The invention discloses a driver fatigue driving monitoring and early warning method and system based on vehicle network. The monitoring and early warning methods include: synchronous acquisition of driving parameters; pre-processing of driving parameters and feature extraction of driving parameters respectively to determine the complete set of features; normalizing the features within the complete set of features, and screening the features within the complete set of features through sequence floating forward selection algorithm to determine the optimal feature subset; and taking the optimal feature subset as a branch. With the input of SVM, the driver's driving state is taken as the output of SVM, and the fatigue detection model is built. The driver's current driving state is determined according to the fatigue detection model. The current driving state is transmitted to the client in real time by the vehicle networking technology, which is monitored by the user or enterprise of the client. According to the method and system provided by the invention, the misunderstanding rate of the monitoring system can be reduced, and the problem of driving comfort affected by wearing the testing equipment can be solved.
【技术实现步骤摘要】
一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统
本专利技术涉及智能辅助驾驶领域，特别是涉及一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统。
技术介绍
近年来，随着我国汽车保有量的持续增加，随之而来的交通事故也给无数的家庭带来了极大地痛苦和沉重的经济负担。据调查统计显示，交通事故成为全国各项事故中伤亡人数最多的一项，其中由于驾驶疲劳、突发心脏病及路怒症等驾驶状况异常引发的交通安全事故占比60％以上，严重影响威胁着广大社会群体的生命财产安全。因此，对影响驾驶行为的舒适度、疲劳度等生理状态进行监测和调节，减少危险驾驶行为保障交通安全意义重大。近年来，国内外针对当今驾驶现状研发了多款驾驶状态监测系统，主要有以下几种监测形式：基于车辆的行驶状态，如车道保持、车速、方向控制稳定性等；基于单一生理信号，如脑电、肌电、心电等；基于摄像头捕捉驾驶员的面部动作信息，等。但这些系统都不同度的存在着一些弊端，如利用单一信号来进行监测存在识别率低的问题；信号的采集需要驾驶员进行装置佩戴，影响驾驶舒适性；基于摄像头的方式存在灵敏度误识率高并存的弊端。由此可知，现有的驾驶状态监测系统的误识...
【技术保护点】
1.一种基于车联网的驾驶员疲劳驾驶监测预警方法，其特征在于，包括：同步采集驾驶参数；所述驾驶参数包括驾驶员的心电信号、握力信号、座椅压力信号以及方向盘转角信号；对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集；对所述特征全集内的特征进行归一化处理，并通过序列浮动向前选择算法对所述特征全集内的特征进行筛选，确定最优特征子集；以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型；根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态；利用车联网技术将所述当前驾驶状态实时传输至客户端，由所述客户端的使用人员或企业进行监控。
【技术特征摘要】
1.一种基于车联网的驾驶员疲劳驾驶监测预警方法，其特征在于，包括：同步采集驾驶参数；所述驾驶参数包括驾驶员的心电信号、握力信号、座椅压力信号以及方向盘转角信号；对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集；对所述特征全集内的特征进行归一化处理，并通过序列浮动向前选择算法对所述特征全集内的特征进行筛选，确定最优特征子集；以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型；根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态；利用车联网技术将所述当前驾驶状态实时传输至客户端，由所述客户端的使用人员或企业进行监控。2.根据权利要求1所述的监测预警方法，其特征在于，所述同步采集驾驶参数，具体包括：利用心电传感器采集心电信号；其中，所述心电传感器安装在方向盘边缘底侧，用于采集驾驶员指尖的心电信号；利用压力传感器采集握力信号；其中，所述压力传感器安装在所述方向盘的边缘外侧，用于采集驾驶员掌心对方向盘的握力信号；利用压力坐垫传感器采集座椅压力信号；其中，所述压力坐垫传感器安装在座椅中央，用于采集驾驶员对座椅压力的分布信息；利用方向盘转角传感器采集转角信号；其中，所述方向盘转角传感器安装在转向管柱与方向盘的连接处，用于采集方向盘的转角信号。3.根据权利要求1所述的监测预警方法，其特征在于，所述对所述驾驶参数进行预处理，并分别对所述驾驶参数进行特征提取，确定特征全集，具体包括：对所述驾驶参数进行预处理，确定预处理后的驾驶参数；根据所述预处理后的驾驶参数构建心电信号函数x(t)、握力信号函数y(t)、座椅压力信号函数z(t)和方向盘转角信号函数h(t)；根据所述心电信号函数x(t)、所述握力信号函数y(t)、所述座椅压力信号函数z(t)和所述方向盘转角信号函数h(t)确定特征全集；所述特征全集包括心电信号时域特征心率、RR间期的标准差、相邻RR间期差值的均方根、握力信号时频域特征、所述座椅压力信号的正常偏移中心压力点的持续时间t、方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值以及方向盘转角上四分位值均值；其中，根据所述心电信号函数x(t)提取心电信号时域特征心率、RR间期的标准差以及相邻RR间期差值的均方根；根据所述握力信号函数y(t)提取所述握力信号的时域以及握力信号时频域特征；其中，在所述握力信号的时域提取握力信号的均值方差Var(x)、最大值max(x)、最小值min(x)，利用时频域小波变换方法提取第i层小波系数的平方和pi、小波系数中正系数所占的比例pri、小波系数中所有正系数的和与所有负系数的绝对值的和的比率的对数值lpnri；根据所述座椅压力信号函数z(t)提取所述座椅压力信号的正常偏移中心压力点的持续时间t；根据所述方向盘转角信号函数h(t)提取方向盘转角绝对均值、方向盘转角标准差、方向盘转角下四分位值均值和方向盘转角上四分位值均值。4.根据权利要求1所述的监测预警方法，其特征在于，所述以所述最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型之后，还包括：将径向基核函数作为所述特征全集内的特征从原始空间向高维线性空间映射的核函数；利用网格寻优法确定所述径向基核函数的惩罚系数以及核变量的最优变量组合；所述最优变量组合用于保证所述疲劳检测模型的识别准确率以及泛化能力。5.根据权利要求1所述的监测预警方法，其特征在于，所述根据所述疲劳检测模型确定所述驾驶员的当前驾驶状态之后，还包括：将所述当前驾驶状态通过GPRS通讯协议传输至车联网服务器，并将所述当前驾驶状态与所述当前驾驶车辆低于距离阈值的联网车辆进行实时共享；根据所述当前驾驶状态对突发情况进行监测；所述突发情况包括当前驾驶车辆与联网车辆的距离小于安全距离、交通事故或驾驶员突发急性病。6.一种基于车联网的驾驶员疲劳驾驶监测预警系统，其特征在于，包括：驾驶参数采集...
【专利技术属性】
技术研发人员：杜义浩，刘兆军，谢平，齐孟松，付子豪，郝慎才，张艺滢，任娜，程生翠，田伟，崔瑞雪，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13
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。