一种驾驶员驾驶状态辨识用样本库的建立方法与流程

本发明属于样本库的建立方法，尤其是涉及一种驾驶员驾驶状态辨识用样本库的建立方法。

背景技术：

道路上发生的交通事故是人、车、路、环境等因素相互作用的结果，而驾驶员是影响交通安全最活跃的因素。交通事故表面上看是一偶然突发现象，但其实质是驾驶员-车辆-环境形成的闭环系统因无法响应遇到的突变工况而导致的失稳现象。通过对大量交通事故现场遗留的碰撞痕迹、车辆遗骸等证据进行勘验，并结合幸存者的问卷调查，美国印第安纳大学的研究者得出了约有90％的恶性交通事故与驾驶状态有关的结论，而驾驶员的驾驶状态主要由其精神状态决定。因而，驾驶员精神状态信息的监测具有非常重要的研究意义。

目前，对驾驶员精神状态的估计方法主要有以下几类：一类是基于调查问卷式的离线评估形式，该方法通过对驾驶员进行问询的方式调查驾驶员的精神状态信息，该方法能够研究外界环境、驾驶员心理与生理因素对驾驶行为影响的统计规律，对险态驾驶行为的形成机制有显著的理论意义，但对解决险态驾驶行为的在线动态辨识就显得无能为力；第二类是基于图像处理技术的驾驶员精神状态评估方法，为了实现对险态驾驶行为的动态在线辨识，有的学者提出用机器视觉、图像处理、模式识别等人工智能理论和技术，对眼睛动作特征、脸部运动特征进行识别，从而实现对驾驶员行为状态的动态监测；基于图像处理技术的驾驶员行为在线动态辨识虽然可以实现，但是环境因素对其影响较大，且驾驶员本人的习惯动作对驾驶行为的辨识准确性影响很大，其应用普适性较差；第三类基于生理电信号的驾驶员心理状态评测方法，该方法是直接测量，评估结果最为准确，但电生理信息采集需要在人体上安装许多电极，用于实际的在线监测显然不合适。由此可见现有的关于驾驶员精神状态的在线估计方法具有一定的局限性。

另外，对驾驶员驾驶状态进行辨识时，通常需借助对应的分类模型进行辨识，通过分类模型对驾驶员处于正常驾驶状态或险态驾驶状态进行辨识，其中正常驾驶状态是指驾驶员处于完全清醒且精神状态正常的驾驶状态，而险态驾驶状态(也称非正常驾驶状态或异常驾驶状态)是指驾驶员处于疲劳、醉酒、病痛、吸毒等非正常的驾驶状态且此时驾驶员的驾驶行为是险态驾驶行为。因而，分类模型的建立至关重要。对分类模型进行建立时，需建立样本库，所建立的样本库中包括两类样本，一类样本是驾驶员处于正常驾驶状态下的行驶状态信息，另一类是驾驶员处于险态驾驶状态下的行驶状态信息。行驶状态信息包括方向盘转角、侧向加速度等驾驶状态参数中的一个或多个驾驶状态参数。其中，驾驶员处于正常驾驶状态下的行驶状态信息获取比较简便，采用监测装置对驾驶过程中驾驶员的行驶状态信息进行监测即可；但驾驶员处于险态驾驶状态下的行驶状态信息的获取难度非常大，几乎不可能真实实现险态驾驶状态，因而行驶状态信息的监测更无从谈起。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种驾驶员驾驶状态辨识用样本库的建立方法，其本发明方法步骤简单、设计合理且实现方便、使用效果好，能够通过采集正常驾驶状态下的行驶状态信息获取险态驾驶状态下的样本信息，能有效解决险态驾驶状态下行驶状态信息的获取难题。

为解决上述技术问题，本发明采用的技术方案是：一种驾驶员驾驶状态辨识用样本库的建立方法，其特征在于，该方法包括以下步骤：

步骤一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器，获得多个监测时刻的行驶状态信息；

所述行驶状态信息监测装置包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元，所述方向盘转角检测单元和侧向加速度检测单元均与数据处理器连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元所检测的方向盘转角和侧向加速度检测单元所检测的侧向加速度；

步骤二、车辆动力学模型参数确定：所述数据处理器根据步骤一中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δ_sw(t)和侧向加速度函数其中，δ_sw(t)为步骤一中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤一中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器再根据公式并结合步骤一中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数G_ay、T_y1、T_y2、T₁和T₂分别进行确定；

公式(2)中，δ_sw(s)为方向盘转角函数δ_sw(t)的拉普拉斯变换，为侧向加速度函数的拉普拉斯变换；

步骤三、险态驾驶状态下行驶状态信息获取，过程如下：

步骤301、随机数生成：采用数据处理器且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；

所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为t_d0且方差为σ_d的随机数；其中，t_d0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σ_d＞7.5；当被监测驾驶员为女性驾驶员时，σ_d＞8；

所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为T_h0且方差为σ_h的随机数；其中，T_h0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σ_h＞2.6；当被监测驾驶员为女性驾驶员时，σ_d＞1.95；

步骤302、随机数筛选：先根据预先设定的疲劳度判断阈值N_tm，采用数据处理器计算得出神经反应时间判断阈值t_dm或动作反应时间判断阈值T_hm，其中，N_tm＝0.7～0.9；再根据计算得出的t_dm或T_hm，对步骤301中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中t_da和t_db分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中T_ha和T_hb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，t_dm、T_hm、t_da、t_db、T_ha和T_hb的单位均为s；

对所述神经反应时间随机数组进行筛选时，根据计算得出的t_dm，采用数据处理器对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于t_dm，且当该随机数＞t_dm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；

对所述动作反应时间随机数组进行筛选时，根据计算得出的T_hm，采用数据处理器对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于T_hm，且当该随机数＞T_hm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；

步骤303、驾驶员反应时间数组获取：采用数据处理器对步骤302中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；

其中，对所述神经反应时间数组进行时间数据对计算时，采用数据处理器对所述神经反应时间数组中的各随机数分别进行时间数据对计算；对所述神经反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出神经反应时间t_di对应的疲劳度N_ti；再根据公式计算得出神经反应时间t_di对应的动作反应时间T_hi，所述的t_di和T_hi组成一个驾驶员反应时间数据对；i为正整数且i＝1、2、…、N_d，N_d为所述神经反应时间数组中所包括随机数的总数量；

对所述动作反应时间数组进行时间数据对计算时，采用数据处理器对所述动作反应时间数组中的各随机数分别进行时间数据对计算；对所述动作反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出动作反应时间T_hj对应的疲劳度N_tj；再根据公式计算得出动作反应时间T_hj对应的神经反应时间t_dj，所述的t_dj和T_hj组成一个驾驶员反应时间数据对；j为正整数且j＝1、2、…、N_h，N_h为所述动作反应时间数组中所包括随机数的总数量；

步骤304、行驶状态信息获取：根据预先建立的驾驶员模型，采用数据处理器对步骤303中所述驾驶员反应时间数组中的多个所述驾驶员反应时间数据对分别进行行驶状态信息计算，获得N_k组险态驾驶状态下的行驶状态信息；其中，N_k为正整数且其为所述驾驶员反应时间数组中所包括驾驶员反应时间数据对的总数量，N_k＝N_d或N_h；

步骤一中多个所述监测时刻被监测驾驶员所驾驶车辆所处的位置均为监测位置，每组险态驾驶状态下的行驶状态信息均包括险态驾驶状态下的多个方向盘转角信号，多个所述方向盘转角信号分别为险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；

所述驾驶员模型的输入量为步骤二中所述的输出量为险态驾驶状态下被监测驾驶员按照步骤一中预先设计的路线驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数；所述驾驶员模型的传递函数为公式(9)中，T_p、t_d和T_h分别为驾驶过程中同一时刻被监测驾驶员的预瞄时间、神经反应时间和动作反应时间；

采用数据处理器对步骤303中所述驾驶员反应时间数组中的任一个所述驾驶员反应时间数据对进行行驶状态信息计算时，根据公式(9)，并结合步骤一中所获得的多个监测时刻的侧向加速度以及该驾驶员反应时间数据对中的神经反应时间和动作反应时间，获得与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；

步骤四、样本库建立：采用数据处理器建立样本库，所建立的样本库内存储有两类样本，一类样本为正常驾驶状态样本且该类样本中包括步骤一中所获得的多个监测时刻的方向盘转角信号，另一类样本为险态驾驶状态样本且该类样本中包括步骤304中获得的险态驾驶状态下的多个方向盘转角信号。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤一中所述行驶状态信息监测装置还包括对所驾驶车辆的位移进行实时检测的位移检测单元，所述位移检测单元与数据处理器连接；

步骤一中每个监测时刻的行驶状态信息均还包括该时刻位移检测单元所检测的位移；

步骤一中进行正常驾驶状态下行驶状态信息获取之前，先建立平面直角坐标系；所述位移检测单元包括对所驾驶车辆在X轴方向上的位移进行检测的X轴方向位移检测单元和对所驾驶车辆在Y轴方向上的位移进行检测的Y轴方向位移检测单元，所述X轴方向位移检测单元和所述Y轴方向位移检测单元均布设在所驾驶车辆的质心上。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤304中进行险态驾驶状态下行驶状态信息获取之前，采用数据处理器获取步骤一中预先设计的路线中多个不同监测位置处的道路曲率ρ_p；

步骤304中对与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角进行计算时，根据公式(9)，并结合步骤一中所获得的该监测位置处的侧向加速度、该监测位置处的道路曲率ρ_p以及该驾驶员反应时间数据对中的神经反应时间和动作反应时间进行计算；公式(9)中，公式(10)中，K_p为修正系数且K_p＝110～150，ρ_p为该监测位置处的道路曲率，为该驾驶员反应时间数据对对应的最优预瞄时间且公式(11)中，t_d和T_h分别为该驾驶员反应时间数据对中的神经反应时间和动作反应时间。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤一中所述侧向加速度检测单元布设在所驾驶车辆的质心上。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤一中获得M个监测时刻的行驶状态信息，其中M为正整数且M≥50，步骤四中所述样本库中存储的所述正常驾驶状态样本的数量为M个，每个所述正常驾驶状态样本均为步骤一中所获得的一个监测时刻的方向盘转角信号；步骤四中所述样本库中存储的所述险态驾驶状态样本的数量不小于M个，每个所述险态驾驶状态样本均为步骤304中获得的险态驾驶状态下的一个方向盘转角信号。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤304中采用数据处理器对所述驾驶员反应时间数组中的任一个所述驾驶员反应时间数据对进行行驶状态信息计算时，均获得与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在M个不同监测位置处的方向盘转角信号；N_k组险态驾驶状态下的行驶状态信息包括险态驾驶状态下的N_k×M个所述方向盘转角信号。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤四中所述样本库中存储的所述险态驾驶状态样本的数量为M个～N_k×M个。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤一中所述行驶状态信息监测装置还包括对所驾驶车辆的侧偏角进行实时检测的侧偏角检测单元，所述侧偏角检测单元与数据处理器连接；所述侧偏角检测单元布设在所驾驶车辆的质心上；

步骤一中每个监测时刻的行驶状态信息均还包括该时刻侧偏角检测单元所检测的侧偏角。

上述一种驾驶员驾驶状态辨识用样本库的建立方法，其特征是：步骤一中所述行驶状态信息监测装置为所驾驶车辆自带的监测装置，所述行驶状态信息监测装置与所驾驶车辆的ECU控制器连接；所述数据处理器与所述ECU控制器连接，所述行驶状态信息监测装置通过所述ECU控制器与数据处理器连接。

本发明与现有技术相比具有以下优点：

1、方法步骤简单、设计合理且实现方便，投入成本较低。

2、所采用的险态驾驶状态下行驶状态信息获取方法步骤简单、设计合理且实现简便、使用效果好，主要包括随机数生成、随机数筛选、驾驶员反应时间数组获取和行驶状态信息获取这四个步骤，能简便、快速获取险态驾驶状态下被监测驾驶员的行驶状态信息。

3、所采用的驾驶员模型设计合理，能简便、快速获取不同驾驶状态下(也称不同精神状态下)被监测驾驶员的行驶状态信息，该驾驶员模型中综合考虑预瞄时间、神经反应时间、动作反应时间等参数，因而能准确计算出不同驾驶状态下被监测驾驶员的行驶状态信息。

4、所采用的驾驶员模型与车辆动力学模型形成闭环系统，其中驾驶员模型以车辆行驶状态信息(正常驾驶状态下的行驶状态信息)为输入量，以当前驾驶状态下的方向盘转角为输出量；而车辆动力学模型以方向盘转角(驾驶员模型的输出量)为输入量，以行驶状态信息为输出量，形成一个驾驶员-车辆-环境(也成为人-车-路)的闭环驾驶系统，驾驶员在闭环驾驶系统中看做一个自适应智能控制器，当驾驶员处于险态驾驶状态潜伏期，该控制器表现为自适应能力降低，不能对外界的变化作出有效的响应，表现为延时和迟钝，并且使车辆动力学模型输出的行驶状态信息更偏离正常驾驶状态下的行驶状态信息。因而，采用本发明能够通过采集正常驾驶状态下的行驶状态信息推演出险态驾驶状态下的样本信息，并且采用上述驾驶员模型能简便、快速且准确获取险态驾驶状态下被监测驾驶员的行驶状态信息，所建立的样本库使驾驶员的驾驶状态能简便、准确进行辨识。

5、实现简便，只需在所驾驶车辆上布设对应的检测单元，即可实现在对驾驶员“零干扰”状态下驾驶员精神状态(也称驾驶状态)的在线监测。

6、通过闭环驾驶系统直接提取行驶状态信息，上述闭环驾驶系统根据驾驶员所驾驶车型和环境建立，然后调整影响驾驶员精神状态的参数(包括神经反应时间、动作反应时间等参数)来生成车辆行驶状态数据(即行驶状态信息)，该处理为驾驶员精神状态特征的寻找提供了计算数据支撑，大幅提高了驾驶员精神状态判断的准确性、简便性和快速性。

综上所述，本发明方法步骤简单、设计合理且实现方便、使用效果好，能够通过采集正常驾驶状态下的行驶状态信息推演出险态驾驶状态下的样本信息，能有效解决险态驾驶状态下行驶状态信息的获取难题，具有快速组建险态驾驶辨识用样本库、所针对的车型不限、险态驾驶样本库获取简便等特点，并且能满足不同驾驶员、不同车型的个性化驾驶状态辨识需求，使驾驶员的驾驶状态辨识变得更加简便、实用和合理。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的方法流程框图。

图2为本发明行驶状态信息监测装置与数据处理器的电路原理框图。

附图标记说明:

1—行驶状态信息监测装置； 1-1—方向盘转角检测单元；

1-2—侧向加速度检测单元； 1-3—位移检测单元；

1-4—侧偏角检测单元； 2—数据处理器；

具体实施方式

如图1所示的一种驾驶员驾驶状态辨识用样本库的建立方法，包括以下步骤：

步骤一、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置1且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器2，获得多个监测时刻的行驶状态信息；

所述行驶状态信息监测装置1包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元1-1和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元1-2，所述方向盘转角检测单元1-1和侧向加速度检测单元1-2均与数据处理器2连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元1-1所检测的方向盘转角和侧向加速度检测单元1-2所检测的侧向加速度；

步骤二、车辆动力学模型参数确定：所述数据处理器2根据步骤一中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δ_sw(t)和侧向加速度函数其中，δ_sw(t)为步骤一中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤一中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器2再根据公式并结合步骤一中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数G_ay、T_y1、T_y2、T₁和T₂分别进行确定；

公式(2)中，δ_sw(s)为方向盘转角函数δ_sw(t)的拉普拉斯变换，为侧向加速度函数的拉普拉斯变换；

步骤三、险态驾驶状态下行驶状态信息获取，过程如下：

步骤301、随机数生成：采用数据处理器2且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；

所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为t_d0且方差为σ_d的随机数；其中，t_d0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σ_d＞7.5；当被监测驾驶员为女性驾驶员时，σ_d＞8；

所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为T_h0且方差为σ_h的随机数；其中，T_h0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σ_h＞2.6；当被监测驾驶员为女性驾驶员时，σ_d＞1.95；

步骤302、随机数筛选：先根据预先设定的疲劳度判断阈值N_tm，采用数据处理器2计算得出神经反应时间判断阈值t_dm或动作反应时间判断阈值T_hm，其中，N_tm＝0.7～0.9；再根据计算得出的t_dm或T_hm，对步骤301中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中t_da和t_db分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中T_ha和T_hb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，t_dm、T_hm、t_da、t_db、T_ha和T_hb的单位均为s；

对所述神经反应时间随机数组进行筛选时，根据计算得出的t_dm，采用数据处理器2对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于t_dm，且当该随机数＞t_dm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；

对所述动作反应时间随机数组进行筛选时，根据计算得出的T_hm，采用数据处理器2对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于T_hm，且当该随机数＞T_hm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；

步骤303、驾驶员反应时间数组获取：采用数据处理器2对步骤302中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；

其中，对所述神经反应时间数组进行时间数据对计算时，采用数据处理器2对所述神经反应时间数组中的各随机数分别进行时间数据对计算；对所述神经反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出神经反应时间t_di对应的疲劳度N_ti；再根据公式计算得出神经反应时间t_di对应的动作反应时间T_hi，所述的t_di和T_hi组成一个驾驶员反应时间数据对；i为正整数且i＝1、2、…、N_d，N_d为所述神经反应时间数组中所包括随机数的总数量；

对所述动作反应时间数组进行时间数据对计算时，采用数据处理器2对所述动作反应时间数组中的各随机数分别进行时间数据对计算；对所述动作反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出动作反应时间T_hj对应的疲劳度N_tj；再根据公式计算得出动作反应时间T_hj对应的神经反应时间t_dj，所述的t_dj和T_hj组成一个驾驶员反应时间数据对；j为正整数且j＝1、2、…、N_h，N_h为所述动作反应时间数组中所包括随机数的总数量；

步骤304、行驶状态信息获取：根据预先建立的驾驶员模型，采用数据处理器2对步骤303中所述驾驶员反应时间数组中的多个所述驾驶员反应时间数据对分别进行行驶状态信息计算，获得N_k组险态驾驶状态下的行驶状态信息；其中，N_k为正整数且其为所述驾驶员反应时间数组中所包括驾驶员反应时间数据对的总数量，N_k＝N_d或N_h；

步骤一中多个所述监测时刻被监测驾驶员所驾驶车辆所处的位置均为监测位置，每组险态驾驶状态下的行驶状态信息均包括险态驾驶状态下的多个方向盘转角信号，多个所述方向盘转角信号分别为险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；

所述驾驶员模型的输入量为步骤二中所述的输出量为险态驾驶状态下被监测驾驶员按照步骤一中预先设计的路线驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数；所述驾驶员模型的传递函数为公式(9)中，T_p、t_d和T_h分别为驾驶过程中同一时刻被监测驾驶员的预瞄时间、神经反应时间和动作反应时间；

采用数据处理器2对步骤303中所述驾驶员反应时间数组中的任一个所述驾驶员反应时间数据对进行行驶状态信息计算时，根据公式(9)，并结合步骤一中所获得的多个监测时刻的侧向加速度以及该驾驶员反应时间数据对中的神经反应时间和动作反应时间，获得与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；

步骤四、样本库建立：采用数据处理器2建立样本库，所建立的样本库内存储有两类样本，一类样本为正常驾驶状态样本且该类样本中包括步骤一中所获得的多个监测时刻的方向盘转角信号，另一类样本为险态驾驶状态样本且该类样本中包括步骤304中获得的险态驾驶状态下的多个方向盘转角信号。

本实施例中，对步骤二中所述车辆动力学模型的传递函数V(s)进行计算时，对δ_sw(t)和分别进行拉普拉斯变换，得到为计算简便取

因而，对所述车辆动力学模型的传递函数V(s)进行计算时，传递函数V(s)的计算过程为常规的传递函数计算过程，并且所述车辆动力学模型的传递函数V(s)为常规车辆动力学模型的传递函数。

其中，车辆动力学模型参数G_ay、T_y1、T_y2、T₁和T₂车辆的型号和车速有关。并且，G_ay为所述车辆动力学模型的稳态增益且式中V为车辆的行驶速度，l为车辆的轴距，K为车辆的稳定性因数与车辆的车型有关；式中a和b分别为车辆质心到车辆前后轴之间的距离，I_z为车辆绕Z轴(即竖直方向)的转动惯量，C₁和C₂分别为车辆前后轮的侧偏系数，T₂＝0。

本实施例中，步骤一中所述行驶状态信息监测装置1还包括对所驾驶车辆的位移进行实时检测的位移检测单元1-3，所述位移检测单元1-3与数据处理器2连接；

步骤一中每个监测时刻的行驶状态信息均还包括该时刻位移检测单元1-3所检测的位移；

步骤一中进行正常驾驶状态下行驶状态信息获取之前，先建立平面直角坐标系；所述位移检测单元1-3包括对所驾驶车辆在X轴方向上的位移进行检测的X轴方向位移检测单元和对所驾驶车辆在Y轴方向上的位移进行检测的Y轴方向位移检测单元，所述X轴方向位移检测单元和所述Y轴方向位移检测单元均布设在所驾驶车辆的质心上。

本实施例中，步骤304中进行险态驾驶状态下行驶状态信息获取之前，采用数据处理器2获取步骤一中预先设计的路线中多个不同监测位置处的道路曲率ρ_p；

步骤304中对与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角进行计算时，根据公式(9)，并结合步骤一中所获得的该监测位置处的侧向加速度、该监测位置处的道路曲率ρ_p以及该驾驶员反应时间数据对中的神经反应时间和动作反应时间进行计算；公式(9)中，公式(10)中，K_p为修正系数且K_p＝110～150，ρ_p为该监测位置处的道路曲率，为该驾驶员反应时间数据对对应的最优预瞄时间且公式(11)中，t_d和T_h分别为该驾驶员反应时间数据对中的神经反应时间和动作反应时间。

实际对预先设计的路线中多个不同监测位置处的道路曲率ρ_p进行计算时，预先设计的路线为实际道路经过图像预处理后得到的理想路径，不同监测位置处的道路曲率通过ρ_p对车辆上前置摄像头获取的道路图像信息进行处理得到。

为计算简便，步骤一中预先设计的路线为直线形路线或圆弧形路线，预先设计的路线中多个不同监测位置处的道路曲率均相同。也就是说，实际道路的路线为直线形路线或圆弧形路线。

其中，当预先设计的路线为直线形路线，多个不同监测位置处的道路曲率均为零；预先设计的路线为圆形路线，多个不同监测位置处的道路曲率均为R为圆形路线的半径。

本实施例中，步骤一中所述侧向加速度检测单元1-2布设在所驾驶车辆的质心上。

实际使用时，所述侧向加速度检测单元1-2也可以不布设在所驾驶车辆的质心上，根据侧向加速度检测单元1-2与所驾驶车辆质心的位置关系，通过对侧向加速度检测单元1-2的测量值进行换算得出所驾驶车辆质心处的侧向加速度。

本实施例中，步骤一中获得M个监测时刻的行驶状态信息，其中M为正整数且M≥50，步骤四中所述样本库中存储的所述正常驾驶状态样本的数量为M个，每个所述正常驾驶状态样本均为步骤一中所获得的一个监测时刻的方向盘转角信号；步骤四中所述样本库中存储的所述险态驾驶状态样本的数量不小于M个，每个所述险态驾驶状态样本均为步骤304中获得的险态驾驶状态下的一个方向盘转角信号。

本实施例中，步骤304中采用数据处理器2对所述驾驶员反应时间数组中的任一个所述驾驶员反应时间数据对进行行驶状态信息计算时，均获得与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在M个不同监测位置处的方向盘转角信号；N_k组险态驾驶状态下的行驶状态信息包括险态驾驶状态下的N_k×M个所述方向盘转角信号。

并且，步骤四中所述样本库中存储的所述险态驾驶状态样本的数量为M个～N_k×M个。

本实施例中，步骤一中所述行驶状态信息监测装置1还包括对所驾驶车辆的侧偏角进行实时检测的侧偏角检测单元1-4，所述侧偏角检测单元1-4与数据处理器2连接；所述侧偏角检测单元1-4布设在所驾驶车辆的质心上；

步骤一中每个监测时刻的行驶状态信息均还包括该时刻侧偏角检测单元1-4所检测的侧偏角。

本实施例中，步骤一中所述行驶状态信息监测装置1为所驾驶车辆自带的监测装置，所述行驶状态信息监测装置1与所驾驶车辆的ECU控制器连接；所述数据处理器2与所述ECU控制器连接，所述行驶状态信息监测装置1通过所述ECU控制器与数据处理器2连接。

因而，实际接线非常简便。

本实施例中，步骤302中所述的N_tm＝0.8。

实际使用时，可根据具体需要，对N_tm的取值大小进行相应调整。

反应时间(reactiontime，RT)简称反应时，是指从接受刺激到机体做出反应动作所需的时间，也就是从刺激到反应之间的时距。刺激引起了感觉器官的活动，经由神经系统传递给大脑，经过加工，再从大脑传递给效应器，作用于外界的某种客体。反应时也叫反应潜伏期，它包括感觉器官所需要的时间，大脑加工消耗的时间，神经传导的时间以及肌肉反应的时间。因而，反应时主要反映人体神经与肌肉系统的协调性和快速反应能力。

反应时包括3个时相。第一时相：刺激使感受器引起神经冲动并传递到大脑神经元的时间；第二时相：神经冲动从感觉神经元传递到大脑皮层的感觉中枢和运动中枢，又从中枢经运动神经传递到达效应器官的时间；第三时相：效应器官接受冲动引起运动的时间。以上3个时间的总合即为反应时间。本发明中所述的神经反应时间是上述前两个时间的总和，即刺激使感受器引起神经冲动并传递到大脑神经元的时间与神经冲动从感觉神经元传递到大脑皮层的感觉中枢和运动中枢，又从中枢经运动神经传递到达效应器官的时间之和。本发明中所述的动作反应时间是指上述第三个时间，即效应器官接受冲动引起运动的时间。

简单反应时是指呈现一个刺激，要求被测试者从看到或听到刺激到立即作出反应的这段时间间隔；又称A反应时。

本实施例中，对被监测驾驶员的反应时进行测试时，采用常规的简单反应时测试方法，并且采用视觉反应时测试方法，即所采用的刺激为视觉刺激。

并且，根据被监测驾驶员的反应时测试结果，对步骤302中所述的t_da、t_db、T_ha和T_hb分别进行确定。

本实施例中，采用神经反应时间测定计对步骤302中所述的t_da和t_db分别进行测试。

同时，结合被监测驾驶员的反应时测试结果，并结合测试得出的t_da和t_db，对步骤302中所述的T_ha和T_hb分别进行确定。

实际使用时，被监测驾驶员的反应时测试结果中，测试得出的反应时为被监测驾驶员的神经反应时间与动作反应时间之和。同时，反应时测试过程中，采用神经反应时间测定计对被监测驾驶员的神经反应时间进行测试，并相应对被监测驾驶员的动作反应时间进行测试。这样，通过多次测试，能得出步骤302中所述的t_da、t_db、T_ha和T_hb。

本实施例中，步骤一中所述的监测频率为5Hz。实际使用时，可根据具体需要，将所述监测频率在3Hz～10Hz之间进行相应调整。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。