<dd id="drwzd"><pre id="drwzd"></pre></dd>

      <th id="drwzd"></th>
        1. <button id="drwzd"></button>
        2. <tbody id="drwzd"><pre id="drwzd"></pre></tbody>
        3. <th id="drwzd"></th>
            1. <dd id="drwzd"></dd>

              國家一級學術期刊發表漢納森大數據團隊論文


              近日,國家一級學術期刊《交通運輸系統工程與信息》雜志發表漢納森大數據團隊

              關于疲勞駕駛的研究成果論文——《基于車輛運行數據的疲勞駕駛狀態檢測》。

              論文闡述了如何應用CAN總線采集的數據為基礎,檢測與預警駕駛員的疲勞狀態。


              雜志封面.jpg

              《交通運輸系統工程與信息》是由中國科學技術協會主辦、

              中國系統工程學會主辦、交通運輸系統工程專業委員會承辦,

              面向交通運輸系統工程、綜合交通、智能交通、信息工程等學科研究成果的學術期刊。


              在交通領域,安全始終是一個重要的議題。在眾多引發交通事故的原因之中,疲勞駕駛當屬罪魁禍首。

              根據美國汽車交通安全基金會的一項調查表明:疲勞駕駛在交通事故死亡事件中占據21%的比例。

              因此,及時檢測疲勞駕駛,并提醒駕駛員集中注意力,對保證行車安全,減少交通事故具有重要意義。


              目前,市面上的疲勞駕駛檢測,大多是利用攝像頭對準駕駛員臉部拍攝,然后基于駕駛員行為特征,

              例如駕駛員眨眼的頻率、瞳孔的大小、眼球轉動的位置來綜合評判駕駛員的疲勞程度。

              漢納森的大數據團隊另辟蹊徑,結合多年的CAN總線研究經驗,研究了基于車輛運行數據的疲勞駕駛檢測方法。



              不用攝像頭,怎么來判斷駕駛員疲勞呢?


              接下來就讓小編來給大家介紹一下基于車輛運行數據的疲勞駕駛檢測創新方法。



              01  首先是數據的采集與傳輸

              數據采集部分包括車輛的實時運行數據和疲勞預警的數據,這些數據通過網絡傳輸到數據庫中。


              02  然后是疲勞駕駛與清醒狀態的數據切分

              根據疲勞預警數據將CAN數據切分為清醒樣本數據和疲勞樣本數據。

              從樣本數據中提取駕駛行為特征,接著采用算法對疲勞駕駛數據進行判別。


              如此,便可基于 CAN采集的車輛運行數據識別出疲勞駕駛,

              從而可在司機駕駛過程中,對疲勞狀態進行預警。


              經過大量的實驗數據及實踐應用結果表明,基于車輛運行數據的疲勞駕駛監測方法,

              能夠有效識別出駕駛員的疲勞狀態,具備可行性和實用性。

              同時,本方案還具備成本低、數據可靠的優勢,

              能夠幫助商業車隊及時發現駕駛員疲勞狀態,管控行車風險。

              上圖為本篇提及的漢納森大數據團隊發表的論文


              《基于車輛運行數據的疲勞駕駛狀態檢測》是漢納森大數據團隊致力于汽車大數據研究的眾多成果之一。

              大數據團隊自組建以來,陸續研究出了駕駛行為分析方法、公共安全事件預警方法、車輛故障預測方法、

              事故黑點預測方法、新能源車輛續航里程衰減模型等一系列行業內優秀的算法模型,致力于用技術護航交通安全。


              而這些技術成果,也已經應用于漢納森旗下的云總線、云汽時代平臺,賦能平臺展現出卓越的應用成效。





              无码丰满熟妇juliaann_一本加勒比波多野结衣_成年美女黄网站色大片免费看_中文字幕与邻居少妇性刺激