八：判断风险值总和E是否大于0,如是，则进入步骤九，如不是，则为无疲劳 驾驶，进入步骤十一；
[0064] 步骤九：判断风险值总和E是否大于等于10,如果是，则在这段跟车时间内碰撞风 险值较高，进行疲劳驾驶报警，然后进入步骤十一；如小于10,进入步骤十进一步判断；
[0065] 步骤十：对所有投票值，以0为中心，求方差G，
G表示风险 值稳定性，如果G>15,表明车辆不能稳定保持与前车距离，处于一会距离过近，一会距离较 远的状态，有可能出现疲劳驾驶，进行疲劳驾驶报警，如果G〈15表示稳定处于低风险状态， 不进行疲劳驾驶报警，然后进入步骤十一；
[0066] 步骤十一：清空投票箱，返回步骤一，循环进行疲劳驾驶判断。
[0067] 其次，本发明还提供一种基于前向碰撞风险的疲劳驾驶检测装置，该装置包含以 下模块：
[0068] 风险区间计算模块：实时计算前方车辆在急减速时，车辆会与前方车辆发生追尾 碰撞的最大距离D1，实时计算前方车辆在普通减速时，车辆会与前方车辆发生追尾碰撞的 最大距离D2，最大距离D2到最大距离D i之间的距离为风险区间；
[0069] 模糊投票模块：以最大距离D2的点为0风险概率点，最大距离D i的点为1风险概 率点，建立线性风险正切模糊函数，定时判断当前车辆所处位置的风险概率，每次得到的风 险概率作为一个票数，并将该票数向一个全局投票箱内进行投票；
[0070] 疲劳驾驶判断模块：对全局投票箱内的票数进行累加，求得票数总和，并求得票数 方差，根据票数总和与票数方差判断司机是否处于疲劳驾驶状态。
[0071] 为了更清楚地描述本装置的技术方案，现结合具体实施例来介绍本装置被设置的 流程，具体步骤如下：
[0072] 风险区间计算模块：
[0073] 步骤一：得到车辆前向雷达输出的车辆与前方车辆的距离d，及相对速度Vx。通过 车辆的速度信号，得到车辆当前的速度V 1，计算前方车辆当前速度V2= V JVx;
[0074] 步骤二：前方车辆在急减速时，计算车辆会与前方车辆发生追尾碰撞的最大距离
S1为车辆在平路空载时最大制动力下的加速度，a 2为前方车辆 在急减速的加速度，a2= _2g，g为重力加速度，计算前方车辆在急减速时，不考虑司机反应 时间，己方车辆在最大制动力下会发生碰撞的最大距离D1= V Α+&1?2-(ν2?+&2? 2)，要保证t 有解（即在一定时间内肯定发生碰撞），根据二次方程有解判别式得
即急 减速时，车辆会与前方车辆发生追尾碰撞的最大距离
由于实际 条件下制动需要反应时间，因此此距离已是跟车风险极高的距离；
[0075] 前方车辆在普通减速时，计算车辆会与前方车辆发生追尾碰撞的最大距离
S1为车辆在平路空载时最大制动力下的加速度，a 3为前方车辆 在普通减速的加速度，a3= -0. lg，g为重力加速度，计算前方车辆在普通减速时，车辆在最 大制动力下与前方发生碰撞的最大距离D2= V it+aY-Mt+aA2)，要保证t有解（即在一
定的时间内肯定发生碰撞），即根据二次方程有解判别式得： 即前方车辆普 Λ 通减速时，车辆会与前方车辆发生追尾碰撞的最大距离
由于前 车减速较缓慢，因此％距离虽有可能发生碰撞，但概率较低，则D 2是跟车风险极低的距离；
[0076] 步骤三：得到最大距离D2到最大距离D i之间的距离，即为风险区间；
[0077] 模糊投票模块：
[0078] 步骤四：建立一个可全局队列缓存，记为F，做为全局投票箱；
[0079] 步骤五：根据％与D ^直建立正切模糊度函数 其中，X为车 Λ 辆与前方车辆的距离，
：表示车辆与前方车辆发生碰撞的风险值，简
称风险值，正切模糊度函数意义在于，当车辆与前方车辆距离为D1时， 表 ， 示有高达1的风险概率车辆会与前方车辆发生碰撞；在车辆与前方车辆距离为DJtf(D2) =tanO = 0表示当前车辆发生碰撞风险概率为0,而车辆与前方车辆距离在％与D i之间 时风险概率介于0到1之间，距离越靠近D1风险值越接近1，越靠近D 2风险值越接近0,如 果车辆与前方车辆之间的距离大于D2,则风险为负值，根据正切函数的特性，距离大于％越 多，则正切模糊度函数负值减小的越快表示越安全；如果车辆与前方车辆之间的距离小于 D1,则风险为大于1的值，根据正切函数的特性，距离小于D1越多，正切模糊度函数风险值增 加越快，表示风险越高，当前时刻i车辆与前方车辆之间的距离为d，因此，当前时刻i车辆
风险值为 将当前车辆风险值A做为一个票数，投入投票箱F中 .， 待处理；
[0080] 步骤六：判断投票箱内的票数是否> =30,如果否，则延时10秒返回步骤五，重新 计算D1, D2，及f1+1并投票；如果是，表示车辆具有一段跟车时间，则判断是否疲劳驾驶；
[0081] 疲劳驾驶判断模块：
[0082] 步骤七：投票箱内至少包含30个票数比，f1+1，…，f1+29}，对所有票数求和，记为E， E =仁+匕+1+…+f1+29, E表示这段跟车时间内的风险值总和；
[0083] 步骤八：判断风险值总和E是否大于0,如是，则进入步骤九，如不是，则为无疲劳 驾驶，进入步骤十一；
[0084] 步骤九：判断风险值总和E是否大于等于10,如果是，则在这段跟车时间内碰撞风 险值较高，进行疲劳驾驶报警，然后进入步骤十一；如小于10,进入步骤十进一步判断；
[0085] 步骤十：对所有投票值，以0为中心，求方差G， G表示风险 > 值稳定性，如果G>15,表明车辆不能稳定保持与前车距离，处于一会距离过近，一会距离较 远的状态，有可能出现疲劳驾驶，进行疲劳驾驶报警，如果G〈15表示稳定处于低风险状态， 不进行疲劳驾驶报警，然后进入步骤十一；
[0086] 步骤十一：清空投票箱，返回步骤一，循环进行疲劳驾驶判断。
[0087] 本发明不会增加额外的与车辆功能无关的设备，前向雷达虽然目前只在高端轿车 上有，但本身是车辆主动安全系统需要的设备，将来会像倒车雷达一样普及开，并且车辆碰 撞风险是疲劳驾驶的直接后果，利用车辆碰撞风险进行疲劳驾驶检测，能更为有效、准确的 检测出司机是否处于疲劳驾驶状态。
[0088] 尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明 白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对 本发明做出各种变化，均为本发明的保护范围。
【主权项】
1. 一种基于前向碰撞风险的疲劳驾驶检测方法，该方法具有以下步骤： 计算风险区间：实时计算前方车辆在急减速时，车辆会与前方车辆发生追尾碰撞的最 大距离D1，实时计算前方车辆在普通减速时，车辆会与前方车辆发生追尾碰撞的最大距离 D2，最大距离D2到最大距离D i之间的距离为风险区间； 进行模糊投票：以最大距离D2的点为O风险概率点，最大距离D i的点为1风险概率点， 建立线性风险正切模糊函数，定时判断当前车辆所处位置的风险概率，每次得到的风险概 率作为一个票数，并将该票数向一个全局投票