一种适用于车载短距离通信网络的疲劳驾驶识别方法技术

本发明专利技术公开了一种适用于车载短距离通信网络的疲劳驾驶识别方法，主要实现方式是首先确立用于疲劳驾驶识别的贝叶斯网络结构和算法，采用加减速特性、车道偏离特征、行车方向特征作为疲劳驾驶的依据，通过确定贝叶斯结构和算法来进行综合识别。通过车载短距离通信的设备获得车辆自身的地理位置，配合电子地图获得车辆的加减速特性、车道偏离特性和行车方向特性，计算出同本车距离的信息，对进行疲劳驾驶的三个特性依据进行矫正，从而使得识别更加可靠。对驾驶行为特征进行矫正，从而提高了单纯通过驾驶行为进行疲劳驾驶识别的局限性，提高了识别的准确性。本发明专利技术能够降低驾驶疲劳带来的交通事故的发生。

【技术实现步骤摘要】
一种适用于车载短距离通信网络的疲劳驾驶识别方法
本专利技术涉及一种适用于车载短距离通信网络的疲劳驾驶识别方法，属于通信与信息领域，尤其是车载通信

技术介绍
疲劳驾驶是引发交通事故的一个重要原因,通过对疲劳驾驶行为的特性进行研究并进行预测和告警是解决疲劳驾驶的重要方法。现有驾驶疲劳行为研究主要通过生理特征的提取进行识别。例如提取驾驶员的生理指标、面部特征识别等方法。提取驾驶员的生理特征采取非接触式获取比较困难，采取接触式会给驾驶员带来较大的干扰。面部特征提取通过驾驶员眼部、嘴部和脸部的图像识别获得，可以实现非接触式识别，但是容易受车内光线和驾驶员脸部位置的变化，以及帽子和眼镜等穿戴物的干扰而影响识别的成功率。另外一类研究方法是通过驾驶员操纵汽车的行驶特征来进行判断。但这种方式易受道路变化和周围的车辆情况等外部环境的影响，很难对某些驾驶特征进行准确的判断，因此，准确获得道路和周围车辆的信息，对提高这类以驾驶行为为主进行疲劳驾驶预测的算法的准确性，起到重要的作用。车载短距离通信(VehicletoX：V2X)网络是通过无线通信、GPS/GIS、传感等短距离通信技术实现的车内(CAN-ControllerAreaNetwork)、车路(Vehicle-2-RSU)、车间(Vehicle-2-Vehicle)、车外(vehicle-2-Infrastructure)、人车(Vehicle-2-Person)之间的通信。V2X中的车载节点配备有GPS或者北斗等设备，车载节点按照设定的时间间隔定期向周围广播本节点的地理位置等信息(称为心跳信息)，同时也接收周围节点发送的心跳信息，从而获得周围车载节点同本车的距离，从而计算出同本车的相对距离信息。本专利技术实施例利用车载设备获取车辆自身的位置信息，配合电子地图，从而获得加减速特性、车道偏离特性和行车方向特征，另外，通过接收周围车辆广播的心跳信息获得周围车辆同本车的距离，对驾驶行为特征进行矫正，从而提高了单纯通过驾驶行为进行疲劳驾驶识别的局限性，提高了识别的准确性。
技术实现思路
本专利技术公开了一种适用于车载短距离通信网络的疲劳驾驶识别方法，主要实现方式是首先确立用于疲劳驾驶识别的贝叶斯网络结构和算法，采用加减速特性、车道偏离特征、行车方向特征作为疲劳驾驶的依据，通过确定贝叶斯结构和算法来进行综合识别。为克服由于周围车辆而造成的主动加减速和行驶方向改变对疲劳驾驶识别的影响，通过获得周围车辆同本车辆的距离信息进行矫正，然后利用获得的数据，采用贝叶斯网络进行后验概率的计算，通过概率是否高于门限值对疲劳驾驶进行识别。本专利技术中，通过车载短距离通信的设备获得车辆自身的地理位置，配合电子地图获得车辆的加减速特性、车道偏离特性和行车方向特性，通过接收周围车载短距通信设备定期广播的包含车辆位置的信息获得周围车辆的信息，计算出同本车距离的信息，对进行疲劳驾驶的三个特性依据进行矫正，从而使得识别更加可靠。附图说明图1是本专利技术的主要处理步骤。图2是贝叶斯网络拓扑结构。具体实施方式本实施例实现了一种适用于车载短距离通信网络的疲劳驾驶识别方法，目的是通过车载短距离通信的车载设备获得车辆自身的地理位置信息，获得驾驶员的驾驶特征。另外，通过接收周围车辆定期发送的包含地理位置坐标的消息(以下称为心跳信息)，对驾驶员的驾驶特性进行矫正，然后利用贝叶斯网络模型，综合对驾驶员的疲劳驾驶特性进行识别，从而有效减少疲劳驾驶造成的危害。对驾驶员的驾驶疲劳行为判定中，本实施例选择三种特征明显，容易获取的驾驶行为特征，分别是加减速特征、车道偏离特征、行车方向特征，通过贝叶斯网络进行综合判定。普通驾驶状态驾驶员会根据道路情况和周围的车辆灵敏进行加减速，疲劳驾驶的加减速特征主要体现在：疲劳状态的加减速缓慢或突然加减速，瞌睡状态的加减速不变化等特征。车道偏离特征是疲劳驾驶的另外一个显著特征，疲劳驾驶导致驾驶员对车辆控制能力的下降,易发生车道偏离事故和碰撞事故。但是在周围有车辆时，驾驶员为变换车道，也会发生车道偏离，因此，需要结合周围车辆的情况进行判别。行车方向特征是另外一个疲劳驾驶的显著特征，驾驶员清醒时,驾驶人会通过连续小幅修正方向盘实现车辆控制，驾驶员瞌睡时,会不间断出现长时间方向盘静止和突然的大幅度调整交替出现的特征，但是这个特征也需要同周围的车辆情况配合才能进行正确的识别。贝叶斯网络模型可以用于表达和分析不确定性和概率性的事件,可以从不完全、不精确或不确定的知识或信息中做出推理,是不确定知识和推理领域中有效的理论模型。驾驶疲劳作为一个不可直接观测的研究对象，其影响因素多且难以定量，判断驾驶疲劳程度是一个非常复杂的系统问题。因此，使用概率论的方法具有较好的可行性。在贝叶斯网络模型中，通过可获得的随机变量推断不可获得的随机变量，进行概率推理。因此，利用贝叶斯网络求解疲劳驾驶判别可以表述为：在现有疲劳度量指标测定经验数据的情况下，求解在判别因素条件下，疲劳状态处于各种程度(清醒、轻度疲劳、重度疲劳)的概率。贝叶斯网络用二元组BN＝＜G,Θ＞表述的概率不确定性推理网络，G是节点与离散随机变量{X1,X2,...,Xn}一一对应的有向无环图，有向边则表示变量之间由条件概率决定的依赖关系；Θ是描述BN局部条件概率分布参数的集合表示节点Xi在其父节点集Yi某一取值组合状态yi下的条件概率分布。BN可通过条件概率量化随机事件之间的因果关系，因此用于疲劳驾驶的识别。本实施例的实施包括三个部分，流程如图1所示。第一部分、确立疲劳识别的贝叶斯网络结构和算法。1.1、以有向无环图构造贝叶斯网络，其中的节点对应疲劳识别的变量，有向边代表变量的条件依赖关系。1.2、本实施例的贝叶斯网络拓扑结构如图2所示。本实施例的疲劳识别采用加减速特性、车道偏离特性、行车方向特性三个特性，以下简称疲劳识别三特性。父节点(Fd)表示疲劳驾驶状态，子节点(Vc)表示加减速特性，子节点(Ld)表示车道偏离特性，子节点(Td)表示行车方向特性。父节点(Fd)与子节点(Vc)、子节点(Ld)、子节点(Td)之间的连线表示疲劳驾驶状态与3种疲劳表现特性的条件概率p(V|F)、p(L|F)和p(T|F)。1.3、基于V2X的疲劳驾驶的贝叶斯网络算法。疲劳驾驶特性采用概率p(Fd|Vc,Ld,Td)表示，根据贝叶斯公式，本实施例中，首先根据专家经验确定贝叶斯网络中父节点与子节点之间连线的条件概率后，然后获得3个节点的先验概率，就可以获得疲劳驾驶的后验概率p(Fd|Vc,Ld,Td)。由于p(Vc,Ld,Td)计算时，子节点(Vc)、(Ld)、(Td)可以认为相互独立，可以采用简化为：p(Vc,Ld,Td|Fd)＝p(Vc|Fd)p(Ld|Fd)p(Td|Fd)(2)为简化运算，疲劳驾驶状态分为有和无，分别对应0和1，则：第二部分、获得车辆自身和周围车辆的状态，对贝叶斯网络各节点状态进行校正。2.1、获得周围车辆的状态信息。通过V2X网络的心跳信息，可以获得周围车辆的位置、距离、速度信息。2.2、通过周围车辆的状态信息，对贝叶斯网络的各个节点的概率进行校正。为了避免前后车对加减速特性、车道偏离特性、行车方向特性的判断影响，通过V2X获得周围车辆的状态，本实施例中采用本文档来自技高网...

【技术保护点】
1.一种适用于车载短距离通信网络的疲劳驾驶识别方法，通过车载短距离通信设备获得车辆自身的地理位置，从而获得车辆的加减速特性、车道偏离特征、行车方向特征三个疲劳驾驶特性，在通过接收周围车辆定期广播发送的包含车辆地理位置信息的消息，获得周围车辆同本车的距离，然后利用贝叶斯网络，综合利用获得的信息进行疲劳驾驶的识别。

【技术特征摘要】
1.一种适用于车载短距离通信网络的疲劳驾驶识别方法，通过车载短距离通信设备获得车辆自身的地理位置，从而获得车辆的加减速特性、车道偏离特征、行车方向特征三个疲劳驾驶特性，在通过接收周围车辆定期广播发送的包含车辆地理位置信息的消息，获得周围车辆同本车的距离，然后利用贝叶斯网络，综合利用获得的信息进行疲劳驾驶的识别。2.根据权利要求1所述的一种适用于车载短距离通信网络的疲劳驾驶识别方法，其特征在于，通过接收周围车载短距通信设备定期广播的包含车辆位置的信息获得周围车辆的信息，计算出同本车距离的信息，对疲劳驾驶识别的三个特性依据进行矫正，从而使得识别更加可靠。3.根据权利要求2所述的一种适用于车载短距离通信网络的疲劳驾驶识别方法，其特征在于，利用贝叶斯网络，采用车载短距离通信设备获得的...

【专利技术属性】
技术研发人员：付景林，赵德胜，侯玉成，王芊，丁明峰，张新中，
申请(专利权)人：大唐高鸿信息通信研究院义乌有限公司，
类型：发明
国别省市：浙江,33