本發(fā)明涉及智能汽車人機(jī)交互，特別是基于多模態(tài)生物反饋的車輛控制方法。

背景技術(shù)：

1、近年來，隨著智能駕駛與車載人機(jī)交互技術(shù)的快速發(fā)展，基于駕駛員生理信號的狀態(tài)監(jiān)測逐漸成為提高行車安全性的關(guān)鍵研究方向之一。傳統(tǒng)駕駛員監(jiān)測多依賴于單一模態(tài)傳感器（如攝像頭面部表情識別、心率傳感器或腦電圖），在識別疲勞、分心與情緒波動(dòng)方面各有所長，卻難以兼顧多種生理指標(biāo)的互補(bǔ)優(yōu)勢。與此同時(shí)，環(huán)境感知與輔助駕駛系統(tǒng)雖已實(shí)現(xiàn)對車道保持、自動(dòng)緊急制動(dòng)等功能，但對駕駛員實(shí)時(shí)主觀狀態(tài)的感知尚限于入侵性較低或精度不足的單維度指標(biāo)。近年來，多模態(tài)生物反饋技術(shù)逐步應(yīng)用于醫(yī)療康復(fù)與情緒調(diào)節(jié)領(lǐng)域，為智能車輛控制提供了新的研究契機(jī)，通過多源生理信號融合可有效提升駕駛風(fēng)險(xiǎn)評估的準(zhǔn)確性與響應(yīng)速度。

2、然而，現(xiàn)有基于單一或少數(shù)模態(tài)特征的駕駛員狀態(tài)評估方法存在實(shí)時(shí)性不足、適應(yīng)性差與綜合評估精度低等瓶頸。一方面，單模態(tài)信號易受外部環(huán)境干擾或個(gè)體差異影響，難以全面反映駕駛員的認(rèn)知負(fù)荷和情緒變化；另一方面，傳統(tǒng)情緒評估模型多采用靜態(tài)權(quán)重分配，缺乏基于歷史數(shù)據(jù)的動(dòng)態(tài)優(yōu)化機(jī)制，導(dǎo)致在復(fù)雜駕駛場景中無法及時(shí)調(diào)整環(huán)境或自動(dòng)駕駛策略，難以實(shí)現(xiàn)閉環(huán)控制。此外，現(xiàn)有研究側(cè)重于單次風(fēng)險(xiǎn)檢測，并未深入探討多次歷史數(shù)據(jù)對模型權(quán)重更新的價(jià)值，使得模型難以持續(xù)進(jìn)化。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有的基于多模態(tài)生物反饋的車輛控制方法存在的問題，提出了本發(fā)明。因此，本發(fā)明所要解決的問題在于如何提供基于多模態(tài)生物反饋的車輛控制方法。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、第一方面，本發(fā)明提供了基于多模態(tài)生物反饋的車輛控制方法，其包括：

4、通過生物傳感器采集駕駛員生理數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理，獲得多模態(tài)特征，包括方向盤握力的方差、皮膚電活動(dòng)斜率、心率低頻頻段與高頻頻段能量比、呼吸樣本熵以及手部震顫頻率；

5、將多模態(tài)特征映射到壓力維度、疲勞維度和激動(dòng)維度三個(gè)情緒維度，并建立量化關(guān)系，根據(jù)識別到的駕駛場景初步分配壓力維度、疲勞維度和激動(dòng)維度的權(quán)重，計(jì)算駕駛員的綜合情緒指數(shù)，并根據(jù)所述綜合情緒指數(shù)確定駕駛風(fēng)險(xiǎn)等級；

6、根據(jù)駕駛風(fēng)險(xiǎn)等級分層觸發(fā)環(huán)境調(diào)節(jié)和自動(dòng)駕駛接管策略，進(jìn)行基于多模態(tài)生物反饋的車輛控制，并通過分析歷史數(shù)據(jù)優(yōu)化綜合情緒指數(shù)計(jì)算中三個(gè)情緒維度的權(quán)重分配規(guī)則；

7、所述根據(jù)駕駛風(fēng)險(xiǎn)等級分層觸發(fā)環(huán)境調(diào)節(jié)和自動(dòng)駕駛接管策略包括：

8、當(dāng)駕駛風(fēng)險(xiǎn)等級處于正常狀態(tài)時(shí)，環(huán)境調(diào)節(jié)措施維持當(dāng)前狀態(tài)，自動(dòng)駕駛不響應(yīng)；

9、當(dāng)駕駛風(fēng)險(xiǎn)等級處于預(yù)警狀態(tài)時(shí)，車內(nèi)環(huán)境中釋放具備芳香療法作用的氣味，同時(shí)啟動(dòng)車道保持輔助；

10、當(dāng)駕駛風(fēng)險(xiǎn)等級處于危險(xiǎn)狀態(tài)時(shí)，半導(dǎo)體制冷片啟動(dòng)進(jìn)行頸部冷敷，通過石墨烯導(dǎo)熱膜定向降溫，通過頭枕骨傳導(dǎo)揚(yáng)聲器播放α波音樂，觸發(fā)自適應(yīng)巡航接管；

11、當(dāng)駕駛風(fēng)險(xiǎn)等級處于高危狀態(tài)時(shí)，天窗自動(dòng)開啟，同時(shí)空調(diào)啟動(dòng)最大風(fēng)量，啟動(dòng)全車紅色氛圍燈閃爍，強(qiáng)制自動(dòng)駕駛接管并靠邊停車。

12、作為本發(fā)明所述基于多模態(tài)生物反饋的車輛控制方法的優(yōu)選方案，其中：所述駕駛員生理數(shù)據(jù)包括方向盤握力、心率、手部震顫頻率、呼吸頻率、坐姿以及皮膚導(dǎo)電率。

13、作為本發(fā)明所述基于多模態(tài)生物反饋的車輛控制方法的優(yōu)選方案，其中：所述進(jìn)行數(shù)據(jù)預(yù)處理包括：

14、對獲取的駕駛員生理數(shù)據(jù)進(jìn)行時(shí)間同步，并進(jìn)行噪聲抑制；

15、進(jìn)行多模態(tài)特征提取，計(jì)算設(shè)定時(shí)間窗口內(nèi)方向盤握力的方差，公式為：

16、；

17、式中，為方向盤握力的方差，為時(shí)間窗口，為第個(gè)時(shí)間窗口的方向盤握力，為時(shí)間窗口內(nèi)方向盤握力的平均值；

18、通過皮膚導(dǎo)電率的變化曲線獲取皮膚電活動(dòng)斜率；

19、從ppg信號中提取rr間期序列，通過快速傅里葉變換fft將時(shí)域的心率變異性hrv信號轉(zhuǎn)換為頻域，獲得各頻率點(diǎn)的功率值計(jì)算心率低頻頻段與高頻頻段能量比，公式為：

20、；

21、式中，為心率轉(zhuǎn)換為頻譜后在頻率為處的功率譜密度，為功率譜密度的低頻頻段，為功率譜密度的高頻頻段；

22、從呼吸間隔序列中提取呼吸樣本熵。

23、作為本發(fā)明所述基于多模態(tài)生物反饋的車輛控制方法的優(yōu)選方案，其中：所述將多模態(tài)特征映射到壓力維度、疲勞維度和激動(dòng)維度三個(gè)情緒維度，并建立量化關(guān)系，方法包括：

24、通過皮膚電活動(dòng)斜率和呼吸樣本熵對情緒維度中的壓力維度進(jìn)行量化，計(jì)算公式為：

25、；

26、其中，為壓力維度量化指數(shù)，和為壓力維度系數(shù)，為皮膚電活動(dòng)斜率，為呼吸樣本熵；

27、通過心率低頻頻段與高頻頻段能量比對情緒維度中的疲勞維度進(jìn)行量化，計(jì)算公式為：

28、；

29、式中，為疲勞維度量化指數(shù)，為疲勞維度系數(shù)；

30、使用手部震顫頻率和握力突變次數(shù)對情緒維度中的激動(dòng)維度進(jìn)行量化，計(jì)算公式為：

31、；

32、式中，為激動(dòng)維度量化指數(shù)，和為激動(dòng)維度系數(shù)，為手部震顫頻率，為握力突變次數(shù)。

33、作為本發(fā)明所述基于多模態(tài)生物反饋的車輛控制方法的優(yōu)選方案，其中：所述根據(jù)識別到的駕駛場景初步分配壓力維度、疲勞維度和激動(dòng)維度的權(quán)重，方法包括：

34、設(shè)定一級場景和二級場景，一級場景包括白日行駛和夜間行駛，二級場景包括普通道路和高速公路；

35、初始識別一級場景，若一級場景為白日行駛時(shí)，則繼續(xù)進(jìn)行二級場景識別，若一級場景為夜間行駛時(shí)，則不進(jìn)行二級場景識別；

36、初始權(quán)重分配規(guī)則為：

37、若駕駛場景為夜間行駛時(shí)，則壓力維度初始權(quán)重設(shè)置為0.2、疲勞維度初始權(quán)重設(shè)置為0.6、激動(dòng)維度初始權(quán)重設(shè)置為0.2；

38、若駕駛場景為普通道路時(shí)，則壓力維度初始權(quán)重設(shè)置為0.5、疲勞維度初始權(quán)重設(shè)置為0.3、激動(dòng)維度初始權(quán)重設(shè)置為0.2；

39、若駕駛場景為高速公路時(shí)，則壓力維度初始權(quán)重設(shè)置為0.3、疲勞維度初始權(quán)重設(shè)置為0.5、激動(dòng)維度初始權(quán)重設(shè)置為0.2。

40、作為本發(fā)明所述基于多模態(tài)生物反饋的車輛控制方法的優(yōu)選方案，其中：所述計(jì)算駕駛員的綜合情緒指數(shù)包括：

41、對情緒維度量化指數(shù)進(jìn)行處理，得到情緒維度得分，公式為：

42、；

43、式中，為情緒維度得分，包括壓力維度得分、疲勞維度得分、激動(dòng)維度得分；為情緒維度量化指數(shù)，包括壓力維度量化指數(shù)、疲勞維度量化指數(shù)、激動(dòng)維度量化指數(shù)；為設(shè)定時(shí)間窗口內(nèi)的最小情緒維度量化指數(shù)，為設(shè)定時(shí)間窗口內(nèi)的最大情緒維度量化指數(shù)；

44、對情緒維度得分進(jìn)行加權(quán)綜合計(jì)算，得到駕駛員的綜合情緒指數(shù)，公式為：

45、；

46、；

47、輸出綜合情緒指數(shù)，并進(jìn)行駕駛風(fēng)險(xiǎn)等級的區(qū)間分級：當(dāng)綜合情緒指數(shù)處于0-t1間時(shí)，則駕駛風(fēng)險(xiǎn)等級處于正常狀態(tài)；當(dāng)綜合情緒指數(shù)處于t1-t2間時(shí)，則駕駛風(fēng)險(xiǎn)等級處于預(yù)警狀態(tài)；當(dāng)綜合情緒指數(shù)處于t2-t3間時(shí)，則駕駛風(fēng)險(xiǎn)等級處于危險(xiǎn)狀態(tài)；當(dāng)綜合情緒指數(shù)大于t3時(shí)，則駕駛風(fēng)險(xiǎn)等級處于高危狀態(tài)；其中，t1、t2和t3為區(qū)間分級限值，t1＜t2＜t3。

48、第二方面，本發(fā)明提供了計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其中：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)基于多模態(tài)生物反饋的車輛控制方法的步驟。

49、第三方面，本發(fā)明提供了計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)基于多模態(tài)生物反饋的車輛控制方法的步驟。

50、本發(fā)明有益效果為：本發(fā)明基于多模態(tài)特征融合計(jì)算出駕駛員的綜合情緒指數(shù)，并據(jù)此劃分駕駛風(fēng)險(xiǎn)等級，實(shí)現(xiàn)對駕駛員當(dāng)前情緒狀態(tài)的量化建模，提升風(fēng)險(xiǎn)識別的精度和實(shí)時(shí)性，能夠有效降低因情緒失控導(dǎo)致的交通事故風(fēng)險(xiǎn)，提升車輛控制系統(tǒng)對駕駛風(fēng)險(xiǎn)的識別、響應(yīng)與優(yōu)化能力，具有顯著的實(shí)用價(jià)值和技術(shù)推廣意義。