本發明專利技術公開了一種基于復雜情景的駕駛行為規范方法、系統、介質及設備，涉及車輛安全管控技術領域。該方法包括：實時獲取多種駕駛員的駕駛數據和環境數據；利用行為模型識別和分析駕駛數據，得到駕駛行為評估結果；根據駕駛行為評估結果生成相應的干預決策，其中，對非規范駕駛行為進行分類，分為自身因素影響行為和環境因素影響行為，對自身因素影響行為進行矯正分析生成內因干預決策，提取環境因素影響行為發生時的環境數據，結合環境數據對環境因素影響行為生成外因干預決策；利用干預決策對駕駛員進行行為規范矯正和持續性測驗。本發明專利技術能夠在復雜駕駛情景中實時識別駕駛員的多種駕駛行為，并通過針對性的持續干預有效矯正非規范駕駛行為。
【技術實現步驟摘要】
本專利技術涉及車輛安全管控，尤其涉及一種基于復雜情景的駕駛行為規范方法、系統、介質及設備。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、隨著道路交通的日益復雜化,駕駛員的行為規范對于保障行車安全至關重要。然而,實際駕駛過程中往往存在諸如疲勞駕駛、超速行駛、不系安全帶、分心駕駛等不良駕駛習慣,導致交通事故風險顯著增加。
3、傳統的駕駛監控手段往往依賴于人工監督或簡單車載設備報警,這些方法能夠在一定程度上提醒駕駛員注意前在風險，然而，它們通常只能針對特定的單一危險因素進行被動預警，缺乏對駕駛員整體行為模式的深入理解和主動干預能力，且對復雜駕駛情景(如疲勞、分心等主觀狀態)的識別有限，難以實現精準、高效、個性化的駕駛行為管理。因此,現有技術中缺乏一種能夠在復雜駕駛情景下針對駕駛員不同的不規范行為進行持續性反饋訓練和精準干預的方法和系統。
技術實現思路
1、針對現有技術存在的不足，本專利技術的目的是提供一種基于復雜情景的駕駛行為規范方法、系統、介質及設備，能夠在復雜駕駛情景中實時識別駕駛員的多種駕駛行為，并通過針對性的持續干預有效矯正非規范駕駛行為。
2、為了實現上述目的，本專利技術是通過如下的技術方案來實現：
3、本專利技術第一方面提供了一種基于復雜情景的駕駛行為規范方法，包括以下步驟：
4、實時獲取多種駕駛員的駕駛數據和環境數據，并對駕駛數據和環境數據進行預處理；
>5、利用行為模型識別和分析預處理后的駕駛數據，得到駕駛行為評估結果；6、根據駕駛行為評估結果生成相應的干預決策，其中，對非規范駕駛行為進行分類，分為自身因素影響行為和環境因素影響行為，對自身因素影響行為進行矯正分析生成內因干預決策，提取環境因素影響行為發生時的環境數據，結合環境數據對環境因素影響行為生成外因干預決策；
7、利用干預決策對駕駛員進行行為規范矯正和持續性測驗。
8、進一步的，駕駛數據包括駕駛員的生理狀態、視線方向和操作動作。
9、進一步的，利用行為模型識別和分析預處理后的駕駛數據的具體步驟為：
10、利用深度學習算法構建行為模型；
11、采用現有數據庫數據結合駕駛員的歷史駕駛數據構成訓練集，并對行為模型進行訓練；
12、利用訓練好的行為模型對實時駕駛數據進行評估，得到駕駛行為評估結果。
13、更進一步的，所述駕駛行為評估結果包括規范駕駛行為和非規范駕駛行為，并根據非規范駕駛行為的嚴重程度進行風險等級判斷。
14、進一步的，環境數據包括天氣狀況數據、路況復雜度數據、交通流量數據和潛在危險源數據。
15、進一步的，所述干預決策為階段性干預決策，根據非規范駕駛行為的嚴重程度確定階段數，并根據駕駛員的矯正反饋情況進行后續階段數和決策內容的實時調整。
16、更進一步的，持續性測驗為對每個階段的干預決策的實施效果進行駕駛員矯正行為測試，并生成駕駛員矯正反饋情況。
17、本專利技術第二方面提供了一種基于復雜情景的駕駛行為規范系統，包括：
18、數據采集模塊，被配置為實時獲取多種駕駛員的駕駛數據和環境數據，并對駕駛數據和環境數據進行預處理；
19、行為識別與評估模塊，被配置為利用行為模型識別和分析預處理后的駕駛數據，得到駕駛行為評估結果；
20、決策制定模塊，被配置為根據駕駛行為評估結果生成相應的干預決策，其中，對非規范駕駛行為進行分類，分為自身因素影響行為和環境因素影響行為，對自身因素影響行為進行矯正分析生成內因干預決策，提取環境因素影響行為發生時的環境數據，結合環境數據對環境因素影響行為生成外因干預決策；
21、矯正反饋模塊，被配置為利用干預決策對駕駛員進行行為規范矯正和持續性測驗。
22、本專利技術第三方面提供了一種介質，其上存儲有程序，該程序被處理器執行時實現如本專利技術第一方面所述的基于復雜情景的駕駛行為規范方法中的步驟。
23、本專利技術第四方面提供了一種設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，所述處理器執行所述程序時實現如本專利技術第一方面所述的基于復雜情景的駕駛行為規范方法中的步驟。
24、以上一個或多個技術方案存在以下有益效果：
25、本專利技術設計了一種基于復雜情景的駕駛行為規范方法、系統、介質及設備，通過大量數據的訓練能夠實現全方位的非規范駕駛行為的實時識別。相比于現有的駕駛行為監測方法，本專利技術還能夠在復雜駕駛情景中對影響駕駛行為的因素進行分析，生成更加針對性的干預決策，大大提高了駕駛行為規范矯正的有效程度。為了鞏固其矯正效果，本專利技術還創新了持續性的階段性干預方式，通過自適應性的階段測試和矯正，保證駕駛員行為不是短時間內的保持，讓駕駛員形成肌肉習慣，提高駕駛安全系數，為安全駕駛提供了更有力的保障。
26、本專利技術附加方面的優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術的實踐了解到。
本文檔來自技高網...
【技術保護點】
1.一種基于復雜情景的駕駛行為規范方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，駕駛數據包括駕駛員的生理狀態、視線方向和操作動作。
3.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，利用行為模型識別和分析預處理后的駕駛數據的具體步驟為：
4.如權利要求3所述的基于復雜情景的駕駛行為規范方法，其特征在于，所述駕駛行為評估結果包括規范駕駛行為和非規范駕駛行為，并根據非規范駕駛行為的嚴重程度進行風險等級判斷。
5.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，環境數據包括天氣狀況數據、路況復雜度數據、交通流量數據和潛在危險源數據。
6.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，所述干預決策為階段性干預決策，根據非規范駕駛行為的嚴重程度確定階段數，并根據駕駛員的矯正反饋情況進行后續階段數和決策內容的實時調整。
7.如權利要求6所述的基于復雜情景的駕駛行為規范方法，其特征在于，持續性測驗為對每個階段的干預決策的實施效果進行駕駛員矯正行為測試，并生成駕駛員矯正反饋情況。
8.一種基于復雜情景的駕駛行為規范系統，其特征在于，包括：
9.一種計算機可讀存儲介質，其特征在于，其中存儲有多條指令，所述指令適于由終端設備的處理器加載并執行權利要求1-7中任一項所述的基于復雜情景的駕駛行為規范方法。
10.一種終端設備，其特征在于，包括處理器和計算機可讀存儲介質，處理器用于實現各指令；計算機可讀存儲介質用于存儲多條指令，所述指令適于由處理器加載并執行權利要求1-7中任一項所述的基于復雜情景的駕駛行為規范方法。
...
【技術特征摘要】
1.一種基于復雜情景的駕駛行為規范方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，駕駛數據包括駕駛員的生理狀態、視線方向和操作動作。
3.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，利用行為模型識別和分析預處理后的駕駛數據的具體步驟為：
4.如權利要求3所述的基于復雜情景的駕駛行為規范方法，其特征在于，所述駕駛行為評估結果包括規范駕駛行為和非規范駕駛行為，并根據非規范駕駛行為的嚴重程度進行風險等級判斷。
5.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，環境數據包括天氣狀況數據、路況復雜度數據、交通流量數據和潛在危險源數據。
6.如權利要求1所述的基于復雜情景的駕駛行為規范方法，其特征在于，所述干預決策為階...
【專利技術屬性】
技術研發人員：楊有偉，盧曉峰，唐鵬，邵玉晗，
申請(專利權)人：奇瑞汽車股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。