CN113918025A - 一种训练非机动车驾驶员危险知觉能力的系统 - Google Patents

一种训练非机动车驾驶员危险知觉能力的系统 Download PDF

Info

Publication number
CN113918025A
CN113918025A CN202111360467.3A CN202111360467A CN113918025A CN 113918025 A CN113918025 A CN 113918025A CN 202111360467 A CN202111360467 A CN 202111360467A CN 113918025 A CN113918025 A CN 113918025A
Authority
CN
China
Prior art keywords
motor vehicle
multimedia file
vehicle driver
playing
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111360467.3A
Other languages
English (en)
Inventor
杨艳群
王林伟
冯洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202111360467.3A priority Critical patent/CN113918025A/zh
Publication of CN113918025A publication Critical patent/CN113918025A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Business, Economics & Management (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • User Interface Of Digital Computer (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

本发明实施例提供了一种训练非机动车驾驶员危险知觉能力的系统，包括：VR装置、操作装置、云服务器；其中，所述VR装置、所述操作装置与所述云服务器通信连接；所述VR装置具体包括眼动监测模块、脑电监测模块以及3D播放模块；所述3D播放模块用于播放并显示增强现实的用于模拟真实场景的多媒体文件；所述操作装置具体包括：把手以及固定于把手上的加速装置和制动装置；所述操作装置与所述VR装置数据连接，且能够通过所述VR装置中的通信模块上传所述待训练非机动车驾驶员操作所述加速装置的加速数据和操作所述制动装置的制动数据；所述云服务器用于下发所述多媒体文件到所述VR装置中。能够为非机动车驾驶员训练危险知觉能力。

Description

一种训练非机动车驾驶员危险知觉能力的系统
技术领域
本申请涉及交通工程技术领域，尤其涉及一种训练非机动车驾驶员危险知觉能力的系统。
背景技术
随着我国经济的快速发展，非机动车，特别是电动摩托车和电动自行车，已经成为广大居民出行必不可少的交通工具，目前，我国电动车保有量已经超过2.9亿辆，但随着电动车的广泛普及，由电动车造成的交通事故数量也节节攀升。据国家统计局数据显示，2019年，电动车交通事故发生数达到29049起，是2017年数据的接近两倍。同时，由于非机动车自身缺乏安全防护，驾驶人不具备充足安全意识等等问题，一旦发生事故，容易造成颅脑等重要部位的损伤，事故后果相当严重。研究发现，大量非机动车事故由驾驶人违反交通法规引发,并且主动肇事比例和致死率偏高。非机动车驾驶人面临着巨大的交通事故风险隐患。驾驶人缺乏安全意识和风险意识，由此带来的危险感知能力不足，是导致非机动车事故产生的主要原因之一。
危险知觉(Hazard Perception)，指的是驾驶人对交通情境中的潜在危险进行识别并作出反应的能力。危险知觉的研究始于20世纪60年代。广泛的研究证实，对整个驾驶群体来说，驾驶员对潜在道路危险建立危险知觉的时间与事故率具有显著相关性。危险知觉与事故之间联系的研究，为驾驶员危险知觉测试(hazard perception test，HPT)奠定了科学基础。出现了包括基于驾驶模拟器、基于动态交通视频片段和基于静态交通图片的3种标准化测试。目前，这3种HPT已被广泛应用于驾驶员培训和驾驶行为评估方面，一些国家，例如英国与澳大利亚，已经将HPT测试作为驾驶证照考试的一部分，其居民必须通过HPT，才能达到驾驶上路的标准。
但是，我国还没有对非机动车驾驶员危险知觉能力进行训练的相关技术方案。
发明内容
本申请提供了一种训练非机动车驾驶员危险知觉能力的系统，目的在于能够为非机动车驾驶员训练危险知觉能力。
为了实现上述目的，本申请提供了以下技术方案：
一种训练非机动车驾驶员危险知觉能力的系统，其特征在于，包括：
VR装置、操作装置、云服务器；其中，所述VR装置、所述操作装置与所述云服务器通信连接；
所述VR装置具体包括眼动监测模块、脑电监测模块以及3D播放模块；其中，所述眼动监测模块用于监测使用所述VR装置的待训练非机动车驾驶员的眼部的眼动参数；所述脑电监测模块用于监测所述待训练非机动车驾驶员的脑部的脑电参数；所述3D播放模块用于播放并显示增强现实的用于模拟真实场景的多媒体文件；
所述操作装置具体包括：把手以及固定于把手上的加速装置和制动装置；
所述操作装置与所述VR装置数据连接，且能够通过所述VR装置中的通信模块上传所述待训练非机动车驾驶员操作所述加速装置的加速数据和操作所述制动装置的制动数据；
所述云服务器用于下发所述多媒体文件到所述VR装置中。
可选的，所述下发所述多媒体文件到所述VR装置中具体包括：
当接收到下发指令时，根据所述下发指令中的用户标识，查找与所述用户标识当前进度匹配的目标多媒体文件；所述用户标识位所述待训练非机动车驾驶员通过所述VR装置登录到所述云服务器所使用的用户账户；
将所述目标多媒体文件下发到所述VR装置中。
可选的，所述脑电参数具体包括：β波水平，α+θ/β比值。
可选的，所述眼动参数具体包括：注视时间、注视点、眼跳潜伏期。
可选的，所述脑电监测模块具体包括脑电仪，所述眼动模块具体包括眼动仪。
可选的，所述制动装置具体用于：
当接收到用户根据播放所述多媒体文件所提示的制动提示信息对所述制动装置进行的制动操作时，将所述制动操作对应的制动数据发送给所述VR装置。
可选的，所述多媒体文件具体包括由驾驶实景录制、驾驶模拟器录制或实车模拟实验录制的非机动车第一视角的视频。
可选的，所述3D播放模块具体包括：3D显示单元以及音频播放单元；其中，所述3D显示单元用于播放所述多媒体文件的视频数据，所述音频播放单元用于播放所述多媒体文件的音频数据。
可选的，所述云服务器还用于，以及基于接收的所述眼动参数、所述脑电参数、所述加速数据、所述制动数据、播放所述多媒体文件完成后所述待训练非机动车驾驶员输入的危险程度评价数据以及所述多媒体文件对应的标准数据计算训练评价数据。
本申请所述的系统，能够通过云服务器下发的多媒体文件通过VR装置播放并通过操作装置执行操作，实现为非机动车驾驶员训练危险知觉能力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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为本发明实施例提供的一种训练非机动车驾驶员危险知觉能力的系统的架构图；
图2为本申请实施例提供的使用一种训练非机动车驾驶员危险知觉能力的系统的方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参见图1，图1为本发明实施例提供的一种训练非机动车驾驶员危险知觉能力的系统的架构图。
本发明实施例提供了一种训练非机动车驾驶员危险知觉能力的系统，包括：
云服务器1、VR装置2、操作装置3；其中，所述VR装置、所述操作装置与所述云服务器通信连接。
本发明实施例中，云服务器能够与VR设备通过5G的通信方式连接，能够最大效率的提升交互速度。其中，VR设备的3D播放模块中的显示单元能够显示登录云服务器的登录页面，通过该登录页面用户能够通过输入用户账号或表征用户身份的生物识别信息登录到云服务器。云服务器中记录有该用户进行训练的训练进度。根据该训练进度能够对应查找需要播放的多媒体文件。
其中，所述3D播放模块具体包括：3D显示单元以及音频播放单元；其中，所述3D显示单元用于播放所述多媒体文件的视频数据，所述音频播放单元用于播放所述多媒体文件的音频数据。
本发明实施例中，音频播放单元能够播放多媒体文件的音频数据，3D显示单元显示的是虚拟现实的3D图像。能够使用户身临其境的感受到真实的架势非机动车时的周边环境、声音、图像等。提高用户的训练效果。
本发明实施例中，待训练非机动车驾驶员能够通过VR装置中的3D显示单元来登录到云服务器中，具体可以是利用3D显示单元的生物信息识别模块例如人脸识别单元、虹膜识别单元等来识别出该待训练非机动车驾驶员的身份信息，并依据该身份信息登录所述云服务器。当云服务器验证该身份信息成功后，可以建立VR装置与云服务器的5G连接，能够实时进行数据通信。
所述VR装置具体包括眼动监测模块、脑电监测模块以及3D播放模块；其中，所述眼动监测模块用于监测使用所述VR装置的待训练非机动车驾驶员的眼部的眼动参数；所述脑电监测模块用于监测所述待训练非机动车驾驶员的脑部的脑电参数；所述3D播放模块用于播放并显示增强现实的用于模拟真实场景的多媒体文件。
可选的，所述脑电监测模块具体包括脑电仪，所述眼动模块具体包括眼动仪。
本发明实施例中，VR装置中可以配置有脑电仪、眼动仪，来采集相应的数据。当然，还可以是具有脑电仪、眼动仪功能的其他模块或传感装置，在此不进行具体限定。
本发明实施例中，为了监测待训练非机动车驾驶员对所播放的多媒体文件的反应情况，还设置有眼动监测模块、脑电监测模块。所述眼动监测模块用于监测使用所述VR装置的待训练非机动车驾驶员的眼部的眼动参数；所述脑电监测模块用于监测所述待训练非机动车驾驶员的脑部的脑电参数；所述脑电参数具体包括：β波水平，α+θ/β比值。所述眼动参数具体包括：注视时间、注视点、眼跳潜伏期。
本发明实施例中，能够实时将眼动参数以及脑电参数上传到云服务器中。云服务器接收到眼动参数以及脑电参数后，将其按照发送时间进行保存，以供后续进行分析时调用。
所述操作装置具体包括：把手以及固定于把手上的加速装置和制动装置；
所述操作装置与所述VR装置数据连接，且能够通过所述VR装置中的通信模块上传所述待训练非机动车驾驶员操作所述加速装置的加速数据和操作所述制动装置的制动数据；
可选的，所述制动装置具体用于：
当接收到用户根据播放所述多媒体文件所提示的制动提示信息对所述制动装置进行的制动操作时，将所述制动操作对应的制动数据发送给所述VR装置。
本发明实施例中，当待训练非机动车驾驶员根据所播放内容中的提示信息进行相应的制动操作时，例如进行制动操作时，制动装置能够生成制动数据，该制动数据可以包括制动时长、制动频率、制动力度等参数。能够将制动数据发送给VR装置，VR装置通过与云服务器的数据通信连接发送到云服务器中。使得云服务器能够记录该制动数据。
相应的，当待训练非机动车驾驶员根据所播放内容中的提示信息进行相应的加速操作时，加速装置能够生成加速数据，也能够通过VR装置上传到云服务器。
所述云服务器用于下发所述多媒体文件到所述VR装置中。
可选的，所述下发所述多媒体文件到所述VR装置中具体包括：
当接收到下发指令时，根据所述下发指令中的用户标识，查找与所述用户标识当前进度匹配的目标多媒体文件；所述用户标识位所述待训练非机动车驾驶员通过所述VR装置登录到所述云服务器所使用的用户账户；
将所述目标多媒体文件下发到所述VR装置中。
可选的，所述多媒体文件具体包括由驾驶实景录制、驾驶模拟器录制或实车模拟实验录制的非机动车第一视角的视频。
本发明实施例中，多媒体文件可以是通过构建虚拟场景进行模拟驾驶的方式所录制的视频文件。非机动车第一视角的视频，包括但不限于由驾驶实景录制、驾驶模拟器录制、实车模拟实验等等方法录制的实际的或虚拟的非机动车第一视角的视频。
本发明实施例可以通过对待训练非机动车驾驶员的危险知觉进行训练，来提高待训练非机动车驾驶员的危险知觉反应，且由于采用了VR装置，能够实现身临其境的感受，可以建立待训练非机动车驾驶员例如电动自行车驾驶人的交通安全意识和危险知觉能力，提高受教育对象的参与度，调动其主动性，从而提高交通安全教育的效果。
基于上述系统，本发明实施例中，还能够对于待训练非机动车驾驶员的危险知觉进行评估。
所述云服务器还用于，以及基于接收的所述眼动参数、所述脑电参数、所述加速数据、所述制动数据、播放所述多媒体文件完成后所述待训练非机动车驾驶员输入的危险程度评价数据以及所述多媒体文件对应的标准数据计算训练评价数据。
参见图2，图2是为本申请实施例提供的使用一种训练非机动车驾驶员危险知觉能力的系统的方法的流程图。
步骤100，待训练非机动车驾驶员佩戴VR装置；
步骤200，待训练非机动车驾驶员观看一时间长度为3-5分钟的多媒体文件；
步骤300，待训练非机动车驾驶员依据给出的提示进行包括但不限于：左转、右转、停车等待，不做动作等等基于操作装置进行操作，完成操作后，将继续进行下一个视频的互动，直到完成五个视频的操作；
步骤400，对待训练非机动车驾驶员依据操作情况和正确情况进行打分，待训练非机动车驾驶员对每个视频进行危险场景评级；
步骤500，评估待训练非机动车驾驶员的危险感知能力。
其中，评估电动自行车驾驶人的危险感知能力的具体过程如下：
1)对信号和响应的映射函数选择。信号的程度用7个语言值来评定，根据模糊集理论中的三角模糊数和梯形模糊数提出的延伸原则，进行模糊数的算术运算。
2)隐含函数的应用。通过对s和r值进行映射分析，会派生出4种结果：击中(H)、忽略(M)、假警报(FA)和正确拒绝(CR)。针对以上4种结果，根据一系列隐含函数派生出它们的模糊集成员。
3)模糊命中率和误报率的计算。命中率(HR)和误报率(FAR)是驾驶员的危险感知敏感度和标准的关键指标。
4)模糊敏感度和标准的计算。确定待训练非机动车驾驶员对安全风险的态度(即反应倾向性)和敏感度,以此来评估危险感知能力。
待训练非机动车驾驶员佩戴VR装置，观看一时间长度为3-5分钟的非机动车第一视角多媒体视频文件(视频由32段3-5分钟的非机动车视角视频中随机选取)，依据给出的提示进行包括但不限于：左转、右转、停车等待，不做动作等等提示，基于提示控制操作装置完成操作后，将继续进行下一个视频的互动，直到完成五个视频的操作，依据操作情况和正确情况进行打分。此外，在每个视频结束后10s内，被试需对危险的感知情况进行打分(“非常低”，“低”，“比较低”，“中等”，“比较高”，“高”，“非常高”)。
待训练非机动车驾驶员对危险的感知情况打分，可以采用模糊信号检测理论(FSDT)进行分析,以此来评估电动自行车驾驶人的危险感知能力。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种训练非机动车驾驶员危险知觉能力的系统，其特征在于，包括：
VR装置、操作装置、云服务器；其中，所述VR装置、所述操作装置与所述云服务器通信连接；
所述VR装置具体包括眼动监测模块、脑电监测模块以及3D播放模块；其中，所述眼动监测模块用于监测使用所述VR装置的待训练非机动车驾驶员的眼部的眼动参数；所述脑电监测模块用于监测所述待训练非机动车驾驶员的脑部的脑电参数；所述3D播放模块用于播放并显示增强现实的用于模拟真实场景的多媒体文件；
所述操作装置具体包括：把手以及固定于把手上的加速装置和制动装置；
所述操作装置与所述VR装置数据连接，且能够通过所述VR装置中的通信模块上传所述待训练非机动车驾驶员操作所述加速装置的加速数据和操作所述制动装置的制动数据；
所述云服务器用于下发所述多媒体文件到所述VR装置中。
2.根据权利要求1所述的系统，其特征在于，所述下发所述多媒体文件到所述VR装置中具体包括：
当接收到下发指令时，根据所述下发指令中的用户标识，查找与所述用户标识当前进度匹配的目标多媒体文件；所述用户标识位所述待训练非机动车驾驶员通过所述VR装置登录到所述云服务器所使用的用户账户；
将所述目标多媒体文件下发到所述VR装置中。
3.根据权利要求1所述的系统，其特征在于，所述脑电参数具体包括：β波水平，α+θ/β比值。
4.根据权利要求1所述的系统，其特征在于，所述眼动参数具体包括：注视时间、注视点、眼跳潜伏期。
5.根据权利要求1所述的系统，其特征在于，所述脑电监测模块具体包括脑电仪，所述眼动模块具体包括眼动仪。
6.根据权利要求1所述的系统，其特征在于，所述制动装置具体用于：
当接收到用户根据播放所述多媒体文件所提示的制动提示信息对所述制动装置进行的制动操作时，将所述制动操作对应的制动数据发送给所述VR装置。
7.根据权利要求1所述的系统，其特征在于，所述多媒体文件具体包括由驾驶实景录制、驾驶模拟器录制或实车模拟实验录制的非机动车第一视角的视频。
8.根据权利要求1所述的系统，其特征在于，所述3D播放模块具体包括：3D显示单元以及音频播放单元；其中，所述3D显示单元用于播放所述多媒体文件的视频数据，所述音频播放单元用于播放所述多媒体文件的音频数据。
9.根据权利要求1所述的系统，其特征在于，所述云服务器还用于，以及基于接收的所述眼动参数、所述脑电参数、所述加速数据、所述制动数据、播放所述多媒体文件完成后所述待训练非机动车驾驶员输入的危险程度评价数据以及所述多媒体文件对应的标准数据计算训练评价数据。
CN202111360467.3A 2021-11-17 2021-11-17 一种训练非机动车驾驶员危险知觉能力的系统 Pending CN113918025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111360467.3A CN113918025A (zh) 2021-11-17 2021-11-17 一种训练非机动车驾驶员危险知觉能力的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111360467.3A CN113918025A (zh) 2021-11-17 2021-11-17 一种训练非机动车驾驶员危险知觉能力的系统

Publications (1)

Publication Number Publication Date
CN113918025A true CN113918025A (zh) 2022-01-11

Family

ID=79246749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111360467.3A Pending CN113918025A (zh) 2021-11-17 2021-11-17 一种训练非机动车驾驶员危险知觉能力的系统

Country Status (1)

Country Link
CN (1) CN113918025A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103340637A (zh) * 2013-06-06 2013-10-09 同济大学 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法
CN106960613A (zh) * 2017-05-26 2017-07-18 交通运输部公路科学研究所 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法
CN108615110A (zh) * 2018-04-23 2018-10-02 吉林大学 基于视觉特性的驾驶风险评估系统
US20180286268A1 (en) * 2017-03-28 2018-10-04 Wichita State University Virtual reality driver training and assessment system
CN112990074A (zh) * 2021-03-31 2021-06-18 北京理工大学 基于vr的多场景自主式控制的混合脑机接口在线系统
CN113208611A (zh) * 2021-04-13 2021-08-06 中南民族大学 一种融合机器学习与物联网技术的疲劳驾驶实时监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103340637A (zh) * 2013-06-06 2013-10-09 同济大学 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法
US20180286268A1 (en) * 2017-03-28 2018-10-04 Wichita State University Virtual reality driver training and assessment system
CN106960613A (zh) * 2017-05-26 2017-07-18 交通运输部公路科学研究所 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法
CN108615110A (zh) * 2018-04-23 2018-10-02 吉林大学 基于视觉特性的驾驶风险评估系统
CN112990074A (zh) * 2021-03-31 2021-06-18 北京理工大学 基于vr的多场景自主式控制的混合脑机接口在线系统
CN113208611A (zh) * 2021-04-13 2021-08-06 中南民族大学 一种融合机器学习与物联网技术的疲劳驾驶实时监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马文瑶;孙龙;常若松;: "驾驶员危险知觉训练研究述评", 人类工效学, no. 04, pages 74 - 76 *

Similar Documents

Publication Publication Date Title
Zhenhai et al. Driver drowsiness detection based on time series analysis of steering wheel angular velocity
Calvi et al. Effectiveness of augmented reality warnings on driving behaviour whilst approaching pedestrian crossings: A driving simulator study
CN106960613B (zh) 非侵入式驾驶人潜在危险辨识能力评估与训练系统及方法
CN105011952A (zh) 驾驶员极速测评系统及方法
CN110781578B (zh) 一种基于事故场景的智能网联车算法的测试及评价方法
CN113753059B (zh) 一种自动驾驶系统下的驾驶人接管能力预测方法
Guo et al. Effects of highway landscapes on drivers’ eye movement behavior and emergency reaction time: a driving simulator study
Martinez et al. In-vehicle human machine interface: Investigating the effects of tactile displays on information presentation in automated vehicles
CN113918025A (zh) 一种训练非机动车驾驶员危险知觉能力的系统
Li et al. Driving behavior of L3 autonomous vehicle drivers in fog zones under different traffic flow conditions
CN112684888A (zh) 驾考模拟方法、装置、存储介质和计算机设备
Pappalardo et al. Development of simulated scenarios for quadricycle safety
Cheng et al. Does the AR-HUD system affect driving behaviour? An eye-tracking experiment study
Losa et al. A procedure for validating fixed-base driving simulators
Grace et al. The Carnegie Mellon TruckSim: A tool to improve driving safety
Gąsiorek et al. Virtual reality technologies in the training of professional drivers. comparison of the 2d and 3d simulation application
CN112215115A (zh) 一种驾驶培训中专注能力评价的方法及相关装置
RU127984U1 (ru) Установка для оценки времени реакции водителя транспортного средства на опасные ситуации
TWM552127U (zh) 評估駕駛風險系統
CN117935646A (zh) 模拟驾驶的方法、装置、车辆和云服务器
Jiang et al. Research on On-Board Head-Up Display Design Based on Distracted Driving
Xu et al. Revealing the Impact of Mainstream Disruptions on On-Ramp Merging Behavior—A Virtual Reality (VR) Approach Using Work Zone Case Studies
TWI632471B (zh) 評估駕駛風險的方法及其系統
Chen et al. A hazard perception training game for novice drivers
Ma et al. Changes of EEG signals in vehicle-pedestrian conflicting events with front collision warning on side-parking road

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