申请/专利权人：武汉理工大学

申请日：2018-05-18

公开（公告）日：2020-11-17

公开（公告）号：CN108492527B

主分类号：G08B21/06(20060101)

分类号：G08B21/06(20060101);B60W40/08(20120101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.17#授权;2018.09.28#实质审查的生效;2018.09.04#公开

摘要：本发明公开了一种基于超车行为特征的疲劳驾驶监测方法，包括以下步骤：1通过监测转向灯、方向盘转角和车速，判断驾驶人是否进行超车行为；2通过传感器等设备获得车辆超车过程中的疲劳特征，其中疲劳特征包括：车速参数、车道位置参数、超车时长参数；3将疲劳特征作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练好的SVM分类器进行分类，判定驾驶人疲劳状态。通过上述方式，本发明能够分析驾驶人超车行为在疲劳状态下的特征变化，进一步提升驾驶人的综合疲劳监测精度，减少算法精度较低导致的漏警和频繁误警现象，防止疲劳事故的发生。

主权项：1.一种基于超车行为特征的疲劳驾驶监测方法，其特征在于，包括以下步骤：1判断驾驶人是否进行超车行为；2通过传感器采集超车数据，所述超车数据包括：判定为超车行为的时刻开始的车速记录数据、判定为超车行为的时刻开始的车道位置信息和超车行为的开始时刻和超车行为的结束时刻；3根据采集的超车数据获得车辆超车过程中的疲劳特征，其中疲劳特征包括：车速参数、车道位置参数、超车时长参数；所述车速参数通过以下方法获取：获取超车速度最大值Vmax：即一个超车样本中车速的最大值；获取超车速度最小值Vmin：即一个超车样本中车速的最小值；获取超车速度极差Vrange：即一个超车样本中车速最大值和最小值之差：Vrange＝Vmax-Vmin；获取超车平均速度Vmean：即一个超车样本中车速的平均值；所述车道位置参数通过以下方法获取：获取车道偏离标准差SDLP，车道偏离标准差描述了当前的驾驶人操作状态； 其中，davg为采样周期内车道位置的均值；di为采样周期内车道位置值；n为分析采样周期内的车道位置样本数；所述采样周期为一次超车行为开始到结束的时间周期；其中，所述超车时长参数通过以下方法获取：获取超车行为开始时间Tstart：即一个超车样本中超车开始的时间；获取超车行为结束时间Tend：即一个超车样本中超车结束的时间；获取超车行为时长T：即一个超车样本中超车结束时间和开始时间之差：T＝Tend-Tstar；4根据步骤3中从超车数据中提取的车速参数、车道位置参数、超车时长参数作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练的SVM分类器进行分类，判定驾驶人的疲劳状态；驾驶人的疲劳状态分为三个等级，即清醒、疲劳、非常疲劳，分类器的输出为三个疲劳等级之一。

全文数据：一种基于超车行为特征的疲劳驾驶监测方法技术领域[0001]本发明涉及汽车驾驶辅助技术，尤其涉及一种基于超车行为特征的疲劳驾驶监测方法。背景技术[0002]在我国发生的道路交通事故中，疲劳驾驶是单次事故死亡人数最高的主要原因之一。驾驶人在疲劳状态下，反应时间增长，动作退缓，认知、判断、操作失误以及出现“微睡目民”状态，这一切都是交通事故发生的直接诱因。据美国国家道路交通安全管理局保守估计:美国每年至少发生10万起有记录的疲劳驾驶交通事故，导致1550人死亡，71000人受伤，造成125亿美元的经济损失。同时美国汽车协会的研究结果表明，在每6起交通事故中，就有一起是由于瞳睡原因造成的。在德国高速公路上造成人员伤亡的交通事故中，也有约25%是由疲劳驾驶引发的。我国2011年道路交通事故原因分析结果表明：疲劳驾驶虽不是导致死亡人数最多的原因，但单次事故死亡人数却在所有主要原因中位居第二位，仅排在违法装载之后，平均每两起疲劳原因交通事故就会造成1个交通参与者的死亡。同时2004〜2011年间，我国10人以上死亡特大交通事故原因深入分析的结果表明，平均每年就有1起因为疲劳驾驶原因导致的，进行分析进一步说明了疲劳驾驶是恶性驾驶事故的主要原因之一。[0003]目前关于疲劳驾驶的监测主要分为对驾驶人的监测和对车辆的监测。对驾驶人的监测，主要有眼部特征识别、面部特征识别、驾驶人操作行为监测以及生理反应的监测，此外也有利用接触式传感器检测人体外周生理信号，对疲劳机理和表征展开的研究。这种方法成本高、结构复杂、可扩展性较差，容易受到光线以及驾驶员个体因素的影响。而对车辆监测的研究大多基于车辆状态信息，如驾驶时间、行驶速度、行驶路线、方向盘转角、相对道路偏移等。这种方法受车型、路况以及天气等多变的外在因素影响，疲劳检测的准确度不高，且其抗干扰性、适应性较差。[0004]综上可知，由于我国对于疲劳驾驶的研究起步较晚，且大部分研究是在模拟实验的环境下进行的，与实车环境下的驾驶还有一定差距，因此许多问题仍待解决。在研究疲劳状态的过程中，对于疲劳状态标定的方法较为单一，难以取得进一步突破，检测方法大多存在结果误差高、监测所用时间长、实时性差、灵敏度低、可靠性差、成本高等问题。发明内容[0005]本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于超车行为特征的疲劳驾驶监测方法。[0006]本发明解决其技术问题所采用的技术方案是:一种基于超车行为特征的疲劳驾驶监测方法，包括以下步骤：[0007]—种基于超车行为特征的疲劳驾驶监测方法，包括以下步骤：[0008]1通过监测转向灯、方向盘转角和车辆加速度，根据监测结果判断驾驶人是否进行超车行为；[0009]具体如下:根据监测结果确认是否开启左转向灯，方向盘转角是否持续大于6°，车辆是否处于加速状态;当三个条件同时满足时，判定为正在进行超车行为；[0010]2通过传感器采集超车数据，所述超车数据包括:判定为超车行为的时刻开始的车速记录数据、判定为超车行为的时刻开始的车道位置信息和超车行为的开始时刻和超车结束时刻;所述超车行为结束的判定方法如下：当车辆右转向灯关闭的时刻即判定为超车行为结束。[0011]3根据采集的超车数据获得车辆超车过程中的疲劳特征，其中疲劳特征包括:车速参数、车道位置参数、超车时长参数；[0012]所述车速参数通过以下方法获取：[0013]获取超车速度最大值Vmax:即一个超车样本中车速的最大值；[0014]获取超车速度最小值Vmin:即一个超车样本中车速的最小值；[0015]获取超车速度极差Vrange3:即一个超车样本中车速最大值和最小值之差：[0016]获取超车平均速度Vme3an:即一个超车样本中车速的平均值；[0017]所述车道位置参数通过以下方法获取：[0018]获取车道偏离标准差SDLP，车道偏离标准差描述了当前的驾驶人操作状态；[0020]其中，davg为采样周期内车道位置的均值;Cl1为采样周期内车道位置值;η为分析采样周期内的车道位置样本数;采样周期为一次超车行为开始到结束内的时间。[0021]其中，所述超车时长参数通过以下方法获取：[0022]获取超车行为开始时间Tstart:即一个超车样本中超车开始的时间；[0023]获取超车行为结束时间Te3nd:即一个超车样本中超车结束的时间；[0024]获取超车行为时长Τ:即一个超车样本中超车结束时间和开始时间之差：[0025]4将疲劳特征作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练好的SVM分类器进行分类，判定驾驶人疲劳状态。[0026]根据步骤3中从疲劳数据中提取的车速参数、车道位置参数、超车时长参数作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练的SVM分类器进行分类，判定驾驶人的疲劳状态；[0027]驾驶人的疲劳状态分为三个等级，即清醒、疲劳、非常疲劳，分类器的输出为三个疲劳等级之一。[0028]本发明产生的有益效果是:本发明提供了一种基于超车行为特征的疲劳驾驶监测方法，该方法可以针对高速公路上频繁且事故后果严重的超车行为，通过分析驾驶人超车行为在疲劳状态下的特征变化，能够进一步提升驾驶人的综合疲劳监测精度，减少算法精度较低导致的漏警和频繁误警现象，防止疲劳事故的发生。附图说明[0029]下面将结合附图及实施例对本发明作进一步说明，附图中：[0030]图1是本发明实施例的方法流程图；[0031]图2是本发明实施例的超车行为判断方法流程图。具体实施方式[0032]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。[0033]如图1所示，一种基于超车行为特征的疲劳驾驶监测方法，具体包括：[0034]步骤一:监测驾驶人行为，判断是否进行超车行为。[0035]由转向灯、方向盘转角和车速三个指标进行综合判断，包括监测是否开启左转向灯，监测方向盘转角是否持续大于6°，监测车辆是否进行加速。当三个条件中满足两个以上条件时，判定为进行超车行为，具体流程如图2所示。[0036]步骤二:利用传感器等设备采集超车数据。[0037]由车辆CAN输出获得超车过程中的车速数据;车道位置信息由MobiIeye设备来采集，包括左、右车道线间距，以车辆正中央作为车辆位置，车道线间距为1.8m时表示车辆在车道中间，当图像识别算法无法检测出车道线时的缺省值也为1.8m。；超车行为的开始为超车开始时间，超车结束回到原车道为超车结束时间。[0038]步骤三:疲劳特征提取。首先要进行数据处理，第一步是进行同步化处理，删除开始阶段未同步的数据，保证各指标采集时间同步;下一步是数据标准化，由于各传感器的采集频率等存在差异，将实验指标数据通过采样频率或时间序列进行处理。并且因为传感器的采样频率高，每秒内的数据量较大，为了方便分析，将一秒作为最小的计时单位，每秒内数据的平均值被认为是这一秒的数据值。针对每一个疲劳数据样本，当超车过程中最低车速小于80kmh时，样本被视为无效，这是因为疲劳驾驶产生的交通事故常见于高速公路或城市快速路自由流情况下，在拥挤的城市道路中很少会出现由于驾驶人疲劳导致的交通事故，因此为了降低计算的复杂度以及提高评价结果的准确性，本发明实施例中忽略最低值小于80kmh的样本。[0039]然后提取车速参数，获取超车速度最大值Vmax:即一个超车样本中车速的最大值；获取超车速度最大值Vmin:即一个超车样本中车速的最小值;获取超车速度极差Vrange3:即一个超车样本中最大车速与最小车速之差：：获取超车平均速度Vme3an:即一个超车样本中车速的平均值。[0040]提取车道位置参数，由车道线间距计算得到车道偏离标准差SDLP:[0042]其中davg为采样周期内车道位置的均值，本发明实例中为1.8m;cU为采样周期内车道位置值，本发明实例计算时采用左车道线间距值;η为分析采样周期内的车道位置样本数。[0043]提取超车时长参数，获取超车行为开始时间Tstart:即一个超车样本中超车开始的时间；获取超车行为结束时间Te3nd:即一个超车样本中超车结束的时间；获取超车行为所用时长T:即一个超车样本中超车结束时间和开始时间之差=T=Te3nd-Tstart3超车行为结束的判定方法如下：当车辆右转向灯关闭的时刻即判定为超车行为结束。[0044]步骤四：疲劳状态判定。[0045]根据步骤三中从疲劳数据中提取的车速参数、车道位置参数、超车时长参数作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练的SVM分类器进行分类，判定驾驶人的疲劳状态。[0046]本发明所采用的分类器为SVM分类器，驾驶人的疲劳状态分为三个等级，即清醒、疲劳、非常疲劳。SVM分类器已利用事先进行的疲劳驾驶实验的数据训练好，输入一个有效疲劳数据样本的疲劳特征，在本发明内，这些疲劳特征包括步骤三所述的与超车行为有关的指标，分类器的输出为三个疲劳等级之一。[0047]应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

权利要求：1.一种基于超车行为特征的疲劳驾驶监测方法，其特征在于，包括以下步骤：1判断驾驶人是否进行超车行为；2通过传感器采集超车数据，所述超车数据包括:判定为超车行为的时刻开始的车速记录数据、判定为超车行为的时刻开始的车道位置信息和超车行为的开始时刻和超车结束时刻；3根据采集的超车数据获得车辆超车过程中的疲劳特征，其中疲劳特征包括:车速参数、车道位置参数、超车时长参数；所述车速参数通过以下方法获取：获取超车速度最大值Vmax:即一个超车样本中车速的最大值；获取超车速度最小值Vmin:即一个超车样本中车速的最小值；获取超车速度极差Vrange3:即一个超车样本中车速最大值和最小值之差:Vrange3=Vmax-Vmin；获取超车平均速度vm_:即一个超车样本中车速的平均值；所述车道位置参数通过以下方法获取：获取车道偏离标准差SDLP，车道偏离标准差描述了当前的驾驶人操作状态；其中，davg为采样周期内车道位置的均值;Cl1为采样周期内车道位置值;η为分析采样周期内的车道位置样本数;所述采样周期为一次超车行为开始到结束的时间周期；其中，所述超车时长参数通过以下方法获取：获取超车行为开始时间Tstart:即一个超车样本中超车开始的时间；获取超车行为结束时间Te3nd:即一个超车样本中超车结束的时间；获取超车行为时长Τ:即一个超车样本中超车结束时间和开始时间之差=T=Te3nd-Tstar;4将疲劳特征作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练好的SVM分类器进行分类，判定驾驶人疲劳状态。根据步骤3中从疲劳数据中提取的车速参数、车道位置参数、超车时长参数作为疲劳判别指标集，基于已利用事先进行的疲劳驾驶实验数据训练的SVM分类器进行分类，判定驾驶人的疲劳状态；驾驶人的疲劳状态分为三个等级，即清醒、疲劳、非常疲劳，分类器的输出为三个疲劳等级之一。2.根据权利要求1所述的基于超车行为特征的疲劳驾驶监测方法，其特征在于，所述步骤1判断驾驶人是否进行超车行为具体如下:通过监测转向灯、方向盘转角和车辆加速度，根据监测结果判断驾驶人是否进行超车行为;根据监测结果确认是否开启左转向灯，方向盘转角是否持续大于6°，车辆是否处于加速状态；当三个条件同时满足时，判定为正在进行超车行为。3.根据权利要求1所述的基于超车行为特征的疲劳驾驶监测方法，其特征在于，所述步骤2超车行为结束的判断方法如下：当车辆右转向灯关闭的时刻即判定为超车行为结束。

百度查询： 武汉理工大学 一种基于超车行为特征的疲劳驾驶监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD