[發明專利]基于眼球動作追蹤的交通事故發生時間預測建模方法

有效

• 申請號: 202011324076.1
• 申請日: 2020-11-23
• 公開（公告）號: CN112396235B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 蔡錦康;趙蕊;鄧偉文;丁娟
• 申請（專利權）人: 浙江天行健智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06V20/59;G06V40/18;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 蘇州根號專利代理事務所(普通合伙) 32276
• 代理人: 仇波

本發明公開了一種基于眼球動作追蹤的交通事故發生時間預測建模方法，包括以下步驟：建立危險駕駛工況仿真環境；標定眼球動作追蹤設備；使用模擬駕駛系統進行駕駛員在環試驗，收集眼球動作信息，得到原始試驗數據；數據預處理，眼球動作數據與事故時間數據對應，挑選建模點和驗證點，得到模型訓練數據庫；建立前饋神經網絡模型；進行模型訓練和交叉驗證，得到事故時間預測模型；進行復雜危險工況下的駕駛模擬，并將眼球動作數據輸入到事故時間預測模型中，驗證模型可信度；輸出交通事故發生時間預測模型。本發明使用以模擬駕駛系統試驗為基礎，使用前饋神經網絡建模方法，得到高置信度的駕駛員眼球動作與事故發生時間之間的關系。

技術領域

本發明涉及汽車制動系統的建模方法，尤其涉及一種基于模擬駕駛系統和眼球動作追蹤的交通事故發生時間預測建模方法。

背景技術

隨著社會經濟的快速發展和人們生活水平的不斷提高，汽車已經成為人們生產和生活中不可或缺的一部分，然而，交通事故給人們帶來的生命和財產安全威脅也在逐漸增大。隨著輔助駕駛，乃至無人駕駛的不斷發展，如何避免交通事故的發生正在逐漸成為一個越來越重要的問題。由于模擬駕駛技術能夠在保證一定仿真精度的情況下模擬各種駕駛工況，將在交通事故的識別和處理方法方面扮演重要角色。眼球動作是人的一種下意識動作，能夠較為準確地反應人的決策特征。盡管已經有一定量涉及眼球動作的應用的專利公開，譬如CN201510822257.X、CN201610173439.3、CN201611227464.1，但是關于運用眼球動作進行交通事故發生時間預測的專利卻幾乎沒有。因此，應當開發一種基于模擬駕駛系統的可以根據駕駛員眼球動作預測交通事故發生時間的方法。

前饋神經網絡(feedforward neural network，FNN)，簡稱前饋網絡，是人工神經網絡的一種。前饋神經網絡采用一種單向多層結構。其中每一層包含若干個神經元。在此種神經網絡中，各神經元可以接收前一層神經元的信號，并產生輸出到下一層。前饋神經網絡建模方法能夠根據大量訓練數據，自動地學習輸入與輸出的關系，且運算速度較快，適合進行復雜黑箱系統的建模。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種眼球動作追蹤的交通事故發生時間預測建模方法。

為了達到上述目的，本發明提供一種基于眼球動作追蹤的交通事故發生時間預測建模方法，包括以下步驟：

建立危險駕駛工況仿真環境；

標定眼球動作追蹤設備；

使用模擬駕駛系統進行危險工況下的駕駛員在環試驗，收集試驗中的駕駛員眼球動作信息，得到包含眼球動作數據的原始試驗數據；

對原始試驗數據進行預處理，將眼球動作數據與事故時間數據對應，并隨機挑選一定比例的建模點和驗證點，得到模型訓練數據庫；

建立前饋神經網絡模型；

使用模型訓練數據庫進行模型訓練和交叉驗證，得到事故時間預測模型；

使用模擬駕駛系統進行復雜危險工況下的駕駛模擬，并將眼球動作數據輸入到事故時間預測模型中，驗證模型可信度；

輸出獲得的交通事故發生時間預測模型。

進一步地，所述危險工況選自以下工況的一種或多種：違規變道，緊急剎車，行人違規橫穿馬路，非機動車突然闖入機動車道，機動車逆行，機動車闖紅燈，車輛追尾。

進一步地，所述眼球動作信息包括跳視幅度、凝視數量、凝視時間、橫向掃視幅度、縱向掃視幅度、眨眼數量以及相應的時間數據。

進一步地，對原始試驗數據進行預處理時，將相關數據處于總體數據的正、負兩倍標準差范圍以外的數據視為異常點，將異常點所對應時間點的數據全部刪除。