[发明专利]一种基于道路标线的驾驶疲劳预警方法

说明书

本发明公开了一种基于道路标线的驾驶疲劳预警方法，利用正态分布的方法对车辆的横向位置采用台阶式进行区域划分，并选取区域数据组成马尔科夫预测模型库，最终实现驾驶疲劳预警的方法，包括以下几个步骤：S1：选定时间研究对象和数据研究对象；S2：通过对行车记录仪的视频分析获得当前车辆与行车道左侧标线的距离，根据所得数据并利用正态分布的特点确定车辆的横向位置分布范围；S3：将S2中确定横向分布区域按照台阶式进行划分，并将其作为状态划分的标准，总共分为m种状态，同时通过对数据的选取组成马尔可夫模型库。本发明提出的一种基于道路标线的驾驶疲劳预警方法能够提前预警提醒驾驶人提高注意力，保障驾驶人财产安全和提供交通安全监测的能力。

技术领域

本发明涉及驾驶疲劳预警方法技术领域，尤其涉及一种基于道路标线的驾驶疲劳预警方法。

背景技术

随着我国经济的发展和人民生活水平的提高，车辆保有量也急剧增加，这就造成了交通事故的频繁发生，而造成交通事故的主要原因便是人(主要是驾驶员)、车辆、道路以及交通环境等因素组成的系统协调性失衡，其中疲劳驾驶元素尤为突出。

所谓驾驶疲劳，是指驾驶员在长时间连续行车后，产生心理机能和生理机能的失调，出现视线模糊、反应迟钝、动作呆板，使驾驶机能下降的现象。驾驶疲劳是一个渐变的过程，会随着时间的延长与驾驶行为、周围景观的单调等因素的影响而逐渐显现出来，且驾驶疲劳将使驾驶员的注意、感觉、知觉、思维、判断、意志、决定和运动诸方面受到影响，从而导致交通事故的产生。因此，加强对疲劳驾驶的检测与预警已经成为道路安全研究中较为重要的工作之一。

目前，对驾驶疲劳的检测及预警研究，主要有以下四个方面：(1)基于驾驶人生理信号的检测方法。针对疲劳的研究最早始于生理学，有研究表明，驾驶人在疲劳状态下，生理指标会发生较大变化，一般会偏离正常生理指标，因此，可以通过测定驾驶员的生理指标来判断其精神状态，进而判定其是否进入疲劳状态。目前较为成熟的检测方法有驾驶人的脑电信号EEG、心电信号ECG等的测量。这种检测方法准确性较高，但其所需检测设备费用较为昂贵，测量方法较为复杂，大多数采用接触式测量，对个人依赖程度较大，难以应用于实际。(2)基于驾驶人生理反应特征的检测方法。该方法是利用驾驶人的眼动特性、头部运动特性等来推断驾驶人的疲劳状态，其中能够反映疲劳重要特征的是驾驶人的眼球运动和眨眼信息。目前基于眼动机理研究驾驶疲劳的广泛算法有PERCLOS等，这种方法虽然可以实施、非接触的检测出疲劳状态，但其检测设备对驾驶员会产生一定的影响，造成驾驶员的心理负担，且在疲劳状态下，生理反应特征会依据个人而产生较大的差异，降低实际检测的准确性。(3)基于驾驶人操作行为的检测方法。该方法是通过驾驶人的操作行为(如方向盘操作等)来测定其疲劳状态，如Yoshihiro Takei利用FFT对监测到的驾驶人的方向盘操作数据进行处理，研究结果在一定程度上揭示了驾驶人的方向盘操作与疲劳之间的关系。但影响驾驶人操作的因素不仅仅只有疲劳状态这一因素，还与道路环境、驾驶员的操作技能等因素有关，这就需要有更高的测量技术来提高驾驶人状态的推测精度，为以后的深入研究增加了不少难度。(4)基于隐马尔科夫模型的预测方法。该模型是一种基于参数表示的描述随机过程统计特性的概率模型，具有良好的数据建模能力，但此种模型是通过间接估计车辆的运行状态实现的，不能直接描述车辆的运行状态，这增加了状态预测的难度及误差，且只适用于比较小的数据集上，具有一定的局限性。此外，由于经过各种曲线半径的弯道时，车辆的行驶轨迹都是不同的，但是车辆的行驶状态可能都是安全的，目前使用的隐马尔科夫预测方法尚无法区别弯道上的车辆运行状态，不利于对车辆未来行驶状态的普遍预测。

综上所述，现有公开的疲劳检测方法大多会对驾驶人产生或多或少的干扰，且受限因素较多，因而对预测结果的准确性产生一定影响。因此，目前需要一种方法不仅可以有效利用大量实测数据实现对车辆运行状态的直接观预测，而且还可以实现模型状态的直接相关观测以及各种道路线形中车辆行驶状态的普遍预测，提高预测的准确性与普遍性，从而将未来预测数据与实测数据分别进行比较、分析，进而实现对疲劳驾驶的及时预警，减少交通事故的发生。

发明内容