[发明专利]疲劳驾驶预测方法

说明书

提供了一种疲劳驾驶预测方法，可以包括：获取至少两种车辆参数；将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。

技术领域

本公开涉及汽车技术领域，尤其涉及疲劳驾驶预测方法。

背景技术

疲劳驾驶是指驾驶人在疲劳状态下，生理反应明显变慢导致的驾驶技能显著降低的现象。准确实时地检测驾驶人的疲劳状态对于驾驶安全具有重要意义。

目前，驾驶员的疲劳检测有两种方案。一种是利用车辆的DMS(驾驶员监测系统)，其通过前置摄像头采集驾驶员的面部特征数据，并基于面部特征数据判断该驾驶员是否处于疲劳状态。另一种是采集车辆行驶参数，例如通过CAN(控制器局域网络)总线，并基于车辆行驶参数判断该驾驶员是否处于疲劳状态。

基于面部特征数据判断疲劳状态的缺点是：在DMS判断出驾驶员处于疲劳驾驶时，疲劳驾驶已经发生，无法做到预警。基于车辆行驶参数判断疲劳状态的缺点是：由于缺少标量(label)来判断，算法结果的准确度欠佳，容易出现误预警。

发明内容

本公开提供一种能更准确地预测疲劳驾驶状态的方法。

根据本公开的一个方面，提供了一种疲劳驾驶预测方法，其可以包括：获取至少两种车辆参数；将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。

在一个可选实施例中，疲劳驾驶预测模型可以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，车辆参数数据集包括至少两种车辆参数的历时数据，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、至少两种车辆参数转换为稀疏向量来生成训练输入向量，并利用同一时刻下的疲劳驾驶检测结果对训练输入向量进行标记；利用经标记的训练输入向量对疲劳驾驶预测模型进行监督训练。

在一个可选实施例中，车辆参数可以包括数值型参数和类别型参数。

在一个可选实施例中，将数值型参数转换为稀疏向量可以包括：对数值型参数进行编码。

在一个可选实施例中，对数值型参数进行编码可以包括建立特征索引。建立特征索引可以包括：基于车辆参数的取值范围、变化步长和当前数值确定索引位置，将索引位置处的元素值设定为与其他元素值不同。

在一个可选实施例中，建立特征索引包括：将索引位置处的元素值设为1，将其他元素值设为0。

在一个可选实施例中，将类别型参数转换为稀疏向量可以包括：对类别型参数进行编码。

在一个可选实施例中，疲劳驾驶检测结果可以从车辆的驾驶员监测系统获得，并且车辆参数可以从车辆的车辆数据总线获得。

在一个可选实施例中，监督训练可以采用因子分解机算法。

根据本公开的另一个方面，提供了一种非瞬态机器可读介质，其上存储有指令，指令在由处理器执行时，使得处理器执行如上所述的方法。

附图说明

附图一般通过示例的方式而不是限制的方式来图示在本文档中所讨论的各实施例。

图1示出横向加速度以及车速与驾驶员疲劳等级的示例关联图。

图2示出驾驶员疲劳等级与平均车速以及横向加速度的示例关联图。

图3示出了示例车辆参数的参数信息。

图4示出了根据示例实施例的特征索引的示意图。

图5图示出根据示例实施例的疲劳驾驶预测模型训练方法500的流程图。