一种驾驶员驾驶状态辨识用样本库的建立方法技术

本发明专利技术公开了一种驾驶员驾驶状态辨识用样本库的建立方法，包括步骤：一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，获得多个监测时刻的行驶状态信息；二、车辆动力学模型参数确定；三、险态驾驶状态下行驶状态信息获取，过程如下：随机数生成、随机数筛选、驾驶员反应时间数组获取和行驶状态信息获取；四、样本库建立。本发明专利技术方法步骤简单、设计合理且实现方便、使用效果好，能够通过采集正常驾驶状态下的行驶状态信息获取险态驾驶状态下的样本信息，能有效解决险态驾驶状态下行驶状态信息的获取难题。

【技术实现步骤摘要】

本专利技术属于样本库的建立方法，尤其是涉及一种驾驶员驾驶状态辨识用样本库的建立方法。
技术介绍
道路上发生的交通事故是人、车、路、环境等因素相互作用的结果，而驾驶员是影响交通安全最活跃的因素。交通事故表面上看是一偶然突发现象，但其实质是驾驶员-车辆-环境形成的闭环系统因无法响应遇到的突变工况而导致的失稳现象。通过对大量交通事故现场遗留的碰撞痕迹、车辆遗骸等证据进行勘验，并结合幸存者的问卷调查，美国印第安纳大学的研究者得出了约有90％的恶性交通事故与驾驶状态有关的结论，而驾驶员的驾驶状态主要由其精神状态决定。因而，驾驶员精神状态信息的监测具有非常重要的研究意义。目前，对驾驶员精神状态的估计方法主要有以下几类：一类是基于调查问卷式的离线评估形式，该方法通过对驾驶员进行问询的方式调查驾驶员的精神状态信息，该方法能够研究外界环境、驾驶员心理与生理因素对驾驶行为影响的统计规律，对险态驾驶行为的形成机制有显著的理论意义，但对解决险态驾驶行为的在线动态辨识就显得无能为力；第二类是基于图像处理技术的驾驶员精神状态评估方法，为了实现对险态驾驶行为的动态在线辨识，有的学者提出用机器视觉、图像处理、模式识别等人工智能理论和技术，对眼睛动作特征、脸部运动特征进行识别，从而实现对驾驶员行为状态的动态监测；基于图像处理技术的驾驶员行为在线动态辨识虽然可以实现，但是环境因素对其影响较大，且驾驶员本人的习惯动作对驾驶行为的辨识准确性影响很大，其应用普适性较差；第三类基于生理电信号的驾驶员心理状态评测方法，该方法是直接测量，评估结果最为准确，但电生理信息采集需要在人体上安装许多电极，用于实际的在线监测显然不合适。由此可见现有的关于驾驶员精神状态的在线估计方法具有一定的局限性。另外，对驾驶员驾驶状态进行辨识时，通常需借助对应的分类模型进行辨识，通过分类模型对驾驶员处于正常驾驶状态或险态驾驶状态进行辨识，其中正常驾驶状态是指驾驶员处于完全清醒且精神状态正常的驾驶状态，而险态驾驶状态(也称非正常驾驶状态或异常驾驶状态)是指驾驶员处于疲劳、醉酒、病痛、吸毒等非正常的驾驶状态且此时驾驶员的驾驶行为是险态驾驶行为。因而，分类模型的建立至关重要。对分类模型进行建立时，需建立样本库，所建立的样本库中包括两类样本，一类样本是驾驶员处于正常驾驶状态下的行驶状态信息，另一类是驾驶员处于险态驾驶状态下的行驶状态信息。行驶状态信息包括方向盘转角、侧向加速度等驾驶状态参数中的一个或多个驾驶状态参数。其中，驾驶员处于正常驾驶状态下的行驶状态信息获取比较简便，采用监测装置对驾驶过程中驾驶员的行驶状态信息进行监测即可；但驾驶员处于险态驾驶状态下的行驶状态信息的获取难度非常大，几乎不可能真实实现险态驾驶状态，因而行驶状态信息的监测更无从谈起。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种驾驶员驾驶状态辨识用样本库的建立方法，其本专利技术方法步骤简单、设计合理且实现方便、使用效果好，能够通过采集正常驾驶状态下的行驶状态信息获取险态驾驶状态下的样本信息，能有效解决险态驾驶状态下行驶状态信息的获取难题。为解决上述技术问题，本专利技术采用的技术方案是：一种驾驶员驾驶状态辨识用样本库的建立方法，其特征在于，该方法包括以下步骤：步骤一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器，获得多个监测时刻的行驶状态信息；所述行驶状态信息监测装置包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元，所述方向盘转角检测单元和侧向加速度检测单元均与数据处理器连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元所检测的方向盘转角和侧向加速度检测单元所检测的侧向加速度；步骤二、车辆动力学模型参数确定：所述数据处理器根据步骤一中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δsw(t)和侧向加速度函数其中，δsw(t)为步骤一中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤一中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器再根据公式并结合步骤一中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数Gay、Ty1、Ty2、T1和T2分别进行确定；公式(2)中，δsw(s)为方向盘转角函数δsw(t)的拉普拉斯变换，为侧向加速度函数的拉普拉斯变换；步骤三、险态驾驶状态下行驶状态信息获取，过程如下：步骤301、随机数生成：采用数据处理器且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为td0且方差为σd的随机数；其中，td0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σd＞7.5；当被监测驾驶员为女性驾驶员时，σd＞8；所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为Th0且方差为σh的随机数；其中，Th0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σh＞2.6；当被监测驾驶员为女性驾驶员时，σd＞1.95；步骤302、随机数筛选：先根据预先设定的疲劳度判断阈值Ntm，采用数据处理器计算得出神经反应时间判断阈值tdm或动作反应时间判断阈值Thm，其中，Ntm＝0.7～0.9；再根据计算得出的tdm或Thm，对步骤301中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中tda和tdb分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中Tha和Thb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，tdm、Thm、tda、tdb、Tha和Thb的单位均为s；对所述神经反应时间随机数组进行筛选时，根据计算得出的tdm，采用数据处理器对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于tdm，且当该随机数＞tdm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；对所述动作反应时间随机数组进行筛选时，根据计算得出的Thm，采用数据处理器对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于Thm，且当该随机数＞Thm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；步骤303、驾驶员反应时间数组获取：采用数据处理器对步骤302中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；其中，对所述神经反应时间数组进行时间数据对计算本文档来自技高网...

【技术保护点】
一种驾驶员驾驶状态辨识用样本库的建立方法，其特征在于，该方法包括以下步骤：步骤一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置(1)且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器(2)，获得多个监测时刻的行驶状态信息；所述行驶状态信息监测装置(1)包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元(1‑1)和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元(1‑2)，所述方向盘转角检测单元(1‑1)和侧向加速度检测单元(1‑2)均与数据处理器(2)连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元(1‑1)所检测的方向盘转角和侧向加速度检测单元(1‑2)所检测的侧向加速度；步骤二、车辆动力学模型参数确定：所述数据处理器(2)根据步骤一中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δsw(t)和侧向加速度函数其中，δsw(t)为步骤一中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤一中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器(2)再根据公式并结合步骤一中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数Gay、Ty1、Ty2、T1和T2分别进行确定；公式(2)中，δsw(s)为方向盘转角函数δsw(t)的拉普拉斯变换，y(s)为侧向加速度函数的拉普拉斯变换；步骤三、险态驾驶状态下行驶状态信息获取，过程如下：步骤301、随机数生成：采用数据处理器(2)且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为td0且方差为σd的随机数；其中，td0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σd＞7.5；当被监测驾驶员为女性驾驶员时，σd＞8；所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为Th0且方差为σh的随机数；其中，Th0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σh＞2.6；当被监测驾驶员为女性驾驶员时，σd＞1.95；步骤302、随机数筛选：先根据预先设定的疲劳度判断阈值Ntm，采用数据处理器(2)计算得出神经反应时间判断阈值tdm或动作反应时间判断阈值Thm，其中，Ntm＝0.7～0.9；再根据计算得出的tdm或Thm，对步骤301中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中tda和tdb分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中Tha和Thb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，tdm、Thm、tda、tdb、Tha和Thb的单位均为s；对所述神经反应时间随机数组进行筛选时，根据计算得出的tdm，采用数据处理器(2)对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于tdm，且当该随机数＞tdm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；对所述动作反应时间随机数组进行筛选时，根据计算得出的Thm，采用数据处理器(2)对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于Thm，且当该随机数＞Thm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；步骤303、驾驶员反应时间数组获取：采用数据处理器(2)对步骤302中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；其中，对所述神经反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述神经反应时间数组中的各随机数分别进行时间数据对计算；对所述神经反应时间数组中的任一个随机数tdi进行时间数据对计算时，先根据公式计算得出神经反应时间tdi对应的疲劳度Nti；再根据公式计算得出神经反应时间tdi对应的动作反应时间Thi，所述的tdi和Thi组成一个驾驶员反应时间数据对；i为正整数且i＝1、2、…、Nd，Nd为所述神经反应时间数组中所包括随机数的总数量；对所述动作反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述动作反应时间数组中的各随机数分别进行...

【技术特征摘要】
1.一种驾驶员驾驶状态辨识用样本库的建立方法，其特征在于，该方法包括以下步骤：步骤一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置(1)且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器(2)，获得多个监测时刻的行驶状态信息；所述行驶状态信息监测装置(1)包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元(1-1)和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元(1-2)，所述方向盘转角检测单元(1-1)和侧向加速度检测单元(1-2)均与数据处理器(2)连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元(1-1)所检测的方向盘转角和侧向加速度检测单元(1-2)所检测的侧向加速度；步骤二、车辆动力学模型参数确定：所述数据处理器(2)根据步骤一中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δsw(t)和侧向加速度函数其中，δsw(t)为步骤一中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤一中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器(2)再根据公式并结合步骤一中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数Gay、Ty1、Ty2、T1和T2分别进行确定；公式(2)中，δsw(s)为方向盘转角函数δsw(t)的拉普拉斯变换，y(s)为侧向加速度函数的拉普拉斯变换；步骤三、险态驾驶状态下行驶状态信息获取，过程如下：步骤301、随机数生成：采用数据处理器(2)且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为td0且方差为σd的随机数；其中，td0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σd＞7.5；当被监测驾驶员为女性驾驶员时，σd＞8；所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为Th0且方差为σh的随机数；其中，Th0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σh＞2.6；当被监测驾驶员为女性驾驶员时，σd＞1.95；步骤302、随机数筛选：先根据预先设定的疲劳度判断阈值Ntm，采用数据处理器(2)计算得出神经反应时间判断阈值tdm或动作反应时间判断阈值Thm，其中，Ntm＝0.7～0.9；再根据计算得出的tdm或Thm，对步骤301中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中tda和tdb分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中Tha和Thb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，tdm、Thm、tda、tdb、Tha和Thb的单位均为s；对所述神经反应时间随机数组进行筛选时，根据计算得出的tdm，采用数据处理器(2)对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于tdm，且当该随机数＞tdm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；对所述动作反应时间随机数组进行筛选时，根据计算得出的Thm，采用数据处理器(2)对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于Thm，且当该随机数＞Thm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；步骤303、驾驶员反应时间数组获取：采用数据处理器(2)对步骤302中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；其中，对所述神经反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述神经反应时间数组中的各随机数分别进行时间数据对计算；对所述神经反应时间数组中的任一个随机数tdi进行时间数据对计算时，先根据公式计算得出神经反应时间tdi对应的疲劳度Nti；再根据公式计算得出神经反应时间tdi对应的动作反应时间Thi，所述的tdi和Thi组成一个驾驶员反应时间数据对；i为正整数且i＝1、2、…、Nd，Nd为所述神经反应时间数组中所包括随机数的总数量；对所述动作反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述动作反应时间数组中的各随机数分别进行时间数据对计算；对所述动作反应时间数组中的任一个随机数tdi进行时间数据对计算时，先根据公式计算得出动作反应时间Thj对应的疲劳度Ntj；再根据公式计算得出动作反应时间Thj对应的神经反应时间tdj，所述的tdj和Thj组成一个驾驶员反应时间数据对；j为正整数且j＝1、2、…、Nh，Nh为所述动作反应时间数组中所包括随机数的总数量；步骤304、行驶状态信息获取：根据预先建立的驾驶员模型，采用数据处理器(2)对步骤303中所述驾驶员反应时间数组中的多个所述驾驶员反应...

【专利技术属性】
技术研发人员：赵栓峰，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61