1.一种基于驾驶人驾驶压力反馈的车辆控制方法,其特征在于,包括以下步骤:步骤1:数据采集
收集和获取与驾驶压力识别相关的数据,包括驾驶人个人信息I、车辆数据V、道路数据R和天气数据W;其中,所述驾驶人个人信息I包括年龄AGE、性别SEX、驾龄AE及驾驶人是否有重大疾病史MI;所述天气数据W包括温度T、湿度H、降水量P和能见度Vi;
步骤2:数据预处理
步骤2.1.将收集到的原始数据进行标准化和归一化处理;
步骤2.2.将驾驶人个人信息I中的类别型数据转换成整数编码形式,年龄、驾龄取其实际数值,构建个人信息特征矩阵步骤2.3.对于实时采集的数据,记录数据采集的时间戳t,确保时间戳的准确性和一致性,根据预先定义的时间间隔Δt,对不同数据源采集的数据进行对齐,将数据按照时间间隔进行划分,提取时间窗长度内Δt的特征值,构建车辆特征矩阵其中,v为平均车速,g为方向盘平均转角,o为油门踏板平均开度,a为平均加速度,m为当前车辆前后左右一定范围内的车辆数,j为指定范围内距离当前车辆最近的车辆与当前车辆之间的车距,RC为路面条件指标、DP为露点温度;
步骤2.4.对天气数据进行时空关联模型的特征提取,得到时空关联特征矩阵步骤2.4.1.建立天气特征矩阵中特征之间的内在关系网,使RC与T、P关联,Vi、DP与T、H关联,Vi与DP关联,T与H、P关联;
步骤2.4.2.对于内在关系网中的每个节点i的特征表示为节点i与邻居节点j之间的注意力权重为
其中,a是注意力参数向量,
步骤3:特征融合
将扁平化后的时空关联特征矩阵
步骤4:驾驶压力等级识别
将融合后的特征矩阵
步骤5:根据压力等级识别结果和历史干预效果控制车辆动作;
步骤5.1.建立Q-value函数,用于估计中、高压状态下采取每个动作的长期回报,Q-value函数表示为步骤5.2.初始化Q-table,Q-table的维度为状态数×动作数;
步骤5.3.当驾驶员连续处于中压状态超过设定时间阈值或驾驶压力处于高压状态时,根据当前状态s从Q-table中选择一个使步骤5.4.根据选择的动作,控制车辆执行相应的干预策略;
步骤5.5.根据驾驶员压力等级降低所需的时间t计算即时奖励r,即时奖励r计算公式为:步骤5.6.根据观察到的即时奖励更新Q-table中的其中,
步骤5.7.当驾驶员再次进入高压状态或中压状态超过设定时间阈值时,使用更新后的Q-table来选择动作,重复步骤5.3至步骤5.6。
2.根据权利要求1所述的一种基于驾驶人驾驶压力反馈的车辆控制方法,其特征在于,步骤2.3中车辆数m的范围限定在当前车辆前方100m,后方80m,左右两侧各20m范围内,路面条件指标RC和露点温度DP的计算公式为:
3.根据权利要求1所述的一种基于驾驶人驾驶压力反馈的车辆控制方法,其特征在于,步骤3中融合后的特征矩阵其中,
4.根据权利要求1所述的一种基于驾驶人驾驶压力反馈的车辆控制方法,其特征在于,步骤4中XGBoost压力识别模型是利用驾驶人历史驾驶数据对XGBoost模型进行训练得到,具体训练方法为:(1)将历史驾驶数据的80%作为训练集,20%作为验证集,根据驾驶人生理状态数据确定训练数据的压力等级;
(2)使用训练集数据对XGBoost模型进行训练,在每一轮训练后,使用损失值L作为反馈,监控模型在验证集上的表现;
其中,N代表训练集中的样本总数,C是类别的总数,C=3,(3)经评估若模型表现没有改进,或训练过程出现震荡,减小学习率;若模型表现稳定提升,增加学习率,学习率的调整依据以下公式进行:学习率减少:
其中,
学习率增加:
其中,
(4)根据步骤(3)调整后的学习率继续进行训练,重复执行步骤(2)和(3),经多轮训练后获得XGBoost压力识别模型。
5.根据权利要求1所述的一种基于驾驶人驾驶压力反馈的车辆控制方法,其特征在于,步骤 5车辆动作包括视觉提醒、语音提醒、触觉提醒、味觉提醒、车窗控制、温度提醒、自动调整车速、增加跟车距离、道路轨迹控制,每种动作分别对应具体的干预策略;其中,视觉提醒对应的干预策略是控制车载显示屏或者车辆仪表盘上的LED灯、指示灯打开;语音提醒对应的干预策略是通过车载语音系统进行语音提醒;触觉提醒对应的干预策略是通过控制座椅下的振动装置提醒驾驶人;味觉提醒对应的干预策略是通过车内的喷雾系统释放提神的香味;车窗控制对应的干预策略是控制车窗开关,打开车窗,增加车内外的空气流通;温度提醒对应的干预策略是通过调节座椅加热装置,增加座椅的温度;自动调整车速对应的干预策略是调整驾驶辅助系统的设置,使车辆自动增加跟前车的距离;增加跟车距离对应的干预策略是调整巡航控制系统的速度设定,使车辆自动调整速度以适应当前道路和交通条件;道路轨迹控制对应的干预策略是通过调整车辆的转向系统,使车辆自动变换行驶轨迹以避开拥挤或危险的路段。
6.一种基于驾驶人驾驶压力反馈的车辆控制系统,其特征在于,包括数据采集模块、数据处理模块、个人信息构建模块、特征提取模块、时空关联模块、数据融合模块、压力识别模块、车辆干预模块;
其中,所述数据采集模块,用于收集和获取与驾驶压力识别相关的数据,包括驾驶人个人信息I、车辆数据V、道路数据R和天气数据W;其中,所述驾驶人个人信息I包括年龄AGE、性别SEX、驾龄AE及驾驶人是否有重大疾病史MI;
所述数据处理模块,用于将收集到的原始数据进行标准化和归一化;
所述个人信息构建模块,用于根据驾驶人个人信息I构建个人信息特征矩阵所述特征提取模块,用于对不同数据源采集的数据进行对齐,将数据按照时间间隔进行划分,提取时间窗长度内Δt的特征值,构建车辆特征矩阵所述时空关联模块,使用增强的注意力机制计算已建立的天气特征矩阵中特征之间的内在关系网中节点i更新后的表示向量其中,a是注意力参数向量,
节点i更新后的表示向量
其中,
6个节点i更新后的表示向量
所述数据融合模块,用于将扁平化后的时空关联特征矩阵、个人信息特征矩阵、车辆特征矩阵和道路特征矩阵通过加权求和的方式进行融合,得到融合后的特征矩阵,具体计算公式如下:其中,
所述压力识别模块,用于根据融合后的特征矩阵进行压力识别,输出预测的驾驶压力等级;
所述车辆干预模块,用于根据压力等级识别结果和历史干预效果控制车辆动作,包括Q-value模块、即时奖励计算模块、更新模块、干预模块;其中,所述Q-value模块用于估计中、高压状态下采取每个动作的长期回报,Q-value模块中Q-table的维度为状态数×动作数,内部存储在状态s下采取动作a的长期回报值;
所述即时奖励计算模块,用于根据驾驶员压力等级降低所需的时间t计算即时奖励;
所述更新模块,用于根据即时奖励更新Q-table中在状态s下采取动作a的长期回报值,更新后的其中,
所述干预模块,用于根据更新后的Q-table来选择动作,控制车辆执行相应的干预策略。
7.一种电子设备,包括:一个或多个处理器、存储器;其特征在于,所述存储器用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,一个或多个处理器实现权利要求1至5任意一项所述的一种基于驾驶人驾驶压力反馈的车辆控制方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任意一项所述的一种基于驾驶人驾驶压力反馈的车辆控制方法。