System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能驾驶,更具体地说,本专利技术涉及一种智能驾驶救援辅助系统及方法。
技术介绍
1、现今社会,人们出行日益频繁,随着科学技术的快速发展,智能驾驶车辆为人们出行提供了诸多便利,当驾驶员正在智能驾驶车辆时,身体出现突发心机、胸口疼痛,需要驾驶员主动拨打110、120等公共应急平台进行救援,然而当驾驶员疼痛难忍或者发生晕厥时无法得到救援,更容易发生猝死。
2、如申请公开号为cn109774684a的申请文件,公开了一种机动车驾驶员猝死紧急制动系统及方法,属于汽车安全
包括车载智能终端,给车载智能终端供电的车载蓄电池,实时监测驾驶员心率的蓝牙手环,车辆ecu和车辆制动系统;采用蓝牙手环实时监控驾驶员心率,当监控到驾驶人心率异常后立即上传至车载智能终端,通过车辆ecu进行紧急制动,实时性强,最大限度的保障了乘客及外部车辆行人的安全;同时通过云监控平台使监控人员能够及时了解现场状态及车辆具体位置,可以快速的进行后续事宜的推进,包括报警电话的拨打,通知120人员及时到达现场急救,对处于偏僻地带的驾驶员猝死后受伤的乘客及时就医起到重要作用。
3、现有技术中,采用蓝牙手环实时监控驾驶员心率,当监控到驾驶人心率异常后立即上传至车载智能终端,然而,仅监测心率单一数据不够全面,不能根据驾驶员的面部情况以及多项身体体征,综合预测驾驶员的身体状况;此外,驾驶员在驾驶过程中,刚出现身体不适时,往往会采取忍受疼痛继续行驶,存在侥幸心理,更容易发生猝死情况,失去对智能驾驶车辆的控制,造成交通事故的发生。
技术实现思路
1、为了克服现有技术的上述缺陷,本专利技术的实施例提供一种智能驾驶救援辅助系统及方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供如下技术方案:一种智能驾驶救援辅助方法,包括:
3、同时采集驾驶员在历史驾驶过程中的内体征数据和外体征数据,将采集的内体征数据和外体征数据建立生命时间序列集合;
4、采用滑动窗口的方式将生命时间序列集合转化为数据集,以预测未来t时刻内体征评估系数的第一机器学习模型及预测未来t时刻外体征评估系数的第二机器学习模型;
5、基于生命时间序列集合,获得内体征评估系数与外体征评估系数进行综合评估,获得综合评估系数;
6、预设综合评估系数阈值,将综合评估系数与预设综合评估系数阈值进行对比分析,判断是否生成预警指令。
7、进一步地,生命时间序列集合包括i组内体征数据和i组外体征数据,i组内体征数据和i组外体征数据采集的时间间隔相等;
8、内体征数据包括体征特征数据与体征特征数据对应的内体征评估系数;体征特征数据包括血压、心率和血氧饱和度;
9、血压是指通过与行车电脑信号连接的驾驶员所佩戴的智能手环进行获取的血压;
10、心率是指通过与行车电脑信号连接的驾驶员所佩戴的智能手环进行获取的心率;
11、血氧饱和度通过与行车电脑信号连接的驾驶员所佩戴的智能手环进行获取的血氧饱和度。
12、进一步地,内体征评估系数的生成方法包括:
13、将血压、心率与血氧饱和度分别标记为nyi、nli与nxi;
14、将血压nyi、心率nli与血氧饱和度nxi进行无量纲化处理,生成内体征评估系数npi,内体征评估系数npi符合如下公式:
15、
16、式中,表示第i组的血压标准值,表示第i组的心率标准值,表示第i组的血氧饱和度标准值,α1表示第i组血压的权重因子,α2表示第i组心率的权重因子,α3表示第i组血氧饱和度的权重因子,c1为修正常数。
17、进一步地,外体征数据包括面部特征数据与面部特征数据对应的外体征评估系数;
18、面部特征数据包括驾驶员i组面部图像的面部灰度值与环境亮度;
19、面部灰度值为面部图像中每个像素点的灰度值;
20、环境亮度为通过光学传感器来监测驾驶室的环境亮度;
21、外体征评估系数的生成方法包括:
22、将面部灰度值与环境亮度分别标记为whi与wli;
23、将面部灰度值whi与环境亮度wli进行无量纲化处理,生成外体征评估系数wpi,外体征评估系数wpt符合如下公式:
24、
25、式中,表示第i组的面部灰度值标准值,表示第i组的环境亮度标准值,γ1表示第i组面部灰度值的权重因子,γ2表示第i组环境亮度的权重因子,c2为修正常数。
26、进一步地,预测未来t时刻内体征评估系数的第一机器学习模型的训练方式包括:
27、采用滑动窗口的方式将生命时间序列集合内的内体征评估系数转换为训练数据与训练数据对应的标签,构建为第一机器学习模型的数据集,所述数据集分为训练集、验证集和测试集;
28、将所述训练集作为机器学习模型的输入,所述第一机器学习模型以预测未来t时刻内体征评估系数作为输出;以实时采集的训练数据对应的未来t时刻内体征评估系数作为预测目标,以最小化损失函数值作为训练目标;当损失函数值小于等于预设损失函数值时停止训练。
29、进一步地,预测未来t时刻外体征评估系数的第二机器学习模型的训练方式包括:
30、采用滑动窗口的方式将生命时间序列集合内的外体征评估系数转换为训练数据与训练数据对应的标签,构建为第二机器学习模型的数据集,所述数据集分为训练集、验证集和测试集;
31、将所述训练集作为机器学习模型的输入,所述第二机器学习模型以预测未来t时刻外体征评估系数作为输出;以实时采集的训练数据对应的未来t时刻外体征评估系数作为预测目标,以最小化损失函数值作为训练目标;当损失函数值小于等于预设损失函数值时停止训练。
32、进一步地,综合评估系数的生成方法包括:
33、将t-1时刻外体征评估系数与内体征评估系数分别标记为wpt-1、npt-1,将t时刻外体征评估系数与内体征评估系数标记为wpt、npt,将wpt-1、npt-1与wpt、npt进行无量纲化处理,并生成综合评估系数zp;
34、所述综合评估系数zp符合如下表达式:
35、
36、式中,n为t-1时刻与t时刻之间的内体征评估系数,β1、β2分别为t-1时刻与t时刻的内体征评估系数的权重因子,0<β1≤1,0<β2≤1,且
37、
38、式中,w为t-1时刻与t时刻之间的外体征评估系数,μ1、μ2分别为t-1时刻与t时刻的外体征评估系数的权重因子,0<μ1≤1,0<μ2≤1,且
39、
40、其中,0<λ1≤1,0<λ2≤1,且其中λ1为内体征评估系数的权重因子,λ2为外体征评估系数的权重因子,c3为修正常数。
41、进一步地,判断是否生成预警指令包括:
42、若本文档来自技高网...
【技术保护点】
1.一种智能驾驶救援辅助方法,其特征在于:包括:
2.根据权利要求1所述的一种智能驾驶救援辅助方法,其特征在于:生命时间序列集合包括i组内体征数据和i组外体征数据,i组内体征数据和i组外体征数据采集的时间间隔相等;
3.根据权利要求2所述的一种智能驾驶救援辅助方法,其特征在于:内体征评估系数的生成方法包括:
4.根据权利要求3所述的一种智能驾驶救援辅助方法,其特征在于:外体征数据包括面部特征数据与面部特征数据对应的外体征评估系数;
5.根据权利要求4所述的一种智能驾驶救援辅助方法,其特征在于:预测未来t时刻内体征评估系数的第一机器学习模型的训练方式包括:
6.根据权利要求5所述的一种智能驾驶救援辅助方法,其特征在于:预测未来t时刻外体征评估系数的第二机器学习模型的训练方式包括:
7.根据权利要求6所述的一种智能驾驶救援辅助方法,其特征在于:综合评估系数的生成方法包括:
8.根据权利要求7所述的一种智能驾驶救援辅助方法,其特征在于:判断是否生成预警指令包括:
9.根据权利要求8所述的一种
10.一种智能驾驶救援辅助系统,其基于权利要求1-9任一项所述的一种智能驾驶救援辅助方法的实现,其特征在于:包括:
...【技术特征摘要】
1.一种智能驾驶救援辅助方法,其特征在于:包括:
2.根据权利要求1所述的一种智能驾驶救援辅助方法,其特征在于:生命时间序列集合包括i组内体征数据和i组外体征数据,i组内体征数据和i组外体征数据采集的时间间隔相等;
3.根据权利要求2所述的一种智能驾驶救援辅助方法,其特征在于:内体征评估系数的生成方法包括:
4.根据权利要求3所述的一种智能驾驶救援辅助方法,其特征在于:外体征数据包括面部特征数据与面部特征数据对应的外体征评估系数;
5.根据权利要求4所述的一种智能驾驶救援辅助方法,其特征在于:预测未来t时刻内体征评估系数的第一机...
【专利技术属性】
技术研发人员:武丹丹,章广忠,杨煜,徐建杭,
申请(专利权)人:南京项尚车联网技术有限公司,
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。