本发明专利技术提供一种驾驶员状态监测与预警方法、系统和装置，所述方法包括：采集驾驶员在驾驶前和驾驶中的疲劳状态相关数据、环境数据和车辆运行状态数据，并将驾驶前的疲劳状态相关数据作为基准数据；将驾驶前和驾驶中的疲劳状态相关数据进行差异分析后再进行归一化得到驾驶员的疲劳状态综合指标；基于以基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型；将实时采集的驾驶中的疲劳状态相关数据输入至疲劳状态识别模型识别驾驶员的疲劳状态；若驾驶员为疲劳状态，通过熵权法确定环境数据和车辆运行状态数据对驾驶员的驾驶疲劳的影响程度，进行相应地预警干预。进行相应地预警干预。进行相应地预警干预。
【技术实现步骤摘要】
驾驶员状态监测与预警方法、系统和装置
[0001]本专利技术涉及疲劳驾驶
，尤其涉及一种驾驶员状态监测与预警方法、系统和装置。
技术介绍
[0002]疲劳驾驶是导致严重交通事故的重要原因之一，因此在驾驶过程中对于驾驶员的疲劳状态进行监测识别与预警干预就显得尤为重要。当前对于驾驶员疲劳状态的监测识别主要通过以下三种方式进行，首先是通过基于人体生理指标的监测进行，常见的有脑电、眼电、肌电、心电、皮电等，这也是判断驾驶员疲劳状态的最有效的方法；其次是通过驾驶员在驾驶过程中的行为指标来进行，比如方向盘转角、车道偏离程度及驾驶员的驾驶姿态等，此外就是驾驶员的身体特征来判断驾驶员的疲劳状态，如眼睑闭合度、瞳孔直径、眨眼次数、点头频率、打哈欠等等。在疲劳状态的计算方法中主要是围绕多指标融合的方法来提高疲劳状态的识别程度。但是当前这些方法仍然存在一些问题，由于在不同的环境下，导致驾驶员疲劳状态的程度和原因不同，在一些特征指标上的标准并不完全适用，因此对于疲劳状态的监测识别与预警干预的准确度就造成了影响。
[0003]因此，亟需一种能够根据驾驶员疲劳状态的不同程度和原因进行相应地预警干预的方案。
技术实现思路
[0004]鉴于此，本专利技术实施例提供了一种驾驶员状态监测与预警方法、系统和装置，能够提高驾驶员在驾驶过程中，对驾驶员疲劳状态的监测识别与相应的预警干预的准确度和有效性。
[0005]本专利技术的一个方面提供了一种驾驶员状态监测与预警方法，该方法包括以下步骤：
[0006]采集驾驶员在驾驶前的疲劳状态相关数据、驾驶员在驾驶过程中的疲劳状态相关数据、驾驶环境数据以及车辆运行状态数据，并将所述驾驶员在驾驶前的疲劳状态相关数据作为基准数据；所述疲劳状态相关数据包括：与驾驶疲劳状态相关的生理数据和眼动数据；
[0007]将采集到的驾驶员在驾驶过程中的疲劳状态相关数据与所述基准数据进行差异性分析，将得到的差异性数据进行归一化得到驾驶员的疲劳状态综合指标；
[0008]基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型；
[0009]将实时采集的驾驶员在驾驶过程中的疲劳状态相关数据输入至训练好的疲劳状态识别模型识别驾驶员在当前驾驶过程中的疲劳状态；
[0010]若驾驶员在当前驾驶过程中为疲劳状态，通过熵权法确定采集到的驾驶环境数据
中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度，并基于影响程度大小选择驾驶环境数据和/或车辆运行状态数据中的指标进行相应地预警干预。
[0011]在本专利技术的一些实施例中，所述与驾驶疲劳状态相关的生理数据包括以下一种或多种指标：心电、皮电和脑电；
[0012]所述与驾驶疲劳状态相关的眼动数据包括以下一种或多种指标：瞳孔直径、眨眼频率和眼睑闭合度。
[0013]在本专利技术的一些实施例中，所述将采集到的驾驶员在驾驶过程中的状态数据与所述基准数据进行差异性分析，将得到的差异性数据进行归一化得到所述驾驶员的疲劳状态综合指标，包括：
[0014]将所述采集到的所述驾驶员在驾驶过程中的状态数据与所述基准数据的均值与标准差进行差异性分析，得到差异性数据；
[0015]利用归一化方法将所述得到的差异性数据中的差异性进行归一化，得到所述驾驶员的疲劳状态综合指标。
[0016]在本专利技术的一些实施例中，所述基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型，包括：
[0017]基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数构建特征向量集；
[0018]将所述构建好的特征向量集通过邻近算法训练疲劳状态识别模型。
[0019]在本专利技术的一些实施例中，所述通过熵权法确定采集到的驾驶环境数据中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度，包括：
[0020]将所述驾驶环境数据中的各指标和车辆运行状态数据中的各指标进行数据标准化，得到标准化数据；
[0021]基于所述标准化数据赋予比重得到所述标准化数据的比重；
[0022]基于所述标准化数据的比重计算得到所述标准化数据的信息熵；
[0023]将所述得到的标准化数据的信息熵赋予权重，得到采集到的驾驶环境数据中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度。
[0024]在本专利技术的一些实施例中，所述基于选择的指标进行相应地预警干预包括对驾驶员进行感官预警干预；
[0025]所述感官预警干预包括以下一种或多种：听觉预警、视觉预警、嗅觉预警和触觉预警。
[0026]在本专利技术的一些实施例中，所述基于选择的指标进行相应地预警干预还包括对车辆的运行状态进行预警干预，包括：
[0027]在基于选择的指标对驾驶员进行感官预警干预的情况下，驾驶员做出继续驾驶的反应后继续对驾驶员的疲劳状态进行监测；
[0028]若感官预警次数达到预设次数仍为疲劳状态，在对驾驶员进行感官预警干预的同时根据所述选择的指标进行车辆运行状态干预。
[0029]本专利技术的另一方面提供了一种驾驶员状态监测与预警系统，所述系统包括：驾驶疲劳状态数据采集系统、驾驶疲劳状态评价系统和驾驶疲劳状态预警系统；
[0030]所述驾驶疲劳状态数据采集系统包括环境状态模块、驾驶员基准状态模块、驾驶员驾驶状态模块和车辆运行状态模块；所述环境状态模块用于采集驾驶环境数据；所述驾驶员基准状态模块用于采集驾驶员在驾驶前的疲劳状态相关数据；所述驶员驾驶状态模块用于采集驾驶员在驾驶过程中的疲劳状态相关数据；所述车辆运行状态模块用于采集车辆运行状态数据；
[0031]所述驾驶疲劳状态评价系统包括驾驶疲劳状态评价模块，用于将采集到的驾驶员在驾驶过程中的疲劳状态相关数据和驾驶员在驾驶前的疲劳状态相关数据进行差异性分析，将得到的差异性数据进行归一化得到驾驶员的疲劳状态综合指标；基于以驾驶员在驾驶前的疲劳状态相关数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型，并将实时采集的驾驶员在驾驶过程中的疲劳状态相关数据输入至训练好的疲劳状态识别模型识别驾驶员在当前驾驶过程中的疲劳状态，输出驾驶员的疲劳状态；
[0032]所述驾驶疲劳状态预警系统包括预警干预模块，用于根据接收的驾驶员的疲劳状态通过熵权法确定采集到的驾驶环境数据中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度，并基于影响程度大小选择驾驶环境数据和/或车辆运行状态数据中的指标进行相应地预警干预。
[0033]本专利技术的另一方面提供了一种驾驶员状态监测与预警装置，该装置包括处理器和存储器，所述存储器中存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种驾驶员状态监测与预警方法，其特征在于，所述方法包括以下步骤：采集驾驶员在驾驶前的疲劳状态相关数据、驾驶员在驾驶过程中的疲劳状态相关数据、驾驶环境数据以及车辆运行状态数据，并将所述驾驶员在驾驶前的疲劳状态相关数据作为基准数据；所述疲劳状态相关数据包括：与驾驶疲劳状态相关的生理数据和眼动数据；将采集到的驾驶员在驾驶过程中的疲劳状态相关数据与所述基准数据进行差异性分析，将得到的差异性数据进行归一化得到驾驶员的疲劳状态综合指标；基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型；将实时采集的驾驶员在驾驶过程中的疲劳状态相关数据输入至训练好的疲劳状态识别模型识别驾驶员在当前驾驶过程中的疲劳状态；若驾驶员在当前驾驶过程中为疲劳状态，通过熵权法确定采集到的驾驶环境数据中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度，并基于影响程度大小选择驾驶环境数据和/或车辆运行状态数据中的指标进行相应地预警干预。2.根据权利要求1所述的方法，其特征在于，所述与驾驶疲劳状态相关的生理数据包括以下一种或多种指标：心电、皮电和脑电；所述与驾驶疲劳状态相关的眼动数据包括以下一种或多种指标：瞳孔直径、眨眼频率和眼睑闭合度。3.根据权利要求1所述的方法，其特征在于，所述将采集到的驾驶员在驾驶过程中的状态数据与所述基准数据进行差异性分析，将得到的差异性数据进行归一化得到所述驾驶员的疲劳状态综合指标，包括：将所述采集到的所述驾驶员在驾驶过程中的状态数据与所述基准数据的均值与标准差进行差异性分析，得到差异性数据；利用归一化方法将所述得到的差异性数据中的差异性进行归一化，得到所述驾驶员的疲劳状态综合指标。4.根据权利要求1所述的方法，其特征在于，所述基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数通过机器学习算法训练疲劳状态识别模型，包括：基于以所述基准数据为非疲劳状态特征参数与以符合预设疲劳状态阈值范围的驾驶员的疲劳状态综合指标为疲劳状态特征参数构建特征向量集；将所述构建好的特征向量集通过邻近算法训练疲劳状态识别模型。5.根据权利要求1所述的方法，其特征在于，所述通过熵权法确定采集到的驾驶环境数据中的各指标和车辆运行状态数据中的各指标对驾驶员的驾驶疲劳的影响程度，包括：将所述驾驶环境数据中的各指标和车辆运行状态数据中的各指标进行数据标准化，得到标准化数据；基于所述标准化数据赋予比重得到所述标准化数据的比重；基于所述标准化数据的比重计算得到所述标准化数据的信息熵；将所述得到...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：北京津发科技股份有限公司，
类型：发明
国别省市：
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。