CN117416359A - 驾驶员疲劳监测方法、装置、介质、电子设备 - Google Patents
驾驶员疲劳监测方法、装置、介质、电子设备 Download PDFInfo
- Publication number
- CN117416359A CN117416359A CN202311335845.1A CN202311335845A CN117416359A CN 117416359 A CN117416359 A CN 117416359A CN 202311335845 A CN202311335845 A CN 202311335845A CN 117416359 A CN117416359 A CN 117416359A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- fatigue
- driving
- driver
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 272
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000015654 memory Effects 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000036626 alertness Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 206010041349 Somnolence Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 231100000279 safety data Toxicity 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- 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)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及车辆行驶安全监测技术领域,揭示了一种驾驶员疲劳监测方法、装置、介质、电子设备。所述方法包括:针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻;根据各个监测时刻的所述行车状态数据以及与各个行车状态数据一一对应的预设行车数据确定各个监测时刻的疲劳判定变量值;根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果;根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。本申请可以通过多个监测维度下对车辆的行车状态数据来进行分析,根据得出的各个监测维度的疲劳判定结果综合判断驾驶员的疲劳程度,可提高对驾驶员疲劳监测的准确性。
Description
技术领域
本申请涉及车辆行驶安全监测技术领域,特别地,涉及一种驾驶员疲劳监测方法、装置、介质、电子设备。
背景技术
DDAW(Driver Drowsiness and Attention Warning,驾驶员疲劳和注意力警报)系统通过车辆上的传感器信息来分析、评估驾驶员的警惕性,当驾驶员由于疲劳而表现出警惕性降低的驾驶动作或出现异常转向时,DDAW系统必须监测或识别出,并向驾驶员提供视觉和声音警告来提醒驾驶员。
现有的监测方法是对驾驶员的行为直接监测,即采用红外光及摄像头,监测驾驶员的注意力是否在前方路面上,但这种对驾驶员行为直接监测的方法容易存在误判的情况,比如驾驶员在某个时间段将视线转移到左侧或右侧而不在前方道路上,此时不一定说明驾驶员存在疲劳状态,而现有的方法会直接将这种情况判定为驾驶员疲劳。因此,现有的方法存在着对驾驶员的疲劳程度监测不精准的问题。
发明内容
本申请提供了一种驾驶员疲劳监测方法、装置、介质、电子设备,可以通过多个监测维度下对车辆的行车状态数据来进行分析,根据得出的各个监测维度的疲劳判定结果综合判断驾驶员的疲劳程度,可提高对驾驶员疲劳监测的准确性。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种驾驶员疲劳监测方法,所述方法包括:
针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻;
根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值;
根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果;
根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。
在本申请的一个实施例中,基于前述方案,所述方法还包括:
获取驾驶员的人体特征数据以及车辆的当前行驶状态;
基于所述人体特征数据以及所述当前行驶状态判断所述驾驶员是否具有疲劳趋势;
若判定所述驾驶员具有疲劳趋势,则针对每一监测维度,获取所述预设监测时段内的所述行车状态数据。
在本申请的一个实施例中,基于前述方案,所述获取预设监测时段内的行车状态数据,包括:
获取各个所述监测时刻对应的第一行车数据,以及与所述第一行车数据对应的第二行车数据,所述第一行车数据和所述第二行车数据用于反映对应监测时刻的行车状态。
在本申请的一个实施例中,基于前述方案,所述预设行车数据包括第一预设行车数据和第二预设行车数据;所述根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值,包括:
获取各个所述监测时刻的所述第一行车数据与所述第一预设行车数据的第一偏差值以及所述第二行车数据与所述第二预设行车数据的第二偏差值;
根据所述第一偏差值以及所述第二偏差值生成对应监测时刻的偏移量;
基于所述偏移量以及预设偏移阈值确定对应监测时刻的疲劳判定变量值。
在本申请的一个实施例中,基于前述方案,5.所述根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果,包括:
获取所述疲劳判定变量值为所述第一值的所述监测时刻的第一数量以及所述疲劳判定变量值为所述第二值的所述监测时刻的第二数量;
若所述第二数量为0,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下不存在疲劳驾驶;
若所述第一数量为0和/或所述第二数量高于所述第一数量,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下存在疲劳驾驶;
若所述第一数量为0和/若所述第二数量低于所述第一数量,则确定所述疲劳判定结果为所述驶员在对应监测维度下存在疲劳驾驶风险。
在本申请的一个实施例中,基于前述方案,所述根据各个所述监测维度的疲劳判定结果,确定所述驾驶员的疲劳程度,包括:
若所述驾驶员在各个所述监测维度下都存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第一程度;
若所述驾驶员在至少一个所述监测维度下存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第二程度,所述第二程度包括至少一个子程度,每一子程度对应于不同数量维度下的疲劳程度;
若所述驾驶员在各个所述监测维度下都不存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第三程度;
其中,所述第一程度、所述第二程度以及所述第三程度的疲劳程度依次递减。
在本申请的一个实施例中,基于前述方案,所述第一行车数据包括第一行车速度、第二行车速度、第三行车速度中的至少一种,所述第二行车数据包括与第一行车速度对应的方向盘转角、与第二行车速度对应的油门开度,以及与第三行车速度对应的制动踏板;
其中,所述第二行车速度与跟车距离相关,所述第三行车速度与安全车距相关。
根据本申请实施例的一个方面,提供了一种驾驶员疲劳监测装置,所述装置包括获取单元,用于针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻;第一确定单元,用于根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值;第二确定单元,用于根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果;疲劳判定单元,用于根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序包括可执行指令,当该可执行指令被处理器执行时,实现如上述实施例中所述的驾驶员疲劳监测方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储所述处理器的可执行指令,当所述可执行指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的驾驶员疲劳监测方法。
本申请通过对车辆的行车状态数据进行多个监测维度的疲劳监测,综合多个监测维度的疲劳判定结果来判断驾驶员的疲劳程度,能够使得对驾驶员的疲劳监测更精准,避免存在误判的情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。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。在附图中:
图1为根据本申请实施例示出的驾驶员疲劳监测方法的流程图;
图2为根据本申请实施例示出的步骤S120的流程图;
图3为根据本申请实施例示出的驾驶员疲劳监测装置的框图;
图4为根据本申请实施例示出的电子设备的系统结构的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制节点装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
需要说明的是:在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
首先,需要说明的是,本申请中所提出的驾驶员疲劳监测方案可以应用于车辆行驶安全监测技术的相关技术领域。DDAW(Driver Drowsiness and Attention WarningDDAW,驾驶员疲劳和注意力警报)系统通过车辆上的传感器信息来分析、评估驾驶员的警惕性,当驾驶员由于疲劳而表现出警惕性降低的驾驶动作或出现异常转向时,DDAW系统必须监测或识别出,并向驾驶员提供视觉和声音警告来提醒驾驶员。
DDAW技术一般分为两种,分别是被动式(间接式)和主动式(直接式)。间接式DDAW技术是使用车辆行驶数据来判断驾驶员是否有疲劳驾驶行为或趋势;直接式DDAW技术一般采用红外光及摄像头,监测驾驶员的注意力是否在前方路面上。现有的技术多是对驾驶员的行为直接监测,也有对车辆传感器做监测。现有的对于驾驶员的行为直接监测方式容易存在误判的情况;现有的对于车辆传感器做监测的方法中一般为简单的数据分析,比如车辆在某一段时间内压实线就判定存在疲劳驾驶,这种简单的数据分析方式同样存在疲劳监测不精准的问题。
因此,本申请通过对对车辆的行车状态数据进行多个监测维度的疲劳监测,通过获取预设监测时段内的行车状态数据,进而根据预设监测时段内的各个监测时刻的行车状态数据以及与行车状态数据对应的预设行车数据来确定各个监测时刻的疲劳判定变量值。根据获得的各个监测时刻的所述疲劳判定变量值来确定对应监测维度的疲劳判定结果,进而根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。通过对车辆的行车状态数据进行多个监测维度的疲劳监测,综合多个监测维度的疲劳判定结果来判断驾驶员的疲劳程度,能够使得对驾驶员的疲劳监测更精准,避免存在误判的情况。
根据本申请的一个方面,提供了一种驾驶员疲劳监测方法,图1为根据本申请实施例示出的驾驶员疲劳监测方法的流程图,该驾驶员疲劳监测方法至少包括步骤110至步骤140,详细介绍如下:
在步骤110中,针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻。
具体地,在本申请的实施例中,可以有多个监测维度,监测维度的数量可以为2个、3个、4个等等,在此对监测维度的数量不作限定。首先对单个监测维度进行数据处理和分析,通过获取预设监测时段内的行车状态数据,其中预设监测时段可以根据实际需要去设定,可以为5分钟、10分钟等等,在此不作限定。预设监测时段包括至少一个监测时刻,所指的意思是每一个监测时刻就会获取一次行车状态数据,可以在预设监测时段内获取5次行车状态数据,也可以在预设监测时段内获取10次行车状态数据,具体需要获取多少次行车状态数据,可以通过设定监测时刻数量的方式来进行。
在本申请的一个实施例中,所述方法还包括:
获取驾驶员的人体特征数据以及车辆的当前行驶状态;
基于所述人体特征数据以及所述当前行驶状态判断所述驾驶员是否具有疲劳趋势;
若判定所述驾驶员具有疲劳趋势,则针对每一监测维度,获取所述预设监测时段内的所述行车状态数据。
具体地,本申请的实施例通过对驾驶员的人体特征数据以及车辆的行驶数据来进行综合分析判定,以此规避由于误判所带来的监测不精准的问题。也就是说,利用车载摄像头,在行车过程中对驾驶员和周围路况进行视频采集和分析。通过获取得到的图像进行处理,对驾驶员眼睛视线、嘴部、头部进行特征识别,得到驾驶员的人体特征数据,进而判断驾驶员是否具有疲劳的行为或趋势,比如:频繁眨眼、视线变化慢、打哈欠、头部位置偏低等。
同样地,还可以对车辆的车道、车距、车流建立信息模型并分析,得到车辆的当前行驶状态,进而通过获取得到的当前行驶状态判断是否具有危险行驶状况的存在或趋势,比如:长时间偏移车道或压线、车速太慢导致车距过大、与相邻车道车流速度相差过大等。可根据驾驶员的人体特征数据或车辆的当前行驶状态的图像分析预判驾驶员是否具有疲劳趋势。
进一步地,只要出现驾驶员的人体特征数据表征出具有疲劳行为趋势或者车辆的当前行驶状态出现危险行驶的状况,所述两种情况只要出现其中一种情况,就会自动激活疲劳监测系统,也就是进行后续的针对每一监测维度,获取所述预设监测时段内的所述行车状态数据的步骤。
在本申请的一个实施例中,所述获取预设监测时段内的行车状态数据,包括:
获取各个所述监测时刻对应的第一行车数据,以及与所述第一行车数据对应的第二行车数据,所述第一行车数据和所述第二行车数据用于反映对应监测时刻的行车状态。
在本申请的一个实施例中,所述第一行车数据包括第一行车速度、第二行车速度、第三行车速度中的至少一种,所述第二行车数据包括与第一行车速度对应的方向盘转角、与第二行车速度对应的油门开度,以及与第三行车速度对应的制动踏板;
其中,所述第二行车速度与跟车距离相关,所述第三行车速度与安全车距相关。
具体地,第一行车数据可以为车辆的行车速度,第二行车数据包括与第一行车速度对应的方向盘转角、与第二行车速度对应的油门开度,以及与第三行车速度对应的制动踏板,第二行车速度与跟车距离相关,所述第三行车速度与安全车距相关。
进一步地,以三个监测维度举例,列举每个监测维度下每个第一行车数据和所述第二行车数据的对应关系,以及对应的预设行车速度的比对关系。
首先,在第一个监测维度下,可通过第一个监测维度下的各个监测时刻的行车状态数据获取得到车辆在各个监测时刻的行车速度Vt和方向盘转角αt,其中行车速度Vt为第一个监测维度下的第一行车数据,而方向盘转角αt为第一个监测维度下的第二行车数据,通过行车速度Vt和方向盘转角αt可以形成一个Vt/αt时间记录表,将行车速度Vt和方向盘转角αt通过监测时刻的方式关联起来,也就是说,在不同的监测时刻下,都对应有一个行车速度Vt和方向盘转角αt;行车速度Vt和方向盘转角αt可以是变化的,也可以保持不变。
那么在第一个监测维度下,预设行车数据包括有第一预设行车数据和第二预设行车数据,此时的第一预设行车数据也就对应于第一行车数据,第一预设行车数据指的是理论状态下车辆的理论行车速度,也就是说车辆在不同的监测时刻都会对应有一个理论行车速度Vi,该理论行车速度Vi就是用于表征车辆的安全行驶速度。第二预设行车数据也就对应于第二行车数据,第二预设行车数据指的是理论状态下车辆的理论方向盘转角αi,也就是说车辆在不同的监测时刻都会对应有一个理论方向盘转角αi,该理论方向盘转角αi就是用于表征车辆的安全行驶状态下的方向盘转角。其中,是通过车载摄像头和雷达结合车道保持图形处理控制器,计算得出的车辆保持车道行驶的理论行车速度Vi和理论方向盘转角αi。
在第二个监测维度下,可通过第二个监测维度下的各个监测时刻的行车状态数据获取得到车辆在各个监测时刻的行车速度Vt、油门开度At(Accelerator aperture),所述第二行车速度与跟车距离相关,跟车距离也就是前车距离LA,前车距离LA可通过车载激光摄像头和毫米波雷达可监测出与前车的车距值得出。其中行车速度Vt为第二个监测维度下的第一行车数据,而油门开度At为第二个监测维度下的第二行车数据,通过行车速度Vt和油门开度At可以形成一个Vt/At时间记录表,将行车速度Vt和油门开度At通过监测时刻的方式关联起来,也就是说,在不同的监测时刻下,都对应有一个行车速度Vt和油门开度At;行车速度Vt和油门开度At可以是变化的,也可以保持不变。
那么在第二个监测维度下,预设行车数据同样包括有第一预设行车数据和第二预设行车数据,此时的第一预设行车数据也就对应于第一行车数据,第一预设行车数据指的是理论状态下车辆的理论行车速度,也就是说车辆在不同的监测时刻都会对应有一个理论行车速度Vi,该理论行车速度Vi就是用于表征车辆的安全行驶速度。第二预设行车数据也就对应于第二行车数据,第二预设行车数据指的是理论状态下车辆的理论油门开度Ai,也就是说车辆在不同的监测时刻都会对应有一个理论油门开度Ai,该理论油门开度Ai就是用于表征车辆的安全行驶状态下(也就是在安全的跟车距离下)的理论油门开度Ai。其中,是通过车载激光摄像头和毫米波雷达,实时和连续监测出与跟车距离LA,依据理论经验值对应表,确定不同的跟车距离LA下的行车速度Vi,并计算出理论上的行车速度Vi对应的油门开度Ai(Accelerator aperture),并形成Vi/Ai的时间记录表。
在第三个监测维度下,可通过第三个监测维度下的各个监测时刻的行车状态数据获取得到车辆在各个监测时刻的行车速度Vt、制动踏板行程值Bt(Braking pedalaperture),所述第二行车速度与安全车距相关,安全车距LB可通过车载激光摄像头和毫米波雷达可监测出与前车的车距值得出。其中行车速度Vt为第三个监测维度下的第一行车数据,而制动踏板行程值Bt为第三个监测维度下的第二行车数据,通过行车速度Vt和制动踏板行程值Bt可以形成一个Vt/Bt时间记录表,将行车速度Vt和制动踏板行程值Bt通过监测时刻的方式关联起来,也就是说,在不同的监测时刻下,都对应有一个行车速度Vt和制动踏板行程值Bt;行车速度Vt和制动踏板行程值Bt可以是变化的,也可以保持不变。
那么在第三个监测维度下,预设行车数据同样包括有第一预设行车数据和第二预设行车数据,此时的第一预设行车数据也就对应于第一行车数据,第一预设行车数据指的是理论状态下车辆的理论行车速度Vi,也就是说车辆在不同的监测时刻都会对应有一个理论行车速度Vi,该理论行车速度Vi就是用于表征车辆的安全行驶速度。第二预设行车数据也就对应于第二行车数据,第二预设行车数据指的是理论状态下车辆的理论制动踏板行程值Bi,也就是说车辆在不同的监测时刻都会对应有一个理论制动踏板行程值Bi,该理论制动踏板行程值Bi就是用于表征车辆的安全行驶状态下(也就是保持安全车距下)的理论制动踏板行程值Bi。其中,是通过车载激光摄像头和毫米波雷达,实时和连续监测出与安全车距LB,依据理论经验值对应表,确定不同的安全车距LB下对应的理论行车速度Vi,并计算出理论上的行车速度Vi对应的理论制动踏板行程值Bi,并形成Vi/Bi的时间记录表。
在步骤120中,根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值。
在本申请的一个实施例中,所述预设行车数据包括第一预设行车数据和第二预设行车数据;步骤120可以根据如下步骤S1-S3进行:
步骤S1:获取各个所述监测时刻的所述第一行车数据与所述第一预设行车数据的第一偏差值以及所述第二行车数据与所述第二预设行车数据的第二偏差值。
步骤S2:根据所述第一偏差值以及所述第二偏差值生成对应监测时刻的偏移量。
步骤S3:基于所述偏移量以及预设偏移阈值确定对应监测时刻的疲劳判定变量值。
具体地,每个监测时刻的行车状态数据均对应一个预设行车数据,也就说,单个监测时刻获取得到的行车状态数据,对应会有一个理论的预设行车数据,只有行车状态数据与理论的预设行车数据的偏差在一定的范围内,才足以说明该监测时刻下驾驶员在对应监测维度下不存在疲劳驾驶的情况。
进一步地,通过上述行车状态数据与预设行车数据,也就是各个不同监测维度下的第一行车数据与所述第一预设行车数据的第一偏差值以及所述第二行车数据与所述第二预设行车数据的第二偏差值得到的偏移量,来与预设偏移阈值进行比较,进而确定对应的监测时刻的疲劳判定变量值。根据各个监测时刻对应的疲劳判定变量值可以进行统计分析,进而得到各个监测维度的疲劳判定结果。
进一步地,对上述所举例分析的三个监测维度继续进行说明,每一个监测时刻都对应有一个偏移量,偏移量是根据第一行车数据与所述第一预设行车数据的第一偏差值以及所述第二行车数据与所述第二预设行车数据的第二偏差值来生成的。
在第一个监测维度下,此时的第一行车数据与所述第一预设行车数据的第一偏差值为行车速度Vt减去理论行车速度Vi的差值绝对值,此时的第二行车数据与所述第二预设行车数据的第二偏差值为方向盘转角αt减去理论方向盘转角αi的差值绝对值,通过将这两个差值绝对值相乘,得到的结果就是偏移量。
在第二个监测维度下,此时的第一行车数据与所述第一预设行车数据的第一偏差值为行车速度Vt减去理论行车速度Vi的差值绝对值,此时的第二行车数据与所述第二预设行车数据的第二偏差值为油门开度At减去理论油门开度Ai的差值绝对值,通过将这两个差值绝对值相除,得到的结果就是偏移量。
在第三个监测维度下,此时的第一行车数据与所述第一预设行车数据的第一偏差值为行车速度Vt减去理论行车速度Vi的差值绝对值,此时的第二行车数据与所述第二预设行车数据的第二偏差值为制动踏板行程Bt减去理论制动踏板行程Bi的差值绝对值,通过将这两个差值绝对值相除,得到的结果就是偏移量。
进一步地,通过上述方法得到了不同维度下的各个偏移量,可以对这些偏移量进行判断分析,利用多段式数据对比法进行判断某个监测时刻所对应的疲劳判定变量值是否为1。需要说明的是,疲劳判定变量值为0或1,当疲劳判定变量值为1时,表征的是当前时刻存在疲劳行为趋势,当疲劳判定变量值为0时,表征的是当前时刻不存在疲劳行为趋势。
多段式数据对比法可具体为:以当前监测时刻为起点,延续预设时间,得到监测时间段。可以在监测时间段设定3次判定,第一次判定为当前监测时刻对应的偏移量与第一次判定对应的判定阈值A进行比较,第二次判定为监测时间段内的任意一个监测时刻对应的偏移量与第二次判定对应的判定阈值B进行比较,第三次判定可以为监测时间段内的最后一个监测时刻对应的偏移量与第三次判定对应的判定阈值C进行比较,如果三次比较的结果都是偏移量小于对应的判定阈值,那么此时将当前的疲劳判定变量值判定为0,否则将当前的疲劳判定变量值判定为1。需要说明的是,上述所述的判定阈值A、判定阈值B、判定阈值C也就是本申请所说的预设偏移阈值。
在步骤130中,根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果。
在本申请的一个实施例中,所述根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果,包括:
获取所述疲劳判定变量值为所述第一值的所述监测时刻的第一数量以及所述疲劳判定变量值为所述第二值的所述监测时刻的第二数量;
若所述第二数量为0,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下不存在疲劳驾驶;
若所述第一数量为0和/或所述第二数量高于所述第一数量,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下存在疲劳驾驶;
若所述第一数量为0和/若所述第二数量低于所述第一数量,则确定所述疲劳判定结果为所述驶员在对应监测维度下存在疲劳驾驶风险。
具体地,第一值为0,所指的就是上述所说的疲劳判定变量值判定为0的情况,第二值为1,所指的就是上述所说的疲劳判定变量值判定为1的情况。也就是说,当某个监测时刻下疲劳判定变量值为1时,代表的是当前监测时刻下经过多段式数据对比法得到的判定结果为当前存在疲劳行为趋势;当某个监测时刻下疲劳判定变量值为0时,代表的是当前监测时刻下经过多段式数据对比法得到的判定结果为当前不存在疲劳行为趋势。
进一步地,对这些监测时刻对应的疲劳判定变量值通过统计,得到监测时刻的第一数量以及第二数量,第一数量指的是疲劳判定变量值为0时对应的监测时刻的数量,第二数量指的是疲劳判定变量值为1时对应的监测时刻的数量。
进一步地,如果若所述第二数量为0,说明没存在有疲劳趋势的判定结果,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下不存在疲劳驾驶。
若所述第一数量为0和/或所述第二数量高于所述第一数量,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下存在疲劳驾驶,也就是说当前预设监测时间段内出现了较多次存在疲劳判定变量值为1的情况,说明此时驾驶员多次出现各种行驶状态数据不在理论安全数据范围内的情况,此时就判定当前驾驶员在该监测维度下存在疲劳驾驶。
若所述第一数量为0和/若所述第二数量低于所述第一数量,则确定所述疲劳判定结果为所述驶员在对应监测维度下存在疲劳驾驶风险,也就是说当前预设监测时间段内出现了少量的存在疲劳判定变量值为1的情况,说明此时驾驶员出现少量的行驶状态数据不在理论安全数据范围内的情况,此时就判定当前驾驶员在该监测维度下存在疲劳驾驶风险。
在步骤140中,所述根据各个所述监测维度的疲劳判定结果,确定所述驾驶员的疲劳程度,包括:
若所述驾驶员在各个所述监测维度下都存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第一程度;
若所述驾驶员在至少一个所述监测维度下存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第二程度,所述第二程度包括至少一个子程度,每一子程度对应于不同数量维度下的疲劳程度;
若所述驾驶员在各个所述监测维度下都不存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第三程度;
其中,所述第一程度、所述第二程度以及所述第三程度的疲劳程度依次递减。
具体地,若所述驾驶员在各个所述监测维度下都存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第一程度,也就是说所述驾驶员在各个所述监测维度下其疲劳判定结果都为1,说明此时驾驶员的疲劳程度为重度疲劳。
若所述驾驶员在至少一个所述监测维度下存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第二程度,所述第二程度包括至少一个子程度,每一子程度对应于不同数量维度下的疲劳程度,也就是说驾驶员的疲劳判定结果为某个监测维度下存在疲劳驾驶,但是在其他的监测维度下不存在疲劳驾驶或者存在疲劳驾驶风险,因此,本申请通过子程度来体现这种情况,子程度可以包括第一子程度,此时代表驾驶员的疲劳判定结果为不存在疲劳驾驶,还可以包括第二子程度,代表的是疲劳判定结果为存在疲劳驾驶风险,可以用数值的方式去体现第二程度对应的疲劳程度。
若所述驾驶员在各个所述监测维度下都不存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第三程度,此时第三程度也就是驾驶员在预设监测时段内不存在疲劳驾驶。
举例进行说明,疲劳判定结果可以用0或者1表示,如果三个监测维度的疲劳判定结果对应的评分总值为1,那么代表只有一个维度被判定为疲劳驾驶的情况,此时疲劳判定结果对应的评分总值为1代表的是达到了疲劳驾驶等级KSS的警告阈值7,判定为轻度疲劳;如果出现有两个监测维度的值均为1,此时对应的评分总值为2,此时疲劳判定结果对应的评分总值为2代表的是达到了疲劳驾驶等级KSS的警告阈值8,判定为中度疲劳;如果出现有三个监测维度的值均为1,此时对应的评分总值为3,此时疲劳判定结果对应的评分总值为3代表的是达到了疲劳驾驶等级KSS的警告阈值9,判定为重度疲劳;以此类推,如果所有的监测维度对应的评分值都是0,那KSS就低于警告阈值(KSS在7级以下),驾驶员无疲劳驾驶行为。
综上所述,按驾驶员多维度车辆行驶数据的分值统计判定,可以准确推断出驾驶员疲劳指数KSS值,当KSS在7级或7级以上时,根据驾驶员疲劳KSS等级,以视觉、语音、体感等多种方式提示驾驶员,当达到疲劳危险驾驶等级时采取强制的安全停车措施。
图3为根据本申请实施例示出的一种驾驶员疲劳监测装置300的框图,根据本申请的一个实施例的驾驶员疲劳监测装置300,所述装置300包括:获取单元301、第一确定单元302、第二确定单元303、疲劳判定单元304。
获取单元301,用于针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻。
第一确定单元302,用于根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值。
第二确定单元303,用于根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果。
疲劳判定单元304,用于根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。
作为另一方面,本申请还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述所提供的方法的程序产品。在一些可能的实施方式中,本申请的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“实施例方法”部分中描述的根据本申请各种示例性实施方式的步骤。
根据本申请的实施方式的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
作为另一方面,本申请还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图4来描述根据本申请的这种实施方式的电子设备400。图4显示的电子设备400仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于:上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元410执行,使得所述处理单元410执行本说明书上述“实施例方法”部分中描述的根据本申请各种示例性实施方式的步骤。
存储单元420可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)421和/或高速缓存存储单元422,还可以进一步包括只读存储单元(ROM)423。
存储单元420还可以包括具有一组(至少一个)程序模块425的程序/实用工具424,这样的程序模块425包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制节点、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备400交互的设备通信,和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且,电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器460通过总线430与电子设备400的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备400使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括如果干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
此外,上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种驾驶员疲劳监测方法,其特征在于,所述方法包括:
针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻;
根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值;
根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果;
根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取驾驶员的人体特征数据以及车辆的当前行驶状态;
基于所述人体特征数据以及所述当前行驶状态判断所述驾驶员是否具有疲劳趋势;
若判定所述驾驶员具有疲劳趋势,则针对每一监测维度,获取所述预设监测时段内的所述行车状态数据。
3.根据权利要求1所述的方法,其特征在于,所述获取预设监测时段内的行车状态数据,包括:
获取各个所述监测时刻对应的第一行车数据,以及与所述第一行车数据对应的第二行车数据,所述第一行车数据和所述第二行车数据用于反映对应监测时刻的行车状态。
4.根据权利要求3所述的方法,其特征在于,所述预设行车数据包括第一预设行车数据和第二预设行车数据;所述根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值,包括:
获取各个所述监测时刻的所述第一行车数据与所述第一预设行车数据的第一偏差值以及所述第二行车数据与所述第二预设行车数据的第二偏差值;
根据所述第一偏差值以及所述第二偏差值生成对应监测时刻的偏移量;
基于所述偏移量以及预设偏移阈值确定对应监测时刻的疲劳判定变量值。
5.根据权利要求1所述的方法,其特征在于,所述根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果,包括:
获取所述疲劳判定变量值为所述第一值的所述监测时刻的第一数量以及所述疲劳判定变量值为所述第二值的所述监测时刻的第二数量;
若所述第二数量为0,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下不存在疲劳驾驶;
若所述第一数量为0和/或所述第二数量高于所述第一数量,则确定所述疲劳判定结果为所述驾驶员在对应监测维度下存在疲劳驾驶;
若所述第一数量为0和/若所述第二数量低于所述第一数量,则确定所述疲劳判定结果为所述驶员在对应监测维度下存在疲劳驾驶风险。
6.根据权利要求5所述的方法,其特征在于,所述根据各个所述监测维度的疲劳判定结果,确定所述驾驶员的疲劳程度,包括:
若所述驾驶员在各个所述监测维度下都存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第一程度;
若所述驾驶员在至少一个所述监测维度下存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第二程度,所述第二程度包括至少一个子程度,每一子程度对应于不同数量维度下的疲劳程度;
若所述驾驶员在各个所述监测维度下都不存在疲劳驾驶,则确定所述驾驶员的疲劳程度为第三程度;
其中,所述第一程度、所述第二程度以及所述第三程度的疲劳程度依次递减。
7.根据权利要求2所述的方法,其特征在于,所述第一行车数据包括第一行车速度、第二行车速度、第三行车速度中的至少一种,所述第二行车数据包括与第一行车速度对应的方向盘转角、与第二行车速度对应的油门开度,以及与第三行车速度对应的制动踏板;
其中,所述第二行车速度与跟车距离相关,所述第三行车速度与安全车距相关。
8.一种驾驶员疲劳监测装置,其特征在于,所述装置包括:
获取单元,用于针对每一监测维度,获取预设监测时段内的行车状态数据,所述预设监测时段包括至少一个监测时刻;
第一确定单元,用于根据各个所述监测时刻的所述行车状态数据以及与各个所述行车状态数据一一对应的预设行车数据确定各个所述监测时刻的疲劳判定变量值;
第二确定单元,用于根据各个所述监测时刻的所述疲劳判定变量值,确定对应监测维度的疲劳判定结果;
疲劳判定单元,用于根据各个所述监测维度的疲劳判定结果,确定驾驶员的疲劳程度。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现如权利要求1至7任一项所述的方法所执行的操作。
10.一种电子设备,其特征在于,所述电子设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至7任一项所述的方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335845.1A CN117416359A (zh) | 2023-10-12 | 2023-10-12 | 驾驶员疲劳监测方法、装置、介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335845.1A CN117416359A (zh) | 2023-10-12 | 2023-10-12 | 驾驶员疲劳监测方法、装置、介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117416359A true CN117416359A (zh) | 2024-01-19 |
Family
ID=89531756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311335845.1A Pending CN117416359A (zh) | 2023-10-12 | 2023-10-12 | 驾驶员疲劳监测方法、装置、介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117416359A (zh) |
-
2023
- 2023-10-12 CN CN202311335845.1A patent/CN117416359A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11688203B2 (en) | Systems and methods for providing visual allocation management | |
CN110473310B (zh) | 汽车行驶数据记录方法、系统、设备及存储介质 | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
US20180297586A1 (en) | Apparatus and method for controlling autonomous driving of vehicle, and vehicle system | |
CN110884490A (zh) | 一种车辆侵入判断及辅助行驶的方法、系统、车辆及存储介质 | |
WO2022078077A1 (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
KR102048186B1 (ko) | 차량의 주행 패턴을 이용한 졸음 운전 판단 장치 및 방법 | |
CN112172835B (zh) | 一种车辆预警方法、装置、设备及存储介质 | |
US20180281784A1 (en) | Using a driver profile to enhance vehicle-to-everything applications | |
CN108482382B (zh) | 驾驶技术评分方法、设备、存储介质及车辆 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
CN111231972A (zh) | 基于驾驶行为习惯的告警方法、系统、车辆及存储介质 | |
CN112991684A (zh) | 一种驾驶预警的方法及装置 | |
CN113353083B (zh) | 车辆行为识别方法 | |
JP7474160B2 (ja) | 情報処理装置 | |
CN117416359A (zh) | 驾驶员疲劳监测方法、装置、介质、电子设备 | |
CN110450788B (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
CN113246976B (zh) | 车辆制动方法、装置、设备和存储介质 | |
CN115923809A (zh) | 人机共驾控制方法、装置、系统及车辆 | |
CN112356845B (zh) | 一种目标运动状态的预测方法、装置、设备及车辆 | |
CN114312778A (zh) | 一种巡航控制系统的功能安全需求获取方法及装置 | |
CN113298361A (zh) | 一种危险驾驶行为的评价方法、装置、电子设备及系统 | |
CN113011347B (zh) | 一种基于人工智能的智能驾驶方法、装置及相关产品 | |
CN114834455A (zh) | 一种行驶速度控制方法、装置、电子设备及存储介质 | |
US11961395B2 (en) | Driving assistance device, driving assistance method, and storage medium in which program is stored |
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 |