本發(fā)明屬于交通安全領(lǐng)域，涉及一種基于駕駛?cè)诵碾妑r間期的駕駛疲勞判別方法。

背景技術(shù)：

當(dāng)駕駛員處于疲勞狀態(tài)時極易出現(xiàn)觀察、判斷以及操縱上的失誤，進而導(dǎo)致交通事故的發(fā)生。據(jù)美國國家交通安全協(xié)會統(tǒng)計，28％的交通事故由駕駛疲勞造成。因此，及時辨識駕駛員疲勞狀態(tài)并進行預(yù)警對于預(yù)防交通事故具有重要意義。

為了能夠及時判別駕駛疲勞，應(yīng)利用一些駕駛?cè)俗陨淼纳碇笜?biāo)及車輛運動等參數(shù)對駕駛疲勞進行檢測并預(yù)警。但現(xiàn)有的駕駛疲勞判別存在幾點不足：

1、駕駛疲勞判別指標(biāo)閾值界定的主觀性強。因為駕駛疲勞是根據(jù)駕駛?cè)说闹饔^感受來界定的，如果通過確定判別指標(biāo)閾值來界定駕駛?cè)耸欠襁_到疲勞，主觀性太強，不具有普遍適用性。因此疲勞閾值的界定一直是駕駛疲勞判別的難點。

2、因駕駛?cè)藗€體差異性導(dǎo)致的疲勞判別的標(biāo)準(zhǔn)不同。駕駛疲勞是根據(jù)駕駛?cè)说闹饔^感受來界定的，因駕駛?cè)说哪挲g、性別以及駕齡等因素影響導(dǎo)致駕駛疲勞判別的評判標(biāo)準(zhǔn)難以確定。因此由駕駛?cè)藗€體差異性導(dǎo)致的疲勞判別誤差較大問題一直是駕駛疲勞判別的難點。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于駕駛?cè)诵碾妑r間期的駕駛疲勞判別方法，該方法能夠避免駕駛疲勞判別主觀性過強，以及因個體差異導(dǎo)致的判別標(biāo)準(zhǔn)不同的缺陷，具有較強的客觀性及普遍適用性。

為了解決上述技術(shù)問題，本發(fā)明的基于駕駛?cè)诵碾妑r間期的駕駛疲勞判別方法包括下述步驟：

步驟一、利用生理記錄儀實時采集駕駛?cè)诵碾娦盘柌⑦M行預(yù)處理獲得駕駛?cè)诵碾妑r間期的時間序列{x1,x2,......,xt}，t為初始時刻到當(dāng)前時刻采集的心率rr間期樣本總數(shù)；

步驟二、根據(jù)基于心電rr間期序列的平穩(wěn)性模型公式(1)計算對應(yīng)序列結(jié)構(gòu)殘差ut；其中1≤t≤t；

xt＝c+ut(1)

式中：xt—對應(yīng)于時刻t的駕駛?cè)诵碾妑r間期；

c—初始時刻到當(dāng)前時刻t駕駛?cè)诵碾妑r間期時間序列均值，即

步驟三、根據(jù)一階自相關(guān)模型公式(2)計算自回歸殘差序列對應(yīng)于時刻t的自回歸殘差et；

ut＝ρut-1+et(2)

其中ut-1為對應(yīng)于時刻t-1的序列結(jié)構(gòu)殘差；

步驟四、根據(jù)最小二乘法公式(3)估計模型參數(shù)ρ，ρ取值為[-1,1]；若ut和ut-1正相關(guān)，則ρ為正，若ut和ut-1負相關(guān)則ρ為負；

步驟五、根據(jù)條件方差的garch(1,1)模型公式(4)計算條件方差序列中對應(yīng)于時刻t的條件方差ht；

其中ht-1是對應(yīng)于上一時刻t-1的條件方差，ht的初始值h1＝0；et-1是對應(yīng)于時刻t-1的自回歸殘差；c1、c2、c3是模型參數(shù)，c1≥0,c2≥0,c3≥0，并且c1、c2、c3的取值應(yīng)當(dāng)使得f(z1)×f(z2)×......f(zt)最大；zt為對應(yīng)于當(dāng)前時刻t的標(biāo)準(zhǔn)化殘差，f(zt)為正態(tài)分布函數(shù)；

步驟六、根據(jù)對應(yīng)于時刻t的條件方差ht判別駕駛?cè)说钠诘燃壥欠褡兓?/p>

設(shè)va表示條件方差ht的平均值，σ0代表平均值va的標(biāo)準(zhǔn)差，則

設(shè)置初始計數(shù)值level＝1；當(dāng)ht-va＞3σ0時，將計數(shù)值level加1；若level＝1，則表示駕駛?cè)似诘燃墳榍逍?，level＝2，則表示駕駛?cè)似诘燃墳檩p度疲勞，計數(shù)值level＝3則表示駕駛?cè)似诘燃墳橹囟绕冢挥嫈?shù)值level＝4則表示駕駛?cè)似诘燃墳槔Ь?個等級。

本發(fā)明的有益效果：

1、解決了通過界定指標(biāo)閾值來判別駕駛疲勞的主觀性過強的問題

因為駕駛疲勞是根據(jù)駕駛?cè)说闹饔^感受來界定的，如果通過確定判別指標(biāo)閾值來界定駕駛?cè)耸欠襁_到疲勞，主觀性太強，不具有普遍適用性。本發(fā)明利用駕駛?cè)诵碾妑r間期序列的條件方差有效地擬合了序列的集群效應(yīng)波動特征，基于波動特征判別駕駛疲勞，解決了通過界定指標(biāo)閾值來判別駕駛疲勞的主觀性過強的問題。

2、解決了因駕駛?cè)藗€體差異性導(dǎo)致的疲勞判別的標(biāo)準(zhǔn)不同的問題

駕駛疲勞是根據(jù)駕駛?cè)说闹饔^感受來界定的，因駕駛?cè)说哪挲g、性別以及駕齡等因素影響導(dǎo)致駕駛疲勞判別的評判標(biāo)準(zhǔn)難以確定。本發(fā)明通過建立基于心電rr間期的時間序列判別模型，利用rr間期序列的波動性表征駕駛?cè)俗陨頎顟B(tài)變化進而判別駕駛疲勞，避免了利用同一指標(biāo)閾值判別不同駕駛?cè)说钠?。解決了因駕駛?cè)藗€體差異性導(dǎo)致的疲勞判別標(biāo)準(zhǔn)不同的問題。

附圖說明

下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細說明。

圖1是本發(fā)明的基于心電rr間期的駕駛?cè)似谂袆e方法的流程圖。

具體實施方式

如圖1所示，本發(fā)明的基于心電rr間期的駕駛?cè)似谂袆e方法具體包括下述步驟：

步驟一、數(shù)據(jù)獲取及預(yù)處理:依次流程包括搭建實車道路試驗平臺，該平臺包括美國biopac生理記錄儀及與其連接的計算機；采集駕駛?cè)诵碾娦盘枺焕胋iopac生理記錄儀的軟件分析模塊中選擇hemodynamics-ecgintervalextraction，對駕駛?cè)诵碾娦盘栠M行預(yù)處理獲取駕駛?cè)诵碾妑r間期的時間序列{x1,x2,......,xt}，t為初始時刻到當(dāng)前時刻采集的心率rr間期樣本總數(shù)；

步驟二、設(shè)置初始計數(shù)值level＝1；根據(jù)基于心電rr間期序列的平穩(wěn)性模型公式(1)計算對應(yīng)于時刻t的序列結(jié)構(gòu)殘差ut，其中1≤t≤t；

xt＝c+ut(1)

式中：xt—對應(yīng)于時刻t的駕駛?cè)诵碾妑r間期；

c—初始時刻到當(dāng)前時刻t駕駛?cè)诵碾妑r間期時間序列均值；心電rr間期時間序列圍繞固定值c隨機波動；

所述初始時刻到當(dāng)前時刻駕駛?cè)诵碾妑r間期時間序列均值c可以通過計算均值得到；

xt是對應(yīng)于任一時刻t的駕駛?cè)诵碾妑r間期，t-初始時刻到當(dāng)前時刻心率rr間期樣本總數(shù)；

步驟三、根據(jù)一階自相關(guān)模型公式(2)計算自回歸殘差序列對應(yīng)于當(dāng)前時刻t的自回歸殘差et；

ut＝ρut-1+et(2)

其中ut-1為對應(yīng)于上一時刻t-1的序列結(jié)構(gòu)殘差；

步驟四、根據(jù)最小二乘法公式(3)估計模型參數(shù)ρ，ρ取值為[-1,1]；若ut和ut-1正相關(guān)，則ρ為正，若ut和ut-1負相關(guān)則ρ為負；

步驟五、根據(jù)條件方差的garch(1,1)模型公式(4)計算條件方差序列中對應(yīng)于當(dāng)前時刻t的條件方差ht；

其中ht-1是對應(yīng)于上一時刻t-1的條件方差，ht的初始值h1＝0；et-1是對應(yīng)于上一時刻t-1的自回歸殘差；c1、c2、c3是模型參數(shù)，c1≥0,c2≥0,c3≥0,并且c1、c2、c3的取值應(yīng)當(dāng)使得f(z1)×f(z2)×......f(zt)最大；zt為對應(yīng)于當(dāng)前時刻t的標(biāo)準(zhǔn)化殘差，f(zt)為正態(tài)分布函數(shù)；

步驟六、實時或者每隔15min左右根據(jù)對應(yīng)于當(dāng)前時刻t的條件方差ht判別駕駛?cè)说钠诘燃壥欠褡兓?/p>

設(shè)va表示條件方差ht的平均值，σ0代表平均值va的標(biāo)準(zhǔn)差，則

若ht-va＞3σ0，表明心率r-r間期序列的殘差序列發(fā)生了巨大的變化，進而說明駕駛?cè)说钠诔潭劝l(fā)生了顯著變化，則將計數(shù)值level加1；若level＝1，則表示駕駛?cè)似诘燃墳榍逍?，level＝2，則表示駕駛?cè)似诘燃墳檩p度疲勞，計數(shù)值level＝3則表示駕駛?cè)似诘燃墳橹囟绕?；計?shù)值level＝4則表示駕駛?cè)似诘燃墳槔Ь?個等級。