[发明专利]疲劳驾驶预测方法

权利要求书

1.一种疲劳驾驶预测方法，包括：

获取至少两种车辆参数；

将所述至少两种车辆参数中的每一种车辆参数转换为稀疏向量来生成输入特征向量；以及

将所述输入特征向量输入经训练的疲劳驾驶预测模型以获得疲劳驾驶预测结果。

2.如权利要求1所述的方法，其特征在于，所述疲劳驾驶预测模型通过监督学习方式训练得到，包括：

获取车辆参数数据集和疲劳驾驶检测数据集，所述车辆参数数据集包括所述至少两种车辆参数的历时数据，所述疲劳驾驶检测数据集包括针对驾驶员的疲劳驾驶检测结果的历时数据；

将同一时刻下的、所述至少两种车辆参数转换为稀疏向量来生成训练输入向量，并利用所述同一时刻下的所述疲劳驾驶检测结果对所述训练输入向量进行标记；

利用经标记的所述训练输入向量对所述疲劳驾驶预测模型进行监督训练。

3.如权利要求1或2所述的方法，其特征在于，所述车辆参数包括数值型参数和类别型参数。

4.如权利要求3所述的方法，其特征在于，将数值型参数转换为稀疏向量包括：对所述数值型参数进行编码。

5.如权利要求4所述的方法，其特征在于，对所述数值型参数进行编码包括建立特征索引，

所述建立特征索引包括：基于所述车辆参数的取值范围、变化步长和当前数值确定索引位置，将所述索引位置处的元素值设定为与其他元素值不同。

6.如权利要求5所述的方法，其特征在于，所述建立特征索引包括：将所述索引位置处的元素值设为1，将其他元素值设为0。

7.如权利要求3所述的方法，其特征在于，将类别型参数转换为稀疏向量包括：对类别型参数进行编码。

8.如权利要求1或2所述的方法，其特征在于，所述疲劳驾驶检测结果从车辆的驾驶员监测系统获得，并且所述车辆参数从所述车辆的车辆数据总线获得。

9.如权利要求2所述的方法，其特征在于，所述监督训练采用因子分解机算法。

10.一种非瞬态机器可读介质，其上存储有指令，所述指令在由处理器执行时，使得所述处理器执行如权利要求1-9中任一项所述的方法。