基于大数据的疲劳驾驶车辆监测预警系统的制作方法

1.本发明涉及安全监控技术领域，具体为基于大数据的疲劳驾驶车辆监测预警系统。


背景技术：

2.随着社会经济的高速发展，汽车数量以及驾驶员数量的迅速增加，交通安全已经成为社会长期关注的一个热点。疲劳驾驶是引发重大交通事故的重要原因。
3.目前的疲劳驾驶监测存在判断响应慢以及无法及时进行有效的预警和干预，造成干预滞后和难以有效降低由疲劳驾驶引发的事故发生率；
4.为了解决上述缺陷，现提供基于大数据的疲劳驾驶车辆监测预警系统。


技术实现要素：

5.本发明的目的在于为了解决目前的疲劳驾驶监测存在判断响应慢以及无法及时进行有效的预警和干预，造成干预滞后和难以有效降低由疲劳驾驶引发的事故发生率的问题，而提出基于大数据的疲劳驾驶车辆监测预警系统。
6.本发明的目的可以通过以下技术方案实现：基于大数据的疲劳驾驶车辆监测预警系统，包括数据采集单元、服务器、行为分析单元、轨迹分析单元和预警执行单元；
7.数据采集单元采集驾驶员的驾驶信息、行为信息和轨迹信息，并将驾驶信息、行为信息和轨迹信息发送至服务器保存；
8.服务器根据驾驶信息设置分析时间段，并将分析时间段发送至行为分析单元和轨迹分析单元；
9.行为分析单元通过对行为信息进行综合量值分析得到疲劳值，通过阈值比较生成观察状态信号、微疲劳潜在状态信号和中疲劳潜在状态信号，并将生成的观察状态信号发送至轨迹分析单元，将生成的微疲劳潜在状态信号和中疲劳潜在状态信号发送至预警执行单元；
10.轨迹分析单元接收到观察状态信号时，则进行轨迹信息进行数值化分析得到车道保持值，将其通过阈值比较分析得到疲惫潜在状态信号，并将其发送至预警执行单元；
11.预警执行单元根据接收到的微疲劳潜在状态信号、中疲劳潜在状态信号和疲惫潜在状态信号通过控制车上安装的智能报警器对驾驶员进行疲劳驾驶预警操作。
12.作为本发明的一种优选实施方式，驶信息包括驾驶时长、驾驶里程和驾驶速度；行为信息包括嘴角角度值、眼睛开度值和头部位置；轨迹信息包括间隙距离；其中，行为信息通过车内摄像头对驾驶员进行驾驶全程监控获得，轨迹信息通过车上雷达实时测量车辆与车道线位置之间的距离获取。
13.作为本发明的一种优选实施方式，数据采集单元采集驾驶员的行为信息和轨迹信息的具体步骤为：
14.步骤一：获取当前驾驶员的驾驶时长和驾驶里程，将驾驶里程除以驾驶时长得到
当前驾驶员的平均驾驶速度，将驾驶时长t1和平均驾驶速度v1通过预设模型ju＝η
×
(a1
×
t1+a2
×
v1)得到状态值ju，其中a1和a2分别是预设权重系数，η为预设修正系数；预设状态区间m1、m2和m3，当状态值处于预设状态区间m1之内时，则标记当前驾驶员为高焦状态，并匹配到d1的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为中焦状态，并匹配到d2的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为低焦状态，并匹配到d3的监测频率；
15.步骤二：通过车内监控按照匹配到的监测频率采集行为信息，行为信息包括图像和图像对应的采集时刻，将采集到的图像进行人脸识别操作，识别出眼睛、嘴巴和头部，并进行标注；通过雷达获取按照匹配到的监测频率采集轨迹信息，轨迹信息包括间隙距离和采集时刻，并将其打包发送至服务器进行存储。
16.作为本发明的一种优选实施方式，服务器根据驾驶信息设置分析时间段，具体为：
17.获取当前的驾驶速度，预设速度区间v1、v2和v3，当驾驶速度属于预设速度区间v1之内时，表示该驾驶员处于高速行驶的状态，需要在短时间内的分析驾驶员的驾驶状态，则将该驾驶员驾驶状态标记为高速态，并匹配到t1的分析时间段，当驾驶速度属于预设速度区间v2之内时，则将该驾驶员驾驶状态标记为中速态，并匹配到t2的分析时间段，驾驶速度属于预设速度区间v3之内时，则将该驾驶员驾驶状态标记为低速态，并匹配到t3的分析时间段，其中t1＜t2＜t3。
18.作为本发明的一种优选实施方式，行为分析单元对行为信息进行分析，具体为：
19.步骤一：获取图像中嘴角角度值和眼睛开度值，并定位头部位置，将采集时刻相邻两张图像的嘴角角度值、眼睛开度值和头部位置进行偏差比较得到角度偏差值、开度偏差值和头部偏差值，将后一张图像的采集时刻标记为对应的监测时刻，分别将角度偏差值、开度偏差值和头部偏差值与对应的监测时刻建立直角坐标系得到角度偏差值、开度偏差值和头部偏差值与监测时刻的折线图；
20.步骤二：分别预设角度偏差预警值、开度偏差预警值和位置偏差预警值，分别将角度偏差值、开度偏差值和头部偏差值与预设角度偏差预警值、开度偏差预警值和位置偏差预警值进行比较，将大于预设角度偏差预警值、开度偏差预警值和位置偏差预警值的角度偏差值、开度偏差值和头部偏差值标记为超角度偏差值、超开度偏差值和超头部偏差值，并在折线图上进行标记，将对应的监测时刻标记为角度异常时刻、开度异常时刻和头部异常时刻；
21.步骤三：分别计算分析时间段内所有的超角度偏差值、超开度偏差值和超头部偏差值与上一个监测时刻对应的偏差值的连线与水平线的夹角值，分别预设嘴角夹角值区间、眼睛夹角值区间和头部夹角值区间，每个区间对应一个危量系数，并将其标记为qi、qj和qk，其中i＝1,2,3
……
m1，j＝1,2,3
……
m2，k＝1,2,3
……
m3，m1、m2和m3均取正整数；i表示嘴角夹角值区间总数，j表示眼睛夹角值区间总数和k表示头部夹角值区间总数；并分别统计分析时间段内的角度异常时刻、开度异常时刻和头部异常时刻的数量，并将其分别标记为nui、nuj和nuk；通过预设模型lz＝μ
×
∑bi
×
qi
×
nui+σbj
×
qj
×
nuj+σbk
×
qk
×
nuk得到分析时间段内的疲劳值lz，其中bi、bj和bk分别预设权重系数，μ为预设修正系数；
22.步骤四：预设疲劳区间t1，当疲劳值小于疲劳区间中的最小值时，则表示驾驶员从行为信息分析暂无疲劳潜在风险，需要进一步加强监控，并生成观察状态信号；当疲劳值处
于疲劳值区间之内时，则表示驾驶员存在轻微疲劳驾驶的潜在风险状态中，需要进行疲劳驾驶的提醒，并生成微疲劳潜在状态信号，当疲劳值大于疲劳区间中的最大值时，则表示驾驶员存在疲劳驾驶的潜在风险状态中，需要对驾驶员进行预警干预，并生成中疲劳潜在状态信号；将生成的观察状态信号发送至轨迹分析单元，将微疲劳潜在状态信号和中疲劳潜在状态信号发送至预警执行单元。
23.作为本发明的一种优选实施方式，轨迹分析单元根据接收到的观察状态信号对轨迹信息进行分析，具体为：
24.步骤一：获取间隙距离和采集时刻，根据匹配到的分析时间段，以采集时刻为横坐标，间隙距离为纵坐标得到间隙距离和采集时刻的离散型图表，通过最小二乘法求取相邻两点组成的线段的斜率，预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]，其中e1、e2和e3分别为大于零的自然数，每个预设斜率区间均对应一个斜率系数po，其中o＝1,2,3；并分别统计在分析时间段内处于预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]的斜率数量，将其分别标记为su1、su2和su3；具体表现为：当斜率处于预设斜率区间[-e1,e1]之内时，则匹配到斜率系数p1，当斜率处于预设斜率区间[-e2,-e1)u(e1,e2]之内时，则匹配到斜率系数p2，当斜率处于预设斜率区间[-e3,-e2)u(e2,e3]之内时，则匹配到斜率系数p3；
[0025]
步骤二：取相邻两个采集时刻的中间时刻为变化时刻，将相邻变化时刻对应的斜率进行乘积计算得到斜率积，当斜率积小于零时，表示相邻变化时刻对应的两个斜率一个大于零一个小于零，表示在该变化时刻车辆间隙距离由大变小或者由小变大，则记一次间隙双向变化，当斜率积大于预设乘积时，表示相邻变化时刻对应的两个斜率均大于零或者均小于零，表示在该变化时刻，车辆间隙距离持续变大或持续变小，则记一次间隙单向变化，统计在分析时间段内间隙双向变化和间隙单向变化的数量，并将其标记为mu1和mu2；通过预设模型得到车道保持值dl，其中c1、c2和c3分别为预设权重系数，λ为预设修正系数；当车道保持值小于预设保持值时，则生成疲惫潜在状态信号，并将生成的疲惫潜在状态信号发送至预警执行单元。
[0026]
作为本发明的一种优选实施方式，预警执行单元接收微疲劳潜在状态信号、中疲劳潜在状态信号和疲惫潜在状态信号并对驾驶员进行干预操作，具体为：
[0027]
当接收到微疲劳潜在状态信号时，触发疲劳驾驶提示套餐一的操作；其中疲劳驾驶提示套餐一的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度使其对准驾驶员的头部，进行音量为50％的疲劳驾驶语音播报和释放冷空气操作，持续释20s，以达到提醒的作用；
[0028]
当接收到中疲劳潜在状态信号时，触发疲劳驾驶提示套餐二的操作；其中疲劳驾驶提示套餐二的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度对准驾驶员的头部，进行音量为60％的疲劳驾驶语音播报和释放含有风油精的冷空气操作，持续释放30s，以达到提醒的作用；
[0029]
当接收到疲惫潜在状态信号时，触发疲劳驾驶提示套餐三的操作；其中疲劳驾驶提示套餐一的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度对准驾驶员的头部，释放含有风油精的冷空气操作，持续释放60s；同时进行检索最近
的停车点并生成路线图以80％的音量进行语音播报，以达到预警和干预的作用。
[0030]
与现有技术相比，本发明的有益效果是：
[0031]
1、通过对驾驶员驾驶过程中的行为信息按照匹配到的分析时间段进行分析得到判断驾驶员当前的驾驶状态，并生成观察状态信号、微疲劳潜在状态信号和中疲劳潜在状态信号，实现有效的快速判断驾驶员是否存在疲劳驾驶的潜在风险。
[0032]
2、通过对标记为观察状态信号的驾驶员进行车辆轨迹的分析，进一步准确判断驾驶员是否存在疲劳驾驶潜在风险，实现对于无法从驾驶员表情管理中判定疲劳驾驶潜在风险的情况进行进一步准确的判定，为预警疲劳驾驶奠定基础。
[0033]
3、通过对驾驶员不同等级的疲劳驾驶潜在风险进行不同的预警措施，实现对于疲劳驾驶的有效且快速的预警和干预，有效降低由疲劳驾驶引发的事故发生率。
附图说明
[0034]
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
[0035]
图1为本发明的系统总框图。
具体实施方式
[0036]
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0037]
请参阅图1所示，基于大数据的疲劳驾驶车辆监测预警系统，包括数据采集单元、服务器、行为分析单元、轨迹分析单元和预警执行单元。
[0038]
数据采集单元采集驾驶员的驾驶信息、行为信息和轨迹信息发送至服务器进行保存，数据采集单元通过车内摄像头对驾驶员进行驾驶全程监控以获取行为信息，通过雷达实时测量车辆与车道线位置之间的距离以获取轨迹信息；
[0039]
数据采集单元采集驾驶员的行为信息和轨迹信息的具体步骤为：
[0040]
步骤一：获取当前驾驶员的驾驶时长和驾驶里程，将驾驶里程除以驾驶时长得到当前驾驶员的平均驾驶速度，将驾驶时长t1和平均驾驶速度v1通过预设模型ju＝η
×
(a1
×
t1+a2
×
v1)得到状态值ju，其中a1和a2分别是预设权重系数，η为预设修正系数；预设状态区间m1、m2和m3，当状态值处于预设状态区间m1之内时，则标记当前驾驶员为高焦状态，并匹配到0.2秒的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为中焦状态，并匹配到0.5秒的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为低焦状态，并匹配到1秒的监测频率；
[0041]
步骤二：通过车内监控按照匹配到的监测频率进行图像采集，行为信息包括图像和图像对应的采集时刻，将采集到的图像进行人脸识别操作，识别出眼睛、嘴巴和头部，并进行标注；通过雷达获取按照匹配到的监测频率采集车道线和车身边缘的距离，将其标记为间隙距离，轨迹信息包括间隙距离和采集时刻，并将其打包发送至服务器进行存储。
[0042]
服务器根据驾驶信息设置分析时间段，具体为：
[0043]
获取当前的驾驶速度，预设速度区间v1、v2和v3，当驾驶速度属于预设速度区间v1
之内时，表示该驾驶员处于高速行驶的状态，需要在短时间内的分析驾驶员的驾驶状态，则将该驾驶员驾驶状态标记为高速态，并匹配到t1的分析时间段，当驾驶速度属于预设速度区间v2之内时，则将该驾驶员驾驶状态标记为中速态，并匹配到t2的分析时间段，驾驶速度属于预设速度区间v3之内时，则将该驾驶员驾驶状态标记为低速态，并匹配到t3的分析时间段，其中t1＜t2＜t3，并将匹配到的分析时间段发送至行为分析单元和轨迹分析单元；
[0044]
需要说明的是，通过驾驶员的驾驶速度来设置分析时间段，当驾驶速度越高的时候，出现意外事故的概率越高，因此驾驶速度越高设置的分析时间段越短，为减少驾驶员疲劳驾驶，降低意外的发生概率奠定基础。
[0045]
行为分析单元对行为信息进行分析，具体为：
[0046]
步骤一：获取图像中嘴角角度值和眼睛开度值，并定位头部位置，将采集时刻相邻两张图像的嘴角角度值、眼睛开度值和头部位置进行偏差比较得到角度偏差值、开度偏差值和头部偏差值，将后一张图像的采集时刻标记为对应的监测时刻，分别将角度偏差值、开度偏差值和头部偏差值与对应的监测时刻建立直角坐标系得到角度偏差值、开度偏差值和头部偏差值与监测时刻的折线图；
[0047]
步骤二：分别预设角度偏差预警值、开度偏差预警值和位置偏差预警值，分别将角度偏差值、开度偏差值和头部偏差值与预设角度偏差预警值、开度偏差预警值和位置偏差预警值进行比较，将大于预设角度偏差预警值、开度偏差预警值和位置偏差预警值的角度偏差值、开度偏差值和头部偏差值标记为超角度偏差值、超开度偏差值和超头部偏差值，并在折线图上进行标记，将对应的监测时刻标记为角度异常时刻、开度异常时刻和头部异常时刻；
[0048]
步骤三：分别计算分析时间段内所有的超角度偏差值、超开度偏差值和超头部偏差值与上一个监测时刻对应的偏差值的连线与水平线的夹角值，分别预设嘴角夹角值区间、眼睛夹角值区间和头部夹角值区间，每个区间对应一个危量系数，并将其标记为qi、qj和qk，其中i＝1,2,3
……
m1，j＝1,2,3
……
m2，k＝1,2,3
……
m3，m1、m2和m3均取正整数；i表示嘴角夹角值区间总数，j表示眼睛夹角值区间总数和k表示头部夹角值区间总数；并分别统计分析时间段内的角度异常时刻、开度异常时刻和头部异常时刻的数量，并将其分别标记为nui、nuj和nuk；通过预设模型lz＝μ
×
∑bi
×
qi
×
nui+∑bj
×
qj
×
nuj+σbk
×
qk
×
nuk得到分析时间段内的疲劳值lz，其中bi、bj和bk分别预设权重系数，μ为预设修正系数；
[0049]
需要说明的是bi表示嘴角夹角值区间对应的预设权重系数，具体表现为：嘴角夹角值第一区间，匹配到预设危险系数q1，处于嘴角夹角值第一区间的角度异常时刻的数量为nu1，b1为预设危险系数q1和角度异常时刻的数量nu1乘积的预设权重系数；bj和bk同上所述；
[0050]
步骤四：预设疲劳区间t1，当疲劳值小于疲劳区间中的最小值时，则表示驾驶员从行为信息分析暂无疲劳潜在风险，需要进一步加强监控，并生成观察状态信号；当疲劳值处于疲劳值区间之内时，则表示驾驶员存在轻微疲劳驾驶的潜在风险状态中，需要进行疲劳驾驶的提醒，并生成微疲劳潜在状态信号，当疲劳值大于疲劳区间中的最大值时，则表示驾驶员存在疲劳驾驶的潜在风险状态中，需要对驾驶员进行预警干预，并生成中疲劳潜在状态信号；将生成的观察状态信号发送至轨迹分析单元，将微疲劳潜在状态信号和中疲劳潜在状态信号发送至预警执行单元。
[0051]
需要说明的是，根据匹配到的分析时间段对驾驶员的驾驶状态进行分析，当眼睛开度在短时间开度变化越大且次数越多，则表示驾驶员的眼神注意力不够集中；当嘴角在短时间变化越大且次数越多时，则表示驾驶员有打哈欠的生理反应；当驾驶员的头部在短时间内偏差越大且次数越多时，表示驾驶员存在头部晃动，将三者进行综合量值化分析，能够在短时间内判断驾驶员是否存在疲劳驾驶的潜在风险。
[0052]
轨迹分析单元根据接收到的观察状态信号对轨迹信息进行分析，具体为：
[0053]
步骤一：获取间隙距离和采集时刻，根据匹配到的分析时间段，以采集时刻为横坐标，间隙距离为纵坐标得到间隙距离和采集时刻的离散型图表，通过最小二乘法求取相邻两点组成的线段的斜率，预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]，其中e1、e2和e3分别为大于零的自然数，每个预设斜率区间均对应一个斜率系数po，其中o＝1,2,3；并分别统计在分析时间段内处于预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]的斜率数量，将其分别标记为su1、su2和su3；具体表现为：当斜率处于预设斜率区间[-e1,e1]之内时，则匹配到斜率系数p1，当斜率处于预设斜率区间[-e2,-e1)u(e1,e2]之内时，则匹配到斜率系数p2，当斜率处于预设斜率区间[-e3,-e2)u(e2,e3]之内时，则匹配到斜率系数p3；
[0054]
步骤二：取相邻两个采集时刻的中间时刻为变化时刻，将相邻变化时刻对应的斜率进行乘积计算得到斜率积，当斜率积小于零时，表示相邻变化时刻对应的两个斜率一个大于零一个小于零，表示在该变化时刻车辆间隙距离由大变小或者由小变大，则记一次间隙双向变化，当斜率积大于预设乘积时，表示相邻变化时刻对应的两个斜率均大于零或者均小于零，表示在该变化时刻，车辆间隙距离持续变大或持续变小，则记一次间隙单向变化，统计在分析时间段内间隙双向变化和间隙单向变化的数量，并将其标记为mu1和mu2；通过预设模型得到车道保持值dl，其中c1、c2和c3分别为预设权重系数，λ为预设修正系数；当车道保持值小于预设保持值时，则生成疲惫潜在状态信号，并将生成的疲惫潜在状态信号发送至预警执行单元；
[0055]
需要说明的是，斜率表示两个值的变化程度和变化趋势，斜率越大表示短时间内相邻两个值的差异越大，间隙距离变化越大，表示驾驶员驾驶过程中车道保持能力越弱，驾驶员存在疲劳驾驶的潜在风险越大。
[0056]
预警执行单元接收微疲劳潜在状态信号、中疲劳潜在状态信号和疲惫潜在状态信号并对驾驶员进行干预操作，具体为：
[0057]
当接收到微疲劳潜在状态信号时，触发疲劳驾驶提示套餐一的操作；其中疲劳驾驶提示套餐一的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度使其对准驾驶员的头部，进行音量为50％的疲劳驾驶语音播报和释放冷空气操作，持续释20s，以达到提醒的作用；
[0058]
当接收到中疲劳潜在状态信号时，触发疲劳驾驶提示套餐二的操作；其中疲劳驾驶提示套餐二的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度对准驾驶员的头部，进行音量为60％的疲劳驾驶语音播报和释放含有风油精的冷空气操作，持续释放30s，以达到提醒的作用；
[0059]
当接收到疲惫潜在状态信号时，触发疲劳驾驶提示套餐三的操作；其中疲劳驾驶
提示套餐一的操作具体步骤为：通过监控识别和确定驾驶员头部位置，控制智能报警器的角度对准驾驶员的头部，释放含有风油精的冷空气操作，持续释放60s；同时进行检索最近的停车点并生成路线图以80％的音量进行语音播报，以达到预警和干预的作用。
[0060]
本发明在使用时，通过分析驾驶信息中的驾驶时长、驾驶里程和驾驶速度设置数据采集模块采集行为信息和轨迹信息的频率以及设置行为信息和轨迹信息的分析时间段；通过对驾驶员驾驶过程中的行为信息按照匹配到的分析时间段进行分析得到判断驾驶员当前的驾驶状态，并生成观察状态信号、微疲劳潜在状态信号和中疲劳潜在状态信号，实现有效的快速判断驾驶员是否存在疲劳驾驶的潜在风险；通过对标记为观察状态信号的驾驶员进行车辆轨迹的分析，进一步准确判断驾驶员是否存在疲劳驾驶潜在风险，实现对于无法从驾驶员表情管理中判定疲劳驾驶潜在风险的情况进行进一步准确的判定，为预警疲劳驾驶奠定基础；通过对驾驶员不同等级的疲劳驾驶潜在风险进行不同的预警措施，实现对于疲劳驾驶的有效且快速的预警和干预，有效降低由疲劳驾驶引发的事故发生率。
[0061]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：
1.基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，包括数据采集单元、服务器、行为分析单元、轨迹分析单元和预警执行单元；数据采集单元采集驾驶员的驾驶信息、行为信息和轨迹信息，并将驾驶信息、行为信息和轨迹信息发送至服务器保存；服务器根据驾驶信息设置分析时间段，并将分析时间段发送至行为分析单元和轨迹分析单元；行为分析单元通过匹配到的分析时间段对行为信息进行综合量值分析得到疲劳值，通过阈值比较生成观察状态信号、微疲劳潜在状态信号和中疲劳潜在状态信号，并将生成的观察状态信号发送至轨迹分析单元，将生成的微疲劳潜在状态信号和中疲劳潜在状态信号发送至预警执行单元；轨迹分析单元接收到观察状态信号时，则通过匹配到的分析时间段对轨迹信息进行数值化分析得到车道保持值，将其通过阈值比较分析得到疲惫潜在状态信号，并将其发送至预警执行单元；预警执行单元根据接收到的微疲劳潜在状态信号、中疲劳潜在状态信号和疲惫潜在状态信号通过控制车上安装的智能报警器对驾驶员进行疲劳驾驶预警操作。2.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，驾驶信息包括驾驶时长、驾驶里程和驾驶速度；行为信息包括嘴角角度值、眼睛开度值和头部位置；轨迹信息包括间隙距离；其中，行为信息通过车内摄像头对驾驶员进行驾驶全程监控获得，轨迹信息通过车上雷达实时测量车辆与车道线位置之间的距离获取。3.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，数据采集单元采集驾驶员的行为信息和轨迹信息的具体步骤为：步骤一：获取当前驾驶员的驾驶时长和驾驶里程，将驾驶里程除以驾驶时长得到当前驾驶员的平均驾驶速度，将驾驶时长和平均驾驶速度通过数据处理得到状态值；预设状态区间m1、m2和m3，当状态值处于预设状态区间m1之内时，则标记当前驾驶员为高焦状态，并匹配到d1的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为中焦状态，并匹配到d2的监测频率；当状态值处于预设状态区间m1之内时，则标记当前驾驶员为低焦状态，并匹配到d3的监测频率；步骤二：通过车内监控按照匹配到的监测频率采集图像，将采集到的图像进行人脸识别操作，识别出眼睛、嘴巴和头部，并进行标注得到行为信息；通过雷达获取按照匹配到的监测频率采集轨迹信息，并将其打包发送至服务器进行存储。4.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，服务器根据驾驶信息设置分析时间段，具体为：获取当前的驾驶速度，预设速度区间v1、v2和v3，当驾驶速度属于预设速度区间v1之内时，表示该驾驶员处于高速行驶的状态，需要在短时间内的分析驾驶员的驾驶状态，则将该驾驶员驾驶状态标记为高速态，并匹配到t1的分析时间段，当驾驶速度属于预设速度区间v2之内时，则将该驾驶员驾驶状态标记为中速态，并匹配到t2的分析时间段，驾驶速度属于预设速度区间v3之内时，则将该驾驶员驾驶状态标记为低速态，并匹配到t3的分析时间段。5.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，行为分析单元对行为信息进行分析，具体为：
步骤一：获取图像中嘴角角度值和眼睛开度值，并定位头部位置，将采集时刻相邻两张图像的嘴角角度值、眼睛开度值和头部位置进行偏差比较得到角度偏差值、开度偏差值和头部偏差值，将后一张图像的采集时刻标记为对应的监测时刻，分别将角度偏差值、开度偏差值和头部偏差值与对应的监测时刻建立直角坐标系得到角度偏差值、开度偏差值和头部偏差值与监测时刻的折线图；步骤二：分别预设角度偏差预警值、开度偏差预警值和位置偏差预警值，分别将角度偏差值、开度偏差值和头部偏差值与预设角度偏差预警值、开度偏差预警值和位置偏差预警值进行比较，将大于预设角度偏差预警值、开度偏差预警值和位置偏差预警值的角度偏差值、开度偏差值和头部偏差值标记为超角度偏差值、超开度偏差值和超头部偏差值，并在折线图上进行标记，将对应的监测时刻标记为角度异常时刻、开度异常时刻和头部异常时刻；步骤三：分别计算分析时间段内所有的超角度偏差值、超开度偏差值和超头部偏差值与上一个监测时刻对应的偏差值的连线与水平线的夹角值，分别预设嘴角夹角值区间、眼睛夹角值区间和头部夹角值区间，每个区间对应一个危量系数，并分别统计分析时间段内的角度异常时刻、开度异常时刻和头部异常时刻的数量，通过数据处理得到分析时间段内的疲劳值；步骤四：预设疲劳区间t1，当疲劳值小于疲劳区间中的最小值时，则生成观察状态信号；当疲劳值处于疲劳值区间之内时，则并生成微疲劳潜在状态信号，当疲劳值大于疲劳区间中的最大值时，则生成中疲劳潜在状态信号；将生成的观察状态信号发送至轨迹分析单元，将微疲劳潜在状态信号和中疲劳潜在状态信号发送至预警执行单元。6.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，轨迹分析单元对轨迹信息进行分析，具体为：步骤一：获取间隙距离和采集时刻，根据匹配到的分析时间段，以采集时刻为横坐标，间隙距离为纵坐标得到间隙距离和采集时刻的离散型图表，通过最小二乘法求取相邻两点组成的线段的斜率，预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]，每个预设斜率区间均对应一个斜率系数，将斜率与所有预设斜率区间进行匹配得到对应的预设斜率系数，并分别统计在分析时间段内处于预设斜率区间[-e1,e1]、[-e2,-e1)u(e1,e2]和[-e3,-e2)u(e2,e3]的斜率数量；步骤二：取相邻两个采集时刻的中间时刻为变化时刻，将相邻变化时刻对应的斜率进行乘积计算得到斜率积，当斜率积小于零时，则记一次间隙双向变化，当斜率积大于预设乘积时，则记一次间隙单向变化，统计在分析时间段内间隙双向变化和间隙单向变化的数量；通过数据处理得到车道保持值；当车道保持值小于预设保持值时，则生成疲惫潜在状态信号，并将生成的疲惫潜在状态信号发送至预警执行单元。7.根据权利要求1所述的基于大数据的疲劳驾驶车辆监测预警系统，其特征在于，预警执行单元依据接收的微疲劳潜在状态信号、中疲劳潜在状态信号和疲惫潜对驾驶员进行干预操作，具体为：当接收到微疲劳潜在状态信号时，触发疲劳驾驶提示套餐一的操作；当接收到中疲劳潜在状态信号时，触发疲劳驾驶提示套餐二的操作；当接收到疲惫潜在状态信号时，触发疲劳驾驶提示套餐三的操作。

技术总结
本发明公开了基于大数据的疲劳驾驶车辆监测预警系统，涉及安全监控技术领域，用于解决目前的疲劳驾驶监测存在判断响应慢以及无法及时进行有效的预警和干预，造成干预滞后和难以有效降低由疲劳驾驶引发的事故发生率的问题；包括数据采集单元、服务器、行为分析单元、轨迹分析单元和预警执行单元；通过对驾驶员的行为信息判断驾驶员的疲劳驾驶的潜在风险，当行为信息分析得到观察状态信号时，则对车辆的轨迹信息进行分析进一步判断驾驶员是否存在疲劳驾驶的潜在风险，依据生成的疲劳潜在状态对驾驶员进行不同套餐的疲劳驾驶预警操作，实现对于疲劳驾驶的有效预警和干预，有效降低由疲劳驾驶引发的事故发生率。效降低由疲劳驾驶引发的事故发生率。效降低由疲劳驾驶引发的事故发生率。


技术研发人员：柏龙灏 胡章青 胡德俊 金庆江 曾建勤 杨义国 胡俊
受保护的技术使用者：安徽文康科技有限公司
技术研发日：2023.02.09
技术公布日：2023/6/14