本發明涉及車輛輔助安全駕駛系統，尤其涉及一種具備駕駛全周期疲勞等級實時辨識預警功能的車載裝置。
背景技術：
在我國發生的道路交通事故中，疲勞駕駛是單次事故死亡人數最高的主要原因之一。當駕駛人由于連續駕駛或睡眠不足等原因造成其處于疲勞狀態時，會產生眼動、心率、皮膚電導率以及呼吸頻率等生理指標的變化，在腦電波信號的頻率特征、功率譜參數上也會產生一定的變化。除生理參數方面發生變化外，駕駛人疲勞時也會出現對車輛的控制能力下降：如轉向過度或不足、車速控制不合理等現象；疲勞時對于車輛空間位置的辨識能力會產生偏差：如車輛在車道中的位置不穩定等，這些駕駛操作能力的變化都不利于行車安全。因此，深入分析駕駛人生理節律特征，充分利用疲勞駕駛時駕駛操作和車輛位置等行為信息的變化特征，可實現對駕駛疲勞狀態等級的實時判斷。
綜合現有的典型檢測駕駛疲勞技術可見,其在技術及應用上的問題是:視頻檢測原理復雜，技術要求高，算法需要改進；穿戴設備用戶接受度較差，需開發專門的軟硬件系統，不易擴展應用到其它場合；檢測車輛軌跡的設備成本較高，難以普及；臉部檢測受光照影響較大，特殊情況檢測效果較差。
技術實現要素：
本發明要解決的技術問題在于針對現有技術中的缺陷，提供一種具備駕駛全周期疲勞等級實時辨識預警功能的車載裝置。
本發明解決其技術問題所采用的技術方案是：一種具備駕駛全周期疲勞等級實時辨識預警功能的車載裝置，包括：
累計駕駛時長采集模塊，用于根據obd的供電信息，判斷車輛的累計運行狀態時長，確定駕駛人的累計駕駛時長；
工作負荷采集模塊，用于利用車輛obd所攜帶的車速輸出功能和計時器，判斷駕駛人高速駕駛累計工作負荷；
gps模塊，用于準確判斷當前的時刻信息；
生理節律采集模塊，用于通過時刻信息生理節律表，判斷當前駕駛人的生理節律累計疲勞程度；
疲勞程度值計算模塊，在獲得累計工作時長、高速駕駛工作負荷以及生理節律三個主要指標的基礎上；利用綜合考慮生理節律和工作負荷的全周期疲勞等級時變規律模型，得出任意時刻駕駛人的疲勞程度值；
所述全周期疲勞等級時變規律模型具體如下：
fi(t)＝c(t)+s+d(t)-r(t)(1)
式中：c(t)為與生理節律(circadianrhythm)相關的值，該參數直接以生理節律表的值為基準，根據gps模塊輸出的當前的時刻信息直接確定；s為睡眠條件對疲勞的貢獻值，不同睡眠條件按照生理節律表(附錄c)的研究成果直接獲取，所述睡眠條件為司機開車前的有效睡眠時長，由司機開車前提供；d(t)為駕駛時長對疲勞程度等級貢獻的疲勞值，但每次休息后，d(t)要重新計算時間t，記為dn(t)，n為第n次休息；r(t)為休息時長所消減的疲勞等級值，每次休息后，r(t)要重新計算時間t，記為rm(t)，m為第m次休息。
預警模塊，用于根據所得的疲勞程度值與預先設定的疲勞預警閾值進行比較，將預警結果顯示終端界面上，給出疲勞預警信息。
按上述方案，所述疲勞程度值計算模塊中全周期疲勞等級時變規律模型具體如下：
fi(t)＝c(t)+s+d(t)-r(t)+b(t)(2)
其中，b(t)為當前時刻所獲得的駕駛行為實驗數據對應的模糊疲勞等級對fi的修正值；當由式(1)計算的疲勞等級為臨界等級時，b(t)的值取5，當由式(1)計算的疲勞等級為疲勞等級時，b(t)的值取10，當由式(1)計算的疲勞等級為清醒狀態時，b(t)的值取0。
按上述方案，所述疲勞程度值計算模塊中全周期疲勞等級時變規律模型具體如下：
其中，駕駛時長和休息時長的t時刻分別以車速大于80km/h和小于10km/h開始計算。
本發明產生的有益效果是：本發明原理相對簡單,易于實現；充分利用車輛obd，把車輛本身運行信息和駕駛人生理節律相結合判斷疲勞定級；成本低,便于推廣應用；采集信息的裝置不會對駕駛造成額外負擔，可接受度高；不受光照影響，可適用于全天24小時駕駛疲勞監測。
附圖說明
下面將結合附圖及實施例對本發明作進一步說明，附圖中：
圖1是本發明實施例的結構示意圖。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發明，并不用于限定本發明。
如圖1所示，本發明首先提出一種具備駕駛全周期疲勞等級實時辨識預警功能的車載裝置，圖1為該發明的系統結構圖，包括給本發明供電和提供車速輸出的obd以及連接裝置，用于提取gps信息的接口和連接裝置，中央處理單元和預警終端顯示裝置。
本發明在車載obd和gps的基礎上,另外加上中央處理模塊,綜合車輛信息和駕駛人生理節律判斷駕駛人疲勞等級。
中央處理模塊，該模塊嵌入手機app或者車載電腦。用于接收累計工作時長、高速駕駛工作負荷以及gps時刻信息，判斷駕駛員是否處于疲勞狀態；并在駕駛疲勞狀態向預警終端顯示裝置發出指令，使輸出預警終端發出報警。
本發明所用綜合考慮生理節律和工作負荷的全周期疲勞等級時變規律模型如下所述：在不同的休息條件下，駕駛人在不同時間段，開展連續駕駛所產生的一種生理狀態。因此，可用按照公式1建立疲勞等級的影響模型。
fi＝f(x1,x2,x3,x4)(1)
式中：fi(fatigueindex)為疲勞等級；x1為駕駛時間長度；x2為司機開車前的有效睡眠時長；x3為開車途中司機休息時長；x4為生理節律的影響，本模型對疲勞等級進行了坐標轉換，根據kss描述的特點，以kss＝6級作為描述疲勞等級的開始，可按照表1所列，近似按照線形關系，轉換為百分值，其中本模型fi值以80表明駕駛人開始產生疲勞，100表示駕駛人疲勞程度已經達到預警級別。
表1疲勞等級fi值與標定疲勞等級間的轉換關系
以疲勞等級各參數影響因素作為分析對象，以行為能力作為調節因子，在充分考慮時間影響因素的條件下，引入行為能力下降的影響，是本發明所用的疲勞預警模型：
fi(t)＝c(t)+s+d(t)-r(t)(2)
式中：c(t)為與生理節律circadianrhythm相關的值，該參數直接以生理節律表的值為基準，也是本模型的一項重要研究成果；如：駕駛人如果從早上8：30開始駕駛，則駕駛疲勞等級的初值為12，但如果駕駛人開始駕駛的時間為14:00，則疲勞駕駛等級的初值為61.35，相同的駕駛時長條件下，不同的開始時刻，所對應的疲勞等級值存在顯著差異。
s為睡眠條件對疲勞的貢獻值，不同睡眠條件下疲勞初值可通過下表直接獲取；d(t)為駕駛時長對疲勞程度等級貢獻的疲勞值，但每次休息后，d(t)要重新計算時間t，記為dn(t)，n為第n次休息；r(t)為休息時長所消減的疲勞等級值，每次休息后，r(t)要重新計算時間t，記為rm(t)，m為第m次休息；
表2不同睡眠條件下的睡眠初值
為提高本發明結果的準確度，還引入了修正值b(t)，b(t)為當前時刻所獲得的駕駛行為實驗數據對應的模糊疲勞等級對fi的貢獻值。
疲勞預警模型：
fi(t)＝c(t)+s+d(t)-r(t)+b(t)(3)
因此，疲勞預警模型公式(3)可用式(4)表示：
注：駕駛時長和休息時長的t時刻分別以車速大于80km/h和小于10km/h開始計算。
本模型中的惟一一個不確定的參數是b(t)對于疲勞等級值的修訂，模糊綜合評價的結果給出了兩組行為數據的綜合作用結果隸屬于某個疲勞等級的概率，同時表明：模糊評價結果可以有效表明司機所處的疲勞狀態，因此，在不考慮清醒程度的疲勞等級貢獻值影響下，本模型將疲勞等級(臨界等級)的調節因子設為c1，將疲勞等級(疲勞等級)的調節因子設為c2，按照公式3計算結果的差值，可以獲得行為能力下降所體現的疲勞狀態，最終求解獲得了臨界狀態下的c1值為4.8，疲勞狀態下的c2值11.2，在本研究中分別取5和10。其中b(t)與d(t)和r(t)不同的是，行為結果不作為累計值，而是作為調節值，提高疲勞狀態標定的準確性，其只與隸屬函數求得的隸屬概率值p臨界和p疲勞有關，在清醒狀態b(t)值取0。
本發明提出的一種具備駕駛全周期疲勞等級實時辨識預警功能的車載裝置，主要用于監測駕駛人疲勞狀態并能夠發出疲勞預警，可安裝在車內作為輔助安全駕駛功能的一部分，在一定程度上可以減少由于疲勞駕駛帶來的交通隱患。
應當理解的是，對本領域普通技術人員來說，可以根據上述說明加以改進或變換，而所有這些改進和變換都應屬于本發明所附權利要求的保護范圍。