亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種分析駕駛行為的方法和裝置制造方法

文檔序號:3868906閱讀:216來源:國知局
一種分析駕駛行為的方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種分析駕駛行為的方法和裝置,以簡單有效、成本低廉的方式實現(xiàn)對當前駕駛員的駕駛行為進行精確分析。所述方法包括:對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù);在時域上和/或頻域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征;對在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到當前駕駛員的駕駛行為。一方面,本發(fā)明避免使用大型昂貴器材,使得實施起來成本較低,也降低了能耗;另一方面,對數(shù)據(jù)進行預處理為駕駛行為的精確分析提供了前提,從時域和頻域不同維度上提取數(shù)據(jù)的特征,也提高了本發(fā)明的魯棒性。
【專利說明】一種分析駕駛行為的方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及汽車安全領(lǐng)域,具體涉及一種分析駕駛行為的方法和裝置。
【背景技術(shù)】
[0002]據(jù)報道,交通事故致死人數(shù)在我國已達每年10萬人以上,世界衛(wèi)生組織統(tǒng)計數(shù)據(jù)也表明:就交通事故死亡人數(shù)這一項指標來看,中國已經(jīng)數(shù)年居全球第一。另一方面,我們發(fā)現(xiàn)這些報道中有很多起交通事故屬于連環(huán)事故,因一人的違規(guī)操作造成了眾多牽連車輛的傷亡。交通安全問題、尤其是機動車輛行駛安全問題是我國一個亟待解決的問題,加強交通安全刻不容緩。
[0003]鑒于判斷駕駛行為是否危險對于車輛安全、交通安全都具有極其重要的意義,目前國內(nèi)外已有學者對此進行了研究?,F(xiàn)有的一項研究成果提出的分析駕駛行為的方法是:根據(jù)駕駛員的生理認知能力、生理反應能力、駕駛適應性等來判斷駕駛行為。在這種方法中,除了結(jié)合某些特定的生理特征,例如,眼部活動、肢體動作、身體姿勢、面部表情和心電圖等之外,還使用數(shù)量眾多的傳感器設(shè)備,例如攝像機、心電監(jiān)測儀、超聲測試儀等特殊的外部設(shè)備來獲取數(shù)據(jù)。
[0004]上述現(xiàn)有的分析駕駛行為方法的缺點在于:一方面,對駕駛行為的判斷需要使用大型傳感設(shè)備(例如高清攝像機、雷達測速儀、心電監(jiān)測儀等),而這些傳感設(shè)備體型龐大不易攜帶,并且十分昂貴,對普通用戶而言使用成本過高;另一方面,這些設(shè)備一般都需要耗費較多能源,例如,心電監(jiān)測儀需要持續(xù)不間斷供電,否則無法工作,而且耗電大,有悖于當前所提倡的節(jié)能減排和安全環(huán)保的社會風尚。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實施例提供一種分析駕駛行為的方法和裝置,以簡單有效、成本低廉的方式實現(xiàn)對當前駕駛員的駕駛行為進行精確分析。
[0006]本發(fā)明實施例提供一種分析駕駛行為的方法,所述方法包括:
[0007]對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù),所述手機含有加速度傳感器;
[0008]在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征;
[0009]對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為。
[0010]本發(fā)明另一實施例提供一種分析駕駛行為的裝置,所述裝置包括:
[0011]預處理模塊,用于對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù),所述手機含有加速度傳感器;
[0012]特征提取模塊,用于在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征;[0013]行為分類模塊,用于對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為。
[0014]從上述本發(fā)明實施例可知,一方面,由于只是使用了已經(jīng)比較普及的手機中的加速度傳感器獲取當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù),因此,與現(xiàn)有技術(shù)相比,本發(fā)明實施例提供的方法避免使用大型昂貴器材,使得實施起來成本較低,也降低了能耗;另一方面,對數(shù)據(jù)進行預處理為駕駛行為的精確分析提供了前提,而且,針對不同駕駛員、不同道路、不同時間段的產(chǎn)生的數(shù)據(jù),從時域和/或頻域兩個不同維度上提取數(shù)據(jù)的特征,也提高了本發(fā)明實施例提供的方法的魯棒性。
【專利附圖】

【附圖說明】
[0015]圖1是本發(fā)明實施例提供的分析駕駛行為的方法的基本流程示意圖;
[0016]圖2是本發(fā)明實施例提供的所駕車輛X軸正方向、Y軸正方向和Z軸正方向示意圖;
[0017]圖3是本發(fā)明實施例提供的手機的三維坐標系示意圖;
[0018]圖4是未對加速度數(shù)據(jù)進行預處理和本發(fā)明實施例提供的對加速度數(shù)據(jù)進行預處理后判別駕駛行為的正確率示意圖;
[0019]圖5是本發(fā)明實施例提供的激進駕駛行為、保守駕駛行為和安全駕駛行為被錯誤分類的示意圖;
[0020]圖6是本發(fā)明實施例提供的激進駕駛行為、保守駕駛行為和安全駕駛行為被如何錯誤分類的示意圖;
[0021]圖7是本發(fā)明實施例提供的測試結(jié)果魯棒性示意圖;
[0022]圖8是本發(fā)明實施例提供的安全駕駛行為和保守駕駛行為的分類結(jié)果示意圖;
[0023]圖9是本發(fā)明實施例提供的保守駕駛行為和激進駕駛行為的分類結(jié)果示意圖;
[0024]圖10是本發(fā)明實施例提供的安全駕駛行為和激進駕駛行為的分類結(jié)果示意圖;
[0025]圖11是本發(fā)明實施例提供的分析駕駛行為的裝置邏輯結(jié)構(gòu)示意圖;
[0026]圖12是本發(fā)明另一實施例提供的分析駕駛行為的裝置邏輯結(jié)構(gòu)示意圖;
[0027]圖13是本發(fā)明另一實施例提供的分析駕駛行為的裝置邏輯結(jié)構(gòu)示意圖;
[0028]圖14是本發(fā)明另一實施例提供的分析駕駛行為的裝置邏輯結(jié)構(gòu)示意圖。
【具體實施方式】
[0029]本發(fā)明實施例提供一種分析駕駛行為的方法,包括:對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù),所述手機含有加速度傳感器;在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征;對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為。本發(fā)明實施例還提供相應的分析駕駛行為的裝置。以下分別進行詳細說明。
[0030]本發(fā)明實施例的分析駕駛行為的方法的基本流程可參考圖1,主要包括如下步驟SlOl至步驟S103:
[0031]S101,對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)。
[0032]在本發(fā)明實施例中,手機是內(nèi)部集成有加速度傳感器的手機,當然,也可以使用價格、尺寸與該手機相當其他集成有加速度傳感器的裝置代理本發(fā)明實施例提供的手機;在實施本發(fā)明提供的方法時,手機可以擺放在駕駛員所駕車輛的任何位置。
[0033]由于在實際駕駛過程中,不同的駕駛行為表現(xiàn)出所駕車輛的不同運動狀態(tài),不同的駕駛行為對道路的安全性影響也不同,因此,可以使用手機上的加速度傳感器來捕獲車輛的運動狀態(tài)數(shù)據(jù),進而分析駕駛員是何種駕駛行為以及該駕駛行為對道路安全的影響。在本發(fā)明實施例中,通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)可以是通過手機的加速度傳感器獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù),即所駕車輛X軸正方向、Y軸正方向和Z軸正方向的加速度數(shù)據(jù),其中,所駕車輛X軸正方向定義為所駕車輛的駕駛座和副駕駛座連線并指向副駕駛座的方向,所駕車輛Y軸正方向定義為所駕車輛沿車體并指向車頭的方向,所駕車輛Z軸正方向定義為垂直于所駕車輛車底盤并通過X軸和Y軸交點而且指向天空的方向;所駕車輛X軸正方向、Y軸正方向和Z軸正方向示意圖如附圖2所示。
[0034]需要說明的是,由于一些客觀因素的影響,例如,手機的坐標系和車輛的坐標系不一致、所采集的數(shù)據(jù)截取時長度不一以及數(shù)據(jù)還有噪聲等等,通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)不宜直接進行分析,需要對其進行預處理,包括:先對通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標,再對所述校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,最后對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,或者,先對通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,再對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,最后對所述除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標。
[0035]上述對通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標或者對除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標包括:將通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)右乘轉(zhuǎn)換矩陣[C B A]。在說明問題之前,先對手機的三維坐標系進行說明。如附圖3所示,是手機的三維坐標系示意圖,沿手機長邊方向,并指向聽筒方向的為手機的Y軸正方向,手機擱置在某個物體(例如桌面)上時話筒的一端靠近人的身體,沿手機短邊方向,并指向人右側(cè)的方向為手機的X軸正方向,垂直于手機屏幕并指向天空的方向為手機的Z軸正方向。由于所駕車輛X軸正方向、Y軸正方向和Z軸正方向未必與手機的X軸正方向、Y軸正方向和Z軸正方向分別一致,因此,不能直接使用手機獲取的數(shù)據(jù)進行駕駛行為的分析,可以先獲得一個轉(zhuǎn)換矩陣T=[c B A]。具體地,在保證所駕車輛和放置在所駕車輛里面的手機沒有相對運動的前提下,當所駕車輛靜止時,手機在所駕車輛上可以檢測出此時所駕車輛的加速度情況并記錄,此時獲得的加速度數(shù)據(jù)(向量)就相當于所駕車輛受到大地的重力加速度,將得到的加速度向量歸一化得到列向量A,S卩,A為所述當前駕駛員所駕車輛在靜止狀態(tài)時的加速度進行歸一化后得到的列向量。啟動汽車,不調(diào)整方向盤,保證汽車沿直線前行。記錄汽車向前加速的過程,對得到的加速度向量進行歸一化,這個步驟相當于得到所駕車輛Y軸正方向的單位向量B,即B為當前駕駛員所駕車輛向前直線加速時沿直線方向的加速度進行歸一化后得到的列向量。最后,根據(jù)右手法則,可以求出所駕車輛X軸正方向的單位列向量C。由這三個向量所組成的矩陣為轉(zhuǎn)換矩陣T=[C B A]。采取以上步驟后,將通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)右乘轉(zhuǎn)換矩陣[C B A],得到的數(shù)據(jù)便是真實的汽車三維空間里的運動狀態(tài)數(shù)據(jù)。
[0036]考慮到采集得到的數(shù)據(jù)經(jīng)過人工標注后,截取的數(shù)據(jù)片段大小不一,如此十分不便于數(shù)據(jù)統(tǒng)計分析,因此,需要將這些數(shù)據(jù)處理變成相同的長度。經(jīng)過統(tǒng)計發(fā)現(xiàn),一種駕駛行為到另一種駕駛行為的變化時間一般在I?3秒鐘。在很發(fā)明實施例中,上述對通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,包括:對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)進行截取,循環(huán)增加長度直至截取后的數(shù)據(jù)均達到統(tǒng)一長度,例如,長度為N。值得注意的是,為了避免有用信息被刪掉,在系統(tǒng)采樣頻率為50Hz時,N的值不宜少于150。
[0037]由于手機集成的加速度傳感器的硬件設(shè)計以及周圍環(huán)境的影響,經(jīng)統(tǒng)一長度后的數(shù)據(jù)(前述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù))仍然存在著噪聲和一些錯誤數(shù)據(jù),因此需要減小數(shù)據(jù)噪聲,濾掉錯誤數(shù)據(jù)。目前大多數(shù)濾除噪聲的方法都是采用低通濾波器,但是低通濾波器并不能濾除掉加速度傳感器中錯誤數(shù)據(jù)。所謂錯誤數(shù)據(jù)是非正常的數(shù)據(jù),這些數(shù)據(jù)隨機產(chǎn)生,并不反映外界的信息的信號。例如,手機靜止平放在水平桌面上,可以看出大多數(shù)數(shù)據(jù)都是相對平穩(wěn)且微小波動在一個小范圍內(nèi),但是難免有些比較特例的數(shù)據(jù),其明顯高于或低于大部分數(shù)據(jù)。由于我們的手機是靜止平放的,正常情況下是不會出現(xiàn)錯誤數(shù)據(jù),錯誤數(shù)據(jù)只占真實數(shù)據(jù)的一小部分。為了盡量提高系統(tǒng)的精度,減少錯誤數(shù)據(jù)帶來的誤判,在本發(fā)明實施例中,可以先去除統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)中絕對值較大的若干數(shù)據(jù),然后,對所述去除絕對值較大后的三維加速度數(shù)據(jù)進行平均值濾波。
[0038]S102,在時域上和/或頻域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征。
[0039]經(jīng)過上述步驟SlOl后,所得當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)是噪聲較小,錯誤數(shù)據(jù)較少的信號。為了使得在實施本發(fā)明實施例提供的方法中,對不同駕駛員、不同道路和不同時間段產(chǎn)生的數(shù)據(jù)具有較強的魯棒性,需要對所得當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)提取區(qū)分性大的特征來區(qū)別不同的駕駛行為模式。一般地,激進駕駛行為(例如,酒駕、亂變線和不規(guī)則急剎車產(chǎn)生等)對應的加速度數(shù)據(jù)在時域上會有明顯的峰值,而保守駕駛行為和安全駕駛行為產(chǎn)生的加速度數(shù)據(jù)則相對平穩(wěn)。因此,可以在時域上和/或頻域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征來描述不同的駕駛行為。
[0040]在時域上,根據(jù)統(tǒng)計的特性,可以提取整體特征和局部特征來全面地表征數(shù)據(jù)特點,提取整體特征來描述此信號段的趨勢,提取局部特征描述此信號段變化的程度。具體地,在時域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的整體特征包括:對所述運動狀態(tài)校正數(shù)據(jù)中待分析數(shù)據(jù)段整體求取平均值。在時域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的局部特征包括:提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)中的2n個信號值,將所述2n個信號值進行排序,取其中較大的η個信號值作為波峰信號,取其中較小的η個信號值作為波谷信號,此處,η為自然數(shù);當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的局部特征表示在峰值上和波谷附近數(shù)據(jù)的平均大小及變化劇烈程度。[0041]上述在時域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征,基本反映了不同種類駕駛行為上的特點,然而,一些激進駕駛行為(例如,酒駕、亂變線和不規(guī)則急剎車產(chǎn)生等)產(chǎn)生的三維方向上的加速度數(shù)據(jù)對應的信號與保守駕駛行為、安全駕駛行為產(chǎn)生的加速度數(shù)據(jù)對應的信號不同,應用時域上的特征進行判別就顯得不夠充分,并且在精度上也不夠高。因為這種激進駕駛行為會在速度的微分上產(chǎn)生較大的變化,而這種變化在頻域里有明顯的可區(qū)分性。為了更全面地描述駕駛行為,可以在頻域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征,具體地,可以是在頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)在各個頻點上對應的幅度值以及求取所述幅度值的均值和方差。
[0042]需要說明的是,上述在時域上提取當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征和在頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征,可以單獨使用,也可以結(jié)合起來使用,即,在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征可以包括:在時域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的整體特征和局部特征,和/或在頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)在各個頻點上對應的幅度值以及求取所述幅度值的均值和方差。
[0043]S103,對在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到當前駕駛員的駕駛行為。
[0044]具體地,可以將所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征輸入支持向量機(Support Vector Machine, SVM)分類器進行分析,得到當前駕駛員的駕駛行為,包括激進駕駛行為、保守駕駛行為或安全駕駛行為等等。所謂SVM分類器,是一種統(tǒng)計學習分類器,最常用到的是Libsvm工具箱,此工具箱分為訓練模型和結(jié)果預測兩部分。使用時首先將已知分類或已經(jīng)進行人工分類的待訓練集合賦予相應類別標簽,將集合和標簽一同輸入SVM分類器中,得到一個基于此已分類待訓練集合的模型,再將測試集輸入此模型進行預測,得到相應的判別結(jié)果。例如,本發(fā)明實施例中,就是使用SUV分類器和已有駕駛行為數(shù)據(jù)庫訓練好的模型進行駕駛行為的預測。
[0045]從上述本發(fā)明實施例提供的分析駕駛行為的方法可知,一方面,由于只是使用了已經(jīng)比較普及的手機中的加速度傳感器獲取當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù),因此,與現(xiàn)有技術(shù)相比,本發(fā)明實施例提供的方法避免使用大型昂貴器材,使得實施起來成本較低,也降低了能耗;另一方面,對數(shù)據(jù)進行預處理為駕駛行為的精確分析提供了前提,而且,針對不同駕駛員、不同道路、不同時間段的產(chǎn)生的數(shù)據(jù),從時域和/或頻域兩個不同維度上提取數(shù)據(jù)的特征,也提高了本發(fā)明實施例提供的方法的魯棒性。
[0046]以下是本發(fā)明實施例提供的分析駕駛行為的方法的實驗內(nèi)容和實驗結(jié)果。在實驗中,征招了 6個駕駛員,年齡從22到31歲不等,駕齡從半年到6年不等,在某市多條道路上進行數(shù)據(jù)采集,共收集了 1000多條實驗數(shù)據(jù)。
[0047]為了方便描述,首先設(shè)定了如下事件標記,S卩,IS:輸入的數(shù)據(jù)來自安全駕駛行為產(chǎn)生的數(shù)據(jù);os:系統(tǒng)輸出的判別結(jié)果為安全駕駛行為;TS:輸入為安全駕駛行為的數(shù)據(jù),輸出被判別為安全駕駛行;FS:輸入為安全駕駛行為的數(shù)據(jù),輸出被判別為保守駕駛行為或激進駕駛行為;類似1C、0C、TC、FC分別對應著保守駕駛行為的輸入、輸出、正確判斷、錯誤判斷;ΙΑ、0Α、TA、FA分別對應著激進駕駛行為的輸入、輸出、正確判斷、錯誤判斷。FMIN:輸入的是事件N產(chǎn)生的數(shù)據(jù),這個事實N可以是安全駕駛行為、保守駕駛行為以及激進駕駛行為中的任一種,系統(tǒng)輸出的判別結(jié)果是M,M是不同N的駕駛行為。也就是存在著FAIS、FAIC、FSIC、FSIA、FCIA、FCIS 這六種情況。
[0048]實驗的正確率判別式子為:
[0049]
【權(quán)利要求】
1.一種分析駕駛行為的方法,其特征在于,所述方法包括: 對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù),所述手機含有加速度傳感器; 在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征; 對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)包括通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù); 所述對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)包括:先對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標,再對所述校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,最后對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,或者,先對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,再對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,最后對所述除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標; 所述對通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標或者對所述除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標,包括:將通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)右乘轉(zhuǎn)換矩陣[C B A],所述A為所述當前駕駛員所駕車輛在靜止狀態(tài)時的加速度進行歸一化后得到的列向量,所述B為所述當前駕駛員所駕車輛向前直線加速時沿直線方向的加速度進行歸一化后得到的列向量,所述C為根據(jù)右手法則得到的X軸正方向的單位列向量,所述X軸正方向為所述當前駕駛員所駕車輛的駕駛座和副駕駛座所連直線并指向副駕駛座的方向;· 所述對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,包括:對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)進行截取,循環(huán)增加長度直至所述截取后的數(shù)據(jù)均達到統(tǒng)一長度; 所述對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,包括:先去除所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)中絕對值較大的若干數(shù)據(jù),然后,對所述去除絕對值較大后的三維加速度數(shù)據(jù)進行平均值濾波。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征,包括: 在時域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的整體特征和局部特征;和/或 在頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)在各個頻點上對應的幅度值以及求取所述幅度值的均值和方差。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述在時域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的整體特征,包括:對所述運動狀態(tài)校正數(shù)據(jù)中待分析數(shù)據(jù)段整體求取平均值;所述在時域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的局部特征,包括: 提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)中的2η個信號值,所述η為自然數(shù); 將所述2η個信號值進行排序,取其中較大的η個信號值作為波峰信號,取其中較小的η個信號值作為波谷信號。
5.根據(jù)權(quán)利要求1至4任意一項所述的方法,其特征在于,所述對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為,包括:將所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征輸入支持向量機分類器進行分析,得到所述當前駕駛員的駕駛行為。
6.一種分析駕駛行為的裝置,其特征在于,所述裝置包括: 預處理模塊,用于對通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)進行預處理,得到當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù),所述手機含有加速度傳感器; 特征提取模塊,用于在時域上和/或頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征; 行為分類模塊,用于對所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征進行分析,得到所述當前駕駛員的駕駛行為。
7.根據(jù)權(quán)利要求 6所述的裝置,其特征在于,所述通過手機獲取的當前駕駛員所駕車輛的運動狀態(tài)數(shù)據(jù)包括通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù); 所述預處理模塊包括校正單元、截長單元和去噪單元,所述校正單元、截長單元和去噪單元的執(zhí)行順序為:所述校正單元先對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標,所述截長單元再對所述校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,所述去噪單元最后對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,或者,所述截長單元先對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)統(tǒng)一長度,所述去噪單元再對所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)除去噪聲,所述校正單元最后對所述除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)校正三維坐標; 所述校正單元,用于將通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者除去噪聲后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)右乘轉(zhuǎn)換矩陣[C B Α],所述A為所述當前駕駛員所駕車輛在靜止狀態(tài)時的加速度進行歸一化后得到的列向量,所述B為所述當前駕駛員所駕車輛向前直線加速時沿直線方向的加速度進行歸一化后得到的列向量,所述C為根據(jù)右手法則得到的X軸正方向的單位列向量,所述X軸正方向為所述當前駕駛員所駕車輛的駕駛座和副駕駛座所連直線并指向副駕駛座的方向; 所述截長單元,用于對所述通過手機獲取的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)或者校正三維坐標后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)進行截取,循環(huán)增加長度直至所述截取后的數(shù)據(jù)均達到統(tǒng)一長度; 所述去噪單元,用于先去除所述統(tǒng)一長度后的當前駕駛員所駕車輛的三維加速度數(shù)據(jù)中絕對值較大的若干數(shù)據(jù),然后,對所述去除絕對值較大后的三維加速度數(shù)據(jù)進行平均值濾波。
8.根據(jù)權(quán)利要求6所述的裝置,其特征在于,所述特征提取模塊包括:時域特征提取單元,用于在時域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的整體特征和局部特征;和/或 頻域特征提取單元,用于在頻域上提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)在各個頻點上對應的幅度值以及求取所述幅度值的均值和方差。
9.根據(jù)權(quán)利要求8所述的裝置,其特征在于,所述時域特征提取單元包括: 整體特征提取單元,用于對所述運動狀態(tài)校正數(shù)據(jù)中待分析數(shù)據(jù)段整體求取平均值; 局部特征提取單元,用于提取所述當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)中的2η個信號值,將所述2η個信號值進行排序,取其中較大的η個信號值作為波峰信號,取其中較小的η個信號值作為波谷信號,所述η為自然數(shù)。
10.根據(jù)權(quán)利要求6至9任意一項所述的裝置,其特征在于,所述行為分類模塊具體用于將所述在時域上和/或頻域上提取的當前駕駛員所駕車輛的運動狀態(tài)校正數(shù)據(jù)的特征輸入支持向量機分類器進行分析,`得到所述當前駕駛員的駕駛行為。
【文檔編號】B60R16/02GK103818327SQ201310598366
【公開日】2014年5月28日 申請日期:2013年11月22日 優(yōu)先權(quán)日:2013年11月22日
【發(fā)明者】陳新平, 黃曉霞, 王維語 申請人:深圳先進技術(shù)研究院
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1