欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202311830434X
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:包括以下步骤:步骤(1):在设定的监控区域内,识别并获取目标车辆的车辆信息;

步骤(2):建立三种场景下的酒驾车辆轨迹异常判别模型,过程为:(2.1)提取目标车辆的疑似酒驾行驶特征;

(2.2)基于三种场景分别对酒驾车辆行驶状态异常程度进行赋分;

(2.3)若总分值超过设定值,则判断是否存在新手驾驶标志;

(2.4)若存在新手驾驶标志,则观察车辆其它路段行驶轨迹并进行判别;

步骤(3):定义目标车辆的疑似酒驾风险指标,过程为:(3.1)定义酒驾异常判别的三种场景为摇摆、突然变速、信号灯交叉口行驶异常;

(3.2)摇摆场景下车辆轨迹异常模型判别指标主要涉及曲率、偏离度以及变化率;

给定曲率权重η0、偏离度权重η1、变化率权重η2三个判别指标,输出酒驾行为可信度的综合指数N按照如下公式进行加权计算:N=η0*k(t0)+η1*d(t0)+η2*r(t0)             (1.1)其中,k(t0)为在t0时刻对应的轨迹曲率数值,d(t0)为在t0时刻对应的轨迹偏离度数值,r(t0)为在t0时刻对应的轨迹变化率数值;

所述车辆的轨迹的曲率表示为:

其中,x(t)和y(t)是轨迹的横纵坐标,x'(t)和y'(t)是轨迹的一阶导数,x"(t)和y"(t)是轨迹的二阶导数,k(t)是轨迹的曲率,即轨迹的弯曲程度;

根据设定的阈值,赋予相应的分数:

轨迹的偏离度公式表示为:

其中,x(t)和y(t)是时间参数t与车辆轨迹关于时间参数t的参数方程,xr(t)是参考轨迹的横坐标,d(t)是轨迹的偏离度;

根据设定的阈值,赋予相应的分数:

轨迹变化率表示为:

其中,k(t)是轨迹的曲率,t是时间,r(t)是轨迹的变化率;

根据设定的阈值,赋予相应的分数:

其中,xi为第i辆车在摇摆场景下车辆轨迹异常模型的判别指标,Si为第i辆车在摇摆场景下车辆轨迹异常模型判别指标的分数;

(3.3)突然变速场景下轨迹异常模型判别指标涉及时间参数以及加速度;

用差商法来表示速度函数的一次差值多项式:其中,车辆行驶过程中的瞬时速度为Vn(n=1,2,3…n),将行驶过程中的时间分割为无限相近的时刻点tn(n=1,2,3…n),L1(t)、L2(t)、L3(t)…Ln(t)为拉格朗日插值多项式的基函数;

记Ln(t)的分子P(t)=(t‑t1)(t‑t2)…(t‑tn‑1),记Ln(t)的分母Q(t)=(tn‑t1)(tn‑t2)…(tn‑tn‑1),则车辆行驶时的瞬时加速度a关于时间t的目标函数表示为:其中,P表示车辆的最大功率,M表示车辆的质量;

在加速度合理区间中设定三个参数 将 分为四等分,其中对应为 1/2,3/4处的点, 假设突然变速的区间标准为: 根据区间标准,赋予对应的分数,公式如下:

其中,Ti表示车辆突然变速时赋予的分数,yi表示车辆行驶过程中的瞬时加速度;

(3.4)当获知前方信号灯相位信息为绿灯,且时间短或前方信号灯为刚开启的红灯相位,用以下数学表达式来描述:其中,vj为司机进入摄像头视线后见到绿灯相位时长极短或刚开启的红灯相位的情况下反应时刻tj对应的瞬时速度;vp为到达停止线tp时刻对应的瞬时速度;

在绿灯亮起车辆开始加速行为:

其中,vq为绿灯刚亮起时司机加速通过的情况下反应时刻tq对应的瞬时速度;vr为司机加速通过信号灯交叉口tr时刻对应的瞬时速度;

在加速度区间中设定三个参数 将 分为四等分,其中分别对应为 1/2,3/4处的点, 假设突然变速的区间标准为: 根据区间标准,赋予对应的分数,公式如下:

其中,Ui表示车辆突然变速时赋予的分数,zi表示车辆行驶过程中的瞬时加速度;

步骤(4):将所述疑似酒驾风险指标与设定的疑似酒驾风险指标阈值比较,若超过阈值,则对目标车辆发出跟踪信号;

(4.1)摇摆场景下的三个判别指标分别设阈值;

(4.2)变速场景下时间参数控制在设定值内,车辆瞬时加速度与一般加速度的区间进行比对;

(4.3)信号灯交叉口处分类分析信号灯颜色及剩余时长,将司机的反应时长及瞬时加速度与一般反应时长及一般加速度的区间进行比对;

步骤(5):派出无人机飞行到疑似酒驾的车辆上方,对司机的脸部识别,判断司机是否有酒驾的特征因素。

2.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(1)的过程为:

(1.1)通过摄像头识别司机驾驶车辆的牌号和型号;

(1.2)将所述型号上传云端比对数据库中的车型,调取车辆功率、质量、平均速度参数;

(1.3)生成数据表分类存储数据。

3.根据权利要求2所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(1.3)中的数据为车辆功率、质量和平均速度。

4.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(3.4)中,当绿灯剩余时长在10秒内,或红灯剩余时长超过10秒,用以下表达式表示:其中,vj为司机进入摄像头视线后见到绿灯相位时长短或开启的红灯相位的情况下反应时刻tj对应的瞬时速度;vp为到达停止线tp时刻对应的瞬时速度。

5.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(3.4)中,当前方信号灯为绿灯相位剩余时间在10秒至30秒,司机操作过程用以下数学表达式来描述:V(t)=L1(t)·V1+L2(t)·V2+L3(t)·V3+…+Ln(t)·Vns.t.0≤tj≤10

10≤tr≤30

其中,vj为司机进入摄像头视线后见到绿灯相位时长够通过的情况下反应时刻tj对应的瞬时速度;vr为司机加速通过信号灯交叉口tr时刻对应的瞬时速度。

6.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(3.4)中,当前方信号灯为红灯相位剩余时间在10秒内,车辆保持当前车速行驶至信号灯路口停车线时,下轮绿灯未开启,此时车辆先减速至停止线处几秒后绿灯亮起,车辆开始加速,此过程用以下数学表达式来描述:在停止线前减速行为:

其中,vj为司机进入摄像头视线后见到红灯相位时长不足以通过的情况下反应时刻tj对应的瞬时速度;vp为到达停止线tp时刻对应的瞬时速度。

7.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(4.2)中,突然变速场景下时间参数控制在数分钟内,车辆行驶过程中的瞬时加速度与一般加速度的区间进行比对。

8.根据权利要求1所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(5)的过程为:

(5.1)通过无线通信模块接收来自交通监控系统的疑似酒驾车辆的位置信息;

(5.2)根据位置信息控制无人机飞行到疑似酒驾车辆的上方,并通过摄像头对车辆内的司机进行脸部拍摄;

(5.3)将拍摄的脸部图像通过无线通信模块发送到云端服务器;

(5.4)在云端服务器上运行人脸识别算法,对脸部图像进行分析,判断司机是否具有酒驾的特征因素;

(5.5)若司机具有酒驾的特征因素,且大于总体综合指数规定阈值,则确认其为酒驾车辆,通过无线通信模块向无人机发送指令,使无人机发出警示信号,同时向交通监控系统发送报警信息;

(5.6)若司机不具有酒驾的特征因素,通过无线通信模块向无人机发出控制信号,使无人机返回原地。

9.根据权利要求8所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(5.4)中,所述酒驾的特征因素包括面部表情、眼睛状态和头部姿势。

10.根据权利要求8所述的融合无人机的酒驾车辆行驶异常状态判别方法,其特征在于:步骤(5.5)中,所述报警信息包括车辆的牌照号码、位置和速度。