[发明专利]一种基于GPS数据的疲劳驾驶预测方法

说明书

本发明公开了一种基于GPS数据的疲劳驾驶预测方法，包括如下步骤：1.建立GPS数据库；2.从GPS数据库中选取行驶数据，将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；最后将样本按7：3的比例划分为训练集合和验证集合；3.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，生成用于预测疲劳驾驶的分类模型；4.采用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。能够提前对是否发生疲劳驾驶进行预测，提前对驾驶员进行预警。

技术领域

本发明属于道路安全领域，涉及一种基于GPS数据的疲劳驾驶预测方法。

背景技术

根据交通事故原因分析，疲劳驾驶是导致致命交通事故的主要原因之一。据统计，在重大交通事故中因疲劳驾驶所致的占比高达40％以上，由此可见，疲劳驾驶带来的危害非常严重，因而引起了各国政府的高度重视。为减少因疲劳驾驶产生的事故，疲劳驾驶检测技术被各国所研发。基于驾驶员生理特征的检测方法是根据驾驶员的生理指标(如EEG、EOG等)来判断驾驶员的疲劳状态，这些方法虽然精确度高，但是不容易被接收，易给驾驶员造成额外的干扰，不利于安全行车。现有的大多数疲劳驾驶预警都是实时监测，一旦检测到驾驶员疲劳，便发出预警信号提示驾驶员停车休息。但是实时监测的缺点是不给驾驶员提前反应的时间，即一旦检测到疲劳，驾驶员再采取措施可能已经为时过晚。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于GPS数据的疲劳驾驶预测方法，能够提前对是否发生疲劳驾驶进行预测，从而提前对驾驶员进行预警，极大程度上保证了驾驶员的驾驶安全。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于GPS数据的疲劳驾驶预测方法，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；最后将样本按7：3的比例划分为训练集合和验证集合；

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；

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。

优选的，步骤2中，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0-40km/h之间的的前一周累计里程V1，车速在40-60km/h之间的的前一周累计里程V2，车速在60-80km/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。