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】
本专利技术涉及安全驾驶,特别是涉及一种驾驶场景中智能座舱人机交互任务的安全预警方法及系统。
技术介绍
1、随着科技革命和产业变革的蓬勃兴起,智能网联汽车发展迅速,已成为汽车行业发展的战略方向,并逐渐成为解决汽车社会所面临的交通安全、道路拥堵、能源消耗、环境污染等问题的重要手段。与此同时,驾驶领域衍生出了一系列智能座舱产品,因此,实现智能、安全的驾驶不仅依靠汽车本身性能,还需要依靠驾驶员与智能座舱之间频繁的人机交互操作。但现阶段对智能座舱关注度较少,还没有针对驾驶员与智能座舱之间人机交互行为的安全性进行评价的方案,以至于无法对驾驶过程中驾驶员的安全状况进行全面了解,不利于智能座舱的性能改进以及安全驾驶的实现。因此,亟需一种完善而科学的安全评价指标体系和行之有效的安全预警方法,对驾驶过程中的人机交互行为进行安全预警。
技术实现思路
1、本专利技术的目的是提供一种驾驶场景中智能座舱人机交互任务的安全预警方法及系统,能够对驾驶员使用智能座舱进行人机交互任务时的安全性进行科学有效的评估,并在危险时进行及时预警。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种驾驶场景中智能座舱人机交互任务的安全预警方法,包括以下步骤:
4、采集驾驶场景中驾驶员使用智能座舱进行人机交互任务时的驾驶相关数据;驾驶相关数据包括汽车行驶数据、驾驶员生理数据和任务评价数据。
5、基于驾驶相关数据,确定多个安全评价指标;多个安全评价指标包括驾驶绩效指标、生理负荷指
6、基于多个安全评价指标,通过安全评价模型得到安全评估值;安全评价模型中包括各安全评价指标对应的综合权重值,各安全评价指标的综合权重值是基于层次分析法和熵权法预先综合确定的。
7、在安全评估值高于安全阈值时,基于安全评估值,对驾驶员进行安全预警。
8、可选地,汽车行驶数据包括汽车纵向速度、汽车纵向加速度、车道位置和方向盘转角;驾驶员生理数据包括肌电信号均方根值、积分肌电值、心率均值、心率变异性均方根、心率变异性低频/高频、心率呼吸交叉一致性、瞳孔直径、扫视频率、眨眼频率和持续注视时间;任务评价数据包括任务准确率、任务反应时间和制动反应时间。
9、可选地,基于驾驶相关数据,确定多个安全评价指标,具体包括:
10、基于汽车纵向速度、汽车纵向加速度、车道位置和方向盘转角,确定驾驶绩效指标。
11、基于肌电信号均方根值和积分肌电值,确定生理负荷指标。
12、基于心率均值、心率变异性均方根和心率变异性低频/高频,确定疲劳状态指标。
13、基于心率变异性低频/高频和心率呼吸交叉一致性,确定心理负荷指标。
14、基于瞳孔直径、扫视频率、眨眼频率和持续注视时间,确定眼动指标。
15、基于任务准确率、任务反应时间和制动反应时间,确定反应指标。
16、可选地,驾驶场景包括城市道路场景和高速公路场景;城市道路场景包括十字路口左转子场景、城市道路直行子场景和超车子场景;高速公路场景包括驶入匝道子场景、高速公路直行子场景和变道子场景;各子场景还包括常态和险态。
17、可选地,人机交互任务包括通讯类任务、服务类任务和设置类任务。
18、可选地,各安全评价指标的综合权重值的确定过程为:
19、基于层次分析法,确定各安全评价指标的第一权重值。
20、基于熵权法,确定各安全评价指标的第二权重值。
21、针对任一安全评价指标,基于所述安全评价指标的第一权重值和所述安全评价指标的第二权重值,确定所述安全评价指标对应的综合权重值。
22、可选地,基于层次分析法,确定各安全评价指标的第一权重值,具体包括:
23、基于优先关系数量标度法,确定任意两个安全评价指标的相对重要性定义。
24、基于专家评分法和所述相对重要性定义,对各安全评价指标之间的相对重要性进行赋值,生成判断矩阵;判断矩阵中包括任意两个安全评价指标之间的相对重要性数值。
25、根据判断矩阵,确定各安全评价指标的第一权重值。
26、可选地,基于熵权法,确定各安全评价指标的第二权重值,具体包括:
27、对各安全评价指标值进行无量纲处理,得到无量纲化处理后的安全评价指标。
28、根据无量纲化处理后的安全评价指标,确定各安全评价指标的信息熵值。
29、根据各安全评价指标的信息熵值,确定各安全评价指标的信息效用值。
30、基于各安全评价指标的信息效用值,确定各安全评价指标的第二权重值。
31、可选地,根据下式确定任一安全评价指标的综合权重值:
32、
33、其中,μj为标号为j的安全评价指标的综合权重值,n为安全评价指标的个数,为标号为j的安全评价指标的第一权重值,wj为标号为j的安全评价指标的第二权重值。
34、对应于前述的驾驶场景中智能座舱人机交互任务的安全预警方法,本专利技术还提供了一种驾驶场景中智能座舱人机交互任务的安全预警系统,所述安全预警系统在被计算机运行时,执行如前文所述的驾驶场景中智能座舱人机交互任务的安全预警方法。
35、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
36、本专利技术提供的一种驾驶场景中智能座舱人机交互任务的安全预警方法及系统,方法包括:采集驾驶场景中驾驶员使用智能座舱进行人机交互任务时的汽车行驶数据、驾驶员生理数据和任务评价数据;基于上述相关数据,确定多个安全评价指标;基于多个安全评价指标,通过安全评价模型得到安全评估值;安全评价模型中的各安全评价指标对应的综合权重值,是基于层次分析法和熵权法预先综合确定的;并在安全评估值高于安全阈值时,基于安全评估值,对驾驶员进行安全预警。本专利技术针对现阶段研究的不足,提出了一种完善而科学的安全评价指标体系,能够对驾驶员使用智能座舱进行人机交互任务时的安全性进行科学有效地评估,并在危险时进行及时预警,使得驾驶过程中驾驶员的安全状况能够得到全面保障,对促进智能座舱的发展,以及更加安全、更加智能的驾驶方案的实现提供了基础。
本文档来自技高网...【技术保护点】
1.一种驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述安全预警方法包括以下步骤:
2.根据权利要求1所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述汽车行驶数据包括汽车纵向速度、汽车纵向加速度、车道位置和方向盘转角;所述驾驶员生理数据包括肌电信号均方根值、积分肌电值、心率均值、心率变异性均方根、心率变异性低频/高频、心率呼吸交叉一致性、瞳孔直径、扫视频率、眨眼频率和持续注视时间;所述任务评价数据包括任务准确率、任务反应时间和制动反应时间。
3.根据权利要求2所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,基于所述驾驶相关数据,确定多个安全评价指标,具体包括:
4.根据权利要求1所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述驾驶场景包括城市道路场景和高速公路场景;所述城市道路场景包括十字路口左转子场景、城市道路直行子场景和超车子场景;所述高速公路场景包括驶入匝道子场景、高速公路直行子场景和变道子场景;各子场景还包括常态和险态。
5.根据权利要求1所述的驾驶场景中
6.根据权利要求1-5任一项所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,各安全评价指标的综合权重值的确定过程为:
7.根据权利要求6所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,基于层次分析法,确定各安全评价指标的第一权重值,具体包括:
8.根据权利要求6所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,基于熵权法,确定各安全评价指标的第二权重值,具体包括:
9.根据权利要求6所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,根据下式确定任一安全评价指标的综合权重值:
10.一种驾驶场景中智能座舱人机交互任务的安全预警系统,其特征在于,所述驾驶场景中智能座舱人机交互任务的安全预警系统在被计算机运行时,执行如权利要求1-9任一项所述的驾驶场景中智能座舱人机交互任务的安全预警方法。
...【技术特征摘要】
1.一种驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述安全预警方法包括以下步骤:
2.根据权利要求1所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述汽车行驶数据包括汽车纵向速度、汽车纵向加速度、车道位置和方向盘转角;所述驾驶员生理数据包括肌电信号均方根值、积分肌电值、心率均值、心率变异性均方根、心率变异性低频/高频、心率呼吸交叉一致性、瞳孔直径、扫视频率、眨眼频率和持续注视时间;所述任务评价数据包括任务准确率、任务反应时间和制动反应时间。
3.根据权利要求2所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,基于所述驾驶相关数据,确定多个安全评价指标,具体包括:
4.根据权利要求1所述的驾驶场景中智能座舱人机交互任务的安全预警方法,其特征在于,所述驾驶场景包括城市道路场景和高速公路场景;所述城市道路场景包括十字路口左转子场景、城市道路直行子场景和超车子场景;所述高速公路场景包括驶入匝道子场景、高速公路直行子场景和变道子场景;各子场景还包括常态和险态。
<...【专利技术属性】
技术研发人员:王亚辉,梁洲硕,钱成,李晓琼,
申请(专利权)人:北京理工大学,
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。