[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN103029585A - 一种车载酒精检测系统、方法及汽车 - Google Patents

一种车载酒精检测系统、方法及汽车 Download PDF

Info

Publication number
CN103029585A
CN103029585A CN201210568158XA CN201210568158A CN103029585A CN 103029585 A CN103029585 A CN 103029585A CN 201210568158X A CN201210568158X A CN 201210568158XA CN 201210568158 A CN201210568158 A CN 201210568158A CN 103029585 A CN103029585 A CN 103029585A
Authority
CN
China
Prior art keywords
pattern
alcohol
vehicle
drunken driving
classifier
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
Application number
CN201210568158XA
Other languages
English (en)
Other versions
CN103029585B (zh
Inventor
阎镜予
林天麟
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.)
Shenzhen Zhongzhi Weian Robot Technology Co.,Ltd.
Original Assignee
China Security and Surveillance Technology PRC Inc
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 China Security and Surveillance Technology PRC Inc filed Critical China Security and Surveillance Technology PRC Inc
Priority to CN201210568158.XA priority Critical patent/CN103029585B/zh
Publication of CN103029585A publication Critical patent/CN103029585A/zh
Application granted granted Critical
Publication of CN103029585B publication Critical patent/CN103029585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
  • Traffic Control Systems (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种车载酒精检测系统、方法及汽车,应用于汽车安全领域,该系统包括由分散安装在车辆内部的多个非接触式酒精传感器组成的用于测量空气中酒精浓度分布的酒精传感器组、根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式的模式分类器、以及根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶的模式保持判决模块。通过本发明能够实时快速地检测驾驶员是否酒后驾驶,抗干扰能力强,不受测量精度和环境的干扰。

Description

一种车载酒精检测系统、方法及汽车
技术领域
本发明涉及汽车安全领域,特别涉及一种车载酒精检测系统、方法及使用该系统的汽车。
背景技术
酒后驾驶是造成交通事故的常见原因之一,目前国内已经出台严厉的法律,对酒后驾驶行为进行了吊销驾照乃至入刑的处罚。但是,目前的汽车基本没有自带酒精测量装置,当驾驶人在饮酒后仍要驾驶汽车时,没有办法事先进行提醒、报警甚至禁止。因此,为防患于未然,降低酒后驾驶给社会带来的生命和财产损失,发明一种能够自动检测驾驶员是否饮酒的车载装置非常必要。
目前,研究者已发明了一些方法来检测驾驶员是否饮酒。
第一类办法是对驾驶员进行抽血,直接测量血液中的酒精浓度,此类方法无法应用于正常的驾驶活动。
第二类办法是接触式测量,即驾驶员用嘴部含着酒精探测仪进行吹气,通过呼出气体的酒精含量间接测量驾驶员的血液酒精浓度,但是,用接触式的方法进行测量不符合驾驶员的正常驾驶习惯,同时,当驾驶员蓄意要酒后驾驶时,也不会配合主动接触探测仪,接受酒精测量。
第三类办法是非接触式测量,此类方法通过安装在车内某个或多个位置的酒精传感器来检测空气中酒精浓度,间接测量驾驶员是否为酒后驾驶。但此类方法在检测到酒精浓度后,在如何判定是否为酒后驾驶方面,一般是设定一个门限值,然后将每个时刻或连续几个时刻的平均值与该门限值进行比较,若大于门限值,则视为酒后驾驶。此种判断方法较为简单,容易受到测量精度和环境干扰的影响。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种车载酒精检测系统、方法及汽车,以能够实时快速地检测驾驶员是否酒后驾驶,抗干扰能力强,不受测量精度和环境的干扰。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的一个方面,提供的一种车载酒精检测系统包括酒精传感器组、模式分类器和模式保持判决模块,酒精传感器组、模式分类器和模式保持判决模块依次连接,其中:
酒精传感器组,由分散安装在汽车内部的多个非接触式酒精传感器组成,用于测量空气中酒精浓度分布,并将测量的空气中酒精浓度分布发送给模式分类器;
模式分类器,用于根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式,并将分类结果发送给模式保持判决模块;
模式保持判决模块,用于根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
优选地,上述系统还包括模式真值设定模块和模式训练模块,其中:
模式真值设定模块,用于向模式训练模块发送训练者的实际是否饮酒值;
模式训练模块,用于接收训练者的实际是否饮酒值和对应的酒精传感器组采集的空气中酒精浓度分布,获取训练样本;并根据一组训练样本和模式分类器的类型确定模式分类器的参数。
优选地,模式分类器具体用于:根据空气中酒精浓度分布Q1、Q2,…、Qn和模式分类器的参数W1、W2,…、Wm分类为酒后驾驶和非酒后驾驶两种模式;并将分类结果发送给模式保持判决模块;其中,n为传感器的数量,m为模式分类器的参数的数量。
优选地,模式保持判决时间为30秒。
优选地,预设的比例为75%。
优选地,上述系统还包括控制与报警模块,用于当模式保持判决模块的判定结果为酒后驾驶时,执行控制和/或报警动作。
进一步地,执行控制和/或报警动作包括:禁止车辆点火、和/或通过声或光进行报警。
根据本发明的另一个方面,提供的一种车载酒精检测方法包括以下步骤:
酒精传感器组实时测量空气中酒精浓度分布;
模式分类器根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式;
根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
优选地,上述方法之前还包括模式训练的步骤,具体包括:接收训练者的实际是否饮酒值和对应的酒精传感器组测量的空气中酒精浓度分布,获取训练样本;根据一组训练样本和模式分类器的类型确定所述模式分类器的参数。
优选地,上述方法之后还包括以下步骤:如果判定结果为酒后驾驶,则执行控制和/或报警动作;其中,执行控制和/或报警动作包括:禁止车辆点火、和/或通过声或光进行报警。
根据本发明的再一个方面,提供的一种汽车上包括上述技术方案中的车载酒精检测系统。
采用本发明的实施例的车载酒精检测系统、方法及汽车,通过使用多个非接触式酒精传感器实时采集每个采样时刻的空气中酒精浓度含量分布,并将该分布通过事先训练好的模式分类器进行分类,根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。能够实时快速地检测驾驶员是否酒后驾驶,抗干扰能力强,不受测量精度和环境的干扰。
附图说明
图1为本发明实施例提供的一种车载酒精检测系统的结构示意图;
图2为本发明优选实施例提供的一种车载酒精检测系统的结构示意图;
图3为本发明实施例提供的一种车载酒精检测方法的流程图
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,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仅用以解释本发明,并不用于限定本发明。
如图1所示是本发明实施例提供一种车载酒精检测系统,该系统包括酒精传感器组10、模式分类器20和模式保持判决模块30,酒精传感器组10、模式分类器20和模式保持判决模块30依次连接,其中:
酒精传感器组10,由分散安装在汽车内部的多个非接触式酒精传感器组成,用于测量空气中酒精浓度分布,并将测量的空气中酒精浓度分布发送给模式分类器20;
模式分类器20,用于根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式,并将分类结果发送给模式保持判决模块30;
模式保持判决模块30,用于根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
具体来说,酒精传感器组10由n(n>1)个非接触式酒精传感器组成,安装在汽车内部,测量安装位置处的空气中酒精浓度Q1、Q2,…、Qn,并将测量结果Q1、Q2,…、Qn发送至模式分类器20,其中,n为非接触式酒精传感器的数量。作为一种优选的方式,酒精传感器组10可以采用4个非接触式酒精传感器,并分别安装在驾驶员座位、在前排乘客座位、在驾驶员身后的后排座位以及前排乘客身后的后排座位,实时采集这4处的空气酒精浓度。
模式分类器20是一个数学模型,其输入为酒精传感器组10的测量结果Q1、Q2、…、Qn,其输出为驾驶员是否饮酒分类结果Pr。Pr有两种取值,分别为非酒后驾驶模式、酒后驾驶模式,并且此两种取值可以用数值化表达,比如Pr=0为非酒后驾驶、Pr=1为酒后驾驶。
模式分类器20可用如下数学公式表达:
Pr=f(Q1,Q2,…,Qn|W1,W2,…,Wm)
其中,f为采用的模式分类器的数学模型表达式,n为非接触式酒精传感器的数量,Q1、Q2、…、Qn为传感器安装处空气中酒精浓度,m为模式分类器的参数的数量,W1、W2、…、Wm为该模式分类器的参数,各参数的取值可以通过模式训练确定。模式分类是一种成熟的技术,已经广为科研工作者熟知,并且已经存在众多可供选择的模式分类器数学模型,比如:一种典型的模式分类器为人工神经网络,则模式分类器参数W1、W2、…、Wm为人工神经网络各层上各神经元针对各输入的权重。
模式保持判决模块30可以通过工作在MCU(微控制单元)内的软件程序实现。具体为:接收模式分类器20给出的是否酒后驾驶模式Pr,并在一段固定的模式保持判决时间内,计算判断为酒后驾驶模式的次数占总判断次数的比例。若该比例大于固定的模式保持判决比例,则判断为驾驶员酒后驾驶,否则判断为非酒后驾驶。
其中,模式保持判决时间的一种优选的值为30秒。模式保持判决比例的一种优选的值为75%。
当然,作为一种优选的方式,本实施例中还可以采用控制与报警模块,用于当模式保持判决模块30的判定结果为酒后驾驶时执行控制和/或报警动作,包括通过声或光进行报警,甚者禁止车辆点火(比如可以控制继电器切断点火装置电源,还可采用控制电动汽车控制器不发送启动使能信号给电机控制器),从而有效的预防酒后驾驶的发生。
如图2所示是本发明优选实施例提供的一种车载酒精检测系统,该系统包括酒精传感器组10、模式分类器20、模式保持判决模块30和控制与报警模块40,还包括模式真值设定模块50和模式训练模块60;酒精传感器组10、模式分类器20、模式保持判决模块30和控制与报警模块40依次连接,模式训练模块60的输入分别与模式真值设定模块50和酒精传感器组10相连,模式训练模块60的输出与模式分类器20相连,其中:
酒精传感器组10、模式分类器20和模式保持判决模块30的技术特征和功能均与实施例一中雷同,这里不再重述。
控制与报警模块40,用于根据模式保持判决模块的判定结果为酒后驾驶时执行控制和/或报警动作。
具体来说,控制与报警模块40接收模式保持判决模块30输出的判定结果,并根据判定结果执行相应的动作。当判定结果为非酒后驾驶时,汽车正常工作,控制与报警模块40可以不做任何操作;当判定结果为酒后驾驶时,控制与报警模块40可以将禁止汽车点火,并通过声光报警等方式对驾驶员进行报警。
模式真值设定模块50,用于向模式训练模块60发送训练者的实际是否饮酒值;
模式训练模块60,用于接收训练者的实际是否饮酒值和对应的酒精传感器组测量的空气中酒精浓度分布,获取训练样本;并根据一组训练样本和模式分类器的类型确定该模式分类器的参数。
具体来说,模式真值设定模块50和模式训练模块60仅工作在模式训练阶段。模式训练阶段是指当酒精传感器组10安装在车辆上,并选定模式分类器20后,为确定具体的模式分类器20的参数而进行的模式训练。
模式真值设定模块50向模式训练模块60发送训练者实际是否饮酒Pt。与Pr向对应,Pt也是两种取值,分别为非酒后驾驶模式和酒后驾驶模式,并且此两种取值采用数值化方式表达时,必须采用和Pr一样的方式,续前例,则Pt=0为非酒后驾驶模式、Pt=1为酒后驾驶模式。
训练过程例如:由4名测试人员组成测试小组,其中1人为驾驶员,1人为前排乘客,1人为驾驶员身后的后排乘客,1人为前排乘客身后的后排乘客。4人分别在饮酒或不饮酒的情况坐于车内,由酒精传感器组10进行采集空气中酒精浓度分布Q1、Q2、…、Qn,当驾驶员实际未饮酒时,令Pt=0,驾驶员实际饮酒时,令Pt=1。由一组Q1、Q2、…、Qn和其对应的Pt组成的数据集合构成一个训练样本。经过若干次变换测试小组的饮酒情况,可获取若干个训练样本。
模式训练模块60可以通过MCU内的软件程序来实现。其输入为若干个训练样本和模式分类器20的类型,其输出为模式分类器20的参数W1、W2、…、Wm。模式训练的算法是一种成熟的技术,已经广为科研工作者熟知,续上例,当采用人工神经网络做为模式分类器20时,可用误差反向传播(Error BackPropaga tion,BP)算法进行训练,并最终确定人工神经网络各层上各神经元针对各输入的权重W1、W2、…、Wm。
需要说明地是,在非接触式酒精传感器的选型、使用数量、安装位置、以及使用的模式分类器20均完全一样的情况下,可只进行一次训练过程,确定一次模式分类器参数。该组参数可应用于其他同样的系统。
请参阅如图2和如图3,本发明实施例提供的一种车载酒精检测方法以下步骤:
S301、酒精传感器组10实时测量空气中酒精浓度分布;
具体地,通过酒精传感器组10实时采集每个非接触式酒精传感器安装位置处的空气中酒精浓度Q1、Q2,…、Qn;其中,n为非接触式酒精传感器的数量。
S302、模式分类器20根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式;
具体地,通过模式分类器20根据空气中酒精浓度Q1、Q2,…、Qn和模式分类器20的参数W1、W2、…、Wm对驾驶员分类为酒后驾驶和非酒后驾驶两种模式;
S303、根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
具体地,在一段模式保持判决时间内(比如优选30秒),计算分类结果中分类为酒后驾驶模式的次数占总次数的比例,如果比例大于预设的值(比如优选75%),则判定为酒后驾驶,否则判定为非酒后驾驶。
S304、判断是否为酒后驾驶,如果是,执行S305,否则执行步骤S306;
S305、禁止车辆点火、和/或通过声或光进行报警;
S306、结束流程。
优选地,上述方法之前还包括模式训练的步骤,具体包括:
接收训练者的实际是否饮酒值和对应的酒精传感器组10测量的空气中酒精浓度分布,获取训练样本;根据一组训练样本和模式分类器的类型确定该模式分类器20的参数。
具体来说,在安装调试阶段,首先将n个非接触式酒精传感器安装在车内,并确定一种模式分类器。继而进入模式训练阶段,其训练过程例如:由4名测试人员组成测试小组,其中1人为驾驶员,1人为前排乘客,1人为驾驶员身后的后排乘客,1人为前排乘客身后的后排乘客。四人分别在不同的是否饮酒下坐于车内,由酒精传感器组10进行采集Q1、Q2、…、Qn,当驾驶员实际未饮酒时,令Pt=0,驾驶员实际饮酒时,令Pt=1。由一组Q1、Q2、…、Qn和其对应的Pt组成的数据集合构成一个训练样本。经过若干次变换测试小组的是否饮酒后,可获取若干个训练样本。并由模式训练模块根据一组训练样本和模式分类器的类型确定模式分类器的参数。此时,安装调试阶段完成,系统可开始工作。需要注意的是,在非接触式酒精传感器选型、使用数量、安装位置、以及使用的模式分类器均完全一样的情况下,可只进行一次训练过程,确定一次模式分类器参数。该组参数可应用于同样的系统。
在使用阶段,n个非接触式酒精传感器首先采集空气的酒精浓度,并由模式分类器计算得出驾驶员是否饮酒分类结果。计算在模式保持判决时间内,酒后驾驶模式所占的比例,并与模式保持判决比例进行比较,若大于模式保持判决比例,则输出驾驶员酒后驾驶,否则输出非酒后驾驶。最后,控制与报警模块根据判决结果执行相应的动作,该动作包括禁止车辆点火、和/或通过声或光进行报警。
此外,本发明实施例还提供一种汽车,该汽车上包括上述技术方案中的一种车载酒精检测系统,该车载酒精检测系统的技术方案如上,在此不再重述。
采用本发明的实施例的系统、方法和汽车,通过使用多个非接触式酒精传感器实时采集每个采样时刻的空气中酒精浓度含量分布,并将该分布通过事先训练好的模式分类器进行分类,根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。能够实时快速地检测驾驶员是否酒后驾驶,抗干扰能力强,不受测量精度和环境的干扰。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。

Claims (11)

1.一种车载酒精检测系统,其特征在于,该系统包括酒精传感器组、模式分类器和模式保持判决模块,所述酒精传感器组、所述模式分类器和所述模式保持判决模块依次连接,其中:
所述酒精传感器组,由分散安装在汽车内部的多个非接触式酒精传感器组成,用于测量空气中酒精浓度分布,并将测量的空气中酒精浓度分布发送给所述模式分类器;
所述模式分类器,用于根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式,并将分类结果发送给所述模式保持判决模块;
所述模式保持判决模块,用于根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
2.根据权利要求1所述的一种车载酒精检测系统,其特征在于,所述系统还包括模式真值设定模块和模式训练模块,其中:
所述模式真值设定模块,用于向所述模式训练模块发送训练者的实际是否饮酒值;
所述模式训练模块,用于接收训练者的实际是否饮酒值和对应的所述酒精传感器组采集的空气中酒精浓度分布,获取训练样本;并根据所述一组训练样本和模式分类器的类型确定所述模式分类器的参数。
3.根据权利要求1所述的一种车载酒精检测系统,其特征在于,所述模式分类器具体用于:根据空气中酒精浓度分布Q1、Q2,…、Qn和所述模式分类器的参数W1、W2,…、Wm分类为酒后驾驶和非酒后驾驶两种模式;并将分类结果发送给所述模式保持判决模块;其中,n为所述传感器的数量,m为所述模式分类器的参数的数量。
4.根据权利要求1所述的一种车载酒精检测系统,其特征在于,所述模式保持判决时间为30秒。
5.根据权利要求1所述的一种车载酒精检测系统,其特征在于,所述预设的比例为75%。
6.根据权利要求1-5任意一项权利要求所述的一种车载酒精检测系统,其特征在于,所述系统还包括控制与报警模块,用于当所述模式保持判决模块的判定结果为酒后驾驶时,执行控制和/或报警动作。
7.根据权利要求6所述的一种车载酒精检测系统,其特征在于,所述执行控制和/或报警动作包括:禁止车辆点火、和/或通过声或光进行报警。
8.一种汽车,其特征在于,所述汽车包括如权利要求1-7任意一项权利要求所述的车载酒精检测系统。
9.一种车载酒精检测方法,其特征在于,该方法包括以下步骤:
酒精传感器组实时测量空气中酒精浓度分布;
模式分类器根据空气中酒精浓度分布分类为酒后驾驶和非酒后驾驶两种模式;
根据在模式保持判决时间内分类为酒后驾驶模式的次数占总次数的比例是否大于预设的比例判定是否为酒后驾驶。
10.根据权利要求9所述的一种车载酒精检测方法,其特征在于,所述方法之前还包括模式训练的步骤,具体包括:
接收训练者的实际是否饮酒值和对应的酒精传感器组测量的空气中酒精浓度分布,获取训练样本;
根据一组训练样本和模式分类器的类型确定所述模式分类器的参数。
11.根据权利要求9所述的一种车载酒精检测方法,其特征在于,所述方法之后还包括以下步骤:
如果判定结果为酒后驾驶,则执行控制和/或报警动作;
其中,所执行控制和/或报警动作包括:禁止车辆点火、和/或通过声或光进行报警。
CN201210568158.XA 2012-12-24 2012-12-24 一种车载酒精检测系统、方法及汽车 Active CN103029585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210568158.XA CN103029585B (zh) 2012-12-24 2012-12-24 一种车载酒精检测系统、方法及汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210568158.XA CN103029585B (zh) 2012-12-24 2012-12-24 一种车载酒精检测系统、方法及汽车

Publications (2)

Publication Number Publication Date
CN103029585A true CN103029585A (zh) 2013-04-10
CN103029585B CN103029585B (zh) 2015-12-02

Family

ID=48017167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210568158.XA Active CN103029585B (zh) 2012-12-24 2012-12-24 一种车载酒精检测系统、方法及汽车

Country Status (1)

Country Link
CN (1) CN103029585B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103895514A (zh) * 2014-04-02 2014-07-02 西北工业大学 一种车载酒精浓度自报警自控制系统
CN107082034A (zh) * 2017-05-08 2017-08-22 南京信息工程大学 一种智能汽车座垫及其测量方法
CN112092617A (zh) * 2020-09-25 2020-12-18 卢祖雄 一种防止酒后驾驶行为的检测与控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994022686A1 (en) * 1993-04-01 1994-10-13 Alcohol Sensors International, Ltd. Breath sensor apparatus
CN101706509A (zh) * 2009-03-24 2010-05-12 佳思德科技(深圳)有限公司 呼出气体酒精的测量方法
CN101968758A (zh) * 2010-10-28 2011-02-09 西北工业大学 多数据点阈值检测方法
CN201777145U (zh) * 2010-09-17 2011-03-30 成天行 非接触式车载酒精探测及酒驾控制系统
JP5040705B2 (ja) * 2007-08-09 2012-10-03 トヨタ自動車株式会社 飲酒状態判定装置、及び飲酒運転防止装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994022686A1 (en) * 1993-04-01 1994-10-13 Alcohol Sensors International, Ltd. Breath sensor apparatus
JP5040705B2 (ja) * 2007-08-09 2012-10-03 トヨタ自動車株式会社 飲酒状態判定装置、及び飲酒運転防止装置
CN101706509A (zh) * 2009-03-24 2010-05-12 佳思德科技(深圳)有限公司 呼出气体酒精的测量方法
CN201777145U (zh) * 2010-09-17 2011-03-30 成天行 非接触式车载酒精探测及酒驾控制系统
CN101968758A (zh) * 2010-10-28 2011-02-09 西北工业大学 多数据点阈值检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
栾淑利: "基于人工神经网络的酒精识别电子鼻研究", 《中国优秀博硕士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103895514A (zh) * 2014-04-02 2014-07-02 西北工业大学 一种车载酒精浓度自报警自控制系统
CN103895514B (zh) * 2014-04-02 2016-08-17 西北工业大学 一种车载酒精浓度自报警自控制系统
CN107082034A (zh) * 2017-05-08 2017-08-22 南京信息工程大学 一种智能汽车座垫及其测量方法
CN112092617A (zh) * 2020-09-25 2020-12-18 卢祖雄 一种防止酒后驾驶行为的检测与控制方法

Also Published As

Publication number Publication date
CN103029585B (zh) 2015-12-02

Similar Documents

Publication Publication Date Title
US8335616B2 (en) Individualizable post-crash assist system
US8284041B2 (en) Method and apparatus for in-vehicle presence detection and driver alerting
CN103080953B (zh) 用于加速的物体检测和/或加速的物体属性检测的方法和系统及所述方法的用途
CN106274483A (zh) 基于分心驾驶行为判别的车辆自动驾驶切换装置及方法
CN102163368A (zh) 不安全驾驶行为的识别与监控系统及方法
CN108645634A (zh) 一种轨道车辆故障诊断装置
CN103029585B (zh) 一种车载酒精检测系统、方法及汽车
CN109031251A (zh) 一种汽车车载传感器故障自动检测方法及装置
CN109415057B (zh) 用于通过驾驶员辅助系统更好的识别对象的方法
KR20100015805A (ko) 적재물 감지 시스템 및 방법
CN108298393A (zh) 基于深度网络过滤电梯困人误报的方法
CN103377556A (zh) 套牌车辆的检测装置、检测系统及其检测方法
Lv et al. The influence of different factors on right-turn distracted driving behavior at intersections using naturalistic driving study data
CN105799709A (zh) 车辆急转弯的识别方法及装置
Wu et al. Screening naturalistic driving study data for safety-critical events
US20070213883A1 (en) Vehicle over speed indicator
CN101318493A (zh) 一种车辆乘员体征的识别方法
KR101397720B1 (ko) 자동차 모의충돌 시험방법
Engström et al. Comparison between visual and tactile signal detection tasks applied to the safety assessment of in-vehicle information systems
CN108053669A (zh) 一种智能车载管理器
CN100447819C (zh) 长途客运汽车超载监测系统
US6771175B1 (en) Method for demonstrating reliability of occupant classification systems
Kim et al. Detecting driver fatigue based on the driver's response pattern and the front view environment of an automobile
CN110809280A (zh) 一种铁路无线网络质量的检测预警方法及装置
AU2003231680B2 (en) Process to detect the motion of a vehicle

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518000 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee after: ANKE ROBOT CO.,LTD.

Address before: 518054 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee before: ANKE SMART CITY TECHNOLOGY (PRC) Co.,Ltd.

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20180906

Address after: 518000 Shenzhen, Guangdong Guangming New District Guangming Street Wan Dai Heng hi tech Industrial Park 5, 5 floor.

Patentee after: SHENZHEN ZHONGZHI KECHUANG ROBOT Co.,Ltd.

Address before: 518000 room 1306, Press Plaza, Shennan Avenue, Futian District, Shenzhen, Guangdong

Patentee before: ANKE ROBOT CO.,LTD.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210510

Address after: 518000 Room 201, building a, No.1 Qianhai 1st Road, Qianhai Shenxiang cooperation zone, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Zhongzhi Weian Robot Technology Co.,Ltd.

Address before: 518000 Shenzhen, Guangdong Guangming New District Guangming Street Wan Dai Heng hi tech Industrial Park 5, 5 floor.

Patentee before: SHENZHEN ZHONGZHI KECHUANG ROBOT Co.,Ltd.

TR01 Transfer of patent right