CN116279239A - 一种汽车智能驾驶座舱的管理系统 - Google Patents
一种汽车智能驾驶座舱的管理系统 Download PDFInfo
- Publication number
- CN116279239A CN116279239A CN202310186022.0A CN202310186022A CN116279239A CN 116279239 A CN116279239 A CN 116279239A CN 202310186022 A CN202310186022 A CN 202310186022A CN 116279239 A CN116279239 A CN 116279239A
- Authority
- CN
- China
- Prior art keywords
- driver
- sign
- cabin
- value
- user
- 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
Links
- 230000006978 adaptation Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 230000001815 facial effect Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 230000001121 heart beat frequency Effects 0.000 claims description 4
- 241001282135 Poromitra oscitans Species 0.000 claims description 3
- 206010048232 Yawning Diseases 0.000 claims description 3
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
- B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
- B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种汽车智能驾驶座舱的管理系统，涉及座舱管理技术领域，包括身份认证模块、座舱调节模块、体征监测模块以及体征分析模块；所述身份认证模块用于对进入座舱区域的用户身份信息进行认证与识别；认证通过后，进行后续的相关操作；所述座舱调节模块用于根据所述用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的所述历史数据调节座舱设置；所述体征监测模块用于在车辆行驶过程中获取驾驶员的体征数据并将驾驶员的体征数据传输到体征分析模块；所述体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值，以提醒驾驶员对智能座舱进行再控制；提高用户体验感。
Description
技术领域
本发明涉及座舱管理技术领域，具体是一种汽车智能驾驶座舱的管理系统。
背景技术
随着经济发展，交通系统成为出行活动的命脉和枢纽，人们日益增加的生活水平对出行效率及便利的要求越来越高，智能汽车的发展越来越受到关注和重视，人与汽车之间的沟通越来越重要，因此智能座舱应运而生。
现有技术中用户无法直接应用控制座舱的历史数据，当用户新购一辆新车，需要重新设置个人偏好，导致用户适应时间周期过长，还有另外一种情况，就是当一辆汽车同时存在几个驾驶员时，例如一个用户将车辆借给另一个用户用几天，借车人通常情况下和被借车人的使用偏好是不一样的，借车人常常需要重新对车辆进行相关设置，导致用户体验感差；同时现有的座舱管理系统无法监测驾驶员的驾驶状态，无法根据驾驶员驾驶状态的变化智能调节座舱设置，依次满足用户的多样化需求，基于以上不足，本发明提出一种汽车智能驾驶座舱的管理系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种汽车智能驾驶座舱的管理系统。
为实现上述目的，根据本发明的第一方面的实施例提出一种汽车智能驾驶座舱的管理系统，包括身份认证模块、座舱调节模块、体征监测模块、体征分析模块以及行为监控模块；
所述身份认证模块用于对进入座舱区域的用户身份信息进行认证与识别；认证通过后，进行后续的相关操作；所述座舱调节模块用于根据所述用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的所述历史数据调节座舱设置；
所述体征监测模块用于在车辆行驶过程中获取驾驶员的体征数据并将驾驶员的体征数据传输到体征分析模块；所述体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值；
若适应程度值W≥预设适应阈值，则表示驾驶员对当前控制座舱不满足，生成座舱控制异常信号；以提醒驾驶员对智能座舱进行再控制；用户通过座舱调节模块实现对智能座舱再控制及播放影音、导航再设置；
所述座舱调节模块用于将用户的所述再控制、再设置行为数据上传至所述云端服务器；所述云端服务器通过神经网络学习所述再控制、再设置行为数据与已经存储在所述云端服务器的历史数据，推测出用户偏好行为，并将推测出的用户偏好行为作为新的历史数据；
所述行为监控模块用于对行车过程中驾驶员的情况进行实时录制，并对录制的实时视频信息作出分析，判断驾驶员是否疲劳驾驶。
进一步地，所述体征分析模块的具体分析步骤为：
获取驾驶员的体征数据，将体征数据中对应的体温、心跳频率、血压值以及出汗依次标记为M1、P1、G1以及H1；
利用公式XZ＝(M1×a1+P1×a2+G1×a3+H1×a4)×η计算得到驾驶员的体征系数XZ，其中，a1、a2、a3、a4均为系数因子；η为补偿因子；
建立体征系数XZ随时间变化的曲线图；从初始时刻起，按照预设的采集间隔时长采集驾驶员的体征系数并标记为XZi；
令最新采集的体征系数为XZn，取XZn及其前X1组体征系数的值，将其标记为区间系数Ji，i＝n-X1，…，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；根据均值P和区间系数Ji，求取用户对当前控制座舱的适应程度值W。
进一步地，其中，适应程度值W的具体计算方法为：
当n≤X1时，此时自动对X1的值进行重置，令X1＝n-1；
当n＞X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；利用公式Cb＝(Jmax-Jmin)/Jmin计算得到差异比Cb；
利用公式
获取得到适应程度值W；其中A5、A6为比例系数。
进一步地，所述体征分析模块还包括：
若体征系数XZ＞预设体征阈值且持续时长＞设定时长阈值，则判定驾驶员身体状态异常，对当前控制座舱不满足，生成座舱控制异常信号。
进一步地，所述行为监控模块的具体分析步骤如下：
对实时视频信息进行处理，获取驾驶员面部影像信息；对面部影像信息消失时间进行判定；当驾驶员面部影像信息消失时间大于预设时间值ET1，则判定该驾驶员处于走神状态，生成安全熄火指令；
当驾驶员面部影像信息消失时间≤预设时间值ET1时，则对视频信息作进一步处理，计算得到驾驶员的疲劳系数PX；
将疲劳系数PX与预设疲劳阈值相比较；若疲劳系数PX≥预设疲劳阈值，则判定驾驶员疲劳驾驶，生成安全熄火指令；
所述行为监控模块用于将安全熄火指令传输至整车控制器，整车控制器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车。
进一步地，其中，疲劳系数PX的具体计算方法为：
在预设时间段内，统计驾驶员面部影像信息处于消失状态的总次数为CT；将每次驾驶员面部影像信息处于消失状态的持续时长进行累加形成消失总时长ZT；统计驾驶员在行驶过程中打哈欠的次数并标记C1；
利用公式PX＝CT×z1+ZT×z2+C1×z3计算得到驾驶员的疲劳系数PX，其中z1、z2、z3为系数因子。
进一步地，所述用户身份信息包括用户姓名、性别、身份证号码、面部图像信息；所述历史数据包括用户与车辆之间的历史交互特性数据，所述历史交互特性数据包括用户对车机端导航、影音软件的历史设置及使用信息以及智能座舱内的座椅、方向盘、自动驾驶系统的设置信息。
与现有技术相比，本发明的有益效果是：
1、本发明中所述座舱调节模块用于根据所述用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的所述历史数据调节座舱设置；所述体征监测模块用于在车辆行驶过程中获取驾驶员的体征数据；所述体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值；若适应程度值W≥预设适应阈值，则生成座舱控制异常信号；提醒驾驶员对智能座舱进行再控制，提高用户体验感；
2、本发明中当根据所述历史数据控制的所述座舱不满足用户的要求时，用户可通过座舱调节模块实现对智能座舱再控制及播放影音、导航再设置，所述座舱调节模块将用户的所述再控制、再设置行为数据上传至所述云端服务器；所述云端服务器通过神经网络学习所述再控制、再设置行为数据与已经存储在所述云端服务器的历史数据，推测出用户偏好行为，并将推测出的用户偏好行为作为新的历史数据；提高座舱调节精度和效率；
3、本发明中所述行为监控模块用于对行车过程中驾驶员的情况进行实时录制，获取到驾驶员的实时视频信息，并对实时视频信息作出分析；通过对面部影像信息消失时间进行判定；计算得到驾驶员的疲劳系数PX；若疲劳系数PX≥预设疲劳阈值，则判定驾驶员疲劳驾驶，生成安全熄火指令；避免驾驶员因疲劳驾驶而发生事故的风险，有效保护驾驶员的人身安全。
附图说明
为了更清楚地说明本发明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为本发明一种汽车智能驾驶座舱的管理系统的系统框图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
如图1所示，一种汽车智能驾驶座舱的管理系统，包括身份认证模块、座舱调节模块、体征监测模块、体征分析模块、整车控制器、云端服务器以及行为监控模块；
身份认证模块用于对进入座舱区域的用户身份信息进行认证与识别；认证通过后，进行后续的相关操作；用户身份信息包括用户姓名、性别、身份证号码、面部图像信息；通过对用户身份进行采集和验证，防止出现不良和恶意情况，保证车辆安全；
座舱调节模块用于根据用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的历史数据调节座舱设置；历史数据包括用户与车辆之间的历史交互特性数据，历史交互特性数据包括用户对车机端导航、影音软件的历史设置及使用信息，还包括智能座舱内的座椅、方向盘、自动驾驶系统的设置信息；
体征监测模块为佩戴于驾驶员身上的智能设备，用于在车辆行驶过程中获取驾驶员的体征数据并将驾驶员的体征数据传输到体征分析模块，体征数据包括体温、心跳频率、血压值以及出汗等；
体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值，具体分析步骤为：
获取驾驶员的体征数据，将体征数据中对应的体温、心跳频率、血压值以及出汗依次标记为M1、P1、G1以及H1；利用公式XZ＝(M1×a1+P1×a2+G1×a3+H1×a4)×η计算得到驾驶员的体征系数XZ，其中，a1、a2、a3、a4均为系数因子；η为补偿因子，取值0.123256；
建立体征系数XZ随时间变化的曲线图；若体征系数XZ＞预设体征阈值且持续时长＞设定时长阈值，则此时驾驶员身体状态异常，对当前控制座舱不满足，生成座舱控制异常信号；
从初始时刻起，按照预设的采集间隔时长采集驾驶员的体征系数并标记为XZi；令最新采集的体征系数为XZn，取XZn及其前X1组体征系数的值，将其标记为区间系数Ji，i＝n-X1，…，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；
根据均值P和区间系数Ji，求取用户对当前控制座舱的适应程度值W；具体计算方法为：
当n≤X1时，此时自动对X1的值进行重置，令X1＝n-1；
当n＞X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；利用公式Cb＝(Jmax-Jmin)/Jmin计算得到差异比Cb；
利用公式
获取得到适应程度值W；其中A5、A6为比例系数；
将适应程度值W与预设适应阈值相比较，若适应程度值W≥预设适应阈值，则表示驾驶员的身体参数变化剧烈，对当前控制座舱不满足，生成座舱控制异常信号；
体征分析模块用于将座舱控制异常信号发送至整车控制器，整车控制器接收到座舱控制异常信号后发出相应的指示操作至车载终端，指示操作为：提醒驾驶员对智能座舱进行再控制；
当根据历史数据控制的座舱不满足用户的要求时，用户可通过座舱调节模块实现对智能座舱再控制及播放影音、导航再设置，座舱调节模块将用户的再控制、再设置行为数据上传至云端服务器；云端服务器通过神经网络学习再控制、再设置行为数据与已经存储在云端服务器的历史数据，推测出用户偏好行为，并将推测出的用户偏好行为作为新的历史数据；
若驾驶员在预设时间内未执行该指示操作，则执行超时处理措施；超时处理措施为：体征分析模块用于将安全熄火指令传输至整车控制器，整车控制器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车，保证行车安全；
行为监控模块用于对行车过程中驾驶员的情况进行实时录制，获取到驾驶员的实时视频信息，并对实时视频信息作出分析，具体分析步骤如下：
对实时视频信息进行处理，获取驾驶员面部影像信息；
对面部影像信息消失时间进行判定；当驾驶员面部影像信息消失时间大于预设时间值ET1，则判定该驾驶员处于走神(即不专心，东张西望)状态，生成安全熄火指令；
当驾驶员面部影像信息消失时间≤预设时间值ET1时，则对视频信息作进一步处理；具体为：
在预设时间段内，统计驾驶员面部影像信息处于消失状态的总次数为CT；将每次驾驶员面部影像信息处于消失状态的持续时长进行累加形成消失总时长ZT；统计驾驶员在行驶过程中打哈欠的次数并标记C1；
利用公式PX＝CT×z1+ZT×z2+C1×z3计算得到驾驶员的疲劳系数PX，其中z1、z2、z3均为系数因子；将疲劳系数PX与预设疲劳阈值相比较；
若疲劳系数PX≥预设疲劳阈值，则判定驾驶员疲劳驾驶，生成安全熄火指令；行为监控模块用于将安全熄火指令传输至整车控制器，整车控制器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；避免驾驶员因疲劳驾驶而发生事故的风险，有效保护驾驶员的人身安全。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
一种汽车智能驾驶座舱的管理系统，在工作时，身份认证模块用于对进入座舱区域的用户身份信息进行认证与识别；认证通过后，进行后续的相关操作；通过对用户身份进行采集和验证，防止出现不良和恶意情况，保证车辆安全；座舱调节模块用于根据用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的历史数据调节座舱设置；体征监测模块用于在车辆行驶过程中获取驾驶员的体征数据；体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值，若适应程度值W≥预设适应阈值，则生成座舱控制异常信号；提醒驾驶员对智能座舱进行再控制，提高用户体验感；
当根据历史数据控制的座舱不满足用户的要求时，用户可通过座舱调节模块实现对智能座舱再控制及播放影音、导航再设置，座舱调节模块将用户的再控制、再设置行为数据上传至云端服务器；云端服务器通过神经网络学习再控制、再设置行为数据与已经存储在云端服务器的历史数据，推测出用户偏好行为，并将推测出的用户偏好行为作为新的历史数据；提高座舱调节精度和效率；
行为监控模块用于对行车过程中驾驶员的情况进行实时录制，获取到驾驶员的实时视频信息，并对实时视频信息作出分析；通过对面部影像信息消失时间进行判定；计算得到驾驶员的疲劳系数PX；若疲劳系数PX≥预设疲劳阈值，则判定驾驶员疲劳驾驶，生成安全熄火指令；避免驾驶员因疲劳驾驶而发生事故的风险，有效保护驾驶员的人身安全。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种汽车智能驾驶座舱的管理系统，其特征在于，包括身份认证模块、座舱调节模块、体征监测模块、体征分析模块以及行为监控模块；
所述身份认证模块用于对进入座舱区域的用户身份信息进行认证与识别；认证通过后，进行后续的相关操作；所述座舱调节模块用于根据所述用户身份信息从云端服务器载入控制座舱的历史数据，解析历史数据并根据解析之后的所述历史数据调节座舱设置；
所述体征监测模块用于在车辆行驶过程中获取驾驶员的体征数据并将驾驶员的体征数据传输到体征分析模块；所述体征分析模块用于对驾驶员的体征数据作出分析和处理，得出用户对当前控制座舱的适应程度值；
若适应程度值W≥预设适应阈值，则表示驾驶员对当前控制座舱不满足，生成座舱控制异常信号；以提醒驾驶员对智能座舱进行再控制；用户通过座舱调节模块实现对智能座舱再控制及播放影音、导航再设置；
所述座舱调节模块用于将用户的所述再控制、再设置行为数据上传至所述云端服务器；所述云端服务器通过神经网络学习所述再控制、再设置行为数据与已经存储在所述云端服务器的历史数据，推测出用户偏好行为，并将推测出的用户偏好行为作为新的历史数据；
所述行为监控模块用于对行车过程中驾驶员的情况进行实时录制，并对录制的实时视频信息作出分析，判断驾驶员是否疲劳驾驶。
2.根据权利要求1所述的一种汽车智能驾驶座舱的管理系统，其特征在于，所述体征分析模块的具体分析步骤为：
获取驾驶员的体征数据，将体征数据中对应的体温、心跳频率、血压值以及出汗依次标记为M1、P1、G1以及H1；
利用公式XZ＝(M1×a1+P1×a2+G1×a3+H1×a4)×η计算得到驾驶员的体征系数XZ，其中，a1、a2、a3、a4均为系数因子；η为补偿因子；
建立体征系数XZ随时间变化的曲线图；从初始时刻起，按照预设的采集间隔时长采集驾驶员的体征系数并标记为XZi；
令最新采集的体征系数为XZn，取XZn及其前X1组体征系数的值，将其标记为区间系数Ji，i＝n-X1，…，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；根据均值P和区间系数Ji，求取用户对当前控制座舱的适应程度值W。
3.根据权利要求2所述的一种汽车智能驾驶座舱的管理系统，其特征在于，其中，适应程度值W的具体计算方法为：
当n≤X1时，此时自动对X1的值进行重置，令X1＝n-1；
当n＞X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；利用公式Cb＝(Jmax-Jmin)/Jmin计算得到差异比Cb；
利用公式
获取得到适应程度值W；其中A5、A6为比例系数。
4.根据权利要求2所述的一种汽车智能驾驶座舱的管理系统，其特征在于，所述体征分析模块还包括：
若体征系数XZ＞预设体征阈值且持续时长＞设定时长阈值，则判定此时驾驶员身体状态异常，对当前控制座舱不满足，生成座舱控制异常信号。
5.根据权利要求1所述的一种汽车智能驾驶座舱的管理系统，其特征在于，所述行为监控模块的具体分析步骤如下：
对实时视频信息进行处理，获取驾驶员面部影像信息；对面部影像信息消失时间进行判定；当驾驶员面部影像信息消失时间大于预设时间值ET1，则判定该驾驶员处于走神状态，生成安全熄火指令；
当驾驶员面部影像信息消失时间≤预设时间值ET1时，则对视频信息作进一步处理，计算得到驾驶员的疲劳系数PX；
将疲劳系数PX与预设疲劳阈值相比较；若疲劳系数PX≥预设疲劳阈值，则判定驾驶员疲劳驾驶，生成安全熄火指令；
所述行为监控模块用于将安全熄火指令传输至整车控制器，整车控制器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车。
6.根据权利要求5所述的一种汽车智能驾驶座舱的管理系统，其特征在于，其中，疲劳系数PX的具体计算方法为：
在预设时间段内，统计驾驶员面部影像信息处于消失状态的总次数为CT；将每次驾驶员面部影像信息处于消失状态的持续时长进行累加形成消失总时长ZT；统计驾驶员在行驶过程中打哈欠的次数并标记C1；
利用公式PX＝CT×z1+ZT×z2+C1×z3计算得到驾驶员的疲劳系数PX，其中z1、z2、z3为系数因子。
7.根据权利要求1所述的一种汽车智能驾驶座舱的管理系统，其特征在于，所述用户身份信息包括用户姓名、性别、身份证号码、面部图像信息；所述历史数据包括用户与车辆之间的历史交互特性数据，所述历史交互特性数据包括用户对车机端导航、影音软件的历史设置及使用信息以及智能座舱内的座椅、方向盘、自动驾驶系统的设置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310186022.0A CN116279239A (zh) | 2023-03-01 | 2023-03-01 | 一种汽车智能驾驶座舱的管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310186022.0A CN116279239A (zh) | 2023-03-01 | 2023-03-01 | 一种汽车智能驾驶座舱的管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116279239A true CN116279239A (zh) | 2023-06-23 |
Family
ID=86831781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310186022.0A Pending CN116279239A (zh) | 2023-03-01 | 2023-03-01 | 一种汽车智能驾驶座舱的管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116279239A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117633451A (zh) * | 2023-10-20 | 2024-03-01 | 深圳达普信科技有限公司 | 基于数据挖掘和深度学习的智能座舱健康数据分析方法 |
-
2023
- 2023-03-01 CN CN202310186022.0A patent/CN116279239A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117633451A (zh) * | 2023-10-20 | 2024-03-01 | 深圳达普信科技有限公司 | 基于数据挖掘和深度学习的智能座舱健康数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9539999B2 (en) | Vehicle operator monitoring and operations adjustments | |
| US9676395B2 (en) | Incapacitated driving detection and prevention | |
| DE112019002067T5 (de) | Informationsverarbeitungsvorrichtung, Mobilgerät, Informationsverarbeitungssystem, Verfahren und Programm | |
| DE112017007252T5 (de) | Fahrerüberwachungsvorrichtung, fahrerüberwachungsverfahren, lernvorrichtung und lernverfahren | |
| DE102017113447A1 (de) | Fahrverhaltensanalyse basierend auf einer Fahrzeugbremsung | |
| EP3789250B1 (de) | Managementsystem und verfahren zur identifizierung und zum bio-monitoring in fahrzeugen | |
| CN116279239A (zh) | 一种汽车智能驾驶座舱的管理系统 | |
| EP3853681A1 (de) | Verfahren zum klassifizieren einer fahraufgabenfremden aktivität eines fahrers hinsichtlich einer unterbrechbarkeit der fahraufgabenfremden aktivität bei einer übernahmeaufforderung der fahraufgabe und verfahren zur wiederfreigabe einer fahraufgabenfremden aktivität nach einer unterbrechung der fahraufgabenfremden aktivität aufgrund einer übernahmeaufforderung der fahraufgabe | |
| DE112016007335T5 (de) | Autonome fahrzeugsteuerung durch komparative übergangsprognose | |
| CN110155069A (zh) | 驾驶员精神状态监测方法、装置、存储介质及终端设备 | |
| Yang et al. | Real-time driver cognitive workload recognition: Attention-enabled learning with multimodal information fusion | |
| EP3963485B1 (de) | Benutzerauthentifizierung | |
| CN113602287B (zh) | 一种面向低驾龄驾驶员的人机共驾系统 | |
| Baccour et al. | Camera-based driver drowsiness state classification using logistic regression models | |
| DE112017007248T5 (de) | Vorrichtung zur bestimmung des konzentrationsgrades, verfahren zur bestimmung des konzentrationsgrades und programm zur bestimmung des konzentrationsgrades | |
| CN113771859A (zh) | 智能行车干预方法、装置、设备及计算机可读存储介质 | |
| WO2019057568A1 (de) | Verfahren und vorrichtung zur beurteilung eines müdigkeitsgrads eines fahrzeuginsassen eines fahrzeugs | |
| DE102016223794B4 (de) | Verfahren und System zum Bewerten einer Akzeptanz mindestens eines Fahrerassistenzsystems eines autonom fahrenden Kraftfahrzeugs | |
| DE102021108656A1 (de) | Sicherheitssystem eines Fahrzeugs | |
| CN111144706A (zh) | 一种网约车驾驶员评分和类别划分方法 | |
| DE212020000450U1 (de) | Technik zur Verwendung bei der Fahrzeugherstellung | |
| DE102019208979A1 (de) | Steuergerät zum Einsatz in einem Kraftfahrzeug | |
| DE102018210367A1 (de) | Fahrerassistenzsystem, Fahrzeug, Verfahren zum Betreiben des Fahrerassistenzsystems, Computerprogramm und computerlesbares Speichermedium | |
| CN108519675A (zh) | 一种头戴显示设备与无人驾驶车辆相结合的场景展示方法 | |
| DE112019007788T5 (de) | Fahrerverfügbarkeitsdetektionsvorrichtung und Fahrerverfügbarkeitsdetektionsverfahren |
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 |