基于用户驾驶习惯的驾驶员失能判定方法与流程

1.本发明属于智能驾驶安全领域，具体涉及基于用户驾驶习惯的驾驶员失能判定方法。


背景技术：

2.车辆在道路上行驶，除了道路上其他车辆会对驾驶员造成安全风险，驾驶员自身的不当操作或异常驾驶状态也会造成驾驶安全风险。目前，为减少驾驶员的驾驶风险，很多智能汽车上都会通过对驾驶员驾驶数据和驾驶员面部、心率等情况进行监测、分析，并根据分析结果，在驾驶员驾驶过程中，出现风险驾驶情况时，通过预警系统发出预警。如专利：自适应用户行为的驾驶风险预警方法、系统及车辆。
3.但是，上述情况预警系统，无法对驾驶员驾驶能力进行准确监控，无法判断驾驶员是否丧失驾驶能力，仅通过疲劳度和驾驶员面部特征来检测驾驶员，对驾驶危险性进行预警，还远远不够。


技术实现要素：

4.针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够提升驾驶过程中对驾驶员驾驶能力进行判定，且判定结果精准的基于用户驾驶习惯的驾驶员失能判定方法。
5.为了解决上述技术问题，本发明采用了如下的技术方案：
6.一种基于用户驾驶习惯的驾驶员失能判定方法，其特征在于，它包括：s1，用户驾驶习惯判定，判定流程为：根据当前道路环境分级和驾驶员分心时间，计算驾驶风险，获得驾驶风险值后，在用户行驶过程中，不断根据驾驶风险值计算用户驾驶习惯方差，并将计算获得的多组用户驾驶习惯方差值存储；s2，驾驶员失能判定，判定流程为：按照s1中计算公式计算获取用户当前驾驶习惯方差；然后，监控当前用户驾驶行为，同时，将用户当前驾驶习惯方差与存储的用户驾驶习惯方差进行对比，并将驾驶行为与方差值对比结果进行融合后，判定驾驶员是否失能。
7.采用上述方式后，在判定驾驶员是否失能时，先根据驾驶员在不同道路环境、不同驾驶风险度以及驾驶分心状态三种情况进行计算，获得驾驶员历史驾驶习惯方差值，然后，在判定时，通过将当前驾驶习惯方差值与历史驾驶习惯方差值比较，并或去当前驾驶行为一起融合判定，判定的依据更多，能根据驾驶员的驾驶习惯来准确获取驾驶员是否处于失能状态，判定的精确度更高，这种针对不同驾驶员个性化对比判定的方式，更加精确，为道路安全以及驾驶预警提供了有力的支撑。
8.进一步的，驾驶员失能判定逻辑如下：监控车辆是否存在压线行驶，若未存在压线行驶，则判定驾驶员未失能；若存在压线行驶，将当前驾驶习惯方差与存储的用户驾驶习惯方差进行对比，若两方差值对比较小，且压线行驶时间超过第一阈值，则同时提取当前方向盘手力矩，根据方向盘手力矩确认驾驶员手是否在方向盘上，若驾驶员手在方向盘的力矩
小于第二阈值且持续一定时间，且监测到驾驶员处于分心状态，则判定驾驶员失能。
9.进一步的，所述当前道路环境分级，通过如下公式进行分级计算：l＝a b，其中，a为道路类型，b为曲率等级；道路类型分为高速道路和城区道路，其中，高速道路为1，城区道路为2。
10.进一步的，所述驾驶员分心时间为驾驶员分心到未分心的累积时间，判断驾驶员分心时间时，先获取驾驶员受力矩，并判定驾驶员是否长时间未操作方向盘，若否，则驾驶员未分心，若是，则继续获取驾驶员刹车油门踏板使用频率，并判定驾驶员是否长时间未操作踏板，若是，则判定驾驶员分心。
11.进一步的，驾驶风险的计算公式如下：r＝a
×
l
×
n，其中，r为驾驶风险值，a为安全系数，a恒小于0.1，l为当前道路环境等级，n为驾驶员分心时间，单位为秒。
12.进一步的，所述用户驾驶习惯方差，通过如下公式计算而得：其中，qr为最近n组用户驾驶习惯方差，r为最近n组驾驶风险值，e(r)为其最近n组驾驶风险数据平均值；采用上述公式计算用户当前驾驶习惯方差时，所取n为3-5，在计算s1中用户驾驶习惯方差时，n大于等于15。
附图说明
13.图1为实施例中用户驾驶习惯判定流程图；
14.图2为实施例中驾驶员分心判断流程图；
15.图3为实施例中驾驶员失能判定流程图；
16.图4为实施例中驾驶员失能判断逻辑图。
具体实施方式
17.下面结合附图和实施例对本发明进一步说明。
18.实施例：
19.如图所示，本实施例提供的基于用户驾驶习惯的驾驶员失能判定方法，它包括s1，用户驾驶习惯判定，判定流程为：根据当前道路环境分级和驾驶员分心时间，计算驾驶风险，获得驾驶风险值后，在用户行驶过程中，不断根据驾驶风险值计算用户驾驶习惯方差，并将计算获得的多组用户驾驶习惯方差值存储；s2，驾驶员失能判定，判定流程为：按照s1中计算公式计算获取用户当前驾驶习惯方差(当前驾驶习惯方差为一驾驶员当前驾驶时段内多次驾驶习惯方差)；然后，监控当前用户驾驶行为，同时，将用户当前驾驶习惯方差与存储的用户驾驶习惯方差进行对比，并将驾驶行为与方差值对比结果进行融合后，判定驾驶员是否失能。
20.采用上述方式后，在判定驾驶员是否失能时，先根据驾驶员在不同道路环境、不同驾驶风险度以及驾驶分心状态三种情况进行计算，获得驾驶员历史驾驶习惯方差值，然后，在判定时，通过将当前驾驶习惯方差值与历史驾驶习惯方差值比较，并或去当前驾驶行为一起融合判定，判定的依据更多，能根据驾驶员的驾驶习惯来准确获取驾驶员是否处于失能状态，判定的精确度更高，这种针对不同驾驶员个性化对比判定的方式，更加精确，为道路安全以及驾驶预警提供了有力的支撑。
21.具体的，“用户驾驶习惯判定”流程如图1所示，主要由“判断当前道路环境”、“判断驾驶员不在环时间”、“计算驾驶风险”、“修正用户驾驶习惯”四部分组成。其中，当前道路环境分级是对车辆当前行驶环境进行分级处理，通过如下公式进行分级计算：l＝a b，其中，a为道路类型，b为曲率等级；道路类型分为高速道路和城区道路，其中，高速道路为1，城区道路为2，本实施例中将曲率分为1～10级，曲率越大，等级越高。
22.进一步的，所述驾驶员分心时间(即驾驶员不在环时间)为驾驶员分心到未分心的累积时间。如图2所示，判断驾驶员分心时间时，先获取驾驶员受力矩，并判定驾驶员是否长时间未操作方向盘，若否，则驾驶员未分心，若是，则继续获取驾驶员刹车油门踏板使用频率，并判定驾驶员是否长时间未操作踏板，若是，则判定驾驶员分心。上述方向盘力矩、刹车油门踏板使用频率通过传感器获得，为现有技术，在此不作详细描述。
23.驾驶风险的计算公式如下：r＝a
×
l
×
n，其中，r为驾驶风险值，a为安全系数，a恒小于0.1，l为当前道路环境等级，n为驾驶员分心时间，单位为秒。
24.进一步的，用户驾驶习惯方差，通过如下公式计算而得：其中，qr为最近n组用户驾驶习惯方差，r为最近n组驾驶风险值，e(r)为其最近n组驾驶风险数据平均值；采用上述公式计算用户当前驾驶习惯方差时，所取n为3-5，在计算s1中用户驾驶习惯方差时，n大于等于15。
25.如图4所示，驾驶员失能判定逻辑如下：监控车辆是否存在压线行驶，若未存在压线行驶，则判定驾驶员未失能；若存在压线行驶，将当前驾驶习惯方差与存储的用户驾驶习惯方差进行对比，若两方差值对比较小，且压线行驶时间超过第一阈值，则同时提取当前方向盘手力矩，根据方向盘手力矩确认驾驶员手是否在方向盘上，若驾驶员手在方向盘的力矩小于第二阈值且持续一定时间，且监测到驾驶员处于分心状态，则判定驾驶员失能。
26.最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，尽管申请人参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。