驾驶辅助系统和方法与流程

本发明涉及车辆的辅助驾驶领域。具体地，本发明涉及能够对驾驶员的异常驾驶行为进行检测以提醒驾驶员安全驾驶的驾驶辅助系统和方法。

背景技术：

如今，随着汽车保有量持续增长，城市交通日益拥挤。面对复杂的道路情况，驾驶员有可能会出现频按喇叭、急于跟车或变道等心情焦躁的激进状态，也有可能出现打瞌睡、看手机等注意力不集中的懈怠状态。但是，无论是急躁的驾驶行为或迟钝的驾驶行为，对驾驶员和周边车辆以及行人都是十分危险的。因此，需要及时对驾驶员的危险驾驶行为进行提醒或警告，以使驾驶员安全驾驶，从而避免交通事故。

另外，每个驾驶员都有自己独有的驾驶行为习惯，因此有必要对驾驶员的日常驾驶习惯进行记录和学习，建立与驾驶员相关联的驾驶行为模型，从而根据该驾驶行为模型来判断驾驶员的当前驾驶行为是否安全。

技术实现要素：

本发明的一个目的是提供能够自动检测驾驶员的异常驾驶行为的驾驶辅助系统和方法。本发明的另一个目的是提供与驾驶员日常驾驶行为相关联的驾驶行为模型的驾驶辅助系统和方法。

本发明的一个方面提供一种用于车辆的驾驶辅助系统，包括：检测装置，构造成检测主车辆周围的其他车辆的行驶参数；控制装置，构造成根据所述其他车辆的行驶参数和所述主车辆的行驶参数来计算所述其他车辆与所述主车辆之间的碰撞时间，并且根据所述碰撞时间来判断所述主车辆的驾驶员的驾驶行为是否异常；以及输出装置，构造成在所述控制装置判断所述驾驶员的驾驶行为异常时输出控制信号。

根据本发明的实施例，所述控制装置构造成计算所述碰撞时间与预先存储的碰撞时间均值之差，并且当所述碰撞时间与所述碰撞时间均值之差小于预先设置的阈值时，判断为所述驾驶员的驾驶行为异常。

根据本发明的实施例，所述控制装置还构造成识别装置，构造成识别所述驾驶员，其中，所述控制装置构造成根据识别结果获取所述碰撞时间均值。

根据本发明的实施例，所述驾驶辅助系统还包括：学习装置，构造成根据所述识别结果记录所述驾驶员在以前规定行使单位内的所有碰撞时间，并且根据所述所有碰撞时间计算所述碰撞时间均值，以建立与所述驾驶员相应的驾驶行为模型，其中，所述控制装置构造成从所述驾驶行为模型中获取所述碰撞时间均值。

根据本发明的实施例，所述学习装置还构造成根据所述碰撞时间来重新计算所述碰撞时间均值，从而修正所述驾驶行为模型。

本发明的另一方面提供一种车辆，其包括根据本发明的上述驾驶辅助系统。

本发明的另一方面提供一种用于车辆的驾驶辅助方法，包括：检测装置，构造成检测主车辆周围的其他车辆的行驶参数；根据所述其他车辆的行驶参数和所述主车辆的行驶参数来计算所述其他车辆与所述主车辆之间的碰撞时间，并且根据所述碰撞时间来判断所述主车辆的驾驶员的驾驶行为是否异常；以及在判断所述驾驶员的驾驶行为异常时输出控制信号。

根据本发明的实施例，所述驾驶辅助方法还包括：计算所述碰撞时间与预先存储的碰撞时间均值之差，并且当所述碰撞时间与所述碰撞时间均值之差小于预先设置的阈值时，判断为所述驾驶员的驾驶行为异常。

根据本发明的实施例，所述驾驶辅助方法还包括：识别所述驾驶员；以及根据识别结果获取所述碰撞时间均值。

根据本发明的实施例，所述驾驶辅助方法还包括：根据所述识别结果记录所述驾驶员在以前规定行使单位内的所有碰撞时间，并且根据所述所有碰撞时间计算所述碰撞时间均值，以建立与所述驾驶员相应的驾驶行为模型；以及从所述驾驶行为模型中获取所述碰撞时间均值。

根据本发明的实施例，所述驾驶辅助方法还包括根据所述碰撞时间来重新计算所述碰撞时间均值，从而修正所述驾驶行为模型。

因此，根据本发明的实施例的驾驶辅助系统能够对驾驶员的异常驾驶行为进行检测以提醒驾驶员安全驾驶。此外，根据本发明的实施例的驾驶辅助系统建立了与每个驾驶员相关联的驾驶行为模型，从而根据该驾驶行为模型来判断驾驶员的当前驾驶行为是否安全。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明，其中，相似的标号指示相同或功能类似的元件。

图1是包括根据本发明的驾驶辅助系统的汽车的简化示意图。

图2是根据本发明的实施例的驾驶辅助系统的简化示意图。

图3是根据本发明的实施例的驾驶行为模型的简化示意图。

图4是根据本发明的实施例的驾驶辅助方法的流程图，

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在附图和下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。

图1是包括根据本发明的驾驶辅助系统的汽车100的简化示意图。虽然以汽车作为示例，但是本申请不限于应用于汽车中，而是可以应用于例如可以使用内燃机、电动机等一种或多种动力源作为动力机构的各种各样的机动车辆，例如轿车、货车、卡车、电车、摩托车、运动型多用途车辆、拖拉机等。

如图1所示，汽车100包括电子控制系统110、车载传感器120、驾驶辅助系统130和操作执行系统140，它们可以彼此连接，例如连接到汽车100的控制器局域网(can)总线160或网络。为了简明起见，汽车100中公知的动力和操纵装置、传动系统等部件未在图1中示出。可选地，汽车100还可以包括通信设备150、娱乐设备(未示出)等，它们也可以通过相应的接口连接到汽车100的电子控制系统110、驾驶辅助系统130和操作执行系统140等。

电子控制系统110例如可以包括电子控制单元(ecu)。ecu可以用处理器(例如微处理器)、控制器(例如微控制器)、可编程逻辑电路(例如现场可编程门阵列(fpga))和专用集成电路(asic)等来实现。ecu可以包括一个或多个存储器，例如，随机存取存储器(ram)、只读存储器(rom)、可擦可编程存储器(eprom)、电可擦可编程存储器(eeprom)等。存储器可以用于存储数据、指令、软件、代码等，这些指令被执行以执行本申请中所描述的动作。

车载传感器120可以包括以下各种传感器中的一项或多项：摄像设备、超声波传感器、雷达装置和激光装置等。摄像设备可以安装在车辆的前方、后方、侧面、顶部、内部等位置，并且可以包括可见光摄像头、红外摄像头等。可见光摄像头例如能够实时捕获车辆内部和/或外部的图像(例如，以60°左右的角度工作)并呈现给驾驶员和/或乘客。此外，通过对摄像头捕获的图像进行分析，可以检测诸如驾驶员参数、交通信号灯指示、交叉路口情况、其他车辆的运行状态等信息。红外摄像头可以在夜视情况下捕获图像。超声波传感器可以安装在车辆的四周，准确地测量其他车辆距主车辆的距离。超声波传感器通常对近距离物体比远距离物体的测距精度更高。雷达装置可以安装在车辆的前方、后方或其他位置。雷达装置可以利用电磁波的特性，准确地测量其他车辆距主车辆的距离，并且通常对金属物体敏感度更高。雷达装置还可以利用多普勒效应来测量车辆相对于物体的速度变化。激光装置(例如激光雷达lidar)可以安装在车辆的前方、后方或其他位置。激光装置可以检测到精确的物体边缘、形状信息，从而进行精确的物体识别和追踪。车载传感器120还可以包括对车辆的自身状态(例如当前载重量及其分布情况、车辆的维护状况、行驶状态)、车辆的周围环境(例如温度、湿度、亮度、气压等)等进行感测的装置。

驾驶辅助系统130连接到电子控制系统110和未示出的传动系统。驾驶辅助系统130例如可以具有以下功能中的一项或多项：车灯控制；喇叭控制；诸如换挡、刹车、加速、转向之类的致动控制等。

操作执行系统140控制车辆的各个部件的操作，例如，车辆的动力系统、转向系统、变速系统、制动系统、安全系统等。

通信设备150可以包括允许汽车100与其他信息源进行通信的无线通信设备。例如，汽车100可以与其附近的其他车辆通信(称为“cartocar(car-2-car)”或“vehicletovehicle(v-2-v)”通信)。更一般地，汽车100可以与附近的车辆、行人、设施等进行通信(称为“cartox(car-2-x)”或“vehicletox(v-2-x)”通信)。例如，汽车100也可以通过通信设备150向附近的车辆或设施发送自身的信息，例如型号、行驶方向、行驶速度等或者从附近的车辆或设施检测外界信息。通信设备150可以包括基于任意类型电磁波(例如红外线、微波、毫米波等)的通信设备，并可以基于任意预设的通信协议进行car-2-car或car-2-x通信。

图2是根据本申请的实施例的驾驶辅助系统130的结构示意图。如图2所示，驾驶辅助系统130包括检测装置131、控制装置132和输出装置133。这些装置可以由硬件电路实现，也可以由软件模块实现，还可以通过硬件和软件的组合来实现。下文中会对这些装置的操作进行详细描述。

检测装置131可以检测汽车100周围的其他车辆的行驶参数。其他车辆可以是位于汽车100前方、后方、侧面的车辆。其他车辆的行驶参数可以包括其他车辆的位置、轮廓、运动方向、运动速度和运动加速度等。检测装置131可以例如通过接收和分析车载传感器120中的图像传感器所捕获的汽车100外部的图像来检测汽车100周围的其他车辆的轮廓以及相对于汽车100的位置。检测装置131可以例如通过车载传感器120中的超声波传感器或雷达装置所测得的其他车辆相对于汽车100的距离和速度变化，来检测其他车辆的运动速度和运动加速度。检测装置131也可以利用car-2-car或car-2-x通信经由通信设备150来检测其他车辆的行驶参数。

控制装置132可以与检测装置131有线或无线通信。控制装置132可以根据检测装置131检测的其他车辆的行驶参数来计算汽车100与其他车辆之间的碰撞时间，并且可以根据该碰撞时间来判断驾驶员的驾驶行为是否异常。例如，假设其他车辆是汽车100的前车。控制装置132可以基于以下表达式(1)来计算汽车100与前车之间的碰撞时间：

ttc＝d/vr(1)。

其中，d是前车相对于汽车100的距离，vr是汽前车相对于汽车100的速度。d可以由车载传感器120中的超声波传感器或雷达装置直接测量得到，也可以由控制装置132根据检测装置131检测的前车的位置参数以及汽车100的位置参数计算得到，其中，汽车100的位置参数可以从汽车100的导航装置(未示出)获得。vr可以由车载传感器120中的超声波传感器或雷达装置直接测量得到，也可以由控制装置132根据检测装置131检测的前车的速度参数和汽车100的速度参数计算得到，其中，汽车100的速度参数也可以从汽车100的导航装置(未示出)获得。

控制装置132可以计算所述碰撞时间与预先存储的碰撞时间均值之差，并且当所述碰撞时间与所述碰撞时间均值之差小于预先设置的阈值时，判断为所述驾驶员的驾驶行为异常。碰撞时间均值指在规定的行驶单位内的所有碰撞时间(ttc1，ttc2，……，ttci，……，ttcn)的平均值。规定的行驶单位指将规定的行驶时间或行驶距离作为一个单位，例如一个月的行驶时间或十公里的行驶距离。碰撞时间均值可以由控制装置132根据驾驶经验或日常驾驶习惯预先设置，也可以由控制装置132从后述的学习装置135获取。

根据本申请的实施例，控制装置132可以计算碰撞时间ttc与碰撞时间均值的差值，并且通过将该差值与预先设置的阈值进行比较来判断驾驶员的驾驶行为是否异常，其中，阈值的大小可以根据驾驶经验或日常驾驶习惯来确定。如果碰撞时间ttc与碰撞时间均值的差值小于阈值，这意味着汽车100相对于前车的距离较小或者汽车100相对于前车的速度较大，则控制装置132判断驾驶员的驾驶行为异常。例如，驾驶员可能出现焦虑、暴躁等情绪导致跟车距离比较短或跟车速度比较快。因为这种驾驶行为比较危险，因此驾驶员应该及时做出反应，并且通知周边车辆或行人应该及时避让或制动。反之，如果碰撞时间ttc与碰撞时间均值的差值大于阈值，则控制装置132判断该驾驶员的驾驶行为正常。

输出装置133可以与检测装置131和/或控制装置132有线或无线通信。输出装置133还可以与操作执行系统140有线或无线通信。输出装置133在控制装置132判断为驾驶员的驾驶行为异常时，可以输出控制信号。控制信号可以通过can或flexray上的通信来实现。

控制信号可以是向驾驶员提供可感知信息的信号。这种可感知信息可以包括视觉信息、听觉信息、触觉信息等信息中的一种或多种。例如，控制信号可以用于使汽车100的仪表板、导航装置、视频装置和/或警告灯等部件显示文字、图案、图像、视频等形式的警告信息。控制信号也可以用于使汽车100的导航装置、音频装置、蜂鸣器和/或报警器等部件发出语音或其他音频警告信息。控制信号还可以用于使汽车100的方向盘、脚踏板、座椅、驾驶杆和/或车门把手等部件产生震颤、形变等形式的触觉警告信息。

控制信号也可以使汽车100的喇叭发声的信号。例如，输出装置133可以驱动喇叭发出声音以提醒汽车外的车辆或行人注意。控制信号还可以是使汽车100外的显示灯闪烁或变色的信号。例如，输出装置133可以使汽车100的前侧、后侧或车顶的显示灯不断闪烁或变换颜色，从而使汽车100周围的车辆或行人及时获知驾驶员的驾驶状态，及时避让以防发生交通事故。

另外，已知不同的驾驶员具有不同的驾驶习惯，也对应不同的碰撞时间均值。因此，为了精确地判断驾驶汽车100的驾驶员是否具有异常驾驶行为，需要针对不同的驾驶员确定对应的碰撞时间均值。因此，根据本申请的实施例，驾驶辅助系统130需要对驾驶员进行识别，并且根据识别结果来确定碰撞时间均值。

根据本申请的其他实施例，驾驶辅助系统130还包括识别装置134和学习装置135。识别装置134可以根据由汽车100的车载传感器120获取的驾驶员数据来识别驾驶员。例如，识别装置134可以根据由车载传感器120中的图像传感器获取的驾驶员图像，例如上半身图像、面部图像、眼部图像等来识别驾驶员。图像传感器可以设置在便于对驾驶员尤其是驾驶员的上半身进行图像采集的地方。图像传感器可以被设置成可调节的，使其视场能够覆盖驾驶员的上半身。例如，图像传感器可以被设置成能够相对于驾驶员的面部旋转或平移，以获得合适的视角和/或视场。

识别装置134可以基于面部识别处理对来执行身份识别。根据本发明的实施例，识别装置134可以将由车载传感器120中的图像传感器获取的驾驶员面部图像与一个或多个早期面部图像进行比较来识别驾驶员。识别装置134可以预先获取一个或多个面部图像作为早期面部图像，并将其存储在汽车100的内部存储器(例如电子控制装置110所包含的存储器)、能够连接的外部存储器(例如能够作为汽车100的周边设备而电连接的可移除存储器，或者能够通过无线方式访问的远程数据库，等等)或者后述的学习装置135中。这些算法是图像处理领域公知的，因此不再赘述。

学习装置135可以与控制装置132有线或无线通信。学习装置135可以记录或存储由控制装置132计算的、汽车100在以前规定行使单位内的所有碰撞时间，并且根据所有碰撞时间计算汽车100在以前规定行使单位内的碰撞时间均值。

根据本发明的实施例，学习装置135还可以与识别装置134通信。学习装置135可以在识别装置134对驾驶员进行识别后针对每次识别记录由控制装置132计算的碰撞时间。换言之，学习装置134可以根据识别装置134的识别结果记录所识别的驾驶员在以前规定行使单位内的所有碰撞时间，从而存储了与驾驶员相对应的历史碰撞时间。

学习装置135还可以根据与所识别驾驶员相对应的历史碰撞时间来计算所识别驾驶员在以前规定行使单位内的碰撞时间均值。在示例性实施例中，学习装置135可以根据以下表达式(2)计算碰撞时间均值：

其中，在表达式(2)中，n表示学习装置135记录的所有碰撞时间的总个数。

由此，学习装置135可以根据识别装置134的识别结果、记录的历史碰撞时间以及计算的碰撞时间均值建立驾驶行为模型。图3示出了学习装置135建立的驾驶行为模型的一个实施例。如图3所示，驾驶行为模型包含识别装置134识别的驾驶员、与各个驾驶员相对应的所有碰撞时间(ttc1，ttc2，……，ttci，……，ttcn)和碰撞时间均值，每个驾驶员具有各自的历史碰撞时间和碰撞时间均值。图3中只列出了三个驾驶员(例如，驾驶员a、驾驶员b、驾驶员c)的示例，但是，应理解，驾驶行为模型并不限于这三个驾驶员。

由此，根据本发明的实施例，控制装置132可以根据识别装置134的识别结果从学习装置135获取与所识别的驾驶员相对应的碰撞时间均值，进而根据该碰撞时间均值与控制装置132计算的碰撞时间ttc来判断所识别的驾驶员的驾驶行为是否异常。

根据本发明的实施例，学习装置135还可以根据记录的碰撞时间来修正驾驶行为模型。例如，当学习装置135记录了与驾驶员a相关联的碰撞时间ttcn+1后，可以将碰撞时间ttcn+1与预先设置的安全均值进行比较。如果碰撞时间ttcn+1落入安全均值范围，即ttcmin＜ttcn+1＜ttcmax，则学习装置135可以碰撞时间(ttc1，ttc2，……，ttci，……，ttcn，ttcn+1)为基础，重新计算与驾驶员a相对应的碰撞时间均值，从而对驾驶员a的驾驶行为模型进行修正。

因此，根据本发明的实施例的驾驶辅助系统可以对驾驶员的异常驾驶行为进行检测，从而提示驾驶员安全驾驶。此外，根据本发明的实施例的驾驶辅助系统可以为每个驾驶员建立驾驶行为模型，从而能够根据每个驾驶员特有的驾驶行为习惯更精确地判断驾驶员的异常驾驶行为。

上文描述控制装置132基于面部识别处理来识别驾驶员的身份。但是，本发明不限于此。控制装置可以基于面部识别、声音识别和指纹识别中的一者或多者对驾驶员进行识别。例如，控制装置可以根据所获取的驾驶员数据来选择用声音识别处理和/或指纹识别处理来执行识别。如果检测装置只采集到了驾驶员的指纹信息，则控制装置基于指纹识别处理，即通过将采集到的指纹信息与预先存储的早期指纹库进行比较来识别驾驶员。

上文描述控制装置132基于车辆与其他车辆之间的碰撞时间来判断驾驶员是否处于安全驾驶状态。但是，本发明不限于此。控制装置可以根据主车辆与其他车辆之间的距离来判断驾驶员的驾驶行为是否异常。具体而言，控制装置可以判断车辆与其他车辆之间的当前距离是否落入预先设置的安全距离范围内。如果车辆与其他车辆之间的当前距离并未落入安全距离范围内，则控制装置判断为驾驶员未处于安全驾驶状态，即驾驶员驾驶行为异常。

下面将参考附图描述根据本发明的实施例的驾驶辅助方法。图4示出根据本发明的实施例的驾驶辅助方法200的流程图。方法200可以由汽车100的驾驶辅助系统130执行。

如图4所示，在步骤210中，检测主车辆周围的其他车辆的行驶参数。行驶参数包括可以包括位置、轮廓、运动方向、运动速度和运动加速度等。在示例性实施例中，可以检测主车辆的前车相对于主车辆的位置以及速度。方法200接着前进到步骤215。

在步骤215中，根据在步骤210中检测到的其他车辆的行驶参数来计算主车辆与其他车辆之间的碰撞时间。在示例性实施例中，其他车辆是前车，并且可以根据主车辆的前车与主车辆之间的相对位置以及相对速度来计算主车辆的前车与主车辆之间的碰撞时间。方法200接着前进到步骤220。

在步骤220中，计算碰撞时间与预先设置碰撞时间均值之间的差值。碰撞时间均值可以根据驾驶经验或日常驾驶习惯预先设置，也可以从步骤205建立的驾驶行为模型中获取。上文已经对碰撞时间均值的确定进行了详细的描述，故在此不再赘述。方法200接着前进到步骤225。

在步骤225中，将在步骤220中计算的碰撞时间与碰撞时间均值的差值与预先设置的阈值进行比较。如果碰撞时间与碰撞时间均值的差值小于预先设置的阈值，这意味着主车辆相对于其他车辆的距离较小或者主车辆相对于其他车辆的速度较大，则方法200前进到步骤230。如果碰撞时间与碰撞时间均值的差值大于阈值，这意味着驾驶员的驾驶行为正常，则方法200返回到步骤210。

在步骤230，输出控制信号，以警示主车辆的驾驶员或者主车辆周围的其他车辆和/或行人。控制信号包括振动、声音、发光、图形和文字等信号。

可选地，根据本发明的驾驶辅助方法还可以包括步骤205，通过学习建立驾驶行为模型。根据本发明的实施例，可以记录在步骤220中计算的碰撞时间，并据此计算和修正碰撞时间均值。上文已经对驾驶行为模型的建立进行了详细的描述，故在此不再赘述。

尽管已经参考示例性实施例描述了本发明，但是应理解，本发明并不限于上述实施例的构造和方法。相反，本发明意在覆盖各种修改例和等同配置。另外，尽管在各种示例性结合体和构造中示出了所公开发明的各种元件和方法步骤，但是包括更多、更少的元件或方法的其它组合也落在本发明的范围之内。