专利汇可以提供一种车辆行驶过程中驾驶员突发疾病监测及处理方法专利检索,专利查询,专利分析的服务。并且本 发明 公开车辆安全行驶和保护领域中的一种车辆行驶过程中驾驶员突发 疾病 监测及处理方法,分两个阶段实现,第一阶段是驾驶员突发疾病网络诊断模型的建立,将静态 贝叶斯网络 结构模型与相邻两个时间片的转移概率相结合就是动态贝叶斯网络结构模型,第二阶段是通过驾驶员突发疾病网络诊断模型来输出对应诊断结果,从而输出相应处理方法,驾驶员突发疾病网络诊断模型采用动态的贝叶斯网络结构模型,采取了多个时间片分析判定的方法,对于正在行驶的车辆来说,能够提前预知到驾驶员下一刻的状态,提高突发疾病的判断准确性,能根据当前车速来智能控制车辆自动 刹车 。,下面是一种车辆行驶过程中驾驶员突发疾病监测及处理方法专利的具体信息内容。
1.一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是包括以下步骤:
步骤一:在试验车辆上采集驾驶员的生命体征信息,生命体征信息包括心率S、血压B、呼吸频率f、体温T、瞳孔直径D;对生命体征信息进行预处理,将第k个时间片时的生命体征信息与驾驶员正常生命体征参数进行比较,得到每种生命体征信息预处理后的对应两种结果ΔSj,ΔBm,Δfn,ΔTp,ΔDq,j=1,2,m=1,2,n=1,2,p=1,2,q=1,2;
步骤二:将ΔSj,ΔBm,Δfn,ΔTp,ΔDq作为贝叶斯网络结构的五个子节点,将驾驶员状态Yi作为父节点,构建静态贝叶斯诊断模型,根据静态贝叶斯诊断模型判定出第k个时间片时的驾驶员状态Yi,k=2,3,4,…;
步骤三:根据第k个时间片时的驾驶员状态Yi,分别对第k-1个和第k个相邻两个时间片的驾驶员状态Yi进行诊断,得到不同的诊断结果以及相邻两个时间片的转移概率;将静态贝叶斯网络结构模型与相邻两个时间片的转移概率相结合获得动态贝叶斯网络结构模型;
步骤四:将动态贝叶斯网络结构模型与第k+1、k+2、k+3和k+4的连续时间片的驾驶员状态Yi相结合构成驾驶员突发疾病网络疾病诊断模型;
步骤五:在实际运行车辆上,采集实时的驾驶员生命体征信息:心率S′、血压B′、呼吸频率f′、体温T′、瞳孔直径D′,对实时的驾驶员生命体征信息进行预处理得到预处理结果ΔS′j,ΔB′m,Δf′n,ΔT′p,ΔD′q;
步骤六:将ΔS′j,ΔB′m,Δf′n,ΔT′p,ΔD′q输入到步骤四中的驾驶员突发疾病诊断模型中,当第k个时间片为突发疾病状态Y1时,驾驶员突发疾病诊断模型输出电压信号V1给车辆限制模块,然后对第k+1、k+2、k+3和k+4的连续时间片的预处理后的实时生命体征信息进行处理,获得连续时间片的驾驶员状态Yi,当驾驶员突发疾病状态Y1的个数N≥3时,输出电压信号V11给车辆控制模块进行控制,同时解除对车辆的限制,当N<3时,输出电压信号V12,仅解除对车辆的限制。
2.根据权利要求1所述的一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是:步骤一中,从已有的网络数据大平台中抽取大量的人体生命体征信息参数,取各自的平均值作为所述的驾驶员正常生命体征参数。
3.根据权利要求1所述的一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是:步骤一中,所述的预处理方法是:将驾驶员第k个时间片时的心率Sk、血压Bk、呼吸频率fk、体温Tk、瞳孔直径Dk各自一一对应地与正常生命体征参数中的正常心率S0、正常血压B0、正常频率f0、正常瞳孔直径D0进行比较,若差值大于设定的对应的阈值,则一一对应地输出为ΔS1、ΔB1、Δf1、ΔT1、ΔD1,反之,一一对应地输出为ΔS2、ΔB2、Δf2、ΔT2、ΔT2,则预处理后的数据样本集{ΔSj,ΔBm,Δfn,ΔTp,ΔDq},即得到每种生命体征信息预处理后的对应的两种结果。
4.根据权利要求1所述的一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是:步骤二中,静态贝叶斯诊断模型
P(Yi|ΔSj,ΔBm,Δfn,ΔTp,ΔDq)表示在ΔSj,ΔBm,Δfn,ΔTp,ΔDq的条件下,驾驶员状态为Yi的条件概率;P(Yi)表示驾驶员状态为Yi的全概率;P(ΔSj),P(ΔBm),P(Δfn),P(ΔTp|),P(ΔDq)分别表示ΔSj,ΔBm,Δfn,ΔTp,ΔDq的全概率;P(ΔSj|Yi)表示的是当驾驶员状态为Yi的条件下,时间片输出ΔSj的条件概率;P(ΔBm|Yi)表示的是当驾驶员状态为Yi的条件下,时间片输出ΔBm的条件概率;P(Δfn|Yi)表示的是当驾驶员状态为Yi的条件下,时间片输出Δfn的条件概率;P(ΔTp|Yi)表示的是当驾驶员状态为Yi的条件下,时间片输出ΔTp的条件概率;P(ΔDq|Yi)表示的是当驾驶员状态为Yi的条件下,时间片输出ΔDq的条件概率。各个条件概率都可以通过预处理后的样本数据集中的具体数值得到,从而可以获得各个参数对应的条件概率表;
当第k个时间片驾驶员突发疾病概率P{Y1(TSk)|ΔSj,ΔBm,Δfn,ΔTp,ΔDq}≥50%时,判定驾驶员在第k个时间片为突发疾病状态Y1;反之,则判定驾驶员在第k个时间片为正常状态Y2。
5.根据权利要求1所述的一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是:步骤三中,第k-1个时间片中驾驶员状态为突发疾病状态Y1(TSk-1),第k个时间片中驾驶员状态为突发疾病状态Y1(TSk),Y1(TSk-1)和Y1(TSk)的数组个数记为G11;第k-1个时间片中驾驶员状态为突发疾病状态Y1(TSk-1),第k个时间片中驾驶员状态为正常状态Y2(TSk),将Y1(TSk-1)和Y2(TSk)的数组个数记为G12;第k-1个时间片中驾驶员状态为正常状态Y2(TSk-1),第k个时间片中驾驶员状态为突发疾病状态Y1(TSk),将Y2(TSk-1)和Y1(TSk)的数组个数记为G21;第k-1个时间片中驾驶员状态为正常状态Y2(TSk-1),第k个时间片中驾驶员状态为正常状态Y2(TSk),将Y2(TSk-1)和Y2(TSk)的数组个数记为G22;获得诊断结果的数组集合Gxy,则在第k-1个时间片驾驶员状态为突发疾病状态Y1的条件下,第k个时间片驾驶员状态为正常状态Y2的转移概率
6.根据权利要求1所述的一种车辆行驶过程中驾驶员突发疾病监测及处理方法,其特征是:步骤六中,所述的车辆限制模块包括车辆加速踏板、制动踏板及方向盘转角限制模块和车辆降速模块;所述的车辆控制模块包括车辆加速踏板、制动踏板及方向盘锁死模块以及车速传感器模块、车辆智能制动模块、救援及警报模块。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种用于餐饮后厨的智能巡查方法 | 2020-05-08 | 690 |
基于动态贝叶斯网络的模糊PLS建模方法 | 2020-05-11 | 104 |
自动生成自动警报合并的数据中心网络映射的系统和方法 | 2020-05-11 | 761 |
一种服务策略制定方法、装置、存储介质及电子设备 | 2020-05-12 | 216 |
一种基于BP神经网络的BI配色方法及系统 | 2020-05-08 | 525 |
一种一次回风空调系统中传感器误差的在线识别与修复方法 | 2020-05-08 | 485 |
基于知识图谱的智能扫地机行为决策方法及智能扫地机 | 2020-05-12 | 301 |
音频分类方法、装置及可读存储介质 | 2020-05-12 | 828 |
一种大型桥梁工程施工阶段动态风险评估方法 | 2020-05-08 | 108 |
一种交通工程安全隐患评估装置及方法 | 2020-05-08 | 102 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。