采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到人機(jī)環(huán)境工程學(xué)技術(shù)領(lǐng)域，具體地說，是一種采用方向盤轉(zhuǎn)角信息 的駕駛?cè)似跔顟B(tài)檢測方法。
【背景技術(shù)】
[0002] 疲勞駕駛是導(dǎo)致交通事故的主要原因之一，方向盤轉(zhuǎn)角數(shù)據(jù)能實(shí)時反應(yīng)駕駛?cè)说?轉(zhuǎn)向操作特性，同時又可能通過非接觸駕駛?cè)说姆绞将@取，因此，基于方向盤轉(zhuǎn)角的駕駛?cè)?疲勞狀態(tài)檢測已成為汽車安全檢測的一個研宄熱點(diǎn)。
[0003] 當(dāng)駕駛?cè)颂幱隈{駛疲勞狀態(tài)時，駕駛?cè)藢Νh(huán)境的感知能力、形勢的判斷能力和車 輛的操控能力都會有所下降，導(dǎo)致其對車輛的容忍誤差變大、控制精度降低，從而車輛控制 變量（方向盤轉(zhuǎn)角）會出現(xiàn)異常波動，因此，駕駛?cè)说霓D(zhuǎn)向操作特性差異反應(yīng)了不同駕駛?cè)?的疲勞等級狀態(tài)。然而，實(shí)車工況下的駕駛?cè)宿D(zhuǎn)向操作數(shù)據(jù)由于受到安全因素的影響，使得 各種疲勞狀態(tài)下的樣本數(shù)據(jù)采集異常困難?，F(xiàn)有的技術(shù)往往基于實(shí)驗(yàn)室環(huán)境下的仿真數(shù) 據(jù)，通過提取方向轉(zhuǎn)角數(shù)據(jù)的過零點(diǎn)百分比以及大幅修正次數(shù)等特征指標(biāo)進(jìn)行疲勞辨識， 這些疲勞指標(biāo)表征了方向轉(zhuǎn)角變量的絕對量化統(tǒng)計(jì)特性，在實(shí)驗(yàn)室環(huán)境下具有較高的疲勞 等級檢測率。但在實(shí)車工況條件下，方向盤轉(zhuǎn)角數(shù)據(jù)往往存在很強(qiáng)的漂移現(xiàn)象，使得現(xiàn)有技 術(shù)所提取的方向轉(zhuǎn)角疲勞特征并不明顯以及存在疲勞狀態(tài)檢測的正確率不高的問題。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明在清華大學(xué)汽車安全與節(jié)能國家重點(diǎn)實(shí)驗(yàn)室開放基金項(xiàng)目："基于時空特 征的疲勞駕駛行為動態(tài)演化建模與穩(wěn)健優(yōu)化"（項(xiàng)目編號：KF14212)的支持下，提出了一 種采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，目的就是為了克服現(xiàn)有技術(shù)對實(shí)車工 況下方向盤轉(zhuǎn)角的疲勞特征指標(biāo)不明顯以及疲勞檢測率不高的技術(shù)問題，同時便于工程實(shí) 現(xiàn)，對不同駕駛者表現(xiàn)出較高的工程泛化能力。
[0005] 為達(dá)到上述目的，本發(fā)明所采用的具體技術(shù)方案如下：
[0006] 一種采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其關(guān)鍵在于按照以下步驟 進(jìn)行：
[0007] 步驟1 :按照采樣頻率f實(shí)時采集方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)；
[0008] 步驟2 :按照時間長度t對步驟1所得的方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)進(jìn)行切片處 理；
[0009] 步驟3 :按照設(shè)定條件從步驟2所得的數(shù)據(jù)片中篩選出有效樣本數(shù)據(jù)；
[0010] 步驟4 :按照設(shè)定規(guī)則將有效樣本數(shù)據(jù)中的方向盤轉(zhuǎn)角數(shù)據(jù)進(jìn)行樣本數(shù)據(jù)壓縮；
[0011] 步驟5 :從步驟4處理后的方向盤轉(zhuǎn)角數(shù)據(jù)中提取疲勞特征指標(biāo)；
[0012] 步驟6 :將步驟5提取出的疲勞特征指標(biāo)作為測試樣本的特征向量，并將樣本特征 向量送入基于支持向量機(jī)的預(yù)測模型進(jìn)行疲勞狀態(tài)預(yù)測，從而得到駕駛?cè)说钠跔顟B(tài)。
[0013] 作為進(jìn)一步描述，所述采樣頻率f的取值為100Hz，所述時間長度t的取值為60s， 所述篩選條件為：每個采樣點(diǎn)的方向盤轉(zhuǎn)角的絕對值不大于20°，每個采樣點(diǎn)的車速不小 于70Km/h，通過設(shè)置預(yù)定的采樣頻率和一定時間長度的切片時間，使得每一數(shù)據(jù)片有6000 個采樣點(diǎn)，便于特征提取和數(shù)據(jù)分析，通過設(shè)定車速和方向盤轉(zhuǎn)角的限制條件，保證樣本數(shù) 據(jù)的有效性，使其重點(diǎn)針對車輛高速、方向盤小范圍轉(zhuǎn)動情況下的駕駛?cè)似跈z測。
[0014] 再進(jìn)一步描述，步驟4中所述的樣本數(shù)據(jù)壓縮步驟如下：
[0015] 步驟4-1 :將有效樣本數(shù)據(jù)中的方向盤轉(zhuǎn)角數(shù)據(jù)記為數(shù)組Z，數(shù)據(jù)壓縮后的長度設(shè) 為 W，按照 a = fix(Lz/2), b = fix(Lz/W)計(jì)算系數(shù) a 和 b ;
[0016] 其中，函數(shù)fix(x)表示返回不大于X的整數(shù)，1^表示數(shù)組Z的長度；
[0017] 步驟4-2 :新建空數(shù)組Za，從數(shù)組Z的第a_(W/2) Xb+Ι個數(shù)據(jù)開始，按照間隔為 b進(jìn)行數(shù)據(jù)抽取，直到數(shù)組的最后一個元素結(jié)束，并將抽取出的數(shù)據(jù)依次賦值給新的數(shù)組 Za ；
[0018] 步驟4-3 :按照c = fix ((Lza-W) /2)計(jì)算系數(shù)c，其中Lza表示數(shù)組Za的長度；
[0019] 步驟4-4 :新建空數(shù)組Z*，從數(shù)組Za的第c個數(shù)據(jù)開始，依次選擇W個數(shù)據(jù)賦值到 數(shù)組Z*中，Z*即為數(shù)組Z經(jīng)過設(shè)定規(guī)則壓縮后的數(shù)組。
[0020] 通過樣本數(shù)據(jù)壓縮處理后，每一個測試樣本的長度相互統(tǒng)一，一方面可以克服數(shù) 據(jù)采樣時的漏幀現(xiàn)象，另一方面便于后續(xù)步驟進(jìn)行特征提取和疲勞狀態(tài)的判斷。
[0021] 作為優(yōu)選，步驟4中數(shù)據(jù)壓縮后的長度W設(shè)為3000~4000。
[0022] 結(jié)合采樣數(shù)據(jù)的統(tǒng)計(jì)特性，步驟5中提取的疲勞特征指標(biāo)所構(gòu)成的特征向量為X =[F1, F2, F3, F4]，其中：
【主權(quán)項(xiàng)】
1. 一種采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特征在于按照以下步驟進(jìn) 行： 步驟1:按照采樣頻率f?實(shí)時采集方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)； 步驟2 :按照時間長度t對步驟1所得的方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)進(jìn)行切片處理； 步驟3 :按照設(shè)定條件從步驟2所得的數(shù)據(jù)片中篩選出有效樣本數(shù)據(jù)； 步驟4 :按照設(shè)定規(guī)則將有效樣本數(shù)據(jù)中的方向盤轉(zhuǎn)角數(shù)據(jù)進(jìn)行樣本數(shù)據(jù)壓縮； 步驟5 :從步驟4處理后的方向盤轉(zhuǎn)角數(shù)據(jù)中提取疲勞特征指標(biāo)； 步驟6 :將步驟5提取出的疲勞特征指標(biāo)作為測試樣本的特征向量，并將樣本特征向量 送入基于支持向量機(jī)的預(yù)測模型進(jìn)行疲勞狀態(tài)預(yù)測，從而得到駕駛?cè)说钠跔顟B(tài)。
2. 根據(jù)權(quán)利要求1所述的采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特征在 于：所述采樣頻率f的取值為100Hz，所述時間長度t的取值為60s，所述篩選條件為：每個 采樣點(diǎn)的方向盤轉(zhuǎn)角的絕對值不大于20°，每個采樣點(diǎn)的車速不小于70Km/h。
3. 根據(jù)權(quán)利要求1或2所述的采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特 征在于，步驟4中所述的樣本數(shù)據(jù)壓縮步驟如下： 步驟4-1 :將有效樣本數(shù)據(jù)中的方向盤轉(zhuǎn)角數(shù)據(jù)記為數(shù)組Z，數(shù)據(jù)壓縮后的長度設(shè)為W， 按照a=fix(Lz/2)，b=fix(Lz/W)計(jì)算系數(shù)a和b; 其中，函數(shù)fix(x)表示返回不大于x的整數(shù)，1^表示數(shù)組Z的長度； 步驟4-2 :新建空數(shù)組Za，從數(shù)組Z的第a-(W/2)Xb+1個數(shù)據(jù)開始，按照間隔為b進(jìn)行 數(shù)據(jù)抽取，直到數(shù)組的最后一個元素結(jié)束，并將抽取出的數(shù)據(jù)依次賦值給新的數(shù)組Za; 步驟4-3 :按照c=fix((LZa-W)/2)計(jì)算系數(shù)c，其中LZa表示數(shù)組Za的長度； 步驟4-4 :新建空數(shù)組Z*，從數(shù)組Za的第c個數(shù)據(jù)開始，依次選擇W個數(shù)據(jù)賦值到數(shù)組Z*中，Z*即為數(shù)組Z經(jīng)過設(shè)定規(guī)則壓縮后的數(shù)組。
4. 根據(jù)權(quán)利要求3所述的采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特征在 于：步驟4中數(shù)據(jù)壓縮后的長度W設(shè)為3000~4000。
5. 根據(jù)權(quán)利要求3所述的采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特征在 于，步驟5中提取的疲勞特征指標(biāo)所構(gòu)成的特征向量為X=[FpF2,F3,FJ，其中：
式中Zi表示樣本數(shù)據(jù)中第i個方向盤轉(zhuǎn)角數(shù)據(jù)的采樣值，u為樣本數(shù)據(jù)的均值，D表示 樣本數(shù)據(jù)平方均值，Z_表示樣本數(shù)據(jù)的最大值，Zmin表示樣本數(shù)據(jù)的最小值，〇表示樣本 數(shù)據(jù)的標(biāo)準(zhǔn)差。
6. 根據(jù)權(quán)利要求5所述的采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，其特征在 于：步驟6中所述的基于支持向量機(jī)的預(yù)測模型為二級疲勞預(yù)測模型，具體按照：
計(jì)算，其中sgn()為符號函數(shù)，5」表示訓(xùn)練 樣本特征矩陣S中第j行的行向量，％表示\對應(yīng)的權(quán)重系數(shù)，d為修正系數(shù)，n為訓(xùn)練樣 本特征矩陣S的行數(shù)，且式中的Sj、Wj、d以及n均是利用二級疲勞預(yù)測模型訓(xùn)練而得； 當(dāng)預(yù)測結(jié)果L為1時，該測試樣本對應(yīng)的駕駛?cè)颂幱谄跔顟B(tài)； 當(dāng)預(yù)測結(jié)果L為-1時，該測試樣本對應(yīng)的駕駛?cè)颂幱谇逍褷顟B(tài)。
7.根據(jù)權(quán)利要求5所述的面向?qū)嵻嚬r方向盤轉(zhuǎn)角的駕駛?cè)似跈z測方法，其特征在 于：步驟6中所述的基于支持向量機(jī)的預(yù)測模型為三級疲勞預(yù)測模型，具體按照：
當(dāng)預(yù)測結(jié)果P為-1時，該測試樣本對應(yīng)的駕駛?cè)颂幱谇逍褷顟B(tài)； 當(dāng)預(yù)測結(jié)果P為1時，該測試樣本對應(yīng)的駕駛?cè)颂幱谄跔顟B(tài)； 當(dāng)預(yù)測結(jié)果P為3時，該測試樣本對應(yīng)的駕駛?cè)颂幱诜浅Ｆ跔顟B(tài)，且：
函數(shù)/(i，cfl，c6，xa，x 6,e) =
其中X，Ca，Cb，Xa，Xb，e表示函數(shù)的輸入變量，sgn〇為符號函數(shù)，G為向量C a中的第j 個元素的值，C/為向量Cb中的第j個元素的值，X為測試樣本的特征向量，X/為訓(xùn)練樣本 特征矩陣Xa中第j行的行向量，X/為訓(xùn)練樣本特征矩陣Xb中第j行的行向量，n為訓(xùn)練樣 本特征矩陣乂3的行數(shù)，c apl, cbpl, xapl, xbpl ，epi' Cap2' C^p2' Xap2' Xbp2，ep2' Cap3, C^p3，Xap3,)(如3? ep3均是 利用三級疲勞預(yù)測模型訓(xùn)練而得樣本參數(shù)。
【專利摘要】本發(fā)明公開了一種采用方向盤轉(zhuǎn)角信息的駕駛?cè)似跔顟B(tài)檢測方法，具體為：步驟1：實(shí)時采集方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)；步驟2：對步驟1所得的方向盤轉(zhuǎn)角數(shù)據(jù)和車速數(shù)據(jù)進(jìn)行切片處理；步驟3：按照設(shè)定條件選擇有效樣本數(shù)據(jù)；步驟4：進(jìn)行樣本數(shù)據(jù)壓縮處理；步驟5：提取疲勞特征指標(biāo)；步驟6：將步驟5提取出的疲勞特征指標(biāo)作為測試樣本，并利用基于支持向量機(jī)的預(yù)測模型進(jìn)行疲勞預(yù)測，從而得到駕駛?cè)说钠跔顟B(tài)。其顯著效果是：算法簡單，數(shù)據(jù)的采集和處理方便，能有效提取實(shí)車工況下方向盤轉(zhuǎn)角的疲勞特征指標(biāo)并能有效檢測駕駛?cè)似跔顩r，檢測率高，同時便于工程實(shí)現(xiàn)，對不同駕駛者表現(xiàn)出了較高的工程泛化能力。
【IPC分類】A61B5-18
【公開號】CN104688252
【申請?zhí)枴緾N201510113007
【發(fā)明人】成波, 李作進(jìn), 李升波, 張偉, 王文軍, 李仁杰, 賈麗娟
【申請人】清華大學(xué)
【公開日】2015年6月10日
【申請日】2015年3月16日