CN113119860B - 一种基于云计算的司机智能辅助驾驶系统 - Google Patents
一种基于云计算的司机智能辅助驾驶系统 Download PDFInfo
- Publication number
- CN113119860B CN113119860B CN202110540964.5A CN202110540964A CN113119860B CN 113119860 B CN113119860 B CN 113119860B CN 202110540964 A CN202110540964 A CN 202110540964A CN 113119860 B CN113119860 B CN 113119860B
- Authority
- CN
- China
- Prior art keywords
- driver
- violation
- driving
- value
- limb
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
- B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
- B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
- B60K28/063—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver preventing starting of vehicles
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physiology (AREA)
- Mechanical Engineering (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Pulmonology (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Transportation (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于云计算的司机智能辅助驾驶系统，涉及安全驾驶技术领域，包括体征分析模块、服务器、行为分析模块和驾驶考核模块；体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；有效提高司机在车辆驾驶过程中的安全性；行为分析模块对司机驾驶过程中的肢体动作进行识别，能够及时发现并提醒违规肢体动作，提醒司机纠正驾驶行为，预防交通事故的发生；驾驶考核模块用于对司机的驾驶违规记录进行考核评分，计算得到违规评值，若违规评值≥预设违规评值阈值，则服务器远程控制车辆断油，执行安全熄火指令，靠边停车；提高驾驶安全。
Description
技术领域
本发明涉及安全驾驶技术领域，具体是一种基于云计算的司机智能辅助驾驶系统。
背景技术
随着人们生活水平的提高以及科学技术的发展，人们对汽车的功能提出了更高的需求。现有的车载导航系统不仅具备定位、路径规划及导航的功能，甚至还集成了丰富的功能模块，例如行车记录仪、空气净化器及CMMB(China Mobile Multimedia Broadcasting，中国移动多媒体广播)等。近年来，交通事故率越来越高，并且多数交通事故是由于人为因素导致的，例如驾驶员疲劳驾驶、酒驾、醉驾等；数据表明，不专心驾驶是导致车祸的重要因素之一，每年全球约30万人因不专心驾驶(单手或双手离开方向盘、吸烟、打手机、进食等)行为丧生；因此，迫切需要提高驾驶员的安全驾驶意识及安全驾驶系数。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于云计算的司机智能辅助驾驶系统。本发明能够在车辆行驶过程中对司机的身体参数据进行实时监测，根据身体参数对司机的身体状态进行评估以监测其驾驶状态，能够有效地提高司机在车辆驾驶过程中的安全性；同时行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；对司机驾驶过程中的肢体动作进行识别，获取违规肢体动作的肢体识别结果；能够及时发现并提醒违规肢体动作，提醒司机纠正驾驶行为，预防交通事故的发生。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的司机智能辅助驾驶系统，包括体征监测模块、体征分析模块、服务器、车载终端、视频采集模块、行为分析模块、驾驶考核模块以及存储模块；
所述体征监测模块为佩戴于司机身上的智能设备；用于在车辆行驶过程中获取司机的身体参数据并将司机的身体参数据传输至体征分析模块；
所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；若司机的身体状态异常，则体征分析模块发出体征异常信号至服务器；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，当车载终端语音播报指示操作后，若司机在预设时间内未执行该指示操作，则执行超时处理措施；
所述视频采集模块用于采集司机的驾驶情况并进行压缩，将压缩后的码流发送至行为分析模块，所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；具体分析步骤为：
S1：肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果；
S2：违规分析单元将肢体识别结果中的违规肢体动作开始时刻与结束时刻进行时间差计算得到违规动作时长WT；
所述数据库中存储有各种违规肢体动作和对应的违规时长阈值；根据肢体识别单元识别到的违规肢体动作从数据库中调取该违规肢体动作对应的违规时长阈值；将违规动作时长WT与对应的违规时长阈值相比较；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；
所述行为分析模块用于将司机单次驾驶过程中所有违规肢体动作的肢体识别结果和违规提醒进行融合形成驾驶违规记录，并将驾驶违规记录打上时间戳发送至存储模块进行存储；
进一步的，所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；具体步骤为：
V1：获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；
V2：将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；将排序后的相邻两个违规肢体动作的开始时刻进行时间差计算得到单次违规间隔时长；
将单次违规间隔时长与间隔时长阈值相比较；若单次违规间隔时长≤间隔时长阈值，则将对应的单次违规间隔时长标记为影响间隔时长；统计影响间隔时长出现的次数并标记为C1；
将影响间隔时长与间隔时长阈值进行差值计算获取得到差隔值，并标记为Q1；
设定差隔系数为Kc，c＝1，2，……，20；其中，K1＜K2＜……＜K20；每个差隔系数Kc均对应一个预设差隔值范围，依次分别为(k1，k2]，(k2，k3]，…，(k20，k21]；且k1＜k2＜…＜k20＜k21；
当Q1∈(kc，kc+1]，则预设差隔值范围对应的差隔系数为Kc；
利用公式Q2＝Q1×Kc获取得到差隔值对应的影响值Q2，将所有的差隔值对应影响值进行求和得到差隔影响总值，并标记为Q3；
利用公式GQ＝C1×b1+Q3×b2获取得到间隔影响系数GQ，其中b1、b2均为系数因子；
V3：将违规频次、提醒频次和间隔影响系数进行归一化处理并取其数值；利用公式WG＝P1×b3+P2×b4+GQ×b5计算得到违规评值WG，其中b3、b4、b5均为系数因子；
将违规评值WG与预设违规评值阈值相比较；
若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述驾驶考核模块用于将行为异常信号传输至服务器；所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；提高驾驶安全。
进一步地，所述体征分析模块的分析步骤为：
步骤一：当车辆行驶时，获取司机的身体参数据；将司机的口腔酒精含量数据标记为L1，将司机的实时心率标记为L2，将司机的实时体温标记为L3，将司机的血压标记为L4，将司机的睡眠质量标记为L5,将司机的血糖标记为L6；
步骤二：将L1与酒精含量阈值相比较；若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；
步骤三：利用公式XZ＝η×(L2×a1+L3×a2+L4×a3+L6×a4)/(L5×a5)计算得到司机的心脏健康系数XZ；其中a1、a2、a3、a4、a5均为比例系数；
建立心脏健康系数XZ随时间变化的曲线图；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；
步骤四：从初始时刻起，按照预设的采集间隔时长采集司机的心脏健康系数，将采集的心脏健康系数标记为XZi，i＝1，...，n；
令最新采集的心脏健康系数为XZn，取XZn及其前X1组心脏健康系数的值，将其标记为区间系数Ji，i＝n-X1，...，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；
根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，具体计算方法为：
当n≤X1时；此时自动对X1的值进行重置，令X1＝n-1；
当n>X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；
将最大值Jmax与最小值Jmin的差值除以最小值Jmin得到区间系数Ji的差异比Cb，即Cb＝(Jmax-Jmin)/Jmin；
利用公式
获取得到安稳值W；其中A5、A6为比例系数；
将安稳值W与预设阈值相比较，若安稳值W≥预设阈值，则表示司机的身体参数变化剧烈，此时司机身体状态异常，生成体征异常信号。
进一步地，所述智能设备为智能手环、智能手机或智能手表；所述身体参数据包括心率、体温、血压、睡眠质量、血液中的酒精含量以及血糖；所述超时处理措施为：所述体征分析模块用于将安全熄火指令传输至服务器，所述服务器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；
进一步地，所述行为分析模块包括肢体识别单元、违规分析单元；所述肢体识别单元用于对司机驾驶过程中的肢体动作进行识别，获取违规肢体动作的肢体识别结果；所述违规肢体动作包括撑头、单手接电话、单手扶方向盘、吃东西以及双手离开方向盘等；所述肢体识别结果包括违规肢体动作的开始时刻和结束时刻；所述违规分析单元用于获取违规肢体动作的肢体识别结果并进行违规分析。
与现有技术相比，本发明的有益效果是：
1、本发明中所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；将司机的口腔酒精含量数据标记为L1，若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；利用公式计算得到司机的心脏健康系数XZ；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；建立心脏健康系数XZ随时间变化的曲线图；根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，若安稳值W≥预设阈值，则此时司机身体状态异常，生成体征异常信号；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，若司机在预设时间内未执行该指示操作，则执行超时处理措施；本发明能够在车辆行驶过程中对司机的身体参数据进行实时监测，根据身体参数对司机的身体状态进行评估以监测其驾驶状态，能够有效地提高司机在车辆驾驶过程中的安全性；
2、本发明中所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；首先肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果，得到违规动作时长WT；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；维护驾驶安全；本发明能够及时发现并提醒违规肢体动作，预防交通事故的发生；
3、本发明中所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；经过相关处理得到间隔影响系数GQ，利用公式WG＝P1×b3+P2×b4+GQ×b5计算得到违规评值WG，若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；提高驾驶安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，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他的附图。
图1为本发明的系统框图。
图2为本发明中实施例1的系统框图。
图3为本发明中实施例2的系统框图。
具体实施方式
下面将结合实施例对本发明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前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1-3所示，一种基于云计算的司机智能辅助驾驶系统，包括体征监测模块、体征分析模块、服务器、车载终端、视频采集模块、行为分析模块、驾驶考核模块以及存储模块；
实施例1
如图2所示；所述体征监测模块为佩戴于司机身上的智能设备；用于在车辆行驶过程中获取司机的身体参数据并将司机的身体参数据传输至体征分析模块；所述智能设备为智能手环、智能手机或智能手表；所述身体参数据包括心率、体温、血压、睡眠质量、血液中的酒精含量以及血糖；
所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；若司机的身体状态异常，则体征分析模块发出体征异常信号至服务器，所述体征分析模块的分析步骤为：
步骤一：当车辆行驶时，获取司机的身体参数据；将司机的口腔酒精含量数据标记为L1，将司机的实时心率标记为L2，将司机的实时体温标记为L3，将司机的血压标记为L4，将司机的睡眠质量标记为L5,将司机的血糖标记为L6；
步骤二：将L1与酒精含量阈值相比较；若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；
步骤三：利用公式XZ＝η×(L2×a1+L3×a2+L4×a3+L6×a4)/(L5×a5)计算得到司机的心脏健康系数XZ；其中a1、a2、a3、a4、a5均为比例系数；
建立心脏健康系数XZ随时间变化的曲线图；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；
步骤四：从初始时刻起，按照预设的采集间隔时长采集司机的心脏健康系数，将采集的心脏健康系数标记为XZi，i＝1，...，n；
令最新采集的心脏健康系数为XZn，取XZn及其前X1组心脏健康系数的值，将其标记为区间系数Ji，i＝n-X1，...，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；
根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，具体计算方法为：
当n≤X1时；此时自动对X1的值进行重置，令X1＝n-1；
当n>X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；
将最大值Jmax与最小值Jmin的差值除以最小值Jmin得到区间系数Ji的差异比Cb，即Cb＝(Jmax-Jmin)/Jmin；
利用公式
获取得到安稳值W；其中A5、A6为比例系数；
将安稳值W与预设阈值相比较，若安稳值W≥预设阈值，则表示司机的身体参数变化剧烈，此时司机身体状态异常，生成体征异常信号；
所述体征分析模块用于将体征异常信号发送至服务器；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，当车载终端语音播报指示操作后，若司机在预设时间内未执行该指示操作，则执行超时处理措施；所述超时处理措施为：所述体征分析模块用于将安全熄火指令传输至服务器，所述服务器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；
实施例2
如图3所示；所述视频采集模块用于采集司机的驾驶情况并进行压缩，将压缩后的码流发送至行为分析模块，所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；
所述行为分析模块包括肢体识别单元、违规分析单元；所述肢体识别单元用于对司机驾驶过程中的肢体动作进行识别，获取违规肢体动作的肢体识别结果；所述违规肢体动作包括撑头、单手接电话、单手扶方向盘、吃东西以及双手离开方向盘等；所述肢体识别结果包括违规肢体动作的开始时刻和结束时刻；所述违规分析单元用于获取违规肢体动作的肢体识别结果并进行违规分析；具体分析步骤为：
S1：肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果；
S2：违规分析单元将肢体识别结果中的违规肢体动作开始时刻与结束时刻进行时间差计算得到违规动作时长WT；
所述数据库中存储有各种违规肢体动作和对应的违规时长阈值；根据肢体识别单元识别到的违规肢体动作从数据库中调取该违规肢体动作对应的违规时长阈值；将违规动作时长WT与对应的违规时长阈值相比较；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；维护驾驶安全；
所述行为分析模块用于将司机单次驾驶过程中所有违规肢体动作的肢体识别结果和违规提醒进行融合形成驾驶违规记录，并将驾驶违规记录打上时间戳发送至存储模块进行存储；
所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；具体步骤为：
V1：获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；
V2：将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；将排序后的相邻两个违规肢体动作的开始时刻进行时间差计算得到单次违规间隔时长；
将单次违规间隔时长与间隔时长阈值相比较；若单次违规间隔时长≤间隔时长阈值，则将对应的单次违规间隔时长标记为影响间隔时长；统计影响间隔时长出现的次数并标记为C1；
将影响间隔时长与间隔时长阈值进行差值计算获取得到差隔值，并标记为Q1；
设定差隔系数为Kc，c＝1，2，……，20；其中，K1＜K2＜……＜K20；每个差隔系数Kc均对应一个预设差隔值范围，依次分别为(k1，k2]，(k2，k3]，…，(k20，k21]；且k1＜k2＜…＜k20＜k21；
当Q1∈(kc，kc+1]，则预设差隔值范围对应的差隔系数为Kc；
利用公式Q2＝Q1×Kc获取得到差隔值对应的影响值Q2，将所有的差隔值对应影响值进行求和得到差隔影响总值，并标记为Q3；
利用公式GQ＝C1×b1+Q3×b2获取得到间隔影响系数GQ，其中b1、b2均为系数因子；
V3：将违规频次、提醒频次和间隔影响系数进行归一化处理并取其数值；利用公式WG＝P1×b3+P2×b4+GQ×b5计算得到违规评值WG，其中b3、b4、b5均为系数因子；
将违规评值WG与预设违规评值阈值相比较；
若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述驾驶考核模块用于将行为异常信号传输至服务器；所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；提高驾驶安全。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理是：
一种基于云计算的司机智能辅助驾驶系统，在工作时，所述体征监测模块用于在车辆行驶过程中获取司机的身体参数据并将司机的身体参数据；所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；将司机的口腔酒精含量数据标记为L1，若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；利用公式XZ＝η×(L2×a1+L3×a2+L4×a3+L6×a4)/(L5×a5)计算得到司机的心脏健康系数XZ；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；建立心脏健康系数XZ随时间变化的曲线图；根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，若安稳值W≥预设阈值，则表示司机的身体参数变化剧烈，此时司机身体状态异常，生成体征异常信号；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，若司机在预设时间内未执行该指示操作，则执行超时处理措施；本发明能够在车辆行驶过程中对司机的身体参数据进行实时监测，根据身体参数对司机的身体状态进行评估以监测其驾驶状态，能够有效地提高司机在车辆驾驶过程中的安全性；
所述视频采集模块用于采集司机的驾驶情况并进行压缩，将压缩后的码流发送至行为分析模块，所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；首先肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果，得到违规动作时长WT；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；维护驾驶安全；本发明能够及时发现并提醒违规肢体动作，预防交通事故的发生；
所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；经过相关处理得到间隔影响系数GQ，利用公式WG＝P1×b3+P2×b4+GQ×b5计算得到违规评值WG，若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；提高驾驶安全。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (2)
1.一种基于云计算的司机智能辅助驾驶系统，其特征在于，包括体征监测模块、体征分析模块、服务器、车载终端、视频采集模块、行为分析模块、驾驶考核模块以及存储模块；
所述体征监测模块为佩戴于司机身上的智能设备，用于在车辆行驶过程中获取司机的身体参数据并将司机的身体参数据传输至体征分析模块；
所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；具体分析步骤为：
步骤一：当车辆行驶时，获取司机的身体参数据；将司机的口腔酒精含量数据标记为L1，将司机的实时心率标记为L2，将司机的实时体温标记为L3，将司机的血压标记为L4，将司机的睡眠质量标记为L5，将司机的血糖标记为L6；
步骤二：将L1与酒精含量阈值相比较；若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；
步骤三：利用公式XZ=η×(L2×a1+L3×a2+L4×a3+L6×a4)/(L5×a5)计算得到司机的心脏健康系数XZ；其中a1、a2、a3、a4、a5均为比例系数；
建立心脏健康系数XZ随时间变化的曲线图；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；
步骤四：从初始时刻起，按照预设的采集间隔时长采集司机的心脏健康系数，将采集的心脏健康系数标记为XZi，i＝1，...，n；
令最新采集的心脏健康系数为XZn，取XZn及其前X1组心脏健康系数的值，将其标记为区间系数Ji，i＝n-X1，...，n；其中X1为预设值；
按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；
根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，具体计算方法为：
当n≤X1时；此时自动对X1的值进行重置，令X1＝n-1；
当n>X1时，X1的具体取值为用户预设值；
利用公式
获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；
遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；
将最大值Jmax与最小值Jmin的差值除以最小值Jmin得到区间系数Ji的差异比Cb，即Cb=（Jmax-Jmin）/Jmin；
利用公式
获取得到安稳值W；其中A5、A6为比例系数；
将安稳值W与预设阈值相比较，若安稳值W≥预设阈值，则表示司机的身体参数变化剧烈，此时司机身体状态异常，生成体征异常信号；
所述体征分析模块用于将体征异常信号发送至服务器；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，当车载终端语音播报指示操作后，若司机在预设时间内未执行该指示操作，则执行超时处理措施；
所述超时处理措施为：所述体征分析模块用于将安全熄火指令传输至服务器，所述服务器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；
所述视频采集模块用于采集司机的驾驶情况并进行压缩，将压缩后的码流发送至行为分析模块，所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；所述行为分析模块包括肢体识别单元、违规分析单元；具体分析步骤为：
S1：肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果；
S2：违规分析单元将肢体识别结果中的违规肢体动作开始时刻与结束时刻进行时间差计算得到违规动作时长WT；
数据库中存储有各种违规肢体动作和对应的违规时长阈值；根据肢体识别单元识别到的违规肢体动作从数据库中调取该违规肢体动作对应的违规时长阈值；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；
所述行为分析模块用于将司机单次驾驶过程中所有违规肢体动作的肢体识别结果和违规提醒进行融合形成驾驶违规记录，并将驾驶违规记录打上时间戳发送至存储模块进行存储；
所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；包括：
V1：获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；
V2：将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；将排序后的相邻两个违规肢体动作的开始时刻进行时间差计算得到单次违规间隔时长；将单次违规间隔时长与间隔时长阈值相比较；若
单次违规间隔时长≤间隔时长阈值，则将对应的单次违规间隔时长标记为影响间隔时长；统计影响间隔时长出现的次数并标记为C1；将影响间隔时长与间隔时长阈值进行差值计算获取得到差隔值，并标记为Q1；
设定差隔系数为Kc，c=1，2，……，20；其中，K1＜K2＜……＜K20；
每个差隔系数Kc均对应一个预设差隔值范围，依次分别为（k1，k2]，（k2，k3]，…，（k20，k21]；且k1＜k2＜…＜k20＜k21；
当Q1∈（kc，kc+1]，则预设差隔值范围对应的差隔系数为Kc；
利用公式Q2=Q1×Kc获取得到差隔值对应的影响值Q2，将所有的差隔值对应影响值进行求和得到差隔影响总值，并标记为Q3；利用公式GQ=C1×b1+Q3×b2获取得到间隔影响系数GQ，其中b1、b2均为系数因子；
V3：将违规频次、提醒频次和间隔影响系数进行归一化处理并取其数值；利用公式WG=P1×b3+P2×b4+GQ×b5计算得到违规评值WG，其中b3、b4、b5均为系数因子；将违规评值WG与预设违规评值阈值相比较；
若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述驾驶考核模块用于将行为异常信号传输至服务器；所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车。
2.根据权利要求1所述的一种基于云计算的司机智能辅助驾驶系统，其特征在于，所述肢体识别单元用于对司机驾驶过程中的肢体动作进行识别，获取违规肢体动作的肢体识别结果；所述违规肢体动作包括撑头、单手接电话、单手扶方向盘、吃东西以及双手离开方向盘；所述肢体识别结果包括违规肢体动作的开始时刻和结束时刻；所述违规分析单元用于获取违规肢体动作的肢体识别结果并进行违规分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110540964.5A CN113119860B (zh) | 2021-05-18 | 2021-05-18 | 一种基于云计算的司机智能辅助驾驶系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110540964.5A CN113119860B (zh) | 2021-05-18 | 2021-05-18 | 一种基于云计算的司机智能辅助驾驶系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113119860A CN113119860A (zh) | 2021-07-16 |
| CN113119860B true CN113119860B (zh) | 2022-08-19 |
Family
ID=76782710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110540964.5A Active CN113119860B (zh) | 2021-05-18 | 2021-05-18 | 一种基于云计算的司机智能辅助驾驶系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113119860B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506447B (zh) * | 2021-08-16 | 2022-08-16 | 深圳市沅欣智能科技有限公司 | 一种基于物联网的园区智慧通行控制方法及相关装置 |
| CN117011890B (zh) * | 2023-07-10 | 2024-07-05 | 三峡科技有限责任公司 | 一种基于改进YOLOv7模型的施工人员防护用品检测方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427936A (zh) * | 2012-07-26 | 2015-03-18 | 日产自动车株式会社 | 驾驶者状态推定装置、驾驶者状态推定方法 |
| CN105640546A (zh) * | 2015-12-31 | 2016-06-08 | 南车株洲电力机车研究所有限公司 | 一种列车安全驾驶管理系统 |
| CN106467072A (zh) * | 2015-08-20 | 2017-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 驾驶员安全驾驶的监测方法及系统 |
| CN106803060A (zh) * | 2016-12-13 | 2017-06-06 | 深圳市元征科技股份有限公司 | 一种违规驾驶记录方法及装置 |
| WO2018122729A2 (en) * | 2016-12-27 | 2018-07-05 | Omron Corporation | Emotion estimation apparatus, method, and program |
| CN207809194U (zh) * | 2017-10-25 | 2018-09-04 | 东莞市粤熙实业有限公司 | 汽车安全驾驶辅助系统 |
| CN110276953A (zh) * | 2019-06-28 | 2019-09-24 | 青岛无车承运服务中心有限公司 | 基于北斗定位系统的车辆违规行驶风险分析方法 |
| CN110334592A (zh) * | 2019-05-27 | 2019-10-15 | 天津科技大学 | 一种司机异常行为监测和安全保障系统及其方法 |
| CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
| CN112277946A (zh) * | 2019-07-11 | 2021-01-29 | 上海欧菲智能车联科技有限公司 | 车辆安全驾驶系统、车辆的控制方法和车辆 |
| CN112766653A (zh) * | 2020-12-31 | 2021-05-07 | 南京行者易智能交通科技有限公司 | 一种自动化的司机考核评价系统 |
-
2021
- 2021-05-18 CN CN202110540964.5A patent/CN113119860B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427936A (zh) * | 2012-07-26 | 2015-03-18 | 日产自动车株式会社 | 驾驶者状态推定装置、驾驶者状态推定方法 |
| CN106467072A (zh) * | 2015-08-20 | 2017-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 驾驶员安全驾驶的监测方法及系统 |
| CN105640546A (zh) * | 2015-12-31 | 2016-06-08 | 南车株洲电力机车研究所有限公司 | 一种列车安全驾驶管理系统 |
| CN106803060A (zh) * | 2016-12-13 | 2017-06-06 | 深圳市元征科技股份有限公司 | 一种违规驾驶记录方法及装置 |
| WO2018122729A2 (en) * | 2016-12-27 | 2018-07-05 | Omron Corporation | Emotion estimation apparatus, method, and program |
| CN207809194U (zh) * | 2017-10-25 | 2018-09-04 | 东莞市粤熙实业有限公司 | 汽车安全驾驶辅助系统 |
| CN110334592A (zh) * | 2019-05-27 | 2019-10-15 | 天津科技大学 | 一种司机异常行为监测和安全保障系统及其方法 |
| CN110276953A (zh) * | 2019-06-28 | 2019-09-24 | 青岛无车承运服务中心有限公司 | 基于北斗定位系统的车辆违规行驶风险分析方法 |
| CN112277946A (zh) * | 2019-07-11 | 2021-01-29 | 上海欧菲智能车联科技有限公司 | 车辆安全驾驶系统、车辆的控制方法和车辆 |
| CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
| CN112766653A (zh) * | 2020-12-31 | 2021-05-07 | 南京行者易智能交通科技有限公司 | 一种自动化的司机考核评价系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113119860A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113119860B (zh) | 一种基于云计算的司机智能辅助驾驶系统 | |
| CN108694813B (zh) | 基于驾驶行为判定疲劳驾驶的方法及装置 | |
| CN105679020B (zh) | 一种驾驶行为分析装置和方法 | |
| CN110179198B (zh) | 智能安全帽的预警方法及装置 | |
| CN113479211B (zh) | 基于机器视觉的汽车驾驶安全行为识别和提醒方法及系统 | |
| CN110533880B (zh) | 一种基于心电信号的异常驾驶状态检测及预警控制方法 | |
| CN204087490U (zh) | 一种基于机器视觉的疲劳预警系统 | |
| KR20070065307A (ko) | 운전 모니터 시스템 및 방법 | |
| CN106530621A (zh) | 一种基于智能可穿戴设备的安全驾驶的方法和装置 | |
| CN106913333B (zh) | 一种持续性注意水平的敏感性特征指标的选取方法 | |
| CN104299355A (zh) | 一种基于视频智能识别的车辆监控方法及系统 | |
| CN203759832U (zh) | 一种疲劳驾驶监测与报警装置 | |
| CN116863708B (zh) | 一种智慧城市调度分配系统 | |
| CN111179551A (zh) | 一种危化品运输驾驶员实时监控方法 | |
| CN103300869A (zh) | 基于人体呼吸信号的汽车驾驶员疲劳实时监测系统 | |
| CN107953892A (zh) | 一种车载驾驶行为综合评估和矫正系统 | |
| CN114822034A (zh) | 一种列车安全驾驶方法和系统 | |
| CN110705505A (zh) | 一种电力营业厅服务规范智能识别装置、方法及系统 | |
| CN113327404A (zh) | 空中交通管制员岗位疲劳状态监测告警系统 | |
| CN111080940A (zh) | 一种基于阈值体系的疲劳驾驶预警方法及系统 | |
| CN117610932B (zh) | 一种基于人工智能的公交运营风险管控系统 | |
| CN118230504A (zh) | 一种辅助驾驶用疲劳驾驶预警系统 | |
| CN206416996U (zh) | 一种车载驾驶行为综合评估和矫正系统 | |
| CN204445878U (zh) | 一种基于前额叶脑电信号、3d加速度陀螺仪的疲劳驾驶检测装置 | |
| CN117842085A (zh) | 驾驶状态检测与预警方法、系统、电子设备及存储介质 |
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 |