CN112389448B - 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 - Google Patents
一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 Download PDFInfo
- Publication number
- CN112389448B CN112389448B CN202011318762.8A CN202011318762A CN112389448B CN 112389448 B CN112389448 B CN 112389448B CN 202011318762 A CN202011318762 A CN 202011318762A CN 112389448 B CN112389448 B CN 112389448B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state
- driver
- driving
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000008450 motivation Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 40
- 230000035484 reaction time Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 206010042772 syncope Diseases 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 2
- 230000002349 favourable effect Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 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
- B60W40/09—Driving style or behaviour
-
- 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
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W2040/0818—Inactivity or incapacity of driver
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明请求保护一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，包括步骤：从V2X车载终端OBU中获取当前车辆行驶信息，通过V2X路侧设备RSU或地图信息判断车辆所在车道并获取车道方向角，结合车辆航向信息判断车辆行驶状态。利用车载摄像头获取驾驶员驾驶时状态视频序列，通过驾驶员异常状态监测算法，对驾驶员驾驶状态进行分析，实现对驾驶员状态的实时监控，利用关键点监测非驾驶员是否对驾驶造成干扰，实现对非驾驶员的监控。最后综合以上所获得的状态信息统一处理，判别当前车辆行驶状态，并结合保护动机理论建立分级预警和紧急措施。本发明融合车辆多种状态信息进行判别，增加检测结果的准确性，增强了辅助驾驶安全性。
Description
技术领域
本发明属于安全驾驶检测技术领域，尤其涉及一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法与系统。
背景技术
近几年，关于汽车故障、驾驶员突发状况或者干扰驾驶而造成多人伤亡的新闻越来越多。随着私家车、营运车的数量的快速增长，在车辆行驶过程中对车辆行驶状态以及驾驶区域状态进行监测，使其在处于异常状态时可对驾驶员进行预警或采取紧急制动以保证驾驶人员及乘车人员的安全是毋庸置疑的。
车辆行驶状态可分为车内驾驶区域状态和车外车辆状态。对于车内驾驶区域的状态识别主要有驾驶员状态监测与非驾驶员侵入监测，驾驶员状态监测可分为接触式和非接触式方法进行判别，接触式主要是配戴一些仪器设备对驾驶员的生理参数进行采集；非接触式常采用的是采集驾驶员驾驶期间的视频序列，再从视频序列中提取物理特征信息，进而对驾驶员状态进行判断。与非接触式的状态监测相比，接触式监测的准确率较高，但接触式所需配戴的设备往往会干扰驾驶员执行驾驶操作，所以目前常采用非接触式进行，并通过硬件设备及算法等提高监测的准确性。本发明采用的是非接触式状态监测方法对驾驶员状态进行监测。
对于车外车辆状态有根据车辆设备状态监测或根据车辆行驶环境进行监测，车辆设备状态监测是车辆行驶时系统对车辆的各设备参数进行监测，从而判断车辆是否正常行驶。车辆行驶环境监测主要是利用图像技术识别车道分界线及障碍物从而判断车辆能否正常行驶，例如基于OpenCV的车道线检测方法(CN201911271789.3)，利用摄像头获取车道线图像，利用图像处理提取车道线。但对于车道线的检测，往往会因为模糊的车道线或者车胎磨损产生的污渍导致检测错误，且摄像头工作条件较高，在夜晚和隧道等光照条件较差的情况下会降低车道线检测结果的准确性。
目前对于车辆的异常驾驶行为监测方法有很多，但是大多都是对于单一元素进行监测，少有综合驾驶员状态和车辆状态的监测系统。根据以上所描述的车辆异常驾驶行为监测系统所存在的判断形式单一，检测结果不够全面等问题，本发明设计了一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法与系统。
目前，尚未有一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法与系统，该方法基于V2X通信进行车辆状态判别，并综合驾驶员状态检测结果判断车辆行驶状态，根据检测结果建立相应预警机制以及应急措施。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种方法。本发明的技术方案如下：
一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其包括信息获取、信息融合及车辆行驶状态判断、预警及应急措施三个阶段；其中，
信息获取阶段包括车辆信息、道路环境信息和驾驶员状态信息三个方面：车辆状态信息是V2X车载终端OBU从车辆状态感知传感器获取车辆行驶基本信息，道路信息是通过V2X路侧设备RSU或者本地地图信息获取当前车辆所在路段交通密度以及目标车辆坐标和车道定点坐标信息，通过车道判别算法确定当前车辆所在车道，并得到所在车道方向角；驾驶区域状态信息是利用车载摄像头获取驾驶员驾驶期间上半身视频序列，通过所设计的驾驶员状态检测算法监测驾驶员驾驶期间行为姿态，同时对非驾驶员侵入驾驶区域的频率进行监测；
信息融合及车辆行驶状态判断阶段：融合车辆状态信息与道路环境信息判断车辆基本状态，再结合驾驶区域状态信息对车辆行驶状态进行综合判断。车辆状态包括车辆行驶速度、加速度、航向在内的基本状态，道路信息包括所在车道、道路环境、交通密度信息，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，再将驾驶员状态监测模块检测的驾驶员状态信息发送给OBU进行综合判断，监测车辆行驶状态是否正常；
预警及应急措施阶段：融合多源信息对车辆行驶状态进行检测并将检测结果设立优先级，结合保护动机理论建立相应的预警或者紧急制动机制，若未检测到车辆有何异常则不做任何操作；若检测到车辆行驶严重异常时，则结合辅助驾驶系统对车辆进行紧急制动操作，若检测到非驾驶人员对驾驶造成干扰，则接入自动驾驶系统接管驾驶操作，其余为车辆行驶状态轻度异常，则进行相应的语音预警提醒驾驶员修正驾驶行为，保证车辆行驶安全。
进一步的，所述车辆车道判别算法具体包括：通过比较车辆位置坐标与同向各个车道定点坐标间的欧几里得距离的大小判断车辆所在车道，目标车辆进入RSU通信路段可获得当前路段各个同向车道标定的定点坐标，利用欧几里得距离计算公式计算车辆位置与各个车道定点间的距离，比较距离的大小，距离最小者对应的定点所在车道即为车辆所在车道，确定车辆所在车道后获取对应车道的方向角。
进一步的，所述信息融合及车辆行驶状态判断阶段，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，具体步骤为：若车辆处于不可变道状态，则车辆实际偏航角不可超过所在车道允许的最大偏航角，同时需限制偏航时间以此保证车辆航向正常；若车辆处于可变道状态，在开始变道时，偏航角逐渐增大，当检测到车辆车道变化后则视为车辆变道完成，需修正车辆航向角使其与道路方向角保持一致，因此偏航角应逐渐减小，以此保证车辆正常变道；根据交通密度信息以及转向灯信息，不可转向包括以下情况：当车辆处于直行车道且检测前方无车辆，则限制目标车辆变道；若目标车辆处于最外侧车道则限制目标车辆右转向；若检测到目标车辆即将转向侧方有车辆，则限制目标车辆转向；限制车辆变道或转向是根据车辆航向异常算法监测目标车辆偏航角，若偏航角超过一定阀值则视为异常状态，需预警提醒。
进一步的，车辆航向异常算法是将车辆偏航角同当前目标车辆所在车道所允许的最大偏航角对比，若超过最大偏航角则视为异常转向；车道允许的最大偏航角由车辆行驶速度、加速度、车辆与车道线距离、系统最大延时以及驾驶员最大反应时间确定，其中驾驶员最大反应时间与驾驶员状态及身份有关，在驾驶员启动驾驶时由驾驶员状态监测模块确定驾驶员身份，并根据对该驾驶员状态以及驾驶行为习惯预估驾驶员最大反应时间，以此计算车辆限制偏航时所允许的最大偏航角。
进一步的，车辆航向异常算法具体计算方法如下：车辆速度为v，加速度为a，系统最大延时时间为tcmax，驾驶员最大反应时间为tdmax，车辆与车道一侧边缘距离为w，在车辆匀速行驶阶段，车辆保持最大偏航角θ所行驶距离为l，l表示为：
l＝v·(tcmax+tdmax)
或
且w、θ、l三者间的关系表示为：
所以车辆航向角与道路方向角之差θ表示为：
所求θmax即为目标车辆所在位置同其中一侧所允许的最大偏航角。
进一步的，所述结合车辆状态与驾驶员状态监测结果对车辆行驶状态进行综合评断具体包括：驾驶员状态由驾驶员状态识别模块监测，在驾驶员启动驾驶时对驾驶员进行身份识别，并将驾驶员身份及对应驾驶习惯存入云端，利于提高驾驶员状态监测系统对驾驶员的异常行为检测灵敏性；驾驶员状态识别模块是根据驾驶员状态监测算法对摄像头采集到的视频序列进行处理计算，实现对驾驶员行为状态的监测；驾驶员状态监测算法是利用OpenPose关键点检测系统提取视频序列中驾驶员的面部关键点以及骨骼关键点，利用面部关键点以及骨骼关键点进行驾驶员行为姿态的建模，训练模型识别出驾驶员的几种典型的异常驾驶行为；最后根据关键点的位移状况，加入基于运动特征的关键帧提取，并加入强化学习准确高效提取出具有代表性的关键帧。
进一步的，所述驾驶员的几种典型的异常驾驶行为具体包括：根据识别出的驾驶员异常行为将驾驶员异常状态分为轻度异常状态以及重度异常状态，轻度异常状态主要是分心状态或者轻度疲劳状态，重度异常主要表现为晕厥、意识不清晰在内的状态。
进一步的，所述对非驾驶人员侵入驾驶区域进行监测，主要是检测驾驶区域视频内非驾驶员肢体关键点，利用关键点检测系统检测出视频内所有关键点，若出现驾驶员以外的其他关键点则视为非驾驶员侵入驾驶区域，并检测视频内出现非驾驶员侵入驾驶区域的视频帧在视频内出现的时常以及频率，若超过安全阀值则视为干扰驾驶员驾驶，作为一种异常信息和其他驾驶员异常状态信息一起发送给V2X车载终端OBU进行统一处理。
进一步的，在OBU中，接收驾驶员状态监测模块发送的驾驶员状态信息并结合车辆状态的判断结果对车辆行驶状态进行综合判断，具体包括：若驾驶员及车辆行驶状态都正常，则能保证车辆的行驶是正常；若驾驶员处于疲劳状态或分心驾驶状态，但车辆状态正常，此时为驾驶员状态轻度异常；若车辆偏航频率较高，但驾驶员状态正常，则为车辆偏航行驶状态；若车辆状态异常且驾驶员状态轻度异常，则为车辆行驶状态轻度异常；若为非驾驶人员肢体频繁侵入驾驶区域，则视为干扰驾驶；若车辆状态异常且驾驶员状态严重异常时，则为车辆行驶状态严重异常，应结合辅助驾驶系统保证车辆安全。
进一步的，所述根据车辆行驶状态判断结果并结合保护动机理论建立分级预警机制情况严重时对车辆进行紧急制动处理，具体包括：若车辆状态与驾驶员状态都为正常时不做任何操作；若仅是车辆处于车速异常状态或轻度偏离航线状态，则对驾驶员进行相应的语音预警提示驾驶员及时修正车辆状态或对车辆进行检修；或仅是驾驶员处于轻度异常状态时，则提示驾驶员专心驾驶或注意休息或者限制驾驶员驾驶时长；若车辆状态异常且驾驶员处于轻度异常状态则提示驾驶员需减速行驶或停下休息；若检测到为干扰驾驶员驾驶，则应接入自动驾驶系统接管驾驶操作；若检测到车辆处于异常状态且驾驶员处于重度异常状态则结合辅助驾驶系统对车辆的方向适当修正后进行紧急制动，同时将车辆异常信息通过V2X广播给周围车辆车载终端OBU防止追尾事故的发生。
本发明的优点及有益效果如下：
1、本发明所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法与系统，主要特点是结合驾驶员状态与车辆状态对车辆行驶状态进行综合判断，相比于传统的基于驾驶员状态的车辆行驶状态监测或者基于车辆设备参数的状态监测增多判断依据，融合多源信息，提高车辆行驶状态监测的准确性，减少误判以及误报的概率。其中车辆状态监测是综合车辆设备参数信息、车辆行驶信息以及周围环境信息做出判断，尤其是监测车辆航向状态是否正常，避免因异常航向造成事故。
2、本发明所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，主要特点是利用V2X通信提高车辆通信的效率，相比于利用大数据进行车辆状态预估计算量小，设备负荷较低，专用通信协议及频段降低通信时延，实时性高，更符合车规级要求，使系统更具有实用性。且借助V2X通信使系统能更好的融合多源信息对车辆状态进行监测，车辆的道路环境信息是通过路侧设备(RSU)广播或其他车辆广播获得，在交通拥堵时也不会造成通信拥堵，减少通信拥堵。
3、本发明所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，主要特点是采用车辆偏航角算法对车辆偏航进行监测，对车辆的偏航行驶量化，实现对车辆的航线实时监测，避免因驾驶员突发状况冲出车道造成人员伤亡。与现有的基于图像类的车辆避障监测算法相比，基于车辆偏航角的车辆航向监测不会受光照条件以及车道线磨损等情况的影响，根据车辆状态与环境信息对车辆的行驶状态监测，减少系统计算量，提高系统反应时间和灵敏度。
4、本发明所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，主要特点是监测非驾驶员入侵驾驶区域的时长以及频率，以此判断是否对驾驶员的驾驶造成干扰，目前对于驾驶员状态监测主要是对驾驶员状态进行监测，并未把非驾驶员造成的干扰作为危险因素进行监测，但近几年新闻显示非驾驶员对驾驶员造成的干扰也是导致交通事故的重大因素之一。
5、本发明所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，主要特点是根据融合多源信息的检测结果建立分级预警，避免单一检测条件造成的误判误报等情况，且根据不同的危险程度采取相对应的措施，使预警更加人性化，引导驾驶员安全驾驶。在情况危急的时候结合辅助驾驶系统采取紧急制动措施，以此保证驾驶员和乘车人员的生命财产安全。
附图说明
图1是本发明提供优选实施例的方法示意图；
图2为本发明的一个较佳实施例的车道识别示意图；
图3为本发明的一个较佳实施例的最大偏航角计算方法示意图；
图4为本发明提供的系统流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是：
图1为本实例的方法示意图，主要涉及到信息获取、信息融合及车辆行驶状态判断、预警及应急措施三个阶段。信息获取主要包括车辆状态信息获取、道路信息获取以及驾驶员驾驶状态信息获取三个方面，车辆行驶状态判断是融合车辆状态信息和驾驶区域状态信息综合判断，预警及应急措施则是根据信息综合判断结果结合保护动机理论建立合理的语音预警系统或紧急制动处理措施。
V2X车载终端OBU利用车辆状态感知传感器获得车辆基本信息，具体包括车速、加速度、航向角等信息。通过V2X路侧设备(RSU)或者本地地图信息获取当前车辆位置坐标、所在路段交通密度以及各个车道定点坐标，坐标使用经度、纬度及海拔表示，再通过车道判别算法确定当前车辆所在车道，并得到所在车道方向角。利用车载摄像头获取驾驶区域视频序列以及驾驶员驾驶期间上半身视频序列，通过所设计的驾驶员状态识别模块实现驾驶期间对驾驶员行为状态的监测，同时监测非驾驶员是否侵入驾驶区域对驾驶员的驾驶造成干扰。
融合车辆信息与道路信息判断车辆基本状态以及航向状态，首先通过车辆车道判别算法判断车辆所在车道，再利用交通密度信息及车辆转向灯信息结合车辆航向异常算法检测车辆航向是否正常，最后再结合驾驶员状态信息对车辆行驶状态进行综合判断。
车辆车道判别算法是通过比较车辆位置坐标与同向各个车道定点坐标间的欧几里得距离的大小判断车辆所在车道。目标车辆进入RSU通信路段可获得当前路段各个同向车道标定的定点坐标，利用欧几里得距离计算公式计算车辆位置与各个车道定点间的距离，比较距离的大小，距离最小者对应的定点所在车道即为车辆所在车道。假设目标车辆坐标信息为C(x,y,z)，车道1定点坐标为P1(x1,y1,z1)，车道2定点坐标为P2(x2,y2,z2)，目标车辆与车道1定点间的欧几里得距离为d1，与车道2间的欧几里得距离为d2。d1与d2分别表示为：
比较d1与d2的大小，目标车辆在距离最小者定点所在车道，确定车辆所在车道后获取对应车道的方向角。
通过交通密度信息以及车辆转向灯信息判断车辆是否处于可变道状态，并结合车辆航向异常算法判断车辆变道是否正常。具体实施方法为：若车辆处于不可变道状态，则车辆实际偏航角不可超过所在车道允许的最大偏航角，同时需限制偏航时间以此保证车辆航向正常；若车辆处于可变道状态，在开始变道时，偏航角逐渐增大，当检测到车辆车道变化后则视为车辆变道完成，需修正车辆航向角使其与道路方向角保持一致，因此偏航角应逐渐减小，以此保证车辆正常变道。根据交通密度信息以及转向灯信息，不可转向包括以下情况：当车辆处于直行车道且检测前方无车辆，则限制目标车辆变道；若目标车辆处于最外侧车道则限制目标车辆右转向；若检测到目标车辆即将转向侧方有车辆，则限制目标车辆转向。限制车辆变道或转向是根据车辆航向异常算法监测目标车辆偏航角，若偏航角超过一定阀值则视为异常状态，需预警提醒。
车辆航向异常算法是将车辆偏航角同当前目标车辆所在车道所允许的最大偏航角对比，若超过最大偏航角则视为异常转向。车道允许的最大偏航角由车辆行驶速度、加速度、车辆与车道线距离、系统最大延时以及驾驶员最大反应时间等确定，其中驾驶员最大反应时间与驾驶员状态及身份有关。在驾驶员启动驾驶时由驾驶员状态监测模块确定驾驶员身份，并根据对该驾驶员状态以及驾驶行为习惯预估驾驶员最大反应时间，以此计算车辆限制偏航时所允许的最大偏航角。
如图3所示，车辆航向异常算法具体计算方法如下：车辆速度为v，加速度为a，系统最大延时时间为tcmax，驾驶员最大反应时间为tdmax，车辆与车道一侧边缘距离为w，在车辆匀速行驶阶段，车辆保持最大偏航角θ所行驶距离为l，则在保持最大偏航角时行驶到车道边缘的路程l表示为：
l＝v·(tcmax+tdmax)
或
且w、θ、l三者间的关系表示为：
所以车辆航向角与道路方向角之差θ表示为：
所求θmax即为目标车辆所在位置同其中一侧所允许的最大偏航角。
结合车辆状态与驾驶区域状态监测结果对车辆行驶状态进行综合评断，其中驾驶员状态由驾驶员状态识别模块监测，非驾驶员入侵驾驶区域监测由自下而上的关键点进行监测。在驾驶员启动驾驶时对驾驶员进行身份识别，并将驾驶员身份及对应驾驶习惯存入云端，利于最大偏航角计算并提高驾驶员状态监测系统对驾驶员的异常行为检测灵敏性。驾驶员状态识别模块是根据驾驶员状态监测算法对摄像头采集到的视频序列进行处理计算，实现对驾驶员行为状态的监测。驾驶员状态监测算法是利用OpenPose关键点检测系统提取视频序列中驾驶员的面部关键点以及骨骼关键点，利用关键点进行驾驶员行为姿态的建模，训练模型识别出驾驶员的几种典型的异常驾驶行为。根据识别出的驾驶员异常行为将驾驶员异常状态分为轻度异常状态以及重度异常状态，轻度异常状态主要是分心状态或者轻度疲劳状态，重度异常主要表现为晕厥、意识不清晰等状态。非驾驶员侵入驾驶区域监测是提取驾驶期间视频序列中非驾驶员的关键点，并计算非驾驶员侵入驾驶区域的时长以及侵入频率，以此实现对非驾驶员造成的干扰驾驶行为的监测。最后根据关键点的位移状况，加入基于运动特征的关键帧提取，并加入强化学习准确高效提取出具有代表性的关键帧，以此减少运算量提高运算效率。将检测结果发送给V2X车载终端(OBU)进行统一处理。
综合车辆状态信息与驾驶员状态信息对车辆行驶状态进行判断，在OBU中，接收驾驶员状态监测模块发送的驾驶员状态信息并结合车辆状态的判断结果对车辆行驶状态进行综合判断。若驾驶员及车辆行驶状态都正常，则能保证车辆的行驶是正常；若驾驶员处于疲劳状态或分心驾驶状态，但车辆状态正常，此时为驾驶员状态轻度异常；若车辆偏航频率较高，但驾驶员状态正常，则为车辆偏航行驶状态；若车辆状态异常且驾驶员状态轻度异常，则为车辆行驶状态轻度异常；若非驾驶员侵入驾驶区域时长超过阀值或频率过高，则视为干扰驾驶；若车辆状态异常且驾驶员状态严重异常时，则为车辆行驶状态严重异常，应结合辅助驾驶系统保证车辆安全。
根据车辆行驶状态判断结果并结合保护动机理论建立分级预警机制情况严重时对车辆进行紧急制动处理以保证车辆及乘车人员的生命财产安全。具体可见表1，若车辆状态与驾驶员状态都为正常时不做任何操作；若仅是车辆处于车速异常状态或轻度偏离航线状态，则对驾驶员进行相应的语音预警提示驾驶员及时修正车辆状态或对车辆进行检修；或仅是驾驶员处于轻度异常状态时，则应提示驾驶员专心驾驶或注意休息或者限制驾驶员驾驶时长；若车辆状态异常且驾驶员处于轻度异常状态则应提示驾驶员需减速行驶或停下休息；若检测到干扰驾驶的情况，则使自动驾驶系统接管驾驶员驾驶任务；若检测到车辆处于异常状态且驾驶员处于重度异常状态则结合辅助驾驶系统对车辆的方向适当修正后进行紧急制动，同时将车辆异常信息通过V2X广播给周围车辆车载终端(OBU)防止追尾事故的发生。
表1
上述实施例阐明的方法、系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，包括信息获取、信息融合及车辆行驶状态判断、预警及应急措施三个阶段；其中，
信息获取阶段包括车辆信息、道路环境信息和驾驶区域状态信息三个方面：车辆状态信息是V2X车载终端OBU从车辆状态感知传感器获取车辆行驶基本信息，道路信息是通过V2X路侧设备RSU或者本地地图信息获取当前车辆所在路段交通密度以及目标车辆坐标和车道定点坐标信息，通过车道判别算法确定当前车辆所在车道，并得到所在车道方向角；驾驶区域状态信息是利用车载摄像头获取驾驶员驾驶期间上半身视频序列，通过所设计的驾驶员状态检测算法监测驾驶员驾驶期间行为姿态，同时监测驾驶区域内非驾驶人员是否非法入侵驾驶区域，对驾驶员造成驾驶干扰；
信息融合及车辆行驶状态判断阶段：融合车辆状态信息与道路环境信息判断车辆基本状态，再结合驾驶区域状态信息对车辆行驶状态进行综合判断；车辆状态包括车辆行驶速度、加速度、航向在内的基本状态，道路信息包括所在车道、道路环境、交通密度信息，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，再将驾驶员状态监测模块检测的驾驶员状态信息以及非驾驶人员干扰信息发送给OBU进行综合判断，监测车辆行驶状态是否正常；
预警及应急措施阶段：融合多源信息对车辆行驶状态进行检测并将检测结果设立优先级，结合保护动机理论建立相应的预警或者紧急制动机制，若未检测到车辆有何异常则不做任何操作；若检测到车辆行驶状态严重异常时，则结合辅助驾驶系统对车辆进行紧急制动操作，或者在检测到非驾驶人员对驾驶员造成驾驶干扰时，由自动驾驶系统接管驾驶员的驾驶操作；其余为车辆行驶状态轻度异常，则进行相应的语音预警或屏幕显示提醒驾驶员修正驾驶行为，保证车辆行驶安全。
2.根据权利要求1所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述车辆车道判别算法具体包括：通过比较车辆位置坐标与同向各个车道定点坐标间的欧几里得距离的大小判断车辆所在车道，目标车辆进入RSU通信路段可获得当前路段各个同向车道标定的定点坐标，利用欧几里得距离计算公式计算车辆位置与各个车道定点间的距离，比较距离的大小，距离最小者对应的定点所在车道即为车辆所在车道，确定车辆所在车道后获取对应车道的方向角。
3.根据权利要求2所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述信息融合及车辆行驶状态判断阶段，利用交通密度信息及车辆转向灯信息再结合车辆航向异常算法检测车辆航向是否正常，具体步骤为：若车辆处于不可变道状态，则车辆实际偏航角不可超过所在车道允许的最大偏航角，同时需限制偏航时间以此保证车辆航向正常；若车辆处于可变道状态，在开始变道时，偏航角逐渐增大，当检测到车辆车道变化后则视为车辆变道完成，需修正车辆航向角使其与道路方向角保持一致，因此偏航角应逐渐减小，以此保证车辆正常变道；根据交通密度信息以及转向灯信息，不可转向包括以下情况：当车辆处于直行车道且检测前方无车辆，则限制目标车辆变道；若目标车辆处于最外侧车道则限制目标车辆右转向；若检测到目标车辆即将转向侧方有车辆，则限制目标车辆转向；限制车辆变道或转向是根据车辆航向异常算法监测目标车辆偏航角，若偏航角超过一定阀值则视为异常状态，需预警提醒。
4.根据权利要求3所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，车辆航向异常算法是将车辆偏航角同当前目标车辆所在车道所允许的最大偏航角对比，若超过最大偏航角则视为异常转向；车道允许的最大偏航角由车辆行驶速度、加速度、车辆与车道线距离、系统最大延时以及驾驶员最大反应时间确定，其中驾驶员最大反应时间与驾驶员状态及身份有关，在驾驶员启动驾驶时由驾驶员状态监测模块确定驾驶员身份，并根据对该驾驶员状态以及驾驶行为习惯预估驾驶员最大反应时间，以此计算车辆限制偏航时所允许的最大偏航角。
5.根据权利要求4所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，车辆航向异常算法具体计算方法如下：车辆速度为v，加速度为a，系统最大延时时间为tcmax，驾驶员最大反应时间为tdmax，车辆与车道一侧边缘距离为w，在车辆匀速行驶阶段，车辆保持最大偏航角θ所行驶距离为l，l表示为：
l＝v·(tcmax+tdmax)
或
且w、θ、l三者间的关系表示为：
所以车辆航向角与道路方向角之差θ表示为：
所求θmax即为目标车辆所在位置同其中一侧所允许的最大偏航角。
6.根据权利要求5所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，结合车辆状态与驾驶区域状态监测结果对车辆行驶状态进行综合评断具体包括驾驶员状态监测与非驾驶员是否侵入驾驶区域监测；驾驶员状态由驾驶员状态识别模块监测，在驾驶员启动驾驶时对驾驶员进行身份识别，并将驾驶员身份及对应驾驶习惯存入云端，利于提高驾驶员状态监测系统对驾驶员的异常行为检测灵敏性；驾驶员状态识别模块是根据驾驶员状态监测算法对摄像头采集到的视频序列进行处理计算，实现对驾驶员行为状态的监测；驾驶员状态监测算法是利用OpenPose关键点检测系统提取视频序列中驾驶员的面部关键点以及骨骼关键点，利用面部关键点以及骨骼关键点进行驾驶员行为姿态的建模，训练模型识别出驾驶员的几种典型的异常驾驶行为；最后根据关键点的位移状况，加入基于运动特征的关键帧提取，并加入强化学习准确高效提取出具有代表性的关键帧，将检测结果发送给V2X车载终端OBU进行统一处理。
7.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述驾驶员的几种典型的异常驾驶行为具体包括：根据识别出的驾驶员异常行为将驾驶员异常状态分为轻度异常状态以及重度异常状态，轻度异常状态是分心状态或者轻度疲劳状态，重度异常表现为晕厥、意识不清晰在内的状态。
8.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，所述非驾驶人员入侵驾驶区域监测是利用关键点检测系统检测出视频区域内非驾驶员的骨骼关键点并标记，并监测非驾驶员肢体进入驾驶区域的时长以及频率，若非驾驶员侵入驾驶区域的频率过高或出现时长超过设置的阀值则视为乘客对驾驶员造成驾驶干扰，需结合自动驾驶系统保证安全驾驶。
9.根据权利要求6所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，在OBU中，接收驾驶员状态监测模块发送的驾驶员状态信息与驾驶干扰信息并结合车辆状态的判断结果对车辆行驶状态进行综合判断，并且为异常状态设立优先级，使系统根据实际情况处理紧急情况；具体包括：若驾驶员及车辆行驶状态都正常，则能保证车辆的行驶是正常；若驾驶员处于疲劳状态或分心驾驶状态，但车辆状态正常，此时为驾驶员状态轻度异常；若车辆偏航频率较高，但驾驶员状态正常，则为车辆偏航行驶状态；若为非驾驶人员肢体频繁侵入驾驶区域，则视为干扰驾驶；若车辆状态异常且驾驶员状态轻度异常，则为车辆行驶状态轻度异常；若车辆状态异常且驾驶员状态严重异常时，则为车辆行驶状态严重异常，应结合辅助驾驶系统保证车辆安全。
10.根据权利要求8所述的一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法，其特征在于，根据车辆行驶状态判断结果并结合保护动机理论建立分级预警机制情况严重时对车辆进行紧急制动处理，具体包括：若车辆状态与驾驶员状态都为正常时不做任何操作；若仅是车辆处于车速异常状态或轻度偏离航线状态，则对驾驶员进行相应的语音预警提示驾驶员及时修正车辆状态或对车辆进行检修；或仅是驾驶员处于轻度异常状态时，则提示驾驶员专心驾驶或注意休息或者限制驾驶员驾驶时长；若车辆状态异常且驾驶员处于轻度异常状态则提示驾驶员需减速行驶或停下休息；若检测到非驾驶员对驾驶造成干扰，则需接入自动驾驶系统接管驾驶员的驾驶操作；若检测到车辆处于异常状态且驾驶员处于重度异常状态则结合辅助驾驶系统对车辆的方向适当修正后进行紧急制动，同时将车辆异常信息通过V2X广播给周围车辆车载终端OBU防止追尾事故的发生。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011318762.8A CN112389448B (zh) | 2020-11-23 | 2020-11-23 | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011318762.8A CN112389448B (zh) | 2020-11-23 | 2020-11-23 | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112389448A CN112389448A (zh) | 2021-02-23 |
| CN112389448B true CN112389448B (zh) | 2022-07-01 |
Family
ID=74606866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011318762.8A Active CN112389448B (zh) | 2020-11-23 | 2020-11-23 | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112389448B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113060144A (zh) * | 2021-03-12 | 2021-07-02 | 上海商汤临港智能科技有限公司 | 分心提醒方法及装置、电子设备和存储介质 |
| CN113119981B (zh) * | 2021-04-09 | 2022-06-17 | 东风汽车集团股份有限公司 | 车辆主动安全控制方法、系统及存储介质 |
| CN113200027A (zh) * | 2021-04-29 | 2021-08-03 | 西安Tcl软件开发有限公司 | 车载系统、控制方法以及车辆 |
| CN113252057A (zh) * | 2021-05-13 | 2021-08-13 | 青岛科技大学 | 一种基于高德导航数据的驾驶倾向性辨识方法和系统 |
| CN113380048B (zh) * | 2021-06-25 | 2022-09-02 | 中科路恒工程设计有限公司 | 基于神经网络的高危路段车辆驾驶行为识别方法 |
| CN113635917A (zh) * | 2021-07-12 | 2021-11-12 | 东风汽车集团股份有限公司 | 一种车辆自动驾驶控制方法和装置 |
| CN113657632B (zh) * | 2021-08-10 | 2023-11-07 | 百度在线网络技术（北京）有限公司 | 异常驾驶行为检测方法、装置、电子设备和存储介质 |
| CN113859250B (zh) * | 2021-10-14 | 2023-10-10 | 泰安北航科技园信息科技有限公司 | 一种基于驾驶行为异常识别的智能网联汽车信息安全威胁检测系统 |
| CN113859249A (zh) * | 2021-10-22 | 2021-12-31 | 合众新能源汽车有限公司 | 一种基于车辆运行环境的智能反馈方法和系统 |
| CN114084138B (zh) * | 2021-11-23 | 2023-09-26 | 奇瑞汽车股份有限公司 | 车辆通过路口的方法和装置 |
| CN114299473A (zh) * | 2021-12-24 | 2022-04-08 | 杭州电子科技大学 | 一种基于多源信息融合的驾驶员行为识别方法 |
| CN114368395B (zh) * | 2022-01-21 | 2023-07-21 | 华录智达科技股份有限公司 | 一种基于公交数字化转型的人工智能公交驾驶安全管理系统 |
| CN114771545A (zh) * | 2022-04-19 | 2022-07-22 | 青岛大学 | 一种智能安全驾驶系统 |
| CN115760322B (zh) * | 2022-11-15 | 2024-06-21 | 台州动产质押金融服务有限公司 | 一种基于车辆的资源获取方法、设备及介质 |
| CN115984787A (zh) * | 2023-03-20 | 2023-04-18 | 齐鲁云商数字科技股份有限公司 | 一种产业大脑公交智能车载实时告警方法 |
| CN116386329B (zh) * | 2023-03-24 | 2023-11-14 | 苏州镁昇智能科技有限公司 | 一种基于大数据的交通安全智能监测系统及方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101332818A (zh) * | 2008-07-25 | 2008-12-31 | 重庆邮电大学 | 汽车电子控制单元通用标定装置 |
| JP2016084092A (ja) * | 2014-10-28 | 2016-05-19 | 富士重工業株式会社 | 車両の走行制御装置 |
| CN105931430A (zh) * | 2016-05-25 | 2016-09-07 | 惠州华阳通用电子有限公司 | 用于驾驶员状态预警系统的报警灵敏度检测方法及装置 |
| CN106853830A (zh) * | 2016-06-24 | 2017-06-16 | 乐视控股（北京）有限公司 | 异常驾驶行为识别方法、装置及终端设备 |
| JP2018020682A (ja) * | 2016-08-04 | 2018-02-08 | トヨタ自動車株式会社 | 車両制御装置 |
| CN109300325A (zh) * | 2018-12-14 | 2019-02-01 | 安徽江淮汽车集团股份有限公司 | 一种基于v2x的车道预测方法及系统 |
| CN109902562A (zh) * | 2019-01-16 | 2019-06-18 | 重庆邮电大学 | 一种基于强化学习的驾驶员异常姿态监测方法 |
| CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
| WO2019132082A1 (ko) * | 2017-12-29 | 2019-07-04 | 엘지전자(주) | V2x 통신 장치 및 그의 v2x 메시지의 송수신 방법 |
| CN110276988A (zh) * | 2019-06-26 | 2019-09-24 | 重庆邮电大学 | 一种基于碰撞预警算法的辅助驾驶系统 |
| CN110503823A (zh) * | 2019-07-11 | 2019-11-26 | 江苏大学 | 一种自动驾驶车辆专用车道控制系统与方法 |
| WO2020011501A1 (en) * | 2018-07-12 | 2020-01-16 | Wabco Gmbh | Information, warning and braking request generation for turn assist functionality |
| CN111137284A (zh) * | 2020-01-04 | 2020-05-12 | 长安大学 | 一种基于驾驶分心状态的预警方法及预警装置 |
| CN111681454A (zh) * | 2020-06-03 | 2020-09-18 | 重庆邮电大学 | 一种基于驾驶行为的车车协同防撞预警方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1652128B1 (en) * | 2003-07-07 | 2014-05-14 | Insurance Services Office, Inc. | Traffic information system |
| JP6583183B2 (ja) * | 2016-08-04 | 2019-10-02 | トヨタ自動車株式会社 | 車両制御装置 |
-
2020
- 2020-11-23 CN CN202011318762.8A patent/CN112389448B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101332818A (zh) * | 2008-07-25 | 2008-12-31 | 重庆邮电大学 | 汽车电子控制单元通用标定装置 |
| JP2016084092A (ja) * | 2014-10-28 | 2016-05-19 | 富士重工業株式会社 | 車両の走行制御装置 |
| CN105931430A (zh) * | 2016-05-25 | 2016-09-07 | 惠州华阳通用电子有限公司 | 用于驾驶员状态预警系统的报警灵敏度检测方法及装置 |
| CN106853830A (zh) * | 2016-06-24 | 2017-06-16 | 乐视控股（北京）有限公司 | 异常驾驶行为识别方法、装置及终端设备 |
| JP2018020682A (ja) * | 2016-08-04 | 2018-02-08 | トヨタ自動車株式会社 | 車両制御装置 |
| WO2019132082A1 (ko) * | 2017-12-29 | 2019-07-04 | 엘지전자(주) | V2x 통신 장치 및 그의 v2x 메시지의 송수신 방법 |
| WO2020011501A1 (en) * | 2018-07-12 | 2020-01-16 | Wabco Gmbh | Information, warning and braking request generation for turn assist functionality |
| CN109300325A (zh) * | 2018-12-14 | 2019-02-01 | 安徽江淮汽车集团股份有限公司 | 一种基于v2x的车道预测方法及系统 |
| CN109902562A (zh) * | 2019-01-16 | 2019-06-18 | 重庆邮电大学 | 一种基于强化学习的驾驶员异常姿态监测方法 |
| CN109920246A (zh) * | 2019-02-22 | 2019-06-21 | 重庆邮电大学 | 一种基于v2x通信与双目视觉的协同局部路径规划方法 |
| CN110276988A (zh) * | 2019-06-26 | 2019-09-24 | 重庆邮电大学 | 一种基于碰撞预警算法的辅助驾驶系统 |
| CN110503823A (zh) * | 2019-07-11 | 2019-11-26 | 江苏大学 | 一种自动驾驶车辆专用车道控制系统与方法 |
| CN111137284A (zh) * | 2020-01-04 | 2020-05-12 | 长安大学 | 一种基于驾驶分心状态的预警方法及预警装置 |
| CN111681454A (zh) * | 2020-06-03 | 2020-09-18 | 重庆邮电大学 | 一种基于驾驶行为的车车协同防撞预警方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于反向双目识别的驾驶员分心检测;王冠等;《科学技术与工程》;20180618(第17期);第82-88页 * |
| 驾驶员分心监测方法探究;赵博等;《农业装备与车辆工程》;20160310(第03期);第59-61、71页 * |
| 驾驶员疲劳状态监测系统综述;于立娇等;《汽车文摘》;20190305(第03期);第24-30页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112389448A (zh) | 2021-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112389448B (zh) | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 | |
| US11993277B2 (en) | Inward/outward vehicle monitoring for remote reporting and in-cab warning enhancements | |
| EP3316231B1 (en) | Alert generation correlating between head mounted imaging data and external device | |
| US11315026B2 (en) | Systems and methods for classifying driver behavior | |
| EP3342664B1 (en) | Posture information based pedestrian detection and pedestrian collision prevention apparatus and method | |
| CN110400478A (zh) | 一种路况通知方法及装置 | |
| Chang et al. | Onboard measurement and warning module for irregular vehicle behavior | |
| CN112373467A (zh) | 无人驾驶汽车的智能避障系统 | |
| KR20190072077A (ko) | 차량 사고 예측 시스템 및 그 방법 | |
| CN111526311B (zh) | 驾驶用户行为的判断方法、系统、计算机设备及存储介质 | |
| JPWO2018179392A1 (ja) | システム、情報管理サーバ、および方法 | |
| JP2020106915A (ja) | 情報提示装置 | |
| CN110969843B (zh) | 一种具抑制策略的交通标志识别报警方法 | |
| CN117022323A (zh) | 一种智能驾驶车辆行为分析与预测系统及方法 | |
| CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
| CN111104824A (zh) | 车道偏离的检测方法、电子设备及计算机可读存储介质 | |
| US11756350B2 (en) | Model development using parallel driving data collected from multiple computing systems | |
| CN112180951A (zh) | 无人驾驶汽车的智能避障方法、计算机可读取的存储介质 | |
| CN210760742U (zh) | 智能车辆辅助驾驶系统 | |
| CN109895694B (zh) | 一种车道偏离预警方法、装置及车辆 | |
| Yu et al. | Sensing Vehicle Conditions for Detecting Driving Behaviors | |
| CN115299948A (zh) | 一种驾驶员疲劳检测方法及检测系统 | |
| Riera et al. | Detecting and tracking unsafe lane departure events for predicting driver safety in challenging naturalistic driving data | |
| CN113920734A (zh) | 一种基于logistics模型的变道预警方法 | |
| Tsai et al. | A safety driving assistance system by integrating in-vehicle dynamics and real-time traffic information |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240130 Address after: No. 10-20, Building 4, No. 170 Keyuan Fourth Road, Jiulongpo District, Chongqing, 400041 Patentee after: Chongqing Mouyi Technology Co.,Ltd. Country or region after: China Address before: 400065 Chongwen Road, Nanshan Street, Nanan District, Chongqing Patentee before: CHONGQING University OF POSTS AND TELECOMMUNICATIONS Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240426 Address after: 401120 No. 19, Zhuoyue Road, Longxing Town, Liangjiang New Area, Yubei District, Chongqing Patentee after: Chongqing Yuanchuang Zhilian Technology Co.,Ltd. Country or region after: China Address before: No. 10-20, Building 4, No. 170 Keyuan Fourth Road, Jiulongpo District, Chongqing, 400041 Patentee before: Chongqing Mouyi Technology Co.,Ltd. Country or region before: China |