不正常驾驶状态智能预判方法及物联网智能终端技术

本发明专利技术提供一种不正常驾驶状态智能预判方法及物联网智能终端。本发明专利技术根据驾驶员处于酒后、吸毒、病态、疲劳驾驶时，可能出现生理功能性和精神性障碍特征，导致蛇形行驶，并产生与正常驾驶不同的行驶角度数据、车辆与基准线的相对距离数据的特点，通过分析采集到的行驶数据判断是否为正常驾驶，并与车辆行驶数据集对比来进一步判断是否为不正常驾驶和所属不正常驾驶状态类别。本发明专利技术的技术方案具有降低执法成本、对比车载酒精传感器测试方式更易于推广、不侵犯个人隐私；对比面部表情识别方式节约了图像识别的成本、准确性高的优点。

Intelligent prediction method of abnormal driving state and intelligent terminal of Internet of things

The invention provides an abnormal driving state intelligent prediction method and an Internet of things intelligent terminal. According to the characteristics of physiological functional and mental disorders that may occur when the driver is drunk, drug addicted, sick and tired driving, leading to serpentine driving, and generating driving angle data different from normal driving, and relative distance data between vehicle and reference line, the invention judges whether it is normal driving by analyzing the collected driving data, and determines whether it is normal driving with vehicle driving data set Compare to further determine whether it is abnormal driving and belongs to the category of abnormal driving state. The technical scheme of the invention has the advantages of reducing the law enforcement cost, being more easy to promote compared with the vehicle borne alcohol sensor test mode, and not infringing personal privacy; compared with the facial expression recognition mode, the cost of image recognition is saved and the accuracy is high.

【技术实现步骤摘要】
不正常驾驶状态智能预判方法及物联网智能终端
本专利技术涉及车辆安全领域，尤其是一种不正常驾驶状态智能预判方法及物联网智能终端。
技术介绍
随着车辆越来越多，交警在各个路口逐一拦截车辆并逐一检查来查处驾驶员是否存在酒驾等违法违章驾驶行为需要投入的人力物力财力将会越来越多。在现有的驾驶状态监控方法中，一种是通过在车辆安装酒精传感器的方式判断是否酒驾，该种方法由于繁琐不容易被车主接受，且容易被堵住传感器采集端口作弊，当车上有含酒精物品时，容易产生误判；一种是利用图像识别的方法分析驾驶员的面部表情来判断驾车状态，此种方法在应用中会侵犯个人隐私，且需要处理大量的图像数据，图像处理的成本高、同时不正常驾驶状态与面部表情关联性较小，分析结果也不够准确。针对上述问题，目前尚未提出有效的技术方案。
技术实现思路
本专利技术提供一种不正常驾驶状态智能预判方法及物联网智能终端，以至少解决
技术介绍
中提到的现有技术下判断不正常驾驶状态侵犯个人隐私、不容易实施、图像识别的成本高和判断结果不够准确的技术问题。根据本专利技术的一个方面，提供一种不正常驾驶状态智能预判方法，包括以下步骤：采集一定时间段[t0,t1]内的行驶数据；根据所述行驶数据判断驾驶员属于不正常驾驶状态的可能性；重复判断多个时间段内驾驶员属于不正常驾驶状态的可能性，如果多次判断驾驶状态为不正常驾驶则增加驾驶员属于不正常驾驶状态的可能性程度；其中，所述行驶数据为从某一时刻t0开始，每隔一定时间段△t采集到的和时间t相关的行驶数据值组成的行驶数据序列，所述行驶数据值的记录方法为以t0时刻采集到的行驶数据值为基准值，后续的行驶数据值为基准值的正负增量。其中，所述行驶数据包括：行驶角度数据、车辆与基准线的相对距离数据，其中，所述行驶角度数据包括但不限于：车辆的行驶时车辆的角度数据、方向盘的转动角度数据、车辆与基准线的夹角数据；其中，所述车辆与基准线的相对距离数据为在同一时间段内，以固定的基准线为基准采集到的车辆与基准线的相对距离的数据；所述基准线包括但不限于车道标线。需要说明的是，所述不正常驾驶状态包括：酒后驾驶、吸毒驾驶、病态驾驶、疲劳驾驶，其中，所述病态驾驶为驾驶过程中出现突发性病情的驾驶员的驾驶状态；当驾驶员处于不正常驾驶状态时，驾驶员的生理、精神状态会与正常状态下不一致，容易导致方向盘控制不好、油门和刹车控制不好，从而使车辆行驶过程中的行驶角度数据、车辆与基准线的相对距离数据与正常驾驶状态下的行驶角度数据、车辆与基准线的相对距离数据对比会呈现出差异；其中，当处于酒后驾驶状态时，驾驶员容易出现视野变小、视线模糊不稳定；当处于吸毒驾驶时，驾驶员容易出现摇头、精神亢奋；当处于病态驾驶时，由于一般为突发性病情，驾驶员车辆控制能力会发生突变；当处于疲劳驾驶时，驾驶员容易出现眼睛调节能力变低甚至睡觉；因此不同的不正常驾驶状态的类别，驾驶员也会有不同的生理功能性和精神性障碍特征，从而产生不同的行驶数据。例如，酒后驾驶的驾驶员，会出现“蛇形行驶”，即行车轨迹会呈现忽左忽右的漂移，从而导致车辆的轨迹也会呈现蛇形，进一步的，和车辆行驶轨迹线性相关的所述行驶数据拟合出的行驶数据曲线也会呈现蛇形，所述行驶数据包括：行驶角度数据、车辆与基准线的相对距离数据。优选的，根据所述行驶数据判断驾驶员属于不正常驾驶状态的可能性的方法，包括：将所述行驶数据拟合成一条时间和行驶数据值相关的行驶数据曲线，并判断所述行驶数据曲线是否为蛇形曲线，如果是，则增加属于不正常驾驶可能性程度；利用所述行驶数据与行驶数据集比较来判断属于不正常驾驶状态的可能性，其中所述行驶数据集包括：正常驾驶的行驶角度数据集、车辆与基准线的相对距离数据集，不正常驾驶的行驶角度数据集、车辆与基准线的相对距离数据集，其中，不正常驾驶的行驶数据集的分类包括但不限于：酒后驾驶、吸毒驾驶、病态驾驶、疲劳驾驶，采用与行驶数据集比较的方法可以进一步判断不正常驾驶状态的类型。优选的，所述通过判断所述行驶数据曲线是否为蛇形曲线来判断不正常驾驶可能性的方法，包括以下步骤：判断所述行驶数据曲线所有极值点和极值，将极值组成极值序列；按顺序逐一比较所述极值序列相邻的两个极值，若满足相减后绝对值在蛇形曲线波动范围内，则标记为T，若不在所述蛇形曲线波动范围内，则标记为F，得到包括T和F的第一判断序列；根据所述第一判断序列，若任意相邻的两个T之间出现少于第二判断序列抖动阈值个F，则将该两个T之间的F去除，得到包括T和F的第二判断序列；根据所述第二判断序列，若出现连续个T，判断该连续个T的个数是否大于可疑不正常行驶数阈值，若是则增加不正常驾驶可疑次数；持续按照上述步骤计算所述不正常驾驶可疑次数，所述不正常驾驶可疑次数越多，则不正常驾驶的可能性程度越大；其中，所述蛇形曲线波动范围，用于设定当所述极值序列中相邻的两个极值相减后的绝对值处于一定范围时，则判断为是一次蛇形曲线波动；所述T，用于标记所述行驶数据曲线中存在蛇形曲线波动的相邻两个极值的位置，所述F用于标记所述行驶数据曲线中不存在蛇形曲线波动的相邻两个极值的位置；所述第二判断序列抖动阈值，用于设定当两个相邻的T之间出现最多的F个数，容许连续次蛇形曲线波动中出现抖动；所述可疑不正常行驶次数阈值，用于设定当至少多少个连续的T时，则判断存在蛇形曲线片段；所述不正常驾驶可疑次数，用于记录所述蛇形曲线片段个数，根据蛇形曲线片段个数判断不正常驾驶的可能性程度。需要说明的是，上述方法中，得到的极值序列为极大值、极小值相间的极值序列，即相邻的两个极值分别为极大值和极小值，通过取极大值与极小值相减后的绝对值可以得到曲线的波动程度，而蛇形曲线为连续上下或者左右波动的S型曲线，通过判断曲线是否存在连续次较大波动可以判断所述行驶数据曲线是否为蛇形曲线。优选的，根据本专利技术的第二个方面，提供一种物联网智能终端，包括：存储介质，用于存储程序和行驶数据；主控芯片，用于信号处理和运行、存储程序；陀螺仪模块，用于实时获取车辆的行驶角度数据；通信定位模块，用于为所述物联网智能终端实现联网和定位功能；摄像头模块，用于拍取车辆在行驶过程中的图像，从而进一步通过图像识别的方法获得所述车辆与基准线的相对距离数据、所述车辆与基准线的角度数据；车辆控制数据获取模块，用于获取所述方向盘的转动角度数据；发音单元，用于语音播报。优选的，如果判断为不正常驾驶状态，则进一步判断属于酒后驾驶、吸毒驾驶、病态驾驶、疲劳驾驶中的类别，同时采用语音播报等方式提醒驾驶员专心驾驶、提醒周边的行驶车辆注意该驾驶不正常车辆在附近；并将该路段可能处于不正常驾驶状态的车辆的地理位置信息、唯一标识号信息、数量信息、驾驶员信息推送给交警协助查处酒后驾驶、吸毒驾驶等违法违章行为；如果判断驾驶员为病态驾驶，则可联系110或者120帮助病态驾驶员进行报警和请求急救中心救援；同时将该多个时间段内的不正常驾驶状态的行驶数据按照所属类别保存到所述不正常驾驶状态的行驶数据集，用于为分析不正常驾驶状态的可能性提供更多数据集。优选的，由于所述行驶数据包括：行驶角度数据、车辆与基准线的相对距离数据，分析行驶角度数据、车辆与基准线的相对距离数据中的一种数据或者多种数据都可以进行不正常驾驶状态的预判分析。本专利技术中，根据驾驶员处于本文档来自技高网...

【技术保护点】
1.一种不正常驾驶状态智能预判方法，其特征在于，包括以下步骤：采集一定时间段[t0,t1]内的行驶数据；根据所述行驶数据判断驾驶员属于不正常驾驶状态的可能性；重复判断多个时间段内驾驶员属于不正常驾驶状态的可能性，如果多次判断驾驶状态为不正常驾驶则增加驾驶员属于不正常驾驶状态的可能性程度；其中，所述行驶数据为从某一时刻t0开始，每隔一定时间段△t采集到的和时间t相关的行驶数据值组成的行驶数据序列，所述行驶数据值的记录方法为以t0时刻采集到的行驶数据值为基准值，后续的行驶数据值为基准值的正负增量。

【技术特征摘要】
1.一种不正常驾驶状态智能预判方法，其特征在于，包括以下步骤：采集一定时间段[t0,t1]内的行驶数据；根据所述行驶数据判断驾驶员属于不正常驾驶状态的可能性；重复判断多个时间段内驾驶员属于不正常驾驶状态的可能性，如果多次判断驾驶状态为不正常驾驶则增加驾驶员属于不正常驾驶状态的可能性程度；其中，所述行驶数据为从某一时刻t0开始，每隔一定时间段△t采集到的和时间t相关的行驶数据值组成的行驶数据序列，所述行驶数据值的记录方法为以t0时刻采集到的行驶数据值为基准值，后续的行驶数据值为基准值的正负增量。2.如权利要求1所述的一种不正常驾驶状态智能预判方法，其特征在于，所述行驶数据包括：行驶角度数据、车辆与基准线的相对距离数据，其中，所述行驶角度数据包括但不限于：车辆的行驶时车辆的角度数据、方向盘的转动角度数据、车辆与基准线的夹角数据；其中，所述车辆与基准线的相对距离数据为在同一时间段内，以固定的基准线为基准采集到的车辆与基准线的相对距离的数据；所述基准线包括但不限于车道标线。3.如权利要求1所述的一种不正常驾驶状态智能预判方法，其特征在于，所述不正常驾驶状态包括：酒后驾驶、吸毒驾驶、病态驾驶、疲劳驾驶，其中，所述病态驾驶为驾驶过程中出现突发性病情的驾驶员的驾驶状态；当驾驶员处于不正常驾驶状态时，驾驶员的生理、精神状态会与正常状态下不一致，容易导致方向盘控制不好、油门和刹车控制不好，从而使车辆行驶过程中的行驶角度数据、车辆与基准线的相对距离数据与正常驾驶状态下的行驶角度数据、车辆与基准线的相对距离数据对比会呈现出差异；其中，当处于酒后驾驶状态时，驾驶员容易出现视野变小、视线模糊不稳定；当处于吸毒驾驶时，驾驶员容易出现摇头、精神亢奋；当处于病态驾驶时，由于一般为突发性病情，驾驶员车辆控制能力会发生突变；当处于疲劳驾驶时，驾驶员容易出现眼睛调节能力变低甚至睡觉；因此不同的不正常驾驶状态的类别，驾驶员也会有不同的生理功能性和精神性障碍特征，从而产生不同的行驶数据。4.如权利要求1所述的一种不正常驾驶状态智能预判方法，其特征在于，根据所述行驶数据判断驾驶员属于不正常驾驶状态的可能性的方法，包括：将所述行驶数据拟合成一条时间和行驶数据值相关的行驶数据曲线，并判断所述行驶数据曲线是否为蛇形曲线，如果是，则增加属于不正常驾驶可能性程度；利用所述行驶数据与行驶数据集比较来判断属于不正常驾驶状态的可能性，其中所述行驶数据集包括：正常驾驶的行驶角度数据集、车辆与基准线的相对距离数据集，不正常驾驶的行驶角度数据集、车辆与基准线的相对距离数据集，其中，不正常驾驶的行驶数据集的分类包括但不限于：酒后驾驶、吸毒驾驶、病态驾驶、疲劳驾驶，采用与行驶数据集比较的方法可以进一步判断不正常驾驶状态的类型。5.如权利要求1所述的...

【专利技术属性】
技术研发人员：吴华龙，陆明亮，郭丽丽，
申请(专利权)人：上运车物联网科技深圳有限公司，
类型：发明
国别省市：广东,44