[发明专利]基于便携终端信息的险态驾驶场景辨识系统及其辨识方法

权利要求书

1.一种基于便携终端信息的险态驾驶场景辨识系统的辨识方法，其特征在于：

所述系统包括：

智能手机，包括第一蓝牙模块，所述智能手机用于采集车辆行车数据信息，所述车辆行车数据信息包括车速、车辆加速度、航向角、俯仰角、倾斜角、前转轮转角、前转轮角加速度和车身X,Y,Z轴加速度；

智能手环，包括第二蓝牙模块，所述智能手环用于采集驾驶员生理状态数据信息，所述生理状态数据信息包括心率、呼吸频率、体表温度和肌电信号；

预警模块，包括第三蓝牙模块、语音提示单元、灯光提示单元和振动提示单元；

数据处理单元，包括接口模块、初处理模块、数据融合处理模块和第四蓝牙模块，所述第四蓝牙模块能够分别与所述第一蓝牙模块和所述第二蓝牙模块以及所述第三蓝牙模块通信，所述接口模块与所述第四蓝牙模块交互连接，所述初处理模块与所述数据融合模块和所述接口模块相连接，所述数据处理单元用于对采集到的数据信息进行特征选择以及险态辨识；所述初处理模块包括贝叶斯网络和改进后的马尔科夫毯的特征提取算法；所述数据融合处理模块包括基于人体生理特征变化进行K-均值聚类并融合驾驶过程中的违法行为的险态模式等级分类算法；

所述辨识方法包括以下步骤：

步骤一：实时采集车辆行车数据信息和驾驶员生理状态数据信息；

步骤二：对采集到的数据信息进行特征提取和驾驶行为险态辨识，并综合评价出此时驾驶员的险态模式等级；

步骤三：根据险态模式等级的结果，发送相应的报警信号给预警模块，进行相应的报警；

其中步骤二具体为：

a.获取所述智能手机和所述智能手环所采集到的数据信息后，所述初处理模块中改进后的马尔科夫毯特征提取算法将无关特征进行消除，提取合理的险态关联性特征以便于险态模式识别；

b.所述初处理模块中构建贝叶斯网络，再将步骤a中所提取的险态关联性特征进行模型分析，最终通过与所述数据融合处理模块中的一种基于人体生理特征变化进行K-均值聚类并融合驾驶过程中的违法行为的险态模式等级分类相结合，综合评价出此时驾驶员的险态模式等级；

所述改进后的马尔科夫毯的特征提取算法的原理具体为：

基于贪婪策略的增长，只要发现一个变量X和目标变量T关于第一马尔科夫毯集合中所有的元素条件独立，则认为变量X是第一马尔科夫毯集合的新元素并将其添加到第一马尔科夫毯集合中；增长结束后，得到第二马尔科夫毯集合，再对所述第二马尔科夫毯集合中所有元素根据元素与所述目标变量T依赖度的高低程度进行排序；裁剪假正元素，对所述第二马尔科夫毯集合的每个元素进行检查，以找出所有假正元素，并将其删除，最后得到第三马尔科夫毯集合即为需要寻找的特征变量的集合；其中所述第二马尔科夫毯集合中的元素X和目标变量T关于所述第二马尔科夫毯集合中除去所述元素X之外所有的元素条件独立，则所述元素X是假正元素；

所述第一马尔科夫毯集合的初始状态为空集；

所述贝叶斯网络包括三个步骤：针对所述第三马尔科夫毯集合确定变量集和变量域、确定网络结构和确定局部概率分布，其中所述第三马尔科夫毯集合是完整的，并且所述贝叶斯网络的根节点C与隐藏的父节点A_hp的依赖关系是独立的；

所述险态模式等级分为4级，0级表示非常安全；1级表示存在小风险，只需要注意行驶，无需改变当前状态；2级表示危险，需采取操作进行规避；3级表示非常危险，需要通过强制减速等方式才能避险；其具体的分级过程如式(4)所示：

式中：D为驾驶行为的险态模式等级；S为驾驶驾驶员生理变化率，通过聚类分析可以将其分为N₀,…,N₃四类，N₀为第1类，其聚类中心为0.684bmp；N₁为第2类，其聚类中心为4.853bpm；N₂为第3类，其聚类中心为9.951bmp；N₃为第4类，其聚类中心为19.186bmp；T表示该过程中出现违法情况，0表示未出现，1表示出现；

当所述险态模式等级为0级，车辆的导航仪右上角感叹号为淡绿色，所述智能手环不振动，无语言提示；

当所述险态模式等级为1级，车辆的导航仪右上角感叹号为深绿色，所述智能手环轻微振动，语言提示“您当前的驾驶行为存在小风险，需要注意行驶”；

当所述险态模式等级为2级，车辆的导航仪右上角感叹号为黄色，所述智能手环振动较为频繁，语言提示“您当前的驾驶行为比较危险，需要采取操作进行规避”；

当所述险态模式等级为3级，车辆的导航仪右上角感叹号为深红色，所述智能手环振动十分剧烈，语言提示“您当前的驾驶行为非常危险，需要强制减速方能规避”。