一种驾驶员微入睡事件短临预测的方法及系统技术方案

本发明专利技术公开了一种驾驶员微入睡事件短临预测的方法和系统，涉及智能交通安全技术领域，包括以下步骤：以固定时窗的时间维度依次循环获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，及驾驶员在驾驶过程中对驾驶员的实时监控数据，将其进行匹配，获得车辆的实时运行状态特征数据，及驾驶员的实时微入睡状态特征数据；将固定时窗内的车辆的运行状态特征数据和驾驶员的微入睡状态特征数据，输入到所建立的微入睡事件短临预测模型，预测驾驶员在固定时窗的终止节点的15秒后是否会发生微入睡事件及微入睡事件的类别；根据预测到的微入睡事件的类别对驾驶员进行警示。本发明专利技术对危化品驾驶员微入睡事件进行高精度预警，有助于减少危化品车辆事故。减少危化品车辆事故。减少危化品车辆事故。

【技术实现步骤摘要】
一种驾驶员微入睡事件短临预测的方法及系统


[0001]本专利技术涉及智能交通安全
，具体为一种驾驶员微入睡事件短临预测的方法及系统。

技术介绍

[0002]随着机动车保有量的增加和民众对道路安全的关注提高，交通安全保障愈发重要。英国交通研究实验室研究发现，驾驶疲劳事故占交通事故的10％，而Loughbo rough大学在对包含载重汽车的驾驶员研究中发现，有29％的驾驶员在开车时打瞌睡，10％的驾驶员由于困倦而导致交通事故。
[0003]研究结果表明，驾驶员往往因为睡眠剥夺、精神疲劳、嗜眠等原因而发生微入睡事件，因此面临非常高的遭受事故的风险。很多事故是由于微入睡事件而发生的，故而驾驶员在驾驶过程中保持清醒是十分重要的，但包含危化品运输车辆在内的大型货车、客车驾驶员由于：工作需要长期处于持续高强度的驾驶状态；天气环境导致部分季节(如春季)容易进入犯困的催眠状态，因此更易在驾驶过程中出现微入睡的情况，而危化品车辆发生事故后果严重、损失较大，因此有必要根据危化品车辆的运行状态和驾驶员的微入睡特征进行分析，对其微入睡事件的发生做出准确及时的短临预测并及时预警，以减少事故发生的可能性。
[0004]对于目前危化品车辆驾驶员存在的诸如微入睡等疲劳驾驶行为，现有的解决方法多以监控识别疲劳事件的发生结合事后公司批评教育为主。例如通过人脸识别技术识别危化品驾驶员面部特征，利用眼睑闭合度等指标识别疲劳事件，并以蜂鸣器报警；通过视频监控，指挥中心抽查回放，加大对驾驶员的惩戒力度来降低疲劳驾驶行为的发生。但是现有的这些方式，一是只是做到识别疲劳驾驶行为的发生，二是需要一定的人力实时或者事后对监控进行检查，都仅是通过识别疲劳和事后处罚来约束驾驶员，不具有足够的预测警示能力来降低疲劳事件的发生。

技术实现思路

[0005]为了克服上述现有技术所存在的不足，本专利技术提出了一种驾驶员微入睡事件短临预测的方法及系统，通过充分利用ADAS系统收集到的数据，利用车辆轨迹数据和驾驶员实时监控数据实现对危化品车辆驾驶员微入睡事件短临预测，从而为主动识别微入睡事件减少危化品车辆事故发生可能性提供有力的技术支持。
[0006]本专利技术提供了一种驾驶员微入睡事件短临预测的方法，包括以下步骤：
[0007]以固定时窗的时间维度依次循环获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，以及驾驶员在驾驶过程中对驾驶员的实时监控数据；
[0008]将车辆的实时运行轨迹数据及对驾驶员的实时监控数据进行匹配，获得车辆的实时运行状态特征数据，以及驾驶员的实时微入睡状态特征数据；
[0009]建立卷积神经网络学习模型，并将驾驶员的i种微入睡标签以及特征数据集作为
输入数据对卷积神经网络学习模型进行训练，得到微入睡事件短临预测模型；
[0010]将固定时窗内的车辆的运行状态特征数据和驾驶员的微入睡状态特征数据，输入到微入睡事件短临预测模型，预测驾驶员在固定时窗的终止节点的15秒后是否会发生微入睡事件以及微入睡事件的类别；
[0011]当预测到驾驶员会发生微入睡事件时，则根据预测到的微入睡事件的类别对驾驶员进行警示。
[0012]进一步地，所述获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，以及驾驶员在驾驶过程中对驾驶员的实时监控数据，包括以下步骤：
[0013]利用所述驾驶员所驾驶的车辆上设有的ADAS系统中的高精GPS系统，获取车辆在运行过程中的实时运行轨迹数据；
[0014]利用所述驾驶员所驾驶的车辆上设有的ADAS系统中的车内摄像头，获取驾驶员在驾驶过程中对驾驶员的实时监控数据。
[0015]进一步地，所述车辆的运行轨迹数据，包括：车辆的速度、车辆的经纬度坐标、车辆运行时所处的北京时间；
[0016]所述驾驶员的监控数据，包括：
[0017]驾驶员的面部特征、驾驶员的上半身行为视频。
[0018]根据所述驾驶员的监控数据，得到驾驶员眼部、嘴部和整个头部的特征变化情况。
[0019]进一步地，所获得的所述车辆的实时运行状态特征数据，包括：车辆的速度波动；
[0020]所获得的所述驾驶员的实时微入睡状态特征数据，包括：
[0021]所述驾驶员的驾驶时长、眨眼频次、闭眼时长、眼睑开合度、打哈欠的频次和时长、点头次数。
[0022]进一步地，所述固定时窗的时长为60秒。
[0023]进一步地，获取所述驾驶员的i种微入睡标签以及特征数据集的方法，包括：
[0024]收集驾驶员在以往驾驶过程中的不同次的历史微入睡事件的监控数据，得到驾驶员微入睡视频数据集；每个所述历史微入睡事件的监控数据的时长均为15秒；
[0025]对微入睡视频数据集进行聚类分析，并根据聚类结果得到驾驶员的i种微入睡标签；
[0026]收集历史微入睡事件在发生的前60秒内车辆的历史运行轨迹数据和对驾驶员的历史监控数据，并分别进行聚类分析，得到车辆的历史运行状态特征数据和驾驶员的历史微入睡状态特征数据，将其作为特征数据集。
[0027]进一步地，根据所述微入睡事件短临预测模型所预测得到的微入睡标签，确定驾驶员的微入睡类别。
[0028]本专利技术还提供一种驾驶员微入睡事件短临预测的系统，包括：
[0029]数据采集模块，用于以固定时窗的时间维度依次循环获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，以及驾驶员在驾驶过程中对驾驶员的实时监控数据；
[0030]特征数据获取模块，用于将车辆的实时运行轨迹数据及对驾驶员的实时监控数据进行匹配，获得车辆的实时运行状态特征数据，以及驾驶员的实时微入睡状态特征数据；
[0031]模型构建模块，用于建立卷积神经网络学习模型，并将驾驶员的i种微入睡标签以及特征数据集作为输入数据对卷积神经网络学习模型进行训练，得到微入睡事件短临预测
模型；
[0032]风险预测模块，用于将固定时窗内的车辆的运行状态特征数据和驾驶员的微入睡状态特征数据，输入到微入睡事件短临预测模型，预测驾驶员在固定时窗的终止节点的15秒后是否会发生微入睡事件以及微入睡事件的类别；
[0033]风险警示模块，用于当预测到驾驶员会发生微入睡事件时，则根据预测到的微入睡事件的类别对驾驶员进行警示。
[0034]与现有技术相比，本专利技术的有益效果：
[0035]本专利技术为危化品车辆行驶过程中驾驶员发生微入睡事件的交通安全问题提供了一套完整的从预测到报警的事先防控方案。该方案能够实时、准确、高效地预测危化品车辆驾驶员是否发生微入睡事件及对应的类别，并在此基础上根据微入睡事件的类别提供相对应的预警，起到警示驾驶员保持清醒目的。进一步可以减少危化品车辆在驾驶员因长期驾驶、天气环境等因素易微入睡情况下发生交通事故的可能性，提升道路的运营安全水平。本专利技术采用ADAS系统中的高精GPS系统，以及ADAS系统中的车内摄像头获取所需数据，不会影响到驾驶员的正常驾驶，不需要在路段设施上加装设备，且只需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员微入睡事件短临预测的方法，其特征在于，包括以下步骤：以固定时窗的时间维度依次循环获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，以及驾驶员在驾驶过程中对驾驶员的实时监控数据；将车辆的实时运行轨迹数据及对驾驶员的实时监控数据进行匹配，获得车辆的实时运行状态特征数据，以及驾驶员的实时微入睡状态特征数据；建立卷积神经网络学习模型，并将驾驶员的i种微入睡标签以及特征数据集作为输入数据对卷积神经网络学习模型进行训练，得到微入睡事件短临预测模型；将固定时窗内的车辆的运行状态特征数据和驾驶员的微入睡状态特征数据，输入到微入睡事件短临预测模型，预测驾驶员在固定时窗的终止节点的15秒后是否会发生微入睡事件以及微入睡事件的类别；当预测到驾驶员会发生微入睡事件时，则根据预测到的微入睡事件的类别对驾驶员进行警示。2.根据权利要求1所述的一种驾驶员微入睡事件短临预测的方法，其特征在于：所述获取待预测的驾驶员所驾驶的车辆的实时运行轨迹数据，以及驾驶员在驾驶过程中对驾驶员的实时监控数据，包括以下步骤：利用所述驾驶员所驾驶的车辆上设有的ADAS系统中的高精GPS系统，获取车辆在运行过程中的实时运行轨迹数据；利用所述驾驶员所驾驶的车辆上设有的ADAS系统中的车内摄像头，获取驾驶员在驾驶过程中对驾驶员的实时监控数据。3.根据权利要求2所述的一种驾驶员微入睡事件短临预测的方法，其特征在于：所述车辆的运行轨迹数据，包括：车辆的速度、车辆的经纬度坐标、车辆运行时所处的北京时间；所述驾驶员的监控数据，包括：驾驶员的面部特征、驾驶员的上半身行为视频。根据所述驾驶员的监控数据，得到驾驶员眼部、嘴部和整个头部的特征变化情况。4.根据权利要求3所述的一种驾驶员微入睡事件短临预测的方法，其特征在于：所获得的所述车辆的实时运行状态特征数据，包括：车辆的速度波动；所获得的所述驾驶员的实时微入睡状态特征数据，包括：所述驾驶员的驾驶时长、眨眼频次、闭眼时长、眼睑开合度、打哈...

【专利技术属性】
技术研发人员：王俊骅，傅挺，邵依然，张思扬，
申请(专利权)人：同济大学，
类型：发明
国别省市：