一种基于复合阵列传感器的酒醉驾预防报警系统的制作方法

1.本发明涉及酒精检测技术领域，具体是一种基于复合阵列传感器的酒醉驾预防报警系统。


背景技术：

2.汽车行业飞速发展，数量品种繁多，汽车已成为主要的交通工具，然而据统计，大约30％以上的道路交通事故都是由酒后开车、酒后驾车所引起的，造成了巨大的人员伤亡和财产损失，随着汽车保有量的快速增加，酒后驾驶导致人员伤亡及财产损失还在呈上升趋势；
3.从近几年的酒醉驾查处数据来看，虽然已经实施了酒驾违法、醉驾入刑等一系列预防和打击酒醉驾行为措施，但酒醉驾违法犯罪行为以及由此引发的群死群伤等恶性事件依然时有发生，因酒醉驾导致的群死群伤事件更是令人触目惊心，酒醉驾行为已经对生命财产安全造成严重威胁；为有效预防酒醉驾危害行为的发生，结合工作实际，特此研发一种基于复合阵列传感器的酒醉驾预防报警系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于复合阵列传感器的酒醉驾预防报警系统，采用复合传感器，集检测、报警、云存储、云甄别等功能于一体，大幅提高酒精检测的灵敏度和精度，有效排除误报，在提高检测效率的同时，能有效威慑酒醉驾违法行为，为酒醉驾预防和治理提供一种有效的技术手段。
5.为实现上述目的，根据本发明的第一方面的实施例提出一种基于复合阵列传感器的酒醉驾预防报警系统，包括酒精模块、烟雾模块、风速模块、红外模块、图像采集模块以及声光报警器；
6.在系统上电之后，所述红外模块用于感应车内是否有人；当车内有人，所述酒精模块用于检测车内的酒精原始值，并将酒精原始值通过传输模块上传至云平台；所述烟雾模块用于检测车内的烟雾浓度并将烟雾浓度通过传输模块上传至云平台；所述风速模块用于采集车内的空气特征数据并将空气特征数据通过传输模块上传至云平台；
7.所述云平台用于根据烟雾浓度与co浓度成正比关系，对酒精原始值进行近似线性比例修正，得到干扰气体修正值；然后将接收到的空气特征数据和干扰气体修正值输入至酒精浓度修正模型中获取酒精修正值；若酒精修正值大于酒精阈值，则生成异常报警信号；
8.所述声光报警器接收到异常报警信号后发出警报，并将异常报警信号传输至图像采集模块；响应于接收到异常报警信号，所述图像采集模块联动启动摄像头对车内进行抓拍取证，并将抓拍的图像与物联网卡内置的定位数据一并上传至云平台存档，作为后续酒醉驾定性处罚依据。
9.进一步地，所述云平台还用于通过对车内空气流动建模与仿真，综合车内空气特征数据，在干扰气体修正值的基础上确定最佳的酒精浓度修正模型，所述酒精浓度修正模
型通过rbf神经网络或者深度卷积神经网络进行构建，具体构建步骤为：
10.获取标准训练数据；其中，标准训练数据包括历史空气特征数据、干扰气体修正值以及对应的酒精修正值，其中，标准训练数据中的酒精修正值为人工通过酒精检测仪检测获取；
11.构建深度卷积神经网络模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；
12.将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的深度卷积神经网络模型标记为酒精浓度修正模型。
13.进一步地，所述红外模块包括红外传感器，所述红外传感器用于感应车内是否有人；若车内无人，则自动关闭其他功能模块组件；若车内有人，则自动联动开启其他功能模块组件协同检测。
14.进一步地，其中酒精修正值与人体内酒精含量呈对应关系，可定性车内人员饮酒状态及饮酒程度。
15.进一步地，所述酒精模块包括电化学式酒精传感器；所述烟雾模块包括烟雾传感器；所述风速模块包括风速传感器；其中烟雾传感器、风速传感器、酒精传感器均采用复合传感器，并组成传感器阵列。
16.进一步地，所述空气特征数据包括空气流动速度、车内空调内外循环以及是否开窗。
17.进一步地，所述传输模块与云平台之间通过物联网节点进行分布式的连接。
18.进一步地，当生成异常报警信号时，所述云平台还用于发送提醒短信至关联的移动终端，提醒移动终端的管理人员当前车内人员酒驾，以便及时采取对应措施，避免发生安全事故。
19.与现有技术相比，本发明的有益效果是：
20.1、本发明采用红外模块，在设备开机后可自动感知车内是否有人，在无人时自动关闭其他功能模块组件，减少无效检测时间，延长传感器寿命及减少系统电源电力损耗；并采用复合阵列传感器，把不同种类、精度的传感器进行集成，实现车内复杂环境及多干扰因素下的数据精准采集，各项数据经传输模块上传至云平台，云平台通过对车内空气流动建模与仿真对数据进行实时在线修正，有效排除甲醛、甲醇、小分子酯类以及通风等对传感器干扰，得到的酒精修正值与人体内酒精含量呈对应关系，可定性车内人员饮酒状态及饮酒程度；本发明无需驾驶人员配合，实时监测且精度更高、抗干扰能力更强；
21.2、本发明中若酒精修正值大于酒精阈值，则声光报警器发出警报，同时图像采集模块联动启动摄像头对车内进行抓拍取证，并将抓拍的图像与物联网卡内置的定位数据一并上传至云平台存档，作为后续酒醉驾定性处罚依据；所述云平台还用于发送提醒短信至关联的移动终端，以提醒移动终端的管理人员当前车内人员酒驾，管理人员在收到提醒短信后，可根据提醒短信向匹配的车辆及人员信息进行确认，采取相关措施进行预防性处置，避免发生安全事故。
附图说明
22.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。
23.图1为本发明的系统框图。
24.图2为本发明酒醉驾预防报警的流程图。
具体实施方式
25.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。
26.如图1至图2所示，一种基于复合阵列传感器的酒醉驾预防报警系统，包括酒精模块、传输模块、烟雾模块、风速模块、红外模块、图像采集模块、云平台以及声光报警器；
27.红外模块包括红外传感器，在设备开机后用于感应车内是否有人，若车内无人，则自动关闭其他功能模块组件，减少无效检测时间，延长传感器寿命及减少电源电力损耗；若车内有人，则自动联动开启其他功能模块组件协同检测，提高检测精度；
28.结合车载酒精检测设备的实际需求，本项目采用了电化学式酒精传感器，该类型传感器具备良好的气体选择性、高灵敏度及优秀的温湿度补偿等热点，当车内有人，酒精模块为电化学式酒精传感器，用于检测车内的酒精原始值，并将酒精原始值通过传输模块上传至云平台；酒精原始值表示为原始酒精浓度；传输模块与云平台之间通过物联网节点进行分布式的连接；
29.但基于电化学检测原理，在不同空气流动场景及多组分干扰气体存在等车内复杂环境情况下，检测数据会出现干扰偏差；针对多组分干扰气体问题尤其香烟不完全燃烧co等有机气体会对酒精检测造成的干扰，本系统采用烟雾模块，烟雾模块为烟雾传感器，用于检测车内的烟雾浓度，并将烟雾浓度通过传输模块上传至云平台；云平台用于根据烟雾浓度与co浓度成正比关系，对酒精原始值进行近似线性比例修正，得到干扰气体修正值；
30.风速模块包括风速传感器，用于采集车内的空气特征数据，空气特征数据包括空气流动速度、车内空调内外循环、是否开窗等，并将空气特征数据通过传输模块上传至云平台；
31.云平台用于接收风速模块采集的空气特征数据并将空气特征数据和干扰气体修正值输入至酒精浓度修正模型中获取酒精修正值，将酒精修正值与酒精阈值相比较；若酒精修正值大于酒精阈值，则生成异常报警信号；声光报警器接收到异常报警信号后发出警报，并将异常报警信号传输至图像采集模块；其中酒精修正值与人体内酒精含量呈对应关系，可定性车内人员饮酒状态及饮酒程度；响应于接收到异常报警信号，图像采集模块联动启动摄像头对车内进行抓拍取证，并将抓拍的图像与物联网卡内置的定位数据一并上传至云平台存档，作为后续酒醉驾定性处罚依据；
32.其中烟雾传感器、风速传感器、酒精传感器均采用复合传感器，集检测、报警、云存储、云甄别等功能于一体，并组成传感器阵列，从多个维度进行协同作用，实现车内复杂环境及多干扰因素下的数据精准采集；
33.在本实施例中，当生成异常报警信号时，云平台还用于发送提醒短信至关联的移动终端，以提醒移动终端的管理人员当前车内人员酒驾，及时采取对应措施，避免发生安全事故；
34.本发明采用传输模块，通过分布式物联网节点将各传感器采集的数据实时传输至云平台及app，云平台及app承担存储、运算、分析、甄别、异常报警等功能；
35.在本实施例中，云平台还用于通过对车内空气流动建模与仿真，综合车内空调内外循环、是否开窗等因素，厘清多重变量的协同影响，在干扰气体修正值的基础上确定最佳的酒精浓度修正模型，酒精浓度修正模型通过rbf神经网络或者深度卷积神经网络进行构建，具体构建步骤为：
36.获取标准训练数据；其中，标准训练数据包括历史空气特征数据、干扰气体修正值以及对应的酒精修正值，其中，标准训练数据中的酒精修正值为人工通过酒精检测仪检测获取；
37.构建深度卷积神经网络模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；
38.将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的深度卷积神经网络模型标记为酒精浓度修正模型；本发明为一款可24h连续被动检测车内空间酒精浓度的产品，基于先进的酒精传感器检测技术，通过复合阵列传感器的多维度协同作用，实现车内复杂环境及多干扰因素下的数据精准采集，各项数据经传输模块上传至云平台，云平台通过预搭载的环境建模与仿真系统对数据进行实时在线修正，得到的酒精修正值与人体内酒精含量呈对应关系，可定性车内人员饮酒状态及饮酒程度；本系统同时具备酒醉驾抓拍、云平台及app报警、短信通知提醒等功能，并具有高精度、高稳定性、低功耗及优秀的抗干扰性等优点。
39.本发明的工作原理：
40.一种基于复合阵列传感器的酒醉驾预防报警系统，在工作时，红外传感器在设备开机后用于感应车内是否有人，若车内无人，则自动关闭其他功能模块组件；若车内有人，则自动联动开启其他功能模块组件，酒精模块用于检测车内的酒精原始值，烟雾模块用于检测车内的烟雾浓度，云平台用于根据烟雾浓度与co浓度成正比关系，对酒精原始值进行近似线性比例修正，得到干扰气体修正值；风速模块用于采集车内的空气特征数据，云平台用于通过对车内空气流动建模与仿真，综合车内空调内外循环、是否开窗等因素，厘清多重变量的协同影响，在干扰气体修正值的基础上确定最佳的酒精浓度修正模型，并将空气特征数据和干扰气体修正值输入至酒精浓度修正模型中获取酒精修正值，若酒精修正值大于酒精阈值，则声光报警器发出警报；
41.当声光报警器发出警报，图像采集模块联动启动摄像头对车内进行抓拍取证，并将抓拍的图像与物联网卡内置的定位数据一并上传至云平台存档，作为后续酒醉驾定性处罚依据，云平台还用于发送提醒短信至关联的移动终端，以提醒移动终端的管理人员当前车内人员酒驾，及时采取对应措施，避免发生安全事故，本发明基于先进的酒精传感器检测技术，通过复合阵列传感器的多维度协同作用，实现车内复杂环境及多干扰因素下的数据精准采集，并具有高精度、高稳定性、低功耗及优秀的抗干扰性等优点。
42.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。
43.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。