[发明专利]一种驾驶评估方法及其系统

说明书

本发明公开了一种驾驶评估方法及其系统，该方法包括以下步骤：在VR驾驶环境下采集眼动数据和驾驶数据，利用眼动数据建立驾驶疲劳分析模型，利用眼动数据和驾驶数据建立驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，结合驾驶疲劳分析模型、驾驶分心分析模型、车辆驾驶分析模型和驾驶视觉分散分析模型，形成集驾驶视觉分散、驾驶分心、驾驶疲劳分析、车辆驾驶分析一体的驾驶评估，通过采用加权SVR，针对不同的驾驶员训练适宜的分析模型，对驾驶集视觉分散程度、注意力分散程度、疲劳程度、驾驶稳定程度分析结果进行量化，最后通过模糊综合评价法对驾驶安全进行评分。本发明从多方面对驾驶员驾驶状况进行分析，具有较高的分析准确性。

技术领域

本发明涉及虚拟现实汽车驾驶技术领域，具体涉及一种驾驶评估方法及其系统。

背景技术

近年来我国汽车保有量不断激增,道路交通安全问题已成为严重的社会问题，其中，疲劳驾驶、分心驾驶是导致交通事故以及重大交通死亡事故的重要原因。据统计，我国2019年交通事故发生数量为24.8万起，直接造成财产损失13.46亿元，其中约20％的交通事故是由疲劳导致的，接近80％的交通事故是因驾驶分心导致的。可见，减少疲劳驾驶、分心驾驶对降低交通事故发生率、减少交通事故损失具有重大的意义，为尽早地发现驾驶人疲劳驾驶、分心驾驶，并及时给予提醒，防止悲剧的发生，唯有发展先进、有效的驾驶安全检测技术。

目前国内主流的疲劳状态检测指标主要有脑电信号指标、心电信号指标、驾驶行为指标和眼动指标。对于脑电信号指标和心电信号指标的收集，是通过侵入式的监测仪器，实时监测驾驶员的生理信号(如脑电图EEG、心电图ECG等)变化，通过分析生理状态的变化，进而获取驾驶员的驾驶状态，但在实际驾驶中，监测设备可能会引起驾驶员的不适甚至是抵触，且容易受到身体动作产生的噪声干扰，导致监测设备出现错误预警。对于驾驶行为指标，通过对方向盘转角、车辆加速度变化情况、车身摆动情况等特征对驾驶员的疲劳状态进行分析检测，但该检测方法受车辆运行环境、驾驶员自身素质、心情等因素影响，检测准确度偏低。眼动指标检测目前较为常用的方法是PERCLOS法，通过对眼睛闭合时间的占比率对驾驶员状态进行判断，根据闭眼程度不同，采用不同的标准(EM、P70、P80)，但研究发现，驾驶员可以在眼睑正常睁开的情形下进入微睡眠状态，导致基于PERCLOS法的疲劳评估产生误差。目前，现有的疲劳驾驶检测主要问题在于模型不具有普适性，对于不同的驾驶员、不同的驾驶环境等，模型准确度有较大的差别，模型的鲁棒性较差。在分心驾驶检测技术上，常常通过摄像头监视的方式，通过获取驾驶员的面部状态判断其是否分心，但该技术可能会侵犯驾驶员的隐私，给人带来不便。

现阶段，市面上大多数的安全监测都已疲劳检测为主，在现有专利中，一种驾驶疲劳的检测方法及系统(申请号为202010920492.1)、一种基于人体多类特征的驾驶疲劳监测方法(申请号为202011249649.9)。前者是通过获取多个生理信号，包括眼动特性、脑电波信号、闪光融合频率、心率和心电信号、肌肉信号、面部表情等信息进行综合评价评估，后者是脑电信号、点头率、头部异常率进行融合分析。由此可见，市面上的疲劳驾驶分析多通过脑电信号与其他相关特征信号(包括驾驶行为指标、眼动指标、心电指标)的融合分析，对单一的多个眼动特征进行分析。此外，眼动追踪技术逐渐成熟且被应用于各种领域，航空领域、广告页面评估和人机交互等各个领域几乎都有它的身影，但对于在实际情形进行训练时采集数据而言，一旦受试者出现疲劳状态，则存在一定的安全隐患。

发明内容

为了克服现有技术存在的缺陷与不足，本发明的第一目的在于提出了一种驾驶评估方法，通过在VR驾驶环境下通过采集眼动数据、驾驶数据并训练驾驶疲劳分析模型、驾驶分心分析模型、驾驶视觉分散分析模型以及车辆驾驶分析模型，从而形成集视觉分散程度、注意力分散程度、疲劳程度、驾驶稳定程度分析一体的驾驶评估，从多方面对驾驶员驾驶状况进行分析，具有较高的分析准确性。

本发明的第二目的在于提出了一种驾驶评估系统。

为了达到上述第一目的，本发明采用以下技术方案：