用於將車輛操作者活動狀態分類的方法和裝置的製作方法
2023-08-14 01:58:41 5
專利名稱：用於將車輛操作者活動狀態分類的方法和裝置的製作方法
技術領域：
本發明一般涉及車輛操作領域，更具體涉及用於將車輛操作者的活動狀態分類的方法和裝置。
背景技術：
到達駕駛者的信息流——電信息通信、信息娛樂、碰撞預警及其他——需要對於車輛操作者的接口的新方法。現在，信息(諸如導航指令、蜂窩電話和電子郵件消息、交通預警、信息娛樂選項、車輛狀況監控等等)異步地呈現給車輛操作者，不考慮在特定時刻可能需求駕駛任務的程度。例如，諸多儀表中的「檢查發動機」指示燈可能亮起，同時駕駛者正把CD放入立體聲音響系統，而導航系統屏幕顯示了即將到達的拐彎並且對該拐彎做出了口頭描述，蜂窩電話呼入車內，而駕駛者卻正在與一個或多個乘客攀談。
人類只有有限的能力來感知環境、注意環境元素、認知地處理刺激物、從感知汲取適當的含義、以及遵照這些感知的含義而適當行動。而且，在駕駛人群中，在先天和後天的駕駛能力兩個方面都存在著較大的變化。因此，車輛操作者可能混亂、分心，也可能忽視，這會由於在操作車輛過程中對他們現在所正在經受的刺激物的阻塞而被惡化。訓練、經驗和科技能夠用來減輕混亂、分心和忽視的影響。但是，在美國，除人們初次申領駕照這段時間之外，只有很少的正式或非正式的涉及駕駛的技能訓練。駕駛訓練程序已經被證明不是特別有效，而且也不會通過駕駛生涯而繼續進行訓練。實際上，尤其是在美國，大多數人認為駕駛只是一項權利而非特權。而且，研究表明，多數人認為他們自己是良好的駕駛者，而「其他人」才是製造問題的人。除非並且直到發生文化或法律上的改變，以鼓勵駕駛者希望提高自己的駕駛技能，否則看上去最有可能的就是設計用於最小化混亂、分心和忽視的技術解決方案來提高高速運輸系統的安全性，該系統很可能變得有越來越多的人，而僅靠一點點道路基礎設施或者不對其進行擴展的話，則很可能也會在將來引發更多的危險。
為了解決這些以及其他的安全性關注，已經提出了一種基於狀態轉變模型的集成安全系統。潛在的概念是「威脅層次」模型，其經歷一系列狀態，每一狀態代表對迫近碰撞的危險的評估，其基於來自外部對象檢測器和車內傳感器的信息。這些狀態是「正常駕駛狀態」、「預警狀態」、「碰撞可避免狀態」、「碰撞不可避免狀態」、「碰撞後狀態」。傳感器和數據合成算法將來自傳感器的信息合併，確定碰撞危險的程度。如果系統檢測到碰撞危險，就發布預警給駕駛者，或者在某些情況下，對車輛進行控制，並開始自動剎車、自動車道轉換、或者其他形式的車輛控制。該系統表現出試圖將先前不相關的傳感器信息帶入到集成狀態中，由此可能得到有關碰撞危險的有用推論，並可以向駕駛者預警，或實際控制車輛，用來完全避免或減輕碰撞帶來的傷害。
還提出了一種系統，提供對車輛和交通狀況的廣泛監控，從而排定向駕駛者呈現信息的優先級。該系統的目的在於管理提供給駕駛者的信息流，同時考慮駕駛任務、條件，以及駕駛者物理的、感知的和認知的能力。所提供的支持設計用於提高駕駛者的注意力，並且在駕駛者採取車輛的導航、機動和控制時再次提起分心了駕駛者的注意力。整個系統架構組合了從傳感器接受輸入的分析/規劃器，包括了儲存的駕駛狀況指令集，並且記錄了有關駕駛者的信息。此外，該系統包括對話控制器，用於管理與駕駛者的通信。該系統還監控駕駛者，將駕駛者的狀況集成到預警和控制系統所做的決定之中。
現存系統沒有採取對傳感器數據的範圍的監控，也沒有提供對於駕駛員認知負荷(cognitive load)的評估。此外，這樣的系統還不能夠考慮駕駛者在駕駛艙內的活動，而這並不直接地關係到駕駛任務，諸如開關車窗、收音機調臺等等。例如，現存系統根本不監控駕駛者，或者只監控駕駛者相對於靜態「模型」的行為，這與實際動態駕駛者執行和/或習慣是不同的。因此，這些系統沒有提供與駕駛任務同步的信息，也不會試圖最小化分心的情況。
此外，以前試圖評估駕駛者水平的系統限制於車道跟隨(lane-following)能力，也就是，評估駕駛者保持車輛相對於車道邊緣的位置，由此產生表示駕駛者車道跟隨能力的參數。該參數周期性地確定，如果不在建立的水平以下的話，就會向駕駛者呈現諸如蜂鳴或視覺指示之類的預警。該系統的局限性在於，它只能提供車道跟隨評估，而且沒有考慮離開車道以避免危險的情況，沒有集成來接收傳感器輸入頻譜，並且沒有包括駕駛者狀況和駕駛者活動數據。
附圖中類似的參考標號在分別的視圖中通篇指示相同或功能相近的元素，附圖與具體實施方式
部分一起結合併形成對本發明的描述，用於進一步說明各種實施例並解釋根據本發明的各種原理和所有優點。
圖1以簡化和代表性形式描繪了車輛的圖；圖2是說明分類器與車輛接口的框圖；圖3是對駕駛者活動狀態進行分類的方法；和圖4是描繪將機動分類誤差率作為當前變量值與目標值之間的時移的函數的圖。
具體實施例方式
一種系統，適用於評估與車輛操作有關的信息和與其他可能使駕駛者分心的事物相關的信息，並且提供輸出，用於做出有關進一步增加駕駛者認知負荷的決定。輸出基於與車輛操作、操作環境和操作者活動及其他乘車人相關的多個條件。如本說明書中通篇使用的，術語「車輛操作者」和「駕駛者」可互換使用，都用來指代通過想要的方式來操作車輛的人。
在另一實施例中，此外系統可以識別特定車輛操作者，從而針對操作者偏好、過去駕駛水平和習慣來做出評估。
參看圖1，車輛100包括分類器102和各種可視和隱藏的用於監控車輛的裝置。顯示出了方向盤104、制動踏板106、加速器108和娛樂單元110。在各種實施例中所使用的但沒有描繪出來的其他車輛控制包括轉向信號燈、排擋、車門控制和車窗控制。分類器102連接到傳感器(未示出)，其監控和報告各種駕駛控制104、106、108、娛樂單元110和其他裝置以及用於內部和外部監控的傳感器，如下所述。
參看圖2，討論和描述了說明分類器與車輛的接口的框圖。分類器200，可以與分類器102相同或相似，具有輸入202和輸出204。如所示，分類器具有多個輸入202，其連接到導線(harness)204和單個輸出206。實際上，其他配置也是可能的。輸入202和輸出204可以相接(bussed)、多路復用，是分組接口或者單獨導線。分類器200的功能不會受到物理層接口的影響。
分類器200可包括合適的處理設備206，諸如微處理器、數位訊號處理器等等；一個或多個存儲設備，包括適當配置的數據結構；接口，用來將分類器連接到各種車輛傳感器並提供分類信息給下遊設備。分類器200可單模塊集成或者其功能可以作為另一車輛計算系統(諸如發動機控制器、車身控制器或娛樂控制器，未示出)的一部分而執行。
從多種源捕獲的數據，都可以直接或間接地用於推斷車輛狀態以及與新輸入相關的駕駛者的認知負荷。這樣的數據包括由各種車輛傳感器產生的數據。車輛狀況監控傳感器在乘用車(轎車、迷你敞篷車、運動功能型車輛等)以及許多其他車輛中都十分普遍。這些傳感器監控多個參數，諸如發動機工作參數、車速、傳動和車輪速度、車輛在三個軸向的加速、底盤功能、噴射控制功能等等。這些傳感器還可提供與車輛診斷有關的數據。
車輛監控210包括與車輛工作環境(例如道路狀況、交通狀況、天氣等等)有關的數據。車輛監控210可包括也提供車輛工作數據的傳感器。車輛位置，車輛監控210的另一個元素，是由車載導航系統利用全球定位系統(GPS)技術提供的，或者位置信息可以由無線通信設備(例如蜂窩電話)和相關無線通信網絡提供。
駕駛狀況212，例如道路表面和牽引力估計，可以由防鎖制動(anti-lock braking)、牽引力控制和底盤控制系統傳感器提供。雷達、雷射、超音速和視頻系統可以提供車輛附近對象的地圖以及它們相對於車輛的運動。天氣和日時間也可以直接得到監控，或者從諸如車窗雨刷、車燈及除霜霧裝置的源中獲取。
與駕駛不直接相關的駕駛者活動214也可以得到監控。座椅傳感器和/或紅外傳感器可以感應車內乘客的數量和位置。底板和方向盤傳感器可以指示駕駛者的手部和足部的位置。視頻和成像傳感器可以監控駕駛者頭部、身體、手部和腳部的運動，操作狀態以及駕駛者對信息、娛樂和電信息通信的使用也可以得到監控。其他可輕易監控的活動包括調節收音機、使用蜂窩電話、獲取導航信息、調節環境控制以及會話級別。
分類器200還可以通過監控車輛控制216而捕獲直接與車輛操作相關的數據。在操作車輛時，駕駛者從事著許多項不同的動作，諸如但不特定限於，進行加速或制動、轉動方向盤、以及使用轉向信號燈、風擋清洗/雨刷、車窗除霧等等。從車輛控制或其他傳感器得到的數據可以用來評估認知負荷，例如，加速和制動的變化速率、與車速結合的轉向半徑、電子懸掛設置就是幾個例子。
由於人的技能水平、身體尺寸以及個人偏好和口味有著很大的不同，存在有許多的情況，其中，對於分類器200來說，「識別」試圖進入和/或駕駛車輛的人將很有用。在這方面，駕駛者識別接口218可以配置作為個人便攜用戶接口(PPUI)。PPUI可以以多種形式存在，但是本質上捕捉與特定駕駛者有關的偏好、水平和習慣數據。PPUI可以在智慧卡、鑰匙鏈上編碼，或者嵌入在車輛中以被指紋讀取器、語音識別系統、光學識別系統或其他這樣的裝置所激活。
在各種實施例中，PPUI可以用作安全系統，授權或限制對車輛和車輛的點火系統的接觸，禁止未授權人的接觸或者在未授權人試圖駕駛車輛時禁用車輛。PPUI作為駕駛者識別接口202的一部分，允許車輛的每個操作者提早建立選擇項。
PPUI還可以在駕駛者水平提高和/或駕駛限制強制工具方面起作用。PPUI可用於監控駕駛水平並報告給交通強制機構。這將允許交通慣犯保持有受到司法監控的特殊駕駛照顧。可以記錄駕駛操作用於以後參閱，這裡描述了一種提高駕駛操作的方法。此外，PPUI可以用於實現對車輛使用的控制。例如，剛領到駕照的駕駛者的父母可以限制該駕駛者駕駛車輛的距離和地點或者駕駛車輛的每天的時段。老闆可以監控其車隊駕駛員的駕駛習慣。
應該認識到，多個數據存在於車輛環境之內和周圍，可以由分類器200所利用。上面已經描述了幾種數據類型，下面將結合分類器200的操作來描述其他類型，而這裡沒有具體描述的其他類型也是可以使用的，並不背離本發明的範圍和精神。應該認識到，隨著新技術將新的數據類型和數據源以及新的信息類型和信息源引入車輛中，分類器200可適用於利用這些附加的數據源。
換句話說，分類器200將監控駕駛者可能在車輛駕駛艙內觸摸或使用的技術特性的任何事物，因此分類器200儘可能多地知道任何給定時刻駕駛者正在做什麼。而且，視頻或成像技術、駕駛艙內座椅傳感器和麥克風的使用允許分類器200確定駕駛者的位置和定位、噪聲水平、乘客的存在性和其他可能的分心來源。雷達、雷射、視頻和紅外傳感器布置在監控交通和天氣狀況、障礙物、車道標誌等的車輛監控器的周圍。駕駛者當前的狀況和駕駛操作可以通過諸如視頻的直接測量推斷得到，也可以通過將當前操作與過去的操作和已知的良好操作實踐進行比較來推斷得到。
最後，分類器200使用可用的輸入來確定車輛以及駕駛者何時處於至少兩個狀態之一機動(maneuver)和非機動(non-maneuver)。對這兩個狀態的數據的減少將在下面進行詳細討論。
輸出204可以連接到多種車輛裝置和系統，其中每個都可經過某種形式的裁剪而使用來自分類器200的輸出204信號。
蜂窩電話220可以編程以監控輸出204的狀態並在時間分類為「機動」時轉移接收到的呼叫，而在輸出204指示「非機動」時允許接收呼叫。
電子郵件設備222，諸如平視顯示器、控制臺單元或具有語音接口的個人信息管理器可以建立準備來在輸出204指示機動時延遲電子郵件的通知或電子郵件消息的顯示/語音表現。
各種儀表和警報224可以編程以使用輸出204的狀態來管理在特定環境中將什麼信息中繼給駕駛者。儀表和警報接口204可以包括視覺、音頻、觸覺或其他合適的指示。視覺指示可以包括計量儀表、發光指示、圖形和字母數字顯示。這些視覺指示可以集中位於車輛儀錶盤內，分布在車輛周圍，配置成平視顯示，與後視鏡和側視鏡相結合，或者配置為有利地將信息傳送給駕駛者。音頻指示可以是蜂鳴或者警報，語音或者其他音頻警示。觸覺警報可以包括使用底盤控制系統來提供模擬的停車振動帶(rumble strip)、踏板或方向盤反饋壓力，座椅運動等。
控制任何一個或多個指示或警報的激活，從而使信息的定時在提供給駕駛者時同步。在一個用於說明概念的非常有限的例子中，車輛上動力系管理系統可以產生立即換機油指示(change oil soonindication)。以前，這個指示將使得動力系管理系統一產生指示就把車輛儀錶盤上的「服務發動機」或「換機油」燈點亮。燈在儀表中的突然點亮會暫時令駕駛者分心。如果在燈點亮時駕駛者正注意交通或者處於需要全神貫注於駕駛任務的情形中的話，這樣的分心可能會導致危險。在一個實施例中，關於換機油的非關鍵數據可以保存起來，直到條件允許信息呈現給駕駛者而不太可能造成危險情形。
娛樂系統226可以用類似方式編程為在分類為「機動」的情形中自動降低音量水平或操作降低對駕駛者分心事物的數量和水平。
在另一實施例中，分類器200自身可以確定通過與設備的直接接口或者通過設備與其輸出變換器之間的居中關係來阻擋或延遲什麼事件。
由於目標是確定駕駛者是否能從設備或服務接收附加的信息，系統適用於估計駕駛者的認知負荷。如上所討論的，這可以通過直接觀察駕駛者而非所需但很可能不會在將來很短時間內出現的專用傳感器來完成。有利的是，駕駛機動可以通過在車輛內可用的傳感器輸入而不是試圖直接評估駕駛者狀態而得到檢測。也就是，認知負荷可能直接與實際駕駛情形相關，通過經由可用車輛傳感器對駕駛情形進行評估而確定。大多數以前的工作都注重駕駛者行為識別和預測，而不是駕駛狀態識別。
分類器的部件都是已知和可得到的。處理器206可以是單晶片控制器、DSP或者組合，可以具有集成的易失和非易失存儲器。這樣的處理器可以從諸如Motorola等公司買到。
為了分類器200智能地評估駕駛者的認知負荷，可以試圖確定駕駛者的當前狀態。駕駛者狀態的一個組成成分是駕駛者執行駕駛任務所需的當前的努力。例如，進入或退出高速路、變換車道、拐彎以及泊車通常都被認為是「難的」駕駛任務。與之對比的是，在直的高速路上巡航而周遭沒有什麼交通狀況或者在紅燈等待通常被認為是「簡單的」駕駛任務。因此，一種刻畫駕駛者活動的方法可能是兩種狀態，這兩種狀態分別是分類器200區分出來的「難的」駕駛狀態(稱為機動狀態)和「簡單的」駕駛狀態(稱為非機動狀態)。
在下面的說明性例子中，瞬時傳感器狀態被分類為機動/非機動類。也就是說，考慮傳感器瞬像，而不是時間序列。這允許簡單和有效的實現；但是，應該認識到，也可以使用時間序列。而且，使用瞬時傳感器狀態消除了在分類響應時間中的時間延遲。
為了增強變量集，可以使用變量的二次項，即所有的叉積和變量的平方。增加了變量的總數量d。例如，使用5個傳感器的，變量總數從5個增加到20個或者更多，這取決於所使用的叉積的數量。而且，可以使用具有對應的正負輸出的傳感器輸出的絕對值。例如，方向盤角度為否表示左轉，為正表示右轉，這可以改變成其絕對值。對於轉向信號指示也可做相同處理。
可以使用幾個不同的統計數據分類器來提供機動/非機動分類。一個可以用傳統語言諸如C或Java使用「IF-THEN-ELSE」邏輯對於分類器編碼或者使用自動系統。這樣的自動系統可以是，例如，C4.5分類器，諸如Quinlan’s C4.5，在Weka工具包中稱為J48，參看Witten，et al.，Data MiningPractical machine learning tools with Javaimplementation，Morgan Kaufmann，San Francisco。分類器需要使用收集的數據進行訓練，對數據進行評註以提供機動和非機動的例子。C4.5基於在每個分支獲取的信息而構建決策樹。這個C4.5還支持修剪。得到的輸出就是決策樹，其又轉換成規則並用於系統中以根據傳感器數據提供機動/非機動分類。
在另外的例子中，可以使用重複遞增修剪以產生誤差降低(Repeated Incremental Pruning to Produce Error Reduction)RIPPER，副位置(pro-positional)規則學習器。RIPPER可以是IREP的優化版本，IREP可參見Cohen，Fast effective rule induction.Machine LearningProceedings of the Twelfth International Conference，Lake Tahoe，CA。實現的可以是在上述的Weka工具包中的JRip分類器。該模型具有選項來規定降低誤差修剪的倍數(number of folds，其中一倍(one fold)用作修剪集)、分支內情況的最小權重、優化運行數量、隨機化的種子、在停止標準中是否檢查誤差率＞＝0.5、以及是否使用修剪。得到的輸出是人可讀方式的規則列表，能夠被檢查並易於翻譯成其他程式語言形式的規則。
在另一可替換實施例中，二次分類器可以在產生二次項之後使用標準最小二乘偽逆方法進行訓練。將n行d+1列(需要常數列連接到數據)訓練數據矩陣標為X，目標列向量標為D，其中包括用於機動情況的+1和用於非機動情況的-1，對於分類器權重的最小二乘法為w＝X+D，其中X+(XTX)-1XT.
通過下式形成正則化解w＝(XTX+λI)-1XTD.
在實際識別操作中，給出行向量x的傳感器輸入、其二次表達式、以及連接的常數值為1，最終的分類器輸出是d＝xw，其應該是用於機動的正數。
駕駛模擬設備，諸如GlobalSim HyperDrive工具，可用來創建駕駛世界場景，用於開發模型數據。虛擬的駕駛可以模擬許多公裡數的多車道環路，有或沒有斜坡、立交橋、以及在每個方向(由中間的草地隔離)上的兩個和三個的車道交通或者其他駕駛事件。環路內部，連接到中側立交橋，可能是變化的兩車道道路——市內、郊區、工業區以及鄉村環境。這些道路可能在燈控十字路口交叉。駕駛可以使用具有良好可視性的日時間人行道駕駛條件，或者駕駛條件可以變得更難。
對於高密度駕駛環境，可以將多個「分心者」車輛加入到高速路場景中，伴隨著高密度隨機「環境」交通。這些分心者車輛可能隨機地編程為以限速的快/慢±10％速度駕駛，在主車周圍提供穩態流的印象。所有的分心者車輛模擬警報，「良好」駕駛者行為和對來自主車的任何特定機動的合理反應。
這個安排允許多種不同的交通狀況和道路類型，其在限制的但連續的駕駛控制內。由此可以在駕駛過程中考慮超車和被超車的機會、交通堵塞以及駕駛難度。
數據可以從多個駕駛者那裡進行收集。例如，數據可以從4個駕駛者那裡收集，每個駕駛者都在模擬世界中駕駛15分鐘左右。駕駛者可以被要求進行所有可能的他們可以考慮到的機動操作。可以節省所有車輛和所有視頻通道，甚至分類器可以只使用可用變量和數據的一個子集。例如，上述的5個變量，加速器踏板位置、制動踏板位置、車速、轉向燈狀態(左、關、右)以及方向盤位置，可以用作輸入。這5個變量可以下採樣到5Hz，由此經過1小時的駕駛，可以獲得19700個數據採樣。為了創建目標標籤(機動或非機動)，可以手工對數據進行評註，使用組合了對所選收集數據的變量的視頻回放和圖形顯示的工具。
為了評估三種分類器，可以使用四倍(four-fold)交叉驗證(leave-one-out，不考慮其中的一個)。不考慮四個駕駛者之一的測試數據集，剩下的三個駕駛者用作分類器的訓練集。所有呈現的圖都是四個這樣的運行的平均結果。表1呈現了三種分類器關於其在機動/非機動分類中的誤差率的最終比較結果。
表1三種分類器使用四倍交叉驗證的誤差率比較結果
二次分類器(quadratic classifier)中的單獨參數是正則化係數。優化值可以通過駕駛者獨立交叉驗證實驗而確定。正則化係數可以提供關於駕駛者的最好的一般性。
在訓練了權重向量之後，在分類器200中二次分類器的實現尤其簡單。首先，二次項通過輸入的傳感器數據流計算出來，之後，實際分類器簡單實現為權重向量與傳感器數據向量的內積(常數連接)，並且將結果與0進行比較以確定機動/非機動。
C4.5的主參數值，葉子中訓練情況的最小允許數量，也可以使用交叉驗證來確定。關於駕駛者的最好一般性是通過葉子大小400而獲取的，誤差率為19.5％。使用的最小葉子尺寸是2，最大是700。
C4.5允許生成這樣的決策樹，其易於變換為Java形式的規則，並用於系統100中。下面是一個樹的例子，其可以使用優化參數設置而生成。
steeringWheel_absXsteeringWheel_abs＜＝3.066| turnSignalStates_abs＝0| |brakeXspeed＜＝0.000008| || speed＜＝56.0283| || | speedXsteeringWheel_abs＜＝9.57928∶-1| || | speedXsteeringWheel_abs＞9.57928∶1| || speed＞56.0283∶-1| |brakeXspeed＞0.000008∶1| turnSignalStates_abs＝1∶1steeringWheel_absXsteeringWheel_abs＞3.066∶1RIPPER產生的規則也易於添加到系統100中。描述的例子使用了24個規則。示例的從訓練集中得出的規則如下所列if((steeringWheel_abs＞＝0.073832)
(speed＜＝64.8699)
(speed*steeringWheel_abs＞＝10.5426)
(accelerator*speed＜＝46.0659)
(accelerator＞＝0.47251))then isManeuvering＝true；除了努力將當前時間情況分類為兩類之一以外，還有可能預測未來的機動(以及對過去機動的後測(postdiction))。圖4中的線400描繪了該結果。可以使用二次分類器，將來自所有駕駛者的數據匯集到單個的多駕駛者資料庫，可以使用十倍(tenfold)交叉驗證來得到誤差率。如所期望的，對未來的預測要難於對過去的識別。圖4還給出了關於其他變量作為時間的函數攜帶的有關當前機動狀態有多少信息的想法。根據圖4，應該有益於除當前值外，包括變量的過去狀態作為對分類器的輸入。
所有這三個分類器都實現在模擬器中以評估其實時駕駛操作。即使分類器的準確度使用測試數據非常接近，在線上操作中，觀察到，基於樹和基於規則的分類器錯過了某些重要的機動，而二次分類器則檢測到了這些機動。事後認識到，而不是看到誤差率，優化分類器檢測機動狀態的精確度可能是有利的。對於二次分類器，精確度更高。而且，駕駛者中誤差率的差異在二次分類器情況下是最小的。
儘管按照獨立使用而描述了分類器，它們可以組合起來使用來對操作認知負荷進行分類。這樣的實現可以允許一個或多個分類器選擇性用作環境指示。
再參看圖2，如前所述，分類器200接收所有各種傳感器輸入，包括那些測量車輛狀況、駕駛者狀況、駕駛者活動及操作環境(例如天氣、路況和交通狀況)的傳感器，並產生狀況集或主狀況列表。狀況表現分類器200所監控的每個事物的當前離散狀態。例如，速度狀況可以是下面的任意時間上的狀態之一「停」、「慢」、「正常」、「快」、「超速」。這些狀態是根據狀態之間的學習門限並且根據歷史和已知良好實踐而確定的。分類器200，對於給定主狀況列表，評估當前駕駛者任務和活動，諸如收音機調臺、接聽電子郵件或其他可能的分心任務，以產生估計的駕駛者認知負荷。每一靜態任務的認知負荷可以外部地由具有一組測試主題的受控試驗而確定(例如，收音機調臺會佔用駕駛者15.4％的注意力)。總認知負荷是每一單獨任務的加權和。對於給定數量的同時發生的任務，權重可以固定或可以變化，例如按照指數規律。
對於可能的令駕駛者分心的一個特定例子涉及對蜂窩電話的使用。如所述，分類器200提供有關操作者認知負荷的信息。例如，啟用的蜂窩電話220可以提供兩種可能的蜂窩電話呼叫的切斷給駕駛者，而不完全禁止呼叫。在第一種情況中，呼叫者通過預先記錄的消息得到通知呼叫正在駕駛車輛的人。呼叫者隨即可以做出選擇直接將呼叫轉入語音信箱還是接通到駕駛者的呼叫。在呼叫到達駕駛者之前，蜂窩電話220參考分類器的輸出來確定使駕駛者分心的可能性超過某個需要的限定時，例如所需的駕駛者認知負荷將超過門限時，呼入呼叫可以被保持和/或通過適當的預先記錄的消息而自動轉接到語音信箱。
蜂窩電話220使用輸出204可配置為基本上限制呼叫到駕駛者的呼叫的數量。許多時候呼叫者並不知道他們正在呼叫的人正在駕駛中，如果他們知道，他們就不會呼叫了。如上所述，蜂窩電話220提供用於通知呼叫者它們正在呼叫駕駛者的機制，並且提供選項將呼叫轉移到語音信箱。另外，蜂窩電話220可以配置為讓駕駛者選擇接受呼叫對於呼叫者透明。在這樣的安排下，呼入呼叫通過免提語音接口識別到駕駛者。駕駛者可以隨後接受該呼叫，將呼叫轉到語音信箱，呼叫轉移到轉移號碼或者終止呼叫，所有這些都可以不需呼叫者知道而完成。另外，呼叫完成可以立刻延遲，向呼叫者提供適當的消息。系統100可以在短暫延遲、一旦確定駕駛者認知負荷處於可接受水平之後完成呼叫。
如果正在進行的呼叫使得駕駛者認知負荷增長的話，蜂窩電話220還可以適用於進行「矯正」。如果在接受蜂窩電話呼叫之後，分類器200確定駕駛者認知負荷增長超過門限水平的話，蜂窩電話218可以自動中止蜂窩電話呼叫。在這樣的情況下，提供消息通知呼叫者暫時保持。蜂窩電話220或相關網絡服務(未描繪)也可以向呼叫者提供選擇來留下語音信箱消息。此外，為使駕駛者知道呼叫中斷，提供適當的消息給駕駛者，指出呼叫已經被保持。駕駛者可能可以將呼叫者引向語音信箱。一旦被保持，呼叫者可以選擇留下語音信箱消息，轉接到另外的號碼，或者等待到駕駛者能夠繼續通話為止。
至於操作的其他方面，駕駛者對於蜂窩電話使用的偏好通過駕駛者識別接口218而提供。分類器200也可以操作其他無線通信設備，包括個人數字助理(PDA)和尋呼機來接收電子郵件和文本以及數據消息。
為了利用蜂窩電話的性能將呼入的蜂窩電話呼叫根據駕駛者認知負荷排列優先級，需要蜂窩電話220通信連接到分類器220並且執行上述的專用功能。
參看圖3，討論了對駕駛者活動狀態進行分類的方法。兩狀態分類器200提供302對來自一個或多個輸入的數據進行算法分析的能力。分類器200接收304關於至少一個車輛操作狀況的傳感器數據。在一個實施例中，從第二傳感器接收數據，數據涉及駕駛者狀況、乘客車廂狀況(例如，乘坐人數量)、乘客狀況(例如沒有扣上了座椅安全帶)。用來進行狀態分類的某些或所有數據可以從瞬時傳感器數據或傳感器數據時間序列中進行選擇306。所收集的數據及派生的數據可以用來分析駕駛者活動狀態。例如，加速器、制動、方向盤、離合器和排擋選擇器的位置和位置改變速率都提供了關於駕駛者活動水平的有價值的信息，並且暗示駕駛者所遇到的駕駛狀況。對駕駛者活動進行分類可以使用C4.5算法、RIPPER算法或二次分類器之一，如上所述。
所選的分類算法，無論是上面的哪一個，另一算法或組合，用來根據傳感器數據將駕駛者活動分為308至少兩種狀態之一。一種狀態對應於機動活動，另一種狀態對應於非機動活動。某些實施例可以包括兩個以上的狀態來進一步允許將駕駛者認知活動分類為超過兩種狀態。例如，一種實施例可以將駕駛者狀態分成4個或更多水平，諸如「慢」、「中」、「高」和「極限」。連接的設備或中央控制器可以隨後採取預先確定的適當行動。導致將駕駛者活動狀態分類為機動的某些活動可以包括車輛位置關於駕駛車道的改變、泊車機動、高速路入口、高速路出口、與外部方的通信、與車內另一乘客的交互或者娛樂設備的設置(尤其是音量)。不進行一個或多個上述活動的將被分類為非機動。
當確定機動310時，選擇310的「是」分支，設置312輸出為對應於「機動」的狀態，其通過其他連接系統的相互協議而被理解，例如邏輯1。連接的外部設備或系統220、222、224、226隨後可以使用輸出204來延遲314或者重定向車輛內所提供的服務或特性或者減小駕駛者的認知負荷。某些可以重定向或延遲的服務和特性是無線通信，車輛狀態警報，諸如流體雨刷信號、導航指令、電子郵件消息或者娛樂呈現。例如，當駕駛者認知負荷確定為特別高時，收音機的音量可以降低，蜂窩電話可以重定向到語音信箱。
通過幾個優選實施例描述了本發明，特別是合成和總結信息並呈現信息給駕駛者的系統和方法。考慮到上述描述，本領域技術人員將顯而易見地認識到本發明的修改和替換實施例。該描述只是說明性的，是為了教導本領域技術人員執行本發明的最佳模式。結構和方法的細節都可以進行變化，而本質上並不違背本發明的精神，保留落入所附權利要求的範圍內的所有修改的排他使用。
權利要求
1.一種將駕駛者活動狀態進行分類的方法，包括提供至少兩狀態活動分類器；接收有關至少一個車輛操作狀況的傳感器數據；和根據傳感器數據將駕駛者活動分類為至少兩個狀態中的一個，至少兩個狀態中的第一個對應於機動活動，至少兩個狀態中的第二個對應於非機動活動。
2.權利要求1的方法，其中，將駕駛者活動分類為至少兩個狀態中的對應於機動活動的第一個進一步包括當進行對應於下述之一的活動時，將駕駛者活動的狀態分類為機動有關一個或多個車輛或固定對象的車輛位置變化、泊車機動、高速路入口、高速路出口、與外部方的通信、與另一乘客的交互以及娛樂設備的狀態。
3.權利要求1的方法，其中，將駕駛者活動分類為至少兩個狀態中的對應於非機動活動的第二個進一步包括當不再進行對應於下述之一的活動時，將駕駛者活動的狀態分類為非機動有關一個或多個車輛或固定對象的車輛位置變化、泊車機動、高速路入口、高速路出口、與外部方的通信、與另一乘客的交互，以及娛樂設備的狀態。
4.權利要求1的方法，其中，將駕駛者活動狀態進行分類進一步包括使用瞬時傳感器數據和先前傳感器數據之一對駕駛者活動狀態進行分類。
5.權利要求1的方法，其中，將駕駛者活動狀態進行分類進一步包括使用傳感器數據的線性函數和傳感器數據的非線性函數之一來對駕駛者活動狀態進行分類。
6.權利要求1的方法，進一步包括當駕駛者活動狀態的分類為機動時，改變車內事件的呈現。
7.一種兩狀態分類裝置，用於將駕駛者活動狀態進行分類，該裝置包括輸入，用於接收有關至少一個車輛狀況的傳感器數據；和處理器，連接到輸入，其中，所述處理器分析傳感器數據以確定將駕駛者活動狀態分類成機動和非機動中的一個。
8.權利要求7的分類裝置，其中，所述處理器使用統計分類器實現對駕駛者活動狀態的分類。
9.權利要求7的分類裝置，其中，機動的分類延遲車內的事件。
10.權利要求7的分類裝置，其中，所述至少一個車輛狀況是以下之一加速器踏板位置、制動踏板位置、車速、轉向信號燈狀態、和方向盤位置。
全文摘要
一種用於對駕駛者活動狀態進行分類的裝置和方法，使用有關至少一個車輛操作狀況的傳感器數據，以確定駕駛者活動並分類到至少兩個狀態中的一個。兩狀態分類器(200)使用有關車輛監控(210)、駕駛狀況(212)、駕駛者活動(214)、車輛控制(216)、駕駛者識別(218)的輸入來設置輸出(204)為對應於「機動」和「非機動」的狀態。
文檔編號G08B23/00GK1795473SQ200480014189
公開日2006年6月28日 申請日期2004年6月10日 優先權日2003年6月12日
發明者卡裡·託爾科拉, 諾埃爾·S·馬賽, 羅伯特·H·雷維安 申請人:摩託羅拉公司