CN112141118B - 一种智能驾驶系统及控制方法 - Google Patents
一种智能驾驶系统及控制方法 Download PDFInfo
- Publication number
- CN112141118B CN112141118B CN202011080368.5A CN202011080368A CN112141118B CN 112141118 B CN112141118 B CN 112141118B CN 202011080368 A CN202011080368 A CN 202011080368A CN 112141118 B CN112141118 B CN 112141118B
- Authority
- CN
- China
- Prior art keywords
- human body
- vehicle
- driver
- control system
- analysis control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 89
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000006698 induction Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 7
- 210000000707 wrist Anatomy 0.000 claims description 43
- 210000004556 brain Anatomy 0.000 claims description 39
- 239000008280 blood Substances 0.000 claims description 36
- 210000004369 blood Anatomy 0.000 claims description 36
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 30
- 229910052760 oxygen Inorganic materials 0.000 claims description 30
- 239000001301 oxygen Substances 0.000 claims description 30
- 230000036772 blood pressure Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 24
- 229910003798 SPO2 Inorganic materials 0.000 claims description 23
- 101100478210 Schizosaccharomyces pombe (strain 972 / ATCC 24843) spo2 gene Proteins 0.000 claims description 23
- 102000001554 Hemoglobins Human genes 0.000 claims description 12
- 108010054147 Hemoglobins Proteins 0.000 claims description 12
- 230000001020 rhythmical effect Effects 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 6
- 230000036760 body temperature Effects 0.000 claims description 6
- 210000004958 brain cell Anatomy 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000035487 diastolic blood pressure Effects 0.000 claims description 6
- 230000001766 physiological effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 210000004761 scalp Anatomy 0.000 claims description 6
- 230000008925 spontaneous activity Effects 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 230000002618 waking effect Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 2
- 230000033764 rhythmic process Effects 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 description 14
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
-
- 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
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/26—Incapacity
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种智能驾驶系统和控制方法，其中系统包括：车辆分析控制系统、以及疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统；车辆分析控制系统：用于通过疲劳感应系统监测的驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I；同时用于根据电子地图系统判断车辆所处的路况环境；然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统。本发明的智能驾驶系统根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适，同时考虑内因和外因对驾驶过程的安全性的影响，大大提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力。
Description
本案为原申请申请日为2019.04.01，申请号为201910258639.2，发明名称为一种智能驾驶方法的分案申请。
技术领域
本发明涉及智能驾驶技术领域，尤其是涉及一种智能驾驶系统及控制方法。
背景技术
随着科技的发展，智能驾驶汽车渐渐被人们所熟知，而智能驾驶系统可以利用车载传感系统获取车辆和驾驶员的相关信息，智能选择更为合适和安全的驾驶方式。疲劳驾驶是引起交通事故的主要原因之一，严重威胁着人们的生命和财产安全。驾驶员疲劳时判断能力明显下降、反应迟钝、操作失误增加，如果仍勉强驾驶车辆，则可能导致交通事故的发生。如果智能驾驶系统可以准确判断驾驶员的疲劳驾驶状态，就可以大大提高智能驾驶的安全性。同时，路况情况也会影响车辆行驶的安全性。综合考虑不同程度的驾驶员疲劳情况和复杂程度不一的路况情况，可以有效提高智能驾驶系统的智能性和安全性。
发明内容
本发明的第一目的在于提供一种智能驾驶系统，该系统能够根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适，大大提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力；
本发明的第二目的在于提供一种智能驾驶系统，该系统综合考虑来车辆车胎温度和驾驶环境的光线情况对自动驾驶系统和驾驶员驾驶安全的影响，提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力。
本发明提供一种智能驾驶系统，所述系统包括车辆分析控制系统、以及与车辆分析控制系统连接的疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统；其中：
车辆分析控制系统：
用于通过疲劳感应系统监测驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I；人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出，人体综合疲劳指数I的计算公式如下所示：
I＝A 1 F+A 2 SPO2+A 3 T+A 4 P+A 5 HR
其中，A 1、A 2、A 3、A 4、A 5分别为各人体生理指标的影响因子；
同时用于根据电子地图系统判断车辆所处的路况环境；然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统；
疲劳感应系统：用于监测驾驶员的各项人体生理指标，并将监测结果发送给车辆分析控制系统，包括：
脑电波信号采集模块：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可决定每一种成分的百分含量即血氧饱和度SPO2；
血氧饱和度SPO2根据以下公式进行计算：
a＝[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmi为采集到的不同的红光和红外光的直流分量和交流分量，a为经验系数，通过a即可换算血氧饱和度SPO2；
人体温度检测模块：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
电子地图系统：用于判断车辆所处的路况环境；路况环境可分为高速公路、快速公路仅有机动车行驶的道路，机动车、非机动车、行人各行其道的道路，以及学校、城市商业中心路况较为复杂的道路；
自动驾驶系统：用于根据车辆分析控制系统的指令控制车辆的行驶；还用于获取车辆的位置信息并发送给电子地图系统；
提醒系统：用于根据车辆分析控制系统1的指令发出声音和震动。
本发明还提供了一种智能驾驶系统，所述系统包括车辆分析控制系统、自动驾驶系统、提醒系统、设置在车胎位置的车胎温度传感器和设置在车辆外部的光线传感器；车胎温度传感器、光线传感器、自动驾驶系统、提醒系统分别与车辆分析控制系统连接；其中：
车辆分析控制系统：用于根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统；
具体过程包括：
若实时光线强度Ri在光线强度上限Rc高和光线强度下限Rc低之间；则进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度；直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间，车辆分析控制系统再发送“完全自动驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；
若实时光线强度Ri高于光线强度上限Rc高，则进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度；直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间，车辆分析控制系统再发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；
若实时光线强度Ri低于光线强度下限Rc低，车辆分析控制系统发送“开启车灯”指令给自动驾驶系统并发送“提醒”指令给提醒系统，自动驾驶系统开启车辆的车灯，提醒系统收到指令后周期性发出声音和震动提醒驾驶员“光线过暗，注意驾驶安全”；并且进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统不再发送指令给自动驾驶系统；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统1发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度，直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间；
自动驾驶系统：用于根据车辆分析控制系统的指令控制车辆的行驶以及车灯和温控系统的开关；
自动驾驶系统包括驾驶控制部分、车灯控制部分和温控系统控制部分；其中，驾驶控制部分包括不利用或利用有限的来自驾驶员的输入来控制车辆的运动的系统，可以使车辆处于完全自动驾驶状态(即无人驾驶状态)或高级驾驶员辅助状态(驾驶员仅进行有限操作或输入)；车灯控制部分用于控制车辆车灯开闭；温控系统控制部分用于控制车辆车胎的温控系统；
提醒系统：用于根据车辆分析控制系统的指令发出声音和震动；
车胎温度传感器：用于感应车辆车胎的实时车胎温度Ti并发送给车辆分析控制系统；
光线传感器：用于感应车辆外的实时光线强度Ri并发送给车辆分析控制系统。
本发明还公开了第一种智能驾驶系统的控制方法，包括如下步骤：
S1.车辆分析控制系统通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I；
疲劳感应系统包括：
脑电波信号采集模块：与驾驶员头皮连接，记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma 5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块：通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可决定每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块：与驾驶员手腕部位连接，进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR，人体综合疲劳指数I的计算公式如下所示：
I＝A1 F+A2 SPO2+A3 T+A4 P+A5 HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子；
S2.车辆分析控制系统根据电子地图系统判断车辆所处的路况环境；
路况环境分为高速公路、快速公路仅有机动车行驶的道路，机动车、非机动车、行人各行其道的道路，以及学校、城市商业中心路况较为复杂的道路；
S3.车辆分析控制系统1根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统4；
具体判断过程包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断车辆所处的路况环境；
如果路况环境为高速、快速公路仅有机动车行驶的道路，则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；
如果路况环境为机动车、非机动车、行人各行其道的道路，车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；
高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；
如果路况环境为学校、城市商业中心路况较为复杂的道路时，则车辆分析控制系统发送“提醒”指令给提醒系统，提醒系统收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则车辆分析控制系统不发送指令给自动驾驶系统，驾驶员自行驾驶车辆。
与现有技术相比，本发明的有益效果在于：
本发明提供的智能驾驶系统和方法根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适，同时考虑到内因(驾驶员状况)和外因(道路环境)对驾驶过程的安全性的影响，大大提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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1智能驾驶系统的结构示意图；
图2为本发明实施例2智能驾驶系统判断选择何种驾驶方式的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
驾驶员人体综合疲劳指数、驾驶时间、车辆是否处于安全区域、实时车胎温度、实时光线强度、驾驶环境等都会对智能驾驶系统判断采用哪一种驾驶模式产生影响。智能驾驶系统包含的驾驶模式一般包括三种：驾驶模式一是无人驾驶；驾驶模式二是高级驾驶员辅助模式，高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；驾驶模式三是驾驶员驾驶模式，其中在优选实施例中驾驶员驾驶车辆时还可以接收到智能驾驶系统发送的“提醒信息”。具体见下列实施例。
实施例1
一种智能驾驶系统，如图1所示，包括：车辆分析控制系统1、以及与车辆分析控制系统1连接的疲劳感应系统2、电子地图系统3、自动驾驶系统4和提醒系统5；其中：
车辆分析控制系统1：
用于通过疲劳感应系统2监测的驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I；人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出，人体综合疲劳指数I的计算公式如下所示：
I＝A1 F+A2 SPO2+A3 T+A4 P+A5 HR
其中，A1、A2、A3、A4和A5分别为各人体生理指标的影响因子；
同时用于根据电子地图系统3判断车辆所处的路况环境；然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统4；
疲劳感应系统2：用于监测驾驶员的各项人体生理指标，并将监测结果发送给车辆分析控制系统1，包括：
脑电波信号采集模块201：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围结合大脑节律性生理活动得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta和Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块202：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可决定每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块203：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块204：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块205：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
电子地图系统3：用于判断车辆所处的路况环境；路况环境可分为高速公路和快速公路仅有机动车行驶的道路，机动车、非机动车和行人各行其道的道路，以及学校和城市商业中心路况较为复杂的道路；
自动驾驶系统4：用于根据车辆分析控制系统1的指令控制车辆的行驶；还用于获取车辆的位置信息并发送给电子地图系统3；
在本实施例中，自动驾驶系统4为不利用或利用有限的来自驾驶员的输入来控制车辆10的运动的系统，可以使车辆处于完全自动驾驶状态(即无人驾驶状态)或高级驾驶员辅助状态(驾驶员仅进行有限操作或输入)；
提醒系统5：用于根据车辆分析控制系统1的指令发出声音和震动。
本实施例提供的智能驾驶系统可以设置在车辆上，驾驶员驾驶车辆时，疲劳感应系统2监测驾驶员的各项人体生理指标并将监测结果发送给车辆分析控制系统1，车辆分析控制系统1根据各项人体生理指标获得驾驶员的人体综合疲劳指数I；同时，车辆分析控制系统1还会根据电子地图系统3判断车辆所处的路况环境；然后，车辆分析控制系统1通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；如果驾驶员处于疲劳驾驶状态，则进一步判断车辆所处的路况环境；如果路况环境为高速公路和快速公路仅有机动车行驶的道路，则车辆分析控制系统1发送“完全自主驾驶模式”指令给自动驾驶系统4，自动驾驶系统4接收到指令后控制车辆进入无人驾驶模式；如果路况环境为机动车、非机动车和行人各行其道的道路，车辆分析控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统4，自动驾驶系统4接收到指令后控制车辆进入高级驾驶员辅助模式；高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；如果路况环境为学校和城市商业中心路况较为复杂的道路时，则车辆分析控制系统1发送“提醒”指令给提醒系统5，提醒系统5收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；如果驾驶员不处于疲劳驾驶状态，则车辆分析控制系统1不发送指令给自动驾驶系统4，驾驶员自行驾驶车辆。
本实施例提供的智能驾驶系统根据驾驶员的人体综合疲劳状况和车辆所处的路况环境来智能地判断采用何种驾驶模式更合适，大大提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力。
在本实施例中，血氧饱和度SPO2可以根据以下公式进行计算：
a＝[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax和VIredmin为采集到的不同的红光和红外光的直流分量和交流分量，a为经验系数，通过a即可换算血氧饱和度SPO2。
实施例2
一种智能驾驶控制方法，包括如下步骤：
S1.车辆分析控制系统1通过疲劳感应系统2监测的人体生理指标的监测结果获得人体综合疲劳指数I；
疲劳感应系统2包括：
脑电波信号采集模块201：与驾驶员头皮连接，记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围结合大脑节律性生理活动得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta和Gamma 5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块202：通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可决定每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块203：与驾驶员手腕部位连接进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块204：与驾驶员手腕部位连接进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块205：与驾驶员手腕部位连接实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR，人体综合疲劳指数I的计算公式如下所示：
I＝A1 F+A2 SPO2+A3 T+A4 P+A5 HR
其中，A1、A2、A3、A4和A5分别为各人体生理指标的影响因子；
S2.车辆分析控制系统1根据电子地图系统3判断车辆所处的路况环境；
路况环境分为高速公路和快速公路仅有机动车行驶的道路，机动车、非机动车和行人各行其道的道路，以及学校和城市商业中心路况较为复杂的道路；
S3.车辆分析控制系统1根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统4；
具体判断过程如图2所示，包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数I c相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断车辆所处的路况环境；如果路况环境为高速和快速公路仅有机动车行驶的道路，则车辆分析控制系统1发送“完全自主驾驶模式”指令给自动驾驶系统4，自动驾驶系统4接收到指令后控制车辆进入无人驾驶模式；如果路况环境为机动车、非机动车和行人各行其道的道路，车辆分析控制系统1发送“高级驾驶员辅助模式”指令给自动驾驶系统4，自动驾驶系统4接收到指令后控制车辆进入高级驾驶员辅助模式；高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；如果路况环境为学校和城市商业中心路况较为复杂的道路时，则车辆分析控制系统1发送“提醒”指令给提醒系统5，提醒系统5收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则车辆分析控制系统1不发送指令给自动驾驶系统4，驾驶员自行驾驶车辆。
实施例3
一种智能驾驶系统，包括：车辆分析控制系统、自动驾驶系统、提醒系统、设置在车胎位置的车胎温度传感器和设置在车辆外部的光线传感器；车胎温度传感器、光线传感器、自动驾驶系统、提醒系统分别与车辆分析控制系统连接；其中：
车辆分析控制系统：用于根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统；具体过程包括：
若实时光线强度Ri在光线强度上限Rc高和光线强度下限Rc低之间；则进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统发送“完全自动驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度；直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间，车辆分析控制系统再发送“完全自动驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；
若实时光线强度Ri高于光线强度上限Rc高，则进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度；直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间，车辆分析控制系统再发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；
若实时光线强度Ri低于光线强度下限Rc低，车辆分析控制系统发送“开启车灯”指令给自动驾驶系统并发送“提醒”指令给提醒系统，自动驾驶系统开启车辆的车灯，提醒系统收到指令后周期性发出声音和震动提醒驾驶员“光线过暗，注意驾驶安全”；并且进一步判断实时车胎温度Ti的情况，若实时车胎温度Ti在车胎温度上限Tc高和车胎温度下限Tc低之间，则车辆分析控制系统不再发送指令给自动驾驶系统；若实时车胎温度Ti高于车胎温度上限Tc高或低于车胎温度下限Tc低时，则车辆分析控制系统1发送“调低车胎温度”指令或“调高车胎温度”指令给自动驾驶系统，自动驾驶系统接收到指令后控制温控系统降低或升高车胎温度，直至实时车胎温度Ti到达车胎温度上限Tc高和车胎温度下限Tc低之间；
自动驾驶系统：用于根据车辆分析控制系统的指令控制车辆的行驶以及车灯和温控系统的开关；
在本实施例中，自动驾驶系统包括驾驶控制部分、车灯控制部分和温控系统控制部分；其中驾驶控制部分包括不利用或利用有限的来自驾驶员的输入来控制车辆的运动的系统，可以使车辆处于完全自动驾驶状态(即无人驾驶状态)或高级驾驶员辅助状态(驾驶员仅进行有限操作或输入)；车灯控制部分用于控制车辆车灯开闭；温控系统控制部分用于控制车辆车胎的温控系统；
提醒系统：用于根据车辆分析控制系统的指令发出声音和震动；
车胎温度传感器：用于感应车辆车胎的实时车胎温度Ti并发送给车辆分析控制系统；
光线传感器：用于感应车辆外的实时光线强度Ri并发送给车辆分析控制系统。
本实施例提供的智能驾驶系统可以设置在车辆上，驾驶员驾驶车辆时，车胎温度传感器感应实时车胎温度Ti发送给车辆分析控制系统，光线传感器感应车辆外的实时光线强度Ri发送给车辆分析控制系统1；车辆分析控制系统根据实时车胎温度Ti和实时光线强度Ri来判断采取何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统或发送提醒指令给提醒系统；自动驾驶系统接收到车辆分析控制系统的指令后按照指令控制车辆的行驶以及车灯和温控系统的开关；提醒系统接收到车辆分析控制系统的指令后发出声音和震动提醒驾驶员。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (2)
1.一种智能驾驶系统，其特征在于，所述系统包括车辆分析控制系统、以及与车辆分析控制系统连接的疲劳感应系统、电子地图系统、自动驾驶系统、提醒系统；其中：
车辆分析控制系统：
用于通过疲劳感应系统监测驾驶员的人体生理指标监测结果获得驾驶员的人体综合疲劳指数I；人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出，人体综合疲劳指数I的计算公式如下所示：
I＝A 1 F+A 2 SPO2+A 3 T+A 4 P+A 5 HR
其中，A 1、A 2、A 3、A 4、A 5分别为各人体生理指标的影响因子；
同时用于根据电子地图系统判断车辆所处的路况环境；然后根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统；
疲劳感应系统：用于监测驾驶员的各项人体生理指标，并将监测结果发送给车辆分析控制系统，包括：
脑电波信号采集模块：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可决定每一种成分的百分含量即血氧饱和度SPO2；
血氧饱和度SPO2根据以下公式进行计算：
a＝[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmin 为采集到的不同的红光和红外光的直流分量和交流分量，a为经验系数，通过a即可换算血氧饱和度SPO2；
人体温度检测模块：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
电子地图系统：用于判断车辆所处的路况环境；路况环境可分为仅有机动车行驶的高速公路、快速公路，机动车、非机动车、行人各行其道的道路，以及学校、城市商业中心路况较为复杂的道路；
自动驾驶系统：用于根据车辆分析控制系统的指令控制车辆的行驶；还用于获取车辆的位置信息并发送给电子地图系统；
提醒系统：用于根据车辆分析控制系统的指令发出声音和震动。
2.权利要求1所述系统的控制方法，其特征在于，包括如下步骤：
S1.车辆分析控制系统通过疲劳感应系统监测的人体生理指标的监测结果获得人体综合疲劳指数I；
疲劳感应系统包括：
脑电波信号采集模块：与驾驶员头皮连接，记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块：通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可绝对每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块：与驾驶员手腕部位连接，进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR，人体综合疲劳指数I的计算公式如下所示：
I＝A 1 F+A 2 SPO2+A 3 T+A 4 P+A 5 HR
其中，A 1、A 2、A 3、A 4、A 5分别为各人体生理指标的影响因子；
S2.车辆分析控制系统根据电子地图系统判断车辆所处的路况环境；
路况环境分为仅有机动车行驶的高速公路、快速公路，机动车、非机动车、行人各行其道的道路，以及学校、城市商业中心路况较为复杂的道路；
S3.车辆分析控制系统根据人体综合疲劳指数I和车辆所处的路况环境来判断需要选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶系统；
具体判断过程包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数I c相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断车辆所处的路况环境；
如果路况环境为仅有机动车行驶的高速、快速公路，则车辆分析控制系统发送“完全自主驾驶模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入无人驾驶模式；
如果路况环境为机动车、非机动车、行人各行其道的道路，车辆分析控制系统发送“高级驾驶员辅助模式”指令给自动驾驶系统，自动驾驶系统接收到指令后控制车辆进入高级驾驶员辅助模式；
高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的系统，包括“自动紧急制动”(AEB)系统和“应急车道辅助”(ELA)系统；
如果路况环境为学校、城市商业中心路况较为复杂的道路时，则车辆分析控制系统发送“提醒”指令给提醒系统，提醒系统收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则车辆分析控制系统不发送指令给自动驾驶系统，驾驶员自行驾驶车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011080368.5A CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011080368.5A CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
| CN201910258639.2A CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910258639.2A Division CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112141118A CN112141118A (zh) | 2020-12-29 |
| CN112141118B true CN112141118B (zh) | 2021-11-05 |
Family
ID=66968023
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910258639.2A Active CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
| CN202011080368.5A Active CN112141118B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶系统及控制方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910258639.2A Active CN109910900B (zh) | 2019-04-01 | 2019-04-01 | 一种智能驾驶方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN109910900B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112455461B (zh) * | 2019-09-06 | 2022-10-28 | 华为技术有限公司 | 自动驾驶车辆的人车交互的方法、自动驾驶系统 |
| CN111243235A (zh) * | 2020-01-13 | 2020-06-05 | 惠龙易通国际物流股份有限公司 | 驾驶辅助方法及装置 |
| CN111559388B (zh) * | 2020-03-26 | 2022-07-12 | 吉利汽车研究院（宁波）有限公司 | 一种目标车辆筛选方法、装置、设备及存储介质 |
| US11580789B2 (en) * | 2020-04-15 | 2023-02-14 | Baidu Usa Llc | System load based safety operator warning system |
| CN111619536A (zh) * | 2020-06-05 | 2020-09-04 | 易绍福 | 一种车辆制动控制方法、系统、平台及存储介质 |
| CN114005250A (zh) * | 2021-10-12 | 2022-02-01 | 上海电机学院 | 一种疲劳驾驶监测结合自动驾驶的智能系统 |
| CN114506332A (zh) * | 2022-03-17 | 2022-05-17 | 上海安亭地平线智能交通技术有限公司 | 辅助驾驶方法、装置、电子设备和存储介质 |
| CN117227740B (zh) * | 2023-09-14 | 2024-03-19 | 南京项尚车联网技术有限公司 | 一种智能驾驶车辆的多模态感知系统及方法 |
| CN118182510B (zh) * | 2024-04-12 | 2024-08-23 | 山东同其智能科技有限公司 | 一种适用于智能网联汽车的驾驶安全预警系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11151230A (ja) * | 1997-11-19 | 1999-06-08 | Nissan Motor Co Ltd | 車両用運転者状態計測装置 |
| CN102910145A (zh) * | 2012-10-31 | 2013-02-06 | 深圳市长宇电器有限公司 | 一种防止车辆驾驶人员出现疲劳驾驶的方法 |
| EP2237237B1 (en) * | 2009-03-30 | 2013-03-20 | Tobii Technology AB | Eye closure detection using structured illumination |
| CN104943609A (zh) * | 2015-05-07 | 2015-09-30 | 广东科学技术职业学院 | 驾驶疲劳警示与强制停车系统及其控制方法 |
| CN107107749A (zh) * | 2014-11-03 | 2017-08-29 | 奥迪股份公司 | 监测乘员的健康状态和/或身体感觉的系统和方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104477167B (zh) * | 2014-11-26 | 2018-04-10 | 浙江大学 | 一种智能驾驶系统及其控制方法 |
| DE102015014344A1 (de) * | 2015-11-06 | 2016-05-12 | Daimler Ag | Verfahren und Vorrichtung zur Erkennung einer Reaktionsfähigkeit eines Fahrers |
| CN107336711A (zh) * | 2017-06-19 | 2017-11-10 | 北京汽车股份有限公司 | 车辆及其自动驾驶系统和方法 |
| CN207328435U (zh) * | 2017-10-17 | 2018-05-08 | 南京工程学院 | 一种基于opencv智能驾驶辅助系统 |
| CN107826117A (zh) * | 2017-11-22 | 2018-03-23 | 天津智能网联汽车产业研究院 | 一种自动驾驶系统及控制方法 |
| CN109044296A (zh) * | 2018-09-03 | 2018-12-21 | 深圳市尼欧科技有限公司 | 一种智能生理疲劳度检测的驾驶疲劳提醒手环 |
-
2019
- 2019-04-01 CN CN201910258639.2A patent/CN109910900B/zh active Active
- 2019-04-01 CN CN202011080368.5A patent/CN112141118B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11151230A (ja) * | 1997-11-19 | 1999-06-08 | Nissan Motor Co Ltd | 車両用運転者状態計測装置 |
| EP2237237B1 (en) * | 2009-03-30 | 2013-03-20 | Tobii Technology AB | Eye closure detection using structured illumination |
| CN102910145A (zh) * | 2012-10-31 | 2013-02-06 | 深圳市长宇电器有限公司 | 一种防止车辆驾驶人员出现疲劳驾驶的方法 |
| CN107107749A (zh) * | 2014-11-03 | 2017-08-29 | 奥迪股份公司 | 监测乘员的健康状态和/或身体感觉的系统和方法 |
| CN104943609A (zh) * | 2015-05-07 | 2015-09-30 | 广东科学技术职业学院 | 驾驶疲劳警示与强制停车系统及其控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109910900A (zh) | 2019-06-21 |
| CN112141118A (zh) | 2020-12-29 |
| CN109910900B (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112141118B (zh) | 一种智能驾驶系统及控制方法 | |
| CN109910899B (zh) | 一种安全智能驾驶方法及系统 | |
| CN207029159U (zh) | 集成身份识别系统与多模式生物感应的车载系统 | |
| Begum | Intelligent driver monitoring systems based on physiological sensor signals: A review | |
| CN108464839A (zh) | 一种基于机器学习的车载疲劳驾驶监测预警系统 | |
| CN104146722A (zh) | 一种基于头部信号的驾驶疲劳检测分级预警装置及方法 | |
| CN102881117A (zh) | 一种带有驾驶员疲劳检测的手表 | |
| CN109002817A (zh) | 基于自动驾驶车辆驾驶疲劳时变规律的接管绩效监测预警系统 | |
| CN114005250A (zh) | 一种疲劳驾驶监测结合自动驾驶的智能系统 | |
| CN111354162A (zh) | 驾驶员健康疲劳与预防监测系统 | |
| CN111938599B (zh) | 一种基于驾驶员身体特征识别的疲劳驾驶监测系统 | |
| CN211427470U (zh) | 一种疲劳驾驶提醒装置 | |
| CN114652532B (zh) | 基于ssvep与注意力检测的多功能脑控轮椅系统 | |
| CN106859644A (zh) | 一种基于脑电波的疲劳驾驶监控系统及监控方法 | |
| CN109833049A (zh) | 疲劳驾驶预防方法、装置及可读存储介质 | |
| CN112455461B (zh) | 自动驾驶车辆的人车交互的方法、自动驾驶系统 | |
| CN205405809U (zh) | 一种基于智能手表的疲劳驾驶检测报警系统 | |
| Zhu et al. | Eeg-based system using deep learning and attention mechanism for driver drowsiness detection | |
| CN201773475U (zh) | 疲劳驾驶预警装置 | |
| CN105852887A (zh) | 方向盘、疲劳检测系统及方法 | |
| CN109949545A (zh) | 一种基于避免驾驶员疲劳驾驶的智能驾驶系统和方法 | |
| CN205862535U (zh) | 一种疲劳驾驶预警系统 | |
| CN113066261B (zh) | 一种驾驶者突发疾病的汽车自动制动与报警系统与方法 | |
| CN204833607U (zh) | 一种基于脑电波识别的机动车驾驶监测提醒装置 | |
| CN108542376A (zh) | 一种车载心率监测仪数据获取方法 |
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 |