CN117894138A - 一种网约车的安全监控预警方法及系统 - Google Patents
一种网约车的安全监控预警方法及系统 Download PDFInfo
- Publication number
- CN117894138A CN117894138A CN202410120284.1A CN202410120284A CN117894138A CN 117894138 A CN117894138 A CN 117894138A CN 202410120284 A CN202410120284 A CN 202410120284A CN 117894138 A CN117894138 A CN 117894138A
- Authority
- CN
- China
- Prior art keywords
- driver
- head
- early warning
- coefficient
- frequency
- 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 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 210000003128 head Anatomy 0.000 claims abstract description 113
- 230000008859 change Effects 0.000 claims abstract description 62
- 210000001747 pupil Anatomy 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000010219 correlation analysis Methods 0.000 claims abstract description 31
- 230000004399 eye closure Effects 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000008451 emotion Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 206010016256 fatigue Diseases 0.000 description 70
- 206010041349 Somnolence Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 206010049565 Muscle fatigue Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 208000003464 asthenopia Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000006461 physiological response Effects 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种网约车的安全监控预警方法及系统,涉及网约车驾驶安全技术领域,具体步骤包括:S1.采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;S2.将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理。本发明通过采集并处理表征驾驶员疲劳驾驶的相关参数,可以提高网约车驾驶员疲劳的测定准度,以及网约车的安全监控预警系统的精度,同时有效避免因个人生理原因和情绪或采集的数据单一导致监控预警系统的误报。
Description
技术领域
本发明涉及网约车驾驶安全技术领域,具体为一种网约车的安全监控预警方法及系统。
背景技术
网约车的安全监控预警是指通过使用技术手段和系统,对网约车的运行过程进行实时监测和分析,以便及时发现并应对潜在的安全风险和紧急情况,这种监控预警系统旨在提高乘客和驾驶员的安全,并有效应对各种可能发生的紧急事件,网约车的安全监控预警系统应能够实时追踪和监测网约车驾驶员的状态,例如疲劳驾驶的预警:通过监测驾驶员的生理指标,如眼睛运动、眨眼频率等,来识别潜在的疲劳驾驶状态,并在必要时发出预警信号。
现有技术中,网约车驾驶员疲劳驾驶的监测和预警是通过摄像仪来监测眨眼频率或闭眼时间来测定的,但是个人生理原因和情绪导致的眨眼频率变高,摄像仪也会监测到,当超过设定的阈值时,同样会发出预警信号,除了眨眼频率之外,驾驶员疲劳驾驶的测定和瞳孔变化率、头部的倾斜角度以及头部摆动频率也有关, 因此仅仅通过眨眼频率或闭眼时间来测定驾驶员是否疲劳驾驶的标准和精度并不准确,会导致监控预警系统的误报。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种网约车的安全监控预警方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种网约车的安全监控预警方法,具体步骤包括:
S1.采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
S2.将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
S3.将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
S4.根据判断的结果,发出相应的预警信号。
进一步地,所述瞳孔变化率的计算过程如下:
;
其中,参数意义为:为瞳孔变化率,/>为T时刻的驾驶员瞳孔直径,/>为对应的驾驶员瞳孔直径/>的采集时间。
进一步地,头部倾斜的角度变化量的计算过程如下:
;
其中,参数意义为:为头部倾斜的角度变化量,/>为T时刻的驾驶员头部倾斜的角度,/>为对应的驾驶员头部倾斜的角度/>的采集时间。
进一步地,将闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员闭眼的频率,/>为驾驶员闭眼的频率的因子系数,0.2≤/>≤0.4,/>为驾驶员的瞳孔变化率,/>为驾驶员的瞳孔变化率的因子系数,0.2≤/>≤0.4,C1为常数修正系数。
进一步地,将头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员头部摆动频率,/>为驾驶员头部摆动频率的因子系数,0.2≤/>≤0.4,/>为驾驶员的头部倾斜的角度变化量,/>为驾驶员头部倾斜的角度变化量的因子系数,0.2≤/>≤0.4,C2为常数修正系数。
进一步地,将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数/>进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数/>, 依据的计算公式如下:
;
其中,参数意义为:为驾驶员眼睛的状态系数的因子系数,/>为驾驶员头部的姿势系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
进一步地,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值/>相比较,判断驾驶员是否存在疲劳驾驶的行为的过程如下:
当,驾驶员存在疲劳驾驶的行为;
当,驾驶员不存在疲劳驾驶的行为。
进一步地,根据判断的结果,发出相应的预警信号的过程如下:
当驾驶员存在疲劳驾驶的行为,需要发出预警信号,比如发出警报声或通过播放语音提醒驾驶员;
当驾驶员不存在疲劳驾驶的行为,不需要发出预警信号。
一种网约车的安全监控预警系统,用于执行上述的安全监控预警方法,包括:
数据采集模块,用于采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
数据处理模块,用于将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
数据分析模块,用于将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
预警模块,用于根据判断的结果,发出相应的预警信号。
与现有技术相比,本发明的有益效果是:
本发明通过采集闭眼的频率、瞳孔变化率、头部摆动频率和头部的倾斜角度变化量,将闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数,将驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为,并根据判断的结果,发出相应的预警信号。因此通过上述的模块配合,采集并处理表征驾驶员疲劳驾驶的相关参数,可以提高网约车驾驶员疲劳的测定准度,以及网约车的安全监控预警系统的精度,同时有效避免因个人生理原因和情绪或采集的数据单一导致监控预警系统的误报。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的模块组成框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例:
请参阅图1,本发明提供一种技术方案:
一种网约车的安全监控预警方法,具体步骤包括:
S1.采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
S2.将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
S3.将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
S4.根据判断的结果,发出相应的预警信号。
当驾驶员闭眼的频率超过设定的阈值时,说明驾驶员存在疲劳驾驶的可能,以下为具体原因:
眼睛疲劳:长时间的注视道路,特别是在夜间驾驶或强光条件下,可能导致眼睛疲劳,为了缓解眼睛疲劳,驾驶员可能会更频繁地闭眼。
注意力不集中:驾驶过程需要持续的专注和注意力,当驾驶员感到疲劳或分心时,他们可能倾向于闭眼,导致对道路和交通的注意力不足。
困倦和睡意:长时间的驾驶、睡眠不足或驾驶时段的生物钟影响可能导致困倦和睡意增加,驾驶员为了应对困倦可能会频繁地闭眼,这是一种自然的生理反应。
疲劳驾驶:长时间的驾驶或驾驶过程中缺乏休息可能导致疲劳。疲劳驾驶时,驾驶员的生理和心理状态可能受到影响,包括眼睛的疲劳和闭眼的频率增加。
因此,通过检测驾驶员闭眼的频率对于监测驾驶员是否存在疲劳驾驶的可能尤为重要,如可做到会产生如下效果:
早期疲劳检测:驾驶员闭眼频率的增加可能是疲劳驾驶的早期迹象之一,通过实时监测闭眼频率,系统可以在驾驶员进入危险状态之前提前发现疲劳的迹象。
警报和提醒:当闭眼频率超过安全阈值时,系统可以触发警报或提醒驾驶员采取措施,例如休息、停车休息或进行其他疲劳缓解活动,这有助于及时纠正驾驶员的状态,减少疲劳驾驶的风险。
降低事故风险:疲劳驾驶是导致交通事故的重要因素之一,通过监测闭眼频率,系统可以帮助降低事故的风险,因为疲劳驾驶时驾驶员的反应能力和注意力明显下降。
当驾驶员瞳孔变化率超过设定的阈值时,说明驾驶员存在疲劳驾驶的可能,以下为具体原因:
生理反应:疲劳可能导致身体各部分的生理变化,包括瞳孔,疲劳驾驶时,瞳孔可能会出现异常的变化率,因为疲劳状态下的身体对光线的调节可能不如正常状态下那样敏感。
生物钟和睡眠模式:长时间的驾驶或不规律的睡眠模式可能影响生物钟,导致瞳孔的变化率异常。
瞳孔控制机制的失调:疲劳可能导致神经系统的紊乱,影响瞳孔控制机制,导致瞳孔对光线的调节能力下降。
因此,通过检测驾驶员瞳孔变化率对于监测驾驶员是否存在疲劳驾驶的可能尤为重要,如可做到会产生如下效果:
早期疲劳检测:瞳孔变化率的增加可能是疲劳驾驶的早期迹象之一。实时监测这一生理指标可以帮助系统在驾驶员陷入更深度的疲劳之前提前发现警告信号。
警报和提醒:当瞳孔变化率超过设定的阈值时,系统可以触发警报或提醒,提示驾驶员采取措施,例如休息或停车休息。这种及时的提醒可以帮助减少疲劳驾驶的风险。
当驾驶员头部摆动频率超过设定的阈值时,说明驾驶员存在疲劳驾驶的可能,以下为具体原因:
肌肉疲劳:长时间的驾驶可能导致肌肉疲劳,特别是颈部和肩部的肌肉。疲劳的肌肉可能导致头部的不自觉摆动,这可能成为疲劳驾驶的迹象。
睡意和困倦:疲劳驾驶时,驾驶员可能感到昏昏欲睡或困倦,这种状态可能导致头部摆动,试图保持清醒状态。
因此,通过检测驾驶员头部摆动频率对于监测驾驶员是否存在疲劳驾驶的可能尤为重要,如可做到会产生如下效果:
早期疲劳检测:头部摆动频率的增加可能是疲劳驾驶的早期迹象之一,监测这一指标可以帮助系统在驾驶员陷入更深度的疲劳之前提前发现并发出警告信号。
警报和提醒:当头部摆动频率超过设定的阈值时,系统可以触发警报或提醒,提示驾驶员采取措施,例如停车休息,这种及时的提醒可以帮助减少疲劳驾驶的风险。
当驾驶员头部的倾斜角度变化量超过设定的阈值时,说明驾驶员存在疲劳驾驶的可能,以下为具体原因:
肌肉疲劳:长时间的驾驶可能导致颈部和肩部肌肉疲劳,使得驾驶员难以维持正常的头部姿势,这种肌肉疲劳可能导致头部倾斜角度的变化。
睡意和困倦:疲劳驾驶时,驾驶员可能感到昏昏欲睡或困倦,这可能导致头部倾斜角度变化,试图保持清醒状态。
注意力不集中:疲劳可能导致驾驶员的注意力不集中,难以保持正常的头部姿势,从而引起头部倾斜。
因此,通过检测头部的倾斜角度变化量对于监测驾驶员是否存在疲劳驾驶的可能尤为重要,如可做到会产生如下效果:
早期预警:头部倾斜角度变化量的增加可以被视为疲劳驾驶的早期信号,监测头部倾斜角度变化量可以使系统在驾驶员陷入更深度的疲劳之前及时发出预警,提醒驾驶员采取必要的休息措施。
实时警报与提醒:当系统检测到头部倾斜角度变化超过设定的阈值时,可以立即触发警报或提醒,促使驾驶员注意到疲劳的可能性,并采取适当的行动,如停车休息。
其中,瞳孔变化率的计算过程如下:
;
其中,参数意义为:为瞳孔变化率,/>为T时刻的驾驶员瞳孔直径,/>为驾驶员瞳孔直径/>的采集时间。
其中,头部倾斜的角度变化量的计算过程如下:
;
其中,参数意义为:为头部倾斜的角度变化量,/>为T时刻的驾驶员头部倾斜的角度,/>为驾驶员头部倾斜的角度/>的采集时间。
将闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员闭眼的频率,/>为驾驶员闭眼的频率的因子系数,0.2≤/>≤0.4,/>为驾驶员的瞳孔变化率,/>为驾驶员的瞳孔变化率的因子系数,0.2≤/>≤0.4,C1为常数修正系数。
由上述的公式可知,当越高,驾驶员眼睛的状态系数/>越高,/>越高,驾驶员眼睛的状态系数/>越高,则表明/>、/>和/>呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
将头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员头部摆动频率,/>为驾驶员头部摆动频率的因子系数,0.2≤/>≤0.4,/>为驾驶员的头部倾斜的角度变化量,/>为驾驶员头部倾斜的角度变化量的因子系数,0.2≤/>≤0.4,C2为常数修正系数。
由上述的公式可知,当越高,驾驶员头部的姿势系数/>越高,/>越高,驾驶员头部的姿势系数/>越高,则表明/>、/>和/>呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数/>进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数/>, 依据的计算公式如下:
;
其中,参数意义为:为驾驶员眼睛的状态系数的因子系数,/>为驾驶员头部的姿势系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
将所述综合指数和预设的驾驶员疲劳驾驶特征阈值/>相比较,判断驾驶员是否存在疲劳驾驶的行为的过程如下:
当,驾驶员存在疲劳驾驶的行为;
当,驾驶员不存在疲劳驾驶的行为。
根据判断的结果,发出相应的预警信号的过程如下:
当驾驶员存在疲劳驾驶的行为,需要发出预警信号,比如发出警报声或通过播放语音提醒驾驶员;
当驾驶员不存在疲劳驾驶的行为,不需要发出预警信号。
公式中的α、β、、μ、/>、/>的具体取值一般由本领域技术人员根据实际情况来确定,该公式本质为加权求和进行综合分析,由本领域技术人员采集多组样本数据,并对每一组样本数据设定对应的预设比例系数,将设定的预设比例系数和采集的样本数据代入公式,将计算得到的系数进行筛选并取均值,得到α、β、/>、μ、/>、/>的取值。
另外,预设因子系数的大小是为了将各个参数进行量化得到的一个具体的数值,其为了便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,并不唯一,只要不影响参数与量化后数值的比例关系即可。
如图2所示,一种网约车的安全监控预警系统,用于执行上述的安全监控预警方法,包括:
数据采集模块,用于采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
数据处理模块,用于将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
数据分析模块,用于将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
预警模块,用于根据判断的结果,发出相应的预警信号。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域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、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法来执行,取决于技术方案的特定应用和设计约束条件。
所述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,既可以位于一个地方,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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种网约车的安全监控预警方法,其特征在于,具体步骤包括:
S1.采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
S2.将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
S3.将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
S4.根据判断的结果,发出相应的预警信号。
2.根据权利要求1所述的一种网约车的安全监控预警方法,其特征在于,所述瞳孔变化率的计算过程如下:
;
其中,参数意义为:为瞳孔变化率,/>为T时刻的驾驶员瞳孔直径,/>为对应的驾驶员瞳孔直径/>的采集时间。
3.根据权利要求2所述的一种网约车的安全监控预警方法,其特征在于,头部倾斜的角度变化量的计算过程如下:
;
其中,参数意义为:为头部倾斜的角度变化量,/>为T时刻的驾驶员头部倾斜的角度,/>为对应的驾驶员头部倾斜的角度/>的采集时间。
4.根据权利要求3所述的一种网约车的安全监控预警方法,其特征在于,将闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员闭眼的频率,/>为驾驶员闭眼的频率的因子系数,0.2≤≤0.4,/>为驾驶员的瞳孔变化率,/>为驾驶员的瞳孔变化率的因子系数,0.2≤/>≤0.4,C1为常数修正系数。
5.根据权利要求4所述的一种网约车的安全监控预警方法,其特征在于,将头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数,依据的计算公式如下:
;
其中,参数意义为:为驾驶员头部摆动频率,/>为驾驶员头部摆动频率的因子系数,0.2≤/>≤0.4,/>为驾驶员的头部倾斜的角度变化量,/>为驾驶员头部倾斜的角度变化量的因子系数,0.2≤/>≤0.4,C2为常数修正系数。
6.根据权利要求5所述的一种网约车的安全监控预警方法,其特征在于,将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数/>进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数/>, 依据的计算公式如下:
;
其中,参数意义为:为驾驶员眼睛的状态系数的因子系数,/>为驾驶员头部的姿势系数的因子系数,0.2≤/>≤0.4,0.2≤/>≤0.4,C3为常数修正系数。
7.根据权利要求6所述的一种网约车的安全监控预警方法,其特征在于,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值/>相比较,判断驾驶员是否存在疲劳驾驶的行为的过程如下:
当,驾驶员存在疲劳驾驶的行为;
当,驾驶员不存在疲劳驾驶的行为。
8.根据权利要求7所述的一种网约车的安全监控预警方法,其特征在于,根据判断的结果,发出相应的预警信号的过程如下:
当驾驶员存在疲劳驾驶的行为,需要发出预警信号,比如发出警报声或通过播放语音提醒驾驶员;
当驾驶员不存在疲劳驾驶的行为,不需要发出预警信号。
9.一种网约车的安全监控预警系统,其特征在于,用于执行权利要求1-8任一项所述的安全监控预警方法,包括:
数据采集模块,用于采集t时刻内驾驶员眼睛的状态参数和驾驶员头部的姿势参数,所述状态参数包括闭眼的频率和瞳孔变化率,所述姿势参数包括头部摆动频率和头部的倾斜角度变化量;
数据处理模块,用于将所述闭眼的频率和瞳孔变化率进行无量纲化处理,并进行相关性分析,生成驾驶员眼睛的状态系数,将所述头部摆动频率和头部倾斜的角度变化量进行无量纲化处理,并进行相关性分析,生成驾驶员头部的姿势系数;
数据分析模块,用于将所述驾驶员眼睛的状态系数和驾驶员头部的姿势系数进行无量纲化处理,并进行相关性分析,生成用于表征驾驶员疲劳驾驶的综合指数,将所述综合指数和预设的驾驶员疲劳驾驶特征阈值相比较,判断驾驶员是否存在疲劳驾驶的行为;
预警模块,用于根据判断的结果,发出相应的预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410120284.1A CN117894138A (zh) | 2024-01-29 | 2024-01-29 | 一种网约车的安全监控预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410120284.1A CN117894138A (zh) | 2024-01-29 | 2024-01-29 | 一种网约车的安全监控预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117894138A true CN117894138A (zh) | 2024-04-16 |
Family
ID=90648875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410120284.1A Pending CN117894138A (zh) | 2024-01-29 | 2024-01-29 | 一种网约车的安全监控预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117894138A (zh) |
-
2024
- 2024-01-29 CN CN202410120284.1A patent/CN117894138A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mårtensson et al. | Driver sleepiness classification based on physiological data and driving performance from real road driving | |
Sikander et al. | Driver fatigue detection systems: A review | |
AU2009253692B2 (en) | Method and device for the detection of microsleep events | |
CN104146722B (zh) | 一种基于头部信号的驾驶疲劳检测分级预警方法 | |
EP2281506B1 (en) | Method and system for determining an individual's state of attention | |
CN110728824B (zh) | 一种基于多源数据的驾驶员疲劳状态检测及提醒方法 | |
JP2008531142A (ja) | 覚醒の測定 | |
JP2013089233A (ja) | 車両運行状態情報基盤の運転集中度判断方法及びそのシステム | |
Kumari et al. | A survey on drowsy driver detection system | |
JP3596158B2 (ja) | 運転者モニター装置とこれを用いた安全装置 | |
Salzillo et al. | Evaluation of driver drowsiness based on real-time face analysis | |
Arunasalam et al. | Real-time drowsiness detection system for driver monitoring | |
Feldhütter et al. | A new approach for a real-time non-invasive fatigue assessment system for automated driving | |
CN117894138A (zh) | 一种网约车的安全监控预警方法及系统 | |
Antunes et al. | An intelligent system to detect drowsiness at the wheel | |
DE202018100012U1 (de) | Müdigkeitsüberwachungsvorrichtung für Fahrer | |
Ahir et al. | Driver inattention monitoring system: A review | |
Abdullah et al. | Driver fatigue detection | |
Arjunan et al. | Wearable Sensor System to Monitor the Status of the Automobile Drivers | |
JP2004329956A (ja) | 運転者モニター装置とこれを用いた安全装置 | |
Chengjun | Vehicle safety sensory system | |
CN117885743A (zh) | 一种驾驶员异常状态识别恢复方法及系统 | |
Khan et al. | Accident-Avoidance System using latest Sensing Systems | |
Shiny | DESIGN OF DROWSY AND ALCOHOL CONSUMPTION DETECTION SYSTEM IN VEHICLES USING AT MEGA MICROCONTROLLER. | |
Culp et al. | Driver alertness monitoring techniques: a literature review |
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 |