买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北方工业大学申请的专利基于驾驶人状态监测的辅助驾驶风险预测方法及相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120823709B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510926542.X，技术领域涉及：G08G1/01；该发明授权基于驾驶人状态监测的辅助驾驶风险预测方法及相关装置是由薛晴婉;刘宏洋;郭伟伟;谭墍元设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本基于驾驶人状态监测的辅助驾驶风险预测方法及相关装置在说明书摘要公布了：本申请公开了一种基于驾驶人状态监测的辅助驾驶风险预测方法及相关装置，涉及辅助驾驶风险预测技术领域，在本申请方案中，运用聚类算法对历史驾驶员生理数据和历史车辆驾驶数据开展无监督聚类，初步划分汽车运行的碰撞风险等级；然后依据若干组历史驾驶员生理数据、历史车辆驾驶数据以及对应的碰撞风险等级，构建训练数据集与测试数据集，并得到训练好的碰撞风险预测模型；最后基于实测车辆驾驶数据和实测驾驶员生理数据，利用碰撞风险预测模型进行风险预测，从而得到辅助驾驶风险预测结果。此外辅助驾驶风险预测结果还会用于结合实际情况对碰撞风险等级的划分进行更新。本申请解决了传统风险预测方法仅基于车辆运行数据导致预测准确性不足的问题，提高了对驾驶风险的预测准确性。

本发明授权基于驾驶人状态监测的辅助驾驶风险预测方法及相关装置在权利要求书中公布了：1.一种基于驾驶人状态监测的辅助驾驶风险预测方法，其特征在于，包括： 采集若干组模拟车辆驾驶中在碰撞发生前5秒内的历史驾驶员生理数据和对应的历史车辆驾驶数据；所述历史驾驶员生理数据为驾驶员的脉搏波信号数据，所述历史车辆驾驶数据为对应的与前车距离、车辆行驶时间和车辆行驶速度； 采用聚类算法对若干组所述历史驾驶员生理数据和所述历史车辆驾驶数据进行无监督聚类，初步划分汽车运行的碰撞风险等级；所述聚类算法为k-means模型，具体包括：将若干组所述历史驾驶员生理数据和所述历史车辆驾驶数据输入到k-means模型中进行训练，执行无监督学习，在不同的聚类数k下训练，得到每个聚类数k下的聚类中心以及族分配情况，根据每个聚类数k下的族分配情况，选择出聚类效果最优的目标聚类数，根据所述目标聚类数划分得到的各个类中心对应不同碰撞风险等级；所述目标聚类数为3，对应的三个类中心分别对应低风险、中风险、高风险等级，其中低风险为心率平稳、距离大、速度适中，中风险为中等水平，高风险为心率高、速度快、距离近；其中高风险的判定标准为驾驶员心率≥100bpm、车辆行驶速度≥80kmh、碰撞前与前车距离≤10m、最大减速度≥3.0ms2；中风险的判定标准为驾驶员心率在80-100bpm之间、车辆行驶速度在40-80kmh之间、碰撞前与前车距离10-20m、最大减速度1.5-3.0ms2；低风险的判定标准为驾驶员心率≤80bpm、车辆行驶速度≤40kmh、碰撞前与前车距离≥20m、最大减速度≤1.5ms2； 基于若干组所述历史驾驶员生理数据和所述历史车辆驾驶数据以及对应的碰撞风险等级，构建训练数据集和测试数据集；所述训练数据集用于训练碰撞风险预测模型；所述测试数据集用于对所述碰撞风险预测模型的性能进行测试； 基于实测车辆驾驶数据和实测驾驶员生理数据，采用所述碰撞风险预测模型进行风险预测，得到辅助驾驶风险预测结果；所述碰撞风险预测模型为采用XGBoost算法构建并训练得到的模型，将所述训练数据集输入到XGBoost算法模型中进行训练，通过迭代构建多个决策树，不断优化损失函数，使整体预测精度逐步提升，得到训练好的所述碰撞风险预测模型后，将所述测试数据集输入到所述碰撞风险预测模型中计算均方误差损失，在所述均方误差损失低于预设阈值时，将所述碰撞风险预测模型应用于实测车辆驾驶数据和实测驾驶员生理数据的风险预测；所述辅助驾驶风险预测结果还用于结合实际情况更新所述碰撞风险等级的划分； 基于若干组所述历史驾驶员生理数据和所述历史车辆驾驶数据以及对应的碰撞风险等级，构建训练数据集和测试数据集，具体包括： 针对任一所述历史驾驶员生理数据，根据所述历史驾驶员生理数据计算得到驾驶员心率；根据下式计算得到驾驶员心率： ； 其中，HR为驾驶员心率，t2-t1表示脉搏波数据两个连续峰值之间的时间差； 针对任一所述历史车辆驾驶数据，根据所述历史车辆驾驶数据确定最大减速度和碰撞前与前车距离；根据下式确定最大减速度： ； 其中，amax为最大减速度，vf为碰撞前5s时的最终速度，v为初始速度，表示从最初时刻到碰撞前5s所需的时间； 根据下式确定碰撞前与前车距离： 其中，为碰撞前5s与前车距离，为前车位置距离，为主车位置距离； 将任一组所述驾驶员心率与对应的最大减速度、碰撞前与前车距离、车辆行驶速度作为模型输入，对应的所述碰撞风险等级作为标签，构建得到一条样本数据； 将若干条样本数据按照预设比例划分为训练数据集和测试数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。