CN114783044B - 隧道照明环境的防疲劳效果评价方法、电子设备及系统 - Google Patents
隧道照明环境的防疲劳效果评价方法、电子设备及系统 Download PDFInfo
- Publication number
- CN114783044B CN114783044B CN202210418907.4A CN202210418907A CN114783044B CN 114783044 B CN114783044 B CN 114783044B CN 202210418907 A CN202210418907 A CN 202210418907A CN 114783044 B CN114783044 B CN 114783044B
- Authority
- CN
- China
- Prior art keywords
- eye movement
- position point
- fatigue
- data
- lighting environment
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 90
- 230000002929 anti-fatigue Effects 0.000 title claims abstract description 58
- 238000011156 evaluation Methods 0.000 title claims description 34
- 230000004424 eye movement Effects 0.000 claims abstract description 111
- 230000008859 change Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 12
- 210000001747 pupil Anatomy 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 20
- 230000002265 prevention Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 description 10
- 238000005286 illumination Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000000638 stimulation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000036626 alertness Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明适用于隧道行车安全技术领域，提供了一种隧道照明环境的防疲劳效果评价方法、电子设备及系统。该方法包括：驾驶人驾驶车辆在隧道内行驶的过程中，获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据；对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据；基于眼动变化数据，对隧道照明环境的防疲劳效果进行评价。本发明能够对隧道照明环境的防疲劳效果进行准确评估。
Description
技术领域
本发明属于隧道行车安全技术领域，尤其涉及一种隧道照明环境的防疲劳效果评价方法、电子设备及系统。
背景技术
长大螺旋隧道具有小半径、连续纵坡、驾驶环境单调且封闭的特点，易导致驾驶人疲劳，感知相关交通信息和反应能力下降，是隧道事故频繁发生的主要原因之一。通过调节隧道照明环境，例如在不同路段使用不同色温的照明灯光，可以减轻隧道内的驾驶疲劳，对提高交通安全有着重要意义。然而，对于隧道照明环境的防疲劳效果，现有技术中并没有准确的评价方法。
发明内容
有鉴于此，本发明实施例提供了一种隧道照明环境的防疲劳效果评价方法、电子设备及系统，以对隧道照明环境的防疲劳效果进行评估。
本发明实施例的第一方面提供了一种隧道照明环境的防疲劳效果评价方法，隧道被划分为多个路段，且相邻两个路段的照明环境不同；
该方法包括：
驾驶人驾驶车辆在隧道内行驶的过程中，获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据；
对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据；
基于眼动变化数据，对隧道照明环境的防疲劳效果进行评价。
可选的，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，包括：
根据前一路段各个位置点的实际眼动数据，利用ARIMA模型进行时间序列预测，得到后一路段各个位置点的预测眼动数据。
可选的，实际眼动数据、预测眼动数据均为瞳孔直径；
相应的，根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据，包括：
根据后一路段各个位置点的实际瞳孔直径和预测瞳孔直径，计算后一路段各个位置点的瞳孔直径变化率和疲劳调节效果值，并将每个位置点的瞳孔直径变化率和疲劳调节效果值作为该位置点的眼动变化数据。
可选的，各个位置点的瞳孔直径变化率的计算公式为：
式中，dp为瞳孔直径变化率，df为预测瞳孔直径，da为实际瞳孔直径。
可选的，各个位置点的疲劳调节效果值的计算公式为：
式中，ξp为疲劳调节效果值，mf为由预测瞳孔直径计算得到的预测瞳孔面积，ma为由实际瞳孔直径计算得到的实际瞳孔面积，mb为预设瞳孔面积。
可选的，基于眼动变化数据，对隧道照明环境的防疲劳效果进行评价，包括：
根据预设的防疲劳效果评价等级数量，确定聚类簇K的值；
采用K-均值聚类算法，对各个路段的各个位置点的眼动变化数据进行聚类，得到每个位置点的眼动变化数据对应的防疲劳效果评价等级，并基于防疲劳效果评价等级，对隧道照明环境的防疲劳效果进行评价。
可选的，防疲劳效果评价等级包括：差、较差、一般、较好、好；基于防疲劳效果评价等级，对隧道照明环境的防疲劳效果进行评价，包括：
对于任意一个路段，将该路段的各个位置点对应的防疲劳效果评价等级输入至预训练的评价模型中，得到该路段的防疲劳效果评价结果。
本发明实施例的第二方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面的隧道照明环境的防疲劳效果评价方法的步骤。
本发明实施例的第三方面提供了一种隧道照明环境的防疲劳效果评价系统，包括数据采集设备、数据传输设备以及如上述第二方面的电子设备；
数据采集设备为可穿戴式眼动仪，用于驾驶人驾驶车辆在隧道内行驶的过程中，在每个路段的不同位置点采集驾驶人的实际眼动数据；
数据传输设备用于将可穿戴式眼动仪采集的实际眼动数据发送至电子设备，以使电子设备对隧道照明环境的防疲劳效果进行评价。
本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的隧道照明环境的防疲劳效果评价方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例根据隧道照明环境变化，将隧道划分为多个路段；通过获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据，对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据；基于眼动变化数据，能够准确评估隧道各个路段照明环境变化对驾驶疲劳的调节效果，从而可以对隧道的照明环境进行调整，进一步降低行车风险，避免隧道事故发生。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的隧道照明环境的防疲劳效果评价方法的实现流程示意图；
图2是本发明实施例提供的隧道分段示例图；
图3是本发明实施例提供的瞳孔直径对比图一；
图4是本发明实施例提供的瞳孔直径对比图二；
图5是本发明实施例提供的瞳孔直径变化率示意图一；
图6是本发明实施例提供的瞳孔直径变化率示意图二；
图7是本发明实施例提供的隧道照明环境的防疲劳效果评价系统示意图；
图8是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
国内外学者围绕改善驾驶环境做了大量的研究。研究人员从照明环境的亮度和光源角度出发，通过构建多种照明工况隧道，发现驾驶员紧张情绪对照明环境亮度的敏感程度高于对路面亮度的敏感程度。在公路隧道常用的灯光中，发现高色温白光对疲劳抑制的作用效果最明显，并且驾驶员的疲劳水平也会随着路边景观颜色亮度的增加而降低。在研究不同单调道路环境对驾驶人的视觉刺激时，得出越单调的道路环境越容易使驾驶人提早进入疲劳状态的结论。在隧道设置诱导设施也可以调节驾驶疲劳，研究人员通过模拟驾驶实验发现道路几何变化越多，则驾驶人的操作表现越好且警惕性越高，找到了提高驾驶员对速度的警觉性的方法。隧道单调压抑的环境易导致疲劳驾驶，调节隧道照明环境是缓解驾驶疲劳的有效途径之一，而如何评估隧道照明环境的防疲劳效果，现有技术并没有给出明确的分析方法。
本发明实施例提供了一种隧道照明环境的防疲劳效果评价方法，主要用于对螺旋隧道照明环境变化的防疲劳效果进行评估。其中，隧道根据照明环境的不同，被划分为多个路段，且相邻两个路段的照明环境不同。例如图2所示，可以按隧道照明环境的色温将路段依次划分为冷色温、暖色温、冷色温、暖色温和冷色温路段，命名为CR1、WR1、CR2、WR2、CR3。
参见图1所示，该方法包括：
步骤S101，驾驶人驾驶车辆在隧道内行驶的过程中，获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据。
在本发明实施例中，实际眼动数据可以通过在隧道进行实车实验获得。考虑到每个人的体质都不同，因此可以选择多个驾驶人依次佩戴可穿戴式眼动仪在隧道内行驶，在每个位置点，对采集的多个驾驶人的眼动数据求平均值，作为该位置点的实际眼动数据。另外，驾驶人在靠近隧道入口和出口时眼动数据波动明显，呈急剧上升和下降的趋势，会增大分析误差，对后续的视觉特性分析有影响，因此可以剔除驾驶人靠近隧道入口和出口段的眼动数据。
步骤S102，对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据。
在本发明实施例中，以图2为例，根据前一路段各个位置点的实际眼动数据，预测后一路段各个位置点的预测眼动数据，可以是根据CR1路段各个位置点的实际眼动数据预测WR1路段各个位置点的实际眼动数据，还可以是根据WR1路段各个位置点的实际眼动数据预测CR2路段各个位置点的实际眼动数据等。由于每个路段各个位置点的实际眼动数据为时间序列，因此上述的预测过程可以利用ARIMA时间序列预测模型来实现。通过对眼动数据进行序列分析，发现眼动数据为非平稳序列，进行一阶差分处理后可得到平稳序列。
ARIMA模型可表示为
式中，φ表示AR的系数，θ表示MA的系数，yt表示t时刻的时间序列值。
步骤S103，基于眼动变化数据，对隧道照明环境的防疲劳效果进行评价。
在本发明实施例中，对于相邻两个路段，ARIMA模型根据前一路段的实际眼动数据预测得到的后一路段预测眼动数据，代表假设照明环境不变情况下驾驶人在后一路段的视觉特性。而在实际隧道中，后一路段的照明环境变化，因此，后一路段的实际眼动数据与预测眼动数据存在区别。通过分析两者的区别，能够对后一路段照明环境改变所产生的防疲劳效果进行评估。
可见，本发明实施例根据隧道照明环境变化，将隧道划分为多个路段；通过获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据，对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据；基于眼动变化数据，能够准确评估隧道各个路段照明环境变化对驾驶疲劳的调节效果，从而可以对隧道的照明环境进行调整，进一步降低行车风险，避免隧道事故发生。
作为一种可能的实现方式，实际眼动数据、预测眼动数据均为瞳孔直径。
相应的，步骤S102中，根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据，可以详述为：
根据后一路段各个位置点的实际瞳孔直径和预测瞳孔直径，计算后一路段各个位置点的瞳孔直径变化率和疲劳调节效果值，并将每个位置点的瞳孔直径变化率和疲劳调节效果值作为该位置点的眼动变化数据。
各个位置点的瞳孔直径变化率的计算公式为：
式中，dp为瞳孔直径变化率，df为预测瞳孔直径，da为实际瞳孔直径。
各个位置点的疲劳调节效果值的计算公式为：
式中，ξp为疲劳调节效果值，mf为由预测瞳孔直径计算的预测瞳孔面积，ma为实际瞳孔面由实际瞳孔直径计算的面积，mb为预设的常规隧道瞳孔面积。
作为一种可能的实现方式，步骤S103中，基于眼动变化数据，对隧道照明环境的防疲劳效果进行评价，可以详述为：
根据预设的防疲劳效果评价等级数量，确定聚类簇K的值；
采用K-均值聚类算法，对各个路段的各个位置点的眼动变化数据进行聚类，得到每个位置点的眼动变化数据对应的防疲劳效果评价等级，并基于防疲劳效果评价等级，对隧道照明环境的防疲劳效果进行评价。
在本发明实施例中，防疲劳效果评价等级包括差、较差、一般、较好、好，则聚类簇K的值为5。通过对眼动变化数据进行聚类，将眼动变化数据聚为5类，根据各个聚类簇的质心值，可以确定各个聚类簇对应防疲劳效果评价等级，从而得到每个位置点的眼动变化数据对应的防疲劳效果评价等级。
作为一种可能的实现方式，对隧道照明环境的防疲劳效果进行评价，包括：
对于任意一个路段，将该路段的各个位置点对应的防疲劳效果评价等级输入至预训练的评价模型中，得到该路段的防疲劳效果评价结果。
在本发明实施例中，可以使用预训练的神经网络模型对各个路段的防疲劳效果进行评价。也可以根据每个路段不同评价等级位置点所占的比重，对路段的防疲劳效果进行评价，例如，某个路段防疲劳效果评价等级为“好”的位置点占比超过该路段位置点总数的80％，则确定该路段防疲劳效果较优。
本发明对上述隧道照明环境的防疲劳效果评价方法进行了验证。
如图3所示，在WR1路段，预测瞳孔直径呈逐渐下降的趋势，驾驶者的疲劳程度会逐渐增加，而实际瞳孔直径呈波动性变化，标准差0.05比预测数据标准差0.03更大，平均值4.22mm比预测数据平均值4.26mm更小，说明WR1路段照明环境的变化减轻了驾驶疲劳程度，但是也导致驾驶人的精神状态波动较大。如图4所示，在WR2路段，预测瞳孔直径呈逐渐下降的趋势，说明驾驶者的疲劳程度会逐渐增加，且增长速率比WR1路段更快，而实际瞳孔直径在短暂下降后保持平稳的趋势，说明驾驶者能够快速适应视觉刺激，照明环境通过调节作用减轻了驾驶疲劳程度。另外，在WR1路段，驾驶者受到视觉刺激后，瞳孔直径变化率呈波动性变化，且随着行驶距离的增加，波动范围整体呈逐渐减小的趋势，从1.80％降至0.25％，如图5所示。在WR2路段，驾驶者受到视觉刺激后，瞳孔直径变化率先波动变化，适应视觉刺激后变化率逐渐增加，且在行驶278m后，变化速率由0.52％突然快速上升，最高可达5.40％，如图6所示。这表明了驾驶者在WR1路段主要受到视觉刺激的作用，在WR2路段先受到视觉刺激作用，后受到照明环境的调节作用，并且驾驶人在WR2路段适应视觉刺激后，瞳孔直径变化率与驾驶人行驶距离呈正相关关系，调节疲劳的效果越来越明显，最高可达到37.57％。与无照明环境变化路段相比较，WR1路段和WR2路段的照明环境变化分别提高了188.18％和113.38％的疲劳调节效果，与本评价方法给出的两个路段的评价结果相吻合。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图7是本发明一实施例提供的隧道照明环境的防疲劳效果评价系统的示意图，包括数据采集设备、数据传输设备以及电子设备。
数据采集设备为可穿戴式眼动仪，用于驾驶人驾驶车辆在隧道内行驶的过程中，在每个路段的不同位置点采集驾驶人的实际眼动数据，还可以包括采集车辆数据、驾驶行为、驾驶人生理和脑电数据的设备。
数据传输设备用于将可穿戴式眼动仪采集的实际眼动数据发送至电子设备，以使电子设备对隧道照明环境的防疲劳效果进行评价。
图8是本发明一实施例提供的电子设备80的示意图。如图8所示，该实施例的电子设备80包括：处理器81、存储器82以及存储在存储器82中并可在处理器81上运行的计算机程序83，例如隧道照明环境的防疲劳效果评价程序。处理器81执行计算机程序83时实现上述各个隧道照明环境的防疲劳效果评价方法实施例中的步骤，例如图1所示的步骤S101至S103。
示例性的，计算机程序83可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器82中，并由处理器81执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序83在电子设备80中的执行过程。
电子设备80可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备80可包括，但不仅限于，处理器81、存储器82。本领域技术人员可以理解，图8仅仅是电子设备80的示例，并不构成对电子设备80的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备80还可以包括输入输出设备、网络接入设备、总线等。
所称处理器81可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器82可以是电子设备80的内部存储单元，例如电子设备80的硬盘或内存。存储器82也可以是电子设备80的外部存储设备，例如电子设备80上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器82还可以既包括电子设备80的内部存储单元也包括外部存储设备。存储器82用于存储计算机程序以及电子设备80所需的其他程序和数据。存储器82还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元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机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上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精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种隧道照明环境的防疲劳效果评价方法，其特征在于，所述隧道被划分为多个路段，且相邻两个路段的照明环境不同；
所述方法包括：
驾驶人驾驶车辆在所述隧道内行驶的过程中，获取车辆经过每个路段的各个位置点时驾驶人的实际眼动数据；
对于任意两个相邻路段，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，并根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据；
基于所述眼动变化数据，对所述隧道照明环境的防疲劳效果进行评价。
2.如权利要求1所述的隧道照明环境的防疲劳效果评价方法，其特征在于，根据前一路段各个位置点的实际眼动数据，预测得到后一路段各个位置点的预测眼动数据，包括：
根据前一路段各个位置点的实际眼动数据，利用ARIMA模型进行时间序列预测，得到后一路段各个位置点的预测眼动数据。
3.如权利要求1所述的隧道照明环境的防疲劳效果评价方法，其特征在于，所述实际眼动数据、预测眼动数据均为瞳孔直径；
相应的，根据后一路段各个位置点的预测眼动数据和实际眼动数据，计算后一路段各个位置点的眼动变化数据，包括：
根据后一路段各个位置点的实际瞳孔直径和预测瞳孔直径，计算后一路段各个位置点的瞳孔直径变化率和疲劳调节效果值，并将每个位置点的瞳孔直径变化率和疲劳调节效果值作为该位置点的眼动变化数据。
4.如权利要求3所述的隧道照明环境的防疲劳效果评价方法，其特征在于，各个位置点的瞳孔直径变化率的计算公式为：
式中，dp为瞳孔直径变化率，df为预测瞳孔直径，da为实际瞳孔直径。
5.如权利要求3所述的隧道照明环境的防疲劳效果评价方法，其特征在于，各个位置点的疲劳调节效果值的计算公式为：
式中，ξp为疲劳调节效果值，mf为由预测瞳孔直径计算得到的预测瞳孔面积，ma为由实际瞳孔直径计算得到的实际瞳孔面积，mb为预设瞳孔面积。
6.如权利要求1所述的隧道照明环境的防疲劳效果评价方法，其特征在于，基于所述眼动变化数据，对所述隧道照明环境的防疲劳效果进行评价，包括：
根据预设的防疲劳效果评价等级数量，确定聚类簇K的值；
采用K-均值聚类算法，对各个路段的各个位置点的眼动变化数据进行聚类，得到每个位置点的眼动变化数据对应的防疲劳效果评价等级，并基于所述防疲劳效果评价等级，对所述隧道照明环境的防疲劳效果进行评价。
7.如权利要求6所述的隧道照明环境的防疲劳效果评价方法，其特征在于，所述防疲劳效果评价等级包括：差、较差、一般、较好、好；基于所述防疲劳效果评价等级，对所述隧道照明环境的防疲劳效果进行评价，包括：
对于任意一个路段，将该路段的各个位置点对应的防疲劳效果评价等级输入至预训练的评价模型中，得到该路段的防疲劳效果评价结果。
8.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
9.一种隧道照明环境的防疲劳效果评价系统，其特征在于，包括数据采集设备、数据传输设备以及如权利要求8所述的电子设备；
所述数据采集设备为可穿戴式眼动仪，用于驾驶人驾驶车辆在所述隧道内行驶的过程中，在每个路段的不同位置点采集驾驶人的实际眼动数据；
所述数据传输设备用于将可穿戴式眼动仪采集的实际眼动数据发送至所述电子设备，以使所述电子设备对所述隧道照明环境的防疲劳效果进行评价。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210418907.4A CN114783044B (zh) | 2022-04-20 | 2022-04-20 | 隧道照明环境的防疲劳效果评价方法、电子设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210418907.4A CN114783044B (zh) | 2022-04-20 | 2022-04-20 | 隧道照明环境的防疲劳效果评价方法、电子设备及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114783044A CN114783044A (zh) | 2022-07-22 |
| CN114783044B true CN114783044B (zh) | 2023-03-24 |
Family
ID=82431751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210418907.4A Active CN114783044B (zh) | 2022-04-20 | 2022-04-20 | 隧道照明环境的防疲劳效果评价方法、电子设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114783044B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103680465A (zh) * | 2013-11-18 | 2014-03-26 | 天津三星通信技术研究有限公司 | 视疲劳的检测及缓解方法 |
| JP2015060790A (ja) * | 2013-09-20 | 2015-03-30 | 大和ハウス工業株式会社 | 照明システム及び照明の調節方法 |
| CN204256898U (zh) * | 2014-12-05 | 2015-04-08 | 重庆新派新智能科技有限公司 | 一种疲劳驾驶提示仪 |
| CN109214080A (zh) * | 2018-08-31 | 2019-01-15 | 重庆交通大学 | 公路隧道照明动态暗适应仿真实验方法及装置 |
| CN109388227A (zh) * | 2017-08-08 | 2019-02-26 | 浙江工商职业技术学院 | 一种应用眼动数据隐性预测用户体验的方法 |
| CN110765980A (zh) * | 2019-11-05 | 2020-02-07 | 中国人民解放军国防科技大学 | 一种异常驾驶的检测方法及装置 |
| CN111290575A (zh) * | 2020-01-21 | 2020-06-16 | 中国人民解放军空军工程大学 | 一种防空反导武器的多通道交互控制系统 |
| CN111353482A (zh) * | 2020-05-25 | 2020-06-30 | 天津开发区精诺瀚海数据科技有限公司 | 一种基于lstm的疲劳因子隐性异常检测及故障诊断方法 |
| CN114098717A (zh) * | 2021-11-25 | 2022-03-01 | 福州大学 | 一种隧道照明效果综合性评价方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6973490B2 (ja) * | 2017-08-31 | 2021-12-01 | 富士通株式会社 | 検知プログラム、検知方法、および検知システム |
-
2022
- 2022-04-20 CN CN202210418907.4A patent/CN114783044B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015060790A (ja) * | 2013-09-20 | 2015-03-30 | 大和ハウス工業株式会社 | 照明システム及び照明の調節方法 |
| CN103680465A (zh) * | 2013-11-18 | 2014-03-26 | 天津三星通信技术研究有限公司 | 视疲劳的检测及缓解方法 |
| CN204256898U (zh) * | 2014-12-05 | 2015-04-08 | 重庆新派新智能科技有限公司 | 一种疲劳驾驶提示仪 |
| CN109388227A (zh) * | 2017-08-08 | 2019-02-26 | 浙江工商职业技术学院 | 一种应用眼动数据隐性预测用户体验的方法 |
| CN109214080A (zh) * | 2018-08-31 | 2019-01-15 | 重庆交通大学 | 公路隧道照明动态暗适应仿真实验方法及装置 |
| CN110765980A (zh) * | 2019-11-05 | 2020-02-07 | 中国人民解放军国防科技大学 | 一种异常驾驶的检测方法及装置 |
| CN111290575A (zh) * | 2020-01-21 | 2020-06-16 | 中国人民解放军空军工程大学 | 一种防空反导武器的多通道交互控制系统 |
| CN111353482A (zh) * | 2020-05-25 | 2020-06-30 | 天津开发区精诺瀚海数据科技有限公司 | 一种基于lstm的疲劳因子隐性异常检测及故障诊断方法 |
| CN114098717A (zh) * | 2021-11-25 | 2022-03-01 | 福州大学 | 一种隧道照明效果综合性评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究";戚春华，王笑男，朱守林，李航天;《重庆交通大学学报(自然科学版)》;全文 * |
| Shao Fei ; Xu Qian ; Xu Xiaoling ; Ma Chao."Measuring Safety for Urban Tunnel Entrance and Exit Based on Nanoscopic Driving Behaviors".《 2016 Eighth International Conference on Measuring Technology and Mechatronics Automation (ICMTMA)》.2016, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114783044A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elamrani Abou Elassad et al. | Class-imbalanced crash prediction based on real-time traffic and weather data: A driving simulator study | |
| Chu et al. | Curve speed model for driver assistance based on driving style classification | |
| Komol et al. | Crash severity analysis of vulnerable road users using machine learning | |
| Kwak et al. | Driver identification based on wavelet transform using driving patterns | |
| CN106570560B (zh) | 基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法 | |
| Yang et al. | Classification and evaluation of driving behavior safety levels: A driving simulation study | |
| CN113232669B (zh) | 一种基于机器学习的驾驶风格辨识方法 | |
| CN115063986B (zh) | 隧道出口安全车速计算方法及装置 | |
| CN109784586B (zh) | 车险的出险情况的预测方法及系统 | |
| Shabarek et al. | Deep learning framework for freeway speed prediction in adverse weather | |
| Lei et al. | Research on driving style recognition method based on driver’s dynamic demand | |
| CN113657752A (zh) | 基于驾驶行为指标的不同长度隧道行车风险量化评价方法 | |
| Halim et al. | Deep neural network-based identification of driving risk utilizing driver dependent vehicle driving features: A scheme for critical infrastructure protection | |
| CN114783044B (zh) | 隧道照明环境的防疲劳效果评价方法、电子设备及系统 | |
| CN116777642A (zh) | 基于集成学习模型的车险风险参数预测方法及装置 | |
| Karri et al. | Classification and prediction of driving behaviour at a traffic intersection using SVM and KNN | |
| Layana Castro et al. | Improving skeleton algorithm for helping Caenorhabditis elegans trackers | |
| Sun et al. | Machine-learning-based hybrid recognition approach for longitudinal driving behavior in noisy environment | |
| CN113298309A (zh) | 用于交通拥堵状态预测的方法、装置及终端 | |
| Wang et al. | Detection of the driver’s mental workload level in smart and autonomous systems using physiological signals | |
| Xing et al. | Explore traffic conflict risks considering motion constraint degree in the diverging area of toll plazas | |
| Lei et al. | Research on adaptive gearshift decision method based on driving intention recognition | |
| CN115805947B (zh) | 一种个性化车辆轨迹预测方法、系统、设备和存储介质 | |
| Shang et al. | Safety evaluation of visual load at entrance and exit of extra-long expressway tunnel based on optimized support vector regression | |
| Wang et al. | Dynamic feature extraction method of driver's propensity under complicated vehicle group |
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 |
Effective date of registration: 20230801 Address after: Room 805-B, Block A, Century Jiatai Building, No. 383 Tiyu South Street, Yuhua District, Shijiazhuang City, Hebei Province, 050023 Patentee after: Hebei Jianyuheng Transportation Technology Co.,Ltd. Address before: 050043 No. 17, North Second Ring Road, Hebei, Shijiazhuang Patentee before: SHIJIAZHUANG TIEDAO University Patentee before: Hebei Academy of Emergency Management Sciences |
|
| TR01 | Transfer of patent right |