[发明专利]驾驶状态识别方法和系统

权利要求书

1.一种驾驶状态识别方法，其特征在于，所述驾驶状态识别方法由车端控制器执行，包括以下步骤：

确定当前时间段中车辆的行驶状态；

在所述当前时间段中，确定所述车辆的行驶状态为需驾驶识别状态时，基于车辆的方向盘转角，计算所述当前时间段中的方向盘转角近似熵；

将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型；所述长短期记忆网络LSTM模型用于根据所述当前时间段中的方向盘转角近似熵，预测在后时间段的驾驶状态是否疲劳。

2.如权利要求1所述的驾驶状态识别方法，其特征在于，所述将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型的步骤包括：

将所述当前时间段中的方向盘转角近似熵，通过无线通信发送给存储于云端中的长短期记忆网络LSTM模型；

所述长短期记忆网络LSTM模型由所述云端对样本集进行预先训练得到。

3.如权利要求1所述的驾驶状态识别方法，其特征在于，所述将所述当前时间段中的方向盘转角近似熵发送给长短期记忆网络LSTM模型的步骤包括：

所述将所述当前时间段中的方向盘转角近似熵，发送给存储于车端控制器中的长短期记忆网络LSTM模型；

所述长短期记忆网络LSTM模型由所述云端对样本集进行预先训练，并通过无线通信发送给车端控制器。

4.如权利要求1所述的驾驶状态识别方法，其特征在于，所述确定当前时间段中车辆的行驶状态的步骤，包括：

获取车辆在当前时间段中的车速；

在当前时间段中，所述车速大于车速阈值时，确定在当前时间段中，所述车辆的行驶状态为需驾驶识别状态。

5.如权利要求1所述的驾驶状态识别方法，其特征在于，所述确定当前时间段中车辆的行驶状态的步骤，包括：

获取车辆在当前时间段中的车速；

在当前时间段中，所述车速小于车速阈值时，确定在当前时间段中，所述车辆的行驶状态为不需驾驶识别状态；

停止计算所述当前时间段中的方向盘转角近似熵。

6.一种驾驶状态识别方法，其特征在于，所述驾驶状态识别方法由云端执行，包括以下步骤：

获取如权利要求1至5中任意一项权利要求所述当前时间段中的方向盘转角近似熵；

向长短期记忆网络LSTM模型输入所述前时间段中的方向盘转角近似熵，预测在后时间段的驾驶状态是否疲劳；

将预测得到的所述在后时间段的驾驶状态是否疲劳的预测结果，发送给车端控制器。

7.如权利要求6所述的驾驶状态识别方法，其特征在于，所述驾驶状态识别方法还包括步骤：云端对样本集进行预先训练得到所述长短期记忆网络LSTM模型。

8.如权利要求7所述的驾驶状态识别方法，其特征在于，所述驾驶状态识别方法还包括步骤：

云端将所述长短期记忆网络LSTM模型通过无线通信发送给车端控制器。

9.一种驾驶状态识别系统，其特征在于，所述驾驶状态识别系统包括用于执行如权利要求1至5中任意一项权利要求所述驾驶状态识别方法的车端控制器，和用于执行如权利要求6至8中任意一项权利要求所述驾驶状态识别方法的云端。

10.如权利要求9所述的驾驶状态识别系统，其特征在于，所述车端控制器包括：

计算单元，所述计算单元用于在当前时间段中的车速大于车速阈值时，基于所述方向盘转角，计算所述当前时间段中的方向盘转角近似熵；

通信单元，所述车端控制器通过所述通信单元与所述云端建立无线通信连接。

11.如权利要求9所述的驾驶状态识别系统，其特征在于，所述计算单元包括近似熵计算模块和驾驶状态计算模块；

所述近似熵计算模块用于在当前时间段中的车速大于车速阈值时，基于所述方向盘转角，计算所述当前时间段中的方向盘转角近似熵；

所述驾驶状态计算模块中存储有长短期记忆网络LSTM模型。