一种基于可穿戴设备的数据收集和学习方法技术

一种基于可穿戴设备的数据收集和学习方法，一是可以将个人数据进行模型转换发送至服务器作为大数据的一部分，可以供其他端口进行使用；二是由于每个人的行驶行为（如手持方向盘的方式，转动方向盘的方式）的差距，导致很多数据即使上传到服务器也无参考价值，但是这些数据可以作为个人下次行驶的数据参考数据；三是本申请中创造性的以F作为计算的依据，摒弃以时间点作为计算依据的方式，更能体现出上述的参考数据序列的准确性和对个人用户的指导意义；四是本发明专利技术创造性地提出了标准差和正态分布结合的方式，使得得到个人数据之后，学习与分析的结果完全能非常准确地反应出个人的一般行为，完全排除了特殊的情况，使得当个人在使用参考数据序列进行驾驶行为校正时，能够完全杜绝非正常情况的不提醒情形。

A Data Collection and Learning Method Based on Wearable Devices

【技术实现步骤摘要】
一种基于可穿戴设备的数据收集和学习方法
本专利技术涉及一种数据收集方法，具体而言，涉及一种可穿戴设备的驾驶数据收集方法。
技术介绍
驾驶疲劳预警系统，主要是通过摄像头的感知。本质上是在行驶过程中捕捉并分析驾驶员的生物行为信息，比如眼睛、脸部、心脏、脑电活动等等的技术。然而心跳活动和脑电监测由于受接触的限制，目前没有在车内批量应用。当前最多被采用的疲劳检测手段是驾驶员驾车行为分析，即通过记录和解析驾驶员转动方向盘、踩刹车等行为特征，判别驾驶员是否疲劳。但是这种方式受驾驶员驾驶习惯影响极大。另一大类别的检测方法是：通过图像分析手段对驾驶员脸部与眼睛特征进行疲劳评估。这一方法正渐渐被整车厂商接受并采用。但也仅限于疲劳驾驶，对于危险动作驾驶，酒后驾驶等并不能很好判断。而且这个一般是属于车辆的选装配置，不利于车辆之间移植和普及使用。并且，用户在每天的上下班的途中，经常由于没有及时关注交通信息，导致路过拥堵路段，很有可能导致上班迟到。
技术实现思路
有鉴于此，本专利技术提供一种基于可穿戴设备的数据收集和学习方法，通过可穿戴设备对用户的驾驶行为的各种数据、用户的身体数据进行收集并进行分析，形成个人数据，该个人数据为个性数据，通过可穿戴设备使其成为大数据中的一条参考数据，可以供更多其他的用户进行参考，并相对准确的判断用户的驾驶行为是否具有危险驾驶的倾向。本专利技术具体的技术方案如下。一种基于可穿戴设备的数据收集和学习方法，所述可穿戴设备可对驾驶参数进行收集，所述方法包括：步骤一，对用户一个周期内的第一天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A1=【a11，a21，……，ai1，……，an1】；（该序列反应用户手持方向盘的加速度），i1标识第1天第i时间点采集的数据。可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B1=【b11，b21，……，bi1，……，bn1】；（该序列反应用户手持方向盘的动作幅度）可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C1=【c11，c21，……，ci1，……，cn1】；（该序列反应用户在行车过程中的情绪稳定性）对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D1=【d11，d21，……，di1，……，dn1】、车辆速度数据序列E1=【e11，e21，……，ei1，……，en1】、车辆位置（坐标）数据序列F1=【f11，f21，……，fi1，……，fn1】；(这些序列反应车辆行驶的数据)上述收集的数据形成收集数据序列W1=【A1,B1,C1,D1,E1,F1】;步骤二，对用户一个周期内的第二天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A2=【a12，a22，……，ai2，……，an2】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B2=【b12，b22，……，bi2，……，bn2】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C2=【c12，c22，……，ci2，……，cn2】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D2=【d12，d22，……，di2，……，dn2】、车辆速度数据序列E2=【e12，e22，……，ei2，……，en2】、车辆位置（坐标）数据序列F2=【f12，f22，……，fi2，……，fn2】；上述收集的数据形成所述收集数据序列W2=【A2,B2,C2,D2,E2,F2】;步骤三，对第一天和第二天得到的收集数据序列中任意数据序列中F值相等或者相近的不同时间点联系起来，以F值相等或者相近作为计算基础，对除所述车辆位置数据序列之外的其余数据序列进行与该F值对应的时间点的所有数据进行标准差计算，得到收集数据序列W12=【A12,B12,C12,D12,E12,F12】；步骤四，对用户一个周期内的第三天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A3=【a13，a23，……，ai3，……，an3】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B3=【b13，b23，……，bi3，……，bn3】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C3=【c13，c23，……，ci3，……，cn3】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D3=【d13，d23，……，di3，……，dn3】、车辆速度数据序列E3=【e13，e23，……，ei3，……，en3】、车辆位置（坐标）数据序列F3=【f13，f23，……，fi3，……，fn3】；上述收集的数据形成所述收集数据序列W3=【A3,B3,C3,D3,E3,F3】;步骤五，对所述收集数据序列W12和所述收集数据序列W3同样按照所述步骤三的方式进行标准差计算，得到收集数据序列W13=【A13,B13,C13,D13,E13,F13】；步骤六，重复步骤四和步骤五，直至得到收集数据序列W1m=【A1m,B1m,C1m,D1m,E1m,F1m】，所述m为一个周期内的最后一天，即第m天；将所述收集数据序列W1m上传至服务器作为大数据的一份子；步骤七，对每个数据序列的每个时间点的所述一个周期内的数据进行正太分布运算，正态分布曲线95%以内的数据作为正太分布数据WZ=【AZ,BZ,CZ,DZ,EZ,FZ】，取所述步骤六得到的收集数据序列W1m和正太分布数据WZ的交集作为用户的参考数据序列W=【A,B,C,D,E,F】。优选地，更进一步，可以以正态分布曲线60%以内的数据作为正太分布数据WZ=【AZ,BZ,CZ,DZ,EZ,FZ】。进一步地，分析所述正太分布曲线位于所述95%之外数据的时间点，并映射到所述车辆位置数据序列，当用户行驶至该位置时，所述可穿戴设备对用户发出提醒。进一步地，所述时间段为每天上午7点到9点以及下午17点到19点。当然，根据个人上班时间的不同和开车的时间不同，可以进行调整。进一步地，所述一个周期至少为一个月。进一步地，所述所述i为所述时间段内第i时间点，n为所述时间段的最后时间段；在上班时间段和下班时间段，所述i到i+1的时长时固定的。如，早晨7点到9点可以每秒或者0.5秒作为一个时间点，晚上5点到7点也可以每秒或者0.5秒作为一个时间点。其中，1到n之间必然存在不连贯，因为上班最后一个时间段到下班最早的一个时间段之间是不连贯的。进一步地，所述可穿戴设备通过大数据云服务器获取所述位置道路的限速信息S，当所述参考数据序列W中车辆速度数据序列E中任意一点的速度超过所述S，则用所述S替换掉所述W中的车辆速度序列，形成新的参考数据序列W。进一步地，当所述可穿戴设备测量的数据中超出所述参考数据序列W中的数据，则所述可穿戴设备对用户发出提醒。进一步地，所述可穿戴设备包括蜂鸣器和/或马达，所述提醒为蜂鸣器工作和/或马达振动。通过上述的技术方案，一是可以将个人数据进行模型转换发送至服务器作为大数据的一部分，可以供其他端口进行使用；二是由于每个人的行驶行为（如手持方向盘的方式，转动方向盘的方式）的差距，导致很多数据即使上传到服务器也无参考价本文档来自技高网...

【技术保护点】
1.一种基于可穿戴设备的数据收集和学习方法，所述可穿戴设备可对驾驶参数进行收集，所述方法包括：步骤一，对用户一个周期内的第一天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A1=【a11，a21，……，ai1，……，an1】；其中，i1表示第1天第i时间点采集的数据；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B1=【b11，b21，……，bi1，……，bn1】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C1=【c11，c21，……，ci1，……，cn1】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D1=【d11，d21，……，di1，……，dn1】、车辆速度数据序列E1=【e11，e21，……，ei1，……，en1】、车辆位置数据序列F1=【f11，f21，……，fi1，……，fn1】；上述收集的数据形成收集数据序列W1=【A1,B1,C1,D1,E1,F1】;步骤二，对用户一个周期内的第二天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A2=【a12，a22，……，ai2，……，an2】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B2=【b12，b22，……，bi2，……，bn2】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C2=【c12，c22，……，ci2，……，cn2】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D2=【d12，d22，……，di2，……，dn2】、车辆速度数据序列E2=【e12，e22，……，ei2，……，en2】、车辆位置数据序列F2=【f12，f22，……，fi2，……，fn2】；上述收集的数据形成所述收集数据序列W2=【A2,B2,C2,D2,E2,F2】;步骤三，对第一天和第二天得到的收集数据序列中任意数据序列中F值相等或者相近的不同时间点联系起来，以F值相等或者相近作为计算基础，对除所述车辆位置数据序列之外的其余数据序列进行与该F值对应的时间点的所有数据进行标准差计算，得到收集数据序列W12=【A12,B12,C12,D12,E12,F12】；步骤四，对用户一个周期内的第三天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A3=【a13，a23，……，ai3，……，an3】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B3=【b13，b23，……，bi3，……，bn3】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C3=【c13，c23，……，ci3，……，cn3】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D3=【d13，d23，……，di3，……，dn3】、车辆速度数据序列E3=【e13，e23，……，ei3，……，en3】、车辆位置（坐标）数据序列F3=【f13，f23，……，fi3，……，fn3】；上述收集的数据形成所述收集数据序列W3=【A3,B3,C3,D3,E3,F3】;步骤五，对所述收集数据序列W12和所述收集数据序列W3同样按照所述步骤三的方式进行标准差计算，得到收集数据序列W13=【A13,B13,C13,D13,E13,F13】；步骤六，重复步骤四和步骤五，直至得到收集数据序列W1m=【A1m,B1m,C1m,D1m,E1m,F1m】，所述m为一个周期内的最后一天，即第m天；将所述收集数据序列W1m上传至服务器作为大数据的一份子；步骤七，对每个数据序列的每个时间点的所述一个周期内的数据进行正太分布运算，正态分布曲线95%以内的数据作为正太分布数据WZ=【AZ,BZ,CZ,DZ,EZ,FZ】， 取所述步骤六得到的收集数据序列W1m和正太分布数据WZ的交集作为用户的参考数据序列W=【A,B,C,D,E,F】。...

【技术特征摘要】
1.一种基于可穿戴设备的数据收集和学习方法，所述可穿戴设备可对驾驶参数进行收集，所述方法包括：步骤一，对用户一个周期内的第一天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A1=【a11，a21，……，ai1，……，an1】；其中，i1表示第1天第i时间点采集的数据；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B1=【b11，b21，……，bi1，……，bn1】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C1=【c11，c21，……，ci1，……，cn1】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D1=【d11，d21，……，di1，……，dn1】、车辆速度数据序列E1=【e11，e21，……，ei1，……，en1】、车辆位置数据序列F1=【f11，f21，……，fi1，……，fn1】；上述收集的数据形成收集数据序列W1=【A1,B1,C1,D1,E1,F1】;步骤二，对用户一个周期内的第二天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A2=【a12，a22，……，ai2，……，an2】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B2=【b12，b22，……，bi2，……，bn2】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C2=【c12，c22，……，ci2，……，cn2】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D2=【d12，d22，……，di2，……，dn2】、车辆速度数据序列E2=【e12，e22，……，ei2，……，en2】、车辆位置数据序列F2=【f12，f22，……，fi2，……，fn2】；上述收集的数据形成所述收集数据序列W2=【A2,B2,C2,D2,E2,F2】;步骤三，对第一天和第二天得到的收集数据序列中任意数据序列中F值相等或者相近的不同时间点联系起来，以F值相等或者相近作为计算基础，对除所述车辆位置数据序列之外的其余数据序列进行与该F值对应的时间点的所有数据进行标准差计算，得到收集数据序列W12=【A12,B12,C12,D12,E12,F12】；步骤四，对用户一个周期内的第三天的上下班时间段的数据进行收集：可穿戴设备对加速度进行采集，形成所述时间段内的加速度数据序列A3=【a13，a23，……，ai3，……，an3】；可穿戴设备对振幅进行采集，形成所述时间段内的振幅数据序列B3=【b13，b23，……，bi3，……，bn3】；可穿戴设备对心率数据进行采集，形成所述时间段内的心率数据序列C3=【c13，c23，……，ci3，……，cn3】；对可穿戴设备GPS数据进行采集，形成所述时间段内的车辆行驶加速度数据序列D3=【d13，d23，……，di3，……，dn3】、车辆速度数据序列E3=【e13，e23，……，ei3，……，en3】、车辆位置（坐标）数据序列F3=【f13，f23，……，fi3，……，fn3】；上述收集的数据形成所述收集数据序列W3=【A3,B3,C3,D3,E3,F3】;步骤五，对所述收集数据序列W12和所述收集数据序列...

【专利技术属性】
技术研发人员：梁锦彪，
申请(专利权)人：广东乐之康医疗技术有限公司，
类型：发明
国别省市：广东,44