CN109910899B - 一种安全智能驾驶方法及*** - Google Patents
一种安全智能驾驶方法及*** Download PDFInfo
- Publication number
- CN109910899B CN109910899B CN201910257998.6A CN201910257998A CN109910899B CN 109910899 B CN109910899 B CN 109910899B CN 201910257998 A CN201910257998 A CN 201910257998A CN 109910899 B CN109910899 B CN 109910899B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fatigue
- driver
- driving
- human body
- 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.)
- Active
Links
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种安全智能驾驶方法和***。所述方法包括：疲劳分析和车辆控制***通过疲劳感应***监测的人体生理指标的监测结果获得人体综合疲劳指数I、根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器和车载传感器的感知数据、地理信息数据库的车辆行驶路线数据预测车辆是否处于安全区域；再根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***。本发明通过综合考虑驾驶时间、人体综合疲劳状况以及车辆是否处于安全区域对车辆行驶安全的影响，智能选择更为合适的驾驶模式，大大提高了车辆行驶的安全性，减轻了驾驶员的驾驶压力。
Description
技术领域
本发明属于智能驾驶技术领域，尤其涉及一种安全智能驾驶方法及***。
背景技术
疲劳驾驶是引起交通事故的主要原因之一，严重威胁着人们的生命和财产安全。驾驶员疲劳时判断能力明显下降、反应迟钝、操作失误增加，如果仍勉强驾驶车辆，则可能导致交通事故的发生。在汽车行驶的过程中，除了驾驶员的驾驶疲劳，车辆自身状态、车辆行驶路线、车辆附近的环境都会对驾驶安全产生影响。如何通过智能驾驶***准确判断驾驶员的疲劳驾驶状态，并在智能驾驶***中综合考虑驾驶员的状态、车辆自身的状态和环境因素的影响，是提高智能驾驶智能性和安全性的重要因素。
发明内容
为了解决上述技术问题，本发明提供一种安全智能驾驶方法，包括如下步骤：
S1.疲劳分析和车辆控制***通过疲劳感应***监测的人体生理指标的监测结果获得人体综合疲劳指数I；
S2.疲劳分析和车辆控制***根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器和车载传感器的感知数据、地理信息数据库的车辆行驶路线数据，预测车辆是否处于安全区域；
S3.疲劳分析和车辆控制***根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***；
判断过程具体包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段；如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域；如果车辆处于安全区域，则疲劳分析和车辆控制***发送“完全自动驾驶模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域；
如果车辆处于安全区域，疲劳分析和车辆控制***发送“高级驾驶员辅助模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入高级驾驶员辅助模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***不发送指令给自动驾驶***，驾驶员自行驾驶车辆。
进一步的，所述人体生理指标包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR。
进一步的，所述人体综合疲劳指数I根据下列公式计算得出：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
进一步的，所述车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等；
所述路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
所述车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图。
本发明还提供一种安全智能驾驶***，包括：疲劳分析和车辆控制***以及与疲劳分析和车辆控制***连接的疲劳感应***、车辆状态数据库、传感器感知数据库、地理信息数据库、自动驾驶***、提醒***；其中：
疲劳分析和车辆控制***：用于通过疲劳感应***监测的人体生理指标的监测结果获得人体综合疲劳指数I，同时根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器以及车载传感器的感知数据、地理信息数据库的车辆行驶路线数据，预测车辆是否处于安全区域；然后根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***或发送提醒指令给提醒***；
疲劳分析和车辆控制***判断是否选择何种驾驶方式的具体过程包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段；如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域；如果车辆处于安全区域，则疲劳分析和车辆控制***发送“完全自动驾驶模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域；
如果车辆处于安全区域，疲劳分析和车辆控制***发送“高级驾驶员辅助模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入高级驾驶员辅助模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***不发送指令给自动驾驶***，驾驶员自行驾驶车辆；
疲劳感应***：用于监测驾驶员的各项人体生理指标，并将监测结果发送给疲劳分析和车辆控制***；
车辆状态数据库：用于存储自动驾驶***周期性上报的车辆状态数据；
传感器感知数据库：用于存储路侧传感器以及车载传感器的感知数据；
地理信息数据库：用于存储车辆行驶路线数据；
自动驾驶***：用于根据疲劳分析和车辆控制***1的指令控制车辆的行驶；还用于获取车辆的位置、车速等车辆状态数据并通过蜂窝网络周期性发送给车辆状态数据库；
提醒***：用于根据疲劳分析和车辆控制***的指令发出声音和震动。
进一步的，所述疲劳感应***包括：
脑电波信号采集模块：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；
人体血氧检测模块：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；
人体温度检测模块：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR。
进一步的，所述人体综合疲劳指数I根据以下公式计算得出：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子.
进一步的，所述车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等；
所述路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
所述车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图。
与现有技术相比，本发明的有益效果在于：
本发明提供的安全智能驾驶方法和***通过综合考虑驾驶时间、人体综合疲劳状况以及车辆是否处于安全区域对车辆行驶安全的影响，智能选择更为合适的驾驶模式，大大提高了车辆行驶的安全性，减轻了驾驶员的驾驶压力。
附图说明
图1为实施例1的疲劳分析和车辆控制***判断选择何种驾驶方式的流程图；
图2为实施例2的安全智能驾驶***的结构框图。
具体实施方式
实施例1
一种安全智能驾驶方法，包括如下步骤：
S1.疲劳感应***2监测驾驶员的人体生理指标,并将监测结果发送给疲劳分析和车辆控制***1,疲劳分析和车辆控制***1通过驾驶员人体生理指标的监测结果计算出人体综合疲劳指数I；
其中,疲劳感应***2包括：
脑电波信号采集模块201：与驾驶员头皮连接，记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块202：通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可绝对每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块203：与驾驶员手腕部位连接，进行人体手腕部温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块204：与驾驶员手腕部位连接，进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块205：与驾驶员手腕部位连接，实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR，人体综合疲劳指数I的计算公式如下所示：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子；
S2.疲劳分析和车辆控制***1根据车辆状态数据库3的车辆状态数据、传感器感知数据库4的路侧传感器和车载传感器的感知数据、地理信息数据库5的车辆行驶路线数据，预测车辆是否处于安全区域；
其中，车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等；
路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图，可以从车道级的高精地图中获取或者通过录制车辆沿车道中心线行驶轨迹作为车辆行驶路线数据；
车辆是否处于安全区域由车辆状态数据、路侧传感器和车载传感器的感知数据以及车辆行驶路线数据三个因素共同决定；在本实施例中，当车辆状态数据显示车辆为非超大型和非超大重量车型，且驾驶速度基本均匀，没有或极少出现急停、急加速、急转弯等非正常驾驶现象时，可判定车辆行驶仅从车辆状态数据这一因素考虑是安全的；当路侧传感器和车载传感器的感知数据显示采集到的行人、其他车辆、障碍物的尺寸非超大、位置距离较远、速度未超速并且未发生较大角度的方向转移，即可判定车辆行驶仅从路侧传感器和车载传感器的感知数据这一因素考虑是安全的；当车辆行驶路线数据显示车辆行驶即将经过的路线路况环境良好即可判定车辆行驶仅从车辆行驶路线数据这一因素考虑是安全的；当车辆状态数据、路侧传感器和车载传感器的感知数据以及车辆行驶路线数据三个因素均显示车辆行驶处于安全状态，即可判定车辆处于安全区域，否则判定车辆未处于安全区域。
S3.疲劳分析和车辆控制***1根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***6；
具体判断过程如图1所示，包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段；易疲劳时间可以根据驾驶员个人生活习惯和所在时区进行个性化设置，例如在东八区一般可设置为0-7时和13-14时；如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域；如果车辆处于安全区域，则疲劳分析和车辆控制***1发送“完全自动驾驶模式”指令给自动驾驶***6，自动驾驶***6接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***1发送“提醒”指令给提醒***7，提醒***7收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域；
如果车辆处于安全区域，疲劳分析和车辆控制***1发送“高级驾驶员辅助模式”指令给自动驾驶***6，自动驾驶***6接收到指令后控制车辆进入高级驾驶员辅助模式；高级驾驶员辅助模式是开启车辆中在驾驶者未能及时采取相应行动时能够自动进行干预的***，如“自动紧急制动”(AEB)***和“应急车道辅助”(ELA)***等；如果车辆未处于安全区域，则疲劳分析和车辆控制***1发送“提醒”指令给提醒***7，提醒***7收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***1不发送指令给自动驾驶***6，驾驶员自行驾驶车辆。
在本实施例中，血氧饱和度SPO2可以根据以下公式进行计算：
a＝[(VIredmax+VIredmin)*(Vredmax-Vredmmin)]/[(Vredmax+Vredmmin)*6(VIredmax-VIredmin)]
其中Vredmax、Vredmmin、VIredmax、VIredmi为采集到的不同的红光和红外光的直流分量和交流分量，a为经验系数，通过a即可换算血氧饱和度SPO2。
实施例2
一种安全智能驾驶***，如图2所示，包括：疲劳分析和车辆控制***1、以及与疲劳分析和车辆控制***1连接的疲劳感应***2、车辆状态数据库3、传感器感知数据库4、地理信息数据库5、自动驾驶***6、提醒***7；其中：
疲劳分析和车辆控制***1：
用于通过疲劳感应***2监测的人体生理指标的监测结果获得人体综合疲劳指数I，人体综合疲劳指数I由人体生理指标的监测结果得出，人体生理指标的监测结果包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR计算得出，人体综合疲劳指数I的计算公式如下所示：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子；
同时用于根据车辆状态数据库3的车辆状态数据、传感器感知数据库4的路侧传感器以及车载传感器的感知数据、地理信息数据库5的车辆行驶路线数据，预测车辆是否处于安全区域；然后根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***6或发送提醒指令给提醒***7；
疲劳感应***2：用于监测驾驶员的各项人体生理指标，并将监测结果发送给疲劳分析和车辆控制***1，包括：
脑电波信号采集模块201：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；大脑状态F可以分为Delta、Theta、Alpha、Beta、Gamma5个波段，其中Delta波段对应深度睡眠状态，Theta波段对应睡意朦胧状态，Alpha波段对应闭眼清醒放松状态，Beta波段对应积极思考或者紧张的状态，Gamma波段对应躯体正常运动状态；
人体血氧检测模块202：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度；光电传感器的红光和红外光交替发光，红外和红外光对血液中的血红蛋白和还原血红蛋白具有独特的吸收特性，可绝对每一种成分的百分含量即血氧饱和度SPO2；
人体温度检测模块203：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块204：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块205：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR；
车辆状态数据库3：用于存储自动驾驶***6周期性上报的车辆状态数据；车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量等；
传感器感知数据库4：用于存储路侧传感器以及车载传感器的感知数据；感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；原始的视频流数据、雷达的点云数据需要先分析成可识别的结构化的行人、车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
地理信息数据库5：用于存储车辆行驶路线数据；车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图，可以从车道级的高精地图中获取或者通过录制车辆沿车道中心线行驶轨迹作为车辆行驶路线数据；
自动驾驶***6：用于根据疲劳分析和车辆控制***1的指令控制车辆的行驶；还用于获取车辆的位置、车速等车辆状态数据并通过蜂窝网络周期性发送给车辆状态数据库3；
在本实施例中，自动驾驶***为不利用或利用有限的来自驾驶员的输入来控制车辆10的运动的***，可以使车辆处于完全自动驾驶***(即无人驾驶状态)或高级驾驶员辅助***(驾驶员仅进行有限操作或输入)；
提醒***7：用于根据疲劳分析和车辆控制***1的指令发出声音和震动。
本发明提供的安全智能驾驶***可以设置在车辆上，驾驶员驾驶车辆时，疲劳感应***2监测驾驶员的各项人体生理指标并将监测结果发送给疲劳分析和车辆控制***1，疲劳分析和车辆控制***1根据各项人体生理指标获得驾驶员的人体综合疲劳指数I。同时，疲劳分析和车辆控制***1还会根据车辆状态数据库3的车辆状态数据、传感器感知数据库4的路侧传感器和车载传感器的感知数据、地理信息数据库5的车辆行驶路线数据来预测车辆是否处于安全区域。然后，疲劳分析和车辆控制***1通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态。如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段。如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域。如果车辆处于安全区域，则疲劳分析和车辆控制***1发送“完全自动驾驶模式”指令给自动驾驶***6，自动驾驶***6接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***1发送“提醒”指令给提醒***7，提醒***7收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止。如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域。如果车辆处于安全区域，疲劳分析和车辆控制***1发送“高级驾驶员辅助模式”指令给自动驾驶***6，自动驾驶***6接收到指令后控制车辆进入高级驾驶员辅助模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***1发送“提醒”指令给提醒***7，提醒***7收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止。如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***1不发送指令给自动驾驶***6，驾驶员自行驾驶车辆。
本发明提供的安全智能驾驶***通过综合考虑驾驶时间、人体综合疲劳状况以及车辆是否处于安全区域对车辆行驶安全的影响，智能地判断采用何种驾驶模式更为合适，大大提高了车辆驾驶的安全性，减轻了驾驶员的驾驶压力。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种安全智能驾驶方法，其特征在于，所述驾驶方法包括如下步骤：
S1.疲劳分析和车辆控制***通过疲劳感应***监测的人体生理指标的监测结果获得人体综合疲劳指数I；
S2.疲劳分析和车辆控制***根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器和车载传感器的感知数据、地理信息数据库的车辆行驶路线数据，预测车辆是否处于安全区域；
S3.疲劳分析和车辆控制***根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***；
判断过程具体包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段；如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域；如果车辆处于安全区域，则疲劳分析和车辆控制***发送“完全自动驾驶模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域；
如果车辆处于安全区域，疲劳分析和车辆控制***发送“高级驾驶员辅助模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入高级驾驶员辅助模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***不发送指令给自动驾驶***，驾驶员自行驾驶车辆。
2.根据权利要求1所述的方法，其特征在于，所述人体生理指标包括大脑状态F、血氧饱和度SPO2、人体手腕部温度T、人体血压指数P和心率HR。
3.根据权利要求2所述的方法，其特征在于，所述人体综合疲劳指数I根据下列公式计算得出：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
4.根据权利要求1所述的方法，其特征在于，所述车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量；
所述路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
所述车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图。
5.一种安全智能驾驶***，其特征在于，所述***包括：疲劳分析和车辆控制***以及与疲劳分析和车辆控制***连接的疲劳感应***、车辆状态数据库、传感器感知数据库、地理信息数据库、自动驾驶***、提醒***；其中：
疲劳分析和车辆控制***：用于通过疲劳感应***监测的人体生理指标的监测结果获得人体综合疲劳指数I，同时根据车辆状态数据库的车辆状态数据、传感器感知数据库的路侧传感器以及车载传感器的感知数据、地理信息数据库的车辆行驶路线数据，预测车辆是否处于安全区域；然后根据驾驶时间、人体综合疲劳指数I以及车辆是否处于安全区域来判断选择何种驾驶方式，并根据判断结果发送控制指令给自动驾驶***或发送提醒指令给提醒***；
疲劳分析和车辆控制***判断选择何种驾驶方式的具体过程包括：
通过将人体综合疲劳指数I与人体综合疲劳指数的临界指数Ic相比判断驾驶员是否处于疲劳驾驶状态；
如果驾驶员处于疲劳驾驶状态，则进一步判断当前时间是否在易疲劳时间段；如果此时正好是易疲劳时间段，则进一步判断车辆当前是否在安全区域；如果车辆处于安全区域，则疲劳分析和车辆控制***发送“完全自动驾驶模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入无人驾驶模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***7收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员处于疲劳驾驶状态，但此时并不是易疲劳时间段，则进一步判断车辆当前是否在安全区域；
如果车辆处于安全区域，疲劳分析和车辆控制***发送“高级驾驶员辅助模式”指令给自动驾驶***，自动驾驶***接收到指令后控制车辆进入高级驾驶员辅助模式；如果车辆未处于安全区域，则疲劳分析和车辆控制***发送“提醒”指令给提醒***，提醒***收到指令后发出声音和震动，直到驾驶员反馈收到危险信号为止；
如果驾驶员不处于疲劳驾驶状态，则疲劳分析和车辆控制***不发送指令给自动驾驶***，驾驶员自行驾驶车辆；
疲劳感应***：用于监测驾驶员的各项人体生理指标，并将监测结果发送给疲劳分析和车辆控制***；
车辆状态数据库：用于存储自动驾驶***周期性上报的车辆状态数据；
传感器感知数据库：用于存储路侧传感器以及车载传感器的感知数据；
地理信息数据库：用于存储车辆行驶路线数据；
自动驾驶***：用于根据疲劳分析和车辆控制***1的指令控制车辆的行驶；还用于获取车辆的位置、车速等车辆状态数据并通过蜂窝网络周期性发送给车辆状态数据库；
提醒***：用于根据疲劳分析和车辆控制***的指令发出声音和震动。
6.根据权利要求5所述的***，其特征在于，所述疲劳感应***包括：
脑电波信号采集模块：与驾驶员头皮连接，用于记录脑细胞群的自发性、节律性活动，通过分析脑电波频率范围，结合大脑节律性生理活动，得到大脑状态F；
人体血氧检测模块：用于通过设置在驾驶员手腕部的光电传感器实时检测人体血氧浓度SPO2；
人体温度检测模块：与驾驶员手腕部位连接，用于进行人体温度采样采集，通过采样算法得到人体手腕部温度T；
人体血压检测模块：与驾驶员手腕部位连接，用于进行血压采集，通过收缩压和舒张压的均值得出人体血压指数P；
人体心率检测模块：与驾驶员手腕部位连接，用于实时采集驾驶员手腕部位的脉搏波信号，经波形预处理后得到心率HR。
7.根据权利要求6所述的***，其特征在于，所述人体综合疲劳指数I根据以下公式计算得出：
I＝A1F+A2SPO2+A3T+A4P+A5HR
其中，A1、A2、A3、A4、A5分别为各人体生理指标的影响因子。
8.根据权利要求5所述的***，其特征在于，所述车辆状态数据包括车辆的位置、速度、加速度、转向角度、角速度、角加速度、车辆尺寸、重量；
所述路侧传感器和车载传感器的感知数据包括原始采集的视频流、雷达的点云数据、已经经过分析的结构化的行人、其他车辆、障碍物的位置、速度、转向角度、尺寸大小数据；
所述车辆行驶路线数据是车辆沿车道中心线行驶的地理位置轨迹图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910257998.6A CN109910899B (zh) | 2019-04-01 | 2019-04-01 | 一种安全智能驾驶方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910257998.6A CN109910899B (zh) | 2019-04-01 | 2019-04-01 | 一种安全智能驾驶方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109910899A CN109910899A (zh) | 2019-06-21 |
| CN109910899B true CN109910899B (zh) | 2019-12-13 |
Family
ID=66968169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910257998.6A Active CN109910899B (zh) | 2019-04-01 | 2019-04-01 | 一种安全智能驾驶方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109910899B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110228485B (zh) * | 2019-06-28 | 2021-08-03 | 江苏满运软件科技有限公司 | 针对疲劳驾驶的驾驶辅助方法、***、设备及存储介质 |
| CN110286667A (zh) * | 2019-07-03 | 2019-09-27 | 上运车物联网科技（深圳）有限公司 | 不正常驾驶状态智能监控方法及物联网智能终端 |
| CN110435671B (zh) * | 2019-07-31 | 2021-05-04 | 武汉理工大学 | 人机共驾环境下考虑驾驶人状态的驾驶权限切换*** |
| CN110745137B (zh) * | 2019-09-30 | 2021-08-27 | 广州大道信息科技有限公司 | 一种基于驾驶员健康信息自动导引***及方法 |
| CN113544471A (zh) * | 2020-01-06 | 2021-10-22 | 北京未动科技有限公司 | 一种dms设备性能评估***、方法、存储介质及电子设备 |
| CN112006702B (zh) * | 2020-09-04 | 2021-09-24 | 北京伟杰东博信息科技有限公司 | 一种安全监控方法及其*** |
| CN114274954A (zh) * | 2021-12-16 | 2022-04-05 | 上汽大众汽车有限公司 | 一种车内外感知结合的车辆主动接管***及方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003118424A (ja) * | 2001-10-16 | 2003-04-23 | Denso Corp | 走行制御装置 |
| DE102015014344A1 (de) * | 2015-11-06 | 2016-05-12 | Daimler Ag | Verfahren und Vorrichtung zur Erkennung einer Reaktionsfähigkeit eines Fahrers |
| CN107628034A (zh) * | 2017-10-17 | 2018-01-26 | 南京工程学院 | 一种基于opencv智能驾驶辅助*** |
| CN107826117A (zh) * | 2017-11-22 | 2018-03-23 | 天津智能网联汽车产业研究院 | 一种自动驾驶***及控制方法 |
-
2019
- 2019-04-01 CN CN201910257998.6A patent/CN109910899B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109910899A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109910899B (zh) | 一种安全智能驾驶方法及*** | |
| CN109910900B (zh) | 一种智能驾驶方法 | |
| US20230219580A1 (en) | Driver and vehicle monitoring feedback system for an autonomous vehicle | |
| CN106114515B (zh) | 汽车驾驶行为提醒方法及*** | |
| CN104276180B (zh) | 具有监测驾驶员是否存在及其生理指标功能的自动驾驶车辆 | |
| WO2019188398A1 (ja) | 情報処理装置、移動装置、および方法、並びにプログラム | |
| EP2032382B1 (en) | Method to monitor manual steering of dynamic systems, and device. | |
| JPWO2019202881A1 (ja) | 情報処理装置、移動装置、情報処理システム、および方法、並びにプログラム | |
| CN107207013A (zh) | 自动驾驶控制设备以及自动驾驶控制方法和程序 | |
| CN106585624A (zh) | 驾驶员状态监控方法及装置 | |
| CN103978977A (zh) | 基于人体通信的汽车监控***和方法 | |
| WO2022057728A1 (zh) | 一种自动驾驶方法、ads及自动驾驶车辆 | |
| CN205469242U (zh) | 一种车辆安全驾驶控制*** | |
| CN107117027A (zh) | 基于疲劳监测的车辆智能控制方法及*** | |
| CN108186034B (zh) | 一种驾驶员疲劳检测装置及工作方法 | |
| CN111968341A (zh) | 一种疲劳驾驶检测***及方法 | |
| CN108877151A (zh) | 疲劳驾驶预警方法、装置、设备及存储介质 | |
| CN112455461B (zh) | 自动驾驶车辆的人车交互的方法、自动驾驶*** | |
| CN111938599B (zh) | 一种基于驾驶员身体特征识别的疲劳驾驶监测*** | |
| JP2010063682A (ja) | 運転者監視装置 | |
| EP2204784B1 (en) | A system and method for monitoring the state of vigilance of the driver of a vehicle | |
| CN113066261B (zh) | 一种驾驶者突发疾病的汽车自动制动与报警***与方法 | |
| TW202422497A (zh) | 疲勞駕駛判斷系統及其方法 | |
| US12039502B2 (en) | System, method and services for tracking, monitoring and transporting | |
| CN105852887A (zh) | 方向盘、疲劳检测***及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |