动态监测方法、系统、设备和存储介质 | |
KR102359110B1 (ko) | 차량 |
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 |