一种驾驶行为与车辆驾驶姿态识别系统的制作方法

本发明涉及车辆驾驶系统，具体涉及一种驾驶行为与车辆驾驶姿态识别系统。

背景技术：

交通事故原因的统计结果表明，80％—90％的交通事故是由驾驶员自己的人为因素造成的，而车辆本身及环境因素造成的交通事故约只占10％—20％，对我国2001年至2011年一次死亡3人以上的特大交通事故分析表明，因驾驶员原因导致的交通事故占到90％以上。上述数据充分说明驾驶员在交通事故预防中的核心地位和作用，这与驾驶员在整个交通系统中扮演的角色有关，驾驶员不仅是道路交通系统的信息处理者、决策者，也是调节者和控制者，其行为是否安全对于整个系统的状态有重大影响，驾驶员的个体因素在驾驶过程在驾驶过程和道路交通中主要体现为其本身的驾驶行为，而车辆驾驶姿态也是对驾驶员驾驶技能一个良好的反应。

本发明通过提取相关车载传感器信息构建驾驶行为与车辆驾驶姿态识别系统，通过陀螺仪传感器、加速度传感器和车载诊断系统抓取实时驾驶信息和车辆相关数据，经过驾驶行为算法和车辆驾驶姿态算法分析出驾驶员的驾驶行为和车辆的驾驶姿态，并且对驾驶员的驾驶行为做实时的判断和安全评估对车辆驾驶姿态做实时分析和记录，提醒用户改善其驾驶行为和车辆驾驶习惯，以此来达到增强车主道路安全驾驶意识，规范用户交通行为的目的。

技术实现要素：

本发明的目的在于提供一种驾驶行为与车辆驾驶姿态识别系统。

本发明的技术方案如下：

一种驾驶行为与车辆驾驶姿态识别系统，该系统包括驾驶行为计算程序和车辆驾驶姿态计算程序，所述驾驶行为计算程序的算法流程包括以下步骤：

(1)实时采集驾驶员信息和车辆行驶信息；

(2)基于三维惯性导航系统的惯导算法分析提取出车辆行驶信息中高聚合的惯导数据，加密后经过网络传递到云端服务器；

(3)云端服务器对惯导数据进行解密并经由驾驶行为算法分析出驾驶员的驾驶行为，并且对驾驶员的驾驶行为做实时的判断和安全等级评估；

(4)判断出是否有危险行为，进行预警和报警操作；

所述车辆驾驶姿态计算程序的算法流程包括以下步骤：

(1)实时采集车辆行驶信息；

(2)基于三维惯性导航系统的惯导算法分析提取出车辆行驶信息中高聚合的惯导数据，加密后经过网络传递到云端服务器；

(3)云端服务器对惯导数据进行解密并经由驾驶姿态算法分析出车辆的驾驶姿态，通过客户终端进行显示或者回放。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(1)中，所述驾驶员信息包括心跳数据，客户终端通过心跳测量模块每隔10秒通过tcp发送一个心跳包到云端服务器，通过云端服务器进行监测。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(1)中，通过安装于车辆内部的陀螺仪传感器、加速度传感器、gps天线和车载自动诊断系统进行车辆行驶数据的采集，并将采集到的车辆行驶数据发送到三维惯性导航系统。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(2)中，所述三维惯性导航系统是基于惯导算法ic芯片进行惯导算法分析，所述惯导算法ic芯片设有数据输入接口和数据输出接口，所述数据输入接口分别接入所述陀螺仪传感器、加速度传感器、gps天线和车载自动诊断系统，所述数据输出接口通过网络与云端服务器无线通信。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(3)中，所述驾驶员的驾驶行为包括加速减速行为、转弯行为、变道行为、颠簸行为、翻车事故行为及撞车事故行为。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(3)中，所述驾驶员的驾驶行为判断通过设定阀值来区分危险驾驶行为和普通驾驶行为，并实时存储危险驾驶行为推断的相关数据到数据库当中，所述安全等级分为正常行为、轻微行为、中为行为、高危行为四个等级。

进一步地，在所述驾驶行为计算程序的算法流程的步骤(4)中，判断结果为危险驾驶行为时进行预警处理，并将预警语音信息发送到客户终端进行语音提醒。

进一步地，在所述车辆驾驶姿态计算程序的算法流程的步骤(1)中，通过安装于车辆内部的陀螺仪传感器、加速度传感器和车载自动诊断系统进行车辆行驶数据的采集，并将采集到的车辆行驶数据发送到三维惯性导航系统。

进一步地，在所述车辆驾驶姿态计算程序的算法流程的步骤(2)中，所述三维惯性导航系统是基于惯导算法ic芯片进行惯导算法分析，所述惯导算法ic芯片设有数据输入接口和数据输出接口，所述数据输入接口分别接入所述陀螺仪传感器、加速度传感器和车载自动诊断系统，所述数据输出接口通过网络与云端服务器无线通信。

进一步地，在所述车辆驾驶姿态计算程序的算法流程的步骤(3)中，客户终端从立体三维上的航向角、俯仰角、滚动角来显示驾驶员所驾驶车辆的姿态，并且实时随着动态改变。

相对于现有技术，本发明的有益效果在于：本发明通过陀螺仪传感器、加速度传感器和车载诊断系统抓取实时驾驶信息和车辆相关数据，经过驾驶行为算法和车辆驾驶姿态算法分析出驾驶员的驾驶行为和车辆的驾驶姿态，并且对驾驶员的驾驶行为做实时的判断和安全评估对车辆驾驶姿态做实时分析和记录，提醒用户改善其驾驶行为和车辆驾驶习惯，以此来达到增强车主道路安全驾驶意识，规范用户交通行为的目的；所述驾驶行为算法能够分析出丰富的驾驶行为：急加速、急减速、急转弯、危险变道、颠簸、翻车、撞车等驾驶行为；而驾驶姿态算法能够形成车辆的三维情况，并且还能分析出车辆的一些姿态行为；在此基础上集合车辆obd信息数据，外部环境信息，天气信息，道路信息等形成独特可靠的汽车驾驶大数据。

附图说明

图1为本发明所述驾驶行为计算程序的算法流程步骤图；

图2为本发明所述急加速和急减速的判断流程图；

图3为本发明所述急转弯和危险变道的判断流程图；

图4为本发明所述翻车的判断流程图；

图5为本发明所述车辆颠簸情况的判断流程图；

图6为本发明所述驾驶行为的判断流程图；

图7为本发明所述危险驾驶行为预警功能流程图；

图8为本发明所述车辆驾驶姿态计算程序的算法流程步骤图；

图9为本发明所述驾驶姿态分析流程图；

图10为本发明所述车辆驾驶姿态判断流程图。

具体实施方式

以下结合附图和具体实施例，对本发明进行详细说明。

请参考图1，本实施例提供一种驾驶行为与车辆驾驶姿态识别系统，该系统包括驾驶行为计算程序和车辆驾驶姿态计算程序，所述驾驶行为计算程序的算法流程包括以下步骤：

(1)实时采集驾驶员信息和车辆行驶信息；

其中，所述驾驶员信息包括心跳数据，客户终端通过心跳测量模块每隔10秒通过tcp发送一个心跳包到云端服务器，通过云端服务器进行监测；所述车辆行驶信息通过安装于车辆内部的陀螺仪传感器、加速度传感器、gps天线和车载自动诊断系统进行车辆行驶数据的实时采集，采集到的车辆行驶数据发送到三维惯性导航系统进行分析。

(2)基于三维惯性导航系统的惯导算法分析提取出车辆行驶信息中高聚合的惯导数据，加密后经过网络传递到云端服务器；

所述三维惯性导航系统是基于惯导算法ic芯片进行惯导算法分析，所述惯导算法ic芯片设有数据输入接口和数据输出接口，所述数据输入接口分别接入所述陀螺仪传感器、加速度传感器、gps天线和车载自动诊断系统，所述数据输出接口通过网络与云端服务器无线通信。

(3)云端服务器对惯导数据进行解密，把惯导数据和驾驶员信息、周边环境信息、路况信息、天气信息，路面情况等等信息聚合在一起，经由驾驶行为算法进行驾驶行为分析，并且对驾驶员的驾驶行为做实时的判断和安全等级评估；

其中，所述驾驶员的驾驶行为包括加速(正常加速、急加速)减速(正常减速、急减速)行为、转弯(正常转弯、急转弯)行为、变道(正常变道s型变道、连续变道、左右摇摆、急速变道等)行为、颠簸(过凹、过凸、连续颠簸等)危险行为、翻车(左翻车、右翻车、前翻车、后翻车等)事故行为及撞车事故行为，具体如下：

急加速、急减速行为：通过一种用于评估车辆驾驶员的加速行为的评估系统来实现该目的，该系统包括，至少一个传感器单元，其被配置为传送指示车辆的加速度g的加速度信号；以及计算单元，其被配置为接收所述加速度信号，计算取决于至少一个情况特定的参数的用于车辆的加速度的一个或多个阈值，将车辆的加速度g与所述一个或多个阈值进行比较，并基于该比较产生与所述计算出的一个或多个阈值有关的分级信号。通过在一定范围内分级来评估驾驶员的加速行为，所述范围取决于车辆所处情况。因此，观察车辆的情况，并评估驾驶员响应于该情况的加速行为，具体流程如图2所示。

急转弯行为：急转弯和急加速一样也可以用加速度来判断，不过不同于急加速用纵向加速度急转弯用的是横向加速度来判断。该算法包括确定车辆的横向加速度，计算取决于至少一个情况特定的参数的用于车辆纵向加速度的一个或多个阈值，将车辆的纵向加速度与所述一个或多个阈值进行比较，在结合航向角变化，判断其是否属于急转弯，并基于该比较产生与所述计算出的一个或多个阈值有关的分级信号；

累计加速度的定义：a1＝a1、a2＝a2+a1、a3＝a3+a2+a1、a4＝a4+a3+a2+a1……an＝∑(ai)；

累计航向角的定义：b1＝b1、b2＝b2+b1、b3＝b3+b2+b1、b4＝b4+b3+b2+b1.......bn＝∑(bi)，具体流程如图3所示。

超速行为：通过获取地图每一段路的限速，可以得到是否超速。在这里计算我们通过这段路的总时间，超速所占时间比例得到结果；

根据公式η＝t总/t超×100％；

其中，t总为车辆在道路上行驶的总时间；t超为车辆在道路上超过限速的时间；η为车辆速度超过限速的时间比例。

翻车行为：翻车事故和危险行为一样可以用结合三轴方向上的重力加速度来判断，翻车的时候传感器的三轴短时间内大幅度变化，所以可以通过三轴变化和角度的变化来判断。通过设备获取到的惯导数据，里面的x轴重力加速度(横向)、y轴重力加速度(纵向)、z轴重力加速度来进行判断。该方法先是在看看xy轴重力加速度是否符合变化规律，且航向角是否符合规律；并基于该比较产生与所述计算出的加速度进行分级，具体流程如图4所示。

危险变换车道：危险变道和急转弯一样可以用横向加速度，危险变道种类多有：左危险变道，右危险变道，连续变道，s型危险变道等。车辆从一个车道到另外一个车道，发生一个横向的重力加速度变化，确定车辆的横向加速度，计算取决于至少一个情况特定的参数的用于车辆纵向加速度的一个或多个阈值，将车辆的纵向加速度与所述一个或多个阈值进行比较，在结合航向角变化，判断其是否属于急转弯，并基于该比较产生与所述计算出的一个或多个阈值有关的分级信号；

由公式an＝＝∑(ai)得知第n比的累计加速度值；

由公式bn＝＝∑(bi)得知第n比的累计角速度值，具体流程如图3所示。

颠簸行为：车辆颠簸情况需要用到z轴重力加速度来判断。该方法先是就算z轴重力加速度的平均值，通过平均值来计算方差，如何把方差结果与一个或多个阈值进行比较，在看看是否符合变化规律，符合判断其为颠簸；并基于该比较产生与所述计算出的方差进行分级，具体流程如图5所示。

所述驾驶员的驾驶行为判断通过设定阀值来区分危险驾驶行为和普通驾驶行为，超过阈值就属于危险驾驶行为，不超过则属于普通驾驶行为，并实时存储危险驾驶行为推断的相关数据到数据库当中，当发生危险驾驶行为时(急加速，急减速，急转弯，危险变道，颠簸，撞车，翻车等)，实时存储危险驾驶行为推断的相关数据，并且用户此段行程的危险行为增加，数据库存储完成，所述安全等级分为正常行为、轻微行为、中为行为、高危行为四个等级，具体流程如图6所示。

(4)判断出是否有危险行为，进行预警和报警操作；

判断结果为危险驾驶行为时进行预警处理，并将预警语音信息发送到客户终端进行语音提醒用户改善驾驶行为，具体流程如图7所示。

请参考图8，所述车辆驾驶姿态计算程序的算法流程包括以下步骤：

(1)实时采集车辆行驶信息；

通过安装于车辆内部的陀螺仪传感器、加速度传感器和车载自动诊断系统进行车辆行驶数据的采集，并将采集到的车辆行驶数据发送到三维惯性导航系统。

(2)基于三维惯性导航系统的惯导算法分析提取出车辆行驶信息中高聚合的惯导数据，加密后经过网络传递到云端服务器；

所述三维惯性导航系统是基于惯导算法ic芯片进行惯导算法分析，所述惯导算法ic芯片设有数据输入接口和数据输出接口，所述数据输入接口分别接入所述陀螺仪传感器、加速度传感器和车载自动诊断系统，所述数据输出接口通过网络与云端服务器无线通信。

(3)云端服务器对惯导数据进行解密并经由驾驶姿态算法分析出车辆的驾驶姿态，通过客户终端进行显示或者回放车辆的驾驶姿态，也可以在行程里面查看到驾驶姿态；

其中，所述客户终端是从立体三维上的航向角(代表x轴)、俯仰角(代表z轴)、滚动角(代表y轴)来显示驾驶员所驾驶车辆的姿态，并且实时随着动态改变，也就意味着能够随时知道车辆的行驶姿态，具体流程如图9所示。

驾驶姿态的判断，行驶过程中，不到解析来自设备(或服务器)的数据，在得到三个角度的同时，也能解析出车辆上坡、下坡、倾斜等车辆姿态。判断车这些姿态以后，软件会实时记录存储，具体流程如图10所示。

车辆驾驶姿态的显示，当车辆姿态分析得到三个角度后，在软件端实时显示车三个角度(航向角，俯仰角，滚动角)，连接蓝牙以设备端数据更新频率一样(一秒三次)，没有连接蓝牙以服务器端更新频率一样(十五秒一次)。

车辆驾驶姿态的回放，行程结束用户想查看行驶过程车辆的姿态或者想查看历史车辆姿态的一个回放功能，主要是查询历史数据，并且在软件上吧姿态显示即可。

车辆驾驶姿态的入库，当解析惯导数据成功，分析和判断出车辆驾驶姿态后，要调用数据库存储车辆驾驶姿态相关信息。分为两步：

1、心跳惯导数据录入功能，每间隔十五秒存储惯导数据，即存储包含车辆姿态(航向角，滚动角，俯仰角)的原始数据；

2、当车辆驾驶姿态算法判断出上坡、下坡、倾斜等姿态时存储车辆姿态数据。

以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。