[发明专利]一种基于云计算的司机智能辅助驾驶系统

权利要求书

1.一种基于云计算的司机智能辅助驾驶系统，其特征在于，包括体征监测模块、体征分析模块、服务器、车载终端、视频采集模块、行为分析模块、驾驶考核模块以及存储模块；

所述体征监测模块为佩戴于司机身上的智能设备，用于在车辆行驶过程中获取司机的身体参数据并将司机的身体参数据传输至体征分析模块；

所述体征分析模块用于接收司机的身体参数据并进行分析，判断司机的身体状态是否异常，从而对司机的驾驶状态进行监测；具体分析步骤为：

步骤一：当车辆行驶时，获取司机的身体参数据；将司机的口腔酒精含量数据标记为L1，将司机的实时心率标记为L2，将司机的实时体温标记为L3，将司机的血压标记为L4，将司机的睡眠质量标记为L5，将司机的血糖标记为L6；

步骤二：将L1与酒精含量阈值相比较；若L1≥酒精含量阈值，则表明此时司机醉驾，生成体征异常信号；

步骤三：利用公式XZ=η×(L2×a1+L3×a2+L4×a3+L6×a4)/(L5×a5)计算得到司机的心脏健康系数XZ；其中a1、a2、a3、a4、a5均为比例系数；

建立心脏健康系数XZ随时间变化的曲线图；若心脏健康系数XZ＞健康系数阈值且心脏健康系数XZ＞健康系数阈值的时长超过预设时长，则此时司机身体状态异常，生成体征异常信号；

步骤四：从初始时刻起，按照预设的采集间隔时长采集司机的心脏健康系数，将采集的心脏健康系数标记为XZi，i＝1，...，n；

令最新采集的心脏健康系数为XZn，取XZn及其前X1组心脏健康系数的值，将其标记为区间系数Ji，i＝n-X1，...，n；其中X1为预设值；

按照平均值计算公式计算得到区间系数Ji的均值，将该均值标记为P；

根据均值P和区间系数Ji，求取心脏健康系数的安稳值W，具体计算方法为：

当n≤X1时；此时自动对X1的值进行重置，令X1＝n-1；

当nX1时，X1的具体取值为用户预设值；

利用公式获取得到均偏值α；其中|P-Ji|表示求取P与Ji差值的绝对值；

遍历区间系数Ji，将Ji的最大值标记为Jmax，将Ji的最小值标记为Jmin；

将最大值Jmax与最小值Jmin的差值除以最小值Jmin得到区间系数Ji的差异比Cb，即Cb=（Jmax-Jmin）/Jmin；

利用公式获取得到安稳值W；其中A5、A6为比例系数；

将安稳值W与预设阈值相比较，若安稳值W≥预设阈值，则表示司机的身体参数变化剧烈，此时司机身体状态异常，生成体征异常信号；

所述体征分析模块用于将体征异常信号发送至服务器；所述服务器接收到体征异常信号后发出相应的指示操作至车载终端，当车载终端语音播报指示操作后，若司机在预设时间内未执行该指示操作，则执行超时处理措施；

所述超时处理措施为：所述体征分析模块用于将安全熄火指令传输至服务器，所述服务器远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车；

所述视频采集模块用于采集司机的驾驶情况并进行压缩，将压缩后的码流发送至行为分析模块，所述行为分析模块分拣出特征视频，并实时分析检测特征视频中的驾驶行为；所述行为分析模块包括肢体识别单元、违规分析单元；具体分析步骤为：

S1：肢体识别单元对司机驾驶过程中的肢体动作进行识别，当识别到违规肢体动作时，记录该违规肢体动作的肢体识别结果；

S2：违规分析单元将肢体识别结果中的违规肢体动作开始时刻与结束时刻进行时间差计算得到违规动作时长WT；

数据库中存储有各种违规肢体动作和对应的违规时长阈值；根据肢体识别单元识别到的违规肢体动作从数据库中调取该违规肢体动作对应的违规时长阈值；若违规动作时长WT＞对应的违规时长阈值；则生成违规提醒，并通过语音专线提醒司机纠正驾驶行为；若司机在预设时间内未纠正该违规肢体动作，则执行超时处理措施；

所述行为分析模块用于将司机单次驾驶过程中所有违规肢体动作的肢体识别结果和违规提醒进行融合形成驾驶违规记录，并将驾驶违规记录打上时间戳发送至存储模块进行存储；

所述驾驶考核模块用于对司机的驾驶违规记录进行考核评分；包括：

V1：获取司机的驾驶违规记录，获取驾驶违规记录中违规肢体动作的次数并标记为违规频次P1；获取驾驶违规记录中违规提醒的次数并标记为提醒频次P2；

V2：将所有违规肢体动作的开始时刻与结束时刻依据时间先后顺序进行排序；将排序后的相邻两个违规肢体动作的开始时刻进行时间差计算得到单次违规间隔时长；将单次违规间隔时长与间隔时长阈值相比较；若

单次违规间隔时长≤间隔时长阈值，则将对应的单次违规间隔时长标记为影响间隔时长；统计影响间隔时长出现的次数并标记为C1；将影响间隔时长与间隔时长阈值进行差值计算获取得到差隔值，并标记为Q1；

设定差隔系数为Kc，c=1，2，……，20；其中，K1＜K2＜……＜K20；

每个差隔系数Kc均对应一个预设差隔值范围，依次分别为（k1，k2]，（k2，k3]，…，（k20，k21]；且k1＜k2＜…＜k20＜k21；

当Q1∈（kc，kc+1]，则预设差隔值范围对应的差隔系数为Kc；

利用公式Q2=Q1×Kc获取得到差隔值对应的影响值Q2，将所有的差隔值对应影响值进行求和得到差隔影响总值，并标记为Q3；利用公式GQ=C1×b1+Q3×b2获取得到间隔影响系数GQ，其中b1、b2均为系数因子；

V3：将违规频次、提醒频次和间隔影响系数进行归一化处理并取其数值；利用公式WG=P1×b3+P2×b4+GQ×b5计算得到违规评值WG，其中b3、b4、b5均为系数因子；将违规评值WG与预设违规评值阈值相比较；

若违规评值WG≥预设违规评值阈值，则表示司机在此次驾驶过程中不专心，生成行为异常信号，所述驾驶考核模块用于将行为异常信号传输至服务器；所述服务器接收到行为异常信号后远程控制车辆断油，并根据车速和路况智能执行安全熄火指令，靠边停车。

2.根据权利要求1所述的一种基于云计算的司机智能辅助驾驶系统，其特征在于，所述肢体识别单元用于对司机驾驶过程中的肢体动作进行识别，获取违规肢体动作的肢体识别结果；所述违规肢体动作包括撑头、单手接电话、单手扶方向盘、吃东西以及双手离开方向盘；所述肢体识别结果包括违规肢体动作的开始时刻和结束时刻；所述违规分析单元用于获取违规肢体动作的肢体识别结果并进行违规分析。