注意力分析方法、车辆及存储介质与流程

1.本发明涉及车辆领域，尤其涉及一种注意力分析方法、车辆及计算机可读存储介质。


背景技术：

2.在车辆行驶过程中，驾驶员的注意力越集中，则面对突发情况的反应速度就更快，可以更有效地应对处理。现有的判断驾驶员注意力是否集中的方法是通过传感器信息，比如通过方向盘上的转角信息，若转角大于阈值则认为当前驾驶员注意力不集中。但在现有技术中，当采用单个传感器信息判断的方法时，传感器传出的数据在阈值范围内会浮动，因此会导致频繁判断驾驶员此时没有集中注意力，对用户造成影响，且没有充分考虑到车道信息带来的影响，当道路弯道时，方向盘转角大会导致误判，导致判断的准确性不高。


技术实现要素：

3.本发明的主要目的在于提出一种注意力分析方法、车辆及计算机可读存储介质，旨在解决现有驾驶员注意力判断方法准确性不高的问题。
4.为实现上述目的，本发明提供一种注意力分析方法，包括步骤：
5.获取道路状态对应的参数信息和至少一个驾驶项目对应的参数信息，对所述道路状态对应的参数信息和所述驾驶项目对应的参数信息进行离散化处理；
6.根据离散化处理后的所述参数信息，计算与所述道路状态和所述驾驶项目对应的均值和方差值；
7.根据所述参数信息对应的均值和方差值，计算得到与所述参数信息对应的先验概率；
8.根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力集中事件和注意力不集中事件的后验概率，并根据所述后验概率判断驾驶员注意力是否集中。
9.可选地，所述道路状态对应的参数信息包括与道路状态对应的道路信息；所述驾驶项目对应的参数信息包括与驾驶员行为对应的驾驶员行为信息和车辆动态行为对应的车辆动态行为信息；所述驾驶员行为信息包括方向盘手力扭矩值数据和方向盘转角值数据，所述车辆动态行为信息包括横向加速度数据，所述道路信息包括横向偏差数据。
10.可选地，所述获取道路状态对应的参数信息和至少一个驾驶项目对应的参数信息，对所述道路状态对应的参数信息和所述驾驶项目对应的参数信息进行离散化处理的步骤包括：
11.根据预设时间间隔获取行驶过程中预设时长内的方向盘手力扭矩值数据、方向盘转角值数据、车辆横向加速度数据和横向偏差数据，对所述道路状态对应的参数信息和所述驾驶项目对应的参数信息进行离散化处理，所述预设时间间隔小于预设时长。
12.可选地，所述根据离散化处理后的所述参数信息，计算与所述道路状态和所述驾驶项目对应的均值和方差值的步骤包括：
13.根据离散化处理后的所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据，分别计算与各所述参数信息相对应的均值和方差。
14.可选地，所述根据所述参数信息对应的均值和方差值，计算得到与所述参数信息对应的先验概率的步骤包括：
15.输入与所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据相对应的均值和方差值，通过所述预设条件概率公式分别计算得到与所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据相对应的先验概率。
16.可选地，所述根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力集中事件和注意力不集中事件的后验概率，并根据所述后验概率判断驾驶员注意力是否集中的步骤包括：
17.根据所述先验概率和预设朴素贝叶斯算法分别计算每一次预设时长内根据预设时间间隔获取的驾驶员注意力集中和驾驶员注意力不集中的后验概率；
18.若在预设时长内每一次根据预设时间间隔获取的驾驶员注意力不集中的概率均大于驾驶员注意力集中的后验概率，则判断为驾驶员注意力不集中；
19.若在预设时长内任一次根据预设时间间隔获取的驾驶员注意力集中的概率大于驾驶员注意力不集中的后验概率，则判断为驾驶员注意力集中。
20.可选地，所述驾驶员注意力不集中的后验概率通过以下公式计算：
21.p(y1|x)＝p(x1|y1)*p(x2|y1)*p(x3|y1)*p(x4|y1)*p(y1)；
22.所述驾驶员注意力集中的后验概率通过以下公式计算：
23.p(y2|x)＝p(x1|y2)*p(x2|y2)*p(x3|y2)*p(x4|y2)*p(y2)；
24.其中，x是方向盘手力扭矩数据有效存在的事件、方向盘转角数据有效存在的事件、横向偏差数据有效存在的事件以及横向加速度数据有效存在的事件的组合，所述y1为驾驶员注意力不集中的事件，x1为方向盘手力扭矩数据有效存在的事件，x2为方向盘转角数据有效存在的事件，x3为横向偏差数据有效存在的事件，x4为横向加速度数据有效存在的事件，y1|x为在所有事件的组合中驾驶员注意力不集中的事件，p(y1|x)为在所有事件的组合中驾驶员注意力不集中的事件发生的概率，p(x1|y1)为在驾驶员注意力不集中的事件下方向盘手力扭矩数据有效存在的事件发生的先验概率，p(x2|y1)为在驾驶员注意力不集中的事件下方向盘转角数据有效存在的事件发生的先验概率，p(x3|y1)为在驾驶员注意力不集中的事件下横向偏差数据有效存在的事件发生的先验概率，p(x4|y1)为在驾驶员注意力不集中的事件下横向加速度数据有效存在的事件发生的先验概率；
25.y2|x为在所有事件的组合中驾驶员注意力集中的事件，p(y2|x)为在所有事件的组合中驾驶员注意力集中的事件发生的概率，p(x1|y2)为在驾驶员注意力集中的事件下方向盘手力扭矩数据有效存在的事件发生的先验概率，p(x2|y2)为在驾驶员注意力集中的事件下方向盘转角数据有效存在的事件发生的先验概率，p(x3|y2)为在驾驶员注意力集中的事件下横向偏差数据有效存在的事件发生的先验概率，p(x4|y2)为在驾驶员注意力集中的事件下横向加速度数据有效存在的事件发生的先验概率。
26.可选地，所述根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力
集中事件和注意力不集中事件的后验概率，并判断驾驶员注意力是否集中的步骤之前包括：
27.根据正态分布公式处理得到所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据的正态分布的预设条件概率函数。
28.为实现上述目的，本发明还提供一种车辆，所述车辆包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的注意力分析方法的步骤。
29.为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的注意力分析方法的步骤。
30.本发明提出的一种注意力分析方法、车辆及计算机可读存储介质，通过获取道路状态对应的参数信息和至少一个驾驶项目对应的参数信息，对所述驾驶项目对应的参数信息进行离散化处理，便于采用所述参数信息进行数据分析，减小贝叶斯算法的时间和空间占用，提高系统对道路信息和驾驶项目的分类聚类能力和抗噪声能力；通过根据离散化处理后的所述参数信息，计算与所述驾驶项目对应的均值和方差值，降低对驾驶员注意力是否集中的计算中的误差；通过根据所述参数信息对应的均值和方差值，计算得到与所述参数信息对应的先验概率，保证了对驾驶员注意力集中和驾驶员注意力不集中的概率判断的准确性；通过根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力集中事件和注意力不集中事件的后验概率，并根据所述后验概率判断驾驶员注意力是否集中，实现了根据道路状态和驾驶项目结合贝叶斯算法共同对驾驶员注意力是否集中的准确判断，充分考虑道路状态带来的影响，消除由于缺少道路信息带来的误判，同时在不增加硬件成本的基础上，做到了对驾驶员注意力是否集中的高效判断。
附图说明
31.图1是本发明实施例方案涉及的硬件运行环境的结构示意图；
32.图2为本发明注意力分析方法第一实施例的流程示意图；
33.图3为本发明注意力分析方法第二实施例中步骤s40的细化流程示意图。
34.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
35.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。
36.请参照图1，图1为本发明各个实施例中所提供的车辆的硬件结构示意图。所述车辆包括通信模块01、存储器02及处理器03等部件。本领域技术人员可以理解，图1中所示出的车辆还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中，所述处理器03分别与所述存储器02和所述通信模块01连接，所述存储器02上存储有计算机程序，所述计算机程序同时被处理器03执行。
37.通信模块01，可通过网络与外部设备连接。通信模块01可以接收外部设备发出的数据，还可发送数据、指令及信息至所述外部设备，所述外部设备可以是手机、平板电脑、笔记本电脑和台式电脑等电子设备。
38.存储器02，可用于存储软件程序以及各种数据。存储器02可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据车辆的使用所创建的数据或信息等。此外，存储器02可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
39.处理器03，是车辆的控制中心，利用各种接口和线路连接整个车辆的各个部分，通过运行或执行存储在存储器02内的软件程序和/或模块，以及调用存储在存储器02内的数据，执行车辆的各种功能和处理数据，从而对车辆进行整体监控。处理器03可包括一个或多个处理单元；优选的，处理器03可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器03中。
40.本领域技术人员可以理解，图1中示出的车辆结构并不构成对车辆的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
41.根据上述硬件结构，提出本发明方法各个实施例。
42.参照图2，在本发明注意力分析方法的第一实施例中，所述注意力分析方法包括步骤：
43.步骤s10，获取道路状态对应的参数信息和至少一个驾驶项目对应的参数信息，对所述道路状态对应的参数信息和所述驾驶项目对应的参数信息进行离散化处理；
44.所述道路状态对应的参数信息包括与道路状态对应的道路信息，例如所述道路信息包括横向偏差数据；所述驾驶项目对应的参数信息包括与驾驶员行为对应的驾驶员行为信息和车辆动态行为对应的车辆动态行为信息。例如所述驾驶员行为信息包括方向盘手力扭矩值数据和方向盘转角值数据，所述车辆动态行为信息包括横向加速度数据，所述道路信息包括横向偏差数据。在本实施例中，采用监督学习法对上述参数信息进行离散化处理。
45.步骤s20，根据离散化处理后的所述参数信息，计算与所述道路状态和所述驾驶项目对应的均值和方差值；
46.在一实施例中，所述步骤s20包括：
47.根据离散化处理后的所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据，分别计算与各所述参数信息相对应的均值和方差。
48.在本实施例中，所述均值可以通过下述公式进行计算：
[0049][0050]
其中，μ为均值，n为所述参数信息的统计个数，x
i
为参数信息中所述所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据等分别的数值。
[0051]
所述方差可通过下述公式进行计算：
[0052]
[0053]
其中，σ2为方差值，n为参与计算的所述参数信息所述所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据等的分别的个数，x
i
为参数信息中所述所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据等分别的数值。
[0054]
步骤s30，根据所述参数信息对应的均值和方差值，计算得到与所述参数信息对应的先验概率；
[0055]
所述步骤s30还包括步骤：
[0056]
输入与所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据相对应的均值和方差值，通过所述预设条件概率公式分别计算得到与所述方向盘手力扭矩值、所述方向盘转角值、所述车辆横向加速度和所述横向偏差相对应的先验概率。
[0057]
在本实施例中，所述预设条件概率公式具体为：
[0058][0059]
其中，x
i
为所述所述方向盘手力扭矩值数据、所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据分别代表的参数信息；y为注意力不集中和注意力集中的事件的组合，x是方向盘手力扭矩数据有效存在的事件、方向盘转角数据有效存在的事件、横向偏差数据有效存在的事件以及横向加速度数据有效存在的事件的组合；σ2为方差值，μ为均值；其中，所述数据有效存在指的是车辆根据获取方向盘手力扭矩数据、方向盘转角数据、横向偏差数据横向加速度数据等参数信息相对应的传感器，获取的处于预设范围内的数据。
[0060]
步骤s40，根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力集中事件和注意力不集中事件的后验概率，并根据所述后验概率判断驾驶员注意力是否集中；
[0061]
本发明提出的一种注意力分析方法、车辆及计算机可读存储介质，通过获取道路状态对应的参数信息和至少一个驾驶项目对应的参数信息，对所述驾驶项目对应的参数信息进行离散化处理，便于采用所述参数信息进行数据分析，减小贝叶斯算法的时间和空间占用，提高系统对道路信息和驾驶项目的分类聚类能力和抗噪声能力；通过根据离散化处理后的所述参数信息，计算与所述驾驶项目对应的均值和方差值，降低对驾驶员注意力是否集中的计算中的误差；通过根据所述参数信息对应的均值和方差值，计算得到与所述参数信息对应的先验概率，保证了对驾驶员注意力集中和驾驶员注意力不集中的概率判断的准确性；通过根据所述先验概率和预设朴素贝叶斯算法，分别计算驾驶员注意力集中事件和注意力不集中事件的后验概率，并根据所述后验概率判断驾驶员注意力是否集中，实现了根据道路状态和驾驶项目结合贝叶斯算法共同对驾驶员注意力是否集中的准确判断，充分考虑道路状态带来的影响，消除由于缺少道路信息带来的误判，同时在不增加硬件成本的基础上，做到了对驾驶员注意力是否集中的高效判断。
[0062]
进一步地，在基于本发明的第一实施例所提出的本发明注意力分析方法，本发明提出第二实施例，所述步骤s10包括：
[0063]
根据预设时间间隔获取行驶过程中预设时长内的方向盘手力扭矩值数据、方向盘
转角值数据、车辆横向加速度数据和横向偏差数据，对所述道路状态对应的参数信息和所述驾驶项目对应的参数信息进行离散化处理，所述预设时间间隔小于预设时长。
[0064]
在本实施例中，所述预设时间间隔可以为1秒、2秒、3秒或4秒，所述预设时长大于所述预设时间间隔，在预设时间间隔为1秒的时候，所述预设时长可以是大于1秒的任何时长，例如3秒、5秒、8秒等；在预设时间间隔为3秒时，所述预设时长可以是大于2秒的任何时长，例如3秒、5秒、8秒等；在预设时间间隔为3秒或4秒时，依次类推，在此不作赘述。另外，所述参数信息还可根据获取行驶过程内的一段路程中的多次参数信息来获取。
[0065]
所述方向盘手力扭矩值数据、方向盘转角值数据、车辆横向加速度数据和横向偏差数据都可通过车辆上安装的对应的传感器获取，所述横向偏差即为车辆行驶在道路上时，车辆实时中心点与车辆系统期望的行驶路线之间的误差，所述车辆横向加速度即为车辆在行驶过程中与向心加速度方向相反，加速度数值大小相同的物理量。
[0066]
在本实施例中，通过间隔预设时间间隔获取行驶过程中预设时长内的参数信息，实现了在预设时长内参数信息的多次获取，减小了误差，保证了数据以及驾驶员注意力是否集中的准确判断。
[0067]
进一步地，参照图3，在基于本发明的第一实施例所提出的本发明注意力分析方法，本发明提出第三实施例，所述步骤s40包括：
[0068]
步骤s41，根据所述先验概率和预设朴素贝叶斯算法分别计算每一次预设时长内根据预设时间间隔获取的驾驶员注意力集中和驾驶员注意力不集中的后验概率；
[0069]
在本实施例中，还可根据在预设行驶路程中获取小于预设行驶路程的一段路程来计算驾驶员注意力集中和不集中的后验概率；
[0070]
步骤s42，若在预设时长内每一次根据预设时间间隔获取的驾驶员注意力不集中的概率均大于驾驶员注意力集中的后验概率，则判断为驾驶员注意力不集中；
[0071]
步骤s43，若在预设时长内任一次根据预设时间间隔获取的驾驶员注意力集中的概率大于驾驶员注意力不集中的后验概率，则判断为驾驶员注意力集中；
[0072]
所述每一次根据预设时间间隔获取的驾驶员注意力不集中的概率均大于驾驶员注意力集中的后验概率，例如，在1分钟内可计算20次驾驶员注意力集中和不集中的概率，若在20次中驾驶员注意力不集中的概率都大于集中的概率，则可判断为驾驶员注意力不集中；
[0073]
所述任一次根据预设时间间隔获取的驾驶员注意力集中的概率大于驾驶员注意力不集中的后验概率，即为在20次中，有一次驾驶员的注意力集中的概率大于不集中的概率，即判断为驾驶员注意力集中。
[0074]
在本发明中，所述驾驶员注意力不集中的后验概率通过以下公式计算：
[0075]
p(y1|x)＝p(x1|y1)*p(x2|y1)*p(x3|y1)*p(x4|y1)*p(y1)；
[0076]
所述驾驶员注意力集中的后验概率通过以下公式计算：
[0077]
p(y2|x)＝p(x1|y2)*p(x2|y2)*p(x3|y2)*p(x4|y2)*p(y2)；
[0078]
其中，x是方向盘手力扭矩数据有效存在的事件、方向盘转角数据有效存在的事件、横向偏差数据有效存在的事件以及横向加速度数据有效存在的事件的组合，所述y1为驾驶员注意力不集中的事件，x1为方向盘手力扭矩数据有效存在的事件，x2为方向盘转角数据有效存在的事件，x3为横向偏差数据有效存在的事件，x4为横向加速度数据有效存在的事
件，y1|x为在所有事件的组合中驾驶员注意力不集中的事件，p(y1|x)为在所有事件的组合中驾驶员注意力不集中的事件发生的概率，p(x1|y1)为在驾驶员注意力不集中的事件下方向盘手力扭矩数据有效存在的事件发生的先验概率，p(x2|y1)为在驾驶员注意力不集中的事件下方向盘转角数据有效存在的事件发生的先验概率，p(x3|y1)为在驾驶员注意力不集中的事件下横向偏差数据有效存在的事件发生的先验概率，p(x4|y1)为在驾驶员注意力不集中的事件下横向加速度数据有效存在的事件发生的先验概率；
[0079]
y2|x为在所有事件的组合中驾驶员注意力集中的事件，p(y2|x)为在所有事件的组合中驾驶员注意力集中的事件发生的概率，p(x1|y2)为在驾驶员注意力集中的事件下方向盘手力扭矩数据有效存在的事件发生的先验概率，p(x2|y2)为在驾驶员注意力集中的事件下方向盘转角数据有效存在的事件发生的先验概率，p(x3|y2)为在驾驶员注意力集中的事件下横向偏差数据有效存在的事件发生的先验概率，p(x4|y2)为在驾驶员注意力集中的事件下横向加速度数据有效存在的事件发生的先验概率
[0080]
在本发明中，通过根据所述先验概率和预设朴素贝叶斯算法分别计算每一次预设时长内根据预设时间间隔获取的驾驶员注意力集中和驾驶员注意力不集中的后验概率，并根据集中和不集中的次数判断驾驶员注意力是否集中，保证了驾驶员注意力是否集中的判断准确性，提高了驾驶过程中的安全性。
[0081]
进一步地，在基于本发明的第一实施例所提出的本发明注意力分析方法，本发明提出第四实施例，所述步骤s40之前包括：
[0082]
根据正态分布公式处理得到所述方向盘手力扭矩值数据，所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据的正态分布的预设条件概率函数；
[0083]
在本实施例中，所述正态分布公式为：
[0084][0085]
可根据正态分布的公式得到条件概率函数为：
[0086][0087]
在本实施例中，通过正态分布的公式得到条件概率的公式，将所述方向盘手力扭矩值数据，所述方向盘转角值数据、所述车辆横向加速度数据和所述横向偏差数据进行平滑处理，减少了因使用阈值判断带来的对驾驶员注意力的频繁反应。
[0088]
本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图1的车辆中的存储器02，也可以是如rom(read
‑
only memory，只读存储器)/ram(random access memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干信息用以使得车辆执行本发明各个实施例所述的方法。
[0089]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该
要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0090]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0091]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
[0092]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。