CN108364457A - 一种基于gps的商用车疲劳驾驶检测方法 - Google Patents

一种基于gps的商用车疲劳驾驶检测方法 Download PDF

Info

Publication number
CN108364457A
CN108364457A CN201810099020.7A CN201810099020A CN108364457A CN 108364457 A CN108364457 A CN 108364457A CN 201810099020 A CN201810099020 A CN 201810099020A CN 108364457 A CN108364457 A CN 108364457A
Authority
CN
China
Prior art keywords
gps
stop
data
fatigue driving
parking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810099020.7A
Other languages
English (en)
Inventor
惠飞
彭娜
罗毅
徐国强
景首才
李腾龙
马媛媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201810099020.7A priority Critical patent/CN108364457A/zh
Publication of CN108364457A publication Critical patent/CN108364457A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0129Traffic data processing for creating historical data or processing based on historical data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于GPS的商用车疲劳驾驶检测方法,包括以下步骤:步骤一、根据3σ规则定义停车点速度阈值,选取出停车点数据;步骤二、计算每个停车点的停车时长,判断驾驶员是否进行停车休息;步骤三、通过GPS轨迹数据计算出相邻两个停车点的时间间隔,得到车辆的行驶时长;步骤四、结合步骤二得到的停车时长以及步骤三得到的行驶时长,判断连续驾驶过程中是否超过4小时未停车休息或者停车时长少于20分钟,据此评判驾驶员是否疲劳驾驶。本发明是针对道路货运行业管理规定提出的疲劳驾驶检测方法,从行业法规角度来识别驾驶员是否存在疲劳驾驶行为,有利于驾驶行为的监管,提升车辆行驶过程中的安全性。

Description

一种基于GPS的商用车疲劳驾驶检测方法
技术领域
本发明涉及道路安全领域,具体涉及一种基于GPS的商用车疲劳驾驶检测方法。
背景技术
随着物流运输业的飞速发展,汽车城市化进程也越来越快,驾驶员队伍在不断地壮大,因疲劳驾驶导致的交通事故越来越多。据统计,在重大交通事故中因疲劳驾驶所致的占比高达40%以上,由此可见,疲劳驾驶带来的危害非常严重,因而引起了各国政府的高度重视。为减少因疲劳驾驶产生的事故,目前各国采用较多的措施是将驾驶人的行车时间规定在一定的范围内,《中华人民共和国道路交通安全法实施条例》第六十二条中明确规定:机动车驾驶人不得“连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟”。
目前,疲劳驾驶检测方法根据检测原理分为三类:(1)基于生理学方法。根据驾驶员的生理指标(如脑电图、EGG等)来判断驾驶员的疲劳状态。这些方法虽然精确度高,但是不容易被接收,易给驾驶员造成额外的干扰,不利于行车安全;(2)基于计算机视觉的方法。当人们疲惫时,会有典型的特征,如频繁点头、打哈欠、长时间闭眼、多眼睑覆盖瞳孔等特征。这种方法虽然更容易被接收,但是易受光线、振动和其他干扰;(3)基于车辆行驶信息的判定。通过检测车辆的行为间接判断驾驶员的行为,这种检测方法结构简单,成本较低。
GPS已作为导航***被使用在了车辆上,提供车辆的位置、方向、速度等信息,由于准确性和易用性,使得GPS数据成为交通研究数据来源之一,通过直接从车辆GPS轨迹数据中的停车点进行分析,来检测出车辆是否存在疲劳驾驶行为,计算过程简便,成本低廉。
发明内容
本发明的目的在于针对上述现有技术中的问题,提供一种基于GPS的商用车疲劳驾驶检测方法,通过3σ规则定义停车点,根据行驶及停车时长是否符合规范判断疲劳驾驶行为。
为了实现上述目的,本发明采用的技术方案包括以下步骤:
步骤一、根据3σ规则定义停车点速度阈值,选取出停车点数据;
步骤二、计算每个停车点的停车时长,判断驾驶员是否进行停车休息;
步骤三、通过GPS轨迹数据计算出相邻两个停车点的时间间隔,得到车辆的行驶时长;
步骤四、结合步骤二得到的停车时长以及步骤三得到的行驶时长,判断连续驾驶过程中是否超过4小时未停车休息或者停车时长少于20分钟,据此评判驾驶员是否疲劳驾驶。
所述的GPS轨迹数据采集时每10秒记录一次,车辆信息包括车辆ID、日期、时间、经度、纬度和速度。步骤一根据3σ规则定义停车点速度阈值具体包括:计算速度平均值x和标准差σ,设定x-3σ为停车点阈值,选择GPS轨迹数据中速度低于阈值的点为停车点。
若GPS轨迹数据不符合正态分布,通过三角规则先将GPS轨迹数据转换为伪正态分布,再使用3σ规则设定出停车点速度阈值,根据3σ规则将速度低于阈值的轨迹点视为停车点。
步骤二在计算停车点的停车时长时将少于20分钟的数据滤除,视为未停车休息;
所述的步骤三中选出停车时长大于20分钟的GPS轨迹数据,根据相邻停车点初始停车时刻和末尾停车时刻计算行驶时长,行驶时长大于4小时,则标记为疲劳驾驶。
对采集到的GPS轨迹数据执行数据检查和错误记录,错误记录分三种情况:
一是GPS轨迹数据中有错误记录,包括车辆ID、日期、时间、经度、纬度和速度错误,将此类记录删除;二是有遗漏的GPS轨迹数据记录,如果是由车辆ID、日期或时间造成的,则直接添加记录将遗漏不全,如果是由经度、纬度或速度造成的,则将此类记录删除;三是在GPS轨迹数据上存在有偏差的数据记录,此类错误记录通过在行驶地图上直接纠正。
与现有技术相比,本发明从商用车的GPS轨迹数据中分析出司机的停车点信息,判断出车辆是否存在疲劳驾驶状态以及具体在何时存在疲劳驾驶,在停车点数据选取时,由于GPS测量过程中可能包含一些错误,造成某个停车点的GPS数据虽然不完全为零,但在实际中却是停车点,本发明采用3σ规则来设定停车点的速度阈值,计算轨迹数据的平均值x和标准差σ,x+3σ和x-3σ分别为停车点速度阈值的上限和下限,将速度低于阈值下限的GPS轨迹数据点定义为停车点。根据驾驶规范要求,当连续行驶4小时,休息时长至少为20分钟,对于停车时长不足20分钟的停车点,此处将其滤除,视为未进行停车休息,据此判断车辆是否存在疲劳驾驶行为。本发明实现简便,有利于驾驶行为的监管,提升车辆行驶过程中的安全性。
附图说明
图1本发明检测方法的整体流程图;
图2具体实施例中记录的停车点数据统计图;
图3具体实施例中停车时长大于20分钟的数据点统计图;
图4具体实施例中疲劳驾驶检测结果分析图;
具体实施方式
下面结合附图对本发明做进一步的详细说明;
参见图1,本发明基于GPS的商用车疲劳驾驶检测方法包括以下步骤:
步骤一、数据采集;
收集车辆ID,日期、时间、经度、纬度、速度信息,将采集到的信息上传到数据库保存。
步骤二、数据预处理:执行数据检查和错误记录,分三种情况对错误记录数据进行处理。滤除GPS点存在缺失和异常的数据,筛选出准确性较高的GPS轨迹数据。
步骤三、停车点选取:将原始数据转换成伪正态分布,计算转换后数据的均值x和标准差σ,根据3σ规则计算停车速度阈值,实施例中所得到的停车点如图2所示;
步骤四、数据分析:对于停车点数据,根据疲劳驾驶定义检测疲劳驾驶行为。
(1)提取有效数据。提取车辆的ID、时间、经度、纬度、速度的数据。
(2)计算停车时长。按时间顺序提取第一个速度值小于阈值的GPS点的时间数据,再提取第一个速度值大于阈值的GPS点的时间数据,将GPS字符串时间数据转换为对应的公元元年秒数,计算两点间的时间间隔,重复计算方式,获得各个停车点的停车时长。
(3)滤除停车时长小于20分钟的点,计算相邻停车点时间间隔,时间间隔大于4小时,则标记为疲劳驾驶,实施例中所得到的疲劳驾驶检测结果如图3,4所示。
本发明是针对道路货运行业管理规定提出的疲劳驾驶检测方法,从行业法规角度来识别驾驶员是否存在疲劳驾驶行为。使用3σ规则设定速度阈值来判断一个GPS轨迹数据是否属于停车点,如果数据不符合正态分布,那么必须先将数据转换为伪正态分布,可使用三角规则转换,再使用3σ规则设定出停车点速度阈值。停车时长的计算过程中,为了计算方便,将GPS点的字符串时间转换为相对于公元元年的秒数,此处未考虑闰年和大月,数据点速度小于阈值的第一个点记为停车起始时刻点,数据点速度大于阈值的第一个点记为停车终止时刻点,停车时长即为停车终止时刻点与停车起始时刻点的时间差。

Claims (6)

1.一种基于GPS的商用车疲劳驾驶检测方法,其特征在于,包括以下步骤:
步骤一、根据3σ规则定义停车点速度阈值,选取出停车点数据;
步骤二、计算每个停车点的停车时长,判断驾驶员是否进行停车休息;
步骤三、通过GPS轨迹数据计算出相邻两个停车点的时间间隔,得到车辆的行驶时长;
步骤四、结合步骤二得到的停车时长以及步骤三得到的行驶时长,判断连续驾驶过程中是否超过4小时未停车休息或者停车时长少于20分钟,据此评判驾驶员是否疲劳驾驶。
2.根据权利要求1所述基于GPS的商用车疲劳驾驶检测方法,其特征在于,步骤一所述的根据3σ规则定义停车点速度阈值具体包括:计算速度平均值x和标准差σ,设定x-3σ为停车点阈值,选择GPS轨迹数据中速度低于阈值的点为停车点。
3.根据权利要求2所述基于GPS的商用车疲劳驾驶检测方法,其特征在于:若GPS轨迹数据不符合正态分布,通过三角规则先将GPS轨迹数据转换为伪正态分布,再使用3σ规则设定出停车点速度阈值,根据3σ规则将速度低于阈值的GPS轨迹数据视为停车点数据。
4.根据权利要求1所述基于GPS的商用车疲劳驾驶检测方法,其特征在于:步骤二在计算停车点的停车时长时将少于20分钟的数据滤除,视为未停车休息;步骤三选出停车时长大于20分钟的GPS轨迹数据,根据相邻停车点初始停车时刻和末尾停车时刻计算行驶时长。
5.根据权利要求1所述基于GPS的商用车疲劳驾驶检测方法,其特征在于:所述的GPS轨迹数据采集时每10秒记录一次,车辆信息包括车辆ID、日期、时间、经度、纬度和速度。
6.根据权利要求5所述基于GPS的商用车疲劳驾驶检测方法,其特征在于,对采集到的GPS轨迹数据执行数据检查和错误记录,错误记录分三种情况:
一是GPS轨迹数据中有错误记录,包括车辆ID、日期、时间、经度、纬度和速度错误,将此类记录删除;二是有遗漏的GPS轨迹数据记录,如果是由车辆ID、日期或时间造成的,则直接添加记录将遗漏不全,如果是由经度、纬度或速度造成的,则将此类记录删除;三是在GPS轨迹数据上存在有偏差的数据记录,此类错误记录通过在行驶地图上直接纠正。
CN201810099020.7A 2018-01-31 2018-01-31 一种基于gps的商用车疲劳驾驶检测方法 Pending CN108364457A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810099020.7A CN108364457A (zh) 2018-01-31 2018-01-31 一种基于gps的商用车疲劳驾驶检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810099020.7A CN108364457A (zh) 2018-01-31 2018-01-31 一种基于gps的商用车疲劳驾驶检测方法

Publications (1)

Publication Number Publication Date
CN108364457A true CN108364457A (zh) 2018-08-03

Family

ID=63007706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810099020.7A Pending CN108364457A (zh) 2018-01-31 2018-01-31 一种基于gps的商用车疲劳驾驶检测方法

Country Status (1)

Country Link
CN (1) CN108364457A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493566A (zh) * 2018-12-18 2019-03-19 长安大学 一种基于gps数据的疲劳驾驶预测方法
CN109523787A (zh) * 2018-11-30 2019-03-26 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109849929A (zh) * 2019-03-29 2019-06-07 长安大学 一种基于驾驶员状态的可变车道偏离和前车碰撞预警算法
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111899517A (zh) * 2020-06-24 2020-11-06 浙江浩腾电子科技股份有限公司 一种高速公路疲劳驾驶违法行为判定方法
CN112614370A (zh) * 2020-12-16 2021-04-06 西安航空学院 一种高速公路隧道运输货车行驶安全的监控方法
CN113715832A (zh) * 2021-09-06 2021-11-30 京东城市(北京)数字科技有限公司 疲劳驾驶的检测方法、装置、***和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090036795A (ko) * 2007-10-10 2009-04-15 주식회사 만도 실내 주행을 위한 빛 줄무늬 감지 방법 및 그를 이용한주차 보조 장치
CN102968900A (zh) * 2012-11-15 2013-03-13 南京城市智能交通有限公司 一种对rfid交通数据进行处理的方法
CN106530789A (zh) * 2016-10-31 2017-03-22 成都路行通信息技术有限公司 一种汽车停车点的静态漂移检测方法和***
CN106649709A (zh) * 2016-12-20 2017-05-10 北京航空航天大学 一种基于数据挖掘的车辆停留行为模式预测与评估方法
CN107226093A (zh) * 2017-05-19 2017-10-03 长安大学 一种货车司机疲劳驾驶判断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090036795A (ko) * 2007-10-10 2009-04-15 주식회사 만도 실내 주행을 위한 빛 줄무늬 감지 방법 및 그를 이용한주차 보조 장치
CN102968900A (zh) * 2012-11-15 2013-03-13 南京城市智能交通有限公司 一种对rfid交通数据进行处理的方法
CN106530789A (zh) * 2016-10-31 2017-03-22 成都路行通信息技术有限公司 一种汽车停车点的静态漂移检测方法和***
CN106649709A (zh) * 2016-12-20 2017-05-10 北京航空航天大学 一种基于数据挖掘的车辆停留行为模式预测与评估方法
CN107226093A (zh) * 2017-05-19 2017-10-03 长安大学 一种货车司机疲劳驾驶判断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾硕: ""商用车异常驾驶行为检测算法研究"", 《公路交通科技》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523787A (zh) * 2018-11-30 2019-03-26 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109523787B (zh) * 2018-11-30 2021-06-29 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109493566A (zh) * 2018-12-18 2019-03-19 长安大学 一种基于gps数据的疲劳驾驶预测方法
CN109493566B (zh) * 2018-12-18 2020-09-08 长安大学 一种基于gps数据的疲劳驾驶预测方法
CN109849929A (zh) * 2019-03-29 2019-06-07 长安大学 一种基于驾驶员状态的可变车道偏离和前车碰撞预警算法
CN111598347A (zh) * 2020-05-20 2020-08-28 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111598347B (zh) * 2020-05-20 2024-02-09 上海评驾科技有限公司 一种道路运输车辆超长行程切分优化方法
CN111899517A (zh) * 2020-06-24 2020-11-06 浙江浩腾电子科技股份有限公司 一种高速公路疲劳驾驶违法行为判定方法
CN111899517B (zh) * 2020-06-24 2022-11-04 浙江浩腾电子科技股份有限公司 一种高速公路疲劳驾驶违法行为判定方法
CN112614370A (zh) * 2020-12-16 2021-04-06 西安航空学院 一种高速公路隧道运输货车行驶安全的监控方法
CN113715832A (zh) * 2021-09-06 2021-11-30 京东城市(北京)数字科技有限公司 疲劳驾驶的检测方法、装置、***和计算机设备

Similar Documents

Publication Publication Date Title
CN108364457A (zh) 一种基于gps的商用车疲劳驾驶检测方法
Lyu et al. The effect of gender, occupation and experience on behavior while driving on a freeway deceleration lane based on field operational test data
Treat et al. Tri-level study of the causes of traffic accidents: final report. Executive summary.
CN110197588A (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN110275934A (zh) 基于北斗定位***的车辆行驶情况风险分析方法和***
Loo Individual differences and the perception of traffic signs
Kovaceva et al. Identification of aggressive driving from naturalistic data in car-following situations
WO2010011806A1 (en) System and method for evaluating and improving driving performance based on statistical feedback
CN114999181B (zh) 一种基于etc***数据的高速公路车辆速度异常识别方法
CN110276954A (zh) 基于北斗定位***的车辆行驶行为综合评分方法
CN103268426A (zh) 一种汽车驾驶人安全驾驶水平测评的方法
Lindman et al. Basic numbers needed to understand the traffic safety effect of automated cars
Hoogendoorn et al. Adaptation longitudinal driving behavior, mental workload, and psycho-spacing models in fog
CN114419892B (zh) 一种判定有疲劳驾驶交通违法风险的车辆的方法
Min et al. Analysis on characteristics of dangerous driving events via recorded data of drive-recorder
Mohammed et al. A landscape of research on bus driver behavior: taxonomy, open challenges, motivations, recommendations, limitations, and pathways solution in future
Mohammed et al. Red-light running violation during car following at high-speed signalized intersections
Johnson et al. Lateral control in a driving simulator: correlations with NEUROPSYCHOLOGICAL tests and on-road safety errors
CN111489556B (zh) 一种营运车辆挂靠行为的判断方法
CN111775948B (zh) 一种驾驶行为分析方法及装置
Luo et al. Methods for automated identification of informative behaviors in natural bioptic driving
CN112598818A (zh) 一种车辆状态分析***和分析方法
Zolali et al. Drivers' speed choice behavior considering drivers' demographic characteristics: A driving simulator study
Mikulić et al. Effects of driving style and vehicle maintenance on vehicle roadworthiness
Tselentis et al. Investigating the Correlation between Driver’s Characteristics and Safety Performance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803