[发明专利]一种基于GPS数据的疲劳驾驶预测方法

权利要求书

1.一种基于GPS数据的疲劳驾驶预测方法，其特征在于，包括如下步骤：

步骤1、建立GPS数据库：通过车载GPS设备采集被预测车辆自预测时间节点前，第一时间段内的行驶数据，作为GPS数据库；

步骤2、处理数据：从GPS数据库中选取自预测时间节点前，设定的第二时间段内的行驶数据，第一时间段包含第二时间段，将第二时间段内选取的行驶数据设定为若干个与疲劳驾驶相关的预测变量，并将预测变量进行标准化处理，作为样本；然后，将第二时间段内的发生疲劳驾驶的情况与每个样本对应，将样本划分为属于疲劳驾驶和不属于疲劳驾驶两种状态，将驾驶员是否打哈欠作为判断是否疲劳驾驶的依据，打哈欠时，为疲劳驾驶状态，不打哈欠时，则为非疲劳驾驶状态；最后将样本按7：3的比例划分为训练集合和验证集合；

第二时间段的时间周期为一周；设定17个与疲劳驾驶相关的预测变量，包括：在0am-5am之间行驶的前一周累计里程T1，在5am-9am之间行驶的前一周累计里程T2，在9am-5pm之间行驶的前一周累计里程T3，在5pm-10pm之间行驶的前一周累计里程T4，在10pm-12pm之间行驶的前一周累计里程T5，在工作日行驶的前一周累计里程W1，在非工作日行驶的前一周累计里程W2，在城市道路行驶的前一周累计里程R1，在乡村道路行驶的前一周累计里程R2，在高速公路上行驶的前一周累计里程R3，车速在0km/h-40km/h之间的的前一周累计里程V1，车速在40km/h-60km/h之间的的前一周累计里程V2，车速在60km/h-80km/h之间的的前一周累计里程V3，车速大于80km/h的前一周累计里程V4，平均持续驾驶时间C1、最长持续驾驶时间C2和前一周的总累计里程M；

17个预测变量的标准化处理方法如下：

前一周的总累计里程M的标准化处理方法：

其中，M^*表示经过标准化处理的总累积里程，M表示前一周的总累计里程，M_max表示前一周总累计里程M的最大值；

平均持续驾驶时间C1和最长持续驾驶时间C2的标准化处理方法：

其中，C^*表示经过标准化处理的持续驾驶时间，C表示持续驾驶时间，C_max表示持续驾驶时间的最大值，C_min表示持续驾驶时间的最小值；

其余14个预测变量的标准化处理方法：

其中，X^*表示经过标准化处理的预测变量，X表示预测变量，M表示前一周的总累计里程；

步骤3、构建及训练多层感知神经网络：构建一个含有输入层、隐藏层和输出层的多层感知神经网络，将步骤2所述的训练集合和验证集合作为多层感知神经网络的输入，再利用反向传播算法对多层感知神经网络进行训练，生成用于预测疲劳驾驶的分类模型；

所述的含有输入层、隐藏层和输出层的多层感知神经网络每一层的节点全连接到下一层，除输入节点外，其他所有节点都将输入与自身权重因子ω相乘，再加上偏置b，然后结合自身的非线性激活函数产生输出，其网络结构包括如下：

输入层：该层为网络的第一层，用于接收步骤2中最后一步的数据；

隐藏层：该层为一层，用于对数据进行学习，并存储训练结果，该层使用的激活函数为Sigmoid函数：

其中，x表示来自前一层的输入；

输出层：该层为网络的最后一层，用于输出结果，该层使用的激活函数为Softmax函数：

其中，x_i表示来自前一层的输入，N表示前一层节点总数；

步骤4、采用步骤3所述的模型对预测时段内是否会发生疲劳驾驶进行预测，当预测时段内会发生疲劳驾驶时，对驾驶员进行提醒。

2.根据权利要求1所述的一种基于GPS数据的疲劳驾驶预测方法，其特征在于，城市道路对应功能型公路等级分类中的一级公路和二级公路，乡村道路对应功能型公路等级分类中的三级公路和四级公路。

3.根据权利要求1所述的一种基于GPS数据的疲劳驾驶预测方法，其特征在于，将在预测时段内，实际发生疲劳驾驶的情况与预测结果进行比对，来验证所述多层感知神经网络模型的准确性。

4.根据权利要求1所述的一种基于GPS数据的疲劳驾驶预测方法，其特征在于，车辆行驶数据包括车牌号码、时间戳、车速、经纬度和地理位置数据。