CN112353393B - 一种智能驾驶汽车乘员状态检测系统 - Google Patents
一种智能驾驶汽车乘员状态检测系统 Download PDFInfo
- Publication number
- CN112353393B CN112353393B CN202011237862.8A CN202011237862A CN112353393B CN 112353393 B CN112353393 B CN 112353393B CN 202011237862 A CN202011237862 A CN 202011237862A CN 112353393 B CN112353393 B CN 112353393B
- Authority
- CN
- China
- Prior art keywords
- passenger
- vehicle
- comfort
- intelligent driving
- evaluation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000001133 acceleration Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 22
- 210000003205 muscle Anatomy 0.000 claims description 41
- 238000013210 evaluation model Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 11
- 230000003183 myoelectrical effect Effects 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 210000001139 rectus abdominis Anatomy 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 10
- 238000002567 electromyography Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000035790 physiological processes and functions Effects 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000003540 papillary muscle Anatomy 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
-
- 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
- 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
- B60W2040/0872—Driver physiology
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种智能驾驶汽车乘员状态检测系统，包括：乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统和计算机；乘员体征检测系统用于测量智能驾驶汽车行驶过程中乘员的体征信息；乘员舒适性评价反馈系统用于收集智能驾驶汽车行驶过程中乘员的主观舒适性评价得分；车辆状态采集系统用于收集测量智能驾驶过程中智能驾驶汽车的动力学信息，包括智能驾驶汽车的三轴速度以及加速度等；计算机用于根据接收到的乘员体征信息、主观舒适性评价得分以及车辆动力学信息，对乘员舒适性进行预测，并反馈于智能驾驶车辆的智能驾驶系统，为智能驾驶车辆的自动驾驶提供参考。本发明可以广泛应用于智能汽车乘员状态检测领域。
Description
技术领域
本发明涉及舒适性评价、人机工效学、智能驾驶、人机交互领域，特别是涉及一种智能驾驶汽车乘员状态检测系统。
背景技术
随着智能驾驶技术的发展，除了安全性以外，人们的关注点越来越集中在智能驾驶汽车的舒适性上。造成乘员舒适性问题的诱因是由于智能驾驶功能代替了传统的驾驶员控制，缺少驾驶人根据自身舒适性对车辆进行主动调控的人机环。为了弥补上缺失的人机环首先需要对智能驾驶车辆内的乘员状态进行准确的检测。传统车辆乘员舒适性研究大多集中于对乘员姿势舒适性研究以及驾驶员转向操纵舒适性研究。而智能驾驶汽车的舒适性主要是研究智能驾驶汽车正常行驶过程中乘员舒适性感受。对于智能驾驶汽车乘员舒适性多为通过乘员主观评价来对汽车行驶状态进行评价，无法对乘员舒适性感受进行有效，科学，准确的识别。
现有的对于智能驾驶汽车乘员舒适性研究多存在以下问题：
1)仅从驾驶操纵舒适性以及姿势舒适性方面对于智能车乘员舒适性进行了研究，却没有对普通乘员在行驶过程中的乘坐舒适性进行研究；
2)仅针对换道时的横向舒适性，局限性较大，同时只测量人体的肌电信号进行研究，具有片面性，而未来乘员检测的发展趋势是乘员多生理信号采集，以便提高乘员状态检测的准确性。
发明内容
针对上述问题，本发明的目的是提供一种智能驾驶汽车乘员状态检测系统，它面向智能驾驶汽车，通过人体肌电信号测试模块，心电信号测试模块，脑电信号测试模块和人体舒适性主观评价反馈模块的配合，实现智能驾驶汽车乘员体征数据实时采集与在线处理以及乘员主观舒适性评价的实时记录，并能实时直观地显示测量结果，整个测量过程简单自然，对于乘员干扰小，易于操作且测量数据精确，为提高乘员舒适性的智能驾驶算法优化设计提供科学依据，也为开发一套智能车乘员舒适性评价系统及计算机辅助汽车人机交互舒适性评价提供科学的评价标准。
为实现上述目的，本发明采取以下技术方案：一种智能驾驶汽车乘员状态检测系统，其包括：乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及计算机；所述乘员体征检测系统用于测量智能驾驶汽车行驶过程中乘员的体征信息，包括乘员的肌电、脑电和心电信息；所述乘员舒适性评价反馈系统用于收集智能驾驶汽车行驶过程中乘员的主观舒适性评价得分；所述车辆状态采集系统用于收集测量智能驾驶过程中智能驾驶汽车的动力学信息，包括智能驾驶汽车的三轴速度以及加速度等；所述计算机用于根据接收到的乘员体征信息、主观舒适性评价得分以及车辆动力学信息，对乘员舒适性进行预测，并反馈于智能驾驶车辆的智能驾驶系统，为智能驾驶车辆的自动驾驶提供参考。
进一步地，所述计算机中设置有通讯模块、数据接收与记录模块、数据处理分析模块以及交互与显示模块；所述通讯模块用于实现计算机与乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及智能驾驶汽车的智能驾驶系统之间的通信；所述数据接收与记录模块用于实时、同步采集并存储乘员体征信息、乘员主观舒适性评价信息以及智能驾驶汽车的动力学信息；所述数据处理分析模块用于对获取的乘员体征信息、乘员主观舒适性评价信息以及车辆动力学信息进行处理，结合预设的评价模型，识别当前时刻的乘员舒适性状态并预测未来预设时刻内的乘员状态，同时结合乘员的主观舒适性评价信息，对评价模型的识别正确率进行分析；所述交互与显示模块用于实现本评价系统与操作员的交互。
进一步地，所述数据处理分析模块包括预处理模块、特征提取模块、模型适用模块、车辆状态预测模块、正确率分析及模型修正模块；所述预处理模块采用重采样与综合滤波对采集的乘员体征信息与车辆动力学信息进行预处理；所述特征提取模块用于从预处理后的乘员体征信息以及车辆动力学信息中提取生理指标和车辆动力学指标；所述模型适用模块用于将提取到的生理指标、车辆动力学指标以及乘员主观舒适性评价结果输入预设的三种评价模型，并最终得到乘员舒适性综合评价指标；所述车辆状态预测模块包含车辆动力学模型，用于预测未来时刻的车辆状态；所述正确率分析及模型修正模块用于将所述三种评价模型的结果与乘员主观舒适性评价结果相对比，分析预设时间窗以及全局范围内的乘员舒适性识别正确率，并通过模型参数修改接口，实现操作员自行修改模型参数或根据程序自动调整模型参数。
进一步地，所述特征提取模块提取特征值时，对于乘员体征信号数据，则依据不同生理信息特有的特征提取方法，提取肌电信号的平均肌肉激活程度和肌电信号波动程度，心电信号的R-R间期标准差和R-R差值标准差，脑电信号的功率谱中的α波能量比和δ波与α波能量比，作为乘员体征信息的特征值；对于车辆状态数据，则提取相应时间窗内的纵向加速度以及加速度均方值作为车辆状态特征值。
进一步地，所述模型适用模块中预设的三种评价模型分别为：基于体征信息的乘员舒适性客观评价模型，其输入为当前时刻提取的乘员生理指标，输出为当前时刻乘员舒适性客观评价指标；基于车辆动力学的乘员舒适性预测模型，其包含两部分，第一部分输入为车辆动力学指标以及控制信息，输出为下一时刻的车辆动力学指标；第二部分输入为下一时刻的车辆动力学指标与上一时刻计算得到的乘员舒适性综合评价指标，输出为下一时刻的乘员舒适性预测结果；乘员舒适性综合评价模型，其输入为当前时刻乘员舒适性客观评价指标、下一时刻的乘员舒适性预测结果、当前时刻乘员主观舒适性评价结果，输出为下一时刻乘员舒适性综合评价指标。
进一步地，所述乘员体征检测系统包括人体肌电信号检测系统、人体心电信号检测系统和人体脑电信号检测系统；所述人体肌电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体肌电信号；所述人体心电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体心电信号；所述人体脑电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体脑电信号；最后通过计算机端口发送给所述计算机。
进一步地，所述人体肌电信号检测系统包括肌电采集电极和肌电仪；所述肌电采集电极安放在人体的相应肌群位置,包括胸锁乳突肌，斜方肌，腹直肌和背阔肌，以测量人体肌电信号，并通过无线传输设备与所述肌电仪相连；所述肌电仪通过其微机接口与设置在智能驾驶车辆中的所述计算机相连，从而将采集到的肌电信号传给所述计算机。
进一步地，所述人体心电信号检测系统包括心电采集电极和心电仪；所述心电采集电极安放在人体胸口的相应位置以测量人体心电信号，并通过无线传输设备与所述心电仪相连；所述心电仪通过其微机接口与所述计算机相连，从而将采集到的心电信号传给所述计算机。
进一步地，所述人体脑电信号检测系统包括脑电采集电极和脑电仪；所述脑电采集电极安放在人体头部的相应位置以测量人体脑电信号，并通过无线传输设备与所述脑电仪相连，所述脑电仪通过其微机接口与所述计算机相连，从而将采集到的脑电信号传给所述计算机。
进一步地，所述车辆状态采集系统包括六轴加速度传感器以及车辆状态同步模块，所述六轴加速度传感器设置在智能驾驶汽车的质心处，用于对智能驾驶汽车的横纵向加速度数据进行采集；所述车辆状态同步模块与车辆OBD接口相连，用于获取智能驾驶汽车CAN总线上的车辆行驶状态数据。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明面向智能驾驶汽车，通过人体肌电信号测试系统，心电信号测试系统，脑电信号测试系统，人体主观舒适性打分系统以及车辆状态采集系统的配合，能够同步采集乘员生理状态数据，心理状态数据以及车辆状态数据的同步采集，实现乘员乘坐智能驾驶汽车时体征数据以及舒适性主观评价的测量与分析，并能实时直观地显示测量结果，整个测量过程简单自然，对于乘员干扰小，易于操作且测量数据精确。
2、本发明的体征信号采集系统可以测得智能驾驶过程中被测乘员生理状态譬如肌电信号，心电信号，及脑电信号，主观评价反馈设备通过问卷打分的形式获取被测乘员的心理状态，对于乘坐该智能驾驶汽车的舒适性主观感受。对多名被测乘员的相应生理状态信息与心理状态信息进行个体分析和整体分析，从而提取出人体乘坐舒适性的主观感受与客观生理信号之间的关系。该实验结果可为建立主观评价与客观生理状态信息映射关系提供依据，提高智能驾驶汽车乘坐舒适性测试时，被测乘员对于车辆性能评价的置信度，减少由于个体主观差异引起的误差。
3、本发明的智能车乘员状态检测系统便携性好，安装简易，心电，肌电，脑电信号采集电极分别粘贴在被测乘员的对应位置，通过无线通讯的方式与计算机设备进行数据传输，避免复杂的线束对被测乘员在车厢内活动影响，方便搭载于真实车辆中，准确测量被测乘员在真实的车辆行驶环境下的状态，同时在车辆行驶状态信息获取方面不需要安装专门的速度传感器，转向盘转角传感器，以及三轴加速度传感器，只需要通过车辆现有的OBD口与智能驾驶系统连接，获取车辆行驶状态信息，得到真实准确乘员状态数据与车辆行驶状态数据。
附图说明
图1为本发明的一种智能驾驶汽车乘员状态检测系统的系统框图；
图2为本发明的一种智能驾驶汽车乘员状态检测系统的示意图；
图3为本发明的一种智能驾驶汽车乘员状态检测系统的肌电信号采集电极设置位置图；
图4为本发明的一种智能驾驶汽车乘员状态检测系统的打分软件界面；
图5为本发明的一种智能驾驶汽车乘员状态检测方法的流程图；
图6为本发明的一种智能驾驶汽车乘员状态检测方法的体征指标；
图7为本发明的智能车成员舒适性综合评价指标的构成示意图；
图8为本发明的基于车辆动力学的成员舒适性预测模型的结构示意图；
图中各标记如下：1、智能车控制器；2、智能设备；3、脑电采集电极；4、脑电仪；5、心电仪；6、肌电仪；7、计算机；8、智能驾驶汽车；9、座椅；10、肌电采集电极；11、心电采集电极。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
实施例一
如图1，图2所示，本实施例提供一种智能驾驶汽车乘员状态检测系统，可以安装到智能驾驶汽车内部，并与智能驾驶汽车的智能驾驶系统连接。本实施例提供的评价系统既能利用智能车自身传感器获取智能驾驶过程中的车辆状态信息，又可以测量智能驾驶过程中乘员体征信息，从而对智能车辆中的乘员状态进行检测分析，为提高智能车乘员舒适性提供理论依据。具体的，其包括乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及计算机。其中，乘员体征检测系统用于测量智能驾驶汽车行驶过程中乘员的体征信息，包括乘员的肌电、脑电和心电信息；乘员舒适性评价反馈系统用于收集智能驾驶汽车行驶过程中乘员的主观舒适性评价得分；车辆状态采集系统用于收集测量智能驾驶过程中智能驾驶汽车的动力学信息，包括智能驾驶汽车的三轴速度以及加速度等；计算机用于根据接收到的乘员体征信息、主观舒适性评价得分以及车辆动力学信息，对乘员舒适性进行预测，并反馈于智能驾驶车辆的智能驾驶系统，为智能驾驶车辆的自动驾驶提供参考。
上述实施例中，如图1所示，计算机7中设置有通讯模块、数据接收与记录模块、数据处理分析模块以及交互与显示模块。其中，通讯模块用于实现计算机与乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及智能驾驶汽车的智能驾驶系统之间的通信；数据接收与记录模块用于实时、同步采集并存储乘员体征信息、乘员主观舒适性评价信息以及智能驾驶汽车的动力学信息；数据处理分析模块用于对获取的乘员体征信息、乘员主观舒适性评价信息以及车辆动力学信息进行处理，结合预设的评价模型，识别当前时刻的乘员舒适性状态并预测未来预设时刻内的乘员状态，同时结合乘员的主观舒适性评价信息，对评价模型的识别正确率进行分析；交互与显示模块用于实现本评价系统与操作员的交互，包括两部分：一是实时显示所有采集信息以及数据处理与分析过程中的关键变量和结果；二是提供系统控制按钮以及参数调整接口，操作员可根据实时显示结果控制评价系统的运行或调整评价模型参数。
上述各实施例中，如图1所示，数据处理分析模块包括预处理模块、特征提取模块、模型适用模块、车辆状态预测模块、正确率分析及模型修正模块。其中，预处理模块采用重采样与综合滤波对采集的乘员体征信息与车辆动力学信息进行预处理，以提高信噪比，降低干扰；特征提取模块用于从预处理后的乘员体征信息以及车辆动力学信息中提取生理指标和车辆动力学指标；模型适用模块用于将提取到的生理指标、车辆动力学指标以及乘员主观舒适性评价结果输入预设的三种评价模型，并最终得到乘员舒适性综合评价指标；车辆状态预测模块包含车辆动力学模型，用于预测未来时刻的车辆状态，以进一步地对未来的乘员舒适性进行预测；正确率分析及模型修正模块用于将上述三种评价模型的结果与乘员主观舒适性评价结果相对比，分析预设时间窗以及全局范围内的乘员舒适性识别正确率，并通过模型参数修改接口，实现操作员自行修改模型参数或根据程序自动调整模型参数。
上述各实施例中，特征提取模块提取生理指标和车辆动力学指标时，对于乘员体征信息则依据不同生理信息特有的特征提取方法进行提取，如提取心电信号的R-R间期标准差、脑电信号的功率谱中的α频段能量与β频段能量比值等，作为生理指标；对于车辆动力学信息，则提取相应时间窗内的纵向加速度以及加速度均方值等，作为车辆动力学指标。
上述各实施例中，模型适用模块中预存有三种评价模型，分别为：
1.基于体征信息的乘员舒适性客观评价模型，其输入为当前时刻提取的乘员生理指标，输出为当前时刻乘员舒适性客观评价指标；
2.基于车辆动力学的乘员舒适性预测模型，其包含两部分，第一部分输入为车辆动力学指标以及控制信息，输出为下一时刻的车辆动力学指标；第二部分输入为下一时刻的车辆动力学指标与上一时刻计算得到的乘员舒适性综合评价指标，输出为下一时刻的乘员舒适性预测结果(即下一时刻乘员的体征信息)；
3.乘员舒适性综合评价模型，其输入为当前时刻乘员舒适性客观评价指标、下一时刻的乘员舒适性预测结果、当前时刻乘员主观舒适性评价结果，输出为下一时刻乘员舒适性综合评价指标。
上述各实施例中，乘员体征检测系统包括人体肌电信号检测系统、人体心电信号检测系统和人体脑电信号检测系统；人体肌电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体肌电信号；人体心电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体心电信号；人体脑电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体脑电信号；最后通过计算机端口发送给计算机7。
上述各实施例中，如图3所示，人体肌电信号检测系统包括肌电采集电极9和肌电仪6；其中，肌电采集电极安放在人体的相应肌群位置,包括胸锁乳突肌(SCM)，斜方肌(TRAP)，腹直肌(RA)和背阔肌(LD)，以测量人体肌电信号，并通过无线传输设备与肌电仪相连；肌电仪6通过其微机接口与设置在智能车辆中的计算机设备相连，从而将采集到的肌电信号传给计算机设备。
上述各实施例中，人体心电信号检测系统包括心电采集电极10和心电仪5。心电采集电极安放在人体胸口的相应位置(安放位置为本领域技术人员公知技术，本发明在此不再赘述)以测量人体心电信号，并通过无线传输设备与心电仪相连；心电仪通过其微机接口与计算机设备相连，从而将采集到的心电信号传给计算机设备。
上述各实施例中，人体脑电信号检测系统包括脑电采集电极3和脑电仪4；脑电采集电极安放在人体头部的相应位置(安放位置为本领域技术人员公知技术，本发明在此不再赘述)以测量人体脑电信号，并通过无线传输设备与脑电仪相连，脑电仪通过其微机接口与计算机设备相连，从而将采集到的脑电信号传给计算机设备。
上述各实施例中，如图4所示，乘员舒适性评价反馈系统采用安装有打分App的智能设备(如智能手机)，该智能设备通过WiFi与计算机7相连，在智能驾驶汽车行驶过程中，乘员手持智能设备，按照预设周期将每一次打分情况发送给计算机7。其中，乘员进行打分时也可以根据实时的强烈刺激进行实时打分。
上述各实施例中，车辆状态采集系统包括六轴加速度传感器以及车辆状态同步模块，六轴加速度传感器设置在智能驾驶汽车的质心附近，用于对智能驾驶汽车的横纵向加速度数据进行采集；车辆状态同步模块与车辆OBD接口相连，用于获取智能驾驶汽车CAN总线上的车辆行驶状态数据，比如车速、方向盘转角、气节门开度、制动主缸压力等车辆动力学信息和控制信息。
实施例二
如图5所示，本发明提供了一种智能驾驶汽车的乘员状态检测方法，形成了主观-生理-车辆一体化的乘员舒适性评价，主要包括以下四部分，1、乘员主观评价；2、基于乘员体征信息的客观评价；3、基于车辆动力学的乘员舒适性预测；4、动态权重函数。具体的，包括以下步骤：
1)获取实验数据，包括各被测乘员在静止状态下的体征信息、智能驾驶汽车行驶状态下的体征信息以及被测乘员的主观舒适性评价指标；
2)对获取的体征信息进行预处理后提取相应的生理指标，并基于该生理指标和预先建立的基于体征信息的舒适性客观评价模型，得到基于体征信号的舒适性客观评价指标；
3)对获取的智能驾驶汽车的动力学信息进行预处理后提取相应的动力学指标，并基于该动力学指标和预先建立的基于车辆动力学的乘员舒适性预测模型，得到基于车辆动力学信息的乘员舒适性预测评价指标，以表征乘员各项生理指标对车辆动力学指标的响应特征及敏感程度；
4)根据得到的乘员的主观舒适性评价指标、基于体征信号的舒适性客观评价指标、基于车辆动力学信息的乘员舒适性预测评价指标以及动态权重函数，构建乘员舒适性综合评价模型，基于所述乘员舒适性综合评价模型预测得到的乘员舒适性综合评价指标以及车辆三自由度模型，建立基于乘员舒适性的车辆动力学控制域，包含舒适域、过渡域以及不舒适域，作为智能驾驶汽车动力学控制的相应指标，以保证乘坐舒适性。
上述步骤1)中，获取实验数据的方法，包括以下步骤：
1.1)选取若干乘员，并在每一被测乘员身体的相应位置处安放体征信号采集电极，开启测试体征信号采集设备，确定各体征信号采集设备工作正常，并记录下各被测乘员处于静止状态下的体征信息。其中，体征信号采集设备包括肌电仪、心电仪和脑电仪，且肌电仪、心电仪和脑电仪分别与安放在被测乘员身上的肌电采集电极、心电采集电极和脑电采集电极相连。采集的体征信号数据包括肌电信号、心电信号和脑电信号数据。
1.2)各被测乘员用力晃动头部，耸动肩膀，使得颈部、肩部、背部肌肉进行最大自主收缩运动，确保各体征信号采集电极不发生脱落，同时记录肌电信号最大自主收缩状态下的峰值。
1.3)被测乘员在智能车辆座位上落座，智能车辆在预设场景下行驶，各体征信号采集电极采集被测乘员的体征信息，在实验进行同时，各被测乘员根据舒适性评价表进行舒适性评价打分。
1.4)在车辆质心附近安装六轴加速度传感器对智能驾驶汽车的，以及通过车辆OBD口获取车辆速度、方向盘转角、节气门开度、制动主缸压力等车辆动力学信息和控制信息。
上述步骤1.1)中，对肌电信号进行采集时，本申请中将肌电采集电极分别放置在被测乘员的胸锁乳突肌(SCM)，斜方肌(TRAP)，腹直肌(RA)和背阔肌(LD)。对心电信号和脑电信号采集时，心电采集电极和脑电采集电极的安放位置与常规进行心电信号采集和脑电信号采集时的安放位置相同，本发明不再赘述。
上述步骤1.3)中，被测乘员根据舒适性评价表打分的过程为：在智能车辆行驶过程中，每隔15s或者在被测乘员接受某个刺激后(转向，加速，制动)，通过安装有打分软件的智能设备(智能手机)对刺激所造成的自身舒适性改变进行打分，分值范围为1、2、3、4、5、6、7、8、9、10，分别表示无法接受、剧烈、非常差、差、分界线、勉强接受、一般、好、很好、极好，15s内的乘员体征数据和舒适性评分构成一个样本，当采集到足够数量的样本之后，实验结束。本发明中的舒适性评价表如下表1所示。
表1舒适性评价表
其中，舒适性主观评分也可以根据实际需要引入不同的间隔，例如引入0.25分间隔，乘员根据实际情况对分值进行细微的调整，以获得更多更精确的舒适性评分。
上述步骤2)中，建立基于体征信息的舒适性客观评价模型的方法，包括以下步骤：
2.1)对获取的体征信息进行预处理后提取相应的生理指标作为乘员舒适性评价的客观指标；
2.2)对提取的乘员舒适性评价客观指标以及舒适性评分数据进行多元回归分析，得到舒适性评价客观指标与舒适性评分数据之间的映射关系，即基于体征信息的舒适性客观评价模型。
上述步骤2.1)中，如图6所示，对体征信息进行预处理时包括重采样与降噪滤波，提取的乘员舒适性评价的客观指标包括肌电评价指标、心电评价指标和脑电评价指标，且肌电评价指标包括平均肌肉激活程度和肌电信号波动程度指标，心电评价指标包括R-R间期标准差和R-R差值标准差指标，脑电评价指标包括α波能量比和δ波与α波能量比指标。各指标定义如下：
2.1.1)肌电评价指标
①平均肌肉激活程度指标MAmean
肌肉激活程度反映了乘员乘坐智能车辆时，在抵抗来自车身各个方向振动时，各肌肉的发力程度。肌肉激活程度MA的计算公式为：
式中，RMSTest为当前所测肌电信号的RMS值；RMSMVC为肌肉最大自主收缩时肌电信号的RMS值；MA为肌肉激活程度。
其中，RMS值的计算公式为：
式中，EMG(t)为肌电信号电集所测的电压值；T为时间窗的长度，取0.05s。
将每次评价周期中，各检测部位的肌肉激活程度求出，相加得到平均肌肉激活程度MAmean：
其中，N表示选取的肌肉部位个数；MAi为第i个检测部位的肌肉激活程度。
②肌电信号的波动范围F：
肌电信号的波动范围F是指：在一个评价周期中，各部位肌肉均方根值最大值与平均值的比值。
首先，对评价周期内各部位的肌肉信号进行归一化处理,公式如下:
式中，RMSmax为该肌肉部位在一个评价周期中RMS的最大值；RMSmean为该肌肉部位在一个评价周期中RMS的均值。
其次，根据所求出的被测乘员各肌肉信号的均方根值，将不同被测乘员同一位置肌肉信号的均方根值求平均值，计算得到的各平均数值可记为胸锁乳突肌RMS1，斜方肌RMS2，腹直肌RMS3和背阔肌RMS4，则各肌肉所占肌电信息权重可记为：
最后，根据总体肌电信号波动范围为：
其中，Ei表示各肌肉肌电信号的均方根值。
2.1.2)心电评价指标
①R-R间期标准差
R-R间期标准差用于描述被测乘员在乘坐智能车辆过程中，遇到不舒适事件刺激时，心跳速率变化的程度。R-R间期标准差的计算公式如下：
式中，SDNN为R-R间期标准差；N为心搏总数；RRi为第i个R-R间期；RRmean为N个R-R间期的平均值。
②相邻R-R差值标准差RMSSD
相邻R-R差值标准差RMSSD表示相邻R-R间期差值的均方根，反应相邻R-R间期的变动，代表HRV信号的快速变动程度，其计算公式为：
式中，N为心搏总数；RRi、RRi-1分别为相邻的R-R间期，i为整数且i>＝1。
2.1.3)脑电评价指标
①α波能量比
α波能量比表示α波(7～13Hz)占总频带能量比，其计算公式为：
其中,Rα为α波能量比；Eσ为σ波(1～4Hz)能量；Eθ为θ波(4～7Hz)能量；Eα为α波能量；Eβ为β波(13～25Hz)能量。
②δ波与α波能量比
δ波与α波能量比表示δ波能量与α波能量的比值，其计算公式为：
其中，Kδ-α为δ波与α波能量比；Eσ为σ波(1～4Hz)能量；Eα为α波能量。
进一步地，上述步骤3)中，提取的智能驾驶汽车的动力学指标包括平均车速、三轴加速度均方根值、横摆角速度均方根值以及横摆角加速度均方根值。
进一步地，上述步骤4)中，如图7所示，设计一条动态权重函数，依据步骤1)得到的乘员主观舒适性评价指标、步骤2)得到的基于体征信号的舒适性客观评价指标、以及步骤3)得到的基于车辆动力学信息的乘员舒适性预测评价指标的实时变化计算得出对应的权重系数，加权计算得出乘员舒适性的综合评价指标，此指标将反馈于智能驾驶系统，作为参考对动力学控制进行调控，提高车辆的乘坐舒适性。
其中，动态权重函数的基本描述如下：
[a1(n)，a2(n)，a3(n)]＝f(x1(n)，x2(n)，x3(n)，x1(n-1)，x2(n-1)，x3(n-
1，…，x1n-m,x2n-m,x3n-m (11)
式中，a1，a2，a3分别为乘员主观评价指标权重系数、基于乘员体征信息的客观评价指标权重系数以及基于车辆动力学的乘员舒适性预测指标权重系数，x1(n)，x2(n)，x3(n)为上述三种评价指标的当前时刻的计算值，x1(n-m)，x2(n-m)，x3(n-m)为上述三种评价指标的前m时刻的计算值；f()为动态权重函数。
最终得到的乘员舒适性综合评价模型及其指标K的基本描述如下：
K＝a1(n)·x1(n)+a2(n)·x2(n)+a3(n)·x3(n) (12)
式中，x1(n)为乘员主观评分,时序数组；x2(n)为基于乘员体征信息的客观评价得分，时序数组；x3(n)为基于车辆动力学信息的乘员舒适性预测得分，时序数组；根据当前时刻三种舒适性得分，以及前一时刻舒适性得分，确定3种评分的权重占比。随时间变化，权重也发生变化。
如图8所示，根据智能驾驶汽车的自身车辆特性构建车辆三自由度模型，建立状态空间，根据智能车辆当前时刻的状态量以及控制量，对未来时刻的车辆动力学特征进行预测，并依据此控制域以及当前时刻的乘员舒适性综合评价指标对未来时刻的乘员舒适性进行预测，形成基于车辆动力学的乘员舒适性预测模型，输出结果纳入乘员舒适性评价系统中。其中，车辆三自由度模型包含车辆纵向平动、侧向平动以及横摆运动，不包含垂向运动、侧倾运动以及俯仰运动；状态量包括纵向速度、侧向速度以及横摆角速度；控制量包括方向盘转角、油门开度、制动强度等。基于乘坐舒适性的控制域的含义是将会导致成员舒适或不舒适的智能车辆动力学特征的范围。车辆三自由度模型的构建为本领域技术人员公知技术，本发明在此不再赘述。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种智能驾驶汽车乘员状态检测系统，其特征在于，包括：
乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及计算机；
所述乘员体征检测系统用于测量智能驾驶汽车行驶过程中乘员的体征信息，包括乘员的肌电、脑电和心电信息；
所述乘员舒适性评价反馈系统用于收集智能驾驶汽车行驶过程中乘员的主观舒适性评价得分；
所述车辆状态采集系统用于收集测量智能驾驶过程中智能驾驶汽车的动力学信息，包括智能驾驶汽车的三轴速度和三轴加速度；
所述计算机用于根据接收到的乘员体征信息、主观舒适性评价得分以及车辆动力学信息，对乘员舒适性进行预测，并反馈于智能驾驶车辆的智能驾驶系统，为智能驾驶车辆的自动驾驶提供参考；
所述计算机中设置有通讯模块、数据接收与记录模块、数据处理分析模块以及交互与显示模块；所述通讯模块用于实现计算机与乘员体征检测系统、乘员舒适性评价反馈系统、车辆状态采集系统以及智能驾驶汽车的智能驾驶系统之间的通信；所述数据接收与记录模块用于实时、同步采集并存储乘员体征信息、乘员主观舒适性评价信息以及智能驾驶汽车的动力学信息；所述数据处理分析模块用于对获取的乘员体征信息、乘员主观舒适性评价信息以及车辆动力学信息进行处理，结合预设的评价模型，识别当前时刻的乘员舒适性状态并预测未来预设时刻内的乘员状态，同时结合乘员的主观舒适性评价信息，对评价模型的识别正确率进行分析；所述交互与显示模块用于实现本评价系统与操作员的交互；
所述数据处理分析模块包括预处理模块、特征提取模块、模型适用模块、车辆状态预测模块、正确率分析及模型修正模块；所述预处理模块采用重采样与综合滤波对采集的乘员体征信息与车辆动力学信息进行预处理；所述特征提取模块用于从预处理后的乘员体征信息以及车辆动力学信息中提取生理指标和车辆动力学指标；所述模型适用模块用于将提取到的生理指标、车辆动力学指标以及乘员主观舒适性评价结果输入预设的三种评价模型，并最终得到乘员舒适性综合评价指标；所述车辆状态预测模块包含车辆动力学模型，用于预测未来时刻的车辆状态；所述正确率分析及模型修正模块用于将所述三种评价模型的结果与乘员主观舒适性评价结果相对比，分析预设时间窗以及全局范围内的乘员舒适性识别正确率，并通过模型参数修改接口，实现操作员自行修改模型参数或根据程序自动调整模型参数；
所述模型适用模块中预设的三种评价模型分别为：基于体征信息的乘员舒适性客观评价模型，其输入为当前时刻提取的乘员生理指标，输出为当前时刻乘员舒适性客观评价指标；基于车辆动力学的乘员舒适性预测模型，其包含两部分，第一部分输入为车辆动力学指标以及控制信息，输出为下一时刻的车辆动力学指标；第二部分输入为下一时刻的车辆动力学指标与上一时刻计算得到的乘员舒适性综合评价指标，输出为下一时刻的乘员舒适性预测结果；乘员舒适性综合评价模型，其输入为当前时刻乘员舒适性客观评价指标、下一时刻的乘员舒适性预测结果、当前时刻乘员主观舒适性评价结果，输出为下一时刻乘员舒适性综合评价指标。
2.如权利要求1所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述特征提取模块提取特征值时，对于乘员体征信号数据，则依据不同生理信息特有的特征提取方法，提取肌电信号的平均肌肉激活程度和肌电信号波动程度，心电信号的R-R间期标准差和R-R差值标准差，脑电信号的功率谱中的α波能量比和δ波与α波能量比，作为乘员体征信息的特征值；对于车辆状态数据，则提取相应时间窗内的纵向加速度以及加速度均方值作为车辆状态特征值。
3.如权利要求1所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述乘员体征检测系统包括人体肌电信号检测系统、人体心电信号检测系统和人体脑电信号检测系统；
所述人体肌电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体肌电信号；
所述人体心电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体心电信号；
所述人体脑电信号检测系统用于测量被测乘员乘坐智能驾驶汽车时产生的人体脑电信号；最后通过计算机端口发送给所述计算机。
4.如权利要求3所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述人体肌电信号检测系统包括肌电采集电极和肌电仪；所述肌电采集电极安放在人体的相应肌群位置,包括胸锁乳突肌，斜方肌，腹直肌和背阔肌，以测量人体肌电信号，并通过无线传输设备与所述肌电仪相连；所述肌电仪通过其微机接口与设置在智能驾驶车辆中的所述计算机相连，从而将采集到的肌电信号传给所述计算机。
5.如权利要求3所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述人体心电信号检测系统包括心电采集电极和心电仪；所述心电采集电极安放在人体胸口的相应位置以测量人体心电信号，并通过无线传输设备与所述心电仪相连；所述心电仪通过其微机接口与所述计算机相连，从而将采集到的心电信号传给所述计算机。
6.如权利要求3所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述人体脑电信号检测系统包括脑电采集电极和脑电仪；所述脑电采集电极安放在人体头部的相应位置以测量人体脑电信号，并通过无线传输设备与所述脑电仪相连，所述脑电仪通过其微机接口与所述计算机相连，从而将采集到的脑电信号传给所述计算机。
7.如权利要求1所述的一种智能驾驶汽车乘员状态检测系统，其特征在于：所述车辆状态采集系统包括六轴加速度传感器以及车辆状态同步模块，所述六轴加速度传感器设置在智能驾驶汽车的质心处，用于对智能驾驶汽车的横纵向加速度数据进行采集；所述车辆状态同步模块与车辆OBD接口相连，用于获取智能驾驶汽车CAN总线上的车辆行驶状态数据。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011237862.8A CN112353393B (zh) | 2020-11-09 | 2020-11-09 | 一种智能驾驶汽车乘员状态检测系统 |
| PCT/CN2021/129177 WO2022095985A1 (zh) | 2020-11-09 | 2021-11-08 | 一种智能驾驶汽车乘员舒适性评价方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011237862.8A CN112353393B (zh) | 2020-11-09 | 2020-11-09 | 一种智能驾驶汽车乘员状态检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112353393A CN112353393A (zh) | 2021-02-12 |
| CN112353393B true CN112353393B (zh) | 2022-03-22 |
Family
ID=74508820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011237862.8A Active CN112353393B (zh) | 2020-11-09 | 2020-11-09 | 一种智能驾驶汽车乘员状态检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112353393B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022095985A1 (zh) * | 2020-11-09 | 2022-05-12 | 清华大学 | 一种智能驾驶汽车乘员舒适性评价方法和系统 |
| CN113397568B (zh) * | 2021-06-16 | 2023-05-05 | 江苏徐工工程机械研究院有限公司 | 工程机械操作力范围的设定及司机作业疲劳度的评测方法 |
| CN113370984A (zh) * | 2021-06-30 | 2021-09-10 | 中国科学技术大学先进技术研究院 | 基于多指标的自动驾驶车辆舒适度综合评价方法及系统 |
| CN116350190B (zh) * | 2023-05-29 | 2023-08-18 | 中国第一汽车股份有限公司 | 一种驾驶能力确定方法、电子设备及存储介质 |
| CN118067417B (zh) * | 2024-04-16 | 2024-07-05 | 中国汽车技术研究中心有限公司 | 一种基于自动驾驶汽车的驾乘舒适度测评方法及系统 |
| CN118243406B (zh) * | 2024-05-28 | 2024-08-09 | 成都曼格雷特汽车技术服务有限公司 | 一种汽车路测驾驶评估系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106691443A (zh) * | 2017-01-11 | 2017-05-24 | 中国科学技术大学 | 基于脑电的穿戴式司机防疲劳智能监测预警系统 |
| 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 |
| CN109829663A (zh) * | 2019-04-11 | 2019-05-31 | 郑州大学 | 一种基于云平台的轻轨列车舒适度评测系统 |
| CN110895738A (zh) * | 2018-09-12 | 2020-03-20 | 丰田自动车株式会社 | 驾驶评价装置、驾驶评价系统、驾驶评价方法及存储介质 |
| CN111169513A (zh) * | 2020-01-07 | 2020-05-19 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
| CN111186402A (zh) * | 2018-10-29 | 2020-05-22 | 安波福技术有限公司 | 基于负载特性和乘客舒适度来控制致动器的系统和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101040109B1 (ko) * | 2008-11-18 | 2011-06-09 | 한국철도기술연구원 | 생체신호를 이용한 열차 승차감 측정 시스템 |
| SE1351223A1 (sv) * | 2013-10-16 | 2015-04-17 | Scania Cv Ab | Förfarande och system för framförande av ett fordon |
| CN105628405B (zh) * | 2015-12-19 | 2018-02-27 | 中车青岛四方机车车辆股份有限公司 | 高速列车综合舒适度试验方法 |
| WO2018122586A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于舒适度的自动驾驶车速控制方法 |
| CN110843765A (zh) * | 2019-11-29 | 2020-02-28 | 上海汽车集团股份有限公司 | 一种自动驾驶方法、装置及电子设备 |
-
2020
- 2020-11-09 CN CN202011237862.8A patent/CN112353393B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106691443A (zh) * | 2017-01-11 | 2017-05-24 | 中国科学技术大学 | 基于脑电的穿戴式司机防疲劳智能监测预警系统 |
| CN110895738A (zh) * | 2018-09-12 | 2020-03-20 | 丰田自动车株式会社 | 驾驶评价装置、驾驶评价系统、驾驶评价方法及存储介质 |
| CN111186402A (zh) * | 2018-10-29 | 2020-05-22 | 安波福技术有限公司 | 基于负载特性和乘客舒适度来控制致动器的系统和方法 |
| CN109829663A (zh) * | 2019-04-11 | 2019-05-31 | 郑州大学 | 一种基于云平台的轻轨列车舒适度评测系统 |
| CN111169513A (zh) * | 2020-01-07 | 2020-05-19 | 北京交通大学 | 面向乘客舒适性的多自动驾驶列车分布式协同控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112353393A (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112353392B (zh) | 一种智能驾驶汽车乘员舒适性评价方法 | |
| CN112353393B (zh) | 一种智能驾驶汽车乘员状态检测系统 | |
| WO2022095985A1 (zh) | 一种智能驾驶汽车乘员舒适性评价方法和系统 | |
| CN102138789B (zh) | 一种动态心电和运动记录与分析系统 | |
| CN106073712B (zh) | 基于心生理信号的驾驶警示方向盘套装置及信号检测方法 | |
| CN108765876A (zh) | 基于多模信号的驾驶疲劳深度分析预警系统及方法 | |
| CN111166357A (zh) | 多传感器融合的疲劳监测装置系统及其监测方法 | |
| CN109346176B (zh) | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 | |
| EP2119393B1 (en) | Method and system for evaluating driving conditions of a vehicle | |
| CN100482155C (zh) | 基于脑机交互的注意力状态即时检测系统及检测方法 | |
| EP2063247B1 (en) | Method for evaluating steering performance of vehicle, evaluation device and program | |
| CN107226123A (zh) | 一种多模式生物感应方向盘 | |
| CN105877766A (zh) | 一种基于多生理信号融合的精神状态检测系统及方法 | |
| CN110495893B (zh) | 一种运动意图连续脑肌电多层次动态融合识别系统及方法 | |
| CN107137071A (zh) | 一种分析心冲击信号用来计算短期心率值的方法 | |
| CN100493453C (zh) | 基于驾驶模拟器的驾驶员疲劳状态分析实验系统 | |
| CN112617835B (zh) | 一种基于迁移学习的多特征融合疲劳检测方法 | |
| CN107273677A (zh) | 一种多通道神经功能定量评价系统 | |
| CN103156622A (zh) | 心冲击图分析装置、方法和在车上使用心冲击图的系统 | |
| CN209634401U (zh) | 一种具有健康监测功能的汽车方向盘 | |
| CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
| CN108711204A (zh) | 一种综合人-车-路多源信息的行车异常检测系统及方法 | |
| CN112057087B (zh) | 精神分裂症高风险人群自主神经功能数据处理方法及装置 | |
| CN109760691A (zh) | 一种考虑肌电信号的驾驶员舒适驾驶姿态下的人机布置参数匹配的方法 | |
| CN105796091B (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 |
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 |