Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 吉林大学孙文财获国家专利权

吉林大学孙文财获国家专利权

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!

龙图腾网获悉吉林大学申请的专利面向个体差异性的驾驶疲劳音乐干预方法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:CN119099645B

龙图腾网通过国家知识产权局官网在2025-10-03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:202411404768.5,技术领域涉及:B60W50/14;该发明授权面向个体差异性的驾驶疲劳音乐干预方法是由孙文财;刘雨薇;李世武;江威;王鑫;刘馨泽;马慧慧设计研发完成,并于2024-10-10向国家知识产权局提交的专利申请。

面向个体差异性的驾驶疲劳音乐干预方法在说明书摘要公布了:一种面向个体差异性的驾驶疲劳音乐干预方法,属于驾驶疲劳干预技术领域。本发明通过身份识别模块对驾驶人进行身份识别,获取系统中该驾驶人对应的身份信息;通过疲劳辨识模块,对驾驶员进行疲劳状态判别;若驾驶员处于某一疲劳状态,则通过音乐干预模块,在系统中该驾驶员最佳干预策略库寻找与当前疲劳状态对应的最佳干预策略,根据此策略对驾驶员进行音乐干预;判别干预后驾驶员的疲劳状态,若驾驶员仍处于疲劳状态,则通过音乐干预模块再次对驾驶员进行干预;记录干预过程中疲劳干预策略模型的变化,通过模型调整模块,替换系统中该驾驶人对应的疲劳干预策略模型与最佳干预策略库。面向个体差异进行干扰,充分保证了驾驶疲劳音乐干预效果。

本发明授权面向个体差异性的驾驶疲劳音乐干预方法在权利要求书中公布了:1.一种面向个体差异性的驾驶疲劳音乐干预方法,通过身份识别模块、疲劳辨识模块Ⅰ、疲劳辨识模块Ⅱ、音乐干预模块、模型调整模块以及云端数据库对驾驶员的疲劳状态进行判别,并选择最佳的音乐干预策略对驾驶员进行疲劳干预,以满足个体差异性;其特征是:包括以下步骤,并且以下步骤顺次进行,步骤一、通过身份辨识模块对驾驶员x身份ID进行识别,在云端数据库获取已对应存储的偏好歌单、听歌习惯、疲劳干预策略模型库以及最佳干预策略库; 步骤二、由疲劳辨识模块Ⅰ按照设定的时间间隔对驾驶员x进行疲劳状态辨识; 步骤三、驾驶员x被识别为某一疲劳状态α,则音乐干预模块调用驾驶员x对应的最佳干预策略库P_strategyx,寻找对应疲劳状态α下的最佳干预策略音乐干预模块按照最佳干预策略对驾驶员x进行音乐干预; 所述对驾驶员x进行音乐干预的具体步骤如下: 第一步:驾驶员x被识别为某一疲劳状态α,则调用驾驶员x对应的最佳干预策略库P_strategyx,寻找对应疲劳状态α下的最佳干预策略按照最佳干预策略对驾驶员x进行音乐干预; 其中,最佳干预策略库分为两种,一种是初始最佳干预策略库,另一种是经过步骤五调整后的最佳干预策略库; 所述疲劳干预策略模型库是由疲劳干预策略模型组成的,用β代表与疲劳干预策略模型对应的各疲劳干预策略,疲劳干预策略为音乐节奏、响度以及时长的排列组合,即节奏×响度×时长; 设疲劳状态为α,疲劳干预策略为β的初始疲劳干预策略模型如下式: 其中,是初始的干预前归一化的疲劳综合值随时间t的变化;为初始设置的干预后归一化的疲劳综合值随时间t的变化,其中α为驾驶疲劳状态,β代表疲劳干预策略,0代表初始设定,即驾驶员ID为0;为初始模型参数,其中,与对疲劳状态α实施干预之前驾驶员0的疲劳水平有关;表示驾驶员0的疲劳综合值随时间变化的速率;表示驾驶员0在达到疲劳状态α过程中的疲劳增长速率常数;表示对驾驶员0在疲劳状态α时,实施干预策略β后疲劳减少的速率;表示对驾驶员0在疲劳状态α时,实施干预策略β干预效果的强度;表示对驾驶员0在疲劳状态α时,实施干预策略β干预后疲劳综合值随时间恢复的速率;对驾驶员0在疲劳状态α时,实施干预策略β干预后疲劳恢复的速率常数;为开始进行音乐干预的时刻;为在音乐干预之后,驾驶员由疲劳状态进入清醒状态的时刻; 由疲劳干预策略模型公式计算得出在每种疲劳状态α下,对应的最佳干预策略β; 初始的疲劳干预策略库由每种疲劳状态下的初始最佳初始疲劳干预策略组成,表示为: 其中,P_strategy0为初始的疲劳干预策略库;strategy10与βi1为第一种疲劳状态即轻度主动疲劳对应的疲劳干预策略;strategy20与βi2为第二种疲劳状态即中度主动疲劳对应的疲劳干预策略;strategy30与βi3为第三种疲劳状态即重度主动疲劳对应的疲劳干预策略;strategy40与βi4为第四种疲劳状态即轻度被动疲劳对应的疲劳干预策略; strategy50与βi5为第五种疲劳状态即中度被动疲劳对应的疲劳干预策略;strategy60与βi6为第六种疲劳状态即重度被动疲劳对应的疲劳干预策略;u1,u2,u3,u4,u5,u6∈{快节奏,中等节奏,慢节奏},v1,v2,v3,v4,v5,v6∈{高音量,中等音量,低音量},q1,q2,q3,q4,q5,q6∈{10min,20min,30min,40min,50min,60min}; 驾驶员xx=1,2,3...初次使用该方法,则驾驶员x对应的疲劳干预策略模型Fxt以及最佳干预策略库P_strategyx都使用初始的疲劳干预策略模型和初始的最佳干预策略库; 第二步:根据第一步所述的最佳干预策略,在该驾驶员x偏好歌单中寻找符合此策略的节奏的歌曲,并根据响度和时长的设定在音乐干预模块对驾驶员进行疲劳干预,具体为: 疲劳辨识模块Ⅰ判定驾驶员x的疲劳状态为α,在驾驶员x对应的最佳干预策略库P_strategyx中寻找疲劳状态α对应的最佳干预策略strategyα=β→节奏u,响度v,时长q; 在驾驶员x的偏好歌单中,寻找节奏u对应的歌曲,结合驾驶员x的听歌习惯,排列歌曲顺序,用响度v,时长q对驾驶员x进行音乐干预; 步骤四、通过疲劳辨识模块Ⅱ对每次干预后驾驶员x的疲劳状态进行辨识,判断干预后驾驶员x是否处于清醒状态,处于清醒状态,则进行步骤五;仍处于疲劳状态,则对驾驶员x的疲劳状态进行辨识,并输出当前驾驶员x的疲劳状态,返回至步骤三,通过音乐干预模块再次对驾驶员x进行音乐干预; 步骤五、模型调整模块记录干预后驾驶员x的疲劳干预策略模型的变化,从而调整疲劳干预策略模型以及最佳干预策略库P_strategyx并上传至云端数据库对疲劳干预策略模型库以及最佳干预策略库进行更新。

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吉林大学,其通讯地址为:130012 吉林省长春市高新产业开发区前进大街2699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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。