The invention relates to an on-board fatigue driving monitoring and early warning system based on machine learning, which comprises a driver physiological index sampling and feature vector extraction module, which is used for extracting physiological indexes and can be processed by data processing into an effective feature vector data for machine learning algorithm, and a driver fatigue driving supervision module. Measurement model module uses machine learning as a detection method to construct the relationship between physiological index eigenvector and driver's body state, which is used to monitor whether the driver's body is fatigued during driving; feedback early warning and model evaluation module, which is used to alleviate fatigue and to monitor driver's fatigue driving through feedback of model evaluation. The module's model is optimized and improved. The invention can predict the fatigue state of a driver by changing certain physiological indexes of a driver.
【技术实现步骤摘要】
一种基于机器学习的车载疲劳驾驶监测预警系统
本专利技术涉及疲劳驾驶检测技术,特别是涉及一种基于机器学习的车载疲劳驾驶监测预警系统。
技术介绍
酒后驾驶、超速驾驶、疲劳驾驶是当今诱发交通事故三大主要因素。针对酒后驾驶和超速驾驶国家已经从法律上进行了规定和治理。但是对于疲劳驾驶至今却没有一个有效的预防和整治措施。疲劳驾驶危害极为严重,根据调查当今有超过57%的驾驶人员有过疲劳驾驶的经历,20%的驾驶员在驾驶中有过瞌睡或者打盹的经历。据统计,因疲劳驾车造成的交通事故占总数的20%到30%,占特大交通事故总数的40%以上。所以针对疲劳驾驶的预防工作成为近年来国内外各学者的研究重点。早期的疲劳驾驶研究工作主要是借助医疗设备从医学角度研究的,直到20世纪80年代,逐渐成熟形成两大研究方向:一为研究疲劳瞌睡产生的机理和诱发因素,寻找能够降低这种危险的方法;二为开发车辆智能报警系统,防止驾驶员在疲劳状态下驾驶。前者继续从医学角度出发,而疲劳驾驶检测系统,则随着计算机技术及微型机技术的成熟,为其实现提供了技术保障,监测驾驶员驾驶过程中的机体状态,疲劳状态下做出预警,从根源杜绝疲劳驾驶行为的发生。由于国外计算机及相关技术发展较早,目前,较成熟的疲劳驾驶检测预警系统和方法大多属于国外某些知名公司,例如美国AssistWareTechnology公司的SafeTRAC系统利用前置视频头对车道线进行识别,当车辆开始偏离车道时进行报警,该产品也可通过车道保持状态结合驾驶人的方向盘操作特性判断驾驶人的疲劳状态;英国的ASTiD(AdvisorySystemforTiredDrivers ...
【技术保护点】
1.一种基于机器学习的车载疲劳驾驶监测预警系统,其特征在于,包括:驾驶员生理指标采样及特征向量提取模块,用于生理指标的提取并且通过数据处理成为能够供机器学习算法进行处理的有效特征向量数据;驾驶员疲劳驾驶监测模型模块,使用机器学习作为检测方法构建生理指标特征向量和驾驶员机体状态关系,用于监测驾驶过程中驾驶员机体是否疲劳;反馈预警及模型评价模块,用于疲劳缓解并且通过模型评价的反馈对驾驶员疲劳驾驶监测模型模块的模型进行优化和改进。
【技术特征摘要】
1.一种基于机器学习的车载疲劳驾驶监测预警系统,其特征在于,包括:驾驶员生理指标采样及特征向量提取模块,用于生理指标的提取并且通过数据处理成为能够供机器学习算法进行处理的有效特征向量数据;驾驶员疲劳驾驶监测模型模块,使用机器学习作为检测方法构建生理指标特征向量和驾驶员机体状态关系,用于监测驾驶过程中驾驶员机体是否疲劳;反馈预警及模型评价模块,用于疲劳缓解并且通过模型评价的反馈对驾驶员疲劳驾驶监测模型模块的模型进行优化和改进。2.根据权利要求1所述的基于机器学习的车载疲劳驾驶监测预警系统,其特征在于,所述驾驶员生理指标采样及特征向量提取模块首先通过抽样将传感器采集的驾驶员生理指标信息转换为数字信号,然后采用变异数分析ANVOA方法对特征向量进行提取,最后进行F分布校验检测特征向量的显著性,要求被提取的特征向量是原始数据的线性组合并且两两相互正交,能够充分不重叠解释原始数据的特征。3.根据权利要求1所述的基于机器学习的车载疲劳驾驶监测预警系统,其特征在于,所述驾驶员疲劳驾驶监测模型模块构建生理指标和机体疲劳模型,并使用随机森林算法进行训练,以生理指标信息作为自变量,以驾驶员机体疲劳与否作为因变量,依据自变量来生成因变量从而达到对疲劳驾驶的检测。4.根据权利要求3所述的基于机器学习的车载疲劳驾驶监测预警系统,其特征在于,所述驾驶员疲劳驾驶监测模型模块还将生理指标还作为一种...
【专利技术属性】
技术研发人员:刘强,叶建芳,董琳,李雪莹,张洁,
申请(专利权)人:东华大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。