【技术实现步骤摘要】
一种驾驶行为检测方法和设备
本专利技术涉及计算机应用技术，特别是涉及一种驾驶行为检测方法和设备。
技术介绍
目前，驾驶行为数据主要通过车载DMS系统进行采集，并对采集数据进行分析，但是随着车载传感器种类和数量的增多，各类车载传感器可以实时采集车辆的环境信息、车辆状态信息和驾驶员状态信息等，这些数据都可以作为驾驶行为数据，通过融合、分析驾驶行为数据，为驾驶员提供有效的指导信息。驾驶行为数据来源复杂，数据类型多样，基于多源数据融合的实时驾驶行为识别技术成为发展趋势。目前大多数驾驶行为识别评判方法都是基于单一数据源或同类型数据进行融合分析，数据分析角度不全面，没有充分利用越来越丰富的感知数据资源，从而无法对驾驶员的危险驾驶进行准确识别。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种驾驶行为检测方法和设备，可以提高对危险驾驶进行识别并报警的准确度。为了达到上述目的，本专利技术提出的技术方案为：一种驾驶行为检测方法，包括：获取当前的道路交通状态信息、车辆状态信息和驾驶员状态信息；并对所述道路交通状态信息、车辆状态信息和驾驶员状态信息分别进行危险等级标准化处理，得到相应的道路交通状态向量、车辆状态向量和驾驶员状态向量；利用所述道路交通状态向量和预设的道路交通状态危险驾驶判断矩阵，确定当前的道路交通状态危险驾驶指数；利用所述车辆状态向量和预设的车辆状态危险驾驶判断矩阵，确定当前的车辆状态危险驾驶指数；利用所述驾驶员状态向量和预设的驾驶员状态危险驾驶判断矩阵，确定当前的...
【技术保护点】
1.一种驾驶行为检测方法，其特征在于，包括：/n获取当前的道路交通状态信息、车辆状态信息和驾驶员状态信息；并对所述道路交通状态信息、车辆状态信息和驾驶员状态信息分别进行危险等级标准化处理，得到相应的道路交通状态向量、车辆状态向量和驾驶员状态向量；/n利用所述道路交通状态向量和预设的道路交通状态危险驾驶判断矩阵，确定当前的道路交通状态危险驾驶指数；利用所述车辆状态向量和预设的车辆状态危险驾驶判断矩阵，确定当前的车辆状态危险驾驶指数；利用所述驾驶员状态向量和预设的驾驶员状态危险驾驶判断矩阵，确定当前的驾驶员状态危险驾驶指数；/n利用所述道路交通状态危险驾驶指数、所述车辆状态危险驾驶指数、所述驾驶员状态危险驾驶指数和预设的危险驾驶综合判断矩阵，确定当前的危险驾驶综合指数；/n根据所述危险驾驶综合指数和预设的预警阈值，判断当前是否需要报警，并在需要时执行相应的报警过程。/n
【技术特征摘要】
1.一种驾驶行为检测方法，其特征在于，包括：
获取当前的道路交通状态信息、车辆状态信息和驾驶员状态信息；并对所述道路交通状态信息、车辆状态信息和驾驶员状态信息分别进行危险等级标准化处理，得到相应的道路交通状态向量、车辆状态向量和驾驶员状态向量；
利用所述道路交通状态向量和预设的道路交通状态危险驾驶判断矩阵，确定当前的道路交通状态危险驾驶指数；利用所述车辆状态向量和预设的车辆状态危险驾驶判断矩阵，确定当前的车辆状态危险驾驶指数；利用所述驾驶员状态向量和预设的驾驶员状态危险驾驶判断矩阵，确定当前的驾驶员状态危险驾驶指数；
利用所述道路交通状态危险驾驶指数、所述车辆状态危险驾驶指数、所述驾驶员状态危险驾驶指数和预设的危险驾驶综合判断矩阵，确定当前的危险驾驶综合指数；
根据所述危险驾驶综合指数和预设的预警阈值，判断当前是否需要报警，并在需要时执行相应的报警过程。
2.根据权利要求1所述的方法，其特征在于，所述对所述道路交通状态信息、车辆状态信息和驾驶员状态信息分别进行危险等级标准化处理包括：
利用预设的危险驾驶等级映射关系，确定所述道路交通状态信息、车辆状态信息和驾驶员状态信息中的每个属性对应的危险等级；其中，所述危险驾驶等级映射关系包括道路交通状态信息、车辆状态信息和驾驶员状态信息中的每个属性包含的每个属性值对应的危险等级；
对于当前的所述道路交通状态信息，将其中每个属性对应的危险等级作为向量元素，生成该道路交通状态信息对应的道路交通状态向量；
对于当前的所述车辆状态信息，将其中每个属性对应的危险等级作为向量元素，生成该车辆状态信息对应的车辆状态向量；
对于当前的所述驾驶员状态信息，将其中每个属性对应的危险等级作为向量元素，生成该驾驶员状态信息对应的驾驶员状态向量。
3.根据权利要求1所述的方法，其特征在于，所述道路交通状态信息的属性包括：道路类型、道路状态和天气状态；所述车辆状态信息的属性包括：车辆超速、前后车距、是否空挡滑行、转弯打转向灯和交通信号灯；所述驾驶员状态信息的属性包括：是否系安全带、是否正确握方向盘、打哈欠次数、闭眼时长、驾驶过程中是否使用其他设备别和车辆行驶中驾驶员视线是否保持注视前方。
4.根据权利要求3所述的方法，其特征在于，所述道路类型的取值范围包括：乡镇道路、城市道路、高速公路、山区公路和其他道路类型；
所述道路状态的取值范围包括：通畅、轻微拥堵、严重有拥堵和发生交通事故；
所述天气状态的取值范围包括：正常天气、沙尘天气、雨天、雪天和大雾天气，其中，所述正常天气包括晴天和阴天；
所述车辆超速的取值范围包括：未超速、超速小于10％、超速10％至30％、超速30％至50％和超速大于50％；
所述前后车距的取值范围包括：大于100米、大于80米且小于等于100米、大于60米且小于等于80米、大于50米且小于等于60米和小于等于50米；
所述是否空挡滑行的取值范围包括：空挡滑行和没有空挡滑行；
所述转弯打转向灯的取值范围包括：正确使用转向灯、不打转向灯和打错转向灯；
所述交通信号灯的取值范围包括：绿灯行驶、黄灯行驶和红灯行驶；
所述是否系安全带的取值范围包括：系安全带和没有系安全带；
所述是否正确握住方向盘的取值范围包括：双手握方向盘、单手握方向盘和没有握住方向盘；
所述打哈欠次数的取值范围包括：5分钟内打哈欠次数小于等于2次、5分钟内打哈欠次数大于3次小于等于5次、5分钟内打哈欠次数大于5次小于等于7次、以及5分钟内打哈欠次数大于7次；
所述闭眼时长的取值范围包括：小于0.5秒、1秒、3秒和5秒；
所述驾驶过程中是否使用其他设备的取值范围包括：使用其他设备和没有使用其他设备；
所述车辆行驶中驾驶员视线是否保持注视前方的取值范围包括：保持注视前方和没有保持注视前方。
5.根据权利要求4所述的方法，其特征在于，
所述乡镇道路、城市道路、高速公路、山区公路和其他道路类型各自对应的危险等级分别为：1、2、3、4、2；
所述通畅、轻微拥堵、严重有拥堵和发生交通事故各自对应的危险等级分别为：1、2、3、4；
所述正常天气、沙尘天气，雨天、雪天和大雾天气各自对应的危险等级分别为：1、2、3、4、5；
所述未超速、超速小于10％、超速10％至30％、超速30％至50％和超速大于50％各自对应的危险等级分别为：1、2、3、4、5；
所述大于100米、大于80米且小于等于100米、大于60米且小于等于80米、大于50米且小于等于60米、以及小于等于50米各自对应的危险等级分别为：1、2、3、4、5；
所述空挡滑行和没有空挡滑行各自对应的危险等级分别为：4、1；
所述正确使用转向灯、不打转向灯和打错转向灯各自对应的危险等级分别为：1、3、5；
所述绿灯行驶、黄灯行驶和红灯行驶各自对应的危险等级分别为：1、3、5；
所述系安全带和没有系安全带各自对应的危险等级分别为：1、5；
所述双手握方向盘、单手握方向盘和没有握住方向盘各自对应的危险等级分别为：1、3、5；
所述5分钟内打哈欠次数小于等于2次、5分钟内打哈欠次数大于3次小于等于5次、5分钟内打哈欠次数大于5次小于等于7次和5分钟内打哈欠次数大于7次各自对应的危险等级分别为：1、2、3、5；
所述小于0.5秒、1秒、3秒和5秒各自对应的危险等级分别为：1、2、3、5；
所述使用其他设备和没有使用其他设备各自对应的危险等级分别为：4、1；
所述保持注视前方和没有保持注视前方各自对应的危险等级分别为：4、1。
6.根据权利要求1所述的方法，其特征在于，所述利用所述道路交通状态向量和预设的道路交通状态危险驾驶判断矩阵，确定当前的道路交通状态危险驾驶指数包括：
计算所述道路交通状态危险驾驶判断矩阵的特征权值向量W1＝(w11，...，w1n)T，其中n为所述道路交通状态信息包含的属性数量；Xij为所述道路交通状态信息的属性j与属性i各自对危险驾驶的影响程度的比值；1≤i≤n；1≤j≤n；
计算得到当前的道路交通状态危险驾驶指数P1，其中，v1i为所述道路交通状态向量v1＝(v11，...，v1n)中的第i个元素。
7.根据权利要求1所述的方法，其特征在于，所述利用所述车辆状态向量和预设的车辆状态危险驾驶判断矩阵，确定当前的车辆状态危险驾驶指数包括：
计算所述车辆状态危险驾驶判断矩阵的特征权值向量W2＝(w21，...，w2k)T，其中k为所述车辆状态信息包含的属性数量；Yij为所述车辆状态信息的属性j与属性i各自对危险驾驶的影响程度的比值；1≤i≤k；1≤j≤k；
计算得到当前的车辆状态危险驾驶指数P2，其中，v2i为所述车辆状态向量v2＝(v21，...，v2k)中的第i个元素。
8.根据权利要求1所述的方法，其特征在于，所述利用所述驾驶员状态向量和预设的驾驶员状态危险驾驶判断矩阵，确定当前的驾驶员状态危险驾驶指数包括：
计算所述驾驶员状态危险驾驶判断矩阵的特征权值向量W3＝(w31，...，w3s)T，其中s为所述驾驶员状态信息包含的属性数量；Zij为所述驾驶员状态信息的属性j与属性i各自对危险驾驶的影响程度的比值；1≤i≤s；1≤j≤s；
计算得到当前的驾驶员状态危险驾驶指数P3，其中，v3i为所述驾驶员状态向量v3＝(v31，...，v3s)中的第i个元素。
9.根据权利要求1所述的方法，其特征在于，所述利用所述道路交通状态危险驾驶指数、所述车辆状态危险驾驶指数、所述驾驶员状态危险驾驶指数和预设的危险驾驶综合判断矩阵，确定当前的危险驾驶综合指数包括：
计算所述危险驾驶综合判断矩阵的特征权值向量W＝(w1，w2，w3)T，其中w1+w2+w3＝1；
计算P＝w1P1+w2P2+w3P3，得到当前的驾驶员状态危险驾驶指数P，其中，P1为所述道路交通状态危险驾驶指数，P2为所述车辆状态危险驾驶指数；P3为所述驾驶员状态危险驾驶指数。
10.根据权利要求1所述的方法，其特征在于，所述根据所述危险驾驶综合指数和预设的预警阈值，判断当前是否需要报警包括：
如果所述危险驾驶综合指数大于预设的预警阈值，则判定需要报警。
11.一种驾驶行为检测设备，其特征在于，包括：处理器，所述处理器用于：
获取当前的道路交通状态信息、车辆状态信息和驾驶员状态信息；并对所述道路交通状态信息、车辆状态信息和驾驶员状态信息分别进行危险等级标准化处理，得到相应的道路交通状态向量、车辆...
【专利技术属性】
技术研发人员：马慧生，唐小江，
申请(专利权)人：普天信息技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。