[发明专利]一种驾驶评估方法及其系统

权利要求书

1.一种驾驶评估方法，其特征在于，包括以下步骤：

数据采集步骤：

采集用户在当前驾驶行为中的第一眼动数据和驾驶数据，所述第一眼动数据包括时间标签、眼睛睁闭状态、瞳孔直径、视线落点、数据有效性标签，所述驾驶数据包括方向盘转角、转角速度、制动踏板幅度、油门踏板幅度、车速、车辆加速度；

数据预处理步骤：

根据数据有效性标签进行筛选第一眼动数据，当数据有效性标签为无效标识时，剔除数据，否则保留数据；

对剔除数据后的第一眼动数据通过线性插值补全，对补全后的第一眼动数据进行滑动平均滤波处理得到第二眼动数据；

基于第二眼动数据通过线性插值、滑动平均滤波、低通滤波、算术运算进行计算闭眼时间占比、瞳孔平均直径、单次眨眼时间、注视时间占比、眨眼频率、凝视时间比例、注视点的水平位置、扫视速度、横向位移；

驾驶疲劳预测步骤：

将闭眼时间占比、瞳孔平均直径、单次眨眼时间、注视时间占比作为第一输入特征向量，将所述第一输入特征向量输入至驾驶疲劳分析模型进行预测困倦程度，基于困倦程度与多组预设困倦阈值范围进行分类得到输出的疲劳程度；

所述驾驶疲劳分析模型为使用多组第一训练数据通过机器学习训练得出，多组第一训练数据中的每组数据包括第一输入特征向量和标识该第一输入特征向量所对应的困倦程度标签，所述驾驶疲劳分析模型为通过引入加权高斯核函数建立SVR回归模型并通过机器学习训练找到回归超平面后得到；

所述多组第一训练数据为基于VR驾驶环境下采集得到；

利用驾驶视觉分散分析模型进行评价搜索广度，所述驾驶视觉分散分析模型用于预测行车过程中驾驶的视角分布的离散程度；

利用驾驶分心分析模型基于第二输入特征向量进行预测注意力分散程度；

所述第二输入特征向量为通过以下处理方式得到：对眨眼频率、凝视时间比例、瞳孔平均直径、注视点的水平位置、扫视速度、横向位移、方向盘转角、车速、车辆加速度采用min-max归一法进行归一化，分别计算均值、标准差，采用SVM-RFE对指标特征进行重要度排序，选取第一预设数量的指标特征作为第二输入特征向量；

所述驾驶分心分析模型为使用多组第二训练数据通过机器学习训练得出，多组第二训练数据中的每组数据包括第二输入特征向量和标识该第二输入特征向量所对应的注意力分散程度标签，所述多组第二训练数据为基于VR驾驶环境下采集得到；

利用车辆驾驶分析模型基于第三输入特征向量进行预测驾驶稳定程度；

所述第三输入特征向量为通过以下处理方式得到：将转角速度、制动踏板幅度、油门踏板幅度、车速、车辆加速度采用min-max归一法进行归一化，分别计算均值、标准差、最大值、最小值进行计算，采用SVM-RFE对指标特征进行重要度排序，选取第三预设数量的指标特征作为第三输入特征向量；

所述车辆驾驶分析模型为使用多组第三训练数据通过机器学习训练得出，多组第三训练数据中的每组数据包括第三输入特征向量和标识该第三输入特征向量所对应的驾驶稳定程度标签，所述多组第三训练数据为基于VR驾驶环境下采集得到；

构造模糊关系矩阵对驾驶疲劳程度、视觉分散程度、驾驶分心程度、驾驶稳定程度进行综合评价，进而量化得到驾驶安全评分。