CN111775948A - 一种驾驶行为分析方法及装置 - Google Patents
一种驾驶行为分析方法及装置 Download PDFInfo
- Publication number
- CN111775948A CN111775948A CN202010516061.9A CN202010516061A CN111775948A CN 111775948 A CN111775948 A CN 111775948A CN 202010516061 A CN202010516061 A CN 202010516061A CN 111775948 A CN111775948 A CN 111775948A
- Authority
- CN
- China
- Prior art keywords
- state
- characteristic factor
- driving behavior
- factor
- characteristic
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 148
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000026676 system process Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 9
- 210000003128 head Anatomy 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及车辆安全技术领域,具体是一种驾驶行为分析方法及装置,所述方法包括:获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。本发明的驾驶行为分析方法实现了从车辆行驶环境、车辆驾驶状态和驾驶员生物特征等方面对驾驶行为状态进行全面的分析,能够提高驾驶行为状态分析的准确性。
Description
技术领域
本发明涉及车辆安全技术领域,特别涉及一种驾驶行为分析方法及装置。
背景技术
随着我国经济的迅速发展和人民生活水平的提高,机动车的保有量与新增公路里程数的增长速度不断加快。与此同时,道路交通事故,尤其是恶***通事故呈现不断上升趋势,如何降低交通事故发生率已成为当今交通行业的巨大难题之一。
在车辆驾驶过程中,尤其是长途驾驶过程中,驾驶员由于身体状况不佳或长时间驾车,容易产生疲劳,思维能力下降,反应迟钝;另一方面,当驾驶员视线不在路面上时,车辆也会偏离车道,容易发生车祸。驾驶行为的好坏与交通事故发生率存在直接的因果关系,因此,研究机动车驾驶员的驾驶行为特征,检测并预防其出现的违规驾驶行为对减少交通事故具有重要意义。
目前,对于驾驶行为的判别主要有两种方式,一种是对不良驾驶行为次数统计的评估方法,这种方法仅仅是将急加速、急减速、刹车等驾驶行为进行了分类评价。这样的方法未考虑到车辆行驶的具体情况,评价准确度不高,容易出现误判、漏判等状况,驾驶行为分析的结果不可靠。另一种是基于图像识别的驾驶员行为监控***,这种方法通过摄像头拍摄驾驶员的驾驶图像,对所述图像进行识别确定驾驶员的驾驶行为。由于摄像头拍摄的图像均为驾驶员及车内同一视野区域内的图像,拍摄的区域受限,当驾驶员的动作超出拍摄区域后就很难识别驾驶状态,导致对驾驶员行为识别不够准确;另外,由于驾驶员的行为***,拍摄的不同驾驶行为的图像具有相似的全局背景信息以及不同的局部信息,再加上拍摄的图像质量受到光照等自然因素的影响较大,给识别带来了一定的困难,导致驾驶行为识别精度不高。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种驾驶行为分析方法及装置,能够提高驾驶行为状态分析的准确性。
为了解决上述问题,本发明提供一种驾驶行为分析方法,包括:
获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;
确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;
基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;
根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
进一步地,所述方法还包括:
当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级;
生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
进一步地,所述确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列包括:
对所述环境特征因子和所述状态特征因子进行相关运算,得到所述环境特征因子和所述状态特征因子之间的第一相关系数;
对所述环境特征因子和所述生物特征因子进行相关运算,得到所述环境特征因子和所述生物特征因子之间的第二相关系数;
对所述状态特征因子和所述生物特征因子进行相关运算,得到所述状态特征因子和所述生物特征因子之间的第三相关系数;
根据所述第一相关系数、第二相关系数和第三相关系数生成所述相关系数序列。
具体地,所述基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子包括:
基于所述相关系数序列确定所述环境特征因子对应的第一权重、所述状态特征因子对应的第二权重和所述生物特征因子对应的第三权重;
根据所述环境特征因子、所述第一权重、所述状态特征因子、所述第二权重、所述生物特征因子以及所述第三权重计算所述驾驶员的驾驶行为特征因子。
进一步地,所述根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态包括:
根据所述环境特征因子确定当前行驶环境对应的第一危险阈值;
将所述驾驶行为特征因子与所述第一危险阈值进行比较,当所述驾驶行为特征因子大于或者等于所述第一危险阈值时,确定所述驾驶员的驾驶行为状态为危险状态。
进一步地,所述危险状态等级包括低危状态、中危状态和高危状态;
所述当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级包括:
根据所述环境特征因子确定当前行驶环境对应的第二危险阈值和第三危险阈值;
将所述驾驶行为特征因子与所述第二危险阈值进行比较,当所述驾驶行为特征因子小于所述第二危险阈值时,确定所述驾驶行为状态为低危状态;
当所述驾驶行为特征因子大于或者等于所述第二危险阈值时,将所述驾驶行为特征因子与所述第三危险阈值进行比较;当所述驾驶行为特征因子小于所述第三危险阈值时,确定所述驾驶行为状态为中危状态;
当所述驾驶行为特征因子大于或者等于所述第三危险阈值时,确定所述驾驶行为状态为高危状态。
进一步地,所述方法还包括:
获取所述车辆当前所处的位置信息;
将所述位置信息和所述预警信息发送至交管***,以使得所述交管***对所述危险驾驶行为进行处理。
进一步地,所述预警信息包括预警提示信息、语音预警信息、灯光预警信息和震动预警信息中的一种或者多种。
本发明另一方面保护一种驾驶行为分析装置,包括:
第一获取模块,用于获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;
第一确定模块,用于确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;
处理模块,用于基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;
第二确定模块,用于根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
进一步地,所述装置还包括:
第三确定模块,用于当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级;
生成模块,用于生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
由于上述技术方案,本发明具有以下有益效果:
本发明的驾驶行为分析方法及装置,通过将车辆行驶环境的环境特征因子、车辆驾驶状态的状态特征因子以及驾驶员的生物特征因子进行融合,根据融合结果以及当前行驶环境下的判断标准准确的判断驾驶员的驾驶行为状态,实现从多个方面对驾驶行为状态进行全面的分析,进而对危险驾驶行为进行预警,能够提高驾驶行为状态分析的准确性,有助于规范驾驶行为、减少道路拥堵及交通事故的发生。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明一个实施例提供的驾驶行为分析方法的流程图;
图2是本发明另一个实施例提供的驾驶行为分析方法的流程图;
图3是本发明另一个实施例提供的驾驶行为分析方法的流程图;
图4是本发明一个实施例提供的驾驶行为分析装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考说明书附图1,其示出了本发明一个实施例提供的驾驶行为分析方法的流程。如图1所示,所述方法可以包括以下步骤:
S110:获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子。
本发明实施例中,可以实时获取所述车辆当前行驶环境下的环境信息,根据所述环境信息形成所述环境特征因子,所述环境特征因子可以包括道路类型、道路坡度、道路曲率、天气、车流量、拥堵程度等。具体地,可以基于高精地图获取车辆行驶的环境信息,所述环境信息可以包括道路宽度信息、道路类型信息(高速路或城际快速路等)、路口曲度信息、车流量信息、限速信息和/或天气信息(晴天、雨天、雾天或雪天)等,对获取的环境信息进行预处理,形成当前行驶环境的环境特征因子,可以记为Envir={envir1,envir2,……,envirM}。
本发明实施例中,可以获取所述车辆在当前行驶环境下的驾驶状态数据,根据所述驾驶状态数据形成所述状态特征因子,所述状态特征因子可以包括急刹次数标准、急加速/减速次数标准、耗电量标准等。具体地,可以通过车载电子控制单元或者传感器装置获取所述驾驶状态数据,所述驾驶状态数据可以包括车速信息、刹车次数信息、加速信息、转弯信息、方向盘转角信息、油耗信息、耗电量信息等,对获取的驾驶状态数据进行预处理,形成状态特征因子,可以记为Action={action1,action2,……,actionN}。
本发明实施例中,可以获取在当前驾驶状态下驾驶员的生物特征数据,根据所述生物特征数据形成所述生物特征因子,所述生物特征因子可以包括眨眼标准、低头标准、心跳标准、头部偏离标准等。具体地,可以通过摄像头或者检测装置获取所述生物特征数据,所述生物特征数据可以包括眨眼次数信息、瞳孔距离信息、低头次数信息、心跳次数信息、单手/双手驾驶方向盘、头部偏离等,对获取的生物特征数据进行预处理,形成生物特征因子,可以记为Feature={fea1,fea2,……,feaP}。
本发明实施例中,对所述环境信息、所述驾驶状态数据和所述生物特征数据进行预处理可以包括数值判断、格式转换、特征提取和归一化中的至少一种。
S120:确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列。
本发明实施例中,车辆行驶的环境信息可能会影响车辆的驾驶状态数据和驾驶员的生物特征数据,车辆的驾驶状态数据也可能会影响驾驶员的生物特征数据,例如在雨天情况下刹车次数和低头次数明显与在雾天情况下不一样,以及在雨天拥堵情况下刹车次数与晴天拥堵情况下的刹车次数也不一样。确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,可以确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的影响程度。
在一个可能的实施例中,所述确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列可以包括:
对所述环境特征因子和所述状态特征因子进行相关运算,得到所述环境特征因子和所述状态特征因子之间的第一相关系数;
对所述环境特征因子和所述生物特征因子进行相关运算,得到所述环境特征因子和所述生物特征因子之间的第二相关系数;
对所述状态特征因子和所述生物特征因子进行相关运算,得到所述状态特征因子和所述生物特征因子之间的第三相关系数;
根据所述第一相关系数、第二相关系数和第三相关系数生成所述相关系数序列。
具体地,可以根据以下公式计算所述环境特征因子和所述状态特征因子之间的第一相关系数REnvir_Action:
可以根据以下公式计算所述环境特征因子和所述生物特征因子之间的第二相关系数REnvir_Feature:
可以根据以下公式计算所述状态特征因子和所述生物特征因子之间的第三相关系数RAction_Feature:
其中,n为上述特征因子中数据的数量,为环境特征因子的平均数,为状态特征因子的平均数,为生物特征因子的平均数,σEnvir为环境特征因子的方差,σAction为状态特征因子的方差,σFeature为生物特征因子的方差。
其中,REnvir_Action的取值范围为[-1,1],如果REnvir_Action>0,则代表环境特征因子和状态特征因子之间呈现正相关,环境特征因子越大,状态特征因子越大;REnvir_Action越靠近1,说明两者之间的相关度越大,也就是环境特征因子会影响状态特征因子,反之,环境特征因子和状态特征因子的相关度不大,也就是环境特征因子对状态特征因子的影响不大。REnvir_Feature的取值范围为[-1,1],如果REnvir_Feature>0,则代表环境特征因子和生物特征因子之间呈现正相关,环境特征因子越大,生物特征因子越大;REnvir_Feature越靠近1,说明两者之间的相关度越大,也就是环境特征因子会影响生物特征因子,反之,环境特征因子和生物特征因子的相关度不大,也就是环境特征因子对生物特征因子的影响不大。RAction_Feature的取值范围为[-1,1],如果RAction_Feature>0,则代表状态特征因子和生物特征因子之间呈现正相关,状态特征因子越大,生物特征因子越大;RAction_Feature越靠近1,说明两者之间的相关度越大,也就是状态特征因子会影响生物特征因子,反之,状态特征因子和生物特征因子的相关度不大,也就是状态特征因子对生物特征因子的影响不大。
实际应用中,可以从所述环境信息、所述驾驶状态数据和所述生物特征数据中选取相同个数的具有代表性的信息进行预处理形成环境特征因子、状态特征因子和生物特征因子,以使得所述环境特征因子、所述状态特征因子和所述生物特征因子具有相同数量的数据,以便进行相关运算。在一些可能的实施例中,如果所述环境特征因子、所述状态特征因子和所述生物特征因子中数据的数量不相同,可以对数据数量较少的特征因子使用预设值进行补齐,使得所述环境特征因子、所述状态特征因子和所述生物特征因子中数据的数量相同。例如可以使用该特征因子中所有数据的平均值、中位数值或者固定设置的某个值进行补齐,本发明实施例对此不做限制。
具体地,所述相关系数序列可以为由第一相关系数、第二相关系数和第三相关系数组成的序列。
S130:基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子。
本发明实施例中,可以根据所述环境特征因子、所述状态特征因子和所述生物特征因子来确定驾驶行为状态等级。具体地,可以先确定所述环境特征因子、所述状态特征因子和所述生物特征因子各自对应的权重,然后对所述环境特征因子、所述状态特征因子和所述生物特征因子进行加权融合,根据融合得到的驾驶行为特征因子来确定驾驶行为状态等级。所述驾驶行为特征因子融合了环境数据、驾驶状态数据和生物特征数据,并且在融合过程中考虑了环境数据、驾驶状态数据和生物特征数据之间的相互影响,能够弥补单一因子判断驾驶行为状态的不足,使得判断的驾驶行为状态更加准确,不会出现误判、漏判的情况。
在一个可能的实施例中,所述基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子可以包括:
基于所述相关系数序列确定所述环境特征因子对应的第一权重、所述状态特征因子对应的第二权重和所述生物特征因子对应的第三权重;
根据所述环境特征因子、所述第一权重、所述状态特征因子、所述第二权重、所述生物特征因子以及所述第三权重计算所述驾驶员的驾驶行为特征因子。
具体地,可以根据所述相关系数序列中各个相关系数的值满足的条件从预设数据表中查询得到所述环境特征因子、所述状态特征因子和所述生物特征因子各自对应的权重值。示例性地,可以通过下表所示的预设数据表来查询所述第一权重、第二权重和第三权重。
条件 | W<sub>Envir</sub> | W<sub>Action</sub> | W<sub>Feature</sub> |
R<sub>Envir_Action</sub>>0,R<sub>Envir_Feature</sub>>0,R<sub>Action_Feature</sub>>0 | 0.4 | 0.3 | 0.3 |
R<sub>Envir_Action</sub>>0,R<sub>Envir_Feature</sub>>0,R<sub>Action_Feature</sub><0 | 0.4 | 0.2 | 0.4 |
R<sub>Envir_Action</sub>>0,R<sub>Envir_Feature</sub><0,R<sub>Action_Feature</sub>>0 | 0.4 | 0.4 | 0.2 |
R<sub>Envir_Action</sub>>0,R<sub>Envir_Feature</sub><0,R<sub>Action_Feature</sub><0 | 0.5 | 0.5 | 0 |
R<sub>Envir_Action</sub><0,R<sub>Envir_Feature</sub>>0,R<sub>Action_Feature</sub>>0 | 0.2 | 0.4 | 0.4 |
R<sub>Envir_Action</sub><0,R<sub>Envir_Feature</sub>>0,R<sub>Action_Feature</sub><0 | 0.4 | 0.2 | 0.4 |
R<sub>Envir_Action</sub><0,R<sub>Envir_Feature</sub><0,R<sub>Action_Feature</sub>>0 | 0 | 0.5 | 0.5 |
R<sub>Envir_Action</sub><0,R<sub>Envir_Feature</sub><0,R<sub>Action_Feature</sub><0 | 0.3 | 0.4 | 0.3 |
具体地,可以通过下式计算所述驾驶员的驾驶行为特征因子:
DRIVE=WEnvir×Envir+WAction×Action+WFeature×Feature
实际应用中,由于所述环境特征因子、所述状态特征因子和所述生物特征因子可以为包括多个数据的序列,因此所述第一权重、第二权重和第三权重也可以为一个序列,所述第一权重与环境特征因子的乘积可以为环境特征因子中的各个数据和与之对应的权重的乘积之和,所述第二权重与状态特征因子的乘积可以为状态特征因子中的各个数据和与之对应的权重的乘积之和,所述第三权重与生物特征因子的乘积可以为生物特征因子中的各个数据和与之对应的权重的乘积之和,则计算得到的驾驶行为特征因子为一个数值,将所述驾驶行为特征因子的值与当前场景下的危险阈值进行比较即可确定驾驶行为状态。
S140:根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
本发明实施例中,可以根据所述驾驶行为特征因子判断驾驶员的驾驶行为是否为危险驾驶行为,对不同的驾驶行为状态进行分级,以便对危险驾驶的驾驶员进行预警,避免危险的发生,提高行车安全。
在一个可能的实施例中,所述根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态可以包括:
根据所述环境特征因子确定当前行驶环境对应的第一危险阈值;
将所述驾驶行为特征因子与所述第一危险阈值进行比较,当所述驾驶行为特征因子大于或者等于所述第一危险阈值时,确定所述驾驶员的驾驶行为状态为危险状态。
本发明实施例中,可以基于不同环境下对应的不同的车辆驾驶状态数据以及驾驶员的生物特征数据进行分析,得出驾驶员在不同行驶环境下的驾驶行为数据标准(即危险阈值),例如雨天通畅的平直高速路上行驶相比较于晴天通畅的平直高速路上行驶的急刹次数标准、急加速/减速次数标准、耗电量标准等更高一点,相对应的驾驶员的心跳次数、眨眼频率等会更低一点,同样的,在晴天拥堵和雨天拥堵的平直高速路行驶的驾驶行为状态标准也会不一样。
在一个可能的实施例中,参考说明书附图2,所述方法还可以包括:
S150:当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级。
具体地,当所述驾驶行为状态为危险状态时,可以根据危险程度的不同对所述驾驶行为状态进行危险状态等级划分,可以对不同危险状态等级的驾驶行为采用不同的预警处理方式。
在一个可能的实施例中,所述危险状态等级可以包括低危状态、中危状态和高危状态;所述当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级可以包括:
根据所述环境特征因子确定当前行驶环境对应的第二危险阈值和第三危险阈值;
将所述驾驶行为特征因子与所述第二危险阈值进行比较,当所述驾驶行为特征因子小于所述第二危险阈值时,确定所述驾驶行为状态为低危状态;
当所述驾驶行为特征因子大于或者等于所述第二危险阈值时,将所述驾驶行为特征因子与所述第三危险阈值进行比较;当所述驾驶行为特征因子小于所述第三危险阈值时,确定所述驾驶行为状态为中危状态;
当所述驾驶行为特征因子大于或者等于所述第三危险阈值时,确定所述驾驶行为状态为高危状态。
S160:生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
具体地,不同危险状态等级的预警信息可以相同也可以不相同,所述预警信息可以包括预警提示信息、语音预警信息、灯光预警信息和震动预警信息中的一种或者多种。示例性地,低危状态对应的预警信息可以包括在中控屏、平视显示器或其他显示屏幕上显示减速、预警提示消息通知;中危状态对应的预警信息可以包括通过车载的喇叭、音箱等进行语音预警或者通过警示灯进行灯光预警;高危状态对应的预警信息可以包括在中控屏、平视显示器或其他显示屏幕上显示减速、预警提示消息通知,同时通过车载的喇叭、音箱等进行语音预警,或者同时通过与驾驶员有接触性的震动方式(例如方向盘震动或座椅震动等)进行震动预警。
在一个可能的实施例中,参考说明书附图3,所述方法还可以包括:
S170:获取所述车辆当前所处的位置信息;将所述位置信息和所述预警信息发送至交管***,以使得所述交管***对所述危险驾驶行为进行处理。
具体地,可以通过全球定位***(Global Positioning System,GPS)获取车辆当前所述的位置坐标信息,所述交管***接收到所述预警信息时也会接收到对应车辆的位置信息,当确定车辆的驾驶行为状态为危险状态后,可以及时拦截该危险驾驶人员,防止酿造成交通事故。示例性地,可以在确定所述驾驶行为状态等级为中危状态或高危状态时,才将所述位置信息和所述预警信息同时发送至相关的交管***。
综上所述,本发明的驾驶行为分析方法及装置,通过将车辆行驶环境的环境特征因子、车辆驾驶状态的状态特征因子以及驾驶员的生物特征因子进行融合,根据融合结果以及当前行驶环境下的判断标准准确的判断驾驶员的驾驶行为状态,实现从多个方面对驾驶行为状态进行全面的分析,进而对危险驾驶行为进行预警,能够提高驾驶行为状态分析的准确性,有助于规范驾驶行为、减少道路拥堵及交通事故的发生。
参考说明书附图4,其示出了本发明一个实施例提供的驾驶行为分析装置的结构。如图4所示,所述装置可以包括:
第一获取模块410,用于获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;
第一确定模块420,用于确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;
处理模块430,用于基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;
第二确定模块440,用于根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
在一个可能的实施例中,所述装置还可以包括:
第三确定模块,用于当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级;
生成模块,用于生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
在一个可能的实施例中,所述装置还可以包括:
第二获取模块,用于获取所述车辆当前所处的位置信息;
发送模块,用于将所述位置信息和所述预警信息发送至交管***,以使得所述交管***对所述危险驾驶行为进行处理。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.一种驾驶行为分析方法,其特征在于,包括:
获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;
确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;
基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;
根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级;
生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列包括:
对所述环境特征因子和所述状态特征因子进行相关运算,得到所述环境特征因子和所述状态特征因子之间的第一相关系数;
对所述环境特征因子和所述生物特征因子进行相关运算,得到所述环境特征因子和所述生物特征因子之间的第二相关系数;
对所述状态特征因子和所述生物特征因子进行相关运算,得到所述状态特征因子和所述生物特征因子之间的第三相关系数;
根据所述第一相关系数、第二相关系数和第三相关系数生成所述相关系数序列。
4.根据权利要求3所述的方法,其特征在于,所述基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子包括:
基于所述相关系数序列确定所述环境特征因子对应的第一权重、所述状态特征因子对应的第二权重和所述生物特征因子对应的第三权重;
根据所述环境特征因子、所述第一权重、所述状态特征因子、所述第二权重、所述生物特征因子以及所述第三权重计算所述驾驶员的驾驶行为特征因子。
5.根据权利要求1或2所述的方法,其特征在于,所述根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态包括:
根据所述环境特征因子确定当前行驶环境对应的第一危险阈值;
将所述驾驶行为特征因子与所述第一危险阈值进行比较,当所述驾驶行为特征因子大于或者等于所述第一危险阈值时,确定所述驾驶员的驾驶行为状态为危险状态。
6.根据权利要求2所述的方法,其特征在于,所述危险状态等级包括低危状态、中危状态和高危状态;
所述当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级包括:
根据所述环境特征因子确定当前行驶环境对应的第二危险阈值和第三危险阈值;
将所述驾驶行为特征因子与所述第二危险阈值进行比较,当所述驾驶行为特征因子小于所述第二危险阈值时,确定所述驾驶行为状态为低危状态;
当所述驾驶行为特征因子大于或者等于所述第二危险阈值时,将所述驾驶行为特征因子与所述第三危险阈值进行比较;当所述驾驶行为特征因子小于所述第三危险阈值时,确定所述驾驶行为状态为中危状态;
当所述驾驶行为特征因子大于或者等于所述第三危险阈值时,确定所述驾驶行为状态为高危状态。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述车辆当前所处的位置信息;
将所述位置信息和所述预警信息发送至交管***,以使得所述交管***对所述危险驾驶行为进行处理。
8.根据权利要求2或7所述的方法,其特征在于,所述预警信息包括预警提示信息、语音预警信息、灯光预警信息和震动预警信息中的一种或者多种。
9.一种驾驶行为分析装置,其特征在于,包括:
第一获取模块,用于获取车辆当前行驶环境的环境特征因子、车辆当前驾驶状态的状态特征因子以及当前驾驶状态下驾驶员的生物特征因子;
第一确定模块,用于确定所述环境特征因子、所述状态特征因子和所述生物特征因子两两之间的相关系数,生成相关系数序列;
处理模块,用于基于所述相关系数序列对所述环境特征因子、所述状态特征因子和所述生物特征因子进行融合处理,得到所述驾驶员的驾驶行为特征因子;
第二确定模块,用于根据所述驾驶行为特征因子确定所述驾驶员的驾驶行为状态。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于当所述驾驶行为状态为危险状态时,确定所述驾驶行为状态的危险状态等级;
生成模块,用于生成与所述危险状态等级匹配的预警信息,所述预警信息用于对所述驾驶员进行危险预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516061.9A CN111775948B (zh) | 2020-06-09 | 2020-06-09 | 一种驾驶行为分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516061.9A CN111775948B (zh) | 2020-06-09 | 2020-06-09 | 一种驾驶行为分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111775948A true CN111775948A (zh) | 2020-10-16 |
CN111775948B CN111775948B (zh) | 2022-07-19 |
Family
ID=72753766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010516061.9A Active CN111775948B (zh) | 2020-06-09 | 2020-06-09 | 一种驾驶行为分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111775948B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112706777A (zh) * | 2020-12-28 | 2021-04-27 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆工况调整用户驾驶行为的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040054A1 (en) * | 2007-04-11 | 2009-02-12 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
CN105564436A (zh) * | 2016-02-24 | 2016-05-11 | 深圳市中天安驰有限责任公司 | 一种高级驾驶辅助*** |
CN105774810A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
JP2017151546A (ja) * | 2016-02-22 | 2017-08-31 | パナソニックIpマネジメント株式会社 | 安全運転支援装置、および、制御方法 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN110126835A (zh) * | 2019-04-12 | 2019-08-16 | 中国平安财产保险股份有限公司 | 驾驶行为的干预方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-09 CN CN202010516061.9A patent/CN111775948B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040054A1 (en) * | 2007-04-11 | 2009-02-12 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
CN105774810A (zh) * | 2014-12-24 | 2016-07-20 | 中国电信股份有限公司 | 车辆驾驶行为处理方法和装置 |
US20170132521A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Driving behavior evaluating method and device |
JP2017151546A (ja) * | 2016-02-22 | 2017-08-31 | パナソニックIpマネジメント株式会社 | 安全運転支援装置、および、制御方法 |
CN105564436A (zh) * | 2016-02-24 | 2016-05-11 | 深圳市中天安驰有限责任公司 | 一种高级驾驶辅助*** |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN110126835A (zh) * | 2019-04-12 | 2019-08-16 | 中国平安财产保险股份有限公司 | 驾驶行为的干预方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112706777A (zh) * | 2020-12-28 | 2021-04-27 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆工况调整用户驾驶行为的方法及装置 |
CN112706777B (zh) * | 2020-12-28 | 2022-05-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆工况调整用户驾驶行为的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111775948B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112389448B (zh) | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 | |
Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
CN108769104B (zh) | 一种基于车载诊断***数据的路况分析预警方法 | |
CN113635897B (zh) | 一种基于风险场的安全驾驶预警方法 | |
CN110766943B (zh) | 一种基于事故数据的不良驾驶行为判定的监测方法和*** | |
CN113190921A (zh) | 用于智能汽车驾乘性能测试的自动评价方法及*** | |
CN110660270A (zh) | 车辆碰撞风险评价模型的建立方法和碰撞风险评价方法 | |
CN114379559B (zh) | 一种基于车辆信息采集***的驾驶风险评价特征画像方法 | |
CN112365706B (zh) | 一种基于多源信息的异常车距辨识方法 | |
CN111401414A (zh) | 一种基于自然驾驶数据的危险场景提取及分类方法 | |
CN114446057A (zh) | 一种基于智能网联环境的事故高发点辨识预警方法及*** | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN112070927A (zh) | 一种高速公路车辆微观驾驶行为分析***与分析方法 | |
CN111775948B (zh) | 一种驾驶行为分析方法及装置 | |
CN113962301B (zh) | 一种多源输入信号融合的路面质量检测方法及*** | |
CN115862268A (zh) | 基于多源网联数据的危险驾驶行为分级预警方法 | |
CN111563468A (zh) | 一种基于神经网络注意力的驾驶员异常行为检测方法 | |
CN116682264B (zh) | 一种港口车辆主动安全防控*** | |
CN116383678B (zh) | 一种营运客车异常变速行为常发性路段识别方法 | |
CN111483277A (zh) | 基于机器学习的轮胎欠压识别方法、***及存储介质 | |
CN113920734B (zh) | 一种基于logistics模型的变道预警方法 | |
CN114155742B (zh) | 一种网联车纵向行车风险评估和预警方法 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN112660141A (zh) | 一种通过驾驶行为数据的驾驶员驾驶分心行为识别方法 | |
Altunkaya et al. | Design and implementation of a novel algorithm to smart tachograph for detection and recognition of driving behaviour |
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 |