[發明專利]一種駕駛行為習慣分析系統

有效

• 申請號: 202010384266.6
• 申請日: 2020-05-09
• 公開（公告）號: CN111680561B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 楊姝;亓昌;陳輝
• 申請（專利權）人: 大連理工大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;H04W4/44;G06V20/52;H04L67/55
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種駕駛行為習慣分析系統，其特征在于，在現有駕駛員監測系統組件中增添數據上傳模塊、數據分析模塊與信息推送模塊；

所述現有的駕駛員監測系統組件主要由圖像采集模塊與數據處理模塊組成；所述圖像采集模塊，用于獲取駕駛員駕駛行為信息，所述駕駛行為信息主要包括：駕駛員面部信息、駕駛員手部動作、駕駛員身體姿態、3D物體信息；所述的數據處理模塊，用于接收及分類駕駛員駕駛行為并記錄異常駕駛行為出現次數，能夠按異常駕駛行為類別分類儲存數據；所述的數據上傳模塊，用于上傳保存的異常駕駛行為分類數據；

所述的數據分析模塊，用于確定駕駛員駕駛習慣的優良等級；對駕駛員駕駛習慣優良等級的確定按下述方法進行計算：

1)首先獲得配備駕駛員監測系統的車輛在固定時間段內收集的駕駛員駕駛行為統計信息的完全樣本集合D＝((t,x₁),(t,x₂),…,(t,x_m))，其中，x₁,x₂,…,x_m分別表示集合內不同駕駛員個體出現異常駕駛行為的次數，t為固定時間段，單位可設置為年、月或星期；

2)根據完全樣本集合D中的具體樣本量，設置合適的最小樣本點個數MinPts和eps距離并定義三類數據點，其中eps距離表示ε鄰域：

核心點：如果樣本x_i的ε領域至少包含了最小樣本點個數MinPts個樣本，即N_ε(x_i)≥MinPts，則稱樣本點x_i為核心點；

邊界點：如果樣本x_i的ε鄰域內包含的樣本數目小于MinPts，但是它在其他核心點的鄰域內，則稱樣本點x_i為邊界點；

噪聲點：即不是核心點也不是邊界點的點；

3)初始化核心對象集合Ω＝φ，初始化聚類簇數k＝0,初始化未訪問樣本集合Γ＝D，簇劃分C＝φ；

4)從步驟1)中獲取到的完全樣本集合D中任意選取一個樣本點(t,x_i)，然后找到這個點距離小于等于eps距離的所有點并判斷所述樣本點的類別；如果這個點是核心點則為其分配一個新的簇標簽；計算兩點之間eps距離的方式使用歐式距離：

其中，A和B平面內任意兩個點，其坐標分別為(a₁,a₂)和(b₁,b₂)；

5)訪問該點在eps以內的所有鄰居；如果它們還沒有被分配一個簇，那么就將步驟4)中創建的新的簇標簽分配給它們；如果它們是核心樣本，那么就依次訪問其鄰居，以此類推；簇逐漸增大，直到在簇的eps距離內沒有更多的核心樣本；

6)選取另一個尚未被訪問過的點，并重復相同的過程；

7)待聚類完成后，得到最終簇樣本集合Y＝{c₁,c₂,…,c₅}，其中c₁,c₂,…,c₅分別表示不同的簇樣本；

8)重復步驟1-7，將最終簇樣本集合Y中的元素維持在5個，分別對應五種危險等級：優、良、標準、危險、高危；通過觀察聚類后的樣本分布確定每種危險等級的具體范圍；

所述的信息推送模塊，其配置成能夠周期性將駕駛員異常駕駛行為統計信息推送給單一用戶，并根據不同分析統計結果為用戶推送不同內容、類型的推文；推送方式可按下述方法進行：

1)設信息推送模塊中所有要推薦的內容集合為T＝{t₁,t₂,…,t_N}，其中t₁,t₂,…,t_N分別表示不同的推薦內容；所有推薦內容中出現的詞的集合為V＝{v₁,v₂,…,v_N}，其中v₁,v₂,…,v_N分別表示不同推薦內容所對應的詞典，即全部可被推薦內容的總數為N，在這些推薦內容中共包含了N個不同的詞；

2)將第j個推薦內容用向量表示為T_j＝(ω_1j,ω_2j,…,ω_Nj)，其中ω_1j表示第一個詞v₁在文章j中的權重，ω_Nj表示第N個詞v_N在文章j中的權重，權重值越大表示越重要；

3)使用詞頻-逆文檔頻率(TF-IDF)計算ω_kj的值；第j篇推薦內容中與詞典里的第k個詞對應的TF-IDF為：

其中，TF(t_j,v_k)表示第k個詞在推薦內容j中出現的次數，n_k表示所有文章中包括第k個詞的推薦內容的數量，N表示推薦內容的總數；最終第k個詞在推薦內容j中的權重為：

其中，N表示推薦內容中所包含詞的總數；

4)結合聚類得到的危險等級集合Y，得到推薦內容數據集合Z＝{(r₁,y_i),(r₂,y_i),…,(r_n,y_i)}，其中r_i∈T為推薦內容的特征向量，y_i∈Y＝{c₁,c₂,…,c₅}為危險等級，單一危險等級可對應多個推薦內容；

5)根據給定的駕駛員危險等級以及危險等級對應推薦內容的特征向量，為用戶推薦對應危險等級下的推薦內容，推薦內容的優先度由詞頻-逆文檔頻率決定，ω_kj的值越大，推薦內容的排序越靠前。

2.根據權利要求1所述的一種駕駛行為習慣分析系統，其特征在于，所述數據處理模塊具體實現以下功能：能夠通過駕駛員面部信息與駕駛員身體姿態判斷駕駛員是否處于疲勞駕駛狀態；能夠根據駕駛員手部動作、駕駛員身體姿態和3D物體信息判斷駕駛員是否在吸煙、打電話、喝水；能夠根據3D物體信息判斷駕駛員是否未系安全帶；能夠根據駕駛員面部信息判斷駕駛員是否處于分心駕駛狀態；能夠根據駕駛員身體姿態判斷駕駛員是否處于非規范駕駛姿勢；能夠接收及分類駕駛員駕駛行為信息并記錄異常駕駛行為出現次數，并將分析后的數據分類儲存在本地數據庫中；所述異常駕駛行為包括：行車期間發生的吸煙、打電話、喝水、未系安全帶、疲勞駕駛、分心駕駛和非規范駕駛姿勢。