一种用于路怒症干预的方法与设备与流程

1.本技术涉及计算机技术领域，尤其涉及一种用于路怒症干预的技术。


背景技术：

2.现有的路怒症干预方法大多数为结合面部识别技术，通过额外架设图像采集及数据分析的集成设备，对驾驶员的面部图像进行识别及分析，对其情绪状态进行推测，从而确定驾驶员是否存在路怒情况。此方式额外架设外部设备的必要操作极大增加了应用成本。并且，仅将驾驶员的面部特征作为判断路怒症的条件，存在较大误判定的可能性。


技术实现要素：

3.本技术的目的是提供一种用于路怒症干预的方法与设备。
4.根据本技术的一个方面，提供了一种用于路怒症干预的方法，其中，所述方法包括：
5.通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据；
6.将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数；
7.根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级；
8.根据所述路怒症等级进行干预操作。
9.进一步地，其中，所述身体状态数据包括心率波动、睡眠质量及压力状态，所述行为数据包括动作数据及语言数据，所述环境数据包括车速信息、路况信息及天气信息。
10.进一步地，其中，所述通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据包括：
11.通过所述智能终端进行所述睡眠质量、所述压力状态的获取及所述心率波动及所述动作数据的采集，以及通过所述智能车载显示系统进行所述语言数据的采集与所述车速信息、所述路况信息及所述天气信息的获取。
12.进一步地，所述智能终端为智能手表或智能手环，预设包括多个路怒症常见动作的加速度波动的动作库，其中，将所述行为数据拟合为所述行为指数包括：
13.将所述智能手表或智能手环内置的加速度传感器采集到的手臂运动的加速度波动作为所述动作数据；
14.根据所述动作库对采集到的所述加速度波动进行分析匹配并确定动作匹配值；
15.根据所述动作匹配值、预设动作权重及所述语言数据通过预设的拟合方式拟合所述行为指数。
16.进一步地，预设秽语词库，其中，将所述行为数据拟合为所述行为指数包括：
17.将所述智能车载显示系统采集到的驾驶员话语作为所述语言数据；
18.根据所述秽语词库对所述语言数据进行分析匹配并确定语言匹配值；
19.根据所述语言匹配值、预设语言权重、所述动作匹配值、所述预设动作权重通过预设的拟合方式拟合所述行为指数。
20.进一步地，预设状态权重、行为权重、环境权重及多个路怒症等级阈值，其中，所述根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级包括：
21.将所述状态指数、所述行为指数、所述环境指数及其对应的所述状态权重、行为权重及环境权重进行拟合，得到所述等级值；
22.将所述等级值与各个路怒症等级阈值进行比较，从而确定所述路怒症等级。
23.进一步地，其中，所述根据所述路怒症等级进行干预操作之后还包括：
24.获取用户的反馈信息；
25.基于所述反馈信息调节所述状态权重、行为权重、环境权重。
26.进一步地，其中，所述干预操作包括：语音提示、播放音乐、文本提示及显示光效。
27.根据本技术的另一方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述方法的操作。
28.根据本技术的再一方面，还提供了一种用于路怒症干预的设备，其中，该设备包括：
29.一个或多个处理器；以及
30.存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行上述方法的操作。
31.与现有技术相比，本技术通过通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据；将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数；根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级；根据所述路怒症等级进行干预操作。通过此方法提供了一种简单易行，应用成本低，综合因素全面的路怒症干预方式。
附图说明
32.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
33.图1示出根据本技术一个方面的一种用于路怒症干预的方法流程图。
34.附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
35.下面结合附图对本发明作进一步详细描述。
36.在本技术一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
37.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
38.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
39.为更进一步阐述本技术所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本技术的技术方案，进行清楚和完整的描述。
40.图1示出本技术一个方面提供的一种用于路怒症干预的方法，其中，该方法包括：
41.s11通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据；
42.s12将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数；
43.s13根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级；
44.s14根据所述路怒症等级进行干预操作。
45.在该实施例中，在所述步骤s11中，通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据。
46.在此，通过现有的设备进行路怒症相关数据的采集，智能终端包括但不限于智能手表、智能手机、智能手环等常见智能终端设备，可由一个或多个智能终端进行相关数据的采集。智能车载显示系统即为大多数车辆均搭载的智能屏幕，其具备语音采集、路况显示及天气显示等基础功能。可以理解地，在当今，智能终端为人们生活中的必须品，智能车载显示系统也是大多数车辆原始搭载的智能设备，本技术正是基于该生活场景，提供了一种不需额外增加外部设备的路怒症干预方法，从而将本方法的应用成本最小化，将应用范围最大化。
47.继续在该步骤中，进一步地，所述身体状态数据包括心率波动、睡眠质量及压力状态，所述行为数据包括动作数据及语言数据，所述环境数据包括车速信息、路况信息及天气信息。
48.在此，综合多种数据对路怒症进行判断，可参与评定的数据有三种，一为身体状态数据，若驾驶员驾驶时身体状态不加，极有可能引发路怒症。具体地，可通过智能终端获取的、可判断身体状态的数据包括睡眠质量及压力状态，由于现有技术中，通过对基础数据进行分析，从而确定睡眠质量及压力状态的方法有多种，例如各类睡眠质量监测app及压力检测app等，或为智能终端的基础功能。因此，本技术利用此类应用或智能终端功能，直接在此类应用或智能终端功能中获取已经确定的睡眠质量及压力状态，结合心率波动对驾驶员的身体状态进行评定。在此，由于情绪的波动会影响心率波动，例如，人在愤怒的情绪下其心率往往较快，因此，心率波动可以从身体指数层面对驾驶员的当前情绪判断提供参考，应明确，由于心率波动不能直接判断驾驶员是否处于愤怒的情绪中，例如，紧张及喜悦等情绪也
会导致心率加快，因此，心率波动仅为身体状态数据之一，并于其他类型数据一起，作为判定路怒症的因素。由于睡眠质量及压力状态为可通过现有设备及技术直接获取的数据，而采集心率波动也是智能设备的基础功能，且三者可协同判断驾驶员的身体状态，因此，本技术采用心率波动、睡眠质量及压力状态共同作为身体状态数据，一方面充分利用所需设备及现有技术，减少不必要的数据采集及自分析的过程，节约资源及时间成本；另一方面，结合多维度的数据对身体状态进行评定，在保证无不必要因素的前提下，提高了评定结果的准确性。
49.继续在该步骤中，将动作数据及语言数据作为判定驾驶员行为的因素，判断驾驶员的行为是否符合路怒症的特征。由于在实际场景中，当驾驶员处于路怒症状态，常伴随高声叫骂、重击方向盘、频繁按喇叭等行为，本技术将路怒症的外在表现分为两种，一为动作，二为语言，分别对动作数据及语言数据进行采集及分析，从而对行为层面是否符合路怒症进行判定。因明确，路怒症的行为表现有且只有动作及语言两类，本技术同样仅对这两类数据进行采集分析，兼容了分析过程的无冗余及分析结果的准确性。
50.此外，环境因素也是路怒症的一大诱因，例如，当天气状况欠佳时，例如暴雨、暴雪、冰雹等严重影响驾驶的天气情况同样会引发路怒症。此外，交通拥堵、存在交通事故的情况更是引发路怒症的重要诱因。因此，本技术将环境数据分为车速、路况及天气三类，通过路况及车速信息协同判定驾驶情况，极大的减少了对驾驶情况的误判定，例如，若车速较慢但路况良好，则说明此时是由驾驶员主动选择的低速行驶，故而此时由环境引发驾驶员路怒症的可能性较小。应明确，车速、路况及天气情况的播报或显示为智能车载显示系统的必备功能，不需额外进行采集及分析。因此，本技术结合直接获取的车速、路况及天气信息，对驾驶员的驾驶环境进行评判，所需操作简单，且融合多维度数据，使得判定结果准确。
51.进一步地，通过所述智能终端进行所述睡眠质量、所述压力状态的获取及所述心率波动及所述动作数据的采集，以及通过所述智能车载显示系统进行所述语言数据的采集与所述车速信息、所述路况信息及所述天气信息的获取。
52.在此，利用现有设备的不同特性获取或采集不同的数据。由于智能终端可直接从其原有功能或间接从应用的相关app中获取到睡眠质量及压力状态，并且睡眠质量及压力状态的确定也需要用户持续佩戴或持有智能终端，因此，将睡眠质量及压力状态的获取任务交付给智能终端，同时，心率波动及动作数据的采集也需要用户持续佩戴或持有智能终端，因此，将心率波动及动作数据的采集任务也交付给智能终端。而显示或提示车速信息、路况信息及天气信息，以及采集语音信息均为智能车载显示系统的基本功能，因此，将语言数据的采集任务以及车速信息、路况信息及天气信息的获取任务交付给智能车载显示系统。通过这种合理的分配，充分利用现有设备的原始功能及特性，极大的减少不必要的信息采集及分析过程，节约资源及成本。
53.进一步地，所述智能终端为智能手表或智能手环，预设包括多个路怒症常见动作的加速度波动的动作库，其中，将所述行为数据拟合为所述行为指数包括：将所述智能手表或智能手环内置的加速度传感器采集到的手臂运动的加速度波动作为所述动作数据；根据所述动作库对采集到的所述加速度波动进行分析匹配并确定动作匹配值；根据所述动作匹配值、预设动作权重及所述语言数据通过预设的拟合方式拟合所述行为指数。该方式通过对路怒症常见动作进行分析，从而根据动作特性确定了采集数据范围，即只采集腕部的加
速度数据即可对常见动作进行判定，进而，结合现有智能终端的特点，选择以智能手表或智能手环为本方法中应用的智能终端。一方面，智能手表及智能手环普遍内置有加速度传感器，因此，在采集所述动作数据过程中具有天然优势；另一方面，由于智能手表或智能手环本身具有长时间佩戴的特点，因此，在进行睡眠质量、所述压力状态的获取及心率波动的采集过程中，同样存在天然优势。应明确，对于智能手表或智能手环的选用是基于本方法的应用场景及应用内容的考量而确定的，此选用方式充分利用现有技术及设备特性，极大的降低了本技术的数据采集及数据处理量。
54.继续在该步骤中，由于路怒症的常见行为动作包括重击方向盘及频繁按喇叭等，而此类动作的主要活动部位即为手臂至手掌，因此，对此类动作进行判定时，仅需采集手臂或手腕部分的活动状态即可，基于此特性，将智能手表或智能手环作为采用的智能终端，由于智能手表及智能手环中普遍具有加速度传感器，因此，通过智能手表及智能手环中的加速度传感器对驾驶员腕部的动作从加速度的层面进行特征提取，提取出的若干个加速度即构成加速度波动，将该加速度波动作为动作数据，可以理解地，一类动作的加速度波动相似度较高，因此，可通过预先对路怒症常见动作的加速度波动进行提取和整合从而构成一个动作库，将采集到的驾驶员动作数据与该动作库中的加速度波动进行逐个匹配，当匹配成功时，即意味着驾驶员存在疑似路怒症的动作。
55.具体地，在动作库中每一种加速度波动即为一类动作的基本模型，以路怒症重击方向盘的动作为例，该动作幅度较大，且两次重击之间的时间间隔(与频繁按喇叭的动作相比)相对较长，因此，该动作的加速度波动为加速度先增加后为零，且加速度为零的时间远大于加速度增加的时间，因此，当采集到的动作数据与该加速度波动匹配时，即说明驾驶员此时的动作为重击方向盘的可能性极大。在实际判定的过程中，可预设一动作采集阈值，当智能手表或智能手环采集到的加速度大于该采集阈值时，则按照预设的动作采集间隔和动作采集时间进行连续的加速度采集，并将采集到的加速度波动作为所述动作数据，从而将该动作数据与所述动作库中的加速度波动进行匹配，将匹配结果量化为匹配值，在此，不对具体的量化方式进行限制性说明，在一种具有可行性的实施方式中，将动作数据及其在动作库中匹配到的加速度波动进行相似度比较，将该相似度作为所述匹配值。
56.通过此方式，只需采集加速度数据即可判定驾驶员是否具有路怒症的动作特征，相比较现有技术中在多点位设置传感器判定动作特征的技术方案，本方法应用简单易行，且采集及分析的数据量少且类型单纯，避免了复杂的建模及数据整合过程。
57.进一步地，预设秽语词库，其中，将所述行为数据拟合为所述行为指数包括：将所述智能车载显示系统采集到的驾驶员话语作为所述语言数据；根据所述秽语词库对所述语言数据进行分析匹配并确定语言匹配值；根据所述语言匹配值、预设语言权重、所述动作数据通过预设的拟合方式拟合所述行为指数。
58.在此，利用智能车载显示系统的语音采集功能，对驾驶员的话语作为语言数据进行采集，并预设一秽语库，该秽语库中包含路怒症的常用秽语，将采集到的语言数据根据该秽语库进行匹配，从而确定驾驶员是否在语言层面具有路怒症的特征表现。具体地，可预设多个秽语等级阈值，且各个秽语等级对应不同的语言匹配值，进而将采集到的语言数据与所述秽语库进行匹配，并分析匹配到的秽语在所述语言数据中的比重，将该比重与所述秽语等级阈值进行比较，从而确定语言匹配值。通过此方式，充分利用现有设备的功能特性以
及路怒症在语言层面的表现特征，实现一种实施简单的语言因素的路怒症判定方法。
59.所述步骤s12包括：将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数。
60.具体地，生成行为指数的方法包括：根据动作匹配值、预设动作权重、语言匹配值、预设语言权重通过预设的拟合方式拟合所述行为指数。在此，通过设置动作权重及语言权重，可根据实际应用场景调整动作及语言因素对行为指数的影响。在此不对具体的拟合方法进行限制性说明。
61.具体地，生成环境指数的方法包括：可对车速进行层级划分，每一层级的车速对应不同的车速权重，同时，对特定的路况及天气情况设定路况及天气权重，当处于此类特定路况及天气，其与相应权重的拟合值较大，将车速、路权、天气拟合值进行整合，得到环境指数。通过此方式将环境因素对驾驶员的影响量化。
62.具体地，生成状态指数的方法包括：对各类睡眠质量及压力状态结果设置不同的量化值，对于心率波动，可设置不同的心率阈值以将心率进行等级划分，对不同心率等级设置不同的量化值，进而将睡眠质量、压力状态及心率波动的量化值进行整合，得到所述状态指数。同样地，对于睡眠质量、压力状态及心率波动也可设置相应的权重，从而可根据实际场景调整各类身体状态数据对状态指数的影响。
63.在该实施例中，在所述步骤s13中，根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级。
64.在此，由于路怒症存在不同程度，当路怒症的特征表现严重时，可能对驾驶造成具有危险性的影响，因此，本方法根据状态指数、行为指数及环境指数生成等级值，从而根据该等级值确定对应的路怒症等级，该路怒症等级即表征路怒症的严重程度。
65.进一步地，预设状态权重、行为权重、环境权重及多个路怒症等级阈值，其中，所述根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级包括：将所述状态指数、所述行为指数、所述环境指数及其对应的所述状态权重、行为权重及环境权重进行拟合，得到所述等级值；将所述等级值与各个路怒症等级阈值进行比较，从而确定所述路怒症等级。通过此方式，可根据实际情况调整身体状态、行为及环境因素对路怒症判定等级的实际影响程度。
66.在该实施例中，在所述步骤s14中，根据所述路怒症等级进行干预操作。所述干预操作包括：语音提示、播放音乐、文本提示及显示光效。
67.在此，对于不同的路怒症等级可设置不同的干预操作，例如若路怒症等级较低，即判定驾驶员为轻度路怒，则可自动播放舒缓音乐。对于较高的路怒症等级，即判定驾驶员为严重路怒，则可进行语音提示，告知存在驾驶危险性等，并可辅以播放音乐文本提示及显示光效等干预操作。在此，不对具体的干预操作进行限制性说明。
68.进一步地，在进行干预操作后，获取用户的反馈信息；基于所述反馈信息调节所述状态权重、行为权重、环境权重。
69.在此，可在驾驶员结束驾驶后的某一个时间段，对其发起反馈请求，可请求确定此次路怒的主要原因，从而根据该主要原因的所述类型(即身体状态、环境、行为)对所述状态权重、行为权重、环境权重进行调节。应明确，由于单次确定的主要原因存在偶然性，因此，可预设反馈请求次数及修改权重阈值，当反馈请求次数内，某类型主要原因所占比重超过
修改权重阈值，则调整其对应的权重。通过此方式提供一种反馈及调节机制，使得可自适应于每个驾驶员的特性，从而提高路怒症判定结果的准确性。
70.与现有技术相比，本技术通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据；将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数；根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级；根据所述路怒症等级进行干预操作。通过此方法提供了一种简单易行，应用成本低，综合因素全面的路怒症干预方式。
71.此外，本技术实施例还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述方法。
72.本技术实施例还提供了一种用于路怒症干预的设备，其中，该设备包括：
73.一个或多个处理器；以及
74.存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行前述方法的操作。
75.例如，计算机可读指令在被执行时使所述一个或多个处理器：通过智能终端及智能车载显示系统采集多种身体状态数据、行为数据及环境数据；将所述身体状态数据、所述行为数据及所述环境数据分别拟合为状态指数、行为指数及环境指数；根据所述状态指数、所述行为指数及所述环境指数生成等级值，并根据所述等级值判定路怒症等级；根据所述路怒症等级进行干预操作。。
76.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。