CN114620050A - 基于大数据与云计算的疲劳驾驶检测方法及系统 - Google Patents

Abstract

本发明涉及一种基于大数据与云计算的疲劳检测方法及系统，该方法包括构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线、方向盘转动前后的车辆行驶轨迹曲线，并将该三条曲线合并在一起；提取当前时刻至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置；将自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置；车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作；驾驶员具有足够时间进行避险操作的优点。

Description

基于大数据与云计算的疲劳驾驶检测方法及系统

技术领域

本发明涉及汽车驾驶领域，具体涉及一种基于大数据与云计算的疲劳检测方法及系统。

背景技术

近年来，随着汽车使用量的增长，交通事故的发生率逐年增加，驾驶安全成为日益被关注的问题。在由于危险驾驶行为引发的交通事故中，疲劳驾驶占据了相当一部分比例，据国家有关部门的统计，因疲劳驾驶造成的交通事故占20％左右。疲劳驾驶出现的原因之一是路上没有行使车辆，对驾驶员没有外界刺激，使得驾驶员产生视觉疲劳，导致驾驶员疲劳驾驶。因此多年来，驾驶疲劳检测一直是学术界和工业界的研究热点。迄今为止，已有的疲劳驾驶检测方法可以归纳为三类：

第一类：检测人体生物信号，譬如通过分析驾驶员的脑电图或者心电图中的特定的频谱段，从而检测驾驶员是否处于疲劳驾驶状态。

第二类：检测面部表情和肢体动作，譬如通过检测驾驶员闭眼的时间，打哈欠的频次，低头的频次，身体是否前倾等等，从而判断驾驶员是否处于疲劳驾驶状态。

第三类：检测车辆操控状态，譬如通过检测方向盘转动角度的变化频幅，加速度的变化频幅，车道偏移度等等，分析驾驶员的驾驶能力是否下降，从而判断驾驶员是否处于疲劳驾驶状态。

本发明的发明人经过研究发现，在现有三类疲劳检测方法中，均能判断出驾驶员是否处于疲劳驾驶状态，当检测出驾驶员处于疲劳驾驶时，通过提醒装置对驾驶员进行警醒，警醒后的驾驶员通过操控车辆进行紧急避险，但是，事实上现有三种检测方法检测出驾驶员处于疲劳状态时，会出现车辆已经处于危险状态，警醒后的驾驶员没有时间操控车辆进行紧急避险，导致发生交通事故的问题。

发明内容

为了克服上述现有技术的缺点，本发明的目的是提供一种预留有紧急避险时间的基于大数据与云计算的疲劳驾驶检测方法及系统。

为达到上述目的，本发明采用以下技术方案：

一种基于大数据与云计算的疲劳检测方法，该方法具体包括以下步骤：

采集当前时刻车辆正常行驶的速度、当前时刻车轮的转角、当前时刻车头边界与路界切线的夹角、车辆车轮最大的转角、获取道路边缘特征点处的曲率半径以及当前时刻车辆与道路两边的距离；

根据当前时刻车头边界与路界切线的夹角、当前时刻车辆与道路两边的距离以及当前时刻方向盘的转角值，构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线；

根据车辆车轮最大的转角，构建出避险后的车辆行驶轨迹曲线；

根据当前时刻方向盘的转角值、车辆车轮最大的转角以及方向盘转动的最大角速度，获得方向盘转动前后的时间，根据该方向盘转动前后时间构建出方向盘转动前后的车辆行驶曲线；

将当前位置行驶至反向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线；

在该整条行驶轨迹曲线中提取出当前时刻至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置，根据方向盘最迟转动位置获取自当前位置行驶至该方向盘最迟转动位置的弧长；

将自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置；

车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作。

进一步地，所述当前位置行驶至方向平盘转动前车辆行驶轨迹曲线的获取方法为：

根据当前时刻方向盘转角，获取车辆行驶的半径；

根据当前时刻车头边界与路界切线的夹角，获取车辆当前时刻的行驶曲率半径向量；根据车辆当前时刻的行驶曲率半径向量、当前时刻车辆与道路两边的距离、预设的车辆曲率圆心点的坐标以及车辆行驶的半径，计算获取当前位置行驶至方向盘转动前车辆行驶轨迹曲线。

进一步地，所述方向盘转动前后车辆行驶曲线的获取方法为：

根据当前时刻方向盘的转角、车辆车轮最大的转角以及方向盘转动的最大角速度，确定出方向盘转动过程的时间；将车轮的转角在初始时间与方向盘转动过程时间上进行时序排列；确定出方向盘转动过程中车轮转角时序序列对应的车辆行驶曲率半径时序序列，根据曲率半径的时序序列构建出方向盘转动前后的车辆行驶曲线。

进一步地，所述从当前位置至紧急避险完成位置的整条行驶轨迹曲线构建的方法如下：

将道路边缘特征点处的曲率半径在时序上进行排列获取道路边缘特征点处的曲率半径时序序列，通过该曲率半径时序序列构建出道路曲线，以车辆平稳行驶时最大曲率半径为平移距离将需要紧急避险的该道路曲线进行平移，获得一条新曲线；

以该条新曲线上的点作为圆心和车辆行驶最大转角半径为半径拟合若干个圆，提取出与当前时刻至方向盘转动前的车辆行驶轨迹曲线相切的圆，确定出避险后的车辆行驶轨迹曲线位置当前时刻至方向盘转动前的车辆行驶轨迹曲线与该圆的交点；

以该交点为起始点通过车辆行驶的曲率时序序列递推出方向盘转动前后车辆行驶轨迹曲线的位置，递推至方向盘转动前后车辆行驶轨迹曲线与当前位置行驶至方向盘转动前的车辆行驶轨迹曲线相切；

提取出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并后的平滑连接曲线作为从当前位置至紧急避险完成位置的整条行驶轨迹曲线。

进一步地，所述自当前位置行驶至该方向盘最迟转动位置的弧长获取方法是：

通过当前位置至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，并利用方向盘转动前后车辆轨迹曲线方程与当前位置至方向盘转动前的车辆行驶轨迹曲线方程计算获取合并点的坐标，结合车辆当前位置坐标点；获得该方向盘最迟转动位置弧长。

一种基于大数据与云计算的疲劳驾驶检测系统，该系统包括数据采集模块、轨迹曲线构建模块、基于大数据与云计算的计算模块以及疲劳驾驶检测模块；

所述数据采集模块用于获取当前时刻车辆正常行驶的速度、当前时刻车轮的转角、当前时刻车头边界与路界切线的夹角、车辆车轮最大的转角、获取道路边缘特征点处的曲率半径以及当前时刻车辆与道路两边的距离；

所述轨迹曲线构建模块用于构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线；构建出避险后的车辆行驶轨迹曲线；构建出方向盘转动前后的车辆行驶曲线；将当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线；

所述基于大数据与云计算的计算模块用于在该整条行驶轨迹曲线中提取出当前时刻至方向盘转动前的车辆行驶轨迹曲线与避险过程中车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置，根据方向盘最迟转动位置获取自当前位置行驶至该方向盘最迟转动位置的弧长；自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置；

所述疲劳驾驶检测模块用于车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作。

本发明的有益效果是：

本发明的方法基于大数据与云计算获取驾驶员最安全的方向盘转动位置，结合方向盘转动情况，判定驾驶员是否疲劳驾驶，不仅能够检测出来驾驶员的疲劳状态，还可使唤醒后的驾驶员具有足够时间进行避险操作，有效避免因疲劳驾驶造成的危险。

附图说明

图1是本发明方法的流程框图；

图2是本发明方法中从当前位置至紧急避险完成位置的整条行驶轨迹曲线构建过程状态示意图；

图3是本发明方法从当前位置至紧急避险完成位置的整条行驶轨迹曲线构建完成状态示意图；

图4是本发明系统的结构示意图。

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。

在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本实施例的应用场景为：当在山路上没有行使车辆，仅有驾驶员驾驶的车辆，由于没有其他车辆干扰，导致驾驶员疲劳驾驶，当驾驶员在疲劳驾驶时，在不同路段的不同位置处需要一定的转动方向盘的行为来实现安全驾驶，然而驾驶员没有做出相应转动方向盘的行为。

实施例1

如图1所示，本实施例给出了一种山区公路基于大数据与云计算的疲劳检测方法。该方法能够根据具体路况确定车辆在该位置方向盘的转动必要程度，然后通过检测司机实际的转动方向盘的情况和必要转动程度的偏差来确定驾驶员是否存在疲劳现象，进而适时的给予提醒驾驶员，实现安全驾驶。该方法的具体步骤如下：

步骤一：预测出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线。具体操作步骤如下：

1.通过传感器获得当前时刻车辆正常行驶的速度V；利用传感器获得当前时刻车辆的车轮转角α，即当前时刻方向盘的转角。

2.获取车辆所在道路中的位置：通过车载相机获得当前时刻道路图片，利用边缘检测得到道路边界，分析道路车辆距道路边界的像素距离，由于车载相机属于固定角度和固定高度，而且相机参数很容易提取，因此就可得到透视变换矩阵A，通过透视变换矩阵A得到实际距离信息，该信息包括车辆距左道路边界的距离d_r和车辆距右道路边界的距离d_l。

3.获取道路的曲率信息：通过车载相机获得当前时刻道路图片，然后通过Sober算子作边缘检测得到道路边界线，以道路弧长为间隔提取n个特征点[a₁，a₂，...，a_n]，计算每个特征点处的梯度变化得到道路的曲率[r₁，r₂，...，r_n]。

4.通过车载图像提取车头侧边，和与之最近路界的切线，计算出当前时刻车头边界与路界切线的夹角θ。

根据当前时刻车辆的车轮转角α、当前时刻车头边界与路界切线的夹角θ以及车辆距左道路边界的距离d_r和车辆距右道路边界的距离d_l，预测出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线。具体方法如下：

设计与车辆最近的左侧路界点为坐标零点，车辆与最近路界点的连线为横坐标轴，则当前车辆坐标为(d_l，0)。

首先需要得到车辆行驶的半径，其表达式为：

式中：l为车身长度。

根据车头边界与路界切线的夹角θ确定出车辆方向向量为(sinθ，cosθ)，则车辆的半径中心垂直于车辆方向向量的直线上，车辆的行驶曲率半径向量为：(cosθ，-sinθ)；

设计车辆曲率半径中心点坐标为(x_o，y_o)，则满足方程为

解方程可得x_o，y_o。

因而未来一段时间内车辆的行驶轨迹方程即当前位置行驶至方向盘转动前的车辆行驶轨迹曲线为：(y-y_o)²+(x-x_o)²＝R²。

步骤二：根据车辆最大的车轮转角，拟合出避险后的车辆行驶轨迹曲线。车辆最大车轮转角的获取方法如下：

为了便于分析车辆最迟转动方向盘的时间，本实施例设计车辆速度为匀速。因而根据物理学圆周运动公式：

式中：f为道路摩擦系数。

由上式可得，在车辆速度为匀速的情况下，车辆曲率半径仅与道路摩擦系数有关，而路面的摩擦系数短时间内不会发生变化，因而即可得到车辆在匀速情况下能平稳行驶的最大曲率半径，该最大曲率半径的表达式为：

根据上述曲率与当前时刻车轮转角之间的关系式，即可获得车辆平稳驾驶情况下最大的车轮转角，其表达式为：

式中：R_曲为车辆匀速下平稳行驶的最大曲率半径，l为车身长度。

以车轮最大转角行驶半径为半径拟合圆，即可得到避险后的车辆行驶轨迹曲线。

步骤三：确定方向盘转动前后的车辆行驶曲线，具体获取方法如下：

根据当前时刻车轮的转角α、车辆平稳驾驶情况下车轮最大的转角β以及方向盘转动的最大角速度ω，确定出方向盘转动过程的时间。该方向盘转动过程的时间的表达式为：

将车轮的转角在初始时间与方向盘转动过程时间t上进行时序排列，确定出方向盘转动过程中车轮的转角时序序列对应的车辆行驶曲率半径时序序列[r₁,r₂,…,r_n]，根据曲率半径的时序序列拟合出方向盘转动前后的车辆行驶曲线。

步骤四：将当前位置行驶至避险前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及避险过程中的车辆行驶轨迹曲线拟合在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线。

参照图2和图3，拟合的方法如下：

将道路边缘特征点处的曲率半径在时序上进行排列获取道路边缘特征点处的曲率半径时序序列[c₁,c₂,…,c_n]，通过该曲率半径时序序列拟合出道路曲线f(x)，以车辆平稳行驶时最大曲率半径R_曲为平移距离将需要紧急避险的该道路曲线进行平移，获得一条新曲线f₁(x)。

以该条新曲线f₁(x)上的点作为圆心和车轮最大转角行驶半径为半径拟合若干个圆，提取出与当前时刻至方向盘转动前的车辆行驶轨迹曲线相切的圆，确定出避险后的车辆行驶轨迹曲线位置当前时刻至方向盘转动前的车辆行驶轨迹曲线与该圆的交点。

以该交点为起始点通过车辆行驶的曲率时序序列递推出方向盘转动前后车辆行驶轨迹曲线的位置，递推至方向盘转动前后车辆行驶轨迹曲线与当前位置行驶至方向盘转动前的车辆行驶轨迹曲线相切。

提取出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线相切后的平滑连接曲线作为从当前位置至紧急避险完成位置的整条行驶轨迹曲线。

步骤五：获取车辆自当前位置至该方向盘最迟转动位置的弧长l_弧：提取出当前位置至避险前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的切点。

利用方向盘转动前后车辆轨迹曲线方程与当前位置至方向盘转动前的车辆行驶轨迹曲线方程计算获取切点的坐标(x_切，y_切)，该切点位置即为方向盘最迟转动位置，结合车辆当前位置坐标点(d_l,0)；计算获得车辆自当前位置至该方向盘最迟转动位置弧长l_弧。

步骤六：将自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置。

其中，驾驶员规避险情做出反应的车辆行驶弧长通过车辆行驶速度和驾驶员的反应时间获取。

步骤七：进行疲劳检测：车辆在行驶过程中车辆自当前位置行驶至车辆最安全的方向盘转动位置，再利用传感器获取当前时刻转动方向盘的转动情况，当方向盘未转动，则判断驾驶员疲劳驾驶，通过语音提示来唤醒驾驶员进行驾驶操作。本实施例中驾驶员具有足够时间进行避险操作，有效避免因疲劳驾驶造成的危险。

实施例2

如图4所示，本实施例提供了一种基于大数据与云计算的疲劳驾驶检测系统，该系统包括数据采集模块、轨迹曲线构建模块、基于大数据与云计算的计算模块以及疲劳驾驶检测模块。

数据采集模块用于获取当前时刻车辆正常行驶的速度、当前时刻车轮的转角、当前时刻车头边界与路界切线的夹角、车辆平稳驾驶情况下车轮最大的转角、获取道路边缘特征点处的曲率半径以及当前时刻车辆与道路两边的距离。

轨迹曲线构建模块用于构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶曲线；并将三条曲线合并在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线。

基于大数据与云计算的计算模块用于在该整条行驶轨迹曲线中提取出当前时刻至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置，根据方向盘最迟转动位置获取自当前位置行驶至该方向盘最迟转动位置的弧长；将自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置。

疲劳驾驶检测模块用于判断车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作。

以上实施例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (6)

1.一种基于大数据与云计算的疲劳检测方法，其特征在于，该方法具体包括以下步骤：

采集当前时刻车辆正常行驶的速度、当前时刻车轮的转角、当前时刻车头边界与路界切线的夹角、车辆车轮最大的转角、获取道路边缘特征点处的曲率半径以及当前时刻车辆与道路两边的距离；

根据当前时刻车头边界与路界切线的夹角、当前时刻车辆与道路两边的距离以及当前时刻方向盘的转角值，构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线；

根据车辆车轮最大的转角，构建出避险后的车辆行驶轨迹曲线；

根据当前时刻方向盘的转角值、车辆车轮最大的转角以及方向盘转动的最大角速度，获取方向盘转动前后的时间，根据该方向盘转动前后时间构建出方向盘转动前后的车辆行驶曲线；

将当前位置行驶至反向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线；

在该整条行驶轨迹曲线中提取出当前时刻至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置，根据方向盘最迟转动位置获取自当前位置行驶至该方向盘最迟转动位置的弧长；

将自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置；

车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作。

2.根据权利要求1所述的基于大数据与云计算的疲劳检测方法，其特征在于，所述当前位置行驶至方向盘转动前车辆行驶轨迹曲线的获取方法为：

根据当前时刻方向盘转角，获取车辆行驶的半径；

根据当前时刻车头边界与路界切线的夹角，获取车辆当前时刻的行驶曲率半径向量；根据车辆当前时刻的行驶曲率半径向量、当前时刻车辆与道路两边的距离、预设的车辆曲率圆心点的坐标以及车辆行驶的半径，计算获取当前位置行驶至方向盘转动前车辆行驶轨迹曲线。

3.根据权利要求1所述的基于大数据与云计算的疲劳检测方法，其特征在于，所述方向盘转动前后车辆行驶曲线的获取方法为：

根据当前时刻方向盘的转角、车辆车轮最大的转角以及方向盘转动的最大角速度，确定出方向盘转动过程的时间；将车轮的转角在初始时间与方向盘转动过程时间上进行时序排列；确定出方向盘转动过程中车轮转角时序序列对应的车辆行驶曲率半径时序序列，根据曲率半径的时序序列构建出方向盘转动前后的车辆行驶曲线。

4.根据权利要求1所述的基于大数据与云计算的疲劳检测方法，其特征在于，所述从当前位置至紧急避险完成位置的整条行驶轨迹曲线构建的方法如下：

将道路边缘特征点处的曲率半径在时序上进行排列获取道路边缘特征点处的曲率半径时序序列，通过该曲率半径时序序列拟合出道路曲线，以车辆平稳行驶时最大曲率半径为平移距离将需要紧急避险的该道路曲线进行平移，获得一条新曲线；

以该条新曲线上的点作为圆心和车辆行驶最大转角半径为半径拟合若干个圆，提取出与当前时刻至方向盘转动前的车辆行驶轨迹曲线相切的圆，确定出避险后的车辆行驶轨迹曲线位置以及当前时刻至方向盘转动前的车辆行驶轨迹曲线与该圆的交点；

以该交点为起始点通过车辆行驶的曲率时序序列递推出方向盘转动前后车辆行驶轨迹曲线的位置，递推至方向盘转动前后车辆行驶轨迹曲线与当前位置行驶至方向盘转动前的车辆行驶轨迹曲线相切；

提取出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并后的平滑连接曲线作为从当前位置至紧急避险完成位置的整条行驶轨迹曲线。

5.根据权利要求1所述的基于大数据与云计算的疲劳检测方法，其特征在于，所述自当前位置行驶至方向盘最迟转动位置的弧长获取方法是：

通过当前位置至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，并利用方向盘转动前后车辆轨迹曲线方程与当前位置至方向盘转动前的车辆行驶轨迹曲线方程计算获取该合并点的坐标，结合车辆当前位置坐标点；获得自当前位置行驶至方向盘最迟转动位置弧长。

6.一种基于大数据与云计算的疲劳驾驶检测系统，其特征在于，该系统包括数据采集模块、轨迹曲线构建模块、基于大数据与云计算的计算模块以及疲劳驾驶检测模块；

所述数据采集模块用于获取当前时刻车辆正常行驶的速度、当前时刻车轮的转角、当前时刻车头边界与路界切线的夹角、车辆车轮最大的转角、获取道路边缘特征点处的曲率半径以及当前时刻车辆与道路两边的距离；

所述轨迹曲线构建模块用于构建出当前位置行驶至方向盘转动前的车辆行驶轨迹曲线；构建出避险后的车辆行驶轨迹曲线；构建出方向盘转动前后的车辆行驶曲线；将当前位置行驶至方向盘转动前的车辆行驶轨迹曲线、避险后的车辆行驶轨迹曲线以及方向盘转动前后的车辆行驶轨迹曲线合并在一起，获得从当前位置至紧急避险完成位置的整条行驶轨迹曲线；

所述基于大数据与云计算的计算模块用于在该整条行驶轨迹曲线中提取出当前时刻至方向盘转动前的车辆行驶轨迹曲线与方向盘转动前后车辆行驶轨迹曲线的合并点，该合并点即为方向盘最迟转动位置，根据方向盘最迟转动位置获取自当前位置行驶至该方向盘最迟转动位置的弧长；自当前位置行驶至该方向盘最迟转动位置的弧长与驾驶员规避险情做出反应的车辆行驶弧长做差，获得车辆最安全的方向盘转动位置；

所述疲劳驾驶检测模块用于判断车辆自当前位置行驶至车辆最安全的方向盘转动位置，驾驶员未转动方向盘，则判断驾驶员疲劳驾驶；此时唤醒驾驶员对方向盘进行操作。

Images