本公开涉及一种可以输出驾驶员注意力警告的车辆及车辆的控制方法。
背景技术:
1、通常,车辆配备有驾驶员注意力警告(daw)系统,该daw系统确定驾驶员注意力水平,并在驾驶员注意力水平小于或等于阈值水平时提供警告。
2、在这种情况下,daw系统基于车辆的驾驶数据来确定驾驶员注意力水平。然而,由于驾驶员注意力水平是根据驾驶数据的统一标准确定的,因此每个驾驶员的驾驶特征或实际驾驶特征可能没有得到反映。
3、因此,对于具有不同驾驶风格的不同驾驶员,可能输出相同的驾驶员注意力警告。此外,即使在驾驶路径上有许多转弯的情况下,也可能输出驾驶员注意力警告,即可能输出不符合情况的驾驶员注意力警告。相反,在实际需要驾驶员注意的情况下,可能不输出驾驶员注意力警告。
技术实现思路
1、本公开的方面提供一种车辆及车辆的控制方法,车辆及车辆的控制方法可以将通过神经网络的输出获得的驾驶员注意力水平与通过驾驶员注意力警告(daw)系统的输出获得的驾驶员注意力水平进行比较,从而更准确地输出驾驶员注意力警告。
2、本公开的其它方面将部分地在下面的描述中阐述,部分地从描述中将显而易见,或者可以通过本公开的实践获知。
3、根据本公开的实施例,提供一种车辆,该车辆包括:用户界面;驾驶员注意力警告(daw)系统,被配置为基于驾驶数据确定第一驾驶员注意力水平,并且如果第一驾驶员注意力水平小于或等于阈值水平,则控制用户界面输出警告;以及控制器,被配置为基于关于驾驶数据的神经网络的输出确定第二驾驶员注意力水平,以预定时间周期将第一驾驶员注意力水平与第二驾驶员注意力水平进行比较。如果(a)第一驾驶员注意力水平和第二驾驶员注意力水平之间的比较差值被确定为大于或等于预定值,并且(b)大于或等于预定值的比较差值的数量被识别为大于或等于预定次数的次数,则该系统可以在减小方向上调整阈值水平,并且神经网络可以被配置为利用驾驶数据和第一驾驶员注意力水平训练。
4、控制器被进一步配置为:确定包括在预定行驶时间期间获得的驾驶数据和对应于在预定行驶时间期间获得的每个驾驶数据的第一驾驶员注意力水平的数据集。
5、控制器被进一步配置为:利用对应于数据集的预定比例的第一数据集训练神经网络,并且基于从数据集中排除第一数据集的第二数据集的驾驶数据确定神经网络的准确度。
6、控制器被进一步配置为:通过接收第二数据集的驾驶数据作为输入的神经网络的输出确定第二驾驶员注意力水平,并且将确定的第二驾驶员注意力水平与第二数据集的第一驾驶员注意力水平进行比较,以确定神经网络的准确度。
7、控制器被进一步配置为:调整神经网络的权重、偏差(bias)和/或激活函数中的至少一个,以提高神经网络的准确度。
8、控制器被进一步配置为:以预定行驶时间周期训练神经网络。
9、控制器被进一步配置为:基于每个驾驶员的神经网络信息,通过对应于当前驾驶员的神经网络确定第二驾驶员注意力水平。
10、控制器被进一步配置为:如果发生第一驾驶员注意力水平和第二驾驶员注意力水平之间的差值大于或等于预定值的状态,则将计数值增加1,并且如果计数值大于或等于预定次数,则在减小方向上调整阈值水平。
11、控制器被进一步配置为:在更换驾驶员或关闭车辆时初始化计数值。
12、控制器被进一步配置为:随着时间的经过在减小方向上调整计数值。
13、驾驶数据包括车道偏离状态、转向角、转向扭矩、速度、加速踏板状态、制动踏板状态、智能巡航控制(scc)的控制状态、转向灯控制状态、应急灯控制状态、车门打开/关闭状态、安全带佩戴状态、纵向/横向加速度、车轮速度、挡位和/或休息后的行驶时间中的至少一个。
14、根据本公开的实施例,提供一种车辆的控制方法。车辆可以包括用户界面和daw系统,daw系统被配置为基于驾驶数据确定第一驾驶员注意力水平,并且如果第一驾驶员注意力水平小于或等于阈值水平,则控制用户界面输出警告。该控制方法包括:基于关于驾驶数据的神经网络的输出确定第二驾驶员注意力水平;以预定时间周期多次将第一驾驶员注意力水平与第二驾驶员注意力水平进行比较;以及如果(a)第一驾驶员注意力水平和第二驾驶员注意力水平之间的比较差值被确定为大于或等于预定值,并且(b)大于或等于预定值的比较差值的数量被识别为大于或等于预定次数的次数,则在减小方向上调整阈值水平,其中,神经网络被配置为利用驾驶数据和第一驾驶员注意力水平训练。
15、该控制方法进一步包括:确定包括在预定行驶时间期间获得的驾驶数据和对应于在预定行驶时间期间获得的驾驶数据的第一驾驶员注意力水平的数据集。
16、该控制方法进一步包括:利用对应于数据集的预定比例的第一数据集训练神经网络;以及基于从数据集中排除第一数据集的第二数据集的驾驶数据确定神经网络的准确度。
17、确定神经网络的准确度包括:通过接收第二数据集的驾驶数据作为输入的神经网络的输出确定第二驾驶员注意力水平;以及将确定的第二驾驶员注意力水平与第二数据集的第一驾驶员注意力水平进行比较,以确定神经网络的准确度。
18、该控制方法进一步包括:调整神经网络的权重、偏差和/或激活函数中的至少一个,以提高神经网络的准确度。
19、训练神经网络包括:以预定行驶时间周期训练神经网络。
20、确定第二驾驶员注意力水平包括:基于每个驾驶员的神经网络信息,通过对应于当前驾驶员的神经网络确定第二驾驶员注意力水平。
21、在减小方向上调整阈值水平包括:如果第一驾驶员注意力水平和第二驾驶员注意力水平之间的差值大于或等于预定值,则将计数值增加1;以及如果计数值大于或等于预定次数,则在减小方向上调整阈值水平。
22、在减小方向上调整阈值水平包括:在更换驾驶员或关闭车辆时初始化计数值。
23、在减小方向上调整阈值水平包括:随着时间的经过在减小方向上调整计数值。
24、驾驶数据包括车道偏离状态、转向角、转向扭矩、速度、加速踏板状态、制动踏板状态、智能巡航控制(scc)的控制状态、转向灯控制状态、应急灯控制状态、车门打开/关闭状态、安全带佩戴状态、纵向/横向加速度、车轮速度、挡位和/或休息后的行驶时间中的至少一个。
1.一种车辆,包括:
2.根据权利要求1所述的系统,其中,
3.根据权利要求2所述的系统,其中,
4.根据权利要求3所述的系统,其中,
5.根据权利要求3所述的系统,其中,
6.根据权利要求3所述的系统,其中,
7.根据权利要求1所述的系统,其中,
8.根据权利要求1所述的系统,其中,
9.根据权利要求8所述的系统,其中,
10.根据权利要求8所述的系统,其中,
11.根据权利要求1所述的系统,其中,
12.一种车辆的控制方法,所述车辆包括用户界面和驾驶员注意力警告系统即daw系统,所述daw系统基于驾驶数据确定第一驾驶员注意力水平,并且如果所述第一驾驶员注意力水平小于或等于阈值水平,则控制所述用户界面输出警告,所述控制方法包括:
13.根据权利要求12所述的控制方法,进一步包括:
14.根据权利要求13所述的控制方法,进一步包括:
15.根据权利要求14所述的控制方法,其中,
16.根据权利要求14所述的控制方法,进一步包括:
17.根据权利要求14所述的控制方法,其中,
18.根据权利要求12所述的控制方法,其中,
19.根据权利要求12所述的控制方法,其中,
20.根据权利要求19所述的控制方法,其中,